Libro Io II 2012

Francisco Alfonso Chediak Pinzón
Flaminio Vera Méndez

T
odas las organizaciones, ya sean empresas guberna-
mentales, de manufactura, servicio, mixtas e inclusive a
nivel individual o personal, deben proponerse tomar la Cc
mejor decisión para asegurar el éxito en sus gestiones. Debido
a la importancia del arte de la toma de decisiones, el presente
libro está escrito bajo la óptica de hacer fácil el aprendizaje y
la aplicación de los temas correspondientes a la cátedra de In- Cc - Cn
Investigación de Operaciones
vestigación de Operaciones II, de los programas de Ingeniería
Industrial e Ingeniería de Sistemas de la Universidad de Ibagué.
El libro es generoso al tener un lenguaje sencillo que facilita el Cn

entendimiento de las diferentes técnicas de la Investigación Dc -Dn
de Operaciones, es abundante en ejemplos y problemas pro-
puestos para ser resueltos por el lector.
El uso de las técnicas que ofrece la Investigación de Operaciones

para la toma de decisiones en la vida profesional beneficiará
Investigación
Dn Dc
significativamente a la sociedad, tal como ha ocurrido en otros
pueblos que lo han hecho.
deOperaciones
Volumen II
Segunda Edición

Investigación de Operaciones
Volumen II
Segunda Edición

Ibagué, Colombia
2012
Investigación de Operaciones Volumen II 3

658.403 4
Ch514i Chediak Pinzón, Francisco Alfonso
Investigación de operaciones / Francisco Alfonso Chediak Pinzón
Ibagué: Universidad de Ibagué, 2012. 2 ed.
Vol. 2.
ISBN 978-958-
Descriptores: Investigación de operaciones; Programación dinámica; Teoría de Juegos;

Cadenas de Markov: PERT; CPM
Facultad de Ingeniería
Universidad de Ibagué
Ibagué, Colombia
Agosto de 2012
© Universidad de Ibagué, 2012

© Francisco Alfonso Chediak Pinzón, Flaminio Vera Méndez, 2012.
Dirección editorial
Oficina de Publicaciones
publicaciones@unibague.edu.co
Universidad de Ibagué
Calle 67, carrera 22. A.A. 487
Teléfono: +57 8 2709400
Ibagué-Tolima, Colombia.
www.unibague.edu.co
Diseño, diagramación e impresión

León Gráficas Ltda. PBX 2630088. Ibagué.
Esta obra no puede reproducirse sin la autorización expresa y por escrito de la Universidad de Ibagué.
El hombre solo es grande cuando esta de rodillas
Albert Einstein
A mi esposa Flor Eloísa Sánchez; a mis hijos, Zulay,

Shirley y Tufik; a mi tía, Inés Pinzón y a mi nieta Luciana.
Con todo mi amor.
Francisco Chediak Pinzón
A mi amada esposa, Gloria Isabel, por su apoyo constante y ánimo de progreso.

A mi princesita, María Isabel, por ser el motor de mi vida.
A mi padre, Marcelino, por su espíritu de crecimiento e infundirme su amor al agro.
A mi madre, Isabel, por enseñarme sus lindas y mis primeras oraciones de Dios.
A mis queridos hermanos, Ana Leonor, Moisés, Gilber-
to, Alirio, Ligia, Flor María, Inés y Luz Ángela,
por ser mis mejores amigos.
Presentación
Consciente de la importancia que han adquirido en los tiempos modernos, los Métodos
Cuantitativos como el arte en la toma de decisiones, el presente libro está escrito con
el propósito de facilitar a los estudiantes de pregrado el aprendizaje y la aplicación de
los temas correspondientes a la cátedra de Investigación de Operaciones II, de los Pro-
gramas de Ingeniería Industrial e Ingeniería de Sistemas de la Universidad de Ibagué .
Durante el desarrollo de los temas que lo ameriten, se ilustrará el uso de programas
especializados en la Investigación de Operaciones como el WinQsb, INVOP, la hoja de
cálculo Excel y su herramienta Solver. Es de vital importancia el aprendizaje, el manejo
y la interpretación de la información suministrada por estos softwares, en atención al
impulso que el computador ha dado al desarrollo de la Investigación de Operaciones.
Se recomienda al lector enfatizar su atención en la Formulación de Modelos, labor pri-
mordial para la aplicación de los métodos de solución, que sin una perfecta modelación
acarrean un estruendoso fracaso y pérdida de recursos. Juicioso es tener como meta,
estudiar todos los modelos posibles en diferentes textos, revistas y trabajos de grado
en donde se formulen problemas de Investigación de Operaciones. El conocimiento y la
experiencia harán fluir la inventiva para enfrentar el reto de formular nuevos problemas
de optimización en el desarrollo de nuestra profesión y con certeza, nos brindarán la
oportunidad de resolverlos y tomar la mejor decisión.
El primer capítulo estudia el tema de la Programación Dinámica, basada en el prin-
cipio de Richard Bellman; se contemplan problemas determinísticos, probabilísticos y
estocásticos y se presenta una buena colección de problemas resueltos y propuestos
con sus respectivas respuestas. Adicionalmente, se instruye sobre el manejo del soft-
ware WinQsb.
El capítulo segundo, aborda el tema de la programación No-Lineal, justificado en la
diversidad de modelos, que se representan en la vida real, por medio de ecuaciones, en
las que la relación entre las variables es de carácter No-Lineal. Se muestran el Método
Gráfico, el Método de los Multiplicadores de Lagrange, las condiciones de Karush-Kuhn
- Tucker y la Programación Cuadrática, ilustrados con problemas prácticos. Los softwares
que se usa son el WinQsb y el Advanced Grapher. El capítulo contiene, además, diversos
problemas acompañados de sus respectivas respuestas.

El capítulo tercero desarrolla los modelos de optimización para redes. Se contem-
plan los algoritmos del problema del flujo máximo con el algoritmo de Ford-Fulkerson
y su respectiva formulación usando programación Lineal; el problema de la ruta más
corta con el algoritmo de Dijkstra y su respectiva formulación, mediante programación
lineal; el problema del árbol de mínimo recorrido y el algoritmo de Floyd o de la triple
operación. Los programas que se ilustran son el WinQsb y el INVOP. Así mismo, el capítulo
cuenta con suficientes problemas propuestos y resueltos que permiten la aplicación
práctica de los conocimientos.
En el capítulo cuarto, se trata el tema de la Administración de Proyectos mediante el
diagrama Gantt, el Método Cpm y el Método Pert con el uso de precedencias parciales,
todo ello bajo el criterio de actividad-nodo y con el uso del software WinQsb.
El capítulo quinto estudia el análisis de las decisiones y la teoría de juegos. Se ex-
ponen, aquí los conceptos generales de decisión, sus características, su clasificación,
los factores que inciden en este proceso, su estructura y la metodología del proceso
de toma de decisiones. Así mismo, se estudian los principales criterios para la toma de
decisiones bajo riesgo, incertidumbre y conflicto. El software que se emplea es el WinQsb
en su módulo de “Decision Analysis”.
Finalmente, el capítulo sexto se ocupa de los procesos que se pueden modelar
mediante la denominada cadena de Markov, ilustrando con problemas prácticos la
aplicación de esta técnica.
En cada capítulo se encontrarán problemas que permiten la aplicación inmediata
de los conocimientos, se presentan la solución y las respectivas respuestas, todo ello,
con la intención de darle una base para el análisis y comprensión de la materia objeto
de este texto. El texto presenta, además, un apéndice donde se consignan las tablas
de la distribución normal estándar [0,1] acumulada y la de la función de distribución
acumulada de Poisson, necesarias para resolver algunos de los problemas planteados
como ejemplo o para su resolución.
Para terminar esta presentación, motivo a los lectores al uso imperativo de las
técnicas que ofrece la Investigación de Operaciones para la toma de decisiones, en
el ejercicio de su vida profesional y personal; el hacerlo beneficiará grandemente a la
sociedad y al país, tal como ha ocurrido en otros pueblos que lo han hecho y que hoy
ostentan el título de países desarrollados con tecnología de punta.

Ingeniero industrial
8 Francisco Chediak | Flaminio Vera

Contenido
Presentación.............................................................................................................. 7
Capítulo 1. Programación dinámica....................................................................... 11
Introducción................................................................................................................................. 11
Principio de optimización de Bellman................................................................................ 11
Problemas resueltos.................................................................................................................. 12
Problemas propuestos.............................................................................................................. 47
Capítulo 2. Programación no lineal........................................................................ 59
Introducción................................................................................................................................. 59
Método gráfico............................................................................................................................ 60
Multiplicadores de Lagrange.................................................................................................. 66
Condiciones de Karush-Kuhn-Tucker.................................................................................. 77
Programación cuadrática......................................................................................................... 85
Problemas propuestos.............................................................................................................. 88
Capítulo 3. Modelos de optimización de redes..................................................... 97
Introducción................................................................................................................................. 97
Problema del flujo máximo..................................................................................................... 99
El problema de la ruta más corta........................................................................................107
El problema del árbol de mínimo recorrido ...................................................................116
Algoritmo de Floyd o de la triple operación...................................................................122
Problemas propuestos............................................................................................................137
Capítulo 4. Administración de proyectos Gantt - PERT - CPM............................ 157
Introducción...............................................................................................................................157
Pert determinístico...................................................................................................................158
Diagrama Gantt.........................................................................................................................160
Pert probabilístico....................................................................................................................165
Método de la ruta crítica, cpm Critical Path Method....................................................169
Precedencias Parciales............................................................................................................187
Capítulo 5. Análisis de decisiones y Teoría de juegos......................................... 213
Introducción...............................................................................................................................213
Decisiones bajo riesgo............................................................................................................217
Criterio de la optimización del valor esperado....................................................217
Criterio de la máxima posibilidad.............................................................................219
Criterio de las lamentaciones mínimas esperadas..............................................219
Criterio de la mínima varianza....................................................................................220
Criterio de Farrar..............................................................................................................220
Criterio del principio de la aspiración......................................................................221
Toma de decisión sin experimentación (Con probabilidades a priori)..................222

Toma de decisión con experimentación (Con probabilidades a posteriori).......224
Árbol de decisiones........................................................................................................224
Decisiones bajo incertidumbre...........................................................................................229
Criterio de Wald...............................................................................................................230
Criterio de hurwicz.........................................................................................................230
Criterio de Laplace..........................................................................................................231
Criterio de Savage...........................................................................................................232
Teoría de juegos........................................................................................................................242
Método gráfico................................................................................................................247
Capítulo 6. Cadenas de Markov............................................................................ 269
Introducción...............................................................................................................................269
Formulación de un proceso como una cadena de Markov.......................................270
Análisis según las técnicas de la teoría clásica de la probabilidad.........................272
Cadenas de Markov Ergódicas.............................................................................................275
Cadena de Markov Regular...................................................................................................276
Determinación de las condiciones de estado estable.................................................277
Cadenas de Markov absorbentes........................................................................................280
Anexos.................................................................................................................... 305
Anexo 1: Distribución de Probabilidad Normal Estándar [0,1] Acumulada.........306
Anexo 2: Función de distribución acumulada de Poisson.........................................307
Bibliografía............................................................................................................ 313

Capítulo 1.
Programación dinámica
Richard Bellman
1920
Etapa 1 Etapa 2 Etapa 3 Etapa 4
0 < I4 < 4 0 < I3 < 3 0 < I2 < 2 0 < I1 < 4
Ii=0 Enero Febrero Marzo Abril If=0

0 < X4 < 6 0 < X3 < 4 0 < X2 < 7 0 < X1 < 5
d4=4 d3=5 d2=3 d1=4
Introducción
La programación dinámica es una técnica para resolver cierto tipo de problemas, en los
que es necesario descomponer la decisión en una serie de etapas, aplicando el principio
de optimalidad propuesto por Richard Bellman.
Principio de optimización de Bellman

Bellman asegura que la solución secuencial de los problemas de decisión asociados a
cada etapa es equivalente a la solución del problema de decisión del sistema original.
Esta técnica es muy usada en el estudio de problemas de logística, por lo que su
estudio es de gran importancia en el mundo moderno.
Para resolver un problema de programación dinámica hay que dividir el problema en
etapas y optimizar la decisión que se tome en cada etapa, éste proceso nos conduce me-
tódicamente y con certeza a la mejor decisión para resolver el problema en su conjunto.
Al final del capítulo se ilustra el software WinQsb en su módulo de programación
dinámica.
El problema clásico que aporta una excelente metodología para el entendimiento
de éste tipo de técnica, es el conocido problema de la diligencia, el cuál se ilustra a
continuación.

Problemas resueltos
Ejemplo 1.1 El problema de la diligencia

Un agente de ventas tiene que viajar en diligencia hacia el oeste, con el riesgo de ser
atacado por los asaltantes. Aunque su punto de partida y su destino son fijos, tiene
muchas opciones en cuanto a que ciudades debe elegir como puntos intermedios.
Para disminuir el riesgo de ser asaltado, ha decidido elegir la ruta que tenga la menor
prima en su póliza de seguro.
Las posibles rutas y el valor de la prima del seguro para cada trayecto se muestran
en la siguiente red:
7 1
2 5
4
2 6 4 8 3
3 6
4
1 3 2 6 10
4 3
3 9 4
4 3
1
4 7 3
5
El agente viajero desea conocer cuál es la ruta que tiene el menor riesgo de ser
asaltado.
Consideraciones preliminares
El lector puede considerar las siguientes alternativas de metodología de solución:
• Resolverlo empleando la programación lineal entera binaria.
• Resolverlo empleando el algoritmo de la ruta más corta que se ilustrará en el
capítulo de redes del presente libro.
• Empleando la heurística de evaluar para todas las rutas posibles, el valor total de
la prima del seguro y escoger aquella que le ofrezca el valor mínimo.
Aquí el ejemplo es valioso, no por su complejidad, sino, por su carácter pedagógico,
que permite ilustrar claramente el procedimiento que emplea la programación dinámica.
Solución empleando la programación dinámica

Primero dividimos el viaje en estados o etapas, comenzando desde el final del viaje
hacia atrás (Ésta técnica es muy usada en los problemas de logística)
Fíjese que cuando el viajero se encuentra en la etapa o estado 1, significa que puede
estar en las ciudades 8 ó 9 y su destino la ciudad 10.

Capítulo 1. Programación dinámica
2 7 5 1
4
2 6 8
4 3
3 6
4
1 3 2 6 10
4 3
3 3 9 4
4
1
4 7 3
5
X4 X3 X2 X1
e4 e3 e2 e1
Cuando el viajero se encuentra en la etapa ó estado 2, significa que puede estar en

las ciudades 5, 6 ó 7 y sus posibles destinos las ciudades 8 ó 9
Se define en como las posibles ciudades en que se encuentra el viajero cuando le
faltan n decisiones ó diligencias por tomar. Para valores de n = 1, 2, 3 y 4
De ahí que: e1 representa las posibles ciudades (8 ó 9) en las que el viajero se pue-
de encontrar cuando le falta una diligencia ó decisión por tomar. Similarmente e2 son
las posibles ciudades (5, 6 ó 7) en las que el viajero se encuentra cuando le faltan dos
diligencias ó decisiones por tomar.
Se define xn como las posibles ciudades hacia donde el viajero decide ir cuando le
faltan n diligencias ó decisiones por tomar. Para valores de n = 1, 2, 3 y 4
Se define una función de costos, denominada función recursiva, como:
fn(en,xn) = Valor de la prima de la póliza de seguro cuando el vendedor está en el
estado en y escoge como su destino inmediato xn
Se define X*n como el valor de xn que minimiza la prima de la póliza de seguro fn(en,xn)
y Cen,xn como el costo de la prima de la póliza de seguro de ir del estado en a la ciudad xn
Ahora, se estudia la primera etapa, así:

Etapa 1: e1 = 8, 9 ; x1 = 10 ; f1(e1,x1) = Ce1,x1
Construimos la siguiente tabla de doble entrada en la que se visualiza todas las posibles
situaciones en que puede incurrir el agente viajero y la consecuencia en costos de las
diferentes decisiones.
x1 f1(e1,x1) = C(e1,x1)
f1*(e1) X1* Interpretación
e1 X1 = 10
Si está en la ciudad 8, la mejor decisión es ir a la ciudad 10
8 3 3 10 con un valor mínimo de la prima de la póliza de seguro de 3
Si está en la ciudad 9, la mejor decisión es ir a la ciudad 10

9 4 4 10 con un valor mínimo de la prima de la póliza de seguro de 4
Etapa 2: e2 = 5, 6, 7 ; x2 = 8, 9 ; f2(e2,x2) = Ce2,x2 + f1*(x2)
f2(e2,x2) = Ce2,x2 + f1*(x2) Fíjese que en cada fila se esco-

x2 f2*(e2) x2*
X2 = 8 X2 = 9 ge el menor valor de la prima de la
e2 póliza de seguro. (Aquí, el criterio
5 1+3=4 4+4=8 4 8
de optimización es de minimizar
6 6+3=9 3+4=7 7 9 la prima de la póliza de seguro).
7 3+3=6 3+4=7 6 8
Interpretación: Si el agente de ventas se encuentra en la ciudad 5 y decide ir a la

ciudad 8, pagará una prima por la póliza de seguro de 1, pero ya estando en la ciudad
8, la mejor decisión es ir a la ciudad 10 (ver el tablero de la etapa 1, en el que x2 = 8 se
convierte en e1 = 8) pagando una prima por la póliza de seguro de 3, para un total de
1 + 3 = 4 unidades monetarias desde la ciudad 5 a la ciudad 10.
Aquí es evidente, que la función recursiva general para cualquier etapa es:
fn(en,xn) = Cen,xn + fn-1*(xn) que se lee así: El valor total de la prima de la póliza de
seguro cuando el viajero se encuentra en en y decide ir a la ciudad xn es igual al valor
de la prima de ir de en a xn más la mínima prima a pagar hasta el final del viaje siendo
que decidió ir a la ciudad xn .
Etapa 3: e3 = 2, 3, 4 ; x3 = 5, 6, 7 ; f3(e3,x3) = Ce3,x3 + f2*(x3)

x3 f3(e3,x3) = Ce3,x3 + f2*(x3)
f3*(e3) x3*
e3 X3=5 X3=6 X3=7
2 7 + 4 = 11 4 + 7 = 11 6 + 6 = 12 11 5,6
3 3+4=7 2+7=9 4 + 6 = 10 7 5
4 4+4=8 1+7=8 5 + 6 = 11 8 5,6

Etapa 4: e4 = 1 ; x4 = 2, 3, 4 ; f4(e4,x4) = Ce4,x4 + f3*(x4)
x4 f4(e4,x4) = Ce4,x4 + f3*(x4)

f4*(e4) x4*
e4 X4=2 X4=3 X4=4
1 2 + 11 = 13 4 + 7 = 11 3 + 8 = 11 11 3,4
Aquí se obtiene el valor mínimo de la prima de la póliza de seguro que son 11 uni-
dades monetarias y se procede a identificar cuáles son las rutas que ofrecen este costo
mínimo que equivale a las rutas más seguras y de menor riesgo de asalto.
El tablero de la etapa 4 nos indica que estando en la ciudad 1, la mejor decisión es
ir a la ciudad 3 ó 4. Si decidimos ir a la ciudad 3, el tablero de la etapa 3 nos indica que
lo mejor es ir a la ciudad 5, y estando en la ciudad 5,, el tablero de la etapa 2 nos indica
que lo mejor, es ir a la ciudad 8 y por último, estando en la ciudad 8, el tablero de la
etapa 1 nos indica que lo mejor es ir a la ciudad 10.
Igualmente se hace la misma reflexión si se decide ir de la ciudad 1 a la ciudad 4.
Esquemáticamente se obtienen las siguientes rutas a costo mínimo:
5 1 Ruta: 1-3-5-8-10
3 Ruta: 1-4-5-8-10
8 3 Ruta: 1-4-6-9-10
1 4 3 6 10
4 Todas con un costo
3 9 4 mínimo de 11 uni-
3 1 dades monetarias
4
Ahora, se estudia un modelo clásico de programación dinámica denominado el

problema de la mochila (knapsack).
Ejemplo 1.2 El cargue del buque

Se está cargando un buque con 4 clases de artículos. El buque tiene una capacidad de
peso de 10 toneladas. Cada artículo tiene un valor unitario. El problema es maximizar el
valor total de la mercancía cargada en el buque. Los datos de peso unitario por unidad
de artículo y valor unitario se dan en la siguiente tabla.

Peso (pi) Valor unitario (Vi)
Artículo
Toneladas/Unidad $/Unidad
1 2 4
2 3 6
3 4 8
4 5 9
El problema puede resolverse por programación lineal entera así:

Xj = Unidades a transportar del artículo j-ésimo (j = 1, 2 , 3 , 4)
Maximice Z = 4X1 + 6X2 + 8X3 + 9X4
Con la siguiente restricción: 2X1 + 3X2 + 4X3 + 5X4 < 10 ; restricción debida a la ca-
pacidad en peso del barco.
Xj > 0 ; j = 1, 2 , 3, 4 y enteros
Solución, empleando programación dinámica:

V4=$9/und. V3=$8/und. V2=$6/und. V1=$4/und.
P4=5 Tn./und. P3=4 Tn./und. P2=3 Tn./und. P1=2 Tn./und.
Artículo 4 Artículo 3 Artículo 2 Artículo 1
X4 X3 X2 X1
e4 e3 e2 e1
en = Peso disponible en toneladas, en la bodega del buque, cuando faltan n deci-

siones por tomar o n artículos por cargar.
xn = Unidades a cargar cuando faltan n decisiones por tomar o n artículos por cargar.
Fíjese que en la gráfica, los artículos se han ordenado para que el subíndice de cada
uno de ellos, coincida con el de la etapa, y se está suponiendo que la primera decisión
en tiempo real se refiere a cuántas unidades cargar del artículo cuatro; este orden,
aquí, es arbitrario y se hizo exclusivamente por presentación de coincidencia entre los
subíndices de todas las variables. Se deja al lector la solución del problema, haciendo
otro ordenamiento de los artículos. Definimos la función recursiva como:

fn(en,Xn) = VnXn + f*(n-1)(en-pnXn), en donde:

vn = Valor unitario en pesos ($) del artículo n-ésimo (n = 1,2,3,4)
pn = Peso unitario en toneladas (Tn.) del artículo n-ésimo (n = 1,2,3,4)
Etapa 1: Artículo 1 , v1 = $4/und. , p1 = 2 ton./und.
cantidad máxima a cargar: 10/2 = 5 Unidades
X1 f1(e1,X1) = V1X1 + f*0(e1-p1X1)

X1=0 X1=1 X1=2 X1=3 X1=4 X1=5
f*1(e1) X*1
e1 0 Ton. 2 Ton. 4 Ton. 6 Ton. 8 Ton. 10 Ton.
0 0 NF NF NF NF NF 0 0
1 0 NF NF NF NF NF 0 0
2 0 4 NF* NF NF NF 4 1
3 0 4 NF NF NF NF 4 1
4 0 4 8 NF NF NF 8 2
5 0 4 8 NF NF NF 8 2
6 0 4 8** 12 NF NF 12 3
7 0 4 8 12 NF NF 12 3
8 0 4 8 12 16 NF 16 4
9 0 4 8 12 16 NF 16 4
10 0 4 8 12 16 20 20 5
* NF = No factible
Si se tienen disponibles 2 toneladas en la bodega del buque, no podemos cargar 2 unidades del artículo 1,
dado que pesan 4 ton.
** Fíjese que no es necesario calcular los datos de las celdas en donde se carga menos de lo máximo posible;
ello, implicaría que el buque partiría con capacidad sobrante en toneladas, luego no se está maximizando el
valor de la carga en el buque; además, y como es de esperarse los valores son menores a los de las celdas en
donde se carga toda la capacidad en toneladas disponibles.
Las anteriores características permiten presentar un mejor tablero para la presente etapa:
e1 0 1 2 3 4 5 6 7 8 9 10
f*1(e1) 0 0 4 4 8 8 12 12 16 16 20
X*1 0 0 1 1 2 2 3 3 4 4 5
Aquí se dice: Si tengo 4 toneladas disponibles, la decisión máxima es cargar 2 unida-

des del producto uno, que justamente pesan la capacidad de las 4 toneladas disponibles
y tienen un valor total de $4/unidad x 2 unidades = $8 cargados.

Cantidad máxima a cargar: 10/3 = 3,3 ~ 3 unidades como máximo.
Fíjese que la cantidad máxima a cargar es el entero resultante de dividir la capacidad
total en toneladas del buque entre el peso unitario en toneladas del artículo. El tablero
para la segunda etapa es:
X2 f2(e2,X2) = V2X2 + f*1(e2-p2X2)

X2 = 0 X2 = 1 X2 = 2 X2 = 3 f*2(e2) X*2
e2 0 Ton. 3 Ton. 6 Ton. 9 Ton.
0 0+0=0 NF NF NF 0 0
1 0+0=0 NF NF NF 0 0
2 0+4=4 NF NF NF 4 0
3 0+4=4 6+0=6 NF NF 6 1
4 0+8=8 6+0=6 NF NF 8 0
5 0+8=8 6+4=10 NF NF 10 1
6 0+12=12 6+4=10 12+0=12 NF 12 0,2
7 0+12=12 6+8=14 12+0=12 NF 14 1
8 0+16=16 6+8=14 12+4=16 NF 16 0,2
9 0+16=16 6+12=18 12+4=16 18+0=18 18 1,3
10 0+20=20 6+12=18 12+8=20 18+0=18 20 0,2
Fíjese que las filas sombreadas pueden ser eliminadas, ya que dichas situaciones
nunca se presentarán; un ejemplo de ello, es contemplar la posibilidad de llegar con 3
toneladas disponibles a la etapa 2. Para que esto ocurra, es necesario haber cargado 7
toneladas, resultado imposible de lograr en atención a que los artículos 4 y 3, que se
supone debieron cargarse previamente, pesan respectivamente 5 y 4 toneladas cada
uno y no existe una combinación a cargar de estos dos productos, que arroje un cargue
total de 7 toneladas.
Luego, el tablero definitivo para esta etapa es:

X2 f2(e2,X2) = V2X2 + f*1(e2-p2X2)
X2 = 0 X2 = 1 X2 = 2 X2 = 3 f*2(e2) X*2
e2
0 Ton. 3 Ton. 6 Ton. 9 Ton.
0 0+0=0 NF NF NF 0 0
1 0+0=0 NF NF NF 0 0
2 0+4=4 NF NF NF 4 0
5 0+8=8 6+4=10 NF NF 10 1
6 0+12=12 6+4=10 12+0=12 NF 12 0,2
10 0+20=20 6+12=18 12+8=20 18+0=18 20 0,2


Cantidad máxima a cargar: 10/4 = 2,5 ~ 2 Unidades.
x3 f3(e3,X3) = V3X3 + f*2(e3-p3X3)

X3 = 0 X3 = 1 X3 = 2 f3*(e3) x3*
e3 0 Ton. 4 Ton. 8 Ton.
0 0+0=0 NF NF 0 0
5 0+10=10 8+0=8 NF 10 0
10 0+20=20 8+12=20 16+4=20 20 0,1,2
NF = No Factible.
Aquí, el tablero se presenta depurado, por que no es posible llegar con una dispo-
nibilidad en toneladas de: 1, 2, 3, 4, 6, 7, 8 ó 9, debido a que el artículo 4 que ya debió
haberse cargado, tiene un peso unitario de 5 ton.
Cantidad máxima a cargar: 10/5 = 2 Unidades.
x4 f4(e4,X4) = V4X4 + f*3(e4-p4X4)

X4 = 0 X4 = 1 X4 = 2 f4*(e4) x4*
e4 0 Ton. 5 Ton. 10 Ton.
10 0+20=20 9+10=19 18+0=18 20 0
Fíjese que aquí se dispone de la totalidad del recurso (10 Ton.) ya que no se ha car-
gado ningún artículo con anterioridad y por lo tanto, es el primero que se va a cargar.
Luego el problema tiene las siguientes cinco (5) soluciones óptimas:
Artículo 4: Variable X4 Artículo 3: Variable X3 Artículo 2: Variable X2 Artículo 1: Variable X1

Peso por unidad: 5 Ton. Peso por unidad: 4 Ton. Peso por unidad: 3 Ton. Peso por unidad: 2 Ton. Total Total de valor
Valor por unidad: $9 Valor por unidad: $8 Valor por unidad: $6 Valor por unidad: $4 Toneladas cargado en
Valor Valor Valor Valor
cargadas $
e4 X4 ($) Ton e3 X3 ($) Ton e 2 X2 ($) Ton e 1 X1 ($) Ton
Solución 1 10 0 0 0 10 0 0 0 10 0 0 0 10 5 20 10 10 20
Solución 2 10 0 0 0 10 0 0 0 10 2 12 6 4 2 8 4 10 20
Solución 3 10 0 0 0 10 1 8 4 6 0 0 0 6 3 12 6 10 20
Solución 4 10 0 0 0 10 1 8 4 6 2 12 6 0 0 0 0 10 20
Solución 5 10 0 0 0 10 2 16 8 2 0 0 0 2 1 4 2 10 20
El siguiente, es un clásico problema de distribución de recursos, empleando la

programación dinámica.
Ejemplo 1.3 Problema de distribución de recursos

Un alumno tiene que presentar exámenes finales en tres (3) materias:

A, B y C, pero, tiene, solamente, 12 horas que puede dedicar a estudiar. Cree que es
mas efectivo estudiar en bloques de 4 horas y está dispuesto a dedicar cualquier número
de bloques a las materias, con el fin de maximizar su promedio académico. El estima,
que las notas obtenidas según el tiempo dedicado, son las siguientes:
Número Materiales
de horas A B C
0 1 2 1
4 2 3 3 ¿Cuál debe ser la política del alumno?
8 4 4 4
12 4 5 4
Observe que el alumno debe tomar tres decisiones: Cuántas horas estudiar la materia
A, Cuántas horas estudiar la materia B y cuántas horas estudiar la materia C.
Fíjese que si maximizamos la sumatoria de las tres notas, estamos maximizando el
promedio, en atención a que el número de materias es constante (3) y el promedio lo
constituye el cálculo de la sumatoria de las tres notas dividido entre el número total de
notas (3). Entre más grande sea el numerador, el promedio sera mayor.
Las etapas son las tres (3) materias.
Los estados (en) son las horas disponibles para estudiar cuando faltan n decisiones
por tomar. El recurso son las horas que se van a distribuir.
Las variables (Xn) son las horas que se decide estudiar cuando faltan n decisiones
por tomar.
Luego podemos definir la Función Recursiva como:
fn(en,Xn) = Nen,xn + f*n-1(en - Xn) y se lee así: La nota es función de las horas disponibles
y de las horas que decida estudiar una materia e igual a la nota que obtenga cuando
tengo en número de horas disponibles y decido estudiar Xn horas, más la mejor nota
que puedo lograr en la siguiente decisión, con las horas que quedaron disponibles.
Fíjese que para este problema, las decisiones se pueden organizar en cualquier
orden. Para un manejo adecuado de subíndices las etapas se organizan así:
Número de horas disponibles para

e3 e2 e1
estudiar la n-écima materia
A B C
Número de horas que se decide estu-
X3 X2 X1
diar la n-écima materia

etapa 1: Materia C
X1 f1(e1,x1) = Ne1,x1
e1 f*1(e1) X*1
X1 = 0 X1 = 4 X1 = 8 X1 = 12
0 1 NF NF NF 1 0
4 1 3 NF NF 3 4
8 1 3 4 NF 4 8
12 1 3 4 4 4 8, 12
Fíjese que f*0(e1 - x1) para esta etapa es cero, ya que es la última materaia y no hay
una después de ella. Fíjese que si se dispone de cero horas para estudiar, no se pueden
asignar ni cuatro, ni ocho, ni doce horas; estas opciones son no factibles (nf). Como
el criterio es de optimización, se escoge como mejor nota acumulada para cada fila, la
mayor y el valor de la X*1 corresponde a las horas que producen la mejor nota.
etapa 2: Materia B
X2 f2(e2,x2) = N(e2,x2) + f*1(e2 - x2)

f*2(e2) X*2
e2 X2 = 0 X2 = 4 X2 = 8 X2 = 12
0 2+1=3 NF NF NF 3 0
4 2+3=5 3+1=4 NF NF 5 0
8 2+4=6 3+3=6 4+1=5 NF 6 0, 4
12 2+4=6 3+4=7 4+3=7 5+1=6 7 4, 8
ETAPA 3: Materia A
X3 f3(e3,x3) = Ne3,x3 + f*2(e3 - x3)

f*3(e3) X*3
e3 X3 = 0 X3 = 4 X3 = 8 X3 = 12
12 1+7=8 2 + 6 = 8 4 + 5 = 9 4 + 3 =7 9 8
Solución
X*3=8, Estudiar la materia A 8 horas, para obtener una nota de 4. Ahora, le quedan
(12 - 8 = 4) 4 horas disponibles para la siguiente decisión.
X*2=0, Estudiar la materia B 0 horas, para obtener una nota de 2. Ahora le quedan
(4 - 0 = 4) 4 horas disponibles, para la siguiente decisión.
X*1=4, Estudiar la materia C 4 horas, para obtener una nota de 3.
Luego, la suma Máxima de las notas es 9 y el promedio Máximo es 9/3 = 3

Ejemplo 1.4 Maximizar la probabilidad de ganar una apuesta
Un Ingeniero Industrial ha desarrollado un sistema para ganar en un juego popular en
la feria. Sus amigos no creen que esto, sea posible y por ello, han efectuado una apuesta
con él: Si él empieza con tres fichas, no tendrá 5 fichas o más, después de tres jugadas.
En cada jugada se pueden apostar cualquier número de fichas y después, ganar o perder
éste mismo número de fichas. El Ingeniero cree que su sistema le dará una probabilidad
de 2/3 de ganar una jugada dada. Suponiendo que él, estuviera en lo cierto, determine
la probabilidad de ganar la apuesta y cuántas fichas deberá apostar en cada jugada.
Observaciones:
• Este tipo de problema suele clasificarse como problema de programación diná-
mica probabilística.
• El interés principal del Ingeniero Industrial es ganar la apuesta a sus amigos.
• Es diferente ganar la apuesta que ganar una jugada del juego.
• Si la probabilidad de ganar una jugada es de 2/3, entonces, la probabilidad de
perderla es de 1/3
• Fíjese que en este problema hay tres decisiones: Cuántas fichas apostar en la
primera jugada; cuántas fichas apostar en la segunda jugada y cuántas fichas
apostar en la tercera jugada.
• Fíjese que las decisiones deben ir en un único orden, ya que dependen del tiempo.
No se pueden tomar las decisiones en un orden diferente.
• La solución al problema nos brindará la logística que debe emplear el Ingeniero
en cada situación del juego.
• En la siguiente gráfica se esquematizan las etapas para la toma de decisión en
este problema.
Etapa 3 Etapa 2 Etapa 1
e3=3 Jugada 1 e2 Jugada 2 e1 Jugada 3
X3 X2 X1
en = Número de fichas disponibles cuando faltan n jugadas por hacer.

Xn = Número de fichas que se apuestan cuando faltan n jugadas por hacer.

Función recursiva:
fn(en,Xn) = 2/3f*n-1(en + Xn) + 1/3f*n-1(en - Xn)

Si el jugador apuesta Xn fichas (Xn <en) y gana, entonces tendrá en + Xn fichas; pero, si
pierde, tendrá en - Xn fichas.
La función recursiva se lee así: La probabilidad de ganar la apuesta está en función
de las fichas disponibles y de las fichas que se decidan apostar, siendo igual a la proba-
bilidad de ganar la jugada, por la mejor probabilidad que se obtenga en la siguiente
jugada, con las fichas que le quedaron (en + Xn), más la probabilidad de perder la jugada
por la mejor probabilidad que se obtenga en la siguiente jugada con las fichas que le
quedaron (en - Xn).
ETAPA 1: Tercera jugada

Después de ocurrir la última jugada, el Ingeniero termina con menos de cinco fichas o
termina con cinco o más fichas. Dicho de otra manera. pierde o gana la apuesta con
sus amigos. En el siguiente cuadro, se resume dicha situación.
e1 X 1* f 1* (e1)
0 ---- 0
1 ---- 0
2 ---- 0
3 2 ó más 2/3
4 1 ó más 2/3
≥5 0 1
Análisis
• Si llega con 5 fichas o más a la última jugada, la probabilidad de ganar la apuesta es
1 (ya ganó) y lo mejor que puede hacer es no apostar ninguna ficha (no arriesgar).
• Si llega con 4 fichas, ganar la apuesta depende de ganar la jugada apostando 1 ó
más fichas y la probabilidad de ganar la apuesta es la misma de ganar la jugada, 2/3.
• Si llega con 3 fichas, ganar la apuesta depende de ganar la jugada apostando 2 ó
más fichas y la probabilidad de ganar la apuesta es la misma de ganar la jugada, 2/3.
• Si llega con 2 ó menos fichas, ya perdió, luego la probabilidad de ganar la apuesta
es cero.

etapa 2: Segunda jugada
X2 f2(e2,X2) = 2/3f*1(e2 + X2) + 1/3f*1(e2 - X2)

f 2*(e2) X*2
e2 X2 = 0 X2 = 1 X2 = 2 X2 = 3 X2 = 4
2/3(0)+1/3(0)
0 0
NF NF NF NF 0 0
2/3(0)+1/3(0) 2/3(0)+1/3(0)
1 0 0
NF NF NF 0 0, 1
2/3(0)+1/3(0) 2/3(2/3)+1/3(0) 2/3(2/3)+1/3(0)

2 0 4/9 4/9
NF NF 4/9 1, 2
0
2/3(2/3)+1/3(2/3) 2/3(2/3)+1/3(0) 2/3(1)+1/3(0) 2/3(1)+1/3(0)
3 2/3 4/9 2/3 2/3
NF 2/3 2
3
2/3(2/3)+1/3(2/3) 2/3(1)+1/3(2/3) 2/3(1)+1/3(0) 2/3(1)+1/3(0) 2/3(1)+1/3(0)
4 2/3 8/9 2/3 2/3 2/3
8/9 1
2/3(1)+1/3(1)
≥5 1
NR NR NR NR 1 0
Análisis
• Si llega con 5 fichas o más a la segunda jugada, la probabilidad de ganar la apuesta
es 1, y no es razonable (NR) que apueste alguna ficha ya que tiene asegurada la
victoria.
• Si llega con 4 fichas y decide no apostar, la probabilidad de ganar la apuesta se
traslada a la última jugada, llegando con 4 fichas y dependerá de si gana la última
jugada, dicho de otra forma, tendrá una probabilidad de 2/3 de ganar la apuesta.
• Fíjese que no son factibles aquellas casillas en que la cantidad de fichas para apostar
sean superiores a las fichas disponibles. No se puede apostar lo que no se tiene.
etapa 3: Primera jugada
X3 f3(e3,X3)=2/3f*2(e3 + X3)+1/3f*2(e3 - X3) f3*(e3) X3*

e3 X3 = 0 X3 = 1 X3 = 2 X3 = 3
2/3(2/3)+1/3(2/3) 2/3(8/9)+1/3(4/9) 2/3(1)+1/3(0) 2/3(1)+1/3(0)
3 2/3 20/27 2/3 2/3 20/27 1

Luego, la estrategia para tener una probabilidad de 20/27 de ganar la apuesta es

la siguiente:
Primera Segunda Tercera

Conclusión
Jugada Jugada Jugada
Si Gana
Fichas disponibles 0
5 Gana la apuesta
Si Gana
4 1
2/3 de probabilidad de
2,3
3
Si Pierde ganar la apuesta
31
Si Gana 2/3 de probabilidad de
Si Pierde 2,3
3
ganar la apuesta
2 1
0
1 Perdió la apuesta
Si Pierde
Apostar Si Gana 1,2,3,4
4
2/3 de probabilidad de
una ganar la apuesta
2 2
ficha
0
0 Perdió la apuesta
Si Pierde
Fíjese que el anterior árbol le indica al jugador, cuál es la mejor decisión en cualquier
momento del juego.
Problema 1.5 El problema de los científicos

Un proyecto especial del gobierno tiene que completar la investigación de cierto pro-
blema, antes de seguir con las próximas etapas del proyecto. En la actualidad, hay tres
equipos de científicos probando tres métodos diferentes.
Se estima que las probabilidades de que los tres equipos (A,B,C) fracasen son: 0,4;
0,6 y 0,8 respectivamente. Luego, la probabilidad de que los tres equipos fracasen es:
(0,4)(0,6)(0,8) = 0,192. Ya que el objetivo es minimizar la probabilidad de que todos los
equipos fracasen, se ha decidido asignar otros dos científicos a la investigación para
disminuir en lo máximo posible, la probabilidad de fracaso. En la tabla siguiente, se
ven las probabilidades de un fracaso de los equipos, dado que tienen 0, 1, 2 científicos
adicionales. ¿Cuántos científicos se deben asignar a cada equipo, para minimizar la
probabilidad de fracaso de todos?
Equipos
A B C
Número de 0 0,40 0,60 0,80
científicos 1 0,20 0,40 0,50
adicionales 2 0,15 0,20 0,30

Observaciones:
El problema implica tres decisiones, luego son tres etapas. El orden de las decisiones
es arbitrario.
en = Número de científicos disponibles cuando faltan “n” decisiones por tomar.
Xn = Número de científicos que se deben asignar cuando faltan “n” decisiones por tomar.
e3=3 Equipo e2 Equipo e1 Equipo

A B C
X3 X2 X1
Función recursiva: fn(en,xn) = Pen,xn * f*n-1(en - xn) , la cual se lee: La probabilidad de que
los equipos fracasen, depende de la cantidad de científicos disponibles y de la cantidad
que se decida asignar cuando falten n equipos por visitar y es igual, a la probabilidad
de fracaso del equipo de la etapa n-ésima al que se decide asignar Xn científicos cuando
tenemos en científicos, multiplicada por la mejor probabilidad que se pueda conseguir
en las decisiones posteriores con los científicos que quedaron (en - xn).
ETAPA 1: Equipo C
e1 X1* f1* (e1) Lo mejor que se puede hacer en la última decisión,
0 0 0,8 es asignar todos los científicos disponibles, de lo
1 1 0,5 contrario no estariamos minimizando la probabilidad
2 2 0,3 de fracaso.
ETAPA 2: Equipo B
X3 f2(e2,x2) = Pe2,x2 * f*1(e2 - x2)
f2*(e2) X2*
e3 X2 = 0 X2 = 1 X2 = 2
0 (0,6)(0,8)=0,48 NF NF 0,48 0
1 (0,6)(0,5)=0,30 (0,4)(0,8)=0,32 NF 0,30 0
2 (0,6)(0,3)=0,18 (0,4)(0,5)=0,20 (0,2)(0,8)=0,16 0,16 2
ETAPA 3: Equipo A
X4 f3(e3,x3) = Pe3,x3 * f*2(e3 - x3)
f3*(e3) X3*
e4 X3 = 0 X3 = 1 X3 = 2
2 (0,4)(0,16)=0,064 (0,2)(0,3)=0,06 (0,15)(0,48)=0,072 0,06 1

Solución
Equipo Equipo Equipo
A B C
Científicos por asignar 1 0 1
Probabilidad 0,2 0,6 0,5 = 0,06
Asignando de esta manera, los científicos adicionales, la probabilidad de fracaso de los

tres equipos se minimiza a 0,2 x 0,6 x 0,5 = 0,06
Ejemplo 1.6 El problema de los niveles de empleo

El número de trabajadores de una empresa que trabaja bajo el sistema Job Shop sufre
grandes fluctuaciones que dependen de la temporada. Sin embargo, es difícil contratar
y costoso capacitar a los operarios de las máquinas, por lo que el gerente rechaza la
idea de despedir trabajadores durante las temporadas bajas. Tampoco quiere mantener
su nómina de temporadas altas. Cuando no se requiere, más aún, definitivamente, se
opone a pagar tiempo extra en forma regular. Como todos los trabajos se hacen bajo
pedido, no es posible acumular un inventario durante las temporadas bajas. Así, el
gerente se encuentra en un dilema respecto a cuál debe ser la política sobre los nive-
les de empleados. La estimación sobre la mano de obra requerida durante las cuatro
temporadas del año son:
Temporada Primavera Verano Otoño Invierno Primavera

Requerimiento 255 220 240 200 255
No se permite que el nivel de empleados baje de estos niveles. Cualquier contratación

por encima de estos niveles, causa un costo de $2.000 persona, por temporada. Los
costos de contratación y despido son tales, que el costo de cambiar el nivel de em-
pleados de una temporada a la siguiente es igual a $200 multiplicado por el cuadrado
de la diferencia de nivel. Es posible contar con niveles fraccionales gracias a que hay
algunos empleados de tiempo parcial, y los costos se aplican igual a éstas fracciones. El
gerente necesita determinar cuántos empleados debe tener en cada temporada para
minimizar los costos totales.
Observación: Es trivial que el nivel de empleo no debe estar por encima del de la
temporada con mayor requerimiento, Primavera = 255. Por lo tanto, el nivel de empleo
para la primavera debe ser de 255 empleados y el problema se reduce a encontrar el
nivel de empleo para las demás temporadas.
Solución
Construir la siguiente gráfica nos ayudará a comprender, tanto el problema como su
solución.

e4=255 220<e3<255 240<e2<255 200<e1<255
r4=220 r3=240 r2=200 r1=255
Verano Otoño Invierno Primavera
220<X4<255 240<X3<255 200<X2<255 X*1=255

Análisis
• Ordenamos las etapas de derecha a izquierda, empezando por aquella que tiene
el mayor requerimiento, o sea, el máximo global del problema.
• Fíjese que a la primavera se llegará con un número de empleados disponibles
mayores o iguales a 200 empleados, que son los mínimos requeridos en el invierno.
• Observe que la disponibilidad de una etapa en es igual al número de empleados
xn que se decidió contratar en la etapa que la precede.
• Por supuesto, ninguna disponibilidad, requerimiento y posibles empleados puede
superar el tope global del problema de 255 empleados.
rn = Número de empleados requeridos en la etapa n-ésima, n = 1,2,3,4
en = Número de empleados disponibles, cuando faltan n decisiones por tomar.
xn = Número de empleados a tener, cuando faltan n decisiones por tomar.
xn - rn = Número de empleados contratados por encima del nivel requerido.
xn - xn+1=xn - en = Cambio del nivel de empleo. Se despidieron o se contrataron
etapa 1: Primavera: r1 = 255 ; 200 < e1 < 255, además, x*1= 255 empleados
Función recursiva: f1(e1,x1) = 200(x1 - e1)2 + 2.000(x1 - 255)
Ya sabemos que lo mejor para la primavera es x*1 = 255 empleados, luego la ecuación
de costos se simplifica a:
f1(e1,x1) = 200(255 - e1)2 + 2.000(255 - 255) = f1(e1,x1) = 200(255-e1)2
Resumen de la primera etapa: Primavera
e1 f1*(e1) X1*
200 ≤ e1 ≤ 255 200(255 - e1)2 255

etapa 2: Invierno: r2 = 200 ; 240 < e2 < 255 ; 200 < X2 < 255
Función recursiva: f2(e2,x2) = 200(x2 - e2)2 + 2.000(x2 - 200) + f*1(e1)
f2(e2,x2) = 200(x2 - e2)2 + 2000(x2 - 200) + 200(255 - e1)2 =>
f2(e2,x2) = 200(x2 - e2)2 + 2000(x2 - 200) + 200(255 - x2)2 dado que x2 = e1
Para averiguar el valor de x2 que optimiza esta función de costos, derivamos par-
cialmente respecto de x2, igualamos a cero y despejamos x2; si la segunda derivada es
positiva, el valor de x2 encontrado, minimiza la ecuación de costos.
f’2 = 400(x2 - e2) + 2.000 - 400(255 - x2) = 0 f’’2 = 400 + 400 => 800 > 0
luego se trata de un mínimo
400x2 - 400e2 + 2000 - 102.000 + 400x2 = 0
2x2 - e2 - 250 = 0 => x*2 = (250 + e2)/2
Recordemos que x2 debe ser mayor o igual a 200, entonces, el asunto aquí es averi-
guar cuáles son los valores para e2 que generan valores para x2 mayores o iguales a 200.
Para ello, asumimos el valor mínimo de x2 = 200 y despejamos el valor de e2
(250 + e2)/2 = 200 => e2 = 150 , este tope nos lleva diseñar la siguiente regla de decisión:
Si e2 es menor o igual a 150, entonces x2* = 200

Si e2 es mayor que 150, entonces x2* = (250 + e2)/2
Como los valores de e2 están en el rango comprendido entre: 240 < e2 < 255, es
trivial saber que nunca se llega al invierno con un número de trabajadores menores
de 240 (por encima de 150). Entonces, siempre emplearemos la fórmula de X2* = (250 +
e2)/2 para determinar el número de personas a contratar. En caso de presentarse ambas
opciones, debemos calcular los costos mínimos para ambos rangos.
Cuando e2 > 150, entonces X2* = (250 + e2)/2 y el costo acumulado para primavera
e invierno es:
f2*(e2,x2) = 200((250+e2)/2-e2)2 + 2.000((250+e2)/2-200) + 200(255-(250+e2)/2)2
Simplificando cada término por separado, obtenemos:
((250 + e2)/2 - e2)2 = ((e2 + 250 - 2e2)/2)2 = ((250 - e2)/2)2 = 1/4(250 - e2)2
(250 + e2)/2 - 200 = (250 + e2 - 400)/2 = 1/2(e2 - 150)
(255 - (250 + e2)/2)2 = ((510 - e2 - 250)/2)2 = 1/4(260 - e2)2
f2*(e2,x2) = 50(250 - e2)2 + 1.000(e2 - 150) + 50(260 - e2)2

Resumen de la segunda etapa: Invierno
e2 f2*(e2) X2*
150 < e2 < 255 50(250 - e2)2 + 1.000(e2 - 150) + 50(260 - e2)2 (250 + e2)/2
ETAPA 3: Otoño: r3 = 240 ; 220 < e3 < 255 ; 240 < X3 < 255
Función recursiva
f3(e3,x3)=200(x3-e3)2+2.000(x3-240)+50(250-e2)2+1.000(e2-150)+50(260-e2)2
Pero e2 = x3 , entonces
f3(e3,x3)=200(x3-e3)2+2.000(x3-240)+50(250-x3)2+1.000(x3-150)+50(260-x3)2
Derivando respecto a x3 e igualando a cero, entonces:
f’3(e3,x3) = 400(x3-e3) + 2.000 - 100(250-x3) + 1.000 - 100(260-x3) = 0
4x3 - 4e3 + 20 - 250 + x3 + 10 - 260 + x3 = 0 f’’3 = 400 + 100 + 100
6x3 - 4e3 - 480 = 0 f’’3 = 600
f’’3 > 0
x*3 = (2e3 + 240)/3 Luego se trata de un mínimo
Debemos asegurarnos que x3 > 240, luego: 240 = (2e3 + 240)/3 y e3 = 240
Si e3 < 240, entonces x*3 = 240
Si e3 > 240 entonces x*3 = (2e3 + 240)/3
Aquí, hay que considerar ambas opciones ya que e3 puede estar entre 220 y 255, luego, pri-
mero, consideraremos para valores entre 220 y 240 y después, para valores entre 240 y 255.
Para e3 < 240, entonces x3* = 240
f3*(e3,x3) = 200(240-e3)2 + 2.000(240-240) + 50(250-240)2 + 1.000(240-150) + 50(260-240)2
f3*(e3,x3) = 200(240-e3)2 + 5.000 + 9.000 + 20.000
f3*(e3,x3) = 200(240-e3)2 + 11.5000
Para e3 > 240 entonces x*3 = (2e3 + 240)/3
f3*(e3,x3) = 200[(2e3+240)/3-e3]2 + 2.000[(2e3+240)/3-240] +
50[250-(2e3+240)/3]2 + 1.000[(2e3+240)/3-150] +
50[260-(2e3+240)/3]2
Simplificando cada término, se obtiene:
[(2e3+240)/3-e3]2 = [(2e3+240-3e3)/3]2 = 1/9(240-e3)2
[(2e3+240)/3-240] = (2e3+240-720)/3 = (2e3-480)/3 = 2/3(e3-240)
[250-(2e3+240)/3]2= [(750-2e3-240)/3]2 = [(510-2e3)/3]2 = 4/9(255-e3)2
[(2e3+240)/3-150] = (2e3+240-450)/3 = (2e3-210)/3 = 2/3(e3-105)
[260-(2e3+240)/3]2 = [(780-2e3-240)/3]2 = [(540-2e3)/3]2 = 4/9(270-e3)2

Remplazando
f3*(e3,x3) = 200/9(240-e3)2 + 4.000/3(e3-240) + 200/9(255-e3)2 + 2.000/3(e3-105) +
200/9(270-e3)2
f3*(e3,x3) = 200/9[(240-e3)2+(255-e3)2+(270-e3)2]+2.000[2/3(e3-240)+1/3(e3-105)]
f3*(e3,x3) = 200/9[(240-e3)2+(255-e3)2+(270-e3)2]+2.000(2/3e3-480/3+1/3e3-105/3)
f3*(e3,x3) = 200/9[(240-e3)2 + (255-e3)2 + (270-e3)2] + 2.000(e3-195)
Resumen de la tercera etapa: Otoño
e3 f3*(e3) X3*
e3 ≤ 240 200(240-e3)2 + 115.000 240
240<e3<255 200/9[(240-e3)2+(255-e3)2+(270-e3)2]+2.000(e3-195) (2e3+240)/3
etapa 4: Verano: r4 = 220 ; e4 = X1* = 255 ; 220 < X4 < 255

Fíjese que: x4 = e3
Aquí, el rango que deben cubrir los costos es para valores de x4 comprendidos entre
220 y 255 y las funciones de costos de la etapa anterior, cubren el rango de forma seg-
mentada, así: Para valores menores de 240, que cubren el rango desde 220 hasta 240;
y para valores entre 240 y 255, que cubren el resto del rango de x4. De esta manera, la
función recursiva tiene las siguientes dos opciones:
f4(e4,x4) = 200(x4 - e4)2 + 2.000(x4 - 220) + 200(240 - e3)2 + 115.000 ó
f4(e4,x4) = 200(x4 - e4)2 + 2.000(x4 - 220) + 200/9[(240 - e3)2 + (255 - e3)2 + (270 - e3)2] +
2.000(e3 - 195)
Remplazando e3 por x4 tenemos:
f4(e4,x4) = 200(x4 - e4)2 + 2.000(x4 - 220) + 200(240 - x4)2 + 115.000 ó
f4(e4,x4) = 200(x4 - e4)2 + 2.000(x4 - 220) + 200/9[(240 - x4)2 + (255 - x4)2 + (270 - x4)2] +
2.000(x4 - 195)
1. Para el rango 220 < x4 < 240
f4(e4,x4) = 200(x4-e4)2 + 2.000(x4-220) + 200(240-x4)2 + 115.000
f’4(e4,x4) = 400(x4-e4) + 2.000 - 400(240-x4) = 0
x4 - e4 + 5 - 240 + x4 = 0
f’’4(e4,x4) = 400 + 400
f’’4(e4,x4) = 800
x4* = (e4 + 235)/2
f’’4(e4,x4) > 0
Luego se trata de un mínimo

Como e4 = 255 => x4* = (255 + 235)/2 = 245, valor por fuera del rango entre 220 y
240, esta opción se desecha.
2. Para el rango en que 240 < x4 < 255

f4(e4,x4) = 200(x4-e4)2 + 2.000(x4-220) + 200/9[(240-x4)2 + (255-x4)2 + (270-x4)2] + 2.000(x4-195)
f’4(e4,x4) = 400(x4-e4) + 2.000 + 200/9[-2(240-x4) - 2(255-x4) - 2(270-x4)] + 2.000 = 0
400x4- 400e4 + 2.000 + 200/9(-480 + 2x4 - 510 + 2x4 - 540 + 2x4) + 2.000 = 0
400x4- 400e4 + 2.000 + 200/9(6x4 - 1530) + 2.000 = 0
400x4- 400e4 + 2.000 + 400/3x4 - 34.000 + 2.000 = 0
1.600/3x4- 400e4 - 30.000 = 0
16/3x4 = 4e4 + 300
f’’4(e4,x4) = 400 + 400/3
f’’4(e4,x4) = 1.600/3
X4* = (3e4 + 225)/4 f’’4(e4,x4) > 0
Luego es un mínimo
Como e4 = 255 => X4* = (3(255) + 225)/4 => X4* = 247,5 empleados, que está dentro del
rango previsto (240 - 255), los costos totales para las cuatro temporadas son:
f*4(255,247,5) = 200(247,5-255)2 + 2.000(247,5-220) + 200/9[(240-247,5)2 + (255-247,5)2

+ (270-247,5)2] + 2.000(247,5-195)=185.000
Resumen de la cuarta etapa: Verano
e4 f4*(e4) X4*
255 185.000 247,5
Solución
Verano : X4*= 247,5

Otoño : X3*= (2e3 + 240)/3 = (2(247,5) + 240)/3 = 245
Invierno : X2*= (e2 + 250)/2 = (245 + 250)/2 = 247,5
Primavera : X1*= 255
Costos:
Verano : 200(247,5 - 255)2 + 2.000(247,5 - 220) = $66.250
Otoño : 200(245 - 247,5)2 + 2.000(245,0 - 240) = $11.250
Invierno : 200(247,5 - 245)2 + 2.000(247,5 - 200) = $96.250
Primavera : 200(255 - 247,5)2 + 2.000(255,0 - 255) = $11.250
Total...... $185.000
La temporada mas costosa es el invierno y las menos costosas otoño y primavera. Fíjese
que ésta información determina parte del flujo de fondos que el gerente debe preveer
para el próximo año.

Ejemplo 1.7 Almacenamiento de repuestos críticos

El Ingeniero Industrial de un almacén de repuestos para automóviles, tiene que decidir
las cantidades de cada uno de los tres repuestos de mayor demanda que deben almace-
narse. Hay una bodega disponible para los repuestos de 10 pies3 y los repuestos tienen
volúmenes unitarios rj de 1, 2 y 2 pies3, respectivamente. Los costos de agotamiento
(costo de oportunidad), pj son $800, $600 y $1.300 por unidad, respectivamente. Se asu-
me que la distribución de la demanda para los repuestos es Poisson, con una media de
4, 2 y 1, respectivamente. El ingeniero desea determinar la política del almacenamiento
que da el costo mínimo de agotamiento (costo de oportunidad).
Formulación
Hallar xj > 0 y entero para j = 1,2,3
3 n
Minimice Z = Σ[pjΣ(Vj - Xj)P(Vj,uj)]

j=1 Vj=Xj
Probabilidad del artículo j-ésimo

Unidades en existencia
Unidades demandadas
Costo unitario de agotamiento
Restricción debida al volu-

Con la siguiente restricción: X1 + 2X2 + 2X3 ≤ 10 men total disponible para
almacenaje.
Fíjese que manipular la función objetivo como está presentada es muy dispendioso, por
lo que se hace necesario modificarla, partiendo de la distribución acumulada de Poisson.
oo
Σm e
x=x!
x -m
ujVje-uj
En términos del problema p(vj,uj) =
X! Vj !
siendo que: Vj! = (Vj - 1)! Vj y que: ujVj = ujujVj-1 , entonces
uj ujV -1e-u
j j
p(v ,u ) =
j j
[ vj ][ (vj - 1)! ] Ecuación 1

ujV e-uj j ujV -1e-u
j j
p(vj,uj) = para vj - 1 => p(vj - 1,uj) = Ecuación 2

Vj ! (Vj - 1) !
Remplazando la ecuación 2 en la ecuación 1, tenemos que:
p(vj,uj) = kp uj
vj p(vj - 1,uj);
entonces, vjp(vj,uj) = ujp(vj-1,uj) Ecuación 3
Para vj > 1
oo oo oo
Σ(V - X )p(V ,u ) = ΣV p(V ,u ) - ΣX p(V ,u )

Vj=Xj
j j j j
Vj=Xj
j j j
Vj=Xj
j j j
oo oo oo oo
Σu p(V - 1,u ) - ΣX p(V ,u ) = u Σp(V - 1,u ) - X Σp(V ,u )

Vj=Xj
j j j
Vj=Xj
j j j j
Vj=Xj
j j j
Vj=Xj
j j
Así, cuando vj = xj, la equivalencia corresponde a:
oo
Σ(V - X )p(V ,u ) =
Vj=Xj
j j j j
{ ujp(xj-1,uj) - xjp(xj,uj) ; para xj > 1
uj ; para xj = 0
Entonces, la función recursiva es:

fn(en,xn) = pn[unp(xn-1,un) - xnp(xn,un)] + f*n-1(en-rnxn)
Costo después de agotar la El menor costo posible que

existencia del artículo n se puede lograr con el volu-
men que queda
p3 = $1.300/unidad p2 = $600/unidad p1 = $800/unidad

u3 = 1 unidades u2 = 2 unidades u1 = 4 unidades
r3 = 2 pies3 r2 = 2 pies3 r1 = 1 pies3
e3 e2 e1
Repuesto 3 Repuesto 2 Repuesto 1
X3 X2 X1
en = Volumen disponible cuando faltan n decisiones por tomar

xn = Unidades que se deben comprar del repuesto n-ésimo, cuando faltan n decisiones
por tomar.

