INVESTIGACIN OPERATIVA

INTRODUCCIN A LA INVESTIGACIN OPERATIVA

Investigacin operativa + Ciencia de la Computacin aplicada al campo
administrativo.
Permite resolver modelos que 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 del uso racional de los recursos de un
pas.

NOCIONES DE LA INVESTIGACIN OPERATIVA

Teoras sobre organizacin empresarial
Teora clsica: Creado por Taylor y Fayol considerada que toda
organizacin completa tiene ciertas funciones bsicas como ejecucin,
consideran que la organizacin es un arte que est sujeta a ciertos
principios.
Teora emprica: Se concentra en la observacin de organizacin que se
podra considerar como modelos por ejemplo ver organizaciones que han
tenido xito en su gestin para tratar de imitar los procedimientos, ver
organizaciones que han fracasado y tratar de evitar las causas o
procedimientos que lo llevaron a la ruina o fracaso.
Teora psicolgica: Trata de encontrar a la persona o personas que sean
lderes, que tengas capacidad de mando para que sean ellas que lleven a la
empresa hacia un objetivo por lo tanto se preocupan de hallar las relaciones
dentro de la empresa.
Teora moderna: Inicia en la dcada de 1940 cuyos impulsadores son los
Ingenieros en Sistemas y se resumen a indicar que en una empresa existe
un grupo de gente que trabaja y otro que toma decisiones, esta corriente
filosfica se preocupa de estudiar la teora de las decisiones a travs de un
enfoque cientfico.

CONCEPTO:
Herramienta de tipo matemtico que tiende a lograr la mxima utilizacin
de los recursos y procedimientos en una organizacin compleja.

APLICACIONES
Su aplicacin es infinita en cualquier campo de la actividad humana si bien
en sus inicios se aplica en el campo militar hoy se la utiliza para resolver
problemas de tipo diettico de personal para una mejor utilizacin de
insumos en la industria para realizar rutas e itinerarios ms cortos y

ptimos, se le estudian en la rama 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 de la 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 hay se denomina Investigacin Operativa, se comenzaron aplicar
desde que hizo su aparicin un simple artesano es decir 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
experimento 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 destruido con la guerra, en 1950 aparecen
diversas organizaciones mundiales especialistas en Investigacin Operativa,
en el Ecuador en 1984 se empieza a utilizar cuando la Escuela Politcnica
Nacional se crea un grupo de especialistas dedicadas a esta actividad, se lo
denomina con distintos nombre, Investigacin Operacional, Anlisis
Operacional, Ciencias de la Administracin, Evaluacin de Operaciones,
Investigacin de Sistemas y hoy se la conoce como Investigacin Operativa
o Investigacin de Operaciones.

CARACTERSTICAS:
Orientadora de sistemas: consiste en analizar las partes ms importantes y
relacionarlas 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 las mismas intervienen especialistas de diversas disciplinas para
tener mayores enfoques y criterios que coadyuven o lleven positivamente a
la bsqueda de la solucin.
Utilizacin del mtodo cientfico y matemtico: Al igual que las otras
ciencias la Investigacin Operativa emplea el mtodo cientfico que consiste
en la observacin, definicin del problema, formulacin de hiptesis,
experimentacin y en la 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 despende en gran manera de
la complejidad y naturaleza del problema que se halla sujeto a
investigacin a su vez el modelos contendr expresiones
cuantitativas tanto para la construccin del objetivo as como para las
restricciones expresadas a travs de las correspondientes variables
de decisin.
3. Solucin del Modelo: Definido el modelo se proceder a encontrar
la solucin adecuada, al respecto existen diversas tcnicas
matemticas, todas estas por lo general trata 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 modelos es vlido si a pensar de las
limitaciones con que podra representar al problema ofrece una
estimacin confiable del comportamiento del problema y para esto
hay que compara su comportamiento y rendimiento con cierta
informacin estadstica previa que se hallare disponible al respecto.
5. Implementacin de los resultados: Consiste en trasladar los datos
obtenidos del modelo a una serie de instrucciones operativas las
cuales debes 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
del 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
Modelo
Modelo
Modelo
Modelo
Modelo
Modelo

Simplex
Transporte
Redes
inventario
de Teora de colas y esperas
bsqueda y reemplazo de equipo
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.-FUNCION 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.- CONDICION DE NO NEGATIVIDAD
DECISIN DEL PROBLEMA

DE

LAS

VARIABLES

DE

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
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
A
B
Disponible

Grado 1
25%
500

Grado 2
25%
50%
200

Grado 3
50%
50%
200

Precio
0.75
0.90

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
0.25
500
0.25
0.50
200
0.50
0.50
200
0.275
0.35
1. FUNCION OBJETIVO
Max z= 0.275*x1+0.35*x2
2. RESTRICCIONES
0.25 X1500
0.25X1 + 0.50X2 200
0.50X1+0.50X2200
3. CONDICION DE NO NEGATIVIDAD
X10
X20

REQUERIMIENTOS
GRADO 1
GRADO2
GRADO 3
GANANCIAS

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 envi de alimentos.
ALIMENTOS:
REFRIGERACION

500m

NO REFRIGERACIN
CAMIONES
A
B

600m

ESPACIO
REFRIGERACION
10m
15m

SIN
REFRIGERACION
15m
10m

COSTO
5
8

VARIABLES
X1= nmero de camiones tipo A
X2= nmero de camiones tipo B
REQUERIMIENTOS

TIPO A

TIPO B

DISPONIBILIDAD

ESPACIO REFRIG
ESPACION SIN
REFRIG.
COSTO

X1
10

X2
15

500

15

10

600

5
8
1. FUNCION OBJETIVO
Min z= 5*x1+8*x2
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.

C1
C2

max Z C1 X 1 C2 X 2
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.

