Libro Investigación de OPeraciones Israel Alanis

M.
en Administración Israel Alanis Terán Investigación de Operaciones I
Introducción
El presente ensayo titulado “Metodología de la investigación de operaciones” trata sobre los
antecedentes históricos de la investigación de operaciones, su definición, metodología y
aplicaciones en la vida cotidiana del libro “Investigación de operaciones en administración” para la
asignatura técnicas cuantitativas para el transporte.
Derivado del rápido crecimiento de los sistemas de información aunado a las múltiples adaptaciones
que sufren las organizaciones mediante el uso de nuevas tecnologías para la toma de decisiones,
resurge la necesidad de reestructurarse nuevamente para la toma de decisiones apoyadas en un
sistema que permita visualizar con eficacia el proceso de productividad de la organización. Para no
darle cabida a las decisiones equivocadas que repercutan directamente en los intereses y objetivos
de la organización y evitar déficits.
Historia de la investigación de operaciones

La investigación de operaciones es una herramienta básica para la toma de las decisiones en las
empresas por su enfoque cuantitativo, apoyada por las matemáticas. Las primeras investigaciones
de operaciones fueron puestas en práctica a principios de la segunda guerra mundial, para
desarrollar estrategias y tácticas de guerra. Para todo esto, los altos mandos militares americanos e
ingleses hicieron un llamado a todos los científicos para que diseñaran este método, desarrollando
primero el “radar”. En 1950 se introdujo a la industria, los negocios y el gobierno, un ejemplo
sobresaliente es el método “Simplex” para resolver problemas de programación lineal, desarrollada
en 1947 por George Dantzing. El auge mayor para darle la aplicación universal en casi todas las
empresas del mundo fue con el inicio de las computadoras en 1980.
¿Qué es la investigación de operaciones?

Primera definición:
La investigación de operaciones es la aplicación, por grupos interdisciplinarios, del método científico

a problemas relacionados con el control de las organizaciones o sistemas (hombre – máquina). A fin
de que se produzcan soluciones que mejor sirvan a los objetivos de la organización. (“Churchman,
Ackoff y Arnoff”)
Segunda definición:
La investigación de operaciones es el ataque de la ciencia moderna a los complejos problemas que

surgen en la dirección y en la administración de grandes sistemas de hombres, maquinas, materiales
y dinero, en la industria, en los negocios, en el gobierno y en la defensa. Su actitud diferencial cosiste
en desarrollar un modelo científico del sistema tal, que incorpore valoraciones de factores como el
azar y el riesgo y mediante el cual se predigan y comparen los resultados de decisiones, estrategias
o controles alternativos. Su propósito es el ayudar a la gerencia a determinar científicamente sus
políticas y acciones. (“sociedad de I.O de la Gran Bretaña”)
Metodología de la Investigación de Operaciones

Formulación y definición del problema: Descripción de los objetivos del sistema, es decir, qué se
desea optimizar; identificar las variables implicadas, ya sean controlables o no; determinar las
M. en Administración Israel Alanis Terán Investigación de Operaciones I
restricciones del sistema. También hay que tener en cuenta las posibles alternativas de decisión y
las restricciones para producir una solución adecuada.
Construcción del modelo: En esta fase, el investigador de operaciones debe decidir el modelo a
utilizar para representar el sistema. Debe ser un modelo tal que relacione a las variables de decisión
con los parámetros y restricciones del sistema. Los parámetros (o cantidades conocidas) se pueden
obtener, ya sea a partir de datos pasados o estimados por medio de algún método estadístico. Es
recomendable determinar si el modelo es probabilístico o determinístico. El modelo puede ser
matemático, de simulación o heurístico, dependiendo de la complejidad de los cálculos
matemáticos que se requieran. (Carro, 2009)
Solución del modelo: Una vez que se tiene el modelo, se procede a derivar una solución
matemática, empleando las diversas técnicas y métodos matemáticos para resolver problemas y
ecuaciones. Debemos tener en cuenta que las soluciones que se obtienen en este punto del proceso,
son matemáticas y debemos interpretarlas en el mundo real. Además, para la solución del modelo,
se deben realizar análisis de sensibilidad, es decir, ver cómo se comporta el modelo a cambios en
las especificaciones y parámetros del sistema. Esto se hace debido a que los parámetros no
necesariamente son precisos y las restricciones pueden estar equivocadas.
Validación del modelo: La validación de un modelo requiere que se determine si dicho modelo
puede predecir con certeza el comportamiento del sistema. Un método común para probar la
validez del modelo es someterlo a datos pasados disponibles del sistema actual y observar si
reproduce las situaciones pasadas del sistema. Pero como no hay seguridad de que el
comportamiento futuro del sistema continúe replicando el comportamiento pasado, entonces
siempre debemos estar atentos de cambios posibles del sistema con el tiempo, para poder ajustar
adecuadamente el modelo.
Implementación de resultados: Una vez que hayamos obtenido la solución o soluciones del modelo,
el siguiente y último paso del proceso es interpretar esos resultados y dar conclusiones y cursos de
acción para la optimización del sistema. Si el modelo utilizado puede servir a otro problema, es
necesario revisar, documentar y actualizar el modelo para sus nuevas aplicaciones.
Enfoque de la Investigación de Operaciones

El enfoque de la Investigación de Operaciones es el modelaje a través de un modelo, herramienta
que nos sirve para lograr una visión bien estructurada de la realidad.
Para aumentar la abstracción del mundo real, los modelos se clasifican como
Icónicos(representación física, a escala reducida o aumentada)

Análogos(requieren la sustitución de una propiedad por otra)
Simbólicos (emplean un conjunto de símbolos y funciones para representar las variables de
decisión y sus relaciones para describir el comportamiento del sistema)
Un modelo matemático comprende principalmente tres conjuntos básicos de elementos.
1. Variables y parámetros de decisión. Las variables de decisión son las incógnitas (o decisiones)
2. Restricciones. Limitaciones tecnológicas, económicas y otras del sistema, el modelo debe incluir
restricciones (implícitas o explícitas)
3. Función objetivo. Medida de efectividad del sistema
La solución óptima será aquella que produzca el mejor valor de la función objetivo, sujeta a las
restricciones. (clavijero.edu, s.f.)
Técnicas utilizadas en la Investigación de Operaciones son:
Programación Lineal.
Árboles de decisión.
Redes (Incluye PERT/CPM).
Modelos de Inventarios.
Econometría, pronóstico y simulación.
Programación Entera.
Programación Dinámica.
Programación Estocástica.
Programación No Lineal.
Teoría de Juegos.
Control óptimo.
Líneas de Espera.
Ecuaciones Diferenciales.
Modelo de Hoja de Cálculo Electrónica
Impacto de la investigación de operaciones

Todas las organizaciones de todo el mundo han visto un repunte económico reflejado en sus
utilidades y esto se debe a la aplicación de la investigación de operaciones en sus negocios, dado a
su eficacia en el manejo de los sistemas computacionales.
Limitaciones de la investigación de operaciones

Frecuentemente es necesario hacer simplificaciones del problema original para poder manipularlo
y obtener una solución.
La mayoría de los modelos solo consideran un solo objetivo y frecuentemente en las organizaciones
se tienen objetivos múltiples.
Existe la tendencia a no considerar la totalidad de las restricciones en un problema practico, debido

a que los métodos de enseñanza y entrenamiento dan la aplicación de esta ciencia centralmente se
basan en problemas pequeños para razones de índole practico, por lo que se desarrolla en los
alumnos una opinión muy simplista e ingenua sobre la aplicación de estas técnicas a problemas
reales.
Casi nunca se realizan análisis costo-beneficio de la implantación de soluciones definidas por medio
de la IO, en ocasiones los beneficios potenciales se van superados por los costos ocasionados por el
desarrollo e implantación de un modelo.
Investigación de Operaciones I
MÉTODO SIMPLEX
Paso 1. Se convierten las “m” desigualdades a ecuaciones, insertando variables de holgura no
negativas, una en cada restricción. Seleccione estas nuevas variables como variables básicas
iniciales.
El inconveniente de este método es que no hay solución factible cuando alguna b i<0 (término
independiente)
Paso 2. Determine la nueva variable básica entrante (Xe), la cual deberá ser aquella variable no básica,
en la función objetivo actual (Z), que satisfaga la condición siguiente:
𝑚𝑖𝑛𝐶𝑖 < 0
Siempre y cuando dicha función se encuentra en la forma:
𝑍– 𝐶1 𝑋1 – 𝐶2 𝑋2 – … 𝐶𝑛 𝑋𝑛 = 0
Paso 3. Determine la variable básica de salida (Xs) que dejará la base. Se encogerá como Xs a aquella
variable básica cuyo valor se hará negativo primero, cuando el valor de la variable básicamente
entrante (Xe) se incrementa. Esto pasa cuando se cumple la condición:
𝛷𝑖 = ∞ 𝑠𝑖 𝑎𝑖𝑗 ≤ 0
𝑋𝑒 ≤
𝑏𝑖
𝛷𝑖 = 𝑠𝑖 𝑎𝑖𝑗 > 0
𝑎𝑖𝑗
Y se escoge la:
𝑚𝑖𝑛𝛷𝑖
Por lo tanto, la variable de salida será aquella variable básica en la ecuación (i), donde la 𝛷𝑖 adquiere
su valor mínimo no negativo. El valor que tomará (Xe) al entrar a la base sera:
Paso 4. Determínese la nueva solución básica factible. Para lograr esto, forme un sistema canónico
para la nueva base, utilizando el método de eliminación de Gauss-Jordán y haciendo cero todas las
variables no básicas.
Paso 5. Prueba la optimalidad de solución obtenida, para lo cual se revise la función objetivo (estando
está en función exclusivamente de las variables no básicas) para conocer si el valor de Z puede aún
ser aumentado incrementando el valor de alguna de estas variables no básicas.
Si todos los coeficientes son positivos cando 𝑍– 𝐶1 𝑋1 – 𝐶2 𝑋2 – … 𝐶𝑛 𝑋𝑛 = 0, debemos terminar aquí