Σe u
X=oo
función de distribución acumulada de poisson
-u x
X=X !
u X!
X 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
1 0,0952 0,1813 0,2592 0,3297 0,3935 0,4512 0,5034 0,5507 0,5934 0,6321
2 0,0047 0,0175 0,0369 0,0616 0,0902 0,1219 0,1558 0,1912 0,2275 0,2642
3 0,0002 0,0011 0,0036 0,0079 0,0144 0,0231 0,0341 0,0474 0,0629 0,0803
4 0,0000 0,0001 0,0003 0,0008 0,0018 0,0034 0,0058 0,0091 0,0135 0,0190
5 0,0000 0,0000 0,0000 0,0001 0,0002 0,0004 0,0008 0,0014 0,0023 0,0036
6 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0002 0,0003 0,0006
7 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001
X 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0
0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
1 0,6671 0,6988 0,7275 0,7534 0,7769 0,7981 0,8173 0,8347 0,8504 0,8646
2 0,3010 0,3374 0,3732 0,4082 0,4422 0,4751 0,5067 0,5371 0,5662 0,5939
3 0,0996 0,1205 0,1429 0,1665 0,1911 0,2166 0,2428 0,2694 0,2962 0,3233
4 0,0257 0,0338 0,0431 0,0537 0,0656 0,0788 0,0932 0,1087 0,1253 0,1428
5 0,0054 0,0077 0,0107 0,0143 0,0186 0,0237 0,0296 0,0364 0,0441 0,0526
6 0,0010 0,0015 0,0022 0,0032 0,0045 0,0060 0,0080 0,0104 0,0132 0,0165
7 0,0001 0,0003 0,0004 0,0006 0,0009 0,0013 0,0019 0,0026 0,0034 0,0045
8 0,0000 0,0000 0,0001 0,0001 0,0002 0,0003 0,0004 0,0005 0,0008 0,0011
9 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0001 0,0001 0,0002
X 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0
0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
1 0,8775 0,8892 0,8997 0,9093 0,9179 0,9257 0,9328 0,9392 0,9450 0,9502
2 0,6204 0,6454 0,6691 0,6916 0,7127 0,7326 0,7513 0,7689 0,7854 0,8008
3 0,3504 0,3773 0,4040 0,4303 0,4562 0,4816 0,5064 0,5305 0,5540 0,5768
4 0,1614 0,1806 0,2007 0,2213 0,2424 0,2640 0,2859 0,3081 0,3304 0,3528
5 0,0621 0,0725 0,0837 0,0959 0,1088 0,1226 0,1371 0,1523 0,1682 0,1847
6 0,0204 0,0249 0,0300 0,0357 0,0420 0,0490 0,0567 0,0651 0,0742 0,0839
7 0,0059 0,0075 0,0094 0,0116 0,0142 0,0172 0,0206 0,0244 0,0287 0,0335
8 0,0015 0,0020 0,0026 0,0033 0,0042 0,0053 0,0066 0,0081 0,0099 0,0119
9 0,0003 0,0005 0,0006 0,0009 0,0011 0,0015 0,0019 0,0024 0,0030 0,0038
10 0,0001 0,0001 0,0001 0,0002 0,0003 0,0004 0,0005 0,0007 0,0008 0,0011
11 0,0000 0,0000 0,0000 0,0000 0,0001 0,0001 0,0001 0,0002 0,0002 0,0003
12 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001
X 3,1 3,2 3,3 3,4 3,5 3,6 3,7 3,8 3,9 4,0
0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
1 0,9549 0,9592 0,9631 0,9666 0,9698 0,9727 0,9753 0,9776 0,9797 0,9817
2 0,8153 0,8288 0,8414 0,8532 0,8641 0,8743 0,8838 0,8926 0,9008 0,9084
3 0,5988 0,6201 0,6406 0,6603 0,6791 0,6972 0,7146 0,7311 0,7469 0,7619
4 0,3752 0,3975 0,4197 0,4416 0,4634 0,4848 0,5058 0,5265 0,5467 0,5665
5 0,2018 0,2194 0,2374 0,2558 0,2746 0,2936 0,3128 0,3321 0,3516 0,3711
6 0,0943 0,1054 0,1171 0,1295 0,1424 0,1559 0,1699 0,1844 0,1994 0,2148
7 0,0388 0,0446 0,0510 0,0579 0,0653 0,0733 0,0818 0,0909 0,1005 0,1107
8 0,0142 0,0168 0,0198 0,0231 0,0267 0,0308 0,0352 0,0401 0,0454 0,0511
9 0,0047 0,0057 0,0069 0,0083 0,0099 0,0117 0,0137 0,0160 0,0185 0,0213
10 0,0014 0,0018 0,0022 0,0027 0,0033 0,0040 0,0048 0,0058 0,0069 0,0081
11 0,0004 0,0005 0,0006 0,0008 0,0010 0,0013 0,0016 0,0019 0,0023 0,0028
12 0,0001 0,0001 0,0002 0,0002 0,0003 0,0004 0,0005 0,0006 0,0007 0,0009
13 0,0000 0,0000 0,0000 0,0001 0,0001 0,0001 0,0001 0,0002 0,0002 0,0003
14 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001

etapa 1: Repuesto 1; r1 = 1 pies3; u1 = 4 unidades; π1 = $800/Unidad
X1 f1(e1,x1) = 800[4p(x1-1,4) - x1p(x1,4)]
e1 f1*(e1) X1*
X1=0 0 X1=2 2 X1=4 4 X1=6 6 X1=8 8 X1=10 10
0 3.200 NF NF NF NF NF 3.200,00 0
2 NR 1.688 NF NF NF NF 1.688,00 2
4 NR NR 625,28 NF NF NF 625,28 4
6 NR NR NR 156,32 NF NF 156,32 6
8 NR NR NR NR 27,2 NF 27,20 8
10 NR NR NR NR NR 3,68 3,68 10
Observaciones
• En las etapas 2 y 3 cada repuesto tipo 2 ó tipo 3, ocupa un volumen de 2 pies cúbi-
cos, ello ocasiona que a la etapa 3 se llegue con una disponibilidad de almacenaje,
en pies cúbicos, de cantidades pares 0, 2, 4, 6, 8 ó 10.
• Cada una de las columnas del tablero está encabezada por la cantidad de repues-
tos del tipo 1 (x1) y su equivalencia en volumen (pies3); ello, permite comparar
rápidamente la disponiblidad de volumen (e), frente a la posible asignación de
unidades para cada casilla.
• Fíjese que cuando la posible asignación es inferior al volumen disponible, la casilla
es no factible (nf).
• Fíjese que para la última decisión, lo mejor es usar todo el espacio disponible,
adquiriendo las cantidades que lo hagan. Es trivial que si terminamos con vo-
lumen disponible, después de esta última decisión, no estaremos minimizando
la probabilidad de que ocurra el agotamiento y por supuesto, sus costos serán
mayores, no razonable (nr). El lector debe comprobar esto, calculando, en su
totalidad la última fila.
Los cálculos detallados de esta primera etapa son:
f1(0,0) = 800(4) = 3.200,00
f1(2,2) = 800[4(0.9817) - 2 ( 0 , 9 0 8 4 ) ] = 1.688,00
f1(4,4) = 800[4(0.7619) - 4 ( 0 , 5 6 6 5 ) ] = 625,28
f1(6,6) = 800[4(0.3712) - 6 ( 0 , 2 1 4 9 ) ] = 156,32
f1(8,8) = 800[4(0.1107) - 8 ( 0 , 0 5 1 1 ) ] = 27,2
f1(10,10) = 800[4(0.0214) - 1 0 ( 0 , 0 0 8 1 ) ] = 3,68
El tablero de esta primera etapa se puede presentar de forma breve, así:
e1 X1* f1*(e1)
0 0 3.200,00
2 2 1.688,00
4 4 625,28
6 6 156,32
8 8 27,20
10 10 3,68

etapa 2: Repuesto 2; r2 = 2 pies3; u2 = 2 unidades; π2 = $600/Unidad

X2 f2(e2,x2) = 600[2p(x2-1,2) - x2p(x2,2)] + f2* (e2-2x2)
f2*(e2) X2*
e2 X1=0 0 X1=2 2 X1=4 4 X1=6 6 X1=8 8 X1=10 10
0 4.400,00 NF NF NF NF NF 4.400,00 0
2 2.888,00 3.881,18 NF NF NF NF 2.888,00 0
4 1.825,28 2.369,18 3.524,84 NF NF NF 1.825,28 0
6 1.356,46 1.306,46 2.012,84 3.330,86 NF NF 1.306,46 1
8 1.227,20 837,50 950,12 1.818,86 3.245,00 NF 837,50 1
10 1.203,68 708,38 481,16 756,14 1.733,00 3.213,38 481,16 2
f2(0,0) = 600(2) + 3.200,00 = 4.400,00
f2(2,0) = 600(2) + 1.688,00 = 2.888,00
f2(2,1) = 600[2(1) - 1(0,8647)] + 3.200,00 = 3.881,18
f2(4,0) = 600(2) + 625,28 = 1.825,28
f2(4,1) = 600[2(1) - 1(0,8647)] + 1.688,00 = 2.369,18
f2(4,2) = 600[2(0,8647) - 2(0,5940)] + 3.200,00 = 3.524,84
f2(6,0) = 600(2) + 156,32 = 1.356,32
f2(6,1) = 600[2(1) - 1(0,8647)] + 625,28 = 1.306,46
f2(6,2) = 600[2(0,8647) - 2(0,5940)] + 1.688,00 = 2.012,84
f2(6,3) = 600[2(0,5940) - 3(0,3233)] + 3.200,00 = 3.330,86
f2(8,0) = 600(2) + 27,20 = 1.227,20
f2(8,1) = 600[2(1) - 1(0,8647)] + 156,32 = 837,50
f2(8,2) = 600[2(0,8647) - 2(0,5940)] + 625,28 = 950,12
f2(8,3) = 600[2(0,5940) - 3(0,3233)] + 1.688,00 = 1.818,86
f2(8,4) = 600[2(0,3233) - 4(0,1429)] + 3.200,00 = 3.245,00
f2(10,0) = 600(2) + 3,68 = 1.203,68
f2(10,1) = 600[2(1) - 1(0,8647)] + 27,20 = 708,38
f2(10,2) = 600[2(0,8647) - 2(0,5940)] + 156,32 = 481,16
f2(10,3) = 600[2(0,5940) - 3(0,3233)] + 625,28 = 756,14
f2(10,4) = 600[2(0,3233) - 4(0,1429)] + 1.688,00 = 1.733,00
f2(10,5) = 600[2(0,1429) - 5(0,0527)] + 3.200,00 = 3.213,38
ETAPA 3: Repuesto 3; r3 = 2 pies3; u3 = 1 unidades; π3 = $1.300/Unidad

X3 f3(e3,x3) = 1.300[1p(x3-1,1) - x3p(x3,1)] + f3*(e3-2x3)
f3*(e3) X3*
e3 X3=0 0 X3=2 2 X3=4 4 X3=6 6 X3=8 8 X3=10 10
10 1.781,16 1.315,77 1.441,27 1.855,57 2.893,59 4.400,65 1.315,77 1
f3(10,0) = 1.300(1) + 481,16 = 1.781,16

f3(10,1) = 1.300[1p(0,1) - 1p(1,1)] + 837,50 = 1.315,77
f3(10,2) = 1.300[1p(1,1) - 2p(2,1)] + 1.306,46 = 1.441,27
f3(10,3) = 1.300[1p(2,1) - 3p(3,1)] + 1.825,28 = 1.855,57
f3(10,4) = 1.300[1p(3,1) - 4p(4,1)] + 2.888,00 = 1.893,59
f3(10,5) = 1.300[1p(4,1) - 5p(5,1)] + 4.400,00 = 4.400,65
Solución:
x*3 = 1 unidades ; x*2 = 1 unidades ; x*1 = 6 unidades ; Z* = $1.315,77

Ejemplo 1.8 Producción y control de inventarios
La compañía BBC produce bajo pedido. En la tabla siguiente, se muestran los datos para
los primeros cuatro meses del año, así: La demanda mensual, la capacidad de produc-
ción, la capacidad de almacenaje, los costos fijos de producción, los costos variables por
unidad y el costo de almacenaje por unidad al mes, Si no se tiene inventario inicial, ¿Cuál
debe ser la producción que minimice los costos totales, cumpliendo con la demanda?
Información de la compañía BBC de producción e inventarios

Demanda Capacidad de Capacidad de Costos fijos Costos variables Costos del
Mes (Unida- producción almacenaje de producción de producción almacenaje
des) (unidades) (Unidades) ($/mes) ($/unidad) ($/unidad)
Enero 4 6 4 500 300 100
Febrero 5 4 3 450 320 100
Marzo 3 7 2 500 250 120
Abril 4 5 4 600 350 140
Solución:
0 < IF4 < 4 0 < IF3 < 3 0 < IF2 < 2 0 < IF1 < 4
IF4=II3 IF3=II2 IF2=II1
II4 = 0 Enero Febrero Marzo Abril IF1= 0
0 x4 < 6
< 0 < x3 < 4 0 < x2 < 7 0 x1 < 5
<
D4 = 4 D3 = 5 D2 = 3 D1 = 4
CF4 = $500 CF3 = $450 CF2 = $500 CF1 = $600
CV4 = $300 CV3 = $320 CV2 = $250 CV1 = $350
CIF4 = $100 CIF3 = $100 CIF2 = $120 CIF1 = $140
Observaciones:
• El Inventario se costea en el mes en que se genera, o sea, sobre el inventario final,
en cada etapa. También se puede optar por contabilizarlo sobre el inventario inicial;
el lector debe resolverlo de ésta última manera.
• Es trivial pensar que para minimizar los costos totales, el inventario final en la
etapa 1 debe ser cero (IF1 = 0).
• Fíjese que el inventario final de una etapa es igual al inventario inicial de la si-
guiente etapa.
• Aquí, es importante conocer la ecuación de balance: Todo lo que entra en un mes,
es igual a todo lo que sale de él, matemáticamente: Ii + producción = demanda
+ inventario final.

El problema se puede resolver por programación lineal, formulándolo así:

xj = Unidades a producir en el mes j-ésimo (j = 1 = Enero, j = 2 = Febrero, j = 3 = Marzo,
j = 4 = Abril).
Ij = Unidades en inventario al final del mes j - ésimo (j = 1 = Enero, j = 2 = Febrero, j = 3
= Marzo, j = 4 = Abril).
Minimizar Z = 500 + 300x1 + 100I1 + 450 + 320X2 + 100I2 + 500 + 250X3 +120I3 + 600 +
350X4
Minimizar Z = 300x1 + 320X2 + 250X3 + 350X4 + 100I1 + 100I2 + 120I3 + 2.050
c.s.r.
X1 = 4 + I1 X1 < 6 I1 < 4 Xj > 0 ; j = 1,2,3,4
I1 + X2 = 5 + I2 X2 < 4 I2 < 3 Ij > 0 ; j = 1,2,3
I2 + X3 = 3 + I3 X3 < 7 I3 < 2
I3 + X4 = 4 X4 < 5
Empleando el WinQsb se obtiene la siguiente solución óptima:
X*1 = 5 I1* = 1
X*2 = 4 I*2 = 0 Z* = $5.030 + $2.050 = $7.080
X*3 = 3 I*3 = 0
X*
4=4 I*4 = 0
Ahora, empleando la programación dinámica.
IIn = Unidades disponibles cuando faltan n decisiones por tomar.
xn = Unidades a producir cuando faltan n decisiones por tomar.
Función recursiva: CIFn(IFn) + CFn + CVnXn + f*n-1(IIn + Xn - dn)
etapa 1: ABRIL
II1 X1* f1*(II1)
0 4 140(0) + 600 + 350(4) = 2.000
1 3 140(0) + 600 + 350(3) = 1.650
2 2 140(0) + 600 + 350(2) = 1.300
Fíjese que el inventario inicial para la etapa 4, como máximo puede ser de 2 unidades,
ya que es el tope predefinido para el inventario final del mes de marzo (etapa anterior).
Fíjese que en esta última etapa, es trivial producir, apenas, lo que se necesita para
cubrir la demanda y llegar justamente con un inventario final de cero.
etapa 2: marzo
X2 f2(II2,x2) = 120IF2 + 500 + 250x2 + f1*(II2+X2-d2)
f2*(II2) X2*
II2 X2 = 2 X2 = 3 X2 = 4 X2 = 5
0 NF 3.250 3.270 3.290 3.250 3
1 3.000 3.020 3.040 NF 3.000 2

Observaciones:
• Fíjese que como mínimo se puede llegar a esta etapa con un inventario inicial
de cero unidades y como máximo con una unidad, debido a que la capacidad de
producción máxima, en Enero, es de seis unidades, de las que se consumen obliga-
toriamente 4 unidades, llegando con un inventario inicial máximo a febrero de dos
unidades, que al producir como máximo, en febrero, cuatro unidades, se disponen
de seis unidades, de las cuales, cinco las consume la demanda, quedando entonces
como máximo, una unidad que llega como inventario inicial al mes de marzo.
• Fíjese que como máximo se deben producir cinco unidades, en atención a la
máxima capacidad de inventario de dos unidades para el mes de marzo (etapa 2).
Los costos detallados para la etapa dos son:
f2(0,3) = 120(0) + 500 + 250(3) + 2.000 = 3.250
f2(0,4) = 120(1) + 500 + 250(4) + 1.650 = 3.270
f2(0,5) = 120(2) + 500 + 250(5) + 1.300 = 3.290
f2(1,2) = 120(0) + 500 + 250(2) + 2.000 = 3.000
f2(1,3) = 120(1) + 500 + 250(3) + 1.650 = 3.020
f2(1,4) = 120(2) + 500 + 250(4) + 1.300 = 3.040
ETAPA 3: FEBRERO
X3 f3 = 100 (IF3) + 450 + 320(X3) + f2* (II3 + X3 - d3)

f3* (II3) X3*
II3 X3 = 3 X3 = 4
1 NF 100(0)+450+320(4)+3.250=4.980 4.980 4
2 100(0)+450+320(3)+3.250=4.660 100(1)+450+320(4)+3.000=4.830 4.660 3
Observaciones:
• Fíjese que como máximo se puede llegar con dos unidades en el inventario inicial
y como mínimo con una unidad.
• Fíjese que como mínimo se deben producir tres unidades y como máximo, 4
unidades.
• No es factible que teniendo una unidad en el inventario inicial, producir 3 unidades,
ya que la disponibilidad total es de 4 unidades y la demanda que se debe cubrir
es de 5 unidades; No podría cubrirse la demanda.
ETAPA 4: ENERO
X4 f4 = 100 (IF4) + 500 + 300(X4) + f3* (II4 + X4 - d4)
f4* (II4) X4*
II4 X4 = 5 X4 = 6
0 100(1)+500+300(5)+4.980=7.080 100(2)+500+300(6)+4.660=7.160 7.080 5

I Enero Febrero Marzo Abril

T Costos
II4 X4 IF4 II3 X3 IF3 II2 X2 IF2 II1 X1 IF1
E totales
M 0 5 1 1 4 0 0 3 0 0 4 0
CFn 500 450 500 600 2.050
CVn 1.500 1.280 750 1.400 4.930
CIFn 100 0 0 0 100
CT 2.100 1.730 1.250 2.000 7.080
Ejemplo 1.9 Programación lineal entera binaria

Resolver el siguiente problema, empleando la programación dinámica.
Maximizar Z = 12X1 + 15X2 + 8X3 + 5X4 + 11X5
C.S.R. 2X1 + 5X2 + 4X3 + X4 + 6X5 < 9
Xj = 0,1
Solución:
Aquí, se requieren cinco decisiones, luego son cinco etapas, en cada una de las cuales
se decide si la variable j-ésima vale 0 ó 1. Se ordena la restricción de la siguiente forma,
únicamente para hacer concidir los subíndices de las variables con la etapa; es un arreglo
de forma que no es obligatorio.
6X5 + X4 + 4X3 + 5X2 + 2X1 < 9
Etapa 5 Etapa 4 Etapa 3 Etapa 2 Etapa 1

e5 X5
e4 X4
e3 X3
e2 X2
e1 X1
en = Disponibilidad del recurso (lado derecho de la restricción = 9), cuando faltan n

decisiones por tomar (n variables por decidir su valor 0, 1).
Xn = Valor de la variable n-ésima (0,1) o valor del término que contiene la variable n-ésima
en la restricción (lado izquierdo), cuando faltan n decisiones por tomar.
etapa 1: variable x1
Fíjese que X1 sólo puede tomar dos valores excluyentes: 0 ó 1 y el término en la restric-
ción será 2X1 = 0 ó 2(1) = 2 . Ésto, afectará la función objetivo, cuyo término asumirá el
valor de 12X1 , 12(0) = 0 ó 12(1) = 12
Lo máximo que puede valer el lado izquierdo de la restricción es 9. La función ob-
jetivo debe valer lo máximo posible.

X1 f1(e1,x1) = 12X1
f1*(e1) X1*
e1 X1 = 0 X1 = 1
0 0 NF 0 0
2 0 12 12 1
3 0 12 12 1
4 0 12 12 1
5 0 12 12 1
8 0 12 12 1
9 0 12 12 1
Fíjese que 6X5 + X4 + 4X3 + 5X2 nunca podrá valer 8, para llegar a la última decisión con
una disponibilidad de 1 (e1 = 1)
X2 f2(e2,x2) = 15X2 + f1* (e2 - 5X2)

f2*(e2) X2*
e2 X2 = 0 0 X2 = 1 5
2 0 + 12 = 12 NF 12 0
3 0 + 12 = 12 NF 12 0
4 0 + 12 = 12 NF 12 0
5 0 + 12 = 12 15 + 0 = 15 15 1
8 0 + 12 = 12 15 + 12 = 27 27 1
9 0 + 12 = 12 15 + 12 = 27 27 1
X3 f3(e3,x3) = 8X3 + f2* (e3 - 4X3)

f3*(e3) X3*
e3 X3 = 0 0 X3 = 1 4
2 0 + 12 = 12 NF 12 0
3 0 + 12 = 12 NF 12 0
8 0 + 27 = 27 8+0=8 27 0
9 0 + 27 = 27 8 + 15 = 23 27 0
X3 f4(e4,x4) = 5X4 + f3* (e4 - X4)

f4*(e4) X4*
e3 X4 = 0 0 X4 = 1 1
3 0 + 12 = 12 5 + 12 = 17 17 1
9 0 + 27 = 27 5 + 27 = 32 32 1
X5 f5(e5,x5) = 11X5 + f4* (e5 - 6X5)

f5*(e5) X5*
e5 X5 = 0 0 X5 = 1 6
9 0 + 32 = 32 11 + 17 = 28 32 0

Valor máximo de la función objetivo Z* = 32
Variable X5 = 0 X4 = 1 X3 = 0 X2 = 1 X1 = 1 Sobrante
Términi en la 6X5 X4 4X3 5X2 2X1 del
restricción 6(0) = 0 1(1) = 1 4(0) = 0 5(1) = 5 2(1) = 2 recurso
Uso del re-
9-0=9 9-1=8 8-0=8 8-5=3 3-2=1 1
curso
Ejemplo 1.10 El jugador de Backgamon

Un jugador de Backgamon jugará tres partidas consecutivas con sus amigos. En cada
partida, tendrá la oportunidad de apostar cualquier cantidad entre cero y la cantidad de
dinero que le quede después de las apuestas en las partidas anteriores. La probabilidad
de ganar una partida es de 1/2. Comenzará con $75 y su meta es tener $100 o más, al
finalizar las tres partidas. El jugador quiere encontrar la política óptima para apostar
que maximice la probabilidad de tener $100 o más, después de las tres partidas. Para
resolver este problema se utiliza la programación dinámica.
Partida Partida Partida

1 2 3

X3 X2 X1
e3 e2 e1
en = Dinero disponible para apostar, cuando faltan n partidas

Xn = Dinero por apostar, cuando faltan n partidas
etapa 1: tercera partida
e1 X1* f1*(e1) Si llega a la última jugada con

menos de $50, la probabilidad de
0 < e1 < 50 ------ 0
ganar $100 o más, es cero (0)
50 < e1 < 100 50 < X1 < 100 1/2
e1 > 100 0 1

etapa 2: segunda partida: f2(e2,x2) = 1/2f1*(e2 + x2) + 1/2f1*(e2 - x2)
e2 X2* f2*(e2)
0 < e2 < 25 50 < X2 < e2 0
25 < e2 < 50 20 - e2 < X2 < e2 1/4
e2 = 50 50 1/2
50 < e2 < 75 0 < x2 < e2 - 50 ó 100 - e2 1/2
e2 = 75 25 3/4
75 < e2 < 100 100 - e2 3/4
e2 = 100 0 1
100 < e2 e2 - 100 1
Fíjese que cuando llega a esta etapa con más de $100, lo mejor, para tener la certeza
de ganar, es apostar, exclusivamente, por encima de $100.
etapa 3: primera partida
X3 f3(e3,x3) = 1/2f2*(e3 + x3) + 1/2f2*(e3 - x3)

f3*(e3) X3*
e3 X3 = 0 0 < X3 < 25 X3 = 25 25 < X3 < 50 50 < X3 < 75
3/4 5/8 3/4 1/2 3/8 3/4 0
75 ó
0,75 0,625 0,75 0,5 0,375 0,75 25
Logística para apostar, que maximiza la probabilidad de ganar, igual a 3/4.
Primera Segunda Tercera

Apuesta Apuesta Apuesta
X3 X2 X1
Gana
(100) 0 Gana
Gana (75) 25
P=0,5 de
Pierde (50) 50
Ganar
(75) 0
Gana (100) 0 Gana
Pierde (75) 25
P=0,5 de
Apuesta Pierde (50) 50
Ganar
Disponibilidad Gana (100) 0 Gana

Gana (100) 0
Pierde (100) 0 Gana
(75) 25
Gana (100) 0 Gana
Pierde (50) 50
Pierde (0) 0 Pierde

Después de resolver estos problemas, se concluye que:

• La programación dinámica es una técnica matemática, útil para hacer una secuen-
cia de decisiones relacionadas entre sí.
• Es un procedimiento sistemático para determinar la combinación de decisiones
que optimiza alguna medida de efectividad.
• En contraste a la programación lineal, no hay una formulación estándar de un
problema general de programación dinámica.
• La programación dinámica es una manera de resolver un problema, por lo tanto,
las ecuaciones apropiadas tienen que desarrollarse para cada situación.
Software El WinQsb de Yih-Long Chang tiene el módulo de Programación Di-

námica (Dynamic Programming) y solo contempla tres (3) tipos de
problema: El problema de la mochila (Knapsack.dpp), el problema de
producción e inventarios (Prodinvt.ddp) y el problema de la ruta más
corta o problema de la diligencia (stagecoach, stage.dpp).
A continuación se presenta, la ventana que captura los datos generales del problema
del agente viajero.

El ingreso de los datos se hace sobre la siguiente ventana
From/To Nodo 1 Nodo 2 Nodo 3 Nodo 4 Nodo 5 Nodo 6 Nodo 7 Nodo 8 Nodo 9 Nodo 10
Nodo 1 2 3 5
Nodo 2 8 7 4
Nodo 3 6 9 8
Nodo 4 9 7 3
Nodo 5 4 6
Nodo 6 11 9
Ejecutando el pro-
Nodo 7 15 13
Nodo 8 6
grama, la solución se
Nodo 9 5 ofrece en la siguiente
Nodo 10
ventana:
From To Cumulative Distance to

En el caso del problema Etapa
Imput State Output State
Distance
Distance Nodo 10
de Producción e Inventa- 1 Node 1 Node 3 3 3 19
rios, la captura de datos 2 Node 3 Node 5 6 9 16
se hace en la siguiente 3 Node 5 Node 8 4 13 10

4 Node 8 Node 10 6 19 6
ventana:
From Node 1 To Node 10 Min. distance = 19 CPU=0
Capacidad Inventario Costos de Costos

Estado Periodo Demanda
instalada máximo producción variables
1 Enero 4 6 4 500 300P+100H
2 Febrero 5 4 3 450 320P+100H
3 Marzo 3 7 2 500 250P+120H
4 Abril 4 5 4 600 350P+140H
La solución se presenta en la siguiente ventana:
Inventario Cantidad Inventario Costos Función de cos- Costos Costo

Estado Periodo Demanda
inicial producida final fijos tos variables variables total
1 Enero 4 0 5 1 $500 300P+100H $1.600 $2.100
2 Febrero 5 1 4 0 $450 320P+100H $1.280 $1.730
3 Marzo 3 0 3 0 $500 250P+120H $750 $1.250
4 Abril 4 0 4 0 $600 350P+140H $1.400 $2.000
Total 16 1 16 1 $2.050 $5.030 $7.080
El lector deberá inspeccionar, en el WinQsb, el ejemplo de la mochila, abriendo el

archivo knapsack.dpp
A continuación, se propone una serie de problemas. Algunos de ellos, se pueden
resolver usando el WinQsb. El lector, deberá resolverlos tanto manualmente, empleando
la programación dinámica como con el software.

Problemas propuestos
1.1. La Compañía de leche El Trebol va a comprar 6 carrotanques para transportar leche
con capacidad de 10.000 litros cada uno. Hay 4 zonas productoras de leche que
abastecen al municipio de Ibagué, localizadas en los municipios de: Roncesvalle,
Cajamarca, Santa Isabel y Villahermosa. Se han hecho ciertas estimaciones sobre los
ahorros que El Trebol tendrá en su distribución mensual de leche en el municipio
de Ibagué, al no tener que contratar los servicios de carrotanques particulares.
La siguiente tabla, proporciona una estimación del ahorro, en millones de pesos
mensuales, en función de la asignación de carrotanques a las zonas productoras.
Número de
Roncesvalle Cajamarca Santa Isabel Villahermosa
carrotanques
0 0 0 0 0
1 4 2 6 2
2 6 4 8 3
3 7 6 8 4
4 8 8 9 5
5 9 9 9 6
6 10 10 10 6
Solución: Existen 8 soluciones, con un valor total máximo ahorrado de $18’000.000
cada una.
Solución Ronsesvalle Cajamarca Santa Isabel Villahermosa

1 1 2 2 1
2 1 3 1 1
3 1 3 2 0
4 1 4 1 0
5 2 1 2 1
6 2 2 1 1
7 2 2 2 0
8 2 3 1 0
1.2. Un Ingeniero Industrial tiene que decidir las cantidades de tres artículos, de alta
demanda, que debe almacenar. El almacén tiene un volumen disponible para
los tres artículos de 10 pies3 y los artículos tienen volúmenes unitarios rj de 1, 5 y
5 pies3, respectivamente. Los costos por no disponer del artículo cuando es de-
mandado (costos de agotamiento), πj son: $800, $500 y $1.000, respectivamente.
Evaluando los datos históricos, se sabe que la demanda de los tres artículos sigue
una distribución de Poisson, con una media de 4, 3 y 2 unidades, respectivamente.
El Ingeniero desea determinar la política de almacenamiento que tiene el costo
mínimo de agotamiento.

Solución: 5 unidades del artículo 1, 0 unidades del artículo 2 y 1 unidad del artículo
3. Costo total mínimo de agotamiento $2.963,3
1.3. El gerente de ventas de una editorial de textos universitarios tiene seis agentes de
ventas que puede asignar a tres regiones distintas del país. Ha decidido que cada
región debe tener por lo menos un agente y que cada agente individual debe
quedar restringido a una de estas regiones, pero, ahora quiere determinar cuántos
agentes debe asignar a las respectivas regiones con el fin de maximizar las ventas.
La siguiente tabla da el incremento estimado en las ventas de cada región (en
unidades apropiadas), si se le asignan diferentes cantidades de agentes.
Agentes Región
de ventas 1 2 3
1 35 21 28 Utilice la programación dinámica para
2 48 42 41 resolver éste problema.
3 70 56 63
4 89 70 75
Solución: El problema tiene dos soluciones: 1) Asignar a la región uno, 3 agentes de
ventas; a la región dos, 2 agentes de ventas y a la región tres, 1 agente de ventas. 2)
Asignar a la región uno, 1 agente de ventas; a la región dos, 2 agentes de ventas y
a la región tres, 3 agentes de ventas. Para ambas soluciones se obtiene un máximo
de incremento en las ventas de 140 unidades.
1.4. Su Empresa trabaja bajo el sistema Job Shop por lo que está sujeta a grandes
fluctuaciones que dependen de la temporada. Es difícil contratar y costoso capa-
citar a los operarios de las máquinas, por lo que Usted rechaza la idea de despedir
trabajadores durante las temporadas bajas.Tampoco quiere mantener su nómina
de temporadas altas. Como todos los trabajos se hacen bajo pedido, no es posible
acumular un inventario durante las temporadas bajas. Así, Usted se encuentra
en un dilema respecto a cuál debe ser la política sobre los niveles de empleo. A
continuación, se dan las estimaciones sobre la mano de obra requerida durante
las tres temporadas del año, para el inmediato futuro cercano:
Temporadas Primer periodo Segundo periodo Tercer periodo

Requerimientos 200 100 300
No se permite que el nivel de empleo baje de estos niveles. Se estima que los costos
de contratación y despido son tales, que el costo de cambiar el nivel de empleo de
una temporada a la siguiente es igual a $100, multiplicado por el cuadrado de la
diferencia de nivel. Cualquier contratación más alta de estos niveles tiene un costo
de $1.000 persona, por temporada. Es posible contratar con niveles fraccionarios,

gracias a que hay algunos empleados de tiempo parcial y los datos de costos se
aplican igual a estas fracciones.
a) Determine el nivel de empleo para cada temporada.
b) ¿Cuáles son los costos totales mínimos?
c) ¿Cuál es el costo total de cada temporada?
d) ¿Cuál es el periodo más costoso?
Solución: a) 295 trabajadores para el periodo uno, 295 trabajadores para el perio-
do dos y 300 trabajadores para el periodo tres. b) Los costos totales mínimos son
$295.000 c) Costo total en el periodo uno, $97.500, en el periodo dos $195.000 y
para el periodo tres $2.500 d) El periodo dos es el más costoso.
1.5. Si se tiene el siguiente esquema productivo, ¿Cuántas unidades se deben producir
en cada mes, cuál es el tamaño de los inventarios y cuál es el costo total mínimo?
Nota: Las unidades a considerar deben ser múltiplos de 100.

0 < IF4 < 400 0 < IF3 < 400 0 < IF2 < 400 0 < IF1 < 400
IF4=II3 IF3=II2 IF2=II1
Mes 1 Mes 2 Mes 3 Mes 4
II4 = 0 IF1= 0
0 < X4 < 600 0 < X3 < 600 0 < X2 < 600 0 < X1 < 600
D4 = 200 D3 = 300 D2 = 400 D1 = 500

CV4 = $25 CV3 = $25 CV2 = $25 CV1 = $25
CIF4 = $0,13 CIF3 = $0,13 CIF2 = $0,13 CIF1 = $0,13
IFn = Unidades en el Inventario final de la etapa n-ésima (n=1, 2, 3, 4).

Xn = Unidades a producir en la etapa n-ésima (n=1, 2, 3, 4).
Dn = Demanda en la etapa n-ésima (n=1, 2, 3, 4).
CVn = Costos Variables por unidad en la etapa n-ésima (n=1, 2, 3, 4).
CIFn = Costos por unidad del Inventario Final en la etapa n-ésima (n=1, 2, 3, 4).

Solución: En el primer mes se deben producir 200 unidades; en el segundo, 300
unidades; en el tercero, 400 unidades y en el cuarto, 500 unidades. Costo total
mínimo $35.000.
1.6. Si se tiene el siguiente esquema productivo, ¿Cuántas unidades se deben producir
en cada mes, cuál es el tamaño de los inventarios y cuál es el costo total mínimo?
IF3=II2 IF2=II1
II1 = 0 IF1= 1
Periodo 1 Periodo 2 Periodo 3
0 < X3 < 3 0 < X2 < 3 0 < X1 < 3
D3 = 1 D2 = 2 D1 = 1
CV3 = $10.000 CV2 = $10.000 CV1 = $10.000
CIF3 = $2.000 CIF2 = $2.000 CIF1 = $2.000
Solución: Producir en el periodo uno, 1 unidad, en el periodo dos, 2 unidades y en

el periodo tres, 2 unidades. El costo total mínimo es de $52.000
1.7. En la siguiente red dirigida y empleando la programación dinámica, encuentre la
ruta mas corta, desde el nodo 1 al nodo 8.
3
14
15 13
12 12 2
1 2 7 8
12
3
1 8
4
12
1 6
4
5
Solución: Ruta de mínimo recorrido: 1-4-7-8, recorrido mínimo: 15 unidades

1.8. Un camionero puede conducir un camión cargado de la ciudad en que está, a
cualquiera de las que se indican en la tabla. Por ejemplo, puede ir de la ciudad
1 a la 2 por $7. Habiendo llegado a la ciudad 2, podría ir a la ciudad 7 por $12. El
camionero está en la ciudad 1 y desea encontrar la ruta más provechosa.
a) Especifique la relación de recurrencia (función recursiva), que usaría para resolver
éste problema, mediante la programación dinámica.

b) Encuentre la ruta óptima y el beneficio de ella.

c) ¿Qué ruta seguirá el camionero si comienza en la ciudad 3?
1 2 3 4 5 6 7 8 9 10 11
1 7 9 5
2 16 14 12
3 15 18 20
4 13 24 21
5 17 20 23
6 35 30 25
7 17 22 27
8 16
9 20
10 18
Solución: a) fn(en,xn) = Ven,xn + f*n-1(xn)

b) 1-4-6-8-11 Valor máximo: $80
c) 3-6-8-11 Valor máximo: $69
1.9. Una compañía recibe propuestas de sus tres (3) plantas de producción, respecto
a la posible expansión de sus instalaciones. La compañía tiene un presupuesto de
$5’000.000, para asignarlos a las tres (3) plantas. A cada planta se le solicita que
presente sus propuestas, indicando el costo total “C” y el ingreso total “I” para cada
propuesta. En la tabla siguiente, se resumen las propuestas de las tres (3) plantas
(en millones de pesos). El objetivo de la compañía es maximizar el ingreso total
resultante de la asignación de los $5’000.000 a las tres (3) plantas.
Planta 1 Planta 2 Planta 3

Propuesta
C1 I1 C2 I2 C3 I3
1 0 0 0 0 0 0
2 1 5 2 8 1 3
3 2 6 3 9 --- ---
4 --- --- 4 12 --- ---
Solución: El problema tiene 3 soluciones óptimas
1) Planta 1: $1’000.000; Planta 2: $4’000.000; Planta 3: $0
2) Planta 1: $2’000.000; Planta 2: $2’000.000; Planta 3: $1’000.000
3) Planta 1: $1’000.000; Planta 2: $3’000.000; Planta 3: $1’000.000
Ingreso máximo total: $17’000.000
1.10. Considere el diseño de un dispositivo electrónico que consta de tres (3) compo-
nentes principales. Los tres (3) componentes están dispuestos en serie, de manera

que la falla en uno de ellos hará que falle todo el dispositivo. La confiabilidad (la
probabilidad de que no haya ninguna falla) del dispositivo se puede mejorar a
través de la instalación de unidades de reserva en cada componente.
Cada componente principal puede incluir hasta tres (3) unidades en paralelo. El
capital total disponible para el diseño del dispositivo es de $10.000. Los datos de
la confiabilidad y el costo (en miles de pesos) de cada componente, dados 1, 2 ó 3
unidades en paralelo, se muestran en la siguiente tabla:
Unidades Componente 1 Componente 2 Componente 3

en
paralelo Confiabilidad Costo Confiabilidad Costo Confiabilidad Costo
1 0,6 1 0,7 3 0,5 2
2 0,8 2 0,8 5 0,7 4
3 0,9 3 0,9 6 0,9 5
El objetivo consiste en determinar el número de unidades en paralelo que se deben
instalar en cada componente para que se maximice la confiabilidad del dispositivo.
Solución: Asignar 2 unidades en paralelo al componente 1; Asignar 1 unidad en
paralelo al componente 2 y asignar 3 unidades en paralelo al componente 3. Máxima
confiabilidad lograda: 0,504
1.11. En cierto proyecto se tienen 3 enfoques diferentes A, B y C para dar solución al
problema. Dados los diferentes enfoques y el número de ingenieros adicionales
que se asigne a cada enfoque, se puede hallar la probabilidad de que el enfoque
A, B o C produzca resultados erróneos. Se conoce la siguiente tabla:
Los números en la tabla indican la proba-

bilidad de producir resultados erróneos;
Ingenieros Enfoques
en particular, si no se asignan ingenieros
adicionales A B C extras, la probabilidad de que los tres enfo-
0 0,35 0,55 0,80 ques produzcan resultados erróneos es de:
(0,35)(0,55)(0,80) = 0,154. ¿Cómo asignaría
1 0,28 0,42 0,50
Usted los dos ingenieros extras, en tal for-
2 0,12 0,21 0,30 ma que se minimice la probabilidad total
de falla de los tres (3) enfoques?
Solución: Los dos (2) Ingenieros adicionales se deben asignar al enfoque A para
obtener una probabilidad mínima de fracaso de 0,0528
1.12. La demanda de cepillos dentales electrónicos para los próximos seis (6) meses
se ha pronosticado en 200, 300, 400, 500, 600 y 200 unidades, respectivamente.
El costo de producción es de $25 por unidad. El costo de almacenamiento es de
$0,13 por unidad. La producción sólo puede hacerse en unidades de 100 con una

capacidad máxima de producción de 800 unidades por mes. La capacidad máxima

mensual de almacenamiento es de 600 unidades. Determine la calendarización
de la producción para los próximos seis (6) meses que minimice los costos totales.
Se desea que, tanto el inventario inicial como el final del semestre, sea cero (0).
Solución: Producir en el mes 1: 200 unidades, en el mes 2: 600 unidades; en el mes
3: 500 unidades; en el mes 4: 400 unidades; en el mes 5: 300 unidades y en el mes
6: 200 unidades. Todos los inventarios son iguales a cero (0) unidades y el costo
total mínimo es de $55.000
1.13. Un departamento de manufactura debe satisfacer la demanda para los siguientes
cuatro (4) trimestres, así: 4, 2, 6, 3 en miles de unidades, respectivamente. El costo
de producción de 1.000 unidades es de $100 y el costo de almacenamiento es de
$75 por 1.000 unidades por trimestre. El inventario inicial del primer trimestre es
de 4.000 unidades. Los costos de almacenamiento se cancelan sobre el inventario
inicial de cada trimestre. La capacidad instalada es de 3.000 unidades por trimestre.
Use la programación dinámica para establecer un programa óptimo de producción.
Solución: Producir en el primer trimestre 2.000 unidades; en el segundo, tercero
y cuarto trimestres, 3.000 unidades. El inventario inicial del segundo y tercer tri-
mestre es de 2.000 y 3.000 unidades, respectivamente. El costo total mínimo es
de $1’775.000
1.14. El propietario de una cadena de tres (3) supermercados compró cinco (5) cargas de
fresas frescas. La distribución de probabilidad estimada para las ventas potenciales
de las fresas antes de que se echen a perder difiere entre los tres (3) supermercados.
El propietario quiere saber cómo debe asignar las cinco (5) cargas a las tiendas para
maximizar la ganancia esperada. Por razones administrativas, no quiere dividir las
cargas entre las tiendas; Sin embargo, está de acuerdo en asignar cero cargas a
cualquiera de ellas. La siguiente tabla proporciona la ganancia estimada en cada
tienda al asignar distintas cantidades de cargas:
Número Tiendas
de cargas 1 2 3
0 0 0 0 Utilice la programación dinámica
1 5 6 4 para determinar cuántas cargas
deben asignarse a cada tienda para
2 9 11 9 maximizar la ganancia total espe-
3 14 15 13 rada.
4 17 19 18
5 21 22 20
Solución: El problema tiene dos (2) soluciones

1. Asigne a la tienda uno, 3 cargas, y a la tienda dos, 2 cargas.
2. Asigne 1, 2 y 2 cargas a las tiendas 1,2 y 3, respectivamente.
Ganancia total máxima: $25

1.15. Una compañía está planeando una estrategia de publicidad durante el año próximo
para sus tres (3) productos más importantes. Como los tres son bastante diferentes,
cada esfuerzo de publicidad estará dedicado a un solo producto, En unidades de
millones de dólares se dispone de un total de 5, para ésta campaña de publicidad
y se supone, que el gasto en cada producto deberá ser un número entero mayor
o igual a 1. El vicepresidente de mercadotecnia ha establecido el objetivo como
sigue: Determinar cuánto se puede gastar en cada producto con el fin de maximizar
las ventas totales. La siguiente tabla da el incremento estimado en ventas (en las
unidades apropiadas), para los diferentes gastos en publicidad.
Gastos en Producto
publicidad 1 2 3 Solución: El problema tiene cinco (5)
1 7 4 6 soluciones con un máximo de incre-
2 10 8 9 mento en las ventas de $24 millones
3 14 11 13 de dólares.
4 17 14 15
Solución Producto 1 Producto 2 Producto 3

1 3 1 1
2 2 2 1
3 1 3 1
4 1 2 2
5 1 1 3
1.16. El jefe de cierto partido político desea programar su campaña como candidato y
tiene disponibles los servicios de seis (6) dirigentes políticos. El desea asignarlos a
los cuatro (4) departamentos del país, de tal forma que se maximice la probabili-
dad de elección. Piensa que no sería muy eficiente asignar un dirigente a más de
un (1) departamento, pero, está dispuesto a asignar más de uno (1) a cada uno de
ellos. La tabla siguiente muestra el aumento en el número de votos (en miles), que
recibirá el candidato por cada departamento, según el número de dirigentes asig-
nados. Use la programación dinámica para determinar cuántos dirigentes deben
asignarse a cada departamento, para maximizar el número de votos adicionales
que recibirá el candidato.
Número de dirigentes 0 1 2 3 4 5 6
Departamento 1 0 25 42 55 63 69 74
Departamento 2 0 20 38 54 65 73 80
Departamento 3 0 33 43 47 50 52 53
Departamento 4 0 13 24 32 39 45 50

Solución:
Al Departamento 1, asigne 2 dirigentes políticos
Al Departamento 2, asigne 3 dirigentes políticos
Al Departamento 3, asigne 1 dirigente político
Al Departamento 4, no asigne ningún dirigente político
Número máximo de votos adicionales: 129.000
1.17. Un fabricante de sopa de gallina enlatada, enlata durante cinco (5) semanas segui-
das. Se le entregan las gallinas peladas al comienzo de cada semana. Si las gallinas
no se usan durante la semana en la cual fueron entregadas, tiene que almacenarlas
en una nevera comercial alquilada por él. El precio por gallina varía con la cantidad
comprada. No hay ningún inventario de gallinas al comienzo de la temporada y no
se desea ninguno al final de ella. Si se usan 300 gallinas cada semana, utilice los
costos dados a continuación para determinar cuántas gallinas deben comprarse
cada semana, para minimizar el costo total de las gallinas y su almacenamiento.
(Suponga que los costos de almacenamiento se basan en el número de gallinas
que están en la nevera, durante toda la semana).
Costo de las gallinas Costo de almacenamiento

Número de Número de
Costo en Costo en dóla-
gallinas gallina
dólares res por semana
(en cientos) (en cientos)
1 150 1 10
2 280 2 20
3 410 3 30
4 540 4 50
5 660 5 70
6 780 6 100
7 890
8 1.000
9 1.100
Solución 1 Solución 2 Solución 3

Semana 1 300 600 600
Semana 2 600 0 0
Semana 3 0 300 600
Semana 4 600 600 0
Semana 5 0 0 300
Costo total $1.970 $1.970 $1.970

1.18. Hallar, mediante programación dinámica la ruta más corta de A a J
1 7
B D G
3
6 2
3 4
3 4
2 4
A E H J
4 1
4 3 6
3
4
C F I
3 5
Solución: El problema tiene tres (3) soluciones con una mínima distancia de 11
unidades. Solución 1: A-B-D-H-J; Solución 2: A-C-E-I-J ; Solución 3: A-B-D-I-J
1.19. Un inversionista tiene $6.000 para invertir en tres (3) riesgos. El debe invertir en
unidades de mil. El retorno potencial, a partir de la inversión en cualquier riesgo,
depende de la cantidad invertida, de acuerdo a la tabla siguiente:
Cantidad Retorno a partir del

invertida riesgo
en miles A B C
0 0,0 0,0 0,0
1 0,5 1,5 1,2
2 1,0 2,0 2,4
3 3,0 2,2 2,5
Solución:Invertir $3.000, $1.000 y $2.000
4 3,1 2,3 2,6
en los riesgos A, B y C respectivamente
5 3,2 2,4 2,7 para obtener un retorno máximo total
6 3,3 2,5 2,8 de $6.900
1.20. Un camión puede transportar un total de 10 toneladas de productos. Hay tres

(3) clases de productos para transportar. Sus pesos y valores están tabulados.
Suponiendo que, por lo menos, debe transportarse un (1) artículo de cada clase,
determinar el cargamento que maximiza el valor total a transportar.
Clase de Valor Peso

artículo $/unidad Ton./unidad Solución: Cargar 2, 1 y 3 unidades
A 20 1 del producto A, B y C respectiva-
mente, para un valor total máximo
B 50 2 de $270
C 60 2

1.21. El programa de Ingeniería Industrial acaba de recibir una donación de un antiguo

alumno, por $100.000. La dirección del programa planea invertir el dinero en la
financiación de becas. Puede invertir el dinero de tres (3) formas con diferentes
rendimientos. Los tres esquemas de inversión y sus rendimientos después de tres
(3) años (incluyendo el capital) se muestran en la tabla siguiente, para diferentes
niveles de inversión. Sugiérale al programa de Ingeniería Industrial una cartera de
inversiones que produzca el mayor rendimiento para becas y reinversión.
Inversión Solución: Existen 3

Plan X Plan Y Plan Z soluciones óptimas
(en miles)
con un máximo
0 0 0 0
rendimiento de
25 50 60 40 $210.000
50 110 90 100
100 150 130 175
Solución 1: Asigne $25.000, $25.000 y $50.000 a los planes X, Y y Z

Solución 2: Asigne $50.000, $0 y $50.000 a los planes X, Y y Z
Solución 3: Asigne $50.000, $25.000 y $25.000 a los planes X, Y y Z
1.22. Una cadena de supermercados compra seis (6) galones diarios de leche a una
lechería local a razón de $1 por galón y lo vende, a $2 por galón, en cada una de
sus tres (3) tiendas de cadena. La lechería compra la leche que sobra al final del
día a $0.50 por galón. La demanda en cada una de las tres tiendas es incierta y su
probabilidad se muestra en la siguiente tabla:
Demanda diaria
Tienda Probabilidad
(en galones)
1 0,6
1 2 0,0
3 0,4
1 0,5
2 2 0,1
3 0,4
1 0,4
3 2 0,3
3 0,3
La Empresa debe asignar los seis (6) galones de leche a las tres tiendas, de modo
que maximice su expectativa diaria de beneficio. Use la programación dinámica
para determinar cuántos galones debe colocar en cada tienda.
Solución 1: Asigne 2, 2 y 2 galones a las tiendas 1, 2 y 3, respectivamente. Beneficio
máximo de $9,75
Solución 2: Asigne 1, 3 y 2 galones a las tiendas 1, 2 y 3, respectivamente. Beneficio
máximo de $9,75

Capítulo 2. Programación no lineal
Capítulo 2.
Programación no lineal
Joseph-Louis
Lagrange
Introducción
La programación no lineal responde a la necesidad de resolver los muchos problemas
de la vida real que se expresan en términos de funciones no lineales. Aquí, no existe un
método general como el simplex para programación lineal; por lo tanto, presentaremos
métodos para solucionar algunos tipos, muy especiales, de problemas.
Forma general del problema
Maximice: Z = f(x1 , x2 , . . . , xn)
Con las siguientes restricciones
g1 (x1 , x2 , . . . , xn) < b1
. . .
. . .
gi (x1 , x2 , . . . , xn) < bi
. . .
. . .
gm (x1 , x2 , . . . , xn) < bm
xj > 0 ; j = 1,2, . . . , n
De los métodos de solución existentes, solamente se abordarán:

1. Solución preliminar - Método Gráfico.
2. Multiplicadores de Lagrange.
3. Condiciones de Karush-Kuhn-Tucker (KKT)
4. Programación cuadrática.
Método gráfico
En ésta sección se muestran algunos ejemplos de programación no lineal que se pue-
den resolver, exitosamente, mediante el método gráfico. No todos los problemas se
pueden resolver mediante este método; sólo aquellos, cuyas características particula-
res lo permitan. Aquí es importante adquirir experiencia y ojalá disponer de un buen
software de graficación de ecuaciones. Los problemas considerados en esta sección
tienen funciones de máximo dos (2) variables, lo que permite ver graficadas en el plano
cartesiano. Usaremos el software Advanced Grapher 2.02 que se puede adquirir en su
página web: http://www.serpik.com/agrapher/
Ejemplo 2.1
Resolver gráficamente: Max: Z = 3X1 + 2X2, con las siguientes restricciones (C.S.R.): 1) X21
+ 4X1 - X2 < 5 ; 2) 2X1 + 3X2 < 12 ; Xj > 0 ; j = 1,2
Observaciones:
• El problema exige que todas sus variables sean positivas, luego, sólo se consideran
las parejas de puntos (X1 , X2) que se encuentren en el primer cuadrante.
• La función objetivo y la segunda restricción son líneas rectas.
• La primera restricción es una parábola sobre el eje Y.
• Cada una de las restricciones se tabula, se gráfica y se identifica su área de solu-
ciones factible. Interceptando todas las áreas individuales de las restricciones,
identificamos el área de soluciones factibles para el problema.
• Los cálculos analíticos son los siguientes:
2X1 + 3X2 < 12 X21 + 4X1 - X2 < 5 X2 = X21 + 4X1 -5

2X1 + 3X2 = 12 X21 + 4X1 - X2 = 5
X1 = 0 X2 = 0 X1 = 0 X2 = 0 dx2/dx1 = 2X1+4=0
X2 = 4 X1 = 6 X2 =-5 X21 + 4X1 - 5 = 0 X1 = -2 => X2 = -9
P(0,-5) (X1+5)(X1-1)=0 P(-2,-9)
P(0,0) => 0 < 12
X1 = -5 ; X1 = 1 Punto mínimo de la
Verdad
P(-5,0) y P(1,0) parábola
d2x2/dx1=2 =>
Puntos en donde la parábola corta Mínimo
los ejes X y Y
En el P(0,0) => 0 < 5
Verdad

3X1 + 2X2 = Z Observando la gráfica, debemos hallar la intersección entre:

3X1 + 2X2 = 6 X21 + 4X1 - X2 = 5 y 2X1 + 3X2 = 12. Resolviendo éste sistema
de ecuaciones de dos variables y dos ecuaciones, obtenemos
X1 = 0 X2 = 0 la solución óptima: X1* = 1.47 ; X2* = 3,02 ; Z* = 10,45
X2 = 3 X1 = 2
La correspondiente gráfica es:
X1* = 1,47
Área de soluciones Solución X2* = 3,02
factibles óptima Z* = 10,45
Fíjese que, básicamente, el

procedimiento sigue la mis-
ma filosofía del método grá-
fico de programación lineal.
Ejemplo 2.2
Maximizar Z = 2X1 + X2 Z = 2X1 + X2 = 2 2X1 + 3X2 < 12

C.S.R. -X21 + 4X1 - X2 < 0 2X1 + 3X2 = 12
X1 = 0 X2 = 0
2X1 + 3X2 < 12
X2 = 2 X1 = 1 X1 = 0 X2 = 0
Xj > 0 ; j = 1,2
X2 = 4 X1 = 6
-X21 + 4X1 - X2 < 0
P(0,0) => 0 < 12
-X21 + 4X1 - X2 = 0
Verdad
X2 = -X21 + 4X1
X1 = 0 X2 = 0
X2 = 0 X1 = 0 , X1 = 4
P(0,0) P(0,0) , P(4,0)

X2 = - X21 + 4X1 d2x2/dx12 = -2 < 0 Punto de prueba
dx2/dx1 = -2X1 + 4 = 0 Luego, es un Máximo P(2,0) => 4 < 0
X1 = 2 Falso
X2 = -X21 + 4X1
X2 = -(2)2 + 4(2) = 4
P(2,4)
Efectuados los cálculos analíticos, se procede a la construcción de la gráfica.
Áreas de solución factible
Solución Óptima
X1* = 6
X2* = 0
Z* = 12
2X1+3X2<12
==> Aumenta
Z=2X1+X2=2
Disminuye <== Z = 12
-X21+4X1-X2<0
Ejemplo 2.3
Resolver empleando el método gráfico, el siguiente problema de programación no lineal.
Z = X2 - X21 = -2
Maximizar X2 = X21 - 2
y Z = X2 - X21
Minimizar X1 = 0 X2 = 0
X2 = -2 X1 = 1,41 ; X1 = -1,41
C.S.R. -(10 - X21 - X2)3 < 0 P(0,-2) P(1,41;0) ; P(-1,41;0)
-X1 < -2
Xj > 0 ; j = 1,2 dx2/dx1=2X1=0 d2x2/dx21 = 2 > 0

X1=0 => X2=-2 Luego, es un mínimo
P(0,-2)

-(10 - X21 - X2)3 < 0 (-1) X2 + X21 - 10 = 0 -X1 < -2 (-1)

(10 - X21 - X2)3 > 0 X2 = -X21 + 10 X1 > 2
[(10 - X21 - X2)3]1/3 > [0]1/3 X1 = 2
10 - X21 - X2 > 0 (-1) X1 = 0 X2 = 0 P(0,0) => 0 > 2
X2 + X21 - 10 < 0 X2 = 10 X1 = 3,16 ; X1 = -3.16 Falso
P(0,10) P(3,16;0) ; P(-3,16;0)
dx2/dx1 = -2X1 = 0 d2x2/dx21 = -2 < 0 Punto de prueba P(0,0)

X1 = 0 Luego, es un máximo -10 < 0 ; verdad; luego,
X2 = 10 el área de solución está
P(0,10) en el vientre de la parábola
El máximo se encuentra en la intersección de El mínimo se encuentra en la inter-

X1* = 2 y X2 + X21 - 10 = 0, luego: sección de X2 + X21 - 10 = 0 y el eje X1,
luego:
X2 + (2)2 - 10 = 0 X2* = 0 =>
X2 + 4 - 10 = 0 X2 + X21 - 10 = 0
X2* = 6 (0) + X21 = 10
P(2,6) X1* = 3,16
Z*máximo = X2* - X*21 P(3,16;0)
Z* = (6) - (2)2 = 2 Z*mínimo = X2* - X*21
Z* = 2 Z* = 0 - (3,16)2 = -10
X1 > 2
Máximo
Z = X2 - X21 = -2 X1* = 2
X2* = 6
Mínimo
Z* = 2
X1* = 3.16
X2* = 0
Área de solucio- Z* = -10
nes factibles
X2 + X21 - 10 < 0

Ejemplo 2.4 Maximizar
y Z = 2X21 - 3X22 - 2X1
Minimizar
C.S.R. X21 + X22 < 1
No hay condición de no negatividad
Solución
Fíjese que la restricción es un circulo con radio uno (1) y no hay condición de no ne-
gatividad.
Z=2X21 -3X22 -2X1=-3,2 Mínimo

X1* = 0,2
X2 =0,96 =0,979795897
* 1/2
Disminuye Z* = -3,2
<==
Z=2X21 -3X22 -2X1=4 Z=2X21 -3X22 -2X1=4
Aumenta <== ==> Aumenta
Máximo
X1* = -1
X2* = 0
Z* = 4
Mínimo
<==
X1* = 0,2
Disminuye X2 =-0,96 =-0,979795897
* 1/2
Z* = -3,2
Z=2X21 -3X22 -2X1=-3,2
X21 + X22 < 1 Z = 2X21 - 3X22 - 2X1 = 4

X21 + X22 = 1 2X21 - 3X22 - 2X1 = 4
X1 = 0 X2 = 0 X1 = 0 X2 = 0
X2 = 1 , X2 = -1 X1 = 1 , X1 = -1 -3X22 = 4 2X21 - 2X1 - 4 = 0
P(0,-1) , P(0,1) P(-1,0) , P(1,0) X2 = Imaginario X1 = 2 ; X1 = -1
No corta el eje X2 P(2,0) ; P(-1,0)
P(0,0) => 0 < 1 , Verdad

Z = 2X21 - 3X22 - 2X1 = -3,2

2X21 - 3X22 - 2X1 = -3,2
X1 = 0 X2 = 0
-3X22 = -3,2 2X21 - 2X1 + 3,2 = 0
X2 = -1,03279 ; X2 = 1,03279 X1 = Imaginario
P(0;-1,03279) ; P(0;1,03279) No corta el eje X1
Para averiguar el valor Mínimo, resolvemos el siguiente sistema de ecuaciones:
2X21 - 3X22 - 2X1 = -3,2 2X21 - 3X22 - 2X1 = -3,2

X21 + X22 = 1 (3) => 3X21 + 3X22 = 3
5X21 - 2X1 = -0,2
5X21 - 2X1 + 0,2 = 0

X1 = 1/5 = 0,2
Entonces en X21 + X22 = 1
X2 = -(0.96)1/2 = -0,979795897 ; X2 = (0,96)1/2 = 0,979795897
P(0.2 ; -0,979795897) , P(0,2 ; 0,979795897)
Z* = 2X21 - 3X22 - 2X1 = -3,2
Ejemplo 2.5
Minimizar Z = 10(X1 - 4)2 + 20(X2 - 4)2 Fíjese que el área de soluciones

C.S.R. X1 + X2 < 6 factibles está delimitada por líneas
X1 - X2 < 1 rectas, la función objetivo es una
3X1 + X2 > 6 familia de elipses concéntricas,
-3X1 + 2X2 < 6 con centro en el punto P(4,4) y que
Xj > 0 ; j = 1,2 existe condición de no negatividad.
X1 + X2 < 6 X1 - X2 < 1 3X1 + X2 > 6 -3X1 + 2X2 < 6

X1 + X2 = 6 X1 - X2 = 1 3X1 + X2 = 6 -3X1 + 2X2 = 6
X1 = 0 X2 = 0 X1 = 0 X2 = 0 X1 = 0 X2 = 0 X1 = 0 X2 = 0
X2 = 6 X1 = 6 X2 = -1 X1 = 1 X2 = 6 X1 = 2 X2 = 3 X1 = -2
P(0,0) => 0 < 6 P(0,0) => 0 < 1 P(0,0) => 0 > 6 P(0,0) => 0 < 6
Verdad Verdad Falso Verdad
En la siguiente gráfica se muestra la función ob-

Z = 10(X1 - 4)2 + 20(X2 - 4)2 jetivo con valores para Z de 0, 5; 15 y 80/3. Fíjese
C(h,k) = C(4,4) que Z aumenta a medida que se expande la fa-
Familia de elipses concéntricas milia de elipses. Estamos interesados en aquella
elipse que menos se expanda y sea tangente al
área de soluciones factible.

-3X1 + 2X2 < 6
Z=5
{ 10(X1-4)2+20(X2-4)2=Z
X1+X2=6
Solución óptima Z = 15
Mínimo
X*1 = 8/3 = 2,66
X*2 = 10/3 = 3,33 Z = 80/3 = 26,66
Z* = 80/3 = 26,66
Área de
soluciones
factibles
X1 + X2 < 6
X1 - X2 < 1 3X1 + X2 > 6
En la gráfica se observa que la solución óptima se encuentra en la intersección de la

función objetiva Z = 10(X1 - 4)2 + 20(X2 - 4)2 y la recta X1 + X2 = 6, sistema de ecuaciones
dispendioso de solucionar dado que no se conoce el valor de Z, lo que obliga a considerar
el método de los Multiplicadores de Lagrange, que nos permite obtener analíticamente
las coordenadas en donde las dos funciones son tangentes.
Multiplicadores de Lagrange
Joseph Louis Lagrange (1736 - 1813)
Forma general del problema
Maximice
o Z = f(x1,x2, . . . . ,xn)
Minimice
C.S.R. gi(x1,x2, . . . . ,xn) = bi ; i = 1, . . . , m

Características
• No existe la condición de no negatividad.
• Todas las funciones son continuas y tienen derivadas al menos de segundo orden.
• Las restricciones son ecuaciones o sea igualdades. Son aquellas restricciones de
estricto cumplimiento, en donde la variable de holgura es cero.
• m < n, el número de ecuaciones es menor al número de variables.
Método de solución
m
• Definir la función de Lagrange, así: L(x,λ) = f(x) +
Σ λ [b - g (x)] donde las λ son
i=1
i i i i
constantes desconocidas llamadas multiplicadores de Lagrange.

• Calcule todas las derivadas parciales de la función de Lagrange, hágalas iguales a
cero (0) y resuelva el sistema de ecuaciones para las Xi y las λi
• Si las restricciones son desigualdades en lugar de igualdades, ignoramos las
restricciones que no sean igualdades, calculamos la solución y averiguamos si es
factible. Si lo es, ese es el óptimo; si no lo es, incluimos las restricciones violadas,
pero, como igualdades y calculamos la nueva solución.
Observación:
Es aplicable para ciertos tipos de problemas pequeños, debido a que el sistema
de ecuaciones por resolver puede ser dispendioso y poco trivial para obtener
los puntos críticos; además, puede ocurrir que el número de puntos críticos sea
elevado, a menudo infinito y se hace no práctico intentar la identificación de un
máximo o un mínimo global.
A continuación se ilustra su aplicación al problema 2.5, que quedó pendiente para

obtener su solución óptima, mediante un método analítico.
Como no hay una restricción que sea una igualdad, entonces, la función de Lagrange
inicial es:
L = 10(X1 - 4)2 + 20(X2 - 4)2
gL gL Ahora comprobamos que

g x1 = 20(X1 - 4) = 0 g x2 = 40(X2 - 4) = 0
esta presunta solución P(4,4)
20X1 - 80 = 0 40X2 - 160 = 0
sea factible, que cumpla con
X1 = 4 X2 = 4
todas las restricciones.

X1 + X2 < 6 X1 - X2 < 1 -3X1 - X2 < -6 -3X1 + 2X2 < 6
4+4<6 4-4<1 -3(4) - 4 < -6 -3(4) + 2(4) < 6
8<6 0<1 -16 < -6 -4 < 6
Falso Verdad Verdad Verdad
Como la primera restricción no se satisface con la actual solución, entonces, la adicio-

namos como una ecuación, reduciéndose el problema a:
Min Z = 10(X1 - 4)2 + 20(X2 - 4)2

Ahora, construimos la función de Lagrange
C.S.R. X1 + X2 = 6
Xj > 0 ; j = 1,2
L = 10(X1 - 4)2 + 20(X2 - 4)2 + λ(6 - X1 - X2)

gL 20X1 - λ = 80
gx1= 20(X1 - 4) - λ = 0 40X2 - λ = 160
X1 + X2 = 6
gL
=>
g x2= 40(X2 - 4) - λ = 0 λ =20X1 - 80 = 40X2 - 160
gL
20X1 - 40X2 = -80 =>
X1 - 2X2 = -4
g λ = X1 + X2 = 6
X1 - 2X2 = -4
X2 = 6 - X1
X1 - 2X2 = -4 2X1 + 2X2 = 12
X1 + X2 = 6
(2) => => X2 = 6 - 8/3
3X1 = 8 X*2 = 10/3
X*1 = 8/3
λ* = 20(8/3) - 80 = - 80/3
Z* = 10(8/3 - 4)2 + 20(10/3 - 4)2 = 80/3
X*1 = 8/3 = 2,66

Solución óptima (minimizar) al problema es: X*2 = 10/3 = 3,33
Z* = 80/3 = 26,66
Aquí, una buena pregunta es: ¿Cuáles son los valores que maximizan la función
objetivo? Para responderla, recurrimos a la siguiente gráfica y observamos que el últi-
mo, punto a la izquierda del área de soluciones factibles, que toca la elipse a medida
que se expande, se encuentra en la intersección de la rectas: 3X1 + X2 = 6 y X1 - X2 = 1

X2
Solución óptima
Máximo
X*1 = 7/4 = 1,75
X*2 = 3/4 = 0,75
Z = 2.095/8 = 261,875
*
X1
3X1 + X2 = 6 X2 = 7/4 - 1 Z* = 10(7/4 - 4)2 + 20(3/4 - 4)2

X1 - X2 = 1 X 2 = 3/4 = 0,75
*
Z* = 2.095/8 = 261,875
4X1 =7
X 1 = 7/4 = 1,75
*
Ejemplo 2.6
Containers S.A. fabrica contenedores sobre pedido y acaba de recibir un estudio de una
compañía británica para contenedores rectangulares de seis lados, reutilizables, hechos
de una lámina especial de fibra. El volumen de cada contenedor debe ser, al menos
de 12.000 cm3. Las restricciones de embarque de estos contenedores, en Inglaterra,
requieren que la suma de sus dimensiones no exceda de 72 cm. y que cada una de las
dimensiones (largo, ancho y alto), no exceda de 40 cm. La compañía británica ya tuvo
una oferta de $8,20 por contenedor. La Presidencia de Containers S.A. le ha preguntado a
Usted, gerente de la división de investigación de operaciones y sistemas, si la compañía
puede fabricar estos contenedores a menor costo y seguir obteniendo una ganancia
del 25% por contenedor, siendo que los costos de trabajo y otros costos variables son
de $1 por contenedor. ¿Se puede hacer una oferta por el contenedor, si el costo por
metro cuadrado de lámina de fibra es de $20?
Solución:
XL = Largo en cmts. XW = Ancho en cmts. XH = Alto en cmts
Costo de la materia prima (lámina) = $20/m2 = $0,002/cm2

Costo total de material por contenedor
XH 0,002(2)XWXH + 0,002(2)XLXH + 0,002(2)XWXL
Min Z = 0,004XWXH + 0,004XLXH + 0,004XWXL

XL C.S.R.
XW XLXWXH > 12.000 Mínimo volumen del contenedor.
XL + XW + XH < 72 La suma de las dimensiones no debe
XL < 40 exceder de 72 cm.
XW < 40 Cada dimensión no debe exceder de
XH < 40 40 cm.
XL,XW,XH > 0
La ecuación inicial de Lagrange es:
L(XL,XW,XH) = 0,004XWXH + 0,004XLXH + 0,004XWXL
gL
gxW = 0,004XH + 0,004XL = 0 => XH + XL = 0 => XH = -XL
XW = XL
gL
=>
g xL = 0,004XH + 0,004XW = 0 => XH + XW = 0 => XH = -XW
gL XW - XL = 0
g xH = 0,004XW + 0,004XL = 0 => XW + XL = 0 XW + XL = 0
Luego XL = XH = 0 2XW 0
XW = 0
Comprobamos si esta solución inicial XW = XL = XH = 0 es o no factible.
XLXWXH > 12.000 XL + XW + XH < 72 XL < 40 XW < 40 XH < 40

0 > 12.000 0 < 72 0 < 40 0 < 40 0 < 40
Falso Verdad Verdad Verdad Verdad
Incluimos en la función de Lagrange la primera restricción
L(XL,XW,XH) = 0,004XWXH + 0,004XLXH + 0,004XWXL + λ(12.000 - XLXWXH)

gL 0,004XH + 0,004XW
g xL = 0,004XH + 0,004XW - λXWXH = 0 => λ = 
X W XH
gL 0,004XH + 0,004XL
gxW = 0,004XH + 0,004XL - λXLXH = 0 => λ = XLXH
 
gL 0,004XW + 0,004XL
g xH = 0,004XW + 0,004XL - λXLXW = 0 => λ = XLXW

gL
g λ = XL XW XH = 12.000

0,004XH + 0,004XW 0,004XH + 0,004XL

= => XL = XW
XWXH XLXH
Luego XL = XW = XH
0,004XH + 0,004XL 0,004XW + 0,004XL
= => XW = XH
XLXH XLXW
Entonces:
XLXWXH = 12.000
X*L = (12.000)1/3 = 22,89 cmts.
XLXLXL = 12.000
X3L = 12.000
=> X*W = (12.000)1/3 = 22,89 cmts.
X*H = (12.000)1/3 = 22,89 cmts.
XL = (12.000)1/3
Ahora, todas las restricciones se cumplen.

XLXWXH > 12.000 => (12.000)3/3 > 12.000 => 12.000 > 12.000 Verdad !
XL + XW + XH < 72 => 3(12.000)1/3 < 72 => 68,68 < 72 Verdad !
XL < 40 => 22,89 < 40 ¡Verdad !
XW < 40 => 22,89 < 40 ¡Verdad !
XH < 40 => 22,89 < 40 ¡Verdad !
El costo total mínimo de los materiales por contenedor es:
Z* = 0,004(XWXH + XLXH + XWXL) = 0,004(3)(12.000)2/3 = $6,2897
El costo total mínimo por contenedor es de: $6,2897 + $1 = $7,2897
Luego, el precio a proponer por contenedor, incluyendo una ganancia del 25% es
$7,2897(1,25) = $9,1121 que es mayor que el ofrecido por la competencia: $8 por
contenedor.
Se recomienda no producir el contenedor.
Ejemplo 2.7
Una compañía de computadores ensambla dos modelos A y B. Si cobra un precio p1
por computador A y p2 por computador B, pueden vender q1 y q2 computadores de los
modelos A y B, respectivamente, en donde q1 = 4.000 - 10p1 + p2 y q2 = 2.000 - 9p2 + 0,8p1
Producir un computador tipo A, requiere 2 horas de trabajo y 3 chips de computador,
mientras que producir un computador tipo B, requiere 3 horas de trabajo y 1 chip de
computador. Actualmente, se disponen de 5.000 horas de trabajo y 4.500 chips.
a. Formule el problema como un modelo de programación no lineal
b. Empleando los multiplicadores de Lagrange, encuentre la política óptima de
precios.
c. ¿Cuál es el precio máximo que se puede pagar por una hora adicional de trabajo?
y ¿Cuál es el precio máximo que se puede pagar por un chip adicional?