Ejemplo maximizacin:

x1 2 x 2 6
2 x1 x 2 8 max Z 3x1 2 x 2
x1 x 2 1
x2 2
x1 , x 2 0
Graficamos:

x1 0

x2 3

x1 1

x1 6

x 2 0 x 2 x1 0
2

x 2 0 x1 4

x2 0

x 2 1 x1 0

x2 8

PENDIENTE :
3
m
2
" D" PUNTO OPTIMO :
X 1 3,4
X 2 1,5

3x1 2 x 2 24
x1 0

x 2 12

x1 8

x2 0

Z 3 x1 2 x 2
13,2

PUNTO OPTIMO

Ejemplo minimizacin:

3 x1 x 2 3 min Z 3 x1 2 x 2 x 0
1
4 x1 3 x 2 6
x1 3
x x 3 x ,x 0
1

x1 0

x2 3

x1 1

x2 0

PUNTO

x 2 3 x1 0
x 2 0 x1 1,5

x2 2
x2 0

OPTIMO

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

FUNCION OBJETIVO:

Casos de soluciones especiales con el mtodo grfico:

x1 0

x 2 2.5 x1 0

x1 5

x2 0

2
4

x1 4

x 2 4 max Z 6 x1 12 x 2
3 x1 2 x 2 15
x 2 0 3 x 3 x 12
1

Z 6 x1 12 x 2
Solucin ptima mltiple:

A(0:2.5):

Z=30

B(3:1): PUNTO OPTIMO

C(4:0):

Z=30

Z=30

Ejemplo : Max z =6 x1 +3 x 2
Rest :

1.- 3

x 13 x2 30

2.-

6 x 1 120

C. N.N .

Xj0

1.-

x 1=0

x 1=10

x 2=10

x 2=0

2.-

x 1=20

Ejemplo : Max z =9 x1 +6 x 2
Rest :

1.- 6

x 1+3 x 2 6

2.- 9

x 1+12 x 2 36
Xj0

C. N.N .
1.-

x 1=0

x 1=1

x 2=2

x 2=0

2.-

x 1=0

x 1=4

x 2=3

x 2=0

Ejemplo : Max z =9 x1 +27 x 2

Rest :

1.- 3
2.- 3

x 1+12 x 2 24

x 1+6 x 2 12
Xj0

C. N.N .
1.-

x 1=0

x 1=8

x 2=2

x 2=0

2.-

x 1=0

x 1=4

x 2=2

x 2=0

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.

2 x 1 +7 x 2 8

2 x 1 +7 x 2+ x 3=8

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.

3 x1 +8 x 2 10

3 x1 +8 x 2x 4 =10

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

Max z =12 x 1+ 9 x2
Rest :

x 1+3 x 2 24

3 x1 +3 x 2 18
C. N.N .

n=2 (variables de decisin).

m=2

(Restricciones).

Xj0

Cambiamos a ecuaciones:

Max z =12 x 1+ 9 x2 +0 x 3 +0 x 4
Rest :

x 1+3 x 2 + x3 =24

3 x1 +3 x 2+ x 4=18
C. N.N .

n=4
m=2

(variables de decisin).

(Restricciones).

Xj0

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 llamas 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:

Cnm =

n!
m! ( nm ) !

C=6

x1

I
0

II
0

III
0

IV
4

V
6

VI
2

x2

x3

24

-12

x4

18

-6

54

48

60
X

x 1=2
Solucin ptima : x 2=4
Z=60
EJEMPLO 1:
Max Z = 3 X1 + 2 X2
Restricciones
1. x1 + 2x2 6
2. 2x1 + x2 8
(restricciones)
3. -x1 + x2 8
4.
x2 2

n = 2 (variables)
m
=
4

Max Z = 3 X1 + 2 X2 + 0 X3 + 0 X4 + 0 X5 + 0 X6
Restricciones
1.
2.
3.
4.

x1 + 2x2 + x3 = 6
2x1 + x2 + x4 = 8
-x1 + x2 + x5 = 1
x2 + x6 = 2

6!
=15
4 ! ( 64 ) !

n = 6 (variables)
m = 4 (ecuaciones)

II

III

IV

VI

VII

IX

XI

XII

XIII

VII
I
-1

X1

4/3

7/3

10/
3
4/3

X2

7/3

7
0
1

6
-1
0

-4
7
2

0
5
2

10
0
2

X
X
0

0
3
2/3

2
1
0

12

38/
3

3
0
1/3
38/
3

10/
3
31/
3
0
0
4/3
X

X3

X4
X5
X6

8
1
2

5
-2
-1

10
0
-7
-6

10

XI
V
X

X
V
1

0
X
0

4
0
0

X1 = 10/3
X2 = 4/3
Z = 38/3

EJEMPLO 2:
Min Z = 3 X1 + 2 X2
Restricciones
1. 3x1 + x2 3
2. 4x1 + 3x2 6
(restricciones)
3. x1 + x2 3

n = 2 (variables)
m
=
3

Min Z = 3 X1 + 2 X2 + 0 X3 + 0 X4 + 0 X5
Restricciones
1. 3x1 + x2 - x3 = 3
2. 4x1 + 3x2 - x4 = 6
3. x1 + x2 + x5 = 3

n = 5 (variables)
m = 3 (ecuaciones)

5!
=10
3 ! ( 53 ) !

X1

I
0

II
0

III
0

IV
0

V
1

VI
6/4

VII
3

VIII
3/5

IX
0

X
-3

X2
X3
X4
X5
Z

0
-3
-6
3
X

3
0
3
0
6

2
-1
0
1
X

3
0
3
0
6

0
0
-2
X
X

0
3/2
0
-3/2
X

0
6
6
0
9

6/5
0
0
6/5
4.2

3
0
3
0
6

X
X
0
0
X

X1 = 3/5
X2 = 6/5
Z = 4.2

MTODO SIMPLEX
Es un mtodo hiperactivo para la resolucin de problemas de programacin
lineal, parte de una solucin factible lineal y en aplicaciones del medio
determina nuevas soluciones bsicas factibles que permiten modificar, tener
los valores de la funcin objetivo anterior. Tiene un indicador que permite
determinar cundo se ha llegado a obtener la solucin ptima.
MAXIMIZACIN.- Para un problema de maximizacin con restricciones de
tipo los pasos que se deben dar en el mtodo simplex son:
1. Transformar adecuaciones correspondientes en ecuaciones aadiendo
los valores de holgura.
MAX Z= 16x1 + 12x2
REST 1) 8x1+4x2 32
2) 4x1 + 4x2 24
C.N.N
xj 0

MAX Z= 16x1 + 12x2 + 0x3 + 0x4

REST 1) 8x1+4x2 + x3 32
2) 4x1 + 4x2 + x4 24
C.N.N
xj 0

2. Generar la tabla de los coeficientes de las ecuaciones

X1
8
4

X2
4
4

X3
1
0

X4
0
1

Bi
32
24

3. Determinar la solucin bsica factible iniciar haciendo a las n-m

variables iguales a cero y le llamaremos variables no bsicas.
Para maximizacin la solucin bsica factible iniciar con restriccin de
tipo es aquella que hace que la funcin objetivo valga cero.

