Investigacion de Operaciones I

.
'
'
!
. "
.1
. '
i
)
\
;
'
'
1
i
!
i
l .
'
'
INSTITUTO SUPERIOR DE CIMPUTACIN, S.C .
DIVISIN liCENCIATURAS
MATERIAL DIDACTICO PARA .
ClASE DE
INVESTIGACI DE
OPERACIO ES 1
PROLOGO
El esfuerzo sistemtico por alcanzar la eterna meta de lo me-
jor, que la insaciable inteligencia del hombre persigue sin cesar,
constituye la investigacin ae operaciones. Esta no se refiere a pro-
blemticas ajenas al hombre y ante cuyas soluciones, en uno u
otro sentido, ste pueda permanecer indiferente. Es su vida misma,
con sus angustias y sus esperanzas, la que aparece comprometida
en los problemas y arriesgada en las soluciones. De aqu que de
estas soluciones, claramente determinada o apenas entrevista, de-
pende el curso ulterior de la existencia del hombre, su xito o su
fracaso.
No es extrao que el carcter peculiar de la investigacin de
operaciones se refleje sobre su enseanza y suscite grandes c:lifi-
cultades. Ensear esta disciplina no consiste en informar o ilustrar
al alumno acerca de pormenores que fatigan su memoria, sino
suscitar en su nimo el nacimiento de un enfoque muy particular
hacia los problemas y despertar en l la necesidad de encontrarles
perentoria respuesta; hacer que la problemtica hunda su.aguijn
en la carne del nefito y que ste se sienta arrastrado por la in-
cgnita experimentada como angustia propia. Por eso, el iniciarlo
en la investigacin de operaciones no es slo hacerlo asimilar un
saber logrado, sino lanzarlo por propia cuenta y riesgo a inves-
tigar.
Por otra parte, para qu_ienes nos dedicamos al estudio y al
ensanchamiento del mundo a travs de la trasmisin cultural en
las aulas, ha sido difcil encontrar un libro que se adapte a las
necesidades del programa de la materia, p r o b ~ por la Comisin
Acadmica de la Facultad de Comercio y Administracin de la Uni-
versidad Nacional Autnoma de Mxico. Ante esta situacin, las
faenas docentes imponen la inaplazable necesidad de ofrecer al
alumno, siquiera en forma sucinta y esquemtica, el ndice expli-
cativo de los temas contenidos en el programa aprobado, para fa-
cilitarle el estudio y aprendizaje de esta disciplina, que se enri-
'
1
\
'"
PROLOGO
quece cada da ms con el aporte de otras ciencias !f tcnicas a
las que el hombre ha prestado mayor atencin.
Esta obra es elemental; no est escrita para especialistas. Con-
sidero, sin embargo, que puede servir de noticia y de orientacin
para lecturas ms profundas, como algunas de las mencionadas
en la bibliografa. Por ello no doy supuesto sino lo verdaderamente
obvio, para facilitar su comprensin y hacerla, pudiera decirse,
autnoma. No tengo el pudor del docto y especialista que se re-
siste a explicar lo elemental en forma elemental, porque explicarlo
es precisamente la funcin de esta obra.
El material que se incluy en esta obra, as como la mayora
de los ejemplos, lo hacen muy valioso p ~ la mayora de las
carreras universitarias, como son la de Contador Pblico, Licen-
ciado en Administracin, Ingeniera en todas sus ramas y an
para cualquier Gerente o Empresario en su propio negocio.
Las fuentes para este trabajo no se reducen al libro impreso,
sino que acuso desde luego la int1uencia de las personalidades con
quienes convivo y de las cuales he obtenido informacin, sugeren-
cias y estmulos. Menciono con ese carcter al director de la Fa-
cultad de Comercio y Administracin, L.A.E. y C.P. Jos Antonio
Fernndez Arena; a los doctores Elena K. de Kleiman, Ariel Klei-
man, Jean Paul Rheault y Daniel Ramos; y a los L.A.E. y C.P.
Bernardo Salgado, Sergio Flores Gortari y Alberto Block, de los
cuales en alguna o varias ocasiones he escuchado ideas, citas o
reflexiones que de una u otra manera han influido en mi infor-
macin.
Deseo hacer patente en forma muy especial mi agradecimien-
to a la TEXAS A. & M. UNIVERSITY, en especial al Sr. Dr. Fred
J. Benson, P. E., Director de la Facultad de Ingeniera de la propia
Universidad, por haber hecho posible que este libro se terminara.
Igualmente agradezco a los Sres. Directivos de la UNIVERSIDAD
REGIOMONTANA, en especial al Sr. Rector Ing. Roberto Trevio
Gonzlez, al Vice-Rector lng. Roberto Trevio Villarreal, al Direc-
tor de la Facultad de Ingeniera lng. y Lic. en Matemticas Gon-
zalo Ocaas Dotnnguez, al C.P. Maestro en Admn. Sergio Flores
Galindo y al lng. y Lic. en Matemticas. Ral M. Montemayor
Martnez, Secretario de la Facutad de Ingeniera, por la buena
acogida que han dado a esta obra.
Igualmente. hago patente mi agradecimiento a mis alumnos
Miguel Baltazar Rubio, sin cuya ayuda en la elaboracin material
de este trabajo nunca hubiera sido realidad; Antonio Delgado C.,
: 1
: !
. ;
;
'
J
J
f
1
t
1
;
)
1
1

1

.
t

i
1
.1

.,

'
'
,
PROLOGO
V
Guadalupe Aguila H. y Eduardo Tapia, quienes desarrollaron mu-
chos de los ejemplos explicados en clase; Leo bardo Azpeitia G-.
mez, por su esfuerzo en el primer intento de esta obra; y otros
muchos cuyos nombres escapan a mi memoria, pero cuyos esfuer-
zos no fueron en vano.
HUMBERTO J. BENEI:
1
l
'
!
CONTENIDO
l. Nociones introductorias, 1
11. Mtodos y modelos de la investigacin
de operaciones, 18
111. Programacin lineal, 27 >
IV. Programacin lineal. Mtodo Simplex o de Dantzig, 41
V. El problema dual, 101 '
VI. El mtodo de transporte, 107 /
VIl. Asignacin, 142
VIII. Teora de los juegos, 153
Prcticas sugeridas, 199
Bibliografa, 231
Yli
l
:
t
l
'
'
i
i
1
1
NOCIONES INTRODUCTORIAS
1.1. ORIGEN DE LA INVESTIGACION DE OPERACIONES
Por lo general se piensa que la investigacin de operaciones es de
oi:-igen reciente; sin embargo, sta se remonta a muchos aos atrs.
El hombre, en todos los diferentes mbitos de su actividad, siempre
ha procurado lograr resultados ptimos. Este afn se increment
notablemente en la poca posterior a la Segunda Guerra Mundial.
como consecuencia de los avances matemticos y tecnolgicos sur-
gidos incialmente de la imperiosa necesidad de aprovechar de la
mejor manera posible los recursos humanos y materiales destina-
dos a fines blicos. Posteriormente, en pocas de paz, este afn se
encauz a las diferentes actividades productivas del hombre.
A principios de nuestro siglo se manifest un creciente inters
en problemas cuya solucin requeran utilizar varias disciplinas
tales como la economa, la estadstica, la lgica y las matemticas.
Sin embargo, la falta de equipo apropiado, como lo son las compu-
tadoras electrnicas, impidieron conjugar las varias disciplinas en
una sola; por otra parte, sin embargo, la Segunda Guerra Mundial,
cre la necesidad de utilizar ptimamente tanto los recursos hu-
manos como materiales y esto, junto con el advenimiento de las
computadoras electrnicas, brind la oportunidad de que la inves-
tigacin de operaciones se estableciera como una disciplina inde-
pendiente, aunque basada en las matemticas modernas. Es claro
que sus primeras aplicaciones fueron todas blicas o parte del es-
fuerzo blico, tales como la programacin de vuelos de bombardeo
con el propsito de obtener la mxima destruccin, la determina-
cin de la forma ms adecuada de navegacin de los transportes
marinos para reducir al mnimo los riesgos de ser torpedeados,
o la planeacin de la produccin de barcos o aviones para mini-
mizar los tiempos requeridos, etc.
En los aos que siguieron a la Segunda Guerra Mundial, ya sin
la presin del factor tiempo y con la ayuda tanto de las compu-
1
(
.SIAtC)
2 ~ f : A f ; : ~ NOCIONES INTIODUCTORIAS
tadoras electrnicas como de otras disciplinas, se present la opor-
tunidad de examinar y revisar problemas y soluciones con el cui-
dado, el detenimiento y los esfuerzos requeridos, y de ah surgi
la nueva disciplina Investigacin de Operaciones, tal como hoy en
da se le conoce.
Igualmente, a partir de la dcada de los aos cuarenta, surgi
la necesidad de perfeccionar la administracin en cuanto a la toma
de decisiones, tanto en las empresas privadas como en la adminis-
tracin pblica. Esto ofreci la oportunidad de aplicar la inves-
tigacin de operaciones a un sinnmero de problemas, lo cual ha
comprobado la bondad y la diversidad de aplicacin de esta nue-
va disciplina.
-1 Aqu se puede palpar que el hombre se encuentra en el apogeo
de la revolucin tcnico-cientfica-administrativa. Auxiliado por las
mquinas, puede ahora someter las fuerzas materiales en beneficio
de la humanidad, con una planeacin correcta y CU:dadosamente
calculada.
Los modemos sistemas de produccin, la mecani:tacin y la
automatizacin, emancipan cada vez ms al hombre del trabajo
pesado y de la servidumbre; incrementando, en consecuencia, las
fuerzas productivas que con la ciencia y la cultura crean abundan-
cia de bienes que se pueden derramar.
Lo anteriqr destaca la importancia de la ciencia y la tcnica
como instrumintos que influyen en la realizacin de programas
que impulsan ~ desarrollo econmico y social.
En el auge que ha tomado la investigacin de operaciones ha .
jugado un papel muy importante el advenimiento de las compu-
tadoras electrnicas, que descubren posibilidades insospechadas
. para implantar mejores sistemas direccionales, tanto a niveles pri-
vados como pblicos, conjugando el empleo de las computadoras
con el esfuerzo humano.
1.2. CONCEPTOS GENERALES
Evidentemente, la primera pregunta que surge es: Qu es la
...
investigacin de operaciones?; esta pregunta puede contestarse con
la siguiente definicin: la investigacin de operaciones es un con-
junto de mtodos, tcnicas y herramientas cientficas que se apli-
can a problemas inherentes a la operacin de sistemas hombre-
mquina, de manera que proporcionen a quienes dirigen dichos
sistemas, soluciones ptimas a dichos problemas.
l
i
1
!
::
1
1
1
1
l
!
'
1
j
1
1

NOCIONES INTRODUCTORIAS 3
Tambin cabe definir la investigacin de operaciones
la ciencia y el arte de seleccionar, entre varias alternativas, la que
permita el logro ptimo de un objetivo determinado, a la vez
que se optimiza la utilizacin de los recursos humanos y materia-
les con se cuenta.
Las definiciones anteriores abarcan todo un conjunto de fun-
ciones y actividades, entre las cuales destacan dos: la planeacin
y la operacin, de ah su nombre de investigacin de operaciones.
Sin embargo, antes de estudiar la utilizacin de la disciplina
misma, se debe analizar su definicin y los conceptos en ella in-
cluidos. As tenemos que por mtodo se entiende un cierto camino
utilizado para alcanzar un fin propuesto de antemano como tal.
Tcnica es una habilidad mediante la cual, siguiendo ciertas re-
glas, se hace algo. Herramienta es un instrumento utilizado para
llevar a cabo una operacin determinada, y sistema es un conjunto
de elementos relacionados entre s y armnicamente conjugados.
Ampliando este concepto, se podra entender que un sistema es la
disposicin de las diferentes partes de un arte o una ciencia en
un orden en que todas ellas se sostienen mutuamente, y en que las
ltimas se explican por las primeras.
Igualmente, para comprender el enfoque prctico de la inves-
tigacin de operaciones dentro de una empresa, considerando a
sta como un sistema hombre-mquina, se puede conceptuar a la
empresa como una institucin socioeconmica en que el esfuerzo
humano, el capital y el conocimiento directivo se combinan con
el objeto de alcanzar el bien comn equitativo.
1.3. LA PLANEACON
Como ya la investigacin de operaciones lleva impl-
cita la planeacin, por lo tanto es menester su anlisis .
La planeacin es una de las funciones bsicas de la adminis-
tracin cientfica, que establece las actividades necesarias para
lograr los objetivos escogidos.
La planeacin incluye el determinar y establecer los objetivos,
las polticas, los programas, las relaciones de organizacin, los
procedimientos y los recursos humanos y financieros, para toda
empresa. Cabe aclarar que el proceso de designar losobjetivos es
siempre la etapa inicial de la planeacin.
La planeacin se divide en dos subfunciones principales, a
saber:
4 NOCIONES INTRODUCTORIAS
l. La planeacin administrativa y
2. La planeacin operativa.
1.3.1. La planeacin administrativa o estratgica
Esta subfuncin administrativa tiene por objeto principal sen-
tar las bases de accin, dentro de un perodo de tiempo ms o me-
nos largo, para la organizacin y sus diversos componentes. Puesto
que la planeacin administrativa se apoya principalmente en la
previsin, su exactitud vara inversamente a la magnitud del pe-
rodo de tiempo que dicha planeacin abarca. Por esto, la planea-
cin administrativa debe hacerse en trminos muy generales, nun-
ca detallados, debiendo adems ser flexible para permitir modi-
ficaciones posteriores que la adapten a los cambios que sufran
las condiciones originales. La planeacin administrativa es real-
mente una planeacin a largo plazo, y por lo tanto debe ser di-
nmica.
1.3.2. La planeacin operativa o tdica
Esta subfuncin tiene como objeto principal sentar las bases
de accin, d$:ntro de un perodo de tiempo ms o menos corto,
para la de proyectos o trabajos especficos, dentro de
un marco de:;<:ondiciones esttico. Puesto que la planeacin opera-
tiva es a corto plazo y no depende tanto de la previsin, es mucho
ms exacta que la planeacin administrativa. Por esto, la planea-
cin operativa debe hacerse detalladamente con ayuda de todas las
!cnicas pvsibles, inclusive con la ayuda de especialistas de "staff",
todo con el fin de garantizar el logro de objetivos escogidos.
1.4. EL PROCESO DE PLANEACION
Es evidente que toda planeacin requiere trabajo, conocimien-
tos, esfuerzo mental y algo ms. Las materias primas de la planea-
cin son el trabajo, el esfuerzo mental, los conocimientos tanto
tcnicos como humanos y de la empresa por planear, ms algo
fuera del control humano: la inteligencia.
El proceso de plaileacin comprende las actividades mentales
que se sealan en la siguiente figura:

'
i
J
'
;
~
1
'
'
!
'
1
HAIIUDAD
MENTAL
1
J
r 1
CONOCIMIENTOS
"EXPERTISE"
DATOS REAUS O SUPUESTOS
l"1aber cmo .. l
DEl PU:SENTE Y DEL FUTUIO
T J
1 CORRELACION MENTAL
1
RAZONAMIENTO INDUCTIVO
Y DEDUCTIVO
1
PLANEACION
EMPIESAIIAL
Fig. I.l. Proceso mental de planeacin.
De la figura anterior se desprende que el proceso de planea-
cin es en esencia una sntesis inteligente del conocimiento pre-
sente y de la experiencia del pasado.
Asimismo, la planeacin siempre implica seleccionar un curso
de accin de entre un conjunto de alternativas de accin, para
lograr un objetivo. Es decir, no se puede llegar a la solucin de
un problema a base de planeacin a menos que quien toma las
decisiones tenga la capacidad suficiente para seleccionar inteligen-
temente entre un conjunto de diferentes alternativas de accin.
El proceso de planeacin-decisin se basa fundamt;ntalmente
en los dos elementos siguientes:
l. Conocimientos y
2. Expertise o "Know-how" ("saber cmo").
Aqu los conocimientos se relacionan con diversos cuerpos de
principios, de puntos de vista, de mtodos y tcnicas de solucin,
y adems con toda clase de informacin pertinente a ciertas clases
generales de problemas.
El expertise o "know-how" ("saber cmo") se refiere a cono-
cimieotos y h3bilidades, unos naturales y otras adquiridas a travs
de la experiencia, que incrementan la capacidad mental para poder
resolver Lls dificultades especficas afrontadas dentro de ciertas
.

.
6 NOCIONES INTIODUCTOIW
clases generales de problemas. Es obVio que el expertise o "know-
how" no se pueda adquirir de los libros, sino slo a travs de la
experiencia por quien tiene esa capacidad especfica.
Cabe tambin hacer hincapi que al directivo o al administra-
dor se le paga por tomar decisiones, y stas debern ser las acer-
tadas si quiere conservar su puesto.
1.5. LA TOMA DE DECISIONES
Una t6ma de decisin es laresolucin de una eleccin alter-
nativa y conflictiva; sin embargo, la toma de decisiones no nece-
sariamente implica ni accin, ni idea de futuro.
La toma de decisiones. desde luego, es necesaria en cada etapa
del proceso de planeacin y es, por lo tanto, una funcin entra-
ablemente relacionada con el proceso de planeacin en s. Lo
inverso tambin es posible, ya que se puede hacer uso de una pla-
n(;acin para llegar a una toma de decisiones. Debe tenerse en
cuenta que decisiones y planes no son lo mismo.
En la toma de decisiones se pueden presentar tres clases de
decisiones, de acuerdo con la naturaleza de las mismas. Estas tres
clases spn las siguientes:
l. Decisiones bajo certeza,
2. Deciones bajo riesgo y
3. Decisiones bajo incertidumbre .
. ~ i >
1.5.1. Elementos de la toma de decisiones
En toda toma de decisiones se pueden distinguir los siguien-
tes elementos:
l. Un conjunto de dos o ms alternativas que representan el
rango de las diferentes decisiones que se pueden tomar.
2. Un conjunto de dos o ms alternativas que se consideran
al tomar una decisin. Esto no necesariamente es igual al elemento
anterior.
3. Un conjunto de dos o ms estados futuros que representan
los posibles resultados que pueden lograrse de la decisin que se
tome en la situacin planteada.
4. Una funcin de prdidas o ganancias que representa el
valor subjetivo de la utilidad que se d a cada uno de los estados
futuros de la situacin planteada.
'
1
1
1
1

'
j
J
5. Un conjunto de informaciones o datos que reflejan el co-
nocimiento sobre el posible resultado de las decisiones a tomar.
1.5.2. Clases de decisiones
De acuerdo con las condiciones bajo las cuales se toman las
decisiones, stas se clasifican en la forma siguiente:
L Si se conocen y se consideran todas las alternativas posi-
bles, y si adems se conocen todos los estados futuros de la situa-
cin como consecuencia de la decisin, se dice que se toma uila
decisin bajo certeza.
2. Si no se conocen los estados futuros de la situacin, pero
se conoce la probabilidad de que cada uno de ellos se presente, se
dice que se toma una decisin bajo riesgo.
se conoce la probabilidad, calculada sta objetivamente, de que
cada uno de ellos se presente, se dice que se toma una decisin bajo
riesgo objetivo.
se conoce la probabilidad, calculada sta subjetivamente, de que se
presente cada uno de ellos, se dice que se toma una decisin bajo
riesgo subjtivo.
5. Por ltimo, si no se conoce la probabilidad, ni objetiva ni
subjetivamente, se dice que se toma una decisin bajo incertidum-
bre.
1.5.3. la probabilidad
El concepto de probabilidad tiene varias interpretaciones que
varan desde la clsica hasta la emprica o subjetiva. Sin embargo,
para la investigacin de operaciones, slo dos tienen importancia:
la objetiva y la subjetiva, que a continuacin se definen:
l. La probabilidad objetiva es el cociente entre el nmero de
eventos simples que componen un conjunto de eventos cualesquie-
ra, y el nmero de eventos simples que constituyen el espacio total
de eventos generalmente conocido como la poblacin o universo.
2. La probabilidad subjetiva es la medida del grado de con-
fianza que una persona en particular tiene en la verdad de una
proposicin, de un juicio o de una prediccin en particular.