pues nuestra solución es óptima. Si aún existe algún coeficiente negativo regrese al paso 2.
Complicaciones:
Minimización
Sea 𝑍 = 𝑓(𝑋1 , 𝑋2 , … 𝑋𝑛 )
Recordemos
𝑓(𝑥) = −(𝑓(−𝑥))
𝑓 ↓→ (−𝑓) ↑ Maximizar el negativo de la función
𝑚𝑖𝑛𝑓 = −(𝑚𝑎𝑥(−𝑓))
Ejemplo:
𝑀𝑖𝑛𝑍 = −𝑋1 − 2𝑋2
s.a
𝑋1 ≤8
3𝑋1 + 2𝑋2 ≤ 30
−𝑋1 + 3𝑋2 ≤ 12
(𝑋1 , 𝑋2 ) ≥ 0
Convertimos la minimización en maximización, evaluando en (-Z)
-𝑀𝑎𝑥 (−𝑍) = 𝑋1 + 2𝑋2
s.a 𝑋1 ≤ 8
3𝑋1 + 2𝑋2 ≤ 30
−𝑋1 + 3𝑋2 ≤ 12
(𝑋1 , 𝑋2 ) ≥ 0
Suponiendo que esta sea la solución óptima.
−𝑍 = −18
𝑋3 = 12
𝑋4 = 6
𝑋2 = 6
𝑀𝑖𝑛𝑍 = −(max(−𝑍))
𝑀𝑖𝑛𝑍 = 18
Desigualdad con sentido inverso

𝑋s ≥ 130 (−1)
−𝑋𝑠 ≤ −130
Valores negativos 𝒃𝒊
Introducir una variable artificial, la cual entra restándose en aquellas ecuaciones en donde existe una
constante negativa y usar esta variable artificial como la variable básica inicial para esta ecuación.
Ejemplo:
−𝑋𝑠 + 𝑋ℎ = −130 (Se introduce una variable de holgura para eliminar la desigualdad)
−𝑋𝑠 + 𝑋ℎ − 𝑋𝑎 = −130 (Se resta la variable artificial)
𝑋𝑠 − 𝑋ℎ + 𝑋𝑎 = 130 (Se pone como v.b para ello debe aparecer con coef. (i))
(𝑋𝑠 , 𝑋ℎ , 𝑋𝑎 ) ≥ 0
Ejemplo:
𝑀𝑎𝑥 𝑍 = 3𝑋1 + 𝑋2
s.a
𝑋1 + 𝑋2 ≥ 4 (−1)
2𝑋1 − 𝑋2 ≥ 6 (−1)
𝑋1 ≥4 (−1)
4𝑋1 + 3𝑋2 ≤ 24
(𝑋1 , 𝑋2 ) ≥ 0
−𝑋1 − 𝑋2 ≤ −4
−2𝑋1 + 𝑋2 ≤ −6
−𝑋1 ≤ −4
4𝑋1 + 3𝑋2 ≤ 24
(𝑋1 , 𝑋2 ) ≥ 0
−𝑋1 − 𝑋2 + 𝑋ℎ1 = −4
(−1) −2𝑋1 + 𝑋2 + 𝑋ℎ2 = −6 → (+) negativo
−𝑋1 + 𝑋ℎ3 = −4
4𝑋1 + 3𝑋2 + 𝑋ℎ4 = 24
(𝑋1 , 𝑋2 , 𝑋ℎ1 , 𝑋ℎ2 , 𝑋ℎ3 , 𝑋ℎ4 ) ≥ 0
𝑋1 − 2𝑋2 + 𝑋ℎ1 − 𝑋ℎ2 =2
−2𝑋1 + 𝑋2 + 𝑋ℎ2 = −6
𝑋1 − 𝑋2 − 𝑋ℎ2 + 𝑋ℎ3 =2
4𝑋1 + 3𝑋2 + 𝑋ℎ4 = 24
𝑋1 − 2𝑋2 + 𝑋ℎ1 − 𝑋ℎ2 = 2 *Seleccionamos 𝑏𝑖 en aquella restricción más
−2𝑋1 + 𝑋2 + 𝑋ℎ2 − 𝑋𝑎 = −6 negativa, la restamos de las demás
𝑋1 − 𝑋2 − 𝑋ℎ2 + 𝑋ℎ3 = 2 restricciones que tienen 𝑏𝑖 negativas.*
4𝑋1 + 3𝑋2 + 𝑋ℎ4 = 24
(𝑋1 , 𝑋2 , 𝑋ℎ1 , 𝑋ℎ2 , 𝑋ℎ3 , 𝑋ℎ4 , 𝑋𝑎 ) ≥ 0
𝑀𝑎𝑥 𝑍 = 3𝑋1 + 𝑋2
𝑋1 − 2𝑋2 + 𝑋ℎ1 − 𝑋ℎ2 =2
+2𝑋1 − 𝑋2 − 𝑋ℎ2 + 𝑋𝑎 = 6
𝑋1 − 𝑋2 − 𝑋ℎ2 + 𝑋ℎ3 =2
4𝑋1 + 3𝑋2 + 𝑋ℎ4 = 24
(𝑋1 , 𝑋2 , 𝑋ℎ1 , 𝑋ℎ2 , 𝑋ℎ3 , 𝑋ℎ4 , 𝑋𝑎 ) ≥ 0

𝑣. 𝑏 (𝑋ℎ1 , 𝑋𝑎 , 𝑋ℎ3 , 𝑋ℎ4 )
↓ ↓ ↓ ↓
v.h v.a v.h v.h
El procedimiento que emplea el método simplex, es el asignar una penalidad muy grande a las
soluciones factibles del problema revisado que no coincidan con las del problema original. La forma
de asignar dicha penalidad es introduciendo −𝑀𝑋𝑎 a la función objetivo; estando está en la forma
𝑀𝑎𝑥𝑍 = 𝐶1 𝑋1 +… +𝐶𝑛 𝑋𝑛 de tal forma que si 𝑋𝑎 ≠ 0, el valor de Z disminuye muy enormemente
(M representa un número muy grande). El método anterior se conoce como el de la gran M.
𝑀𝑎𝑥 𝑍 = 3𝑋1 + 𝑋2 − 𝑀𝑋𝑎

v.b Z 𝑋1 𝑋2 𝑋3 𝑋4 𝑋 𝑋 𝑋 𝑎 𝑖
Z 1 -3 -1 0 0 0 0 M 0
X3 0 1 -2 1 -1 0 0 0 2
(-M) X7 0 2 -1 0 -1 0 0 1 6
X5 0 1 -1 0 -1 1 0 0 2
X6 0 4 3 0 0 0 1 0 24
Z 1 M-1 0 M 0 0 0 6
X3 0 1 -2 1 -1 0 0 0 2 2
(-M) X7 0 2 -1 0 -1 0 0 1 6 3
X5 0 1 -1 0 -1 1 0 0 2 2
X6 0 4 3 0 0 0 1 0 24 6
(-2) Z 1 0 3 2M+3 0 0 0
(2M+3) X1 0 1 -2 1 -1 0 0 0 2 -1
X7 0 0 3 -2 1 0 0 1 2 2
3 (1 3)
X5 0 0 1 -1 0 1 0 0 0 ∞
X6 0 0 11 -4 4 0 1 0 16 16
11
Z 1 0 0 − −4 0 0 𝑀+ 32
3 3 3 3
X1 0 1 0 −1 −1 0 0 2 10 -10
3 3 3 3
X2 0 0 −2 (3M+7) 1 (3M+7) 0 0 1 2 (3M+7)
(-1) 1 3 3 3 (3M+7) 3 -1
X5 0 0 0 −1 −1 1 0 −1 −2 2 (-3)
3 3 3 3
X6 0 0 0 10 1 0 1 −11 26 36
3 3 3 3 10
Z 1 0 0 0 1 -5 0 M+4 14
X1 0 1 0 0 0 -1 0 1 4 -4
X2 0 0 1 0 1 -2 0 1 2 -1
X4 0 0 0 1 1 -3 0 1 2 −2
3
X6 0 0 0 0 -3 10 1 -7 2 −1
Resolver y graficar:
𝑀𝑎𝑥 𝑍 = 𝑋1 + 2𝑋2
s.a
𝑋1 ≤ 600
𝑋2 ≤ 300
3𝑋1 + 4𝑋2 ≥ 2400
(𝑋1 , 𝑋2 ) ≥ 0
𝑍 − 𝑋1 − 2𝑋2 + 𝑀𝑋 = 0
𝑋1 + 𝑋3 = 600
𝑋2 + 𝑋4 = 300
3𝑋1 + 4𝑋2 −𝑋 +𝑋 = 2400
4.-Igualdades en las restricciones.

𝑎𝑖1 𝑋1 + 𝑎𝑖2 𝑋2 +…+𝑎𝑖𝑛 𝑋𝑛 = 𝑏𝑖
a) Pueden ser reemplazados por
𝑎𝑖1 𝑋1 + 𝑎𝑖2 𝑋2 +…+𝑎𝑖𝑛 𝑋𝑛 ≤ 𝑏𝑖 Rutina del
𝑎𝑖1 𝑋1 + 𝑎𝑖2 𝑋2 +…+𝑎𝑖𝑛 𝑋𝑛 ≥ 𝑏𝑖 método simplex
b) Introduciendo una v.a en cada una de las igualdades localizadas en las restricciones
𝑎𝑖1 𝑋1 + 𝑎𝑖2 𝑋2 +…𝑎𝑖𝑛 𝑋𝑛 + 𝑋𝑎 = 𝑏𝑖 (𝑋𝑎 ≥ 0)
5.-Variables no restringidas en signo.