VAR. NO BASICAS
X1=0
X2=0
VAR. BASICAS
X3=32
X4=24
4. Para determinar una nueva solucin bsica factible (cambio de base)
una variable no bsica deber pasar a ser bsica y por consiguiente
una bsica debe pasar a ser no bsica
NB B = variable entrante
B NB = variable saliente
Para determinar cul es la variable entrante y cul es la variable
saliente a la tabla de coeficientes se le debe agregar una fila Cj con
los coeficientes que tiene cada una de las variables en la funcin
objetivo. As como una columna Cbas con las coeficientes que tiene
una de las variables bsicas en la funcin objetivo en la fila conocida
como Zj en la cual cada elemento calculado Zj = Cbas Xj
Zj = Cbas Xj
Y finalmente una fila Cj Zj
Solo se considera aij positivos si es negativo o cero no se toma.
Cba
s
0
0

Cj
Vbas

16
X1

12
X2

0
X3

0
X4

X3

X4

0
16

0
12

0
0

0
0

Zj
Cj Zj

B
j
3
2
2
4

Para determinar la variable entrante se hace un anlisis de los

coeficientes Cj - Zj en el caso de maximizacin. Esta ser aquella que
se encuentre en la columna en el cual el valor de Cj-Zj es el mayor
positivo, se escoge como variable entrante esa columna.
Cuando existen dos o ms coeficientes Cj-Zj elige como variable
entrante cualquiera de ellas y en maximizacin si todos los
coeficientes Cj-Zj son negativos o ceros en este instante se tiene la
solucin ptima.

Para determinar la variable saliente se dividen los elementos Bij/aij de

la columna correspondiente de la variable de entrada.
En estas relaciones no se toma en cuenta aquella cuya aij sern
iguales a cero o negativo. La variable saliente ser aquella que se
encuentre en la tabla en la cual la relacin Bij/aij es la menor.
El elemento el cual se cruza de la variable entrante con la variable de
salida se conoce como pivote.
A este elemento se le debe convertir en uno mientras que los dems
elementos que estn sobre o debajo de l tienen que ser ceros. Esto
implica que los coeficientes de las variables bsicas siempre debe
formar una matriz unitaria.
Cba
s
16
0

Cj
Vbas

16
X1

12
X2

0
X3

X1

1/
2
2
8

1/8

0
X
4
0

-1/2
2

1
0

-2

0
X
4
0

X4
Zj

0
16

Cj - 0
Zj

Cba
s
16
12

Cj
Vbas

16
X1

12
X2

0
X3

X1

1/8

X2

1/
2
1

16

12

1/
2
2

-1

-2

Zj

Cj - 0
Zj

-1/4

Solucin:
X1=2
X2=4
Z=80

EJERCICIO

B
j
4
8
6
4

B
j
4
4
8
0

MAX Z= 3x1 + 2x2

REST 1) x1+ 2x2 6
2) 2x1 + x2 28
3) X + X2 1
4)
X2 2
C.N.N
xj 0

MAX Z= 3x1 + 2x2 + 0X3+ 0X4 + 0X5 + 0X6

REST 1) x1+ 2x2 + X3 6
2) 2x1 + x2 + X4 28
3) X + X2 + X5 1
4)
X2 + X6 2
C.N.N
xj 0

Cj
Vbas

Cba
s
0
0
0
0

16
X1

X3
X4
X5
X6

1
2
-1
0
0
Cj - 3
Zj

12
X2

0
X3

2
1
1
1
0
2

1
0
0
0
0
0

0
X
4
0
1
0
0
0
0

0
X
5
0
0
1
0
0
0

0
X
6
0
0
0
1
0
0

B
j
6
8
1
2
0

La variable entrante es 3 de la fila Cj Zj

La variable saliente es 8 de la columna Bj
Cba
s
0
3
0
0

Cj
Vbas

3
X1

2
X2

0
X3

0
X4

0
X5

0
X6

X3

-1/2

X1
X5
X6

2
-1
0
3

3/
2
1
1
1
3/
2
1/
2

0
0
0
0

1
0
0
3/2

0
1
0
0

0
0
1
0

-3/2

Zj
Cj Zj

La variable entrante es X2 de la fila Cj-Zj

La variable saliente es X3
Cj

B
j
2
4
5
2
1
2

Cba
s
2
3
0
0

Vbas
X2
X1
X5
X6

X1

0
1
0
0
Zj 3
Cj - 0
Zj

X2

X3

X4

X5

X6

Bj

1
0
0
0
2
0

2/3
-1/3
-1
-2/3
1/3
-1(3

-1/3
2/3
1
1/3
4/3
-4/3

0
0
1
0
0
0

0
0
0
1
0
0

4/3
10/3
3
2/3
38/3

SOLUCION:
X1= 10/3
X2= 4/3
Z= 38/3
CASOS ESPECIALES DE SOLUCIONES

Solucin ptima mltiple.- Se tiene cuando Cj-Zj

correspondiente a una de las variables no bsicas tiene un
valor de cero.
Solucin no factible.- Se tiene cuando aplicamos el mtodo
de la BIG M se llega al obtener ptima en la cual como variable
bsica existe una variable artificial.
Solucin degenerada.- Ese tipo de solucin se tiene cuando
determinar la variable saliente tiene todo ms relaciones bij/aij
que son mnimas e iguales. La variable correspondiente debe
salir de la base pero al aplicar el mtodo simplex es la otra
variable igual se har necesariamente igual a cero.
Solucin no acotada.- Se tiene cuando la columna de la
variable entrante todos los coeficientes aij son negativos cero.

MINIMIZACION
Para determinar la variable entrante se analizan los coeficientes Cj-Zj. La
variable entrante ser aquella que se encuentra en la columna en la cual el
coeficiente Cj-Zj tiene mayor valor negativo. Si todos los coeficientes Cj-Zj
son positivos ceros se tiene la solucin ptima.
Para la variable saliente se utiliza el mismo entero que en la maximizacin
por lo tanto ser aquella en la columna bij/aij es la menos siendo aij
nmeros positivos. Por lo general en problemas de minimizacin se tiene
restricciones o para la maximizacin no minimizacin se tiene que
utilizar el mtodo de la BIG M utiliza variable artificial en las mismas que no
tiene influencia en el problema slo siguen para poder empezar la aplicacin
del mtodo SIMPLEX. Las variables se deben incluir en la funcin objetivo
multiplicado por un coeficiente bastante grande, este coeficiente debe ser

positivo con el problema es de minimizacin y negativo cuando el problema

es de maximizacin se la identifica con la letra M donde M= a un nmero
muy grande.
SECUENCIA
-VH + VA
=
+ VA

+ VA
EJERCICIO
MIN Z= 3x1 + 2x2
REST 1) 3x1+x2 6
2) 4x1 + 3x2 6
3) X1 + X2 3
C.N.N
xj 0

MIX Z= 3x1 + 2x2 + 0X3+ 0X4 + 0X5

REST 1) 3x1+x2 - X3 + X5 = 6
2) 4x1 + 3x2 - X4 + X6 = 6
3) X1 + X2 + X7 = 3
C.N.N
xj 0
Como no es una solucinbsica factible inicial se realiza el mtodo de
la BIG M