Solución:
qj = Unidades a producir y vender del tipo de computador j-ésimo (j = 1 = computador
tipo A, j = 2 = computador tipo B)
pj = Precio de venta por unidad del computador tipo j-ésimo (j = 1 = computador tipo
A, j = 2 = computador tipo B)
Maximizar Z = p1q1 + p2q2
C.S.R.
2q1 + 3q2 < 5.000 Restricción debida a la cantidad de horas de trabajo disponibles.
3q1 + q2 < 4.500 Restricción debida a la cantidad de chips disponibles.
qj > 0 , j = 1,2 ; pj > 0 , j = 1,2 Restricciones de no negatividad.
Como q1 = 4.000 - 10p1 + p2 y q2 = 2.000 - 9p2 + 0,8p1 , entonces:
Maximizar Z = p1(4.000 - 10p1 + p2) + p2(2.000 - 9p2 + 0,8p1)
C.S.R.
2(4.000 - 10p1 + p2) + 3(2.000 - 9p2 + 0,8p1) < 5.000
=> Simplificando
3(4.000 - 10p1 + p2) + (2.000 - 9p2 + 0,8p1) < 4.500
pj > 0 , j = 1,2
Maximizar Z = 4.000p1 - 10p21 + 1,8p1p2 + 2.000p2 - 9p22

C.S.R.
-17,6p1 - 25p2 < -9.000
-29,2p1 - 6p2 < -9.500
pj > 0 , j = 1,2
Función de Lagrange: L = 4.000p1 - 10p21 + 1,8p1p2 + 2.000p2 - 9p22

gL
g p1 = 4.000 - 20p1 + 1,8p2 = 0 (10)
200p1 - 18p2 = 40.000
gL
=> -1,8p1 + 18p2 = 2.000
198,2p1 = 42.000
g p2 = 1,8p1 + 2.000 - 18p2 = 0 (-1)
p1 = 211,9
Luego p2 = [2.000 + 1,8(211,9)]/18 => p2 = 132,3
En atención a que el problema es de dos variables, construimos su gráfica, para

comprender mejor los resultados, que analíticamente estamos encontrando.

29,2p1 + 6p2 > 9.500
Z = 300.000 Área de
soluciones
Z = 400.000
factibles
Z = 488.360,18
Solución óptima
Máximo
p*1 = 292,81
p*2 = 158,32
Z = $488.360,18
*
17,6p1 + 25p2 > 9.000
Fíjese que la solución inicial p1 = 211,9 , p2 = 132,3 son las coordenadas de la familia
de elipses concéntricas y por supuesto, no es una solución factible, ya que no se encuen-
tra dentro del área de soluciones factibles; esto, se puede comprobar analíticamente
mediante las restricciones (comprobar si la solución es o no factible).
-17,6p1 - 25p2 < -9.000 -29,2p1 - 6p2 < -9.500

-17,6(211,9) - 25(132,3) < -9.000 -29,2(211,9) - 6(132,3) < -9.500
-7.036,94 < -9.000 -6.981,28 < -9.500
¡Falso! ¡Falso!
Fíjese en la gráfica, que entre más pequeña es la elipse, el valor de Z es mayor. Nos
interesa conocer el valor de Z, para la elipse que sea tangente al área de soluciones
factibles y que sea la más pequeña posible. Visualmente, se presenta la duda, de que si
dicho punto es la intersección entre las dos rectas o si dicha intersección, se encuentra
sobre la recta correspondiente a la segunda restricción. En atención a que analíticamen-
te, ninguna de las restricciones es factible con la solución inicial, adicionamos ambas
restricciones, pero, como igualdades. Entonces, la nueva función de Lagrange es:

L = 4.000p1 - 10p21 + 1.8p1p2 + 2.000p2 - 9p22 + λ1(-9.000 + 17,6p1 + 25p2) + λ2(-9.500 +
29,2p1 + 6p2)
gL
g p1 = 4.000 - 20p1 + 1,8p2 + 17,6λ1 + 29,2λ2 = 0
gL
g p2 = 1,8p1 + 2.000 - 18p2 + 25λ1 + 6λ2 = 0 -105,6p1 - 150p2 = -54.000
730p1 + 150p2 = 237.500
gL 624,4p1 = 183.500
g λ1 = 17,6p1 + 25p2 = 9.000 (-6) p1 = 293,88
=> Entonces
gL
g λ2 = 29,2p1 + 6p2 = 9.500 (25) p2 =
9.500 - 29,2(293,88)
6
P2 = 153,1
Reemplazando los valores de p1 y p2 en las dos primeras ecuaciones, obtenemos los

valores de λ1 y λ2 , así:
4.000 - 20(293,88) + 1,8(153,1) + 17,6λ1 + 29,2λ2 = 0
1,8(293,88) + 2.000 - 18(153,1) + 25λ1 + 6λ2 = 0 =>
17,6λ1 + 29,2λ2 = 1.602 (-6)
25λ1 + 6λ2 = 226,8 (29,2) =>
-105,6λ1 - 175,2λ2 = -9.612

730λ1 + 175,2λ2 = 6.622,5
624,4 λ1 = -2.989,5 Como λ1 < 0 , se sugiere eliminar la primera
restricción de la función de Lagrange, quedando
λ1 = -4,78 de la siguiente manera:
λ2 = 57,72
L = 4.000p1 - 10p21 + 1,8p1p2 + 2.000p2 - 9p22 + λ2(-9.500 + 29,2p1 + 6p2)

gL
g p1 = 4.000 - 20p1 + 1,8p2 + 29,2λ2 = 0
gL
g p2 = 1,8p1 + 2.000 - 18p2 + 6λ2 = 0
gL
g λ2 = 29,2p1 + 6p2 = 9.500
De las dos primeras restricciones, concluimos que:

-4.000 + 20p1 - 1,8p2 -2.000 - 1,8p1 + 18p2

λ2 = =
29,2 6
-24.000 + 120p1 - 10,8p2 = -56.400 - 52,56p1 + 525,6p2
Luego, con la tercera ecuación se tiene el siguiente sistema de ecuaciones
172,56p1 - 536,4p2 = -34.400 (6)

29,2p1 + 6p2 = 9.500 (536,4)
1.035,36p1 - 3.218,4p2 = -206.400

15.662,88p1 + 3.218,4p2 = 5’095.800
16.698,24p1 = 4’889.400
p*1 = 292,81 y p*2 = 158,32
Entonces:
-2.000 - 1,8p1 + 18p2 Valor máximo que se paga por un chip
λ∗2 = = $53,78
6 adicional.
Como λ∗1 = 0 => No se deben aumentar las horas de trabajo
Por último:
q*1 = 4.000 - 10(292,81) + 158,32 = 1.230,22

q*2 = 2.000 - 9(158,32) + 0,8(292,81) = 809,37
Z* = 292,81(1.230,22) + 158,32(809,37) = $488.360,18
Además, fíjese que ahora la primera restricción se satisface.
-17,6(292,81) - 25(158,32) < -9.000

-9.111,46 < -9.000 ¡Verdad!
A continuación, se ilustra el uso del Software Advanced Grapher en su versión

2.02 que se puede bajar de http://www.serpik.com/agrapher/. Sirve para gra-
ficar las ecuaciones de primer y segundo grado. El software viene con soporte
para el idioma español; es amigable y de gran ayuda para resolver problemas
de programación no lineal.
Es importante, al entrar por primera vez al programa, configurar las «propiedades
del documento» y «las propiedades gráficas por defecto», opciones que se encuen-
tran bajo el menú desplegable de «gráfica». Para el tipo de problema que se maneja,
frecuentemente, en investigación de operaciones, se recomienda fijar en propiedades
gráficas por defecto, la opción de introducir las funciones de la forma: f(x,y) > l=l < 0,
denominada ecuación o desigualdad.

Propiedades del documento Agregar gráfica Duplicar gráfica
Para adicionar la gráfica de una función, dé clic sobre el icono +F y aparecerá

la siguiente ventana de diálogo para introducir la función y las características
de color, tipo de línea, etc., que el usuario desea para su gráfica.
La sintaxis de algunas funciones es:

5*X+3Y-5=0
4*X^2+3*Y^2-9=0
4 0 0 0 * X- 1 0 * X ^ 2 + 1 . 8 * X * Y + 2 0 0 0 * Y-
9*Y^2-30=0
10*(X-4)^2+20*(Y-4)^2-261.875=0
Fíjese que el término independiente se ha
colocado al lado izquierdo de la ecuación,
por supuesto, con signo contrario.
También, se pueden duplicar las gráficas
y en el proceso, cambiar el término
independiente; esta opción es útil para
graficar varias funciones objetivo.
Al lado izquierdo de la gráfica, aparece

la ventana de «lista de gráficos», útil
para activar o desactivar gráficas de las
funciones, a gusto del usuario, que permite
identificar las funciones sobre la gráfica.
Se pueden producir gráficas muy completas como la que se muestra a continuación.

De hecho, todas las gráficas de éste libro han sido producidas inicialmente, en éste
software y se les ha hecho un tratamiento adicional en el Paint y el Photoshop.

Con ésta muy breve introducción al software, el lector puede leer más detalles del
funcionamiento del programa, en la ayuda del mismo.
El software WinQsb dispone de un módulo dedicado a la programación no

lineal que el lector debe explorar mediante los ejemplos que él trae.
Condiciones de Karush-Kuhn-Tucker
Características
1. Es una extensión de los multiplicadores de Lagrange.
2. Es útil para identificar si una solución sospechada es óptima.
3. Es un grupo de criterios o condiciones que tienen que ser satisfechos por las X*j
sospechadas.
4. Tiene un corolario, que si se cumple, el cumplir las condiciones de KKT es sufi-
ciente para asegurar que realmente las X*j, son óptimas.

Teorema de Karush-Kuhn-Tucker (KKT)
Una solución óptima sospechada X* a un problema de programación no lineal, puede
ser la solución óptima verdadera, si existen m números no negativos λi ; i = 1,2, . . . , m
tales, que satisfagan las condiciones siguientes:
g f(x*)
= g xj , Si X*j > 0
m
g gi(x*)
1. y 2. Σ λi g xj
j = 1,2, . . . , n
i=1 g f(x*)
> , Si X*j = 0
g xj
= 0 , Si λi > 0
i = 1,2, . . . , m
3. y 4. gi(x*) - bi
< 0 , Si λi = 0
λi > 0 Indica que la i-ésima restricción es limitante o equivalente, que XHi =

0, donde XHi es la i-ésima variable de holgura.
λ i = 0 Indica que la i-ésima restricción puede que no sea limitante o
equivalente, que XHi > 0.
5. Xj > 0 , j = 1,2, . . . , n
6. λi > 0 , i = 1,2, . . . , m
Corolario: Si además, la f(x*) es cóncava y las gi(x) son convexas, el cumplir con las
condiciones anteriores, asegura que la solución X* es óptima.
Caso especial: Si todas las restricciones son lineales: Σaijxj < = > bi , i = 1,2,...,m
m g gi(x*) m
Σ λi g xj = Σ λi a ij
i=1 i=1
Recordemos que:
f(x1,x2, . . . ,xn) es una función convexa si, para cada par de puntos que pertenecen a f(x1,x2,
. . . ,xn), el segmento de recta que los une se encuentra completamente arriba o perte-
nece a f(x1,x2, . . . ,xn). Es una función estrictamente convexa si este segmento de recta
está por completo arriba de la gráfica, excepto por los puntos extremos del segmento.

f(x1,x2, . . . ,xn) es una función cóncava si, para cada par de puntos que pertenecen a
f(x1,x2, . . . ,xn), el segmento de recta que los une se encuentra completamente abajo o
pertenece a f(x1,x2, . . . ,xn). Es una función estrictamente cóncava si este segmento de recta
está por completo abajo de la gráfica, excepto por los puntos extremos del segmento.
Función
Función estrictamente
convexa convexa
Función
Función estrictamente
cóncava cóncava
Función
Función
cóncava
no cóncava
ó
ni convexa
convexa
Lo anterior se resume en el siguiente cuadro:
Prueba de convexidad y de concavidad para una función de dos variables

Estrictamente Estrictamente
Expresión Convexa Cóncava
Convexa Cóncava
g 2f g 2f g 2f 2
g x2 g x2
- g g >0 >0 >0 >0
1 2
x1 x2
g 2f
g x2 >0 >0 <0 <0
1
g 2f
g x2 >0 >0 >0 <0
2
Para todos los valores posibles de X1 , X2

Ejemplo 2.8
Minimizar Z = 10(X1 - 4)2 + 20(X2 - 4)2
C.S.R. X1 + X2 < 6
X1 - X2 < 1 Demuestre que X*1 = 8/3 , X*2 = 10/3 , son la
3X1 + X2 > 6 solución óptima.
-3X1 + 2X2 < 6
Xj > 0 , j = 1,2
Expresamos el problema de la forma standard, así:

Maximizar Z = -10(X1 - 4)2 - 20(X2 - 4)2
C.S.R. X1 + X2 < 6 (λ1)
X1 - X2 < 1 (λ2)
-3X1 - X2 < -6 (λ3)
-3X1 + 2X2 < 6 (λ4)
Xj > 0 , j = 1,2
Corolario
gz gz
= -20(X1 - 4) g = -40(X2 - 4)
g x1 x2
g 2z g 2z
= -20 = -40
g x2 g x2
1 2
g 2z g 2z
g x1 g x2 =0 =0
g x2 gx1
g 2f g 2f g 2f 2
∆= g 2 g 2 - g g = (-20)(-40) - (0)(0) = 800 > 0
x1 x2 x1 x2
g 2z
= -20 < 0 para cualquier valor de X1 , X2
g x2
1
g 2z
= -40 < 0 para cualquier valor de X1 , X2
g x2
2
Luego, observando la quinta columna de la tabla resumen de Prueba de convexidad

y de concavidad para una función de dos variables, podemos concluir que la función
objetiva es estrictamente cóncava.

Como cada una de las restricciones es una línea recta, podemos asumir que, cada
una de ellas, es cóncava o convexa; para este caso, se dice que, cada una de ellas, es
una función convexa. Además, fíjese que el conjunto solución de las restricciones es un
conjunto convexo. Luego, queda demostrado el corolario, por lo que cualquier solución
que satisfaga las condiciones de KKT será, definitivamente, una solución óptima.
λ1 + λ2 - 3λ3 - 3λ4 = -20X1 + 80

De las condiciones 1 y 2:
λ1 - λ2 - λ3 + 2λ4 = -40X2 + 160
De las condiciones 3 y 4:
X1 + X2 < 6 X1 - X2 < 1 -3X1 - X2 < -6 -3X1 + 2X2 < 6

8/3 + 10/3 < 6 8/3 - 10/3 < 1 -3(8/3) - 10/3 < -6 -3(8/3) + 2(10/3) < 6
18/3 < 6 -2/3 < 1 -34/3 < -6 -4/3 < 6
6<6 XH2 > 0 XH3 > 0 XH4 > 0
XH1 = 0 λ2 = 0 λ3 = 0 λ4 = 0
λ1 > 0
Restricción
de estricto
cumplimiento
Luego λ1 > 0 y λ2 = λ3 = λ4 = 0
Reemplazando en las ecuaciones resultantes de las condiciones 1 y 2

λ1 + λ2 - 3λ3 - 3λ4 = -20X1 + 80 λ1 - λ2 - λ3 + 2λ4 = -40X2 + 160
λ1 + 0 - 3(0) - 3(0) = -20X1 + 80 λ1 + 0 - 0 + 2(0) = -40X2 + 160
λ1 = -20X1 + 80 λ1 = -40X2 + 160
Entonces, el sistema de ecuaciones que se debe satisfacer con la solución óptima
sospechada es:
20X1 + λ1 = 80
40X2 + λ1 = 160
X1 + X2 = 6
De la primera ecuación: λ1 = 80 - 20(8/3) = 80/3

De la segunda ecuación: λ1 = 160 - 40(10/3) = 80/3
Por último, en las condiciones 5 y 6, es trivial que X*1 = 8/3 > 0 ; X*2 = 10/3 > 0 ; λ1 =
80/3 > 0 ; λ2 = λ3 = λ4 = 0 todos > 0
Por lo tanto, el sistema se satisface con la solución sospechada y la solución óptima,
efectivamente, es: X*1 = 8/3 ; X*2 = 10/3 ; Z* = 80/3

Ejemplo 2.9
Empleando las condiciones de KKT, demuestre que p1 = 293,88 , p2 = 153,1 no es solución
óptima al siguiente problema de programación no lineal.

C.S.R.
-17,6p1 - 25p2 < -9.000 (λ1)
-29,2p1 - 6p2 < -9.500 (λ2)
pj > 0 , j = 1,2
Corolario:
gz gz
g p1 = 4.000 - 20p1 + 1,8p2 g p2 = 1,8p1 + 2.000 - 18p2
g 2z g 2z
= -20 < 0 = -18 < 0
g p2 g p2
1 2
g 2z g 2z
g p1 g p2 = 1,8 g p2 g p1 = 1,8
Matriz Hessiana H(X):

g 2z g 2z
g p2 g p1 g p2 g 2z g 2z g 2z g 2z
∆ = H(x) = 1
= -
g 2z g 2z g p2 g p2 g p1 g p2 g p2 g p1
1 2
g p2 g p1 g p2
2
∆ = (-20)(-18) - (1,8)(1,8) = (-20)(-18) - (1,8)2 = 356,76 > 0 ; de esta forma, la función

objetivo es estrictamente cóncava.
Las restricciones por ser líneas rectas las podemos considerar cóncavas o convexas.
Para nuestro caso, las consideraremos convexas. Siendo cada restricción convexa, el siste-
ma de inecuaciones convexas forma un conjunto convexo. Luego el corolario se cumple
y si se cumplen las condiciones de KKT, se asegura que se trata de una solución óptima.
De las condiciones 1 y 2 de KKT:

-17,6λ1 - 29,2λ2 = 4.000 - 20p1 + 1,8p2
-25λ1 - 6λ2 = 1,8p1 + 2.000 - 18p2
De las condiciones 3 y 4
-17,6(293,88) - 25(153,1) < -9.000 -29,2(293,88) - 6(153,1) < -9.500
-9.000 < -9.000 -9.500 < -9.500
XH1 = 0 => λ1 > 0 XH2 = 0 => λ2 > 0

Entonces, se debe satisfacer el siguiente sistema de ecuaciones:
20p1 - 1,8p2 - 17,6λ1 - 29,2λ2 = 4.000

-1,8p1 + 18p2 - 25λ1 - 6λ2 = 2.000
17,6p1 + 25p2 = 9.000
29,2p1 + 6p2 = 9.500
20(293,88) - 1,8(153,1) - 17,6λ1 - 29,2λ2 = 4.000

17,6λ1 + 29,2λ2 = 1.602,02
-1,8(293,88) + 18(153,1) - 25λ1 - 6λ2 = 2.000

25λ1 + 6λ2 = 226,816
Resolvemos el siguiente sistema de ecuaciones de dos variables y dos ecuaciones.
17,6λ1 + 29,2λ2 = 1.602,02 (-6) λ1 = -4,78

25λ1 + 6λ2 = 226,816 (29,2) λ2 = 57,72
Luego λ1 < 0 y no cumple la condición 5 de KKT (λi > 0). Por lo tanto se concluye que la
solución sospechada no es óptima.
Ejemplo 2.10
Empleando las condiciones de KKT, demuestre que p1 = 292,81 , p2 = 158,32 es solución
óptima al siguiente problema de programación no lineal (PNL).

C.S.R.
-17,6p1 - 25p2 < -9.000 (λ1)
-29,2p1 - 6p2 < -9.500 (λ2)
pj > 0 , j = 1,2
Corolario:
gz gz
g p1 = 4.000 - 20p1 + 1,8p2 g p2 = 1,8p1 + 2.000 - 18p2
g 2z g 2z
g p2 = -20 < 0 = -18 < 0
g p2
1 2
gz2 gz2
g p1 g p2 = 1,8 g p2 g p1 = 1,8

Matriz Hessiana H(X):
g 2z g 2z
g p2 g p1 g p2 g 2z g 2z g 2z g 2z
∆ = H(x) = 1
= -
g 2z gz 2 g p2 g p2 g p1 g p2 g p2 g p1
1 2
g p2 g p1 g p2
2
∆ = (-20)(-18) - (1,8)(1,8) = (-20)(-18) - (1,8)2 = 356,76 > 0 ; por consiguiente, la función

objetivo es estrictamente cóncava.
Las restricciones por ser líneas rectas las podemos considerar cóncavas o convexas.
Para nuestro caso las consideraremos convexas. Siendo cada restricción convexa, el
sistema de inecuaciones convexas forma un conjunto convexo. Luego, el corolario se
cumple y al cumplir las condiciones de KKT, asegura que se trata de una solución óptima.
De las condiciones 1 y 2 de KKT:
-17,6λ1 - 29,2λ2 = 4.000 - 20p1 + 1,8p2

-25λ1 - 6λ2 = 1,8p1 + 2.000 - 18p2
De las condiciones 3 y 4
-17,6(292,81) - 25(158,32) < -9.000 -29,2(292,81) - 6(158,32) < -9.500

-9.111,456 < -9.000 -9.500 < -9.500
XH1 > 0 => λ1 = 0 XH2 = 0 => λ2 > 0
Luego las ecuaciones de las condiciones 1 y 2 se simplifican y el sistema de ecua-

ciones que se debe satisfacer con la solución sospechada, es:
20p1 - 1,8p2 - 29,2λ2 = 4.000

-1,8p1 + 18p2 - 6λ2 = 2.000
29,2p1 + 6p2 = 9.500
De las dos primeras restricciones:
20(292,81) - 1,8(158,32) - 4.000

λ2 = = 53,8 λ1 = 0
29,2 λ2 = 53,8
-1,8(292,81) + 18(158,32) - 2.000
λ2 = = 53,8
6
Se satisface el sistema de ecuaciones para valores positivos de λ2 ; entonces, la

solución sospechada es una solución óptima.

Programación cuadrática
Características
1. La función objetivo debe ser cuadrática.
2. Las restricciones deben ser lineales.
3. Difiere de las programación lineal, solamente, en que la función objetivo también
incluye términos en X2j y XjXk
Formulación general del problema
Encontrar X1,X2, . . . ,Xn tales que:
n n n
Maximice Z = ∑cjxj - 1/2j=1k=1
j=1
∑∑qjkxjxk
n
C.S.R. ∑ aijxj ≤ bi Para i = 1,2, . . . , m
j=1
Xj > 0 ; j = 1,2, . . . ,n
Donde los qjk = qkj y son constantes.
Algoritmo de Philip Wolfe

Este algoritmo empieza aplicando las condiciones de Karush-Kuhn-Tucker y se ilustrará
mediante el siguiente ejemplo:
Ejemplo 2.11
Resolver el siguiente problema de programación cuadrática.
Maximice Z = 15X1 + 30X2 + 4X1X2 - 2X21 - 4X22

C.S.R. X1 + 2X2 < 30 (λ)
Xj > 0 ; j = 1, 2
De las condiciones 1 y 2 de Karush-Kuhn-Tucker
λ = 15 + 4X2 - 4X1 ; Si X1 > 0

λ > 15 + 4X2 - 4X1 ; Si X1 = 0 De éstas dos ecuaciones la más general es:
4X1 - 4X2 + λ > 15 Restando una variable de holgura, tenemos:
4X1 - 4X2 + λ - H1 = 15
(H1)(X1) = 0 ; Sólo una de las dos, podrá ser variable
Si H1 = 0 => X1 > 0 => básica. Condición de complementariedad adicional
Si H1 > 0 => X1 = 0 o regla de entrada restringida.

Como H1 no sirve como variable básica, entonces, adicionamos una variable artificial
o de superávit.
4X1 - 4X2 + λ - H1 + A1 = 15
De la misma manera:
2λ = 30 + 4X1 - 8X2 Si X2 > 0
2λ > 30 + 4X1 - 8X2 Si X2 = 0 La ecuación más general es:
-4X1 + 8X2 + 2λ > 30

Establecemos la igualdad, restando una variable de holgura (H2) al lado izquierdo
de la restricción.
-4X1 + 8X2 + 2λ - H2 = 30
Si la variable de holgura (H2) es igual a cero (0), la ecuación provino de la igualdad.

Esto, se expresa así: Si H2 = 0 => X2 > 0.
Si la variable de holgura (H2) es diferente de cero (0), la ecuación provino de la
desigualdad. Esto, se expresa así: Si H2 > 0 => X2 = 0.
Las anteriores dos deducciones se pueden expresar como: (H2)(X2) = 0, que en el
método simplex significa que las dos variables no pueden estar al mismo tiempo en la
base. Esto quiere decir, que al escoger la variable para entrar, debemos observar si su
compañera está o no en la base. Si está en la base, no podrá ser escogida para entrar y
procedemos a escoger la siguiente variable posible.
Ahora, escogemos variable básica para ésta ecuación. Como H2 asume un valor no
positivo (H2 = -30), debemos acudir a adicionar una variable artificial (A2) o de superávit
que sirva como variable básica.
-4X1 + 8X2 + 2λ - H2 + A2 = 30 (H2)(X2) = 0

Condición de entrada restringida
H2 = Variable de holgura o de relleno de la segunda restricción
A2 = Variable artificial o de superávit de la segunda restricción
De las condiciones 3 y 4 de Karush-Kuhn-Tucker (KKT)
X1 + 2X2 = 30 Si λ > 0
X1 + 2X2 < 30 Si λ = 0
X1 + 2X2 + H3 = 30 Si H3 = 0 => λ > 0

(H3)(λ) = 0
Si H3 > 0 => λ = 0

Ahora, formulamos el problema de programación lineal.
Minimizar Z = A1 + A2
Minimizar la sumatoria de las variables artificiales, por supuesto, que si el proble-
ma tiene solución factible, entonces Z deberá ser igual a cero (0) en el óptimo, ya que
ninguna variable artificial puede ser diferente de cero (0). Si en el óptimo, Z es diferente
de cero, el problema no tiene solución.
Nota: Recuerde el método de las dos (2) fases, en programación lineal.
C.S.R. 4X1 - 4X2 + λ - H1 + A1 = 15
-4X1 + 8X2 + 2 λ - H2 + A2 = 30
X1 + 2X2 + H3 = 30
Xj > 0 , j = 1,2 ; λ > 0 ; Hj > 0 , j = 1,2,3 , Aj > 0 ; j = 1,2
}
(H1)(X1) = 0
(H1)(X1) + (H2)(X2) + (H3)(λ) = 0
(H2)(X2) = 0
(H3)(λ) = 0 Restricción de complementariedad adicional
Cj → 0 0 0 0 0 0 1 1
b/a
↓ V.B. b X1 X2 λ H1 H2 H3 A1 A2
1 A1 15 4 -4 1 -1 0 0 1 0 no
1 A2 30 -4 8 2 0 -1 0 0 1 30/8 → (1/8)
0 H3 30 1 2 0 0 0 1 0 0 30/2
Zj -Cj 45 0 4 3 -1 -1 0 0 0
↑ (no)
Cj → 0 0 0 0 0 0 1 1
b/a
↓ V.B. b X1 X2 λ H1 H2 H3 A1 A2
1 A1 30 2 0 2 -1 -1/2 0 1 1/2 15
0 X2 30/8 -1/2 1 1/4 0 -1/8 0 0 1/8 no (4) (-2)
0 H3 90/4 2 0 -1/2 0 1/4 1 0 -1/4 45/4 → (1/2)
Zj -Cj 30 2 0 2 -1 -1/2 0 0 -1/2
↑ (no) (no)
Cj → 0 0 0 0 0 0 1 1
b/a
↓ V.B. b X1 X2 λ H1 H2 H3 A1 A2
1 A1 15/2 0 0 5/2 -1 -3/4 -1 1 3/4 3 → (2/5)
0 X2 75/8 0 1 1/8 0 -1/16 1/4 0 1/16 75
0 X1 45/4 1 0 -1/4 0 1/8 1/2 0 -1/8 no (1/2) (-2)
Zj -Cj 15/2 0 0 5/2 -1 -3/4 -1 0 -1/4
↑ (no) (no)

Cj → 0 0 0 0 0 0 1 1
↓ V.B. b X1 X2 λ H1 H2 H3 A1 A2
0 λ1 3 0 0 1 -2/5 -3/10 -2/5 2/5 3/10
0 X2 9 0 1 0 1/20 -1/40 3/10 -1/20 1/40
0 X1 12 1 0 0 -1/10 1/20 2/5 1/10 -1/20
Zj -Cj 0 0 0 0 0 0 0 -1 -1
Solución: X*1 = 12 λ=3 H*1 = H*2 = H*3 = 0
X*2 = 9 A*1 = A*2 = 0
Z* = 0
Solución al problema original: X*1 = 12 , X*2 = 9

Z* = 15(12) + 30(9) + 4(12)(9) - 2(12)2 - 4(9)2
Z* = 270
Empleando el método gráfico y los multiplicadores de Lagrange, halle el valor máximo
de Z, sujeta a cada restricción dada.
2.1 Z = XY 2.2 Z = 2XY 2.3 Z = 4 - X2 - Y2 2.4 Z = 3 - X2 - Y2

c.s.r. c.s.r. c.s.r. c.s.r.
2X + Y = 8 4X + Y = 16 X + 2Y = 10 X + 6Y = 37
Solución: Solución: Solución: Solución:
Z* = 8 Z* = 32 Z* = -16 Z* = -34
X* = 2 X* = 2 X* = 2 X* = 1
Y* = 4 Y* = 8 Y* = 4 Y* = 6
λ =2 λ = 4 λ = -4 λ = -2
Empleando el método gráfico y los multiplicadores de Lagrange, halle el valor

mínimo de Z, sujeta a cada restricción dada.
2.5 Z = X2 + Y2 2.6 Z = X2 + Y2 2.7 Z = 2Y2 - 6X2 2.8 Z = 2X2 + Y2 - XY

c.s.r. c.s.r. c.s.r. c.s.r.
2X + Y = 10 X + 4Y = 17 2X + Y = 4 X+Y=8
Solución: Solución: Solución: Solución:
Z* = 20 Z* = 17 Z* = -96 Z* = 28
X* = 4 X* = 1 X* = 8 X* = 3
Y* = 2 Y* = 4 Y* = -12 Y* = 5
λ = 4 λ =2 λ = -48 λ = 7

2.9 Z = X2 + Y2 + W2 2.10 Z = X2 + Y2 + W2
c.s.r. c.s.r.
Y + 2X - W = 3 X+Y+W=1
Solución: Solución:
Z* = 3/2 Z* = 1/3
X* = 1 X* = 1/3
Y* = 1/2 Y* = 1/3
W* = -1/2 W* = 1/3
λ = 1 λ = 2/3
Utilice el método de los multiplicadores de Lagrange para solucionar cada uno
de los siguientes problemas del 2.11 al 2.14:
2.11. De todos los números cuya suma es 70, halle los dos que tengan el máximo pro-
ducto.
Solución: Z* = 1225 , X* = 35 , Y* = 35 , λ = 35
2.12. De todos los números cuya suma es 50, halle los dos que tengan el máximo pro-
ducto.
Solución: Z* = 625 , X* = 25 , Y* = 25 , λ = 25
2.13. De todos los números cuya diferencia es 6, halle los dos que tengan el mínimo
producto.
Solución: Z* = -9 , X* = 3 , Y* = -3 , λ = -3
2.14. De todos los números cuya diferencia es 4, halle los dos que tengan el mínimo
producto.
Solución: Z* = -4 , X* = 2 , Y* = -2 , λ = -2
2.15. Maximización del área de digitación. Una hoja estándar de papel para digitar tiene
un perímetro de 39 pulgadas. Halle las dimensiones del papel que proporcione la
mayor área de digitación, sujeta a la restricción perimetral de 39 pulgadas. ¿Cuál
es el área? ¿La hoja estándar de 8,5x11 pulgadas, tiene un área máxima?
Solución: Z* = 1.521/16 , X* = 39/4 , Y* = 39/4 , λ = 39/8 . La hoja estándar de 8,5X11

pulgadas, no tiene un área máxima, por que el perímetro es de 39 pulgadas. Fíjese
que el perímetro de dicha hoja es: 2(8,5) + 2(11) = 39 pulgadas.
2.16. Maximización del área de habitación. Un carpintero está armando una habitación
rectangular con un perímetro fijo de 80 pies. ¿Cuáles son las dimensiones que se
pueden tomar para construir la mayor habitación? ¿Cuál es el área?
Solución: X* = 20 pies, Y* = 20 pies, Z* = 400 pies2, λ = 10 pies2

2.17. Minimización del área de superficie. Un barril de petróleo de tamaño estándar
tiene un volumen de 200 galones, es decir 27 pies3. ¿Qué dimensiones pueden
proporcionar la mínima área de superficie?. Halle esa área.
Solución: r* = 1,62577821 pies; h* = 3,251556421 pies; Z* = 49,82 pies3, λ = 1,2302

pies2/pie3
2.18. Problema de la lata de jugo. Una lata de tamaño estándar puede tener un volumen
de 99 pulg3. ¿Qué dimensiones debe proporcionar la mínima área de superficie?.
Halle el área.
Solución: r* = 2,5069; h* = 5,01431 ; Z* = 118,46 pulg2 ; λ = 0,797798

2.19. Maximización de las ventas totales. Las ventas totales S de una firma de un solo
producto están dadas por: S(L,M) = ML - L2; donde M corresponde al costo de los
materiales y L es el costo de mano de obra. Halle el valor máximo de esta función
sujeta a la restricción presupuestaria: M + L = 80.
Solución: M* = Costo de materiales = $60, L* = Costo de la mano de obra: $20, S* =
Ventas totales máximas: $800, λ = $20
2.20. Maximización de ventas totales: Las ventas totales S de una firma de un solo pro-
ducto están dadas por: S(L,M) = 2ML - L2; donde M corresponde al costo de los
materiales y L es el costo de mano de obra. Halle el valor máximo de esta función
sujeta a la restricción presupuestaria: M + L = 60.
Solución: L* = $20, M* = $40, S* = $1.200, λ = $40

2.21. Minimización de los costos de construcción. Una compañía está planeando cons-
truir un depósito cuyas dimensiones en pies3 serían de 252.000 pies3. Los costos de
construcción por pie2 se estiman así: Muros $3/pie2, Pisos: $4/ pie2, Techo: $3/pie2.
a) El costo total de la construcción es una función C(x,y,z), donde «x» es la longitud,
«y» corresponde al ancho y «z» es la altura. Halle la fórmula para C(x,y,z).
b) ¿Qué dimensiones de la construcción minimizarán el costo total?
Solución: a) C(x,y,z) = 7xy + 6yz + 6xz , b) x* = 60 pies, y* = 60 pies, z* = 70 pies, C*
= $75.600, λ = 0.2
2.22. Minimización de los costos de construcción de un contenedor. Una compañía de
contenedores desea construir un contenedor de embarque cuyo volumen sea de 12
pies3, con una parte superior e inferior cuadradas. Los costos de la parte superior y
los lados son de $2/pie2 y los de la parte inferior, son de $3/pie2. ¿Qué dimensiones
minimizarán el costo del contenedor?
Solución: l* = 2,1253 pies; h* = 2,6566 pies; λ = $3,7642; Z* = $67,7531

2.23. Minimización del costo total. Un producto se puede hacer en su totalidad en la

máquina A o en la máquina B, o en ambas. La naturaleza de las máquinas hace diferir
sus funciones de costos: Máquina A: C(x) = 10 + x2/6, Máquina B: C(y) = 200 + y3/9. El
costo total esta dado por: C(x) + C(y). ¿Cuántas unidades deben fabricarse en cada
máquina con el fin de minimizar los costos totales si se requieren x + y = 10.100?
Solución: x* = 10.000 unidades en la máquina A, y* = 100 unidades en la máquina B,
C*(x,y) = $16’777.978,78, λ = $3.333,3
En los siguientes ejercicios, (2.24 a 2.30), halle los valores máximos y mínimos indi-
cados de Z, sujetos a las restricciones dadas:
2.24. Min Z = XY 2.25. Min Z = 2X2 + Y2 + 2XY + 3X + 2Y

c.s.r. c.s.r.
X2 + Y2 = 4 Y2 = X + 1
Z* = +-2 Z* = -155/128 = - 1.21
X* = +-(2)1/2 X* = -7/16 = - 0.4375
Y* = +-(2)1/2 Y* = -3/4 = - 0.75
λ = +-1/2 λ = 1/4 = 0.25
2.26. Max Z = x + y + z 2.27. Max Z = x2y2z2

c.s.r. c.s.r.
x2 + y2 + z2 = 1 x2 + y2 + z2 = 1
x* = ± 1/3(3)1/2 x* = ± 1/3(3)1/2
y* = ± 1/3(3)1/2 y* = ± 1/3(3)1/2
z* = ± 1/3(3)1/2 z* = ± 1/3(3)1/2
λ* = ± 1/2(3)1/2 λ* = 1/9
Z* = ± (3)1/2 Z* = 1/27
2.28. Max Z = x + 2y - 2z 2.29. Max Z = x + y + z + t

c.s.r. c.s.r.
x2 + y2 + z2 = 4 x2 + y2 + z2 + t2 = 1
x* = 2/3
x* = ± 1/2
y* = 4/3 y* = ± 1/2
z* = 4/3 z* = ± 1/2
λ = 3/4 t* = ± 1/2
Z* = 2/3 λ* = ±1
Z* = 2

2.30. Min Z = x2 + y2 + z2 Solución: z* = 1/6
c.s.r. x* = 1/30 λ = 1/15
x - 2y + 5z = 1 y* = 1/15 Z* = 1/30
2.31. Economía: La ley de la productividad equimarginal. Suponga que p(x,y) representa

la producción de dos productos, por parte de una firma. No hay una fórmula para
p. La compañía produce «x» artículos del primer producto a un costo de c1, cada
uno, y «y» artículos del segundo producto a un costo de c2, cada uno. La restricción
presupuestaria B es una constante dada por: B = c1x + c2y. Halle el valor de λ con el
método de multiplicadores de Lagrange en términos de: px, py, c1, y c2. La ecuación
que resulta se llama la ley de la productividad equimarginal.
Solución: λ = px/c1 = py/c2

2.32. Negocios: Maximización de la producción. Una compañía de computadores tiene
la siguiente función de producción para un producto:
p(x,y) = 800x3/4y1/4, donde «x» es la mano de obra medida en dólares, y «y» es el
capital, en dólares. Suponga que una compañía puede hacer una inversión total
en mano de obra y capital de US$1’000.000. ¿Cómo asignaría la inversión entre la
mano de obra y el capital, con el fin de maximizar la producción?.
Solución: x* = 750.000, y* = 250.000, Z* = US$455’901.411,4; λ = US$455,9014114

2.33. Una compañía está planeando gastar $10.000 en propaganda. La propaganda
en televisión cuesta $3.000 el minuto y en radio, $1.000 el minuto. Si la empresa
compra «x» minutos de propaganda en televisión y «y» minutos de propaganda
en radio, esta renta en miles de dólares está establecida por: f(x,y) = -2x2 - y2 + xy
+ 8x + 3y. ¿Cómo puede la firma maximizar esta renta?
Solución: x* = 69/28 = $2,4643, y* = 73/28 = $2,6071, λ = 1/4.000 = $0,00025, f*(x,y)

= 841/56 = $15,01785
2.34. Resolver, empleando el método gráfico y los multiplicadores de Lagrange.
a) Min Z = 2X21 + 3X2 b) Max Z = X1X2 c) Max Z = X2 - X21

c.s.r. 5X1 - X2 = 5 c.s.r. X21 + X22 = 1 c.s.r.
Xj > 0 ; j = 1,2 Xj > 0 ; j = 1,2 -(10 - X21 - X2)3 < 0
-X1 < -2
Xj > 0 ; j = 1,2
Solución: Solución: Solución:
X*1 = 1 X*1 = (1/2)1/2 X*1 = 2
X*2 = 0 X*2 = (1/2)1/2 X*2 = 6
Z* = 2 Z* = 1/2 Z* = 2

d) Max Z = 5X21 + 2X22 e) Min Z = 0,04(X1 - 95)2 + 0,02(X2 - 195)2

c.s.r. c.s.r.
X1 + 2X2 = 6 0,2X1 + 0,2X2 < 20
X1 + X2 = 4 0,8X1 + 0,3X2 < 60
3X1 + 4X2 < 22 Xj > 0 ; j = 1,2
X*1 = 2 X*1 = 55
X*2 = 2 X*2 = 45
Z* = 28 Z* = 192
f ) Max y Min Z = X21 + 2X22

c.s.r.
X21 + X22 = 1
Xj > 0 ; j = 1,2
Solución: Máximo Solución: Mínimo
X*1 = 0 X*1 = 1
X*2 = 1 X*2 = 0
Z* = 2 Z* = 1
2.35. Resolver, empleando los multiplicadores de Lagrange

a) Max Z = 5X21 + 2X22 b) Minimice Z = 5X21 + 2X22 + X1X2 + 5X1
c.s.r. c.s.r.
X1 + 2X2 = 6 X1 < 4
X1 + X2 = 4 X2 < 6
3X1 + 4X2 < 22
X*1 = 2 X*1 = -20/39 = -0,512820512
X*2 = 2 X*2 = 5/39 = 0,128205128
Z* = 28 Z* = -1,28
c) Min Z = X21 + X22 + X23 d) Max Z = 50X1 + 70X2 - 900X11/2

c.s.r. - 1.200X21/2
X1 + X2 + 3X3 = 2 c.s.r.
5X1 + 2X2 + X3 = 5 5X1 + 6X2 = 5.000
2X1 + 4X2 = 3.000
Solución:
X*1 = 37/46 = 0,804347 Solución:
X*2 = 8/23 = 0,347826 X*1 = 250 λ1 = -0,73
X*3 = 13/46 = 0,282608 X*2 = 625 λ2 = 12,595
Z* = 39/46 = 0,847826 Z* = 12.019,75
λ1 = 2/23 = 0,086956
λ2 = 7/23 = 0,304347

e) Max f ) Max Z = X21 + 2X2 g) Min Z = 5X2 + 6Y2 - XY
Z = X21 + 2X22
Min c.s.r. c.s.r.
c.s.r. X21 + X22 = 1 X + 2Y = 24
X21 + X22 = 1
Máximo Mínimo Solución: Solución:
X*1 = 0 X*1 = ± 1 X*1 = 0 X* = 6
X*2 = ± 1 X*2 = 0 X*2 = 1 Y* = 9
Z* = 2 Z* = 1 Z* = 2 Z* = 612
2.36. Considere el siguiente problema de programación no lineal y Determine si X1 = 1,

X2 = 2 puede ser óptimo, aplicando las condiciones de Karush-Kuhn-Tucker (KKT).
Si no, cuál es la solución óptima? X*1, X*2, Z*.
Solución:
Max Z = 36X1 + 9X21 - 6X31 + 36X2 - 3X32 X1* = 1,605551275
c.s.r. X1 + X2 < 3 X2* = 1,394448725
X1 > 0 ; X2 > 0 Z* = 98,23299949
l* = 18,49961479
2.37. Considere el siguiente problema de programación convexa.

Maximice Z = 10X1 - 2X21 - X31 + 8X2 - X22, Sujeta a: X1 + X2 < 2 ; X1 > 0 , X2 > 0
a) Utilice las condiciones de KKT para demostrar que X1 = 1, X2 = 1 no es una so-
lución óptima.
b) Utilice las condiciones de KKT para encontrar una solución óptima.
2.38. Resuelva gráficamente. Maximice Z = 3X1 + 5X2

c.s.r. X1 < 4
8X1 - X21 + 14X2 - X22 < 49
Xj > 0 ; j = 1,2
2.39. Considere el siguiente problema de programación no lineal.

Max Z = 8X1 - X21 + 4X2 - X22
c.s.r. X1 + X2 < 2
Xj > 0 ; j = 1,2
a) Utilice las condiciones de KKT, para demostrar que X1 = 1, X2 = 1 no es una so-
lución óptima.
c) Formule el problema de programación lineal e identifique la restricción de com-
plementariedad adicional a que obliga el algoritmo de Philip-Wolfe.

2.40. Resuelva el siguiente problema de programación cuadrática.

Maximice Z = 8X1 - X21 + 4X2 - X22 sujeta a X1 + X2 < 2 y Xj > 0 ; j = 1,2. Use el método
modificado de Philip-Wolfe. Demuestre que la solución óptima, cumple las con-
diciones de KKT.
Solución: X*1 = 2, X*2 = 0, Z* = 12
2.41. Considere el siguiente problema de programación no lineal.
Max Z = X1 + X2
c.s.r. X21 + X22 < 1
Xj > 0 ; j = 1,2
a) Verifique que se trata de un problema de programación convexa.
b) Resuelva el problema gráficamente.
c) Use las condiciones de KKT para verificar (X1,X2) = (1/21/2,1/21/2) es óptima.
2.42. Considere el siguiente problema de programación convexa.
Max Z = 24X1 - X21 + 10X2 - X22 , sujeta a: X1 < 8, X2 < 7, Xj > 0 ; j = 1,2
Utilice las condiciones de KKT para encontrar una solución óptima.
2.43. Considere el siguiente problema de optimización linealmente restringida.
Max Z = Ln(1 + X1 + X2), sujeta a: X1 + 2X2 < 5 , Xj > 0 ; j = 1,2, donde Ln denota
logaritmo natural.
a) Verifique que se trata de un problema de programación convexa.
Solución: X*1 = 5, X*2 = 0, Z* = 1,791759

Capítulo 3. Modelos de optimización de redes
Capítulo 3.
Modelos de optimización de redes
3
4 7
8
3 2
9
2 2
6 5
7
6 8
1 7 5 8 10
6
8 9
3 7 8
8
4
6 9
6
Introducción
Inicialmente la Ingeniería Eléctrica se interesó bastante en el análisis de flujos de re-
des. Actualmente, su importancia ha crecido en otros campos, tales como la teoría de
la información, la cibernética, los sistemas de transporte y la planeación y control de
proyectos de investigación y desarrollo, entre otros.
En este capítulo, se estudian los algoritmos para la optimización de redes, tales
como: El problema del flujo máximo, el problema de la ruta más corta, el problema del
árbol de mínimo recorrido y el algoritmo de la triple operación. Algunos conceptos
básicos de la teoría de grafos son:
Gráfica: Una gráfica es una serie de puntos llamados nodos, conectados por medio
de ramales.
2 4 Ramal
1 5
3 6 Nodo

Red: Es una gráfica con algún tipo de flujo en sus ramales.
Ejemplos de redes:
Nodo Ramales Flujo

Cruce vehicular Calles Vehículos
Aeropuerto Rutas aéreas Aviones
Conexiones Alambres, canales Mensajes
Estaciones de bombeo Tubería Fluidos
Centros de trabajo Rutas de manejo de materiales Trabajos
Cadena: Es una secuencia de ramales que va de un nodo a otro; observando

la gráfica anterior, una de las cadenas que conecta el nodo 1 al
nodo 6 es: [(1,2),(2,5),(5,6)].
Ruta: Es el conjunto de los elementos en una cadena, ej: 1-2-5-6 (Gráfico
anterior).
Ciclo: Es una cadena que conecta un nodo consigo mismo, ej: 2-3-4-2
(Gráfico anterior).
Gráfica conectada: Una gráfica se llama conectada, si hay al menos una cadena conec-
tando cada par de nodos.
2 4 2 4
1 5 1 5
3 6 3 6
Gráfica conectada Gráfica no conectada
Árbol: Es una gráfica sin ciclos
2 4
1 3 5 6
Un ramal de una gráfica se llama orientado o dirigido, si hay un sentido de dirección

atribuido al ramal de tal forma que un nodo es el origen y el otro, es el destino.
Gráfica orientada: Es aquella en que todos sus ramales están orientados.

La dirección de flujo de una dirección específica, es el límite superior de la rata de

flujo en ese ramal y en esa dirección. Una capacidad de flujo puede tener cualquier
valor no negativo, hasta infinito. Un ramal está orientado si la capacidad de flujo, en
una dirección, es cero (0). Un nodo, en el que todos sus ramales, están orientados hacia
afuera, se llama fuente u origen. Un nodo, en el que todos sus ramales, están orientados
hacia el nodo, se llama receptor o terminal.
Problema del flujo máximo
Modelo matemático de programación lineal

Para una red con «n» nodos, indicamos con «1» el nodo origen y con «n» el nodo des-
tino. Sean:
Xij = Unidades de flujo que se transportan desde el nodo i-ésimo al nodo j-ésimo.
uij = Capacidad máxima de flujo desde el nodo i-ésimo al nodo j-ésimo.
n Maximizar la sumatoria del flujo que sale del

Maximizar Z = Σ X ij ; i=1 nodo fuente u origen (i = 1) hacia los demás
j=1 nodos.
Con las siguientes restricciones:
Restricciones para el nodo inicio (i = 1)

La sumatoria de todo el flujo que sale del nodo
inicio (i = 1) menos la suma de todo lo que entra
Σj X - Σj X = Z ; i = 1
ij ji al nodo inicio (flujo neto) debe ser igual al flujo
máximo de la red.
Restricciones para los nodos intermedios (i # 1 ^ j # n)
Σj X - Σj X = 0
ij ji
La sumatoria del flujo que sale del nodo i-ésimo
debe ser igual a la sumatoria del flujo que entra
al nodo i-ésimo, «Conservación del flujo».

Restricciones para el nodo final (i = n)
Σj X - Σj X = -Z ; i = n
ij ji
El flujo neto al nodo destino debe ser igual a Z o el
flujo neto, desde el nodo destino (i = n) a cualquiera
de los demás nodos, debe ser igual a -Z.
Restricciones de no negatividad y de capacidad
Ningún ramal puede transportar cantidades de

0 < Xij < uij flujo negativo y como máximo podrá transportar
el valor de su capacidad.
Algoritmo para el problema del flujo máximo

Ford - Fulkerson
Para problemas pequeños, con pocos nodos, se usa el siguiente algoritmo que es muy
práctico y sencillo.
1. Busque una ruta entre el nodo origen y el nodo destino, con la mayor capacidad
positiva posible y de sencilla visualización.
2. Busque la capacidad mínima en ésta ruta y aumente el flujo por ese valor.
3. Disminuya las capacidades en la dirección del flujo y auméntelas en la dirección
contraria.
4. Repita los pasos 1,2 y 3 hasta que no encuentre una ruta con capacidad positiva.
Ejemplo 3.1
Usted es el responsable del transporte de petróleo crudo a diversos tanques de al-
macenamiento. En la figura, se presenta la red de oleoductos. Las unidades de flujo
están expresadas en cientos de galones diarios. La capacidad total a transportar es de
500.000 galones.
a. ¿Cuál es el flujo máximo del nodo 1 al nodo 7 ?
b. Si se dobla la capacidad del oleoducto que conecta los tanques 1 y 4. ¿Cuál es
el nuevo flujo máximo? y ¿Cuál es la reducción en días del transporte de los
500.000 galones?
8 8
4 5 10
0 7
11 7 0
7
7 7 7 10 0
1 3 6 7
8 6
11 0
8 6
0
2 7

Se escoge la ruta 1-4-5-7 que deja pasar como máximo una cantidad de flujo po-
sitivo de 8 unidades.
Ruta: 1-4-5-7 = 8 unidades de flujo.
La gráfica queda de la siguiente manera:
0 16 2
8 8 8
0 4 5 10
3 7 8
11 7 0
7
7 7 7 10 0
FT = 8 1 3 6 7 FT = 8
8 6
11 0
8 6
0
2 7
Ruta: 1-2-7 = 7 unidades de flujo
0 16 2
8 8 8
0 4 5 10
3 7 8
11 7 0
15 7 15
7 7 7 10 0
FT = 8 1 3 6 7 FT = 8
8 6
11 0
4 7
8 6
0
7 2 7
0
Fíjese que este procedimiento se puede hacer todo, sobre la gráfica inicial. Después
de elegir la ruta 1-4-3-6-7 con 3 unidades de flujo y la ruta 1-2-6-7 con 4 unidades de
flujo, la gráfica queda así:
11 0 16 2
8 8 8
22 0 4 5 10 22
3 0 7 8
18 7 3 18
11 7 0
15 4 10 7 15
FT = 8 > 1 10 7 3
74
10 6
7
6
10 730
7 > FT = 8
8 0
11
4
2 7
8 6
0 0
7 2 7
11 0

Aquí, ya no hay ninguna ruta con capacidad positiva de flujo. Luego la solución al
inciso a) es:
Flujo máximo del nodo 1 al nodo 7 es de 2.200 galones diarios, que se transpor-
taran en:
500.000 galones/2.200 galones/día. = 227,27 días.
b) Al considerar la posibilidad de duplicar la capacidad del oleoducto que conecta
los tanques 1 y 4, para no repetir el problema desde el principio, simplemente,
recargamos en la última red, el ramal 1-4, en 11 unidades de flujo (para completar
las 22 unidades de flujo) y aplicamos de nuevo el algoritmo, quedando la red de la
siguiente manera:
11 11 0 16 2
0 8 8 8
22 4 5 10 22
3 0 7 8
18 7 3 18
11 7 0
15 4 10 7 15
74 7 10 730
FT = 8 1 10 7 3 6 7 FT = 8
8 10 6
11 0
4
2 7
8 6
0 0
7 2 7
11 0
Escogiendo la ruta 1-4-3-6-7 = 3 unidades de flujo y la ruta 1-4-3-5-7 = 1 unidad

de flujo, la gráfica queda así:
15
7
14
26 8 1 26
11 0 16
25 11 2 25
8 8 8 10 9
22 0
0 4 14 5 10 22
3 6 87 7 8
18 7 13 0 18
15 11 10 7 10
3
3 0 15
4 7 0
1 741 7
FT = 8 1 7 3 6 10
7 FT = 8
0 8 10 6
11 0
2
4 7
8 6
0 0
7 2 7
11 0
Flujo máximo: 2.600 galones diarios.

Días = 500.000 Galones/2.600 Galones/día = 192,31 días.
Reducción = 227,27 - 192,31 = 34,96 días.

Una buena pregunta aquí, es: ¿ Cómo viajan las unidades de flujo a través de la
red ? Para encontrar la solución, basta con hallar la diferencia entre el primer valor y el
último, para cada valor Xij, en la red. Por ejemplo: Para X12, en el extremo izquierdo 11 - 0
= 11; o en el extremo derecho 11 - 0 = 11. Para X57, en el extremo izquierdo 10 - 1 = 9; o
en el extremo derecho 9 - 0 = 9. Haciendo todos los cálculos, se determina que el flujo
viaja de la siguiente forma:
8
4 5
15 9
7 1
6 10 FT = 26
FT = 26 1 3 6 7
0 4
11 7 Cuando se pasan 26 unida-
2 des de flujo
Ahora, aplicando el modelo matemático de programación lineal al inciso a), tenemos:
Xij=Unidades de flujo a enviar desde el nodo i-ésimo al nodo j-ésimo siendo i diferen-
te de j
Maximizar: Z = X14 + X12 Maximizar la sumatoria del flujo neto que sale del nodo
origen.
Con las siguientes restricciones:
X14 + X12 - X41 - X21 = X14 + X12 La suma de lo que entra al nodo inicio debe
X21 + X41 = 0 ser igual a cero «0».
X21 = X41 = 0
i = 2 X21 + X23 + X26 + X27 = X12 + X32 + X62 + X72 Restricciones de conserva-
i = 3 X32 + X34 + X35 + X36 = X23 + X43 + X53 + X63 ción del flujo.
i = 4 X41 + X45 + X43 = X14 + X34 + X54
i = 5 X53 + X54 + X57 = X35 + X45 + X75 Fíjese que: X21 = X41 = X72 =
i = 6 X62 + X63 + X67 = X26 + X36 + X76 X75 = X76 = 0
Restricción para el nodo

X72 + X76 + X75 - X27 - X67 - X57 = -X14 - X12 final.
X72 = X76 = X75 = 0
0 < X12 < 11 0 < X41 < 0 0 < X26 < 6 0 < X27 < 7 Ningún ramal puede trans-
0 < X21 < 0 0 < X54 < 8 0 < X62 < 6 0 < X72 < 0 portar cantidades de flujo
negativo y como máximo,
0 < X45 < 8 0 < X57 < 10 0 < X63 < 7 0 < X67 < 10
podrá transportar el valor
0 < X53 < 7 0 < X75 < 0 0 < X36 < 7 0 < X76 < 0 de su capacidad uij
0 < X35 < 7 0 < X32 < 8 0 < X34 < 7
0 < X14 < 11 0 < X23 < 8 0 < X43 < 7

Simplificando, la formulación queda así:
Max Z = X14 + X12
c.s.r. 0 < X12 < 11 0 < X26 < 6
- X12 + X23 + X26 + X27 - X32 - X62 = 0 0 < X45 < 8 0 < X62 < 6
- X14 - X34 + X43 + X45 - X54 = 0 0 < X53 < 7 0 < X63 < 7
- X23 + X32 + X34 + X35 - X43 - X53 - X63 + X36 = 0 0 < X35 < 7 0 < X36 < 7
- X35 - X45 + X53 + X54 + X57 = 0 0 < X14 < 11 0 < X34 < 7
- X26 - X36 + X62 + X63 + X67 = 0 0 < X54 < 8 0 < X43 < 7
X14 + X12 - X27 - X67 - X57 = 0 0 < X57 < 10 0 < X27 < 7
0 < X32 < 8 0 < X67 < 10
0 < X23 < 8
Empleando el WinQsb, obtenemos la siguiente solución óptima:

X*12 = 11 ; X*14 = 11 ; X*32 = 1 ; X*43 = 3 ; X*45 = 8 ; X*26 = 5 ; X*27 = 7 ; X*35 = 2 ; X*57 = 10 ; X*67
= 5 ; Z* = 22
8
4 5
11 10
3 2
0 5 FT = 22
FT = 22 1 3 6 7
1 5
11 7 Cuando pasan 22 unidades
2 de flujo
Ejemplo 3.2
En la siguiente red, encuentre el flujo máximo desde el nodo 1 al nodo 7.
a. Empleando el modelo matemático de programación lineal y el software WinQsb
o la herramienta de solver de Excel.
b. Empleando el algoritmo del flujo máximo.
0 4 4
8 0 3
0 2 4
1 0
7 8 0
7 0
1 5 7
10 0 2 0 4 0
0 3 3
3 4
0 6 5

a) Modelo matemático de programación lineal.

Xij = Unidades de flujo a transportar desde el nodo i-ésimo al nodo j-ésimo.
Maximizar Z = X12 + X13

c.s.r.
t
X21 + X31 = 0 Nodo 1
X23 + X24 + X25 - X12 = 0 Nodo 2
X13 + X23 - X34 - X35 - X36 = 0 Nodo 3
X24 + X34 + X54 - X45 - X47 = 0 Nodo 4 Restricciones de balance.
X25 + X35 + X45 + X65 - X54 - X56 - X57 = 0 Nodo 5
X36 + X56 - X65 - X67 = 0 Nodo 6
X47 + X57 + X67 - X12 - X13 = 0 Nodo 7
0 < X12 < 7 0 < X34 < 2 0 < X54 < 1
0 < X13 < 10 0 < X35 < 3 0 < X56 < 4
0 < X23 < 8 0 < X36 < 3 0 < X57 < 7 Restricciones de capacidad de
0 < X24 < 8 0 < X45 < 3 0 < X65 < 4 flujo.
0 < X25 < 4 0 < X47 < 4 0 < X67 < 5
Usando la opción «Maximal Flow Problem» del módulo «Network Modeling» del
WinQsb, obtenemos las siguientes ventanas y solución:
X*12 = 7 X*36 = 3
X*13 = 8 X*45 = 1
X*24 = 3 X*47 = 4
X*25 = 4 X*56 = 1
X*34 = 2 X*57 = 7
X*35 = 3 X*67 = 4
Z* = 15 unidades de flujo

Usando el módulo «Linear and Integer Programming» del WinQsb, obtenemos las
siguientes ventanas y solución.
Fíjese que el problema

tiene soluciones alternas
Gráficamente: 4
3
4
2 4 1
7
0 7
1 2 5 7
8 3
3 1
4
3
6

b) Usando el algoritmo del flujo máximo.
0 0
7
15 4 4 4 4 15
6 4
14 0 8 0 3 14
4 4
12 1 2 1 0 7 12
0 2 421 3 4
10 3 7 2 2 5 10
3 2 13 0
7 7 8 4 3 7
2 0 7
7 0
FT = 4 1 0 0 5 7 FT = 4
3 0
10 0 2 0 4 2 0
7 8 3 3 3 1 4
3
0 3
4 0 5 7 4
4
3 3 4
2
6 0 3
0 6 5
8
3 2
1
Fíjese que esta, es una solución alterna a la ofrecida por el WinQsb.
El problema de la ruta más corta

Consiste en la búsqueda de la ruta más corta, desde un nodo origen a un nodo destino,
por medio de una red conectante.
Algoritmo al problema de la ruta más corta

Algoritmo de Dijkstra
1. Costruir una tabla que muestre los ramales saliendo de cada nodo, organizados
ascendentemente, sin incluir los que entran al origen y los que salen del destino.
2. Empezando en el nodo origen, reserve el ramal que une al nodo origen con el
nodo más cercano a él (el más superior en la lista y de magnitud más pequeña)
y tache todos los ramales que entran a ese nodo.
3. Establezca, para cada nodo conectado, la distancia desde el nodo más cercano
(el más superior en la lista sin tachar ni reservar), al nodo origen.
4. Reserve el ramal que tenga el nodo más cercano al origen y tache todos los
ramales que entran a él.
5. Regrese al tercer paso, hasta que todos los ramales queden reservados o tachados.

3.3 Se requiere saber la ruta más corta de «O» a «T».
8 3
A C F
3 2 9
7
2 5
Origen 6 Destino
6 8
O 7 D G T
6 9
7 8
8 8
B E H
4 6
0 7
O A B C D E F G H T
OA = 7 AD = 6 BE = 4 CD = 2 DC = 2 EB = 4 FD = 2 GC = 3 HE = 6
OB = 8 AB = 7 BD = 6 CF = 3 DF = 2 EH = 6 FC = 3 GF = 5 HG = 8
AC = 8 BA = 7 CG = 3 DA = 6 ED = 7 FG = 5 GD = 6 HT = 8
CA = 8 DB = 6 EG = 9 FT = 9 GH = 8
DG = 6 GT = 8
DE = 7 GE = 9
El nodo A es el más cercano al nodo origen. Sobre la columna del nodo A colocamos
la distancia desde el nodo origen al nodo A. Tachamos todos los ramales que entran al
nodo A (BA, CA). El criterio es: Si ya salimos del nodo origen, para qué volver a él. Si ya
decidimos llegar al nodo A, a través del ramal AO, descartamos los demás nodos que
entran en el nodo A.
0 7
O A B C D E F G H T
CA = 8 DB = 6 EG = 9 FT = 9 GH = 8
DG = 6 GT = 8
DE = 7 GE = 9
7 13
8
La distancia más corta, desde un nodo al nodo origen, a través de un nodo conec-
tado, es 8, a través del nodo B.

Conectamos el nodo OB a la red de la ruta más corta y tachamos los demás rama-
les, entrando al nodo B (AB, DB, EB). Encima de la columna del nodo B colocamos la
distancia total desde el origen al nodo B (0 + 8 = 8). Actualizamos las listas al final de
cada columna de los nodos conectados (A = 7 + 6 = 13, B = 8 + 4 = 12) y descartamos
las columnas que tengan todos sus ramales asignados o tachados.
0 7 8
O A B C D E F G H T
CA = 8 DB = 6 EG = 9 FT = 9 GH = 8
DG = 6 GT = 8
DE = 7 GE = 9
7 13 12
nota: En caso de empate al escoger el nodo que se encuentra más cerca al nodo
origen a través de un nodo conectado, elija al azar; ello, indica que el problema tiene
soluciones alternas. El nodo más cercano a un nodo conectado, que a su vez, es el más
cercano al origen, es el nodo E, que se encuentra a 4 unidades del nodo conectado B
y a 12 unidades del nodo origen. El anterior proceso se repite sobre el mismo tablero,
quedando éste, al final, así:
0 7 8 15 13 12 15 18 18 24
O A B C D E F G H T
CA = 8 DB = 6 EG = 9 FT = 9 GH = 8
DG = 6 GT = 8
DE = 7 GE = 9
7 13 12 18 15 18 20 26 26
8 15 14 19 24

Fíjese que sobre el encabezado de cada columna, de cada nodo, queda registrada
la distancia más corta, desde cada nodo al origen; por eso, decimos que el algoritmo
nos ofrece la ruta más corta, desde el origen a cada nodo.
8
A C F
3 2 9
7
6 Destino
O D G T
8
B E H
4 6
Ruta más corta : O - A - D - F - T

Distancia mínima: 24 unidades.
Ruta más corta desde el nodo origen O

Al nodo A (O - A) : 7 unidades de distancia.
Al nodo B (O - B) : 8 unidades de distancia.
Al nodo C (O - A - C) : 15 unidades de distancia.
Al nodo D (O - A - D) : 13 unidades de distancia.
Al nodo E (O - B - E) : 12 unidades de distancia.
Al nodo F (O - A - D - F) : 15 unidades de distancia.
Al nodo G (O - A - C - G) : 18 unidades de distancia.
Al nodo H (O - B - E - H) : 18 unidades de distancia.
Modelo matemático de programación lineal

Para una red con «n» nodos, indiquemos con «1» el nodo origen y con «n» el nodo destino.
Sea Cij = Costo de ir del nodo i-ésimo al nodo j-ésimo.
Xij = 0, 1
Si Xij = 0, no asigne el arco ij a la red de la ruta más corta.
Si Xij = 1, si asigne el arco ij a la red de la ruta más corta.

Minimizar Z = ΣC X
ij ij
Arco(i,j)
Se excluyen los arcos entrando al origen y los arcos que
salen del destino (i,1) y (n,j)
c.s.r.
ΣX = 1 ij
Para el nodo origen (i = 1). Nos obliga a salir del nodo
origen (1).
Arco(i,j)
ΣX - ΣX = 0
Arco(i,j)
ij ji
Arco(j,i)
Para los nodos intermedios, (i # 1, i # n). Nos obliga a
salir de un nodo intermedio, si llegamos a él.
ΣX = 1 ij
Para el nodo final (j = n). Nos obliga llegar al nodo
destino.
Arco(i,j)
Formulación del problema:
8 3
2 4 7
3 2 9
7
2 5
Origen 6 Destino
6 8
1 7 5 8 10
6 9
7 8
8 8
3 6 9
4 6
Min Z = 7X12 + 8X13 + 7X23 + 7X32 + 8X24 + 8X42 + 6X25 + 6X52 + 6X35 + 6X53 + 4X36 + 4X63 +
3X47 + 3X74 + 3X48 + 3X84 + 2X45 + 2X54 + 7X65 + 7X56 + 9X68 + 9X86 + 6X69 + 6X96
+ 2X75 + 2X57 + 5X78 + 5X87 + 9X7,10 + 6X85 + 6X58 + 8X89 + 8X98 + 8X8,10 + 8X9,10
c.s.r.
X12 + X13 = 1
X23 + X24 + X25 - X12 - X32 - X42 - X52 = 0 i=1
X32 + X35 + X36 - X13 - X23 - X53 - X63 = 0 i=2
X42 + X45 + X48 + X47 - X24 - X54 - X84 - X74 = 0 i=3
X52 + X53 + X54 + X56 + X57 + X58 - X25 - X35 - X45 - X65 - X75 - X85 = 0 i=4
X63 + X65 + X68 + X69 - X36 - X56 - X86 - X96 = 0 i=5
X74 + X75 + X78 + X7,10 - X47 - X57 - X87 = 0 i=6
X84 + X85 + X86 - X87 + X89 + X8,10 - X48 - X58 - X68 - X78 - X98 = 0 i=7
X96 + X98 + X9,10 - X69 - X89 = 0 i=8
X7,10 + X8,10 + X9,10 = 1 i=9
Xij = 0,1 i = 10

Empleando el WinQsb, la solución es:
X*12 = 1 ; X*25 = 1 ; X*57 = 1 ; X*7,10 = 1 ; Z* = 24
El WinQsb, en su módulo de «Network Modeling», dispone de la opción «Shortest

Path» que de manera amigable, captura los datos de entrada y automáticamente, ofrece
al usuario la solución óptima mediante las siguientes ventanas:
También se puede usar el módulo «Linear and Integer Programming», empleando

la opción de programación binaria. El lector debe explorar ésta opción y solucionar el
problema mediante ella.
Ejemplo 3.4
Se desea determinar la política óptima de sustitución de equipos para cierto horizonte
de planificación. El esquema representa las estrategias de reemplazo donde un arco
del nodo i (año) al nodo j, representa una actuación de compra de material, en el año i
y su sustitución, en el año j, con Cij equivalente al costo de sustitución.

