Investigacion de Operaciones

Carlos Agreda, Ph.
Por:
1
Programacin Lineal
Como se sabe, para llevar a cabo la optimizacin de

cualquier proceso minero o de cualquier otro proceso,
es necesario tener un lder. Por tanto, la sucesin del
poder consiste en trasmitir la responsabilidad, el
patrimonio y el capital humano al descendiente que se
va a ocupar de la empresa y/o negocio.
Cuanto no se encuentra al sucesor dentro de la
familia, se puede buscar un candidato externo o
pensar en la posibilidad de vender la empresa.
Carlos Agreda, Ph. D
Generalidades
Ser un integrador y motivador

Dar el ejemplo
Proponer metas posibles y atractivas
Procurar los medios para conseguirlas
Saber motivar
Alcanzar un compromiso personal con toda la
organizacin; a esto se le denomina el contrato
psicolgico: aceptar y ser aceptado, no
impuesto
El perfil del lder sucesor, debe tener capacidades

desarrolladas para:
Pasos a seguir para seleccionar al lder sucesor, son los

siguiente:
1. Identificar retos: Conocer e identificar los retos
internos que tiene la empresa y definir el panorama
estratgico: Cual es la visin de la empresa?
2. Disear el perfil de liderazgo: Cul deber ser el

perfil del prximo lder de la empresa?; si es una
empresa familiar, esto primero se define en el
concejo de familia y luego en los lideres del
directorio, etc.
3. Recopilar informacin del futuro lder sucesor
4. Evaluar a los futuros lideres que estarn al frente

de la empresa: Conocer las posibilidades y
habilidades de cada uno de los candidatos.
5. Existen buenos candidatos dentro de la familia?:

De no existir un candidato interno que rene las
condiciones y expectativas, se debe buscar
candidatos externos.
6. Escoger el mas idneo.
7. Anunciar la decisin
10
Programacin Lineal
Entre los avances cientficos ms importantes de la
mitad del siglo XX es la Programacin Lineal, por su
impacto desde 1950 ha sido extraordinario por sus
aplicaciones.
Especialmente en el
calculo cientfico que
se lleva a cabo por
medio
de
las
computadoras.
Introduccin:
11
Un modelo de P. L. proporciona un mtodo eficiente

para determinar una decisin ptima, (o una estrategia
ptima o un plan ptimo) escogida de un gran nmero
de decisiones posibles y/o alternativas.
12
Programacin Lineal
En los siglos XVII y XVIII, grandes matemticos como
Newton, Leibnitz, Bernouilli y, sobre todo, Lagrange,
que tanto haban contribuido al desarrollo del clculo
infinitesimal, se ocuparon de obtener mximos y
mnimos condicionados de determinadas funciones.
Posteriormente el matemtico frnces Jean BaptisteJoseph Fourier (1768-1830) fue el primero en intuir,
aunque de forma imprecisa, los mtodos de lo que
actualmente llamamos programacin lineal y la
potencialidad que de ellos se deriva.
Origen
13
En este ao, el matemtico ruso Leonodas Vitalyevich

Kantarovitch publica una extensa monografa titulada
Mtodos matemticos de organizacin y planificacin
de la produccin en la que por primera vez se hace
corresponder a una extensa gama de problemas una
teora matemtica precisa y bien definida llamada
actualmente programacin lineal .
Si no se le toma en cuenta al matemtico Gaspar

Monge (1746-1818), quien en 1776 se interes por
problemas de este gnero, se debe enfatizar que en el
ao 1939 para encontrar nuevos estudios relacionados
con los mtodos de la actual programacin lineal.
14
En 1941-1942 se formula por primera vez el problema

de transporte, estudiado independientemente por
Koopmans y Kantarovitch, razn por la cual se suele
conocer con el nombre de problema de KoopmansKantarovitch.
Tres aos ms tarde, G. Stigler plantea otro problema
particular conocido con el nombre de rgimen
alimenticio optimal.
En estos aos posteriores a la Segunda Guerra
Mundial, en Estados Unidos se asumi que la eficaz
coordinacin de todas las energas y recursos de la
nacin era un problema de tal complejidad, que su
resolucin y simplificacin pasaba necesariamente por
los modelos de optimizacin que resuelve la
programacin lineal.
15
En 1947, G.B. Dantzig formula, en

