Antologia Investigacion de Operaciones

Misael García Vázquez Investigación de Operaciones
UNIVERSIDAD MICHOACANA DE SAN NICOLÁS DE HIDALGO
FACULTAD DE CONTADURÍA Y CIENCIAS ADMINISTRATIVAS
INVESTIGACIÓN DE OPERACIONES
ANTOLOGÍA DE LA MATERIA
Lic en Cs. Físico Matemáticas Misael García Vázquez
MORELIA, MICHOACÁN; 24 NOVIEMBRE DE 2010.
2
Contenido
Contenido...........................................................................2
INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES.........3
Naturaleza de la Investigación de Operaciones (IO).....................3
Áreas en las que ha sido aplicada la IO:......................................3
Efecto de la Investigación de Operaciones..................................3
Fases usuales de un estudio de IO:.............................................4
FASES DE UN ESTUDIO DE INVESTIGACION DE OPERACIONES.......4
Problemas de modelación algebraica..........................................6
SISTEMAS DE ECUACIONES.........................................................9
SISTEMAS DE SOLUCIÓN PARA ECUACIONES LINEALES:................9
MÉTODO POR IGUALACIÓN.........................................................9
MÉTODO POR SUSTITUCIÓN......................................................10
MÉTODO POR REDUCCIÓN........................................................11
MÉTODO GRÁFICO...................................................................12
MÉTODO DE DETERMINANTES...................................................13
PROGRAMACIÓN LINEAL (PL)..............................................23
Elementos de un modelo de optimización.................................24
Solución Gráfica......................................................................33
Introducción y ejemplos de modelamiento................................36
REDES............................................................................... 39
SISTEMA DE CONTROL DE INVENTARIOS..............................42
TECNICAS DE CONTROL DE INVENTARIOS..................................42
EL MÉTODO ABC, EN LOS INVENTARIOS.....................................43
DETERMINACIÓN DEL PUNTO DE REORDEN................................43
Algunas herramientas de este control de inventarios son:.........44
EXISTENCIAS DE RESERVA O SEGURIDAD DE INVENTARIOS........44
CONTROL DE INVENTARIOS JUSTO A TIEMPO.............................45
ANÁLISIS INTEGRAL DEL COSTO-BENEFICIO...............................45
Estrategias para reducir inventarios.........................................45
TEORÍA DE JUEGOS.............................................................51
1.- INTRODUCCIÓN...................................................................51
2.- CONCEPTO DE JUEGOS Y ESTRATEGIAS.................................54
3.- JUEGOS ESTABLES...............................................................56
4.- JUEGOS INESTABLES...........................................................56
5.- SOLUCIÓN CON EL EMPLEO DE LA PROGRAMACIÓN LINEAL....57
6.- JUEGOS SUMA-CERO PARA DOS OPONENTES.........................58
7.- JUEGOS CON ESTRATEGIAS MIXTAS......................................59
8.- PUNTOS DE SILLA...............................................................59
9.- JUEGOS SUMA DIFERENTE DE CERO O METAJUEGOS..............60
BIBLIOGRAFÍA....................................................................62
2
INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES
Naturaleza de la Investigación de Operaciones (IO)
El Objetivo de esta disciplina es: “Investigar sobre las

operaciones”; es decir la Problemática relacionada con la conducción y la
coordinación de actividades en una Organización.
El principal objetivo de esta área de conocimientos consiste en formular y

resolver diversos problemas orientados a la toma de decisiones.
La naturaleza de los problemas abordados puede ser determinística, como en

los Modelos de Programación Matemática, donde la teoría de probabilidades
no es necesaria, o bien de problemas donde la presencia de incertidumbre
tiene un rol preponderante, como en los Modelos Probabilísticos.
Hoy en día, la toma de decisiones abarca una gran cantidad de problemas

reales cada vez más complejos y especializados, que necesariamente
requieren del uso de metodologías para la formulación matemática de estos
problemas y, conjuntamente, de métodos y herramientas de resolución, como
los que provee la Investigación de Operaciones.
Áreas en las que ha sido aplicada la IO:
- Manufactura
- Transporte
- Construcción
- Telecomunicaciones
- Planeación Financiera
- Cuidado de la salud
- Fuerzas Armadas
- Servicios Públicos, etc.
Efecto de la Investigación de Operaciones
La IO ha tenido un efecto impresionante en el mejoramiento de la eficiencia de

numerosas organizaciones de todo el mundo.
En el proceso, la IO ha contribuido de manera significativa al incremento de la

productividad de la economía de varios países.
2
La Investigación de Operaciones o Investigación Operativa, es una rama de las

Matemáticas consistente en el uso de modelos matemáticos, estadística y
algoritmos con objeto de realizar un proceso de toma de decisiones. ...
Fases usuales de un estudio de IO:
1. Definición del problema de interés y recolección de datos relevantes.

2. Formulación de un modelo matemático que represente el problema.
3. Desarrollo de un procedimiento basado en computadora o manual para
derivar una solución para el problema a partir del modelo.
4. Prueba del modelo y mejoramiento de acuerdo con las necesidades.
5. Preparación para la aplicación del modelo prescrito por la
administración.
6. Implementación.
FASES DE UN ESTUDIO DE INVESTIGACION DE

OPERACIONES
Para llevar a cabo el estudio de Investigación de Operaciones es necesario

cumplir con una serie de etapas o fases. Las principales etapas o fases de las
que hablamos son las siguientes:
1. Definición del problema.
Implica definir el alcance del problema que se investiga.
Es una función que se debe hacer entre todo el equipo de investigación de

operaciones
Su resultado final será identificar tres elementos principales del problema de

decisión.
2. Construcción del modelo.
Modelos icónicos: Son imágenes a escala del sistema cuyo problema se quiere
resolver.
Maquetas, Dibujos, Modelos a escala de barcos, automóviles, aviones.
Modelos analógicos: Se basan en la representación de las propiedades de un

sistema, es decir, contiene apariencia distinta al original, pero con un
comportamiento representativo.
Modelos simbólicos: Son conceptualizaciones abstractas del problema real a

base del uso de letras, números, variables y ecuaciones. Éste tipo de métodos
son los más económicos de construir y operar.
3. Solución del modelo.
2
Resolver un modelo, consiste en encontrar los valores de las variables

dependientes, asociadas a los componentes controlables al sistema a fin de
optimizar, si es posible o en caso de no serlo, mejorar la eficiencia o efectividad
del sistema.
El análisis matemático clásico se utiliza para obtener las soluciones de un

modelo de IO en forma deductiva.
Cuando estas no son posibles de obtener en forma deductiva, se utiliza el

análisis numérico a fin de resolver el modelo en forma inductiva.
4. Validación del modelo.
Es necesario probar la validez de todo modelo con cierta aproximación o

exactitud. Los proyectos de investigación de operaciones, se aplican
generalmente en Organizaciones que están operando y que por lo tanto, ya
arrojan resultados.
Si los resultados se alejan bastante de los reales del sistema operativo,

entonces, hay que tomar en cuenta lo siguiente:
A) Que el diseño de sistemas que se aplicó, en el estudio no ha omitido ningún

componente controlable importante, y que no haya rechazado ninguna
interacción que genere efectos de importancia.
B) Una vez que se cerciore la validez del diseño de sistemas que se efectúo,
hay que corroborar las expresiones matemáticas que representan a los
objetivos del grupo de toma de decisiones
C) Una vez que se cerciore la validez del modelo hay que corroborar ahora las
técnicas que resuelven a este se apliquen de manera correcta y que los
resultados del mismo se analicen e interpreten también de manera correcta.
D) Por ultimo, ahora hay que cerciorarse como se comunican los resultados, al
grupo de toma de decisiones, utilizando el lenguaje que ellos entiendan.
5. Implantación de los resultados finales.
1) Primero, el equipo de Investigación de Operaciones da una cuidadosa

explicación a la gerencia operativa sobre el nuevo sistema que se va a adoptar
y su relación con la realidad operativa.
2) Estos dos grupos comparten la responsabilidad de desarrollar los

procedimientos requeridos para poner este sistema en operación.
3) La gerencia operativa se encarga después de dar una capacitación detallada

al personal que participa, y se inicia entonces el nuevo curso de acción.
2
4) Supervisa la experiencia inicial con la acción tomada para identificar

cualquier modificación que tenga que hacerse en el futuro.
Por su naturaleza, a la IO le concierne el bienestar de toda la organización, no

sólo de algunos componentes.
Un estudio de IO trata de encontrar soluciones óptimas globales y no

soluciones subóptimas aunque sea lo mejor para uno de los componentes de la
Organización.
Cuando se trata de Organizaciones lucrativas, un enfoque posible para no caer

en un problema de suboptimización es utilizar la maximización de la ganancia a
largo plazo, considerando el valor del dinero en el tiempo como un objetivo
único.
Sin embargo, en la práctica, muchas de estas Organizaciones adoptan la meta

de ganancias satisfactorias combinada con otros objetivos, como puede ser la
conservación de la estabilidad de las ganancias, aumentar o conservar la
participación de mercado con que se cuenta, mantener precios estables,
mejorar las condiciones y el ánimo de los trabajadores, etc.
Una vez que se define el problema, la siguiente etapa consiste en reformularlo

de manera conveniente para su análisis.
La forma convencional en que la IO logra este objetivo es mediante la

construcción de un modelo matemático que represente la esencia del
problema.
Los modelos matemáticos también son representaciones idealizadas, pero

están expresados en términos de símbolos y expresiones matemáticas. Por
ejemplo: x1, x2, ..., xn ;
P = 3x1 + 2x2 + ... + 5xn ;
x1 + 3x1x2 + 2x 2= 10
Problemas de modelación algebraica
1.- Encuéntrense tres números enteros consecutivos cuya suma sea 60.
Sean los números x , y, z enteros consecutivos tales que :
x + y + z = 60 Ecuación 1
Si establecemos 2 ecuaciones más en donde:
y=x+1 Ecuación 2
z=x+2 Ecuación 3
2
Sustituimos los valores de y, z de las ecuaciones 2 y 3, en la ecuación 1:

x+ y + z = 60 Ecuación 1
x + ( x + 1 ) + ( x + 2 ) = 60
x + x + 1 + x + 2 = 60
3x + 3 = 60
3x = 60 – 3
3x = 57
3 3
x = 19
Ahora bien, sustituimos el valor de x en la ecuación 2 para determinar el

valor de y:
y= x +1
y = 19 + 1
y = 20
Y sustituimos el valor de x en la ecuación 3 para determinar el valor de z:

z = x +2
z = 19 + 2
z = 21
Sustituyendo los valores de x, y, z en la ecuación 1:
x + y + z = 60
19 + 20 + 21 = 60
60 = 60
2.- Dos hermanos ganaron $1300 durante sus vacaciones de verano el mayor
ganó 1 ½ veces más que el otro. Determínese la ganancia de cada uno.
Determinando variables:
G = ganancia del hermano mayor
g = ganancia del hermano menor
El enunciado se plantea así:
G + g = 1300 ..... Ecuación A
G = 1.5 g ..... Ecuación B
Solución:
Sustituyendo la ecuación B en ecuación A
G + g = 1300
1.5 g + g = 1300
2.5 g = 1300
2.5 2.5
g = $520
2
Sustituyendo el valor de g en ecuación B

G = 1.5g
G = 1.5 ( $520)
G = $ 780
Comprobando los valores de G y g en ecuación A

G + g = 1300
780 + 520 = 1300
1300 = 1300
3.- En un grupo de 35 estudiantes había 10 hombres menos que el doble de

mujeres. Determínese cuantos había de cada sexo.
Determinando variables:
M es el # de estudiantes del sexo masculino

F es el # de estudiantes del sexo femenino
Se debe cumplir que:
M + F = 35 Ecuación A
M = 2 F – 10 Ecuación B
Solución:
Sustituyendo ecuación B en ecuación A
M + F = 35
(2 F – 10) + F = 35
3F – 10 = 35
3F = 35 + 10
3F = 45
3 3
F = 15
Sustituyendo el valor de F en ecuación B
M = 2 F - 10
M = 2 (15) – 10
M = 30 – 10
M = 20
Comprobación de valores de M y F en ecuación A:
M + F = 35
20 + 15 = 35
35 = 35
2
SISTEMAS DE ECUACIONES
Es un sistema de dos ecuaciones de primer grado con dos incógnitas.
Solución de un sistema de ecuaciones es un grupo de valores de las incógnitas

que satisface todas las ecuaciones del sistema. La solución del sistema Es la
reunión de dos o más ecuaciones con dos o más incógnitas.
Ejemplo:
2x + 3y = 13
4x - y = 5
Un sistema de ecuaciones es posible o compatible cuando tiene solución y es
imposible o incompatible cuando no tiene solución.
Un sistema compatible es determinado cuando tiene una sola solución e

indeterminado cuando tiene infinitas soluciones.
SISTEMAS DE SOLUCIÓN PARA ECUACIONES LINEALES:
Para dar solución a un problema de programación, utilizamos los siguientes

métodos:
 Igualdad
 Sustitución
 Reducción (Suma o Resta)
 Gráfico
 Determinantes
 Matrices
MÉTODO POR IGUALACIÓN
Resolver el Sistema: 7x + 4y = 13 EC. 1