MIX Z= 3x1 + 2x2 + 0X3+ 0X4 + MX5 + MX6 + 0X7

Cba
s
M
M
0

Cj
Vbas

3
X1

2
X2

0
X3

X5
X6
X7

3
4
1
7M

1
3
1
4M

37M

24M

Zj
Cj-Zj

-1
0
0
-M

0
X
4
0
0
0
-M

M
X
5
1
0
0
M

M
X
6
0
1
0
M

0
X
7
0
0
1
0

Bj
3
6
3
9
M

La variable entrante es X1
La variable saliente es X5
Cba
s
3

Cj
Vbas

3
X1

2
X2

0
X3

0
X4

M
X5

M
X6

0
X7

Bj

X1

1/3

-1/3

1/3

M
0

X6
X7
Zj

0
0
3

Cj-Zj

5/3
2/3
1+M5/
3
1-5M/3

4/3
1/3
1+4M/3
1-4M/3

-1
0
-M

-4/3
-1/3
1-4M/3

1
0
M

0
1
0

1+7M/3

2
X2

0
X3

0
X4

M
X5

M
X6

0
X7

0
1
0
2
0

-3/5
4/5
-1/5
-1/5
1/5

1/5
-3/5
2/5
-3/5
3/5

3/5
-4/5
-1/5
1/5
M-1/5

-1/5
3/5
-2/5
3/5
M3/5

0
0
0
0
0

2
2
3+2
M

La variable entrante es X2
La variable saliente es X6

Cba
s
3
2
0

Cj
Vbas

3
X1

X1
X2
X7

1
0
0
Zj 3
Cj-Zj 0

SOLUCION:
X1= 3/5
X2= 6/5
Z= 21/5
VARIABLES NO RESTRINGIDAS
(SIN RESTRICCION)
Xj= Xj Xj
Xj variable no restringida
Xj 0
Xj 0

EJERCICIO
MAX Z= 10x1 + 10x2
REST 1) 20x1+ 10x2 50
2) 30x1 - 10x2 = 6
Condicin
Xj 0
X2 no restringida

X2= X2- X2

Bj
3/5
6/5
6/5
21/5

Primeramente se procede a ordenar por orden de jerarqua las

restricciones

1) 30x1 - 10x2 + x3 = 6
2) 20x1+ 10x2+ x4 = 50

MAX Z= 10X1 + 10x2 - 10X2- MX3 + 0X4

REST 1) 30x1 - 10 x2 + 10X2 + X3 = 6
2) 80x1 + 10x2 10X2 + X4 = 50
C.N.N
xj 0

Cba
s
-M
0

Cj
Vbas

10
X1

10
X2

-10
X2

-M
X3

0
X4

X3
X4

30
20
-30M
10+3
0M

-10
10
10M
1010M

10
-10
-10M
10+10
M

1
0
-M
0

0
1
0
0

Zj
Cj-Zj

Bj
6
50
44M

La variable entrante es X1
La variable saliente es X3
Cba
s
10
0

Cj
Vbas

10
X1

10
X2

-10
X2

-M
X3

0
X4

X1
X4

1
0
10
0

-1/3
50/3
-10/3
40/3

1/3
-50/3
10/3
-40/3

1/3
-2/3
1/3
-M1/3

0
1
0
0

Zj
Cj-Zj

Bj
1/5
46
2

La variable entrante es X2
La variable saliente es X4

Cba
s
10

Cj
Vbas

10
X1

X1

10
X2

-10
X2

-M
X3

0
X4

Bj

1/50

1/5
0

28/2
5

10

X2
Zj
Cj-Zj

-1

-1/25

10

10

-10

-1/5

M+1/5

3/5
0
4/5

69/2
5
194/
5

-4/5

SOLUCION:
X2 = X2 X2
X2 = 69/5 0 = 69/5

X1= 28/5
X2= 69/5
Z= 194/5

DUALIDAD
Asociado del modelo simplex existe otro problema. Al original se le
denomina PRIMAL y al otro se le denomina DUAL. Si el PRIMAL tiene la
forma:
MAX Z=C*X
RESTRICCIONES Ax b
CONDICION X 0
El DUAL de este problema es minimizar W
MIN

W =bt . X

RESTRICCIONES

A t . Y =C t

CONDICION Y 0
PRIMAL
MAX Z= C1X1+C2X2+C3X3
RESTRICCION:

DUAL
MIN W=b1Y1+b2Y2+b3+Y3
RESTRICCION:

a11 X 1+ a12 X 2 +a 13 X 3 b1

a11 Y 1 +a 21 Y 2+ a31 Y 3 c 1

a21 X 1+ a22 X 2+ a23 X 3 b2

a12 Y 1+ a22 Y 2 +a33 Y 3 c 2

a31 X 1+a32 X 2+ a33 X 3 b3

a13 Y 1+ a22 Y 2 +a 33 Y 3 c 3

CONDICION DE NO NEGATIVIDAD:
xj 0

CONDICION DE NO NEGATIVIDAD:
xj 0

RELACIONES PRIMAL DUAL

PRIMAL
-Maximizar
-Coeficientes de las variables de
decisin de funcin objetivo en el
primal se convierte en
-Los
recursos
del
primal
se
convierten en
-
-Fila i
-Columna j
-Restriccin i
-Variable j

DUAL
-Minimizar
-Recursos

-Coeficientes de variables de decisin

de la funcin objetivo
-
-Columna i
-Fila j
-Variable i
-Restriccin j

VENTAJAS DUAL
La obtencin del problema DUAL es importante cuando el nmero de
restricciones es mayor al nmero de variables ya que de esta manera se
reduce la cantidad de operaciones que hay que realizarlos para resolver el
modelo.
PRIMAL
40 ECUACIONES
6 VARIABLES DE DECISION
40 VARIABLES DE HOLGURA
40 ECUACIONES, 46 VARIABLES

DUAL
6 ECUACIONES
40 VARIABLES DE DECISION
6 VARIABLES ARTIFICIALES
6 ECUACIONES, 52 VARIABLES

EJERCICIO

PRIMAL

MAZ Z=3X1+ 2x2

RESTRICCIONES:
X1+2X2 6
-X1+X2 1
X2 2
2X1+X2 8
CONDICION DE NO
NEGATIVIDAD:
xj 0

DUAL

MIN W=6Y1+Y2+2Y3+8Y4
RESTRICCIONES:
Y1-Y2+0Y3+2Y4 3
2Y1+Y2+Y3+Y4 2
CONDICION DE NO
NEGATIVIDAD:
yj 0

MIN W=6Y1+Y2+2Y3+8Y4+0Y5+0Y6+MY7+MY8
RESTRICCIONES:
Y1-Y2+0Y3+2Y4-Y5+Y7 = 3
2Y1+Y2+Y3+Y4-Y6+Y8 = 2
CONDICION DE NO NEGATIVIDAD:
yj 0