trminos matemticos muy precisos,
el enunciado estndar al que cabe
reducir
todo
problema
de
programacin lineal. Dantzig, junto
con una serie de investigadores del
United States Departament of Air
Force,
formaran
el
grupo
denominado
SCOOP
(Scientific
Computation of Optimum Programs).
Paralelamente a los hechos descritos se desarrollan los

modelos de computacin y los ordenadores,
instrumentos que haran posible la resolucin y
simplificacin de los problemas que se estaban
originando.
16
Respecto al mtodo del algoritmo simplex, que se

estudiara mas adelante, se puede enfatizar que su
estudio comenz en el ao 1951 y fue desarrollado por
Dantzig en el United States Bureau of Standards SEAC
COMPUTER, ayudndose de varios modelos de
ordenador de la firma IBM.
Los fundamentos matemticos de la programacin lineal
se deben al matemtico norteamericano de origen
hngaro Janos von Neuman (1903-1957), quien en
1928 public: La Teora de Juegos. En 1947 conjetura
la equivalencia de los problemas de programacin lineal
y la teora de matrices desarrollada en sus trabajos. La
influencia de este respetado matemtico, discpulo de
David Hilbert en Gotinga y, desde 1930, catedrtico de la
Universidad de Princenton de Estados Unidos, hace que
otros investigadores se interesaran en el desarrollo de
esta disciplina.
17
Una de las primeras aplicaciones de los estudios del

grupo SCOOP fue el puente areo de Berlin. Luego se
continu con una serie de aplicaciones de tipo
preferentemente militar.
Hacia 1950 se constituyen, fundamentalmente en
Estados Unidos, distintos grupos de estudio para ir
desarrollando las diferentes ramificaciones de la
programacin lineal. Cabe citar, entre otros, Rand
Corporation, con Dantzig, Orchard-Hays, Ford,
Fulkerson y Gale, el departamento de Matemticas de
la Universidad de Princenton, con Tucker y Kuhn, as
como la Escuela Graduada de Administracin
Industrial, dependiente del Carnegie Institute of
Technology , con Charnes y Cooper.
18
Se ha estimado, de una manera general, que si un pas

subdesarrollado utilizase el modelo de la programacin
lineal, su producto interior bruto (PIB) aumentara entre
un 10 y un 15% en tan slo un ao.
En 1858 se aplicaron los mtodos de la programacin

lineal a un problema concreto: el clculo del plan ptimo
de transporte de arena de construccin a las obras de
edificacin de la ciudad de Mosc. En este problema
haba 10 puntos de partida y 230 de llegada. El plan
ptimo de transporte, calculado con el ordenador Strena
en 10 das del mes de junio, rebaj un 11% los gastos
respecto a los costos previstos.
19
Programacin Lineal
La programacin lineal es uno de los primeros
modelos matemticos de la investigacin de
operaciones el cual es usado para encontrar un
valor extremo de una funcin lineal dada y
compuesta de varias variables; cuando estas
deben ser no negativas y ellas deben satisfacer
ciertas restricciones las cuales se presentan en la
forma de ecuaciones o inecuaciones lineales.
El problema mas simple de programacin lineal
generalmente contiene un total de 2 a 3 variables.
Definicin:
20
10
Investigacin De Operaciones
Minimiza costos
operaciones
Consecuentemente
maximiza
la
rentabilidad de las
empresas
de
cualquier actividad
econmica
Mxima produccin
y productividad
21
Objetivo:
Construir modelos de programacin lineal para

problemas propios de la industria, en este caso
minero-metalrgica.
Discutir las propiedades de las soluciones
optimas en modelos de programacin lineal,
etc.
Es optimizar la utilizacin de los recursos

disponibles.
22
11
23
Qu es Programacin?
Programacin es el planeamiento generalmente de
actividades econmicas con propsitos de optimizacin.
Maximizar
ganancias
Minimizar
costos
Por ejemplo:
24
12
uso
de
interpretacin
El mtodo simplex.
Modelo dual y precio optimo.
Anlisis de pos-optimalidad y P. L. bajo
incertidumbre.
Programacin Lineal
Modelo
y
geomtrica.
25
Caractersticas de la programacin lineal.
Es un modelo de la investigacin de operaciones

