INTRODUCCIN

La investigacin operativa combinada con las ciencias de la computacin y aplicadas en

el campo administrativo se convierte en una potente herramienta para resolver
modelos, los cuales utilizan mtodos para darle al administrador o ejecutivo
herramientas que le permitan tomar decisiones ms efectivas, de tal forma de lograr el
gran objetivo de optimizar el bienestar humano y econmico de la poblacin, as como
el uso racional de los recursos de un pas.
NOCIONES DE INVESTIGACIN OPERATIVA.
Teoras sobre organizacin Empresarial.

Clsica.- Sus creadores son Taylor y Fayol los cuales consideran que toda
organizacin compleja tiene ciertas funciones que son comunes o bsicas como
la planeacin, la ejecucin, el control, etc. Y, consideran que la organizacin es
un arte sujeto a reglas y principios.
Emprica.- Es aquella que se concentra en la observacin de organizaciones a
las que se pueda considerar como modelo, as por ejemplo ver organizaciones
que han tenido xito en su gestin para tratar de imitarlas y ver a las que han
fracasado y tratar de evitar las causas o procedimientos que las llevaron a la
ruina. Se reduce a observar.
Psicolgica.- sta teora trata de encontrar a la persona o personas que sean
lderes o que tengan capacidad de mando para que sean ellas las que llevan a la
empresa hacia un objetivo establecido. Es decir se preocupan de hallar las
relaciones dentro de la empresa.
Moderna.- Se inicia en la dcada de 1940 y cuyos propulsores son los
Ingenieros en Sistemas, se resume en indicar
que en una empresa existe
un grupo que trabaja y otro que toma decisiones. Esta corriente filosfica se
preocupa del estudio de la teora de las decisiones a travs de un enfoque
cientfico.

Concepto.Es un conjunto de herramientas de tipo matemtico que tiende a lograr la ptima

utilizacin de los recursos y procedimientos en una organizacin compleja.
Aplicacin de la Investigacin Operativa.La aplicacin de la investigacin operativa es infinita en cualquier campo de la
actividad humana. Si bien en sus inicios se aplic en el campo militar; hoy se usa para

resolver problemas de tipo diettico, de personal, para una mejor utilizacin de

recursos o de insumos en la industria, para realizar rutas e itinerarios ms cortos y
ptimos; se la estudia en las ramas de la economa, de la administracin, ya sea
pblica o privada, en el trabajo social, en las matemticas, en la estadstica y en todas
las ramas dela ingeniera.
Desarrollo de la Investigacin Operativa.Siendo el principal objetivo de la empresa, maximizar la operacin de bienes y
servicios; y minimizar los insumos requeridos para la produccin. Las bases de lo que
hoy se denomina Investigacin Operativa se comenzaron a aplicar desde que hizo su
aparicin un simple artesano, es decir que desde tiempos antiguos; pero se considera a
Taylor y Fayol como sus precursores que dieron origen a la sistematizacin debido al
crecimiento y complejidad que experiment la empresa en la revolucin industrial
pero fue durante la segunda guerra mundial en donde prcticamente se desarroll la
investigacin operativa para calcular el lanzamiento de proyectiles y tambin rutas
ms cortas. Una vez concluida la guerra muchos de los especialistas que prestaban sus
servicios en el campo militar pasaron a colaborar con la industria que fue destruida
durante la guerra. En 1950 aparecen diversas organizaciones mundiales especialistas
en Investigacin Operativa. En el Ecuador en 1984 se empieza a utilizar cuando en la
Escuela Politcnica Nacional se crea un grupo de especialistas dedicados a esta
actividad. Se lo ha denominado con distintos nombres como: Investigacin Operativa,
Anlisis Operacional, Ciencias de la Administracin, Evaluacin de Operaciones,
Investigacin de Sistemas y hoy se lo conoce como Investigacin Operativa o
Investigacin de Operaciones.
CARACTERSTICAS DE LA INVESTIGACIN OPERATIVA

Orientadora de Sistemas.- Consiste en analizar las partes ms importantes y

relacionadas con otras partes para descubrir los problemas y dar soluciones
verdaderas.
Actuacin de Grupos Interdisciplinarios.- Se dice que casi todos los problemas
empresariales tienen aspectos de orden econmico, psicolgico, sociolgico,
estadstico, matemtico, contable, etc. y por tanto, para dar solucin a los
mismos intervienen especialistas de diversas disciplinas para tener mayores
enfoques y criterios que coadyuven positivamente a la bsqueda de la solucin.
Utilizacin del Mtodo Cientfico como Matemtico.- Al igual que las otras
ciencias la Investigacin Operativa emplea el mtodo cientfico que consiste en
la observacin, definicin del problema, la formulacin de hiptesis,
experimentacin y verificacin.
ETAPAS PARA RESOLVER UN PROBLEMA DE INVESTIGACIN OPERATIVA