Cba
s
M
M

bj
Vbas

6
Y1

1
Y2

1
-1
2
1
Wj 3M
0
bj-Zj 61-M
3M
La variable entrante es Y1
La variable saliente es Y8

Cba
s
M
6

Y7
Y8

bj
Vba
s
Y7
Y1
Wj
bj-Zj

2
Y3

8
Y4

0
Y5

0
Y6

M
Y7

M
Y8

0
1
M
2-M

2
1
3M
83M

-1
0
-M
M

0
-1
-M
M

1
0
M
0

0
1
M
0

Ci
3
2
5M

6
Y1

1
Y2

2
Y3

8
Y4

0
Y5

0
Y6

M
Y7

M
Y8

0
1
6

-3/2
1/2
3M/2+3
2+3M/2

-1/2
1 /2
M/2+3
1+M/2

3/2
1 /2
3M/2+
3
5-3M/2

-1
0
-M

1/2
-1/2
M/2-3

1
0
M

M/2+3

-1/2
1/2
M/2+3
3M/2-3

Ci

La variable entrante es Y4
La variable saliente es Y7

Cba
s
8
6

bj
Vba
s
Y4
Y1
Wj
bj-Zj

6
Y1

1
Y2

2
Y3

8
Y4

0
Y5

0
Y6

M
Y7

M
Y8

0
1
6

-1
1
-2

-1/3
2/3
4/3

1
0
8

-2/3
1/3
-10/3

1/3
-2/3
-4/3

2/3
-1/3
10/3

-1/3
2/3
4/3

2/3

10/3

4/3

M-10/3

M-4/3

POR LO TANTO bj-Wj de Y5 = X1 = 10/3

bj-Wj de Y6 = X2 = 4/3
Z = 38/3
PRIMAL
Cj-Zj

Variable

de

DUAL
Yi Variable de decisin

Ci
4/3
1/3
38/
3

2
1
2M+
6

Holgura
Xj Variable de decisin
Z

dual
bj-Wj
Holgura
W

Variable

de

Cuadro comparativo de DUALIDAD

Problema de Minimizacin
0
0
VARIABLES
No restringida

RESTRICCIONES
=

Problema de Maximizacin

=
0
0
No restringida

EJERCICIO

PRIMAL

DUAL

MIN Z=8X1- 12x2 + 10X3

RESTRICCIONES:
3X1+2X2+5X3 6
6X1+4X3 1
7X2+9X3=18
CONDICION DE NO
NEGATIVIDAD:
X1 variable no restringida
X2 0
X3 0
MAX W=12Y1+16Y2+18Y3
RESTRICCIONES:
3Y1+6Y2 =8
2Y1+7Y3 -12
5Y1+4Y2+9Y3 10
CONDICION DE NO
NEGATIVIDAD:
Y1 0
Y2 0
Y2 = -Y2
Y3=0 NO RESTR. Y3 = Y3-Y3

MAX W=12Y1-16Y2+18Y3-18Y3
RESTRICCIONES
3X1-6Y2 = 8
2Y1+7Y3-7Y3 -2
5Y1-4Y2+9Y3-9Y3 10
C.N.N
yj 0
MAX W=12Y1-16Y2+18Y3-18Y3+0Y4-MY5-MY6+0Y7
RESTRICCION
5Y1-4Y2+9Y3-9Y3-Y4+Y5 = 10
3Y1-6Y2
+Y6 = 8

RESTRICCIONES
VARIABLES

2Y1

+7Y3-7Y3

+Y7 = -12

En las variables bsicas Y7=-12 el signo negativo es un problema

INVESTIGACION OPERATIVA
METODO DUAL SIMPLEX
Se utiliza cuando existe restricciones = con este mtodo se eliminar la
necesidad de utilizar variables artificiales y lo que se hace es cambiar de
signos a ambos lados de la restriccin as como su signo de la relacin para
detener la solucin ptima, deben darse dos condiciones debe existir
factibilidad dual y factibilidad primal.
Factibilidad Primal.- Se da cuando todas las variables bsicas son 0
Factibilidad Dual.- Para problemas de Max existe factibilidad dual cuando
todos los coeficientes Cj Zj 0
Reglas Resolver D-S
1. Una solucin que tiene factibilidad dual y tambin tiene factibilidad
primal constituye una solucin ptima.
2. Si no existe factibilidad primal pero si existe factibilidad dual entonces
se aplica el mtodo dual y en cada aplicacin del mtodo dual tiende
a obtener la factibilidad primal.
a) Variable Saliente.- Para mximo o mnimo es aquello que
corresponde al >bi negativo.
b) Variable entrante.- Se determina analizando los valores absolutos
CjZj considerado valores aij (-) correspondientes.
3. Si no factibilidad primal ni factibilidad dual lo primer que debe
hacerse es restaurar la factibilidad dual aplicando el mtodo simplex
normal (1 V.E. luego V.S) y una vez que se tenga la factibilidad dual
simplex.
4. Min Z = 3X1+ 2X2
3X1 + X2 3
4X1 +3X2 6
X2 + X2 3
C.N.N vj

Cba
s
0
0
0

Cj
Vbos
X3
X4
X5
Ej
Cj-Zj

Cj
3
3 Cba
2 Vba
0 0 X1 0
X1s X2 sX3 X4 X5
0
X3
-5/3
-3 2 -1 X
12 0 4/30
-4 0 -3 X
05 1 -1/3
0
Zj
8/3
1 1 0 0 1
0 0 Cj
0 0 1/30
Zj
3 2 0 0 0
V.S