5x - 2y = 19 EC. 2
Despejemos cualquiera de las incógnitas; por ejemplo “x”, en ambas

ecuaciones:
Despejando “x” en ecuación 1 : 7 x = 13 – 4 y

x = 13 – 4y
7
Despejando “x” en ecuación 2 : 5 x = 19 + 2 y

x = 19 + 2y
5
2
Ahora se igualan entre si los dos valores de “x” que hemos obtenido, tenemos:
13 – 4y = 19 + 2y
7 5
Y ya tenemos una sola ecuación con una incógnita; hemos eliminado la “x”.
Resolviendo esta ecuación tenemos:
5 ( 13 – 4y) = 7 (19 + 2y)

65 – 20y = 133 + 14 y
- 20y – 14y = 133 – 65
- 34y = 68
y = -2
Sustituyendo este valor de “y” en cualquiera de las ecuaciones dadas, por

ejemplo en la ec. 1 (generalmente se sustituye en la más sencilla), se tiene:
7x + 4 y = 13
7 x + 4 ( - 2) = 13
7 x – 8 = 13
7x = 13 + 8
7 x = 21
x=3
Verificación: sustituyendo x = 3 , y = -2 en las dos ecuaciones dadas, ambas se

convierten en la identidad.
7x + 4y = 13 EC. 1 5x - 2y = 19 EC. 2
7(3) + 4(-2) = 13 5(3) – 2(-2) = 19
21 – 8 = 13 15 + 4 = 19
13 = 13 19 = 19
MÉTODO POR SUSTITUCIÓN
Resolver el Sistema: 7x + 4y = 13 ..... EC. 1

5x – 2y = 19 ..... EC. 2
Despejamos una de las incógnitas, por ejemplo “x” en una de las ecuaciones.
Vamos a despejarla en la ecuación 1 y tendremos:
7x = 13 – 4y
x = 13 – 4y
7
Este valor de “x” se sustituye en la ecuación 2:
5x – 2y = 19
5 ( 13 – 4 y ) – 2y = 19
7
2
Y ya tenemos una ecuación con una incógnita; hemos eliminado la “x”, ahora
resolvamos esta ecuación simplificando 5 y 7:
5 ( 13 – 4 y ) – 2y = 19 7
7
65 - 20y - 14y = 133
-34y = 133 – 65
- 34y = 68
-34y = 68
-34 -34
y = -2
Sustituyendo y = -2 en cualquiera de las ecuaciones dadas, por ejemplo en ec.

1, se tiene:
7 x +4 ( -2) = 13
7x – 8 = 13
7x = 13 + 8
7x = 21
x = 21
7
x=3
Verificación: sustituyendo x = 3 , y = -2 en las dos ecuaciones dadas , ambas

se convierten en la identidad.
MÉTODO POR REDUCCIÓN
Resolver el Sistema: 7x + 4y = 13 ..... EC. 1

5x – 2y = 19 ..... EC. 2
En este método se hacen iguales los coeficientes de una de las incógnitas.

Vamos a igualar los coeficientes de “y” en ambas ecuaciones, porque es lo más
sencillo.
1 ( 7x + 4y = 13) 7x + 4y = 13
-2 ( 5x – 2y = 19) -10x + 4y = -38
Cambiando los signos de la ecuación 2 según la regla de la resta algebraica:
7x + 4y = 13
10x – 4y = 38
17x = 51
17 x = 51
17 17
2
x =3
Sustituyendo “x” en la ecuación 2 tenemos:
5 ( 3) – 2y = 19
15 – 2y = 19
- 2y = 19 - 15
- 2y = 4
y=4
-2
y = -2

MÉTODO GRÁFICO
Resolver el Sistema: 7x + 4y = 13 EC. 1

5x – 2y = 19 EC. 2
Tomamos la ec. 1 y damos valores de 0 a “x” para determinar valor de “y”,

luego damos valor de 0 a “y” para determinar valor de “x”.
7 x + 4 y = 13 5 x - 2 y = 19
0 + 4y = 13 0 - 2y = 19
4 4 -2 -2
y = 3.25 y = - 9.5
7x + 0 = 13 5x - 0 = 19
7x = 13 5x = 19
7 7 5 5
x = 1.86 x = 3.8
Ecuación 1 Ecuación 2
X Y X Y
0 3.25 A 0 -9.5
1.86 0 C 3.8 0
B D
2
Graficando en un plano cartesiano los puntos determinados por las ecuaciones,

tenemos dos líneas rectas que pueden o no cruzarse entre ellas. En este caso
sí se cruzan y el punto de intersección entre ambas rectas es la solución del
sistema de ecuaciones dadas.
Solución
(punto de intersección)

MÉTODO DE DETERMINANTES
Para resolver un sistema de dos ecuaciones con dos incógnitas por

determinantes debemos considerar lo siguiente:
1) El valor de “x” es una fracción cuyo denominador es el determinante

formado con los coeficientes de “x” y “y” (determinante del sistema) y
cuyo numerador es el determinante que se obtiene sustituyendo en el
determinante del sistema la columna de los coeficientes de “x” por la
columna de los términos independientes de las ecuaciones dadas.
Sea el sistema: a1x+ b1y = c1 ec.1

a2x+ b2y = c2 ec.2
y esta expresión es el desarrollo del determinante:
2
Formada con los coeficientes de las incógnitas en las ecuaciones 1 y 2 este es

el determinante del sistema:
La determinante para el numerador de “x” es:
c1 b2 – c2 b1
2) El valor de “y” es una fracción cuyo denominador es el determinante del

sistema y cuyo numerador es el determinante que se obtiene sustituyendo en el
determinante del sistema la columna de los coeficientes de “y” por la columna
de los términos independientes de las ecuaciones dadas.
Formada con los coeficientes de las incógnitas en las ecuaciones 1 y 2 este es

el determinante del sistema:
La determinante para el numerador de “y” es:
a1 c2 – a2 c1
Véase que ambas fracciones tanto para determinar valor de “x” como “y”,
tienen el mismo denominador:
a1 b2 – a2 b1
La determinante para el denominador de ambas fracciones “x” y “y” es:
Por tanto, los valores de “X” y “Y”, igualdades 3 y 4 pueden escribirse con las
siguientes determinantes:
2
Resolviendo este sistema por el método de determinantes, se tiene:
c1 b2 - c2 b1 a1 c2 - a2 c1
3 4
x= y=
a1 b2 - a2 b1 a1 b2 - a2 b1
Resolver el Sistema: 7X + 4Y = 13 EC. 1

5X - 2Y = 19 EC. 2
Sustituyendo en las formas originales tenemos:
La determinante para “x” es:
13 4
X= 19 -2
7 4
5 -2
c
= (13) (-2) – (19)= (4) (- 26) – (76)
= 3
- 102
(7) (-2) – (5) (4) (- 14) – (20)
x= 3
La determinante para “y” es:
2
a1 c2 -
y=
a2 c1
a1 b2 -
a2 b1(7) (19) – (5) (13)
= (133) – (65)
= = -2
y 68
=
(7) (-2) – (5) (4) (- 14) – (20) -
y34
= -2

MÉTODO DE MATRICES
Matriz: Es un arreglo común que sirve para resumir y exhibir números o datos.
Arreglo de elementos o números dispuestos en (m) renglones o filas y (n)
columnas.
Representación:
Se acostumbra representar a las matrices por medio de las letras mayúsculas

del abecedario (A, B, C, etc.) y sus elementos se representan con las letras
minúsculas (a, b, c, ... etc.) Para determinar la posición de cada elemento,
dentro de la matriz se escribe un subíndice a cada uno de ellos de la siguiente
manera (aij) donde “i” indica el renglón y “j” la columna, además i =1,2,3,4...etc.
y j = 1,2,3,4...etc.
Por ejemplo: a56 indica que su posición en la matriz es el renglón 5 y columna

6:
Renglones o filas
columnas
Dimensiones u orden de una matriz:
Si una matriz “a” contiene (m) renglones y (n) columnas, su dimensión se

expresa como A(m,n) que quiere decir “matriz A de dimensión m,n”.
2
a) Suma de matrices: Para sumar dos matrices es necesario que ambas

sean del mismo orden.
A (m,n) = aij B (m,n) = bij
A+B= aij + bij = cij
Sean las siguientes matrices:
3 2 2 0 3+2 2+0
A= B= A+B=
-1 4 1 3 -1+1 4+3
5 2
C=
0 7
b) Resta de matrices: Para restar dos matrices es necesario que ambas

sean del mismo orden.
A- B= aij - bij = cij
Sean las siguientes matrices:
3 -1 -1 4 3-(-1) -1-(4)
A= B= A-B=
2 5 -2 -3 2-(-2) 5-(-3)
4 -5
C=
4 8
c) Multiplicación de matrices:
Vector fila por vector columna = Producto Interno

b11
Se puede llevar a cabo siempre y cuando los vectores fila y columna tengan el
mismo número de elementos.
b21
B= b31
.
A = a11 a12 a13 ... a1n .
.
bm1
2
0
B=
1
3
A = 2 -1 3 4
A . B = 2(2) -1(0) 3(1) 4(3)
AB = 4 0 3 12
C= 19
Matriz por vector columna

Se multiplica cada fila de la matriz por la columna dada, por lo cual obtenemos
como resultado un vector columna.
b11
b21
Bmn = b31
.
.
b1
.
bm1
2 1 3 0 2
0 2 1 3 -4
A= B=
5 1 4 2 3
3 1 0 1 5
2
2(2) 1(-4) 3(3) 0(5) 9
0(2) 2(-4) 1(3) 3(5) 10

A.B = C=
5(2) 1(-4) 4(3) 2(5) 28
3(2) 1(-4) 0(3) 1(5) 12
Vector fila por Matriz

La fila dada se multiplica por cada una de las columnas de la matriz,
obteniendo como resultado un vector fila.
2 3 5 1
A = 2 -4 3 5 1 0 4 2
B =
8 7 6 3
A=1x4 4 5 8 9
B=4x4
2(2) -4(1) 3(8) 5(4) 2(3) -4(0) 3(7) 5(5)

A.B =
2(5) -4(4) 3(6) 5(8) 2(1) -4(2) 3(3) 5(9)
A.B = (4 - 4 + 24 + 20) (6 – 0 + 21 + 25) (10 - 16 + 18 + 40) (2 – 8 + 9 + 45)
C = 44 52 52 48
Matriz por Matriz
3 2 2 0
A= B=
-1 4 1 3
2
Donde A = 2 x 2 B=2x2
3(2) 2(0) 6 0
A.B = C=
-1(1) 4(3) -1 12
Matriz por Escalar
En donde escalar es un número real cualquiera.
Matriz por Escalar es igual a la multiplicación de cada elemento por el escalar.
5 3 5(8) 3(8)
A.8 = -2(8) 1(8)

A= -2 1 . E(8)
0(8) 4(8)
0 4
40 24
C= -16 8
0 32
Inversa de una Matriz o Matriz Inversa Multiplicativa
Una cantidad cualquiera, llámese “x”, por su recíproco 1/x es igual a 1.