Cuando la condición de no negatividad no se cumple, razón por la que es necesario solucionarlo antes
de comenzar con el m. simplex.
𝑥 =𝑦−𝑧 𝑦≥0 𝑥≤0 𝑦=0 𝑧≥0
𝑧>0 𝑥≥0 𝑦≥0 𝑧=0
Ejemplo:
𝑀𝑎𝑥 𝑍 = 𝑋1 + 2𝑋2
s.a
𝑋1 ≤ 600
𝑋2 ≤ 300
3𝑋1 + 4𝑋2 ≤ 2400
𝑋2 ≥ 0
𝑋1 = 𝑋1´ − 𝑋1"
𝑀𝑎𝑥 𝑍 = 𝑋1´ − 𝑋1" + 2𝑋2
𝑋1´ − 𝑋1" ≤ 600

𝑋2 ≤ 300
3𝑋1´ − 3𝑋1" + 4𝑋2 ≤ 2400
(𝑋1´ , 𝑋1" , 𝑋2 ) ≥ 0
Nota: 𝑋1´ y 𝑋1" nunca pueden estar juntas en la base.

Ejemplo:
VB Z X1´ X1¨ X2 XH1 XH2 XH3 B ф

Z 1 1 -1 -4 0 0 0 0
XH1 0 -3 3 1 1 0 0 6 6
(1/2) XH2 0 1 -1 2 0 1 0 4 2
XH3 0 0 0 -1 0 0 1 3 INFINITO

R3(4)+R1 Z 1 3 -3 0 0 2 0 8
R3(-1)+R2 XH1 0 -3.5 3.5 0 1 -0.5 0 4 1.14285714
X2 0 0.5 -0.5 1 0 0.5 0 2 INFINITO
R3(1)+R4 XH3 0 0.5 -0.5 0 0 0.5 1 5 INFINITO

R2(3)+R1 Z 1 0 0 0 (6/7) (11/7) 0 (80/7)
(2/7) X1" 0 -1 1 0 (2/7) (-1/7) 0 (8/7)
R2(1/2)+R3 X2 0 0 0 1 (1/7) 0.42857143 0 (18/7)
R2(1/2)+R4 XH3 0 0 0 0 (1/7) 0.42857143 1 (39/7)
VB VNB
Z=80/7 X1´=0
X1"=8/7 XH1=0
X2=18/7 XH2=0
XH3=39/7
X1=X1´-X1" POR LO TANTO X1=-8/7
6.- Empate en la variable de entrada

Se presenta cuando hay dos o mas variables que tienen el mismo coeficiente, el cual es el más
negativo en la función objetivo.
Cuando es este el caso, se escoge arbitrariamente cualquiera de las variables en empate para ser 𝑋𝑒 .
7.-Degeneración.
Cuando el encontrar 𝑋𝑠 en la rutina del método simplex nos encontramos 𝛷 = 𝛷𝑖 = 𝛷𝑛 , esto es,
con que las variables se hacen cero simultáneamente cuando 𝑋𝑒 incrementa, tenemos un empate
para dejar para dejar la base (degeneración).
Cuando es este el caso, se escoge arbitrariamente cualquiera de las variables en empate para ser 𝑋𝑠 .
V.B Z X1 X2 X3 XH1 XH2 B0 ф
Z 1 -5 -3 -4 0 0 0
XH1 0 2 1 1 1 0 20 10
XH2 0 3 1 2 0 1 30 10
8.-Soluciones múltiples.
Sucede cuando la función objetivo coincide en más de un punto con los linderos de la región factible,
en su valor máximo factible, teniéndose, por lo tanto, todo un segmento lineal de soluciones óptimas.
La indicación de que existe un infinito número de soluciones óptimas en el metodo simplex es que una
de las v.n.b que aparecen en la f.o tenga coeficiente cero, coeficiente que nos indica que, si
introducimos esa variable a la base, el valor de Z no se alterara.
Ejemplo:
9.-Ausencia de soluciones factibles.

Cuando una s.b.f. inicial no fue obvia y tuvimos que introducir variables artificiales cuyo valor no es
reducido a cero al obtener la solución óptima, esto indica que no existen solución factible. para el
problema original.
VB Z X1 X2 X3 XH1 XH2 XH3 XA B ф
Z 1 (-)0.6M-3.4 0.2M-3.2 0M 0 0.4M+0.6 0 (-)8M+18
XA 0 0.6 -0.2 0 -1 0 -0.4 1 8 13.3333333
XH2 0 16 9 0 0 1 1 0 80 5
X3 0 0.2 0.6 1 0 0 0.2 0 6 30
10.Solución óptima sin límite.

Cuando el momento de obtener Φ tenemos que 𝛷𝑖 = ∞ para toda i, esto indica que la variable 𝑋𝑒
puede aumentar su valor todo lo que se quiera sin hacer negativa ninguna de las v.b. De aquí que no
exista ninguna variable 𝑋𝑠 y que el valor de Z pueda aumentar sin limite.
VB Z X1 X2 X3 X4 XH1 XH2 XH3 B ф

Z 1 0 0 0 74.5 -17.0 3.5 17.9 693.6
X1 0 1 0 0 13.5 -3.0 0.5 3.1 116.4 INFINITO
X3 0 0 0 1 1.1 0.0 0.1 0.2 12.7 INFINITO
X2 0 0 1 0 7.5 -2.0 0.5 1.9 73.6 INFINITO
Teoría Dual
Problema Primo
𝑀𝑎𝑥𝑍𝑥 = 𝐶1 𝑋1 +…𝐶𝑛 𝑋𝑛
s.a.
𝑎11 𝑋1 +…+𝑎1𝑛 𝑋𝑛 ≤ 𝑏𝑖
⋮
𝑎𝑚1 𝑋1 +….+𝑎𝑚𝑛 𝑋𝑛 ≤ 𝑏𝑚
𝑋𝑗 ≥ 0 (𝑗 = 1,2, … 𝑛)
Nota: 𝑏𝑗 puede ser negativa y está permitida.
Problema Dual
Problema
𝑀𝑖𝑛 𝑍𝑦 = 𝑏1 𝑌1 +…𝑏𝑚 𝑌𝑚
s.a
𝑎11 𝑌1 +…+𝑎𝑚1 𝑌𝑚 ≥ 𝐶1
⋮
𝑎1𝑛 𝑌1 +…+𝑎𝑚𝑛 𝑌𝑚 ≥ 𝐶𝑛
𝑌𝑖 ≥ 0(𝑖 = 1,2,3, … 𝑚)
El problema dual, se obtiene asociando a cada restricción una variable y a cada variable una
restricción, transponiendo los renglones y las columnas de coeficientes en las restricciones
intercambiando el papel de los coeficientes de las funciones objetivo y las constantes, invirtiendo las
desigualdades y minimizando en lugar de maximizar.
La relación dual primo podemos representarla por medio de la siguiente tabla.
𝑋1 𝑋2 … 𝑋𝑛 𝑀𝑖𝑛 ≤
𝑌1 𝑎11 𝑎12 … 𝑎1𝑛 𝑏1
D 𝑌2 𝑎 21 𝑎 22 … 𝑎 2𝑛 𝑏2
U . . . . .
A . . . . .
L . . . . .
𝑌𝑚 𝑎 𝑚1 𝑎 𝑚2 … 𝑎 𝑚𝑛 𝑏𝑚
Max 𝐶1 𝐶2 … 𝐶𝑛
PRIMO
Ejemplo
𝑀𝑎𝑥𝑍𝑥 = 𝑋1 + 2𝑋2 𝑀𝑖𝑛𝑍𝑦 = 600𝑌1 + 300𝑌2 +2400𝑌3
s.a
𝑋1 ≤ 600 =>
𝑋2 ≤ 300 𝑌1 + 3𝑌3 ≥ 1
3𝑋1 + 4𝑋2 ≤ 2400 𝑌2 + 4𝑌3 ≥ 2
𝑋𝑗 ≥ 0 (𝑗 = 1,2) 𝑌𝑖 ≥ 0 (𝑖 = 1,2,3)
En general, las siguientes leyes de correspondencia se aplican entre el primo – dual

SIMPLEX DUAL+
• Relación entre el modelo primo y su dual
MODELO PRIMO MODELO DUAL