1. Definicin del Problema.- Es necesario tener una idea clara y concreta del
problema a ser analizado, lo cual implica aspectos como el establecimiento de
metas y objetivos de estudio, las decisiones alternativas para el problema y un
claro reconocimiento de los requerimientos, de las restricciones y limitaciones
del problema.
2. Construccin del Modelo.- Esta fase depende en gran manera de la
complejidad y naturaleza del problema que se halla sujeto a investigacin, a su
vez el modelo contendr expresiones cuantitativas tanto para la funcin
objetivo as como para las restricciones expresadas a travs de las
correspondientes variables de decisin.
3. Dar solucin al Modelo.- Definido el modelo se proceder a encontrar la
solucin adecuada al respecto existen diversas tcnicas matemticas, todas
estas por lo general tratan que el modelo libere una solucin ptima, la misma
que podra consistir en maximizar o minimizar una funcin objetivo
determinada.
4. Validacin del Modelo.- Un modelo es vlido si a pesar de las limitaciones que
podra representar el modelo ofrece una estimacin confiable del
comportamiento del problema y para esto hay que comparar su
comportamiento y rendimiento con cierta informacin estadstica previa que se
hallare disponible al respecto.
5. Implementacin de los resultados.- Consiste en trasladar los resultados
obtenidos del modelo a una serie de instrucciones operativas, las cuales deben
estar expresadas en un lenguaje claro y comprensible para todas aquellas
personas que administran y operan el sistema analizado. En esta fase es
importante la interaccin y coordinacin de personal dedicado a la
Investigacin Operativa y aquel correspondiente del rea operativa.

MODELOS PROTOTIPOS DE INVESTIGACION OPERATIVA

Para resolver problemas se lo realice mediante la experimentacin por cuanto seria
costoso y riesgoso hacerlo en la misma empresa y es por eso que se utilizan los
modelos.
Un modelo se considera como una representacin idealizada de un sistema existente
en la realidad, este sistema a su vez podra tratarse de algo que ya existe o que se est
pensando implementar en el futuro. En la investigacin operativa se realiza los
siguientes modelos:

Modelo Simplex
Modelo Transporte
Modelo Redes

Modelo inventario
Modelo de Teora de colas y esperas
Modelo bsqueda y reemplazo de equipo
Modelo matriz de insumo de producto

Dependiendo del tipo de aplicacin se emplean.

MODELO SIMPLEX
Es un modelo prototipo de la investigacin operativa que utiliza la programacin lineal
para resolver sistemas de ecuaciones de primer grado o sistemas de ecuaciones
lineales, es un mtodo repetitivo que mediante la solucin del sistema de ecuaciones
optimiza la respuesta para maximizar utilidades o beneficios y minimizar costos y
prdidas.
Para resolver un problema por el modelo Simplex es necesario plantearse lo que se
conoce como modelo general de programacin lineal el cual consta de tres partes:
1. FUNCIN OBJETIVO
Define la efectividad del sistema como una funcin matemtica de las variables
de decisin al respecto se dice que la solucin ptima se obtiene el momento
en el cual las variables de decisin alcanzan el mximo o mnimo valor de la
funcin objetivo. En trminos generales podramos sealar que utilizar la
funcin objetivo podra significar tanto maximizar utilidades o beneficios o
minimizar costos o perdidas. Se representa como max z o min z.
2. RESTRICCIONES O DESIGUALDADES
A efectos de registrar las limitaciones fsicas del problema el modelo deber
incluir restricciones que limiten las variables de decisin a valores factibles o
permisibles esto normalmente expresado a travs de desigualdades o
inecuaciones matemticas. Las restricciones son las limitaciones y estn
constituidas por recursos escasos como son: tierra, capital, materias primas,
horas hombre, horas mquina, energa, etc. Se utiliza los smbolos mayor igual
que, menor igual que.
3. CONDICIN DE NO NEGATIVIDAD DE LAS VARIABLES DE DECISIN DEL
PROBLEMA
Las variables de decisin son las incgnitas del problema, estas son siempre
positivas o cuando ms cero. Este aspecto obedece a que los modelos de
investigacin operativa representan sistemas reales concretos en los que no

tiene sentido hablar de produccin negativa. Por lo tanto se representa

x1mayor igual a 0 x2 mayor igual a 0.

PLANTEAMIENTO DE PROBLEMAS
a. Un fabricante de gasolina para avin vende 2 clases de combustibles A y B. el
combustible clase A tiene un 25% de gasolina grado 1, un 25% de gasolina
grado 2y un 50% de gasolina grado 3. El combustible clase B tiene 50% de
gasolina de grado 2 y un 50% de gasolina grado 3, disponibles para la
produccin existen 500 galones de grado 1 y 200 galones de grado 2 y 3. Los
costos son $0.30 la gasolina de grado 1, $0.60 la de grado 2 y $0.50 la de grado
3 por galn. El precio de un galn de combustible clase A es de $0.75 y de clase
B $0.90.
Qu cantidad debe fabricarse de cada combustible?
Combustible Grado 1 Grado 2 Grado 3 Precio
A
25%
25%
50%
0.75
B
50%
50%
0.90
Disponible
500
200
200
Costo
0.30
0.60
0.50
Variables:
X1= nmero de galones tipo A
X2= nmero de galones tipo B
COMB. 1 COMB. 2
DISPONIBILIDAD
X1
X2
GRADO 1
0.25
500
GRADO2
0.25
0.50
200
GRADO 3
0.50
0.50
200
GANANCIAS
0.275
0.35
1. FUNCIN OBJETIVO
Max z= 0.275*x1+0.35*x2

