UNIVERSIDAD NACIONAL AUTONOMA DE NICARAGUA, MANAGUA, UNAN- MANAGUA

Facultad de Ciencias Económicas

Departamento de Economía

Integrantes:
María Elena Talavera Molina.
Eleazar Agustín Delgadillo Barrera.
Rommel Alexander Diaz Carballo.

Grupo: 1141

Turno: Matutino

Fecha:

07/07/23

Contenido
Resumen...................................................................................................................................................3
 Introducción.............................................................................................................................................4
Desarrollo.................................................................................................................................................6
Características y metodología de la investigación de operaciones.......................................................6
Pasos para su resolución.........................................................................................................................9
LINEAR PROGRAM -- ORIGINAL DATA.........................................................................................................12
SIMPLEX TABLEAUS -- (M-Method)............................................................................................................12
LINEAR PROGRAM -- ORIGINAL DATA (Método Simplex)............................................................................14
SIMPLEX TABLEAUS -- (Starting All-Slack Method)......................................................................................14
Resultado................................................................................................................................................16
Conclusión...............................................................................................................................................17
Bibliografía..............................................................................................................................................18

Resumen.

La realización de este proyecto se contó con el apoyo de dos métodos como son de la gran M y
Simplex, lo que sus aplicaciones se implementaran a los préstamos que otorga del Banco Gane a
través de políticas de bancarias de préstamos que tienen como fin de maximizar su retorno neto,
que es la diferencia entre el retorno por intereses y los préstamos impagables. Con base en el
hecho que las deudas impagables nos pueden recuperar, tanto el principal como el interés, lo
que con ayuda del proceso matemático nos ayudara a obtener su función objetivo y sus
respectivas restricciones que involucran los fondos totales, préstamos y límites de deudas
impagables. Para ello se usó el programa TORA que nos facilitó la resolución del problema y así
poder saber que método es el más factible para encontrar la condiciones que plantea el
ejercicio.

Introducción.
La Investigación de Operaciones o Investigación Operativa (en inglés OR u Operations Research)
es una disciplina que consiste en la aplicación de métodos analíticos avanzados con el propósito
de apoyar el proceso de toma de decisiones, identificando los mejores cursos de acción posibles.

En este contexto la Investigación de Operaciones utiliza técnicas de modelamiento matemático,

análisis estadístico y optimización matemática, con el objetivo de alcanzar soluciones óptimas o
cercanas a ellas cuando se enfrentan problemas de decisión complejos. Se espera que las
decisiones alcanzadas mediante el uso de un modelo de investigación operativa sean
significativamente mejores en comparación a aquellas decisiones que se podrían tomar haciendo
uso de la simple intuición o experiencia del tomador de decisiones. Lo anterior es
particularmente cierto en aquellos problemas de naturaleza real complejos, que consideran
cientos, incluso miles de variables de decisión y restricciones.

La Investigación de Operaciones se complementa con otras disciplinas como la Ingeniería

Industrial y la Gestión de Operaciones. En términos estrictos un modelo de optimización
considera una función objetivo en una o varias variables que se desea maximizar (por ejemplo, el
ingreso o beneficio asociado a un plan de producción) o por el contrario minimizar (por ejemplo,
los costos de una firma, el riesgo asociado a una decisión, la pérdida de una alternativa, etc.). Los
valores que pueden adoptar las variables de decisión usualmente están restringidos por
restricciones que adoptan la forma de ecuaciones y/o inecuaciones que buscan representar las
limitantes asociadas a la problemática. El enfoque de la Investigación de Operaciones es el
modelaje. Un modelo es una herramienta analítica que nos sirve para lograr una visión bien
estructurada de la realidad. Así, el propósito del modelo es proporcionar un medio para analizar
el comportamiento de las componentes de un sistema con el fin de optimizar su desempeño
(identificar el mejor curso de acción posible).

Antecedentes.
Investigación de operaciones.

El término IO se utiliza por primera vez en el año 1939 durante la 2da Guerra Mundial,
específicamente cuando surge la necesidad de investigar las operaciones tácticas y estratégicas
de la defensa aérea, ante la incorporación de un nuevo radar, en oportunidad de los ataques
alemanes a Gran Bretaña. El avance acelerado de la tecnología militar hace que los ejecutivos y
administradores militares británicos deban recurrir a los científicos, en pos de apoyo y
orientación en la planificación de su defensa. El éxito de un pequeño grupo de científicos que
trabajaron en conjunto con el ejecutivo militar a cargo de las operaciones en la “línea”, derivó en
una mayor demanda de sus servicios y la extensión del uso de la metodología a USA, Canadá y
Francia entre otros. (CeibalFormacion, s.f.)