Ejemplo: Matriz por inversa de la misma es igual a 1.
A . A-1 = I
A-1 Denotación a la inversa multiplicativa de una matriz

I Identidad/matriz identidad
Condiciones Importantes:
2
1. Para que una matriz tenga una inversa multiplicativa ella debe ser
cuadrada.
2. La inversa multiplicativa de “A” también será cuadrada y tendrá las
mismas.
3. No todas las matrices cuadradas tienen una inversa multiplicativa.
Determinación de la Inversa de una Matriz:
Se puede determinar a través de los siguientes métodos:
a) Por el método de Co – factores

b) Por el método de Gauss-Jordan
Modelo base:
a11 a12 a13 1 0 0
a21 a22 a23 0 1 0
a31 a32 a33 0 0 1
Método de Eliminación Gaussiana:
Para significar el procedimiento se emplea un tipo de notación abreviado para

representar el sistema de ecuaciones.
Ejemplo:
a1x1 + b1x2 = c1
a2x1 + b2x2 = c1
El método elimina las variables y representa un sistema de ecuaciones

empleando solamente los coeficientes de las incógnitas o variables y las
constantes del miembro derecho.
a1 b1 c1
a2 b2 c2
La línea vertical se emplea para separar los miembros de la izquierda con los
de la derecha de las ecuaciones.
Después se transforman los coeficientes columna por columna en (1 y 0) de la

siguiente manera:
2
a1 1
a2 0
b1 0
b2 1
Quedándonos como resultado una diagonal:
a1 b1 1 0
a2 b2 0 1
En forma completa se tiene lo siguiente:
a1 b1 c1 1 0 V1
Por transformación
a2 b2 c2 Gauss Jordan 0 1 V2
V1 y V2 son los valores del sistema que se trata.
En este sistema se habla de 2 ecuaciones con 2 incógnitas.
En el caso de 3 ecuaciones:
a1 b1 c1 1 0 0 V1
Por transformación
a2 b2 c2 Gauss Jordan 0 1 0 V2
a3 b3 c3 0 0 1 V3
Nota: V1 , V2 y V3 son la solución del sistema.
Procedimiento de Eliminación Gaussiana:
1) Elimine las variables o incógnitas y elabore un arreglo que contenga los

coeficientes de las incógnitas y las constantes del miembro derecho.
2) Transforme los coeficientes haciéndolo columna por columna.
3) En cualquier transformación de columna, primero obtenga la unidad y

después los ceros.
4) Para determinar la unidad y el cero:
2
La unidad se obtiene dividiendo todo el renglón por el número que se

requiere transformar a la unidad.
Para obtener el cero, el número que se desea transformar en 1 (uno), se

multiplica con cambio de signo por el renglón donde se obtuvo la unidad
y se le agrega el renglón donde ser requiere el cero.
Ejemplo:
Resolver el siguiente sistema de ecuaciones empleando la transformación

GAUSS-JORDAN.
2x + y = 4
3x + 4y = 1
2 1 4 1 0 V1
Por transformación
3 4 1 Gauss Jordan 0 1 V2
2 1 4 R1a
3 4 1 R2
PROGRAMACIÓN LINEAL (PL)

El desarrollo de la PL ha sido clasificado como uno de los avances científicos
más importantes de mediados del siglo XX.
La PL es una de las herramientas más utilizadas en la Investigación Operativa

ya que por su naturaleza se facilitan los cálculos y en general permite una
buena aproximación de la realidad.
La PL utiliza un modelo matemático para describir el problema.
La palabra programación en esencia es sinónimo de planeación.
2
La PL involucra la planeación de actividades para obtener el mejor valor

posible; esto es, el resultado que mejor alcance la meta especificada de
acuerdo con el modelo matemático, entre todas las alternativas factibles.
Se llama PL al conjunto de técnicas matemáticas que pretenden resolver la

siguiente situación: Optimizar (minimizar o maximizar) una función lineal,
denominada función objetivo (F.O.), de tal forma que las variables de dicha
función estén sujetas a una serie de restricciones que expresamos mediante un
sistema de inecuaciones lineales.
Elementos de un modelo de optimización.
Supongamos que se dispone de determinadas piezas para la elaboración de

dos productos finales. Se dispone de 8 “piezas pequeñas” y 6 “piezas grandes”,
que son utilizadas para elaborar sillas (usando 2 piezas pequeñas y 1 pieza
grande) y mesas (usando 2 piezas de cada tipo).
Interesa decidir cuántas sillas y mesas fabricar de modo de obtener la máxima

utilidad, dado un beneficio neto de U$ 15 por cada silla y de U$20 por cada
mesa fabricada.
Posibles soluciones factibles a considerar, esto es soluciones que respetan las

restricciones del número de piezas disponibles, son por ejemplo, fabricar:
• 4 sillas, que reportan una utilidad de U$60

• 1 sillas y 2 mesas , utilidad de U$55
• 3 mesas, utilidad de U$60
• 1 mesa y tres sillas, utilidad de U$65
• 2 sillas y 2 mesas, utilidad de U$70
• etc.
Un modelo matemático para hallar la mejor solución factible a este problema

tiene tres componentes básicas:
Las variables de decisión, que consiste en definir cuáles son las decisiones
que se debe tomar. En el ejemplo,
x: número de sillas elaboradas.

y: número de mesas elaboradas.
La función objetivo del problema, que permita tener un criterio para decidir
entre todas las soluciones factibles. En el ejemplo, maximizar la utilidad dada
por:
z = f(x,y) = 15x + 20y
Restricciones del problema, que consiste en definir un conjunto de

ecuaciones e inecuaciones que restringen los valores de las variables de
decisión a aquellos considerados como factibles. En el ejemplo, respetar la
disponibilidad de piezas para la fabricación de sillas y mesas:
2
Piezas pequeñas: 2x + 2y ≤ 8
Piezas grandes : x + 2y ≤ 6
También se impone restricciones de no – negatividad:

x,y ≥ 0
En resumen: Max 15x + 20y

sa: 2x + 2y ≤ 8
x + 2y ≤ 6
x,y ≥ 0
El ejemplo corresponde a un modelo de Programación Lineal. Si además

restringimos los valores de x e y a números enteros, tendríamos un
modelo de Programación Entera. Por otra parte, si hubiese retornos
crecientes a escala, deberíamos emplear una función objetivo no lineal
como f(x,y) = cxa + dyb con a,b >1, y tendríamos un modelo de
Programación No Lineal.
En un problema de PL intervienen:
• F.O. que es necesario optimizar.

• Las restricciones que deben ser Inecuaciones Lineales. Su número
depende del problema en cuestión. El carácter de desigualdad viene
impuesto por las limitaciones o necesidades, que son: inferiores o
iguales a... (≤), mayores o iguales a... (≥). Tanto si se trata de maximizar
como de minimizar, las desigualdades pueden darse en cualquiera de
los dos sentidos.
• Agregar las condiciones de no negatividad para las variables del
problema.
• Región Factible. Conjunto de valores que verifican todas y cada una de
las restricciones. Todo punto (vértice) de ese conjunto puede ser
solución del problema.
• Solución Óptima. Será un par de valores (x,y) del conjunto factible que
haga que f(x,y) tome el valor máximo o mínimo.
Pasos a seguir para resolver un problema de PL:
1. Elegir las incógnitas o variables a utilizar.

2. Determinar la F.O. en función de los datos del problema.
3. Determinar las restricciones en forma de sistema de inecuaciones.
4. Agregar las condiciones de no negatividad para las variables del
problema.
5. Averiguar el conjunto de soluciones factibles representando
gráficamente las restricciones.
6. Calcular las coordenadas de los vértices del polígono determinado que
es nuestra región factible de soluciones posibles.
7. Calcular el valor de la función objetivo en cada uno de los vértices para
ver en cual de ellos presenta el valor máximo o mínimo según pida el
problema.
2
Resolución gráfica de problemas de PL.
Ejercicio: Bicicletas de Paseo y Montaña:

Un herrero quiere fabricar bicicletas de paseo y montaña con 80 Kg. de Acero y
120 Kg. De Aluminio, mismos que quiere vender respectivamente en $2,000 y
$1,500 para obtener el máximo beneficio.
En la elaboración de la bicicleta de Paseo empleará 1 Kg. de Acero y 3 Kg. de

Aluminio y en la de Montaña 2 Kg. de cada metal.
¿Cuántas bicicletas de Paseo y de Montaña deberá vender el herrero para

obtener el máximo beneficio?
1) Incógnitas: x = Núm. de bicicletas de Paseo.

y = Núm. de bicicletas de Montaña.
Tipos # bicicletas Kg. Acero Kg. Aluminio

De Paseo x x 3x
De Montaña y 2y 2y
≤80 ≤120
2) F.O. f(x,y) Max z = 2000x + 1500y
3) s.a. x + y 80
3x + 2y 120
4) x , y  0
5) Se tabula y construye la gráfica convirtiendo las restricciones en igualdades

y determinando las rectas de cada restricción a través del método gráfico.
y
R1 x + 2y = 80 X Y
y = 80/2
y = 40 0 40
60
x + 2y = 80
x = 80 80 0 B (0,40) C (20,30)
REGION
FACTIBLE
R2 3x + 2y = 120 x
y = 120/2 y' A (0,0) D (40,0) 80
y = 60 0 60 R1
R2
x'
3x + 2y = 120
x = 120/3
x = 40 40 0
2
6 y 7) Calcular las coordenadas de los vértices y la F.O.:
V E R TICE SX FY.O . M a x z = 2 0 0 0 x + 1 5 0 0 y
A ( 0 , 02 0)0 0 (0 ) + 1 5 0 0 (0 ) = 0
B ( 0 , 4200)0 0 (0 ) + 1 5 0 0 (4 0 ) = 0 + 6 0 ,0 0 0 = 6 0 ,0 0 0
C ( 20 , 3200)0 0 (2 0 ) + 1 5 0 0 (3 0 ) = 4 0 ,0 0 0 + M4 5a,0x 0z 0 = 8 5 ,0 0 0
D ( 40 , 02 0)0 0 (4 0 ) + 1 5 0 0 (0 ) = 8 0 ,0 0 0 + 0 = 8 0 ,0 0 0
Solución: Para obtener el máximo beneficio de $85,000 el herrero debe fabricar

20 bicicletas de Paseo y 30 de Montaña.
Ejercicio: Ganancia del Artesano de Mantas
Un artesano teje mantas de alpaca y algodón mensualmente, puede tejer

desde 10 hasta 60 mantas de alpaca y un número de 120 mantas de algodón.
Alpaca x Algodón y
10 ≤ x ≤ 60 y ≤ 120
Si la ganancia por cada manta de alpaca es de $134 y por cada manta de

algodón $20.
¿Cuántas mantas de cada tipo debe tejer al menos para que maximice su
ganancia?
Se sabe por experiencia propia que el artesano puede tejer mensualmente a lo

más 160 mantas combinadas.
x + y ≤ 160
1) Incógnitas: x = Núm. de mantas de alpaca.

y = Núm. de mantas de algodón.
Mantas # bicicletas Producción

Alpaca x 10 ≤ x ≤ 60
x + y ≤ 160
Algodón y y ≤ 120
2) F.O. Max z = 134x + 20y
3) s.a. x  10
2
x ≤ 60
y ≤ 120
x + y ≤ 160
4) x,y  0
5) Se tabula y construye la gráfica convirtiendo las restricciones en igualdades

y determinando las rectas de cada restricción a través del método gráfico.
X Y
R1 x = 10 10 ---
R2 x = 60 60 ---
R3 y = 120 --- 120
R4 x + y = 160 y
R1 R2
y = 160 0 160
x + y = 160
160
x = 160 160 0
B(10,120) C(40,120) R3
D(60,100)
REGION
FA CTIB LE
x
y' A(10,0) E(60,0) 160 R4
x'
VE R T IC EXS YF . O . M a x z = 134x + 20y

A ( 10 , 01 3 )4 ( 1 0 ) + 2 0 (0 ) = 1 3 4 0 + 0 = 1 3 4 0
B ( 10 , 1 2103 )4 ( 1 0 ) + 2 0 (1 2 0 ) = 1 3 4 0 + 2 4 0 0 = 3 7 4 0
C ( 40 , 1 2103 )4 ( 4 0 ) + 2 0 (1 2 0 ) = 5 3 6 0 + 2 4 0 0 = 7 7 6 0
D ( 60 , 1 0103 )4 ( 6 0 ) + 2 0 ( 1 0 0 ) = 8 0 4 0 + 2 0 0M0 a=x 1z 0 0 4 0
E ( 60 , 0 1 3) 4 ( 6 0 ) + 2 0 (0 ) = 8 0 4 0 + 0 = 8 0 4 0
Un o s g ra n d e s a l ma ce n e s en ca rga n a un fa b ri ca n te pa n ta l on e s
y c h aq u e ta s d e po rti va s.
2
El fa b ri can te d i sp o n e p a ra la con fe cci ó n d e 15 0 0 m d e tej i d o

de al g od ó n y 1 0 00 m d e te ji d o d e p ol i é ste r. C a da pa n ta ló n
p re c i s a 2 m d e a lg o d ón y 2 m de p o li é ste r. Pa ra ca d a ch aq u e ta
s e ne c e si ta n 3 m d e a lg o d ón y 1 m d e p ol i é ste r.
El p re ci o d el pa n ta ló n se fi j a e n 5 0 dl l s y el d e l a cha q u e ta e n
40 dl l s.
¿Qu é nú me ro de pa n ta l on e s y cha q u e ta s de b e su mi ni stra r e l

fa b ri c a n te a l o s a lma ce ne s pa ra q u e é sto s co n si g a n un a ve n ta
m á xi m a ?
1 El e c ci ón de la s inc ógn ita s .
x = núm e r o de pa nta lone s
y = núm e r o de c ha que ta s
2 Func ión obje tiv o
f(x ,y )= 5 0x + 4 0y
3 Re s t r icc ione s
P a ra escri bi r la s re stri cci on e s va mo s a a yu da rn o s d e u na