usada para maximizar y/o minimizar una funcin
objetivo cualquiera, sujeta a ciertas restricciones.
Las variables que intervienen tanto en la funcin
objetivo como en las restricciones son lineales o de
primer grado; adems dichas variables deben ser
continuas.
La programacin lineal generalmente es usada para
optimizar la distribucin de recursos disponibles.
Las caractersticas principales de la programacin

lineal entre otras son las siguientes:
26
13
Para solucionar los problemas aplicando la

programacin lineal existen algoritmos genricos
que simplifican dicha solucin.
En la actualidad, existen varios softwares para
solucionar problemas de cualquier tipo aplicando
programacin lineal; los cuales representan una
gran ayuda tcnico-econmica, etc., etc.
El valor optimo obtenido usando la programacin

lineal es nico, no siendo necesario utilizar las
condiciones de segundo grado que complican los
clculos.
27
Proporcionalidad: En un modelo de P. L la
funcin objetivo y cada restriccin de las
variables de decisin tienen que ser lineales. Es
decir el indicador de eficiencia (utilidad o costo)
en la funcin objetivo y la cantidad de cada
recurso usado tienen que ser proporcionales, al
valor de cada variable de decisin considerada
individualmente.
Otras caractersticas de los problemas de P. L.

son:
28
14
Aditividad: En un modelo de P. L, es necesario

que cada variable sea aditiva respecto a la
utilidad (o costo) y a la cantidad de recursos
usados.
Divisibilidad: Para muchos de los problemas

propios de los negocios es muy frecuente el caso
de que las variables de decisin puedan tener
significado fsico, solamente si tienen valores
enteros. Por lo tanto, otra limitacin de la P. L es
que para obtener una solucin optima los niveles
fraccionarios de las variables de decisin, tienen
que ser descontados.
29
30
15
Optimalidad: Es un problema de P. L una

solucin de mxima utilidad o mnimo costo
siempre ocurre en uno de los vrtices del
conjunto de soluciones factibles.
31
Planteamiento general del problema de programacin

lineal
El problema general de programacin lineal puede ser
planteado, como sigue:
Min
Sujeto a:
m
a
i 1
ij xj
( Z ) cj xj
j 1
= bi
i 1, 2....., m
Donde:
j 1,2......, n
aij, cj y bj son constantes.
y,
xj 0
xj, son variables continuas
Max
32
16
En otras palabras, se tiene:

Funcin objetivo.
n
F , O.( Z ) cj xj (Maximizacin o minimizacin).
Restricciones funcionales
m
a
j 1
ij xj
= bi
i 1, 2....., m
j 1, 2......, n
j 1
33
Condiciones de no negatividad.
xj 0 j = 1, 2, ., n
En otras palabras, se cumple que:

xj = irrestricta en signo para algunos valores de j
Si se considera el problema con tres variables y tres
restricciones; la maximizacin de Z se puede expresar
matemticamente mediante la siguiente expresin:
Max Z C1 X 1 C2 X 2 ....... Cn X n
Se debe mencionar que para algunas situaciones

especiales se elimina las condiciones de no negatividad
para algunas variables de decisin.
34
17
Sujeto a:
A1 1 x1 + a1 2 x2 + + a1 n b1
A2 1 x1 + a2 2 x2 + + a2 n b2
A3 1 x1 + a3 2 x2 + + a3 n b3
.
.
.
Am 1 x1 + am 2 x 2 + + am n bm
35
La condicin de no negatividad, ser:

x1 0; x2 0, .., xn 0
Max ( Z ) c1 , c2 , c3 ,......., cn
Donde:
bi vector columna
x1
x
2
x3

.
.

xn
cx
El problema de maximizacin tambin puede ser expresado

de la siguiente manera:
c vector fila
x vector columna
36
A matriz mxn
18
a1 1 a1 2 ......a1n
a2 1 a2 2 ......a2 n
am1 am2 ......amn
x1
x
2
.

.
xm

b
1
b
2
=
.