Coeficientes de la Función Objetivo (𝑀𝑎𝑥 𝑍𝑥 ) (bi) variables independientes
Términos constantes (𝑏𝑖 ) Coeficiente de la Función objetivo (𝑀𝑖𝑛 𝑍𝑦 )
Matriz de coeficientes Matriz de coeficientes (transpuesta)
Desigualdad (𝑖 ): ≤ 𝑌𝑖 ≥ 0
Ecuación (𝑖 ) ≔ 𝑌𝑖 no restringida en signo
𝑋𝑗 ≥ 0 Desigualdad (𝑗): ≥ 0
𝑋𝑗 no es restringida en signo Ecuación (𝑗) ≔
VER PAG 183
Teorema
El dual del dual es el primo. Es decir, la relación entre el problema primo y su dual es simétrica.
Lema
Sí (𝑋1 , 𝑋2 , … 𝑋𝑛 ) y (𝑌1 , 𝑌2 , … 𝑌𝑛 ) son soluciones factibles del problema primo y dual

respectivamente, entonces 𝑍𝑥 ≤ 𝑍𝑦
Teorema
Tan pronto hayamos encontrado la solución óptima (rutina simplex) para el problema primo, entonces
estamos en suposición de obtener la solución óptima del dual. El valor de la variable dual (i), es igual
al coeficiente de la variable de holgura (i) del problema primo en la f.o.
Así:
𝑌𝑖∗ = 𝑍𝑛+1
∗
∀𝑖 = 1,2 … 𝑚
Teorema Dual
Suponiendo que soluciones factibles finitas existen, tanto como para el problema primo como para el
dual, entonces:
existe una solución óptima finita para ambos, la cual satisface:
𝑍𝒙+ = 𝑍𝒚∗
Teorema
Suponiendo que hemos obtenido una solución óptima para el problema primo usando (0) final. Es
∗
decir: 𝑌𝑛+1 = (𝑍𝑗´ − 𝐶𝑗 )
Teorema
Supóngase que existen soluciones finitas para el primo y el dual. Sea (𝑋1 , 𝑋2 , … 𝑋𝑛 ) una s.b.f no
óptima y (𝑍𝑗 − 𝐶𝑗 ) el coeficiente correspondiente de 𝑋𝑗 en la ec. (f.o), j=1, 2, …n+m
Metodología Simplex Dual

En este método trata directamente con s.b.n.d mejores que el óptimo y trabaja para obtener s.b.F.
Aplicamos este método cuando, para obtener una s.b.F inicial, es necesario introducir mucho v.a,
razón por la cual puede ser más conveniente el comenzar con una s.n.f “mejor que la óptima” y aplicar
el método simplex Dual.
Paso 1. Convertir el problema primo al dual
Paso 2. Introduzca variables de holgura (donde se requieran), para obtener un sistema de
ecuaciones. Se localiza una s.b, tal que los coeficientes de la f,o sean cero para las v.b y no
negativos para las v.n.b
Paso 3. Determine la nueva v.b saliente, seleccione la v.b correspondiente al renglón “r” para
el cual 𝑏𝑖 = 𝑚𝑖𝑛𝑏𝑖 < 0 (nótese que esto es equivalente a determinar la v.b entrante en el
problema dual, ya que la variable con el valor más negativo, correspondiente al trabajar
coeficiente negativo.
Paso 4. Determina la 𝑋𝑒 : selección en la v.n.b cuyo coeficiente en la ecuación F.o llega
primero a cero, cuando un múltiplo creciente de la ecuación (F) contendiendo la v.b saliente,
se suma a la f.o.
Nota: Seleccionar aquella que forme el cociente menor al dividir su cociente en la f.o entre el
valor absoluto del coeficiente en esa ec. Así tenemos que:
𝐶𝑒 𝐶𝑗
= 𝑚𝑖𝑛 𝑝𝑎𝑟𝑎 𝑎𝑟𝑗 < 0.
𝑙𝑎𝑟𝑒𝑙 𝑙𝑎𝑟𝑗𝑙
Paso 5. Determine la nueva s.b (igual que en él simplex usando Gauss-Jordan.
Paso 6. Determine si esta solución es factible j revise si todas las v.b son no negativas (∀𝑏𝑖 ≥
0); sí lo son, pare, se ha llegado a la s.o.
Ejemplo:
𝑀𝑎𝑥 𝑍 = 𝑋1 + 2𝑋2
s.a
𝑌1 𝑋1 ≤ 600
𝑌2 𝑋2 ≤ 300
𝑌3 3𝑋1 + 4𝑋2 ≤ 2400
(𝑋1 , 𝑋2 ) ≥ 0
𝑀𝑖𝑛𝑍 = 600𝑌1 + 300𝑌2 + 2400𝑌3
s.a
𝑌1 + 3𝑌3 ≥ 1
𝑌2 + 4𝑌3 ≥ 2
(𝑌1 , 𝑌2 , 𝑌3 ) ≥ 0
𝑀𝑎𝑥 (−𝑍) = −600𝑌1 + 300𝑌2 − 2400𝑌3
sa
−𝑌1 − 3𝑌3 + 𝑌4 = −1
−𝑌2 − 4𝑌3 + 𝑌 = −2
(𝑌1 , 𝑌2 , 𝑌3 , 𝑌4 , 𝑌 ) ≥ 0
v.b Z 𝑌1 𝑌2 𝑌3 𝑌4 𝑌
Z 1 600 300 2400 0 0 0 300 2400
𝑌4 0 -1 0 -3 1 0 -1 1 4
𝑋𝑠 → 𝑌 0 0 -1 -4 0 1 -2 (-1) 𝑏 =m 𝑏𝑖 𝑏𝑖 < 0
↓ 𝑋𝑒 300 < 600
Z 1 600 0 1200 0 +300 -600 ↑
𝑌4 0 -1 0 -3 1 0 -1 𝑋𝑠 (− 1 3)
(-300) 𝑌2 0 0 1 4 0 -1 2
Z 1 600 0 1200 0 +300 -600

(-1600)(-4) 𝑌3 0 1 3 0 1 -1 3 0 1 3
𝑌2 0 0 1 4 0 1 2
Z 1 200 0 0 400 +300 -600

𝑌3 0 1 3 0 1 −1 3 0 1 3
𝑌2 0 −4 3 1 0 4 3 1 2 3
v. originales v.h
𝑣. 𝑏 𝑣. 𝑛. 𝑏
−𝑍 = −1000 𝑌1 =0
𝑌3 = 1 3 𝑌4 = 0
𝑌2 = 2 3 𝑌 =0
𝑋1 = 400 𝑋4 = 0
𝑋2 = 300 𝑋 =0
𝑋3 = 200
𝑍𝑥 = 1000
Análisis de sensibilidad y precio sombra

El precio sombra, es el precio de referencia que tendría un bien en condiciones de competencia
perfecta, incluyendo las castas sociales. Representa el costo de oportunidad de producir o consumir
un bien o servicio.
Un bien o servicio puede no tener un precio de mercado, sin embargo, es asignarle un precio sombra
que permite hacer un análisis del costo-beneficio y cálculo de P.L.
El precio sombra de una restricción de P.L indica, cuánto cambia el valor de la f.o ante una variación
marginal del lado derecho de una restricción. El resto de los parámetros permanecen constantes.
Cálculo del precio sombra de una restricción con el método gráfico.
𝑆𝑒𝑎 𝑀𝑎𝑥𝑍 = 3𝑥 + 8𝑦
2𝑥 + 4𝑦 ≤ 1600
6𝑥 + 2𝑦 ≤ 1 00
𝑦≤3 0
Supongamos que deseamos saber cuánto cambiará el valor óptimo si aumenta en una unidad
el lado derecho de la restricción I.
Si aumentamos llegamos al punto F (máxima variación)
Si disminuimos más la restricción llegaremos al punto B (menor variación).
∗
𝑍2 − ∗𝑍1 ∆𝑍
Prec o sombra = ∗ =
𝑏2 − ∗𝑏1 ∆𝑏𝑖
Punto F (166.7,350) Punto B (0,350)

Máximo Mínimo
𝑍2∗ = 3(166.6 ) + 8(3 0) = 3300 𝑍1∗ = 3(0) + 8(3 0) = 2800
𝑏2∗ = 2(166.6 ) + 4(3 0) = 1 33.34 𝑏1∗ = 2(0) + 4(3 0) = 1400
3300 − 2800 00
𝑟𝑒𝑐𝑖𝑜 𝑠𝑜𝑚𝑏𝑟𝑎 = = = 1.
1 3334 − 1400 333.34
¿Qué pasa si aumenta 𝑏𝑖 de 1600 a 1700? ¿Qué pasa si disminuimos 𝑏𝑖 1600 a 1550?
𝑍 = 3100 + 100(1. ) = 32 0 𝑍 = 3100 − 0(1. ) = 302
𝑀𝑎𝑥 = 3𝑥 + 8𝑦 𝑀𝑖𝑛𝑍 = 1600𝑦1 + 1 00𝑦2 + 3 0𝑦3

𝑠𝑎
𝑦1 2𝑥 + 4𝑦 ≤ 1600 2𝑦1 + 6𝑦2 ≥3
𝑦2 6𝑥 + 2𝑦 ≤ 1 00 4𝑦1 + 2𝑦2 + 𝑦3 ≥ 8
𝑦3 𝑦≤3 0 (𝑦1 , 𝑦2 , 𝑦3 ) ≥ 0
(𝑥, 𝑦) ≥ 0
𝑀𝑎𝑧 (−𝑍) = −1600𝑦1 + 1 00𝑦2 − 3 0𝑦3

−2𝑦1 − 6𝑦2 + 𝑦𝑛1 = −3
−4𝑦1 − 2𝑦2 − 𝑦3 + 𝑦ℎ2 = −8
↓ 𝑋𝑒
v.b −𝑍 𝑦1 𝑦2 𝑦3 𝑦ℎ1 𝑦ℎ2

−𝑍 1 1600 1700 350 0 0 0
𝑦ℎ1 0 -2 -6 0 1 0 -3
(-1) 𝑦ℎ2 0 -4 -2 -1 0 1 -8 𝑋𝑠
↓ 𝑋𝑒
−𝑍 1 200 1000 0 0 -350 -2800
(−12 𝑦ℎ1 0 -2 -6 0 1 0 -3 𝑋𝑠
+3 0 𝑦3 0 4 2 1 0 -1 8
−𝑍 1 2 400 0 100 +350 -3100