ta bl a :
pa nta lone s c ha que ta s dis ponib le
a lg odón 2 3 1 5 00
polié s te r 2 1 1 0 00
2x +3 y ≤1 5 0 0
2x + y ≤ 1 0 00
Co m o el n ú me ro de p an ta l o ne s y ch aq u e ta s son n ú me ro s
na tu r a l e s, te n d re mo s do s re stri cci on e s má s:
x ≥ 0
y ≥ 0
4 Ha l la r el co n ju n to d e s oluc ione s fa c tible s
2
Te ne m o s q u e re p re se n ta r g rá fi ca me n te l a s re stri ccio n e s.
Al s e r x ≥ 0 e y ≥ 0 , tra b a ja re mo s e n e l p ri me r cu a d ra n te .
Re p r e se n ta mo s l a s re cta s, a pa rti r de su s p u n to s d e co rte co n

lo s ej e s.
Re s o l ve mo s g rá fi ca me n te la in e cu a ci ó n : 2 x +3 y ≤ 15 0 0 , pa ra
el l o to ma mo s un pu n to d e l pl a n o , p o r e je mp lo el (0 ,0 ).
2 ·0 + 3 ·0 ≤ 1 50 0
Co m o 0 ≤ 1 50 0 en to n ce s el pu n to (0 ,0 ) se e n cue n tra en e l
s e mi p la n o d on d e se cu mp le la d e sig u al d a d .
De mo d o a ná l o go re so l ve mo s 2x + y ≤ 10 0 0 .
2 ·0 + 0 ≤ 1 00
La zo n a d e i n te rse cci ón de la s so l u ci o ne s de la s i n e cu a cio n e s

s e r ía la so l u ció n a l si ste ma de in e cua ci o ne s, q ue co n sti tu ye e l
c on j un to de la s so l u ci o n e s fa cti bl e s.
2
5 C al cu l a r l a s co o rd en a d a s d e lo s vé rti ce s d e l re ci n to
de la s so l u ci o ne s fa cti bl e s.
La s oluc ión óptim a , si e s ú ni ca , se en cu en tra en un

v é r ti ce de l re cin to . é sto s so n l as sol u cio n e s a l o s si ste ma s:
2 x + 3 y = 15 0 0 ; x = 0 (0 , 50 0 )
2 x + y = 1 00 0 ; y = 0 (5 0 0 , 0 )
2 x + 3 y =1 5 00 ; 2 x + y = 1 0 00 (3 7 5 , 25 0 )
6 Ca l c ul a r e l v a lor de la func ión obje tiv o
2
E n la fun ci ó n ob j e ti vo su sti tui mo s ca d a u no de lo s vé rti ce s.
f(x, y) = 50 x + 40 y
f(0 , 50 0 ) = 50 ·0 + 40 ·5 0 0 = 20 ,0 0 0 d ll s
f(5 00 , 0 ) = 50 ·5 0 0 + 4 0 ·0 = 25 ,0 0 0 d ll s
f(3 75 , 2 50 ) = 5 0 ·37 5 + 40 ·2 5 0 = 28 ,7 5 0 d ll s Má x im o
La s o lu ci ón ó p ti ma e s fa b ri ca r 3 7 5 pa nta lone s y 250

c ha que ta s pa ra o b te ne r un be ne fic io de 2 8 ,7 5 0 dlls .
Ejercicio:
El granjero López tiene 480 hectáreas en la que se puede sembrar ya sea trigo
o maíz. El calcula que tiene 800 horas de trabajo disponible durante la estación
crucial del verano. Dados márgenes de utilidad y los requerimientos laborales
mostrados a la derecha, ¿Cuántas hectáreas de cada uno debe plantar para
maximizar su utilidad? ¿Cuál es ésta utilidad máxima?
Maíz:
Utilidad: $40 por hrs.
Trabajo: 2hs por hrs.
Trigo:
Utilidad: $30 por hrs.
Trabajo: 1hs por hrs.
Solución: Como primer paso para la formulación matemática de este

problema, se tabula la información dada (Tabla 1). Si llamamos x a las
hectáreas de maíz e y a las hectáreas de trigo. Entonces la ganancia total P, en
dólares, está dada por:
P=40x+30y
Que es la función objetivo por maximizar.
Elementos
Maíz Trigo
disponibles
Horas 2 1 800
Hectáreas 1 1 480
Utilidad por unidad $40 $30
La cantidad total de tiempo par hectáreas para sembrar maíz y trigo está dada
por 2x+y horas que no debe exceder las 800 horas disponibles para el trabajo.
Así se tiene la desigualdad:
2x+y<800
2
En forma análoga, la cantidad de hectáreas disponibles está dada por x+y, y

ésta no puede exceder las hectáreas disponibles para el trabajo, lo que
conduce a la desigualdad.
Por último, si no queremos tener pérdidas, x y y no pueden ser negativa, de

modo que
x , y >0
En resumen, el problema en cuestión consiste en maximizar la función objetivo
P=40x+30y
sujeta a las desigualdades
2x+y<800
x+y <480
x, y >0
Solución Gráfica
Los problemas de programación lineal en dos variables tienen interpretaciones

geométricas relativamente sencillas; por ejemplo, el sistema de restricciones
lineales asociado con un problema de programación lineal bidimensional- si no
es inconsistente- define una región plana cuya frontera está formada por
segmentos de recta o semirrectas, por lo tanto es posible analizar tales
problemas en forma gráfica.
Si consideremos el problema del granjero López, es decir, de maximizar
P = 40x+ 30y
s. a. 2x+y<800
x+y<480
x>0, y>0
El sistema de desigualdades define la región plana S que aparece en la

siguiente figura. Cada punto de S es un candidato para resolver este problema
y se conoce como solución factible. El conjunto S se conoce como conjunto
factible. El objetivo es encontrar – entre todos los puntos del conjunto S- el
punto o los puntos que optimicen la función objetivo P. Tal solución factible es
una solución óptima y constituyen la solución del problema de programación
lineal en cuestión.
2
Como ya se ha observado, cada punto P(x,y) en S es un candidato para la

solución óptima del problema en cuestión, por ejemplo, es fácil ver que el punto
(200, 150) está en S y, por lo tanto, entra en la competencia. El valor de la
función objetivo P en el punto (200,150) está dado por
P=40(200)+30(150)=12.500. Ahora si se pudiera calcular el valor de P
correspondiente a cada punto de S, entonces el punto (o los puntos) en S que
proporcione el valor máximo de P formará el conjunto solución buscado. Por
desgracia, en la mayoría de los problemas, la cantidad de candidatos es
demasiado grande o, como en este problema, es infinita. Así este método no es
adecuado.
Es mejor cambiar de punto de vista: en vez de buscar el valor de la función

objetivo P en un punto factible, se asignará un valor a la función P y se
buscarán los puntos factibles que correspondieran a un valor dado de P. Para
esto supóngase que se asigna a P el valor 6000. Entonces la función objetivo
se convierte en 40x+ 30y = 6.000, una ecuación lineal en x e y; por lo tanto,
tiene como gráfica una línea recta L1 en el plano.
Está claro que a cada punto del segmento de recta dado por la intersección de
la línea recta L1 y el conjunto factible S corresponde el valor dado 6000 de P. Al
repetir el proceso, pero ahora asignando a P el valor de 12.000, se obtiene la
ecuación 40x+ 30y =12.000 y la recta L2 lo cual sugiere que existen puntos
factibles que corresponden a un valor mayor de P. Obsérvese que la recta L2
es paralela a L1, pues ambas tienen una pendiente igual a –4/3. Esto se
comprueba con facilidad escribiendo las ecuaciones en explícita de la recta.
En general, al asignar diversos valores a la función objetivo, se obtiene una

familia de rectas paralelas, cada una con pendiente igual a –4/3. Además, una
recta correspondiente a un valor mayor de P está más alejada del origen que
una recta con un valor menor de P. El significado es claro. Para obtener las
soluciones óptimas de este problema, se encuentra la recta perteneciente a
esta familia que se encuentra más lejos del origen y que interseque al conjunto
factible S. La recta requerida es aquella que pasa por el punto P(320,160) (Fig.
6), de modo que la solución de este problema está dado por x=320, y=160 ( es
decir que el granjero López deberá sembrar 320 hectáreas de maíz y 160
hectáreas de trigo), lo que produce el valor máximo
P=40(320)+30(160)=17.600.
No es casualidad que la solución óptima de este problema aparezca como

vértice del conjunto factible S. De hecho, el resultado es consecuencia del
siguiente teorema básico de la programación lineal, que se enuncia sin
demostración.
2
En nuestro ejemplo los únicos vértice del conjunto factible S son los puntos
coordenados: (0,0); (400,0); (320,160); (0,480), llamados también puntos
esquinas.
Un ejemplo en el que tendríamos infinitas soluciones, es:

VERTICE P=40x+40y Supóngase que la utilidad por hectáreas es de $40 para ambos, maíz y
trigo. La tabla para este caso muestra la misma utilidad total en los
(0,0) 0
vértices(0,480) y (320,160). Esto significa que la línea de utilidad en
(0,480) 19.200 movimiento abandona la región sombreada por el lado determinado por
(320,160) 19.200 esos vértices (adyacentes) , así todo punto en ese lado da una utilidad
(400,0) 16.000 máxima. Todavía es válido, sin embargo, que la utilidad máxima ocurre
en un vértice.
EJERCICIOS
1) F.O. Max z = 6x1 + 4x2
s.a. x1 + x2 ≤ 12
x1 – 2x2 ≤ 6
x2 ≤ 8
x 1 , x2  0
2) F.O. Max z = 50x1 + 80x2
s.a. x1 + 2x2 ≤ 120

x1 + x2 ≤ 90
x 1 , x2  0
3) F.O. Max z = 15x + 20y
s.a. 2x + 2y ≤ 8
x +2y ≤ 8
x,y  0
4) F.O. Max z = 3x1 + 5x2
s.a. x1 ≤ 4
2x2 ≤ 12
3x1 + 2x2 ≤ 18
x 1 , x2  0
2
5) F.O. Max z = 2x1 + x2
s.a. 6x1 + 5x2 ≤ 30

2x1 + 3x2 ≤ 12
3x1 + 12x2 ≤ 36
x 1 , x2  0
Problema de Transporte. El problema consiste en decidir cuántas unidades

trasladar desde ciertos puntos de origen (plantas, ciudades, etc.) a ciertos
puntos de destino (centros de distribución, ciudades, etc..) de modo de
minimizar los costos de transporte, dada la oferta y demanda en dichos puntos.
Se suponen conocidos los costos unitarios de transporte, los requerimientos de
demanda y la oferta disponible.
Introducción y ejemplos de modelamiento.
Por ejemplo, suponga que una empresa posee dos plantas que elaboran un
determinado producto en cantidades de 250 y 450 unidades diarias,
respectivamente. Dichas unidades deben ser trasladadas a tres centros de
distribución con demandas diarias de 200, 200 y 250 unidades,
respectivamente. Los costos de transporte (en $/unidad) son:
C.Dist. 1 C.Dist.2 C.Dist.3

Planta 1 21 25 15
Planta 2 28 13 19
Diagrama:
X C.D.
1
11
Planta
1 X
X X 12
C.D.
Planta 21 22 2
2
X
X 13
23 C.D.
3
2
Orígenes Destinos
Orígenes Destinos
Introducción y ejemplos de modelamiento.
Variables de decisión:
xij = Unidades transportadas desde la planta i (i=1,2), hasta el centro de

distribución j (j=1,2,3)
Función Objetivo:
Minimizar el costo total de transporte dado por la función:
21x11+25x12+15x13+28x21+13x22+19x23
Restricciones del problema:
1) No Negatividad: xij ≥ 0
2) Demanda:
CD1 : x11 +x21 = 200
CD2 : x12 +x22 = 200
CD3 : x13 + x23 = 250
3) Oferta :
P1 : x11 + x12 + x13 ≤ 250
P2 : x21 + x22 + x23 ≤ 450
Las variables de decisión deben aceptar soluciones como números reales para
tener un modelo de P.L.
Problema de la dieta: este consiste en determinar una dieta de manera

eficiente, a partir de un conjunto dado de alimentos, de modo de satisfacer
ciertos requerimientos nutricionales.
Supongamos que se tiene la siguiente información:
Leche Legumbre Naranjas Requerimientos

(galón) (1 porción) (unidad) Nutricionales
Niacina 3,2 4,9 0,8 13
Tianina 1,12 1,3 0,19 15
Vitamina 32 0 93 45
C
Costo 2 0,2 0,25
2
x1 : galones de leche utilizados en la dieta.

x2 : porciones de legumbre utilizadas en la dieta.
x3 : unidades de naranja utilizadas en la dieta.
Función Objetivo:
Minimizar el costo total de la dieta, dado por:

2 x1 + 0.2 x2 + 0.25 x3
Requerimientos mínimos de los nutrientes considerados:

3.2 x1 + 4.9 x2 + 0.8 x3 ≥ 13
1.12 x1+ 1.3 x2 + 0.19 x3 ≥ 15
32 x1+ + 9 x3 ≥ 45
x1 ≥ 0 ; x2 ≥ 0 ; x3 ≥ 0
Problema de dimensionamiento de lotes: este consiste en hallar una política

óptima de producción para satisfacer demandas fluctuantes en el tiempo, de
modo de minimizar costos de producción e inventario, considerando la
disponibilidad de diversos recursos escasos.
Supongamos que una fábrica puede elaborar hasta 150 unidades en cada uno
de los 4 periodos en que se ha subdividido el horizonte de planificación y se
tiene adicionalmente la siguiente información:
Periodos Demandas Costo Prod. Costo de

(unidades) (US$/unidad) Inventario
(US$/unidad)
1 130 6 2
2 80 4 1
3 125 8 2.5
4 195 9 3
Supuestos adicionales:
1) Existe un inventario inicial de 15 unidades.