.
bm

Ax
Las restricciones pueden expresarse matricialmente de

la siguiente manera:
37
x1 0
x
2 0
. . x 0

. 0
xm 0

Por otro lado, el problema de programacin lineal puede
tambin plantearse de la siguiente manera:
La condicin de no negatividad puede tambin

expresarse matricialmente de la siguiente manera:
38
19
Uso del recurso/unidad
Recurso
1 2 3 .n
1
2
3
.
.
.
.
m
a11 a12 a13 .. a1 n

a21 a22 a23 .. a2 n
a31 a32 a33 .. a3n
am1 am2 am3 .. amn

z/unidad
nivel
c1
X1
Cantidad
del recurso
disponible
b1
b2
b3
.
.
.
.
Bm
Actividad
c2 c3 ... cn
x2 x3 .. xn
Donde:
xj = Nivel de la variable j (variable de decisin)
(j = 1, 2, ., n)
cj = incremento en Z que resultara debido a cada unidad de
incremento en xj.
(j = 1, 2, ., n) coeficiente de beneficio de la j-enesima
variable
z = medida global de la efectividad. Funcin objetivo, funcional
o funcin preferencial (maximizar o minimizar ganancias o
costos)
bi = Cantidad de recursos disponibles en la i-esima restriccin
unidad de recurso, i = 1, 2 ., m
aij = cantidad de recurso i consumida por cada unidad de la
actividad j.
Coeficiente de la j-esima variable de decisin en i-esima
restriccin
39
40
20
Resumiendo se tiene que en forma vectorial el

planteamiento de un problema de programacin lineal
seria como sigue:
Zopt = C x } funcin objetivo
Ax
X
B } Restriccin
=
o } Condicin de no negatividad
Sujeto a:
Donde:
X = (x1, x2, ., xn)T = Vector columna con n componentes.
Se le denomina vector de actividad; y sus
componentes son variables de decisin.
41
C = (c1, c2, ., cn) = vector fila con n componentes.

Se le denomina vector de precios o costos
unitarios (coeficiente beneficio)
B = (b1, b2, ., bm) T = Vector columna con m componentes.
0 = (0, 0, ., 0) T = vector columna de n ceros.
a11a12 ....a1n
a21a22 ....a2 n
Matriz de m filas y n
A .
columnas. Se le denomina
matriz de coeficientes.
.
am1am 2 ....amn
Se le denomina vector de disponibilidad de

recursos.
42
21
aij = Representa la cantidad de recursos j que se necesita

por unidad de la actividad i.
i = 1 . m
j = 1 . n
ser
En forma esquemtica la programacin lineal puede

representada como se muestra en el siguiente diagrama:
Sistema
real
Programacin
lineal
Variable
xj
Modelo
Sistema real
supuesto o
simulado
Representacin
matemtica f(x)
funciones
lineales
43
Mtodos de solucin de los problemas de

programacin lineal.
Grafico
Algebraico
Del algoritmo simplex
Del algoritmo del tablero simplex.
Cada uno de estos mtodos tienen sus ventajas, desventajas

y/o limitaciones, por lo tanto, cada uno de ellos sern
analizados, evaluados y discutidos a travs de varios ejemplos
prcticos aplicables a cualquier actividad econmica en
general.
La aplicacin del modelo de P. L para resolver cualquier

problema, se puede efectuar usando los siguientes
mtodos:
44
22
Mtodo Grafico
El mtodo de solucin ser mostrado a travs de un

problema sencillo que se presenta con frecuencia en
la industria minera, cuyo enunciado es el siguiente:
El mtodo grafico de solucin de los problemas de

programacin lineal esta restringido solamente a 2 3
variables y por lo tanto, sus limitaciones son obvias.
45
Summary
Para solucionar los problemas usando el modelo
matemtico de programacin lineal en la tcnica de
transporte, se debe tener en cuenta lo siguiente:
2. Overtime in one center versus straight time in
another
3. Addition of more machines (additional available
time in the machine center)
4. Addition of new machines, special tools or
improvements (reduction in unit production rates)
1. Addition of extra shifts
46
23
5. Changes in prices to meet a competitive market