(-200)(-4) 𝑦1 0 1 3 0 −1 2 0 3 2
𝑦3 0 0 -10 1 2 1 2
Z 𝑋3 𝑋4 𝑋 𝑋1 𝑋2
−𝑍𝑦 = +3100 𝑍𝑥 = 3100
𝑦1 = 3 2 𝑋1 = 100
𝑦3 = 2 𝑋2 = +3 0
𝑋3 = 0
𝑋4 = 400
𝑋 =0
6.7-18
Análisis de sensibilidad para el recurso 2.
Mover la restricción 2 en un punto máximo y mínimo

El punto máximo al que me desplazo es G(0,30)
Comparar entre los punto A, G y D

𝑍𝐴 = 0
𝑍𝐺 = 120
𝑍𝐷 = 100
De acuerdo a la solución óptima del metodo gráfico, sabes que el punto C es el valor optimo
𝑍𝐶 = 110
El punto G crea una región factible y optima respecto a la solucio original utilizando el metodo
grafico.
𝑍𝑚𝑎𝑥 = 𝑍𝐺 = 120
Calculando el valor máximo de bmax, utilizando el punto G
2𝑥1 + 𝑥2 ≤ 𝑏𝑚𝑎𝑥
𝑏𝑚𝑎𝑥 = 2(0) + 30 = 30
Voy a desplazar a la restricción 2 al punto mínimo factible y optimo, que es E.
Comparar entre los punto A, B y E

𝑍𝐴 = 0
𝑍𝐵 = 80
𝑍𝐸 = 100
El valor optimo es 𝑍𝑚𝑖𝑛 = 𝑍𝐸 = 100
E(10,0)
Calculando el valor minímo de bmin, utilizando el punto E
2𝑥1 + 𝑥2 ≤ 𝑏𝑚𝑎𝑥
𝑏𝑚𝑖𝑛 = 2(10) + 0 = 20
Por lo tanto el intervalo factible de la restricción 2 es
20 ≤ 𝑏2 ≤ 30
Calculando el precio sombra 2
120 − 100 20
¨ 𝑆2 = = =2
30 − 20 10
Verificando en QM
Tarea:
Ejercicio 5.1-1 y 5.1-4
a) Una sensibilidad para obtener los precios sombra de cada restricción
b) El intervalo factible del término independiente de cada restricción
Teoría de Redes
Sistemas de transporte y comunicaciones
Planeación y control de proyectos
Logística
Cadena de suministro
Conceptos
Sea una red que consta de 4 nodos (𝑠, 𝑥, 𝑦, 𝑡) y 5 arcos (s,x), (s,y), (x,t), (y,t) y (x,y). Dibujarla
Red dirigida, debido a que cada arco involucra una dirección especifica
Se eliminan las siguientes posibilidades:
a) Arcos (x,x)
b) La existencia de arcos multiples que unan x con y.
Definición
Sean 𝑥1 , 𝑥2 , … 𝑥𝑛 (𝑛 > 2) una secuencia de diferentes nodos de una red tal que, (𝑥𝑖 , 𝑥𝑖+1 ) es un
arco para cada 𝑖 = 1,2, … 𝑛 − 1, entonces la secuencia de nodos-arcos se llama cadena. Ejemplo:
𝑥1 , (𝑥1 , 𝑥2 ), 𝑥2 , (𝑥2 , 𝑥3 ), 𝑥3 , … , (𝑥𝑛−1 , 𝑥𝑛 ), 𝑥𝑛
Una red se llama “conectada” si existe un camino que conecta cada par de nodos
Un árbol es una red conectada, la cual no contiene ningún ciclo. Tiene la propiedad de que existe un
camino o una cadena única que una cada par de nodos.
Una red con “n” nodos, es un árbol si tiene (n-1) arcos y ningún ciclo.
Llamamos 𝑐(𝑥, 𝑦) a la capacidad del arco (𝑥, 𝑦).
Un nodo se llama fuente, si cada uno de los arcos esta orientado de tal forma que le flujo sale de él.
Un nodo se llama destino, si cada uno de sus arcos esta orientado de tal forma que el flujo entra a él.
Métodos:
a) Flujo Máximo. Consiste en encontrar el máximo flujo total a través de una red.
b) Ruta más Corta. Localiza el camino mínimo (más corto) desde un nodo origen hasta el destino.
c) Mínimo árbol. Localiza aquellas ramas de la red que tienen la mínima longitud, a la vez que
conectan todos los nodos
Ruta más corta

Paso 1. Elabore para cada nodo, una lista de los arcos que salen de ese nodo, en orden ascendente
de sus longitudes.
Paso 2. Encontrar la distancia mas corta. Seleccionamos el arco y lo encerramos en un círculo.

Tachamos todos los nodos que entran al nodo alcanzado de todas las columnas que aparezcan.
Paso 3. Dibuje el camino de la distancia más corta y obtenga el valor mínimo.
3
A D
1 3
3 2
3 3
C E
0 2 1
2
B G F
4 1
NODO O NODO A NODO B NODO C NODO D NODO E NODO F NODO G

{0 {1 {2 {4 {4 {7 {7 {6
unidades} unidades} unidades} unidades} unidades} unidades} unidades} unidades}
OA-1 AB-3 BC-2 CB-2 DC-2 EF-1 GF-1
OB-2 AC-3 BA-3 CD-2 DA-3 EC-3 GC-3
AD-3 BG-4 CA-3 DE-3 ED-3 GB-4
CE-3
CG-3
PASO 2
K- NUMERO DE ITERACION
KO={O}
K1={O,A}
COMPARAMOS ENTRE LOS NODOS MAS CERCANOS AL NODO O
OA-1 VIA O 0+1=1 ELIJIMOS LA MINIMA DISTANCIA Y LA ENCERRAMOS
OB-2 VIA O 0+2=2
TACHAMOS (SUBRAYAR) LOS ARCOS QUE ENTREN AL NODO A
K2={O,A,B}
OB-2 VIA 0 2+0=2 ELIJIMOS LA MINIMA DISTANCIA Y LA ENCERRAMOS
AB-3 VIA A 3+1=4
AC-3 VIA A 3+1=4
AD-3 VIA A 3+1=4
TACHAMOS (SUBRAYAR) LOS ARCOS QUE ENTREN AL NODO B
K3={O,A,B,C,D}
AC-3 VIA A 3+1=4
AD-3 VIA A 3+1=4 ELEGIMOS LOS TRES ARCOS CON LA MINIMA DISTANCIA Y LOS ENCERRAMOS
BC-2 VIA B 2+2=4
BG-4 VIA B 4+2=6
TACHAMOS (SUBRAYAR) LOS ARCOS QUE ENTREN AL NODO C Y D.
K4={O,A,B,C,D,G}
BG-4 VIA B 4+2=6 ES LA MINIMA DISTANCIA Y LA ENCERRAMOS
CE-3 VIA C 3+4=7
CG-3 VIA C 3+4=7
DE-3 VIA D 3+4=7
TACHAMOS (SUBRAYAR) LOS ARCOS QUE ENTREN AL NODO G.
K5={O,A,B,C,D,G,E,F}
CE-3 VIA C 3+4=7
DE-3 VIA D 3+4=7 ELEGIMOS LOS TRES ARCOS CON LA MINIMA
DISTANCIA Y LOS ENCERRAMOS
GF-1 VIA G 1+6=7
TACHAMOS (SUBRAYAR) LOS ARCOS QUE ENTREN AL NODO E Y F.
3
A D
1 3
3 2
3 3
C E
0 2 1
3
2
B G F
4 1
DISTANCIA MINIMA
O-B-G-F=7 UNIDADES
TAREA 9.3-4
MINIMO ARBOL DE EXPANSION

Longitud total= 1+2+2+2+3+1+1=12 u de ddistancia
3
A D
1 3
3 2
3 3
C E
0 2 1
3
2
B G F
4 1
PASO 1
NODO O NODO A NODO B NODO C NODO D NODO E NODO F NODO G
OA-1 A0-1 B0-2 CB-2 DC-2 EF-1 FE-1 GF-1
OB-2 AB-3 BC-2 CD-2 DA-3 EC-3 FG-1 GC-3
AC-3 BA-3 CA-3 DE-3 ED-3 GB-4
AD-3 BG-4 CE-3
CG-3
PASO 2
K1={C,B}
ARBITRARIAMENTE ELIJO AL NODO C
CB-2 ENCIERRO CB-2 Y BC-2
K2={C,B,0}
B0-2 ELIJO ARBITRARIAMENTE, ENCIERRO B0-2 Y OB-2
CD-2
K3={C,B,O,A}
OA-1 ELIJO OA-1 Y A0-1 Y LOS ENCIERRO
BA-3
CD-2
TACHAMOS AC-3 Y CA-3 (SUBRAYAR) PORQUE FORMAN CICLOS
TACHAMIOS AB-3 Y BA-3 (SUBRAYAR) PORQUE FORMAN CICLOS