1.6. LOS OBJETIVOS
Toda empresa, al iniciar sus operaciones, debe antes que nada
especificar los objetivos empresariales, entendindose como obje-
tivo cualquier valor o valores que los empresarios desean obtener
y por los cuales estn dispuestos a sufrir cierto sacrificio. As, el
objetivo de una empresa se puede considerar como satisfacer las
necesidades de sus "f:lientes con ciertos valores.
Es as como el juicio final de qu artculs o servicios se deben
producir u ofrecer, descansa en la opinin del consumidor -supo-
niendo, claro, que el consumidor sea capaz de actuar racionalmen-
te, de analizar sus necesidades, de determinar los requisitos de
sus necesidades, y de evaluar los productos o servicios que las
satisfagan.
1.6.1. Clasificacin de los objetivos
Los objetivos son la base de la planeacin empresarial, ya que
ofrecen la gua de toda accin, as como una forma de medir la
efectividad de dicha accin. Sin embargo, como los objetivos son
_muy variados, stos se deben clasificar, en base a la importancia
de cada uno de ellos, como sigue:

a) Objetivos primarios de servicio:
l. Objetivos de la organizacin.
2. Objetivos operacionales.
b) Objetivos colaterales de servicio:
l. Objetivos personales.
2. Objetivos sociales.
e) Objetivos secundarios de servicio.
1.6.2. Objetivos primarios de servicio
-.
Los objetivos primarios de servicio de toda organizacwn o
empresa son aquellos valores rendibles con que se sirve al consu-
midor, siendo la creacin y la distribucin de estos valores ia
misin principal de la organizacin.
Los objetivos primarios de servicio, contra la creencia comn,
no los establecen los dirigentes empresariales, sino el consumidor.
O mejor dicho, los determina el mercado que se desea servir. Por
1!
1
'1
.,
::
.,
1'
1
i
i
1
9
lo tanto, los objetivos primarios de servicio se pueden definir como
un conjunto de valores rendibles que justifican la existencia de la
empresa y de todas sus partes.
Como se vio anteriormente, los objetivos primarios de servicio
se dividen en dos clases: los objetivos de la organizacin y los ob
jetivos operacionales.
Los objetivos de la organizacin son aquellos valores princi-
pales con que cada persona o grupo de personas en la lnea de
autoridad de la organizacin, debe contribuir.
Los objetivos operacionales son aquellos valores con que con-
tribuye cada proyecto o cada etapa de un proyecto mayor.
1.6.3. Objetivos colaterales de servicio
Los objetivos colaterales de servicio son aquellos valores que
las personas o grupos de personas tanto dentro como fuera de la
organizacin, o directamente asociados con ella, desean y tratan
de alcanzar.
Los objetivos colaterales de servicio tambin se dividen en
dos clases: personales y sociales.
Los objetivos personales son aquellos valores que las personas
pertenecientes a la organizacin desean y tratan de alcanzar. Estos
valores deseados por las personas pueden ser econmicos o no eco-
nmicos, aunque por lo general se destacan los de orden econ-
mico.
Los objetivos sociales son aquellos valores, de una gama ms
amplia, con los cuales la organizacin contribuye a mejorar el
bienestar de la comunidad, ayudando inclusive al mismo gobierno
en tareas tales como la construccin de viviendas populares, la
electrificacin de zonas rurales, la recoleccin de impuestos, etc.
1.6.4. Objetivos secundarios de servicio
Los objetivos secundarios de servicio son valores que la orga-
nizacin contribuye a s misma, es decir, son valores que la or-
ganizacin necesita para lograr alcanzar los objetivos primarios y
colaterales, econmicamente y con eficiencia.
La mayora de los grupos asesores o de servicio dentro de la
organizacin son los encargados de alcanzar los objetivos secun-
darios de servicio de la misma organizacin.
10 NOCIONES INJRODUCTOIIAS
1.7. OBJETIVOS Y FUNCION DE LA INVESTIGACION
DE OPERACIONES
Como ya se expuso, la investigacin de operaciones es una
nueva disciplina, que se ha desarrollado como una nueva rama de
la ciencia, y que est relacionada con el anlisis de datos, anlisis
de cuya exactitud dependen realizaciones futuras, y cuyo resumen
y presentacin permitan a quienes ejercen una funcin directiva
basar en ellos sus decisiones. Por lo tanto, puede decirse que la
investigacin de operaciones es un enfoque especfl.co basado en
la aplicacin del mtodo cientfico por grupos interdisciplinarios,
para resolver problemas relacionados con el control de sistemas
organizados hombre-mquinas, as como para obtener soluciones
ptimas para los objetivos de la organizacin como una sola uni-
dad. La conceptuacin, sin embargo, se puede ampliar y puntua-
lizar enumerando sus objetivos y caractersticas fundamentales
como sigue:
l. Suministrar a quienes desempean una funcin ejecutiva,
informacin pertinente y oportuna sobre problemas especficos,
despus de efectuar una bsqueda sistemtica de interacciones sig-
nificativas dentro de la organizacin, y tras considerar todos los
efectos importantes, dndoles la debida proporcin y evaluacin,
como un todo.
2. Fc:frmular planes de accin, por parte de un grupo inter-
disciplinaho de investigacin, despus de haber considerado y
evaluado la mayor variedad posible de los aspectos del problema
y de haber sometido la solucin a la revisin critica de diversos
especialistas en otras disciplinas, ajenos al grupo interdisciplinario
que realiz la investigacin.
3. Derivar soluciones ptimas basada,s en el anlisis matem-
tico de modelos de decisin y del sistema, constituidos por una
ecuacin representativa de la funcin objetivo, o sea la funcin
que se trata de maximizar o minimizar, as como por un conjunto
de desigualdades e igualdades, que indican el hecho de que algu-
nas de las variables controlables, o todas ellas, se pueden variar
slo dentro de determinados lmites.
4. Probar la correspondencia del modelo matemtico con el
sistema real y evaluar la solucin, comparndola con la poltica
o el procedimiento que se intenta mejorar; todo esto debido a que
un modelo nunca podr ser la representacin perfecta de un sis-
1
j
1
' !

J

i
l
1
'l
tema, o de parte de ste, y por lo tanto la solucin ptima derivada
del modelo nunca podr ser "la mejor" para el sistema real.
5. Finalmente, puesto que el objetivo de la investigacin de
operaciones no es solamente derivar soluciones ptimas, sino tam-
bin mejorar la operacin de los sistemas, los resultados de la
investigacin deben ponerse en ejecucin. Y si estos resultados
constituyen soluciones que formen reglas para emitir decisiones
respectivas, o de decisiones que se piensan aplicar durante cierto
tiempo, dichos resultados debern dirigirse y controlarse.
Todo lo anterior constituye, en cuanto a metodologa, la apli-
cacin del mtodo cientfico; sin embargo, cabe hacer hincapi
que el punto crucial en el enfoque de la investigacin de operaci<r
nes lo representa el primer paso, o sea el planteamiento del pr<r
blema. Para lograr establecer y plantear clara y concisamente el
problema, se requiere como mnimo determinar los siguientes
cinco elementos:
l. Los objetivos apropiados, acordes con la organizacin en
su conjunto.
2. Las restricciones o limitaciones de los recursos en juego.
3. Las interrelaciones entre el rea o subsistema bajo inves-
tigacin y las otras reas o subsistemas de la organizacin o del
sistema global.
4. Todos los posibles cursos de accin, es decir, todas las al-
ternativas de conducta, considerando el problema desde diversos
puntos de vista.
S. Los lmites de tiempo existentes para realizar la investiga-
cin y tomar la decisin elegida.
, 1.7.1. Finalidad y etapas
Cabe observar que la mayora de las actividades dirigidas a
estos objetivos son de planeacin y de operacin. Adems, en estas
actividades interviene la optimizacin como un medio para lograr
los objetivos, se subraya la importancia de mantener los conoci-
mientos actualizados y se sealan los mtodos de obtencin, alma-
cenamiento, recuperacin y difusin de la informacin.
En cuanto a las etapas de la investigacin de operaciones,
stas se pueden agrupar en cinco clases, a saber:
. l. La etapa de estudio inicial.
2. La etapa de planeacin exploratoria o preliminar.
1 '
,
12 NOCIONES INTIODUCTORIAS
3. La etapa de planeacin definitiva.
4. La etapa de desarrollo de las actividades.
S. La etapa '<le ejecucin de las actividades.
1 La etapa del estudio inicial tiene por objeto auxiliar en la coor-
dinacin del programa general de laempresa. Por lo tanto, para
esta funcin se requiere recabar toda la informacin existente so-
bre los recursos disponibles, tanto financieros como de produc-
cin; sobre aspectos administrativos y sobre aspectos poltico-
sociales dentro del campo de influencia tanto actual como futuro,
con el fin de considerar posibles reacciones individuales y colec-
tivas. La informacin as obtenida permitir la planeacin espe-
cfica de las diferentes actividades del programa, teniendo enfo-
que adecuado y los recursos necesarios, bajo lineamientos
generales de conducta a corto y largo plazo.
2 En la etapa de planeacin prdiminar se definen los problemas,
se solucionan los objetivos y ,;e seiecciona el mejor curso de accin
estableciendo los mtodos de evaluacin de los resultados.
La etapa de la planea:in definitiva principia al tomar la de-
cisin la ejecucin de un programa o de un proyecto en
esta etapa se fonnula un plan de accin que cumpla
con los objetivos proponiendo los medios para alcanzarlos. Sin
embargo, la p}ilneacin se lleva a cabo detalladamente, reduciendo
en forma el conjunto de posibles selecciones. En esta
etapa la expeJ:1i.mentacin, en forma de plan piloto y el trabajo de
campo, tienen gran importancia. Se perfecciona tambin el plan
de accin acoplndolo a los nuevos datos e informacin que se van
obteniendo. Es posible que esto ltimo repercuta en cambios en
los objetivos o en los recursos previstos, originndose nuevas
decisiones.
,-_ Finalmente, en la etapa de ejecucin del programa se deber
informacin relativa a los resultados, misma que se de-
ber retroalimentar para poder corregir las posibles deficiencias
en la planeacin .
. , 1.7.2. El mtodo cientfico
En la investigacin de operaciones se hace extenso uso del
mtodo cientfico en su ms amplio sentido. El trmino cientfico
no debe interpretarse como una referencia a los mtodos espec-
ficos y ms limitados de las ciencias naturales, sino quese refiere
al concepto filosfico de la ciencia.
l
1
1
1
Las caractersticas relevantes del mtodo cientfico aplicado
al problema de seleccionar cursos de accin que optimicen 106
resultados, son las siguientes:
a) El mtodo cientfico es un mtodo abierto, explcito, veri-
ficable y autocorregible, que combina la lgica y la evidencia
emprica.
b) El mtodo cientfico es un mtodo que requiere de resul-
tados que permitan a otro especialista reconstruir el proceso y
obtener idnticos resultados.
Al utilizar este mtodo en la investigacin de operaciones, es
preciso que todos los clculos, hiptesis, datos empricos, infor-
macin pertinente, deducciones, inducciones, juicios de valor, etc.,
estn descritos en forma que puedan sujetarse a verificacin, prue-
ba, crtica, discusin, revisin, y aun rechazo.
Desde luego, el uso del mtodo cientfico no confiere infalibi-
lidad a la investigacin de opera-.:iones, ni a los resultados con ella
obtenidos; sin embargo, dado el carcter autorrectificable de este
mtodo, se evita la persistencia de posibles errores.
Por otra parte, como el mtodo cientfico es objetivo, las hi-
ptesis se prueban lgicamente o experimentalmente y los proble-
mas se analizan y resuelven cuantitativamente. Es decir, que la
manera ms aproximada para estudiar la mayora de los proble-
mas y seleccionar las alternativas ptimas exige utilizar mtodos
numricos. Esto sucede porque los juicios no cuantitativos son
insuficientes, ya que los nmeros son parte vital de nuestro len-
guaje y muchos conceptos slo pueden aclararse mediante su em-
pleo, aun cuando exista incertidumbre en la situacin en juego. Es
ms, existen tcnicas numricas que permiten puntualizar el riesgo
y la incertidumbre en la toma de decisiones, adems de precisar su
significado. En realidad, es difcil encontrar en este mundo acti-
vidades que no se encuentren enmarcadas en situaciones de inse-
guridad; el problema es aprender a vivir con el riesgo y la incer-
tidumbre, y con ese fin fueron concebidas muchas de las tcnicas
y herramientas cientficas de la investigacin de operaciones.
El mtodo cientfico entraa el siguiente proceso para obte-
ner resultados ptimos:
l. Reconocirrento del problema, determinando las p-incipa-
les dificultades que ste encierra y plantea.
2. Observa.::in y anlisis de la situacin. Esto incluye la
determinacin de las restricciones del problema y el desarrollo
del modelo matemtico que lo representa.
14
NOCIONES INT110DUCTOIIAS
3. Elaboracin de soluciones provisionales.
4. Prueba de las soluciones propuestas.
5. Desarrollo de la solucin ptima.
6. Prueba de la solucin ptima.
7. Adaptacin inteligente de esta solucin a la realidad de
la situacin.
8. Diseo y aplicacin de un sistema de control y evaluacin
que garantice la eficacia de la solucin ptima.
Puesto que la investigacin de operaciones utiliza el mtodo
cientfico, el proceso de solucin de los problemas con esta disci-
plina es anlogo al aqu expuesto.
1.8. RESUMEN DEL CAPITULO
DESARROLLO CRONOLOGICO DE LA I.O.
Fecha Etapa
1939 Se utiliza x>r primera vez el
nombre de 1.0.
1940 Primera Revolucin Indus-
trial
1945 Fin de la Segunda Guerra
Mundial
Caractersticas
Se reconoci como disciplina cien-
tfica, y se le denomin como tal.
Se gestaron los problemas que se
resolveran con la 1.0.
l. Las empresas crecieron a tal
grado que la empresa de un solo
hombre termin por desaparecer.
2. El trabajo se dividi en fun-
ciones asignadas a diversas perso-
nas. Las funciones bsicas fueron
produccin, ventas, finanzas, perso-
nal, e investigacin y desarrollo.
3. Las funciones bsicas se subdi-
vidieron. Produccin, por ejemplo,
se subdividi en compras, programa-
cin, control de calidad, trfico y
mantenimiento.
4. Se inici la segmentacin, fun-
cional y geogrfica de la adminis-
tracin.
Se desarrollaron nuevas discipli-
nas de las ciencias aplicadas para
hacer posibles las nuevas formas de
administracin.
l. Con la introduccin de nuevas
tcnicas y conocimientos surgieron
nuevas especialidades como:
Fecha
1946
1
1
1

Etapa
Se inicia la Segunda Revo-
lucin Industrial
Caractersticas
a) La ingenieria industriaL
b) Investigacin de mercados.
e) Microeconoma industrial.
d) Psicologa y sociologa indus-
trial.
2. Se cre nueva metodologa
para lograr mayor precisin en los
resultados. Por ejemplo:
a) Ingeniera de manejo de mate-
riales.
b) Control estadstico de calidad.
e) Ingeniera de mantenimiento y
confiabilidad.
d) Investigacitf publicitaria.
Al dividirse la funcin administra-
tiva en todo un conjunto de subfun-
ciones, se establece la necesidad de
una nueva tarea: la integracin.
Nace as la integracin como la fun-
cin ejecutiva de la administracin,
cuyo desempeo exig lo siguiente:
l. Establecer los objetivos funda-
mentales de las principales funcio-
nes administrativas.
a) Para la produccin: maximizar
la cantidad de bienes o servi-
cios producidos, minimizando
el costo unitario de ventas.
b) Para el mercadeo: maximizar
las ventas, minimizando el cos-
to unitario de ventas.
e) Para las finanzas: minimizar el
capital requerido para conser-
var un nivel dado de la em-
presa.
d) Para el personal: maximizar la
productividad de los emplea-
dos, conservando un determi-
nado nivel de moral (espritu
de trabajo).
2. La necesidad de los ejecutivos
de recibir ayuda para examinar sus
problemas en forma estrictamente
cientfica, para lo cual no tenian ni
el tiempo ni los conocimientos ne-
cesarios, motiv el surgimiento de
los asesores en administracin.
16
Fecha
Etapa Caractersticas
1948
1950
1950
El intercambio internacional
de expertos motiva la exis-
tencia de varios nombres
para designar la 1.0.
Aparecen en el mercado las
computadoras electrnicas
Principia la Segunda Revo-
lucin Industrial
"-:"'
Los pases ms adelantados en esta
nueva disciplina cientfica fueron
Inglaterra, los Estados Unidos y Ca
nad. Por ello, a la 1.0. se le concr
ci por nombres como investigacin
operacional, evaluacin de operacio-
nes, anlisis de sistemas, evaluacin
de sistemas, investigacin de siste-
mas, y otros.
Los avances cientficos en el cam-
po de la comunicacin, el control y
la computacin, sentaron las bases
tecnolgicas para la automatizacin.
La potencialidad de las compu-
tadoras electrnicas como nuevo
instrumento de la administracin, y
la carencia de preparaci;Sn adecuada
por parte de los ejecutivos, adems
de las necesidadtes creadas por la
guerra de Corea, inici la demanda
de especialistas en 1.0. y contribuy
a que la I.O. s-e diversificara y se ex-
tendiera a todos los mbitos acad-
micos, gubernamentales e indus-
triales.
1.8.1. Qu es la investigacin de operaciones?
Tratar de definir cualquier disciplina es casi imposible ade-
ms de intil, pues una definicin que se pudiera considerar "com-
pleta" sera tan extensa que perdera las ventajas caractersticas
de las definiciones: claridad y exactitud.
Por lo anterior, en lugar de aventurar definiciones, se tratar
de utilizar otro medio, el anlisis.
La investigacin de operaciones es fundamentalmente un en-
foque que utiliza la siguiente metodologa, especfica y caracte-
rstica:
l. La aplicacin del mtodo cientfico.
2. Con el uso de grupos interdisciplinarios.
3. Para resolver problemas de control de sistemas organiza-
dos hombre-mquinas, obteniendo soluciones ptimas para
los propsitos de la organizacin como una sola unidad.
De este anlisis de la investigacin de operaciones se deducen
las siguientes caractersticas esenciales a esta disciplina:

i
!
'
;
'
17
l. Su vrient'lcin hacia sistemas u organizaciones hombre-
mquina.
2. La utilizacin de grupos interdisciplinarios.
3. La aplicacin del mtodo cientfico a problemas de con-
trol administrativo.
Las caractersticas esenciales mencionadas se pueden ilustrar
con ia siguiente figura:
NVESTIGACION
DE
OPERACIONES
ORIENTADO
GRUPOS
METOOO
-'
~
INTERDISCIPLINARIOS
so:
CIENTIFICO
SISTEMAS
SOLUCION OPTIMA
PARA EL SISTEMA
Fig. 12. .Uetodologa y caractersticas de la 1.0.
11
METODOS Y MODELOS DE LA
INVESTIGACION DE
OPERACIONES
11.1. PROCESOS DE ASIGNACION
Este tipo de procesos se presenta cuando ocurren las siguien-
tes situaciones:
l. Cuando el proceso se compone de v;:orias operaciones dife-
rentes y existen varias alternativas en la ma'J.<>ra de llevar-
las a cabo.
2. Cuando no hay suficientes recursos o equipo para llevar a
cabo cada actividad en la forma ms eficiente.
La solucin a este tipo de problemas entraa determinar la
combinacin ptima entre las actividades y los recursos disponi-
bles. Si una de ellas se especifica, entonces el problema es deter-
minar la combinacin de la otra que proporcione mxima efi-
ciencia. e;
Las her@m.ientas cientficas que ms se utilizan en la resolu-
cin de este.tipo de problemas son las siguientes:
Programacin lineal.
Programacin dinmica.
Programacin cuadrtica.

