MODULO I GENERAL INVESTIGACION DE OPERACIONES

UNIVERSIDAD SANTIAGO DE CALI

FACULTAD CIENCIAS ECONOMICAS Y EMPRESARIALES
ELABORADO POR: PREOFESOR: JUAN C. PORTOCARRERO CUERO

1.1 MATRICES

Una matriz es una tabla ordenada de escalares aij de la forma

 

 
La matriz anterior se denota también por (aij), i =1, ..., m, j =1, ..., n, o simplemente
por (aij).
Los términos horizontales son las filas de la matriz y los verticales son sus
columnas. Una matriz con m filas y n columnas se denomina matriz m por n, o
matriz m  n.  
Las matrices se denotarán usualmente por letras mayúsculas, A, B, ..., y los
elementos de las mismas por minúsculas, a, b, ...  
Ejemplo:

donde sus filas son (1, -3, 4) y (0, 5, -2) y sus

 
TIPOS DE MATRICES
Según el aspecto de las matrices, éstas pueden clasificarse en:  
 
Matrices cuadradas  
Una matriz cuadrada es la que tiene el mismo número de filas que de columnas.
Se dice que una matriz cuadrada n  n es de orden n y se denomina matriz n-
cuadrada.  
Ejemplo: Sean las matrices

 
Entonces, A y B son matrices cuadradas de orden 3 y 2 respectivamente.  
 
DETERMINANTE
AMPLIANDO COLUMNAS
1 2 -3 1 2
4 0 5 4 0
3 -1 2 3 -1

1
 (1 X 0 X 2) + 2 X 5 X 3 + (-3 X 4 X -1) - (3X0X3) +(1 X 5 X -1) + (2 X 4 X 2)=

42 – 11 = 31

AMPLIANDO FILAS:

1 2 -3
4 0 5
3 -1 2
1 2 -3
4 0 5

((1X0X2)+(4X-1X-3)+(3X2X5)) – ((-3X0X3)+(5X-1X1)+(2X2X4))= 42-11 =31

Matriz identidad  
Sea A = (ai j ) una matriz n-cuadrada. La diagonal (o diagonal principal) de A
consiste en los elementos a11, a22, ..., ann. La traza de A, escrito tr A, es la suma de
los elementos diagonales.  
La matriz n-cuadrada con unos en la diagonal principal y ceros en cualquier otra
posición, denotada por I, se conoce como matriz identidad (o unidad). Para
cualquier matriz A,  
A· I = I ·A = A.  
 
Matrices triangulares  
Una matriz cuadrada A = (ai j ) es una matriz triangular superior o simplemente una
matriz triangular, si todas las entradas bajo la diagonal principal son iguales a
cero. Así pues, las matrices

son matrices triangulares superiores de órdenes 2, 3 y 4.

  
Matrices diagonales  
Una matriz cuadrada es diagonal, si todas sus entradas no diagonales son cero o
nulas. Se denota por D = diag (d11, d22, ..., dnn ). Por ejemplo,  

 
son matrices diagonales que pueden representarse, respectivamente, por
    diag(3,-1,7) diag(4,-3) y diag(2,6,0,-1).

 
TRASPUESTA DE UNA MATRIZ 
2
La traspuesta de una matriz A consiste en intercambiar las filas por las
columnas y se denota por AT.  
Así, la traspuesta de

En otras palabras, si A = (ai j ) es una matriz m  n, entonces AT = es la

matriz n  m. La trasposición de una matriz cumple las siguientes propiedades:
1. (A + B)T = AT + BT.
2. (AT)T = A.
3. (kA)T = kAT (si k es un escalar).
4. (AB)T = BTAT.
 
Matrices simétricas  
Se dice que una matriz real es simétrica, si AT = A; y que es antisimétrica,
si AT = -A.  
Ejemplo:  
Consideremos las siguientes matrices:

Podemos observar que los elementos simétricos de A son iguales, o que AT =

A. Siendo así, A es simétrica.
Para B los elementos simétricos son opuestos entre sí, de este modo B es
antisimétrica.
A simple vista, C no es cuadrada; en consecuencia, no es ni simétrica ni
antisimétrica.
 
Matrices ortogonales  
Se dice que una matriz real A es ortogonal, si AAT = AT A = I. Se observa que
una matriz ortogonal A es necesariamente cuadrada e invertible, con inversa A-
1
= AT .  
Consideremos una matriz 3  3 arbitraria:

Si A es ortogonal, entonces:

 
Matrices normales  
Una matriz es normal si conmuta con su traspuesta, esto es, si AAT = ATA.
Obviamente, si A es simétrica, antisimétrica u ortogonal, es necesariamente
normal.  
Ejemplo:

3
  

Puesto que AAT = ATA, la matriz es normal

SUMA Y RESTA DE MATRICES
 
Para poder sumar o restar matrices, éstas deben tener el mismo número de filas
y de columnas. Es decir, si una matriz es de orden 3  2 y otra de 3  3, no se
pueden sumar ni restar. Esto es así ya que, tanto para la suma como para la
resta, se suman o se restan los términos que ocupan el mismo lugar en las
matrices.  
Ejemplo:
 

Para sumar o restar más de dos matrices se procede igual. No necesariamente

para poder sumar o restar matrices, éstas tienen que ser cuadradas.  
Ejemplo:

 
PRODUCTO DE MATRICES 
Para poder multiplicar dos matrices, la primera debe tener el mismo número
de columnas que filas la segunda. La matriz resultante del producto quedará
con el mismo número de filas de la primera y con el mismo número de
columnas de la segunda.  
Es decir, si tenemos una matriz 2  3 y la multiplicamos por otra de orden 3 
5, la matriz resultante será de orden 2  5.  

4
(2  3)  (3  5) = (2  5)  
Se puede observar que el producto de matrices no cumple la propiedad
conmutativa, ya que en el ejemplo anterior, si multiplicamos la segunda por
la primera, no podríamos efectuar la operación.  
3  5 por 2  3,
puesto que la primera matriz no tiene el mismo número de columnas que
filas la segunda.  
Supongamos que A = (ai j ) y B = (bi j ) son matrices tales que el número de
columnas de A coincide con el número de filas de B; es decir, A es una
matriz m  p y B una matriz p  n. Entonces el producto AB es la matriz m 
n cuya entrada ij se obtiene multiplicando la fila i de A por la columna j de B.  
Esto es,
 

Ejemplo:  
1.

  
2.