Método Simplex y de la gran M.

Quizás uno de los más importantes ha sido la implementación en la programación lineal ha sido
el método simplex que fue desarrollado por George Dantzig en 1947. La historia de su desarrollo
es curiosa, pues un día el profesor expuso un problema sin resolver de programación lineal, pero
ese día Dantzig llego tarde a clase y creyó que el problema era tarea. Al tratar de resolverlo
Dantzing pensó que el problema era más complejo de lo habitual pero aun así lo resolvió y el
profesor asombrado de sus habilidades ya que el problema que había resuelto fue aplicado por
método simplex. A partir de ahí se crearon el método por dos fases o como le conocemos
“Método De La Gran M” o método simplex revisado, lo que cada función estaba en distintas
circunstancias, pero bajo el mismo punto.

Por eso se dice que este método se deriva del método simplex lo que planteo Dantzing es que
primeramente se debía de cambiar la función objetivo que están incluidas también las variables
artificiales, lo que deberán estar multiplicadas con un número más grande para que no se
eliminen a través de las operaciones, llamado M donde solo ira cuando se sume o se reste la
misma. (Prezi, s.f.)
 Desarrollo.

Características y metodología de la investigación de operaciones.

Entre las principales características de la investigación operativa se encuentran las siguientes:

 Para investigar los problemas utiliza el método científico de investigación.

 El proceso de investigación inicia con la observación de problemas y recolección de
datos.
 El problema se presenta de forma cuantitativa, sólo de esta forma es posible su análisis y
evaluación.
 El objetivo de este método es solucionar problemas organizacionales.
 Se encarga de encontrar la mejor alternativa para la solución del problema.
 Para que este método funcione es necesario realizar el trabajo en equipo, el cual debe
estar formado por expertos.
La metodología de la investigación operativa son métodos más utilizados incluyen lógica
matemática, simulación, análisis de redes, teoría de colas y teoría de juegos.

1. Lógica Matemática:

La lógica matemática es un tipo de estudio formal y de manera simbólica de la lógica que

comprende la aplicación de una serie de técnicas para la construcción y el desarrollo de las
matemáticas y al mismo tiempo del razonamiento.

2. Simulación:

A nivel de planificación y control estratégicos de una empresa, los modelos de simulación

insertan varios inputs a un sistema y proporcionan un modelo para evaluar o volver a diseñar
y medir o cuantificar factores tan importantes como la satisfacción del cliente, la utilización
de recursos, el proceso de reingeniería y el tiempo invertido en todo ello. Si nos refiriéramos
al proceso de reingeniería o proceso de innovación, como a veces se le denomina, éste es un
medio por el que las organizaciones intentan reinventarse. Este esfuerzo comporta procesos
de replanteamiento, búsqueda de procesos innovadores y por ello más efectivos y eficientes
de cara a ser productoras de mayor numero de negocios. Una herramienta básica utilizada
para replantear los procesos en las organizaciones es la simulación.
 3. Análisis de redes:

La modelación de redes permite la resolución de múltiples problemas de programación

matemática mediante la implementación de algoritmos especiales creados para tal fin,
conocidos como Algoritmos de optimización de redes. Dentro de los problemas más
comúnmente resueltos mediante la modelación de redes se encuentran los ya vistos
modelos de transporte, transbordo además de los muy conocidos modelos de determinación
de cronograma de actividades para proyectos como lo son el PERT y el CPM.

4. Teoría de colas:

La teoría de colas es la rama de la matemática que estudia los fenómenos y

comportamientos en líneas de espera. Se definen cuando un usuario que demanda cierto
servicio decide esperar por el servidor para ser procesado. Estudia los elementos que se
hacen presentes en las líneas de espera de cualquier tipo, ya sean de elementos humanos, o
de procesamiento de datos u operaciones. Sus conclusiones son de constante aplicación en
líneas de producción, registro y procesamiento.

5. Teoría de juego:

La teoría de los juegos es una rama de la matemática con aplicaciones a la economía,

sociología, biología y psicología, que analiza las interacciones entre individuos que toman
decisiones en un marco de incentivos formalizados (juegos). En un juego, varios agentes
buscan maximizar su utilidad eligiendo determinados cursos de acción. La utilidad final
obtenida por cada individuo depende de los cursos de acción escogidos por el resto de los
individuos.
Método Simplex.