6. Cost (reduction in profits) of good-will items
7. Direction of sales effort
8. Optimum product mix
47
Problema de aplicacin N 1.
Labores
mineras
Tajeo 1
Tajeo 2
Zn
(%)
Pb
(%)
Produccin
planificada (Tm/da)
Costo ($)
(Hr/hombre/Tm)
4
8
6
4
40
60
4
6
En una operacin minera subterrnea que explota los

minerales de plomo (Pb) y Zinc (Zn), las estadsticas de
produccin son las siguientes:
48
24
Los requerimientos de produccin son los siguientes:

i) 80 Tm de mineral por da
Se pide:
i. Usando el mtodo grafico, calcular la produccin que
debe extraerse de cada uno de los tajeos, de tal
manera de cumplir con los requerimientos de esta, a
un costo mnimo por hora/hombre.
ii) El contenido de mineral en promedio debe ser: No

menor de 6.5% de Zn, y no menor de 4.5% de Pb.
49
ii. Discutir los resultados
Solucin.
Sea x1 el tonelaje explotado por da del tajeo 1.
Sea x2 el tonelaje explotado por da del tajeo 2.
Hrs / hom bre

Hrs / hom bre
Min ( Z ) 4
x1 6
x2
Tm
Tm
Sujeto a las siguientes restricciones:

i) La capacidad de produccin del:
En este caso la funcin objetivo ser planteada de la

siguiente manera:
Tajeo 1 .. x1 40 Tm/dia
ii) La capacidad de produccin del:
50
Tajeo 2 .. X2 60 Tm/dia
25
Min Z 4 x1 6 x2
Luego el planeamiento matemtico para resolver este
problema de programacin lineal mediante el mtodo
grafico ser el siguiente:
iii. La produccin requerida es: x1 + x2 = 80 Tm/da.

iv. Contenido mnimo de Zn: 0.04x1 + 0.08x2 0.065
(x1+x2)
v. Contenido mnimo de Pb: 0.06x1 + 0.04x2 0.045
(x1+x2)
Sujeto a:
x1
40 ..
(1)
x2
60 ..
(2)
x1 + x2
80 ..
(3)
-2.5x1 + 1.5x2
000 ..
(4)
1.5x1 - 0.5x2
000 ..
(5)
y
obviamente: x1, x2 0 .. (6)
Por lo tanto, la solucin grafica estar contenida en el
primer cuadrante (esta prcticamente es una condicin
general para este tipo de problemas, desde que ellos
tratan acerca de tonelajes, dlares, recursos, etc., etc. en
los cuales valores negativos no son aceptables.
51
52
26

La solucin grafica para este problema se

muestra en el diagrama conceptual siguiente: 53
54
27
En el cual se puede observar lo siguiente:
El rea ABC incluye todos los puntos interiores o al

costado del triangulo ABC. Se debe notar que el rea es
convexa y que la solucin optima es un punto extremo
de esta rea convexa.
Las coordenadas (x1, x2) de un punto satisfaceran

todas las restricciones si y solamente si; este punto esta
contenido en el rea ABC; esto hablando en trminos
del lgebra de espacios vectoriales.
55
x1 = 0, x2 = 0
z=0
x1 = 30, x2 = 50
z = 420
x1 = 20, x2 = 60
z = 440
La solucin optima se puede apreciar que es:
Se puede observar tambin que, para:
x1 = 30
x2 = 50
56
28
Se debe mencionar tambin que la mayora de los

problemas que son necesarios resolver en las
diversas organizaciones industriales constan de 2
3 variables por lo tanto, se debe trabajar con
poliedros convexos en lugar de polgonos convexos;
y en estos casos ya el mtodo grafico no es
aplicable; entonces, es necesario buscar otros
mtodos de solucin para este tipo de problemas.
57
Terminologa usada en la solucin de problemas de

programacin lineal.
Solucin bsica factible: Es una solucin factible de

tantas soluciones variables como ecuaciones tiene el
sistema en estudio.
Solucin Optima: Es una solucin bsica factible que
tiene el valor mas favorable de la funcin objetivo. (El
mayor o el menor, dependiendo si se trata de
maximizacin o de minimizacin)
El objetivo de la P. L es encontrar la solucin factible que
sea la optima.
Solucin factible: Es una solucin que satisface todas las

restricciones aplicables al sistema en estudio.
58
29
La posibilidad de que un problema no tenga soluciones

optimas ocurre cuando:
a) Si no tiene soluciones factibles
b) Si las restricciones no evitan el crecimiento de la F. O.,
indefinidamente en la direccin favorable z.
Generalmente, un problema de P.L. tendr una solucin