 
Producto por un escalar
  El producto de un escalar k por la matriz A, escrito k·A o simplemente kA,
es la matriz obtenida multiplicando cada entrada de A por k:  

  
Ejemplo:

Entonces:

 
DIVISIÓN DE MATRICES 
La división de matrices se define como el producto del numerador
multiplicado por la matriz inversa del denominador. Es decir, sean las
matrices A y B tal que A/B = AB-1:  
Si una matriz está dividida entre un escalar, todos los términos de la
matriz quedarán divididos por ese escalar.  

5
 Ejemplo:  

MATRICES INVERTIBLES
Se dice que una matriz cuadrada A es invertible, si existe una matriz B con la propiedad
de que  
AB = BA = I  
siendo I la matriz identidad. Denominamos a la matriz B la inversa de A y la denotamos
por A-1.  
Ejemplo:  

 
 
Puesto que AB = BA = I, A y B son invertibles, siendo cada una la inversa de la otra
MÉTODO DE GAUSS 
Sea A = (ai j ) una matriz cuadrada de orden n. Para calcular la matriz inversa de A, que
denotaremos como A-1, seguiremos los siguientes pasos:
 
Paso 1. Construir la matriz n  2n M = (A I ) esto es, A está en la mitad izquierda de M y
la matriz identidad I en la derecha.  
Paso 2. Se deja tal y como está la primera fila de M, y debajo del primer término de la
diagonal principal, a11, que llamaremos pivote, ponemos ceros. Luego se opera como se
indica en el siguiente ejemplo.  
Ejemplo:  
Consideremos una matriz 3  3 arbitraria
 

Paso 1.

Paso 2.

 
El siguiente paso es igual que el anterior, pero esta vez se coge como pivote el segundo
6
término de la diagonal principal.  
Al llegar al último término de la diagonal, se procede igual que antes, pero poniendo los
ceros encima del nuevo pivote. Se observa que al coger como pivote el último término
de la diagonal, la matriz A se transforma en una matriz triangular.  
Una vez realizados todos los pasos, la mitad izquierda de la matriz M se convierte en
una matriz diagonal. En este momento hay que proceder a transformar, si es que no lo
está, la mitad izquierda en la matriz identidad, dividiendo si fuera necesario las filas de
M por un escalar.
Ejemplo:
Supongamos que queremos encontrar la inversa de

 
Primero construimos la matriz M = (A I),
 

 
La mitad izquierda de M está en forma triangular, por consiguiente, A es invertible. Si
hubiera quedado toda una fila con ceros en la mitad A de M, la operación habría
terminado (A no es invertible).
A continuación, cogemos como pivote a33, ponemos ceros encima de éste y seguimos
operando hasta que nos quede una matriz diagonal.
 

Ya que la matriz colocada en la mitad izquierda es diagonal, no hay que operar más.
Transformamos la matriz diagonal en una matriz identidad; para ello hay que dividir la
segunda fila entre -1:

La matriz que ha quedado en la mitad derecha de M es precisamente la matriz inversa

7
de A:

Para comprobar si el resultado es correcto, se procede a multiplicar AA-1, teniendo que

dar como resultado la matriz identidad I.
Comprobación:
AA-1 = I
 

 
EJERCICIOS CON MATRICES
 Sean

a) ¿Qué clase de matrices son?

b) Calcular:
- A - B + C.
A + B - C.
3A + C/2.  
c) Calcular:
(A · B) /C.  
d) Calcular la inversa de A (A-1) y comprobar el resultado.
 
Resolución:  
a) Las tres matrices son cuadradas y de orden tres. A su vez, B es una matriz
triangular, ya que todas las entradas debajo de la diagonal principal son ceros, y
C es antisimétrica porque los elementos simétricos son opuestos entre sí.
 
b)

8
 

 
c)    Puesto que (A B) /C = A B C-1, calcularemos primero la inversa de C y
luego haremos el producto.
 

 
 Dividimos la primera fila entre -6, la segunda entre 3 y la tercera entre -3 para
que en la mitad izquierda quede la matriz identidad,
 

 
 Por lo tanto, la matriz inversa de C es:
 

 
 A continuación, se calcula el producto de las matrices A y B,

9
 

 
 Por último, calculamos (AB)C-1.
 

=
 
 Sacando factor común 1/3, el resultado puede escribirse como:
 

 
d)    Primero se construye la matriz M = (A I) y luego se va desarrollando por
Gauss. Así pues:  
 

 
 Se simplifica un poco para que las operaciones no sean tan costosas, dividiendo
la tercera fila entre cuatro. De este modo, se tiene  

10
 . 
Se vuelve a simplificar, dividiendo la primera fila entre dos y la segunda entre
cuatro,
 

. 
 Puesto que ya ha quedado una matriz diagonal en la mitad izquierda de M, se
procede a transformar esta mitad izquierda en una matriz identidad, dividiendo la
primera fila entre -3042, la segunda entre -78 y la tercera entre 39,
 

  Así pues, la matriz que ha quedado en la mitad derecha es precisamente la

matriz identidad, que sacando factor común 1/78 se puede escribir como:  

   Para comprobar el resultado, la matriz inversa de A o A-1, tiene que cumplir

AA-1 = I.
 
Procedamos a la comprobación:  
 

 
 
MATRICES Y SISTEMAS DE ECUACIONES LINEALES
La matriz ampliada M de un sistema de m ecuaciones con n incógnitas es la
siguiente:
 

11
Cada fila de M corresponde a una ecuación del sistema y cada columna a los
coeficientes de una incógnita, excepto la última, que corresponde a las
constantes del sistema.  
Un sistema de ecuaciones lineales puede resolverse trabajando con su matriz
ampliada, específicamente, reduciéndola a forma escalonada mediante el
proceso de Gauss.  
Método de Gauss  
Para resolver sistemas de ecuaciones lineales, se aplica el método de Gauss.
Este proceso se ilustra en el siguiente ejemplo.
Ejemplo:
Sea el sistema,

 
su matriz ampliada asociada es
 

 
Ahora resolvemos por el método de Gauss sabiendo que la primera columna
corresponde a los coeficientes de la x, la segunda a los de la y, la tercera a los
de la z y la cuarta a los términos independientes:
 

 
De este modo, el sistema tiene la solución única  
x = 2, y = -1, z = 3.
 