700
340 150
200
100 150 200 80 120

1 2 3 4 5 6
300
400
500
Se desea conocer la política de sustitución más económica.
0 100 200 340 420 490

1 2 3 4 5 6
12 = 100 23 = 150 34 = 200 45 = 80 56 = 120
13 = 200 24 = 300 46 = 150
14 = 340 25 = 400
16 = 700 26 = 500
100 250 400 420 540

200 400 490
340 500
700 600
Solución óptima de sustitución: 1 - 4 - 6 : $490. Comprar equipos en el año 1, sustituir
los equipos en el año 4 y por último, venderlos al final del año 6.
340 150
200
100 80
1 2 3 4 5 6
Usando el modelo matemático para programación lineal.

Xij = 0,1 = Variable binaria.
Xij = 1 = Sustituir el equipo comprado en el año i-ésimo (1,2,3,4,5), en el año
j-ésimo (2,3,4,5,6).
Xij = 0 = No sustituir el equipo comprado en el año i-ésimo (1,2,3,4,5), en el año
j-ésimo (2,3,4,5,6).

Minimizar Z = 100X12 + 200X13 + 340X14 + 700X16 + 150X23 + 300X24 + 400X25 + 500X26 +
200X34 + 80X45 + 150X46 + 120X56
c.s.r.
X12 + X13 + X14 + X16 = 1 Nodo 1
X12 - X23 - X24 - X25 - X26 = 0 Nodo 2
X13 + X23 - X34 = 0 Nodo 3
X14 + X24 + X34 - X45 - X46 = 0 Nodo 4
X25 + X45 - X56 = 0 Nodo 5
X16 + X26 + X46 + X56 = 1 Nodo 6
Empleando el módulo «Linear and Integer Programming» del WiQsb, se obtiene la

siguiente solución óptima.
X*12 = X*13 = X*16 = X*23 = X*24 = X*25 = X*26 = X*34 = X*45 = X*56 = 0
X*14 = X*46 = 1
Z* = $490
Ejemplo 3.5
Usted tiene que conducir todos los días, de su residencia a la Universidad de Ibagué.
Habiendo tomado sólo una clase de análisis de redes, pudo determinar la ruta más corta
para llegar a la universidad. Para su decepción, descubrió que su ruta más corta estaba
muy vigilada por la policía, que siempre lo detenía injustamente por violar los límites
de velocidad (así le parecía a Usted, en particular, cuando se le hacía tarde para llegar a
la universidad). Con todas las multas que ha pagado (y el hecho de no poder levantarse
lo suficientemente temprano para llegar a tiempo a la universidad, sin exceder el límite
de velocidad), llegó a la conclusión de que su ruta más corta, evidentemente, no era la
más económica. Por lo tanto, decidió estudiar el problema desde un ángulo diferente.
Usted desearía elegir su ruta de manera que se maximice la probabilidad total de no ser
detenido por la policía. Observando todos los segmentos del camino factible entre su
residencia y la universidad, recopiló las probabilidades que se indican en los distintos
arcos de la red dirigida siguiente:
0,8 0,35
2 4 6
0,2 0,6 0,1 0,4 0,5
1 3 5 7
0,9 0,3 0,25
0,25 = Probabilidad de no ser detenido en el trayecto 5 - 7

Nota: La probabilidad de no ser detenido en la ruta 1 - 2 - 4 - 6 - 7 es: p(1,2)p(2,4)p(4,6)

p(6,7) = (0,2)(0,8)(0,35)(0.5) = 0,028
Aplicando las propiedades de los logaritmos, tenemos:
p(1,7) = p(1,2)p(2,4)p(4,6)p(6,7)
ln p(1,7) = ln p(1,2) + ln p(2,4) + ln p(4,6) + ln p(6,7)
ln p(1,7) = ln(0,2) + ln(0,8) + ln(0,35) + ln(0,5)
ln p(1,7) = -1,609437912 - 0,223143551 - 1,049822124 - 0,69314718
ln p(1,7) = -3,575550767
p(1,7) = antilogaritmo(-3,575550767) = 0,028
Como estamos maximizando la probabilidad, para aplicar el algoritmo de la ruta más

corta, debemos minimizar la suma de los menos (-) logaritmos, aplicando la regla de
equivalencia: Max(Z) = Min(-Z) ó Min(Z) = Max(-Z).
La red equivalente es:
0,223143551 1,049822124
2 4 6
1,609437912 0,69314718
0,510825623 2,302585093 0,916290731
1 3 5 7
0,105360515 1,203972804 1,386294361
0 1,609 0,105 1,832 1,308 2,881 2,694

1 2 3 4 5 6 7
1,3=0,105 2,4=0,223 3,5=1.203 4,5=0,916 5,7=1,386 6,7=0,693
1,2=1,609 2,3=0,510 3,4=2,302 4,6=1,049
0,105 1,832 1,308 2,881 2,694 3,574
1,609 2,407
Luego, la ruta más corta es: 1-3-5-7, con una probabilidad máxima de no ser detenido
de (0,9)(0,3)(0,25) = 0,0675.
De otra manera: Antilogaritmo de (-2,69562768) = 0,0675 ó
e-2,69562768 = 1/e2,69562768 = 0,0675

Otra forma de resolver el problema anterior es:
Cualidades del problema: Es de maximización.
Es probabilístico.
Modificamos el algoritmo en los siguientes puntos:

En lugar de hacer la lista ascendente, la hacemos descendente.
En lugar de sumar los acumulados, los multiplicamos.
0 0,2 0,9 0,16 0,27 0,056 0,0675

1 2 3 4 5 6 7
1,3 = 0,9 2,4 = 0,8 3,5 = 0,3 4,5 = 0,4 5,7 = 0,25 6,7 = 0,5
1,2 = 0,2 2,3 = 0,6 3,4 = 0,1 4,6 = 0,35
0,9 0,16 0,27 0,056 0,0675 0,028
0,2 0,09
0,2 0,16 0,056

2 4 6
1 3 5 7
0,9 0,27 0,0675
A medida que se acerca al destino, la probabilidad de ser detenido es menor.
El problema del árbol de mínimo recorrido

Característica: Es una variación al problema de la ruta más corta.
Objetivo: Hallar, en una red, los ramales que tengan una distancia total mínima,
mientras que conectan cada par de nodos; los ramales se escogen, de tal manera, que
la red resultante componga un árbol que alcance todos los nodos, luego el problema
es encontrar un árbol alcanzante con una distancia total mínima.

Aplicaciones: En la planeación de redes de transporte, en la planeación de redes

grandes de comunicaciones.
Algoritmo al problema del árbol de mínimo recorrido

Algoritmo de Kruskal
1. Construir una tabla que muestre todos los ramales saliendo de cada nodo, or-
ganizados ascendentemente.
2. Escoja, arbitrariamente, cualquier nodo y conéctelo al nodo más cercano.
3. Identifique el nodo no conectado que esté más cercano a un nodo conectado
y conecte estos nodos.
4. Tache los ramales del nodo conectado a otro nodo que ya esté conectado, para
evitar ciclos.
5. Repita los pasos 3. y 4. hasta que todos los nodos estén conectados.
Ejemplo 3.6
Para la siguiente red, encuentre el árbol (red sin ciclos) de mínima expansión.
8 3
A C F
3 2 9
7
2 5
6
6 8
O 7 D G T
6 9
7 8
8 8
B E H
4 6
Fíjese que aquí no hay un nodo

origen, ni un nodo destino
El objetivo es unir o conectar todos los nodos, de tal forma que la red resultante
sea un árbol de mínima expansión. Aquí, podemos empezar por cualquier nodo e ir
configurando el árbol de mínimo recorrido.
Recuerde que un árbol es una red que no tiene ciclos. Si se sale de un nodo, no
podemos regresar a él.

X X
O A B C D E F G H T
OA = 7 AD = 6 BE = 4 CD = 2 DC = 2 EB = 4 FD = 2 GC = 3 HE = 6 TG = 8
OB = 8 AO = 7 BD = 6 CF = 3 DF = 2 EH = 6 FC = 3 GF = 5 HG = 8 TH = 8
AB = 7 BA = 7 CG = 3 DA = 6 ED = 7 FG = 5 GD = 6 HT = 8 TF = 9
AC = 8 BO = 8 CA = 8 DB = 6 EG = 9 FT = 9 GH = 8
DG = 6 GT = 8
DE = 7 GE = 9
Fíjese que se han incluido «todos» los ramales de la red.
Si se escoge el nodo «O» para empezar (recuerde, puede empezar por cualquier
nodo), colocamos una «X» en la cabecera de su columna, lo que significa que el nodo
«O» ha sido conectado al árbol de mínimo recorrido. Escogemos el ramal más próximo
a un nodo conectado, OA en éste caso (por supuesto, el más superior en la lista de «O»),
y lo conectamos al árbol de mínimo recorrido. Sobre la cabecera de A colocamos una
X y tachamos el ramal inverso AO. Ahora, tachamos todos los ramales en la lista de «A»
que conectan este nodo con otro nodo ya conectado (que tenga la «X» en su cabecera);
¡por supuesto!, para el primer nodo conectado no existe ningún ramal que lo conecte
con otro nodo conectado, ya que como mínimo se necesitan tres nodos para formar
un ciclo y en el momento, sólo hemos conectado dos nodos.
Ahora, escogemos el nodo que esté más cerca a un nodo ya conectado; los candi-
datos son: OB = 8, AD = 6, ¡por supuesto!, escogemos AD = 6, lo reservamos, colocamos
una «X» sobre la cabecera de la columna del nodo «D» que acaba de ser añadido al árbol
de mínimo recorrido y en esta columna tachamos los ramales que conecten a «D» con
el nodo «O» y con el nodo «A», ésto es DA, también, tachamos el ramal inverso DA, para
que no quede doblemente contabilizado, en este caso DA cumple las dos condiciones,
es el nodo inverso y conecta al nodo «D» con el nodo ya conectado «A».
X X X
O A B C D E F G H T
AC = 8 BO = 8 CA = 8 DB = 6 EG = 9 FT = 9 GH = 8
DG = 6 GT = 8
DE = 7 GE = 9

Conectamos el nodo más cercano a un nodo conectado, candidatos: OB = 8, AB

= 7 y DC = 2, por ¡supuesto! DC = 2 es seleccionado y conectado al árbol de mínimo
recorrido. Colocamos la «X» sobre la cabecera de la columna del nodo «C» y tachamos
el ramal inverso CD y el ramal CA que conecta al nodo «C» con el nodo «A», que es un
nodo ya conectado; con esto, evitamos formar un ciclo.
X X X X
O A B C D E F G H T
AC = 8 BO = 8 CA = 8 DB = 6 EG = 9 FT = 9 GH = 8
DG = 6 GT = 8
DE = 7 GE = 9
NOTA: En caso de empate al escoger el nodo más cercano a un nodo conectado, elija
al azar. Esta situación, indica que el problema tiene soluciones alternas. Repitiendo el
algoritmo, el tablero final queda así:
X X X X X X X X X X
O A B C D E F G H T
AC = 8 BO = 8 CA = 8 DB = 6 EG = 9 FT = 9 GH = 8
DG = 6 GT = 8
DE = 7 GE = 9
Sumando los ramales seleccionados, obtenemos la distancia total mínima del árbol
de mínimo recorrido.
7 + 6 + 4 + 3 + 2 + 2 + 6 + 6 + 8 = 44 unidades de distancia.
Señalando sobre la red los ramales seleccionados, visualizamos el árbol de mínimo
recorrido.

F Fíjese que no aparecen
A C
cliclos.
3 2
7
2
6
8
O D G T
6
B E H
4 6
Recorrido total mínimo: 44
unidades de distancia.
Ejemplo 3.7
La fábrica «Fibras del Tolima» está diseñando el sistema electrónico de detección de
humo en su almacén general. Las ubicaciones requeridas para colocar los detectores
aparecen en la figura. Los arcos representan longitudes entre las ubicaciones, en pies
lineales. ¿ Qué sistema conectará todos los detectores usando la mínima longitud total
de conexiones electrónicas ?
23 22
2 5 7
35 17
20 24 19
1 30 4 8
19 21 18
40 14
3 6 9
27 22
Empezando en el nodo 1 (se puede empezar en cualquier nodo), se obtiene una

longitud mínima total de 163 pies.
X X X X X X X X X
1 2 3 4 5 6 7 8 9
12 = 35 24 = 17 34 = 14 43 = 14 54 = 20 64 = 19 78 = 19 89 = 18 98 = 18
13 = 40 25 = 23 36 = 27 42 = 17 57 = 22 68 = 21 75 = 22 87 = 19 96 = 22
23 = 30 32 = 30 46 = 19 52 = 23 69 = 22 86 = 21
21 = 35 31 = 40 45 = 20 58 = 24 63 = 27 85 = 24
El árbol de mínimo recorrido es:

2 5 7
35 17
20 19
1 4 8
19 21 18
14
3 6 9
El WinQsb en su módulo de «Network Modeling» dispone de la opción «Minimal

Spanning Tree», que de manera amigable captura los datos de entrada y automática-
mente, ofrece al usuario la solución óptima mediante las siguientes ventanas:
Fíjese que mediante ésta venta-

na de diálogo, se tiene acceso
a varios tipos de problemas de
redes, tales como: Flujo en re-
des, Problemas de transporte,
problemas de asignación, el
problema de la ruta más corta,
el problema del flujo máximo,
el problema del árbol de mínima
expansión y el problema del
agente viajero.
Los datos se capturan en la siguiente ventana:
En la siguiente ventana, se ofrece la solución óptima, previo clic sobre el ícono que
ejecuta el programa.

Por último, el software muestra la configuración gráfica del árbol de mínima expansión.
35 18
Nodo 1 Nodo 2 Nodo 5 Nodo 8 Nodo 9
17 21
20
19
Nodo 3 Nodo 6
14 19
Nodo 4 Nodo 7
Algoritmo de Floyd o de la triple operación

Objetivo: Determinar la ruta más corta entre cualquier par de nodos.
Principio fundamental:
Para ir del nodo i al nodo j, si dik + dkj < dij, entonces, es

k
más corto ir del nodo i al nodo j a través del nodo k; de
dik dkj lo contrario, es mejor ir directamente del nodo i al nodo
j. Matemáticamente:
i j Si dik + dkj < dij => dij = dik + dkj , en otro caso dij = dij
dij

Metodología:
1. (a) Definir la matriz de distancia D0, en donde se muestren todas las distancias posibles
entre los nodos.
i = Filas = Todos los nodos.
j = Columnas = Todos los nodos.
dij = Elemento de la matriz que indica la distancia «directa» del nodo i-ésimo al
nodo j-ésimo.
Nota: Bloqueamos la diagonal principal, cuando i = j
(b) Definir la matriz de secuencia S0, donde se muestran todas la posibles secuencias
de rutas.
2. En la matriz D0, defina la fila «k» y la columna «k» como fila y columna pivote respec-
tivamente, y aplique la triple operación a cada elemento dij que no esté ni en la fila,
ni en la columna pivote, si satisface la siguiente condición:
dik + dkj < dij , para i ≠ k, j ≠ k, i ≠ j
Realice los siguiente cambios en Dk y Sk , que son las nuevas matrices de distancia
y secuencia.
(a) En Dk remplace dij por el dik + dkj de la matriz anterior Dk-1
(b) En Sk remplace Sij por el k de Sk-1
Ejemplo 3.8
Una compañía de telefonía celular, le da servicio a seis áreas geográficas. La distancia
por satélite (en millas), entre las seis áreas, se proporciona en la figura. La empresa ne-
cesita determinar las rutas de mensajes más eficientes, que se deben establecer entre
cada dos (2) áreas, en la red.
400
2 6
700 200 100
1 300 4 500
700 300
200
3 5
600

Matriz de distancias Do Matriz de secuanciación So
1 2 3 4 5 6 1 2 3 4 5 6
1 - 700 200 M M M K=1 1 - 2 3 4 5 6
2 700 - 300 200 M 400 2 1 - 3 4 5 6
3 200 300 - 700 600 M 3 1 2 - 4 5 6
4 M 200 700 - 300 100 4 1 2 3 - 5 6
5 M M 600 300 - 500 5 1 2 3 4 - 6
6 M 400 M 100 500 - 6 1 2 3 4 5 -
M = Número muy grande, no hay conexión directa del nodo i al nodo j

Fila 1 = Fila pivote, Columna 1 = Columna pivote, K = 1.
Del nodo 2 al nodo 3 hay una distancia directa de 300 millas, pero se puede ir a través del
nodo 1 con una distancia de (la suma de los valores sombreados sobre la fila y columna
1), 700 + 200 = 900, lo cual no es mejor, que ir directamente, luego elegimos el camino
directo desde el nodo 2 al nodo 3. En la siguiente matriz D1, el elemento a23 = 300
Del nodo 2 al nodo 4 hay una distancia directa de 200 millas, pero no se puede
ir a través del nodo 1, ya que el nodo 1 no se conecta directamente con el nodo 4 o
equivalente a sumar los valores sombreados sobre la fila y columna 1), 700 + M = M, lo
cual no es mejor que ir directamente, luego, elegimos el camino directo, desde el nodo
2 hasta el nodo 4. En la siguiente matriz D1 el elemento a24 = 200.
Se hace el mismo análisis para todos los demás elementos aij de la matriz D0, gene-
rando la nueva matriz D1, la cual, para este caso, queda igual y no causa modificaciones
sobre la matriz de secuenciación S1
D1 S1
1 2 3 4 5 6 1 2 3 4 5 6
1 - 700 200 M M M 1 - 2 3 4 5 6
2 700 - 300 200 M 400 K=2 2 1 - 3 4 5 6
3 200 300 - 700 600 M 3 1 2 - 4 5 6
4 M 200 700 - 300 100 4 1 2 3 - 5 6
5 M M 600 300 - 500 5 1 2 3 4 - 6
6 M 400 M 100 500 - 6 1 2 3 4 5 -
Del nodo 1 al nodo 3 hay una distancia directa de 200 millas, pero, se puede ir a
través del nodo 2 con una distancia de (d12 + d23), 700 + 300 = 1.000, lo cual no es mejor
que ir directamente (d13), luego, elegimos el camino directo desde el nodo 1 al nodo 3.
En la siguiente matriz D2 el elemento d13 = 200

Del nodo 1 al nodo 4 hay una distancia directa de M (M = Número muy grande =
No hay conexión directa del nodo 1 al nodo 4); pero, se puede ir a través del nodo 2 con
una distancia de (d12 + d24), 700 + 200 = 900, lo cual es mejor que ir directamente (d14),
luego elegimos el camino a través del nodo 2. En la siguiente matriz D2 el elemento d14
= 900 y en la matriz de secuenciación S2, S14 = K = 2
Sobre la matriz D2 se encierran en un elipse los elementos que en D1 cumplen la
condición de la triple operación, es decir, que es mejor ir a través de otro nodo, que
de manera directa; a la vez, son los elementos que en la matriz de secuenciación S2 se
remplazarán por el valor de K = 2.
D2 S2
1 2 3 4 5 6 1 2 3 4 5 6
1 - 700 200 900 M 1100 1 - 2 3 2 5 2
2 700 - 300 200 M 400 2 1 - 3 4 5 6
3 200 300 - 500 600 700 K=3 3 1 2 - 2 5 2
4 900 200 500 - 300 100 4 2 2 2 - 5 6
5 M M 600 300 - 500 5 1 2 3 4 - 6
6 1100 400 700 100 500 - 6 2 2 2 4 5 -
D3 S3
1 2 3 4 5 6 1 2 3 4 5 6
1 - 500 200 700 800 900 1 - 3 3 3 3 3
2 500 - 300 200 900 400 2 3 - 3 4 3 6
3 200 300 - 500 600 700 3 1 2 - 2 5 2
4 700 200 500 - 300 100 K=4 4 3 2 2 - 5 6
5 800 900 600 300 - 500 5 3 3 3 4 - 6
6 900 400 700 100 500 - 6 3 2 2 4 5 -
D4 S4
1 2 3 4 5 6 1 2 3 4 5 6
1 - 500 200 700 800 800 1 - 3 3 3 3 4
2 500 - 300 200 500 300 2 3 - 3 4 4 4
3 200 300 - 500 600 600 3 1 2 - 2 5 4
4 700 200 500 - 300 100 4 3 2 2 - 5 6
5 800 500 600 300 - 400 K=5 5 3 4 3 4 - 4
6 800 300 600 100 400 - 6 4 4 4 4 4 -

D5 S5
1 2 3 4 5 6 1 2 3 4 5 6
1 - 500 200 700 800 800 1 - 3 3 3 3 4
2 500 - 300 200 500 300 2 3 - 3 4 4 4
3 200 300 - 500 600 600 3 1 2 - 2 5 4
4 700 200 500 - 300 100 4 3 2 2 - 5 6
5 800 500 600 300 - 400 5 3 4 3 4 - 4
6 800 300 600 100 400 - K=6 6 4 4 4 4 4 -
D6 S6
1 2 3 4 5 6 1 2 3 4 5 6
1 - 500 200 700 800 800 1 - 3 3 3 3 4
2 500 - 300 200 500 300 2 3 - 3 4 4 4
3 200 300 - 500 600 600 3 1 2 - 2 5 4
4 700 200 500 - 300 100 4 3 2 2 - 5 6
5 800 500 600 300 - 400 5 3 4 3 4 - 4
6 800 300 600 100 400 - 6 4 4 4 4 4 -
¿Cómo leer la matriz de secuenciación S6? Secuencia para ir del nodo 1 al nodo
6: De la matriz S6 se lee directamente que para ir del nodo 1 al nodo 6 hay que pasar
por el nodo 4 definiendo la secuencia: 1-4-6. Ahora, se reviza cada eslabón, para ir del
nodo 1 al nodo 4, hay que pasar por el nodo 3, luego la secuencia cambia a 1-3-4-6,
nuevamente se reviza la secuencia de cada eslabón, así: Del nodo 1 al nodo 3 se llega
de manera directa, del nodo 3 al nodo 4 se llega a travez del nodo 2, del nodo 4 al nodo
6 se llega de manera directa, luego la secuencia ahora es: 1-3-2-4-6. Observe que ahora,
cada eslabón se visita de manera directa.
1 4 6 Secuencia del nodo 1 al

nodo 6
3 1-3-2-4-6
Nota: Se revisan todos los eslabones de la ca-

2 dena, hasta que todos se vinculen de manera
directa.
Distancias más cortas desde el nodo 1 al Distancias más cortas desde el nodo 2 al
nodo: nodo:
2: 500 millas, por la ruta: 1-3-2 1: 500 millas, por la ruta: 2-3-1
3: 200 millas, por la ruta: 1-3 3: 300 millas, por la ruta: 2-3
4: 700 millas, por la ruta: 1-3-2-4 4: 200 millas, por la ruta: 2-4
6: 800 millas, por la ruta: 1-3-2-4-6 6: 300 millas, por la ruta: 2-4-6

nodo: nodo:
1: 200 millas, por la ruta: 3-1 1: 700 millas, por la ruta: 4-2-3-1
6: 600 millas, por la ruta: 3-2-4-6 6: 100 millas, por la ruta: 4-6
nodo: nodo:
1: 800 millas, por la ruta: 5-3-1 1: 800 millas, por la ruta: 6-4-2-3-1
3: 600 millas, por la ruta: 5-3 3: 600 millas, por la ruta: 6-4-2-3
Fíjese que los datos ofrecidos por la matriz de secuenciación han sido revisados
frente a la gráfica, para asegurar una correcta interpretación de la secuencia ofrecida y
corregir cualquier inconsistencia que ella ofrezca.
Ejemplo 3.9
Para la red que aparece en la siguiente figura, encuentre las rutas más cortas entre cada
dos nodos. Las distancias (en millas) se dan en los arcos. El arco (3,5) es unidireccional,
de manera que no está permitido ningún tráfico del nodo 5 al nodo 3. Todos los demás
arcos permiten el tráfico, en ambas direcciones.
5
2 4
3 4
1 6 5
10 15
3
Do
So
1 2 3 4 5
1 2 3 4 5
1 - 3 10 M M K=1 1 - 2 3 4 5
2 3 - M 5 M 2 1 - 3 4 5
3 10 M - 6 15 3 1 2 - 4 5
4 M 5 6 - 4 4 1 2 3 - 5
5 M M M 4 - 5 1 2 3 4 -

D1 S1
1 2 3 4 5 1 2 3 4 5
1 - 3 10 M M 1 - 2 3 4 5
2 3 - 13 5 M K=2 2 1 - 1 4 5
3 10 13 - 6 15 3 1 1 - 4 5
4 M 5 6 - 4 4 1 2 3 - 5
5 M M M 4 - 5 1 2 3 4 -
D2 S2
1 2 3 4 5 1 2 3 4 5
1 - 3 10 8 M 1 - 2 3 2 5
2 3 - 13 5 M 2 1 - 1 4 5
3 10 13 - 6 15 K=3 3 1 1 - 4 5
4 8 5 6 - 4 4 2 2 3 - 5
5 M M M 4 - 5 1 2 3 4 -
D3 S3
1 2 3 4 5 1 2 3 4 5
1 - 3 10 8 25 1 - 2 3 2 3
2 3 - 13 5 28 2 1 - 1 4 3
3 10 13 - 6 15 3 1 1 - 4 5
4 8 5 6 - 4 K=4 4 2 2 3 - 5
5 M M M 4 - 5 1 2 3 4 -
D4 S4
1 2 3 4 5 1 2 3 4 5
1 - 3 10 8 12 1 - 2 3 2 4
2 3 - 11 5 9 2 1 - 4 4 4
3 10 11 - 6 10 3 1 4 - 4 4
4 8 5 6 - 4 K=5 4 2 2 3 - 5
5 12 9 10 4 - 5 4 4 4 4 -
D5 S5
1 2 3 4 5 1 2 3 4 5
1 - 3 10 8 12 1 - 2 3 2 4
2 3 - 11 5 9 2 1 - 4 4 4
3 10 11 - 6 10 3 1 4 - 4 4
4 8 5 6 - 4 4 2 2 3 - 5
5 12 9 10 4 - 5 4 4 4 4 -

Distancias más cortas desde el nodo Distancias más cortas desde el nodo
1 al nodo: 2 al nodo:
2 : 3 millas , por la ruta : 1-2 1 : 3 millas , por la ruta : 2-1

3 : 10 millas , por la ruta : 1-3 3 : 11 millas , por la ruta : 2-4-3
4 : 8 millas , por la ruta : 1-2-4 4 : 5 millas , por la ruta : 2-4
5 : 12 millas , por la ruta : 1-2-4-5 5 : 9 millas , por la ruta : 2-4-5
Distancias más cortas desde el nodo Distancias más cortas desde el nodo
3 al nodo: 4 al nodo:
1 : 10 millas , por la ruta : 3-1 1 : 8 millas , por la ruta : 4-2-1

4 : 6 millas , por la ruta : 3-4 3 : 6 millas , por la ruta : 4-3
Distancias más cortas desde el nodo

5 al nodo:
1 : 12 millas , por la ruta : 5-4-2-1

2 : 9 millas , por la ruta : 5-4-2
3 : 10 millas , por la ruta : 5-4-3
4 : 4 millas , por la ruta : 5-4
Ejemplo 3.10
Considere la red de transbordo de la siguiente figura. Los nodos 1 y 5 corresponden a la
ubicación de las plantas. Las plantas producen 200 y 150 cargas de camiones, respecti-
vamente. Los nodos 3, 6 y 9 son las ubicaciones de las tiendas. Las tiendas demandan
50, 250 y 50 cargas de camiones, respectivamente. El número en el arco (i,j) señala el
costo de transportar una carga desde i hasta j. Suponga que el costo desde i hasta j es
el mismo que el costo desde j hasta i.
+ 150

6
2 5
8 4 4 4
6
1 7 8
+ 200  1 4 7 9  - 50
4 3 3 5 2
6
3 6 8
 5  4
- 50 - 250

a. ¿Cuántas variables tiene la formulación del problema de programación lineal
de éste problema ?
b. ¿Cuántas restricciones tiene la formulación del problema de programación lineal ?
c. Determine los costos mínimos de desplazar una carga desde el nodo 1 hasta
los nodos 3, 6 y 9
d. Determine los costos mínimos de desplazar una carga desde el nodo 5 hasta
los nodos 3, 6 y 9
e. Elabore la tabla del transporte.
f. Solucione el problema usando el algoritmo de transporte (vogel - modi).
g. Suponga que se pide evaluar una propuesta de desplazar la planta del nodo 1 al
nodo 7. Se estima que el costo del traslado será de $150. ¿ Cuál es su recomenda-
ción ? Para resolver ésta pregunta, encuentre primero los costos mínimos desde
el nodo 7 hasta los nodos 3, 6 y 9 y; después, elabore una tabla de transporte y
aplique el algoritmo de Vogel - Modi.
Solución:
a. La formulación del problema de programación lineal debe tener 17 variables,
una variable por cada ramal.
b. La formulación del problema de programación lineal debe tener 9 restricciones,
una por cada nodo.
c. Asumimos el nodo 1, como inicio y aplicamos el algoritmo de la ruta más corta.
Fíjese que los nodos 3, 6 y 9 son los destinos de un problema de transporte. Con
éste procedimiento encontramos la ruta menos costosa, desde el nodo 1 hasta
los nodos 3, 6 y 9.
0 5 5 1 5 4 7 8 10
1 2 3 4 5 6 7 8 9
1-4=1 2-4=4 3-4=4 4-6=3 5-7=4 6-4=3 7-6=3 8-9=2
1-3=6 2-5=6 3-6=5 4-2=4 5-4=4 6-7=3 7-5=4 8-6=4
1-2=8 4-3=4 5-2=6 6-8=4 7-8=5 8-7=5
4-5=4 5-6=6 6-3=5 7-4=7
4-7=7 6-5=6 7-9=8

1-3=5
2 5 1-6=4
1 - 9 = 10
4 4
1
+ 200  1 4 7 9  - 50
3 3
2
4
3 6 8
4
 
- 50 - 250
d. Asumimos el nodo 5, como inicio y aplicamos el algoritmo de la ruta más corta.
Fíjese que los nodos 3, 6 y 9 son los destinos de un problema de transporte. Con
éste procedimiento encontramos la ruta menos costosa desde el nodo 5 a los
nodos 3, 6 y 9.
5 6 8 4 0 6 4 9 11
1 2 3 4 5 6 7 8 9
1-4=1 2-4=4 3-4=4 4-1=1 5-7=4 6-4=3 7-6=3 8-9=2
1-3=6 2-1=8 3-6=5 4-6=3 5-4=4 6-7=3 7-8=5 8-6=4
1-2=8 3-1=6 4-2=4 5-2=6 6-8=4 7-4=7 8-7=5
4-3=4 5-6=6 6-3=5 7-9=8
4-7=7
11 5 4 10 7 11
7 6 9
8 + 150 12
 5-3=8
6 5-6=6
2 5 5 - 9 = 11
4 4
1
1 4 6 7 9  - 50
4 5
2
3 6 8
 
- 50 - 250

e. Con los datos calculados en los incisos c) y d), construimos la siguiente tabla de
transporte, y
f. Empleando el método de Vogel para encontrar una solución básica y factible y
el método de Modi para hallar la solución óptima, tenemos que:
T I E N D A S
3 6 9 ai Dif.
1-4-3 5 1-4-6 4 1-4-6-8-9 10 200 1
1 150 6
50 150 0
0
PLANTAS
5-4-3 8 5-6 6 5-7-8-9 11 150 2
5 5
0 100 50
bj 50 0 250 100 50 350

350
Dif. 3 2 1
Solución óptima:
50 150
100 50 X*13 = 50 Cargas de camiones por la ruta 1-4-3
X*16 = 150 Cargas de camiones por la ruta 1-4-6
X*56 = 100 Cargas de camiones por la ruta 5-6
5 4 0
X*59 = 50 Cargas de camiones por la ruta 5-7-8-9
6 11 2 Z* = 50(5) + 150(4) + 100(6) + 50(11) = $2.000
5 4 9
1
1
+ 150

5
50 
200  100
+ 200  1 4 7 9  - 50
 50 
50 
150  50 
3 6 8
 
- 50 - 250

g. Como se traslada la planta del nodo 1 al nodo 7 a un costo de $150, se calculan

las rutas menos costosas desde el nodo 7 a los nodos 3,6 y 9 y se resuelve el
nuevo problema de transporte, a cuyo Z* se le adicionan los $150 del costo del
traslado, para efectuar la comparación de costos y tomar la decisión de efectuar
o no efectuar el traslado.
7 10 8 6 4 3 0 5 7
1 2 3 4 5 6 7 8 9
1-4=1 2-4=4 3-4=4 4-1=1 5-4=4 6-4=3 7-6=3 8-9=2
1-3=6 2-5=6 3-6=5 4-6=3 5-2=6 6-8=4 7-5=4 8-6=4
1-2=8 2-1=8 3-1=6 4-2=4 5-6=6 6-3=5 7-8=5
4-3=4 6-5=6 7-4=7
4-5=4 7-9=8
13 7 8 6 3 7
15 10 10 8 4
5
7
8
+ 150
 7-3=8
7-6=3
2 5 7-9=7
4 4
1
+ 200  1 4 7 9  - 50
3 5
3 2
3 6 8
 
5
- 50 - 250

T I E N D A S
3 6 9 ai Dif.
5-4-3 8 5-6 6 5-7-8-9 11 150 2
5 100
50 50 50
50
PLANTAS
7-6-3 8 7-6 3 7-8-9 7 200 4
7 0
0 200 0
bj 50 0 250 50 50 0 350
350
Dif. 0 3 4
50 50 + 50 - 50 100 Solución:
- X*53 = 50 cargas de camiones
200 + 150 50 por la ruta 5-4-3
X*56 = 100 cargas de camiones
8 6 11 0 8 6 0 por la ruta 5-6
3 -3 3 7 -3 por la ruta 7-6
8 6 11 8 6 10
por la ruta 7-8-9
Z* = 50(8) + 100(6) + 150(3) +
1
50(7) = $1800
3 -1 3
Variable que entra: X79

Variable que sale: X59
+ 150

5
50  + 200

4 7 9  - 50
50  100 50 
150 50 
3 6 8
 
- 50 - 250

Evaluación: Costos totales sin traslado $2.000

Costos totales con traslado $1.800 + $150 = $1.950
Ahorro $50
Decisión: Debemos desplazar la planta del nodo 1 al nodo 7
Software INVOP
Este software en español es gratuito, su código está en Delphi, se puede bajar de

http://members/tripod.com/~operativa y tiene cuatro módulos que son: Asignación,
Transporte, Distancias y Flujo. Su creadora, Beatriz Loubet pertenece a la facultad de
Ciencias Económicas de la Universidad Nacional del Cuyo (Argentina). Dentro de los
algoritmos de distancia en redes tiene:
• Ruta más corta de un origen a un destino.
• Árbol de mínima expansión: conecta todos los nodos por medio de un árbol de
mínima distancia.
• Viajante de comercio: cómo recorrer todos los nodos de modo que se minimice
la distancia total recorrida.
Su ventana de presentación es:

La captura de datos para los casos de ruta más corta, árbol de mínimo recorrido y
viajante de comercio, se hace mediante la siguiente ventana de diálogo:
Para problemas de flujo, los datos se capturan mediante la ventana de diálogo siguiente:

Software Grafo
Software en español gratuito, creado por Alejandro Rodríguez Villalobos cuya ver-
sión 1.1.5 se puede bajar de http://www.arodrigu.webs.upv.es/grafos/doku.php; es un
programa para la construcción, edición y análisis de grafos en modo tabular o gráfico.
Permite exportar el grafo a diferentes formatos de ficheros gráficos. Contempla valores
de mínimo, máximo y costo en los arcos; y valor en los nodos y arcos bidireccionales.
Efectúa los siguientes análisis:
Arbol mínimo - Algoritmo de Dijkstra.

Arbol máximo - Algoritmo de Dijkstra.
Camino mínimo - Algoritmo de Dijkstra.
Camino crítico - Algoritmo de Dijkstra.
Camino mínimo - Algoritmo de Bellman - Ford.
Camino máximo - Algoritmo de Bellman - Ford.
Todos los caminos mínimos - Algoritmo de Floyd - Warshall.
Árbol de valor total mínimo - Algoritmo de Prim.
Árbol de valor total máximo - Algoritmo de Prim.
Flujo máximo - Algoritmo de Ford - Fulkerson.
Transbordo a costo mínimo - Programación lineal.
Viajante de comercio - MILP
3.1. Considere el sistema de distribución que se muestra en la figura; encuentre las
rutas más cortas del nodo 1 a los demás nodos.
2
8 6
4
1 4 5 7
10 5
2 7
17
3 6 4
4
1-2 = 8 1-5 = 14
1-3 = 17 1-6 = 16
Solución: 1-4 = 10 1-7 = 20

3.2. Un banco ha decidido conectar terminales de computadora en cada una de sus
sucursales a la computadora central de su oficina matriz mediante líneas telefónicas
especiales con dispositivos de telecomunicaciones. No es necesario que la línea
telefónica de una sucursal esté conectada directamente con la oficina matriz. La
conexión puede ser indirecta a través de otra sucursal que esté conectada directa o
indirectamente a la oficina matriz. El único requisito es que exista alguna ruta que
conecte a todas las sucursales con la oficina matriz. El cargo a las líneas telefónicas
especiales es directamente proporcional a la distancia cableada, en donde ésta
distancia en millas es:
Distancia entre pares de oficinas
Of./pal. Suc. 1 Suc. 2 Suc. 3 Suc. 4 Suc. 5

Of. pr./pal ---- 190 70 115 270 160
Sucursal 1 190 ---- 100 110 215 50
Sucursal 2 70 100 ---- 140 120 220
Sucursal 3 115 110 140 ---- 175 80
Sucursal 4 270 215 120 175 ---- 310
Sucursal 5 160 50 220 80 310 ----
La administración desea determinar cuáles son los pares de sucursales que deben
conectarse directamente con las líneas telefónicas especiales, de manera que cada
una quede conectada en forma directa o indirecta a la oficina matriz, a un costo
total mínimo.
Solución: Mínimo recorrido 420 millas.
3.3. La figura muestra la longitud de los enlaces factibles que conectan nueve (9) fuentes
de gas natural, mar adentro, con un punto de reparto en tierra. Como la ubicación
de la fuente uno (1) es la más próxima a la costa, está equipada con la capacidad de
bombeo y almacenaje suficiente para enviar la producción de las ocho (8) fuentes
restantes, al punto de reparto. Determine la red de tubería que conecte todas las
fuentes al punto de reparto, que minimice la longitud total de los gasoductos.
5 1 15
2 9 4
14 9
Solución: Total del recorrido mínimo = 41
6 6 5
10 13
unidades de distancia.
3 5 8
15 20 5 7
20
4 12
7
3
7 6

3.4. Se desean conectar, mediante fibra óptica, ocho (8) centros de investigación. El
costo del sistema es función lineal de la longitud de la linea tendida. La tabla recoge
las distancias entre los centros.
H a s t a
Desde 1 2 3 4 5 6 7 8
1 --- 28 26 41 30 17 19 52
2 28 --- 21 17 26 31 18 40
3 26 21 --- 27 21 25 26 18
4 41 17 27 --- 15 52 36 61
5 30 26 21 15 --- 70 81 77
6 17 31 25 52 70 --- 66 69
7 19 18 26 36 81 66 --- 12
8 52 40 18 61 77 69 12 ---
Se desea tender la línea de manera que haya una conexión con cada centro, pero,
sin ciclos. ¿Cuál es el tendido de línea, más económico, entre los centros?
Solución: 116 unidades de distancia.
3.5. Encuentre la ruta más económica y sus costos entre cualquier par de nodos de la
siguiente red:
10
5
2 5
3
7 6 4
4 8 12
1 3 6
2 11 6
9
4 7
5
20

Solución:
D7 S7
1 2 3 4 5 6 7 1 2 3 4 5 6 7
1 -- 3 4 6 8 12 11 1 -- 2 3 3 2 3 4
2 3 -- 7 9 5 9 14 2 1 -- 3 3 5 5 4
3 4 7 -- 2 6 8 7 3 1 2 -- 4 5 6 4
4 6 9 2 -- 8 10 5 4 3 3 3 -- 3 3 7
5 8 5 6 8 -- 4 10 5 2 2 3 3 -- 6 6
6 12 9 8 10 4 -- 6 6 3 5 3 3 5 -- 7
7 11 14 7 5 10 6 -- 7 4 4 4 4 6 6 --
3.6. Determine el flujo máximo, desde el nodo 1 al nodo 7, de la siguiente red:
0 2 6
0
3 5 5
9 0
2
6 0
1 3 5 7
2 4 0 0
6 12
3
0
0 4 5
a. Utilice el algoritmo de Ford - Fulkerson.

b. Formule el problema de programación lineal y resuélvalo empleando el WinQsb.
Solución: X*12 = 6 ; X*13 = 6 ; X*14 = 2 ; X*25 = 6 ; X*53 = 1 ; X*35 = 0

X*36 = 5 ; X*34 = 2 ; X*43 = 0 ; X*46 = 4 ; X*57 = 5 ; X*67 = 9
Z* = 14
3.7. La figura representa el sistema de carreteras entre las diferentes localidades de

una isla, con distancias medidas en kilómetros. Se desea determinar los caminos
de mínima distancia desde la localidad «1» a los restantes sitios.

11 3
14 18 Nota: Observe que es una red
6
orientada o dirigida.
4 2
3 2 4 Se desea determinar los caminos
mínimos de la localidad 1 a las
restantes localidades.
4 2 3 5 Solución parcial: Del 1 al 7, 16
kilómetros, por la ruta 1-4-5-7 ó
6 5 7 1-4-2-3-6-7
7 10
3.8. Para la siguiente red, encuentre el flujo máximo del origen al destino, si el número
junto al ramal (i,j) más cercano al nodo i, representa la capacidad de flujo del nodo
i al nodo j.
2 4 4
7 0
3 3
0 2 7 7
2 2
8 3 5 0
Fuente 1 3 0 8 0
5 9 Destino
0 3
9 0
4 4
0 6 1 7
3 8
3 0
2 6 2
Solución: X*12 = 8; X*13 = 9; X*15 = 3; X*24 = 3; X*25 = 2; X*27 = 3; X*35 = 3;

X*38 = 6; X*47 = 3; X*59 = 8; X*79 = 6; X*89 = 6; Z* = 20 unidades de flujo.
3.9. Una compañía de reforestación sembrará árboles, en ocho (8) zonas de la misma
área. Para ello, debe organizar un sistema de caminos para tener acceso a cualquier
zona, desde cualquier otra.

La distancia en millas entre cada par de zonas es:
Zonas 1 2 3 4 5 6 7 8
1 -- 1,3 2,1 0,9 0,7 1,8 2,0 1,5
2 1,3 -- 0,9 1,8 1,2 2,6 2,3 1,1
3 2,1 0,9 -- 2,6 1,7 2,5 1,9 1,0
4 0,9 1,8 2,6 -- 0,7 1,6 1,5 0,9
5 0,7 1,2 1,7 0,7 -- 0,9 1,1 0,8
6 1,8 2,6 2,5 1,6 0,9 -- 0,6 1,0
7 2,0 2,3 1,9 1,5 1,1 0,6 -- 0,5
8 1,5 1,1 1,0 0,9 0,8 1,0 0,5 --
El problema consiste en determinar los pares de zonas entre las que deben cons-
truirse caminos para conectarlos, con una longitud total mínima.
Solución: X*32 = 0,9 ; X*83 = 1 ; X*54 = 0,7 ; X*15 = 0,7 ; X*76 = 0,6 ; X*87 = 0,5 X*58 = 0,8 ; Z*
= 5,2 unidades de distancia.
3.10. a. Utilice el Algoritmo de Dijkstra para encontrar la ruta más corta a través de la
figura, desde el nodo O al nodo T.
3 4
A D G
4 5 2 2 2 2 7
6 2 5 8
O C F H T
4 5 1 2 3
3 4
B E I
6 5
b. Formule el problema como uno de programación lineal.

c. Aplique el algoritmo de Floyd (la triple operación) para averiguar la distancia
mínima entre cada par de nodos.
Solución: X*OC = 6; X*CF = 2; X*FG = 2; X*GT = 7; Z* = 17

3.11. El vuelo de Aires está a punto de despegar de Ibagué, sin escalas, a Cartagena.
Existe cierta flexibilidad para elegir la ruta precisa, según las condiciones del clima.
La siguiente red describe las rutas posibles, donde IB y CA son Ibagué y Cartagena,
respectivamente, y los otros nodos representan varios lugares intermedios.
El viento a lo largo de cada arco afecta mucho el tiempo de vuelo y por ende, el
consumo de combustible. Con base en el informe meteorológico actual, junto a
los arcos se muestran los tiempos de vuelo en horas. Debido al alto costo del com-
bustible, la administración ha establecido la política de elegir la ruta que minimiza
el tiempo total de vuelo.
3,5
A D
4,6 3,4 3,6 3,4
4,7 3,2 3,6

IB B E CA
4,2 3,3 3,5 3,8
C F
3,4
a. ¿Qué papel tienen las distancias en la interpretación de este problema?

c. Use el algoritmo de la ruta más corta para resolver el problema.
Solución: IB - C - E - CA = 11,1 Horas.
3.12. TeleIbagué es un contratista de Telecom - Colombia. Se le ha entregado una soli-

citud de servicio para la instalación de un teléfono en un edificio de oficinas en el
sector comercial. Cuando llega al edificio, TeleIbagué nota, que la oficina que hizo
la solicitud está al otro lado en el edificio de donde se encuentra la caja de cone-
xiones telefónicas, con el interés de ahorrar tiempo y materiales, TeleIbagué estima
las distancias involucradas y hace un plano del piso. Los ramales representan los
conductos existentes a través de los cuales se puede instalar una línea telefónica.

1
33 12 23 120
Oficina
Caja 47 70 20
de 0 2 4 6
conexión
52 43 33
3 5
70
a. Utilizando el algoritmo de la ruta más corta, aconséjele a TeleIbagué qué ruta

utilizar. Las distancias estan dadas en pies.
Solución: 0 - 1 - 4 - 6 : 76 pies.
3.13. Tufik Chediak reparte vino a siete (7) localidades diferentes. Especifique las 7 rutas
más cortas del nodo H a cada una de las 7 localidades.
7
1 Solución:
8 2
H-1=4
3 H-2=6
7 4 6
H-3=5
H
1 3 3 H-4=6
3 H-5=8
4 1 H-6=9
1 5
H-7=8
1 2 2
6

3.14. Hallar la ruta mas corta desde el nodo 1 hasta el nodo 5
2
100 15
Solución:
1 20 4 1 - 3 - 5 = 90
1 - 3 - 4 - 5 = 90
50
30 10 Unidades de distancia.
3 5
60
3.15. Hallar el árbol de mínimo recorrido en la siguiente red:
5
2 5
2 11 8 6 Solución
Arbol de míni-
10
1 4 7 mo recorrido:
21 unidades
3 7 9 de longitud.
4
3 6
1
3.16. Hallar el flujo máximo desde el nodo 1 hasta el nodo 5, en la siguiente red.
4 20
0
5 0
5
10 0 Solución
0 Flujo máximo: 60
1 30
10 unidades de flujo.
20
20 0
30 3
0 2 0
40

3.17. Hallar la ruta más corta del nodo 1 al nodo 7
5
2 5
2 6 Solución
11 8
Ruta más corta:
10 13 unidades de
1 4 7
distancia.
3 7 9
4
3 6
1
3.18. Un individuo que vive en San Jorge y que trabaja en San Carlos busca una ruta
automovilística que minimice el tiempo matutino de manejo. Esta persona ha
registrado los tiempos, en minutos, cuando recorre las principales rutas que co-
munican las diferentes ciudades intermedias. Estos datos se muestran en la tabla.
La cruz (x) indica los casos en que no hay una ruta que una, directamente, a los
puntos correspondientes.
San Jorge Los Arroyos Km. 25 El Sauce Las Cañas San Carlos
San Jorge 0 18 X 32 X X
Los arroyos 18 0 12 28 X X
Km. 25 x 12 0 17 X 32
El Sauce 32 28 17 0 4 17
Las Cañas X X X 4 0 11
San Carlos X X 32 17 11 0
Obsérvese que la matriz es simétrica, es decir, el tiempo que demora en ir de San

Jorge a Los Arroyos, es el mismo que el de ir de Los Arroyos a San Jorge.
Solución:
San Jorge - Los Arroyos; Costo total: 18

San Jorge - Los Arroyos - Km.25 ; Costo total: 30
San Jorge - El Sauce; Costo total: 31
San Jorge - El Sauce - Las Cañas; Costo total: 36
San Jorge - El Sauce - Las Cañas - San Carlos; Costo total: 47
Como trabaja en San Carlos, la última es la solución que nos interesa: partiendo
de San Jorge, ir a El Sauce, luego a Las Cañas, y luego, llegar a San Carlos. En total,
demorará 47 minutos.

3.19. Una firma ha ganado un contrato para producir cubiertas. El contrato tiene una
duración de 4 años. El proceso de producción requiere de una máquina que no
posee la firma. Ésta, puede comprarla, mantenerla durante los 4 años del contrato
y luego, venderla en el valor de su rescate; o puede reemplazarla por un ultimo
modelo, al final de cualquier año dado. Los nuevos modelos requieren menos man-
tenimiento que los antiguos. En la tabla, se indica el costo neto estimado (precio
de compra + mantenimiento - precio de venta), para una máquina comprada al
inicio del año i y vendida al inicio del año j. Se trata de determinar en qué momento
conviene remplazar la máquina.
Año 1 Año 2 Año 3 Año 4 Año 5

Año 1 X 12 19 33 49
Año 2 X X 14 23 38
Año 3 X X X 16 26
Año 4 X X X X 13
Año 5 X X X X X
Obsérvese que la matriz es no simétrica, ya que se puede ir del año 1 al año 3, pero,
no se puede volver, como lo indica la ruta prohibida.
Solución:
Desde el Año 1
Año 1-Año 2; Costo total: 12
Año 1-Año 3-Año 5; Costo total: 19 + 26 = 45
Interpretación: Sólo en el año 3, conviene cambiar la máquina.
3.20. La empresa Taxi´s ha identificado 10 lugares principales para pasajeros que abordan
y descienden de los taxis en la ciudad de Ibagué. En un esfuerzo para minimizar el
tiempo de viaje, mejorar el servicio a los clientes y mejorar la utilización de la flota
de taxis de la compañía, a los administradores les gustaría que los conductores de
los taxis tomaran la ruta más corta entre estos diversos lugares, cuando sea posible.
Aplicando la red de caminos que se muestran en la tabla (cada valor muestra los
tiempos de viaje en minutos):
a. Realice una red del problema donde cada arco muestre los tiempos del viaje
en minutos.
b. ¿Cuál es la ruta que debería tomar un taxi que sale del lugar 1 y debe llegar al
lugar 10? ¿Cuánto dura el viaje?

c. ¿Cuál es la ruta que debería tomar un taxi que sale del lugar 5 y debe llegar al
lugar 2? ¿Cuánto dura el viaje?
1 2
3 4 5 6 7 8 9 10
1 8
13 15 10 X X X X X
2 8 5 X X X 15 X X X
3 13 5 6 X 5 X X X X
4 15 X 6 4 3 X X X X
5 10 X x 4 9 X X 12 X
6 X X 5 3 9 4 2 5 X
7 X 15 X X X 4 4 X 4
8 X X X X X 2 4 5 7
9 X X X X 12 5 X 5 5
10 X X X X X X 4 7 5
Solución:
b) Ruta 1-10 = 25 minutos ; c) Ruta 5-2 = 15 minutos
3.21. Una Compañía Constructora tiene diversos proyectos de construcción distribui-

dos en una área de tres ciudades. En ocasiones, los sitios de las construcciones se
ubican hasta 50 kilómetros de distancia de la oficina general de la empresa. Como
se efectúan varios viajes al día, para llevar personal, equipos y suministros, hacia
y desde los lugares de construcción, los costos relacionados con las actividades
de transporte son importantes. En la siguiente tabla, se muestran las alternativas
de viajes entre la oficina y cinco de los lugares de construcción de la compañía.
Oficina 2 3 4 5 6
Oficina 0 15 10 X X X
2 15 0 6 5 X X
3 10 6 0 X 10 X
4 X 5 X 0 4 6
5 X X 10 4 0 3
6 X X X 6 3 0
Determinar la ruta más corta entre la oficina (nodo 1) hasta cada uno de los lugares
en donde se encuentran las obras.
Solución:
Oficina - 2: 15 Km.
Oficina - 3: 10 Km. Oficina - 3 - 5: 20 Km.
Oficina - 2 - 4: 20 Km. Oficina - 3 - 5 - 6: 23 Km.

3.22. Un estudiante que está a punto de ingresar a la universidad, localizada lejos de su

casa, ha decidido que necesitará un automóvil durante los próximos 4 años, pero,
como sus fondos son muy limitados, quiere tenerlo de la manera más económica
posible. En vista del precio inicial de compra y de los costos de operación y mante-
nimiento, no le queda claro, si debe cambiar este auto, al menos una vez, durante
los próximos 4 años, antes de que los costos sean muy altos. Considere que en
el quinto año, revenderá el auto que posea para comprar uno, cero kilómetros.
Suponga que el precio de compra del auto es de $2.000. Los datos de interés para
este problema son:
Año 1 Año 2 Año 3 Año 4
Costo de operación y manteni-

1.900 2.200 2.500 2.800
miento por año que se posee.
Valor de reventa por año que se

600 400 200 0
posee.
Necesita entonces con estos datos determinar cuál es el plan de cambio durante los
próximos 4 años que minimice el costo neto total. Este problema se puede resolver
con un modelo de ruta más corta, encontrando la matriz de datos correspondiente.
Solución: Comprar el carro al inicio del año 1 y venderlo al final del año 4, con un
costo total de $4.800
3.23. La Compañía Rápido Ibagué ofrece un servicio especial de entregas y recolecciones
rápidas, entre el centro de la ciudad y 10 barrios ubicados en el área urbana. Cuando
la compañía recibe una solicitud de servicio, envía un camión desde el centro de la
ciudad hasta el barrio en el que se solicita el servicio, tan pronto como sea posible.
Tanto el servicio rápido como el costo mínimo es objetivo para Rápido Ibagué. Es
importante que los camiones que se envían vayan por la ruta más corta desde el
centro al barrio especificado. En el siguiente cuadro, se resumen las distancias en
kilómetros, desde el centro de la ciudad a los barrios y entre los barrios entre sí.
Obtenga las distancias para las rutas más cortas desde el centro de la ciudad hasta
cada uno de los 10 barrios. ¿Cuál es la ruta más corta al Barrio 7? ¿y al Barrio 9?

Centro 1 2 3 4 5 6 7 8 9 10
Centro 0 35 20 20 30 X X X X X X
1 35 0 20 x X X X 70 X X X
2 20 20 0 10 X 40 X X X X X
3 20 X 10 0 X 35 30 X 60 X X
4 30 X X X 0 X 40 X X 60 40
5 X X 40 35 X 0 X 50 30 X X
6 X X X 30 40 X 0 X 50 40 X
7 X 70 X X X 50 X 0 20 X X
8 X X X 60 X 30 50 20 0 10 X
9 X X X X 60 X 40 X 10 0 15
10 X X X X 40 X X x X 15 0
Solución:
Del Centro al Barrio 7: 100 Km. por la ruta: Centro - 3 - 8 - 7
Del Centro al Barrio 9: 80 Km.por la ruta: Centro - 2 - 6 - 9
3.24. Mauro & Cía. quiere comunicar, mediante cable telefónico, la casa Matriz y las 5
sucursales. El objetivo es permitir la comunicación entre cualquier par de sucursales
o casa Matriz. Para esto, sin embargo, no es necesario instalar cables entre todos
los pares, sino que pueden comunicarse dos sucursales a través de otra intermedia.
Se trata de encontrar el árbol que minimiza la longitud del cable.
Longitud del cable requerido, en miles de metros, para conectar cada par:
Matriz Suc. 1 Suc. 2 Suc. 3 Suc. 4 Suc. 5

Matriz 0 10 2 34 18 12
Sucursal 1 10 0 20 9 11 3
Sucursal 2 2 20 0 12 4 11
Sucursal 3 34 9 12 0 21 5
Sucursal 4 18 11 4 21 0 10
Sucursal 5 12 3 11 5 10 0
Solución: Longitud del árbol: 24 unidades de longitud.

3.25. La empresa minera Golden Inc. hará estudios de prospección en ocho zonas de la
misma área. Para esto, debe desarrollar un sistema de caminos de tierra para tener
acceso a cualquier zona, desde cualquiera otra. El costo en pesos de cada camino,
entre cada par de zonas, es:

Costo del camino

Zona 1 2 3 4 5 6 7 8
1 1,3 2,1 0,9 0,7 1,8 2,0 1,5
2 1,3 0,9 1,8 1,2 2,6 2,3 1,1
3 2,1 0,9 2,6 1,7 2,5 1,9 1,0
4 0,9 1,8 2,6 0,7 1,6 1,5 0,9
5 0,7 1,2 1,7 0,7 0,9 1,1 0,8
6 1,8 2,6 2,5 1,6 0,9 0,6 1,0
7 2,0 2,3 1,9 1,5 1,1 0,6 0,5
8 1,5 1,1 1,0 0,9 0,8 1,0 0,5
El problema es determinar los caminos que deben construirse para conectarlas

todas con un costo mínimo.
Solución: 3-2: 0,9 7-6: 0,6 Total distancia mínima: 5,2
8-3: 1,0 8-7: 0,5
5-4: 0,7 5-8: 0,8
1-5: 0,7
3.26. En una fábrica grande de productos de jabón, los inspectores de control de cali-
dad obtienen muestras de diversos productos, en diversas áreas de producción,
y después, entregan las muestras para su análisis en el laboratorio. El proceso de
inspección es lento, y los inspectores invierten una cantidad considerable de tiempo
transportando las muestras desde las áreas de producción hasta el laboratorio. La
compañía está evaluando la instalación de un sistema conductor mediante tubos
neumáticos que se podría utilizar para transportar las muestras entre las áreas
de producción y el laboratorio. En la siguiente tabla, se muestra la ubicacion de
los laboratorio, las áreas de producción en donde se recolectan las muestras y las
distancias en metros entre las mismas. ¿Cuál es la longitud mínima del diseño del
sistema de conducción que permitiría que todas las áreas de producción envíen
sus muestras al laboratorio, sabiendo que si una muestra llega a otra área de pro-
ducción, ésta se puede reenviar al laboratorio?
Lab. 2 3 4 5 6 7 8
Lab. 600 700 800 X X X X
2 600 800 X 500 600 X X
3 700 800 500 X 400 600 X
4 800 X 500 X X 600 X
5 X 500 X X 300 X 400
6 X 600 400 X 300 500 200
7 X X 600 600 X 500 400
8 X X X X 400 200 400
Solución: Distancia total mínima 2.900 metros.

3.27. Una compañía de cómputos debe instalar líneas especiales para comunicación
computacional, con el fin de conectar a cinco usuarios satélite con una nueva
computadora central. La compañía telefónica local es la que instalará la nueva red
de comunicaciones. Sin embargo, la instalación es una operación costosa. Con el
propósito de reducir los costos, el grupo de administración del centro desea que
la cantidad de estas nuevas líneas de comunicación sea lo más pequeña posible.
Aunque se podría conectar la computadora central en forma directa a cada usuario,
parece que sería más económico instalar una línea directa hacia algunos usuarios, y
permitir que otros, se enlacen con el sistema a través de los usuarios ya conectados.
En la siguiente tabla, se muestran las alternativas de conexión posibles y las corres-
pondientes líneas de comunicación que se requieren entre los distintos lugares.
Central 2 3 4 5 6
Central 20.000 40.000 30.000 50.000 40.000
Nodo 2 20.000 X X 40.000 X
Nodo 3 40.000 X 10.000 30.000 30.000
Nodo 4 30.000 X 10.000 X 20.000
Nodo 5 50.000 40.000 30.000 X 40.000
Nodo 6 40.000 X 30.000 20.000 40.000
Determinar el diseño de este sistema de comunicaciones.

Solución: 110.000 unidades de longitud
3.28. La Ciudad de Mendoza ha planeado un camping provincial. Las personas que están
elaborando los planes para el camping han identificado los sitios ideales para el
club (1), las cabañas (2), las churrasqueras (3), el muelle para embarcaciones (4) y
los puntos de interés turísticos (5, 6, 7, 8). Si los diseñadores del camping desean
minimizar el total de kilómetros de caminos que se deben construir y al mismo
tiempo, ofrecer acceso a todas las instalaciones, ¿Qué caminos se deben construir?
En la siguiente tabla, se muestran los lugares y las posibles alternativas de caminos.
1 2 3 4 5 6 7 8
1 4 2 X X X X X
2 4 X X 2 5 X X
3 2 X 2 4 X X X
Solución:
4 X X 2 3 X X 7
17 unidades de
5 X 2 4 3 X 3 5
longitud
6 X 5 X X X 3 X
7 X X X X 3 3 2
8 X X X 7 5 X 2

3.29. En la restauración del antiguo complejo hotelero Las Vertientes, ubicado en la

cordillera de Los Andes, se plantea la necesidad de traer el agua termal desde la
surgente, a 10 km. de distancia. Se puede aprovechar la red de cañerías existentes
de la surgente al complejo hotelero Las Vertientes, y también, a 2 moteles aban-
donados. En el gráfico se indica la red, junto con las capacidades de cada caño,
medida en miles de litros por hora. Por ejemplo, puede verse que la cañería de la
surgente al Complejo Las Vertientes tiene una capacidad de sólo 2.000 litros por
hora, que resulta insuficiente para sus necesidades.
Motel 1 6
Motel 2
5
8 10
Surgente Las Vertientes
a. Formule el problema de progamación lineal para maximizar el suministro de

agua termal al complejo Las Vertientes. Use el WinQsb para solucionar el pro-
blema.
b. Use el algoritmo del flujo máximo para tomar la mejor decisión.
Solución: Se puede enviar un máximo 12.000 litros por hora, de la siguiente ma-
nera: De la Surgente al motel 1: 2.000 litros/hora; de la Surgente al motel 2: 8.000
litros/hora; de la Surgente a Las Vertientes: 2.000 litros/hora; del motel 1 al motel
2: 2.000 litros/hora; del motel 2 a Las Vertientes: 10.000 litros/hora. (Es evidente
que hay otras formas de enviar este flujo, pero no hay manera de enviar más de
12.000 litros por hora).
3.30. Este caso se desarrolla en una obra social del medio, cuya misión es brindar co-
bertura médica a sus clientes. Su estructura está formada por una Dirección Ge-
neral de la cual dependen dos direcciones: la de Servicios Administrativos y la de
Servicios Asistenciales. La información circula entre los distintos sectores a través
de expedientes. Se analizará el flujo de expedientes que circula en la Dirección
de Servicios Asistenciales, para determinar, cuáles son los cuellos de botella que
impiden un servicio más rápido.

En la Mesa de Entradas se arman expedientes de reintegros a clientes (trámite
iniciados por el cliente) o de Compras de bienes o servicios (trámite iniciado por
clientes o sector interno de la Institución). Si es de reintegro, se remite a Secreta-
ría; si no, a Compras. Secretaría recibe expedientes para su firma y sello (valida o
autoriza la operación), Los cuales se remiten a Auditoría, para su control. Compras
confecciona el pliego y envía luego el expediente a Auditoría. Auditoría controla
expedientes. Si el expediente es de reintegros, lo envía a Servicios Asistenciales para
su autorización. Si no, manda los expedientes a Contabilidad para su liquidación.
Servicios Asistenciales autoriza el pago y lo envía a Contabilidad para su facturación.
Contabilidad (Liquidaciones o Facturación) recibe expedientes, liquida o factura y
manda a Tesorería para su pago. Tesorería paga a proveedores o clientes.
En el gráfico se muestra un diagrama de red con el flujo de expedientes, represen-
tándose cada tarea con un arco. Los números indican la capacidad de trabajo del
lugar, es decir, la cantidad de expedientes por día que se pueden procesar. Encuentre
la capacidad de la red, y los cuellos de botella que impiden la circulación de más
expedientes.
A
Mesa de entrada:
90 Arma expediente
Secretaría:
B 60
Firma y sella
Compras:
30 D
Pliego
C 60 Traslado
80 Auditoría:
Controla
Servicios asistenciales:
E 80 Autoriza
Contabilidad: 50 F
Liquidación
G Contabilidad:
60
Facturación
90 Tesorería:
Paga
H

Solución: AB = 80 EF = 30 Máximo flujo de A a H: 80

BC = 30 EG = 50 expedientes por día
BD = 50 FG = 30
DC= 50 GH = 80
CE = 80
3.31. Una línea de producción puede verse como una red donde los nodos represen-
tan estados de la materia prima o de productos semiterminados y los arcos los
procesos a los que se someten. Cada proceso de esta red tiene su capacidad, y la
capacidad de la línea de producción corresponde al flujo en la red. Suponga que
la siguiente red representa una línea de producción y los números de los arcos,
las capacidades de cada proceso:
9
En este problema, lo que se
5 6 busca es encontrar la capaci-
dad de producción de la línea.
4
Solución: Capacidad máxima
de producción en la línea: 8
8 unidades de flujo.
2
3.32. Una compañía de teléfonos de larga distancia utiliza una red de líneas subterráneas
de comunicación para ofrecer servicio de audio de alta calidad entre dos ciudades
importantes. Las llamadas se conducen mediante diversas líneas de cable y diversos
nodos de conexión en la red, según se muestra, en seguida, en la tabla. Se muestra,
también, el número de llamadas telefónicas que pueden ocurrir simultáneamente
en cualquier punto del tiempo.
a. ¿Cuál es el número máximo de llamadas telefónicas que se pueden transmitir
simultáneamente entre dos ciudades ?
b. ¿Cuáles son los nodos de conexión y los flujos sobre los cables, cuando el sistema
opera con toda su capacidad?
Ciudad A Nodo 1 Nodo 2 Nodo 3 Nodo 4 Nodo 5 Ciudad B

Ciudad A 4.000 3.000 4.000 0 0 0
Nodo 1 0 2.000 0 0 3.000 0
Nodo 2 0 2.000 3.000 1.000 2.000 0
Nodo 3 0 0 3.000 2.000 0 5.000
Nodo 4 0 0 1.000 2.000 0 2.000
Nodo 5 0 3.000 2.000 0 0 3.000
Ciudad B 0 0 0 0 0 0
Solución: a) 10.000 llamadas.