REQUERIMIENTOS

2. RESTRICCIONES
0.25 X1500
0.25X1 + 0.50X2 200
0.50X1+0.50X2200
3. CONDICIN DE NO NEGATIVIDAD
X10
X20

b. Una fbrica de alimentos debe enviar 500m de alimentos que necesitan

refrigeracin y 600m de alimentos que no necesitan refrigeracin para ello va
a contratar los servicios de una compaa que renta camiones de refrigeracin
de 2 tipos A y B. los camiones tipo A tienen espacio de refrigeracin de 10m y
un espacio sin refrigeracin de 15m y se renta a 5 unidades monetarias por
Km. Los camiones tipo B tienen un espacio de refrigeracin de 15m y sin
refrigeracin de 10m siendo su costo de 8 unidades monetarias por Km. El
problema consiste en determinar Cuntos camiones por carga debe contratar
la fbrica, si se quiere minimizar el costo de envo de alimentos?
ALIMENTOS:
Refrigeracin 500m
No refrigeracin 600m
CAMIONES ESPACIO REFRIGERACION SIN REFRIGERACION COSTO
A
10m
15m
5
B
15m
10m
8

VARIABLES
X1= nmero de camiones tipo A
X2= nmero de camiones tipo B
TIPO A
X1
ESPACIO REFRIG
10
ESPACION SIN REFRIG. 15
COSTO
5
1. FUNCION OBJETIVO
Min z= 5*x1+8*x2
REQUERIMIENTOS

TIPO B
DISPONIBILIDAD
X2
15
500
10
600
8

2. RESTRICCIONES
10X1+15X2500
15X1+10X2600
3. CONDICION DE NO NEGATIVIDAD
X10
X20

MTODO GRFICO

Sistemas Cartesianos (X1, X2), Solo se utilizan dos variables, resuelve el problema en
dos partes, encontrando la zona factible y calculando el punto ptimo.
1. Zona Factible: Ejecutivo o Administrador puede tomar decisiones y se
encuentran graficando cada una de las ecuaciones e inecuaciones del
problema, la zona factible ser el rea cuando se cumple todas y cada una de
las restricciones del problema.
2. Calculo Punto ptimo: Para encontrara el punto ptimo con respecto al
problema se recure al teorema de algebra lineal que dice que el ptimo estar
en uno de los vrtices de la zona factible, si es maximizacin en el vrtice que
nos de mayor valor si es minimizacin lo contrario, grficamente el punto
primo se encuentra representando la funcin objetivo del problema, se la
grfica de tal manera que este dentro de la zona factible y se trazan paralelas
hasta que haga tangencia uno de los vrtices, si es maximizacin las paralelas
se trazan del origen hacia arriba, si es minimizacin las paralelas se trazan en
sentido hacia el origen, la respuesta del problema podemos comprobarlo
matemticamente encontrando valores para cada uno de los vrtices de la
zona factible, la funcin objetivo tiene siempre una funcin pendiente.
m

Ejemplo maximizacin:

C1
C2

max Z C1 X 1 C2 X 2

Graficamos:

x1 0

x2 3

x1 4

x2 0

x1 1

x1 6

x2 0

x1 0

x2 8

x1 0

x2 0
x2 1

x2 2

PUNTO OPTIMO

Ejemplo minimizacin:

min Z 3x1 2 x 2

3 x1 x 2 3
4 x1 3 x 2 6
x1 x 2 3

x1 , x 2 0

PUNTO

x1 0
x1 1,5

x2 2
x2 0

x1 0

x2 3

x1 3

x2 0

x1 0

x2 3

x1 1

x2 0

OPTIMO

FUNCIN OBJETIVO:

Z 3x1 2 x 2
Z 3(0.6) 2(1.2)
Z 4.2

Casos de soluciones especiales con el mtodo grfico:

max Z 6 x1 12 x 2
3x1 2 x 2 15
3x1 3x 2ptima
12 mltiple:
Solucin

x1 0

x 2 2.5

x1 0

x2 4

x1 5

x2 0

x1 4

x2 0

Z 6 x1 12 x2
A(0;2.5):

Z=30

B(3;1):

Z=30

C(1;2):

Z=30

1.- 3
2.-

1.-

2.-

2
m PTIMO)

(PUNTO
4

1.- 6
2.- 9

1.-

2.-

1.- 3
2.- 3

1.-

2.-

Solucin Degenerada

MTODO ALGEBRAICO
1. Hay que transformar las inecuaciones en ecuaciones y para eso se utiliza
variables no negativas conocidas como variables de holgura.
Si la restriccin es menor o igual que ( ) se debe sumar una variable de
holgura al lado izquierdo de la inegualdad para convertirla en ecuacin.

Si la restriccin es mayor o igual que ( ) se debe restar una variable de

holgura al lado izquierdo de la inegualdad para convertirla en ecuacin.