La resolución de sistemas de ecuaciones lineales por matrices, aplicando el
método de Gauss u otros, es una de las múltiples aplicaciones que tienen éstas.
Ejercicio:
 Hallar el valor de x, y, z, t en los siguientes sistemas de ecuaciones lineales
aplicando matrices:  

 
a) La matriz M asociada al sistema de ecuaciones es:  

12
  
La tercera fila se suprime, puesto que es múltiplo de la segunda y resultaría una
fila nula. Así, el sistema queda formado por dos ecuaciones con cuatro
incógnitas:  

 
La solución del sistema es compatible e indeterminado, esto es, tiene infinitas
soluciones.  
x = -9 - y + 10t
z = 7t - 7 ó (- 9 - y + 10t, y, 7t - 7, t).
Dependiendo de qué valores se escojan para y y t, salen distintos resultados.
Así, para y = t = 0 tendremos la solución del sistema
x = -9, y = 0, z = -7, t = 0.  
 
b) La matriz M asociada al sistema de ecuaciones es:  

 
No hay necesidad de continuar calculando nada más, puesto que la matriz
escalonada ya nos indica que el sistema es incompatible (SI), es decir, que no
tiene solución. Específicamente, la tercera fila de la matriz escalonada
corresponde a la ecuación  
0x + 0y + 0z + 0t = -5
obteniendo como resultado 0 = -5, que es absurdo. Por lo tanto, decimos que
no tiene solución.
 
DETERMINANTES
A cada matriz n-cuadrada A = (ai j ) se le asigna un escalar particular denominado
determinante de A, denotado por det (A), | A | o  

 
Una tabla ordenada n  n de escalares situada entre dos líneas verticales, llamada
determinante de orden n, no es una matriz.
La función determinante apareció por primera vez en el estudio de los sistemas de
ecuaciones lineales. Veremos que es una herramienta indispensable en el estudio
13
y obtención de éstas.
DETERMINANTES DE ORDEN UNO Y DOS
Los determinantes de orden uno y dos se definen como sigue:
 
= a11  
 

 
Así, el determinante de una matriz 1  1 A = (a11) es el propio escalar a11, es decir,
det (A) = |a11| = a11.
Ejemplos:  
a) Dado que el determinante de orden uno es el mismo escalar, tenemos det (24)
= 24, det(-3) = -3, det (3x+5) = 3x+5.
 
b)

 
 

 
DETERMINANTES DE ORDEN TRES
Consideremos una matriz 3  3 arbitraria A = (ai j ). El determinante de A se define
como sigue:  
 

a12a21a33 - a32a23a11

 Ejemplo: Sean las matrices

 
Entonces, A y B son matrices cuadradas de orden 3 y 2 respectivamente.  
 
DETERMINANTE
AMPLIANDO COLUMNAS
1 2 -3 1 2
4 0 5 4 0
3 -1 2 3 -1

((1 X 0 X 2) + (2 X 5 X 3) + (-3 X 4 X -1)) - ((-3X0X3) +(1 X 5 X -1) + (2 X 4 X 2))=

42 – 11 = 31

AMPLIANDO FILAS:

14
1 2 -3
4 0 5
3 -1 2
1 2 -3
4 0 5

((1X0X2)+(4X-1X-3)+(3X2X5)) – ((-3X0X3)+(5X-1X1)+(2X2X4))= 42-11 =31

Obsérvese que hay seis productos, cada uno formado por tres elementos de la
matriz. Tres de los productos aparecen con signo positivo (conservan su signo) y
tres con signo negativo (cambian su signo).  
Para calcular los determinantes de orden tres, el siguiente diagrama puede ayudar
a resolverlos:  

 
Ejemplo:  
Calcular el valor del determinante:
 

= 24 + 20 + 0 - (-4) - 0 - (-15) = 44 + 4 + 15 = 63
 
El determinante de la matriz 3  3 A = (ai j ) puede reescribirse como:
 
det (A) = a11(a22a33 – a23a32) – a12(a21a33 – a23a31) + a13(a21a32 – a22a31) =
 

 
que es una combinación lineal de tres determinantes de orden dos, cuyos
coeficientes (con signos alternantes) constituyen la primera fila de la matriz dada.
Esta combinación lineal puede indicarse de la forma siguiente:  
 

 
Nótese que cada matriz 2  2 se obtiene suprimiendo en la matriz inicial la fila y la
columna que contienen su coeficiente.
 

15
Ejemplo:  
Para demostrar que la propiedad anterior se cumple, trabajaremos con :  

 
= 3(8+5) - 2(0-10) + 1(0+4) = 39 + 20 + 4 = 63
 
PROPIEDADES DE LOS DETERMINANTES
Las propiedades básicas del determinante son las siguientes:
 
1. El determinante de una matriz A y el de su traspuesta AT son iguales, es decir,
 
2. Sea A una matriz cuadrada,
 Si A posee dos filas (columnas) iguales, necesariamente = 0.
 Si A es triangular, esto es, A sólo tiene ceros por encima o por debajo de la
diagonal principal, entonces es igual al producto de los elementos de la
diagonal.
 
3. Supongamos que B se ha obtenido de A mediante una operación elemental
entre filas o columnas,  
 Si se han intercambiado dos filas (columnas) de A, |B| = - |A|.  
 Si se ha sumado un múltiplo de una fila (columna) a otra, entonces |B| = |A|.   
 Si se ha multiplicado una fila (columna) de A por un escalar k, |B| = k|A|.  
 
4. Sea A cualquier matriz n-cuadrada, son equivalentes los siguientes principios:  
 A es invertible, es decir, A tiene inversa A-1.
AX = 0 tiene solamente la solución trivial.
El determinante de A no es nulo: |A|  0.
 
5. El determinante es una función multiplicativa. Es decir, el determinante del
producto de matrices A y B es el producto de los determinantes: |AB| = |A| |B|.
 
6. Supongamos que A y B son matrices similares, entonces: |A| = |B|.
 
DETERMINANTES DE ORDEN ARBITRARIO
Sea A = (ann) una matriz de orden arbitrario n  n (siendo n un número par).
Para calcular el det (A) se procede de la siguiente manera:
 

16
 Los signos se van alternando según la posición que ocupen las entradas del
determinante. Es decir:  

 
Ejemplo:

 
Si observamos la matriz, podemos ver que en la tercera columna hay dos
ceros. Así pues, si cogemos las entradas de la tercera columna para calcular
el determinante, nos ahorraremos calcular dos determinantes, ya que el
producto de un determinante por cero es cero.   

 
+ = -1(-35) + 3(35) = 35 + 105 = 140.
 
EJERCICIOS CON DETERMINANTES
Calcular los siguientes determinantes:  
 

Soluciones:    

  

17
 

= 2(-6-24+16+2)+ 5(-4-24+6)-1(4+12-16-3) = -24-110+3 = -131.