3.33. Una compañía es propietaria de una red de oleoductos que se utiliza para trans-
portar petróleo desde el pozo hasta diversos lugares de almacenamiento. En la
siguiente tabla, se indican el pozo, 6 lugares de almacenamiento y la cantidad de
metros cúbicos de petróleo que fluyen por hora por los conductos:
Pozo Alm. 1 Alm. 2 Alm. 3 Alm. 4 Alm. 5 Alm. 6

Pozo 6.000 0 6.000 0 0 0
Alm. 1 0 2.000 0 3.000 0 0
Alm. 2 0 2.000 3.000 2.000 2.000 0
Alm. 3 0 0 3.000 0 1.000 2.000
Alm. 4 0 3.000 2.000 0 0 5.000
Alm. 5 0 0 2.000 1.000 0 5.000
Alm. 6 0 0 0 0 0 0
Debido a los diversos diámetros de los caños, también son variables las capacidades
de flujo. Al abrir y cerrar, selectivamente, las diversas secciones de la red de oleo-
ductos, la empresa puede abastecer cualquiera de los puntos de almacenamiento.
Si la empresa desea abastecer el punto de almacenamiento 6 y utilizar, en forma
completa, la capacidad del sistema.
a. ¿Cuánto tiempo se necesitará para satisfacer la demanda de 100.000 metros
cúbicos del punto 6?
b. ¿Cuál es el flujo máximo para este sistema de oleoductos?
c. Si se presenta una ruptura entre los puntos de almacenamiento 1 y 2 y se cierra,
¿Cuál es el flujo máximo para el sistema?
d. ¿Cuánto tiempo se requerirá para abastecer al punto 6 de almacenamiento?
Solución:
a) 10 horas.
b) 10.000 mts3/hora.
c) 9.000 mts3/hora.
d) 11,11 horas.

Capítulo 4. Administración de proyectos Gantt-pert-cpm
Capítulo 4.
Administración de proyectos
Gantt-pert-cpm
E 6
5 11
5 11
0
A 5 B 1 C 2 F 3
0 5 0 1 1 3 11 14
0 5 2 3 3 5 11 14
0 2 2 0
D 4
57 9
11
2
Introducción
En este capítulo se muestran las herramientas básicas para la administración de pro-
yectos, tales como el diagrama Gantt, el pert determinístico, el pert probabilístico y el
método cpm.
En la historia de la humanidad, el hombre se ha enfrentado al reto de elaborar
proyectos cada vez más grandes y complejos, de tal forma, que surge la necesidad de
coordinar numerosas actividades en toda la organización. Entre 1958 y 1959 se desarrolla
en Estados Unidos, el proyecto de construcción del cohete polaris, durante el cual, se
empiezan a aplicar las novedosas técnicas de control de proyectos pert y cpm.
Algunas de las aplicaciones más frecuentes de estas técnicas son: Proyectos de
construcción, programación de computadoras, programación y propuestas de licita-
ciones, la planeación de mantenimiento y la instalación de sistemas de computadoras.

PERT
Program Evaluation and Review Technique
Técnica de evaluación y revisión de programas
Usos principales
1. Para determinar la duración mínima de un proyecto, si la duración de sus acti-

vidades es constante o su variación es tan pequeña que se puede asumir como
constante. Entonces, recibe el nombre de pert determinístico. Si la duración de
sus actividades es variable, recibe el nombre de pert probabilístico y se puede
determinar la probabilidad de que el proyecto se termine dentro del tiempo
predeterminado.
2. Para identificar las actividades que pueden ser cuello de botella y que conforman
la ruta crítica. Conocer dichas actividades tiene un efecto directo sobre la agenda
de quien toma las decisiones y sobre la elección del personal responsable del
cumplimiento del cronograma de dichas actividades, ya que pueden causar
consecuencias económicas graves para la empresa e inclusive para su existencia.
3. Evaluar los efectos de cambios en el programa del proyecto.
El primer paso, para aplicar el sistema pert o cpm a un proyecto, es representar el

proyecto en forma de una red, para lo cual es útil la construcción de un diagrama Gantt,
que identifica claramente los diferentes tipos de tiempos que se deben tener encuenta
para la representación gráfica de la red pert o cpm.
Existen dos técnicas para representar los proyectos, una denominada actividad
- RAMAL, en la cual, las actividades van sobre los ramales de la red y los nodos repre-
sentan los sucesos; y otra, llamada actividad - nodo, en la que las actividades van sobre
los nodos y los ramales indicando la precedencia de las actividades. Emplearemos la
segunda técnica, actividad - nodo, también denominada método de roy, por ofrecer
mayor facilidad en la representación gráfica de las actividades y de sus precedencias.
Pert determinístico
Aquí, se asume que el tomador de decisiones o administrador del proyecto, conoce
suficientemente las actividades, tanto, que puede asegurar que su duración se puede
considerar constante.

Se ilustra el método pert con el siguiente ejemplo:
Ejemplo 4.1
Se proporciona la siguiente información sobre un proyecto que está compuesto por
seis (6) actividades:
Actividades Tiempo estimado

Actividad
precedentes (Semanas)
A Ninguna 5
B Ninguna 1
C B 2
D A, C 4
E A, C 6
F D, E 3
a. Construya un diagrama Gantt.

b. Construya la red del proyecto.
c. Encuentre el tiempo de inicio más pronto, el tiempo de inicio más tarde, el tiempo
de finalización más temprano, el tiempo de finalización más tarde y el tiempo
de holgura, para cada una de las actividades del proyecto.
d. Si todas las demás actividades se llevan el tiempo estimado, ¿Cuál es el tiem-
po máximo que puede atrasarse la actividad D, sin retrasar la terminación del
proyecto?
Solución
a. Diagrama Gantt: Consiste básicamente en una tabla de doble entrada, en donde
las actividades se representan sobre las filas y el tiempo transcurrido del proyec-
to sobre las columnas. Para cada actividad, se asignan dos filas: En la primera,
se representa mediante barras horizontales, la duración de cada actividad,
teniendo en cuenta la precedencia y empezando cada actividad, lo más pronto
posible. Sobre la segunda fila de cada actividad, se representa, mediante barras
horizontales, la duración de cada actividad, teniendo en cuenta la precedencia,
pero, empezando cada actividad lo más tarde posible, sin alterar la duración
total mínima del proyecto.

Diagrama Gantt
Duración en semanas
Actividades Observaciones
1 2 3 4 5 6 7 8 9 10 11 12 13 14
A
B
C
D
E
F
Aquí, sobre el diagrama Gantt, se han colocado las barras en la primera fila de
cada actividad, teniendo en cuenta las precedencias e iniciando cada actividad, lo más
pronto posible. El resultado final indica, que el proyecto se puede realizar, en un tiempo
mínimo de 14 semanas.
Ahora, colocamos el segundo juego de barras sobre la segunda fila de cada actividad,
teniendo en cuenta las precedencias e iniciando cada actividad lo más tarde posible,
sin perjudicar la duración mínima total del proyecto: 14 semanas.
Actividades Observaciones
1 2 3 4 5 6 7 8 9 10 11 12 13 14
A Actividad Crítica
B Holgura de 2 semanas
C Holgura de 2 semanas
D Holgura de 2 semanas
E Actividad Crítica
F Actividad Crítica
Fíjese que el inicio de las actividades A, E y F, no se puede posponer, sin alterar

la duración total mínima del proyecto: 14 semanas; ello, obliga a que se ejecuten de
manera precisa; cualquier atraso en alguna o en varias de ellas, tiene un efecto directo
sobre la duración total del proyecto. Si la duración de la actividad A aumenta en una
semana, la duración total del proyecto aumentará en una semana. Estas actividades
reciben el nombre de actividades críticas y deben ser supervisadas por el que toma las
decisiones o dueño del proyecto, de manera exhaustiva y disponer del mejor personal,
que garantice su realización sin demoras. Igualmente, se debe supervisar el arribo, a
tiempo de las materias primas para éstas actividades y todo aspecto que tenga que
ver con ellas, o que pueda, directa o indirectamente, ocasionar duraciones adicionales.

Cualquier aumento en la duración total del proyecto, ocasiona aumento en los cos-
tos, en el cobro del seguro de cumplimiento y en el deterioro de la imagen de la empresa.
Fíjese que las actividades B, C y D tienen una holgura de 2 semanas, lo cual quiere
decir, que su inicio más pronto, se puede retrazar como máximo 2 semanas, sin que
afecte la duración mínima total del proyecto: 14 semanas.
Del gráfico Gantt se deduce que cada actividad tiene cuatro tiempos significativos,
importante para tener en cuenta, y son:
• tiempo de inicio más temprano: Es la fecha, más pronta posible, para iniciar las
labores de la actividad.
• tiempo de inicio más tarde: Es la fecha, más tarde posible, para iniciar las labores
de la actividad, sin alterar la duración total mínima del proyecto.
• tiempo de terminación más temprano: Es la fecha, más pronta posible, para finalizar
las labores de la actividad.
• tiempo de terminación más tarde: Es la fecha, más tarde posible, para finalizar las
labores de la actividad, sin alterar la duración total mínima del proyecto.
• holgura: Es el tiempo máximo que una actividad puede retrasarse sin alterar
la duración total mínima del proyecto. Es la diferencia entre el tiempo de inicio
más tarde y el tiempo de inicio más temprano o la diferencia entre el tiempo de
terminación más tarde y el tiempo de terminación más temprano.
HOLGURA = TIEMPO DE INICIO MÁS TARDE - TIEMPO DE INICIO MÁS TEMPRANO
HOLGURA = T. DE TERMINACIÓN MÁS TARDE - T. DE TERMINACIÓN MÁS TEMPRANO
Actividad Observaciones
1 2 3 4 5 6 7 8 9 10 11 12 13 14
D Holgura de 2 semanas
7-5=2 ó 11-9=2
Tiempo de inicio más temprano Tiempo de terminación más tarde
Tiempo de inicio más tarde Tiempo de terminación más temprano

Representación del proyecto mediante una red
El paso siguiente consiste en representar el proyecto mediante una red, empleando
la técnica actividad - nodo o Método de Bernard Roy (1960 Francia). En los nodos,
colocamos las actividades, teniendo en cuenta las precedencias, para lo cual, usamos
los ramales o flechas que unen cada par de nodos. La simbología que se usará para los
nodos es la siguiente:
Nombre de la actividad Duración de la actividad

Tpo. de inicio más temprano Tpo. de finalización más temprano
Tiempo de inicio más tarde Tiempo de finalización más tarde
Holgura
E 6
5 11
5 11
0
A 5 B 1 C 2 F 3
0 5 0 1 1 3 11 14
0 5 2 3 3 5 11 14
0 2 2 0
D 4
5 9
7 11
2
Observaciones:
1. No espere lograr en el primer intento una red perfecta; lo normal es hacer va-
rios intentos, dibujando, solamente, los nodos , el nombre de la actividad que
representa y las flechas o ramales (sin colocar los tiempos). Cuando logre una red
que cumpla con las precedencias y cuya presentación sea lo más clara y sencilla,
evitando en lo posible los cruces de ramales, y de preferencia en orden lógico
de izquierda a derecha o de arriba hacia abajo; solamente, entonces, dibuje la
red sobre la que va a colocar los tiempos.
2. Fíjese que pueden existir varios nodos origen o varios nodos finales
3. Al menos, debe tener un nodo origen y un nodo destino, con holgura cero.
4. La unión de los nodos que tengan holgura cero, conforman una cadena que
se denomina la ruta crítica. En una red, pueden haber varias rutas críticas; En
nuestro caso, la ruta crítica la conforman las actividades A-E-F y el tiempo mínimo
del proyecto es de 14 semanas.

Explicación de los cálculos

1. Las actividades A y B, por carecer de precedencias, pueden iniciar lo más pronto
posible, «ahora mismo» esto, lo denominamos el tiempo de inicio más temprano
o sea, cero (0). A dicho tiempo de inicio más temprano, le sumamos la duración
de la respectiva actividad, obteniendo el tiempo de finalización más temprano.
Para el caso de la actividad A:
Tiempo de finalización más temprano de A = 0 + 5 = 5.
Fíjese, que si al tiempo de finalización mas temprano, le restamos el tiempo de

inicio más temprano, el resultado es: 5 - 0 = 5, que es la duración de la actividad.
Si como tiempo de inicio más temprano, se hubiera colocado uno (1), ésta resta
hubiese dado: 5 - 1 = 4, que no corresponde a la duración de la actividad, por
ello, el tiempo de inicio más temprano, para todas las actividades que no tienen
precedencia, es cero (0).
2. Para calcular el tiempo de inicio más temprano de la actividad E, debemos tener

en cuenta el tiempo de terminación más temprano de todas las actividades que
la preceden, para éste caso, esas actividades son A y C, cuyos tiempos de termi-
nación más temprano son: 5 y 3 semanas, respectivamente. Luego, la actividad
E no puede iniciarse hasta cuando las actividades precedentes, A y C, hayan
terminado. Esto significa que la actividad E no puede empezar hasta cuando la
actividad A, que tiene el mayor tiempo de terminación más temprano, finalice;
por ello, el tiempo de inicio más temprano de la actividad E, es 5 semanas.
Tiempo de inicio más Al mayor tiempo de ter-

temprano de una = minación más tempra-
actividad con prece- no de las actividades
dencias precedentes
3. Fíjese que la duración mínima del proyecto es igual al mayor tiempo de termi-
nación más temprano de las actividades que finalizan, que no son precedentes
de otras. Para nuestro caso, sólo hay una, la actividad F, cuyo tiempo de termi-
nación más temprano es de 14 semanas; entonces, ésta, es la menor duración
del proyecto.

Al mayor tiempo de terminación
Tiempo total mínimo = más temprano de las actividades
del proyecto que no son precedentes de otra
(Nodos terminales)
4. Fíjese que los cálculos siguen una secuencia lógica de izquierda a derecha, igual
a la secuencia lógica de la red.
5. Para el cálculo de los tiempos de inicio y de terminación más tarde es conveniente
hacerlo de derecha a izquierda.
6. El tiempo de finalización más tarde de todos los nodos finales, es igual al tiempo
total mínimo del proyecto. Para nuestro caso, 14 semanas; por ello, la actividad F
(nodo terminal = no es precedente de ninguna otra actividad) tiene como tiempo
de terminación más tarde, 14 semanas.
7. El tiempo de inicio más tarde es igual al tiempo de terminación más tarde menos
la duración de la actividad. Para la actividad F, el cálculo correspondiente es:
14 - 3 = 11 semanas
Tiempo de inicio Tiempo de terminación Duración de

= -
más tarde más tarde la actividad
8. íjese que el tiempo de terminación más tarde de la actividad C, depende del

tiempo de inicio más tarde de las actividades E y D cuyos valores respectivos
son 5 y 7 semanas. Debemos escoger el menor de los dos, en atención a que
las actividades E y D no pueden iniciarse hasta que la actividad C termine. Para
nuestro caso, el tiempo más tarde de terminación de la actividad C es igual al
mínimo entre {5,7} = 5 semanas.
Tiempo de Al menor tiempo de inicio mas

=
finalización tarde de las actividades que
más tarde precede
9. Fíjese que nunca pueden aparecer HOLGURAS NEGATIVAS, todas deben ser > 0

De esta forma, las respuestas a las preguntas a) y b) de nuestro problema han sido
contestadas y explicadas en detalle.
Respuesta a la pregúnta C): Si todas las actividades cumplen el tiempo estimado,
el tiempo máximo que puede atrasarse la actividad D es igual a su holgura, ésto es,
dos (2) semanas.
Pert probabilístico
Aquí, el tiempo de duración de cada actividad es una variable aleatoria que sigue una
distribución de probabilidad. En la mayoría de la literatura sobre el tema, se usa la distri-
bución de probabilidad beta unimodal, llamada también, distribución de probabilidad
de tres tiempos estimados, cuyos parámetros son:
a = Tiempo optimista, si todo va bien, bajo condiciones ideales
m = Tiempo más probable, si todo marcha dentro de lo normal
b = Tiempo pesimista, si todo va mal, bajo condiciones pésimas
El tiempo esperado y la varianza de la distribu-

ción de probabilidad beta unimodal son:
4m + a + b
te =
6
2
b-a
a m b σ2 =
6
Ejemplo 4.2
Como administrador de un proyecto, se enfrenta a la red de actividades que se muestra
en la figura y a los estimados de tiempo optimista, más probable y pesimista de las
actividades, en semanas.
a. Represente el proyecto mediante una red actividad - nodo
b. Calcule el tiempo esperado y la varianza de cada actividad, suponiendo una
distribución beta unimodal de probabilidad.
c. Calcule el tiempo de inicio esperado más temprano, el tiempo de inicio espe-
rado más tarde, el tiempo de finalización esperado más temprano, el tiempo

de finalización esperado más tarde y la holgura esperada, para cada una de las
actividades del proyecto.
d. Especifique la ruta crítica, el tiempo esperado de conclusión del proyecto y su
varianza esperada.
e. Encuentre la probabilidad de que las actividades de la ruta crítica concluyan
dentro de 27 semanas; dentro de 25 semanas; dentro de 23 semanas; en más
de 27 semanas; entre 25 y 27 semanas.
f. ¿Cuántas semanas permitirá una probabilidad del 90%, para concluir la ruta
crítica a tiempo?
C
3 6
B G
A D F
1 2 5 7 8
I
Actividad
Ficticia
E H
Tiempo Tiempo Tiempo

Actividades optimista más probable pesimista
ai mi bi
A 1 3 5
B 1 3 5
C 4 5 6
D 1 4 7
E 7 8 9
F 4 6 8
G 4 5 6
H 7 9 11
I 1 3 5
Solución
Para representar el proyecto como una red actividad - nodo, observamos en la red
actividad - flecha que suministra el enunciado del problema, cuáles son las pre-
cedencias de cada actividad. Con ésta información reescribimos la tabla de datos
y efectuamos los cálculos del tiempo esperado y la varianza, para cada actividad.

Actividades a + b + 4m b-a 2
Actividades
Predecesoras
ai bi mi te = σ2 = 6
6
A Ninguna 1 5 3 (1+5+4(3))/6=3 ((5-1)/6)2=4/9
B A 1 5 3 (1+5+4(3))/6=3 ((5-1)/6)2=4/9
C B 4 6 5 (4+6+4(5))/6=5 ((6-4)/6)2=1/9
D B 1 7 4 (1+7+4(4))/6=4 ((7-1)/6)2=1
E A 7 9 8 (7+9+4(8))/6=8 ((9-7)/6)2=1/9
F D,E 4 8 6 (4+8+4(6))/6=6 ((8-4)/6)2=4/9
G C,F 4 6 5 (4+6+4(5))/6=5 ((6-4)/6)2=1/9
H E 7 11 9 (7+11+4(9))/6=9 ((11-7)/6)2=4/9
I G,H 1 5 3 (1+5+4(3))/6=3 ((5-1)/6)2=4/9
Ahora, podemos representar el proyecto sobre una red actividad - nodo y trabajan-
do con el tiempo esperado, efectuamos los cálculos necesarios para hallar los tiempos
solicitados.
Tiempo esperado (te)
B 3 C 5 G 5
3 6 6 11 17 22
4 7 12 17 17 22
1 6 0
A 3 D 4 F 6 I 3
0 3 6 10 11 17 22 25

0 3 7 11 11 17 22 25
0 1 0 0
E 8 H 9
3 11 11 20
3 11 13 22
0 2
Las preguntas a), b) y c) han quedado resueltas.

d. La ruta crítica está conformada por las actividades: A-E-F-G-I. El tiempo esperado
mínimo de conclusión del proyecto es de 25 semanas y la varianza del tiempo
esperado del proyecto, es la sumatoria de las varianzas que pertenecen a la ruta
crítica.

σ2 = 4/9 + 1/9 + 4/9 + 1/9 + 4/9 = 14/9
e. Estandarizamos, usando la fórmula de la distribución normal de probabilidad,

que escrita en términos propios del PERT probabilístico, se expresa así:
Tiempo Predeterminado - Tiempo Esperado Mínimo del Proyecto

Z=
Desviación estándar del tiempo mínimo esperado del proyecto
De manera abreviada: Z = (Tp - te)/σ
Para los tres casos solicitados, tenemos:
Para Tp = 27 Para Tp = 25 Para Tp = 23

(27-25) (25-25) (23-25)
Z= Z= Z=
√ 14/9 √ 14/9 √ 14/9
Z = 1,60 Z=0 Z = -1,60
P(Z ≤ 1,60) = 0,9452 P(Z ≤ 0) = 0,5 P(Z ≤ -1,60) = 0,0548
La probabilidad de que el proyecto se termine en 27 semanas o menos es: 0,9452

La probabilidad de que el proyecto se realice en más de 27 semanas es de 1 - 0,9452
= 0,0548
La probabilidad de que el proyecto se realice entre 25 y 27 semanas es de 0,4452
f. Aquí, primero averiguamos cuál es el valor de Z que tiene una probabilidad de
0,9. Para ello, buscamos, en la tabla de la distrución normal acumulada, el valor
más aproximado por encima de 0,9, siendo éste, 1,29 y planteamos la siguiente
ecuación, que resolviéndola nos ofrece un tiempo predeterminado de 26,6089.
En la eventualidad de exigirse semanas completas, la aproximación siempre debe
hacerse al siguiente entero; para nuestro caso, 27 semanas.

Z = (Tp - 25)/ √ 14/9 1,29 = (Tp - 25)/ √ 14/9 Tp = 1,29 √ 14/9 + 25
Tp = 26,6089 Semanas
Método de la ruta crítica, cpm Critical Path Method

Características
1. Supone que los tiempos de las actividades son determinísticos, es decir, se pue-
den predecir de manera confiable, sin incertidumbre significativa.
2. En lugar de dar una importancia primordial al tiempo, el CPM asigna la misma
importancia al tiempo y al costo.
Comportamiento de los costos directos

En la gráfica siguiente se ilustra el comportamiento de los costos directos de una
actividad. En ella se deduce la fórmula de la pendiente que nos indica lo que se
incrementa el costo directo total por unidad de tiempo reducido en la actividad.
CC = Costo directo a duración mínima o crítica
Cn = Costo directo a duración normal
Dc = Duración mínima o crítica de la actividad
Dn = Duración normal de la actividad
Costos
directos
Cc (Cc - Cn)
Pendiente =
Cc - Cn (Dn -Dc)
Cn A menor duración, los costos

Dn -Dc
directos se incrementan
Duración
Dc Dn

Costos
indirectos
(Cc - Cn)
Cc Pendiente =
(Dc -Dn)
Cc - Cn
A menor duración los costos indi-
Cn rectos se reducen
Dc -Dn
Duración
Dn Dc
Lo anterior, se da a nivel infinitesimal. Ahora, si sumamos, punto a punto, obtenemos

la gráfica de los costos totales que se ilustra a continuación.
Costos
Costos Totales
Costo
Total Costos Indirectos
Mínimo
Costos Directos
Duración
Duración a Costo Total
Mínimo
Procedimiento
1. Se calcula la RUTA CRÍTICA y se colocan los costos directos de duración normal,
asociados a ella.
2. Se considera la reducción en la duración del proyecto.
a. La atención se debe centrar sobre las actividades de la ruta crítica con el fin
de lograr una reducción en la duración del proyecto, al mínimo costo posible.
b. Se debe comprimir tanto como sea posible la actividad crítica que tenga la
pendiente tiempo - costo, más pequeña. Se recomienda hacer ésta operación
por unidad de tiempo, ya que durante la reducción, la ruta crítica puede variar.
c. El nuevo programa debe considerarse ahora para reducción, seleccionando la
actividad crítica con la mínima pendiente.

El procedimiento se repite hasta que todas las actividades críticas estén en su tiempo
de duración mínima o hasta que logremos el tiempo requerido por el dueño del proyecto.
Ejemplo 4.3
Considere el siguiente proyecto que tiene las actividades y sus precedencias,, su dura-
ción en semanas y los costos, normales y críticos, que se muestran en la siguiente tabla:
Actividad Normal Mínima

Actividad
precedente Duración Costo Duración Costo
A Ninguna 8 100 6 200
B Ninguna 4 150 2 350
C A 2 50 1 90
D A 10 100 5 400
E B 5 100 1 200
F C, E 3 80 1 100
Reduzca el proyecto a su duración mínima al menor costo directo posible.
Solución
El costo total del proyecto a duración normal es:

100 + 150 + 50 + 100 + 100 + 80 = $580
Cálculo de la pendiente de cada actividad:
Actividad Pendiente
A (200 - 100)/(8 - 6) = 50
B (350 - 150)/(4 - 2) = 100
C ( 90 - 50)/(2 - 1) = 40
D (400 - 100)/(10- 5) = 60
E (200 - 100)/(5 - 1) = 25
F (100 - 80)/(3 - 1) = 10
Según los cálculos anteriores, la duración en tiempo normal, el costo normal y la

ruta crítica, se ilustran en la siguiente red del proyecto:

D 10 Duración: 18 Semanas
8 18 Costos directos: $580
8 18 Ruta crítica: A-D
0
Actividad por disminuir en 1 semana: A, con la
menor pendiente de $50/Semana
A8 C 2
0 8 8 10 Fíjese que hay dos nodos terminales: D y F; el
0 8 13 15 tiempo mínimo del proyecto es el mayor tiem-
0 5 F 3
10 13
po de finalización más pronto de las dos activi-
15 18 dades, esto es, el máximo entre {13,18}, siendo
B 4 E 5 5 18 el correspondiente a la actividad D.
0 4 4 9
6 10 10 15
6 6
D 10
7 17
7 17
0 Duración: 17 Semanas
Costos directos: 580+50= $630
A 7 C 2 Ruta crítica: A-D
0 7 7 9 Actividad por disminuir en 1 semana: A, con
0 7 12 14
F 3 la menor pendiente de $50/Semana
0 5
9 12 Fíjese que la actividad A, se puede reducir de
14 17 7 a 6 semanas, que es su duración mínima.
B 4 E 5 5
0 4 4 9
5 9 9 14
5 5
D 10
6 16 Duración: 16 Semanas
6 16 Costos directos: 630+50= $680
0 Ruta crítica: A-D
Actividad por disminuir en 1 semana: D,
A 6 C 2
con pendiente de $60/Semana
0 6 6 8
0 6 11 13 Fíjese que la actividad A, que posee la me-
0 5 F 3 nor pendiente, no se puede disminuir más,
9 12
por haber llegado a su duración mínima;
13 16
B 4 E 5 4 entonces considerare la siguiente actividad
0 4 4 9 de la ruta crítica con menor pendiente D y la
4 8 8 13
4 4
disminuimos en 1 semana.

6 15 Ruta crítica: A-D
0
Actividad por disminuir en 1 semana: D, con
pendiente de $60/Semana
A 6 C 2
0 6 6 8 Aquí, la pregunta es: ¿Se puede disminuir, de
0 6 10 12 una vez, la duración de la actividad D, de 9
0 4 F 3
9 12
semanas a su duración mínima de 5 semanas?
12 15 La respuesta es NO, porque en el proceso de
B 4 E 5 3 disminuir semana por semana, la ruta crítica
0 4 4 9
7 12
puede cambiar, cuando es otra actividad dife-
3 7
3 3 rente, la que se debe disminuir .
D 8
6 14
6 14
0 Duración: 14 Semanas
A 6 C 2 Ruta crítica: A-D
0 6 6 8
0 6 9 11 Actividad por disminuir en 1 semana: D, con
0 3 F 3 pendiente de $60/Semana
9 12
11 14
B 4 E 5 2
0 4 4 9
2 6 6 11
2 2
D 7
6 13
0
Ruta crítica: A-D
A 6 C 2
0 6 6 8 Actividad por disminuir en 1 semana: D, con
0 6 8 10 pendiente de $60/Semana
0 2 F 3
9 12
10 13
B 4 E 5 1
0 4 4 9
1 5 5 10
1 1

6 12 Rutas críticas: A-D y B-E-F
0
Actividades por disminuir en 1 semana: D,
con pendiente de $60/Semana
A 6 C 2
0 6 6 8 Fíjese que existen dos rutas críticas inde-
0 6 7 9 pendientes (sin actividades en común para
0 1 F 3
9 12
ambas rutas). Si disminuimos en 1 semana
9 12 la actividad D, la ruta crítica B-E-F subsistirá
B 4 E 5 0 y en la siguiente gráfica, tendremos que dis-
0 4 4 9
minuir en 1 semana la actividad F, de menor
0 4 4 9
0 0 pendiente ($10/semana), en dicha ruta, todo
ello, para lograr disminuir el proyecto de 12
a 11 semanas. Para este caso, podemos ha-
cer la disminución, simultaneamente, sobre las actividades D y F, como se muestra a
continuación:
D 5
6 11
Duración: 11 Semanas
6 11 Costos directos: 920+60+10= $990
0 Rutas críticas: A-D y B,E,F
Actividad por disminuir en 1 semana: No hay
A 6 C 2 Fíjese que en la ruta crítica A-D todas sus
0 6 6 8 actividades han llegado a su duración
0 6 7 9
0 1 F 2 mínima, luego, por más que disminuyamos
9 11 cualesquiera de las actividades de la ruta
9 11 crítica B,E,F siempre prevalecerá como ruta
B 4 E 5 0
0 4 4 9 crítica A-D, con duración de 11 semanas. Por
0 4 4 9 lo tanto, el proyecto ha llegado a su mínima
0 0
reducción.
Conclusión:
• El proyecto se puede reducir a 11 semanas como máximo, con un costo directo
total de $990
• El método CPM es una negociación o trueque entre duración y costos directos,
pero, de manera inteligente.
• A continuación, se presenta un ejemplo aún más completo, en donde se tienen
en cuenta los costos indirectos, los costos directos, los costos totales del proyecto
y adicionalmente, se grafican, obteniendo la duración del proyecto, para que los
costos totales sean mínimos.

Ejemplo 4.4
Para un proyecto que tiene los tiempos en semanas, los costos directos, los costos
indirectos y los costos de acortamiento en millones de pesos que se muestran en la
tabla, calcule:
a. Los costos totales directos de terminación del proyecto en 9,10,11,12 y 13 se-
manas.
b. Para los costos indirectos que se muestran, grafique los costos totales, directos
e indirectos y determine el tiempo de conclusión, de menor costo total.
Actividad Tiempo Costo Tiempo Costo

Actividad
precedente normal normal crítico crítico
A No tiene 2 500 1 800
B No tiene 5 900 3 1.300
C No tiene 4 800 3 1.000
D A 1 400 1 400
E C 3 1.200 2 1.800
F B,D,E 6 700 4 900
G C 8 600 4 1.200
Total 5.100
Duración del proyecto 9 10 11 12 13

Costos indirectos 6.000 6.150 6.200 6.500 7.100
Solución:
Cálculo de las pendientes Construcción de la red
Actividad Pendiente
A 300/1 = 300 A D Fíjese que la red tiene
B 400/2 = 200 tres actividades inicia-
C 200/1 = 200 B F les (A,B,C) y dos activi-
D No tiene dades terminales (F,G)
E 600/1 = 600 C E
F 200/2 = 100
G 600/4 = 150 G
La actividad D no tiene pendiente; esto quiere decir, que su duración normal es

irreductible.

A 2 D 1
0 2 2 3
4 6 6 7
Costos directos: $5.100
B 5 F 6 Ruta crítica: C-E-F
0 5 7 13 Actividad de la ruta crítica por disminuir
2 7 7 13 en 1 semana: F, con la menor pendiente de
2 0 $100/Semana.
C 4 E 3
0 4 4 7
0 4 4 7
0 0
G 8
4 12
5 13
1
Costos directos: 5.100+100=$5.200
A 2 D 1 Rutas críticas: C-E-F y C-G
0 2 2 3 Actividad por disminuir en 1 semana: C
4 6 6 7 Aquí, hay dos rutas críticas. Obseve que ellas,
4 4
tienen en común la actividad C cuya pen-
diente es $200/semana. Si disminuimos la
B 5 F 5
0 5 7 12 actividad F en 1 semana, por tener la menor
2 7 7 12 pendiente en su ruta, la ruta crítica C-G so-
2 0 brevivirá y disminuiremos la actividad G, en
1 semana, por tener la menor pendiente en
C 4 E 3 su ruta de $150/semana. Por consiguiente,
0 4 4 7 disminuir la duración del proyecto, de 12 a
0 4 4 7
11 semanas, nos cuesta 100+150= $250. Me-
0 0
jor opción es disminuir, en 1 semana, la ac-
tividad común C que causa de inmediato la
G 8
4 12 reducción de 1 semana, en la duración total
4 12 del proyecto que pasaria de 12 a 11 semanas
0 y costaría $200, en vez de $250

A 2 D 1
0 2 2 3
3 5 5 6
3 3
B 5 F 5 Costos directos: 5.200+200=$5.400
0 5 6 11 Rutas crítica: C-E-F y C-G
1 6 6 11 Aquí, la actividad común C ha llegado a su
1 0
mínima duración; luego, para reducir en 1
semana todo el proyecto debemos consi-
C 3 E 3
0 3 3 6
derar las actividades F y G, mínimas y redu-
0 3 3 6 cibles, cada una, en su ruta crítica respecti-
0 0 va. Los costos totales se incrementarán en
100+150= $250
G 8
3 11
3 11
0
A 2 D 1 Duración: 10 Semanas
0 2 2 3 Costos directos: 5.400+100+150= $5.650
3 5 5 6 Rutas crítica: C-E-F y C-G
3 3
B 5 F 4
0 5 6 10
1 6 6 10
1 0
Aquí, persisten las dos rutas críticas: En C-E-F,
C 3 E 3 la única que se puede reducir es E, con una
0 3 3 6
0 3 3 6 pendiente de $600/semana; en la ruta crítica
0 0 C-G la única reducible es G, con una pendien-
te de $150/semana. Luego, reducir el proyec-
G 7 to en 1 semana cuesta 600+150= $750
3 10
3 10
0

A 2 D 1
0 2 2 3
2 4 4 5
2 2
B 5 F 4
0 5 5 9 Duración: 9 Semanas
0 5 5 9 Costos directos: 5.650+600+150= $6.400
0 0 Rutas crítica: B-F, C-E-F y C-G
Teniendo en cuenta, todas las anteriores
C 3 E 2 gráficas, hemos obtenido los costos directos
0 3 3 5
0 3
para 9,10,11,12 y 13 semanas.
3 5
0 0
G 6
3 9
3 9
0
Tabla resumen
Duración del proyecto 9 10 11 12 13

Costos indirectos 6.000 6.150 6.200 6.500 7.100
Costos directos 6.400 5.650 5.400 5.200 5.100
Costos totales 12.400 11.800 11.600 11.700 12.200
En la tabla resumen, se observa que el proyecto se debe hacer en 11 semanas, para

lograr un costo total mínimo de $11.600
Costos
($)
Costos Totales
Costo
Total $11.600 Costos Indirectos
Mínimo
Costos Directos
Duración
11 (Semanas)
Duración a Costo
Total Mínimo

Ejemplo 4.5
Cierto proyecto se compone de 12 actividades. El proyecto implica que su ejecución
tenga las siguientes precedencias, costos en miles de pesos y tiempos de las actividades
en semanas:
Actividad Tiempo Tiempo Costo Costo

Actividad
predecesora normal reducido normal reducido
A ------ 5 3 200 250
B ------ 4 4 300 300
C ------ 8 7 400 500
D A 3 2 120 150
E A 7 5 200 300
F C 5 5 300 300
G C 4 3 300 370
H B, D 3 3 800 800
I F, H 9 6 70 160
J F, H 11 7 150 200
K E, I 8 6 60 150
L G, J 10 9 100 105
a. Dibuje la red CPM y determine la ruta crítica y su duración.

b. Reduzca, en la forma más económica, la duración del proyecto en cinco (5) se-
manas, utilizando la programación lineal.
c. Si se dispone de un presupuesto adicional de $135.000. ¿Cuál sería la máxima
reducción posible, en la duración del proyecto? . Use la programación lineal.
Solución: Construimos la siguiente tabla con la información necesaria para la formulación
del problema de programación lineal.
Máxima Máxima
Actividad Pendiente Actividad Pendiente
reducción reducción
A 2 25 G 1 70
B 0 ------ H 0 ------
C 1 100 I 3 30
D 1 30 J 4 12,5
E 2 50 K 2 45
F 0 ------ L 1 5

A 5 B 4 Nodos iniciales: A,B,C
0 5 0 4 Nodos finales: K,L
2 7 6 10
2 6
E 7 D 3 H 3
5 12 5 8 8 11
19 26 7 10 10 13
14 2 2
K 8 I 9 J 11 L 10
22 30 13 22 13 24 24 34
26 34 17 26 13 24 24 34
4 4 0 0
Tiempo total mínimo F 5 G 4

del proyecto: 34 semanas. 8 13 8 12
Ruta crítica: C - F - J - L 8 13 20 24
Costo total en tiempo 0 12
normal: $3’000.000
Costo de la ruta crítica en
tiempo normal: $950.000
C 8
0 8
0 8
0
b) De la tabla de tiempo irreductible y de pendientes por actividad, tenemos que:

Xj = Semanas para reducir la actividad j-ésima (j = A,B,C,D,E,F,G,H,I,J,K,L)
Yj = Semana de inicio de la actividad j-ésima (j = A,B,C,D,E,F,G,H,I,J,K,L)
Y = Duración deseada del proyecto.
Minimizar Z = 25.000XA + 100.000XC + 30.000XD + 50.000XE + 70.000XG + 30.000XI +
12.500XJ + 45.000XK + 5.000XL
Fíjese que XB = XF = XH = 0, por encontrarse en su duración irreductible, no tienen
pendiente.
0 < XA < 2 0 < XE < 2 0 < XJ < 4 Restricciones debidas al número máximo
0 < XC < 1 0 < XG < 1 0 < XK < 2 de semanas que se puede reducir cada
0 < XD < 1 0 < XI < 3 0 < XL < 1 actividad.

Y < 29 Restricción debida a que se quiere reducir el proyecto a 29 semanas.
YE > YA + 5 - XA => XA + YE > 5 Restricciones de tiempo de inicio

YD > YA + 5 - XA => XA + YD > 5 La fecha de inicio de la actividad j es >
YH > YB + 4 - XB => YH > 4 a la fecha de inicio de la actividad pre-
YH > YD + 3 - XD => XD - YD + YH > 3 decesora + la duración de la actividad
YK > YE + 7 - XE => XE - YE + YK > 7 predecesora.
YK > YI + 9 - XI => XI - YI + YK > 9 La duración de la actividad predecesora
YI > YH + 3 - XH => -YH + YI > 3 = La duración actual - La reducción (Xj)
YI > YF + 5 - XF => -YF + YI > 5 La fecha de inicio de las actividades ini-
YJ > YH + 3 - XH => -YH + YJ > 3 ciales es igual a cero (0): YA = YB = YC = 0
YJ > YF + 5 - XF => -YF + YJ > 5 La combinación de las restricciones tales
YL > YJ + 11 - XJ => XJ - YJ + YL > 11 como:
YL > YG + 4 - XG => XG - YG + YL > 4 YH > YB + 4 - XB
YF > YC + 8 - XC => XC + YF > 8 YH > YD + 3 - XD
YG > YC + 8 - XC => XC + YG > 8 asegura que la actividad H, no podrá
Y > YK + 8 - XK => XK - YK + Y > 8 empezar hasta cuando las actividades B
Y > YL + 10 - XL => XL - YL + Y > 10 y D hayan concluido.
YJ > 0 ; para toda j
Usando el WinQsb, la solución óptima es:
X*A= 0 X*I = 1 Y*E = 14 Y*J = 13

X*C = 0 X*J = 4 Y*F = 8 Y*K = 21
X*D= 0 X*K = 0 Y*G= 8 Y*L = 20
X*E = 0 X*L = 1 Y*H= 10 Y* = 29
X*G= 0 Y*D= 7 Y*I = 13 Z* = 85.000
Costo total mínimo para 29 semanas: $3’000.000 + $85.000 = $3’085.000
El diagrama PERT del proyecto se realizará de la siguiente forma:

2 7 6 10
2 6
E 7 D 3 H 3
5 12 5 8 8 11
14 21 7 10 10 13
9 2 2
K 8 I 8 J 7 L 9
21 29 13 21 13 20 20 29
21 29 13 21 13 20 20 29
0 0 0 0
F 5 G 4
Tiempo total mínimo 8 13 8 12
del proyecto: 29 semanas. 8 13 16 20
Rutas críticas 0 8
C-F-J-L
C-F-I-K
Costo total mínimo: C 8
$3’085.000 0 8
0 8
0
c) Formulamos el problema de programación lineal de la siguiente manera:

Xj = Semanas a reducir la actividad j-ésima (j = A,B,C,D,E,F,G,H,I,J,K,L)
Yj = Semana de inicio de la actividad j-ésima (j = A,B,C,D,E,F,G,H,I,J,K,L)
Y = Duración del proyecto.
Minimizar Z = Y
Restricción debida al presupuesto adicional.
25.000XA + 100.000XC + 30.000XD + 50.000XE + 70.000XG + 30.000XI + 12.500XJ + 45.000XK
+ 5.000XL < 135.000
Fíjese que XB = XF = XH = 0 ; ya que se encuentran en su duración irreductible, por eso
no tienen pendiente, no pueden generar costo adicional.

0 < XA < 2 0 < XE < 2 0 < XJ < 4 Restricciones debidas al número máxi-
0 < XC < 1 0 < XG < 1 0 < XK < 2 mo de semanas que se puede reducir
0 < XD < 1 0 < XI < 3 0 < XL < 1 cada actividad.
YE > YA + 5 - XA => XA + YE > 5 Restricciones de tiempo de inicio

YD > YA + 5 - XA => XA + YD > 5 La fecha de inicio de la actividad j es >
YH > YB + 4 - XB => YH > 4 a la fecha de inicio de la actividad pre-
YH > YD + 3 - XD => XD - YD + YH > 3 decesora + la duración de la actividad
predecesora.
YK > YE + 7 - XE => XE - YE + YK > 7
YK > YI + 9 - XI => XI - YI + YK > 9 La duración de la actividad predecesora
YI > YH + 3 - XH => - YH + YI > 3 = La duración actual - La reducción (Xj)
YI > YF + 5 - XF => -YF + YI > 5 La fecha de inicio de las actividades ini-
YJ > YH + 3 - XH => -YH + YJ > 3 ciales es igual a cero (0): YA = YB = YC = 0
YJ > YF + 5 - XF => -YF + YJ > 5 La combinación de las restricciones
YL > YJ + 11 - XJ => XJ - YJ + YL > 11 tales como:
YL > YG + 4 - XG => XG - YG + YL > 4
YH > YB + 4 - XB
YF > YC + 8 - XC => XC + YF > 8 YH > YD + 3 - XD
YG > YC + 8 - XC => XC + YG > 8 asegura que la actividad H, no podrá
empezar hasta cuando las actividades
Y > YK + 8 - XK => XK - YK + Y > 8 B y D hayan concluido.
Y > YL + 10 - XL => XL - YL + Y > 10
YJ > 0 ; para toda j
Usando el WinQsb, la solución óptima es:
Y* = 28,5 Semanas
X*A = 0 X*G = 0 Y*A = 0 Y*G = 7,5

X*B = 0 X*H = 0 Y*B = 0 Y*H = 9,5
X*C = 0,5 X*I = 1 Y*C = 0 Y*I = 12,5
X*D = 0 X*J = 4 Y*D = 6,5 Y*J = 12,5
X*E = 0 X*K = 0 Y*E = 13,5 Y*K = 20,5
X*F = 0 X*L = 1 Y*F = 7,5 Y*L = 19,5
Costo total mínimo para 28,5 semanas: $3’000.000 + $135.000 = $3’135.000
El diagrama PERT quedaría de la siguiente manera:

1,5 6,5 5,5 9,5
1,5 5,5
E 7 D 3 H 3
5 12 5 8 8 11
13,5 20,5 6,5 9,5 9,5 12,5
8,5 1,5 2
K 8 I 8 J 7 L 9
20,5 28,5 12,5 20,5 12,5 19,5 19,5 28,5
20,5 28,5 12,5 20,5 12,5 19,5 19,5 28,5
0 0 0 0
F 5 G 4
Tiempo total mínimo 7,5 12,5 7,5 11,5
del proyecto: 28.5 semanas. 7,5 12,5 15,5 19,5
Rutas críticas 0 8
C-F-J-L
C-F-I-K
Costo total mínimo:
$3’135.000 C 7,5
0 7,5
0 7,5
0
Ejemplo 4.6
En la tabla siguiente, se muestran las actividades de un pequeño proyecto, sus activi-
dades predecesoras, la duración esperada y la varianza de cada actividad.
a. Elabore el diagrama GANTT, el diagrama PERT y determine la ruta crítica, la
duración mínima esperada del proyecto, su varianza y la desviación estándar.
b. Compute la duración del proyecto con un intervalo de confianza del 95,05%
c. ¿Cuál es la probabilidad de que el proyecto dure más de 25 días ?

Actividad Tiempo esperado Varianza

Actividad
prdecesora te (en días) σ2
A ---- 3 1/4
B ----- 4 4/9
C A 6 1/9
D A 5 4/9
E B 8 4/9
F B 7 1/4
G C,E 5 1/4
H C,E,F 4 1/9
I D,G 2 1/9
J H,I 2 1/9
a)
Duración en días
Actividad 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
Observación
Holgura
A
3 días
Ruta
B
crítica
Holgura
C
3 días
Holgura
D
9 días
Ruta
E
crítica
Holgura
F
4 días
Ruta
G
crítica
Holgura
H
3 días
Ruta
I
crítica
Ruta
J
crítica
Ruta Crítica: B - E - G - I - J
Duración Mínima esperada del proyecto: 21 días.

A 3 D 5 I 2
0 3 3 8 17 19
3 6 12 17 17 19
3 9 0
G 5
12 17
12 17
0
Nodos inicio: A,B
Nodo terminal: J
C 6 E 8 B 4 Duración mínima esperada
3 9 4 12 0 4
del proyecto: 21 días
6 12 4 12 0 4
3 0 Ruta Crítica: B - E - G - I - J
0
F 7
4 11
8 15
4
H 4 J 2
12 16 19 21
15 19 19 21
3 3
Varianza = σ2 = 4/9 + 4/9 + 1/4 + 1/9 + 1/9 = 49/36 = 1,361

Desviación estándar = σ = 49/36 = 7/6 = 1,16
b)
0,02475 0,9505 0,02475
Z = (Tp - Te) / σ
Tp1 Tp2 Zσ = Tp - Te
Tp = Zσ + Te
[Te - Zσ] < Tp < [Te + Zσ]
0,9505

El valor de Z que corresponde a una probabilidad de 0,97525 es, aproximadamente

igual, a 1,96 (ver tabla de la distribución normal estandar N ∼ [0,1]);, entonces, el inter-
valo de confianza es:
[Te - Zσ] < Tp < [Te + Zσ]

[21 - 1,96(7/6)] < Tp < [21 + 1,96(7/6)]
18,713 < Tp < 23,286
La duración del proyecto, debe estar entre 18,713 y 23,286 semanas, para estar en
un intervalo de confianza del 95,05%
c) Tp = 25 días ; Te = 21 días ; σ = 7/6 ; Entonces: Z = (Tp - Te)/σ

Z = 6(25 - 21)/7
Z = 24/7 = 3,42857
0,9997 0,0003
Z
3,42857
P(Z > 3,42857) = 1 - P(Z < 3,42857) = 1 - 0,9997 = 0,0003 ≅ 0
Precedencias Parciales
Este, es un caso más refinado que los de las relaciones que se han venido manejando
hasta el momento entre las actividades de un proyecto. En efecto, A es precedente de
B, pero, puede existir entre ellas un traslapo, debido a que la actividad B puede iniciarse
cuando una parte de la actividad A (A1), haya terminado y no tener dependencia de la
segunda parte (A2) de la actividad A., Entonces, la parte A2 de la actividad A, se traslapa
con parte de la actividad B. Se presentan, a continuación, los casos de precedencias
parciales con sus respectivos gráficos.

Tipos de precedencia
1. Precedencia final en el inicio
Cuando la actividad B, debe esperar para iniciar, un tiempo adicional, que llama-
remos retraso (t), una vez que finaliza la actividad A.
Ejemplo:
A B
t
A B
FS = 3
 t 
La actividad B puede empezar, solamente, 3 días después de haber terminado
la actividad A.
2. Precedencia inicio a inicio (Tipo S: Star to Star)

Cuando el inicio de una actividad está condicionado a que la actividad precedente
haya consumido por lo menos un tiempo t.
Ejemplo:
St
B A B
SS = 2
 t 
t < que la duración de A; La actividad B puede empezar 2
entonces, se presenta el días después de haber iniciado
traslapo la actividad A
3. Precedencia final a final (Tipo F)

Cuando el final de una actividad está condicionada a que haya transcurrido por
lo menos, un tiempo t desde la finalización de la actividad precedente.

Ejemplo:
A
Ft
B A B
FF = 4
 t  La actividad B puede termi-

nar 4 días después de haber
Hay traslapo cuando t es < terminado la actividad A
que la duración de B
4. Precedencia inicio a final (Tipo D)

Cuando el final de una actividad está condicionada a que haya transcurrido por
lo menos un tiempo t, desde el inicio de la actividad precedente.
Ejemplo:
B
Dt
A B
SF = 6
 t
 La actividad B puede
terminar 6 días después de
Hay traslapo cuando t es < que la duración haber iniciado la actividad
de B A
Ejemplo 4.7
Elaborar el diagrama pert, para el siguiente proyecto, con precedencias parciales. La
duración está en semanas.
Actividad Duración Precedencia

A 6 ------
B 7 A (S2)
C 8 B (F3)
D 5 C (D11)

A 6 B 7 C 8 D 5
0 6 S (2) 2 9 F (3) 4 12 D (11) 10 15
Cálculos de izquierda a derecha - Tiempos de inicio y terminación

más temprano de cada actividad
1. La actividad B tiene una precedencia parcial de A del tipo S inicio a inicio;, entonces,
la actividad B, lo más pronto que puede iniciar, es 2 semanas después de que inicie
la actividad A. Luego, el tiempo de inicio más temprano para la actividad B es 0 +
2 = 2. De manera general:
Tiempo de inicio Tiempo de inicio más Tiempo

más temprano de = temprano de la activi- + de
la actividad B dad precedente A retraso
Entonces, el tiempo de finalización más temprano para la actividad B es: 2 + 7 = 9

2. La actividad C tiene precedencia parcial de B del tipo final a final; entonces, su fi-
nalización temprana se encuentra sumando la finalización temprana de B (9) más
el factor de retraso (3): 9 + 3 = 12. De manera general:
Tiempo de finaliza- Tiempo de finalización Tiempo

ción más temprana = más temprana de la activi- + de
de la actividad C dad precedente B retraso
Entonces el inicio más temprano de C es su finalización más temprana - la duración

de la actividad: C: 12 - 8 = 4
3. La actividad D tiene una precedencia parcial de C del tipo inicio a final; entonces, el
tiempo de finalización más temprano de D es igual al tiempo de inicio más temprano
de C (4) más el factor de retraso (11): 4 + 11 = 15. De manera general:
Tiempo de finaliza- Tiempo de inicio más Tiempo

ción más temprana = temprano de la activi- + de
de la actividad D dad precedente C retraso
Entonces, el tiempo de inicio más temprano de la actividad D es su finalización más

temprana - su duración: 15 - 5 = 10
Duración mínima del proyecto: 15 Semanas

A 6 A 7 C 8 D 5
0 6 S (2) 2 9 F (3) 4 12 D (11) 10 15
0 6 2 9 4 12 10 15
0 0 0 0
Cálculos de derecha a izquierda - Tiempo de inicio y terminación
más tarde de cada actividad
1. Como la actividad D tiene una precedencia tipo D, inicio a final, entonces, el tiempo
de inicio más tarde de C es igual al tiempo de finalización más tarde de D menos
el factor de retraso: 15 - 11 = 4
Tiempo de inicio Tiempo de finalización Tiempo

más tarde de la = más tarde de la activi- - de
actividad C dad D retraso
Luego, el tiempo de finalización más tarde de la actividad C es igual al tiempo de

inicio más tarde de la actividad C más su duración: 4 + 8 = 12
2. Como la actividad C tiene una relación de precedencia tipo F, final a final, entonces el
tiempo de finalización más tarde de la actividad B es igual al tiempo de finalización
más tarde de la actividad C menos el factor de retraso: 12 - 3 = 9
Tiempo de finali- Tiempo de finalización Tiempo

zación más tarde = más tarde de la activi- - de
de B dad C retraso
Luego, el tiempo de inicio más tarde de la actividad B es igual al tiempo de finali-

zación más tarde de la actividad B menos su duración: 9 - 7 = 2
3. Como la actividad B tiene una relación de precedencia tipo S, inicio a inicio, enton-
ces, el tiempo de inicio más tarde de la actividad A es igual al tiempo de inicio más
tarde de la actividad B menos el factor de retraso: 2 - 2 = 0
Tiempo de inicio Tiempo de inicio más Tiempo

más tarde de la = tarde de la actividad B - de
actividad A retraso
Luego el tiempo de terminación más tarde de la actividad A es igual al tiempo de

inicio más tarde de la actividad A más su duración: 0 + 6 = 6

Ejemplo 4.8
Dados los siguientes datos de un proyecto en días, elabore el diagrama PERT, el diagrama
GANTT, determine la duración mínima del proyecto y su ruta crítica.
Actividad Duración Precedencia

A 5 ------
B 10 A (F10)
C 15 B (S2)
D 8 B (F3)
E 9 D (D5)
F 10 C (F3); E (S5)
G 10 F (D10)
Diagrama PERT
A 5 B 10 C 15 F 10 G 10
F (10) S (2) F (3) D (10)
0 5 5 15 7 22 15 25 15 25
0 5 5 15 7 22 15 25 15 25
0 0 0 0 0
F (3) S (5)
D 8 E 9
10 18 D (5) 6 15
14 22 10 19
4 4
Cálculos de izquierda a derecha - Tiempos de inicio y terminación más temprano de

cada actividad
Tiempo de inicio más temprano de la actividad A = 0
Tiempo de terminación más temprano de la actividad A = 0 + 5 = 5
Tiempo de terminación más temprano de la actividad B = 5 + 10 = 15
Tiempo de inicio más temprano de la actividad B = 15 - 10 = 5
Tiempo de inicio más temprano de la actividad C = 5 + 2 = 7
Tiempo de terminación más temprano de la actividad C = 7 + 15 = 22
Tiempo de terminación más temprano de la actividad D = 15 + 3 = 18
Tiempo de inicio más temprano de la actividad D = 18 - 8 = 10
Tiempo de terminación más temprano de la actividad E = 10 + 5 = 15
Tiempo de inicio más temprano de la actividad E = 15 - 9 = 6

Para la actividad F, se elige arribar por el nodo precedente que arroje el mayor tiempo
de inicio más temprano para la actividad F.
Arribando por la actividad C:
Tiempo de terminación más temprano de la actividad F = 22 + 3 = 25
Tiempo de inicio más temprano de la actividad F = 25 - 10 = 15
Arribando por la actividad E:
Tiempo de inicio más temprano de la actividad F = 6 + 5 = 11
Luego, escogemos arribar al nodo F desde el nodo C, que nos ofrece el mayor tiempo
de inicio más temprano (15 v.s. 11) para la actividad F.
Tiempo de terminación más temprano de la actividad G = 15 + 10 = 25
Tiempo de inicio más temprano para la actividad G = 25 - 10 = 15
Duración mínima del proyecto 25 días.
Cálculos de derecha a izquierda - Tiempo de inicio y ter-

minación más tarde de cada actividad:
Tiempo de terminación más tarde de la actividad G = 25
Tiempo de inicio más tarde de la actividad G = 25 - 10 = 15
Holgura de la actividad G = 15 - 15 = 0 ó 25 - 25 = 0
Tiempo de inicio más tarde de la actividad F = 25 - 10 = 15
Tiempo de terminación más tarde de la actividad F = 15 + 10 = 25
Holgura de la actividad F = 15 - 15 = 0 ó 25 - 25 = 0
Tiempo de terminación más tarde de la actividad C = 25 - 3 = 22
Tiempo de inicio más tarde de la actividad C = 22 - 15 = 7
Holgura de la actividad C = 7 - 7 = 0 ó 22 - 22 = 0
Tiempo de inicio más tarde de la actividad E = 15 - 5 = 10
Tiempo de terminación más tarde de la actividad E = 10 + 9 = 19
Holgura de la actividad E = 10 - 6 = 4 ó 19 - 15 = 4
Tiempo de inicio más tarde de la actividad D = 19 - 5 = 14
Tiempo de terminación más tarde de la actividad D = 14 + 8 = 22
Holgura de la actividad D = 14 - 10 ó 22 - 18 = 4
Para la actividad B, se elige arribar por el nodo que arroje el menor tiempo de termina-
ción más tarde para la actividad B

Arribando al nodo B por la actividad C:
Tiempo de inicio más tarde de la actividad B = 7 - 2 = 5
Tiempo de terminación más tarde de la actividad B = 5 + 10 = 15
Arribando al nodo B por la actividad D:
Tiempo de terminación más tarde de la actividad B = 22 - 3 = 19
Aquí, escogemos arribar desde el nodo C que genera el menor tiempo de terminación
más tarde en la actividad B (15 v.s. 19).
Holgura de la actividad B = 5 - 5 = 0 ó 15 - 15 = 0
Tiempo de terminación más tarde de la actividad A = 15 - 10 = 5
Tiempo de inicio más tarde de la actividad A = 5 - 5 = 0
Holgura de la actividad A = 0 - 0 = 0 ó 5 - 5 = 0
Ruta crítica del proyecto: A - B - C - F - G
Diagrama Gantt
Duración en días
Actividad
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
A
B
C
D
E
F
G
Actividad crítica
Actividad flotante
Holgura
Software
El WinQsb ofrece un módulo de nombre pert - cpm, muy intuitivo que permite al usuario
hacer pert determinístico, pert probabilístico, cpm y construye la gráfica de la red del
proyecto de manera automática, solamente, con la información de las actividades, sus
precedencias y duración. En el pert probabilístico ofrece, por defecto, la distribución
de probabilidad Beta Unimodal o de los tres tiempos estimados, pero, puede escoger
entre 19 distribuciones de probabilidad.

También, hace análisis de probabilidad y simulación del proyecto. Sus principales

ventanas de diálogo se ilustran a continuación:
El lector debe continuar explorando el software WinQsb y hallar de manera per-

sonal todas las bondades que resultan de usarlo al resolver los siguientes problemas
propuestos.

4.1. Una compañía planea fabricar un producto que consta de tres partes A, B, C. La
compañía estima que le tomará 5 semanas diseñar las tres partes y determinar
cómo ensamblarlas para obtener el producto final. Después, la compañía calcula
que le tomará 4 semanas fabricar la parte A, 5 semanas la parte B y 3 semanas la
parte C. La fabricación de las partes A, B y C se inicia de manera simultánea. Des-
pués de terminar la parte A, la compañía debe probarla, lo cual le toma 2 semanas.
Después, seguirá el proceso de ensamblado de la manera siguiente: Ensamblar las
partes A y B (2 semanas) y después, añadir la parte C (1 semana). El producto final
debe experimentar pruebas durante 1 semana.
a. Trazar la red del proyecto utilizando la técnica de actividad - nodo.
b. Calcular para cada actividad los tiempos de inicio más temprano, inicio más
tardío, terminación más temprana y terminación más tardía, la holgura, la ruta
crítica y la duración mínima del proyecto.
c. Verificar la ruta crítica obtenida utilizando un modelo de programación lineal.
Sugerencia: Grafique la red con la técnica actividad - ramal y aplique el modelo
de la ruta más corta.
Solución: Duración mínima del proyecto 15 semanas. Ruta crítica A - B - E - F - G - H
(depende de como se rotulen las actividades).
4.2. En la tabla siguiente se presentan las actividades principales para la construcción
de una casa y su duración en días.
Actividad Duración
Actividad Descripción
predecesora (en días)
A Construcción de cimientos ------ 5
B Construcción de muros A 8
C Cosnstrucción del techo B 10
D Instalación eléctrica B 5
E Colocación de ventanas B 4
F Colocación de revestimientos E 6
G Pintura de la casa C, F 3
a. Trazar la red del proyecto utilizando la técnica actividad - nodo.



d. Hacer el diagrama Gantt del proyecto.
Solución: Duración mínima del proyecto: 26 días. Rutas críticas: A - B - E - F - G. y

A-B-C-G
4.3. Cuando una empresa de auditoría, verifica la contabilidad de una compañía, la
primera fase de la auditoría consiste en conocer el negocio. Esta fase requiere
realizar las actividades que se muestran en la siguiente tabla:
Duración
Actividad Descripción Predecesoras
(Semanas)
Determinación de los términos

A ------ 3
del contrato.
Estimación del riesgo de la revi-
B A 6
sión de cuentas o importancia.
Identificación de tipos de transac-
C A 14
ciones y posibles errores.
D Descripción de sistemas. C 8
Verificación de las descripción de
E D 4
los sistemas.
Evaluación de los controles in-
F B,E 8
ternos.
Diseño del enfoque de la revisión
G F 9
de cuentas.
a. Trazar la red del proyecto utilizando la técnica de actividad - nodo.

d. Hacer el diagrama Gantt del proyecto.
Solución: Duración mínima del proyecto 46 semanas. Ruta crítica: A - C - D - E - F - G

4.4. Un proyecto tiene 12 actividades, reprecentadas en la siguiente red de proyecto,
donde el número junto a cada arco representa la duración en días de la actividad
asociada.
C=3 G=9
2 4 7
A=6 K = 12
1 D=9 H=5 9
B=4 L=9
E = 12 I=3
3 5 8
F = 10 J=4
6
a. Haga el diagrama Gantt

b. Construya la red bajo el criterio Actividad - Nodo
c. Encuentre los tiempos más tempranos de inicio y terminación, los tiempos más
tarde de inicio y terminación y las holguras para cada actividad.
d. Cuál es la duración total mínima del proyecto? identifique la ruta crítica sobre
la red.
Solución: Ruta crítica: 1 - 3 - 4 - 7 - 9 ó B - D - G - K. Duración mínima del proyecto:

34 días.
4.5. La gerencia de Aires s.a. desea determinar la cantidad mínima de tiempo necesario
para que un avión de la vuelta, desde el momento en que alcanza la pista hasta
que se encuentra listo para salir por ella. Para tal efecto, el administrador de vuelo
ha identificado las siguientes tareas que se necesitan llevar a cabo entre la llegada
y la partida:
Las comidas no pueden ser subidas a bordo ni la limpieza del interior puede
efectuarse hasta que han bajado los pasajeros. El equipaje de los pasajeros que
parten no puede ser cargado hasta que se ha descargado el equipaje de los que
llegan. Los pasajeros no pueden abordar el avión hasta que el interior esté limpio.
La prueba de seguridad puede realizarse solamente después de que los motores
han sido abastecidos de combustible y las comidad, los equipajes y los pasajeros
ya están a bordo.

Los tiempos están dados en minutos, a = Tiempo optimista, b = Tiempo pesimista

y m = Tiempo más probable.
Tarea Descripción a m b
A Desalojo de pasajeros 12 15 20
B Descarga del equipaje 20 25 35
C Reabastecimiento de combustible 27 30 40
D Limpieza del interior 12 15 20
E Embarque de la comida 12 15 20
F Carga del equipaje 15 20 30
G Abordaje de los pasajeros 15 20 30
H Revisión de seguridad 10 10 10
a. Calcular el tiempo esperado de terminación del proyecto.

b. ¿Cuál es la probabilidad de que el avión parta en una hora?
c. La gerencia desea que el 97,38% de los vuelos salgan a tiempo, suponiendo que
también llegan a tiempo. ¿Cuál es el intervalo de tiempo que la gerencia debería
planear para el lapso entre la llegada del avión a la pista y su salida?
d. ¿Cuál es la probabilidad de que el avión se demore en partir, más de media hora?
Solución: a) 123/2 = 61,5 minutos, b) 0,3156 c) 55,425 < Tp < 67,575, d) 1

4.6. En la siguiente tabla se muestran las actividades de un proyecto con precedencias
parciales y su duración en semanas.
Actividad Duración Precedencias

A 6 ------
B 5 A (S3)
C 2 B (F3)
D 4 B (D4)
E 8 C (F3) , D(S5)
a. Elabore el diagrama pert y determine la duración del proyecto y su ruta crítica.

b. Elabore el diagrama Gantt

4.7. En la siguiente tabla se muestran las actividades de un proyecto con precedencias
parciales y su duración en semanas.
Actividad Precedencia Duración

A ------ 5
B A F(3) 2
C A (S2) 3
D A (S4) 4
E B (F2) , C (S5) 5
F C (F3) , D (S2) 6
G E (D7) 5
H F (S6) 7
I G (S2) , H (F3) 3
a. Elabore el diagrama pert y determine la duración del proyecto y su ruta crítica.

b. Elabore el diagrama Gantt
4.8. Un proyecto que debe terminarse en 12 meses tiene la siguiente red:
2
Usando el método CPM de trueque entre el
1 4 tiempo y el costo se obtienen los siguientes
datos, en meses y miles de pesos.
3
Normal Mínimo
Actividad
Tiempo Costo Tiempo Costo
1 a 2 8 25 5 40
2 a 4 6 16 4 24
1 a 3 9 20 7 30
3 a 4 7 27 4 45
¿Cuál es la mejor combinación Tiempo - Costo para realizar el proyecto en los 12

meses requeridos ?
Solución: $118.000

4.9. Consideremos un proyecto de desarrollo de un transistor alimentado con energía

solar. Contiene 9 actividades siendo las precedencias y las estimaciones de tiempo
en semanas, las siguientes:
Tiempo Tiempo Tiempo

Actividad Predecesora
optimista probable pesimista
A ------ 3 6 9
B ------ 1 3 5
C A 5 5 5
D A 4 6 7
E B 8 10 12
F B 4 9 15
G C 5 5 5
H D, E, G 2 3 6
I F 2 8 16
a. Dibujar la red pert con el criterio Actividad-Nodo.

b. Determinar la ruta crítica y el tiempo esperado.
c. ¿Cuál es la probabilidad de que el proyecto se termine en menos de 18 semanas;
y en 22 ó más semanas ?
d. Se desea firmar un contrato que especifique el tiempo de terminación del pro-
yecto de modo que haya una probabilidad del 95 % de cumplir la fecha deseada,
¿ Qué duración debería especificarse en el contrato ?
e. Si el proyecto se retrasa más allá de su tiempo esperado de terminación se
incurrirá en una penalización de $1’000.000. Podemos mantener ese tiempo o
extenderlo una semana y media más, lo que requeriría una renegociación cuyo
costo es de $200.000 ¿ Debería renegociarse el contrato ?
Solución: a) Nodos inico: A, B , b) Tiempo esperado: 41/2 = 20,5 semanas, ruta crítica:
B - F - I, c) 0,2061; 0,3121 , d) 25,52 semanas, e) $500.000 v.s. $512.100 , por lo tanto,
no debe renegociarse el contrato.

4.10. El promotor de un concierto debe realizar las actividades que se muestran en la
tabla siguiente. a, b, y m, son el tiempo más optimista, el tiempo más pesimista y
el tiempo más probable en días, respectivamente.
Actividad Descripción Precedencia a b m

A Determinar el lugar ------ 2 4 3
B Contratar ingenieros A 1 3 2
C Contratar el acto inicial A 2 10 6
D Anunciarlo en radio y en T.V. C 1 3 2
E Contratar taquilleros A 1 5 3
F Disponer las instalaciones eléctricas B 2 4 3
G Imprimir publicidad C 3 7 5
H Contratar transporte C 0,5 1,5 1
I Ensayar el espectáculo F, H 1 2 1.5
J Detalles finales I 1 3 2
a. Elabore la red del proyecto y determine la ruta crítica.

b. Si el promotor desea tener una probabilidad de 0,99 de terminar el proyecto para
el 30 de junio del año 2006, ¿ Cuándo debe iniciar el proyecto ?
Solución: a) A - C - G = 14 días, b) Debe empezar el 13 de Junio de 2006.