K4={C,B,O,A,D}
AD-3
BG-4
CD-2 ELIJIMOS CD-2 Y DC-2
TACHAMOS AD-3 Y DA-3 PORQUE FORMAN CICLOS
K5={C,B,O,A,D,E}
COMPARANDO
BG-4
CE-3 ELIJO CE-3 Y EC-3 Y LOS ENCIERRO
DE-3
TACHAMOS DE-3 Y ED-3 PORQUE FORMAN CICLOS
K6={C,B,O,A,D,E,F}
COMPARANDO
BG-4
CG-3
EF-1 ELIJO EF-1 Y FE-1 Y LOS ENCIERRO
K7={C,B,O,A,D,E,F,G}
COMPARANDO
BG-4
CG-3
FG-1 ELIJO FG-1 Y GF-1 Y LOS ENCIERRO
TACHAMOS BG-4, GB-4,CG-3 Y GC-3 PORQUE FORMAN CICLOS
FLUJO MÁXIMO
Considere una red que conecta 2 nodos (una fuente y un destino), por medio de unos nodos
intermedios. Supóngase que:
-El flujo que llega es igual al que sale de un nodo.
-Un flujo F(x,y) por unidad de tiempo va del nodo x al y; este necesariamente tendrá que ser ≤ a la
capacidad C(x,y) del arco, es decir; F(x,y) ≤ C(x,y) ∀ las (x,y) ∈ A.
Método de solución para el flujo máximo.
Paso 1. Encuentre un camino, entre la fuente y el destino, que tenga capacidad de flujo > 0. (Si no
existe ninguno, los flujos netos asignados hasta ese momento constituyen un flujo máximo
[optimo]).
Paso 2. Inspeccione el camino encontrado en el paso 1 para encontrar el arco que tenga la menor
capacidad de flujo; denomine esta capacidad C*. Incremente en C* el flujo de esta trayectoria.
Paso 3. Disminuya en C* la capacidad de flujo de cada arco en el camino en el sentido del flujo.
Incremente en C* la capacidad de flujo de cada arco del camino en sentido contrario al flujo
asignado. Regrese al paso 1.
FLUJO MAXIMO
DETERMINAR EL FLUJO MAXIMO DEL NODO 0 AL NODO 4
2
1 1 0
2
1
3
0
2
- 0
02
= 4
01 1 0
0
2
flujo de 2 unidades
2-2=0
1+2=3 1 0+2=2
2-2=0
1
3
0
2-2=0-
0 0+2=2
0
4 Flujo=2
1 1 0
0
2
Iteración 2 0+1=1
3 1 2-1=1
Flujo=1 0
1-1=0
3
0+1=1
0
- 2
02 Flujo=1
= 4
1-1=00 1-1=0 0+1=1
0+1=1
2
FLUJO MAXIMO=2+1=3
FLUJO DE COSTO MINIMO
DEFINIR LA VARIABLE
Xij
𝑋𝐹1−𝐴1 − 𝑙𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑞𝑢𝑒 𝑝𝑢𝑒𝑑𝑜 𝑚𝑎𝑛𝑑𝑎𝑟 𝑎 𝑡𝑟𝑎𝑣é𝑠 𝑑𝑒𝑙 𝑎𝑟𝑐𝑜 𝐹1 − 𝐴1

𝑋𝐹1−𝐹2 − 𝑙𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑞𝑢𝑒 𝑝𝑢𝑑𝑜 𝑚𝑎𝑛𝑑𝑎𝑟 𝑎 𝑡𝑟𝑎𝑣é𝑠 𝑑𝑒𝑙 𝑎𝑟𝑐𝑜 𝐹1 − 𝐹2
𝑋𝐹2−𝐷𝐶 − 𝑙𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑞𝑢𝑒 𝑝𝑢𝑑𝑜 𝑚𝑎𝑛𝑑𝑎𝑟 𝑎 𝑡𝑟𝑎𝑣é𝑠 𝑑𝑒𝑙 𝑎𝑟𝑐𝑜 𝐹2 − 𝐷𝐶
𝑋𝐹1−𝐷𝐶 − 𝑙𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑞𝑢𝑒 𝑝𝑢𝑑𝑜 𝑚𝑎𝑛𝑑𝑎𝑟 𝑎 𝑡𝑟𝑎𝑣é𝑠 𝑑𝑒𝑙 𝑎𝑟𝑐𝑜 𝐹1 − 𝐷𝐶
𝑋𝐴2−𝐴1 − 𝑙𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑞𝑢𝑒 𝑝𝑢𝑑𝑜 𝑚𝑎𝑛𝑑𝑎𝑟 𝑎 𝑡𝑟𝑎𝑣é𝑠 𝑑𝑒𝑙 𝑎𝑟𝑐𝑜 𝐴2 − 𝐴1

𝑋𝐷𝐶−𝐴2 − 𝑙𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑞𝑢𝑒 𝑝𝑢𝑑𝑜 𝑚𝑎𝑛𝑑𝑎𝑟 𝑎 𝑡𝑟𝑎𝑣é𝑠 𝑑𝑒𝑙 𝑎𝑟𝑐𝑜 𝐷𝐶 − 𝐴2
𝑋𝐴1−𝐴2 − 𝑙𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑞𝑢𝑒 𝑝𝑢𝑑𝑜 𝑚𝑎𝑛𝑑𝑎𝑟 𝑎 𝑡𝑟𝑎𝑣é𝑠 𝑑𝑒𝑙 𝑎𝑟𝑐𝑜 𝐴1 − 𝐴2

SALE (+)
ENTRADA (-)
PROGRAMACION LINEAL
MINZ= 200𝑋𝐹1−𝐹2 + 400𝑋𝐹1−𝐷𝐶 +900𝑋𝐹1−𝐴1 +300𝑋𝐹2−𝐷𝐶 +100𝑋𝐷𝐶−𝐴2 +300𝑋𝐴1−𝐴2 +200𝑋𝐴2−𝐴1
S.A
NODO (F1) 𝑋𝐹1−𝐹2 +𝑋𝐹1−𝐷𝐶 +𝑋𝐹1−𝐴1 =50
NODO (F2) −𝑋𝐹1−𝐹2 +𝑋𝐹2−𝐷𝐶 =40
NODO (DC) −𝑋𝐹1−𝐷𝐶 −𝑋𝐹2−𝐷𝐶 +𝑋𝐷𝐶−𝐴2 =0
NODO (A1) −𝑋𝐹1−𝐴1 +𝑋𝐴1−𝐴2 − 𝑋𝐴2−𝐴1 =-30
NODO (A2) −𝑋𝐷𝐶−𝐴2 −𝑋𝐴1−𝐴2 +𝑋𝐴2−𝐴1 =-60
Uij 𝑋𝐹1−𝐹2 ≤10
𝑋𝐷𝐶−𝐴2 ≤80
(𝑋𝐹1−𝐹2 , 𝑋𝐹1−𝐷𝐶 ,𝑋𝐹1−𝐴1 ,𝑋𝐹2−𝐷𝐶 , 𝑋𝐷𝐶−𝐴2 ,𝑋𝐴1−𝐴2 , 𝑋𝐴2−𝐴1 ) ≥ 0
𝑋𝐹1−𝐹2 = 0
𝑋𝐹1−𝐷𝐶 = 40
𝑋𝐹1−𝐴1 = 10
𝑋𝐹2−𝐷𝐶 = 40
𝑋𝐷𝐶−𝐴2 = 80
𝑋𝐴1−𝐴2 = 0
𝑋𝐴2−𝐴1 = 20
Z=49000
MODELO DE TRANSPORTE
Origen Destino 1 Destino 2 Destino 3 Destino m Oferta

/Destino
Origen 1 $C11 $C12 $C13 $C1m 100
X11 X12 X13 X1m
Origen 2 C21 C22 C23 C2m 50
X21 X22 X23 X2m
Origen 3 C31 C32 C33 C3m 50
X31 X32 X33 X3m
Origen n Cn1 Cn2 Cn3 Cnm 100
Xn1 Xn2 Xn3 Xnm
Demanda 50 50 100 100 Suma=300
Suponiendo
Que de cada origen puede enviar a n destinos
Factores que intervienen en el costo
• Distancia
• Tiempo
• Tecnología
• Mantenimiento al vehículo
• Infraestructura
• Recursos humanos
• Recursos materiales
Principio
Oferta = Demanda
Modelo de Programación lineal
Z= Costos de transportación
𝑋𝑖𝑗 - La cantidad de unidades a transportar del origen i al destino j

𝑛
𝑀𝑖𝑛 𝑍 = ∑ 𝐶𝑖𝑗 𝑋𝑖𝑗

𝑖=1 𝑗=1
Sujeto a
Restricciones tienen que ver con la oferta y la demanda
Origen:
𝑏𝑖 − 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒 𝑒𝑛 𝑙𝑜𝑠 𝑜𝑟𝑖𝑔𝑒𝑛𝑒𝑠
𝑋11 + 𝑋12 + 𝑋13 + ⋯ 𝑋1𝑚 = 𝑏1
𝑋21 + 𝑋22 + 𝑋23 + ⋯ 𝑋2𝑚 = 𝑏2

𝑋31 + 𝑋32 + 𝑋33 + ⋯ 𝑋3𝑚 = 𝑏3
𝑋𝑛1 + 𝑋𝑛2 + 𝑋𝑛3 + ⋯ 𝑋𝑛𝑚 = 𝑏𝑖
Destino:
𝑏𝑗 − 𝑟𝑒𝑞𝑢𝑒𝑟𝑖𝑚𝑖𝑒𝑛𝑡𝑜𝑠 𝑒𝑛 𝑙𝑜𝑠 𝑑𝑒𝑠𝑡𝑖𝑛𝑜𝑠
𝑋11 + 𝑋21 + 𝑋31 + ⋯ 𝑋𝑛1 = 𝑏1