 

 
 
= 1·(16+0+24-(-4)-(-30)-0) -2·(-128-2+30-(-40)-12-(-16)) = 74-2·(-56) =
= 74+112 = 186.
 
ADJUNTO DE UNA MATRIZ
Consideremos una matriz n-cuadrada A = (ai j ) sobre un cuerpo K. El adjunto de A,
denotado por adj A, es la traspuesta de la matriz de cofactores de A:  

Ejemplo:
  

Los cofactores de los nueve elementos de A son:

18
AdjA = Cof/A/T = -17 4 6 T

-11 7 3
1 -2 -3

SE PUEDE HALLAR EL DETERMINANTE DE LA MATRIZ A PARTIR DE LA

ANTERIOR MATRIZ DE COFACTORES:
-17 4 6 4 7 -2
X x x x x x
1 2 -1 2 -3 1
-17+8 -6=-15 8-21-2=-15
La traspuesta de la matriz de los cofactores anteriores proporciona el adjunto de
A:
 

 Aplicación del adjunto para hallar la matriz inversa  

Para toda matriz cuadrada A,
 
A·(adj A) = (adj A) · A = |A|I
 
De este modo, si |A|  0,  

Observemos que esta propiedad nos permite hallar por otro método la inversa de
una matriz.  
Ejemplo:
Consideremos la matriz
 

y el det A:  

Así pues, aplicando la propiedad anterior:  

  

Ejercicio:
 Calcular, por la propiedad anterior, la inversa de las siguientes matrices:  
a)

19
  
b)

a) Primero hallaremos el determinante de la matriz A:  

El siguiente paso es hallar el adjunto de la matriz B, así pues, los cofactores de los
cuatro elementos de B son:
 B11 = 5 B12 = -2
 
B21 = 1 B22= 3  
y el adjunto de B, denotado por adj B, será  

b) Empezaremos por hallar el det A,  

Los cofactores de los nueve elementos de A son:  

La traspuesta de la matriz de los cofactores anteriores proporciona el adjunto de

A:
 

Aplicando la propiedad de la matriz inversa obtenemos A-1:

 

20
 

 
CÁLCULO DEL RANGO DE UNA MATRIZ
Consideremos la matriz A = (aij):
 

 
1. El rango de la matriz A coincide con el de la matriz A' que se obtiene
suprimiendo en la matriz A todas la líneas (filas o columnas) cuyas entradas
estén sólo formadas por ceros, es decir, que sean nulas.  
2. Consideremos la matriz:  
A1 = (a11, a12, ..., a1N)  
y supongamos que

entonces :
rango (A) rango(A 1) = 1  
3. Añadimos filas de la matriz A a la matriz A1 hasta encontrar una matriz que
cumpla:  

tal que posea un menor no nulo de la forma:  

Por consiguiente,  
rango (A) rango(A 2) = 2.
 
Si esto no hubiese sido posible, entonces:   rango (A) = 1.
 
Supongamos que rango (A)  rango (A2) y que i = 2 y j = 2.
 
4. Añadimos filas a la matriz A2 hasta encontrar una matriz que cumpla:  

de forma que posea un menor de orden tres de la forma:

 

21
Entonces:
rango (A)  rango (A2) = 3.  
En caso de no haber sido posible encontrar dicho menor, entonces:
rango (A) = rango (A2) = 2.  
Suponiendo que rango (A) rango (A3) y que i = 3 y j = 3, se procedería como
en los casos anteriores, y así sucesivamente hasta agotar todas las filas de la
matriz A.
 
Ejemplos:  
a) Sea la matriz A una matriz de orden tres. Hallar el rango (A).  

Como A es una matriz cuadrada de orden tres, como máximo el rango (A)
puede valer tres. Calcularemos primero el determinante o determinantes de las
submatrices de orden dos de A. Así pues  

Ya que el resultado es cero, probaremos con todas las submatrices de A hasta

encontrar una cuyo determinante no sea cero. Si no encontramos ninguna, el
rango (A) = 1.

Puesto que el resultado de calcular el determinante de esta submatriz de A no

es nulo, podemos afirmar de momento que el rango (A) = 2.  
Añadimos ahora una columna y una fila más para ver si el rango puede ser tres:

Dado que el determinante de A no es nulo y a su vez es de orden tres, el rango

(A) = 3.
No necesariamente para poder calcular el rango de una matriz, ésta tiene que
ser cuadrada. Así, en el siguiente ejemplo:
 
b) Calcular el rango de la matriz B de orden 3  4.  

Como hay una determinante de orden dos no nulo, el rango de la matriz B es

mayor o igual que 2. Calculamos a continuación los determinantes de orden

22
 superior:
 

 
Probamos con un segundo determinante de orden tres:  

Así pues, como hay un determinante de orden tres que no es nulo, el rango (B)
= 3.
 
Un rango mayor que 3 no se puede hallar, ya que no se puede formar un determinante
de orden 4. Recuérdese que para poder calcular el determinante de una matriz o de
una submatriz, éstas tienen que ser cuadradas

 
REGLA DE CRAMER 
Los pasos a seguir para calcular los sistemas de ecuaciones según la regla de
Cramer son los siguientes:
 
1. Hallar la matriz ampliada (A b) asociada al sistema de ecuaciones, esto es:
que la primera columna esté formada por las entradas de los coeficientes de la
primera incógnita de las ecuaciones; que la segunda columna la formen las de la
segunda incógnita, y así hasta llegar a la última columna, que estará constituida
por las entradas de los términos independientes de las ecuaciones.
 
2. Calcular el determinante de A.
 
3. Aplicar la regla de Cramer, que consiste en:
 
a) ir sustituyendo la primera columna del det (A) por los términos independientes;
 
b) dividir el resultado de este determinante entre el det (A) para hallar el valor de
la primera incógnita;
 
c) continuar sustituyendo los términos independientes en las distintas columnas
para hallar el resto de las incógnitas.
 
Ejemplo:  
Sea el sistema de ecuaciones lineales formado por dos ecuaciones con dos
incógnitas:  

Encontrar el valor de x e y mediante la regla de Cramer.  

Empezaremos con el primer paso, que consiste en hallar la matriz ampliada A b
asociada al sistema de ecuaciones lineales:  

23
 El segundo paso es calcular el determinante de A. Así pues:  

Y el tercero y último paso consiste en calcular las incógnitas:  

ANÁLISIS DE LOS SISTEMAS DE ECUACIONES LINEALES

A continuación, se estudiará la manera de saber de antemano si un sistema de
ecuaciones lineales tienen o no solución y si tienen una única o infinitas soluciones.  
El estudio o discusión de los sistemas de ecuaciones se efectúa aplicando el teorema
de Rouché-Fröbenius. Éste dice que con un sistema de ecuaciones lineales pueden
ocurrir dos cosas:  
1. Que el sistema de ecuaciones sea un sistema compatible (S.C.), esto es, que
tenga solución.
 