optima. Sin embargo, tambin es posible tener
soluciones optimas mltiples (Rectas que representan
a las restricciones paralelas al funcional).
59
Se tiene el siguiente problema de programacin lineal.
Subject to:
X1 + x2 20
(1)
X1 = 15
(2)
X1 + 3x2 45
(3)
-3X1 + 5x2 60
(4)
Max Z = 3x1 + 2x2
Se pide:
Solucionar el problema de P. L, usando el mtodo
grafico.
60
Discutir los resultados
30
una compaa minera subterrnea, ubicada a 4500 MOSL

produce dos tipos de concentrados.
La mezcla proviene del mineral que se explota de 4
labores subterrneas (tajeos).
La disponibilidad del tonelaje de mineral proviene de cada
labor minera y el beneficio econmico $/Tm. Se
muestra en la tabla I
Tabla I
Mining stopes
A
B
C
D
Utility (US$/Tm)
Tipos de concentrados
I (TM)
II (TM)
Disponibilidad
(Tm/month)
1
2
2
1
3
1
2
1
15,000
10,000
12,000
10,000
61
Se pide:
i. Calcular el tonelaje de concentrado de cada tipos de

mineral que debe producirse, para maximizar la
rentabilidad de dicha empresa minera
ii. Discutir los resultados
62
31
Mtodo Algebraico
El presente mtodo de solucin ser mostrado a travs
del siguiente ejemplo:
Sujeto a:
1x1 + 3x2
15000 .. (A)
2x1 + 1X2
10000 .. (B)
2x1 + 2X2
12000 .. (C)
1x1 + 1X2
10000 .. (D)
x1 0
Max Z 4 x1 3 x2
63
x2 0
En primer lugar se agregan las variables de holgura para

transformar las inecuaciones en ecuaciones y se tiene lo
siguiente:
2x1 + 1x2
2x1 + 2x2
1x1 + 1x2
=15000 (A)
+ x4
= 10000 (B)
+ x5
+ x6
= 12000 (C)
= 10000 (D)
1x1 + 3x2 + x3
Max. Z = 4x1 + 3x2 + 0x3 + 0x4 + 0x5 + 0x6

64
32
Como hay cuatro ecuaciones (m) y seis incgnitas (n)

se debe suponer que el problema tendr n m = 2
variables iguales a cero. En este caso se tiene:
6
2
= 15 combinaciones posibles.
Es decir, hay que resolver 15 veces el sistema de

ecuaciones asignando el valor cero a un par de variables
en cada solucin o iteracin respectiva.
65
Solucin bsica factible: Se elige x1 = 0 x2 = 0 y se

obtiene la 1era. Solucin bsica factible.
x1 = 0
x3 = 15000
x4 = 10000
x5 = 12000
Z = 0 Es decir esta solucin es no producir nada

y las variables de holgura x3, x4, x5, x6; solo
reportan disponibilidad.
x2 = 0
x6 = 10000
66
33
Qu variable saldra de la solucin bsica factible?

Cul de las variables no nulas se convertiran o se le
deben asignar el valor cero para obtener la siguiente
solucin?
Para ello se expresa el conjunto de variables no nulas del
sistema de ecuaciones (1) en funcin de x1 (la variable que
ingresa).
Como se esta maximizando, se debe introducir en la

solucin, aquella variable que reporte mayor beneficio, cj
es mayor.
En este caso el cj de la funcin objetivo de mayor beneficio
es c1 = 4 que corresponde a x1.
67
x2 = 0
x1 + x3 = 15000 --- x3
= 15,000 x1 x1 = 15000
2x1 + x5 = 12000 --- x5
= 12,000 2x1 x1 = 6000
x1 + x6 = 10000 --- x6
= 12,000 x1 x1
= 10000
Al igualar x3, x4, x5, x6 = 0 se obtendr varios valores de

x1 y se elige el menor porque si se toma alguno de los
otros, cualquiera de las ecuaciones del sistema (2)
tomara un valor negativo, contradiciendo las
condiciones de no negatividad.
2x1 + x4 = 10000 (2) --- x4 = 10,000 2x1 x1 = 5000
68
34
x1 5000
Re ales
x
0
2
x3 = 15000 - 5000 = 10000

x4 = 10000 - 2 x 5000 = 0
z = 20000
x5 = 12000 2 x 5000 = 2000
Se elige x1 = 5000 y el sistema ser:
x6 = 10000 5000 = 5000