4.11. Herramientas del Tolima fabrica grandes cajas de acero para guardar herramientas.
El gerente planea producir cajas pequeñas para uso doméstico. Las actividades
necesarias para producir un modelo experimental están dadas en la siguiente
tabla. El tiempo está en semanas y el costo en miles de pesos.
Tiempo Tiempo de Costo Costo de

Actividad Precedencias
normal choque normal choque
A 3 2 1.000 1.600 ------
B 2 1 2.000 2.700 ------
C 1 1 300 300 ------
D 7 3 1.300 1.600 A
E 6 3 850 1.000 B
F 2 1 4.000 5.000 C
G 4 2 1.500 2.000 D, E

a. Considerando el tiempo normal, determine la ruta crítica y la duración del

proyecto.
b. Formule un modelo de programación lineal para reducir la duración del proyecto
a 10 semanas. Especificar la ruta crítica asociada y compararla con la obtenida
en el inciso (a).
Solución: a) $10.950, A - D - G = 14 semanas, b) $11.350, A - D - G o B - E - G = 10

semanas.
4.12. Revise el problema 4.2 relativo a la construcción de la casa y suponga que se
contratan trabajadores adicionales para reducir la duración de cada actividad. Los
costos, por cada día de reducción, en la duración de las actividades, se muestran
en la siguiente tabla.
Costo por cada Reducción

Actividad día de reducción máxima posible
($) (días)
A 30 2
B 15 3
C 20 1
D 40 2
E 20 2
F 30 3
G 40 1
Utilizar un modelo de programación lineal para minimizar el costo que supone

completar el proyecto en 20 días y determinar la ruta crítica asociada a ésta du-
ración del proyecto.
Solución: El costo total se incrementará en $105; Rutas críticas: A - B - E - F - G o

A-B-C-G
4.13. La constructora Pijao planea concursar en un proyecto de construcción de una
carretera en el departamento del Tolima. Al preparar sus estimaciones reunió los
datos que se muestran en la tabla.
a. ¿ Cuál es la duración normal del proyecto y su costo?
b. El departamento del Tolima aconsejó a la constructora Pijao que se programe
el proyecto para terminarlo en 25 semanas; por cada semana de retraso habrá
una penalización de $1.000 cargados al contratista. ¿Qué duración del proyecto
debe planear la constructora Pijao ?

Normal Límite
Actividad
1,2 5 10.000 3 14.000
1,3 10 18.000 7 24.000
2,5 11 15.000 8 18.000
3,4 6 5.000 5 6.500
3,5 8 3.000 4 7.000
4,6 9 12.000 8 15.000
5,6 12 6.000 8 9.000
Solución: a) 30 semanas, $69.000; b) 25 semanas, $73.000

4.14. Tufik Chediak, presidente de una constructora planea presentar una licitación para
un proyecto de construcción. Tufik ha determinado que serán necesarias cinco ta-
reas para realizar el proyecto. Con el enfoque de tres estimaciones de pert, obtuvo
los datos de la siguiente tabla, para el tiempo que llevará cada tarea. También, se
muestran las relaciones de precedencia.
Tiempo requerido en semanas

Predecesoras
Tarea Estimación Estimación Estimación inmediatas
optimista probable pesimista
A 3 4 5 ------
B 2 2 2 A
C 3 5 6 B
D 1 3 5 A
E 2 3 5 B, D
Existe una multa de $500.000 si el proyecto no se entrega en 11 semanas. Por lo

tanto, Tufik está muy interesado en la probabilidad de tener el proyecto a tiempo,
para lo que requiere que Usted:
a. Construya la red de proyecto para el problema.
b. Encuentre la estimación de la media y la varianza de la duración de cada acti-
vidad.
c. Encuentre la ruta crítica media.
d. Encuentre la probabilidad aproximada de terminar el proyecto en 11 semanas.
e. Tufik concluye que la licitación que debe hacer para tener una oportunidad
realista de ganar el contrato dejará a su empresa una ganancia de cerca de

$250.000, si el proyecto termina en 11 semanas. Sin embargo, dada la multa por

no entregar a tiempo, su compañía perdería esa ganancia si el proyecto toma más
de 11 semanas. Por lo tanto, desea presentar la licitación, sólo si tiene, al menos,
el 50% de oportunidad de cumplir con la fecha de entrega. ¿Qué le aconsejaría?
Solución: c) A - B - C ; d) 0,6103 ; e) Se le aconseja que participe en la licitación, ya

que la probabilidad de cumplir está por encima de 0,5
4.15. Determine la ruta crítica en la siguiente red de actividades asociadas para la crea-
ción de un nuevo programa de estudios de postgrado hasta cuando este, se pone
en operación recurrente. Las duraciones optimista, realista y pesimista de cada
actividad estan dadas en semanas.
Tiempo estimado en semanas

Prede-
Tarea Descripción Estimación Estimación Estimación cesoras
optimista normal pesimista inmediatas
A Consultar al sector industrial. 10 15 20 ------

Consultar al sector administración,
B 3 5 10 ------
público y privado.
C Consultar al sector académico. 6 10 20 ------
D Consultar al sector gubernamental. 2 3 10 ------
Formulación del objetivo y del

E 20 25 40 A
diseño de un programa industrial.
Formulación del objetivo y del
F diseño de un programa de admi- 50 60 80 B
nistración
Integración administrativa al pro-
G 20 30 35 E
grama industrial.
Integración industrial al programa
H 25 30 35 F
administrativo.
Estudio y aprobación del programa
I por las autoridades de educación 30 40 50 G,H,C,D
superior.
J Campaña de publicidad. 2 3 5 I
K Contratación de profesores. 4 8 10 I
L Primer año de prueba. 26 35 45 J,K
Evaluación y ajuste del programa a
M 3 5 10 L
la realidad existente.

a. ¿Cuál es la probabilidad de que el proyecto se termine en 180 semanas o menos?
b. ¿Cuál es la probabilidad de que el proyecto se termine en más de 198 semanas?
Solución: a) 0,2236 ; b) 0,0427

4.16. Eloísa quiere añadir un patio interior a su casa. Ella hará parte del trabajo y contratará
el resto. Eloisa ha desarrollado una lista de tareas para este proyecto, su secuencia
y las estimaciones de tiempo (en días) y costo (en miles de pesos), las cuales se
presentan a continuación:
Normal Intensivo
Tarea Precedencia
A Ninguna 9 500 8 550
B Ninguna 10 500 8 650
C Ninguna 20 1.000 16 1.400
D A 18 1.000 15 1.300
E B 7 500 5 600
F B 8 500 5 700
G D,F 12 800 9 1.000
H C,F 15 900 12 1.000
a. Eloísa quiere terminar el proyecto lo más pronto posible, al menor costo. ¿Cuánto
durará el proyecto y cuánto costará?
b. El esposo de Eloísa quiere hacer una fiesta dentro de 5 semanas (35 días) y le
gustaría mucho usar el nuevo jardín. Si no está listo, tendrán que rentar una lona.
Además, estará tan incómodo que le será necesario contratar un mesero. Todo
esto, agregaría $500.000 al costo de la fiesta. El esposo le pregunta a Eloísa que
si el jardín estará listo para la fiesta. ¿Qué debe contestar?
Solución: a) 32 días $6’350.000 ; b) Si, 35 días a un costo de $5’950.000

4.17. Una compañía fiduciaria ayuda, a particulares, a vender su casa. Para realizar una
venta, deben llevarse a cabo las siguientes tareas:

Tiempo en días
Tarea Descripción Predecesoras
ai mi bi
A Inspección de la casa ------ 2 4 5
B Valoración de la casa A 1 3 5
C Investigación de la propiedad ------ 3 4 6
Obtención del paz y salvo de
D ------ 3 5 10
impuestos
E Tramitación del permiso de venta D 1 2 2
F Búsqueda del posible comprador B,C,E 7 21 42
G Constitución de la hipoteca F 7 14 30
Ejecución de los documentos

H F 5 10 14
legales
I Tramitación del registro notarial H 1 1 1
Inscripción en la oficina de re-
J G,I 1 1 1
gistro
a. Trace la red del proyecto.

b. Encuentre el tiempo esperado y la varianza para cada tarea.
c. Encuentre la ruta crítica y la duración mínima total del proyecto.
d. El dueño de una casa desea saber cuánto tiempo se necesita, para tener una
probabilidad de 0,95 de vender su casa.
e. ¿Cuál es la probabilidad de vender una casa en un lapso de 7 semanas, de 8
semanas, de 9 semanas?
Solución: c) D - E - F - G - J , 46 días ; d) 57,68 días ; e) 0,6627 ; 0,9207 ; 0,9918

4.18. Encuentre la ruta crítica en la red que se muestra a continuación, considerando que
la duración (en meses), que se indica para cada actividad es determinística; muestre
las holguras de cada actividad y encuentre el tiempo de realización del proyecto.
Instala 4
N2 ción d
el equ
5 ipo
ipo
equ
a de
Co mpr
l técnico y ad
ministrativo N4 Pru
Entrenamien
to del persona ebas 8
12 de
N1 equ
ipo
Cálculo del
Bús
que
da
1 presupuesto
del
me
rca
dod 6 N5
10 e ca
pita
los próxim
os 5
l iento para
N3 Financiam de producción
años
Solución: Ruta crítica N1 - N4 - N5 , 20 meses

4.19. Cierto programa se compone de 12 subrutinas A, B, . . . , L. La concepción del pro-
yecto hace que su ejecución implique el siguiente cuadro de precedencias, costos
en miles de pesos y tiempos de compleción de las subrutinas, en días.
Tiempo Tiempo Costo Costo

Tareas Predecesora
normal reducido normal reducido
A ------ 5 3 200 250
B ------ 4 4 300 300
C ------ 8 7 400 500
D A 3 2 120 150
E A 7 5 200 300
F C 5 5 300 300
G C 4 3 300 370
H B,D 3 3 800 800
I F,H 9 6 70 160
J F,H 11 7 150 200
K E,I 8 6 60 150
L G,J 10 9 100 105
a. Dibuje la red CPM.

b. Determine el camino crítico y su duración.
c. Reduzca la duración del proyecto en 2 días, de la forma más económica. Idem,
en 5 días. Utilice el método de reducción enumerativa.
d. Si se dispusiera de un presupuesto adicional de $135.000. ¿Cuál sería la máxima
reducción posible en la reducción del proyecto?
Solución: b) C - F - J - L , 34 días, $3’000.000 ; c) 32 días, $3’017.500 29 días, $3’085.000;

d) 28,5 días.
4.20. Para la red que se muestra a continuación, se presenta la información respecto al
tiempo y a los costos de cada actividad.
F
3 6
Ficticia
B
A G I K
1 2 C 4 7 9 10
E
D
5 8 J
H

Los tiempos están dados en semanas y los costos en miles de pesos. Existe un costo
indirecto de $1.100 y un costo de penalización de $1.000, por semana, contra el
administrador del proyecto, por cada semana, después de 23 semanas.
a. ¿Cuál es el costo por completar el proyecto a tiempo normal?
b. ¿Cuál es la duración a costo total mínimo?
Tiempo Tiempo Costo Costo

Actividad
normal urgente normal urgente
A 4 2 10 15
B 6 3 6 9
C 4 3 5 7
D 8 6 7 25
E 2 1 1 6
F 11 7 12 15
G 10 5 9 14
H 5 1 6 16
I 3 2 8 10
J 8 3 9 20
K 4 1 7 13
Solución: a) 29 semanas, $92.600 ; b) 26 semanas, $92.300

4.21. Un pert tiene los tiempos esperados (Te), en días, que se muestran en la figura. Los
tiempos estimados para la actividad 6 a 7 son: a = 1, m = 4 y b = 7.
Para la red ¿Cuál es a) El tiempo de terminación esperado (Te)? b) ¿La desviación
estándar del tiempo de terminación? c) ¿La probabilidad de que el proyecto requiera
más de 20,5 días para ser terminado?
2
2 3
2 4 2
1 3 5 6 7
6 8
σ2 = 3 σ2 = 5
4
Solución: a) 18 semanas. ; b) 3 ; c) 0,20327

4.22. El tiempo de terminación esperado, según el PERT de un proyecto es Te = 15 días
y su varianza σ2 = 4 días. ¿Cuál es la probabilidad de que el proyecto tome 18 o
más días, para ser terminado?
Solución: 0,06681
4.23. Una constructora ha estimado los tiempos que se dan en la tabla siguiente, como
necesarios para terminar cada una de las tareas que abarca la construcción de
una casa.
Actividad Descripción Predecesora Días

A Pisos y techos B 5
B Cimentación ------ 3
C Maderamen del techo A 2
D Revestimiento del techo C 3
E Cableado eléctrico A 4
F Techado D 8
G Entablado exterior H 5
H Ventanas A 2
I Pintura F, G, J 2
J Tablero interior de los muros H, E 3
a. Diseñe la red de actividades; asegúrese que cumple con las actividades prede-
cesoras.
b. Calcule los cuatro tiempos y la holgura para cada actividad.
c. ¿Cuál es el tiempo mínimo del proyecto y cuáles son las actividades que perte-
necen a la ruta crítica?
Solución: c) B - A - C - D - F - I ; 23 días
4.24. Basándose en la red de actividades de la figura y en los tiempos de actividad aso-
ciados que se dan en seguida (en semanas), calcule:
a. Los cuatro tiempos y su holgura para cada actividad.
b. Es el tiempo mínimo esperado del proyecto, su varianza y las actividades de la
ruta crítica.

c. La probabilidad de terminar el proyecto en 15 semanas o menos.

d. La probabilidad de terminar el proyecto en 18 semanas o más.
D
3 8
B E
Ficticia
A H J
1 2 5 7 9
C F Ficticia
I
4 6
G
Actividad Optimista Normal Pesimista

A 1 2 3
B 1 3 5
C 2 3 10
D 2 5 8
E 1 2 3
F 1 1 1
G 1 1 1
H 1 3 5
I 2 4 6
J 1 5 9
Solución: b) 16 semanas, 37/9, A - C - F - I - J, A - C - G - I - J c) 0,31207 d) 0,16354

4.25. Una compañía desea reacomodar físicamente su taller de ensamble en función de
un nuevo producto. El responsable del programa ha evaluado la duración en días y
el costo directo (en miles de pesos), en situación normal y en caso de aceleración
de los trabajos. Si la compañía tiene costos indirectos de $150 por día, ¿Tendría
alguna ventaja acelerar los trabajos al máximo?. ¿Cuáles deben ser las actividades
que deberán ser aceleradas con el fin de minimizar los costos totales?

Duración (días) Costos directos
Actividad Predecesoras
Normal Acelerada Normal Acelerada
A ------ 2 1 450 600
B A 8 4 300 500
C A 7 5 400 500
D C 6 3 300 400
E C 5 3 500 900
F B 2 2 200 200
G D, F 5 4 450 600
H E, G 3 2 300 600
a. ¿Cuál es la ruta crítica y la duración del proyecto, a costo total mínimo?

b. ¿Cuáles son las actividades, que a costo total mínimo, fueron disminuidas y en
cuántos días?
Solución: a) Ruta crítica 1: ABFGH; Ruta crítica 2: ACDGH; Duración mínima: 16 días;
Costo total mínimo: $5.900.
c. b) A en 1 día; B en 2 días; C en 2 días; D en 3 días y G en 1 día.

Capítulo 5. Análisis de decisiones y Teoría de juegos
Capítulo 5.
Análisis de decisiones
y Teoría de juegos
«Los que mandan generalmente mueven

las manos y dicen ‘He considerado todas
las alternativas’. Pero eso es casi siempre
basura. Lo más probable es que no pudie-
sen estudiar todas las combinaciones.»
George Bernard Dantzig, profesor emé-
rito en el departamento de Investigación
de Operaciones de la Universidad de
Stanford.
Introducción
En este capítulo examinaremos los criterios más aceptados por la comunidad científica
para la toma de decisiones bajo riesgo y bajo incertidumbre. También trataremos el tema
de las decisones bajo conflicto que se conocen comunmente con el nombre de teoría de
juegos, y mostraremos como se aplica el método simplex a juegos de 2xn, mx2 y mxn.
Todos los días tomamos decisiones, y es natural pretender la mejor decisión que pro-
duzca el mejor valor de utilidad. Dicho de otra forma, obtener la mejor consecuencia,
el mejor logro de nuestras decisiones.
Conceptos generales de decisión

El vocablo decisión tiene diversos significados, que se presentan a continuación:
• Determinación, resolución que se toma o se da a una cosa dudosa.
• Proceso que plantea realizar la elección de una opción dentro de un conjunto de
posibles opciones.
• Elección entre dos o más líneas de acción diferentes.

• Proceso en el que se aplica algún tipo de selección.
• Resultado de la interrelación entre una base objetiva y un factor subjetivo.
• Selección y realización de una posibilidad dentro de un conjunto de posibilidades
existentes reportando esta, un nivel de utilidad o efectividad del sistema.
• Conjunto de acciones a través de las cuales se expresa la influencia directiva y
que define el objetivo de la tarea a cumplir, las medidas necesarias para llevarla a
cabo, los plazos de tiempo y la delimitación de las atribuciones.
Características de las decisiones

• Son un programa de acción compleja.
• Tienen carácter directivo.
• Tienen carácter dialéctico.
• Tienen enfoque sistémico.
• Son fenómenos multicasuales.
• Sintetizan la unidad de deberes y derechos del dirigente.
Clasificación de las decisiones

• Según el nivel de dirección.
• Según el sujeto que las adopte.
• Según el carácter de la meta.
• Según su vigencia.
• Según el horizonte de planeación.
• Según los criterios para su valoración.
• Según el nivel de información.

FACTORES QUE INCIDEN EN EL PROCESO DE TOMA DE DECISIONES

Existencia de antagonismos o discrepancias Costos
Exiatencia de opciones o alternativas Factores cualitativos
Cualidades y experiencia del gerente Riesgos
Periodo de tiempo para tomar la decisión Estrés
Información disponible Cambio
Estructura de un problema de toma de decisiones

• Objetivos.
• Estrategias.
• Estados de la naturaleza.
• Utilidad.
Aquí la pregunta es:
Qué estrategia seleccionar de forma tal que se logren los objetivos planteados
con los valores máximos de utilidad.
METODOLOGÍA DEL PROCESO DE TOMA DE DECISIONES

1. Análisis del problema 4. Generar alternativas
2. Establecer el modelo 5. Evaluación de las alternativas
3. Evaluación del modelo 6. Decisión y monitoreo

Según la forma como se presentan, las decisiones se pueden clasificar como:
TOMA DE DECISIONES BAJO:
  
CERTEZA RIESGO INCERTIDUMBRE
Decisiones bajo certeza son todas aquellas que se describen con datos determinís-
ticos, tales como los problemas descritos en programación lineal, generalmente, son
las clásicas decisiones bajo fórmulas y ecuaciones que involucran solo datos conocidos,
cuyo valor es cierto y no tiene ningún componente de aleatoriedad.
Las decisiones bajo riesgo se caracterizan por tener datos aleatorios, que se pueden
describir con distribuciones de probabilidad. Aquí, los estados de la naturaleza tienen
asociado una probabilidad de ocurrencia. Cuando las consecuencias de diversas deci-
siones posibles no pueden ser conocidas de antemano, pero, se les puede atribuir un
valor de probabilidad, la existencia de tales probabilidades puede ser consecuencia del
mismo mecanismo de elección, pero, más frecuentemente, se justificará por una regula-
ridad estadística del proceso aleatorio que condiciona los resultados de las decisiones.
Las decisiones bajo incertidumbre se caracacterizan por tener datos a los que no
se les puede asociar pesos o factores de ponderación que representen su grado de
importancia en el proceso de decisión. En éste caso, el futuro es totalmente incierto,
en el sentido de que son posibles varias hipotesis, varios estados de la naturaleza, sin
que podamos atribuir a cada uno de ellos, una probabilidad objetiva deducida de las
repeticiones estadísticas o de las variaciones subjetivas de los expertos o peritos.
En la categoría de decisiones bajo conflicto se encuentran las decisiones de dos
voluntades contrarias. Se presenta, cuando el medio exterior no es un testigo pasivo de
las decisiones, sino que encierra adversarios conscientes y organizados que persiguen
un mismo objetivo.
MATRIZ DE DECISION Estados de la naturaleza

Ai = Alternativa E1 . . . . . . . . Ej . . . . . . . . . . . En
Ej = Estado de la naturaleza
V(Xij) = Valor de utilidad A1 V(X11) . . . . . . V(X1j) . . . . . . V(X1n)
. :
: :
. : : :
Ai V(Xi1) . . . . . . V(Xij) . . . . . . V(Xin)
Alternativas .
. : : :
: : :
An V(Xm1) . . . . . . V(Xmj) . . . . . . V(Xmn)

Ejemplos:
Alternativas Estados Objetivo

Armamento Tipo de avión Hacer blanco
Estrategias de mercado Potencial de ventas Utilidad esperada
Tipos de cultivo Estaciones climáticas Rendimientos
Cadenas logísticas Nivel de servicio al cliente Reducción de costos
Programación lineal Proyección futura Utilidad máxima
Criterios de optimización Diferentes restricciones Homogeneizar
Decisiones bajo riesgo

Ejemplo 5.1
Consideremos que una determinada empresa debe seleccionar cinco métodos diferentes
de producción bajo las estrategias A1 , A2 , A3 , A4 y A5 ; además, se presentan diferentes
niveles de ventas E1 , E2 , E3 , E4 y E5 . A continuación se enumeran los ahorros de los gastos
productivos correspondientes a cada combinación, expresado en cientos de pesos con
sus correspondientes probabilidades estimadas.
Estados de la naturaleza
Probabilidad de cada
E1 E2 E3 E4 E5 estado de la natura-
0,2 0,4 0,2 0,1 0,1 leza.
A1 10 8 6 4 5
A2 6 6 7 6 7
Alternativas A3 7 7 6 7 5 Ahorros de los gastos
A4 8 6 6 7 5 productivos, en cien-
A5 6 5 8 9 6 tos de pesos.
Para el presente ejemplo se tienen los siguientes criterios:
Criterio de la optimización del valor esperado
Mínimo n
ó
Máximo
{E(Ai)} = ΣV(X )P
j=1
ij j ; i = 1, 2, 3, ...., m
i

E{A1} = 10(0,2)+8(0,4)+6(0,2)+4(0,1)+5(0,1) = 7,3 → Máximo ahorro esperado
E{A2} = 6(0,2)+6(0,4)+7(0,2)+6(0,1)+7(0,1) = 6,3
E{A3} = 7(0,2)+7(0,4)+6(0,2)+7(0,1)+5(0,1) = 6,6 Bajo el criterio del valor
E{A4} = 8(0,2)+6(0,4)+6(0,2)+7(0,1)+5(0,1) = 6,4 esperado, la mejor alter-
E{A5} = 6(0,2)+5(0,4)+8(0,2)+9(0,1)+6(0,1) = 6,3 nativa es A1
Aquí, se puede construir un árbol de decisiones, de la siguiente manera:
Punto de decisión Evento aleatorio
El tomador de decisión, lo primero que hace, es escoger la alternativa, a lo que

llamaremos un punto de decisión. Posteriormente, ocurrirá un estado de la naturaleza
que tiene asociado una probabilidad de ocurrencia; por ello, los llamaremos, eventos
aleatorios. Al final de cada ramal, se registra el valor de utilidad, consecuencia de la
decisión tomada y del evento aleatorio asociado respectivo.
E1 (0,2)
10
E2 (0,4)
8
E3 (0,2) 6
1
E4 (0,1) 4
E5 (0,1)
5
E1 (0,2)
A1 6
E2 (0,4)
6
E3 (0,2)
2 7
E4 (0,1)
6
A2 E5 (0,1)
7
E1 (0,2)
7
E2 (0,4)
7
A3 E3 (0,2)
1 3 6
E4 (0,1) 7
E5 (0,1) 5
E1 (0,2)
8
A4 E2 (0,4) 6
E3 (0,2) 6
4
E4 (0,1) 7
A5 E5 (0,1) 5
E1 (0,2)
6
E2 (0,4)
5
E3 (0,2) 8
5
E4 (0,1) 9
E5 (0,1)
6

Aplicando el teorema de Bayes, para eliminar los eventos aleatorios del árbol de
decisiones, valorizamos cada alternativa, obteniendo los valores que se habían obte-
nido ya, así:
E{A1} = 10(0,2) + 8(0,4) + 6(0,2) + 4(0,1) + 5(0,1) = 7,3→ Máximo ahorro esperado
E{A2} = 6(0,2) + 6(0,4) + 7(0,2) + 6(0,1) + 7(0,1) = 6,3
E{A3} = 7(0,2) + 7(0,4) + 6(0,2) + 7(0,1) + 5(0,1) = 6,6
E{A4} = 8(0,2) + 6(0,4) + 6(0,2) + 7(0,1) + 5(0,1) = 6,4
E{A5} = 6(0,2) + 5(0,4) + 8(0,2) + 9(0,1) + 6(0,1) = 6,3
Bajo el criterio del valor esperado, la mejor alternativa es A1 .

Las probabilidades de los estados de la naturaleza se obtienen con base en valores
históricos (Distribuciones de probabilidad empíricas), por ello, las llamaremos probabi-
lidades a priori. Estas probabilidades se pueden modificar usando experimentos y las
probabilidades que resultan, se llaman probabilidades a posteriori. Más adelante, se
mostrará un ejercicio en donde se hace uso de las probabilidades a posteriori y en el que
se muestran variantes de tipos de problema usando el teorema de Bayes, incluyendo
los análisis de sensibilidad para las probabilidades a priori.
Criterio de la máxima posibilidad

1. Identifique el estado con mayor probabilidad.
2. En dicho estado de la naturaleza, se procede a encontrar la alternativa de mayor
pago.
Para nuestro ejemplo, el estado, de la naturaleza con mayor probabilidad de ocurrencia
es E2 y en dicho estado el mayor valor de utilidad es 8; entonces, bajo el criterio de la
máxima posibilidad, la mejor alternativa es A1
Criterio de las lamentaciones mínimas esperadas

Es el mismo del valor esperado, pero aplicado a la matriz de lamentaciones, llamada
también, matriz de arrepentimiento. Si el tomador de la decisión opta por la alternati-
va A2 y ocurre el estado de la naturaleza E1, el ahorro que se logra es de 600 unidades
monetarias, cuando pudieron ser 1.000, si el tomador de la decisión hubiese escogido
la alternativa A1; luego, queda con un arrepentimiento de (1.000 - 600) = 400 unidades
monetarias. La matriz de arrepentimiento se calcula restando cada valor de utilidad del
valor de utilidad máximo de cada columna. Para la columna 1, estado de la naturaleza
E1, los valores son: 10-10= 0 ; 10-6=4 ; 10-7=3 ; 10-8=2 ; 10-6=4. Después de calculada
la matriz de arrepentimiento, aplicamos el concepto del valor esperado (teorema de
Bayes) a dicha matriz:
Mínimo E(θi) = ΣP θ
j=1
j i ; i = 1, 2, . . . , m

Por supuesto, en cada columna debe quedar al menos un cero, el del valor de utilidad
mayor.
E1 E2 E3 E4 E5
0,2 0,4 0,2 0,1 0,1
θ1 0 0 2 5 2
θ2 4 2 1 3 0 Matriz de lamentaciones
θ3 3 1 2 2 2
θ4 2 2 2 2 2
θ5 4 3 0 0 1
E(θ1) = 0(0,2)+0(0,4)+2(0,2)+5(0,1)+2(0,1) = 1,1 ---> Mínimo

E(θ2) = 4(0,2)+2(0,4)+1(0,2)+3(0,1)+0(0,1) = 2,1
E(θ3) = 3(0,2)+1(0,4)+2(0,2)+2(0,1)+2(0,1) = 1,8
E(θ4) = 2(0,2)+2(0,4)+2(0,2)+2(0,1)+2(0,1) = 2,0
E(θ5) = 4(0,2)+3(0,4)+0(0,2)+0(0,1)+1(0,1) = 2,1
Según el criterio de las lamentaciones mínimas esperadas, la mejor alternativa es A1
Criterio de la mínima varianza

Este criterio se basa en el valor esperado y pretende escoger la alternativa que tenga
la menor varianza esperada.
n
Mínimo i VARIANZA [Ai] = Σ[V(X ) - E(A )] P

j=1
ij i
2
j ; i = 1, 2, 3, . . . , m
V{A1} = 0,2(10-7,3)2 + 0,4(8-7,3)2 + 0,2(6-7,3)2 + 0,1(4-7,3)2 + 0,1(5-7,3)2 = 3,61

V{A2} = 0,2(6-6,3) 2 + 0,4(6-6,3)2 + 0,2(7-6,3)2 + 0,1(6-6,3)2 + 0,1(7-6,3)2 = 0,21*
V{A3} = 0,2(7-6,6) 2 + 0,4(7-6,6)2 + 0,2(6-6,6)2 + 0,1(7-6,6)2 + 0,1(5-6,6)2 = 0,44
V{A4} = 0,2(8-6,4) 2 + 0,4(6-6,4)2 + 0,2(6-6,4)2 + 0,1(7-6,4)2 + 0,1(5-6,4)2 = 0,84
V{A5} = 0,2(6-6,3) 2 + 0,4(5-6,3)2 + 0,2(8-6,3)2 + 0,1(9-6,3)2 + 0,1(6-6,3)2 = 2,01
Bajo el criterio de la mínima varianza, la mejor alternativa es A2
Criterio de Farrar
Mínimo
i = 1, 2, 3, ...., m
ó E(Ai)+- K Var(Ai)
0 < K < 1 ; Casi siempre K = 1
Máximo
i

A1: 7,3 - 3,61 = 5,40
A2: 6,3 - 0,21 = 5,84
A3: 6,6 - 0,44 = 5,93 --> Máximo Bajo el criterio de Farrar, la mejor alterna-
tiva es A3
A4: 6,4 - 0,84 = 5,48
A5: 6,3 - 2,01 = 4,88
Criterio del principio de la aspiración

• ¡ Es el más subjetivo ! Es el criterio más débil, depende de la aspiración que tenga
el tomador de la decisión.
• Para nuestro ejemplo, supongamos que la aspiración del tomador de la decisión
es de tener, al menos un ahorro de 6 unidades monetarias.
• V(Xij) > 6 , entonces
• P(V(Xij) > 6) ; Se suman las probabilidades de los estados de la naturaleza cuyo
V(Xij) > 6
n
Máximo i Σ
j=1
Pj ; i = 1, 2, . . . , n ; Para todo (V{X } > K)
ij
A1: 0,2 + 0,4 + 0,2 = 0,8

A2: 0,2 + 0,4 + 0,2 + 0,1 + 0,1 = 1,0 --> Máximo
A3: 0,2 + 0,4 + 0,2 + 0,1 = 0,9
A4: 0,2 + 0,4 + 0,2 + 0,1 = 0,9
A5: 0,2 + 0,2 + 0,1 + 0,1 = 0,6
Bajo el criterio del principio de la aspiración, la mejor alternativa es A2
Ejemplo 5.2
El próximo año, Maria Isabel quiere invertir en la compra de acciones de una de dos
compañías A y B. Las acciones de la compañía A pueden producir un rendimiento de
$5.000 si el mercado de acciones está al alza; si el mercado está a la baja se obtendrá
una pérdida de $2.000. Las acciones de la compañía B produciran un rendimiento de
$1.500, si el mercado se comporta al alza; de lo contrario (mercado a la baja), el rendi-
miento será de $500.

Consultados los pronósticos especializados sobre el comportamiento del mercado
para el próximo año, se estima que hay una probabilidad a priori de 0,6; de que el mer-
cado esté al alza y una probabilidad a priori de 0,4; de que esté a la baja.
1. Toma de decisión sin experimentación (Con probabilidades a priori)
a. Definir claramente las alternativas, los estados de la naturaleza y construir la

matriz de decisión.
b. Según el criterio del valor esperado, ¿qué alternativa se debe escoger?
c. Construya un árbol de decisiones.
2. Toma de decisión con experimentación (Con probabilidades a posteriori)
Maria Isabel decide contratar una investigación, la cual da como resultado las probabi-
lidades a posteriori siguientes:
La probabilidad de invertir si el mercado está al alza, es de 0,9
La probabilidad de no invertir si el mercado está al alza, es de 0,1
La probabilidad de invertir cuando el mercado está a la baja, es de 0,5
La probabilidad de no invertir cuando el mercado está a la baja, es 0,5
a. Construya un árbol de decisiones.
b. Evalue las alternativas y tome una decisión.
Toma de decisión sin experimentación (Con probabilidades a priori)
a. Alternativas
A1 = Comprar acciones de la compañía A
A2 = Comprar acciones de la compañía B
E1 = Mercado al alza con una probabilidad a priori de 0,6
E2 = Mercado a la baja con una probabilidad a priori de 0,4

Matriz de decisión
E1 E2
0,6 0,4
A1 5.000 -2.000
Alternativas
A2 1.500 500
b. Criterio del valor esperado

E(A1) = 0,6(5.000) - 0,4(2.000) = $2.200 ---> Máximo
E(A2) = 0,6(1.500) + 0,4(500) = $1.100
Según el criterio del valor esperado, la mejor alternativa es A1: Comprar acciones
de la compañía A.
c. Árbol de decisiones
E1 (0,6)
A1 $5.000
2
-$2.000
E2 (0,4)
1 E1 (0,6)
$1.500
3
A2
$500
E2 (0,4)
Con el criterio del valor esperado de Bayes, valorizamos los eventos aleatorios
2 y 3, así:
E(A1) = 0,6(5.000) - 0,4(2.000) = $2.200 ---> Máximo
E(A2) = 0,6(1.500) + 0,4(500) = $1.100
Según el criterio del valor esperado, lo mejor es optar por la alternativa A1: Com-
prar acciones de la compañía A.

Toma de decisión con experimentación (Con probabilidades a posteriori)
Definimos los siguientes eventos:

C1 = La investigación aconseja invertir
C2 = La investigación aconseja no invertir
Conocemos los estados de la naturaleza que fueron definidos así:
E1 = Mercado al alza
E2 = Mercado a la baja
Las siguientes probabilidades fueron dadas:
La probabilidad de invertir cuando el mercado está al alza es de 0,9
P(C1 / E1) = 0,9
La probabilidad de no invertir cuando el mercado está al alza es de 0,1
P(C2 / E1) = 0,1
La probabilidad de invertir si el mercado está a la baja es de 0,5
P(C1 / E2) = 0,5
La probabilidad de no invertir si el mercado está a la baja es 0,5
P(C2 / E2) = 0,5
Árbol de decisiones
E1 = Mercado al alza, P(E1 /C1) = ?

A1 = Comprar acciones
en la empresa A
$ 5.000
4 -$ 2.000
E2 = Mercado a la baja, P(E2 /C1) = ?
C1 = Aconseja invertir
2
P(C1) = ?
$ 1.500
5
A2 = Comprar acciones $ 500
en la empresa B E2 = Mercado a la baja, P(E2 /C1) = ?
1
A1 = Comprar acciones E1 = Mercado al alza, P(E1 /C2) = ?
en la empresa A
$ 5.000
6 -$ 2.000
E2 = Mercado a la baja, P(E2 /C2) = ?
P(C2) = ?
C2 = Aconseja no invertir
3
$ 1.500
7
en la empresa B E2 = Mercado a la baja, P(E2 /C2) = ?
Fíjese que en el árbol de decisiones, faltan algunas probabilidades, necesarias para

su valoración. Para averiguarlas, se hace necesario emplear el Teorema o regla de Bayes,
que expresa:
P(Ak) P(A /Ak)
P(Ak / A) = n
Σ
j=1
P(Aj) P(A /Aj)

E1 E2
P{E1} = 0,6 P{E2} = 0,4
C1 P{C1/E1} = 0,9 P{C1/E2} = 0,5
C2 P{C2/E1} = 0,1 P{C2/E2} = 0,5
Cálculo de las probabilidades conjuntas, tipo P(A∩B)
P(C1∩E1)
P(C1 /E1) = ⇒ P(C1∩E1) = P(E1) P(C1 /E1) = (0,6)(0,9) = 0,54
P(E1)
P(C1∩E2)
P(C1 /E2) = ⇒ P(C1∩E2) = P(E2) P(C1 /E2) = (0,4)(0,5) = 0,20
P(E2)
P(C2∩E1)
P(C2 /E1) = ⇒ P(C2∩E1) = P(E1) P(C2 /E1) = (0,6)(0,1) = 0,06
P(E1)
P(C2∩E2)
P(C2 /E2) = ⇒ P(C2∩E2) = P(E2) P(C2 /E2) = (0,4)(0,5) = 0,20
P(E2)
2 2
Fíjese que: ΣΣP(C ∩E ) = 1 ---> 0,54 + 0,2 + 0,06 + 0,2 = 1

i=1 j=1
i j
Ahora, nuestro cuadro aparecerá así:
E1 E2
P{E1} = 0,6 P{E2} = 0,4
P{C1/E1} = 0,9 P{C1/E2} = 0,5
C1
P{C1∩E1} = 0,54 P{C1∩E2} = 0,20
P{C2/E1} = 0,1 P{C2/E2} = 0,5
C2
P{C2∩E1} = 0,06 P{C2∩E2} = 0,20
Cálculo de las probabilidades absolutas de Ci (C1 , C2)

P(C1) = P(C1∩E1) + P(C1∩E2) = 0,54 + 0,20 = 0,74
P(C2) = P(C2∩E1) + P(C2∩E2) = 0,06 + 0,20 = 0,26

Fíjese que para Ej se corroboran las probabilidades absolutas.
P(E1) = P(E1∩C1) + P(E1∩C2) = 0,54 + 0,06 = 0,60

P(E2) = P(E2∩C1) + P(E2∩C2) = 0,20 + 0,20 = 0,40
Recuerde que: P(C∩E) = P(E∩C); de los conjuntos: C∩E = E∩C
Ahora, nuestro cuadro aparece así:
E1 E2
P{E1} = 0,6 P{E2} = 0,4
C1 P{C1/E1} = 0,9 P{C1/E2} = 0,5

P{C1} = 0,74 P{C1∩E1} = 0,54 P{C1∩E2} = 0,20
C2 P{C2/E1} = 0,1 P{C2/E2} = 0,5

P{C2} = 0,26 P{C2∩E1} = 0,06 P{C2∩E2} = 0,20
Por último, calculamos las probabilidades a posteriori tipo P(Ej / Ci)
P(E1∩C1) P(C1∩E1) 0,54

P(E1 /C1) = = = = 0,73
P(C1) P(C1) 0,74
P(E2∩C1) P(C1∩E2) 0,20

P(E2 /C1) = = = = 0,27
P(C1) P(C1) 0,74
P(E1∩C2) P(C2∩E1) 0,06

P(E1 /C2) = = = = 0,23
P(C2) P(C2) 0,26
P(E2∩C2) P(C2∩E2) 0,20

P(E2 /C2) = = = = 0,77
P(C2) P(C2) 0,26
Observe que lo que se ha hecho es:
P(E1∩C1) P(C1∩E1) P(E1) P(C1 /E1)

P(E1 /C1) = = = ⇒
P(C1) P(C1) P(C1∩E1) + P(C1∩E2)
P(E1) P(C1 /E1) (0,6) (0,9)

= = = 0,73
P(E1) P(C1 /E1) + P(E2) P(C1 /E2) (0,6) (0,9) + (0,4) (0,5)

Finalmente, nuestro cuadro de probabilidades se completa, así:
E1 E2
P{E1} = 0,6 P{E2} = 0,4
P{C1/E1} = 0,9 P{C1/E2} = 0,5
C1
P{C1∩E1} = 0,54 P{C1∩E2} = 0,20
P{C1} = 0,74
P{E1∩C1} = 0,73 P{E2∩C1} = 0,27
P{C2/E1} = 0,1 P{C2/E2} = 0,5
C2
P{C2∩E1} = 0,06 P{C2∩E2} = 0,20
P{C2} = 0,26
P{E1∩C2} = 0,23 P{E2∩C2} = 0,77
Ahora, completamos la información en el árbol de decisiones y lo valorizamos, así:
E1 = Mercado al alza, P(E1 /C1) = 0,73

A1 = Comprar acciones
en la empresa A
$ 5.000
4 -$ 2.000
E2 = Mercado a la baja, P(E2 /C1) = 0,27
C1 = Aconseja invertir
2
P(C1) = 0,74
$ 1.500
5
en la empresa B E2 = Mercado a la baja, P(E2 /C1) = 0,27
1
A1 = Comprar acciones E1 = Mercado al alza, P(E1 /C2) = 0,23
en la empresa A
$ 5.000
6
-$ 2.000
E2 = Mercado a la baja, P(E2 /C2) = 0,77
P(C2) = 0,26
C2 = Aconseja no invertir
3
$ 1.500
7
en la empresa B E2 = Mercado a la baja, P(E2 /C2) = 0,77
Valor esperado para el nodo 2: El máximo valor esperado entre:

0,73(5.000) - 0,27(2.000) = $3.110 ---> Valor esperado máximo
0,73(1.500) + 0,27(500) = $1.230
Compramos acciones de la compañía A
Valor esperado para el nodo 3: El máximo valor esperado entre:
0,23(5.000) - 0,77(2.000) = -$390
0,23(1.500) + 0,77(500) = $730 ---> Valor esperado máximo
Compramos acciones de la compañía B
Por último, calculamos el valor esperado de todo el árbol, así:
0,74(3.110) + 0,26(730) = $2.491,20

Software WinQsb
El WinQsb en su módulo «Decision Analysis» ofrece la opción «Decision Tree Analysis»;
en su ventana de diálogo inicial, pregunta por el nombre del ejercicio (a libertad del
usuario) y por el número de nodos o eventos, incluyendo los nodos o eventos terminales.
Para nuestro problema, son 15 nodos, distribuidos así: 2 nodos o eventos de decisión, 5
nodos o eventos aleatorios y 8 nodos o eventos terminales. La ventana de diálogo para
introducir la información es la siguiente:
Al correr el programa, se puede hallar la valoración para cada nodo o evento, siendo
el valor esperado de toda la red $2.491,20

El programa, también le muestra la gráfica de la red, valorizada en cada nodo o

evento, de la siguiente forma:
Decisión
5.000,00
3.110,00 Evento 8
73,00%
Aleatorio 4 -2.000,00
Evento 9
27,00%
74,00%
2 3.110,00
1.500,00
Evento 10
73,00%
5 500,00
1.230,00 Evento 11
27,00%
2.491,20 1
5.000,00
-390,00 Evento 12
23,00%
6 -2.000,00
Evento 13
77,00%
3 730,00
26,00% 1.500,00
Evento 14
23,00%
730,00
7 500,00
Evento 15
77,00%
Decisiones bajo incertidumbre

Con el siguiente ejemplo, se ilustran los diferentes criterios más aceptados para la toma
de decisiones bajo incertidumbre, esto es, cuando se carece de datos estadísticos o no
se toman en cuenta, para efectuar la decisión.
Ejemplo 5.3
Una productora de series de televisión acaba de firmar un contrato para producir un
nuevo programa. El presidente de la empresa le ha pedido a usted, que determine la
inversión inicial para el programa piloto de tres horas y por los siguiente 22 episodios
de una hora de la serie. Para ello, se han definido las siguientes alternativas de decisión:
• Alternativa 1: Los actores protagonistas del programa no tienen un reconocimiento
importante.
• Alternativa 2: El actor principal tiene reconocimiento, pero, no así, ninguno de los
coprotagonistas.
• Alternativa 3: Más de uno de los actores tiene reconocimiento.
Se han definido los siguientes tres posibles estados de la naturaleza:

• Estado de la naturaleza 1: Menos del 15% de los posibles espectadores ven el
programa.
• Estado de la naturaleza 2: Entre el 15% y el 25% de los posibles espectadores ven
el programa.
• Estado de la naturaleza 3: Más del 25% de los posibles espectadores ven el pro-
grama.
Matriz de decisiones, en millones de dólares
E1 E2 E3 Si se desea hacer una alta inversión inicial, el estudio podrá

A1 -2 5 8 tener una ganancia de 15 millones de dólares, en el caso
de que el espectáculo sea un éxito. Pero, el estudio puede
A2 -5 10 12 perder 8 millones de dólares, si el programa resulta un
A3 -8 6 15 fracaso. ¿Qué decisión recomendaría Usted?
Criterio de Wald
a) Para problemas de costos b) Para problemas de beneficio
Min Max V(Xij) MINIMAX Max Min V(Xij) MAXIMIN

i j i j
Para éste problema que tiene los valores de utilidad de beneficio (ganancia),
aplicamos el maximin.
E1 E2 E3 Mínimo Máximo S e g ú n e l c r i te r i o d e Wa l d,
debemos escoger la alternativa
A1 -2 5 8 -2 -2
A 1 : Los actores protagonistas
A2 -5 10 12 -5 del programa no tienen un
-8 reconocimiento importante.
A3 -8 6 15
Criterio de hurwicz
a. Para problemas de costos
Min αMin V(Xij) + (1 - α) Max V(Xij) 0 < α < 1

i j j Pesimista Optimista

b. Para problemas de beneficio
Max αMax V(Xij) + (1 - α) Min V(Xij) 0 < α < 1

i j j Pesimista Optimista
Con un α = 0,7 y usando la alternativa b), para problemas de beneficio:
E1 E2 E3 α Max V(Xij) + (1 - α) Min V(Xij) Máximo

A1 -2 5 8 0,7( 8) + 0,3(-2) = 5 8,1
A2 -5 10 12 0,7(12) + 0,3(-5) = 6,9
A3 -8 6 15 0,7(15) + 0,3(-8) = 8,1
Según el criterio de Hurwicz, se debe escoger la alternativa A3: Más de uno de los
actores tiene reconocimiento.
Criterio de Laplace
n
a) Para problemas de costos: Min {1/n V(Xij)}
j=1
Σ
i
n
b) Para problemas de beneficio: Max {1/n V(Xij)}
j=1
Σ
i
n
1/n Σ V(X )
ij
Máximo i
E1 E2 E3 j=1
A1 -2 5 8 (-2+ 5 + 8) / 3 = 3,6 5,6
A2 -5 10 12 (-5 + 10 + 12) / 3 = 5,6

(-8 + 6 + 15) / 3 = 4,3
A3 -8 6 15
Según el criterio de Laplace, se debe escoger la alternativa A2: El actor principal

tiene reconocimiento, pero no asi, ninguno de los coprotagonistas.

Criterio de Savage
1. Calcular la matriz de arrepentimiento o deploración
a. Para problemas de costos: r(Xij) = V(Xij) - Min { V(Xij) }
XK
b. Para problemas de beneficio: r(Xij) = Max { V(Xij) } - V(Xij)
Xk
3. Min { Max r(Xij) }
i j
Construcción de la matriz de arrepentimiento o deploración
Para costos: Restar el menor costo de cada columna a cada elemento de la columna
Para beneficio: Restar al máximo beneficio de cada columna cada elemento de la co-
lumna
E1 E2 E3 Max Min Según el criterio de Savage, se debe escoger

A1 0 5 7 7 3 la alternativa A2: El actor principal tiene
A2 3 0 3 3 reconocimiento, pero, no así, ninguno de los
coprotagonistas.
A3 6 4 0 6
Una pregunta frecuente es: ¿Cuál es el mejor criterio? Una respuesta justa a esta pre-
gunta, se podrá obtener cuando ocurra el estado de la naturaleza y se pueda comparar
nuestra decisión a priori, contra el suceso a posteriori. Sin embargo, con una tabla de
ordenamiento se puede escrutar la tendencia de consenso de los diferentes criterios.
Bajo el criterio de Wald, la alternativa 1 ocupa el primer lugar; la 2, ocupa el segundo
lugar y la 3, ocupa el tercer lugar. De la misma manera, se pueden ordenar las alterna-
tivas bajo los otros diferentes criterios. Al colocar dichos ordenamientos en una tabla
de doble entrada, se observará la tendencia de cada alternativa.
Wald Hurwicz Laplace Savage

Alternativa 1 1 3 3 3

Aquí, se observa que la alternativa 2 tiene menos dispersión que las alternativas
1 y 3. Una manera de corroborarlo es obteniendo la suma de las filas: 10, 6 y 8, siendo
efectivamente menor, la suma de la fila correspondiente a las posiciones de ordena-
miento de la alternativa 2.
Ejemplo 5.4
Gloria Isabel es la gerente de un almacén de frutas. Ella necesita abastecer su inventario
de uvas. Su proveedor normal le surte todas las cajas que pida. Sin embargo, como ya
están maduras, deberá venderlas mañana y después, desechar las que quedan. Gloria
Isabel pronostica que mañana podrá vender 10, 11, 12 ó 13 cajas. Compra la caja de uvas
en $3 y las vende en $8. Gloria Isabel necesita decidir cuántas cajas comprar; para ello,
verifica los registros de ventas diarias y con base en ellos, estima que las probabilidades
a priori de vender 10, 11, 12 ó 13 cajas de uvas son: 0,2 ; 0,4 ; 0,3 y 0,1, respectivamente.
a. Defina claramente las alternativas, los estados de la naturaleza y los valores de
utilidad, y construya la matriz de decisión.
Alternativa 1: Comprar 10 cajas de uvas.
Estado de la naturaleza 1: Vender 10 cajas de uvas.
Valores de utilidad
V(X11) = 8(10) - 3(10) = $50 Fíjese, que si decide compar 10 cajas de uvas,
V(X12) = 8(10) - 3(10) = $50 podrá vender como máximo 10 cajas de uvas, así
V(X13) = 8(10) - 3(10) = $50 la demanda sea superior a las 10 cajas de uvas
V(X14) = 8(10) - 3(10) = $50 disponibles para la venta.
V(X21) = 8(10) - 3(11) = $47 Si Gloria Isabel decide comprar 11 cajas de uvas,
V(X22) = 8(11) - 3(11) = $55 como máximo podrá vender 11 cajas de uvas, así
V(X23) = 8(11) - 3(11) = $55 la demanda sea mayor de 11 cajas de uvas.
V(X24) = 8(11) - 3(11) = $55
V(X31) = 8(10) - 3(12) = $44 Igualmente, si se compran 12 cajas de uvas, como

V(X32) = 8(11) - 3(12) = $52 máximo se venderán las 12 cajas de uvas.
V(X33) = 8(12) - 3(12) = $60
V(X34) = 8(12) - 3(12) = $60

V(X41) = 8(10) - 3(13) = $41 Por último, si compra 13 cajas de uvas, venderá
V(X42) = 8(11) - 3(13) = $49 como máximo 13 cajas de uvas.
V(X43) = 8(12) - 3(13) = $57
V(X44) = 8(13) - 3(13) = $65
Matriz de decisión
Alternativas
E1 E2 E3 E4
P{E1} = 0,2 P{E2} = 0,4 P{E3} = 0,3 P{E4} = 0,1
A1 50 50 50 50
A2 47 55 55 55
A3 44 52 60 60
A4 41 49 57 65
b. Cuántas cajas de uvas debe comprar Gloria Isabel, si usa el criterio del máximo
pago?
El criterio del máximo pago = Maximin, por lo tanto, escoja el máximo de los
mínimos.
Mínimo Máximo Según el criterio del máximo
pago (Maximin), Gloria Isabel
50 50 50 50 50 50
debe comprar 10 cajas de uvas.
47 55 55 55 47
44 52 60 60 44
41 49 57 65 41
c. Cuántas cajas debe comprar según el criterio de la máxima probabilidad?
E1 E2 E3 E4
0,2 0,4 0,3 0,1
Máxima probabilidad: 0,4 del estado E2 =
A1 50 50 50 50 Demanda de 11 cajas. Mayor pago de dicho
A2 47 55 55 55 estado: $55, que corresponde a la alternativa
2: Comprar 11 cajas de uvas.
A3 44 52 60 60
A4 41 49 57 65

d. Cuántas cajas debe comprar, según la regla de decisión de Thomas Bayes?
E1 E2 E3 E4
0,2 0,4 0,3 0,1
A1 50 50 50 50 50(0,2) + 50(0,4) + 50(0,3) + 50(0,1) = 50,0
A2 47 55 55 55 47(0,2) + 55(0,4) + 55(0,3) + 55(0,1) = 53,4
A3 44 52 60 60 44(0,2) + 52(0,4) + 60(0,3) + 60(0,1) = 53,6 Máximo
A4 41 49 57 65 41(0,2) + 49(0,4) + 57(0,3) + 65(0,1) = 51,4
Según el criterio de Thomas Bayes, Gloria Isabel debe comprar 12 cajas de uvas.
e. Gloria Isabel piensa que tiene correctas las probabilidades a priori para la venta
de 10 y 13 cajas de uvas, pero, no está segura de como asignar las probabilidades
para la demanda de 11 y 12 cajas de uvas. Aplique de nuevo la regla de deci-
sión de Bayes, cuando las probabilidades a priori de vender 11 y 12 cajas son:
1) 0,2 y 0,5
E1 E2 E3 E4
0,2 0,2 0,5 0,1
A1 50 50 50 50 50(0,2) + 50(0,2) + 50(0,5) + 50(0,1) = 50,0
A2 47 55 55 55 47(0,2) + 55(0,2) + 55(0,5) + 55(0,1) = 53,4
A3 44 52 60 60 44(0,2) + 52(0,2) + 60(0,5) + 60(0,1) = 55,2 Máximo
A4 41 49 57 65 41(0,2) + 49(0,2) + 57(0,5) + 65(0,1) = 53,0
2) Probabilidades a priori 0,3 y 0,4
E1 E2 E3 E4
0,2 0,3 0,4 0,1
A1 50 50 50 50 50(0,2) + 50(0,3) + 50(0,4) + 50(0,1) = 50,0
A2 47 55 55 55 47(0,2) + 55(0,3) + 55(0,4) + 55(0,1) = 53,4
A3 44 52 60 60 44(0,2) + 52(0,3) + 60(0,4) + 60(0,1) = 54,4 Máximo
A4 41 49 57 65 41(0,2) + 49(0,3) + 57(0,4) + 65(0,1) = 52,2

3) 0,5 y 0,2
E1 E2 E3 E4
0,2 0,5 0,2 0,1
50(0,2) + 50(0,5) + 50(0,2) + 50(0,1) = 50,0
A1 50 50 50 50
47(0,2) + 55(0,5) + 55(0,2) + 55(0,1) = 53,4 Máximo
A2 47 55 55 55
44(0,2) + 52(0,5) + 60(0,2) + 60(0,1) = 52,8
A3 44 52 60 60
41(0,2) + 49(0,5) + 57(0,2) + 65(0,1) = 50,6
A4 41 49 57 65
f. Ahora, Gloria Isabel consiguió vender las uvas no vendidas durante el día a la
mitad del precio en que las compró. Calcule la nueva matriz de pagos y con las
probabilidades iniciales de los estados de la naturaleza use el criterio del valor
esperado para tomar una decisión.
V(X11) = 8(10) - 3(10) = $50 V(X21) = 8(10) - 3(11) + 1,5(1) = $48,50

V(X12) = 8(10) - 3(10) = $50 V(X22) = 8(11) - 3(11) = $55
V(X13) = 8(10) - 3(10) = $50 V(X23) = 8(11) - 3(11) = $55
V(X14) = 8(10) - 3(10) = $50 V(X24) = 8(11) - 3(11) = $55
V(X31) = 8(10) - 3(12) + 1,5(2) = $47

V(X32) = 8(11) - 3(12) + 1,5(1) = $53,50
V(X33) = 8(12) - 3(12) = $60
V(X34) = 8(12) - 3(12) = $60
V(X41) = 8(10) - 3(13) + 1,5(3) = $45,50 --> Compra 13 cajas a $3 por unidad;
V(X42) = 8(11) - 3(13) + 1,5(2) = $52 vende 10 cajas a $8 por unidad; le
V(X43) = 8(12) - 3(13) + 1,5(1) = $58,50 sobran 3 cajas que vende a $1,5
V(X44) = 8(13) - 3(13) = $65 por unidad.
Matriz de pagos
Alterna-
E1 E2 E3 E4
tivas
P{E1} = 0,2 P{E2} = 0,4 P{E3} = 0,3 P{E4} = 0,1
A1 50 50 50 50
A2 48,50 55 55 55
A3 47 53,50 60 60
A4 45,50 52 58,50 65

E1 E2 E3 E4
0,2 0,4 0,3 0,1
A1 50 50 50 50
A2 48,5 55 55 55
A3 47 53,5 60 60
A4 45,5 52 58,5 65
A1: 50(0,2) + 50(0,4) + 50(0,3) + 50(0,1) = 50,0

A2: 48,5(0,2) + 55(0,4) + 55(0,3) + 55(0,1) = 53,7
A3: 47(0,2) + 53,5(0,4) + 60(0,3) + 60(0,1) = 54,8 Máximo
A4: 45,5(0,2) + 52(0,4) + 58,5(0,3) + 65(0,1) = 53,95
Según el criterio del valor esperado y con los nuevos valores de utilidad, la mejor
decisión es comprar 12 cajas de uvas.
Ejemplo 5.5
Flor Eloísa Sánchez es una inversionista muy rica que ha construido una fortuna con
su habilidad para las inversiones. En éste momento, quiere tomar la decisión de hacer
una inversión y dispone de las siguientes tres (3) alternativas.
• Alternativa 1: Inversión conservadora, que tiene un buen desempeño en una
economía que mejora y sólo tiene una pérdida pequeña en una economía que
empeora.
• Alternativa 2: Inversión especulativa, que se desempeña muy bien en una economía
que mejora, pero, muy mal, en una economía que empeora.
• Alternativa 3: Inversión liberal, que pierde algún dinero en una economía que
mejora, pero, se desempeña muy bien en una economía que empeora.
Flor Eloísa piensa que existen tres (3) estados de la naturaleza posibles.
• Estado de la naturaleza 1: Economía que mejora.
• Estado de la naturaleza 2: Economía estable.
• Estado de la naturaleza 3: Economía que empeora.
Flor Eloísa ha consultado las revistas especializadas en economía y ellas, asignan las
probabilidades a priori de 0,1; 0,5 y 0,4 respectivamente, a cada uno de los tres posibles
estados de la naturaleza o escenarios económicos.

También, estima que sus ganancias en estos escenarios son las dadas en la siguiente
matriz de pagos.
Posibles estados de la economía

Tipos de
inversión E1: Mejora E2: Estable E3: Empeora
P{E1} = 0,1 P{E2} = 0,5 P{E3} = 0,4
A1: Conservadora 30 5 -10
A2: Especulativa 40 10 -30
A3: Liberal -10 0 15
a. Bajo el criterio del pago maximin, ¿Qué tipo de inversión debe hacer Flor Eloísa
Sánchez?
E1 E2 E3 M a x i m i n
0,1 0,5 0,4 Min Max Bajo este criterio, Flor
A1 30 5 -10 Eloisa debe hacer una
-10 -10 inversión conservadora o
A2 40 10 -30 una inversión liberal; con
-30
ambas, espera perder $10.
A3 -10 0 15 -10 -10
b. Bajo el criterio de la posibilidad máxima, ¿Qué tipo de inversión debe hacer?

Según este criterio, debe optar por la inversión especulativa, para esperar una
ganancia de $10.
c. Bajo el criterio del valor esperado de Bayes, ¿Qué decisión debe hacer?
E1 E2 E3
0,1 0,5 0,4
A1 30 5 -10 E(A1) = 30(0,1) + 5(0,5) - 10(0,4) = 1,5
A2 40 10 -30 E(A2) = 40(0,1) + 10(0,5) - 30(0,4) = -3
A3 -10 0 15 E(A3) = -10(0,1) + 0(0,5) + 15(0,4) = 5 Máximo
Según este criterio, Eloísa debe hacer una inversión liberal, para esperar una
ganancia de |$5.

Flor Eloísa decide que la regla de decisión del valor esperado de Bayes es el
criterio más confiable. Cree que 0,1 está bien como probabilidad a priori para una
economía que mejora, pero, no sabe como repartir el resto (0,9) de la probabilidad,
entre la economía estable y la economía que empeora. En atención a lo anterior,
quiere realizar un análisis de sensibilidad respecto a estas dos probabilidades.
d. Aplique de nuevo la regla de decisión de Thomas Bayes, cuando la probabilidad a

priori de una economía estable es de 0,3 y la de una economía que empeora es 0,6
E1 E2 E3
0,1 0,3 0,6
A1 30 5 -10 E(A1) = 30(0,1) + 5(0,3) - 10(0,6) = -15
A2 40 10 -30 E(A2) = 40(0,1) + 10(0,3) - 30(0,6) = -11
A3 -10 0 15 E(A3) = -10(0,1) + 0(0,3) + 15(0,6) = 8 Máximo
e. Aplique de nuevo la regla de decisión de Bayes cuando la probabilidad a priori

de una economía estable es 0.7 y la de una economía que empeora es 0.2
E1 E2 E3
0,1 0,7 0,2
A1 30 5 -10 E(A1) = 30(0,1) + 5(0,7) - 10(0,2) = 4,5
A2 40 10 -30 E(A2) = 40(0,1) + 10(0,7) - 30(0,2) = 5 Máximo
A3 -10 0 15 E(A3) = -10(0,1) + 0(0,7) + 15(0,2) = 2
Con estas probabilidades y bajo el criterio de Bayes, Flor Eloísa debe hacer una
inversión especulativa, para obtener una ganancia esperada máxima de $5.
f. Grafique la ganancia esperada para las tres alternativas de inversión contra la

probabilidad a priori de una economía estable (con la probabilidad a priori de
la economía que mejora fija en 0.1). Use la gráfica para identificar dónde cambia
la decisión de una inversión a otra.