2. Que el sistema de ecuaciones sea un sistema incompatible (S.I.) o que no tenga
solución.
 
El primer caso puede dividirse en dos:
 
a) que sea un sistema compatible y determinado (S.C.D.), esto es, que tenga una
única solución;
 
b) que el sistema sea compatible e indeterminado (S.C.I.), es decir, que tenga infinitas
soluciones.
 
Sea un sistema no homogéneo:

En consecuencia, la matriz ampliada Ab asociada al sistema de ecuaciones es:  

 

y el sistema será compatible cuando:

 
rango (A) = rango (A b),
 

24
lo que suele expresarse diciendo que el rango de la matriz de coeficientes coincide
con el rango de la matriz ampliada.  
Si el sistema anterior es compatible y  
rango (A) = rango (A b) = número de incógnitas,  
el sistema es compatible y determinado, es decir, tiene una única solución.
 
Si, por el contrario, tenemos que  
rango (A) = rango (A b) < número de incógnitas,  
el sistema es compatible e indeterminado, es decir, tiene infinitas soluciones.
 
Si rango (A)  rango (A b), el sistema es incompatible y no tiene ninguna solución.
 
Ejemplos:  
Discutir, sin resolver, los siguientes sistemas de ecuaciones:
 

 
Puesto que rango (A) = 1  rango (A b) = 2, el sistema es incompatible; no existe
ninguna solución.
 

Ya que rango (A) = rango (A b) = 2 = número de incógnitas, el sistema es compatible

y determinado; es decir, existe una única solución.
 
25
 

 
Puesto que rango (A) = rango (A b) = 1 < número de incógnitas, el sistema es
compatible e indeterminado; existen infinitas soluciones.
 
Ejercicio:
 Discutir y calcular el valor de las incógnitas de los siguientes sistemas de
ecuaciones lineales:
 

 
a)

 
Calculamos a continuación el rango de A y el rango de la matriz ampliada (A b):
 
El rango de la matriz A será:
 

 
El rango de la matriz ampliada (A b):
 

26
 
Dado que rango (A) = rango (A b) = 3 = número de incógnitas,
 
el sistema es compatible y determinado; tiene, pues, una única solución.
 
Resolvamos el sistema mediante la regla de Cramer:
 
Calculamos el det (A):
 

 
Aplicando la regla de Cramer:
 

 
x = 68/23; y = -53/23; z = -42/23.
 

27
1.2 INTRODUCCION A LA INVESTIGACION OPERACIONES
1.2.1 INVESTIGACIÓN DE OPERACIONES (IO).

Las raíces de la investigación de operaciones se remontan a muchas décadas, cuando se hicieron los
primeros intentos para emplear el método científico en la administración de una empresa. Sin embargo, el
inicio de la actividad llamada investigación de operaciones, casi siempre se atribuye a los servicios militares
prestados a principios de la segunda guerra mundial. Debido a los esfuerzos bélicos, existía una necesidad
urgente de asignar recursos escasos a las distintas operaciones militares y a las actividades dentro de cada
operación, en la forma más efectiva. Por esto, las administraciones militares americana e inglesa hicieron un
llamado a un gran número de científicos para que aplicaran el método científico a éste y a otros problemas
estratégicos y tácticos. De hecho, se les pidió que hicieran investigación sobre operaciones (militares). Estos
equipos de científicos fueron los primeros equipos de IO. Con el desarrollo de métodos efectivos para el uso
del nuevo radar, estos equipos contribuyeron al triunfo del combate aéreo inglés. A través de sus
investigaciones para mejorar el manejo de las operaciones antisubmarinas y de protección, jugaron también
un papel importante en la victoria de la batalla del Atlántico Norte. Esfuerzos similares fueron de gran ayuda
en a isla de campaña en el pacífico.

Al terminar la guerra, el éxito de la investigación de operaciones en las actividades bélicas generó un gran
interés en sus aplicaciones fuera del campo militar. Como la explosión industrial seguía su curso, los
problemas causados por el aumento en la complejidad y especialización dentro de las organizaciones
pasaron de nuevo a primer plano. Comenzó a ser evidente para un gran número de personas, incluyendo a
los consultores industriales que habían trabajado con o para los equipos de IO durante la guerra, que estos
problemas eran básicamente los mismos que los enfrentados por la milicia, pero en un contexto diferente.
Cuando comenzó la década de 1950, estos individuos habían introducido el uso de la investigación de
operaciones en la industria, los negocios y el gobierno. Desde entonces, esta disciplina se ha desarrollado
con rapidez.

Se pueden identificar por lo menos otros dos factores que jugaron un papel importante en el desarrollo de la
investigación de operaciones durante este período. Uno es el gran progreso que ya se había hecho en el
mejoramiento de las técnicas disponibles en esta área. Después de la guerra, muchos científicos que habían
participado en los equipos de IO o que tenían información sobre este trabajo, se encontraban motivados a
buscar resultados sustanciales en este campo; de esto resultaron avances importantes. Un ejemplo
sobresaliente es el método simplex para resolver problemas de programación lineal, desarrollado en 1947 por
George Dantzing. Muchas de las herramientas características de la investigación de operaciones, como
programación lineal, programación dinámica, líneas de espera y teoría de inventarios, fueron desarrolladas
casi por completo antes del término de la década de 1950.

28
Un segundo factor que dio ímpetu al desarrollo de este campo fue el advenimiento de la computadoras. Para
manejar de una manera efectiva los complejos problemas inherentes a esta disciplina, por lo general se
requiere un gran número de cálculos. Llevarlos a cabo a mano puede resultar casi imposible. Por lo tanto, el
desarrollo de la computadora electrónica digital, con su capacidad para realizar cálculos aritméticos, miles o
tal vez millones de veces más rápido que los seres humanos, fue una gran ayuda para la investigación de
operaciones. Un avance más tuvo lugar en la década de 1980 con el desarrollo de las computadoras
personales cada vez más rápidas, acompañado de buenos paquetes de software para resolver problemas de
IO, esto puso las técnicas al alcance de un gran número de personas. Hoy en día, literalmente millones de
individuos tiene acceso a estos paquetes. En consecuencia, por rutina, se usa toda una gama e
computadoras, desde las grandes hasta las portátiles, para resolver problemas de investigación de
operaciones. 