2
X2

0
X

Min Z = -3X1- 2X2+ 0X3 +

0X4 + 0X5
3X1 + X2 + X3 = -3
4X1 +3X2 +X4= -6
X2 + X2 +X5 = 3
C.N.N
0 Xj
0
X4
X5
bi

0
1
0
2
0

1
0
0
0
0

-1/3
-1/3
0
-2/3
2/3

0
0
1
0
0

-1
2
1
4

Min Z = 8X1- 12X2 +10X

3X1 + 2X2 +5X3 12
6X1 +4X3 16
7X2 + 9X3 = 18

Min W = 12Y1+16Y2+ 18Y3

3Y1 + 6Y2 = 12
2Y1 +7Y3 = -12
5Y1 + 4Y2 +9Y3 10

Cond. X1 No restringidaCond. Y1
X2 0
Y2
X3 0 Y3 No restringida

PRIMAL

DUAL

Max Z = 2X1+ 3X2+ 4X3

3X1 + 9X3 20
8X1 +7X2 + 4X3 30
4 X1 + 8X2 =40

Min W = 20Y1+30Y2+ 40Y3

3Y1 + 8Y2+ 4Y32
7Y2+8Y3 3
9Y1 + 4Y2 = 4

C.N.N

C.N.N

X1
X2

. Y1
Y2
Y3 No restringida

X3 No restringida
INVESTIGACION OPERATIVA
Mtodo de la Penalidad
Minimizacin:
1. Para un programa de minimizacin la penalidad de los requerimientos
se calcula restando al valor ms pequeo dentro de una columna por
el valor ms pequeo dentro de una columna.
2. Se debe determinar luego es la fila o columna que tenga la mxima
penalidad.
3. La asignacin de los recursos debe realizarse o la celda que tiene el
mayor costo considerando las dos celdas que se tomaron 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. Para un problema de mximo las penalidades se calculan restado del

mayor valor el siguiente mayor valor en cada una de las filas un
valor, una de las columnas.
2. Escoger la mxima penalidad.
3. La organizacin de recursos debe hacerse a la celda de mayor valor.
4. Se debe repetir el proceso.
Fuentes
Suministro
F1
F2
F3
Requerimie
nto
Demanda

B1
11
12
9
40

B2
15
16
14
60

Fuentes
Suministro
F1
F2
F3
Requerimie
nto
Demanda

Destinos
B3
8
7
11
65

B4
10
5
6
30

Destinos
B1
5
X
35
40

B2
60
X
X
60

B3
15
50
X
65

Capacidad
Suministro
80
50
65

Capacidad
Suministro
B4
x
X
30
30

80
50
65

Min Z= (11x5) + (15x60) + (8x15) + (50x7) +(35x9) + (30x6)

Min Z = 1920
Mtodo esquina noreste
Celda mxima y mnima
Penalidad
METODO ESQUINA NORESTE
Es un mtodo directo para encontrar la solucin factorial inicial de un
problema de tras independientemente si se tratara de un problema de
mximo o mnimo y empieza asignado los recursos a partir de la primera fila
y en esta a partir de la primera celda la asignacin de recursos debe
hacerse hasta satisfacer la demanda.
Fuentes
Suministro
F1
F2
F3

Destinos
B1
40

B2
40
20

B3
30
35

Capacidad
Suministro
B4

30

80
50
65

Requerimie 40
60
65
30
nto
Demanda
Min Z= (11x40) + (15x40) + (16x20) + (7x30) +(11x35) + (30x6)
Min Z = 2135
Mtodo de la celda mximo y mnimo
Realiza asignaciones de los recursos para satisfacer los documentos
tomando en cuenta el costo unitario de transporte de cada uno de las rutas,
el problema es mnimo costo de transporte haba que asignar recursos a las
celdas para cada uno ms bajo costo de transporte unitario si es dems las
ganancias se asignan recursos a la celdas mayor ganancia.
Fuentes
Suministro
F1
F2
F3
Requerimie
nto
Demanda

B1
0
0
40
40

B2
35
0
25
60

Destinos
B3
45
20
0
65

Capacidad
Suministro
80
50
65

B4
0
30
0
30

Min Z= (15x35) + (8x45) + (7x20) + (5x30) +(9x40) + (19x25)

Min Z = 1885
Cbas
3
2
0

Cj
Vbas
X1
X2
X3
7jCj - Zj

3
X1
1
0
0
3
0

2
X2
0
1
0
2
0

0
X3
-3/5
4/5
-1/5
-1/5
1/5

0
X4
1/5
-3/5
3/5
-3/5
3/5

0
X5
0
0
1
0
0

INVESTIGACION OPERATIVA
Taller:
Min Z = 20X1 + 10X2
X1 + 2X2 40
3X1 +X2 = 30
4 X1 + 3X2 60
Cbas
0
0

Cj
Vbas
X3
X4

20
X1
-4
-3

10
X2
-3
-1

0
X3
1
0

0
X4
0
1

0
X5
0
0

0
X6
0
0

Bi
-60
-50

0
0

X5
X6
Zj
Cu - Zj

3
1
0
20

1
2
0
10

0
0
0
0

0
0
0
0

1
0
0
0

0
1
0
0

-30
40
0

MODELO DE TRANSPORTE
Es un modelo especial de IO que tiene su origenen la necesidad de
transporte producto desde varias
Fue Des
Capac
fuentes
de suministros
de varios Ca
Fuente
Destinos
nte tino
Sum
sectores
hacia varios sectores de p.
Suminist
Su
s
demanda
ro o destinos constantes. Su
mini
m
stro
S > D
B1
B2
B3
B4
B1 B2 B3 B4
F1 crear
70un destino
X
X ficticio
40 con
11
F1
17 12 10 15 110 Se debe
F2
11 18 13
9
140 costo de transporte igual cero que0
F2
X
90 50
X
14
F3
12 14 20
8
50
consumo el exceso de producto o
0
F4
0
0
0
0
40
suministro.
F3
X
X
50
X
50
Req.
70 90 12 60
X
X
20 20 40
Dem
0
S >F4
D
Req.
70 90 12 40
Dem.de transporte igual
0 a cero que
Se debe crear un suministro ficticio con costo
gnero un suministro necesario para abrir la demanda insatisfecha.
Fue
ntes
Sum
inist
ro

B1

Destinos
B2
B3

B4

F1
11
15
8
10
F2
12
16
7
5
F3
9
14
11
6
Req 40
60
65
30
ueri
X11 + X12 +X13 +X14 = 80
mie
X
nto
21 + X22 +X23 +X24 = 50
De
X
31 + X32 +X33 +X34 = 80
man
da

Cap
aci
dad
Su
min
istr
o
80
50
65

Min Z= 11X11 + 15X12 ++6X34

X11 - X21 +X32 = 80

X12 + X22 +X32 = 50
X14 + X24 +X34 = 80

Max

Max Z = (70*17)+(40*15)+(90*18)+(50*13)+(50*20)+(20*0)+(20*0)
Max Z = 5060

Min
Fuent
e
Sumin
istro

Destinos

B
1
X

B
2
X

F3

7
0
X

F4

6
0
3
0
X

Req.
Dem.