2. Una vez que las inecuaciones se han convertido en ecuaciones, el sistema de

ecuaciones lineales restantes puede ser resuelto por cualquiera de los mtodos
matemticos

(variables de decisin).
(restricciones).

Cambiamos a ecuaciones:

(variables de decisin).
(restricciones).

Caracterstica:
Se puede determinar las soluciones bsicas del sistema haciendo a las n-m variables
iguales a cero y calculando las restantes variables resolviendo el sistema. A esta
solucin se le conoce como solucin bsica. A las variables igualadas a cero se las llama
no bsicas y las otras sern bsicas. De las soluciones bsicas se debe tomar en cuenta
nicamente a aquellas en donde las variables bsicas sean mayores o iguales que cero
y se le conoce como solucin bsica factible.
El nmero de soluciones est dado por la frmula:
(

Continuamos con el ejercicio planteado:

I II III IV V VI
0 0 0 4
6
2
0 8 6 0
0
4
24 0 6 0 -12 0
18 -6 0 6
0
0
0
54 48
60
x
x

MTODO SIMPLEX
Es un mtodo iterativo para la resolucin de problemas de programacin lineal. Parte
de una solucin bsica factible inicial y en las aplicaciones del medio determina nuevas
soluciones bsicas factibles que permitan modificar o mantener los valores de la
funcin objetivo anterior. El mtodo adems permite determinar cundo se ha llegado
a una solucin ptima.
Maximizacin.Para maximizacin con restricciones del tipo menor o igual que ( ) los pasos a seguir
son:
1. Transformar las inecuaciones correspondientes en ecuaciones aadiendo las
variables de holgura.

2. Elaboramos una tabla con los coeficientes de las ecuaciones

4
2

2
2

1
0

0
1

16
12

3. Determinamos la solucin bsica factible inicial haciendo a las

variables
iguales a cero (variables no bsicas
). Las restantes sern bsicas. Para
maximizacin, la solucin factible inicial (slo con la restriccin menor o igual
) es aquella que hace que la funcin objetivo valga cero.
En este caso:
Entonces tenemos

la cual es una solucin bsica factible inicial.

4. Para determinar una nueva solucin bsica factible, debemos realizar un

cambio de base; es decir una variable no bsica debe pasar a ser bsica y una
bsica debe pasar a ser no bsica.

variable entrante

variable saliente
Para determinar cul es la variable entrante y cul es la variable saliente, a la
tabla de coeficientes se debe agregar:

Una fila
con los coeficientes que tienen las variables en la funcin
objetivo.
Una columna
con los coeficientes que tienen las
en la funcin
objetivo.
Una fila conocida como
en la cual cada elemento es calculado como el
sumatorio de
.
Una fila de
.

0
0

4
2
0
8

2
2
0
6

1
0
0
0

0
1
0
0

16
12
0

5. Para determinar la variable entrante se hace un anlisis de los coeficientes de

; en el caso de maximizacin, sta ser aquella que se encuentre en la
columna en la cual el valor de
es el mayor positivo; y se escoge como
variable entrante esa columna. Cuando existen dos o ms coeficientes
se elige como variable entrante cualquiera de ellos y en un problema de
maximizacin si todos los coeficientes
son negativos o ceros en ese
instante se tiene la solucin ptima.
6. Para determinar la variable saliente se dividen los elementos

de la columna

correspondiente a la variable entrante; en estas relaciones no se toma en

cuenta aquellas cuyos valores
sean negativos. La variable saliente ser
aquella que se encuentre en la fila en la cual la relacin

es la menor.

7. El elemento en el cual se cruzan la variable entrante con la saliente es conocido

como pivote y a este elemento se le debe convertir en uno mientras que a los
elementos que estn sobre o debajo de l tienen que ser ceros. Esto implica
que los coeficientes de las variables bsicas siempre deben formar una matriz
unitaria.
En este ejemplo se convierte en variable entrante
pivote es 4; de modo que obtenemos:
8
8

, variable saliente

0
0

y el

8
0

4
2

2
-2

En este caso se convierte en variable entrante

pivote es 1; de modo que obtenemos:
8

8
0

6
0

0
0

32

, variable saliente

0
2

1
-1

2
-2

40

{
EJERCICIO:

3
4

(tenemos dos variables no bsicas).

0
0
0
0

1
2
-1
0
0
8

2
1
1
1
0
2

1
0
0
0
0
0

0
1
0
0
0
0

0
0
1
0
0
0

0
0
0
1
0
0

6
8
1
2
0

y el

En este caso se convierte en variable entrante

pivote es 2; de modo que obtenemos:
3

, variable saliente

0
3

0
0

1
0

2
12

0
0

En este caso se convierte en variable entrante

, variable saliente

y el

y el

pivote es ; de modo que obtenemos:

3

0
0

0
0

1
0

0
11

-1
0

{
Minimizacin.La variable entrante se analiza los coeficientes de
; y ser aquella que se
encuentra en la columna en la cual el valor de
es el mayor negativo (el menor
valor).
Si todos los coeficientes
ptima.