69
Bsqueda de la mejor solucin.
De la ecuacin (1) se busca aquellas que contengan a x2

y x4; es decir (B):
2x1 + 1x2 + x4 = 10000
x1 = 5000 - x2 - x4
Como x2 = 0 y x4 = 0 se debe introducir una nueva

variable a la solucin, Entre x2 y x4.
70
35
Zmax = 4x1 + 3x2

Zmax = 20000 + x2 2x4
Se introduce x2
Como se maximiza,
se
ve
que
la
incorporacin de x2
lo beneficia, mientras
que x4 lo perjudica.
Reemplazando este valor de x1 en el funcional Z se

obtiene:
71
Obtencin de la tercera solucin.

Como x2 ingresa al conjunto solucin, el sistema (1).
Se despejan las variables para ponerlas en funcin de:
De A) x1 + 3x2 + x3 = 15000 x3 = 15000 x1 3x2

x3 = 15000 (5000 x2) -3x2
x2 (x4 = 0 .)
x3 = 10000 5/2x2 ()
72
36
De B) 2x1 + x2 + x4 = 10000
De C) 2x1 + 2x2 + x3 = 12000

x5 = 12000 2 (5000- x2) 2x2
x5 = 2000 x2 ()
De D) x1 + x2 + x6 = 10000
x6 = 10000 (5000- x2) x2
x6= 5000 x2 (w)
x1 = 5000 x2 ()
73
De: () x3 = 0 cuando x2 = 4000

() x1 = 0 cuando x2 = 10000 (se elige el valor menor para
() x5 = 0 cuando x2 = 2000
evitar valores negativos)
La tercera solucin quedara:

x1 = 4000
x2 = 2000
(4)
x3 = 5000
Z = 22,000
x4 = 0
Se ha mejorado la solucin
x5 = 0
ser la optima?
(w) x6 = 0 cuando x2 = 10000
74
x6 = 4000
37
Veamos si se puede introducir x4 x5 que valen cero:

En el sistema (1) se buscan aquellas soluciones que
contengan x4 y x5 x4 y x5 en forma independiente.
(B) 2x1 + x2 x4 = 10000
x1 = 5000 x2 x4
x1 = 6000 x2 x5
(C) 2x1 + 2x2 + x5 = 12000
Igualando a ambas:
5000 x2 x4 = 6000 x2 x5
x2 = 2000 + x4 x5
75
Reemplazando x2, se tiene lo siguiente:

Z = 20000 + (2000 + x4 x5) 2x4
La introduccin de x4 x5 no mejora al funcional, la

solucin obtenida en ) es la optima.
Como se puede apreciar este mtodo algebraico es tedioso
y consume mucho tiempo para solucionar problemas de P.
L que se presentan en todas y cada de las organizaciones
industriales; por lo que los diferentes investigadores
propusieron mtodos matemticos mas directos para dar
solucin a este tipo de problemas y se planteo el mtodo y
el algoritmo simplex.
Z = 22000 x4 x5
76
38
Conceptos fundamentales del algoritmo

simplex.
Bsicamente el mtodo simplex traslada la definicin

geomtrica del punto extremo a una definicin algebraica.
Fundamentalmente, la transicin del procedimiento
grafico al algebraico se basa en la validez de la siguiente
relacin:
Se expondrn los conceptos bsicos y las definiciones del

lgebra lineal del espacio n-dimensional que son
necesarias para la solucin de problemas de P. L usando
el algoritmo simplex.
77
Creacin del mtodo simplex
Para ello se debe tener en cuenta lo siguiente:

Los algoritmos del mtodo simplex primal y,
Los simplex dual.
Se inicia con la elaboracin de la forma estndar

necesaria para representar el espacio de soluciones de la
programacin lineal, por medio de un sistema de
ecuaciones simultaneas.
78
39
Adicione las variables de holgura a

todas las desigualdades.
Paso 1
Encontrar una solucin bsica

factible
Paso 2
Si
puede encontrar una solucin

bsica factible mejor (una que
aporte una utilidad mas alta)
Resuelva para la
mejor solucin
bsica factible
Paso 3
No
La solucin bsica
factible es la
Paso 4
optima
Stop.
Paso 0
79
Aspectos generales sobre el mtodo simplex.
2. El mtodo simplex es un mtodo de cambio