𝑋12 + 𝑋22 + 𝑋32 + ⋯ 𝑋𝑛2 = 𝑏2
𝑋13 + 𝑋23 + 𝑋33 + ⋯ 𝑋𝑛3 = 𝑏3

𝑋1𝑚 + 𝑋2𝑚 + 𝑋3𝑚 + ⋯ 𝑋𝑛𝑚 = 𝑏𝑗
Condición de no negatividad
(𝑋𝑖𝑗 ) ≥ 0 𝑖 = 1,2,3, … 𝑛 𝑗 = 1,2,3, … 𝑚
Características del problema del transporte
a) Se origina en fuentes de suministro (almacenes), donde existe disponible un determinado

inventario fijo de un artículo.
b) Son mandados directamente a su destino final, en donde existe la necesidad de una
cantidad fija del articulo
c) Agotan los inventarios y satisfacen las demandas, es decir, la demanda total iguala a la
oferta total
d) EL costo total es proporcional a la cantidad embarcada y el costo total es la suma de los
costos individuales.
Objetivo:
Transportar los artículos del origen i al destino j con el menor costo, de manera que se cubra la
demanda de los destinos.
METODO DE APROXIMACIÓN VOGUEL
Paso1. Construir la tabla de costos
Paso 2. Calcule la diferencia de cada renglón y columna
Paso 3. Seleccione el renglón o columna con la mayor diferencia (cliente l)
Paso 4. Asigne tanto como sea posible a la celda con menor costo en ese renglón o columna
Paso 5. Repita el paso 2, hasta terminar con todas las asignaciones
METODO OPTIMIZACION (RUSSELL)
Paso 1. Aplique el método de la esquina noroeste
Paso 2. Calcular ui y vj
𝐶𝑖𝑗 = 𝑈𝑖 + 𝑉𝑗
𝑈1 = 0. Se escoge el renglón o columna que contenga más variables básicas.
Paso 3 calcular la variable entrada (elegir de las variables no básicas)
𝐶𝑖𝑗 = 𝑈𝑖 + 𝑉𝑗 = 0
𝐶𝑖𝑗 − 𝑈𝑖 − 𝑉𝑗 = 0
𝑥𝑒 = 𝑀𝐼𝑁[𝐶𝑖𝑗 − 𝑈𝑖 − 𝑉𝑗 ] < 0
Paso 4. Calcular la variable salida
Formar un ciclo apoyándome de las variables básicas (vértices)
Eligiendo la 𝜃 minima
Paso 5. Incremento el valor de 𝜃 en x unidades
Paso 6. Calcular el valor de z
Paso 7. Termina el proceso cuando
𝑥𝑒 = 𝑀𝐼𝑁[𝐶𝑖𝑗 − 𝑈𝑖 − 𝑉𝑗 ] ≥ 0
MODELO DE PROGRAMACIÓN LINEAL.
𝑋11 = 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑞𝑢𝑒 𝑠𝑒 𝑑𝑒𝑏𝑒𝑛 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑎𝑟 𝑑𝑒𝑙 𝑜𝑟𝑖𝑔𝑒𝑛 1 𝑎𝑙 𝑑𝑒𝑠𝑡𝑖𝑛𝑜 1.
Z= COSTO TOTAL.
𝑀𝐼𝑁𝑍 = 3𝑋11 + 𝑋12 + 6𝑋13 + 4𝑋14 + 2𝑋1 + 4𝑋21 + 3𝑋22 + 2𝑋23 + 4𝑋24 + 3𝑋2 + 8𝑋31
+ 𝑋32
SUJETO A:
𝑋11 + 𝑋21 + 𝑋31 + 𝑋41 = 3 (𝐷𝐸𝑆𝑇𝐼𝑁𝑂 1)
𝑋12 + 𝑋22 + 𝑋32 + 𝑋42 = 3 (𝐷𝐸𝑆𝑇𝐼𝑁𝑂 2)

𝑋13 + 𝑋23 + 𝑋33 + 𝑋43 = 2 (𝐷𝐸𝑆𝑇𝐼𝑁𝑂 3)
𝑋14 + 𝑋24 + 𝑋34 + 𝑋44 = 2 (𝐷𝐸𝑆𝑇𝐼𝑁𝑂 4)

𝑋11 + 𝑋12 + 𝑋13 + 𝑋14 + 𝑋1 = (𝑂𝑅𝐼𝐺𝐸𝑁 1)
𝑋21 + 𝑋22 + 𝑋23 + 𝑋24 + 𝑋2 = 2 (𝑂𝑅𝐼𝐺𝐸𝑁 2)
𝑋31 + 𝑋32 + 𝑋33 + 𝑋34 + 𝑋3 = 3 (𝑂𝑅𝐼𝐺𝐸𝑁 3)
(𝑋11 , 𝑋12 , 𝑋13 , 𝑋14 , 𝑋1 , 𝑋21 , 𝑋22 , 𝑋23 , 𝑋24 , 𝑋2 , 𝑋31 , 𝑋32 , 𝑋33 , 𝑋34 ) ≥ 0
ARREGLO RECTANGULAR
ORIGEN\DESTINO 1 2 3 4 RECURSOS
1 𝑋11 𝑋12 𝑋13 𝑋14 5
3 7 6 4
2 𝑋21 𝑋22 𝑋23 𝑋24 2
2 4 3 2
3 𝑋31 𝑋32 𝑋33 𝑋34 3
4 3 8 5
DEMANDA 3 3 2 2 10
(𝑋11 , 𝑋12 , 𝑋13 , 𝑋14 , 𝑋1 , 𝑋21 , 𝑋22 , 𝑋23 , 𝑋24 , 𝑋2 , 𝑋31 , 𝑋32 , 𝑋33 , 𝑋34 , ) ≥ 0
METODO DE RUSELL
PRIMERO
OBTENEMOS LA SOLUCIÓN POR EL METODO DE LA ESQUINA NOROESTE.
1 𝑋11 = 3 𝑋12 =2 𝑋13 𝑋14 5/2/0
3 7 6 4
2 𝑋21 𝑋22 =1 𝑋23 =1 𝑋24 2/1/0
2 4 3 2
3 𝑋31 𝑋32 𝑋33 =1 𝑋34 =2 3/2/0
4 3 8 5
DEMANDA 3/0 3/1/0 2/1/0 2/0 10
Q
HEMOS CONCLUIDO CON LAS ITERACIONES, PROCEDEMOS A OBTENER EL

COSTO TOTAL
𝒁 = (𝟑 ∗ 𝟑) + (𝟐 ∗ 𝟕) + (𝟏 ∗ 𝟒) + (𝟑 ∗ 𝟏) + (𝟖 ∗ 𝟏) + (𝟐 ∗ 𝟓) = 𝟒𝟖
PASO 2: CALCULAR Ui Y Vj
Recordemos que:
𝐶𝑖𝑗 = 𝑈𝑖 + 𝑉𝑗
1 𝑋11 = 3 𝑋12 =2 𝑋13 𝑋14 5
3 7 6 4
2 𝑋21 𝑋22 =1 𝑋23 =1 𝑋24 2
2 4 3 2
3 𝑋31 𝑋32 𝑋33 =1 𝑋34 =2 3
4 3 8 5
DEMANDA 3 3 2 2 10
Verificando entre los renglones y columnas el número de variables básicas partimos del renglón 1
la cual contiene las mismas variables, por lo tanto, U1=0.
1 𝑋11 = 3 𝑋12 =2 𝑋13 𝑋14 5
3 7 6 4 U1=0
2 𝑋21 𝑋22 =1 𝑋23 =1 𝑋24 2
2 4 3 2 U2=-3
3 𝑋31 𝑋32 𝑋33 =1 𝑋34 =2 3
4 3 8 5 U3=2
DEMANDA 3 3 2 2 10
V1=3 V2=7 V3=6 V4=3
C11 = U1 + V1 = 3 = 0 + V1, entonces V1 = 3

C12 = U1 + V2 = 7 = 0 + V2, entonces V2 = 7
C22 = U2 + V2 = 4 = U2 + 7, entonces U2 = -3
C23 = U2 + V3 = 3 = -3 + V3, entonces V3 = 6
C33 = U3 + V3 = 8 = U3 + 6, entonces U3 = 2
C34 = U3 + V4 = 5 = 2 + V4, entonces V4 = 3
PASO 3: CALCULAR LA VARIABLE ENTRADA (ELEGIR DE LAS VARIABLES NO BASICAS).
𝑥𝑒 = 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒 𝑒𝑛𝑡𝑟𝑎𝑑𝑎
1 𝑋11 = 3 𝑋12 =2 𝑋13 𝑋14 5
3 7 6 4 U1=0
2 𝑋21 𝑋22 =1 𝑋23 =1 𝑋24 2
2 4 3 2 U2=-3
3 𝑋31 𝑋32 𝑋33 =1 𝑋34 =2 3
4 3 8 5 U3=2
DEMANDA 3 3 2 2 10
V1=3 V2=7 V3=6 V4=3
𝑋13−𝑈1−𝑉3 =6-0-6=0
𝑋14−𝑈1−𝑉4 =4-0-3=1
𝑋21 -U2-V1=2-(-3)-3=2
𝑋24 −𝑈2−𝑉4 =2-(-3)-3=2
𝑋31−𝑈3−𝑉1 =4-2-3= -1
𝑋32−𝑈3−𝑉2 =3-2-7= -6
Comparando los resultados obtenemos que:
𝒙𝒆 = 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒅𝒆 𝒆𝒏𝒕𝒓𝒂𝒅𝒂 = 𝑿𝟑𝟐 = −𝟔
PASO 4. CALCULAR LA VARIABLE SALIDA
FORMAR UN CICLO APOYANDOME DE LAS VARIABLES BASICAS (VERTICES)
1 𝑋11 = 3 𝑋12 =2 𝑋13 0 𝑋14 1 5
3 7 6 4 U1=0
2 𝑋21 2 𝑋22 =1 𝑋23 =1 𝑋24 2
2 1- 𝜃 1+ 𝜃 2 U2=-3
4 3
3 𝑋31 -1 𝑋32 -6 𝑋33 =1 𝑋34 =2 3
4 𝜃 1- 𝜃 5 U3=2
3 8
DEMANDA 3 3 2 2 10
V1=3 V2=7 V3=6 V4=3
Introducimos 𝜃 en la celda de la variable de entrada, quedando las variables de la siguiente