El Método Simplex es un método iterativo que permite ir mejorando la solución en cada paso. La
razón matemática de esta mejora radica en que el método consiste en caminar del vértice de un
poliedro a un vértice vecino de manera que aumente o disminuya (según el contexto de la
función objetivo, sea maximizar o minimizar). Dado que el número de vértices que presenta un
poliedro solución es finito, en la medida en que se pueda satisfacer el conjunto de restricciones,
siempre se hallará como mínimo una solución óptima.

Ventajas.

El método simplex facilita la localización eficiente y eficaz de una solución, ubicado entre los
extremos de un problema de la programación lineal. De modo que, la gran ventaja de este
método es práctica y sencilla, pues solo trabaja con los coeficientes de acuerdo a las
restricciones y su función objetivo, es sumamente importante en el sector empresarial, porque
actúa como una herramienta para ofrecer soluciones a los problemas relacionados con pérdidas,
inventario y ganancias. Con esta metodología, es posible visualizar cuánto se debe comprar,
producir y vender, según sea el caso. Esto con la finalidad de que la compañía obtenga las
ganancias suficientes para posicionarse y competir en el mercado. En base a ello, es conveniente
afirmar que el método SIMPLEX presenta una excelente opción para las industrias y empresas
especializadas en el sector del transporte, específicamente en el área de inventarios.

Desventajas:

 Confluyen de una manera mucho más lenta que con otras metodologías, esto se debe a
que necesita de un mayor número de iteraciones.

 Cuando existe una función que presenta variables básicas positivas y una restricción de
desigualdad” ≤". SIMPLEX, al realizar el cambio transforma estas variables en negativas,
mientras que en la fila de valor que corresponde a la función objetivo, quedan positivas.
Durante este proceso se produce una condición parada, por lo que el valor óptimo a
obtener será 0, por defecto.
Método de la gran M.

Consiste en modificar el problema original y transformarlo a la forma canónica, agregando un

nuevo vector, conocido como variable artificial W, a las restricciones que generan el problema
de negatividad (por lo general, ocurren las restricciones de igualdad y mayor-igual). Estas
variables penalizan a la función objetivo con un costo de MW, donde M es un valor positivo
arbitrario muy elevado. Como el método simplex siempre trata de mejorar la función objetivo,
intentará sacar a W de la base cuanto antes posible. Si durante la operación se llegará a una
solución óptima en que W tiene un valor positivo, entonces implica que el problema original no
tiene solución (o la solución no es factible). Nota: hay que tener presente que cuando la función
objetivo es una maximización, la variable artificial la penalizará con un valor negativo (-MW), en
cambio, para una función objetivo de minimización, la variable artificial la penalizara con un
valor positivo (+MW).

Pasos para su resolución.

 Pasar al modelo básico del problema.

 Agregar ecuaciones variables a aquellas que no tienen Holgura.
 Se debe penalizar las variables artificiales en la función objetivo asignándoles
conocimientos positivos muy grandes.
 Con la solución inicial se aplica el método simplex acostumbrado.

Ventajas:

 La base del método es el método Simplex.

 Permite trabajar con restricciones >= e igualdades.

Desventajas:

 Suele ser complicado trabajar con las penalizaciones (M).

 Cuando las variables artificiales no toman el valor de 0 tenemos una solución no factible.
 Proyecto de créditos que ofrece el Banco Gane.

Inspirado por el manual de investigación de operaciones (Taha, 2009)

Banco Gane está desarrollando una política de préstamos por un máximo de $12 millones. La
tabla siguiente muestra los datos pertinentes acerca de los distintos tipos de préstamo.

Tipo de prestamo Tasa de interes % de deuda imapagable

Personal 0.140 0.10
Automovil 0.130 0.07
Casa 0.120 0.03
Agricola 0.125 0.05
Comercial 0.100 0.02

Las deudas impagables no se recuperan y no producen ingresos por intereses. Para competir con
otras instituciones financieras se necesita que el banco asigne un mínimo de 40% de los fondos a
préstamos agrícolas y comerciales. Para ayudar a la industria de la construcción de su región, los
préstamos familiares deben ser iguales, cuando menos, al 50% de los préstamos personales,
para automóvil y para casa. También el banco tiene una política explícita que no permite que la
relación general de préstamos impagables entre todos los préstamos sea mayor que 4 por
ciento.