son mayores o iguales que cero se obtiene la solucin

Para encontrar la variable saliente se utiliza el mismo criterio que en maximizacin por
tanto ser aquella que se encuentra en la fila cuyo

cuando

Por lo general los problemas de minimizacin tienen restricciones del tipo mayor o
igual que ( ); pero cuando se tiene restricciones del tipo menor o igual que; igual
(
) debemos usar el mtodo de la
; la cual usa variables artificiales; las
mismas que no tienen ninguna interpretacin o influencia en el problema y slo sirven
para poder empezar la aplicacin del mtodo simplex.
stas variables artificiales se incluyen en la funcin objetivo multiplicando por un
coeficiente bastante grande ( ). ste coeficiente debe ser positivo cuando el
problema es de minimizacin y negativo cuando el problema es de maximizacin. Se
identifica con la letra (
)
Por lo general debemos seguir la siguiente secuencia:

EJERCICIO:

(tenemos cuatro variables no bsicas).

3
4
1

1
3
1

-1
0
0

0
-1
0

0
1
0
0

0
1
0

0
0
1
0
0

3
6
3

En este caso se convierte en variable entrante

de modo que obtenemos:
3

, variable saliente

y el pivote es 3;

-1

0
0

En este caso se convierte en variable entrante

, variable saliente

y el pivote es

; de modo que obtenemos:

3

1
0
0

{
Casos Especiales de Soluciones.
-

Soluciones ptimas Mltiples.- Se obtiene cuando el coeficiente

correspondiente a una de las variables no bsicas tiene un valor de
cero.

Solucin No Acotada.- Se tiene cuando en la columna de la variable

entrante todos los coeficientes
son negativos o ceros
Solucin No Factible.- Se tiene cuando aplicando el mtodo de la
se
llega a obtener una solucin ptima en la cual como variable bsica existe
una variable artificial.
Solucin Degenerada.- Este tipo de solucin se tiene cuando al determinar
la variable saliente se obtiene dos o ms relaciones

que son mnimas e

iguales; la variable correspondiente debe salir de lavase pero al aplicar el

mtodo simplex de la otra variable igual se har necesariamente cero.
Ejemplos:

(tenemos dos variables no bsicas).

12

3
3
0

6
3

1
0

0
1

En este caso se convierte en variable entrante

de modo que obtenemos:
6

12

15
12

, variable saliente

0
30

y el pivote es 6;

Observamos que se encuentra un valor de cero en una columna de una variable no

bsica; por tanto tenemos una

(tenemos dos variables no bsicas).

9
6

12
3

-1
0

En este caso se convierte en variable entrante

de modo que obtenemos:
9

-15
2

0
1

-1
0

0
1
0

0
1
0
0

, variable saliente

36
6

y el pivote es 3;

0
1
0

-4

12
2

Observamos que se encuentra un valor de cero en una columna de una variable no

bsica; por tanto tenemos una
Variables no Restringidas.- Sin restriccin de signo.

variable no restringida).

Ejemplo:

Ejercicio:

(tenemos tres variables no bsicas).

-10

10

40

-30
30 10 1
0
0 60
0
10
-10 20 0
1
0 40
0
0
-10 0
0
1 30
0
0
0
-10
10
0
En este caso se convierte en variable entrante , variable saliente y el pivote es 20;
de modo que obtenemos:

-10

10

40

-35

35

40

50

40
5

-5

20
-30

-20
30

0
0

En este caso se convierte en variable entrante

35; de modo que obtenemos:
-10

10

40

-1

40

-10

10

De este modo, obtenemos:

Y; tenemos:
{

Modelo General de programacin lineal:

1.- Funcin Objetivo.

, variable saliente

y el pivote es

2.- Restricciones.
3.- Condiciones de no negatividad: {

DUALIDAD
Asociando un problema de programacin lineal existe otro problema; el original se
denomina primal y el otro dual, si un problema primal tiene la siguiente forma:

El problema dual tendr la forma:

De modo que obtenemos:

PRIMAL

DUAL

Relaciones entre el PRIMAL y el DUAL:

PRIMAL

DUAL

Ventajas de usar el DUAL:

La obtencin del dual es importante cuando el nmero de restriccin es mucho mayor
al numero de variables ya que de esta manera se reduce la cantidad de operaciones
que debemos realizar para resolver el problema.
Ejemplo:
-

Dado un primal de maximizacin con 40 restricciones y 7 variables.

PRIMAL

Ejercicio:
PRIMAL:

3
4

DUAL:

DUAL

(tenemos seis variables no bsicas).