forma:
1 − 𝜃 = 0, 𝜃 = 1 𝑀𝐼𝑁𝐼𝑀𝑂
1 − 𝜃 = 0, 𝜃=1
PASO 5. INCREMENTO EL VALOR DE 𝜽 EN 1 UNIDADES
ITERACION 2
1 𝑋11 = 3 𝑋12 =2 𝑋13 0 𝑋14 1 5
3 7 6 4 U1=0
2 𝑋21 2 𝑋22 =1 𝑋23 =1 𝑋24 2 2
2 0 2 3 2 U2=-3
4
3 𝑋31 -1 𝑋32 -6 𝑋33 =1 𝑋34 =2 3
4 1 3 0 5 U3=2
8
DEMANDA 3 3 2 2 10
V1=3 V2=7 V3=6 V4=3
Z = (3*3) + (7*2) + (6*0) + (4*0) + (2*0) + (4*0) + (3*2) + (2*0) + (4*0) + (3*1) + (8*0) +
(5*2)=42
ITERACION 3
Realizamos el mismo procedimiento.
1 𝑋11 = 3 𝑋12 =2 𝑋13 0 𝑋14 1 5
3 7 6 4 U1=0
2 𝑋21 2 𝑋22 =6 𝑋23 =2 𝑋24 2 2
2 3 2 U2=-3
4
3 𝑋31 -1 𝑋32 =1 𝑋33 =0 𝑋34 =2 3
4 1 3 0 5 U3=2
8
DEMANDA 3 3 2 2 10
V1=3 V2=7 V3=6 V4=3
Verificando entre los renglones y columnas el número de variables básicas, partimos del renglón 3
la cual contiene tres variables básicas, por lo tanto, U2=0.
C11 = U1 + V1 = 3 = 0 + V1, entonces V1 = 3

C12 = U1 + V2 = 7 = 0 + V2, entonces V2 = 7
C13 = U1 + V3 = 6 = 0 + V3, entonces V3 = 6
C23 = U2 + V3 = 3 = U2 + 6, entonces U2 = -3
C32 = U3 + V2 = 3 = U3 + 7, entonces U3 = -4
C34 = U3 + V4 = 5 = -4 + V4, entonces V4 = 9
CALCULAR LA VARIABLE ENTRADA (ELEGIR DE LAS VARIABLES NO BASICAS).
𝑥𝑒 = 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒 𝑒𝑛𝑡𝑟𝑎𝑑𝑎
C14 - U1 – V3 = 4 - 0 - 9 = -5
C21 - U2 – V1 = 2 - (-3) - 3 = 2
C22 - U2 – V2 = 4 - (-3) – 7 = 0
C24 - U2 – V4 = 2 - (-3) - 9 = -4
C31 - U3 - V1 = 4 – (-4) – 3 = 5
C33 – U3 – V4 = 8 – (-4) – 6 = 6
Comparando los resultados obtenemos que:

𝒙𝒆 = 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒅𝒆 𝒆𝒏𝒕𝒓𝒂𝒅𝒂 = 𝑿𝟒𝟐 = −𝟓
FORMAR UN CICLO APOYANDOME DE LAS VARIABLES BASICAS (VERTICES)
1 𝑋11 = 3 𝑋12 =2 𝑋13 0 𝑋14 -5 5
3 7 6 4 U1=0
2 𝑋21 2 𝑋22 =0 𝑋23 =2 𝑋24 -4 2
2 3 2 U2=-3
4
3 𝑋31 5 𝑋32 =1 𝑋33 =6 𝑋34 =2 3
4 1 3 0 5 U3=-4
8
DEMANDA 3 3 2 2 10
V1=3 V2=7 V3=6 V4=9
Introducimos 𝜃 en la celda de la variable de entrada, quedando las variables de la siguiente

forma:
2 – θ = 2, θ = 2 (MINIMO)
2 – θ = 0, θ = 2
INCREMENTO EL VALOR DE 𝜽 EN 2 UNIDADES
1 𝑋11 = 3 𝑋12 𝑋13 =0 𝑋14 = 2 5
3 2- θ 6 θ U1=0
7 4
2 𝑋21 2 𝑋22 =0 𝑋23 =2 𝑋24 -4 2
2 3 2 U2=-3
4
3 𝑋31 5 𝑋32 =3 𝑋33 =6 𝑋34 =0 3
4 2+θ 0 2- θ U3=-4
3 8 5
DEMANDA 3 3 2 2 10
V1=3 V2=7 V3=6 V4=9
Z = (3*3) + (7*0) + (6*0) + (4*2) + (2*0) + (4*0) + (3*2) + (2*0) + (4*0) + (3*3) + (8*0) +
(5*0)=32
SI OBSERVAMOS LOS VALORES DE LAS VARIABLES NO BASICAS TODAS CUENTAN CON
UN VALOR POSITIVO, POR LO TANTO, HEMOS LLEGADO A LA SOLUCIÓN OPTIMA.
QM

Libro Investigación de OPeraciones Israel Alanis

Cargado por

Copyright:

Formatos disponibles

Libro Investigación de OPeraciones Israel Alanis

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Libro Investigación de OPeraciones Israel Alanis

Cargado por

Copyright:

Formatos disponibles

M.

en Administración Israel Alanis Terán Investigación de Operaciones I

Historia de la investigación de operaciones

¿Qué es la investigación de operaciones?

La investigación de operaciones es la aplicación, por grupos interdisciplinarios, del método científico

La investigación de operaciones es el ataque de la ciencia moderna a los complejos problemas que

Metodología de la Investigación de Operaciones

Enfoque de la Investigación de Operaciones

Icónicos(representación física, a escala reducida o aumentada)

Un modelo matemático comprende principalmente tres conjuntos básicos de elementos.

3. Función objetivo. Medida de efectividad del sistema

Técnicas utilizadas en la Investigación de Operaciones son:

Impacto de la investigación de operaciones

Limitaciones de la investigación de operaciones

Existe la tendencia a no considerar la totalidad de las restricciones en un problema practico, debido

Si todos los coeficientes son positivos cando 𝑍– 𝐶1 𝑋1 – 𝐶2 𝑋2 – … 𝐶𝑛 𝑋𝑛 = 0, debemos terminar aquí

Desigualdad con sentido inverso

(𝑋1 , 𝑋2 , 𝑋ℎ1 , 𝑋ℎ2 , 𝑋ℎ3 , 𝑋ℎ4 , 𝑋𝑎 ) ≥ 0

𝑀𝑎𝑥 𝑍 = 3𝑋1 + 𝑋2 − 𝑀𝑋𝑎

4.-Igualdades en las restricciones.

5.-Variables no restringidas en signo.

𝑀𝑎𝑥 𝑍 = 𝑋1´ − 𝑋1" + 2𝑋2

𝑋1´ − 𝑋1" ≤ 600

Nota: 𝑋1´ y 𝑋1" nunca pueden estar juntas en la base.

VB Z X1´ X1¨ X2 XH1 XH2 XH3 B ф

VB Z X1´ X1¨ X2 XH1 XH2 XH3 B ф

VB Z X1´ X1¨ X2 XH1 XH2 XH3 B ф

6.- Empate en la variable de entrada

9.-Ausencia de soluciones factibles.

10.Solución óptima sin límite.

VB Z X1 X2 X3 X4 XH1 XH2 XH3 B ф

Nota: 𝑏𝑗 puede ser negativa y está permitida.

En general, las siguientes leyes de correspondencia se aplican entre el primo – dual

• Relación entre el modelo primo y su dual

MODELO PRIMO MODELO DUAL

Sí (𝑋1 , 𝑋2 , … 𝑋𝑛 ) y (𝑌1 , 𝑌2 , … 𝑌𝑛 ) son soluciones factibles del problema primo y dual

Metodología Simplex Dual

Z 1 600 0 1200 0 +300 -600

Z 1 200 0 0 400 +300 -600

Análisis de sensibilidad y precio sombra

Cálculo del precio sombra de una restricción con el método gráfico.

Punto F (166.7,350) Punto B (0,350)

𝑀𝑎𝑥 = 3𝑥 + 8𝑦 𝑀𝑖𝑛𝑍 = 1600𝑦1 + 1 00𝑦2 + 3 0𝑦3

𝑀𝑎𝑧 (−𝑍) = −1600𝑦1 + 1 00𝑦2 − 3 0𝑦3

v.b −𝑍 𝑦1 𝑦2 𝑦3 𝑦ℎ1 𝑦ℎ2

−𝑍 1 2 400 0 100 +350 -3100

Mover la restricción 2 en un punto máximo y mínimo

El punto máximo al que me desplazo es G(0,30)

Comparar entre los punto A, G y D

Comparar entre los punto A, B y E

Ruta más corta

Paso 2. Encontrar la distancia mas corta. Seleccionamos el arco y lo encerramos en un círculo.

Paso 3. Dibuje el camino de la distancia más corta y obtenga el valor mínimo.

NODO O NODO A NODO B NODO C NODO D NODO E NODO F NODO G

MINIMO ARBOL DE EXPANSION

TACHAMIOS AB-3 Y BA-3 (SUBRAYAR) PORQUE FORMAN CICLOS

-El flujo que llega es igual al que sale de un nodo.

Método de solución para el flujo máximo.

DETERMINAR EL FLUJO MAXIMO DEL NODO 0 AL NODO 4

FLUJO DE COSTO MINIMO