NATURALEZA DE LA INVESTIGACIÓN DE OPERACIONES

Como su nombre lo dice, la investigación de operaciones significa "hacer investigación sobre las
operaciones". Entonces, la investigación de operaciones se aplica a problemas que se refieren a la
conducción y coordinación de operaciones (o actividades) dentro de una organización. La naturaleza de la
organización es esencialmente inmaterial y, de hecho, la investigación de operaciones se ha aplicado de
manera extensa en áreas tan diversas como la manufactura, el transporte, la constitución, las
telecomunicaciones, la planeación financiera, el cuidado de la salud, la milicia y los servicios públicos, por
nombrar sólo unas cuantas. Así, la gama de aplicaciones es extraordinariamente amplia.

La parte de investigación en el nombre significa que la investigación de operaciones usa un enfoque similar a
la manera en que se lleva a cabo la investigación en los campos científicos establecidos. En gran medida, se
usa el método científico para investigar el problema en cuestión. (De hecho, en ocasiones se usa el término
ciencias de la administración como sinónimo de investigación de operaciones.) En particular, el proceso
comienza por la observación cuidadosa y la formulación del problema incluyendo la recolección de los datos
pertinentes. El siguiente paso es la construcción de un modelo científico (por lo general matemático) que
intenta abstraer la esencia del problema real. En este punto se propone la hipótesis de que el modelo es una
representación lo suficientemente precisa de las características esenciales de la situación como para que las
conclusiones (soluciones) obtenidas sean válidas también para el problema real. Después, se llevan a cabo
los experimentos adecuados para probar esta hipótesis, modificarla si es necesario y eventualmente
verificarla. (Con frecuencia este paso se conoce como validación del modelo.) Entonces, en cierto modo, la
investigación e operaciones incluye la investigación científica creativa de las propiedades fundamentales de
las operaciones. Sin embargo, existe más que esto. En particular, la IO se ocupa también de la administración
práctica de la organización. Así, para tener éxito, deberá también proporcionar conclusiones claras que pueda
usar el tomador de decisiones cuando las necesite.

Una característica más de la investigación de operaciones es su amplio punto de vista. Como quedó implícito
en la sección anterior, la IO adopta un punto de vista organizacional. de esta manera, intenta resolver los
conflictos de intereses entre las componentes de la organización de forma que el resultado sea el mejor para
la organización completa. Esto no significa que el estudio de cada problema deba considerar en forma
explícita todos los aspectos de la organización, sino que los objetivos que se buscan deben ser consistentes
con los de toda ella.

Una característica adicional es que la investigación de operaciones intenta encontrar una mejor solución,
(llamada solución óptima) para el problema bajo consideración. (Decimos una mejor solución y no la mejor
solución porque pueden existir muchas soluciones que empaten como la mejor.) En lugar de contentarse con
mejorar el estado de las cosas, la meta es identificar el mejor curso de acción posible. Aun cuando debe

29
interpretarse con todo cuidado en términos de las necesidades reales de la administración, esta "búsqueda de
la optimidad" es un aspecto importante dentro de la investigación de operaciones.

Todas estas características llevan de una manera casi natural a otra. Es evidente que no puede esperarse
que un solo individuo sea un experto en todos lo múltiples aspectos del trabajo de investigación de
operaciones o de los problemas que se estudian; se requiere un grupo de individuos con diversos
antecedentes y habilidades. Entonces, cuando se va a emprender un estudio de investigación de operaciones
completo de un nuevo problema, por lo general es necesario emplear el empleo de equipo. Este debe incluir
individuos con antecedentes firmes en matemáticas, estadística y teoría de probabilidades, al igual que en
economía, administración de empresas, ciencias de la computación, ingeniería, ciencias físicas, ciencias del
comportamiento y, por supuesto, en las técnicas especiales de investigación de operaciones. El equipo
también necesita tener la experiencia y las habilidades necesarias para permitir la consideración adecuada de
todas las ramificaciones del problema a través de la organización.

¿QUÉ ES LA INVESTIGACIÓN DE OPERACIONES?

Como toda disciplina en desarrollo, la investigación de operaciones ha ido evolucionando no sólo en sus
técnicas y aplicaciones sino en la forma como la conceptualizan los diferentes autores, en la actualidad no
existe solamente una definición sino muchas, algunas demasiado generales, otras demasiado engañosas,
aquí seleccionamos dos de las mas aceptadas y representativas.

LA DEFINICIÓN DE CHURCHMAN, ACKOFF Y ARNOFF: 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.

De esta definición se pueden destacar los siguientes conceptos:

1.   Una organización es un sistema formado por componentes que se interaccionan, unas de estas
interacciones pueden ser controladas y otras no.

2.   En un sistema la información es una parte fundamental, ya que entre las componentes fluye información
que ocasiona la interacción entre ellas. También dentro de la estructura de los sistemas se encuentran
recursos que generan interacciones. Los objetivos de la organización se refieren a la eficacia y eficiencia
con que las componentes pueden controlarse, el control es un mecanismo de autocorrección del sistema
que permite evaluar los resultados en términos de los objetivos establecidos.

3.   La complejidad de los problemas que se presentan en las organizaciones ya no encajan en una sola
disciplina del conocimiento, se han convertido en multidisciplinario por lo cual para su análisis y solución
se requieren grupos compuestos por especialistas de diferentes áreas del conocimiento que logran
comunicarse con un lenguaje común.

4.   La investigación de operaciones es la aplicación de la metodología científica a través modelos

matemáticos, primero para representar al problema y luego para resolverlo. La definición de la sociedad
de investigación de operaciones de la Gran Bretaña es la siguiente:

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, máquinas, materiales y
dinero, en la industria, en los negocios, en el gobierno y en la defensa. Su actitud diferencial consiste 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

30
 alternativos. Su propósito es el de ayudar a la gerencia a determinar científicamente sus políticas y
acciones. 

EN RELACIÓN A ESTA DEFINICIÓN DEBEN DESTACARSE LOS SIGUIENTES ASPECTOS:

1.   Generalmente se asocian los conceptos de dirección y administración a las empresas de tipo lucrativo, sin
embargo, una empresa es un concepto más amplio, es algo que utiliza hombres, máquinas, materiales y
dinero con un propósito específico; desde éste punto de vista, se considera como empresa desde una
universidad hasta una armadora de automóviles.