2) No se acepta demanda pendiente o faltante (es decir, se debe satisfacer
toda la demanda del periodo).
xt : número de unidades elaboradas en el periodo t.

It : número de unidades de inventario al final del periodo t.
2
Función objetivo:
Consiste en minimizar los costos de producción y el costo de mantenimiento de

inventario.
6x1+ 4x2 + 8x3 + 9x4 + 2I1 + I2 + 2.5I3 + 3I4
Notar que en el óptimo I4 va a ser 0, así que incluso podríamos no incluirla,

pero de todos modos la consideramos.
1) Restricciones de cotas, que reflejan la capacidad de producción.

xt ≤ 150
Notar que en el óptimo I4 va a ser 0, así que incluso podríamos no incluirla,

pero de todos modos la consideramos.
1) Restricciones de cotas, que reflejan la capacidad de producción.

xt ≤ 150
Problema de planificación financiera:
Supongamos que un banco dispone de $250 millones para destinar a 4 tipos de

créditos ofrecidos, los cuales tienen las siguientes, tasas de crédito:
• Primer crédito corriente :12%

• Segundo crédito corriente :16%
• Crédito para el hogar :16%
• Crédito personal :10%
La asignación de estos créditos, debe satisfacer la siguiente política utilizada

por la institución:
El monto asignado a los PCC, debe ser al menos, el 55% del monto asignado a
los créditos corrientes, y al menos un 25% del total del dinero prestado.
El SCC, no puede exceder el 30% del total del dinero prestado, por políticas
tributarias el interés recibido por el banco no debe exceder a un retorno del
14% sobre el capital prestado.
REDES
Red matemática
En matemática, una red es la generalización del concepto de sucesión, de tal
manera que no necesariamente tenga una cantidad numerable de elementos.
2
Es el concepto más adecuado (o también su equivalente de filtro) para estudiar

la convergencia en un espacio topológico.
Definición.
Conjunto dirigido.
Un conjunto dirigido es un par en el que D es un conjunto y es una
relación en D que verifica las tres siguientes propiedades:
1. (propiedad reflexiva).
2. tales que e , se cumple entonces que
(propiedad antisimetrica).
3. tales que e , se cumple entonces que
(propiedad transitiva).
4. tal que e .
Usualmente, la relación se lee como "menor igual" (en forma intuitiva).
En particular, todo conjunto totalmente ordenado es un conjunto dirigido. Un
ejemplo importante de conjunto dirigido es , el conjunto de las vecindades
de un punto x0 en un espacio topológico, dotado de la relación de inclusión,
donde un conjunto se dirá "mayor" que otro si está incluido en él.
Red.
Una red en un conjunto X no es más que una aplicación
entre un conjunto dirigido y un conjunto X. Se suele representar por
, donde xd: = r(d).
Subred
Tal como en el contexto de sucesiones hay una noción de subsucesiones, en el
concepto de redes también hay un concepto similar. Así, decimos que
es una subred de (donde D,E son conjuntos dirigidos) si y
solo si existe una función que verifica las siguientes dos
propiedades:
1. tal que
2.
La primera condición refleja la idea intuitiva de que la sub-red se "vaya a
infinito" junto con la red, mientras que la segunda es simplemente pedir que los
puntos que tome sean efectivamente puntos de la red.
Es fácil ver que toda subred de una red es también una red.
Convergencia.
Límite de una red
Sea (X,T) un espacio topológico y una red en X. Se dice que
es un punto límite de la red si la red está eventualmente en cada

entorno de x, es decir, si cualquiera que sea el entorno V de x (esto es,
cualquiera que sea el conjunto V de forma que exista un abierto G tal que
) existe un de tal forma que para cada con
se cumple que .
2
De la propia definición se desprenden de forma inmediata dos consecuencias:

1. El límite de una red no siempre ha de existir. Existen redes que carecen
de límite.
2. En caso de existir, el límite de una red no necesariamente es un único
elemento, sino que es un conjunto de elementos. En el caso de espacios
topológicos con la propiedad de Hausdorff (i.e., T2), el límite, si existe, se
reduce a un único punto.
3. Toda sub-red de una red convergente converge al mismo límite que la
red.
Punto de Acumulación
Bajo el mismo contexto anterior, se dice que una red tiene como punto
de acumulación (o acumula en) si la red está frecuentemente en cada
entorno de x, es decir, si para todo V entorno de x, y para todo
tal que .
Es fácil ver que toda red convergente tiene a su límite como punto de
acumulación. Se cumple además que x es punto de acumulación de una red si
y solamente si existe una sub-red que converge a x. En este punto se
encuentra la primera gran diferencia con sucesiones: una sucesión (que en
particular es una red) tiene a como punto de acumulación si y solo si
existe una sub-red que tienda a x, pero esta sub-red no tiene porqué ser una
sucesión también.
Aplicaciones
Continuidad
Así como en espacios métricos existe una caracterización de la continuidad
mediante sucesiones, en espacios topólogicos generales esta caracterización
se hace mediante redes. Así, se cumple que si son dos
espacios topológicos, será continua en el punto si y
solamente si para toda red , se cumple que
Compacidad
Así como en espacios métricos se tiene que es compacto si y solo si
toda sucesión tiene un punto de acumulación, en espacios más generales se
tiene el mismo resultado, pero con redes, es decir, será compacto si y
solo si toda red tiene un punto de acumulación.
Notar que en espacios métricos, casi todo lo que se puede hacer con redes
también se puede hacer con sucesiones, y como estas últimas son más fáciles
de manipular, usualmente se trabaja con ellas. Sin embargo, en espacios
topológicos generales, las redes pueden ser de gran utilidad.
Ejemplos. El ejemplo más inmediato de red es el concepto de sucesión. En
ellas, el conjunto dirigido es el conjunto de los números naturales con la
relación de orden usual. Esto es así porque el conjunto de los números
naturales con el orden usual es un conjunto totalmente ordenado.
Otro ejemplo esencial es el de función de variable real. En efecto, como el
conjunto de los números reales junto con el orden usual es un conjunto
totalmente ordenado, una función de variable real es una red.
Estos dos ejemplos son lo suficientemente importantes como para justificar el
estudio de las redes.
2
Representación de datos
El propósito de una red es transmitir información desde un equipo otro. Para
lograr esto, primero se debe decidir cómo se van a codificar los datos que
serán enviados. En otras palabras, la representación informática. Esta variará
según el tipo de datos, los cuales pueden ser:
• Datos de audio
• Datos de texto
• Datos gráficos
• Datos de video
• ...
La representación de datos puede dividirse en dos categorías:
Por qué las redes son importantes
Un equipo es una máquina que se usa para manipular datos. Los seres
humanos, como seres comunicativos, comprendieron rápidamente porqué sería
útil conectar equipos entre sí para intercambiar información.
SISTEMA DE CONTROL DE INVENTARIOS

El control de inventarios se utiliza para mostrar valores de cuánta mercancía se
puede tener en cualquier momento, y cómo se puede seguir la línea de
adquisición de inventario.
Se aplica a cada elemento que se utiliza para producir un producto o servicio, a
partir de materias primas a productos terminados. Abarca todos los valores de
la etapa del proceso de producción, desde la compra hasta la entrega de
mercancía.
Un control de existencias eficiente permite tener la cantidad de mercancías en
el lugar correcto al momento correcto. Se asegura de que el capital no está
ligado de forma innecesaria, y protege a la producción en caso de que surjan
problemas con la de la cadena de suministro.
A continuación se explica como el control de existencias en sus diferentes
métodos, haciendo énfasis en el método ABC que es el mas utilizado, muestra
cómo configurar un control de inventarios adecuado.
TECNICAS DE CONTROL DE INVENTARIOS

El objetivo de la administración de inventarios, igual que el la administración de
efectivo, tiene dos aspectos que se contraponen. Por una parte, se requiere
minimizar la inversión del inventario, puesto que los recursos que no se
destinan a ese fin se puede invertir en otros proyectos aceptables de otro modo
no se podrían financiar. Por la otra, hay que asegurarse de que la empresa
cuente con inventario suficiente para hacer frente a la demanda cuando se
presente y para que las operaciones de producción y venta funcionen sin
obstáculos, como se ve, los dos aspectos del objeto son conflictivos.
Reduciendo el inventario se minimiza la inversión, pero se corre el riesgo de no
poder satisfacer la demanda de obstaculizar las operaciones de las
operaciones de la empresa. Si se tiene grandes cantidades de inventario se
disminuyen las probabilidades de no poder hacer a la demanda y de interrumpir
las operaciones de producción y venta, pero también se aumenta la inversión.
2
Los inventarios forman un enlace entre la producción y la venta de un producto.

Como sabemos existen tres tipos de éstos, los cuáles son el inventario de
materia prima, de productos en proceso y el de productos terminados.
El inventario de materias primas proporciona la flexibilidad a la empresa en sus

compras, el inventario de artículos terminados permite a la organización mayor
flexibilidad en la programación de su producción y en su mercadotecnia.
Los grandes inventarios permiten además, un servicio más eficiente a las
demandas de los clientes. Si un producto se agota, se pueden perder ventas en
el presente y también en el futuro.
El hecho de controlar el inventario de manera eficaz representa como todo,

ventajas y desventajas, a continuación mencionaremos una ventaja:
La empresa puede satisfacer las demandas de sus clientes con mayor rapidez.
Algunas desventajas son:
Implica un costo generalmente alto (almacenamiento, manejo y rendimiento)
A continuación se explican diversos métodos de control de los inventarios:
EL MÉTODO ABC, EN LOS INVENTARIOS

Este consiste en efectuar un análisis de los inventarios estableciendo capas de
inversión o categorías con objeto de lograr un mayor control y atención sobre
los inventarios, que por su número y monto merecen una vigilancia y atención
permanente.
El análisis de loas inventarios es necesario para establecer 3 grupos el A, B y

C. Los grupos deben establecerse con base al número de partidas y su valor.
Generalmente el 80% del valor del inventario está representado por el 20% de
los artículos y el 80% de los artículos representan el 20% de la inversión.
Los artículos A incluyen los inventarios que representa el 80% de la inversión y

el 20% de los artículos, en el caso de una composición 80/20. Los artículos B,
con un valor medio, abarcan un número menor de inventarios que los artículos
C de este grupo y por último los artículos C, que tienen un valor reducido y
serán un gran número de inventarios.
Este sistema permite administrar la inversión en 3 categorías o grupos para

poner atención al manejo de los artículos A, que significan el 80% de la
inversión en inventarios, para que a través de su estricto control y vigilancia, se
mantenga o en algunos casos se llegue a reducir la inversión en inventarios,
mediante una administración eficiente.
DETERMINACIÓN DEL PUNTO DE REORDEN.