Representación matemática. Se busca determinar la cantidad de préstamo en cada categoría, y

en consecuencia se llega a las siguientes definiciones de las variables (en millones de dólares).

X1 = préstamos personales.

X2 = préstamos para automóvil.

X3 = préstamos para casa.

X4 = préstamos agrícolas.

X5 = préstamos comerciales.
El objetivo de Banco Gane es maximizar su retorno neto, que es la diferencia entre el retorno
por intereses y los préstamos impagables. Con base en el hecho que las deudas impagables no se
pueden recuperar, tanto el principal como el interés, la función objetivo será la siguiente:

Maximizar z = 0.14(0.9x1) + 0.13(0.93x2) + 0.12(0.97x3) + 0.125 (0.95x4) + 0.1(0.98x5) – 0.1x1 –

0.07x2 – 0.03x3 – 0.05x4 – 0.02x5.

Esta función se simplifica así:

Maximizar z= 0.026x1 + 0.0509x2 + 0.0864x3 + 0.06875x4 + 0.078x5

El problema tiene cinco restricciones:

1. Fondos Totales
x1 + x2 + x3 + x4 + x5 ≤ 12
2. Prestamos agrícolas y comerciales
x4 + x5 ≥ 0.4 x 12
Osea:
x4 + x5 ≥ 4.8
3. Préstamos para casa
x3 ≥ 0.5 (x1 + x2 + x3)
Osea:
0.5x1 + 0.5x2 - 0.5x3 ≤ 0
4. Límite de deudas impagable
(0.1x1 + 0.07x2 + 0.03x3 + 0.05x4 + 0.02x5/ x1 + x2 + x3 + x4 + x5) ≤ 0.04
Osea:
0.06x1 + 0.03x2 – 0.01x3 +0.01x4 – 0.02x5 ≤ 0
5. No negatividad
X1 ≥ 0, X2 ≥ 0, X3 ≥ 0, X4 ≥ 0, X5 ≥ 0
LINEAR PROGRAM -- ORIGINAL DATA
Title: Creditos del Banco Gane

x1 x2 x3 x4 x5
Maximize 0.03 0.05 0.09 0.07 0.08
Subject to
( 1) 1.00 1.00 1.00 1.00 1.00 <=
( 2) 0.00 0.00 0.00 1.00 1.00 >=
( 3) 0.50 0.50 0.50 0.00 0.00 <=
( 4) 0.06 0.03 0.01 0.01 0.02 <=

Lower Bound 0.00 0.00 0.00 0.00 0.00

Upper Bound infinity infinity infinity infinity infinity
Unrestr'd (y/n)? n n n n n

( 1) 12.00
( 2) 4.80
( 3) 0.00
( 4) 0.00

SIMPLEX TABLEAUS -- (M-Method)

Title: Creditos del Banco Gane

Iteration 1
Basic x1 x2 x3 x4 x5 Sx6
z (max) -0.03 -0.05 -0.09 -100.07 -100.08 100.00
sx7 1.00 1.00 1.00 1.00 1.00 0.00
Rx8 0.00 0.00 0.00 1.00 1.00 -1.00
sx9 0.50 0.50 0.50 0.00 0.00 0.00
sx10 0.06 0.03 0.01 0.01 0.02 0.00
Lower Bound 0.00 0.00 0.00 0.00 0.00
Upper Bound infinity infinity infinity infinity infinity
Unrestr'd (y/n)? n n n n n

Basic sx7 Rx8 sx9 sx10 Solution

z (max) 0.00 0.00 0.00 0.00 -480.00
sx7 1.00 0.00 0.00 0.00 12.00
Rx8 0.00 1.00 0.00 0.00 4.80
sx9 0.00 0.00 1.00 0.00 0.00
sx10 0.00 0.00 0.00 1.00 0.00

Iteration 2
Basic x1 x2 x3 x4 x5 Sx6
z (max) 300.21 150.07 49.95 -50.03 0.00 100.00
sx7 -2.00 -0.50 0.50 0.50 0.00 0.00
Rx8 -3.00 -1.50 -0.50 0.50 0.00 -1.00
sx9 0.50 0.50 0.50 0.00 0.00 0.00
x5 3.00 1.50 0.50 0.50 1.00 0.00
Lower Bound 0.00 0.00 0.00 0.00 0.00
 Upper Bound infinity infinity infinity infinity infinity
Unrestr'd (y/n)? n n n n n