Fíjese que: p(E1) + p(E2) + p(E3) = 1
E1 E2 E3 0,1 + p + p(E3) = 1
0,1 P 0,9-P p(E3) = 0,9 - p
A1 30 5 -10 E(A1) = 30(0,1) + 5p - 10(0,9 - p) = 15p - 6
A2 40 10 -30 E(A2) = 40(0,1) + 10p - 30(0,9 - p) = 40p - 23
A3 -10 0 15 E(A3) = -10(0,1) + 0p + 15(0,9 - p) = -15p + 12,5
Tabulamos cada una de las funciones lineales de la E(Ai)
E(A1) = 15p - 6 E(A2) = 40p - 23 E(A3) = -15p + 12,5

p=0 p=1 p=0 p=1 p=0 p=1
E(A1) = -6 E(A1) = 9 E(A2) = -23 E(A2) = 17 E(A3) = 12,5 E(A3) = -2,5
En un plano cartesiano, graficamos las tres ecuaciones.
Ganancia Esperada
A1
A3 A2
E(A2) = 40p - 23
12.5
E(A1) = 15p - 6
Probabilidad a priori de E2
(economía estable)
-6 E(A3) = -15p + 12,5
37/60 17/25
0,616 0,68
-23
Para encontrar los valores críticos, debemos calcular el punto de corte entre E(A1)
y E(A3) ; E(A1) y E(A2)
E(A1) = E(A3) E(A1) = E(A2)

15p - 6 = -15p + 12,5 15p - 6 = 40p - 23
30p = 18,5 25p = 17
p = 37/60 = 0,616 p = 17/25 = 0,68

Regla de decisión:
Si p < 37/60 , entonces debe escoger la alternativa A3
Si p = 37/60 , entonces debe escoger las alternativa A3 ó A1
Si 37/60 < p < 17/25 , entonces debe escoger la alternativa A1
Si p > 17/25 , entonces debe escoger la alternativa A2
Si p = 17/25 , entonces debe escoger la alternativa A1 ó A2
g. Desarrolle una gráfica de la ganancia esperada (con la regla de decisión de Bayes)

contra la probabilidad a priori de una economía estable.
E1 E2 E3
0,1 P 0,9-P
A1 30 5 -10 E(A1) = 15p - 6
A2 40 10 -30 E(A2) = 40p - 23

A3 -10 0 15 E(A3) = -15p + 12,5
Si p = 0 Si p = 0,5
E(A1) = 15(0) - 6 = -6 E(A1) = 15(0,5) - 6 = 1,5
E(A2) = 40(0) - 23 = -23 E(A2) = 40(0,5) - 23 = -3
E(A3) = -15(0) + 12,5 = 12,5 Máximo E(A3) = -15(0,5) + 12,5 = 5 Máximo
Si p = 0,1 Si p = 0,6
E(A1) = 15(0,1) - 6 = -4,5 E(A1) = 15(0,6) - 6 = 3
E(A2) = 40(0,1) - 23 = -19 E(A2) = 40(0,6) - 23 = 1
E(A3) = -15(0,1) + 12,5 = 11 Máximo E(A3) = -15(0,6) + 12,5 = 3,5 Máximo
Si p = 0,2 Si p = 37/60
E(A1) = 15(0,2) - 6 = -3 E(A1) = 15(37/60) - 6 = 13/4 Máximo
E(A2) = 40(0,2) - 23 = -15 E(A2) = 40(37/60) - 23 = 5/3
E(A3) = -15(0,2) + 12,5 = 9.5 Máximo E(A3) = -15(37/60) + 12,5 = 13/4 Máximo
Si p = 0,3 Si p = 17/25
E(A1) = 15(0,3) - 6 = -1,5 E(A1) = 15(17/25) - 6 = 21/5
E(A2) = 40(0,3) - 23 = -11 E(A2) = 40(17/25) - 23 = 21/5 Máximo
E(A3) = -15(0,3) + 12,5 = 8 Máximo E(A3) = -15(17/25) + 12,5 = 23/10
Si p = 0,4 Si p = 0,7
E(A1) = 15(0,4) - 6 = 0 E(A1) = 15(0,7) - 6 = 4,5
E(A2) = 40(0,4) - 23 = -7 E(A2) = 40(0,7) - 23 = 5 Máximo
E(A3) = -15(0,4) + 12,5 = 6.5 Máximo E(A3) = -15(0,7) + 12,5 = 2

Si p = 0,8 Si p = 0,9
E(A1) = 15(0,8) - 6 = 6 E(A1) = 15(0,9) - 6 = 7,5
E(A2) = 40(0,8) - 23 = 9 Máximo E(A2) = 40(0,9) - 23 = 13 Máximo
E(A3) = -15(0,8) + 12,5 = 0,5 E(A3) = -15(0,9) + 12,5 = -1
Ganancia esperada bajo

el criterio de Bayes.
12,50
4,20
3,25
P = Probabilidad
a priori de una
37/60 17/25
economía estable.
Teoría de juegos
Se refiere a las decisiones con incertidumbre, involucrando dos o más oponentes in-
teligentes, donde cada aspirante pretende optimizar su propia decisión, pero a costa
de los otros.
Elementos de la matriz de juegos de dos personas y suma cero: En juegos que
examinaremos aquí, sólo intervendran dos personas y lo que gane una de ellas, lo
pierde la otra, de tal forma, que la suma de las dos cifras es cero; por eso se les llama
«de suma cero».
Ejemplo 5.6
Consideremos un juego de igualar monedas, en el cual, cada uno de dos jugadores

A y B elige cara (C) o sello (S). Si son iguales los dos resultados, esto es: C y C o S y
S, el jugador A gana $5 al jugador B; de otra manera, A pierde $5 que paga al jugador B.
En este juego, cada jugador tiene dos estrategias, esto genera, una matriz de di-
mensión 2x2, en términos de pagos al jugador A.
Jugador B
C S Estrategias del jugador B
Jugador A
C
S
5
-5
-5
5 t Pagos para el jugador A
t
Estrategias del jugador A
Los juegos representan un caso de ausencia de información, donde los oponentes

inteligentes están trabajando en un medio circundante conflictivo.
Solucionar un juego es descubrir cuál o cuáles son las estrategias que a la larga y de
manera razonable empleará cada jugador, cuáles son las probabilidades de usar cada
estrategia y por supuesto, quién gana el juego y cuánto gana.
Métodos de solución
R Estrategia
Simple n 1. Método lógico
2. Principio de la dominancia
3. Criterio Minimax - Maximin
Metodología
de
S
n
Solución
Estrategia 1. Método gráfico o
n
2xn o mx2
T
Mixta Método Simplex
2. Método Simplex, m, n > 2

Ejemplo 5.7
Considere la matriz de pagos siguiente, que representa la ganancia del jugador A.
Jugador B
1 2 3 4
1 8 2 9 5
Jugador A 2 6 5 7 18
3 7 3 -4 10
Fíjese que la mayoría de elementos de la matriz de pagos son a favor del jugador A,
tanto en número como en cantidad, de ahí que, es natural pensar que el juego lo gane
el jugador A, pero no sabemos con cuánto ni con qué alternativa lo logra.
1. Método lógico: Si el jugador A decide jugar la alternativa 1, lo razonable es que el

jugador B le conteste con la alternativa 2 (eligirá perder lo menos posible entre 8,
2, 9 y 5). El jugador A, ahora jugará razonablemente la alternativa 2 (querrá ganar
lo máximo posible entre 2, 5, 3). Ante lo anterior, el jugador B, razonablemente
optará por la alternativa 2 (perder lo menos posible entre (6, 5, 7 y 8). Ahora el
jugador A, razonablemente, volverá a contestar con la alternativa 2 (querrá ganar
lo máximo posible entre 2, 5 y 3). Los dos jugadores, seguirán usando razona-
blemente las alternativas 2 y 2, respectivamente, y ambos estarán de acuerdo:
A, en ganar 5 unidades monetarias y B, en perder 5 unidades monetarias (suma
cero: 5 - 5 = 0). Aquí hemos establecido el valor del juego (V* = 5), el ganador
(jugador A) y las estrategias simples usadas por los dos jugadores (A: Estrategia
2, B: Estrategia 2). El juego ha quedado solucionado.
2. Principio de la dominancia: Se dice que una fila domina a otra, cuando todos los
elementos de la primera, son mayores o iguales que los elementos de la segunda;
entonces, se puede eliminar la fila dominada. Se dice que una columna domina
a otra, cuando todos los elementos de la primera, son mayores o iguales que los
elementos de la segunda; entonces, se puede eliminar la columna dominante.
Aplicar éste principio ayuda a reducir la dimensión de la matriz de pagos y si
el juego tiene solución con estrategia simple, nos lleva hasta ella. En nuestro
ejemplo, se procede así:
Como todos los elementos de la columna 1 y de la columna 4 son mayores
que los elementos de la columna 2, se dice que las columnas 1 y 4 dominan la
columna 2; entonces, eliminamos las columnas dominantes 1 y 4. La matriz de
pagos resultante, ahora sólo tiene las columnas 2 y 3 y su aspecto es:

En esta matriz la fila 2 domina a la fila

Jugador B
3, entonces podemos eliminar la fila
2 3 dominada, esto es la fila 3. Ahora el
aspecto de la matriz de pagos es:
1 2 9
Jugador A 2 5 7
3 3 -4
Jugador B Ahora, la columna 3 domina la columna

2, entonces eliminamos la columna 3.
2 3
1 2 9
Jugador A
2 5 7
Por último, la fila 2 domina a la fila 1,

Jugador B
entonces eliminamos la fila 1.
2
1 2
Jugador A
2 5
Jugador B Claramente, se observa el valor

del juego V* = 5 y las estrategias 2
2 y 2 que usan los jugadores A y B,
Jugador A 2 5 respectivamente.
3. Criterio Minimax - Maximin
Jugador B Maximin
1 2 3 4 Min. Max.
1 8 2 9 5 2
Jugador A 2 6 5 7 18 5 5
3 7 3 -4 10 -4
Minimax Máx. 8 5 9 18
Min. 5

Ambos jugadores de manera razonable usarán un criterio conservador. El jugador A
esperará que el jugador B le pague el mayor valor de los mínimos bajo cada estrategia
y el jugador B aspira a pagar lo mínimo de lo máximo de cada alternativa.
Aquí, el valor inferior del juego (Maximin) es igual al valor superior del juego (Mini-
max), por lo tanto, se dice que el juego tiene punto de silla y dicho valor, es el valor del
juego (5). Por supuesto, el jugador A usará su estrategia 2 y el jugador B, su estrategia
2. Como el valor del juego V* es positivo e igual a 5, el jugador ganador es A, ya que la
matriz de pagos está dada en términos de pago para el jugador A.
La pregunta razonable aquí es, ¿Qué pasa cuando el juego no tiene punto de silla,
esto es, cuando no tiene una solución bajo estrategia simple?
Ejemplo 5.8
Considere la siguiente matriz de pagos que representa la ganancia del jugador A.
Jugador B
1 2 3
1 0 -2 2
Jugador A
2 5 4 -3
Si empleamos el método lógico y asumimos que el jugador A inicia escogiendo su

alternativa pura 1, el jugador B, razonablemente, usará su estrategia 2, ante lo cual, el
jugador A responderá con la alternativa 2 y el jugador B, con la alternativa 3. Aquí, el
jugador A responderá con la alternativa 1 y el jugador B, nuevamente, con la alternativa
2. Ambos jugadores seguirán usando sus alternativas 1 y 2 para A; y 2 y 3 para B, de
manera intercalada y cíclica. Hemos determinado qué alternativas usará cada jugador,
pero no, el valor del juego ni quien ganará.
Si empleamos el principio de dominancia, solamente se puede eliminar la alter-
nativa 1 del jugador B, quedando sin eliminar las alternativas 2 y 3 del jugador B y las
alternativas 1 y 2 del jugador A. Aquí, nuevamente, se determinan las alternativas mixtas
que ambos jugadores usarán, pero no, qué jugador gana ni el valor esperado del juego.
Si empleamos el criterio minimax-maximin, se establece que no hay punto de silla:
El valor inferior del juego es diferente al valor superior del juego. La matriz del juego
queda así:

Jugador B Maximin
1 2 3 Min Max
1 0 -2 2 -2 -2
Jugador A
2 5 4 -3 -3
-2 ≠ 2
Max 5 4 2 No hay punto de silla
Minimax Min 2
Aquí se establece que el valor del juego

se encuentra entre -2 y 2
-2 < V* < 2
Las anteriores evaluaciones del juego, establecen que tiene solución bajo estrategia
mixta, es decir, los jugadores usarán más de una estrategia; esto, nos lleva a pensar que
el uso de una estrategia tiene una probabilidad de ser escogida; además, como uno
de los dos jugadores (jugador A), sólo tiene 2 estrategias, él hará uso de ellas. Aquí, se
puede formular un problema de programación lineal, pero como uno de los dos juga-
dores tiene solo dos (2) estrategias disponibles, podemos usar el método gráfico, que
permite representar en un plano cartesiano el comportamiento del juego y establecer
la probabilidad de uso de cada alternativa, el valor del juego, las estrategias mixtas que
se usarán y quién gana el juego. Reservamos el uso de la programación lineal, para
problemas, en donde ambos jugadores, disponen de más de dos alternativas.
Método gráfico
Asignamos a cada alternativa una probabilidad de ser escogida. Para las alternativas
del jugador A usamos Xi; para las alternativas del jugador B, Yj . Por las propiedades de
las probabilidades establecemos las dos relaciones siguientes y el aspecto de nuestra
matriz de pagos, es:
Jugador B
1 2 3
2
Y1 Y2 Y3
Σ X =1 3
Σ
i
i=1
1 X1 0 -2 2 Y =1
j
j=1
Jugador A X1 + X2 = 1
2 X2 5 4 -3 X2 = 1 - X1 Y1 + Y2 + Y3 = 1
Ahora, establecemos los valor esperados para todas las posiblidades del juego

Estrategias puras de A Pagos esperados de B
1 0Y1 - 2Y2 + 2Y3
2 5Y1 + 4Y2 - 3Y3
Estrategias puras de B Pagos esperados de A

1 0X1 + 5X2 = 5(1 - X1) = - 5X1 + 5
2 -2X1 + 4X2 = -2X1 + 4(1 - X1) = -6X1 + 4
3 2X1 - 3X2 = 2X1 - 3(1 - X1) = 5X1 - 3
Fíjese, que las ecuaciones de los pagos esperados de A quedaron en función de una
sola variable independiente, luego son graficables en un plano cartesiano, en atención
a su característica de ser de tipo lineal.
P1 = -5X1 + 5 P2 = -6X1 + 4 P3 = 5X1 - 3

X1 = 0 P1 = 5 X1 = 0 P2 = 4 X1 = 0 P3 = -3
X1 = 1 P1 = 0 X1 = 1 P2 = -2 X1 = 1 P3 = 2
Pagos Pagos
esperados esperados
5 P1
4
P2
2
Valor del juego V* X1

1/2 3/4
P3 -2
-3
Maximin
Como los pagos esperados son de B, aplicamos el criterio Maximin: De los valores
mínimos de la envolvente inferior, escogemos el Máximo. Aquí, se establece que el
jugador B usa las estrategias 2 y 3 que son los pagos esperados correspondientes a las
dos líneas que se interceptan en el maximin; luego, no usa su estrategia 1, entonces
Y1* = 0. Resolviendo el sistema de dos ecuaciones y dos variables conformado por las
ecuaciones de los pagos esperado P2 y P3 que se interceptan en el Maximin, determi-
nanos los valores de probabilidad X1 y X2 , además, si remplazamos dichos valores en
las ecuaciones P1 o P2 conoceremos el valor del juego. Los cálculos son los siguientes:

-6X1 + 4 = 5X1 - 3 X2 = 1 - X1
4 + 3 = 5X1 + 6X1 X2 = 1 - 7/11
11X1 = 7 X2* = 4/11 = 0,36
X1 = 7/11 = 0,63
*
V* = 5X1 - 3 = 5(7/11) - 3 = 35/11 - 33/11 = 2/11 = 0,18

ó
V* = -6X1 + 4 = -6(7/11) + 4 = -42/11 + 44/11 = 2/11 = 0,18
Fíjese que el valor del juego, efectivamente, se encontraba entre -2 y 2

El valor del juego, por ser positivo, indica que el jugador A gana 2/11
Por último, podemos averiguar las probabilidades de uso de las alternativas 2 y 3 del
jugador B, así:
Como el jugador B usa las estrategias 2 y 3, entonces, no usará la estrategia 1, luego Y1* = 0
Y1 + Y2 + Y3 = 1 -2Y2 + 2Y3 = -2Y2 + 2(1 - Y2) = -4Y2 + 2 Igualando las

Y1 = 0 4Y2 - 3Y3 = 4Y2 - 3(1 - Y2) = 7Y2 - 3 dos ecuaciones,
tenemos que:
Y2 + Y3 = 1
Y3 = 1 - Y2
7Y2 - 3 = -4Y2 + 2 Y3 = 1 - Y2 = 11/11 - 5/11 Aquí, podemos volver a

11Y2 = 5 Y3* = 6/11 = 0,54 calcular el valor del juego, así:
Y2* = 5/11 = 0,45
V* = -4Y2 + 2 = -4(5/11) + 2 = -20/11 + 22/11 = 2/11 = 0,18

ó
V = 7Y2 - 3 = 7(5/11) - 3 = 35/11 - 33/11 = 2/11 = 0,18
*
Con los datos obtenidos y aplicando el criterio Minimax - Maximin conjuntamente

con el criterio del valor esperado, obtenemos el punto de silla o valor del juego. Efectuar
estos cálculos nos prepara para encontrar una metodología para resolver problemas
de mxn. Dicho de otra manera, generalizar la resolución de juegos de dos personas y
suma cero, ¡por supuesto!, tendremos que usar el método simplex y descubriremos un
enfoque interesante sobre la dualidad.

Los pagos esperados de B son: Los pagos esperados de A son:
0(0) - 2(5/11) + 2(6/11) = 2/11 0(7/11) + 5(4/11) = 20/11
5(0) + 4((5/11) - 3(6/11) = 2/11 -2(7/11) + 4(4/11) = 2/11
2(7/11) - 3(4/11) = 2/11
Jugador B
1 2 3 Maximin
0 5/11 6/11 Min Max
1 7/11 0 -2 2 2/11 2/11

Jugador A
2 4/11 5 4 -3 2/11 2/11
Minimax Max 20/11 2/11 2/11 Valor del juego

Min 2/11 2/11 V* = 2/11
Aquí, se observa claramente que el jugador A usa las estrategias 1 y2 y el jugador

B, las estrategias 2 y 3; de esta manera, se logra un punto de silla o valor del juego de
2/11. Esto quiere decir, que el jugador A acepta ganar solamente 2/11 y el jugador B
acepta perder solamente 2/11
A continuación, analizaremos un problema de m x n
Ejemplo 5.9
Considere el siguiente juego de 3x3
Jugador B Fíjese, que no se puede resolver

1 2 3 gráficamente, porque las ecua-
ciones de los pagos esperados,
1 3 -1 -3 tanto para A como para B, esta-
Jugador A 2 -3 3 -1 rán en función de tres variables:
X1, X2, X3, Y1, Y2, Y3
3 -4 -3 3
Lo primero que debemos hacer, es intentar encontrar una solución con estrategia
simple, esto es, observar si hay punto de silla; si no la hay, empleamos el método simplex.

Jugador B Maximin
1 2 3 Min. Max.
1 3 -1 -3 -3 -3
Jugador A 2 -3 3 -1 -3 -3
3 -4 -3 3 -4
Minimax Max. 3 3 3
Min. 3 3 3
No existe punto de silla. Por consiguiente, el juego tiene solución con estrategia
mixta y su valor está entre -3 y 3
Como el juego se va a resolver usando el método simplex, en donde co-

munmente, todas las variables deben ser positivas, entonces adicionamos
a todos los elementos de la matriz una constante K que sea al menos igual
al valor absoluto del valor inferior del juego (-3); esto es, K > 3; al final,
restamos la misma cantidad al valor del juego.
Con un K = 5, la matriz de pagos lucirá así:
Jugador B
1 2 3
1 8 4 2
Jugador A 2 2 8 4
3 1 2 8

La formulación del problema para cada jugador es la siguiente:
Jugador B
1 2 3
Y1 Y2 Y3
1 X1 8 4 2
Jugador A 2 X2 2 8 4
3 X3 1 2 8
Maximin
Pagos esperados de B bajo estrategias puras de A
8Y1 + 4Y2 + 2Y3

2Y1 + 8Y2 + 4Y3
Y1 + 2Y2 + 8Y3
Problema de Programación Lineal para el jugador B:

El jugador B buscará Minimizar sus pagos.
Min{Max(8Y1 + 4Y2 + 2Y3 , 2Y1 + 8Y2 + 4Y3 , Y1 + 2Y2 + 8Y3)}
C.S.R Y1 + Y2 + Y3 = 1
Yj > 0 ; j = 1, 2, 3
Minimax
Pagos esperados de A bajo estrategias puras de B:
8X1 + 2X2 + X3
4X1 + 8X2 + 2X3
2X1 + 4X2 + 8X3
Problema de Programación Lineal para el jugador A:

El jugador A buscará Maximizar sus pagos
Max{Min(8X1 + 2X2 + X3 , 4X1 + 8X2 + 2X3 , 2X1 + 4X2 + 8X3)}
C.S.R X1 + X2 + X3 = 1
Xj > 0 ; j = 1, 2, 3

Solución al problema con los pagos esperados de B:
Min{Max(8Y1 + 4Y2 + 2Y3 , 2Y1 + 8Y2 + 4Y3 , Y1 + 2Y2 + 8Y3)}

C.S.R Y1 + Y2 + Y3 = 1
Yj > 0 ; j = 1, 2, 3
Hacemos V = Max(8Y1 + 4Y2 + 2Y3 , 2Y1 + 8Y2 + 4Y3 , Y1 + 2Y2 + 8Y3)

Ahora, nuestro problema es:
Min Z = V
c.s.r.
8Y1 + 4Y2 + 2Y3 < V Como el jugador B usa el criterio Maximin, escoge el valor
2Y1 + 8Y2 + 4Y3 < V esperado mayor y ese será el valor del juego, entonces,
cada valor espera ser menor o igual al valor del juego.
Y1 + 2Y2 + 8Y3 < V
Y1 + Y2 + Y3 = 1
Yj > 0 ; j = 1, 2, 3
Dividiendo todas las restricciones por V, obtenemos:
Min Z = V
c.s.r.
8(Y1/V) + 4(Y2/V) + 2(Y3/V) < 1 Haciendo el siguiente cambio de variable y la
2(Y1/V) + 8(Y2/V) + 4(Y3/V) < 1 siguiente propiedad:
(Y1/V) + 2(Y2/V) + 8(Y3/V) < 1
Yj Min Z = V
Y1/V + Y2/V + Y3/V = 1/V Yj = equivale a
V Max W = 1/V
Yj > 0 ; j = 1, 2, 3
Max. W = Y1 + Y2 + Y3 Max. W = Y1 + Y2 + Y3
c. s. r. c. s. r.
8Y1 + 4Y2 + 2Y3 ≤ 1 8Y1 + 4Y2 + 2Y3 + Y4 ≤ 1
2Y1 + 8Y2 + 4Y3 ≤ 1 2Y1 + 8Y2 + 4Y3 + Y5 ≤ 1
Y1 + 2Y2 + 8Y3 ≤ 1 Y1 + 2Y2 + 8Y3 + Y6 ≤ 1
Yj > 0 ; j = 1, 2, 3 Yj > 0 ; j = 1, 2, 3, 4, 5, 6

Cj → 1 1 1 0 0 0
b/a
↓ V.B. b Y1 Y2 Y3 Y4 Y5 Y6
0 Y4 1 8 4 2 1 0 0 1/8 → (1/8)
0 Y5 1 2 8 4 0 1 0 1/2
0 Y6 1 1 2 8 0 0 1 1
Wj - Cj 0 -1 -1 -1 0 0 0
↑
Cj → 1 1 1 0 0 0
b/a
↓ V.B. b Y1 Y2 Y3 Y4 Y5 Y6
1 Y1 1/8 1 1/2 1/4 1/8 0 0 1/2 (-2)(-1)
0 Y5 3/4 0 7 7/2 -1/4 1 0 3/14
0 Y6 7/8 0 3/2 31/4 -1/8 0 1 7/62 → (4/31)
Wj - Cj 1/8 0 -1/2 -3/4 1/8 0 0
↑
Cj → 1 1 1 0 0 0
b/a
↓ V.B. b Y1 Y2 Y3 Y4 Y5 Y6
1 Y1 3/31 1 14/31 0 4/31 0 -1/31 0,21
0 Y5 11/31 0 196/31 0 -6/31 1 -14/31 0,056 → 31/196
1 Y3 7/62 0 6/31 1 -1/62 0 4/31 0,583 (-7/2)(-1/4)
Wj - Cj 13/62 0 -11/31 0 7/62 0 3/31
↑
Cj → 1 1 1 0 0 0
↓ V.B. b Y1 Y2 Y3 Y4 Y5 Y6
1 Y1 1/14 1 0 0 1/7 -1/14 0 (-14/31)(-6/31)
1 Y2 11/196 0 1 0 -3/98 31/196 -1/14
1 Y3 5/49 0 0 1 -1/98 -3/98 1/7
Wj - Cj 45/196 0 0 0 5/49 11/196 1/14
X*1 X*2 X*3

Y1* = 1/14 Yj W = 1/V

Y2* = 11/196 Yj = V = 1/W
V
Y3* = 5/49 Y*j
W* = 45/196 Y =VY
*
j
*
j Y=
j
*
W
Solución para el jugador B:
Y*1 1/14 V* = 1/W - K

Y1* = = = 14/45 V* = 196/45 - 5
W 45/196
V* = -29/45
Gana el jugador B: 29/45 = $0,64 y usa sus
Y*2 11/196 tres estrategias con probabilidades de 14/45,
Y2* = = = 11/45
W 45/196 11/45, 4/9, respectivamente.
Y*3 5/49
Y=
*
3 = = 4/9
W 45/196
1
Similarmente, la solución para el jugador A es:
X1* = 5/49 Xi* W = 1/V

X2* = 11/196 Xi=
* V = 1/W
V X*i
X3* = 1/14
Xi* = V Xi* Xi*=
W* = 45/196 W
X*1 5/49 V* = 1/W - K

X =
*
1 = = 4/9
W 45/196 V* = 196/45 - 5
V* = -29/45
X*2 Pierde el jugador A: -29/45 = -$0,64 y usa sus
11/196 tres estrategias, con probabilidades de 4/9,
X =
*
2 = = 11/45
W 45/196 11/45, 14/45, respectivamente.
X*3 1/14
X=
*
3 = = 14/45
W 45/196
1

Solución al problema con los pagos esperados de A:
Max{Min(8X1 + 2X2 + X3 , 4X1 + 8X2 + 2X3 , 2X1 + 4X2 + 8X3)}
C.S.R X1 + X2 + X3 = 1
Xj > 0 ; j = 1, 2, 3
Hacemos V = Min(8X1 + 2X2 + X3 , 4X1 + 8X2 + 2X3 , 2X1 + 4X2 + 8X3)
Max Z = V
c.s.r.
8X1 + 2X2 + X3 > V Como el jugador A usa el criterio Minimax, escoge el

4X1 + 8X2 + 2X3 > V menor valor esperado y ese será el valor del juego,
entonces, cada valor espera sera mayor ó igual al valor
2X1 + 4X2 + 8Y3 > V
del juego.
X1 + X2 + X3 = 1
Xi > 0 ; i = 1, 2, 3
Dividiendo todas las restricciones por V, obtenemos:
Max Z = V
c.s.r.
8(X1/V) + 2(X2/V) + (X3/V) > 1 Haciendo el siguiente cambio de variable y la
4(X1/V) + 8(X2/V) + 2(X3/V) > 1 siguiente propiedad:
2(X1/V) + 4(X2/V) + 8(X3/V) > 1
Xj Max Z = V
X1/V + X2/V + X3/V = 1/V Xi = equivale a
Xi > 0 ; i = 1, 2, 3 V Min W = 1/V
Min. W = X1 + X2 + X3 Max. W = Y1 + Y2 + Y3
c. s. r. c. s. r.
8X1 + 2X2 + X3 ≤ 1 (Y1) 8Y1 + 4Y2 + 2Y3 ≤ 1
==>> DUAL ==>>
4X1 + 8X2 + 2X3 ≤ 1 (Y2) 2Y1 + 8Y2 + 4Y3 ≤ 1
2X1 + 4X2 + 8X3 ≤ 1 (Y3) Y1 + 2Y2 + 8Y3 ≤ 1
Xj > 0 ; j = 1, 2, 3 Yj > 0 ; j = 1, 2, 3
Problema idéntico al de los pagos

de B, que ya se resolvió

De lo anterior, podemos concluir que:
Si el problema principal son los El problema Dual son los pagos

⇒
pagos esperados de B esperados de A
Si el problema principal son los El problema Dual son los pagos

⇒
pagos esperados de A esperados de B
Software WinQsb
Ofrece en su módulo «Decision Analysis» la opción de «Juegos de dos jugadores y suma
cero», ofreciendo la siguiente interfase para capturar los datos generales del problemas,
tales como: Nombre del problema y número de estrategias por jugador:
Una vez introducidos los datos, el programa ofrece una matriz de captura de los
valores de utilidad, que se ilustra a continuación:

Al ejecutar el programa, dando clic en el icono del muñeco corriendo, el programa
nos muestra un informe con la solución al juego.
Fíjese que el informe ofrece la información referente al criterio de dominancia.

5.1. En un proceso de manufactura, los lotes que tienen 8%,10%,12% ó 14% de artí-
culos defectuosos se producen respectivamente de acuerdo con las siguientes
probabilidades: 0,4; 0,3; 0,25; 0,05. Tres clientes tienen contratos para recibir lotes
del fabricante. Los contratos especifican que el porcentaje de artículos defectuosos
en los lotes enviados a los clientes A, B y C no deberán exceder de 8%, 12% y 14%,
respectivamente. Si un lote tiene un porcentaje más alto de artículos defectuosos
que lo estipulado, se incurre en una penalización de $100, por punto de porcentaje.
Por otra parte, suministrar mejor calidad que la requerida le cuesta al fabricante
$50, por punto de porcentaje. Si los lotes no se inspeccionan antes de enviarse,
¿Cuál cliente deberá tener la máxima prioridad para recibir el pedido? Use el criterio
del valor esperado.
Solución: El cliente B, con un costo esperado de $120.
5.2. Considere la siguiente matriz de pagos (Beneficio)
E1 E2 E3 E4 E5 No se conocen las probabilidades

para la ocurrencia de los estados de
A1 15 10 0 -6 17
la naturaleza. Halle la solución bajo
A2 3 14 8 9 2 cada uno de los criterios siguientes:
A3 1 5 14 20 -3 a) La place. b) Wald. c) Savage. d)
A4 7 19 10 2 0 Hurwicz (con un alfa iguala 0,5)
Solución: a) A4 b) A2 c) A2 d) A4
5.3. Dos compañías están promoviendo dos (2) productos competitivos. Cada producto
controla actualmente el 50% del mercado. Debido a recientes modificaciones en
los dos productos, la dos compañías están preparándose ahora, para lanzar nuevas
campañas publicitarias. Si ninguna de las dos compañías anuncia su producto, el
estado presente de las acciones del mercado que poseen, permanecerá sin cambio.
Sin embargo, si alguna compañía lanza una campaña más fuerte, la otra compañía,
ciertamente, perderá un porcentaje proporcional de sus clientes. Una encuesta
del mercado indicó que 50% de los clientes potenciales pueden alcanzarse por
medio de la televisión; 30%, por los periódicos y el restante 20%, mediante la radio.
El objetivo de cada compañía es seleccionar el medio publicitario o la mezcla de
medios, apropiada. Formule el problema como un juego de dos personas y suma
cero. ¿El problema tiene punto de silla? ¿Cuál es el valor del juego y qué estrategia
usarán las dos compañías? Emplee el criterio minimax - maximin.
Solución: Existe punto de silla; el valor del juego es cero; ambas compañías utilizarán
campaña publicitaria en: Televisión, Periódico y Radio.

5.4. Dos compañías A y B están compitiendo. Cada una, debe determinar, simulta-
neamente, si emprende una campaña publicitaria: Pequeña, mediana o grande.
La compañía A cree que es igualmente probable que la compañia B inicie tam-
bién una campaña publicitaria: Pequeña, mediana o grande. Determinando las
alternativas a elegir por cada compañía, la compañía A muestra sus ganancias,
en la siguiente tabla:
Alternativas de B
Alternativas de A Pequeña Mediana Grande
Pequeña 6.000 5.000 2.000
Mediana 5.000 6.000 1.000
Grande 9.000 6.000 0
Bajo los criterios de: a) Maximin, b) Maximax y c) Arrepentimiento Minimax,

determine que campaña publicitaria debe usar la compañía A.
Solución: a) Campaña pequeña. b) Campaña grande. c) Campaña grande.
5.5. La compañía X necesita remplazar una de sus máquinas y está considerando
la compra de la máquina A, o de la B. La máquina A tiene un costo inicial de
$100.000 y costos de operación por hora de $0,50. Por otro lado, la máquina B
tiene un costo inicial de $140.000 y costos de operación de $0,35 por hora. la vida
útil de las máquinas, es incierta, pero la administración piensa, subjetivamente,
que puede ser de 100.000, 200.000 ó 300.000 unidades, con probabilidades
respectivas de 0,2 ; 0,4 y 0,4 ¿Qué máquina deberá comprar la compañía bajo el
criterio del valor esperado?
Solución: La máquina A
5.6. Constructores del Tolima quiere participar en el negocio de la construcción de
apartamentos para estudiantes. La compañía tiene que decidir si compra terre-
no suficiente, para construir 100, 200 ó 300 apartamentos. En la actualidad, hay
muchos proyectos del mismo tipo en construcción, por lo que Constructores del
Tolima no está seguro, qué tan grande será la demanda. Si la compañía construye
pocas unidades, pierde utilidades potenciales si la demanda resulta ser alta. Por
otra parte, muchas unidades sin vender es costoso. La siguiente tabla de ingresos,
se ha elaborado sobre la base de tres posibles niveles de demanda:

Demanda
Alternativas
Baja Mediana Alta
Construir 100 400.000 400.000 400.000
Construir 200 100.000 800.000 800.000
Construir 300 -200.000 500.000 1´200.000
a. ¿Cuál es la decisión óptima, si usa el criterio Maximin ?

b. ¿Cuál es la decisión óptima, si usa el criterio maximax ?
c. ¿Cuál es la decisión óptima, si usa el criterio del perjuicio minimax?
d. Si P(Baja) = 0,3; P(Mediana) = 0,5; P(Alta) = 0,2 ¿Qué decisión maximizará el
rendimiento neto esperado?
e. Bajo las condiciones de d), ¿cuál es la mejor decisión bajo el criterio de Farrar
(use K = 1)
Solución: a) Construir 100 casas. b) Construir 300 casas. c) Construir 100 casas. d)
Construir 200 casas. e) Construir 100 casas.
5.7. Usando el método gráfico, solucione el siguiente juego:
Jugador B
1 2
1 2 4
Solución: V* = 8/3
2 2 3
Jugador A
3 3 2
4 -2 6
5.8. Resuelva el siguiente juego de 4x4:
Jugador B
1 2 3 4
1 5 -10 9 0
Solución: V* = 3,44
2 6 7 8 1
Jugador A
3 8 7 15 2
4 3 4 -1 4

5.9. Resuelva el siguiente juego:
Jugador B
1 2 3 4
1 2 2 3 -1 Solución: V* = 5/2 = 2,5
Jugador A
2 4 3 2 6
5.10. Halle la solución del juego:
Jugador B
1 2
1 -2 4
Solución: V* = 1,08
2 -2 3
Jugador A
3 3 -2
4 -2 6
5.11. Resuelva gráficamente, el juego siguiente:
Jugador B
1 2 3 4
Solución: V* = 1/2 = 0,5
1 1 3 -3 7
Jugador A
2 2 5 4 -6
5.12. Zulay es una escritora de novelas románticas. Una compañía de películas y una red
de televisión quieren los derechos exclusivos de uno de sus trabajos más conoci-
dos. Si firma con la red de televisión recibirá una suma global; pero, si firma con
la compañía de películas, el importe que recibirá dependerá de la respuesta del
mercado a la película. En la siguiente tabla, se presentan los posibles rendimientos
que puede obtenr Zulay.
Decisión Taquilla Taquilla Taquilla
pequeña mediana grande
Firma con la compañía de
200.000 1´000.000 3´000.000
películas
Firma con la red de tele-
900.000 900.000 900.000
visión

Si los estimados de probabilidad para los estados de la naturaleza son: P(taquilla

pequeña) = 0.3; P(taquilla mediana) = 0.6 ; P(taquilla grande) = 0.1. ¿A quién debe
vender los derechos Zulay?. Analice el problema bajo los siguiente criterios: 1)
Optimización del valor esperado. 2) Lamentaciones mínimas esperadas. 3) Mini-
mización de la varianza. 4) Principio de Farrar (K = 1). 5) Principio de la aspiración
( P[V(Xij) > 500.000]. Elabore un cuadro resumen, con los resultados de los cinco
criterios y exprese un comentario personal.
Solución: 1) A1 2) A1 3) A2 4) A2 5) A2 ; La alternativa A2 parece ser la mejor, pero,
es la más conservadora.
5.13. Encuentre el punto de silla y el valor del juego, para cada uno de los dos juegos
siguientes. Los pagos son para el jugador A:
Jugador B Jugador B
(a) (b)
1 2 3 4 1 2 3 4
1 8 6 2 8 1 4 -4 -5 6
Juga-
2 8 9 4 5 Juga- 2 -3 -4 -9 -2
dor A
3 7 5 3 5 dor A 3 6 7 -8 -9
4 7 3 -9 5
Solución: a) V* = 4 , b) V* = -5
5.14. Considere la siguiente matriz de pagos (Beneficios)
E1 E2 E3 E4 E5
A1 15 10 0 -6 17 No se conocen probabilidades para la
ocurrencia de los estados de la naturaleza.
A2 3 14 8 9 2
Compare las soluciones obtenidas y exprese
A3 1 5 14 20 -3 su criterio personal, ante los resultados.
A4 7 14 10 2 0
a) Wald (Maximin). b) Hurwicz (suponga alfa = 0,5). c) Savage. d) La place.
Solución: a) A2 b) A4 c) A2 d) A4 ; La peor alternativa es A1, la alternativa A2

parece ser la mejor.

5.15. Una empresa debe negociar con su sindicato. El sindicato puede tomar postura
agresiva, pasiva o de huelga. La empresa puede optar por dos alternativas: Nego-
ciación ó boicot. Halle las estrategias mixtas para cada jugador y su probabilidad,
el valor esperado del juego y determine quien gana.
Empresa
Sindicato
Nogociación Boicot
Agresivo -5 5
Conciliador 2 -5
Pasivo -1 4
Huelga 1 2
Solución: Valor del juego V* = 9/8

5.16. Para cada uno de los siguientes casos, entre qué valores está el valor del juego.
Indique si los valores de los juegos son mayores que, menores que, ó iguales a
cero. Encuentre el valor del juego.
Jugador B Jugador B
(a) (b)
1 2 3 4 1 2 3 4
1 1 9 6 0 1 3 7 -1 3
2 2 3 8 4 Jugador A 2 4 8 0 -6
Jugador A
3 -5 -2 10 -3 3 6 -9 -2 4
4 7 4 -2 -5
Jugador B Jugador B
(c) (d)
1 2 3 4 1 2 3
1 -1 9 6 8 1 3 6 1
2 -2 10 4 6 Jugador A 2 5 2 3
Jugador A
3 5 3 0 7 3 4 2 -5
4 7 -2 8 4
Solución: a) V* = 2,71 b) V* = -0,6 c) V* = 3,65 d) V* = 2,67

5.17. Considere el juego
Jugador B
1 2 3
1 5 50 50
Jugador A 2 1 1 0,1
3 10 1 10
Verifique que las probabilidades de las estrategias (1/6, 0, 5/6) para el jugador A y
(49/54, 5/54, 0) para el jugador B son óptimas y encuentre el valor del juego.
Solución: V* = 55/6
5.18. Resuelva los siguientes juegos:
Jugador B Jugador B
(a) (b)
1 2 1 2 3
1 1 2 1 1 2 5
2 5 6 Jugador A 2 8 4 7
Jugador A 3 -7 9 3 -1 5 -6
4 -4 -3
5 2 1
Solución: a) V* = 5 b) V* = 59/14
5.19. Considere el juego que tiene la siguiente matriz de pagos
Jugador 2
Formule el problema para encontrar la
1 2 3 4
estrategia mixta óptima, de acuerdo al
1 5 0 3 1 criterio minimax - maximín y resuelvalo
empleando el método simplex.
Jugador 1 2 2 4 3 2
3 3 2 0 4 Solución: V* = 45/19

5.20. Considere el siguiente juego de 2x4. Formúlelo como un problema de programa-
ción lineal y resuélvalo, empleando el método simplex. ¿Cuál es el valor del juego?
¿Cuál es la probabilidad de cada alternativa, para cada jugador?
Jugador B
1 2 3 4
Y1 Y2 Y3 Y4 Solución: V* = 5/2 = 2,5
1 X1 2 2 3 -1
Jugador A
2 X2 4 3 2 6
5.21. Determine la solución para cada uno de los siguientes juegos:
Jugador B Jugador B
(a) (b)
1 2 3 1 2 3 4
1 6 8 6 1 -5 2 0 7
Jugador A
2 4 12 2 Jugador A 2 5 6 4 8
3 4 0 2 -3
Jugador B
(c) Solución:
1 2 3 a) V* = 6
1 1 3 11 b) V* = 4
Jugador A c) V* = 89/20 = 4,45
2 8 5 2
5.22. Una instalación recreativa debe decidir acerca del nivel de abastecimiento que
debe almacenar para satisfacer las necesidades de sus clientes, durante uno de los
días de fiesta. El número exacto de clientes no se conoce, pero, se espera que esté
en una de cuatro categorías: 200, 250, 300 ó 350. Se sugieren, por consiguiente,
cuatro niveles de abastecimiento. La tabla siguiente, proporciona los costos de
abastecimiento en miles de unidades monetarias.
Categoría de clientes
200 250 300 350
A1 5 10 18 25
Nivel de abas- A2 8 7 8 23
tecimiento A3 21 18 12 21
A4 30 22 19 15

Bajo los siguientes criterios, ¿Cuál es la mejor solución? Elabore un cuadro resumen,
ordenando las alternativas bajo los diferentes criterios y concluya una opinión
personal.
a) Criterio de Wald. b) Criterio de Hurwicz (Alfa = 0,5). c) Criterio de Laplace. d)
Criterio de Savage.
Solución: a) A3 b) A1 ó A2 c) A2 d) A2 ; La mejor alternativa es A2

Capítulo 6. Cadenas de Markov
Capítulo 6.
Cadenas de Markov
p11 . . . p1j . . . p1n

. . . Andrei Andreivich Markov fue un ma-
. . . temático ruso (1856-1922) que postu-
. . . ló el principio de que existen ciertos
procesos estocásticos cuyo futuro
P= pi1 . . . pij . . . pin
depende, únicamente, de su presente
. . .
y es independiente de su pasado; es-
. . .
tos, reciben el nombre de cadenas de
. . .
Markov.
pm1 . . . pmj . . . pmn
Introducción
Existen algunos procesos que evolucionan en el tiempo de una manera probabilística.
Estos procesos se llaman procesos estocásticos. Si el proceso tiene la propiedad parti-
cular de que las probabilidades que describen la forma en que el proceso evolucionará
en el futuro, dependen sólo del estado actual en que se encuentra el proceso y, por lo
tanto, son independientes de los eventos ocurridos en el pasado, se le llama cadena de
Markov o proceso con la propiedad Markoviana. Dicho de otra manera, la propiedad
Markoviana establece que la probabilidad condicional de cualquier evento futuro, dado
cualquier evento pasado y el estado actual, es independiente del evento pasado y solo
depende del estado actual del proceso.
Descripción del problema

Las cadenas de Markov se usan para describir un proceso físico o económico que tenga
las siguientes propiedades:
1. El número de sucesos es finito.
2. La probabilidad del siguiente suceso depende solamente del suceso inmedia-
tamente anterior.
3. Estas probabilidades permanecen constantes en el tiempo.

Sea si = al i-ésimo estado de un total de m estados posibles, donde 2 ≤ m ≤ ∞; m =
número de estados posibles.
n = Número de pasos o incrementos; n = 0 , el suceso presente; n = 1, el suceso siguiente;
n = 2, el suceso en una ocasión, después del siguiente.
Ejemplo 6.1
Formulación de un proceso como una cadena de Markov

Los fabricantes de automóviles tienen los siguientes datos con respecto a las compras
de los clientes:
Siguiente compra
Suceso n = 1
Compra actual
Suceso n = 0 % de compra % de compra % de compra
Ford Chevrolet Mazda
S1 S2 S3
S1: Ford 40 30 30
S2: Chevrolet 20 50 30
S3: Mazda 25 25 50
Aquí, los estados son:

S1 = El cliente tiene un automóvil marca Ford
S2 = El cliente tiene un automóvil marca Chevrolet
S3 = El cliente tiene un automóvil marca Mazda
Los sucesos son:
n = 0 , La compra actual
n = 1 , La siguiente compra
El 40% de los clientes que actualmente tienen un Ford, en la siguiente compra adquieren
un Ford (Son los clientes fieles a la marca Ford).
El 30% de los clientes que ahora tienen un Ford, en la siguiente compra adquieren un
Chevrolet.
El 30% de los clientes que ahora tienen un Ford, en la siguiente compra adquieren un
Mazda.

Fíjese que en la primera fila están el 100% de los clientes, que ahora tienen un Ford. Lo
mismo ocurre para cada una de las dos siguientes filas. Con esta información estable-
cemos la matriz de transición P
S1 S2 S3
S1 0,40 0,30 0,30
P= S2 0,20 0,50 0,30
S3 0,25 0,25 0,50
p13 = 0,30 = Probabilidad de que un cliente, que posee ahora un Ford (S1 , n = 0), pueda
comprar un Mazda, en la siguiente ocasión (S3 , n = 1).
p13 = 0,30 = Probabilidad de comprar un Mazda, siendo que en la anterior compra se
adquirió un Ford.
Fíjese que ésta última aseveración corresponde a la definición de la probabilidad con-
dicional de dos eventos A y B.
Por todo lo anterior, podemos concluir que una matriz de transición debe cumplir
con las siguientes condiciones:
1. Cada elemento pij debe ser una probabilidad, o sea, que debe tener un valor
entre 0 y 1: 0 < pij < 1
n
2. Cada fila debe sumar exactamente 1; Σ pij = 1 ; i = 1,2, . . . , m
j=1
S1 Sj Sn
S1 p11 p1j p1n
P= Si pi1 pij pin
Sm pm1 pmj pmn
Cada fila es un vector de probabilidad Vi y debe cumplir las mismas condiciones de

la matriz de transición. Ejemplo: V2 = [0,20 0,50 0,30].
Luego: La matriz de transición P está compuesta por vectores de probabilidad Vi.
Ahora, empleando los datos del ejemplo, se muestra una de las bondades de las
cadenas de Markov, frente al uso normal de la estadística.

La matriz de transición puede usarse para determinar la probabilidad de un estado,
después de n sucesos. Si se quiere determinar la probabilidad de que un cliente que
acaba de comprar un Ford, compre un Chevrolet en la ocasión después de la siguiente,
podemos abordar el problema desde el enfoque estadístico, pero, también podemos
hallar la solución mediante la cadena de Markov, con mejor rendimiento del proceso y
además, obtendremos más información que empleando el enfoque estadístico.
Análisis según las técnicas de la teoría clásica de la probabilidad
Compra presente Compra siguiente Compra en la ocasión después de la

n=0 n=1 siguiente
n=2
0,40 Ford
0,40 0,30 Chevrolet (0,4)(0,3) = 0,120
Comprar Ford
0,30 Mazda
0,20 Ford
0,30 0,50 Chevrolet
Comprar Ford Comprar Chevrolet (0,3)(0,5) = 0,150
0,30 Mazda
0,25 Ford
Comprar Mazda 0,25 Chevrolet (0,3)(0,25) = 0,075

0,30 0,50 Mazda
0,345
Respuesta: La probabilidad de que el propietario de un Ford ahora (S1 , n = 0) compre

un Chevrolet después de la siguiente ocasión (S2 , n = 2) es de 0,345
Análisis facilitado por las cadenas de Markov:
Significado del vector de probabilidad Vi: Para el estado S1
V1 = [0,4 0,3 0,3]
Si el estado presente es S1, la probabilidad de que en el siguiente suceso esté en el
estado S1, es p11 = 0,4
Si el estado presente es S1, la probabilidad de que en la siguiente compra esté en el
Si el estado presente es S1, la probabilidad de que en la siguiente compra esté en el

Vni = Vector de probabilidad que describe las probabilidades de los posibles estados en
n pasos, si el estado presente es Si
V21 = Este vector da la probabilidad de todas las posibles compras en 2 pasos, ya que el
cliente posee ahora un Ford (n = 0 , S1)
Fíjese que ésta información se obtiene a partir del producto: V11 P
0,4 0,3 0,3

V21 = V11 P = [0,4 0,3 0,3] 0,2 0,5 0,3 = [0,295 0,345 0,360]
0,25 0,25 0,5
n=2
Fíjese que: V21 = [0,295 0,345 0,360]
Ford Mazda
Ford Chevrolet
Interpretaciones:
Si ahora tengo un Ford, la probabilidad de comprar un Ford, en la ocasión después de
la siguiente es de 0,295 (fidelidad a la marca).
Si ahora tengo un Ford, la probabilidad de comprar un Chevrolet, en la ocasión después
de la siguiente es de 0,345.
Si ahora tengo un Ford, la probabilidad de comprar un Mazda, en la ocasión después
de la siguiente es de 0,360.
Conclusión: Las cadenas de Markov facilitan una técnica para formular y analizar un
caso especial de problema de probabilidad.
Si el estado presente es poseer un Mazda (S3 , n = 0). ¿Cuál es la probabilidad de repetirlo,
en cada una de las respectivas etapas: n = 1 y n = 2 ?
V13 = [0,25 0,25 0,5]
0,40 0,30 0,30

V = V P = [0,25 0,25 0,50]
2
3
1
3 0,20 0,50 0,30 = [0,275 0,325 0,4]
0,25 0,25 0,50

Si ahora se tiene un Mazda (S3 , n = 0), la probabilidad de comprar un Mazda en la si-
guiente compra es 0.5 (S3 , n = 1), y en la segunda compra, es de 0,4 (S3 , n = 2).
Según lo anterior V0i = (pi1 . . . pii . . . pim) y pii = 1 , lo que quiere decir que en el tiempo n
= 0, se conoce, exáctamente, cual es el estado; dicho de otra forma, si ahora tengo un
Mazda, la probabilidad de que ahora tenga un Mazda es uno, (1 = La certeza).
V0i = 1
V1i = V0i P = P
V2i = V1i P = V0i P P = V0i P2 = P2
V3i = V2i P = V1i P P = V1i P2 = P3 Empleando la inducción
V4i = V3i P = V2i P P = V1i P P P =V1i P3 = P4 matemática
. .
. .
. .
Vni = V1i Pn-1 = Pn
Si el cliente es dueño ahora de un Chevrolet. ¿Cuáles son las probabilidades asociadas

con su cuarta compra?
V42 = V12 P3
0,40 0,30 0,30 0,40 0,30 0,30 0,40 0,30 0,30

P =
3
0,20 0,50 0,30 0,20 0,50 0,30 0,20 0,50 0,30
0,25 0,25 0,50 0,25 0,25 0,50 0,25 0,25 0,50
0,295 0,345 0,360 0,40 0,30 0,30

P3 = 0,255 0,385 0,360 0,20 0,50 0,30
0,275 0,325 0,400 0,25 0,25 0,50
0,277 0,351 0,372

P3 = 0,269 0,359 0,372
0,275 0,345 0,380
0,277 0,351 0,372

V42 = [0,2 0,5 0,3] 0,269 0,359 0,372
0,275 0,345 0,380
V42 = [0,2724 0,3532 0,3744]

Solución:
p21 = 0,2724 = Probabilidad de adquirir un Ford en la cuarta compra, siendo que ahora
tiene un Chevrolet.
p22 = 0,3532 = Probabilidad de adquirir un Chevrolet en la cuarta compra, siendo que
ahora tiene un Chevrolet (fidelidad a la marca).
p23 = 0,3744 = Probabilidad de adquirir un Mazda en la cuarta compra, siendo que ahora
tiene un Chevrolet.
Si se quiere una información más completa, entonces se calcula P4 ya que contendrá
a V41 , V42 , V43
0,277 0,351 0,372 0,40 0,30 0,30

P4 = P3 P = 0,269 0,359 0,372 0,20 0,50 0,30
0,275 0,345 0,380 0,25 0,25 0,50
0,2740 0,3516 0,3777  V41

P =
4
0,2724 0,3532 0,3744  V42
0,2740 0,3500 0,3700  V43
Aquí, ya disponemos de todas las probabilidades relacionadas con la cuarta compra
Cadenas de Markov Ergódicas

Es un proceso en el cual es posible avanzar desde un estado hasta cualquier otro esta-
do. No es necesario que esto, sea posible en un solo paso, pero, debe ser posible para
que cualquier estado sea alcanzado, independientemente del estado presente, esto es,
puede irse de un estado a otro, a través de otro estado.
Ejemplo 6.2
Tufik conduce un automóvil por un sector cuyas calles están trazadas como se indica
en la figura. Cada vez que Tufik llega a una esquina puede dar vuelta o seguir derecho
con igual probabilidad.

7 8 9 Fíjese que Tufik puede ir con su automóvil, desde cualquier
esquina hasta cualquier otra esquina, así sea, a través de
una esquina intermedia.
Desde la esquina 1 puede ir a la esquina 3, a través de la
4 5 6 esquina 2; o a través de las esquinas 4,5 y 6.
Ahora construimos la matriz de transición y observamos la
propiedad llamada ergódica.
1 2 3
Matriz de Transición
1 2 3 4 5 6 7 8 9
1 0 1/2 0 1/2 0 0 0 0 0
2 1/3 0 1/3 0 1/3 0 0 0 0
3 0 1/2 0 0 0 1/2 0 0 0
4 1/3 0 0 0 1/3 0 1/3 0 0
5 0 1/4 0 1/4 0 1/4 0 1/4 0
6 0 0 1/3 0 1/3 0 0 0 1/3
7 0 0 0 1/2 0 0 0 1/2 0
8
0 0 0 0 1/3 0 1/3 0 1/3
9
0 0 0 0 0 1/2 0 1/2 0
Tufik puede llegar a cualquier localización (estado), a partir de cualquier localización

presente (estado); luego, es una cadena de Markov Ergódica.
Cadena de Markov Regular

Una cadena regular es una cadena que tiene una matriz de transición P, la cual, para
alguna potencia de P, tiene, únicamente, elementos de probabilidad diferentes de cero.
Para determinar si una cadena de Markov es regular, se debe elevar, sucesivamente,
al cuadrado la matriz de transición hasta que todos los ceros sean eliminados o hasta
que se desarrolle un patrón, que demuestre obviamente, que, por lo menos un cero,
nunca podra ser eliminado.
Ejemplo 6.3
Determine si la siguiente matriz de transición es o no regular.
X X 0 X X
0 X X 0 X
0 0 0 X X
P= X 0 X 0 X
X X 0 0 0

X X 0 X X X X 0 X X X X X X X
0 X X 0 X 0 X X 0 X X X X X X
P2 = 0 0 0 X X 0 0 0 X X = X X X 0 X
X 0 X 0 X X 0 X 0 X X X 0 X X
X X 0 0 0 X X 0 0 0 X X X X X
X X X X X X X X X X X X X X X
X X X 0 X X X X 0 X = X X X X X
P4 =
X X 0 X X X X 0 X X X X X X X
Queda demostrado que la matriz de transición dada, es regular.
Resumen:
Cadena de Markov
n Regular
No Regular
n
n
Ergódica
Ergódica
No Ergódica
Determinación de las condiciones de estado estable

La existencia de condiciones de estado estable, en una cadena ergódica regular, puede
demostrarse calculando Pn, para diversos valores de n; a medida que aumenta el valor
de n, los valores pij tienden hacia un límite fijo y cada vector de probabilidad Vni tiende
a hacerse igual para todos los valores de i.
En el ejemplo 6.1, se tiene la matriz de transición ergódica y regular que al ser ele-
vada a la potencia 8, da como resultado:
0,40 0,30 0,30

0,20 0,50 0,30
P=
0,25 0,25 0,50

0,40 0,30 0,30 0,40 0,30 0,30 0,295 0,345 0,36
P2 = 0,20 0,50 0,30 0,20 0,50 0,30 = 0,255 0,385 0,36
0,25 0,25 0,50 0,25 0,25 0,50 0,275 0,325 0,40
0,40 0,30 0,30 0,295 0,345 0,36 0,277 0,351 0,372

P3 = 0,20 0,50 0,30 0,255 0,385 0,36 = 0,269 0,359 0,372
0,25 0,25 0,50 0,275 0,325 0,40 0,275 0,345 0,380
0,40 0,30 0,30 0,277 0,351 0,372 0,2740 0,3516 0,3744

P4 = 0,20 0,50 0,30 0,269 0,359 0,372 = 0,2724 0,3532 0,3744
0,25 0,25 0,50 0,275 0,345 0,380 0,2740 0,3500 0,3760
0,40 0,30 0,30 0,2740 0,3516 0,3744 0,27352 0,35160 0,37488

P5 = 0,20 0,50 0,30 0,2724 0,3532 0,3744 = 0,27320 0,35192 0,37488
0,25 0,25 0,50 0,2740 0,3500 0,3760 0,27360 0,35120 0,37520
0,40 0,30 0,30 0,27352 0,35160 0,37488 0,273448 0,351576 0,374976

P6 = 0,20 0,50 0,30 0,27320 0,35192 0,37488 = 0,273384 0,351640 0,374976
0,25 0,25 0,50 0,27360 0,35120 0,37520 0,273480 0,351400 0,375040
0,40 0,30 0,30 0,273448 0,351576 0,374976 0,2734384 0,3515664 0,3749952

P7 = 0,20 0,50 0,30 0,273384 0,351640 0,374976 = 0,2734256 0,3515792 0,3749952
0,25 0,25 0,50 0,273480 0,351400 0,375040 0,2734480 0,3515440 0,3750080
0,40 0,30 0,30 0,2734384 0,3515664 0,3749952 0,27343744 0,35156352 0,37499904

P8 = 0,20 0,50 0,30 0,2734256 0,3515792 0,3749952 = 0,27343488 0,35156608 0,37499904
0,25 0,25 0,50 0,2734480 0,3515440 0,3750080 0,27344000 0,35155840 0,37500160
Fíjese que los Vni se van volviendo iguales, a medida que n crece
V81 = 0,27343744 0,35156352 0,37499904

P = V82 = 0,27343488 0,35156608 0,37499904
8
V83 = 0,27344000 0,35155840 0,37500160
La probabilidad de que un cliente adquiera un Ford, a la larga, es de 0,2734 indepen-

diente de qué tipo de vehículo tenga ahora.
El 35,15% de la demanda, a la larga, se espera que compre un Chevrolet.
El 37,49% de los clientes, a la larga, comprará un Mazda.
Esta información es valiosa para la planeación de la producción en las compañías pro-
ductoras o ensambladoras de estas marcas de vehículos.
Éstas probabilidades se denominan: Probabilidades de estado estable.
Fíjese lo dispendioso que resulta conseguir las probabilidades del estado estable; por
ello, se hace necesario un método más eficiente.
Método analítico para obtener las probabilidades de estado estable
Para un valor suficientemente grande de n, el vector de probabilidad Vni se hace igual
para todas las i, y no cambia para valores grandes de n.

Luego en:
Vni = Vn-1i P ó Vn+1i = Vni P entonces Vni = Vn+1i para valores grandes de n Luego existe
un vector V* tal que V* = V*P
Ahora, sea vj el j-ésimo elemento del vector de probabilidad V*. Puesto que V* es
un vector de probabilidad, debe cumplir que:
m
ΣV = 1
j=1
j
obteniendo un sistema con m+1 ecuaciones y m variables, de las que se puede

eliminar una ecuación, menos la de:
m
Σ
j=1
V =1
j
que es de estricto cumplimiento. Para nuestro ejemplo de los vehículos, tenemos

que: V* = V*P
0,40 0,30 0,30

[v1 v2 v3] 0,20 0,50 0,30 = [v1 v2 v3]
0,25 0,25 0,50
v1 + v2 + v3 = 1
0,4v1 + 0,2v2 + 0,25v3 = v1 Eliminando la tercera -0,6v1 + 0,2v2 + 0,25v3 = 0

ecuación y ordenando,
0,3v1 + 0,5v2 + 0,25v3 = v2 0,3v1 - 0,5v2 + 0,25v3 = 0
se obtiene:
0,3v1 + 0,3v2 + 0,50v3 = v3 v1 + v2 + v3 = 1
v1 + v2 + v3 = 1
Eliminando v1 de las ecuaciones 1 y 2, tenemos:

4/5v2 + 17/20v3 = 3/5
-4/5v2 - 1/20v3 = -3/10
v1 + v2 + v3 = 1
3/5 17/20
-3/10 -1/20 -3/100 + 51/200 9/40
v2 = = = = 45/128
4/5 17/20 -1/25 + 17/25 16/25
-4/5 -1/20
v2 = 0,3515625
4/5 3/5
-4/5 -3/10 -6/25 + 12/25 6/25
v3 = = = = 3/8 = 0,375
4/5 17/20 -1/25 + 17/25 16/25
-4/5 -1/20
v1 = 1 - 45/128 - 3/8 = 35/128 = 0,2734375
Interpretación:
• A la larga, el 27,34% de los clientes comprarán un Ford.
• A la larga, el 35,15% de los clientes comprarán un Chevrolet.
• A la larga, el 37,50% de los clientes comprarán un Mazda.
Cadenas de Markov absorbentes

Se usan para describir procesos o sistemas que cesan o por lo menos, vuelven a comen-
zar, después de alcanzar determinadas condiciones.
Ejemplos
1. Después de hallar un número predeterminado de partes aceptables o defectuo-
sas, se suspende una inspección secuencial.
2. Después de n horas de funcionamiento, se detiene una máquina para repararla
o remplazarla.
Un estado absorbente es aquel que tiene una probabilidad igual a cero, de ser abando-
nado, es decir, que una vez alcanzado es imposible dejarlo, y el proceso, o se detiene
completamente o se detiene para luego comenzar, a partir de algún otro estado.

una cadena de markov es absorbente si tiene por lo menos un estado absorbente y es

posible ir, desde cada estado no absorbente hasta por lo menos, un estado absorbente.
No es necesario efectuar una transición en un paso, ni es necesario tener la posibilidad
de alcanzar cada estado absorbente, a partir de cualquier estado no absorbente.
Ejemplo 6.4
En una compañía se inspecciona el producto terminado de acuerdo a la siguiente política:
Se selecciona e inspecciona artículo por artículo hasta hallar uno defectuoso, o hasta
encontrar cinco artículos buenos. Se espera que el 90% de las partes sea aceptable.
Si el primer artículo inspeccionado está defectuoso, se suspende la inspección y se
rechaza el lote de producción; si el artículo está bueno, se procede a seleccionar el
segundo artículo.
Si el segundo artículo inspeccionado está defectuoso, se suspende la inspección y se
tercer artículo.
Si el tercer artículo inspeccionado está defectuoso, se suspende la inspección y se rechaza
el lote de producción; si el artículo está bueno, se procede a seleccionar el cuarto artículo.
Si el cuarto artículo inspeccionado está defectuoso, se suspende la inspección y se
quinto artículo.
Si el quinto artículo inspeccionado está defectuoso, se suspende la inspección y se re-
chaza el lote de producción; si el artículo está bueno, se acepta el lote de producción y
el proceso de inspección termina o se empieza uno nuevo, para otro lote de producción.
Los posibles estados son:
• S1(0,0) = Empieza el proceso de selección, no hay todavía una unidad de producto
ni buena ni mala.
• S2(1,0) = El primer artículo inspeccionado es bueno.
• S3(2,0) = El segundo artículo inspeccionado es bueno.
• S4(3,0) = El tercer artículo inspeccionado es bueno.
• S5(4,0) = El cuarto artículo inspeccionado es bueno.
• S6(5,0) = El quinto artículo inspeccionado es bueno. Aquí, se termina el proceso
de inspección.
• S7(0,1) = El primer artículo inspeccionado es defectuoso, el lote se rechaza y el
proceso de inspección termina.

• S8(1,1) = El segundo artículo inspeccionado es defectuoso, siendo que el pri-
mero fué aceptado. El proceso de inspección se termina y el lote es rechazado.
• S9(2,1) = Los dos primeros artículos fueron inspeccionados y aceptados; el tercer
artículo inspeccionado es rechazado. El proceso de inspección se detiene y el lote
es rechazado.
• S10(3,1) = Aprobados los tres primeros artículos, el cuarto artículo es inspeccio-
nado y rechazado; luego, el proceso de inspección termina y el lote es rechazado.
• S11(4,1) = Aprobados los cuatro primeros artículos inspeccionados, el quinto
artículo es rechazado y el proceso de inspección termina y el lote es rechazado.
Fíjese que los estados S6 a S11 son estados absorbentes, ya que una vez que se está
en ellos, el proceso de inspección termina. La anterior información se presenta en la
siguiente tabla:
Descripción física
Estados Unidades Unidades Observación
buenas malas
S1(0,0) 0 0 Al empezar
S2(1,0) 1 0
S3(2,0) 2 0
S4(3,0) 3 0
S5(4,0) 4 0
S6(5,0) 5 0 Absorbente
Ahora, construimos la matriz de transición.

Fíjese que si está en S1 , sólo puede ir a los estados S2 y S7 en un paso. Inspecciona el
primer artículo y saldrá bueno (S2) o malo (S7). Sabiendo que la probabilidad de que un
artículo salga bueno es 0,9 y de que salga malo es 0,1, entonces ir de S1 a S2, tiene una
probabilidad de 0,9; e ir de S1 a S7, tiene una probabilidad de 0,1

De forma similar, se procede para los demás estados.
S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11
(0,0) (1,0) (2,0) (3,0) (4,0) (5,0) (0,1) (1,1) (2,1) (3,1) (4,1)
S1 (0,0) 0,9 0,1

S2 (1,0) 0,9 0,1
S3 (2,0) 0,9 0,1
S4 (3,0) 0,9 0,1
S5 (4,0) 0,9 0,1
S6 (5,0) 1
S7 (0,1) 1
S8 (1,1) 1
S9 (2,1) 1
S10 (3,1) 1
S11 (4,1) 1
Reordenamos los elementos de la matriz, colocando primero, los estados absorbentes,

tanto en las filas como en las columnas y obtenemos submatrices con relaciones entre
estados absorbentes y no absorbentes, bien interesantes.
Matriz de transición revisada
S6 S7 S8 S9 S10 S11 S1 S2 S3 S4 S5
(5,0) (0,1) (1,1) (2,1) (3,1) (4,1) (0,0) (1,0) (2,0) (3,0) (4,0)
I O
S6 (5,0) 1 0 0 0 0 0 0 0 0 0 0
S7 (0,1) 0 1 0 0 0 0 0 0 0 0 0
S8 (1,1) 0 0 1 0 0 0 0 0 0 0 0
S9 (2,1) 0 0 0 1 0 0 0 0 0 0 0
S10 (3,1) 0 0 0 0 1 0 0 0 0 0 0
S11 (4,1) 0 0 0 0 0 1 0 0 0 0 0
S1 (0,0) 0 0.1 0 0 0 0 0 0,9 0 0 0
S2 (1,0) 0 0 0,1 0 0 0 0 0 0,9 0 0
S3 (2,0) 0 0 0 0,1 0 0 0 0 0 0,9 0
S4 (3,0) 0 0 0 0 0,1 0 0 0 0 0 0,9
S5 (4,0)
0.9 0 0 0 0 0,1 0 0 0 0 0
A N
La submatriz I es una matriz identidad y muestra la relación entre los estados absorben-
tes. Una vez se entra a un estado absorbente, la probabilidad de permanecer en él, es 1.

La submatriz O es una matriz nula y muestra que no hay relación alguna entre los
estados absorbentes y los estados no absorbentes. La probabilidad de salir de un estado
absorbente hacia un estado no absorbente, es cero.
La submatriz A muestra la relación entre los estados no absorbentes y los estados
absorbentes. Indica, la probabilidad de ir de un estado no absorbente a un estado ab-
sorbente, en un solo paso. Muestra la probabilidad de terminar el proceso en un sólo
paso, si ahora nos encontramos en un estado no absorbente.
La submatriz N proporciona la probabilidad de ir a un estado no absorbente, desde
un estado no absorbente, en un solo paso.
Con la anterior información, podemos calcular: 1) El número de pasos esperados
antes de que el proceso sea absorbido. 2) El número esperado de veces que el proceso
está en cualquier estado dado no absorbente y 3) La probabilidad de absorción por
cualquier estado absorbente dado.
1. El número de pasos esperados antes de que el proceso sea absorbido es:
(I - N)-1 , siendo I la matriz identidad de N, luego debe tener su misma dimensión.
1 0 0 0 0 0 0,9 0 0 0
0 1 0 0 0 0 0 0,9 0 0
I-N= 0 0 1 0 0 - 0 0 0 0,9 0
0 0 0 1 0 0 0 0 0 0,9
0 0 0 0 1 0 0 0 0 0
1 -0,9 0 0 0
0 1 -0,9 0 0
I-N= 0 0 1 -0,9 0
0 0 0 1 -0,9
0 0 0 0 1
1 -0,9 0 0 0 1 0 0 0 0
0 1 -0,9 0 0 0 1 0 0 0
0 0 1 -0,9 0 0 0 1 0 0
0 0 0 1 -0,9 0 0 0 1 0
0 0 0 0 1 0 0 0 0 1
1 -0,9 0 0 0 1 0 0 0 0
0 1 -0,9 0 0 0 1 0 0 0
0 0 1 -0,9 0 0 0 1 0 0
0 0 0 1 -0,9 0 0 0 1 0
0 0 0 0 1 0 0 0 0 1

1 -0,9 0 0 0 1 0 0 0 0
0 1 -0,9 0 0 0 1 0 0 0
0 0 1 -0,9 0 0 0 1 0 0
0 0 0 1 -0,9 0 0 0 1 0
0 0 0 0 1 0 0 0 0 1
1 0 -0,81 0 0 1 0,9 0 0 0
0 1 -0,9 0 0 0 1 0 0 0 (0,9)
0 0 1 -0,9 0 0 0 1 0 0
0 0 0 1 -0,9 0 0 0 1 0
0 0 0 0 1 0 0 0 0 1
1 0 0 -0,729 0 1 0,9 0,81 0 0

0 1 0 -0,81 0 0 1 0,9 0 0
0 0 1 -0,9 0 0 0 1 0 0 (0,81)(0,9)
0 0 0 1 -0,9 0 0 0 1 0
0 0 0 0 1 0 0 0 0 1
1 0 0 0 -0,6561 1 0,9 0,81 0,729 0

0 1 0 0 -0,729 0 1 0,9 0,81 0
0 0 1 0 -0,81 0 0 1 0,9 0
0 0 0 1 -0,9 0 0 0 1 0 (0,729)(0,81)(0,9)
0 0 0 0 1 0 0 0 0 1
1 0 0 0 0 1 0,9 0,81 0,729

0,6561
0 1 0 0 0 0 1 0,9 0,81 0,729
0 0 1 0 0 0 0 1 0,9 0,81
0 0 0 1 0 0 0 0 1 0,9
(0,6561)(0,729)
0 0 0 0 1 0 0 0 0 1
(0,81)(0,9)
1 0,9 0,81 0,729 0,6561

0 1 0,9 0,81 0,729
(I - N)-1 = 0 0 1 0,9 0,81 Para Si = Σaij ; i = 1,2, . . , m
0 0 0 1 0,9
0 0 0 0 1
Estado
Número de pasos esperados antes de la absorción
inicial
S1 1 + 0,9 + 0,81 + 0,729 + 0,6561 = 4,0951
S2 0 + 1 + 0,9 + 0,81 + 0,729 = 3,439
S3 0 + 0 + 1 + 0,9 + 0,81 = 2,71
S4 0 + 0 + 0 + 1 + 0,9 = 1,9
S5 0+0+0+0+1=1

Interpretación
Si ahora estamos en el estado S1, el número de pasos esperados para la absorción es
4,0951
Si ahora estamos en el estado S2, el número esperado de piezas a inspeccionar antes
de acabar la inspección es 3,439
Si hemos sacado dos artículos y ambos están buenos, el número esperado de piezas a
inspeccionar antes de terminar la inspección es 2,71
Si ahora estamos en S4 el número de pasos esperado antes de la absorción es 1,9
Si ahora tenemos cuatro piezas buenas inspeccionadas, el número esperado de artícu-
los a inspeccionar, antes de aceptar o rechazar el lote, es de una pieza. Aquí es trivial el
resultado, pues la quinta pieza saldrá buena o mala; en tal caso, se acepta o rechaza el
lote. En ambos casos, se termina la inspección.
2. El número esperado de veces que el proceso está en cualquier estado dado no
absorbente es:
S1 S2 S3 S4 S5
S1 1 0,9 0,81 0,729 0,6561
S2 0 1 0,9 0,81 0,729
[I - N]-1 = S3 0 0 1 0,9 0,81
S4 0 0 0 1 0,9
S5 0 0 0 0 1
Interpretación
Si el proceso está ahora en S1:
El número de veces esperado en este estado es 1
El número de veces esperado en el estado S2 es 0,9
Si el proceso está ahora en S2:
El número de veces esperado en el estado S1 es cero, por lo tanto, no se puede regresar
del estado S2 al estado S1
El número de veces esperado en el estado S2 es 1

De igual manera se interpreta para los estados S3 , S4 y S5
3. La probabilidad de absorción por cualquier estado absorbente es:
Probabilidad = (I - N)-1 A
1 0,9 0,81 0,729 0,6561 0 0,1 0 0 0 0

0 1 0,9 0,81 0,729 0 0 0,1 0 0 0
0 0 1 0,9 0,81 0 0 0 0,1 0 0
0 0 0 1 0,9 0 0 0 0 0,1 0
0 0 0 0 1 0.9 0 0 0 0 0,1
S6 S7 S8 S9 S10 S11
S1 0,59049 0,1 0,09 0,081 0,0729 0,06561

S2 0,6561 0 0,1 0,09 0,081 0,0729
S3 0,729 0 0 0,1 0,09 0,081
S4 0,81 0 0 0 0,1 0,09
S5 0,9 0 0 0 0 0,1
Si ahora estamos en S1(0,0) , la probabilidad de ser absorbido por el estado S6(5,0) es

0,59049. La probabilidad de aceptar el lote es 0,59049
La probabilidad de que el lote sea rechazado es 1 - 0,59049 = 0,40951. También se pue-
de calcular este valor sumando las probabilidades de ser absorbido por los estados de
rechazo del lote (S7 , S8 , S9 , S10 y S11), siendo que ahora estamos empezando el proceso
de inspección (S1): 0,1 + 0,09 + 0,081 + 0,0729 + 0,06561 = 0,40951
Si ahora estamos en el estado S5 (4,0), la probabilidad de ser absorbidos por el estado
S6(5,0) es 0,9 que es la probabilidad de que una pieza sea aceptada.
De igual manera se interpretan los demás elementos probabilísticos de la matriz (I - N)-1A
Ejemplo 6.5
Un taller de maquinaria que produce 100 piezas y cuyo diagrama de flujo de producción
con sus probabilidades es:

Entrada de la
piesa en bruto
S1
p18 = 0,10
Máquina A
p21 = 0,05 p12 = 0,90

S2
p28= 0,05
Inspección A
p23 = 0,90
S3 S8
p38 = 0,03
Máquina B Desechos
p43 = 0,04 p34 = 0,97

S4
p48 = 0,04
Inspección B
p45 = 0,92
S5
p58 = 0,02
Máquina C
p65 = 0,03 p56 = 0,98

S6
p68 = 0,03
Inspección C
p67 = 0,94
Empaque
y S7
transporte
Fíjese que cada sitio posible en donde podemos encontrar la pieza de producción,
se define como un estado. También se registra la probabilidad de ir de un estado i-ésimo
a un estado j-ésimo. Fíjese que todos los estados posibles son considerados; por ello,
la suma de las probabilidades de las flechas que salen de un estado es 1. Ahora consi-
deraremos algunas preguntas para observar la potencialidad y la información valiosa
que se puede lograr con las cadenas de Markov.