Como transcurre algún tiempo antes de recibirse el inventario ordenado, el
director de finanzas debe hacer el pedido antes de que se agote el presente
inventario considerando el número de días necesarios para que el proveedor
reciba y procese la solicitud, así como el tiempo en que los artículos estarán en
transito.
2
El punto de reorden se acostumbra a manejar en las empresas industriales que

consiste en la existencia de una señal al departamento encargado de colocar
los pedidos, indicando que las existencias de determinado material o artículo
ha llegado a cierto nivel y que debe hacerse un nuevo pedido.
Existen mucha s formas de marcar el punto de reorden, que van desde, que
puede ser una señal, papel, una requisición colocada en los casilleros de
existencias o en pilas de costales, etc. Mismas que indican, debe hacerse un
nuevo pedido, hasta las forma más sofisticadas como son el llevarlo por
programas de computadora.
Algunas herramientas de este control de inventarios son:

La requisición viajera. El objetivo de esta es el ahorrar mucho trabajo
administrativo, pues de antemano se fijaron puntos de control y aprobación
para que por este medio se finquen nuevos pedidos de compras y que no
lleguen a faltar materiales o artículos de los inventarios en las empresas.
Existen dos sistemas básicos que se usan la requisición viajera para reponer
las existencias, éstos son:
Ordenes o pedidos fijos. En éste el objetivo es poner la orden cuando la

cantidad en existencia es justamente suficiente para cubrir la demanda máxima
que puede haber durante el tiempo que pasa en llegar el nuevo pedido al
almacén.
Resurtidos periódicos. Este sistema es muy popular, en la mayoría de los

casos cuando se tiene establecido el control de inventarios perpetuo. La idea
principal de este sistema es conocer las existencias.
EXISTENCIAS DE RESERVA O SEGURIDAD DE

INVENTARIOS
La mayoría de las empresas deben mantener ciertas existencias de seguridad
para hacer frente a una demanda mayor que la esperada. Estas reservas se
crean para amortiguar los choques o situaciones que se crean por cambios
impredecibles en las demandas de los artículos.
Los inventarios de reserva a veces son mantenidos en forma de artículos

semiterminados para balancear los requerimientos de producción de los
diferentes procesos o departamentos de que consta la producción para poder
ajustar las programaciones de la producción y surtir a tiempo.
Por lo regular es imposible poder anticipar todos los problemas y fluctuaciones

que pueda tener la demanda, aunque es muy cierto que los negocios deben
tener ciertas existencias de reserva si no quieren tener clientes insatisfechos.
La existencia de reserva de inventarios es un precio que pagan las empresas
por la filosofía de servicio a la clientela que produce un incremento en la
participación del mercado que se atiende.
2
CONTROL DE INVENTARIOS JUSTO A TIEMPO

Tal como se escucha el control de inventarios justo a tiempo, la idea es que se
adquieren los inventarios y se insertan en la producción en el momento en que
se necesitan. Esto requiere de compras muy eficientes, proveedores muy
confiables y un sistema eficiente de manejo de inventarios.
Una compañía puede reducir su producción es proceso mediante una

administración más eficiente, esto se refiere a factores internos. Se pueden
reducir las materias primas necesarias gracias a una mayor eficiencia interna,
pero esto se refiere mayormente a factores externos. Con un trabajo en equipo
que incorpore proveedores de confianza, se puede rebajar la cantidad de
materias primas, respecto a los artículos terminados, podemos decir que si se
reabastecen con rapidez, se reduce el costo de quedarse sin existencias y de
la misma manera se reduce los inventarios de éste tipo.
ANÁLISIS INTEGRAL DEL COSTO-BENEFICIO

Inversión necesaria o financiamiento. El inventario se considera una inversión
en el sentido de que obliga a la empresa a darle uso racional a su dinero. La
inversión promedio en inventarios puede calcularse el costo de ventas anual y
la rotación anual de inventarios.
Inventario promedio = Costo de lo vendido / rotación del inventario
Estrategias para reducir inventarios

Justo a tiempo: a través de este sistema los inventarios son reducidos al
mínimo en virtud de que los inventarios son adquiridos e incorporados al
almacén o producción justo en el momento en que se requieren. Con este
método se ahorran cantidades de almacenaje, seguros, etc. Este sistema
rompe con el concepto convencional de mantener grandes inventarios. Sin
embargo para su implantación se requiere que la administración determine en
forma rápida y veraz las cantidades a solicitar al proveedor y que requerirá para
sus ventas o producción. También requiere de modificar los procedimientos,
productos y equipo para reducir tiempo y costos de ensamble.
Aparte del control administrativo el proveedor debe ser capaz de brindar:
Sistema de distribución o reparto que permiten una secuencia de descarga

predeterminado para facilitar ahorro en el tiempo, recepción y costos.
Producir artículos terminados o materia prima sin defectos con lo cual se

puedan reducir o eliminar los costos de inspección.
Ejemplo del método ABC:
En este ejemplo se expresa como es que se lleva a cabo la clasificación de

inventario de las 3 zonas; se pueden usar tantas zonas como sea posible y
con las condiciones necesarias, en este caso solo se usarán 3:
2
Es una empresa, que tiene un inventario de 20 artículos:

Consumo
anual Costo
Art. (unidades) unitario
1 5.200,00 1,75
2 1.700,00 8,25
3 10.200,00 10,75
4 6.200,00 2,25
5 3.700,00 0,75
6 6.200,00 13,85
7 5.200,00 1,00
8 4.700,00 1,50
9 7.200,00 5,25
10 3.200,00 2,25
11 6.200,00 10,25
12 2.200,00 15,25
13 6.700,00 28,25
14 9.500,00 31,25
15 3.260,00 14,25
16 3.377,00 4,25
17 1.700,00 1,45
18 2.162,00 8,25
19 7.200,00 30,25
20 1.446,00 15,25
Es una tabla donde muestra el número de artículo su consumo y el costo por

unida, partir de ahí se generarán más tablas
Nº % del
de % part. Consumo $ consumo
Art. c/Art. valorización total
1 5 9.100,00 0,76
2 5 14.025,00 1,17
3 5 109.650,00 9,16
4 5 13.950,00 1,17
5 5 2.775,00 0,23
6 5 85.870,00 7,17
7 5 5.200,00 0,43
8 5 7.050,00 0,59
9 5 37.800,00 3,16
10 5 7.200,00 0,60
11 5 63.550,00 5,31
12 5 33.550,00 2,80
13 5 189.275,00 15,81
14 5 296.875,00 24,81
15 5 46.455,00 3,88
16 5 14.352,25 1,20
2
17 5 2.465,00 0,21
18 5 17.836,50 1,49
19 5 217.800,00 18,20
20 5 22.051,50 1,84
Total 100,00 1.196.830,25 100,00
El número de artículo se podría decir que es el nombre de artículo, el

porcentaje de participación de cada artículo se obtiene de la siguiente forma:
son 20 artículos que corresponden al 100% entonces que porcentaje tiene cada
artículo:
(1*100)/20=5 Por eso en esa columna se tiene 5.
Hay una tercer columna que dice Consumo $ valorización que surge de la
multiplicación del consumo anual con el costo unitario.
Y la cuarta columna % del consumo total que está representando cada una de
las valorizaciones en el valor total del inventario:
(9100*100)/1.196.830,25= 0.76
Después esa tabla se acomoda donde los porcentajes van de mayor a menor y
en esa misma tabla se dan la clasificación ABC:
% del
% part. Consumo $ consumo % particip %valor. Clase
c/Art. valorización total acumulado Acumulado
5 296.875,00 24,81 5 24,81
5 217.800,00 18,20 10 43,00
5 189.275,00 15,81 15 58,82 A
5 109.650,00 9,16 20 67,98
5 85.870,00 7,17 25 75,15
5 63.550,00 5,31 30 80,46
5 46.455,00 3,88 35 84,35 B
5 37.800,00 3,16 40 87,50
5 33.550,00 2,80 45 90,31
5 22.051,50 1,84 50 92,15
5 17.836,50 1,49 55 93,64
5 14.352,25 1,20 60 94,84
5 14.025,00 1,17 65 96,01
5 13.950,00 1,17 70 97,18
5 9.100,00 0,76 75 97,94
5 7.200,00 0,60 80 98,54
5 7.050,00 0,59 85 99,13
5 5.200,00 0,43 90 99,56
5 2.775,00 0,23 95 99,79
5 2.465,00 0,21 100 100,00 C
100 1.196.830,25 100,00
2
Esta tabla se decidió graficarse para hacer una representación de la

clasificación; en esta clasificación se muestra que la clase A es la de más
importancia ya que representa un gran cantidad de porcentaje en productos en
relación con lo demás; como se muestra en la grafica un solo 15% de los
productos es decir 3 artículos representan un 58.82% de todo el inventario es
por eso que estos artículos tienen la clasificación A por que son los de mayor
importancia; en la sección B un 20% es decir 4 artículos ocupan un 25.53% de
todo el inventario ; y por último la sección C 65% de todos los productos es
decir 13 productos (la mayoría de los artículos) están representados por un
15.65% del inventario general, esto quiere decir que no son artículos de mucha
importancia por lo tanto no hay mucho porcentaje y es la razón por la que
pertenecen a la clasificación C.
La línea horizontal representa el porcentaje a cumulado de la participación de

cada artículo y la línea vertical representa el porcentaje del valor acumulado.
Es así como se debe tener en cuenta que sirve para saber que productos son
importantes para la empresa y es necesario que se tengan en existencia y
poder controlar todos los artículos.
Ejemplo 2:
Este ejemplo también se basa en la clasificación ABC, la diferencia es que el
rango de porcentajes para hacer la clasificación cambia; se basa en el
supuesto de que tenemos productos “A”, que componen al menos el 70% del
valor total en dinero de la materia prima, productos “B” que componen
aproximadamente 20% del valor de nuestro inventario y “C” que son el 10%
restante, aproximadamente.
Se llevaría entonces a cabo la clasificación ABC. Como ejemplo podemos tener
el caso de una coctelería, que tendría la siguiente composición, aquí ya se
2
omiten algunos pasos que anteriormente y se tiene el supuesto de que se

tienen los siguientes porcentajes; es importante mencionar que la suma del
porcentaje de cada producto es de 100%, como se muestra a continuación:
PRODUCTO PORCENTAJE
Camarón gigante
u13 25%
Pulpo 20%
Caracol 12%
Pimienta 0,20%
Jitomate 6%
Cebolla 6%
Café molido 0,40%
Cilantro 0,40%
Refrescos 15%
Cervezas 15%
SUMA 100%
Los productos que más valor tienen asignado en su inventario son

prácticamente mariscos y bebidas, los cuales son también su producto
principal.
Por lo tanto se decidió dar la siguiente clasificación:
PRODUCTO PORCENTAJE CLASIFICACIÓN

Camarón gigante
u13 25% A
Pulpo 20% A
Caracol 12% A
Pimienta 0,20% C
Jitomate 6% B
Cebolla 6% B
Café molido 0,40% C
Cilantro 0,40% C
Refrescos 15% A
Cervezas 15% A
SUMA 100%
Atendiendo a lo anterior podemos decir que son los productos A (mariscos y

bebidas) los que mayor utilidad le dan a la empresa y por lo tanto, deben ser
los que tenemos que cuidar y controlar más.
Los productos C pueden controlarse empíricamente o si se desea mediante

hoja de cálculo, sin embargo, no es obligatorio un control estricto sobre ellos,
pues esto aporta poco valor a la empresa y a sus utilidades y sí puede
aumentar sus gastos operativos ya que aumenta el tiempo que el personal
encargado tarde en realizar dicha labor.
2
Después de clasificar los productos en ABC, se debe proceder a clasificarlos

por origen, es decir identificar donde se compra o como se obtiene:
PRODUCTO PROVEEDOR ORIGEN

Camarón gigante
u13 Pescadería El marinero En su local
Pulpo Pescadería El marinero En su local
Caracol Pescadería El marinero En su local
Refrescos Pepsicola A domicilio
Cervezas Grupo Modelo A domicilio
En el
Jitomate Mercado de Abastos mercado
En el
Cebolla Mercado de Abastos mercado
En el
Cilantro Mercado de Abastos mercado
En el
Café molido Mercado de Abastos mercado
Es importante en este restaurante tener un registro, porque nos enseña los

productos que deben estar siempre en el inventario para que pueda funcionar
de una manera eficiente el negocio; y también es importante saber dónde y
cómo se van a conseguir los artículos para no perder tiempo en casos de
emergencia o en cualquier momento.
Una vez que hemos clasificado nuestro inventario por tipo y por origen
podremos llevar a cabo una lista de control cuyo ejemplo mostramos a
continuación:
PRODUCTO PRESENTACION CANTIDAD PU. IMPORTE
PROVEEDOR EL MARINERO INICIAL

Camarón gigante Marqueta de 2.2
u13 Kg. 10 380 3800
Pulpo Kilogramo 10 60 600
Caracol Kilogramo 10 40 400
PEPSICOLA
PROVEEDOR MEXICO
Pepsi Reja de 24 botellas 5 108 540
Seven Up Reja de 24 botellas 5 108 540
Manzanita Sol Reja de 24 botellas 5 108 540
Mirinda Reja de 24 botellas 5 108 540
PROVEEDOR GRUPO MODELO