2.   Para tratar de explicar el comportamiento de un sistema complejo, el científico debe representarlo en
términos de los conceptos que maneja, lo hace expresando todos los rasgos principales del sistema por
medio de relaciones matemáticas. A esta representación formal se le llama modelo.

3.   La esencia de un modelo es que debe ser predictivo, lo cual no significa predecir el futuro, pero si ser
capaz de indicar muchas cosas acerca de la forma en que se puede esperar que un sistema opere en una
variedad de circunstancias, lo que permite valorar su vulnerabilidad. Si se conocen las debilidades del
sistema se pueden tomar cursos de acción agrupados en tres categorías: A) Efectuar cambios que lleven
a la empresa o parte de ella a una nueva ruta; B) Realizar un plan de toma de decisiones; C) Instalar
estrategias que generen decisiones. Cuando se aplica alguno de estos remedios, la investigación de
operaciones nos ayuda a determinar la acción menos vulnerable ante un futuro incierto.

4.   El objetivo global de la investigación de operaciones es el de apoyar al tomador de decisiones, en cuanto

ayudarlo a cumplir con su función basado en estudios científicamente fundamentados.

ENFOQUE DE LA INVESTIGACIÓN DE OPERACIONES:

la parte innovadora de la IO es sin duda alguna su enfoque modelístico, producto de sus creadores aunado a
la presión de supervivencia de la guerra o la sinergía generada al combinarse diferentes disciplinas, una
descripción del enfoque es la siguiente. (Ver la figura 11).

1.   Se define el sistema real en donde se presenta el problema. Dentro del sistema interactúan normalmente
un gran numero de variables.

2.   Se seleccionan las variables que norman la conducta o el estado actual del sistema, llamadas variables
relevantes, con las cuales se define un sistema asumido del sistema real.

3.   Se construye un modelo cuantitativo del sistema asumido, identificando y simplificando las relaciones
entre las variables relevantes mediante las utilizaciones de funciones matemáticas.

4.   Se obtiene la solución al modelo cuantitativo mediante la aplicación de una o más de las técnicas
desarrolladas por la IO.

5.   Se adapta e imprime la máxima realidad posible a la solución teórica del problema real obtenida en el
punto 4, mediante la consideración de factores cualitativos o no cuantificables, los cuales no pudieron
incluirse en el modelo. Además, se ajusta los detalles finales vía el juicio y la experiencia del tomador de
decisiones.

6.   Se implanta la solución en el sistema real.

LA INVESTIGACIÓN DE OPERACIONES OBTIENE LA SOLUCIÓN DEL PROBLEMA REAL

INDIRECTAMENTE, Y NO COMO NORMALMENTE SE INTENTARÍA PASANDO DIRECTAMENTE DEL
PROBLEMA REAL A LA SOLUCIÓN REAL.

31
1.2.1.1 METODOLOGÍA DE LA INVESTIGACION DE OPERACIONES

DEFINICIÓN DEL PROBLEMA Y RECOLECCIÓN DE DATOS

La mayor parte de los problemas prácticos con los que se enfrenta el equipo IO están descritos inicialmente
de una manera vaga. Por consiguiente, la primera actividad que se debe realizar es el estudio del sistema
relevante y el desarrollo de un resumen bien definido del problema que se va a analizar. Esto incluye
determinar los objetivos apropiados, las restricciones sobre lo que se puede hacer, las interrelaciones del área
bajo estudio con otras áreas de la organización, los diferentes cursos de acción posibles, los límites de tiempo
para tomar una decisión, etc. Este proceso de definir el problema es crucial ya que afectará en forma
significativa la relevancia de las conclusiones del estudio. ¡Es difícil extraer una respuesta "correcta" a partir
de un problema "equivocado"!

Por su naturaleza, la investigación de operaciones se encarga del bienestar de toda la organización, no sólo
de algunos de sus componentes. Un estudio de IO busca soluciones óptimas globales y no soluciones
subóptimas, aunque sean lo mejor para uno del componente. Entonces, idealmente, los objetivos que se
formulan deben coincidir con los de toda la organización. Sin embargo, esto no siempre es conveniente.
Muchos problemas interesan nada más a una parte de la organización, de manera que el análisis sería
innecesariamente besado si los objetivos fueran muy generales y si se prestara atención especial a todos los
efectos secundarios sobre el resto de la organización. En lugar de ello, los objetivos usados en un estudio
deben ser tan específicos como sea posible, siempre y cuando contemplen las metas principales del tomador
de decisiones y mantengan un nivel razonable de consistencia con los objetivos de los altos niveles.

Las condiciones fundamentales para que exista un problema es que se establezca una diferencia entre lo que
es (situación actual) y lo que debe ser (situación deseada u objetivo) y además exista cuando menos una
forma de eliminar o disminuir esa diferencia. Los componentes de un problema son: a) el tomador de
decisiones o ejecutivo; b) los objetivos de la organización; c) el sistema o ambiente en el que se sitúa el
problema; d) Los cursos de acción alternativos que se pueden tomar para resolverlo.

Para formular un problema se requiere; a) identificar las componentes y variables controlables y no

controlables del sistema; b) identificar los posibles cursos de acción, determinados por las componentes
controlables; c) definir el marco de referencia dado por las componentes no controlables;  d) definir los
objetivos que se busca alcanzar y clasificarlos por orden de importancia; e) identificar las interpelaciones
importantes entre las diferentes partes del sistema y encontrar las restricciones que existen.

FORMULACIÓN DE UN MODELO MATEMÁTICO

Una vez definido el problema del tomador de decisiones, la siguiente etapa consiste en reformularlo de
manera conveniente para su análisis. La forma convencional en que la investigación de operaciones realiza
esto es construyendo un modelo matemático que represente la esencia del problema. Antes de analizar como
formular los modelos de este tipo, se explorará la naturaleza general de los modelos y, en particular, la de los
modelos matemáticos.

El modelo matemático está constituido por relaciones matemáticas (ecuaciones y desigualdades) establecidas
en términos de variables, que representa la esencia el problema que se pretende solucionar.

Para construir un modelo es necesario primero definir las variables en función de las cuales será establecido.
Luego, se procede a determinar matemáticamente cada una de las dos partes que constituyen un modelo: a)
la medida de efectividad que permite conocer el nivel de logro de los objetivos y generalmente es una función
(ecuación) llamada función objetivo; b) las limitantes del problema llamadas restricciones que son un conjunto
de igualdades o desigualdades que constituyen las barreras y obstáculos para la consecución del objetivo.