Interpretación de la información
Una unidad de producción que entra en la máquina A tiene una probabilidad de salir
defectuosa de 0,1 y de salir buena de 0,9.
Una unidad de producción que ingresa a la inspección A tiene una probabilidad de 0,05
de ser considerada inservible; de ser buena, del 0,9; y de ser apta para ser reprocesada
del 0,05
1. ¿Qué fracción esperada de partes comenzadas son completadas?
Descripción de los posibles estados:
S1 = La unidad de producción se encuentra en la máquina A
S2 = La unidad de producción se encuentra en la inspección A
S3 = La unidad de producción se encuentra en la máquina B
S4 = La unidad de producción se encuentra en la inspección B
S5 = La unidad de producción se encuentra en la máquina C
S6 = La unidad de producción se encuentra en la inspección C
S7 = La unidad de producción se encuentra en la sección de empaque y transporte
S8 = La unidad de producción se encuentra en la sección de desechos.
S1 S2 S3 S4 S5 S6 S7 S8
S1 0 0,9 0 0 0 0 0 0,1
S2 0,05 0 0,9 0 0 0 0 0,05
Matriz de S3 0 0 0 0,97 0 0 0 0,03
transición S4 0 0 0,04 0 0,92 0 0 0,04
S5 0 0 0 0 0 0,98 0 0,02
S6 0 0 0 0 0,03 0 0,94 0,03
S7 0 0 0 0 0 0 1 0
S8 0 0 0 0 0 0 0 1
Fíjese que los estados S7 y S8 son absorbentes. Una vez la unidad de producción se
encuentre en uno de ellos, su proceso de producción ha terminado. Observe que son
excluyentes.
S7 S8 S1 S2 S3 S4 S5 S6
Matriz de tran-
S7
S8 I
1 0 0 0 0 0 0 0
0 1 0 0 0 0 0 0 O
S1 0 0,10 0 0,90 0 0 0 0
sición transfor-
S2 0 0,05 0,05 0 0,90 0 0 0
mada
A N
S3 0 0,03 0 0 0 0,97 0 0
S4 0 0,04 0 0 0,04 0 0,92 0
S5 0 0,02 0 0 0 0 0 0,98
S6 0,94
0,03 0 0 0 0 0,03 0

1 0 0 0 0 0 0 0,9 0 0 0 0
0 1 0 0 0 0 0,05 0 0,9 0 0 0
0 0 1 0 0 0 - 0 0 0 0,97 0 0
I-N = 0 0 0,04 0 0,92 0
0 0 0 1 0 0
0 0 0 0 1 0 0 0 0 0 0 0,98
0 0 0 0 0 1 0 0 0 0 0,03 0
1 -0,9 0 0 0 0
-0,05 1 -0,9 0 0 0
0 0 1 -0,97 0 0
I-N =
0 0 -0,04 1 -0,92 0
0 0 0 0 1 -0,98
0 0 0 0 -0,03 1
Empleando el Excel y un formato de dos cifras decimales, calculamos la inversa:

1,05 0,94 0,88 0,86 0,81 0,80

0,05 1,05 0,98 0,95 0,90 0,88
(I - N)-1 = 0 0 1,04 1,01 0,96 0,94
0 0 0,04 1,04 0,99 0,97
0 0 0 0 1,03 1,01
0 0 0 0 0,03 1,03
S7 S8
S1
1,05 0,94 0,88 0,86 0,81 0,80 0 0,1
S2
0,05 1,05 0,98 0,95 0,90 0,88 0 0,05
(I - N)-1A = S3 0 0 1,04 1,01 0,96 0,94 0 0,03
S4 0 0 0,04 1,04 0,99 0,97 0 0,04
S5 0 0 0 0 1,03 1,01 0 0,02
S6 0 0 0 0 0,03 1,03 0,94 0,03
S7 S8
S1 0,75 0,25
S2 0,83 0,17
(I - N)-1A = S3 0,88 0,12
S4 0,91 0,09
S5 0,95 0,05
S6 0,97 0,03

De 100 unidades de producción que empiezan el proceso, 75 terminan en empaque

y transporte.
2. ¿Cuántas unidades de producción deben ingresar al taller para que se empaquen
y transporten 100 unidades?
100/0,75 = 133,33 = 134 unidades del producto deben empezar el proceso para ase-
gurar que para empaque y transporte lleguen 100 unidades de producto terminado.
3. Dados los datos sobre tiempos estimados por operación, ¿Cuáles son los requeri-
mientos esperados de horas hombre en cada sitio?
Tiempo estimado
Operación para cada operación
(en horas - hombre)
Máquina A 3,00
Máquina B 2,50
Máquina C 1,50
Inspección (cada una) 0,25
Empaque y transporte 0,10
Como los datos de la primera fila de la matriz (I - N)-1 representan el número esperado de
veces que se encuentra una unidad de producción en cada centro de trabajo, entonces,
las horas-hombre totales, son el producto de las horas- hombre por cada operación por
el número de veces que se espera que una pieza esté en cada lugar de trabajo.
S1 S2 S3 S4 S5 S6
S1 1,05 0,94 0,88 0,86 0,81 0,80
S2 0,05 1,05 0,98 0,95 0,90 0,88
S3 0 0 1,04 1,01 0,96 0,94
(I - N)-1 =
S4 0 0 0,04 1,04 0,99 0,97
S5 0 0 0 0 1,03 1,01
S6 0 0 0 0 0,03 1,03

Horas-Hombre
Operación
esperadas
Máquina A 3,00x 1,05 = 3,150
Inspección A 0,25x0,94 = 0,235
Máquina B 2,50x0,88 = 2,200
Inspección B 0,25x0,86 = 0,215
Máquina C 1,50x 0,8 1 = 1,215
Inspección C 0,25x0,80 = 0,200
7,215
Requerimientos estimados de Horas-Hombre por cada parte terminada. Para ob-

tener la información sobre la base de una parte terminada, se dividen todas las horas-
hombre esperadas por la probabilidad de una elaboración satisfactoria.
Horas-Hombre
Operación
por unidad de producción
Máquina A 3,150/0,75 = 4,200
Inspección A 0,235/0,75 = 0,313
Máquina B 2,200/0,75 = 2,930
Inspección B 0,215/0,75 = 0,286
Máquina C 1,215/0,75 = 1,620
Inspección C 0,200/0,75 = 0,266
Empaque y transporte = 0,100
9,715
4. Dados los datos sobre costos de mano de obra y de materiales, ¿Cuáles son los
costos directos esperados?
Costo por hora

Operación
de operación ($)
Máquina A 10
Máquina B 10
Máquina C 12
Inspección (cada una) 10
Empaque y transporte 8
El costo de los materiales es de $15 por pieza y el de los residuos, $2 por pieza.

Valor esperado del costo directo de una pieza terminada
Valor esperado del

Valor de las
costo directo de una
pieza terminada
= Σ Costos de operación + Costo de los
materiales
- partes desecha-
bles
Costos de Operación
Costo por hora Horas Costo total de

Operación
($) Hombre la operación ($)
Máquina A 10 4,200 42,00
Inspección A 10 0,313 3,13
Máquina B 10 2,930 29,30
Inspección B 10 0,286 2,86
Máquina C 12 1,620 19,44
Inspección C 10 0,266 2,66
Empaque y transporte 8 0,100 0,80
Total $100,19
Costo de los Materiales

Recuerde que para producir una unidad hay que introducir al sistema 1,33 unidades
de producción.
$15(1,33) = $19,95
Valor de las partes desechables
Si el porcentaje de unidad terminada es 0,75, entonces el porcentaje que va desechos
es 1 - 0,75 = 0,25, por consiguiente:
$2(1,33)(0,25) = $0,665
Valor esperado del

costo directo de una
= $100,19 + $19,95 - $0,665 = $119,475
parte terminada

Ejemplo 6.6
Una tienda de computadores portátiles tiene en el almacén un modelo especial que se
puede ordenar cada semana (pedir al proveedor). La demanda es una variable aleatoria
independiente que sigue una distribución Poisson con media 1 (µ = 1). La tienda usa la
siguiente política para ordenar: Si el nivel del inventario, al final de la semana, es 0 ó 1 ,
se piden 2 computadores; de otra manera, no se ordena. Si los costos de mantener en
inventario 3,2,1,0 computadores es de $10, $8, $5 y $0, respectivamente:
a. Encuentre las probabilidades de estado estable para los estados de ésta cadena
de Markov.
b. Encuentre el costo de almacenamiento esperado, a la larga, por semana.
Solución
a)
I0 I1 I2 I3
Semana 1 Semana 2 Semana 3 ....
D1 ≈ P(1) D2 ≈ P(1) D3 ≈ P(1)
Di = Demanda de la semana i - ésima ; Ii = Inventario final de la semana i - ésima

Posibles estados del inventario al final de cada semana:
S1 = No hay computadores portátiles en inventario.
S2 = Hay 1 computador portátil en el inventario.
S3 = Hay 2 computadores portátiles en el inventario.
S4 = Hay 3 computadores portátiles en el inventario.
Fíjese que como consecuencia de la política de ordenar, como máximo se encontrarán en
el inventrio al finalizar de la semana, 3 computadores portátiles. La matriz de transición
tiene la siguiente configuración general.
S1 S2 S3 S4 µne -µ
S1 P11 P12 P13 P14 en donde p=
n!
P= S2 P21 P22 P23 P24
S3 P31 P32 P33 P34 Siendo n la demanda
S4 P41 P42 P43 P44

p14 = 0. Probabilidad de que ahora existan cero (0) computadores, en el inventario y a

la semana siguiente, hayan tres (3). De acuerdo a la política de pedidos, esto es impo-
sible, ya que si no se tienen computadores ahora, entonces se solicitan dos (2), y no
hay ninguna demanda posible para que al final de la semana se termine con tres (3)
computadores en el inventario, por eso, la probabilidad es cero (0).
p13 = p(D=0) = 10e-1/0! = 0.368. Si ahora no hay computadores, de acuerdo a la política
de pedidos, se ordenarán dos (2) computadores; luego, si la semana se termina con dos
(2) computadores en el inventario, es porque la demanda fue cero (0).
p12 = p(D=1) = 11e-1/1! = e-1 = 0,368. Si al final de la presente semana, no hay compu-
tadores en el inventario, de acuerdo a la política de la empresa, se piden dos (2). Para
que al final de la siguiente semana, el inventario sea de un (1) computador, la demanda
debió ser de un (1) computador (2 - 1 = 1).
p11 = p(D>2) = 1 - p(D<1) = 1 - [p(D=0) + p(D=1)] = 1 - [0,368 + 0,368] = 0,264
De manera similar, se efectúa el cálculo de los demás elementos de probabilidad de la
matriz de transición.
p24 = p(D=0) = 0,368
p23 = p(D=1) = 0,368
p22 = p(D=2) = 12e-1/2! = e-1/2! = 0,184
p21 = p(D>3) = 1 - p(D<2) = 1-p(D=0)-p(D=1)-p(D=2)=1-0,368-0,368-0,184 = 0,08
Para la tercera y cuarta fila de la matriz de transición tenemos que:
p31 = p(D>2) = 0,264 p41 = p(D>3) = 0,080
p32 = p(D=1) = 0,368 p42 = p(D=2) = 0,184
p33 = p(D=0) = 0,368 p43 = p(D=1) = 0,368
p23 = 0 p44 = p(D=0) = 0,368
Entonces, la matriz de transición es:
S1 S2 S3 S4
S1 0,264 0,368 0,368 0 V*P = V*
S2 0,080 0,184 0,368 0,368 entonces
S3 0,264 0,368 0,368 0
S4 0,080 0,184 0,368 0,368
0,264 0,368 0,368 0
0,080 0,184 0,368 0,368 = [v1 v2 v3 v4]
[v1 v2 v3 v4]
0,264 0,368 0,368 0
0,080 0,184 0,368 0,368

0,264v1 + 0,080v2 + 0,264v3 + 0,080v4 = v1 Eliminando la primera fila
0,368v1 + 0,184v2 + 0,368v3 + 0,184v4 = v2 y ordenando, el sistema
0,368v1 + 0,368v2 + 0,368v3 + 0,368v4 = v3 de ecuaciones queda, así:
0,368v2 + 0,368v4 = v4
v1 + v2 + v3 + v4 = 1
0,368v1 + 0,816v2 + 0,368v3 + 0,184v4 = 0 Resolviendo el sistema

0,368v1 + 0,368v2 - 0,632v3 + 0,368v4 = 0 de ecuaciones de manera
0,368v2 - 0,632v4 = 0 matricial, tenemos:
v1 + v2 + v3 + v4 = 1
AV = b
A-1AV = A-1b Premultiplicando por A-1, como A-1A = I
IV = A b
-1
y como IV = V, entonces:
V = A-1b
0,368 -0,816 0,368 0,184 Empleando el Excel para calcular

la matriz inversa de A y con un for-
A = 0,368 0,368 -0,632 0,368
0 0,368 0 -0,632 mato de 3 cifras decimales, tene-
1 1 1 1 mos que:
1,225 1 1,225 0,181

Ahora, calculando V = A-1b, tene-
A = -0,775 0 0,225 0,,285

-1
0 -1 0 0,368 mos:
-0,451 0 -1,451 0,166
v1 1,225 1 1,225 0,1 8 1 0 0,1 81

v2 0 0,285
= -0,775 0 0,225 0,285 =
v3 0 -1 0 0,368 0 0,368
v4 -0,451 0 -1,451 0,1 66 1 0,166
La probabilidad de terminar la siguiente semana con un inventario

v1 = 0,18 1 de cero computadores es de 0,181
v2 = 0,285 La probabilidad de terminar la siguiente semana con un inventario
v3 = 0,368 de un computador es de 0,285
v4 = 0,1 66 La probabilidad de terminar la siguiente semana con un inventario
1,000 de dos computadores es de 0,368
La probabilidad de terminar la siguiente semana con un inventerio
de tres computadores es de 0,166
b) El costo de almacenamiento esperado por semana a largo plazo es:

(0)(0,181) + (5)(0,285) + (8)(0,368) + (10)(0,166) = $6,029

6.1. Determinar si la siguiente matriz de transición es ergódica
X X 0 X X
0 X X 0 X
p= 0 0 0 X X
X 0 X 0 X
X X 0 0 0
6.2. Comprobar si la siguiente matriz de transición es una cadena a) Regular, b) Ergódica.
X X 0
p= X 0 X
0 X X
X 0 X 0
p= 0 X 0 X
X 0 X 0
0 X 0 X
0 X X 0
p= X 0 0 X
X 0 0 X
0 X X 0
6.5. Hallar el número esperado de pasos hacia la absorción, para la siguiente matriz
de transición:
S1 0,2 0,3 0,3 0,2 Solución: Comenzando en el esta-

S 0 1 0 0 do S1, el número de pasos espera-
p= 2
S3 0,4 0 0,3 0,3 dos para la absorción es: 5,15306
S4 0,4 0,2 0,2 0,2

6.6. Un taller de maquinaria que produce 100 partes y cuya secuencia de pasos de
fabricación de cada parte con sus probabilidades respectivas es:
Entrada
S1
p = 0,1
Maquinado
S4
p = 0,05 p = 0,9
Desechos
S2
Inspección
Los estados se defi-
p = 0,05 nen así:
p = 0,9 S1 = Maquinado
S3 S2 = Inspección
Almacén de pro- S3 = Almacén
ducto terminado S4 = Desechos
a. ¿Qué fracción esperada de partes comenzadas es almacenada como producto

terminado? ¿Cuántas partes deben ingresar al taller para que se almacenen 100
unidades como producto terminado?
b. Dado los costos estimados por operación. ¿Cuáles son los requerimientos espe-
rados de Horas-Hombre, en cada sitio?
Tiempo estimado para Solución:

Operación cada operación en a. 0,8482 ; 117,896
Horas - Hombre b. Maquinado: 3,70 H-H
Maquinado 3,00 Inspección: 0,27 H-H
Inspección 0,25
6.7. Se lleva a cabo una encuesta de mercadeo de tres marcas de alimentos para el
desayuno, X, Y y Z. Cada vez que el cliente compra un nuevo paquete, puede com-
prar de la misma marca o cambiar por otra. Se han obtenido los siguientes datos
estimados que se expresan como fracciones decimales:
Marca recién comprada

X Y Z
Marca X 0,7 0,2 0,1
presente Y 0,3 0,5 0,2
Z 0,3 0,3 0,4

Se estima que en este momento el 30% de los clientes compran la marca X; 20%,
la marca Y y 50%, la marca Z, siendo éstas las condiciones iniciales:
¿Cuál será la distribución de clientes después de dos (2) periodos de tiempo?
Solución: 46,8%, 32% y 21,2%, respectivamente
6.8. En un determinado proceso de producción, cada unidad pasa por dos etapas. Al final
de cada etapa, los artículos se desechan (probabilidad de 0,2); se regresan para re-
procesarlos (probabilidad de 0,3); o pasan a la etapa siguiente (probabilidad de 0,5).
a. Describa el proceso como una cadena de Markov y establezca la matriz de
transición.
b. ¿Cuál es el número esperado de pasos hacia la absorción?
c. Si en un lote se comienzan 100 partes, ¿Cuál es el número esperado de partes
buenas que pueden completarse?
d. ¿Cuántas horas-hombre esperadas se necesitan en cada sitio si el tiempo es-
timado para cada operación en Horas-Hombre son: Etapa 1: 3,0 y Etapa 2: 2,5
e. ¿Cuáles son los costos directos esperados por unidad, si los costos por hora de
operación son: Etapa 1: $10; Etapa 2: $12; los costos por materia prima por unidad
son: $15 y los costos de los residuos por unidad son: $2?
Solución: b) 2,45 ; 1,43 c) 51 partes ; d) 8,4 ; 5 ; e) $171,48

6.9. Se está considerando la compra de dos copiadoras de oficina. Son similares en
todos los aspectos, excepto, en el control de claro-oscuro que opera en forma
automática. En la Maquina A existe una probabilidad de 0,95 de que el control
permanezca ajustado todo el dia, si está ajustado en la mañana; pero, si no está
ajustado, hay 0,1 de probabilidad de que permanezca así. Para la máquina B, las
probabilidades equivalentes son de 0,9 y 0,05, respectivamente. Si el costo es el
mismo, ¿Qué máquina se debe comprar?
Solución: La máquina que se debe comprar es la A (0,9474)

6.10. Calcular las probabilidades de estado estable para la siguiente matriz de transición:
S1 S2
S1 0,7 0,3
S2 0,5 0,5
Solución: 3/8, 5/8

6.11. El departamento de comercialización de la marca X hizo una investigación y en-
contró que, si un cliente compra su marca, existe una probabilidad de 0,7 de que
la compre de nuevo, la próxima vez. Por lo tanto, si la última compra fue de otra
marca, entonces, se escoge la marca X sólo con una probabilidad del 0,2. ¿Cuál
es el porcentaje de mercado que puede pronosticarse a la larga, para la marca X?
Solución: 40%
6.12. Una computadora se inspecciona cada hora y se encuentra, que está trabajando
o descompuesta. Si está trabajando, la probabilidad de que siga trabajando la
siguiente hora es de 0,9. Si está descompuesta, se toman medidas para repararla,
lo que puede llevar más de una hora. Siempre que la computadora está descom-
puesta independientemente de cuánto tiempo haya pasado, la probabilidad de
que siga descompuesta es de 0,35
a. Demuestre que ésta, es una cadena de Markov y encuentre la matriz de tran-
sición.
b. Encuentre las probabilidades de estado estable e interprételas.
Solución: 0,86 ; 0,13

6.13. Un distribuidor de automóviles Volkswagen Golf efectúa el pedido de carros a la
ensambladora todos los sábados a la hora del cierre de ventas, de tal suerte que
el lunes, antes de empezar las ventas, ya puede disponer de los autos ordenados.
La demanda es una variable aleatoria, independiente que tiene una distribución
Poisson con media uno (1). El distribuidor tiene la siguiente política para ordenar
los autos: Si no hay en el inventario el sábado, a la hora del cierre de ventas, efectúa
una orden por tres carros. De lo contrario, si cuenta con vehículos en él, no efectúa
el pedido. Si el inventario inicial es de tres carros,
a. Diseñe éste proceso como una cadena de Markov y halle las probabilidades de
estado estable.
b. ¿Cuál es el costo promedio esperado de mantener el inventario por semana, si
el distribuidor sabe que el costo de mantener 3 automóviles en inventario es
de $18.000; el de mantener 2, es de $8.000; el de mantener 1 es de $2.000 y el
de no mantener inventario, es de $0.?
Solución: a) 0,286; 0,285; 0,263 y 0,166 b) $5.662,00

6.14. Un proceso de producción incluye una máquina que se deteriora con rapidez por
el trabajo pesado, tanto en la calidad como en la cantidad de producción, por lo
que se inspecciona al final de cada día. Inmediatamente después de la inspección,
se califica la condición de la máquina dentro de cuatro estados posibles:
Estado Condición
0 Tan buena como nueva.
1 Operable - Deterioro mínimo.
2 Operable - Deterioro mayor.
3 Inoperable y remplazable por una tan buena como nueva.
El proceso se puede modelar como una cadena de Markov con matriz de transición
de un paso, como se observa a continuación:
Estados 0 1 2 3
0 0 7/8 1/16 1/16
1 0 3/4 1/8 1/8
2 0 0 1/2 1/2
3 0 0 0 1
a. Encuentre la probabilidad de estado estable. b) Si los costos por encontrarse en
los estados 0, 1, 2, 3 son: $0, $1.000, $3.000 y $6.000, respectivamente, ¿Cuál es
el costo diario esperado con el tiempo? y c) Encuentre el tiempo de recurrencia
esperado para el estado 0; esto es, el tiempo esperado de uso de la máquina,
antes de tener que remplazarla.Solución: a) 0, 0, 0, 1 ; b) $6.000 ; c) Un (1) día
6.15. Una empresa de refrescos ha contratado a un experto en Investigación de Opera-
ciones para analizar su posición en el mercado. Están preocupados, en especial, por
su mayor competidor. El experto piensa que el cambio de marca se puede modelar
como una cadena de Markov, definiendo tres estados: El estado A representa los
clientes de la empresa de refrescos; el estado B, a los clientes de su mayor com-
petidor y el estado C, a todas las demás marcas. Los datos se toman cada mes y el
experto construye la siguiente matriz de transición:
A B C ¿Cuáles son los porcentajes de mer-

cado en el estado estable para cada
A 0,70 0,20 0,10
una de las fábricas de refresco?
P= B 0,20 0,75 0,05 Solución: 34,62% ; 38,46% ; 26,92%
C 0,10 0,10 0,80

6.16. Los administradores de la empresa Cola-Cola consideran que la probabilidad de
que un cliente compre su bebida, o el principal producto de la competencia, Pesi-
Cola, se basa en la compra mas reciente del cliente. Suponga que son apropiadas
las siguientes probabilidades de transición:
Cola-Cola Pesi-Cola
Cola-Cola 0,9 0,1
Pesi-Cola 0,1 0,9
a. Trace un diagrama de árbol de dos periodos para un cliente que compró la última
vez Cola-Cola. ¿Cuál es la probabilidad de que éste cliente compre Cola-Cola en
una segunda compra?
b. ¿Cuál es la participación en el mercado a largo plazo, para cada uno de estos
dos productos?
c. Se está planeando una campaña importante de publicidad para aumentar la
probabilidad de atraer a los clientes de Pesi-Cola. Los administradores consideran
que la nueva campaña aumentará la probablilidad de que un cliente cambie de
Pesi-Cola a Cola-Cola. en 0,15. ¿Cuál es el efecto de la campaña de publicidad
sobre las participaciones en el mercado?
Solución: a) 0,82 ; b) 50% ; 50% ; c) 60% ; 40%
6.17. Una cadena de Markov tiene las siguientes probabilidades de transición:
S1 S2 S3 S4

S1 0,5 0,3 0,1 0,1
S2 0,3 0,4 0,1 0,2 Encuentre las probabilidades de esta-
S3 0,1 0,2 0,6 0,1 do estable.
S4 0,1 0,3 0,1 0,5
Solución: 0,2704 ; 0,3111 ; 0,2 ; 0,2185
6.18. La siguiente matriz incluye dos estados absorbentes
S1 S2 S3 S4
a. Cuáles son los estados absorbentes?
S1 0,2 0,4 0,3 0,1 b. Para cada estado no absorbente en-
S2 0,1 0,6 0,2 0,1 cuentre la probabilidad de terminar
S3 0 0 1 0 en un estado absorbente.
S4 0 0 0 1
Solución: 5/7 ; 2/7 ; 19/28 ; 9/28

6.19. El contralor de la Universidad de Ibagué analizó las cuentas por cobrar y halló la
siguiente matriz de transición:
Al mes 2
Cuentas
A B Pagadas
Morosas
A 0,4 0,1 0,5 0

B 0,1 0,2 0,6 0,1
Del mes 1
Pagadas 0 0 1 0
Cuentas morosas 0 0 0 1
Las cuentas A tienen de 0 a 30 días y actualmente suman un total de $60.000. Las

cuentas B tienen de 31 a 90 días, para un total de $40.000, en el momento actual.
¿Qué asignación debe hacer el contralor a las cuentas morosas?
Solución: $6.383,00
6.20. Encuentre e interprete las probabilidades de estado estable de la siguiente matriz

de transición, empleando el método analítico:
A B C
A 0,6 0,2 0,2
B 0,1 0,5 0,4
C 0,2 0,1 0,7
Solución: 11/37 ; 8/37 ; 18/37

Anexos
Anexo 1:
Distribución de Probabilidad Normal Estándar [0,1] Acumulada
z
Z 0,00 0,01
z
0,02
Z=
0,03
Tp - Te
0,04
σ
0,05
f(x) =
0,06
y
0,07
-oo
1
2π
0,08
e
x2/2
0,09
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
3,1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3,2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998
3,5 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998
3,6 0,9998 0,9998 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,7 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,8 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,9 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
4,0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000

Anexos
Anexo 2:
Σe u
X=oo
Función de distribución acumulada de Poisson
-u x
X=X !
X!
U
X 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
1 0,0952 0,1813 0,2592 0,3297 0,3935 0,4512 0,5034 0,5507 0,5934 0,6321
2 0,0047 0,0175 0,0369 0,0616 0,0902 0,1219 0,1558 0,1912 0,2275 0,2642
3 0,0002 0,0011 0,0036 0,0079 0,0144 0,0231 0,0341 0,0474 0,0629 0,0803
4 0,0000 0,0001 0,0003 0,0008 0,0018 0,0034 0,0058 0,0091 0,0135 0,0190
5 0,0000 0,0000 0,0000 0,0001 0,0002 0,0004 0,0008 0,0014 0,0023 0,0036
6 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0002 0,0003 0,0006
7 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001
X 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0
0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
1 0,6671 0,6988 0,7275 0,7534 0,7769 0,7981 0,8173 0,8347 0,8504 0,8646
2 0,3010 0,3374 0,3732 0,4082 0,4422 0,4751 0,5067 0,5371 0,5662 0,5939
3 0,0996 0,1205 0,1429 0,1665 0,1911 0,2166 0,2428 0,2694 0,2962 0,3233
4 0,0257 0,0338 0,0431 0,0537 0,0656 0,0788 0,0932 0,1087 0,1253 0,1428
5 0,0054 0,0077 0,0107 0,0143 0,0186 0,0237 0,0296 0,0364 0,0441 0,0526
6 0,0010 0,0015 0,0022 0,0032 0,0045 0,0060 0,0080 0,0104 0,0132 0,0165
7 0,0001 0,0003 0,0004 0,0006 0,0009 0,0013 0,0019 0,0026 0,0034 0,0045
8 0,0000 0,0000 0,0001 0,0001 0,0002 0,0003 0,0004 0,0005 0,0008 0,0011
9 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0001 0,0001 0,0002
X 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0
0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
1 0,8775 0,8892 0,8997 0,9093 0,9179 0,9257 0,9328 0,9392 0,9450 0,9502
2 0,6204 0,6454 0,6691 0,6916 0,7127 0,7326 0,7513 0,7689 0,7854 0,8008
3 0,3504 0,3773 0,4040 0,4303 0,4562 0,4816 0,5064 0,5305 0,5540 0,5768
4 0,1614 0,1806 0,2007 0,2213 0,2424 0,2640 0,2859 0,3081 0,3304 0,3528
5 0,0621 0,0725 0,0837 0,0959 0,1088 0,1226 0,1371 0,1523 0,1682 0,1847
6 0,0204 0,0249 0,0300 0,0357 0,0420 0,0490 0,0567 0,0651 0,0742 0,0839
7 0,0059 0,0075 0,0094 0,0116 0,0142 0,0172 0,0206 0,0244 0,0287 0,0335
8 0,0015 0,0020 0,0026 0,0033 0,0042 0,0053 0,0066 0,0081 0,0099 0,0119
9 0,0003 0,0005 0,0006 0,0009 0,0011 0,0015 0,0019 0,0024 0,0030 0,0038
10 0,0001 0,0001 0,0001 0,0002 0,0003 0,0004 0,0005 0,0007 0,0008 0,0011
11 0,0000 0,0000 0,0000 0,0000 0,0001 0,0001 0,0001 0,0002 0,0002 0,0003
12 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001
X 3,1 3,2 3,3 3,4 3,5 3,6 3,7 3,8 3,9 4,0
0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
1 0,9549 0,9592 0,9631 0,9666 0,9698 0,9727 0,9753 0,9776 0,9797 0,9817
2 0,8153 0,8288 0,8414 0,8532 0,8641 0,8743 0,8838 0,8926 0,9008 0,9084
3 0,5988 0,6201 0,6406 0,6603 0,6791 0,6972 0,7146 0,7311 0,7469 0,7619
4 0,3752 0,3975 0,4197 0,4416 0,4634 0,4848 0,5058 0,5265 0,5467 0,5665
5 0,2018 0,2194 0,2374 0,2558 0,2746 0,2936 0,3128 0,3321 0,3516 0,3711
6 0,0943 0,1054 0,1171 0,1295 0,1424 0,1559 0,1699 0,1844 0,1994 0,2148
7 0,0388 0,0446 0,0510 0,0579 0,0653 0,0733 0,0818 0,0909 0,1005 0,1107
8 0,0142 0,0168 0,0198 0,0231 0,0267 0,0308 0,0352 0,0401 0,0454 0,0511
9 0,0047 0,0057 0,0069 0,0083 0,0099 0,0117 0,0137 0,0160 0,0185 0,0213
10 0,0014 0,0018 0,0022 0,0027 0,0033 0,0040 0,0048 0,0058 0,0069 0,0081
11 0,0004 0,0005 0,0006 0,0008 0,0010 0,0013 0,0016 0,0019 0,0023 0,0028
12 0,0001 0,0001 0,0002 0,0002 0,0003 0,0004 0,0005 0,0006 0,0007 0,0009
13 0,0000 0,0000 0,0000 0,0001 0,0001 0,0001 0,0001 0,0002 0,0002 0,0003
14 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001

U
X 4,1 4,2 4,3 4,4 4,5 4,6 4,7 4,8 4,9 5,0
0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
1 0,9834 0,9850 0,9864 0,9877 0,9889 0,9899 0,9909 0,9918 0,9925 0,9932
2 0,9155 0,9220 0,9281 0,9337 0,9389 0,9437 0,9481 0,9523 0,9560 0,9596
3 0,7762 0,7898 0,8026 0,8149 0,8264 0,8374 0,8477 0,8574 0,8667 0,8753
4 0,5858 0,6046 0,6228 0,6405 0,6577 0,6743 0,6903 0,7058 0,7206 0,7350
5 0,3907 0,4102 0,4296 0,4488 0,4679 0,4868 0,5054 0,5237 0,5418 0,5595
6 0,2307 0,2469 0,2633 0,2801 0,2971 0,3142 0,3316 0,3490 0,3665 0,3840
7 0,1214 0,1325 0,1442 0,1564 0,1689 0,1820 0,1954 0,2092 0,2233 0,2378
8 0,0573 0,0639 0,0710 0,0786 0,0866 0,0950 0,1040 0,1133 0,1231 0,1334
9 0,0245 0,0279 0,0317 0,0358 0,0403 0,0451 0,0502 0,0558 0,0617 0,0681
10 0,0095 0,0111 0,0129 0,0149 0,0171 0,0195 0,0222 0,0251 0,0283 0,0318
11 0,0034 0,0041 0,0048 0,0057 0,0067 0,0078 0,0090 0,0104 0,0120 0,0137
12 0,0011 0,0014 0,0017 0,0020 0,0024 0,0029 0,0034 0,0040 0,0047 0,0054
13 0,0003 0,0004 0,0005 0,0007 0,0008 0,0010 0,0012 0,0014 0,0017 0,0020
14 0,0001 0,0001 0,0002 0,0002 0,0002 0,0003 0,0004 0,0005 0,0006 0,0007
15 0,0000 0,0000 0,0000 0,0001 0,0001 0,0001 0,0001 0,0001 0,0002 0,0002
16 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
X 5,1 5,2 5,3 5,4 5,5 5,6 5,7 5,8 5,9 6,0
0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
1 0,9939 0,9945 0,9950 0,9955 0,9959 0,9963 0,9967 0,9970 0,9973 0,9975
2 0,9628 0,9658 0,9686 0,9711 0,9734 0,9756 0,9776 0,9794 0,9811 0,9826
3 0,8835 0,8912 0,8984 0,9052 0,9116 0,9176 0,9232 0,9285 0,9334 0,9380
4 0,7487 0,7619 0,7746 0,7867 0,7983 0,8094 0,8200 0,8300 0,8396 0,8488
5 0,5769 0,5939 0,6105 0,6267 0,6425 0,6578 0,6728 0,6873 0,7013 0,7149
6 0,4016 0,4191 0,4365 0,4539 0,4711 0,4881 0,5050 0,5217 0,5381 0,5543
7 0,2526 0,2676 0,2829 0,2983 0,3140 0,3297 0,3456 0,3616 0,3776 0,3937
8 0,1440 0,1551 0,1665 0,1783 0,1905 0,2030 0,2159 0,2290 0,2424 0,2560
9 0,0748 0,0819 0,0894 0,0973 0,1056 0,1143 0,1234 0,1328 0,1426 0,1528
10 0,0356 0,0397 0,0441 0,0488 0,0538 0,0591 0,0648 0,0708 0,0772 0,0839
11 0,0156 0,0177 0,0200 0,0225 0,0253 0,0282 0,0314 0,0349 0,0386 0,0426
12 0,0063 0,0073 0,0084 0,0096 0,0110 0,0125 0,0141 0,0159 0,0179 0,0201
13 0,0024 0,0028 0,0033 0,0038 0,0045 0,0051 0,0059 0,0068 0,0078 0,0088
14 0,0008 0,0010 0,0012 0,0014 0,0017 0,0020 0,0023 0,0027 0,0031 0,0036
15 0,0003 0,0003 0,0004 0,0005 0,0006 0,0007 0,0009 0,0010 0,0012 0,0014
16 0,0001 0,0001 0,0001 0,0002 0,0002 0,0002 0,0003 0,0004 0,0004 0,0005
17 0,0000 0,0000 0,0000 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0002
18 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001
X 6,1 6,2 6,3 6,4 6,5 6,6 6,7 6,8 6,9 7,0
0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
1 0,9978 0,9980 0,9982 0,9983 0,9985 0,9986 0,9988 0,9989 0,9990 0,9991
2 0,9841 0,9854 0,9866 0,9877 0,9887 0,9897 0,9905 0,9913 0,9920 0,9927
3 0,9423 0,9464 0,9502 0,9537 0,9570 0,9600 0,9629 0,9656 0,9680 0,9704
4 0,8575 0,8658 0,8736 0,8811 0,8882 0,8948 0,9012 0,9072 0,9129 0,9182
5 0,7281 0,7408 0,7531 0,7649 0,7763 0,7873 0,7978 0,8080 0,8177 0,8270
6 0,5702 0,5859 0,6012 0,6163 0,6310 0,6453 0,6594 0,6730 0,6863 0,6993
7 0,4098 0,4258 0,4418 0,4577 0,4735 0,4892 0,5047 0,5201 0,5353 0,5503
8 0,2699 0,2840 0,2983 0,3127 0,3272 0,3419 0,3567 0,3715 0,3864 0,4013
9 0,1633 0,1741 0,1852 0,1967 0,2084 0,2204 0,2327 0,2452 0,2580 0,2709
10 0,0910 0,0984 0,1061 0,1142 0,1226 0,1314 0,1404 0,1498 0,1595 0,1695
11 0,0469 0,0514 0,0563 0,0614 0,0668 0,0726 0,0786 0,0849 0,0916 0,0985
12 0,0224 0,0250 0,0277 0,0307 0,0339 0,0373 0,0409 0,0448 0,0490 0,0533
13 0,0100 0,0113 0,0127 0,0143 0,0160 0,0179 0,0199 0,0221 0,0245 0,0270
14 0,0042 0,0048 0,0055 0,0063 0,0071 0,0080 0,0091 0,0102 0,0115 0,0128

Anexos

U
X 6,1 6,2 6,3 6,4 6,5 6,6 6,7 6,8 6,9 7,0
15 0,0016 0,0019 0,0022 0,0026 0,0030 0,0034 0,0039 0,0044 0,0050 0,0057
16 0,0006 0,0007 0,0008 0,0010 0,0012 0,0014 0,0016 0,0018 0,0021 0,0024
17 0,0002 0,0003 0,0003 0,0004 0,0004 0,0005 0,0006 0,0007 0,0008 0,0010
18 0,0001 0,0001 0,0001 0,0001 0,0002 0,0002 0,0002 0,0003 0,0003 0,0004
19 0,0000 0,0000 0,0000 0,0000 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
X 7,1 7,2 7,3 7,4 7,5 7,6 7,7 7,8 7,9 8,0
0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
1 0,9992 0,9993 0,9993 0,9994 0,9994 0,9995 0,9995 0,9996 0,9996 0,9997
2 0,9933 0,9939 0,9944 0,9949 0,9953 0,9957 0,9961 0,9964 0,9967 0,9970
3 0,9725 0,9745 0,9764 0,9781 0,9797 0,9812 0,9826 0,9839 0,9851 0,9862
4 0,9233 0,9281 0,9326 0,9368 0,9409 0,9446 0,9482 0,9515 0,9547 0,9576
5 0,8359 0,8445 0,8527 0,8605 0,8679 0,8751 0,8819 0,8883 0,8945 0,9004
6 0,7119 0,7241 0,7360 0,7474 0,7586 0,7693 0,7797 0,7897 0,7994 0,8088
7 0,5651 0,5796 0,5940 0,6080 0,6218 0,6354 0,6486 0,6616 0,6743 0,6866
8 0,4162 0,4311 0,4459 0,4607 0,4754 0,4900 0,5044 0,5188 0,5330 0,5470
9 0,2840 0,2973 0,3108 0,3243 0,3380 0,3518 0,3657 0,3796 0,3935 0,4075
10 0,1798 0,1904 0,2012 0,2123 0,2236 0,2351 0,2469 0,2589 0,2710 0,2834
11 0,1058 0,1133 0,1212 0,1293 0,1378 0,1465 0,1555 0,1648 0,1743 0,1841
12 0,0580 0,0629 0,0681 0,0735 0,0792 0,0852 0,0915 0,0980 0,1048 0,1119
13 0,0297 0,0327 0,0358 0,0391 0,0427 0,0464 0,0504 0,0546 0,0591 0,0638
14 0,0143 0,0159 0,0176 0,0195 0,0216 0,0238 0,0261 0,0286 0,0313 0,0342
15 0,0065 0,0073 0,0082 0,0092 0,0103 0,0114 0,0127 0,0141 0,0156 0,0173
16 0,0028 0,0031 0,0036 0,0041 0,0046 0,0052 0,0059 0,0066 0,0074 0,0082
17 0,0011 0,0013 0,0015 0,0017 0,0020 0,0022 0,0026 0,0029 0,0033 0,0037
18 0,0004 0,0005 0,0006 0,0007 0,0008 0,0009 0,0011 0,0012 0,0014 0,0016
19 0,0002 0,0002 0,0002 0,0003 0,0003 0,0004 0,0004 0,0005 0,0006 0,0007
20 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0002 0,0002 0,0002 0,0003
21 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0001 0,0001 0,0001
X 8,1 8,2 8,3 8,4 8,5 8,6 8,7 8,8 8,9 9,0
0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
1 0,9997 0,9997 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9999 0,9999
2 0,9972 0,9975 0,9977 0,9979 0,9981 0,9982 0,9984 0,9985 0,9986 0,9988
3 0,9873 0,9882 0,9891 0,9900 0,9907 0,9914 0,9921 0,9927 0,9932 0,9938
4 0,9604 0,9630 0,9654 0,9677 0,9699 0,9719 0,9738 0,9756 0,9772 0,9788
5 0,9060 0,9113 0,9163 0,9211 0,9256 0,9299 0,9340 0,9379 0,9416 0,9450
6 0,8178 0,8264 0,8347 0,8427 0,8504 0,8578 0,8648 0,8716 0,8781 0,8843
7 0,6987 0,7104 0,7219 0,7330 0,7438 0,7543 0,7645 0,7744 0,7840 0,7932
8 0,5609 0,5746 0,5881 0,6013 0,6144 0,6272 0,6398 0,6522 0,6643 0,6761
9 0,4214 0,4353 0,4493 0,4631 0,4769 0,4906 0,5042 0,5177 0,5311 0,5443
10 0,2959 0,3085 0,3212 0,3341 0,3470 0,3600 0,3731 0,3863 0,3994 0,4126
11 0,1942 0,2045 0,2150 0,2257 0,2366 0,2478 0,2591 0,2706 0,2822 0,2940
12 0,1193 0,1269 0,1348 0,1429 0,1513 0,1600 0,1689 0,1780 0,1874 0,1970
13 0,0687 0,0739 0,0793 0,0850 0,0909 0,0971 0,1035 0,1102 0,1171 0,1242
14 0,0372 0,0405 0,0439 0,0476 0,0514 0,0555 0,0597 0,0642 0,0689 0,0739
15 0,0190 0,0209 0,0229 0,0251 0,0274 0,0299 0,0325 0,0353 0,0383 0,0415
16 0,0092 0,0102 0,0113 0,0125 0,0138 0,0152 0,0168 0,0184 0,0202 0,0220
17 0,0042 0,0047 0,0053 0,0059 0,0066 0,0074 0,0082 0,0091 0,0101 0,0111
18 0,0018 0,0021 0,0023 0,0027 0,0030 0,0034 0,0038 0,0043 0,0048 0,0053
19 0,0008 0,0009 0,0010 0,0011 0,0013 0,0015 0,0017 0,0019 0,0022 0,0024
20 0,0003 0,0003 0,0004 0,0005 0,0005 0,0006 0,0007 0,0008 0,0009 0,0011
21 0,0001 0,0001 0,0002 0,0002 0,0002 0,0002 0,0003 0,0003 0,0004 0,0004
22 0,0000 0,0000 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0002 0,0002
23 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0001

U
X 9,1 9,2 9,3 9,4 9,5 9,6 9,7 9,8 9,9 10,0
0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
1 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 1,0000
2 0,9989 0,9990 0,9991 0,9991 0,9992 0,9993 0,9993 0,9994 0,9995 0,9995
3 0,9942 0,9947 0,9951 0,9955 0,9958 0,9962 0,9965 0,9967 0,9970 0,9972
4 0,9802 0,9816 0,9828 0,9840 0,9851 0,9862 0,9871 0,9880 0,9889 0,9897
5 0,9483 0,9514 0,9544 0,9571 0,9597 0,9622 0,9645 0,9667 0,9688 0,9707
6 0,8902 0,8959 0,9014 0,9065 0,9115 0,9162 0,9207 0,9250 0,9290 0,9329
7 0,8022 0,8108 0,8192 0,8273 0,8351 0,8426 0,8498 0,8567 0,8634 0,8699
8 0,6877 0,6990 0,7100 0,7208 0,7313 0,7416 0,7515 0,7612 0,7706 0,7798
9 0,5574 0,5704 0,5832 0,5958 0,6082 0,6204 0,6324 0,6442 0,6558 0,6672
10 0,4258 0,4389 0,4521 0,4651 0,4782 0,4911 0,5040 0,5168 0,5295 0,5421
11 0,3059 0,3180 0,3301 0,3424 0,3547 0,3671 0,3795 0,3920 0,4045 0,4170
12 0,2068 0,2168 0,2270 0,2374 0,2480 0,2588 0,2697 0,2807 0,2919 0,3032
13 0,1316 0,1393 0,1471 0,1552 0,1636 0,1721 0,1809 0,1899 0,1991 0,2084
14 0,0790 0,0844 0,0900 0,0958 0,1019 0,1081 0,1147 0,1214 0,1284 0,1355
15 0,0448 0,0483 0,0520 0,0559 0,0600 0,0643 0,0688 0,0735 0,0784 0,0835
16 0,0240 0,0262 0,0285 0,0309 0,0335 0,0362 0,0391 0,0421 0,0454 0,0487
17 0,0122 0,0135 0,0148 0,0162 0,0177 0,0194 0,0211 0,0230 0,0249 0,0270
18 0,0059 0,0066 0,0073 0,0081 0,0089 0,0098 0,0108 0,0119 0,0130 0,0143
19 0,0027 0,0031 0,0034 0,0038 0,0043 0,0048 0,0053 0,0059 0,0065 0,0072
20 0,0012 0,0014 0,0015 0,0017 0,0020 0,0022 0,0025 0,0028 0,0031 0,0035
21 0,0005 0,0006 0,0007 0,0008 0,0009 0,0010 0,0011 0,0013 0,0014 0,0016
22 0,0002 0,0002 0,0003 0,0003 0,0004 0,0004 0,0005 0,0005 0,0006 0,0007
23 0,0001 0,0001 0,0001 0,0001 0,0001 0,0002 0,0002 0,0002 0,0003 0,0003
24 0,0000 0,0000 0,0000 0,0000 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
X 11,0 12,0 13,0 14,0 15,0 16,0 17,0 18,0 19,0 20,0
0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
1 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
2 0,9998 0,9999 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
3 0,9988 0,9995 0,9998 0,9999 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
4 0,9951 0,9977 0,9989 0,9995 0,9998 0,9999 1,0000 1,0000 1,0000 1,0000
5 0,9849 0,9924 0,9963 0,9982 0,9991 0,9996 0,9998 0,9999 1,0000 1,0000
6 0,9625 0,9797 0,9893 0,9945 0,9972 0,9986 0,9993 0,9997 0,9998 0,9999
7 0,9214 0,9542 0,9741 0,9858 0,9924 0,9960 0,9979 0,9990 0,9995 0,9997
8 0,8568 0,9105 0,9460 0,9684 0,9820 0,9900 0,9946 0,9971 0,9985 0,9992
9 0,7680 0,8450 0,9002 0,9379 0,9626 0,9780 0,9874 0,9929 0,9961 0,9979
10 0,6595 0,7576 0,8342 0,8906 0,9301 0,9567 0,9739 0,9846 0,9911 0,9950
11 0,5401 0,6528 0,7483 0,8243 0,8815 0,9226 0,9509 0,9696 0,9817 0,9892
12 0,4207 0,5384 0,6468 0,7400 0,8152 0,8730 0,9153 0,9451 0,9653 0,9786
13 0,3113 0,4240 0,5369 0,6415 0,7324 0,8069 0,8650 0,9083 0,9394 0,9610
14 0,2187 0,3185 0,4270 0,5356 0,6368 0,7255 0,7991 0,8574 0,9016 0,9338
15 0,1460 0,2280 0,3249 0,4296 0,5343 0,6325 0,7192 0,7919 0,8502 0,8951
16 0,0926 0,1556 0,2364 0,3306 0,4319 0,5333 0,6285 0,7133 0,7852 0,8435
17 0,0559 0,1013 0,1645 0,2441 0,3359 0,4340 0,5323 0,6249 0,7080 0,7789
18 0,0322 0,0630 0,1095 0,1728 0,2511 0,3407 0,4360 0,5314 0,6216 0,7029
19 0,0177 0,0374 0,0698 0,1174 0,1805 0,2577 0,3450 0,4378 0,5305 0,6186
20 0,0093 0,0213 0,0427 0,0765 0,1248 0,1878 0,2637 0,3491 0,4394 0,5297
21 0,0047 0,0116 0,0250 0,0479 0,0830 0,1318 0,1945 0,2693 0,3528 0,4409
22 0,0023 0,0061 0,0141 0,0288 0,0531 0,0892 0,1385 0,2009 0,2745 0,3563
23 0,0010 0,0030 0,0076 0,0167 0,0327 0,0582 0,0953 0,1449 0,2069 0,2794
24 0,0005 0,0015 0,0040 0,0093 0,0195 0,0367 0,0633 0,1011 0,1510 0,2125
25 0,0002 0,0007 0,0020 0,0050 0,0112 0,0223 0,0406 0,0683 0,1067 0,1567
26 0,0001 0,0003 0,0010 0,0026 0,0062 0,0131 0,0252 0,0446 0,0731 0,1122

Anexos

U
X 11,0 12,0 13,0 14,0 15,0 16,0 17,0 18,0 19,0 20,0
27 0,0000 0,0001 0,0005 0,0013 0,0033 0,0075 0,0152 0,0282 0,0485 0,0779
28 0,0000 0,0001 0,0002 0,0006 0,0017 0,0041 0,0088 0,0173 0,0313 0,0525
29 0,0000 0,0000 0,0001 0,0003 0,0009 0,0022 0,0050 0,0103 0,0195 0,0343
30 0,0000 0,0000 0,0000 0,0001 0,0004 0,0011 0,0027 0,0059 0,0118 0,0218
31 0,0000 0,0000 0,0000 0,0001 0,0002 0,0006 0,0014 0,0033 0,0070 0,0134
32 0,0000 0,0000 0,0000 0,0000 0,0001 0,0003 0,0007 0,0018 0,0040 0,0081
33 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0004 0,0010 0,0022 0,0047
34 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0002 0,0005 0,0012 0,0027
35 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0002 0,0006 0,0015
36 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0003 0,0008
37 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0002 0,0004
38 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0002
39 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001
X 21,0 22,0 23,0 24,0 25,0 26,0 27,0 28,0 29,0 30,0
0 0,9999 0,9998 0,9996 0,9990 0,9980 0,9961 0,9928 0,9875 0,9795 0,9677
1 0,9999 0,9998 0,9996 0,9990 0,9980 0,9961 0,9928 0,9875 0,9795 0,9677
2 0,9999 0,9998 0,9996 0,9990 0,9980 0,9961 0,9928 0,9875 0,9795 0,9677
3 0,9999 0,9998 0,9996 0,9990 0,9980 0,9961 0,9928 0,9875 0,9795 0,9677
4 0,9999 0,9998 0,9996 0,9990 0,9980 0,9961 0,9928 0,9875 0,9795 0,9677
5 0,9999 0,9998 0,9996 0,9990 0,9980 0,9961 0,9928 0,9875 0,9795 0,9677
6 0,9999 0,9998 0,9995 0,9990 0,9980 0,9961 0,9928 0,9875 0,9795 0,9677
7 0,9998 0,9998 0,9995 0,9990 0,9980 0,9961 0,9928 0,9875 0,9795 0,9677
8 0,9995 0,9996 0,9995 0,9990 0,9979 0,9960 0,9928 0,9875 0,9795 0,9677
9 0,9988 0,9992 0,9993 0,9989 0,9979 0,9960 0,9928 0,9875 0,9795 0,9677
10 0,9972 0,9983 0,9987 0,9986 0,9977 0,9959 0,9927 0,9875 0,9795 0,9677
11 0,9937 0,9963 0,9976 0,9979 0,9974 0,9957 0,9926 0,9874 0,9794 0,9677
12 0,9870 0,9922 0,9951 0,9965 0,9965 0,9953 0,9924 0,9873 0,9793 0,9676
13 0,9754 0,9847 0,9904 0,9936 0,9948 0,9943 0,9918 0,9870 0,9792 0,9675
14 0,9566 0,9720 0,9821 0,9883 0,9915 0,9922 0,9906 0,9862 0,9787 0,9673
15 0,9284 0,9521 0,9685 0,9792 0,9856 0,9884 0,9882 0,9848 0,9779 0,9668
16 0,8889 0,9229 0,9476 0,9646 0,9757 0,9819 0,9840 0,9821 0,9762 0,9657
17 0,8370 0,8828 0,9175 0,9428 0,9602 0,9712 0,9768 0,9774 0,9731 0,9638
18 0,7730 0,8308 0,8768 0,9119 0,9375 0,9550 0,9654 0,9696 0,9680 0,9604
19 0,6982 0,7673 0,8248 0,8707 0,9059 0,9314 0,9483 0,9575 0,9596 0,9548
20 0,6157 0,6938 0,7618 0,8188 0,8644 0,8992 0,9241 0,9397 0,9468 0,9458
21 0,5290 0,6129 0,6895 0,7564 0,8125 0,8574 0,8913 0,9148 0,9283 0,9324
22 0,4422 0,5282 0,6102 0,6851 0,7507 0,8056 0,8492 0,8815 0,9028 0,9132
23 0,3595 0,4434 0,5273 0,6073 0,6804 0,7443 0,7975 0,8392 0,8691 0,8871
24 0,2839 0,3624 0,4444 0,5262 0,6041 0,6751 0,7369 0,7877 0,8266 0,8530
25 0,2178 0,2881 0,3650 0,4450 0,5246 0,6001 0,6686 0,7276 0,7753 0,8104
26 0,1622 0,2227 0,2919 0,3671 0,4450 0,5221 0,5949 0,6603 0,7158 0,7593
27 0,1174 0,1674 0,2273 0,2952 0,3686 0,4442 0,5184 0,5878 0,6494 0,7004
28 0,0825 0,1223 0,1722 0,2313 0,2978 0,3691 0,4419 0,5127 0,5780 0,6348
29 0,0563 0,0869 0,1270 0,1765 0,2346 0,2993 0,3681 0,4375 0,5042 0,5646
30 0,0373 0,0600 0,0911 0,1311 0,1801 0,2368 0,2993 0,3649 0,4303 0,4920
31 0,0241 0,0403 0,0636 0,0949 0,1347 0,1826 0,2375 0,2972 0,3589 0,4193
32 0,0151 0,0263 0,0432 0,0668 0,0980 0,1372 0,1836 0,2360 0,2921 0,3490
33 0,0092 0,0167 0,0285 0,0457 0,0694 0,1002 0,1382 0,1825 0,2316 0,2831
34 0,0054 0,0103 0,0183 0,0304 0,0477 0,0711 0,1010 0,1370 0,1784 0,2232
35 0,0031 0,0062 0,0114 0,0196 0,0318 0,0489 0,0715 0,0996 0,1330 0,1704
36 0,0017 0,0036 0,0068 0,0122 0,0204 0,0324 0,0487 0,0697 0,0954 0,1251
37 0,0009 0,0020 0,0039 0,0072 0,0125 0,0204 0,0316 0,0464 0,0651 0,0873
38 0,0005 0,0010 0,0021 0,0040 0,0072 0,0121 0,0191 0,0288 0,0414 0,0567

Bibliografía
Bibliografía
BAZARAA, M.; JARVIS, J.; SHERALI, H. (1999) Programación Lineal y flujo en redes. Segun-
da edición, México D. F. Editorial Limusa S.A. de C.V. Grupo Noriega Editores,
Balderas 95.
CHANG, Y. WinQsb. (1998) Soporte para el software. (1998) John Wiley & Sons, Inc.
EPPEN G. D.; GOULD F. J.; SCHMIDT C. P.; Moore J. H.; Weatherford L. R. (2000) Investigación
de Operaciones en la Ciencia Administrativa. Quinta edición. Editorial Prentice –Hall.
GALLEGHER CH. HUNG, J. W. (1982) Métodos cuantitativos para la toma de decisiones en
la administración. Primera edición. México. Editorial McGraw-Hill Interamericana.
HILLIER, F. LIEBERMAN, G. (2001) Investigación de Operaciones. Séptima edición. México.
Editorial McGraw-Hill Interamericana.
LEVIN, R. KIRKPATRICK, CH. (1997) Enfoques Cuantitativos a la Administración. Novena
reimpresión. México. Compañía editorial continental S.A.
MATHUR, K. SOLOW D. (1996) Investigación de Operaciones : El arte de la toma de decisiones.
Editorial Prentice Hall Hispanoamericana S.A.
SASIENI, M. YASPAN, A. FRIEDMAN, L. (1978) Investigación de Operaciones, Métodos y
Problemas. México. Editorial Limusa.
MOSKOWITZ, H. WRIGHT, G, (1982) Investigación de operaciones. Primera edición. Londres.
Editorial Prentice Hall Internacional.
NAMAKFOROOSH, M. Investigación de operaciones. Editorial Limusa.
PRAWDA, J. (1995) Métodos y modelos de investigación de operaciones Modelos Deter-
minísticos. Volumen 1. Editorial Limusa.
PRAWDA. J. (1995) Métodos y Modelos de Investigación de Operaciones Modelos Estocásti-
cos. Volumen 2. Editorial Limusa.
RÍOS, S. RÍOS, D, MATEOS, A, MARTÍN, J. (1997) Programación lineal y aplicaciones. Edi-
torial Alfaomega S.A.
SHAMBLIN, J. STEVENS Jr. G. T. Investigación de operaciones: Un enfoque fundamental.
México. Editorial McGraw-Hill Interamericana.
SOLOW, D. KAMLESH, M. Investigación de operaciones. México. Editorial Prentice –Hall
Hispanoamericana S.A.
STEPHEN, B. (1965) Apuntes de los cursos de investigación de operaciones de la Universi-
dad de Stanford. Universidad Tecnológica de Pereira .

TAHA, H. A. (1998) Investigación de operaciones: Una introducción. Sexta edición. Méxi-
co. Editorial Prentice Hall.
WINSTON, L. (1994) Operations Research, Applications And Algorithms. Tercera edición.
Belmont, California. Duxbury Press And Imprint of Wadsworth Publishing Com-
pany.

Francisco Alfonso Chediak Pinzón es ingeniero industrial de la
Facultad de Ingeniería Industrial de la Universidad Tecnológica de
Pereira (UTP). Es especialista en Matemática Aplicada con énfasis en
Investigación de Operaciones de la Universidad Sergio Arboleda. Ma-
gíster en Investigación de Operaciones y Estadística de la Universidad
Tecnológica de Pereira (UTP). Pertenece al área de Investigación de
Operaciones del programa de Ingeniería Industrial de la Universidad
de Ibagué. Desde hace 28 años se desempeña como profesor de
tiempo completo en calidad de profesor asociado. francisco.chediak@
gmail.com
Flaminio Vera Méndez es ingeniero Industrial de la Universidad

Tecnológica de Pereira, Colombia; especialista en Automatización
Industrial, de la Universidad de Ibagué, Colombia; y magister en Auto-
matización Industrial de la Universidad Católica de Lovaina, Bélgica. En
la actualidad está vinculado como Profesor Asociado del Programa de
Ingeniería Industrial de la Universidad de Ibagué, Colombia. flaminio.
vera@unibague.edu.co

Libro Io II 2012

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

Libro Io II 2012

Cargado por

Copyright:

Formatos disponibles

Francisco Alfonso Chediak Pinzón

Flaminio Vera Méndez

Francisco Alfonso Chediak Pinzón

El libro es generoso al tener un lenguaje sencillo que facilita el Cn

El uso de las técnicas que ofrece la Investigación de Operaciones

Francisco Alfonso Chediak Pinzón

Investigación de Operaciones Volumen II 3

Descriptores: Investigación de operaciones; Programación dinámica; Teoría de Juegos;

© Universidad de Ibagué, 2012

Diseño, diagramación e impresión

A mi esposa Flor Eloísa Sánchez; a mis hijos, Zulay,

A mi amada esposa, Gloria Isabel, por su apoyo constante y ánimo de progreso.

Investigación de Operaciones Volumen II 7

Francisco Alfonso Chediak Pinzón

8 Francisco Chediak | Flaminio Vera

Investigación de Operaciones Volumen II 9

10 Francisco Chediak | Flaminio Vera

Ii=0 Enero Febrero Marzo Abril If=0

d4=4 d3=5 d2=3 d1=4

Principio de optimización de Bellman

Investigación de Operaciones Volumen II 11

Ejemplo 1.1 El problema de la diligencia

Solución empleando la programación dinámica

12 Francisco Chediak | Flaminio Vera

Etapa 4 Etapa 3 Etapa 2 Etapa 1

Cuando el viajero se encuentra en la etapa ó estado 2, significa que puede estar en

Investigación de Operaciones Volumen II 13

Si está en la ciudad 9, la mejor decisión es ir a la ciudad 10

Etapa 2: e2 = 5, 6, 7 ; x2 = 8, 9 ; f2(e2,x2) = Ce2,x2 + f1*(x2)

f2(e2,x2) = Ce2,x2 + f1*(x2) Fíjese que en cada fila se esco-

Interpretación: Si el agente de ventas se encuentra en la ciudad 5 y decide ir a la

Etapa 3: e3 = 2, 3, 4 ; x3 = 5, 6, 7 ; f3(e3,x3) = Ce3,x3 + f2*(x3)

14 Francisco Chediak | Flaminio Vera

Etapa 4: e4 = 1 ; x4 = 2, 3, 4 ; f4(e4,x4) = Ce4,x4 + f3*(x4)

x4 f4(e4,x4) = Ce4,x4 + f3*(x4)

Ahora, se estudia un modelo clásico de programación dinámica denominado el

Ejemplo 1.2 El cargue del buque

Investigación de Operaciones Volumen II 15

El problema puede resolverse por programación lineal entera así:

Etapa 4 Etapa 3 Etapa 2 Etapa 1

Artículo 4 Artículo 3 Artículo 2 Artículo 1

en = Peso disponible en toneladas, en la bodega del buque, cuando faltan n deci-

16 Francisco Chediak | Flaminio Vera

fn(en,Xn) = VnXn + f*(n-1)(en-pnXn), en donde:

X1 f1(e1,X1) = V1X1 + f*0(e1-p1X1)

Aquí se dice: Si tengo 4 toneladas disponibles, la decisión máxima es cargar 2 unida-

Investigación de Operaciones Volumen II 17

X2 f2(e2,X2) = V2X2 + f*1(e2-p2X2)

Luego, el tablero definitivo para esta etapa es:

18 Francisco Chediak | Flaminio Vera

Etapa 3: Artículo 3 , v3 = $8/und. , p3 = 4 ton./und.

x3 f3(e3,X3) = V3X3 + f*2(e3-p3X3)

x4 f4(e4,X4) = V4X4 + f*3(e4-p4X4)

Artículo 4: Variable X4 Artículo 3: Variable X3 Artículo 2: Variable X2 Artículo 1: Variable X1

El siguiente, es un clásico problema de distribución de recursos, empleando la

Ejemplo 1.3 Problema de distribución de recursos

Investigación de Operaciones Volumen II 19

Número de horas disponibles para

20 Francisco Chediak | Flaminio Vera

X2 f2(e2,x2) = N(e2,x2) + f*1(e2 - x2)

X3 f3(e3,x3) = Ne3,x3 + f*2(e3 - x3)

Investigación de Operaciones Volumen II 21

Etapa 3 Etapa 2 Etapa 1

e3=3 Jugada 1 e2 Jugada 2 e1 Jugada 3

Investigación de Operaciones Volumen II 3

Investigación de Operaciones Volumen II 7

8 Francisco Chediak | Flaminio Vera

Investigación de Operaciones Volumen II 9

10 Francisco Chediak | Flaminio Vera

Investigación de Operaciones Volumen II 11

12 Francisco Chediak | Flaminio Vera

Investigación de Operaciones Volumen II 13

14 Francisco Chediak | Flaminio Vera

Investigación de Operaciones Volumen II 15

16 Francisco Chediak | Flaminio Vera

Investigación de Operaciones Volumen II 17

18 Francisco Chediak | Flaminio Vera

Investigación de Operaciones Volumen II 19

20 Francisco Chediak | Flaminio Vera

Investigación de Operaciones Volumen II 21

22 Francisco Chediak | Flaminio Vera

fn(en,Xn) = 2/3fn-1(en + Xn) + 1/3fn-1(en - Xn)

Investigación de Operaciones Volumen II 23

X2 f2(e2,X2) = 2/3f1(e2 + X2) + 1/3f1(e2 - X2)

X3 f3(e3,X3)=2/3f2(e3 + X3)+1/3f2(e3 - X3) f3(e3) X3

24 Francisco Chediak | Flaminio Vera

Investigación de Operaciones Volumen II 25

26 Francisco Chediak | Flaminio Vera

Investigación de Operaciones Volumen II 27

28 Francisco Chediak | Flaminio Vera

Investigación de Operaciones Volumen II 29

30 Francisco Chediak | Flaminio Vera

Investigación de Operaciones Volumen II 31

32 Francisco Chediak | Flaminio Vera

Investigación de Operaciones Volumen II 33

34 Francisco Chediak | Flaminio Vera

Investigación de Operaciones Volumen II 35

36 Francisco Chediak | Flaminio Vera

Investigación de Operaciones Volumen II 37

38 Francisco Chediak | Flaminio Vera

Investigación de Operaciones Volumen II 39

40 Francisco Chediak | Flaminio Vera

Investigación de Operaciones Volumen II 41