1
2

2
2

-1
1
0
1

0
1

-1
0

0
-1

En este caso se convierte en variable entrante

pivote es 2; de modo que obtenemos:

1
0

0
1

, variable saliente

-1
1

0
1

-2

-1

-1
0

1
0

-1

3
2

y el

1
1

0
En este caso se convierte en variable entrante
pivote es ; de modo que obtenemos:

, variable saliente

-1

0
1

-2

-1

-1

-1

y el

y
y

Relaciones entre el PRIMAL y el DUAL

Problema de Minimizacin
Variables

Restricciones

Ejemplo:
Dado el PRIMAL:

Obtener el DUAL:

Problema de Maximizacin
Restricciones

Variables

Al final obtenemos:

MTODO DUAL SIMPLEX

Se usa cuando existen restricciones del tipo mayor o igual que e igual, puesto que
elimina la necesidad de usar variables artificiales ya que nicamente se cambia de
signos a ambos lados de la restriccin y tambin su signo de relacin.
Ejemplo:
se cambia a
se cambia a

;y

cambia a
Para obtener la solucin ptima se tiene que dar las condiciones:
1.- Factibilidad Primal.- Esto es decir
2.- Factibilidad Dual.- {

Reglas para resolver:

se

a) Un solucin que tiene factibilidad dual y tiene factibilidad primal es una

solucin ptima.
b) Si no existe factibilidad primal; pero s existe factibilidad dual; aplicamos dualsimplex (manteniendo siempre la factibilidad dual), y en cada mtodo del dual
simplex se tiende a obtener la factibilidad primal
{

(
{
c) Si no existe ni factibilidad primal ni factibilidad dual; lo primero que debemos
hacer es restaurar la factibilidad dual; aplicando el mtodo simplex normal, y
una vez que tengamos factibilidad dual aplicamos dual-simplex.
Ejemplo:

Obtenemos:

-3

-1

-3

-4
-3
0
1
0 -6
1
1
0
0
1
3
0
0
3
2
No tenemos factibilidad primal; existe factibilidad dual y la variable entrante es
variable saliente es , con lo cual obtenemos:
3

-1

, la

2
0
No tenemos factibilidad primal; existe factibilidad dual y la variable entrante es
variable saliente es , con lo cual obtenemos:
3

, la

0
2
0

Ahora tenemos factibilidad primal y factibilidad dual. Hemos llegado a la solucin con
los valores de:

MODELO DE TRANSPORTE.
Es un problema especial de Investigacin Operativa que tiene su origen en la
necesidad de transportar productos desde varias fuentes de suministro u orgenes a
varios sectores de demanda o destino, consiste entonces en minimizar o maximizar
costos y utilidades respectivamente que demanden el transportar los productos
desde los orgenes hacia los diferentes destinos:
F1

F2

F3

Fuentes de suministro, origen,

oferta

D1

D2

D3

Destinos, sectores, demanda

Si hay suficientes recursos se satisfacen todas las demandas; los costos o utilidades
estn dados por la distancia entre el origen y el destino y vienen dados en forma de
matriz:
Fuentes/Suministro

Requerimientos/Demanda
Con lo cual obtenemos:

Capacidad suministro:

Requerimientos y demanda:

Destinos

Capital
Suministro

Problema de transporte HOMOGNEO. tenemos un problema de transporte homogneo. De lo

Si se cumple que
contrario, tenemos dos opciones:
debemos crear un destino ficticio con costos de transporte igual a
a) Si
cero, que consuma el exceso de producto o suministro.
debemos crear un suministro ficticio con costos de transporte
b) Si
igual a cero, que genere el suministro necesario para cubrir la demanda
insatisfecha.
Si se trata de un problema de costos, debemos minimizarlo; en cambio si se trata de un
problema de utilidades, debemos maximizar.
Ejemplo:
Si tenemos:
Fuentes/Suministro

Requerimientos/Demanda

Capacidad suministro:

Requerimientos y demanda:

Destinos

Capital
Suministro

Si tratamos de aplicar el Mtodo Simplex obtendremos una matriz demasiado extensa;

por esto se han encontrado distintos mtodos para asignar los recursos de una manera
ms rpida y eficiente; los mismos que son:
Mtodo de la Esquina Noroeste.- Es un mtodo directo para encontrar la solucin
bsica factible inicial de un problema de transporte sin importar que sea maximizar
utilidades o minimizar costos y empieza asignando los recursos a partir de la primera
celda, la asignacin de recursos debe hacerse hasta agotar todo el suministro y hasta
satisfacer toda la demanda, as:
Fuentes/Suministro

Destinos

Capital
Suministro

Requerimientos/Demanda

S.B.F.I.

Mtodo de la Celda Mxima o Mnima.- Realiza la asignacin de los recursos para

satisfacer las demandas tomando en cuenta el costo unitario de transporte de cada
una de las rutas; si el problema es minimizar costos de transporte habra que asignar
recursos empezando con las celdas de ms bajo costo de transporte unitario; si es de
maximizar ganancias se asignan recursos a las celdas de mayor valor.
Minimizacin:
Fuentes/Suministro

Destinos

Capital
Suministro

Destinos

Capital
Suministro

Requerimientos/Demanda
Maximizacin:
Fuentes/Suministro

Requerimientos/Demanda

Mtodo de la Penalidad
Minimizacin.1. La penalidad de los recursos (de las filas) se determina restando el valor ms
pequeo dentro de la fila del siguiente valor ms pequeo de una columna del
siguiente valor ms pequeo de la misma columna.
2. Se debe determinar luego cul es la fila o la columna que tenga la mxima
penalidad.
3. La asignacin de recursos debe hacerse a la celda que tiene menor costo a las
dos celdas que se calcularon para calcular la penalidad.
4. Se repite el proceso, sin tomar en cuenta aquellas columnas en las cuales ya se
han satisfecho los requerimientos y aquellas filas en las cuales se han
terminado los recursos.
Maximizacin.1. Las prdidas se calculan restando el mayor valor del siguiente mayor valor en
cada una de las filas y en cada una de las columnas.
2. Escoger la mxima penalidad.
3. La asignacin se la hace en la celda de mayor valor.
4. Repetir el proceso.
Ejemplo:
Fuente
Suministro