7
0

9
0

F1

F2

B
3
1
1
0
1
0
X
X

Ca
p.
Su
m.
B
4
X

X
2
0
4
0
6
0

Min Z=

40

14
0
50
40

1
2
0
(110*10)+(70*11)+(60*18)+(10*13)+(30*14)+(20*8)+(40*0)
Min Z= 3660

Mtodos de Resolucin:

Mtodo Esquina Noroeste

Celda Mxima o Mnima
Penalidad

METODO ESQUINA NOROESTE

Es un mtodo directo para encontrar la solucin bsica a partir de la inicial de
un problema de transporte independientemente si se tratara de maximizacin o
minimizacin y empieza asignando los recursos a partir de la primera fila y en
esta a partir de la primera celda, la asignacin de recursos debe hacerse hasta
satisfacer la demanda.
Ejemplo:
Fuentes Suministros
B1

DESTINOS
B2 B3 B4

Capacidad Suministros

F1

11

15

10

80

F2

12

16

50

F3

14

11

65

Requer. demanda

40

60

65

30

Fuentes Suministros
B1

DESTINOS
B2 B3 B4

Capacidad Suministros

F1

40

40

80

F2

20

30

50

F3

35

30

65

Requer. demanda

40

60

65

30

Solucin Bsica Factible Inicial:

MINZ= (11*40) + (15*40) + (16*20) + (7*30) + (11*35) + (6*30)
MINZ= 2135
METODO DE LA CELDA MAXIMA O MINIMA
Realiza asignaciones 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 a las celdas con
ms bajo costo unitario, si es de maximizacin las ganancias se asignan
recursos a las celdas de mayor ganancia.
Ejemplo Minimizacin:
Fuentes Suministros
F1

DESTINOS
B1 B2 B3 B4
11 15 8
10

Capacidad Suministros
80

F2

12

16

50

F3

14

11

65

Requer. demanda

40

60

65

30

Fuentes Suministros
F1

DESTINOS
B1 B2 B3 B4
0
35 45 0

Capacidad Suministros
80

F2

20

30

50

F3

40

25

65

Requer. demanda

40

60

65

30

MINZ= (15*35) + (8*45) + (7*20) + (5*30) + (9*40) + (14*25)

MINZ= 1885
Como es minimizacin se va escogiendo el menor valor da la tabla y se va
asignando de acuerdo al requerimiento y demanda.
Ejemplo Maximizacin:

Fuentes Suministros

DESTINOS
B1 B2 B3 B4

Capacidad Suministros

F1

40

10

30

80

F2

50

50

F3

65

65

Requer. demanda

40

60

65

30

MAXZ= (11*40) + (15*10) + (10*30) + (16*50) + (11*65)

MAXZ = 2405

METODO DE LA PENALIDAD

Cuando el problema es de Minimizacin la penalidad de los recursos o filas se

determina restando el valor ms pequeo dentro de la fila del siguiente valor
ms pequeo en la misma fila
1. La cantidad de los requerimientos se calcula restando el valor ms
pequeo dentro de una columna del siguiente valor ms pequeo dentro
de la siguiente columna.
2. Se debe determinar luego cual es la fila o columna que tenga la mxima
penalidad.
3. La asignacin de los recursos debe realizarse a la celda que tiene menor
costo considerando las 2 celdas que se tomaron 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.
Para un problema de Maximizacin
1. Las penalidades se calculan restando del mayor valor el siguiente mayor
en cada una de las filas y en cada una de las columnas.
2. Escoger la mxima penalidad.
3. Asignacin de recursos debe hacerse a la celda de mayor valor.
4. Se debe repetir el proceso.

Ejemplo Minimizacion:
Fuentes
Suministros

DESTINOS

Capacidad
Suministros

Penalidades
2

5*

3*

5*

B1

B2

B3

B4

F1

11

15

10

80

F2

12

16

50

F3

14

11

65

Requer.
demanda

Penalidade
s

40

60

65

30

2
2

1
1

3*
-

Fuentes Suministros

DESTINOS
B1 B2 B3 B4

Capacidad Suministros

F1

60

15

80

F2

50

50

F3

35

30

65

Requer. demanda

40

60

65

30

MINZ= (11*5) + (5*60) + (8*15) + (7*50) + (9*25) + ( 6*30)

MINZ= 1920
Ejemplo Maximizacion:

Fuentes
Suministros

Capacidad Suministros

F1

B1
11

DESTINOS
B2
B3
B4
15
8
10

F2

12

16

50

F3

14

11

65

Requer.
demanda

40

60

65

Penalidades

Fuentes Suministros

80

4
*

F1

80

F2

40

10

50

F3

65

65

Requer. demanda

40

60

65

30

MAXZ= 2345
MODELO DE REDES

a
4
f

e
e

Teora de grafos

5
*

Capacidad Suministros

MAXZ= (15*60) + (10*20) + (12*40) + (5*10) + (65*11)

30

DESTINOS
B1 B2 B3 B4
0
60 0
20

5
*

Grafo.- Consiste en dos conjuntos V,E en donde V es un conjunto finitono

vaco de vrtices y E es un conjunto de pares de vrtices y son llamados
ramas enlaces o arcos se
Fuente
Destinos
Cap representan con V(G), E(G)
Suministro
ac
B1 B2 B3 B4
representan vrtices y ramas.
Sum
F1
11 15
8
10
80
F2
12 16
7
5
50
F3
9 14 11
6
65
Requerimien 40 60 65 30
tos
Demanda
Fuente
Destinos
Cap
B1
B2
B3
B4
Suministro
ac
Sum
F1
X
60
X
20
80
F2
40
X
X
10
50
F3
X X
65
X
65
Requerimien 40 60 65 30
tos
Max Z =
Demanda
(60*15)+(20*10)+(40*12)+(10*5)+(65*11)

Max Z = 2345

Conexos debe haber un trmino que conecta dos vrtices cualquiera

3
4

Inconexos no existe un camino que conecte un par de vrtices

1

4
6
3

El grado de un vrtice es el # de ramas incidente en un grado

El grafo de entrada de un vrtice V es el # de ramas para el cual V es
cabeza y el grado de salidas de V es el # de ramas para el cual V es calor
Arbol. Es un grafo conexo que no contiene ciclos
1
3

Capacidad de flujo es el lmite superior de la magnitud permitida de flujo

que puede llevar una rama en una direccin especifica un nodo fuente es un
nodo de un grafo dirigido que se caracteriza por que todas las ramas que se
conectan a l tienen una direccin tal que dicho nodo es nicamente nodo
es decir el flujo sale del nodo se le conoce tambin como inicio o generador
de flujo
B

C
C

A Fuente
B Destino

NODO DESTINO: es un nodo de un grafo dirigido que se caracteriza por

que todos las ramas que se conectan a el tienen una direccin tal que dicho

nodo es cabeza es decir el flujo entra a el nodo tambin se le conoce como

llegada finalizador u observador de flujo
Red es un grafo caracterizado x dar cierto valor a sus ramas normalmente
tiene nodos ramas y un flujo

Red
Nodos
Carreteras
Terminales

Ramas
Rutas

Flujo
Vehculos

G(V,E) representa un grafo

Un grafo es una estructura matemtica para analizar redes, existen grafos
no direccionados y grafos direccionados
No Direccionados