,i
,,
11.2. PROCESOS DE PRODUCCION Y DE LINEA DE ESPERA 1
Este tipo de proceso entraa la llegada de unidades que re- j
quieran algn servicio a uno o varios equipos de servicios.
Slo en pocas ocasiones el problema requiere determinar el
tiempo de espera de las unidades que van a servicio, y el de los
equipos de servicio.
La solucin de este tipo de problemas es determinar los si-
guientes datos, de forma tal que se minimicen los costos de las
diferentes operaciones:
l. El control de la llegada de las unidades que requieren
servicio.
18
1
METODOS Y MODELOS DE LA INVESTIGACION DE OPERACIONES 19
2. El nmero de equipo de servicio requerido.
3. La organizacin entre las diferentes operaciones de los
equipos de servicio.
Para la solucin de este tipo de problemas se utilizan las si-
guientes teoras y herramientas:
l. La teora de "Queuing" o de Colas se utiliza para poble-
mas que entraan la determinacin del nmero de equipos de
servicio requerido y/o las secuencias de tiempo con que deben
llegar las unidades que requieren servicio.
2. La teora de secuencias que se utiliza para la resolucin
de problemas que requieren determinar un orden en que las uni-
dades deban recibir cierto servicio.
3. La teora del equilibrio lineal, utilizada para resolver pro-
blemas que entraan el agrupamiento de elementos de trabajo
para dar servicio a la secuencia en que dan el servicio las esta-
ciones.
4. La programacin lineal.
11.3. PROCESOS DE INVENTARIOS
En la investigacin de operaciones, este tipo de proceso se
relaciona con cualquier proceso que incluya una o ambas de las
decisiones siguientes:
a) Cunto ordenar, producir o comprar.
b) Cundo hacerlo.
Estas decisiones conllevan la necesidad de lograr el equilibrio
entre el costo de mantener un inventario y cualquiera de los costos
siguientes:
l. Costo de lo pedido.
2. Costo de implementar la produccin.
3. Costo de faltante o de retraso.
4: Costos incurridos por cambios en nivel de produccin o de
compra.
Algunas de las herramientas cientficas utilizadas para solu-
cionar este tipo de problemas, son las siguientes:
l. Ecuaciones que incluyen variables del tipo costo-cantidad.
2. Programacin lineal.
3. Programacin dinmica.
4. Programacin cuadrtica.
20 METODOS Y MODElOS DE LA. INVESTIGACION DE OPERACIONES
11.4. PROCESOS DE REPOSICION
De este tipo de procesos existen dos clases, a saber:
l. Cuando se trata de equipo que se deteriora o se vuelve
obsoleto o menos eficiente debido a su uso o a la creacin de
equipo ms avanzado.
2. Cuando se trata de equipos o elementos que no se deterio-
ran pero que estn sujetos a fallas o a su terminacin, como en el
caso de la reposicin de focos (bombillas elctricas).
Los problemas que deben solucionarse en este tipo, son los
siguientes:
l. En el caso de equipos o elementos que se deterioran, de-
terminar los tiempos de reposicin, a fin de que el costo del nuevo
equipo, el costo de la eficiencia o el costo de la prdida de la efi-
ciencia sea el mismo.
2. En el costo de equipo o elementos que puedan fallar, de-
terminar qu elementos se deben reponer y con qu frecuencia
deben reponerse, o determinar el costo de una falla para que estos
costos sean mnimos.
11.4.1. Conserxaci6n y mantenimiento
Los proBlemas de mantenimiento se pueden considerar como
una clase mtiy especial de reposicin, en la cual el problema con-
siste en determinar la frecuencia con que debe reponerse todo el
equipo.
Para solucionar este tipo de problemas se utilizan las siguien-
tes herramientas y tcnicas cientficas:
l. Ecuaciones de costo.
2. Curvas de mortalidad.
3. Programacin dinmica.
4. La teora de reposicin.
S. La tcnica de Monte Cario.
Esta ltima tcnica tambin se utiliza en los problemas de
simulacin.
11.5. PROCESOS DE COMPETENCIA
Un proceso de competencia es aquel en que la eficiencia de la
decisin tomada por los competidores puede ser disminuida por
1
1 '
'
METODOS Y MODELOS D[ LA INVESTIGACION DE OPERACIONES 21
la decisin de otro competidor. Esta situacin o tipo de problema
se conoce en la investigacin de operaciones como un juego.
Para solucionar este tipo de problemas se utiliza la tcnica
conocicia con el nombre de teara de los juegos. .
Existe otro tipo de proceso de competencia: aquel que se en-
cuentra en los concursos para la obtencin de obras por contrato.
Las diferencias entre estos concursos y los juegos son la:s siguien-
tes:
l. El nmero de competidores se desconoce.
2. Las posibles jugadas o decisiones son limitadas.
3. La posible ganancia se desconoce, pero se puede calcular
en for-ma aproximada.
4. El resultado final, tambin, slo se puede estimar por
suposicin.
Para resolver este tipo de problemas se utiliza la tcnica
llamada tcnica de recursos adems de algunas otras ya mencio-
nadas.
11.6. PROCESOS
En los problemas reales se comprueba que; en general, no se
encuentra un nico tipo de procesos como los mencionados, sino
combinaciones de varios procesos.
Por ejemplo: un problemz de control de produccin. Este pro-
blema por lo general incluye una combinacin de problemas y
procesos --digamos, uno de inventario, otro de asignacin y otro
de lnea de espera.
Igualmente, un problema de reposicin puede comprender un
problema de inventario y un problema de concurso puede incluir
un problema de asignacin de recursos.
El para resolver estos casos reales de combina- .
cin de procesos consiste en resolver secuencialmente los proble-
mas, o sea primerv uno y luego el otro, y al final regresar revisar
la solucin obteni.da en el primero.
11.7. OTRCS PROCESOS
Los procesos mencionados y descritos no son los nicos que
existen; sin embargo, s son los ms comunes o recurrentes. Con
22 METODOS Y MODELOS DE LA IHVESTIGACION DE OPEIACIONES
el tiempo y la utilizacin de la investigacin de operaciones, se
irn agrupando otros procesos incurrentes, y a la vez conociendo
otros nuevos.
Entre los ltimos procedimientos recurrentes reconocidos
figuran los siguientes:
1. Teora de decisiones.
2. Teora de redes.
3. Mtodo de simulacin.
4. Mtodo de trayectoria crtica.
5. Juegos operacionales.
6. Teora de la informacin.
11.8. APLICACIONES PRACTICAS DE LA INVESTIGACION
DE OPERACIONES A TRAVES DE LA PROGRAMACION LINEAL
11.8.1. Anlisis econmico
Dentro de este mbito de aplicacin, las tcnicas de progra-
macin lineal se han utilizado con xito en gran cantidad de pro-
blemas econmicos. Citemos algunos de ellos.
1. Problema entre varias industrias o de relaciones interin-
dustriales con la utilizacin del modelo interindustrial de Leontief.
2. aplicacin ha sido la interpretacin lineal
de la teora o poltica econmica de la empresa, en la cual se bus-
ca encontrar un programa de produccin capaz de maximizar las
ganancias de la empresa.
3. Los problemas de las dietas, enfocados a tratar de deter-
minar la combinacin ptima de los elementos nutritivos que for-
men la dieta capaz de satisfacer las necesidades diarias mnimas, y
a la vez sean la dieta con costo mnimo.
4. Problema relacionado con el aspecto ms vasto del anlisis
de mercado, como es determinar el comportamiento de los clien-
tes en un mercado de vveres.
S. Tambin mediante estas tcnicas, se pueden investigar ca-
sos especiales de la teora de localizacin de fbricas, o sea la
seleccin de lugares para plantas y almacenes, con miras a maxi-
mizar las ganancias.
6. Problemas relativos al anlisis de actividad para determi-
nar la manera ptima de llevar a cabo cierta actividad.
1 -
METODOS Y MODELOS DE LA INVfSTIGACION DE OPERACIONES 2J
11.8.2. Agricultura
Estas aplicaciones de la programacin lineal se dividen en
dos categoras:
a) Economa de las granjas.
b) Administracin de las granjas.
La primera categora trata de todos los efectos de la economa
agricola, o sea est relacionada con la economa de la regin, el
estado o la nacin.
La segunda categora est relacionada con la administracin
de granjas, o sea, se refiere a problemas que slo ataen a cada
granja en forma individual.
Un estudio de economa de las granjas conduce a un modelo
de equilibrio en el espacio, el cual difiere del modelo de transporte,
en que los precios en cada punto de embarque varian y en que los
destinos son funciones continuas de las cantidades embarcadas o
recibidas, ms las cantidades producidas o retenidas localmente.
Una aplicacin de las tcnicas de la programacin lineal a un
tpico programa de administracin agrcola es la de asignar fuen-
tes limitadas tales como superficie, trabajo, suministro de agua,
capital de trabajo, etc., de tal forma para maximizar las entradas.
11.8.3. Aplicaci6n industrial
Esta aplicacin difiere segn el tipo de industria de que se
trate:
l. Industria qumica. Las aplicaciones dentro de la qumica
han sido sobre todo en las compras, en administracin de inven-
tarios, etc.
2. Aviacin comercial. Poco se ha hecho en este campo con
el empleo de la programacin lineal, exclusivamente conectada
con los problemas referentes a la administracin de las lfneas
areas. .
3. Industria del transporte. Este es otro mbito en el cual se
han efectuado poeas aplicaciones. Sin embargo, su principal apli-
cacin se ha hecho en el diseo ptimo y el empleo ptimos de
las redes de comunicacin existentes.
4. Industria del hierro ydel acero. En estas industrias se han
formulado y planteado numerosos modelos de planeacin. Estos
estudios han venido a estimular la produccin de acero a un costo
mnimo, basado en un p ~ n mensual en la seccin de vaciado, en
24 METODOS Y MODELOS DE LA INVUJIGACION Dt OPERACIONES
la prqduccin de metal caliente en el departamento de altos hor-
nos, corno tambin en las cantidades de chatarra que se deban
comprar.
La produccin mensual es funcin de la demanda para los
principales tipos de acero, as como la cantidad y el tipo de cha-
tarra, y su disponibilidad en el mercado.
S. Industria papelera. El problema de transporte se utiliza
con frecuencia dentro de la industria papelera. La programacin
del transporte trata del problema con que se enfrentan aquellas
empresas que cuentan con varias instalaciones, del programa asig-
nado a los molinos y de reducir al mnimo los fletes totales de la
empresa. Asimismo, la programacin de la desmenuzadora se rela-
ciona con la disminucin del desperdicio de la mquina cortadora.
6. Industria petrolera. Esta industria ha proporcionado nu
merosas oportwlidades para obtener soluciones de mucha trascen
dencia, como sucedi en relacin con el problema de la gasolina
para maximizar las utilidades. Por los productos
debern satisfacer una gran variedad de caracterstic:'!s y especi-
ficaciones, como son el ndice de octano, el punto de evaporacin,
etc., en orden a maximizar los ingresos netos; otro problema im.
plica la asignacin de crudos a diversas refinera;, as como el
inventario ptimo de todas sus divisiones y la tasa de produccir,
para productos cuyo consumo vara con los aos. Los modelos
matemticos de las operaciones en general han conducido al es-
tudio y la solucin de muchos problemas cuya programacin ya
no es lineal.
11.8.4. Asignoel6n de pe;sonol
Los problemas planteados en este campo son muy variados.
Sin embargo, el objeto de utilizar la tcnica de la programacin
lineal es poder asignar a cada puesto a la persona que le rinda
ptimos resultados a la empresa; es decir, la persona elegida para
un puesto determinado deber obtener una utilidad para la em-
presa y adems deber maximizarla, superndola da a da.
Un problema tpico de la asignacin de persona! es el de los
colectores de peaje en las casetas de las carreteras de cuota. En
este problema se consideran perodos dados de tiempo, y el re-
sultado perseguido es maximizar la recoleccin de dinero cor. el
mnimo de personal.
1'
1
Y MODELOS DE LA INVESTIGACION CE OPERACIONES
11.8.5. Anlisis de transporte y teora de las
Una de las primeras y ms provechosas aplicaciones de
tcnicas de la programacin lineal fue la formulacin y solucir.
de problemas de transportes. Si bien este tipo de problemas tiene
mltiples variantes, bsicamente implica determinar la
ptima al problema de enviar un producto homogneo que pued<'
ser embarcado en cantidades determinadas desde diferentes pun
tos de embarqu u origen, y que deba ser recibido en
determinadas en varios destinos, todo ello organizado de manerc:
que logre minimizar el costo total del transporte.
El modelo matemtico de este tipo de problemas es de um:
gran diversidad de aplicacin, y a la vez susceptible de ser pro
cesado en computadoras electrnicas.
Un problema asociado al de transporte, es el de flujo de redes,
ya sean stas de tuberas, de ferrocarriles o de carreteras.
11.8.6. An6Jisis de trfico
Este tipo de problemas implica principalmente la sincroniza-
cin de los semforos para optimizar el trnsito de vehculos.
11.8.7. Programacin de produccin y administracin de
En este tipo de aplicacin se considera el problema de planear
la produccin con miras a satisfacer los requisitos estipulados, ec
tal forma que a la vez minimicen los costos de almacenamiento.
Otro tipo de aplicacin es el problema de determinar el uso
ptimo de un almacn, considerando la existencia de dos fluctua-
ciones en los precios. Este problema se ha generalizado para abar-
car en l a productos mltiples, as como varios almacenes, y
variando los precios.
Otro problema que ha sido investigado en muchas formas
considerando la utilizacin de la programacin lineal, consiste en
equilibrar una lnea de montaje .
. Otra aplicacin trata el problema de determinar el nmero
de cada tipo de unidad o artculo que f.e va a producir por proce-
sos diferentes en una lnea de produccin industrial, en tal forma
que el costo total de la produccin sea mnimo y que se satisfagan
los tiempos y los requisitos con los recursos disponibles .
.BIBLIOTECA
t4"P:""C C ... ,'""'P' ru l''l'
- ....J - --- .... t.':\ .u .-..lt..A
26 METODOS 'f MODfi.OS DE LA INVEmGACION DE OPEIACIONES
11.8.8. Aplicaciones militares
Una de las primeras aplicaciones de la programacj.n lineal,
cronolgicamente hablando, fue para optimizar operaciones mili-
tares tales como el despegue de aviones desde un aeropuerto mi-
litar, la seleccin de tripulacin para bombarderos, la seleccin
de un arma area contra guerrillas, el envo mximo de bombas
sobre un determinado blanco, la defensa de comunidades frente
a ataques o desastres, etc.
11.8.9. Otras qplicaciones
Existe un sinnmero de aplicaciones para la tcnica de pro-
gramacin lineal, que aumentan da a da. Citemos algunas de las
ms conocidas:
l. Optimizar la operacin de un sistema de empresas.
2. el diseo de filtros pticos.
3. O?timzar el diseo estructural de edificios y de la teora
rlel colapso plstico.
4. Optimizacin de rutas para agentes viajeros, etc.
1
,.
,,
'

1'
1
!
1
111
PROGRAMACION LINEAL
JIU. CONCEPTOS GENERALES
La programacin lineal es una de las ms importantes tcni
cas de la investigacin de operaciones, relacionada con el proble
roa de planear un complejo conjunto de actividades y recursos
econmicos interdependientes, con miras a lograr un cierto re
sultado ptimo.
Una de las caractersticas comunes a este tipo de problemas
es el estar sujetos a un conjunto de restricciones ocasionadas por
las condiciones propias del problema; otra de sus caractersticas
comunes es que dichas restricciones pueden ser satisfechas por
un gran nmero de soluciones posibles o factibles, por lo cual la
seleccin de la solucin ptima est sujeta, en cierto grado, a los
objetivos predeterminados que se persiguen. Igualmente, cabe
asentar que la condicin comn de este tipo de problemas es la
necesidad de asignar recursos limitados o finitos a diversas acti
vidades.
Los problemas que pueden resolverse con ayuda de la progra
macin lineal abarcan una extenssima gama de situaciones que
pueden ir desde asignar capacidades de produccin a la fabrica-
cin de diferentes artculos, hasta asignar combustible para boro
barderos destinados a una misin especfica; desde la seleccin
de inversiones hasta la planeacin de rutas martimas o terrestres;
o desde programar una produccin hasta solucionar juegos de
saln.
As, vale concluir que merced a los m t o o ~ de la programa
cin lineal, se tiene un conjunto poderoso y flexible de herra-
mientas cientficas, muy til para investigaciones tericas y em
prcas adaptables a una gran variedad de prblemas prcticos.
El nombre de programacin lineal implica con cierta claridad
que se trata de "planear" actividades representables bajo la forma
de funciones "lineales", ya que en este caso el trmino "programa-
27
28 PROGRAMACION LINEAL
cin" es sinnimo de "planeacin" y el trmino "lineal'.' implica
el uso de ecuaciones o desigualdades de primer grado. Entonces, el
nombre de programacin lineal implica la planeacin de activida-
des en orden a obtener un resultado ptimo, es decir, seleccionar
entre varias alternativas, un curso de accin que resulte en el lo-
gro de los objetivos prefijados.
El problema tpico de programacin lineal, "en general, surge
por un feumeno econmico o de organizacin, en el cual inter-
viene un cierto nmero de variables que slo cobran significado
cuando son positivas o nulas. Estas variables estn adems ligadas
entre s por relaciones lineales que forman un sistema de ecua-
ciones e desigualdades conocidas como las restricciones del fen-
meno. Por ltimo, debe existir una funcin lineal, generalmente
representada como (Z), de esas variables, que constituye la fun-
cin econmica o funcin objetivo: la que se propone optimizar
--es decir, maxirr:.izar o minimizar, segn el caso.
111.1.1. Requisitas d-= lo programacin limal
Los requisitos que a continuacin se enumeran limitan la
utilidad en la vida real de la P.L.
l. Proporcionalidad.
2. Adit:yjdad.
3. Divisjpilidad.
4. Natur.aleza determinstica .
..
111.2. ORIGEN Y DESARROLLO DE lA TEORIA DE LAS
DESIGUAlDADES
Aparentemente fue el famoso matemtico Jean Baptiste J.
Forier, en 1826, el primero en estudiar -sin profundizar dema-
siado-- las caractersticas de los sistemas de desigualdades linea-
les, y en difundir su importancia para la mecnica y para la ~ o r
de probabilidades. Sin embargo, el estudio posterior de estos
sistemas de desigualdades lineales no interes casi a nadie hasta
1944, en que John von Neumann y Osear Morgenstern elabora-
ron la teora de los juegos, y a raz de la programacin lineal de
T. C. Koopmans en 1947. Esto lo evidenci T. S. Motzkin, quien
en su tesis doctoral sobre desigualdades no pudo, despus de ar-
,
. 'i
1
. '
,.
1
1
;

;
1
'
PROGRAMACION LINEAL
dua bsqueda, encontrar ms de 32 referencias sobre el tema co-
rrespondiente al periodo de 1900 a 1936.
En la dcada de los treinta, slo se publicaron cuatro estudios
sobre sistemas de desigualdades lineales:
l. R. W. Stokes, A Geometric Theory of Solution of Linear
Inequalities, 1931.
2. Dines, L. L. y N. H. McCoy, On Linear !nequalities, 1933.
3. H. Weyl. Elementare Theorie der konvexen Polyeder,1935.
4. T. S. Motzkin, Beitri:ige zur Theorie der linearen Unglei-
chungen, 1936.
Lo anterior prueba que los matemticos de esa poca no ha-
ban reconocido la importancia del problema de encontrar una
solucin a un sistema de desigualdades lineales que tambin mi-
nimizara una forma lineal, ya que ninguno de los autores mencio-
nados trataron este problema.
La mayor parte de la primera literatura matemtica trata de
encontrar las condiciones bajo las cuales se pueda resolver un
sistema general de desigualdades lineales homogneas. Casi todos
los resultados obtenidos mencionan, en una forma u otra, la exis-
tencia de cierta relacin entre el sistema original o primal y otro
sistema, llamado dual, que utiliza las columnas de la matriz ori-
ginal de los coeficientes para formar nuevas ecuaciones o desigual-
dades lineales, de acuerdo con ciertas reglas.
Ejemplo de lo anterior es el teorema derivado por P. Jordan
en 1873, segn el cual un sistema homogneo de ecuaciones con
variables positivas tiene una solucin o una variable positiva como
mnimo si su dual no tiene solucin, con desigualdades estrictas.
E. Stiemke aadi otro teorema en su trabajo Vber positive
LOsungen homogener linearer Gleichungen, publicado en 1915, que
indica la existencia de una solucin con todas las variables posi-
tivas.
Todos estos resultados estn expresados con claridad en el
teorema de transposicin, de T. S. Motzkin, publicado en 1935, as
como en los teoremas sobre sistemas duales elaborados por A. W.
Tucker en su trabajo Dual Systems of Homogeneous Linear Rela-
tions, de 1956.
Casi especialmente diseados para la comprobacin algebrai-
ca del teorema minimax fueron encontrados los resultados de
Jean A. Ville en su trabajo Sur la theorie generale des jeux ou
intervient !'habilit des joueurs, publicado en 1938, igual que los
PIOGRAMACION LINEAL
de John von Neumann y Osear Morgenstern en su trabajo Theary
of Games and Economic Behavior, de 1944.
Un sorpresivo e importante teorema de desigualdades desa-
rrollado por J. Farkas en su trabajo Uber Die Theorie der enfachen
Ungleichungen, publicado en 1902, establece lo siguiente:
Si la solucin de un sistema de desigualdades lineales homo-
gneas tambin satisface una determinada desigualdad lineal don-
de todas las desigualdades son < O, la desigualdad puede formarse
como una combinacin positiva lineal de las desigualdades del
sistema.
Otros teoremas tratan de desarrollar una soluCin general de
un sistema de desigualdades, a base de formar una combinacin
lineal de algunas soluciones especiales.
El resultado principal logrado por H. Minkowski en su traba-
jo, Geometrie der Zahlen, publicado en 1896, establece. que para un
sistema homog.r1eo la solucin general se puede formar a base de
una combinacin lineal positiva de un nmero finito de soluciones
esenciales llamadas soluciones extremas, soluciones vrtex, o solu-
ciones bsicas.
111.3. EJEMPLOS DE APLICACION
111.3.1. de utilidades
Problema nm. l. Un fabricante de palillos de dientes pro-
duce dos clases de palillos: redondos y planos. Las principales
instalaciones de fabricacin tambin son dos: el departamento de
corte y el de empaque. El primero puede procesar 300 cajas de pa-
lillos redondos o 600 cajas de palillos planos por hora. El departa-
mento de empaque puede procesar 600 cajas de palillos redondos
y 300 cajas de palillos planos. Si la contribucin al costo fijo y a la
utilidad es de$ 0.30 para ambos productos, es decir, para una caja
de palillos redondos o para una caja de palillos planos, determ-
nese lo siguiente:
l. El planteamiento algebraico de las restricciones.
2. La ecuacin de la contribucin total al costo fijo y a la
utilidad.
3. El nivel ptimo de fabricacin, utilizando el mtodo gr-
fico de solucin.
4. La contribucin al costo fijo y a la con el nivel
ptimo de fabricacin.

i
'
1
1
1

1
1

l
PROGRAMACION UNEAL ll
Solucin
Asignando los siguientes nombres a los dos productos, se
tiene:
R = palillos redondos. <'< -'-'-
p = palillos planos.
' 1 t ~
'
Ahora bien, como el problema especifica que el proceso de
fabricacin consta de dos departamentos, vale concluir que slo
deben existir dos restricciones, a saber:
Restricciones
Cort. Si la produccin mxima puede ser R/300 por hora de
fabricacin R y P/600 por hora de fabricacin P, la primera res
triccin puede plantearse como sigue:
R p .
- + - < 1 (hora)
300 600 -
eliminando los quebrados, multiplicando ambos lados de la des-
igualdad por 600, se obtiene:
2R + P < 600 .. , ..... (1) .
Empaque. Asimismo, si la mxima produccin puede ser
R/600 por hora de fabricacin R, y P/300 por hora de fabricacin
P, la segunda restriccin se puede plantear en la forma siguiente:
eliminando los quebrados se tiene:
R + 2P < 600 . . . . . . . . (2)
As, el conjunto de desigualdades lineales representando las
restricciones es el siguiente:
2R + P < 600
R+2P<600
PROGIAMACION LINEAL
Contribucin al costo fijo y a la utilidad. Considerando que
cada caja de palillos, sean redondos o planos, aporta $ 0.30 al costo
fijo y la utilidad, la ecuacin representativa es la siguiente:
!: = >Giilloo
redondos
(coiol
Z - 30R + 30P (en centavos) y
Z - 0.3R + 0.3P (en pesos).
iOO
Restricciones del departamento de f:mpoque
Lnea de 1socontribucin
Z : 0.31Rl + 0.3(PI
Area ;le factibilidad tcnica
200 300 . 400
P : palillos planos (cajas)
itestriccin del
departamento de eor1e
500 600
De la solucin grfica se obtiene el nivel ptimo de fabrica-
cin, determinado por el punto donde se cruzan las lneas que
representan las dos restricciones del problema. Este nivel ptimo
de produccin es:
200 cajas de palillos redondos y
200 cajas de palillos planos.
Y la contribucin al costo fijo y a la utilidad que representa
este nivel ptimo de produccin, es la siguiente:
Z = 0.3R + 0.3P
sustituyendo los valores del nivel ptimo de produccin, se ob-
tiene:
z == 0.3(200) + 0.3(200) = 60 + 60 = $ 120.00
por hora de fabricacin.
l
j
1
l
f
PROGIIAMACION LINEAL 33
Problema nm. 2. Un fabricante de ventanera de aluminio
produce dos tipos de ventanera, uno de aluminio natural y otro
de aluminio anodizado. El proceso de fabricacin consta de tres
etapas, realizadas en otros tantos departamentos: el departamento
de corte, el de montaje o ensamble, y el de anodizado.
La capacidad de los tres departamentos para el siguiente pe-
rodo de tiempo es:
Corte
Ensamble
Anodizado
600 ventanas
400 ventanas
300 ventanas
Si la contribucin al costo fijo y a la utilidad es de $ 50.00 para
las ventanas de aluminio natural y de $ 150.00 para las ventanas
.de aluminio anodizado,, determinar lo siguiente:
l.. El planteamiento algebraico de las restricciones.
2. La ecuacin de la contribucin total al costo fijo y a la
utilidad.
3. El nivel ptimo de fabricacin, utilizando el mtodo gr-
fico de solucin.
4. La contribucin total al costo fijo y a la utilidad con el
nivel ptimo de fabricacin.
Solucin
Asignando las siguientes variables a los dos productos, se
tiene:
V .. - ventana de aluminio natural
Va ventana de aluminio anodizado
Ahora bien, como el problema especifica que el proceso de
fabricacin consta de tres departamentos, vale concluir que deben
existir tres restricciones, a saber:
Restricciones
Corte v ..
+
Va