Corona Cartón de 24 8 168 1344
2
botellas
Cartón de 24
Victoria botellas 8 192 1536
Cartón de 24
Negra Modelo botellas 8 192 1536
MECADO DE
PROVEEDOR ABASTOS
Jitomate Kilogramo 8 30 240
Cebolla Kilogramo 8 30 240
Cilantro Racimo 12 2,5 30
Café molido Kilogramo 5 70 350
De aquí se pueden hacer otro tipo de clasificaciones identificando cada cuando

se compran los artículos para tener presente fechas aproximadas de cuando se
tienen que comprar artículos; y de esta manera llevar un mejor control de
inventarios.
TEORÍA DE JUEGOS
1.- INTRODUCCIÓN
Dos o más individuos se encuentran en una situación de competitividad si el

logro de los objetivos de uno de ellos implica la reducción de las posibilidades
de los demás para alcanzar los suyos. Existe una teoría matemática que
describe el comportamiento de los participantes; sin embargo, la serie de
suposiciones que requiere le dan escasas aplicaciones prácticas.
El complemento a la competitividad es la cooperación; se define como una

situación que envuelve a dos o más personas, tal que si una de ellas logra
acercarse a sus objetivos, simultáneamente se incrementa la probabilidad de
que los demás alcancen los suyos.
La competitividad puede verse desde tres puntos diferentes:

 Peleas (la situación de competitividad donde el objetivo es eliminar al
oponente).
 Juegos (la situación de competitividad donde el objetivo es ser más
astuto que el oponente, pero sin eliminarlo).
 Debates (la situación de competitividad donde el objetivo es convencer
al oponente).
La teoría clásica de Von Neumann y Morgenstern, aparecida en 1944, se

ocupó de los juegos; los trabajos posteriores de Rapoport, se ocuparon de
otras formas de competitividad.
2
La teoría de juegos sirvió para desarrollar la teoría estadística de decisión y

ayudó al desarrollo de la programación lineal.
La teoría de juegos considera la existencia de n decisores, donde n≥2. Cuando
n=2, el juego se llama de dos personas; cuando n>2, se llama de n personas.
Se supone que existe una serie de políticas (reglas de juegos) conocidas por
los jugadores. Existe también una serie de condiciones que terminan la
competitividad (por ejemplo: ganar, perder y empatar). Se conoce una serie de
consecuencias asociadas con una decisión i de un jugador y una j, de otro.
Estas consecuencias expresan por lo general en valores monetarios y se
presentan en la forma de matrices de consecuencias. Precisamente estas
suposiciones son las que limitan la utilidad práctica de la teoría de juegos. Por
lo general un tomador de decisiones puede intuir, mas no necesariamente
conocer con certeza lo que otro decisor hará bajo ciertas circunstancias. La
construcción de una tabla de consecuencias no sólo es un proceso muy difícil,
sino por lo general, imposible de realizar en la práctica.
Un ejemplo de lo anterior, es:
La Compañía Telefónica Nacional debe delinear una estrategia para

argumentar la revisión del contrato colectivo de trabajo con su sindicato. La
empresa supone, por diversas razones históricas que pueden ocurrir cuatro
situaciones con el sindicato:
E1) Negociación difícil

E2) Demandas exageradas
E3) Demandas leves
E4) Cambios extremos de posturas del sindicato durante las negociaciones.
Por su parte, el sindicato considera, también por razones históricas, promover

algunas de las siguientes estrategias:
S1) Demandas extremadamente exageradas

S2) Demandas exageradas
S3) Demandas razonables
S4) Demandas leves, favorables a la empresa; no al sindicato.
A través de un intermediario que comunica a la empresa y al sindicato, previa

la negociación, se puede (en teoría) diseñar una tabla de consecuencias. Por
ejemplo, si la empresa adopta una estrategia E1 y el sindicato promueve una
táctica S1, el aumento probable en el salario de un obrero será de $25/hora; en
cambio la combinación E4-S1 puede generar un incremento de $32/hora.
Suponga que a través de este intermediario, la empresa y el sindicato conocen
la matriz de consecuencias, previa la negociación:
2
Construir estas tablas en la realidad son tareas casi imposibles de llevar a

cabo, porque se requiere saber qué curso de acción tomará el oponente, como
repuesta a una estrategia seleccionada por el otro. En otras palabras, por lo
general no existen los “intermediarios de información”.
La teoría de juegos define estrategias que maximizan o minimizan una función

objetivo (Por lo general, una función de utilidad construida con la tabla de
consecuencias para cada jugador).
La teoría de juego se divide en cuanto a:
 Jugadores
• Juegos de dos personas
• Juegos de n personas
 Número de estrategias disponibles a cada decisor:

• Juegos finitos
• Juegos infinitos
 Objetivos del juego:

• Juegos suma-cero
• Juegos suma diferentes de cero ó Meta-juegos.
La teoría de juegos se ha desarrollado básicamente de acuerdo con el juego

suma-cero para dos participantes. Existen algunos resultados muy limitados
para juegos suma diferente de cero (para dos ó más participantes).
En cuanto a los métodos que utiliza la teoría de juegos para alcanzar el

objetivo propuesto por los jugadores se tienen:
 Técnicas de puntos de sillas.

 Conceptos de dominación.
 Métodos algebraicos o matriciales.
2
 Métodos gráficos.
 Programación lineal.
2.- CONCEPTO DE JUEGOS Y ESTRATEGIAS
Un juego es una situación competitiva entre N personas y grupos,

denominados jugadores, que se realiza bajo un conjunto de reglas previamente
establecidas, con consecuencias conocidas. Las reglas definen las actividades
elementales, o movimientos, del juego. Pueden permitirse diferentes
movimientos para los distintos jugadores, pero cada jugador conoce los
movimientos de que disponen los otros jugadores.
Si un jugador gana lo que otro jugador gana lo que otro jugador pierde, al juego
se le denomina juego de suma 0. Un juego de dos personas es un juego que
tiene solo dos jugadores.
Una estrategia pura es un plan previamente determinado que establece la
secuencia de movimientos y contramovimientos que un jugador realizará
durante un juego completo.
En un juego matricial, cada jugador tiene un conjunto finito de estrategias

puras, aun cuando el número de éstas pueda ser enorme.
El jugador I(II) conoce el conjunto del jugador II(I), pero no sabe por seguridad
qué el elemento del conjunto ha seleccionado II(I) al inicio de un cierto
encuentro del juego.
Así la matriz de consecuencias, tabla 16-1, proporciona caracterización

completa del juego al que corresponde, en donde g ij es la cantidad ganada por
el jugador I al jugador II, cuando I juega su i-ésima estrategia pura, A I, y II juega
su j-ésima estrategia pura, Bj. (La matriz de consecuencias para el jugador II es
la negativa de la matriz anterior).
2
Ejemplo 16.1 Considérese un juego en el cual dos jugadores muestran

simultáneamente 1,2 o 3 dedos uno al otro. Si la suma de los dedos mostrados
es par, el jugador II paga al jugador I esta suma en dólares. Si la suma es non,
el jugador I paga al jugador II esta suma en dólares.
Para este sencillo juego de dos personas suma cero, las estrategias puras
pueden identificarse con los movimientos individuales. (Esto no podría hacerse
para, por ejemplo, el juego de “gato” (ta,te,ti), en el cual la única estrategia pura
podría ser: “Si él mueve primero hacia el centro, yo moveré hacia la esquina del
lado derecho; si después el mueve hacia la esquina del lado derecho, yo…”J.
Además, ambos jugadores tienen el mismo conjunto de estrategias puras,
{1,2,3}. En la tabla 16-2 se da la matriz de consecuencias.
El objetivo en la teoría de jugados es determinar una estrategia “mejor” para un

jugador dado, bajo la consideración de que el oponente es racional y realizará
movimientos inteligentes en contra. En consecuencia, si un jugador siempre
selecciona la misma estrategia pura o selecciona estrategias puras en un orden
fijo, su oponente reconocerá a tiempo el patrón y tratará de vencerlo, si es
posible. Por esto generalmente la estrategia más efectiva es una estrategia
mixta, definida por una distribución probabilística sobre el conjunto de
estrategias puras. Para el juego de la tabla 16-1, una estrategia mixta para el
jugador I estará especificada por un vector probabilístico.
X≡[x1,x2,…,xm]T
Donde xi(i=…,m) en la proporción de veces (esto es, la frecuencia relativa o

probabilidad) que Ai es seleccionada. Similarmente, una estrategia mixta para
el jugador II estará designada por:
Y≡[y1,y2,…,yn]T
Donde yj (j=1,…, n) es la probabilidad de que Bj sea seleccionada. Como

probabilidades, xj,y,yj, son no negativas, con
m n
∑ xj = ∑ yj=1
i=1 j=1
Ejemplo 16.2 En el juego del ejemplo 16.1, si el jugador I siempre muestra 3

dedos, el jugador II puede vencer esta estrategia pura mostrando siempre 2
dedos. Si el jugador I adopta la secuencia fija de estrategias puras
3,3,2,3,3,2,3,3,2,…, el jugador II puede vencerla con la secuencia
2,2,3,2,2,3,2,2,3,…
Si el jugador I adopta la estrategia mixta X= [1/6, 1/3, 1/2]T, entonces el jugador
I planea mostrar un dedo 1/6 de las veces, 2 dedos 1/3 de las veces y 3 dedos
la mitad de las veces. Para mejorar la estrategia, el jugador I podría arrojar un
dado antes de cada encuentro. Si el dado mostrara 1 (que tiene una
probabilidad de 1/6), él mostraría un dedo; si el dado mostrara 2 o 3 (que tiene
2
una probabilidad de 2/6= 1/3), él mostraría dos dedos; si el dado mostrara 4, 5

o 6 (que tienen una probabilidad de 3/6= 1/2), él mostraría 3 dedos.
3.- JUEGOS ESTABLES
Supóngase que los jugadores del juego definido a continuación están limitados
al uso de estrategias puras.
mI= valor máximo de la ganancia mínima del jugador I
= máximo (mínimo {gij})
i = 1,……, m j = 1,……., n
mll = valor mínimo de la pérdida máxima del jugador II
= mínimo (máximo {gij})
i = 1,……., n j = 1,……., m
Si el jugador I juega con la estrategia que rinde el máximo en la estrategia

maximín, él está seguro de ganar, en el peor de los casos, una cantidad m I,
mientras que juagando con otra estrategia, podría ganar menos de m I , de
manera equivalente, bajo la estrategia maximin, el jugador I pierde, en el peor
de los casos, mi. En forma análoga, si el jugador II juega la columna que rinde
el mínimo en la estrategia minimax su pérdida segura, la cual es la ganancia de
I, será en el peor de los casos mn, estas dos estrategias satisfacen el criterio
minimax.
Ahora por sus definiciones: mI < mn
Para cualquier juego matricial. Si mI = mn, entonces el jugador I sólo empeoraría
su situación al apartarse de la estrategia maximin y el jugador II lo haría al
apartarse de la estrategia minimax. Este juego es un juego estable, y las
estrategias establecidas por el criterio máximo son estrategias óptimas para los
dos jugadores. Además, ambos jugadores pueden ponerse de acuerdo en lo
referente al valor de un encuentro del juego (para el jugador I); esto es, G = mI
= mn.
El número G se denomina valor del juego; es la cantidad pagada por el jugador
II al jugador I cuando ambos jugadores han empleado sus estrategias óptimas.
En suma cada juego estable tiene un valor único y una estrategia óptima (pura)
para cualquiera de los jugadores (dándose cuenta que las estrategias óptimas
no necesitan ser únicas).
4.- JUEGOS INESTABLES

Cuando se cumple la desigualdad, el juego es inestable y las estrategias puras
dictadas por el criterio minimax ya no son optimas. El resultado fundamental e
la teoría de los juegos matriciales es que cuando se admiten estrategias
mixtas, los juegos inestables también tienen una solución esto es estrategias
óptimas y un valor, siempre y cuando el pago aleatorio se sustituya por su
valor esperado.
Bajo estrategias mixtas (definidas por los vectores probabilísticos X para el
jugador I y Y para el jugador II , el pago de II a I es una variable aleatoria con
valor esperado.
E(x, y) m ∑ j=1 n gijXi Yj
En forma similar escríbase:
2
M1= Valor máxima de la ganancia mínima esperada del jugador I

= max X (min Y E ( x, y)
MII= valor minimo de la perdida máxima esperada del jugador II

= min Y (max X E (X,Y))
En las cuales X e Y respectivamente, corren a lo largo de todos los vectores
probabilísticos de m dimensiones y todos los de n dimensiones .Entonces, se
tienen el
TEOREMA MINIMAX: Para cualquier juego matricial, existen estrategias
optimas X* e Y * tales que E(X*,Y*)=MI=MII= G*
En otras palabras, cualquier juego matricial tiene un valor. Obsérvese que los
juegos estables también están cubiertos por el teorema minimax, ya que una
estrategia mínima mixta especial que tiene un solo componente directamente
de cero.
5.- SOLUCIÓN CON EL EMPLEO DE LA PROGRAMACIÓN