Basic sx7 Rx8 sx9 sx10 Solution

z (max) 0.00 0.00 0.00 5004.00 -480.00
sx7 1.00 0.00 0.00 -50.00 12.00
Rx8 0.00 1.00 0.00 -50.00 4.80
sx9 0.00 0.00 1.00 0.00 0.00
x5 0.00 0.00 0.00 50.00 0.00

Iteration 3
Basic x1 x2 x3 x4 x5 Sx6
z (max) 600.39 300.16 99.98 0.00 100.06 100.00
sx7 -5.00 -2.00 0.00 0.00 -1.00 0.00
Rx8 -6.00 -3.00 -1.00 0.00 -1.00 -1.00
sx9 0.50 0.50 0.50 0.00 0.00 0.00
x4 6.00 3.00 1.00 1.00 2.00 0.00
Lower Bound 0.00 0.00 0.00 0.00 0.00
Upper Bound infinity infinity infinity infinity infinity
Unrestr'd (y/n)? n n n n n

Basic sx7 Rx8 sx9 sx10 Solution

z (max) 0.00 0.00 0.00 10007.00 -480.00
sx7 1.00 0.00 0.00 -100.00 12.00
Rx8 0.00 1.00 0.00 -100.00 4.80
sx9 0.00 0.00 1.00 0.00 0.00
x4 0.00 0.00 0.00 100.00 0.00

Al haber realizado el procedimiento por TORA que es una manera muy eficiente para verificar si
dicho ejercicio se planteó de manera correcta, además a pesar de haber obtenido la solución
óptima que se presentó en la iteración tres, no cumple con los parámetros necesario ya que
según lo que se plantea en el método de la gran m, no puede existir una variable ficticia en la
base lo que significa que nuestro modelo no tiene una solución para el ejercicio, por ende, se
buscar otra solución para resolver las condiciones que plantea el ejercicio, para ello se hará uso
del método simplex que es algo similar al método ya antes planteado, aunque se creara una
nueva condición para este ejercicio ya que el Banco Gane al ver esta situación optara por
establecer porcentaje cuanto menos del 40% en los prestamos agrícolas y comerciales con el fin
de buscar un método que refleje de manera eficaz la condición que se pide y a la vez darle el
paso de competir con otras financieras, para ello se establecerá esta nueva condición:
Prestamos agrícolas y comerciales.
X4 + X5 ≥ 4.8

Cuanto menos o también puede ser más.

X4 + X5 ≤ 4.8
LINEAR PROGRAM -- ORIGINAL DATA (Método Simplex)
Title: Creditos del Banco Gane

x1 x2 x3 x4 x5
Maximize 3.00 5.00 9.00 7.00 8.00
Subject to
( 1) 1.00 1.00 1.00 1.00 1.00 <=
( 2) 0.00 0.00 0.00 1.00 1.00 <=
( 3) 5.00 5.00 5.00 0.00 0.00 <=
( 4) 6.00 3.00 1.00 1.00 2.00 <=

Lower Bound 0.00 0.00 0.00 0.00 0.00

Upper Bound infinity infinity infinity infinity infinity
Unrestr'd (y/n)? n n n n n

( 1) 12.00
( 2) 4.80
( 3) 0.00
( 4) 0.00

SIMPLEX TABLEAUS -- (Starting All-Slack Method)

Title: Creditos del Banco Gane

Iteration 1
Basic x1 x2 x3 x4 x5 sx6
z (max) -3.00 -5.00 -9.00 -7.00 -8.00 0.00
sx6 1.00 1.00 1.00 1.00 1.00 1.00
sx7 0.00 0.00 0.00 1.00 1.00 0.00
sx8 5.00 5.00 5.00 0.00 0.00 0.00
sx9 6.00 3.00 1.00 1.00 2.00 0.00
Lower Bound 0.00 0.00 0.00 0.00 0.00
Upper Bound infinity infinity infinity infinity infinity
Unrestr'd (y/n)? n n n n n

Basic sx7 sx8 sx9 Solution

z (max) 0.00 0.00 0.00 0.00
sx6 0.00 0.00 0.00 12.00
sx7 1.00 0.00 0.00 4.80
sx8 0.00 1.00 0.00 0.00
sx9 0.00 0.00 1.00 0.00