600
Ensamble v ..
+
Va
<
400
Anodizado Va
< 300
As, el conjunto de desigualdades lineales que representan las
restricciones del problema, sera:
PIOGIIAMACION UNUL
v.
+
Va.< 600 o o o (1)
v.
+
Va < 400 o (2)
Va <
300 o (3)
Contribucin al costo fijo y a la utilidad. Considerando que
la contribucin al costo fijo y a la utilidad es de $ 50.00 por cada
ventana de aluminio natural, y de $ 150.00 por cada unidad de
aluminio anodizado, la ecuacin representativa es:
V.= WAtanas de
aluminio
600
500
Z = 50Vn + 150Va
del departamento ele <-
lestcdn redvndonte
-ral 300 ltstricciII del depcrtomtnto de tll"ombt.
Restriccin del departamento ele
anodd.ado
100 200 300 500 600
v. =ventanas de aluminio anodiz:ado
De la solucin grfica se obtiene el nivel ptimo de fabrica
cin, en este caso determinado por el punto donde se cruzan dos
_.lneas que representan dos restricciones, ya que la tercera es una
restriccin redundante. El nivel ptimo de produccin es:
80 ventanas de aluminio natural y
300 ventanas de aluminio anodizado
La contribucin al costo fijo y a la utilidad que se maximiza
con el nivel ptimo de produccin grficamente, es:
Z = 50Vn + 150Va

i
1
1
l

'
PROGRAMACION LINEAL
en donde, sustituyendo, se tiene:
z - 50(80) + 150(300)
z 4,000 + 45,000
z - $49,000.
111 .. 3.2. Minimizacin de costos
35
Problema nm. 3. Una empresa productora de alimentos
para animales necesita proporcionar como parte integrante de su
producto tres vitaminas diferentes con requisitos mnimos que
debe cumplir. Las vitaminas se pueden obtener en diferentes can-
tidades de la materia prima A, que cuesta$ 9.00 el Kg. Igualmente
se pueden obtener de la materia prima B, que cuesta$ 7.00 el Kg.
Ahora bien, la materia prima A contiene 15 unidades de la vita-
mina l, 20 unidades de la vitamina 2 y 15 unidades de la vitamina
3. La materia prima B contiene 10 unidades de la vitamina 1, S
unidades de la vitamina 2 y 25 unidades de la vitamina 3. Las neo
cesidades mnimas que debe cumplir el producto terminado son
60 unidades de la vitamina 1, 40 unidades de la vitamina 2 y 75
unidades de la vitamina 3.
Si se desea determinar la combinacin ideal de materias pri-
mas para minimizar los costos de produccin, determine lo si-
guiente:
2. La ecuacin del costo de produccin que se trata de mini-
mizar.
3. El nivel ptimo de utilizacin de las materias primas A y B.
4. El costo mnimo posible, utilizando la combinacin ptima
de las materias primas.
Solucin
Como primer paso, se asignan los siguientes nombres a las va-
riables controlables:
A - materia prima A en Kg.
B - materia prima B en Kg.
El segundo paso consiste en plantear las restricciones que en
este caso s aceptan un exceso pero nunca una deficiencia en las
vitaminas.
36
PROGRAMACION LINEAL
Restricciones
Vitamina I:
Vitamina 2:
Vitamina 3:
ISA +
20A +
lSA +
lOB > 60
SB > 40
2SB > 7S
donde los valores de A y de B deben ser positivos o igual a cer(),
o sea:
A>O y B>O
Ecuacin de costo
C = 9A + 1B (en pesos)
Nivel de utilizacin de materias primas . . Para poder m1C1ar
la solucin grfica de este problema, se considera a las restriccio-
nes igualdades:
ISA + 10B
20A + SB
ISA + 2SB
60 para vitamina I
- 40 para vitamina 2
- 7S para vitamina 3
Con estaS"igualdades lineales se determinan las lneas que las
representan. Despus se determinan los mximos de cada materia
prima anulando una de las materias primas en cada una de las
igualdades.
Mximo para B: lOB
-
60
B
-
6
Mximo para A: lSA 60
para la vitamina 1
A 4
Mximo para B: SB 40
B
-
8
Mximo para A: 20A
-
40
para la vitamina 2
A
-
2
Mximo para B: 2SB
-
7S
B 3
Mximo para A: lSA
-
7S
para la vitamina 3
A
-
S
t
J
t

'
i
1
j
l

l
.J
'

f
<

' '
ft
l
PROGRAMACION LINEAL 37
8
R
7
6
5
Materia
prima B
4
3
2
1
Vitamina 3
1 2 3 4 S 6
Materia prima A
Ahora se inicia la inclusin del costo en la grfica de las res-
tricciones utilizando la ecuacin de costo y dndole un precio fic-
ticio, a la vez que se anula una de las dos materias primas.
e= 9A
+
7B
Suponiendo que e
-
$45.00 y B
-
o
45 9A; A
45
S Kg
- =- =
9
Suponiendo que e
--
$45.00 y A = O
45 7B; B
45
6.43 Kg
- --
7
PIOGRAMACION LINEAL
Suponiendo que e
-
$36.00 y B =0
36
-
9A-
A= 36
-
4 Kg

9
Suponiendo que e
-
$36.00 y A = o
36
36
-
1B; B = - = 5.15 Kg
7
De la grfica se deduce que el punto de mnimo costo --que
en este caso corresponde al punto donde lo cruza una lnea de
isocostos ubicada ms cerca del origen- es el punto T, que tiene
los siguientes valores:
y su costo es:
Materia prh:1a A - 33 Kg
Materia prima B - 1 Kg
e - $ 9.00 X 3.3 + $7.00 X 1
e - 3o.oo + $ 1 .oo
e - $37.00
Problema:nm. 4. Un fabricante de fertilizantes para pastos
de jardn acaba de descubrir una nueva frmula para fertilizantes.
Su frmula requiere un mnimo de 15 unidades de nitrgeno y 8
de fosfato, ambos obtenibles de las sustancias A y B. Las caracte-
rsticas y costos de dicha frmula son los siguientes:
Nmero de unidades por kilogramo
Sustancia
1
Nitrato Fosfato CostojKg
!l. 4 1 7.00
B 3 S 5.00
Determine:
2. La ecuacin de costo.
3. El proceso general para este tipo de problema.
\
1
)
'
i

f
1
1
f
1
Solucin:
Nitrato
Fosfato
PROGR.o.MACION LINEAL 39
Res fricciones Parmetros
4A + 3B > 15 ,..- 4A + 3B 15
lA + 5B > 8 ,..- lA + 5B = 8
Nitrato
Si 4A = O entonces 3B = 15
B=5
Si 3B =O entonces 4A = 15
A= 15/4
A= 3.75
Fosfato
Si 5B = O entonces A = 8 Si A = O entonces 5B = 8
B = 8/5
B = 1.6
Funcin objetivo o ecuacin de costo:
j e= 7A + 5BI
Suponiendo costos arbitrarios totales para la frmula:
$35 = 7A + 5B
Si 7A =O entonces 5B = 35
B = 35/5
B =7
Si 5B = O entonces 7 A = 35
A= 35/7
A=5
$21 = 7A + 5B
Si 7A =O entonces 5B = 21
B = 21/5
B = 4.2
Si 5B =O entonces 7A = 21
A= 21/7
A=3
Costo mnimo de fabricacin de la nueva frmula:
e - $7A + $5B
e - 7(3) + 5(1) - $26.00
40

7
6
5
NI !roto
4
3
2
1
PIOGIIAMACION LINEAL
'
'
'
'
'
'
'
'

'
'
' Nitrato
'
'
'
'
'

'

'
1
2
'
'
3
4
Fosfato
5 6
7 '
8
De lo anterior se puede deducir que todo modelo tiene dos
elementos bsicos:
l. Restricciones, y
2. Funcin objetivo.
Y que la forma genr-ica de estos dos elementos es como sigue:
Restricciones
aux, + a,.x. + a,x,
+
+ a,,.x.. < b,
a.,x,
+ a x + a ... x,
+
+ a .xn < b.
a,,x,
+ aa.x + a33Xs
+
+ as.Xn < b.
a .. ,x, + a...x + a..,x, + + a...xn < b ..
Funcin objetivo
Z(mx. o mn.) = c,x, + c.x, + c.xa + + c.xn
1
1

r
1
i
l
'
1
1
;

)
j
l

. 1

l

IV
PROGRAMACION LINEAL.
METODO SIMPLEX O DE DANTZIG
IV.l. CONCEPTOS GENERALES
El mtodo Simplex o de Dantzig es un mtodo de solucin
algebraica que sirve para resolver problemas de programacin li-
neal, creado por George B. Dantzig en 1947. Se considera un siste-
ma de resolucin del algoritmo simplex, y es bsicamente un pro-
cedimiento repetitivo o iterativo, en el cual se avanza sistemtica-
mente, paso a paso, hacia el siguiente punto de interseccin del
polgono de factibilidad tcnica, hasta obtener un valor ptimo.
Como ya se dijo, con el mtodo simplex se resuelven problemas
de programacin iineal; se inicia con una matriz en la cual sola-
mente se producen variables de holgura, y a continuacin se intro-
ducen sistemticamente nuevas variables, una por una, hasta llegar
a una solucin ptima. Como cada vez que se introduce una nueva
variable se repiten los clculos y se elabora una nueva matriz o
tabla, cada nueva variable o tabla desarrollada representa un paso
ms cercano a la solucin ptima; por lo tanto, en los problemas
de maximizacin de utilidades, en cada nueva matriz o tabla el
valor de la contribucin total al costo fijo y a la utilidad debe ser
mayor que el de la matriz o tabla precedente.
Cada iteracin para desarrollar una nueva matriz o tabla con-
siste en cuatro pasos principales:
l. Debe introducirse alguna nueva variable?
2. Qu variable producida debe eliminarse?
3. Cules sern las producciones de las nuevas variables pro-
ducidas?
4. Cules sern las nuevas relaciones de sustitucin de todas
las variables, en trminos de las variables producidas?
En general. este mtdo se utiliza en problemas de maximiza-
cin, sin embargo, cualquier problema de minimizacin de costos
puede convertirse en un problema de maximizacin de utilidades
si todos los costos se consideran contribuciones negativas al costo
41
42 PROGRAMACION UNEAL METODO SIMIUX O DE DANTZIG
fijo y a la utilidad; no obstante, a menudo es ms conveniente
considerar que los costos tienen un signo positivo, y buscar la
solucin en que el costo total sea un mnimo. Lo anterior puede
lograrse alterando la decisin de cundo introducir una nueva
variable.
La nueva variable que deba introducirse ser la que ms re-
duzca el costo, ya que al costo de la variable introducida se le res-
tan los costos de las variables que deben eliminarse; as, la varia-
ble por introducir ser la que muestre la mayor cifra negativa, o
la que ms reduzca el costo; y se llegar a un ptimo cuando la
introduccin de cualquier nueva variable resulte en un costo nulo
o negativo.
Para iniciar el desarrollo de la solucin simplex, se debe pri-
mero analizar la naturaleza de las ecuaciones correspondientes a
lineas rectas y que indican cantidades que se pueden producir; y
luego, para representar correctamente sus relaciones, las ecua-
ciones deben transformarse en desigualdades para reconocer el
hecho de que son restricciones que solamente limitan la cantidad
de productos que pueden fabricarse, pero sin fijar la cantidad que
deba producirse.
Aunque las desigualdades representan la situacin real, son
difciles de resolver algebraicamente y es necesario transformarlas
en igualdades, pero sin cambiar la naturaleza de las restricciones;
esto se variables de "holgura" o "falsas".
Para formar la matriz inicial se deben colocar todas las varia-
bles en la pa_rte superior, y slo las variables producidas a la iz-
quierda, de arriba hacia abajo. Y en general, puesto que las va-
riables producidas sern diferentes en cada punto de interseccin,
el punto ms fcil para formar la matriz inicial es el origen donde
no existen variables o productos reales, sino nicamente variables
de holgura o falsas.
Existen dos pasos principales para la solucin de problemas
de programacin lineal:
1. Formulacin del modelo que describa el problema real.
2. Solucin del modelo formulado.
Lo ms difcil en la solucin del algoritmo sirnplex es la for-
macin de la matriz inicial o de la primera tabla. Lo primero que
debe hacerse para formar la matriz inicial es determinar las
restricciones, o sea aquello que describe la cantidad de cual-
quier variable de la manera que sea, en cualquiera de las si-
guientes formas:
!
. -
1
J.
. ~ . - .
~
..
l
1
1
PROGRAMACION LINEAL. METODO SIMPLEX O DE DANTZIG 43
a) Que limite la cantidad, o
b) Que fije alguna cantidad de la variable en la combinacin
final de productos.
El segunda paso es determinar las variables - o sea, aquello
sobre lo cual se tiene control-, introduciendo diferentes cantida-
des en la combinacin de productos. Recurdese que el nmero
de variables puede ser muy grande en un problema real.
El tercer paso consiste en formular las restricciones en trmi-
nos de las variables, recordando que se deben emplear las mismas
variables en todas las restricciones y que diferentes restricciones
se medirn en diferentes unidades.
El cuarta paso consiste en escribir la funcin objetivo en tr-
minos de las mismas variables que aparecen en las restricciones.
En problemas de maximizacin de utilidades, la funcin objetivo
debe maximizarse y los coeficientes de las variables sern la con-
tribucin de cada variable al costo fijo y a la utilidad. En proble-
mas de minimizacin de costos, la funcin objetivo debe minimi-
zarse y los coeficientes de cada variable sern el costo variable
correspondiente a dicha variable.
El quinto paso es agregar variables de holgura, complementa-
das con valores adecuados, a las restricciones segn el caso, re-
cordando que todas las restricciones tomarn alguna de las formas
siguientes:
a) A+ B < 100
b) e+ D - 100
e) E+ F > 100
Entonces, en el primer caso, agregando simplemente una va-
riable de holgura con valor o costo nulo, se cambia la restricci(ln .
de A+ B < 100 a H1 +A+ B = 100, donde el valor de H1 es
cero o nulo.
En el segundo caso, tambin se agrega una variable de holgu-
ra, pero asignndole un costo o valor extraordinariamente elevado,
con signo positivo en los problemas de minimizacin de costos y
negativo en los de maximizacin de utilidades. Lo anterior se hace
para asegurarse que la variable de holgura no ap::>.rezca en la solu-
cin ptima, cumpliendo as con la restriccin. De este modo, la
restriccin e + D = 100 se convierte en H. + e + D = 100.
En el tercer caso se deben agregar dos variables de holgura.
La primera tendr un valor o costo muy elevado y ser la que ase-
gure que la cantidad o valor de E y F sea cuando menos de 100. La
PIOGRAMACION UNEAL METODO SIMPl.EX O DE DANTZIG
segunda tendr un costo o valor nulo y un coeficiente de -1, ase-
gurando de esta forma que E + F sea mayor que 100. De este
modo la restriccin E+F> 100 se convierte en H.-H,+E+F=100,
donde H, tiene un valor muy alto, positivo para minimizar costos y
negativo para maximizar utilidades, y H, tiene un valor cero o nulo.
El sexto paso consiste en formular la matriz inicial o primera
tabla. En ella cada rengln representa una restriccin, mientras
que cada columna representa una gua para los componentes de
cada variable. Las variables producidas y sus valores correspon-
dientes se anotan en el lado izquierdo de la matriz o tabla, mien-
tras que todas las variables y sus valores se registran en la parte
superior. Debe recordarse que solamente las variables de holgura
cuyo coeficiente sea de + 1, y solamente una por restriccin, apa-
recen como variables producidas en la matriz o primera
tabla, no obstante que su valor pueda ser O, +M (muy alto) o,
-M (muy bajo). Las de las variables obtenidas de la
matriz inicial se anotan de arriba hacia abajo del lado derecho.
Estas producciones son las cantidades lmite de las ecuaciones de
restriccin. En esta forma, el cuerpo de la matriz o tabla est
compuesto por los coeficientes de las variables de las ecuaciones
de restriccin.
En los problemas de costo mnimo, las restricciones adoptan
la siguiente forma tpica:
e; A+B=l

Esta resfriccin en el problema puede estar tan slo sobre-
entendida y no especficamente planteada, como resultado de lo
cual a menudo se olvida. Todo problema de minimizacin de
costos tendr una restriccin de este tipo general.
IV.2. EJEMPLOS DE APLICACION
IV .2:1. _ Solu<in con el mtodo de Frazer *
Problema nm. l. Un fabricante de muebles en pequea es-
cala nicamente elabora dos productos: escritorios y sillas.**
Este fabricante tiene en su planta cuatro departamentos distintos:
corte, armado, tapicera en el cual slo se procesan las sillas, y
* Vase Ronald J. Frazer, Programacin lineal aplicada, Frentice-Hall
Inc .. 1968.
* Gass, Saul 1., Linear Programming, McGraw-Hill Book Company,
Inc., 1958.
1
\
l
1
l
l
f
. {
1
1

'
PROGRAMACION LINEAL. METODO SIMPLEX O DE DANTZIG 4S
linleo, en el cual slo se producen las cubiertas de los escritorios.
Durante el prximo perodo de produccin se cuenta con 27,000
minutos de tiempo hbil en cada uno de los departamentos. Este
tiempo til es invariable; Los tiempos requeridos para fabricar
los productos son los siguientes:
Tiempo til Tiempo re- Tiempo
total querido requerido
Departamento
disponible SILLAS ESCRITORIOS
(mln.) mn./silla mn./ escritorio
Corte 27,000 15 40
.
Armado 27,000 12 so
Tapicera 27,000 18.75
--
-
Linleo 27,000
--
56.25
La contribucin de estos dos productos al costo fijo y a la uti-
lidad es de $25.00 por cada silla y de $75.00 por cada escritorio .
Para determinar qu produccin de cada uno de los dos pro-
ductos optimizar su contribucin al costo fijo y a la utilidad,
utilcese el mtodo simplex.
Solucin. Siguiendo el procedimiento general de solucin:
Primero. Se nombran las variables controlables:
S= sillas E = escritorios.
Segundo. Se determinan las cuatro restricciones:
Para corte:
Para armado:
Para tapicera:
Para linleo:
15S +
12S +
18.75S
40E < 27,000
50E < 27,000
< 27,000
56.25E < 27,000
Tercero. Se determina la ecuacin correspondiente a la fun-
cin objetivo que se busca maximizar:
Z = 25S + 75E
Cuarto. Se modifican las desigualdades correspondientes a
las limitaciones, adicionando variables de holgura o falsas para
hacerlas igualdades :
46
PROGRAMACION UNEAL METODO SIMPl.EX O DE DANTZIG
Corte: H,
+
lSS + 40E
-
27,000
Armado: Hz
+
12S + SOE
-
27,000
Tapicera: H.
+
18.75S
-
27,000
Linleo: H. +
56.25E
-
27,000
Con las variables de holgura, la funcin objetivo cambia a:
Z = OH, + OH. + OH, + OH.+ 25S + 75E
Considerando una produccin nula tanto de sillas como de es-
critorios, se forma la primera tabla o matriz; para formarla se
utilizan las restricciones para cada rengln de la tabla, cambiando
por ejemplo la primera restriccin a:
lH, + OH. + OH, + OH. + lSS + 40E = 27,000
Asimismo, cambiando la segunda restriccin a:
OH, + lH. + OH, + OH. + 12S + SOE = 27,QOfJ
y as sucesivamente.
TABLA O MATRIZ IV.l
""-
o o o o 25 75
[.Yt- Contribuciones
H, H, H, H,
5 E
ODD
o
H, 1 o o o
o
H,
o 1 o o
o H,
o
o 1 o
o H.
o o o 1
V
MATRIZ UNIDAD = 1
N\lma'o de produo- Productos o variables pro-
tos correspor:tdicn- ducldas ea el punto de ori-
ta a las vanables del poligono de fa.:ti-
d<l hoJawa biUdad cnica
15
40 27,000
12 50
27,000
18.75
o
Z7,000
o 5625 Z7 .000
......
.,
y
CoefiCientes 4e las Pc:rioc1os de
variables controla- produccin
bies en las
clones
:S
?