Direccionados

<V ,V > =<V ,V >

(V1,V2) = (V2,V1)

<V ,V >
1

V1 Cola

V2 Cabeza
# max ramificaciones cuando un grafo no direccional n vrtices

n(n1)
2

# max ramificaciones cuando un grafo es direccionado n vrtices = n(n-1)

Si la rama (V1,V2) es una rama es del conjunto de ramas q pertenece a 6
entonces se dice que las vrtices V 1,V2
(V1,V2) E E (6)

Si la rama

<V ,V >es una rama direccionado se dice que el vrtice

1

V1es adyacente a V2 mientras que V2 es adyacente desde V1y la rama

<V1,V2> es incidente a los Vectores V1 y V2 .
Un subgrafo de G es G1 tal que los vectores de G1 son < o = a los vrtices
de G1 y a las ramas de G son < o = a las ramas de G
V(G1) V(G)
E(G1) E(G)
Longitud de un camino
Es el # de ramas el contenidas un camino simple es un camino en el cual
todos los vrtices son distintos
Ciclo es un camino simple en el cual el 1 y el ultimo vrtice son los mismos
G1ciclo V1, V2, V3, V4
Almacenamientos de pesos o valores de las ramas de una real cuando se
designa valores a las ramas estos pueden almacenarse de acuerdo con la
representacin utilizada para una red esto es atrs de una matriz
algortmica encontrndose los valores Vi, Vi guardaran dicha informacin
1
7
2

1
2
3
4
5

1
0
7
84
0
0

2
7
0
0
3
0

3
8
0
0
6
2

4
0
3
6
0
9

5
0
0
2
9
0

Las aplicaciones de grafos aplicadas por el modelo de redes con los arboles
de cobertura, ruta corta, el problema del flujo mximo
Arboles de Cobertura
Cualquier rbol que est formado por las ramas de G pero que incluyan a
tallas los vrtices de G es llamado un rbol de cobertura
1

Propiedades

Un rbol de abertura tiene la propiedad que es una G 1 tanto que los vrtices
de G1son iguales a los vrtices de G por su ruta mnimo se designan aquel
que tiene el < # de ramas en este caso n- 1 ramas y no deben contener
ciclos y a estos se consideran un rbol de cobertura
Aplicaciones:
Los arboles de cobertura se aplican para tener el min # necesario para
conectar n vrtices esto o n-1 ramas en la prctica las vrtices podran
representar ciudades las mismas que estn separadas por distintas o costos
entre cada una de ellas
Arboles de cobertura de costo mnimo
Representacin de grafos
Matrices adyacentes si tenemos un grafo G(V,E) compuesto de vrtices y
enlaces, la matriz adyacente de G es un arreglo de dos dimensiones mxm
con la propiedad que A(ij) = 1 si la rama (Vi,Vjesta en E(G) y A(i,j) o si no
existe tal rama

1
2
3
4

1
0
1
0
1

2
1
0
1
0

3
0
1
0
1

4
1
0
1
0

1
2
3
4

1
0
1
0
0

2
1
0
0
0

3
0
1
0
1

4
1
0
1
0

1. De una matriz adyacente se puede determinar lo siguiente si E una

rama conectando 2 vrticesVi,Vj
2. Cuando un grafo no direccionado el grado de cualquier vrtice Vi es la
sima de las filas

3. Para un grafo direccionado la suma de los 1 de las filas es el grado de

salida y la suma de los 1 da las columnas el grado de la entrada

REPRESENTACIN DE UNA RED DIRIGIDA

Matriz Incidencia Nodos Ramas

4
Esta matriz de incidencia se define con Z=[Zi,K] donde Zi,K=1 si el nodo
que pertenece V es el nodo de inicio, y Z,K=-1 si el nodo i que pertenece a V
es el nodo en donde termina la rama Ak y Zi,K = si no existe tal rama, si el
grafo es no dirigido Z,K se define como Zi,K=1 sie el nodo que pertenece a
V est conectado a la rama Aik y Zi,k= si no existe conexin
1
2
3
4
5

A1
-1
1
0
0
0

A2
1
0
-1
0
0

A3
1
0
0
0
-1

A4
0
1
0
-1
0

A5
0
0
0
1
-1

A6
0
0
1
0
-1

Arboles de Cobertura de Costo Mnimo

2
3

3
2

1
7

6
4

1
8
4

6
2

Procedimiento Grafico
1. Seleccionar un nodo arbitrario y conectamos el nodo ms cercano a
este obteniendo la primera rama de costo mnimo.
2. Identificar un nodo no conectado que sea el ms cercano a uno de los
nodos que ya estn conectados.
3. Repetir esto hasta que todos los nodos se hayan conectado.

Procedimiento Matricial
1. Se comienza arbitrariamente en cualquier nodo, se designa este nodo
en como conectarlo y se pone una seal alado al regln de este nodo
se tacha la columna que corresponde a l.
2. Considerando todos los reglones que tengan esta seal se consideran
cuyo ndice no haya sido tachado y se encierra ese valor en un
circuito se rompe los empates en orden arbitrario la columna que
corresponde este elemento encerrado en un crculo designa el nuevo
nodo conectado se tacha el ndice de esta columna y se pone una
marca en el orden 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 costo mnimo mediante los elementos circundantes.
1234567

[ ]
0 3 01 4 0 0
3093000
0902002
1 3 20 8 7 6
4008020
0 0 0 7 2 03
0 0 2 6 03 0

RUTA MS CORTA
Trata de determinar el camino ms corto desde un nodo origen H hasta los
dems nodos de la red a travs de una red conexa la longitud de un camino
viene dado por la suma de los valores de las ramas en ese camino.
Algoritmo de Etiquetado
El algoritmo emplea el procedimiento de etiquetado conforme avanza el
algoritmo se determina una etiqueta para cada nodo esa etiqueta asocia
dos nmeros entre parntesis el primer nmero de la etiqueta representa la
distancia entre H y ese nodo a lo largo de una ruta especfica y el segundo
numero representa el 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 (es decir la
mejor ruta) entre H y un nodo dado haya sido determinado la etiqueta
temporal se transformara en permanente.
El algoritmo comienza al etiquetar el nodo H con la etiqueta permanente
(0,H) donde 0 simplemente significa que las distancias de H a H tiene una
longitud 0 y H solo identifica al nodo de salida tan presente como los nodos
tengan la etiqueta diferente se termina el proceso.

Nodo
s
1
2
3
4
5
6
7

Ruta ms corta desde H hacia los dems

nodos Red
H-1
H-1-2
H-3
H-1-4
H-1-4-5
H-3-6
H-1-4

Distanci
a
2
6
3
6
9
7
8