Iteration 2
Basic x1 x2 x3 x4 x5 sx6
z (max) 6.00 4.00 0.00 -7.00 -8.00 0.00
sx6 0.00 0.00 0.00 1.00 1.00 1.00
sx7 0.00 0.00 0.00 1.00 1.00 0.00
x3 1.00 1.00 1.00 0.00 0.00 0.00
sx9 5.00 2.00 0.00 1.00 2.00 0.00
Lower Bound 0.00 0.00 0.00 0.00 0.00
Upper Bound infinity infinity infinity infinity infinity
Unrestr'd (y/n)? n n n n n

Basic sx7 sx8 sx9 Solution

z (max) 0.00 1.80 0.00 0.00
sx6 0.00 -0.20 0.00 12.00
sx7 1.00 0.00 0.00 4.80
x3 0.00 0.20 0.00 0.00
sx9 0.00 -0.20 1.00 0.00

Iteration 3
Basic x1 x2 x3 x4 x5 sx6
z (max) 26.00 12.00 0.00 -3.00 0.00 0.00
sx6 -2.50 -1.00 0.00 0.50 0.00 1.00
sx7 -2.50 -1.00 0.00 0.50 0.00 0.00
x3 1.00 1.00 1.00 0.00 0.00 0.00
x5 2.50 1.00 0.00 0.50 1.00 0.00
Lower Bound 0.00 0.00 0.00 0.00 0.00
Upper Bound infinity infinity infinity infinity infinity
Unrestr'd (y/n)? n n n n n

Basic sx7 sx8 sx9 Solution

z (max) 0.00 1.00 4.00 0.00

sx6 0.00 -0.10 -0.50 12.00

sx7 1.00 0.10 -0.50 4.80
x3 0.00 0.20 0.00 0.00
x5 0.00 -0.10 0.50 0.00

Iteration 4
Basic x1 x2 x3 x4 x5 sx6
z (max) 41.00 18.00 0.00 0.00 6.00 0.00
sx6 -5.00 -2.00 0.00 0.00 -1.00 1.00
sx7 -5.00 -2.00 0.00 0.00 -1.00 0.00
x3 1.00 1.00 1.00 0.00 0.00 0.00
x4 5.00 2.00 0.00 1.00 2.00 0.00
Lower Bound 0.00 0.00 0.00 0.00 0.00
Upper Bound infinity infinity infinity infinity infinity
Unrestr'd (y/n)? n n n n n

Basic sx7 sx8 sx9 Solution

z (max) 0.00 0.40 7.00 0.00
sx6 0.00 0.00 -1.00 12.00
sx7 1.00 0.20 -1.00 4.80
x3 0.00 0.20 0.00 0.00
x4 0.00 -0.20 1.00 0.00
 Resultado
No hay ventaja económica por establecer un límite mínimo sobre la cantidad de préstamos
agrícolas y comerciales. Esta observación coincide con la interpretación de la primera restricción,
que estipula que todos los fondos nuevos se deben asignar a préstamos de casa, y no a
préstamos agrícolas y comerciales. De hecho, al quitar el requisito del límite mínimo para
préstamos agrícolas y comerciales y ponerle un límite de por lo “por lo menos” es decir que su
porcentaje que implica ofrecerle el credito puede ser mayor a aun así todos los fondos se
asignarían a préstamos para casa debido a la tasa de interés que se le ofrece a un menor
porcentaje de perdida que puede generar, ya que el Banco Gane busca maximizar su retorno
que es lo que le genera beneficio a largo plazo.
 Conclusión.

Como se ha demostrado en este informe que el método de la gran M no fue el más factible para
resolución del proyecto debido a una variable ficticia en la base que hace que nuestro ejercicio
no este apto para este modelo, sin embargo, el Banco Gane presenta una nueva condición para
poder encontrar una solución óptima que le ayudo a maximizar el retorno que es el que le
genera ganancia a corto plazo, lo que se hizo uso del método simplex que sirvió de apoyo para
encontrar ese beneficio que le permitiera al Banco competir con otras financieras.
Bibliografía
CeibalFormacion. (s.f.). Obtenido de https://blogs.ceibal.edu.uy/formacion/que-es-la-investigacion-de-
operaciones/#:~:text=La%20investigaci%C3%B3n%20de%20operaciones%20tambi%C3%A9n
%20conocida%20como%20teor%C3%ADa,objetivo%20es%20realizar%20la%20toma%20de
%20decisiones%2C%20

Prezi. (s.f.). Obtenido de https://prezi.com/lwq43isn2ckz/metodo-de-la-m-grande/

Taha, H. A. (2009). Investigacion de operaciones.