f.$?
Segn los pasos que deben seguirse para analizar otro punto
de interseccin del polgono de factibilidad tcnica, y que son:
1. Qu nueva variable debe introducirse?
2. Cul variable debe eliminarse?
1
i
1
'
PROGRAMACION LINEAL METODO SIMFLEX O DE DANTZIG
3. Cules son las nuevas producciones?
4. Cules son las nuevas relaciones de sustitucin?
Utilizando la tabla inicial o primera matriz, aqu reproducida:
o o
o o 25 75
H, h", H, H, S E
o H, 1 o o o 15 40 27,000
o
H,
o 1 o o 12 50
21.000
o H,
o
o
1 o 13.75
-
27,000
o
H,
o o o 1
-
56.25 27,000
Paso nm. 1. Qu nueva variable debe introducirse?
Para determinar cul nueva variable introducir, se debe se-
guir el criterio de escoger aqulla cuya contribucin al costo fijo
y a la utilidad sea la mayor posible, de acuerdo con el siguiente
proceso de anlisis:
Las dos posibles variables a introducir son S (sillas) o E
(escritorios), cuyas posibles contribuciones son:
Primera iteracin
S E
+
25
+
75
(15
X
O)
o (40
X
O)
-
o
(12 X O)
-
o (50 X O) o
(18.75 X O)
o (O X O)
-
o
(O X O)
-
o (56.25 X O) o
Contribucin neta
-
+25
-
+75
-- --
Considerando que la mayor contribucin neta al costo fijo y
a la utilidad por unidad la aportan los escritorios, se escoge la
variable E.
Paso nm. 2. Qu variable debe eliminarse?
En este paso se utilizan las restricciones y en ellas se intro-
duce la variable escogida, determinando para cada restriccin el
mximo de produccin posible de esta variable, es decir, de es-
critorios.
PROGRAMACION UNEAL. METODO SIMPLEX O DE DANTZIG
Teniendo las siguientes restricciones:
Corte: ~
+
lSS + 40E
-
27,000
Armado: H.
+
12S + SOE
-
27,000
Tapicera: H.
+
18.75S
-
27,000
Linleo: H, + 56.25E
-
27,000
Se considera que las variables de holgura y la variable S son
cero, y resolviendo cada ecuacin de restriccin se tienen los si-
guientes valores de E:
Corte: H,; 40E
-
27,000
E
-
27,000/40 675 escritorios
Armado: H.; SOE
-
27,000
E
-
27,000/50
-
540 escritorios
Tapicera: H,; OE
-
27,000
E
-
27,000/0 = 00 escrtorios
Linleo: H,; 56.25E
-
27,000
E
-
27,000/56.25
-
480 escritorios
-
El resultado mnimo positivo de 480 indica. que la variable
H. es la que limita la cantidad E que puede producirse, por lo
tanto H. debe eliminarse al introducir E.
Paso nf11. 3. Cules deben ser las nuevas producciones?
Sabiendf? ya que la mxima produccin de E, restringida por
H ,, es 480, s' determinan las nuevas producciones de las otras va-
riables, obtniendo:
Nueva produccin de E= 480
Nueva produccin de H,: 27,000- (480x<fO)
-
7,800
Nueva produccin de H.: 27,000- (480XSQ)
-
3,000
Nueva produccin de Hs: 27,000- (480x O)
-
27,000
Paso nm. 4. Cules son las nuevas relaciones de sustitu-
cin?
Para expresar las variables no producidas en trminos de las
nuevas variables producidas, se debe desarrollar una frmula para
la variable que se est eliminando, en trminos de las nuevas va-
riables. Esta expresin se deriva de la frmula de la variable esco-
gida para introducirse. Segn la tabla o matriz inicial, cada E, que
es la variable escogida, consiste en 40 unidades de H,, 50 unidades
1
1
!
i
f
1
' j
'
1
l
l'ROGRAMACION UNEAL .'J\ETOOO SIMPLEX <) DE OANT!IG
.
de H,, O unidades de l-!3 y 56.25 u.nidades de H,. A partir -:le s:H:l
relacin se deriva la siguiente <!cuacin:
E= 40H, + SOH, +OH, + S6.25H,.
Esta ecuacin es vlida aunque no se exprese en las mismas
unidades de las ecuaciones de originales, y que cone:;-
ponden a los renglones o filas de la matriz o tabla inicial. En las
ecuaciones de restriccin originaks, E indicaba el nmero de
escritorios dentro de un nivel de produccin, mientras que en la
ltima ecuacin de relacin derivada, E indica un solo escritorio.
Para estar correctos, se debera indicar este cambio de unidades
utilizando diferentes smbolos para estas dos unidades; es decir,
se podra utilizar el smbolo E' para indicar un slo escritorio y
E para indicar el nmero de escritorios. Sin embargo, al introdu-
cir nuevos smbolos. para cada variable, se corre el riesgo de causar
confusiones, posiblemente con mayor riesgo del causado al em-
plear los mismos smbolos. Al calcular las nuevas relaciones de
sustitucin para el cuerpo de la tabla o matriz, se trabaja exclu-
sivamente con las ecuaciones de columna empleando las unidades
de cada escritorio, cada silla, etc., hasta haber calculado todas las
nuevas relaciones de sustitucin. Despus, utilizando las nuevas
relaciones, se forma una nueva ecuacin de restriccin en la cual
permanecen intactas las unidades originales. En esto no existe
posibilidad de error, ya que los clculos efectuados con las ecua-
ciones de columna nunca se mezclan.
Por lo tanto, continuando:
E = 40Hr + SOH, + OHa + 56.25H .
Despejando H.:
56.25!/, - -40Ht - 50H, - OH3 + E
H, = -0.7111Ht - 0.8889H, - OH. + 0.0178E
Su>tituyendo el valor de H. en la ecuacin de columnas co-
rrespondiente a cada silla, se obtiene:
S = 15Ht + 12H, + 18.75H3
+ O( -0.7111Ht-0.8889H,-OH
3
+ 0.0178E)
= 15Ht + 12H, + 18.75H3 + OE
Corno la relacin de sustitucin entre S y H. fue nula, la ecuacin
verticl de S no cambia.
50
PROGIIAMACION UNEAL METODO SIMPLEX O DE DANTZJG
TABLA IV.2
o o o
o 25 75
1!,
H, H, H, S E
o
H, 1 o o -0.7111 15 o 7,800
o H,
o 1
o -0.8889 12
o 3,000
o H, o o
1
o 18.75 o 27,000
75
E o o o 0.0178
o
1
480
En esta segunda tabla o matriz, se observa que las variables
y su valores, colocados en la parte superior, no cambian. En el
lado_ izquierdo, las variables producidas cambiaron a H,, Hz, H.
y E, junto con sus valores. En el lado derecho se tienen ahora las
nuevas producciones de las variables, que: son: 7,800H,, 3,000IJ,,
2_7,000H, y 480E. Las nuevas relaciones de sustitucin en el cuerpo
de la tabla indican que E es ahora una varible producida, plan-
teada sobre la base de uno a uno con ella misma, mientras que los
dems coeficientes son cero.
H,, que ahora es una variable no producida, tiene coeficientes,
dos de los cuales son negativos. Estos coeficientes negativos sig-
nifican que si en ese momento se introdujera H,, se ganaran uni-
dades de H, y Hz y se perderan unidades de E. Al introducir una
unidad de H, se ganaran 0.7111 unidades de H, y 0.8889 unidades
de H., y se perderan 0.0178 unidades de E.
Segunda iteracin. Repitiendo todo el proceso desarrollado
en la primera iteracin, se obtiene:
l. Qu variable debe introducirse?
H, S
+
o
+
25
(-0.7111
X
O)
-
o (15
X
O)
=1=
o
( -0.8889
X
O)
-
o (12 X O)
- =1=
o
( o X
O)
-
o (18.75 X O)
=1=
o
( 0.0178 X
O) -1.34 (O X 75)
....L
o
- -r-
---
Contribucin neta -1.34
-
+ 25
-
j
1
1
'
l
Lo anterior indica que el introducir H. dara por resultado une.
disminucin de $ 1.34 en la contribucin al costo fijo y a la utili-
dad, mientras que introducir S dara un aumento de $ 25.00. Con-
secuentemente, se introduce S.
2. Qu variable debe eliminarse? Segn cada restriccin:
Con H,, se pueden producir 7,800/15
Con Hz, se pueden producir 3,000/12
Con H., se pueden producir 27,000/18.75
Con E, se pueden producir 480/0
520 sillas
250 sillas
1,440 sillas
oo sillas
El resultado positivo mnimo de 250 sillas indica que Hz es la
variable que limita el nmero de sillas que pueden producirse. Por
lo tanto, se eliminar H. y en su lugar se introducir S. Las nuevas
variables producidas sern ahora H,, S, H. y E.
3. Nueva producciones. .
Conociendo cules van a ser las nuevas variables producidas,
las nuevas producciones de dichas variables sern las siguientes:
De
De
De
De
S:
H,:
H.:
E:
3,000/12
7,800
27,000
480
(250 X 15)
(250 X 18.75)
(250 XO)
4. Nuevas relaciones de sustitucin.
250
4,050
22,313
480
Empleando la frmula para la variable que se est intrdu-
ciendo, se deriva una nueva frmula para la variable eliminada,
H., en trminos de las nuevas variables H,, S, H. y E.
S = 15H, + l2H2 + 18.75Hs + OE
Despejando H.:
12Hz - -15H, + S - l8.75H, - OE
Hz - -1.25H
1
+ 0.0833S - 1.5625H
3
- OE
Aqu debe hacerse notar que se ha introducido S en la posi-
cin que anteriormente tena H2 y se le ha. colocado como la
segunda variable, segn se ilustra en la tabla IV.3. Aunque mate-
mticamente no es necesario, es conveniente que la variable in-
troducida se coloque en las ecuaciones en la misma posicin que
52 PROGIAMACION UNEAL METODO SIMPLEX O DE DANTZIG
ocupar en la siguiente tabla, con el fin de reducir al mnimo la
posibilidad de error.
Sustituyendo el valor detenninado para H. en la ecuacin de
H,, se obtiene H, en trminos de las nuevas variables:
H, = -0.7111H,- 0.8889H. +OH.+ 0.0178E
H, = -0.7111H, - 0.8889( -1.25H, + 0.0833S
- 1.5625H. - OE) + OH, + 0.0178E
= -0.7111H, + 1.1111H,- 0.0741S + 1.3889Hs
+ OE +OH.+ 0.0178E
= 0.4H,- 0.0741S + 1.3889H, + 0.0178E
Colocando estas nuevas relaciones de sustitucin en la si-
guiente tabla o matriz IV.3, se tiene:
TABLA IV.3.
o o o o 25 75
H, H.
H, H,
S E
""" .
o H, 1 -1.25
o 0.4 o o
4,050
-
25 S
o
+0.0833
o -0.0741
1 o 250
1
o
H,
o
-1.5625
1 1.3889 o o 22,313
75 E
o o o 0.0178
o
1
480

Tercera iteracin. Nuevamente se repite el proceso iterativo,
ahora con los valores indicados en la tabla IV.3.
l. Variable a introducir.
H. H,
..L
o
+
o
'
( -1.25
X
O) o (0.4 X O) o
(0.0833 X 25)
-
-2.08 ( -0.0741 X 25) 1.85
( -1.5625 X O)
-
o (1.3889 X O) o
(O X 75)
o (0.0178 X 75) -1.33
Contribucin neta
-2.08
+0.52
!
l
1
1
FROGRAMACION LINEAL. METOCO SIMPlE)( O DE DANTZIG 53
El anJ.isis anterior indica que al introducir una unidad e
H., que es la capacidad de taller de linlios no utilizado, resul-
tada en un aumento de $ 0.52 por unidad en la contribucin al
costo fijo y a la utilidad. Por lo tanto, se escoge H. para ser
introducida.
2. Variable a eliminar.
De acuerdo con la restriccin H,, se pueden producir 4,050/
0.4 = 10,125H . Al analizar las sillas, se presenta un problema es-
pecial ya que aparece una relacin de sustitucin negativa para
H. y las sillas. Esto significa que al introducir una unidad de H.
se ganan sil.Ias en lugar de perderlas. Por lo tanto, como la pro-
duccin de sillas no limita la cantidad de H., se omite este clculo.
Segn cada restriccin:
Con H se pueden producir: 22,313/1.3889 = 16,064H.
Con E, se pueden producir: 480/0.0178 = 26,966H.
El mnimo resultado positivo de 10,125 indica que H, es la
variable que limita la cantidad de H. que puede introducirse, por
lo tanto, se elimina H, y en su lugar se introduce H . As,las nuevas
variables producidas sern H., S, H. y E.
3. Nuevas producciones.
Las nuevas producciones de las variables producidas sern:
De H.:
De S:
De H.:
De E:
4,050/0.4 - 10,125
250 - ( 10,125 X -0.0741) - 1,000
22,313 - ( 10,125 X 13889) - 8,251
480- (10,125 X 0.0178) - 300
4. Nuevas relaciones de sustitucin.
Empleando la ecuacin:
H. = 0.4H, - 0.07418 + 1.3889H. + 0.0178E
Despejando H,:
0.4Hz = H. + 0.07418 - L3889H. - 0.0178E
H, = 2.5H. + 0.18528 - 3.4722H. - 0.0445E
Sustituyendo esta ecuacin en la de H., se obtiene:
-1.25H, + 0.08338 - 1.5625H. + OE
-1.25(2.5H. + 0.18528 - 3.4722H.
-0.0445E) + 0.08338 - 1.5625H. + OE
PROGIIAMACION UNEAL METODO SIMPLEX O DE DANTZIG
H. - -3.125H. - 0.2315S + 4.34H, + 0.0556E
+0.0833S - 1.5625Ha + OE
H. - -3.125H. - 0.1482S + 2.7775H. + 0.0556E
Con estos valores se establece la tabla o matriz IV.4, y se puede
iniciar la siguiente iteracin.
TABLA IV.4
o o
H1 H.
o H, 2.5 -3.125
25 S 0.1852
-0.1482
o H, -3.4722
2.7775
75 E -0.0445 0.0556
Cuarta iteracin.
l. Variable a introducir:
+
(2.5 X O)
(0.1852 X 25)
( -3.4722 X O)
( -0.0445 X 75)
Contribucin neta
o
o
-4.63
o
3.34
-1.29
o
H,
o
o
1
o
o 25 75
H.
S E
1 o o
o 1 o
o
o
(j
o o 1
H.
+
( -3.125 X 0)
( -0.1482 X 25
(2.7775 X O)
( 0.0556 X 75)
10,125
1,000
8,250
300
o
o
3.70
o
-4.17
-0.47
El anlisis anterior indica que si se introduce cualquiera de
las dos variables no producidas, H1 o H2, el resultado sera una
contribucin negativa al costo fijo y a la utilidad, por lo tanto, se
ha llegado a la solucin ptima.

'
1

1
1
!
l
PROGRAMACION liNEAL. METODO SIMPlEX O DE DANTZIG 55
Esta solucin ptima corresponde a la siguiente produccin:
10,125H,
1,000 sillas
8,251H.
300 escritorios
Igualmente, esta solucin ptima corresponde a la maximiza-
cin de la funcin objetivo, que es de:
Z = 25S + 75E
Zmx. - (25 X 1,000) + (75 X 300) - 47,500.00
Zmx. $47,500.00
IV.2.2. Mtodo de Espinosa Berriel *
Suponiendo que de un caso real se ha derivado el modelo
matemtico representativo del problema real, el siguiente paso
sera la determinacin de la solucin ptima del modelo utilizando
el mtodo simplex o de Dantzig.
Siendo el modelo como sigue:
A+ 2B
A+ B
2A +
Res fricciones
+ e< 10
+ 2e < 9
3e < 12
Funcin objetivo
(1)
(2)
(3)
zm. = 3A + 2B + e . . . . .. . . .. .. < 4)
Se trata de obtener la solucin ptima.
Solucin
El primer paso de la solucin es modificar las desigualdades
de tal forma que stas se conviertan en igualdades. Esto se hace
agregando a cada desigualdad una variable ficticia llamada de
* Vase Hctor M. Espmosa Berriel, Programacin lineal, Mxico, Edi
torial Pax, 1963.
56 PROC!tAMACION UNEAL ll'd:TODO SIMPLEX O DE DANTZIG
holgura y que tiene una contribucin al costo fijo y a la utilidad
igual a O.
Agregando las variables de holgura H1, H. y Ha adems de
hacer un reordenamiento, se tiene:
(1') ........... .
(2') ........... .
( 3') ........... .
10 - H,
9 -
12 -
y la funcin objetivo es:
+A+2B+C
+A+ B+2C
+ 2A + OB + 3C
(4) .......... ZmAx. =OH,+ OH2 +OH,+ 3A + 2B + C
Teniendo el modelo ordenado en la forma anterior, se procede
a establecer la matriz o tabla inicial de solucin, como sigue:
MATRIZ INICIAL
irr.de.
::n Jief!te de. las
restricciones Variables de holgura
Colum.rua
var;ables de com
reales probacin
lar e,

de
fW!.cin objell YO
<
R.estriccione!
io Valor de la tune
objetivo 't""
ar Guia para etimin
una variable "'
___..
+
[><
..

o
H,
'
o
H,
----":
o
H,,
'""""\
< z,
/
z, -e,
[X
B,
10
9
12
'1'-
o
X.
Coeficientes e con- Variables
tribucin de las producidas
producidas
o o o
H, H. H,
1 o o
o 1 o
o o 1
".
o
o
o
o o o
MATRIZ UNIDAD = 1
Fi;. IV.l.
3 2 1
(0111
pro-
bacln
A B e
L:
1 2

15

1 2 14
2
o.
3
18
o o o o
-3 -2 -1
[><
1
1
l
1

l
LINEAL. METOOO SIMPLEX O DE DANTZIG 57
Al terminar de desarrollar la matriz o tabla inicial en la cea! se
establece una primera solucin con un valor de Z =,O. se termini
la primera etapa. Para proseguir, hay que obtener una segunda
matriz de solucin, en la cual el valor de Z; sea superior al de 1::.
matriz inicial.
El procedimiento a seguir en esta segunda etapa es el si-
guiente: .
l. Determinar cul debe ser la nueva variable a introdccir.
Para ello, se analizan los valores de la fila Z-C; y el valor mnimo
que se indicar la variable que debe introducirse. En
esta fila cualquier valor negativo identifica una variable que al ser
introducida en una nueva matriz de solucin, conferir a la fun-
cin objetivo _n valor mayor, o cuando menos igual. al anterior.
En el ejemplo se puede observar que el mnimo valor de Z
1
-C
1
es de -3, lo cual indica que la variable A es la que debe intro-
ducirse.
2. Determinar cul variable debe eliminarse. Para identificar
esta variable, que forma parte de la solucin inicial, debe proce-
derse como sigue:
a) Se obtienen los cocientes resultantes de dividir los valores
de la columna B; entre los elementos positivos de la columna
correspondiente a la variable A.
b) De la columna correspondiente a la variable A, slo se con-
sideran los valores positivos. .
e) El cociente de menor valor indica que la variable corres-
pondiente a esa fila es la que debe eliminarse. En el ejemplo, este
menor valor es 6, por lo que la variable H. debe eliminarse.
En la matriz inicial, con los datos obtenidos se indica la va-
riable a introducir, destacando la columna correspondiente con
rayas gruesas; y anlogamente la fila correspondiente a la variable
que debe eliminarse tambin con rayas gruesas, adems de con
flechas, una indicando entrada y la otra salida. (Vase fig. IV.2.)
Al elemento que se encuentra en el cruce entre la columna
y la fila de las variables seleccionadas anteriormente, se le da
el nombre de pivote.
A los otros elementos de la columna seJeccionada se les da
el nombre de semipivotes.
Con estos elementos ya se est en condiciones de desarrollar
la segunda matriz de solucin, empezando por la fila que corres-
ponde a la nueva variable por introducir. Para ello, se divide cada
58
--
PROGRAMACION UNEAL METODO SIMPLEX O DE DANTZIG
e,
-
t ex:
o H.
o
H,
o
H,
z,
z,- e,
PRIMERA MATRIZ DE SOLUCION
[X
o o o
8; H, H, H,
10 1 o
o
9 o
1 o
12 o o
1
o o o o
rx
o o o
Fig. IV2.
3
A
1
1
2
o
-3
+
. 2 1
B e
2 1
1 2
o 3
o o
-2 -1
(Variable por
introducir).
Compro
bacin
2:
15
14
18
o
[X
1
% = 10
., = 6
uno de los valores de la fila correspondiente a la variable por
eliminar entre el elemento pivote, como a continuacin se ilustra:
Fila 3, matriz
inicial o H, 12 o o 1 2 o 3 18
Entre elemento
pivote 2 2 2 2
..,
2 2 2 .
Nueva fila 3,
segunda matriz 3 A 6 o o
%
1 o

9
Para determinar las nueYas filas 1 y 2 de la segunda matriz
de solucin, se procede como sigue: para cada fila, a los valores
originales en la matriz inicial se les resta el producto del elemento 1
semipivote para dicha fila,. multiplicado por el valor de la co-
lumna correspondiente en la fila entrante, es decir, en la nueva
fila 3. Esto se ilustra a continuacin:
'
'
f
1
1
l
PROGRAMACION LINEAL. METODO SIMPLEX O DE OANTZIG
59
Fila 1, matriz
inicial o H1 10 1 o o 1 2 1 15
Menos --- --- --
Elemento semipivote 1 1 1 1 1 1 1 1
Por X X X X X X X X
Fila 3 entrante 6 o o
Y:.!
1 o
%
9
- - - - -
-
Nueva fila 1,
segunda matriz o H1 4 1 o
~
o 2 ~
6
Y anlogamente se obtiene la nueva fila 2, como sigue:
Fila 2, matriz
inicial o H2 9 o 1 o 1 1 2 14
Menos --- ---
--
- - - -
-
Elemento semipivote 1 1 1 1 1 1 1 1
Por X X X X X X X X
Fila 3 entrante 6 o o
Y2
1 o
%
9
Nueva fila 2,
segunda matriz o H. 3 o 1
-%
o 1
Y2
5
Con lo anterior, queda tenninado el cuerpo de la segunda ma-
triz de solucin, como a continuacin se ilustra:
CUERPO SEGUNDA MATRIZ
o H. 4 1 o -11.! o 2
-%
6
o H. 3 o 1 -'h
o 1
11.!
5
3 A 6 o o
'h
1 o
~
9
Para determinar la fila Z1, se suman los productos parciales
de cada elemento en una misma columna por el valor correspon
diente en la columna C;, como sigue:
PIOGIIAh\ACION UNEAL METODO SIMPI.EX O DE DANTZIG
(4 X 0) (1 X 0) (O x O) e - ~ x o; (.x o (2 X O) (-%X O)
(6X 0)
+ +
+ +
Operaciones +(3 X 0) +(O X 0) (1 X 0) ( ~ X O) (G X O) (1 X O) ( ~ X O)
(5 X O)
+ + + +
+(6 X 3) +(0 X 3) ro x 3! ( - ~ X 0) (1 X 3} (O X 3) (%X 3)
(9X 3)
z, 18 ()
o
*
3 o
"'
27
La comprobacin aritmtica de todas las operaciones hechas
en la fila Z" con:;iste en sumar todos los resultados obtenidos para
dicha fila y este resultado debe ser igual al obtenido en la columna
de comprobacin. En este caso, 27 = 27.
Por ltimo para obtener la fila Z-C
1
, se resta de cada ele-
mento en la fila Z; el correspondiente valor de la fila C
1
; con esto
se termina la primera iteracin del mtodo sbnplex, obteniendo la
segunda matriz de solucin. (Vanse figs. IV.3 y IV.4.)
SEGUNDA MATRIZ DE SOLUCION
o H1 4 l. o -'h
o
2
-Y:! 6
o
H. 3 o 1 -'h
.o
1 'h
5
3 A 6 o o 'h
o o % 9
-
z, 18 o o
%
3 o %
27
Z;- C
1 [>(
o o %
o -2
'h
lX
Fig. IVJ.
El siguiente paso seria hacer la prueba de optimalidad ana-
lizando la fila Z-C; de la segunda matriz de solucin; se observa
que existe todava un valor negativo -2, por lo tanto, no se ha
llegado a la solucin ptima, ebindose proceder a hacer otra
iteracin repitiendo todos los pasos que se dieron hasta desarro-
llar una tercera matriz o tabla de solucin.
Haciendo la segunda iteracin anlogamente, se tiene el si-
guiente resultado, que corresponde a la tercera matriz de solucin.
(Vase fig. IV .5.)

!
!
t

f
1
(
j
1
1
!
1
Pl!OGRAMAC!Oi'l LINEft.L :>IOTODO :i1MPI.f.'< :l DIINTZlG
RESVMEN PARCIAL
PRIMERA Y SEGUNDA MA.TRICES DE SOLUCION

J
C:om
o o o
3 2 1
"'o-
1--

B
H1
H, H, .4 B e
> .o.-;
--
o H, 10 ! o o 1
2 1 15
o H,
9 o
1
o 1 1
2
14
.
. ,._
o H, 12 o o 1 2 o 3 18
--
z,
o o
o o o e o o
C><
1--
X
l -C
o o o -3 -2 -1
.....
o H, 4 1 o
o 2 -'h 6
o H, 3 o 1
-Yz o
1
5
3 A
6 o o % 1 o 9
Z;
18 o o 3 o %
27
z,- e,

o o :y,
o -2 %
X
t
Fig. IV.4.
TERCERA MATRIZ DE SOLUCION
2 B 2
'h
o -V.. o 1 -Y.
3
o H, 1 -Y., 1
-'4
o o
:y. 2
3 A 6 o o

1 o
*
9
z, 22 1 o 1 3 2 4 33
z,- e,
X
1 o 1 o o 3
X
Fig. IV .3.
----
'
1
'Y.=IO
o/=9
y, = 2
=t = 3
Primera
iteracin
Segunda
iteradn

=

e
..
;:
;;
E

u
l!
V
....

62
C
___.
t
[X
o H,
o
H,
o H,
z,
z,- e,
o H,
o
H,
3 A
Z
z1- e,
2 B
.o H,
3 A

z,
z,- c.
PIOGI.UV.CION UNEAL METODO SIMPLEX O DE DANTZIG
RESUMEN DE LA SOLUCION
~
Com-
o o o 3 2 1 pro-
bacin
B H, H, H,
A B e

10 1
o o 1 2 1 15
9 o 1
o 1 1 2 14
12
o o 1
2 o 3 18
o o o o o o o o
[X
o o o -3
-2
-1
[X
4
1
o -'h o 2 -'h
6
3
o)
1 -'h o 1
'h 5
6 o o 'h 1 o
*
9
~
:;i.':
.
'18 o o
*
3 o %
27
lX
o o
*
o -2
% [X
2
'h
o -'4 o
1
-% 3
1 -'h 1
-'4
o o %
2
6 o o 'h 1 o
*
9
22 1
o 1
3
2 4 33
[X
1 o 1 o o
3
I.X
Fig. IV.6.
1
o/, = 10
o/, = 9
Matriz
~ = 6
inicia)
~ =2
:y, = 3
Primera
iteracin
Segunda
iteracin
1
'
1
1
PROGRAMACION LINI:AL. METODO SIMPLE)( O DE OANTZIG 63
Al terminar la segunda iteracin y determinar la fila Z
1
-e,
se puede observar que todos los valores de esta fila son positivos,"
lo cual indica que se ha llegado a la solucin ptima y que la
funcin objetivo no se puede incrementar ms. El resumen de
la solucin completa se ilustra en la fig. IV.6. Interpretando el
resultado de la segunda iteracin se obtiene la siguiente solucin
que es la solucin ptima:
A 6
B 2
H,
1 y
H,
-
H. - e
-
o
siendo el valor de la funcin objetivo =22. Se puede comprobar
que esta solucin satisface los requisitos del modelo matemtico
original como sigue:
Z(mx.) = 3A + 2B + C
(3X6) + (2X2) + (1XO) - 22
Comprobando las restricciones, se tiene:
A + 2B + e < 10; (1 X 6) + (2 X 2) + (1 X O) = 10 .". H, = O
A+ B + 2C < 9; (1 x6) + (1 X2) + (2XO) = 8 < 9 .". H2 = 1
2A + OB + 3e < 12; (2X6) + (OX2) + (3XO) = 12 .".H.= O.
Esta variante del mtodo simplex es la que presenta Espinosa
Berriel en su libro, Programacin lineal de 1963 .