DESTINOS

Capacidad
B1 B2 B3 B4 Suministro

F1
F2
F3
Requerimientos
Demanda
Solucin:

5
9
4
50

Fuente
Suministro

DESTINOS

12
14
13
70

8
7
10
65

6 80
11 90
13 60
45

Capacidad
B1 B2 B3 B4 Suministro

F1
35 45
80
F2
25 64
90
F3
15
45 60
Requerimientos 50 70 65 45
Demanda
Min Z= (5*35) +(12*45) + (14*25) +(7*64) + (4*15) +(45*13)
Min Z= 1715

Ejemplo Maximizacin:
Fuente
Suministro

DESTINOS

F1
F2
F3
Requerimientos
Demanda
Solucin:

5
9
4
50

Fuente
Suministro

DESTINOS

B1 B2 B3 B4
12
14
13
70

8
7
10
65

Capacidad
Suministro

6 80
11 90
13 60
45

Capacidad
B1 B2 B3 B4 Suministro

F1
50 25 5
80
F2
45
45 90
F3
60
60
Requerimientos 50 70 65 45
Demanda
Min Z= (12*5) + (12*25) + (5*8) +(14*45) + (11*45) +(10*60)
Max Z= 2315
MODELO DE REDES
G(V,E)

Un grafo consiste de dos conjuntos V y E, y es una estructura matemtica para anexar

redes; Existen grafos No Direccionados y Direccionados.
NO DIRECCIONADO

DIRECCIONADO

(V1,V2)=(V2,V1)

<V1,V2><V2,V1>

<V1,V2>
Cabeza

Cola
#MAX DE RAMIFICACIONES
#MAX DE RAMIFICACIONES
(n(n-1))/2
n(n-1)
n=nmero de Vrtices
n=nmero de Vrtices
Si (V1,V2) Es una rama de conjunto de ramas que pertenecen a LG, entonces se dice
que V1, V2 son adyacentes y la rama V1, V2 es incidente a los vrtices de V1 y V2.
Si <V1,V2> es una rama direccionada , entonces el vrtice V1 es adyacente a V2
mientras que V2 es adyacente desde V1, la rama <V1,V2> es incidente a los vrtices
V1, V2.

Subgrafo.
Un subgrafo de G es G tal que los vrtices de G son menores o iguales a las ramas de
G.
r(G)r(G)
E(G)E(G)
Longitud de camino.- Es el nmero de ramas en el contenido.
Camino simple.- Es el camino en el cual todos los vrtices son un camino mientras
que un ciclo es un camino simple en el cual el primero y el ultimo vrtice son los

mismos. Existe adems grafos con nexos o conectados, en el cual siempre debe haber
un camino que conecte dos vrtices cualquiera.
Grado de un vrtice.
Es el nmero de ramas incidentes al vrtice. Para un grafo direccionado el grado de
entrada del vrtice V, es el nmero de ramas para el cual V es cabeza y el grado de
salida para el vrtice V es cola en este caso.
Capacidad de flujo
Es el lmite superior de la magnitud permitida de flujo que puede llevar una rama es
una direccin especfica.
Nodo Fuente
Es un nodo de un grafo dirigido que se caracteriza porque todas las ramas que se
conectan a l tienen una direccin tal que dicho nodo es nicamente cola, es decir el
flujo que sale dl nodo se le conoce tambin como inicio, origen o generador de flujo.
Nodo destino
Es un nodo de un grafo dirigido que se caracteriza porque todas las ramas que se
conectan a l tienen una direccin tal que dicho nodo es cabeza, es decir que el flujo
ingresa al nodo, se le conoce tambin como llegada, finalizador o absolvedor de flujo.
Fuente

Destino

REPRESENTACIN DE GRAFOS
Para representar grafos empleamos matrices adyacentes
(

)
, la matriz adyacente de
con la propiedad de que
es la rama (

( )

es un arreglo de 2 dimensiones

si no existe tal rama

De una matriz adyacente se puede determinar lo siguiente:

1. Si existe una rama conectando dos vrtices , .
2. Para un grafo no direccionado el grado de cualquier vrtice , es la suma de los
de sus filas.
3. Para un grado direccionado las sumas de los unos de las filas, es el grado de
salida.
4. Las sumas de los unos de las columnas es el grado de entrada.

RED
Es un grafo caracterizado por dar ciertos valores a sus ramas. Ejemplo:
RED
AEREA
AVIONES

NODOS

RAMAS

AEROPUERTOS

FLUJO
RUTAS

Matriz de incidencia nodos-ramas

(

Si el nodo que pertenece a

es el nodo de inicio de la rama

Si el nodo de que pertenece a

es el nodo donde termina la rama

Si no existe tal rama.