de bases. Una variable entra a la base, la
variable bsica entrante, y una variable sale
de la base, la variable bsica saliente.
3. El mtodo de cambio de base implica el
reemplazo de un sistema de restriccionesecuaciones por un sistema equivalente de
restricciones-ecuaciones.
1. El mtodo simplex encuentra una solucin

optima (o una solucin bsica optima factible).
80
40
O1: Reemplazar una ecuacin por si misma, tantas

veces una constante diferente de cero.
O2: Reemplazar una ecuacin por si misma, sumada
a tantas veces una constante diferente de cero
otra ecuacin restriccin.
5. El mtodo simplex requiere que la funcin objetivo
sea expresada de tal forma que cada variable
bsica, tenga como coeficiente 0.
4. En un sistema de restricciones-ecuaciones, una

ecuacin puede ser reemplazada por una
ecuacin equivalente aplicando las operaciones
siguientes:
81
6. El mtodo simplex requiere que cada variable

bsica aparezca en una y solamente una
ecuacin-restriccin.
82
41
Lo mas importante de un ser humano es reclamar su

propia y vital vocacin. La vocacin acta como una ley
divina de la que no hay escapatoria, pero muy pocos se
atreven a luchar por su sueo, adems de que en nuestro
sistema educativo, se nos ensea a ser conformistas y dar
gusto a los dems, aun cuando tengamos que renunciar a
nuestro propio llamado.

Profesor
83
42

Investigacion de Operaciones

Cargado por

Copyright:

Formatos disponibles

Investigacion de Operaciones

Cargado por

Información del documento

Descripción original:

Título original

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

Investigacion de Operaciones

Cargado por

Copyright:

Formatos disponibles

Carlos Agreda, Ph.

Como se sabe, para llevar a cabo la optimizacin de

Carlos Agreda, Ph. D

Ser un integrador y motivador

Carlos Agreda, Ph. D

El perfil del lder sucesor, debe tener capacidades

Carlos Agreda, Ph. D

Pasos a seguir para seleccionar al lder sucesor, son los

Carlos Agreda, Ph. D

2. Disear el perfil de liderazgo: Cul deber ser el

Carlos Agreda, Ph. D

3. Recopilar informacin del futuro lder sucesor

Carlos Agreda, Ph. D

4. Evaluar a los futuros lideres que estarn al frente

Carlos Agreda, Ph. D

5. Existen buenos candidatos dentro de la familia?:

Carlos Agreda, Ph. D

6. Escoger el mas idneo.

Carlos Agreda, Ph. D

Carlos Agreda, Ph. D

Carlos Agreda, Ph. D

Un modelo de P. L. proporciona un mtodo eficiente

Carlos Agreda, Ph. D

En este ao, el matemtico ruso Leonodas Vitalyevich

Carlos Agreda, Ph. D

Si no se le toma en cuenta al matemtico Gaspar

Carlos Agreda, Ph. D

En 1941-1942 se formula por primera vez el problema

En 1947, G.B. Dantzig formula, en

Carlos Agreda, Ph. D

Paralelamente a los hechos descritos se desarrollan los

Respecto al mtodo del algoritmo simplex, que se

Carlos Agreda, Ph. D

Carlos Agreda, Ph. D

Una de las primeras aplicaciones de los estudios del

Se ha estimado, de una manera general, que si un pas

Carlos Agreda, Ph. D

En 1858 se aplicaron los mtodos de la programacin

Carlos Agreda, Ph. D

Construir modelos de programacin lineal para

Carlos Agreda, Ph. D

Es optimizar la utilizacin de los recursos

Carlos Agreda, Ph. D

Carlos Agreda, Ph. D

Carlos Agreda, Ph. D

Caractersticas de la programacin lineal.

Es un modelo de la investigacin de operaciones

Carlos Agreda, Ph. D

Las caractersticas principales de la programacin

Para solucionar los problemas aplicando la

Carlos Agreda, Ph. D

El valor optimo obtenido usando la programacin

Carlos Agreda, Ph. D

Otras caractersticas de los problemas de P. L.

Carlos Agreda, Ph. D

Aditividad: En un modelo de P. L, es necesario

Divisibilidad: Para muchos de los problemas

Carlos Agreda, Ph. D