IV.2.3. Solucin con el mtodo tradicional
Teniendo como base el mismo problema que se resolvi con
la variante de Espinosa Berriel, a continuacin se ilustra la va-
riante tradicional del mtodo simplex o de Dantzig:
Sea el siguknte modelo:
(M.-.c.)Z = 3x, + 2x, + x.
Sujeto a las restricciones:
x,
+
2x,
+
X3 < 10
x.
+
Xz
+
2x,
< 9
2x,
+
3x. < 12
x,
>
O, Xz > o y x.
>
o
PIOGIIAMACION UHEAL METODO SIMPLEX O DE DANTZIG
Solucin
Con esta variante se aplica el mtodo simplex con el siguiente
procedimiento:
Primer paso. Las desigualdades representativas de las restric-
ciones se convierten en .igualdades, sumndole a e;: da una de ellas
tma variable de holgura o ficticia con signo positivo:
lx, + 2x, + lxs + lx. + Ox, + Ox. = 10
lx, + 1xz + 2xs + Ox. + 1x, + Ox. 9
2x, + Ox, + 3x. + Ox. + Ox, + lx. = 12
La funcin objetivo queda en la siguiente forma:
(Mx.)Z = 3x, + 2x, + 1xs + Ox. + Ox, + Ox.
Segundo paso. Se determina una primera solucin factible
bsica, asignando valores de cero a tres variables que son las va-
riables bsicas, ya que:
n m = variables bsicas
6 3 = 3 variables bsicas
<?>
Hecho lo)mterior, se procede a encontrar el valor de las otras
tres variables:.''por resolucin de ecuaciones simultneas. Con este
fin, se prepara la siguiente tabla o matriz de coeficientes:
En donde:
. V,
1
1
2
MATRIZ INICIAL (I)
v.
2
1
o
Vs
1
2
3
1 o o
o 1 o
o o 1
Col. V, = coeficientes de la variable x,
B
10
9
12
1
1

1
l
1
.)
l
1
'
'
PROGRAMACION LINEAL METODO SIMPLEX O DE DANTZIG
Col. H, = coeficientes de la variable de holgura x.
Col. H. = coeficientes de la variable de holgura x.
Col. H, =coeficientes de la variable de holgura x.
Col. B = trminos independientes de las ecuaciones de
restriccin
65
De esta primera matriz de solucin se desprende que la pri-
mera solucin factible bsica est formada por las variables de
holgura con valor positivo y las otras variables tienen un valor
de cero, como se ilustra.
Primera solucin factible bsica:
Xt
-
o
x.
-
o
x.
-
o
x.
-
10
x.
-
9
X a 12
Para determinar si esta primera solucin bsica es la solucin
ptima del problema, se procede como sigue:
A la matriz o tabla inicial I, se le agregan dos renglones en su
parte inferior y una matriz o tabla adicional de dos columnas a la
izquierda de la matriz inicial. El primer rengln adicional contiene
los coeficientes de todas las variables en la ecuacin de la funcin
objetivo. El segundo rengln corresponde a los valores de las va-
riables utilizadas en la solucin inicial factible.
En cuanto a la matriz o tabla adicional de dos columnas, la
primera de stas corresponde a los coeficientes de las variables
producidas, y la segunda corresponde a las variables producidas
en esta solucin inicial factible. Por lo tanto, ahora se tiene:
MATRIZ INICIAL II
C; P; V,
v. v.
H,
H2 H. B
o H, 1 2 1 1 o o 10
o
H, 1 1 2 o 1 o 9
o H. 2 o 3 o o 1 12
Ct
3 2 1 o o o
Sol. o o o 10 9 12
66 PIOGIIAMACON UNEAL METODO SIMPLEX O DE DAN1ZIG
Tercer paso. Para determinar si la solucin inicial factible
corresponde o no a la solucin ptima del problema, se efecta
una prueba de optimalidad como a continuacin se describe.
Nuevamente a la matriz inicial II se le agrega otro rengln
C
1
-Z
1
, cuyos valores indicarn si se ha llegado o no a la solucin
ptima.
Los valores de C
1
-Z
1
se obtienen restando la suma de las
multiplicaciones de cada uno de los coeficientes dentro de la ma-
triz principal. para cada columna, del valor correspondiente para
C, como a continuacin se ilustra:
C,- Z, = 3 - (1 X O+ 1 X O+ 2 X O) = 3 -O= 3
C. - z. = 2 - (2 X O + 1 X O + O X O) = 2 - O = 2
C3 - Zs = 1 - (1 X O + 2 X O + 3 X O) = 1 - O = 1
C.- Z, =O- (1 X O+ O X O+ O X O) =O- O= O
C
0
- z. = O - (O X O + 1 X O + O X O) = O - O = O
C, - z. = O - (O X O + O X O + 1 X O) = O - O = O
Complementando la matriz inicial 11 cou los valores C
1
-Z
1
, obte-
nidos, se obtiene la matriz o tabla inicial III, como se ilustra:
MATRIZ INICIAL DE SOLUCION III
e,
p,
v. V,
v.
H, H,
H. B
o
H,
1 2 1 1 o o 10
o H. 1 1 2 o 1 o 9
o Hs 2 o 3 o o 1 12
C 3 2 1 o o o
Sol. o o o 10 9 12
c,-z, 3 2 1 o o o
Con lo anterior se ha completado la matriz o tabla inicial, donde:
v ..
-
Hn
-
B
-
c.
-
variables reales de decisin.
variables ficticias, o de holgura o demasa.
trminos independientes de las ecuaciones de restric-
cin.
coeficientes de las variables producidas en la solucin
inicial.
),
~
i
1
l
' \
'
t
1
p,
C
-
Sol.
C-Z
-
PROGRAMACION LINEAL. METODO SJMPUX O DE DANTZIG 67
variables producidas en la solucin inicial.
coeficientes de las variables en la ecuacin de la fun-
cin objetivo.
solucin inicial sujeta a la prueba de optimalidad.
prdida por unidad de variables no producidas en la
solucin. Estos valores son, asimismo, una gua pru:a
introducir una nueva variable, eliminando tina de las
variables producidas.
En los problemas de maximizacin, la prueba de optimalidad,
con el valor de C
1
-Z, indica que no se ha llegado a la solucin
ptima, si cualquiera de los valores de C-Z es positivo; es decir,
el obtener una solucin que produzca todos los valores de C-Z;
negativos, indica que la solucin es ptima. Anlogamente, en prcr.
blemas de minimizacin sucede lo contrario: cuando se obtenga
una solucin en que todos los valores de C-Z sean positivos, eso
indica que se ha llegado a la solucin ptima.
En este ejemplo de aplicacin, puesto que todos los valores
de C-Z
1
son positivos, la solucin no es ptima y deber repe-
tirse el procedimiento anterior; es decir, se debe hacer otra itera-
cin que consta de los siguientes pasos principales:
l. Determinar qu nueva variable a producir se debe intro-
ducir en una segunda solucin.
2. Determinar qu variable de las producidas debe eliminar-
se para dar cabida a la variable por introducir.
3. Determinar la nueva produccin con las nuevas variables.
4. Determinar las nuevas relaciones de sustitucin, para desa-
rrollar una segunda matriz de solucin.
Segunda iteracin. Procediendo con los cuatro pasos princi-
pales de que consta cada iteracin, se obtiene la
PRIMERA MATRIZ DE SOLUCION
c.
p,
V,
v. v.
H, ~ H, B
o H, 1 2 1 1 o o 10
o H. 1 1 2 o 1 o 9
o H. 2 o 3 o o 1 12
C 3 2 1 o o o
Sol. o o o 10 9 12
C-Z
1
3 2 1 o o o
-
68 PIOGIAMACION UNEAL METODO SIMPLEX O DE. DANTZIG
Primer paso. La variable a introducir en una segunda solu-
cin se determina en base a los valores C
1
-Z, los cuales, como ya
se dijo, indican en problemas de maximizacin la cantidad que se
deja de ganar por cada unidad de esa variable no producida. Por
lo tanto, se escoge aquella variable con mayor valor positivo de
C
1
-Z
1
En este caso se escoge la variable V,, puesto que C-Z = 3
y se indica la columna escogida marcndola con valo alargado
punteado.
SEGUNDA MATRIZ DE DESARROLLO
,.-...
1 \
1 1
v.
c. P.
1 v, 1
v. H, Hr Ha B
1
o H ~

:
1 1 2 1 l o o 10
o H, 1 1
1
1 2 o l o 9
o Hs
1 2
1
o 3 o o 1 12
J !
1
1
C
1
3
1
2 1 o o o
Sol. 1
o
1
o o lO 9 12
e,- z,
1 3 1
2 1 o o o
1 1
'%., , _ _ ~ Variable a inlloducir
Segundo paso. Para determinar la variable producida por
eliminar, se obtienen los cocientes que resultan de dividir los coe-
ficientes de la variable por introducir entre los valores de los tr-
minos independientes, en la columna B; y se obtienen los siguien-
tes resultados:
1 .
1 .
2 .
10
9
12
-
-
-
1/10
1/9
1/6
Con estos valores se escoge para eliminar la variable cuyo
cociente tenga el mayor valor positivo; es decir, en este caso, se
deber eliminar la variable de holgura producida Hs. Indicando
la fila de esta variable igualmente con un valo alargado punteado,
se obtiene:
'
'
q
1
1
PROGRAMACION LINEAL. METODO SIMPLIX O DE DANTZIG
69
,-...
1 1
c.
1 1
1 v., v.
v, H, H, H,
B
O H, 2 1 1 O O 10
9 ___ lf, _ __1 ___ 2 ___ Q.. __ l ___ o _ _ .J
,-- O H, O 3 O O 1 12 - -,
, __ _________ -_-___ -_-___ -....... _ __. t
Elemento
pivote
C- z,
3 2 1 o o
o o o 10 9
3
1
2 1 o o
1
1
1 . .
'-" Variable por mtroduc1r
o
12
o
Variable
por
eliminar
En esta segunda matriz de desarrollo, el elemento que coin-
cide con la interseccin de los dos valos alargados punteados, es
el elemento "pivote". Los otros elementos que se encuentran den-
tro de la columna marcada por el valo alargado y punteado, reci-
ben la denominacin de elementos "semipivotes".
Tercer paso. Para desarrollar una tercera matriz o tabla de
solucin, se empieza por dividir todos los elementos de la fila
marcada con el valo alargado punteado, entre el elemento "pivo-
te"; en este caso, el elemento pivote es igual a 2.
De esta operacin se obtiene el siguiente resultado:
v, v,
H. B
1 o
o o 6
Para desarrollar las filas 1 y 2 de la matriz de solucin,
se procede como sigue: cada elemento de la nueva matriz es igual
al elemento correspondiente de la matriz anteiior, menos el pro-
ducto de semipivote por el elemento de la fila entrante de la misma
. columna que se est determinando.
En otras palabras, para determinar V1 en la primera fila de
la tercera matriz se toma el elemento = 1 de la segunda matriz
y se le resta el producto del semipivote, que es 1, multiplicado
por el elemento de la fila entrante de la misma columna, que es 1,
o sea 1 - (1 X 1) = O.
70 PIOGIAMACION UNEAL METODO SIMPI.EX O DE DANTZIG
v, v,.
v.
H,
H. Ha B
Fila 1,
segunda
matriz
1 2 1 1 o o 10
Menos:

por e emento (1 X 1)(1 XQ)(1 X%) (1 XO)(l xO)(l X%) (1 X6)
entrante
Fila 1,
tercera
1
o 2 -% 1 o
-%
4
1
matriz
Fila 2,
segunda 1 1 2 o 1 o 9
matriz
Menos:
Semtivote-
por e emento (1 X 1)( 1 X0)(1 X%) (1 X0)(1 X0)(1 X%) (1 X6)
entrante
Fila 2,
1
tercen.. o 1
H
o 1
-%
matriz
As se obtiene la nueva matriz o tabla:
e,
o
o
3
H,
H.
v,
C
Sol.
C-Z
TERCERA MATRIZ
v, v. v.
o 2 -%
o 1 %
1 o %
3
6
o
2 1
o o
2 -%
H, H, H,
1 o -:-%
o 1 -%
o o %
o
4
o
o o
3 o
o-%
Donde lo anterior se determin en la forma siguiente:
3
B
4
3
6
1
Solucin = valores de las variables producidas en esta nueva
solucin. Siendo estas variables V,, H, y Hz, entonces:
V, - B. o . V, - 6
H, - B, o H, - 4
H. - B, o H12 - 3
i
!
1
.
1-
1

PROGRAMACION LINEAl. METODO SIMPLEX O DE DANTZIG 71
teniendo todas las otras variables valor de cero:
C, - Z, = 3 - (O X 0 +O X O+ 1 X 3) = 3 - 3 = O
C,- z. = 2- (2 X O+ 1 X O+ O X 3) = 2- O= 2
Ca-Z,= 1- (-%X 0 +%X 0 +%X 3) = 1 -% = ~
C.-Z.=O-(lxO+OXO+OX3) =0- 0= O
C. - z. = O- (O X O+ 1 X O+ O X 3) =O - O= O
Ce- z. =O- (-%X O-% X O+% X 3) =O-%= -%.
Como se puede observar, en esta tercera matriz de solucin
no todos los valores C-Z
1
son negativos, lo cual indica que toda-
va no se ha llegado a la solucin ptima, por lo que es preciso
efectuar otra iteracin.
C
Sol.
3
6
C;- Z; O
TERCERA MATRIZ
V.I.
o
4
o
o
3
o
o
o
-%
Tercera iteracin. Ejecutando nuevamente los cuatro pasos
de que consta cada iteracin, se tiene:
CUARTA MATRIZ
e,
p,
v. v. v. H, H, H, B
2 v.
[J
~
lfz
o
~
2
~ F . E
o H,
o
%
-lfz 1
-%
1
3 V,
o
*
o o lfz 6
C 3 2 1 o o o
Sol. 6 2 o o 1 o
C- Z
o o /:::::-* -1 o -1
\
72 PIOGIIAMACION UNEAL METODO SIMPLEX O DE DANTZIG
En esta cuarta matriz de solucin, todos los valores de C
1
-Z1
son negativos, lo cual indica que se ha llegado a la solucin pti-
ma, siendo sta la siguiente:
v, - 6
v. - 2
H. 1
-y las otras variables son cero; o sea,
. V3 = O, H, = O y Ha - O.
Y el valor mximo de Z, sera:
Z;(mx.) - 2 X 2 + 1 X O + 6 X 3
Z;(mx.) = 22.
IV.3. PROBLEMAS PARA 'ORMULAR LA PRIMERA
TABLA O MATRIZ
Ejemplo J.*. Una empresa fabrica dos productos, A y B,
cuya dificultad es la operacin de ensamble. Durante el ensam-
blado pueden armar 100 unidades de A o 300 unidades de B, o
cualquier combinacin lineal de ellas. La produccin es por da.
Formlese la ~ c u c i n de restriccin primero como desigualdad
y despus mocfifquese para que, en forma de igualdad, est lista
para resolverla' con el mtodo simplex.
Solucin
El mximo ensamble por da es:
100A = 1 o bien
300B = 1
El tiempo de ensamble por unidad de producto es:
A = 1/100 y
B = 1/300
La produccin mxima combinada por da puede ser:
1/100A + 1/300B < 1
Marn, Isidoro, Investigacin operativa, Centro de Estudiantes de
Ingeniera la Lnea Recta, Buenos Aires, Argentina, 1961.

.
1
'
f
l
Simplificando, se multiplican ambos lados de la desigualdad
por 300:
300/100A + 300/300B < 300
3A + B < 300
Cambiando la desigualdad a igualdad mediante una variable
de holgura, se obtiene:
3A + B + H 1 = 300
La restriccin est lista para ser utilizada en la tabla inicial
del mtodo simplex.
Ejemplo II. El producto W est formado por 1,000 unidades
de materia prima. La materia prima puede ser de las sustancias
M o N en cualquier combinacin. Si la sustancia M pesa 1.8 Kg
por unidad y N pesa 1.2 Kg por unidad, qu combinacin de estas
sustancias debe usarse para que el producto no pese ms de 1,500
Kg? Formlese la restriccin adecuada para su utilizacin con el
mtodo simplex.
Solucin
Este problema tiene dos restricciones, aunque no explcitas ..
Una restriccin se relaciona con el peso del producto terminado.
W, y la otra con el nmero de unidades de materia prima. Por lo
tanto:
Restriccin del peso: l.BM + 1.2N < 1,500. Transformndola
para el simplex, se tiene: 1.8M + 1.2N + Ht = 1,500.
Restriccin del nmero de unidades: M + N < 1,000. Esta
restriccin para el simplex sera: M + N + H. = 1,000; donde de
antemano se sabe que H. = O.
IV.4. APLICACIONES INDUSTRIALES DE LA PROGRAMACION
LINEAL
IV.4.1. Ejemplo 1. Solucin e interpretacin
La empresa "Hidrobombas, S. A." elabora dos tipos de bom-
bas: normal y especial. En el proceso de fabricacin, las bombas
pasan por los departamentos de colado o fundicin, maquinado y
ensamble. Las bombas de tipo normal se fabrican fundiendo 2 Kg
de bronce, o puede subcontratarse esa parte del proceso a una
74 PIOGIIAMACION UNEAL METODO SIMPLEX O DE DANTZIG
fundicin ($4.00 por pieza), y despus maquinarse y ensamblarse
en los talleres de la empresa.
Las bombas de tipo especial pueden fabricarse con 4 Kg de
acero al carbn o con 5 Kg de bronce. Todas las bombas de acero
llevan un recubrimiento anticorrosivo de bronce. Para el prximo
perodo de produccin, se dispone de 2,000 Kg de acero al carbn
y de 10,000 Kg de bronce. El acero cuesta $ 0.60 el kilogramo y el
bronce $ 0.20 el kilogramo.
El departamento de colado estima en 2,500 bombas su capa-
cidad total de produccin en el prximo perodo, ya sean las de
tipo normal o las especiales. El costo estimado del colado es
de $ 1.00 por unidad producida.
El maquinado de las bombas normales requiere de 6 minutos
por pieza, para las bombas especiales se requieren 8 minutos si
son de acero, y 10 minutos si son de bronce. Se estima en 300 ho-,
ras el tiempo disponible de maquinado para el siguiente perodo
de produccin. El costo del maquinado es de $ 0.20 por minuto.
El departamento de ensamble puede armar 2,000 bombas es-
peciales o 4,000 de tipo normal, o cualquier combinacin de ambas.
Este departamento no tiene costos variables, debido a que sus em
pleados trabajan a sueldo fijo, segn contrato colectivo, y no se
utilizan materiales adicionales ni otros servicios. Sus costos fijos
son de $ 500.00 para el prximo perodo. El precio de venta de las
bombas normales es de $10.00 por unidad, y de $ 12.00 el de
las bombas especiales.
1. Formlense la funcin objetivo y las ecuaciones de restric-
cin de este problema.
2. Determnese mediante programacin lineal la solucin
ptima:
a) Cunto conviene producir de cada tipo de bomba?
b) Conviene subcontratar el proceso de funcin?, para
cuntas bombas?
3. Indquese cules restricciones son realmente limitativas.
4. Si se deseara aumentar la capacidad de produccin, cun
to se debera pagar, por cada unidad adicional. al ampliar
las restricciones limitativas?
5. Hasta qu lmite convendra efectuar esa ampliacin?
Solucin
Se pueden identificar los siguientes productos como primer
paso:
e