LINEAL
Las técnicas de programación lineal sirven para resolver un juego de suma-

cero de dos jugadores oponentes.
Las estrategias óptimas garantizadas por el teorema de minimax, así como el

valor del juego, pueden calcularse mediante la programación lineal.
La estrategia óptima para el jugador 2 se incorpora al la solución del siguiente
programa lineal:
Maximícese: z= -yn+1
Con las condiciones: g11y1+g12y2+…+g1nyn-yn+1 ≤ 0
g21y1+g22y2+…+g2nyn-yn+1 ≤ 0
……………………………………………
gm1y1+gm2y2+…+gmnyn-yn+1 ≤ 0
Y1+ Y2+ … + Yn =1
Con: y1, y2, … yn no negativas
Aquí G*= y*n+1 y Y*=[y*1, y*2;…, y*n]T .incrementando inicialmente cada gij en
la misma cantidad positiva ( esto deja sin cambio a la naturaleza del juego )
puede forzarse gij ≥0.
Entonces, la ganancia esperada para el jugador 1 también es no negativa. Ya
que esta cantidad está representada por yn+1 en el programa por lo que todas las
variables pueden restringirse a valores no negativos bajo esas circunstancias.
De manera equivalente, yn+1 puede reemplazarse por la diferencia de dos
nuevas variables no negativas.
La estrategia óptima para el jugador 1 es el vector probabilístico cuyos
componentes son la solución dual.
Siempre que el jugador tiene dos estrategias puras, la estrategia óptima para
este jugador puede determinarse gráficamente.
Si ambos jugadores tienen 2 estrategias puras, entonces las estrategias
óptimas son:
2
X*1= g22-g21 x*2= g11-g12

g11+g22-g12-g21 g11+g22-g12-g21
y*1= g22-g12 y*2= g11-g21
g11+g22-g12-g21 g11+g22-g12-g21
G*= g11-g22 - g12-g21
g11+g22-g12-g21
6.- JUEGOS SUMA-CERO PARA DOS OPONENTES
Donde juegan dos oponentes los intereses de cada jugador son opuestos, esto
quiere decir que la suma de las ganancias de uno es igual a la suma de la
pérdida del otro. Por ejemplo:
Hay 2 competidores X y Y ambos son igual de capaces y conocedores de la

matriz de consecuencias que se muestra de la siguiente forma:
Haciendo una suposición de que el jugador X gane mientras el otro pierde

entonces;
 El jugador X puede utilizar las estrategias 1 y 2 mientras que Y las

estrategias 3 y 4
 El jugador X utilizara la estrategia 1 que es la máxima sus ganancias

como Y conoce la matriz de consecuencias e infiere que X jugará 1
entonces el querrá minimizar sus pérdidas y por lo tanto elegirá la
estrategia 3.
 El valor del juego es 5 porque x gana 5 y Y pierde 5 este juego

ilustra la estrategia del juego suma- cero.
Valor de ganancias es aquel promedio de ganancias o pérdidas a lo largo de
las múltiples jugadas. Los juegos anteriores se llaman finitos por para un
jugador existen n estrategias y para el otro m pero tanto n como m son enteros
finitos. Que aclarar que para cada combinación existen consecuencias.
2
7.- JUEGOS CON ESTRATEGIAS MIXTAS
Cuando el juego no tenga punto silla la teoría de juegos aconseja a cada

jugador asignar una distribución de probabilidades sobre un conjunto de
estrategias y esto se expresa matemáticamente de la siguiente manera:
Xi= probabilidad de que el jugador 1 use la estrategia i (i=1, 2,... , m)
Y1= probabilidad de que le jugador 2 use la estrategia j( j 0,1, 2..., n)
Don m y n son el número respectivos de estrategias disponibles, por lo general
se hace referencia a estos planes ( x1, x2, …. , x m ) y ( y 1, y2, …… y n) con el
nombre de estrategias mixtas, y las estrategias originales se llaman estrategias
puras.
El producto final de esta línea de razonamientos de esta línea de cada jugador
es que cada jugador debe jugar de tal manera que minimice su pérdida máxima
siempre que el resultado de su elección no pueda ser aprovechado por su
oponente para mejorar su posición. Esto se conoce como criterio minimax y es
un criterio estándar que propone la teoría de juegos para elegir una estrategia.
En términos de la matriz de pagos implica que jugador 1 debe elegir aquella
estrategia cuyo pago mínimo sea el mayor mientras el jugador 2 debe elegir
aquella cuyo pago máximo el jugador 1 sea el menor. Este interesante hecho
se debe que tal elemento por un lado, es el mínimo del reglón por el otro el
máximo. Esta posición de un elemento se llama punto silla.
Entonces esta es una solución estable (llamada solución de equilibrio) y cada
jugador debe exclusivamente emplear sus respectivas estrategias maximin y
minimax.
8.- PUNTOS DE SILLA
Se define como punto de silla a un elemento alfa i j de la matriz de

consecuencias tal que
a) alfa i j sea el mínimo de la fila i y
b) el máximo de la columna j,
Si un juego tiene un punto de silla, por ejemplo la entrada (h, k), entonces el
jugador A debe seleccionar la estrategia h y el B, la k. El valor del juego será
alfa h k. Si existen dos o más puntos de silla, estos deben ser idénticos.
Cómo cada jugador hará su selección independiente del otro y la matriz es

conocida por ambos, estos definirán las estrategias que garanticen mayor
seguridad, es decir, maximicen su utilidad.
2
Si A selecciona la estrategia:
A1 el mínimo que puede obtener es 30
A, que quiere maximizar las mínimas ganancias; en contrapartida, si B
selecciona la estrategia
B1, el máximo que puede perder es 40
B 2, el máximo que puede perder es 35
Por lo que B, que quiere minimizar la máxima pérdida seleccionará la estrategia
B2.
9.- JUEGOS SUMA DIFERENTE DE CERO O METAJUEGOS
En los juegos cuya suma es diferente de cero, la ganancia de un jugador no

necesariamente implica pérdida para el otro; por el contrario, puede implicar
ganancia. Análogamente se tendría el caso para las perdidas.
Estos juegos han sido estudiados matemáticamente, bajo el nombre de meta-
juegos y su solución generalmente presenta un dilema. Un ejemplo de esto es
el dilema del prisionero:
El dilema del prisionero es exactamente igual a la situación que se presenta en
el caso de agricultores organizados, comerciantes, e industriales que han
pactado mantener un precio elevado de sus productos. Si todos aceptan en
principio el pacto, es altamente productivo para cualquiera no respetarlo en la
práctica y bajar sus precios.
En esta sección no se pretende mostrar las técnicas de solución de estos

problemas. Por un lado, son modelos de poca aplicabilidad práctica
(teóricamente pueden tener cierta utilidad).
2
2
BIBLIOGRAFÍA
• HILLER F. y G. LIEBERMAN. Introducción a la Investigación de
Operaciones (9a.Ed.), México. Mc Graw Hill. 2002, 4ª. Edición, 727-748
pp. 2010.
• PRAWDA J. Métodos y Modelos de Investigación de Operaciones. Vol. II
y II .México. Limusa. 1981,1036 pp. 1991, 725-749 pp.
• SHAMBLIN, J. y G. STEVENS. Investigación de Operaciones. México.
Mc Graw Hill. 1975, 423 pp.
• TAHA H. Investigación de operaciones. (4a.ed.), México. Alfa- Omega.
1991, 989 pp.
• BAZARAA M. y JARVIS. Programación Lineal y Flujo de Redes. México:
Limusa 1980, 189 pp.
• BRONSON R. Investigación de operaciones. México. Mc Graw Hill,
1984, 352 pp. 1993, 1a. Edición, 183-194 pp.
• BUENO DE A.G. Introducción a la Programación lineal y al Análisis de
sensibilidad. México Trillas, 1990, 189 pp.
• GALLAGHER C. y H. WATSON. Métodos cuantitativos para la toma de
decisiones. México. Mc Graw Hill. 1982. 720 pp.
• ANDERSON DAVID, SWEENY DENNIS. Introducción a los modelos
cuantitativos para administración. México. Grupo editorial
Iberoamerica,1993,910 pp.
• OLVARRIETA DE LA TORRE, JORGE. Nociones de control de
Producción, Costos e Inventarios. Editorial Mc Graw Hill, 1999.
• RENDER, BARRY. Métodos Cuantitativos para los Negocios. Editorial
Mc Graw Hill, 2006.
• PARRA GUERRERO, FRANCISCO. Gestión de Stocks. Editorial Mc
Graw Hill, 2005.

Antologia Investigacion de Operaciones

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Antologia Investigacion de Operaciones

Uploaded by

Copyright:

Available Formats

Misael García Vázquez Investigación de Operaciones

UNIVERSIDAD MICHOACANA DE SAN NICOLÁS DE HIDALGO

FACULTAD DE CONTADURÍA Y CIENCIAS ADMINISTRATIVAS

Lic en Cs. Físico Matemáticas Misael García Vázquez

MORELIA, MICHOACÁN; 24 NOVIEMBRE DE 2010.

INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES

Naturaleza de la Investigación de Operaciones (IO)

El Objetivo de esta disciplina es: “Investigar sobre las

El principal objetivo de esta área de conocimientos consiste en formular y

La naturaleza de los problemas abordados puede ser determinística, como en

Hoy en día, la toma de decisiones abarca una gran cantidad de problemas

Áreas en las que ha sido aplicada la IO:

Efecto de la Investigación de Operaciones

La IO ha tenido un efecto impresionante en el mejoramiento de la eficiencia de

En el proceso, la IO ha contribuido de manera significativa al incremento de la

La Investigación de Operaciones o Investigación Operativa, es una rama de las

Fases usuales de un estudio de IO:

1. Definición del problema de interés y recolección de datos relevantes.

FASES DE UN ESTUDIO DE INVESTIGACION DE

Para llevar a cabo el estudio de Investigación de Operaciones es necesario

1. Definición del problema.

Implica definir el alcance del problema que se investiga.

Es una función que se debe hacer entre todo el equipo de investigación de

Su resultado final será identificar tres elementos principales del problema de

2. Construcción del modelo.

Maquetas, Dibujos, Modelos a escala de barcos, automóviles, aviones.

Modelos analógicos: Se basan en la representación de las propiedades de un

Modelos simbólicos: Son conceptualizaciones abstractas del problema real a

3. Solución del modelo.

Resolver un modelo, consiste en encontrar los valores de las variables

El análisis matemático clásico se utiliza para obtener las soluciones de un

Cuando estas no son posibles de obtener en forma deductiva, se utiliza el

4. Validación del modelo.

Es necesario probar la validez de todo modelo con cierta aproximación o

Si los resultados se alejan bastante de los reales del sistema operativo,

A) Que el diseño de sistemas que se aplicó, en el estudio no ha omitido ningún

5. Implantación de los resultados finales.

1) Primero, el equipo de Investigación de Operaciones da una cuidadosa

2) Estos dos grupos comparten la responsabilidad de desarrollar los

3) La gerencia operativa se encarga después de dar una capacitación detallada

4) Supervisa la experiencia inicial con la acción tomada para identificar

Por su naturaleza, a la IO le concierne el bienestar de toda la organización, no

Un estudio de IO trata de encontrar soluciones óptimas globales y no

Cuando se trata de Organizaciones lucrativas, un enfoque posible para no caer

Sin embargo, en la práctica, muchas de estas Organizaciones adoptan la meta

Una vez que se define el problema, la siguiente etapa consiste en reformularlo

La forma convencional en que la IO logra este objetivo es mediante la

Los modelos matemáticos también son representaciones idealizadas, pero

Problemas de modelación algebraica

Sean los números x , y, z enteros consecutivos tales que :

Si establecemos 2 ecuaciones más en donde:

Sustituimos los valores de y, z de las ecuaciones 2 y 3, en la ecuación 1:

Ahora bien, sustituimos el valor de x en la ecuación 2 para determinar el

Y sustituimos el valor de x en la ecuación 3 para determinar el valor de z:

Sustituyendo los valores de x, y, z en la ecuación 1:

El enunciado se plantea así:

G + g = 1300 ..... Ecuación A

G = 1.5 g ..... Ecuación B

Sustituyendo la ecuación B en ecuación A

Sustituyendo el valor de g en ecuación B

Comprobando los valores de G y g en ecuación A

3.- En un grupo de 35 estudiantes había 10 hombres menos que el doble de