En caso de que el grafo no sea direccionado

Si el nodo que pertenece a

est conectado a la rama

Si no existe tal rama.

1
-1
0
0
0

1
0
-1
0
0

0
1
-1
0
0

0
1
0
-1
0

0
0
1
-1
0

0
0
1
0
-1

0
0
0
1
-1

Almacenamiento de pesos o valores de las ramas de una red

Cuando se designan valores a las ramas, estos valores pueden representar distancias o
costos necesarios para ir de un ndice a otro adyacente, estos pueden almacenarse de
acuerdo con la representacin utilizada para una red, esto es por medio de una matriz
adyacente en donde los elementos
guardaron dicha informacin.

1
2

0
5

5
0

2
0

3
2

0
0

3
4

2
3

0
2

0
0

0
0

7
6

Aplicaciones de redes: Arboles de cobertura, el problema de la ruta mas corta, el

problema del flujo mximo.
Arboles de cobertura.- Cualquier rbol que est formado por las ramas E(G) pero que
incluyen a todos los vrtices de V(G) es llamado un rbol de cobertura Ejm.

Propiedades de los rboles de cobertura

-

Los arboles de cobertura tienen la propiedad:

V(G)=V(G)
Cualquier grafo conecta con n vrtices, debe tener al menos n-1 ramas sin
formar ciclos.

Aplicaciones de los rboles de cobertura

Los rboles de cobertura se aplican el mnimo valor necesario para conectar n nodos
con n-1 ramas. En la prctica los vrtices podran representar ciudades, las mismas que
estn separados por distancias o costos entre cada uno de ellas.

rbol de cobertura de costo mnimo

Dada una red se desea seleccionar la construccin de un conjunto de enlaces de
comunicacin que conecten todos los nodos y tengan un costo toda mnimo, es decir
de longitud toda mnimo.

El costo de un rbol de cobertura, es la suma de las ramas en dicho rbol.

Procedimiento grfico
1. Seleccionar un nodo arbitrario y conectarlo al nodo ms cercano a este
obteniendo la primera rama del rbol cobertura de costo mnimo
2. Identificar un nodo no identificado que sea el ms cercano a uno de los nodos
que ya forman parte del rbol y conectarlos sin formar ciclos.
3. Repetir esto hasta que todos los nodos se hayan conectado.

Procedimiento Matricial
1. Se comienza arbitrariamente en cualquier nodo y se designa a este nodo
conectado poniendo una seal al lado izquierdo del rengln correspondiente a
este nodo y se tacha la columna correspondiente a l.
2. Considerando todos los renglones que tengan una seal se busca el valor
minino en la columna cuyo ndice no ha sido tachado y se encierra ese valor en
un crculo, se rompen los empates de modo arbitrario, la columna que
corresponde a este elemento encerrado en un crculo designa al nuevo nodo

conectado, se tacha el ndice de esta columna y se pone una marca en el

rengln correspondiente a este nodo. Se repite este paso hasta que todos los
nodos estn conectados.
3. Una vez que todos los nodos hayan sido conectados se identifica el rbol de
cobertura de costo mnimo a travs de los elementos circundados.

1
2
3
4
5
6
7

1
0
5
3
1
0
0
0

2
5
0
0
8
9
0
0

3
3
0
0
4
0
6
0

4
1
8
4
0
2
7
3

5
0
9
0
2
0
0
12

6
0
0
6
7
0
0
13

7
0
0
0
3
12
13
0

PROBLEMA DE LA RUTA MAS CORTA

Trata de determinar el camino ms corto desde un punto de origen H hasta los dems
nodos de la red a travs de una red conexa, la longitud de un camino viene dado por la
sumatoria de los valores de las ramas en ese camino.
ALGORITMO DE ETIQUETADO
El algoritmo emplea el llamado proceso de etiquetado conforme avance el algoritmo
se determina una etiqueta para cada nodo, esa etiqueta asociara dos nmeros entre
parntesis el primer nmero de la etiqueta representara la distancia entre ese nodo a
lo largo de una ruta especfica y el segundo numero al nodo predecesor del nodo en

cuestin sobre dicha ruta, en principio las etiquetas asociadas a un nodo que no sea H
se llamaran etiquetas temporales, cuando la distancia ms corta entre H t un nodo
dado haya sido determinado la etiqueta temporal se transformara en permanente el
algoritmo empieza etiquetando el nodo H con la etiqueta permanente (0,H) donde 0
significa que la distancia entre H y H tiene una longitud cero y H solo identifica el nodo
de salida, tan pronto cuando todos los nodos tengan etiqueta permanente se termina
el proceso.
EJERCICIO
Hallar la ruta ms corta desde el nodo H hasta los dems nodos

NODOS
1
2
3
4
5
6
7

RUTA MAS CORTA

DESDE H
H-1
H-1-2
H-3
H-1-2-4
H-1-2-4-5
H-1-2-4-5-6
H-1-2-7

DISTANCIA
3
7
2
9
13
14
14