1
!
i
PROGRAMACION LINEAL. METODO SJMPLEX O DE DANTZIG 75
NP = cantidad de bombas tipo normal fabricadas en la planta ..
N,. = cantidad de bombas tipo normal subcontratadas.
E,. = cantidad de bombas tipo especial fabricadas en acero.
Et = cantidad de bombas tipo especial fabricadas en bronce.
Evidentemente, en este caso interesar maximizar la utilidad
total. A continuacin se calculan los costos y las contribuciones
a la utilidad de cada producto.
E,. Eb NP
N.,.
Materiales 2.40 LOO 0 .. 4 0.4
Colado LOO 1.00 1.00 o
Maquila o o o 4.00
M a quinado L60 2.00 L20 1.20
Costos variables 5.00 4.00 2.60 5.60
Precio de venta 12.00 12.00 10.00 10.00
Contribucin neta 7.00 8.00 7.40 4.4
La funcin objetivo que se deber maximizar ser, por lo
tanto:
Z(mx.) = 7.00E. + B.OOEb + 7.40Np + 4.40N,.
El siguiente paso consistira en establecer las restricciones
determinadas por:
a) Capacidad del departamento de colado = 2,500 unidades.
b) Capacidad del departamento de maquinado = 300 horas =
18,000 minutos (se transforma para que las unidades sean
consistentes dentro de cada ecuacin).
e) Capacidad de ensamble expresada como 4,000 bombas tipo
normal.
d) Los 2,000 Kg disponibles de acero.
e) Los 10,000 Kg disponibles de bronce.
Se obtiene por lo tanto:
E,.+ Eb+ Np + ON .. <
2,500
BE. + 10Eb + 6Np + 6N,. <
18,000
2E,. + 2Eb + Np+ N,.
<
4,000
4E. + OEb + ONp + ON,. <
2,000
OE. + 5Eb + 2Np + 2N,. <
10,000
Maximizando 7E. + BEb + 7.4Np + 4.4N,. sujeto a las restric-
ciones anteriores, se tiene que la produccin ptima (vanse figs.
IV.7 y IV.8) para el siguiente periodo es:
76 PROGRAMACION UNEAL METODO SIMPLEX O DE DANTZIG
TABLA INICIAL
X
E.
Et N. N. s. S. s. s. s. z Valores
S, 1 1
1 o 1 o o o o o 2,500
s.
8 10 6 6 o 1 o o o
o 18,000
s. 2 2 1
1 o o
1 o o o 4,000
s. 4 o o
o o o o 1 o o 2,000
s. o 5 2
2 o o o
o 1 o 10,000
z -7 -8 -7.4 -4.4 o o o o o 1
o
Fig. IV.7.
TABLA DE SOLUCION OPTIMA
X
E. E. N. N. s. -s.
s, S, s. z Valores
.-.
~
N,
1 1 1 o 1 o o o o o
2,500
N. v.s
% o 1
-1
%
o o o o 500
S,
%
'f. o o o -% 1 o o o 1,000
s. 4 o o o o o o 1 o o 2,000
l
l
s. -% %
o o o -'f.
o o 1 o 4,000
z
5.6
% o o 3 2.2
o o o 1 20,700
3 3
~ : _ . .
~
Fi;::. IV.S.
i
PIOGRAMACION LINEAL. METODO SIMPLEX O OE OANTZIG 77
Ea
-
o
E.
Np
o
2,500
500
Z(mx.) = $ 20,700.00
N m
-
Conclusiones de la solucin
Se obtiene un mximo de $20,700 de utilidad, produciendo
2,500 bombas tipo normal, subcontratando la produccin de 500
bombas tipo normal, y no produciendo ninguna bomba de tipo
especial.
Los "precios sombra" son:
l. Para la capacidad del departamento de colado: 3
2. Para la capacidad del departamento de maquinado:
2.2
3 = 0.733
3. Para la capacidad de su ensamble: O
4. Para la cantidad de Kg de acero: O
5. Para la cantidad de Kg de bronce: O
Por lo tanto hay dos restricciones limitativas, la primera y la
segunda. Conviene ampliar la capacidad del departamento de co-
lado si el costo marginal de la ampliacin es de $ 3 o menos por
unidad adicional.
Conviene ampliar la capacidad del departamento de maqui-
nado, si el costo marginal de la ampliacin es de $ 0.733 o menos
por unidad adicional.
En el departamento de colado conviene ampliar hasta 500 uni-
dades adicionales, es decir, elevando la capacidad a 3,000 unidades.
En el departamento de maquinado conviene ampliar hasta
6,000 minutos (o sea 100 horas), elevando la capacidad de 400
horas.
Dentro de estos lmites, la solucin encontrada (fig. IV.8)
sigue siendo ptima.
IV.4.2. Ejemplo 2. Problemas de corte de papel
Se tiene una mquina que produce papel en rollos de 82 pcl1-
gadas de ancho y se reciben los siguientes pedidos:
" Meisels, Kurt, A Primer of Linear Programming, New York Univer-
sity Press, Nueva York, 1962.
78 NOGIAMACION UNEAL METODO SIMPLEX O DI! DANTZIG
60 lb 10% de 58 pulg de ancho
85 lb -+- 10% de 26 pulg de ancho
Se desea surtir estos pedidos con el mnimo de desperdicio
posible de los rollos. Las cantidades producidas en exceso de los
lmites superiores del pedido se desperdician.
Sugerencia
Enumerar todas las combinaciones de los anchos requeridos
contenidos en 82 pulgadas, ignorando aquellas combinaciones en
que el desperdicio exceda en 23 pulgadas el ancho ms pequeo
de la orden.
COMBINACIONES
i
Des perdido
Combinacin 58 pulg 26 pulg
1
24 pulg 23 pulg
enpulg
1
' i
1 1
1
1
1
o
2 1 1 1
3
3
'
1
4
4
2

1
1
6
5 2
1
!
1
7
6 1
2 8
7 1
1
1 1 9
8 1 2 10
9 3 10
10 2 1 11
11 1 2 12
12 3 13
Para trabajar con unidades consistentes se tomar como
unidad de rollo aquella longitud que confiera al rollo de 82 pulg
un peso de 82 lb.
Entonces:
60 lb de 58 pulg de ancho corresponden a 1.03448 unidades
Se pide lo siguiente:
PROGRAMACION liNEAL. MFrODO SIMPLEX O DE DANTZIG 79
l. Desarrollar el modelo matemtico, incluyendo las ecuacio-
nes de equilibrio, las restricciones y la funcin objetivo.
Solucin. Problema de corte de papel
Sea Xi = cantidad seleccionada de la combinacin i, medida
en unidades
i = 1' 2, ... ' 12
Sj = papel apto para la venta que se produce, medido en
unidades
1 1 corresponde al ancho de 56 pulg
1 - 2 corresponde al ancho de 26 pulg
j 3 corresponde al ancho de 24 pulg
j = 4 corresptmde al ancho de 23 pulg
tj - cantidad de papel de tipo j producido en exceso de la
cantidad ordenada.
Ecuaciones
A @ D, son ecuaciones de balance material o de equilibrio
que afirman :
total de papel cortado = total de papel producido
Z(rnn.) es la funcin objetivo que refleja los castigos o des-
perdicios que surgen del corte. Z(mn.) ~ mide en unidades
equivalentes a 1/82 de un rollo de 82 pulgadas.
F @ 1, son restricciones que dicen que la cantidad de papel
apta para la venta debe estar entre ciertos lmites; (Vase Tabla
de planteamiento, pg. 80.)
IV.4.3.. Ejemplo 3. Problema de entrenamiento de personal
Una planta manufacturera recibe un contrato para producir
2,400 unidades de un producto C con el siguiente calendario de
entregas:
Fin de la semana i 1 2 3 4 5 6 7 8 9 10
E, 100 200 300 400 200 200 400 300 200 100

o
F. D.
[>(
x.
x. x. x.
x,
x.
A 1 1
B
3 2 2
e 1 1
D 1 1
z
o 1 4 6 7
F: 0.93103 < S, < 1.13793
G: 2.94231 < s. < 3.59615
H: 2.83334 < S, < 4.25000
1: 1.73913 < s. < 2.60869
Adems: Xi > O
s >o
1 -
t > o
1
2
8
TABLA DE PLANTEAMIENTO
x, x. x. x .. Xn x .. s,
S. s. s.
'
t
'
'
><
-1 -1
=
o
1 1 -1 -1
=
o
1 3 2 1
-1
...... -1
=
o
1 2 1 2 3 -1 -1
=
o
9 10 10 11 12 13 58 26 24 23 = Z (mln.)
Sujeto a las restricciones siguientes:
..............
!,
PRO.GRAMACION LINEAL. METODO SIMPLEX O DE OANTZIG
81
Se trata de disear una estrategia de reclutamiento, despido;
produccin y almacenamiento para. que el fabricante minimice sus
costos si est sujeto a las siguientes condiciones:
a) Cada unidad de producto no entregada a tiempo amerita
una multa de $30 por semana hasta que se efecte la en-
trega.
b) Cada unidad producida por anticipado a la demanda re-
quiere almacenamiento a razn de $ 10 por unidad por
semana.
e) Todas las entregas deben haberse realizado para la sema-
na 10.
d) Inicialmente hay 20 trabajadores y 10 unidades del pro-
ducto e a la mano.
e) Cada trabajador dedicado a la produccin produce 8 uni-
dades del producto e por semana.
f) Cada trabajador utilizado para entrenar reclutas durante
una semana puede entrenar S reclutas.
g) El pago de los trabajadores es de$ ISO/semana cuando se
dedican a la produccin de$ lOO/semana cuando no traba-
jan, es decir, cuando estn de trabajadores ociosos.
h) El pago de un trabajador ms S nuevos reclutas que reci-
ben adiestramiento durante una semana, es de $ 6SO.
i) El costo de despedir a un trabajador es de$ 100.
Se pide lo. siguiente:
1. Desarrollar el modelo matemtico, incluyendo las ecuacio-
nes de balance, las restricciones y la funcin objetivo.
Solucin. Problema de entrenamiento de personal
Sea:
Ti
Pi
Ji
Fi
Si
-
Di
Ei
-
nmero de trabajadores entrenando nuevos reclutas en
la semana i.
nmero de trabajadores dedicados a la produccin en
la semana i.
nmero de trabajadores ociosos en la semana i.
nmero de trabajadores despedidos en la semana i.
nmero de unidades del producto e almacenadas en la
semana i.
dficit de unidades del producto e en la semana i.
nmero de unidades entregadas al fin de semana i.
n. PROGRAMACION UNEAL METODO SIMPlEX O DE DANTIIG
Para cada semana se necesita establecer ecuaciones de balan-
ce para
1) Trabajadores
2) Producto
Entonces se tiene:
Inicialmente:
Trabajadores:
T1 + P1 + Ii + Fi - 20
Producto:
Para las semanas
1@ 9:
Trabajadores:
Sl-Dl - 10
Ti+ Pi+ Ii + Fi = 6Ti-1 + Pi-1 + /i-1
cada trabajador dedicado al entrenamiento en la
semana i -1 proporciona 6 (incluyndose a s mismo)
trabajadores para la semana i.
Es decir:
-6Ti-1 - Pi-1 - /i-1 +Ti+ Pi+ Ii + Fi =O
Producto:
Si-Di= 8Pi-l +Si-l- Di-1- Ei-l
Es decir:
-BPi-1- Si-1 + Di-1 +Si-Di= Ei-l
En el perodo 10 hay que despedir a todos los trabajadores:
En el perodo 10, entonces:
Trabajadores:
6Tto + P,o + /,o = Fu
Es decir:
Producto:
-8P,. - S,. == E,o
La funcin objetivo adopta la forma
!

1
PROGRAMACION LINEAL. METODO SIMPLEX O DE DANTZIG
83
10 10 10
Z(mn.) = 650 Ti + 150 Pi + 100 Ji
=1 i.:t '=1
11 10 10
+ 100 Fi + 10 Si + 30 Di
i:l
IV.4.4. Ejemplo 4. Problema de mezclas
Una refinera desea encontrar el horario de proceso ptimo
para cuatro de sus productos componentes, los cuales se mez-
clan para producir gasolina para motores.
Los productos son butano, gasolina SR, gasolina CC y refor-
mado. El horario de produccin debe tomar en cuenta la variacin
estacionaria en la 'demanda de gasolina para motores, y debe ser
ptimo a lo largo de todo el ao. La demanda por estacin y las
especificaciones para gasolina "premium" y "regular" son:
Demanda en M
Octanaie
Mxima presin
de barriles
mnimo
de vapor
por da (psi)
Premium 10 99
1
8
Verano
Regular
12 95
1
8
Premium
8
1
99
1
13
Invierno
Regular 9
i
95
1
13
La disponibilidad y las propiedades de los componentes que
se deben mezclar son:
Disponibilidad
Componente
(M barriles/da)
Octanaie Presin a vapor
Verano Invierno
Butano 3 4 105 65
Gasolina SR 7 8 80 8
Gasolina CC 5 6 95 5
Reformado 4 5 102 4
... PROGRAMACION UNEAL METODO SIMPLEX O DE DANTZIG
Adems se sabe que:
a) Las demandas de gasolina "premium" deben cumplirse
exactamente.
b) El almacenamiento para la gasolina de motores est dis-
ponible sin lmite y sin costo. Los componentes individua-
les no pueden almacenarse por separado.
e) La gasolina para motores "regular" puede ser comprada
-o si se produce en exceso, vendida- a$ 4.50 el barril.
d) Se supone que el octanaje y la presin de vapor se pueden
mezclar linealmente.
e) Se supone igual nmero de das de operacin en cada
estacin.
1. Desarrollar las ecuaciones correspondientes a todas las
restricciones o requisitos;
2. Desarrollar las ecuaciones de demanda, de equilibrio y de
disponibilidad;
3. Desarrollar la ecuacin correspondiente a la funcin oh
jetivo.
Solucin a un problema de mezclas
.
Componente
Butauo
Gasolina SR
Gasolina CC
Reformado
Sea:
TABLA DE INCOGNITAS
(Expresado en barriles por da)
Verano
1
Invierno
Gasolina Gasolina Gasolina Gasolina
premium regular premium regular
-
xn xu
1
yll y l ~
X, X, Y ~ Y.,
Xn x.z Y., Y ...
x41
X., Y., Y.,.
Cantidad de gasolina regular almacenada en verano en
barriles/da = s2
Cantidad de gasolina regular comprada en verano en
barriles/da = zl
Cantidad de gasolina regular comprada en invierno en
barriles/da = z2
-
PROGRAMACION liNEAl. METOOO SIMPLEX O DE DANTZIG
Cantidad de gasolina regular almacenada en invierno en
barriles/da = S,
Restricciones por requisitos de octanaje:
lOSXu + SOX., + 95X" + 102X., > 99(Xu + X21 + X,, + X.,)
lOSXu + SOX,, + 95X, + 102X,, > 9S(X" + X22 + Xa + X.,)
105Yu + SOY., + 95Y" + 102Y,, > 99(Yu + Y., + Y" + Y.,)
105Yu + SOY + 95Y,2 + 102Y., > 95(Y,. + Y + Y,. + Y
42
)
Restricciones por requisitos de presin de vapor:
65Xn + SX21 + SX" + 4X., < S(Xu + X21 + X,, + X.,)
6SX,. + SX + SX, + 4X., < 8(Xu + X + X,.. + X.,)
65Yu + SY21 + SY" + 4Yu < 13(Yn + Y., + Y" + Y,,)
65.Yu + BY + SY,. + 4Y., < 13(Y12 + Y .. + Y,. + Y.,)
Ecuaciones de demanda de gasolina premium:
Xu + X., + X" + X., = 10
Yu + Y., + Y,, + Y., = 8
Ecuaciones de balance de gasolina regular:
X12 + X + X, + X,, + Z,
Y12 + Y,, + Y, + Y., + S.
s. 12
s. + z. = 9
Ecuaciones de disponibilidad de componentes:
X u
+
x,.
<
3
x.,
+
x ..
<
7
x.,
+
x <
S
X.,
+
x . <
4
Y u
+
Y u < 3
y21
+
Y < 8
y"
+
y,,
< 6
Y ..
+
y.,
< S
xij
>
o
Y;
>
o
z,
>
o
z,
>
o
s. >
o
S,
>
o
16' I'IIOGIIAMACION UNEAL METODO SIMPLEX O DE DANTZIG
Funcin objetivo:
Zo(mn.) = 4.5 { ~ + Z. - Sa}
IV.4.5. Ejemplo 5. Problemas sobre mezclas. Desarrollo
del modelo matem6tico
Un industrial desea determinar el programa ptimo para tres
mezclas distintas que hace con diferentes proporciones de pista-
ches, avellanas y cacahuates.* Las especificaciones de cada una
son las siguientes: la mezcla 1 debe contener 50% de pistaches
como mnimo y 25% de cacahuates cuando ms; el kilogramo de
esta mezcla se vende a $ 0.50. El segundo tipo debe contener
el 25% de pistaches por lo menos y un 50% de eacahuates cuando
ms, y se vende a $0.35 el kilogramo. El tercer tipo no tiene espe-
cificaciones y se vende a 25 centavos el kilogramo.
Sin embargo son restringidas las cantidades de materias pri-
mas que puede conseguir el industrial, las mximas cantidades
disponibles para este perodo son: 100 Kg de pistaches, 100 Kg de
cacahuates y 60 Kg de avellanas. Cada Kg de pistaches le cuesta
65 centavos, el de cacahuates 25 centavos, y el de avellanas 35 cen-
tavos. Se trata de determinar cuntos Kg se deben preparar de
cada mezcla, con miras a obtener las mximas utilidades.
Solucin
El problema enunciado tiene 9 incgnitas porque se necesita
determinar qu cantidades de cada una de las materias primas
deben incluirse en cada uno de los 3 tipos de mezclas. Esto se
aprecia en la tabla IV .5.
En sta aparecen las incgnitas del problema en las colum-
nas 2, 3 y 4. El primer subndice se refiere al tipo de mezcla
(1, 2 y 3) y el segundo es la inicial de la materia prima de que se
trata: p si son pistaches, e para cacahuates, y a para avellanas,
. con esta anotacin X.,, por ejemplo, simboliza el muitero de Kg de
cacahuates que entran en la mezcla del tipo 3. .
Se incluyen adems, las columnas 5, 6 y 7. La columna 5 es la
suma de las columnas 2 a 4, y cada incgnita representa los kilo-
gramos que se obtienen de cada mezcla. Ahora bien, el valor en
centavos de cada mezcla se obtendr multiplicando el precio de
Chames, A., W. W. Cooper y A. Hender5on, An Introduction to Linear
Programmil'!g, John Wiley and Sons, Inc., Nueva York, 1953, pg. 74.
f
'
'
;
' '

)
'
.
J
.,
'

...
1
1
Mezcla
1
-
2
3
Total de
materia
prima
utilizada
Costo de
cada Kg
(ccnts.)
--------
Costo
total
2 3
Pi! taches Cacahuates
(p) (e)
X,P x
------
X::.., x
x x,.
x,p+X,p+ x,.+X,.+
X.,. Kg de x,. Kgde
pistaches cacahuates
65 25
65 (X,p+ 25 (X
10
+
x.p+X,p) x,.+X,.>
-
..-.
'
TABLA IV.S
4 5 6 7
Precio de Valor total de
Kg obtenidos venta venta de
Avellanas
d.e cada de cada cada mezcla
(a)
mezcla Kg (cents.) ( cents.)
x X,P+X
1
,+X,. 50
50(X
1
p+X,.+X,.)
-
x .. X,P+X,,+X,. 35
35(X
20
+X
2
.+X,.)
x,.
X,P+X,..+X .. 25
25(X,p+X,.+X,.)
x,.+X,.+
X,. Kg de
avellanas
35
35 (X,.+
X._+X,.)
18 PtOGRAMACION UNEAL METODO SIMPLEX O DE DANTZIG

cada Kg por el nmero de Kg obtenidos; los precios aparecen en la
columna 6 y el resultado en la columna 7. Se aaden tambin 3
renglones con contenido similar al de las columnas 5, 6 y 7, aun-
que considerando las mezclas desde el punto de vista de costo de
las materias primas. La suma de los renglones de la columna 7 es
el ingreso total de la venta de las 3 mezclas, es decir, que los ingre-
sos totales son:
SO(X,.+X,.+X,.) + 35(XZI>+X +X ) + 25(Xao+Xa.+Xa.)
Por otra parte, la suma de los elementos del ltimo rengln
de la tabla es el costo total y es igual a:
+ 25(Xtc+X +X ) + 35(Xl.&+X +X )
La diferencia entre el ingreso y el costo totales ser la utilidad
que se trata de maximizar. Por lo tanto, la funcin objetivo es:
+ 35(X
20
+X +X ... ) + 25(X,.+Xa.+X ) -
65(X,.+X.,.+Xa
0
) - 25(X,.+X2c+Xs.) - 35(X,.+X .. +X ) =
- 15X,. + 25Xk + lSX,.- + lOX,. - 40X - lOX,.
Obtenida la ecuacin de la funcin objetivo, debe procederse
a plantear las restricciones.
Existen dos grupos de ellas; las que se refieren a las especifi-
caciones de cada mezcla y las relativas a las limitaciones en la
adquisicin de materias primas.
Por lo que toca a las especficaciones, el primer tipo de mez-
cla requiere que la cantidad en Kg de pistaches (X,.) sea el 50%
como mnimo. Esto equivale a que los Kg de pistaches que entran
en la mezcla 1, x,., sean cuando menos, algebraicamente > que la
mitad de la mezcla o. sea X,. > % (X,.+X,.+Xa)-
Pasando todas las incgnitas al primer miembro, se tiene:
%X,.-%X,.-%X,. >O (Rl)
La segunda especificacin . debe obligar a que los Kg de ca-
cahuates (X,.) sean el 25% de la mezcla 1, (X,.+X,.+Xl.&) como
mximo, es decir, que X,. < que la cuarta parte de la mezcla:
X,. < Y4 (X,.+X,.+Xta) pasando las variables al primer miembro
se tiene: -Y4 X,.+% X,.+ Y4 X,.< O.
Multiplicando la desigualdad por -1 cambian los signos de
los trminos y el sentido de la desigualdad, por lo tanto tenemos
que:
(R2)

.,
'

.
i.
i
i

l
i
f
.,
'.
1
PROG!!AMACION LINEAL. METODO SIMPLEX O DE DANTZIO
89
Se pasa ahora a plantear las especificaciones de la seguna
mezcla. La primera condicin es que los Kg de pistaches (Xzp)
sean el 25% como mnimo, es decir, que X,, debe ser > que la
cuarta parte de X2, + Xzc +X'"', o sea: X,,>% (X.,+X..,+X,..),
pasando las incgnitas al primer miembro, se tiene:
(R3)
La segunda especificacin implica que los Kg de cacahuates
(Xzc) sean cuando ms la mitad de la mezcla,. es decir, que Xzc
debe ser < que la mitad de Xzo + Xzc + X:za, o sea:
pasando las variables al primer miembro y multiplicando por me-
nos 1, para uniformar el sentido de las desigualdades se tiene:
Y:! Xzo - Y2 Xzc + Y:! X,.. > O
(R4)
Con esto quedan planteadas las restricciones que se refieren
a las especificaciones de las mezclas. La tercera mezcla, como se
recordar, no tiene rest.dcciones, por lo tanto ahora se deben con-
siderar las limitaciones de materias primas.
Por lo que toca a los pistches, se puede disponer de un m-
ximo de 100 Kg. Esto quiere decir que el consumo de pistaches
(X,,+Xz,+X.,) debe ser < que 100 Kg:
x . + x,. + x < 100
(RS)
Solamente se pueden adquirir 100 Kg de cacahuates, por lo
que:
(R6)
La disponibilidad de avellanas es de 60 Kg, o sea que:
(R7)
Con lo anterior, el problema queda totalmente planteado, y se
tiene totalmente desarrollado el modelo matemtico correspon-
diente.
90 PROGI!AMACION UNEAL METODO SIMPLEX O DE DAHTZIG
IV.4.6. Ejemplo 6. Problema de combinacin de recursos:
planteamiento
El Comando de Bombardeo Estratgico recibe instrucciones
de interrumpir la produccin de tanques del enemigo. Este tiene
cuatro plantas de gran importancia, localizadas en distintas ciuda-
- ~ e s y la destruccin de cualquier planta detendr definitivamente
la produccin de tanques. Una aguda escasez de combustible li-
mita la provisin a 48,000 galones para sta misin. Cualquier
bombardero enviado a determinada ciudad debe llevar cuando me-
nos el combustible suficiente para el viaje redondo, ms una re-
serva de 100 galones.
El nmero de bombarderos a disposicin del comandante, as
como sus d_escripciones, se presentan en la siguiente tabla:
Tipo de Millas Nmero
bombardero Descripcin por galn disponible
1 Pesado 2 48
2 Medio 3 32
He aqu los datos sobre la localizacin de las fbricas y su
vulnerabilidad al ataque de un bombardero medio y uno pesado:
Planta
1
2
3
4
Solucin
Distancia
de la
base en
millas
450
480
540
600
Probabilidad
de destruccin por bombardero
0.10
0.20
0.15
0.25
Medio (B
2
}
0.08
0.16
0.12
0.20
Se inicia la solucin reconociendo y designando con un sm-
bolo a cada una de las incgnitas. En este caso se puede utilizar
la letra B de bombardero, con dos subndices. El primer subndice
indica el tipo de bombardero de que se trata, ya sea el tipo 1 o
tipo 2; y el segundo subndice indica a cul de las plantas se envi
cada aparato. Por ejemplo B,. representa la incgnita correspon-
diente a un bombardero tipo 2 enviado a la planta 3.
(

;
J
t
1
J
1
PROGRAMACION LINEAL. METODO SIMPLE.X O DE DANTZIG 91
Como el problema fija dos tipos de bombarderos y cuatro
plantas por destruir, existen ocho incgnitas:
Bu Bu
B, B.,
B,, B,,
B,. B,.
El siguiente paso ser determinar las distancias de vuelo para
llegar a cada una de las plantas, considerando la distancia de ida
y vuelta, como sigue:
Planta 1 - 450 X 2 - 900 millas.
Planta 2 - 480 X 2 - 960 millas.
Planta 3 - 540 X 2 - 1,080 millas.
Planta 4 600 X 2 - 1,200 millas.
Conociendo las distancias por volar a cada planta, el siguiente
paso es determinar la cantidad de galones de gasolina que requie
re cada uno de los bombarderos, incluidos los lOO galones de
reserva exigidos:
900
2
960
2
+ 100 - 550 galones
+ 100 580 galones
Bu -
1,080
+ lOO
2
640 galones
B,.
B,
1,200
+ lOO -
700 galones
2
900
3
960
3
+ 100 - 400 galones
+ 100
420 galones .
1,
080
+ lOO - 460 galones
3
- 1,200 + 100 -
3
500 galones
92 PROGIAMACION UNEAL MElODO SIMPLEX O DE DANTZIG
Funcin objetivo = se trata de maximizar la probabilidad de
destruccin, . .
y
Z(mx.) = O.lOBn + 0.20B,z + O.lSB,, + 0.25Bu + 0.08Bz,
+ 0.168"' + O.l2Bz + 0.20B2 .
Sujeta a las siguientes restricciones:
Con relacin a gasolina (Rl):
SSOB
11
+ 400B, + 580B,z + 420B, + 640B,. + 460B23
+ 700Bu + SOOB., < 48,000.
Con relacin a bombarderos tipo B,(R2).
Bu + B,z + B,. + B>< < 48
Con relacin a bombarderos tipo Bc(R3).
Bz, + B, + Bz + Bz < 32
IV.4.7. Ejemplo 7. Problema de corte de papel"
La papelera Gacela ha recibido un pedido para proveer 200
rollos de papel de 20 cm de ancho y 500 rollos de 25 cm. Al revisar
las existencias se ve que tienen los rollos con un ancho uniforme
de 92 cm.
-Cmo deben cortarse los rollos de 92 cm para poder surtir
el pedido con el mnimo de desperdicio posible?
Solucin
Posibles formas de corte:
Ancho 1 = 20 cm = A,
Ancho 2 = 25 cm = A,
X,= 4A, = 80 cm, con desperdicio de 12 cm; 92-80 = 12 cm.
Xz = 3A, + Az = 60 cm + 25 cm = 85 cm .". 92-85 = 7 cm de
desperdicio.
X = 2A, + 2Az = 40 cm + SO cm = 90 cm .". 92-90 = 2 cm de
desperdicio.
X. = 3Az = 75 cm .". 92-75 = 17 cm de desperdicio.
* Ibid., pg. 77.
'
{
. '
PROGRAMACION LINEAL. METODO SIMPLEX O DE DANTZIG
93
Las incgnitas son todas las posibles combinaciones o formas
de corte.
Funcin r.bjetivo (minimizar el desperdicio):
Z(mn.) = 12X, + 7X, + 2X, + 17X,
Restricciones de demanda: (Rl)
(R2)
200 (rollos de 20 cm)
- 500 (rollos de 25 cm)
(Rl) 4X, + 3X, + 2X, + OX, - 200
(R2) OX, + X, + 2X, + 3X, 500
IV.4.8. Ejemplo 8. Operacin de un sistema de dos presas:
problema de planteamiento
Se considera el problema de una agencia que controla la ope-
racin de un sistema integrado de dos presas con una planta gene-
radora hidroelctrica en cada una. La agencia desea maximizar,
en un determinado perodo, el ingreso de la venta de energa
. elctrica producida al soltar agua de las presas.
El sistema puede describirse como sigue: El lapso a travs
del cual se considera la actividad del sistema es un ao, dividido
en doce intervalos de un mes. Las dos presas, .Presa 1 y presa 2,
tienen una capacidad de 2,500 y 4,500 kiloacre-pies, respectiva
mente. Al principio de cada mes, la presa contiene el agua que le
sobr del mes anterior. Durante el mes tambin recibe un influjo
adicional de agua. En un momento dado en cualquier mes, si la
presa est llena a capacidad, el influjo adicional de agua se vierte
por un conducto especial y se considera perdido para el sistema.
Durante un mes, el agua de una presa puede soltarse para
generar electricidad, la cual se vende como energa de primera cla-
se (firme) o energa de segunda clase. La energa de primera
clase se vende a $ 8.00 por mega vatio-hora y la energa de segun-
da clase a $ 3.00 por megavatio-hora. La unidad de energa slo
puede venderse bajo la clasificacin de primera clase si cumple
ciertos requisitos. Pero cualquier unidaci de energa puede ven-
derse como de segunda clase.
Durante un mes, cada presa debe liberar un mnimo especifi-
cado de agua para requisitos de pesca, irrigacin y navegacin.
No hay, sin embargo, un lmite superior para la cantidad de agua
que se puede soltar. Cualquier cantidad de agua que no se suelte
..
PIOGRAMACION UNEAL METODO SIMPLEX O DE DANTZIG
puede ser almacenada, hasta el lmite de capacidad de la presa, y
utilizarse en los meses subsecuentes.
Para este sistema, el problema de decisin consiste en deter-
minar qu cantidad de agua es ptimo soltar en cada mes para
maximizar el ingreso por la venta de energa de primera y de se-
gunda clases.
Se hacen las siguientes suposiciones:
l. Los influjos de agua a _las respectivas presas se conocen
(estn pronosticados) por adelantado; stos se enumeran en la
tabla IV.6.
2. Durante un mes especfico, el influjo y la liberacin de
agua ocurren en forma constante.
3. Las demandas mnimas de agua para la pesca, irrigacin
y navegacin se consignan en la tabla IV .6.
TABLA IV.6
--
Datos
Influjo de agua
Demandas
Proporcin de una
1()3 X acre-pie
mnimas
unidad de energa
IOJ x acre-pie
firme a ser
proporcionada
Mes
Pre5a 1 Presa 2 Presa 1 Presa 2
en el mes
Enero
67 309 60 160 0.05
Febrero
274 1,307 60 144 0.05
Marzo
153 525 60 141 0.06
Abril
318 810 60 137 0.06
Mayo
267 446 60 342 0.06
Junio
115 285 60 553 0.09
Julio 34
1
195 60 783 0.15
Agosto
12 176 60 712 0.17
Septiembre
18 185 60 309 0.13
Octubre 14 226 60 249 0.08
Noviembre
18 246 60 232
1
0.06
Diciembre
41 251 60 160
1
0.04
4. Independientemente de la cantidad de agua contenida en
las presas, cada acre-pie de agua soltado de la presa 1 produce
290 kilovatio-horas, y cada acre-pie de agua soltado de la presa 2
produce 320 kilovatio-horas.
S. Una unidad de energa elctrica (independientemente de la
proporcin correspondiente a cualquier presa) se califica como
'

,
J
1
1
PROGRAMACION liNEAl. METODO SIMPLfX O Df DANTZIG 95
energa de primera clase slo si se suministra en proporciones
especficas en los diferentes meses del ao, de acuerdo con a
tabla IV.6.
6. Al principio del ao, la presa 1 contiene 1,800 kiloacre-pies
de agua y la presa 2 contiene 2,500 kiloacre-pies de agua. Esta mis-
ma cantidad de agua debe estar en las presas al terminar el ao.
l. Desarrollar el modelo matemtico del problema, incluyen-
do las ecuaciones de restricciones, las de relacin y la correspon-
diente a la funcin objetivo.
Solucin. Operacin de das presas
Sea:
Y.: produccin de energa de clase 1 (en MWH/ao)
Yi: produccin de energa de clase 2 (en MWH/mes) en el
mes i
Xi: liberacin de agua de la presa 1 en el mes i (en 1(}' X acre-
pie)
Zi: liberacin de agua de la presa 2 en el mes i (en HP X acre-
pie)
Si: almacenamiento de agua en la presa 1 del mes i al i+ 1
(en 1()3 acre-pie)
t;: almacenamien.to de agua en la presa 2 del mes i al i + 1
(en 10
3
X acre-pie)
Zo: funcin objetivo (medido en dlares).
Como toda la energa de clase 2 puede venderse, es claro que
toda el agua liberada puede usarse para generar electricidad. Por
lo tanto, no es preciso considerar prdidas de agua de las presas.
Para la presa 1, disponibilidad de agua para cada mes:
1,800 +
67- X, -S,
=0
S,
+
274- x. - s. =0
s2
+
153- XJ - SJ =0
SJ
+
318- x. - s. =0
s.
+
267- x. - Ss =0
S,
+
115 - x. s.
=0
s.
+
34- x1 - s1 =0
s1
+
12- x. - s. =0
96
PIOGIAMACION UNEAL. METODO SIMPLEX O DE DANTZIG
s. + 18 - x. - s. = o
s. + 14 - x,., - s,. = o
S,o + 18- Xu- Su= O
Su + 41 - Xu - S ... = O
s12- 1,800 =o
Para la presa 2, disponibilidad de agua para cada mes:
2,500 +
309 - z, - t, =0
t,
+
1,307 - z, - t. =0
t.
+
525 - z. - t. =0
ts
+
810 - z. - t. =0
t.
+
446 - z. t. =0
t.
+
285 - z.
t. =0
t.
+
195 - Z,
t, =0
t,
+
176 - z. t. =0
ts
+
185 - z.
- t. =0
t.
+
226 - z .
t,.J = o
t
+
246- Zu- fu = O
tu +
251 - z . -
t,. = o
t12 - 2,500 =o
Ecuaciones de relacin entre liberacin de agua y produccin
de energa:
0.290X,. + 0.320Z, - 0.05Y.- Y, . O
0.290X. + 0.320Z. - O.OSY.- Y. =O
0.290X. + 0.320Zs - Oo06Yo- Ya =O
0290X. + 0.320Z. - 006Yo- Y. =O
0290X. + 0.320Zo - 0.06Yo- Y. =O
0290Xa + 0.320Zs - 0.09Yo - Y. = O
0.290X, + 0.320Z, - 0.1SY. - Y, = O
0290Xs + 0.320Zs - 0.17Y.- Ys =O
0290X. + 0.320Z. - O.l3Yo - Y. = O
0290X,., + 0.320Z,.- 008Yo - Y,.= O
0290Xn + 0.320Zn - 0.06Yo - Yu =O
0290X,. + 0.320Z, - 0.04 Y o - Y,. = O
Para la presa 1:
X;> 60
i = 1, 2, o . o. 12
1
1
PROGRAMACION LINEAl. METOOO SIMPlEX O DE OANTZIG 97
Para la presa 2:
Z,
>
160
Z,
>
144
Z,
>
141
z.
>
137
Z,
>
342
Z,
>
553
Z,
>
783
Z,
>
712
z.
>
309
.,
zlO > 249
Zu > 232
z,
>
160
Funcin objetivo:
12
Zo(mx.) = BY. + 3 Yi
i:J
Por supuesto, sujeto tambin a:
Xi, Zi, Si, t;, Yi, Y. > O
IV.4.9. Problema 1. Problemas para resolver
El departamento de planeacin de una importante empresa
de fabricacin de relojes, est tratando de decidir cuntas opera-
rias se contratarn y entrenarn durante el primer semestre del
ao prximo para el departamento de armado.
El nmero de horas de trabajo varia de acuerdo con los pla-
nes mensuales de produccin, por lo que se estimaron las siguien-
tes cifras:
Mes
Enero
Febrero
Marzo
Abril
Mayo
Junio
Horas necesarias
8,000
7,000
8,000
10,000
9,000
12,000
Dos factores complican la programacin del reclutamiento de
operarias:
98 PROGIAMACION UNEAL METODO SIMPLEX O DE DANTZIG
l. Se requiere todo un mes para entrenar una operaria, antes
de que sta adquiera la pericia y habilidad necesarias para tra-
bajar sin errores; por ello, la contratacin necesita efectuarse con
un mes de anticipacin;
2. El entrenamiento de una operaria nueva est a cargo de
una operaria experta, y exige 100 horas de enseanza y control
durante el mes de capacitacin.
Para el mes de enero no habra problemas, pues se contada
con 60 operarias. De acuerdo con el contrato colectivo de trabajo,
el nmero mximo de horas mensuales de actividad no debe pasar
de 150, por lo que se tendran 9,000 horas laborables.
El sueldo mensual de una operaria entrenada, incluidas las
prestaciones sociales, es de $ 1,600.00. El sueldo de una operaria
nueva es de $ 800.00 durante el perodo de entrenamiento.
Por ltimo, el departamento de personal ha calculado en
10% la tasa mensual de renuncias de operarias (por razones fami-
liares, de salud, cambio de trabajo y otras causas).
a) Indicar las variables del problema.
b) Plantear y explicar cada restriccin.
e) Formular la funcin objetivo.
d) Comentar el modelo elaborado.
IV.4.1 O. Problema 2. Problemas para resolver
Una pequea empresa qumica produce dos tipos de solven-
tes, A y B. La planta est organizada en cuatro centros de proce-
samiento: 1, 2, 3 y 4. El diagrama normal del proceso es el si-
guiente:
1 \
Produdo A
t'
Centro 2
Centro 1 Centro 4
Produdo B
Centro 3
El centro de procesamiento 3 presenta capacidad en exceso a
la requerida por el producto B. Por lo tanto, es posible procesar el
* Ibid., pg. 72.
1
1
1
l
1
PROGRAMACION UNEAL. METODO SIMPLEX O DE DANTZJG
99
producto A pasando por el centro 3, en vez de pasarlo dos vec!s
por el centro 2. En tal caso, la utilizacin de la capacidad estara
mejor equilibrada, aunque los costos por unidad seran algo ma-
yores. El diagrama de proceso sera el siguiente:
Centro 2
Producto A
Centro 1 Centro 4
Producto 8
Centro 3
Los centros 1 y 4 operan 16 horas diarias; los centros 2 y 3
slo trabajan 12 horas diarias. No hay limitaciones en la capa-
cidad de almacenamiento, pero la capacidad de los duetos limita
a un mximo de 2,500 litros el volumen diario producido de ambos
solventes.
Se conocen los costos de materia prima, el precio de venta
por litro, las ventas mximas diarias y los requerimientos de ma-
teria prima por hora de operacin para ambos productos en cada
proceso. Los datos se presentan en las tablas IV.7 y IV.S.
TABLA IV.7
Costo de. Precio de Ventas mximas
Productos materia prima venta diarias
(por litro) (por litro) (en litros)
A 5 20 1,700
B 6 18 1.500
~ pide lo siguiente:
Formular un modelo lineal de programacin de la produccin
que permita maximizar las utilidades. El programa ptimo de pro-
duccin debe responder a las siguientes preguntas:
a) Cunta materia prima se utilizar diariamente en la
produccin A por el proceso usual?
1 00 PIOGRAMACION LINEAl. METO DO SIMPLEX O DE DANTZIG
b) Cunta materia prima se utilizar diariamente en la pro-
duccin A por el proceso opcional?
e) Cunta materia prima se utilizar diariamente en la
produccin B?
TABLA IV.8
1
Centro de
Insumas
9- de
Costo de
Productos
procesamiento
(litros por
recuperacin
operacin
hora) ($por hora)
A 1
1
300 90 ISO
1
i
2 ( 1er. paso)
1
450 95 200
4
1
250
1
85 180
2 (2do. paso)
1
400
1
80 220
1
3

350
1
75 250
8 1
1
500 1 90 300
3 480
!
85 250
1
1
4 1
400
1
80 240
1
i
!

l
!
i
l
1
V
EL PROBLEMA DUAL
V.l. RELACION ENTRE EL PRIMAL Y EL DUAL
Con los parmetros del modelo matemtico de cualquier pro-
blema de programacin lineal se puede formular otro modelo
matemtico de otro problema de programacin lineal, con ciertas
relaciones entre s. Al primero se le llama problema primal y al
segundo problema dual.

Lo anterior se ilustra como sigue:
PROBLEMA PRIMAL
Funcin objetivo:
Z(mx.) X, + 2X, + 3X,
Restricciones:
3X, + 4X, +
2X, + OX, +
OX, + 3Xz +
ox. < 24
x. < 18
2X3 < 12
PROBLEMA DUAL
Para formular la matriz dual se procede de la siguiente ma-
nera:
Con los parmetros, se forma una nueva matriz, indicando en
ella las variables primales y los trminos independientes, como
se muestra en la tabla siguiente:
101
102 EL PIIOILEMA DUAL
MATRIZ PRIMAL
1-------------
Variables primales
x. x. x.
<
3 4 o 24
2 o 1 18
o 3 2 12
Mx. 1 2 3
Esta matriz expresa que el problema primal es de maximi-
zacin, indicando tambin que las desigualdades de restriccin
tienen todas el signo "< ". En esta forma se sabr que el problema
dual ser de minimizacin, lo opuesto al primal, y que las desigual-
dades de restriccin tendrn todas el signo "> ", lo opuesto al pri-
mal. La P.ueva matriz dual ser entonces como se ilustra:
~
Variables
yl
dual
Y,
Y,
Mx.
VI
MATRIZ DUAL
Variables primal
~
x. x.
3 4 o
2 o 1
o 3 2
1 2 3
<
24
18
12
El problema
ser de
minimizacin
Las desigualdades de restriccin tendrn el signo "> ".
Esta matriz es la misma que la anterior despus de agregarle
las variables dual y de indicar que el problema ser de minimi-
zacin y que las desigualdades de restriccin tendrn el signo
">". As se deriv el problema dual, cuyo modelo matemtico
ser:
Funcin objetivo:
Z(mn.) = 24Y, + 18Y, + l2Y,
1
1
'
EL PROBLEMA DUAL 103
Los coeficientes de las variables duales en la funcin objetivo
corresponden a los trminos independientes de las ecuaciones de
restriccin del primal.
Desigualdades de restriccin:
3Y, + .2Y, + OY,
4Y, + OY, + 3Y.
OY, + Y. + 2Ys
Los coeficientes de Y,, Y,, .Y, en las restricciones duales corres-
ponden a los coeficientes de X, en las restricciones primales, mien-
tras que el trmino independiente es el coeficiente de X, en la
funcin objetivo del primal.
Condiciones de no negatividad:
y.> o
. -
En caso de que las ecuaciones de restriccin del primal no
tengan todas el mismo signo, se pueden efectuar operaciones para
lograr que todas lo tengan, pudiendo as plantearse fcilmente el
problema dual.
V.2. EJEMPLO DE APLICACION
Z(mn.) = sx.
+
2X,
+
sx. (1)
2X,
+
x. > 15 (2)
x.
+
3X, > 12 {3)
2X,
x. <
4 (4)
X
> o {S)
Si se desea que todas las ecuaciones de restriccin tengan el
signo "> ", se deber multiplicar la desigualdad ( 4) por ( -1), con
lo que el primal queda como sigue:
Z(mn.) = sx,
+
2X.
+
sx. {1)
2X,
+
,.
> 15 (2)
, ..
x.
+
3X,
> 12 (3)
-2X,
+
x. > -4 (4)
X
> o (S)
y resulta fcil formular el dual derivando la matriz dual.
104 EL PROBLEMA DUAL
MATRIZ DUAL

M in.
Du
X, X, X,
>
Y,
2 1 o 15
Y, o 1 3 12
Y,
-2 o 1 -4
Mx. /\1 5 2 8
As el modelo matemtico del problema dual ser:
Funcin objetivo:
Z(mx.) = lSY, + 12Y. - 4Y,
2Y,
+ OY, 2Ys < S
Y,
+
Y.
+
OYs
<
2
OY,.
+ 3Y,
+
Ys <
8
En caso de que una o varias desigualdades de restriccin sean
igualdades, es posible convertirlas. en desigualdades agregando
una ecuacin de restriccin ficticia.
Ejemplo
Funcin objetivo:
Z(mx.) = SX, + 20X. + 3Xs + 6X. + BX. (1)
2X, + 6X. + Xs + OX, + OX. < 250 (2)
OX, + X. + 3X, - X. + OX, < 200 (3)
X, + OX. + OX, + X, + X, = 150 {4)
OX, + X. + 2Xs + OX. - X, = 125 (S)
X
1
O {6)

,.
l
!
EL PROBLEMA DUAL 105
Es posible demostrar que el conjunto de ecuaciones (4) y (S).
es equivalente al siguiente:
X, + OX, + OX, + X. + X, < 150
OX, + X, + 2X, + OX. X, < 125
X, + X, + 2X, + X., + OX, > 175
V.3. SOLUCION AL PROBLEMA DUAL
(7)
(8)
(9)
Si ambos problemas, primal y dual, poseen regiones de solu-
cin factibles, entonces el problema primal tiene una solucin
ptima X;*, donde j = 1, 2, 3, ... , n, y el problema dual tiene una
solucin ptima y,*, i = 1, 2, 3, ... , m, y,
n .m
C;X* = b; Y,*
1=1 1::1
Esta ecuacin permite encontrar el valor de la funcin obje-
tivo del dual, siempre y cuando se tenga-la solucin del primal, y
anlogamente, tambin a partir de la ecuacin del primal es posi-
ble encontrar los valores de las variables duales.
Por ejemplo, suponiendo que la matriz ilustrada sea la solu-
cin al primal, se tendr:
MATRIZ DE SOLUCION PRIMAL
c.
p,
P, P, P, Q, Q, Q,
P.
o Q,
o 25/4 o 1 -3/2 3/4 6
1 P,
1 -3/4 o o 1/2 -1/4 6
3 Ps o 3/2 1 o o 1/2 6
C; 1 2 3 o o o
Sol. 6 o 6 6 o O*
A; o -7/4 o o -1/2 -5/4
Esta matriz proporciona tambin la solucin del dual, que son
los valores de A;, con signo positivo, para las variables de holgura:
es decir, que:
106
El. PROBLEMA DUA1
Y.
-
A. -
o
Y.
-
A. -
1/2
Y.
-
A. -
5/4
Por lo tanto, el valor de la funcin objetivo es:
ZD - 24 X 0 + 18 X 1/2 + 12 X 5/4
ZD - o + 9 + 15
ZD 24
que es a la vez el valor de la funcin objetivo del primal, como se
puede observar a continuacin:
X, + 2X, +
6 + o + 18
24.
3X.

t

Investigacion de Operaciones I

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Investigacion de Operaciones I

Transféré par

Droits d'auteur :

Formats disponibles

.

Vous aimerez peut-être aussi