32
Un modelo siempre debe ser menos complejo que el problema real, es una aproximación abstracta de la
realidad con consideraciones y simplificaciones que hacen más manejable el problema y permiten evaluar
eficientemente las alternativas de solución.

Los modelos matemáticos tienen muchas ventajas sobre una descripción verbal del problema. Una ventaja
obvia es que el modelo matemático describe un problema en forma mucho más concisa. Esto tiende a hacer
que toda la estructura del problema sea más comprensible y ayude a revelar las relaciones importantes entre
causa y efecto. De esta manera, indica con más claridad que datos adicionales son importantes para el
análisis. También facilita simultáneamente el manejo del problema en su totalidad y el estudio de todas sus
interpelaciones. Por último, un modelo matemático forma un puente para poder emplear técnicas matemáticas
y computadoras de alto poder, para analizar el problema. Sin duda, existe una amplia disponibilidad de
paquetes de software para muchos tipos de modelos matemáticos, para micro y mini computadoras.

Por otro lado, existen obstáculos que deben evitarse al usar modelos matemáticos. Un modelo es,
necesariamente, una idealización abstracta del problema, por lo que casi siempre se requieren
aproximaciones y suposiciones de simplificación si se quiere que el modelo sea manejable (susceptible de ser
resuelto). Por lo tanto, debe tenerse cuidado de que el modelo sea siempre una representación válida del
problema. El criterio apropiado para juzgar la validez de un modelo es el hecho de si predice o no con
suficiente exactitud los efectos relativos de los diferentes cursos de acción, para poder tomar una decisión que
tenga sentido. En consecuencia, no es necesario incluir detalles sin importancia o factores que tienen
aproximadamente el mismo efecto sobre todas las opciones. Ni siquiera es necesario que la magnitud
absoluta de la medida de efectividad sea aproximadamente correcta para las diferentes alternativas, siempre
que sus valores relativos (es decir, las diferencias entre sus valores) sean bastante preciso. Entonces, todo lo
que se requiere es que exista una alta correlación entre la predicción del modelo y lo que ocurre en la vida
real. Para asegurar que este requisito se cumpla, es importante hacer un número considerable de pruebas del
modelo y las modificaciones consecuentes. Aunque esta fase de pruebas se haya colocado después en el
orden del libro, gran parte del trabajo de validación del modelo se lleva a cabo durante la etapa de
construcción para que sirva de guía en la obtención del modelo matemático.

OBTENCIÓN DE UNA SOLUCIÓN A PARTIR DEL MODELO

Resolver un modelo consiste en encontrar los valores de las variables dependientes, asociadas a las
componentes controlables del sistema con el propósito de optimizar, si es posible, o cuando menos mejorar la
eficiencia o la efectividad del sistema dentro del marco de referencia que fijan los objetivos y las restricciones
del problema.

La selección del método de solución depende de las características del modelo. Los procedimientos de
solución pueden ser clasificados en tres tipos: a) analíticos, que utilizan procesos de deducción matemática;
b) numéricos, que son de carácter inductivo y funcionan en base a operaciones de prueba y error; c)
simulación, que utiliza métodos que imitan o, emulan al sistema real, en base a un modelo.

Muchos de los procedimientos de solución tienen la característica de ser iterativos, es decir buscan la solución
en base a la repetición de la misma regla analítica hasta llegar a ella, si la hay, o cuando menos a una
aproximación.

PRUEBA DEL MODELO

El desarrollo de un modelo matemático grande es análogo en algunos aspectos al desarrollo de un programa

de computadora grande. Cuando se completa la primera versión, es inevitable que contenga muchas fallas. El
programa debe probarse de manera exhaustiva para tratar de encontrar y corregir tantos problemas como sea

33
posible. Eventualmente, después de una larga serie de programas mejorados, el programador (o equipo de
programación) concluye que el actual da, en general, resultados razonablemente válidos. Aunque sin duda
quedarán algunas fallas ocultas en el programa (y quizá nunca se detecten, se habrán eliminado suficientes
problemas importantes como para que sea confiable utilizarlo.

De manera similar, es inevitable que la primera versión de un modelo matemático grande tenga muchas
fallas. Sin duda, algunos factores o interpelaciones relevantes no se incorporaron al modelo y algunos
parámetros no se estimaron correctamente. Esto no se puede eludir dada la dificultad de la comunicación y la
compresión de todos los aspectos y sutilezas de un problema operacional complejo, así como la dificultad de
recolectar datos confiables. Por lo tanto, antes de usar el modelo debe probarse exhaustivamente para
intentar identificar y corregir todas las fallas que se pueda. Con el tiempo, después de una larga serie de
modelos mejorados, el equipo de IO concluye que el modelo actual produce resultados razonablemente
válidos. Aunque sin duda quedarán algunos problemas menores ocultos en el modelo (y quizá nunca se
detecten), las fallas importantes se habrán eliminado de manera que ahora es confiable usar el modelo. Este
proceso de prueba y mejoramiento de un modelo para incrementar su validez se conoce como validación del
modelo.

Debido a que el equipo de IO puede pasar meses desarrollando todas las piezas detalladas del modelo, es
sencillo "no ver el bosque por buscar los árboles". Entonces, después de completar los detalles ("los árboles")
de la versión inicial del modelo, una buena manera de comenzar las pruebas es observarlo en forma global
("el bosque") para verificar los errores u omisiones obvias. El grupo que hace esta revisión debe, de
preferencia, incluir por lo menos a una persona que no haya participado en la formulación. Al examinar de
nuevo la formulación del problema y comprarla con el modelo pueden descubrirse este tipo de errores.
También es útil asegurarse de que todas las expresiones matemáticas sean consistentes en las dimensiones
de las unidades que emplean. Además, puede obtenerse un mejor conocimiento de la validez del modelo
variando los valores de los parámetros de entrada y/o de las variables de decisión, y comprobando que los
resultados del modelo se comporten de una manera factible. Con frecuencia, esto es especialmente revelador
cuando se asignan a los parámetros o a las variables valores extremos cercanos a su máximo o a su mínimo.

Un enfoque más sistemático para la prueba del modelo es emplear una prueba retrospectiva. Cuando es
aplicable, esta prueba utiliza datos históricos y reconstruye el pasado para determinar si el modelo y la
solución resultante hubieran tenido un buen desempeño, de haberse usado. La comparación de la efectividad
de este desempeño hipotético con lo que en realidad ocurrió, indica si el uso del modelo tiende a dar mejoras
significativas sobre la práctica actual. Puede también indicar áreas en las que el modelo tiene fallas y requiere
modificaciones. Lo que, es más, el emplear las alternativas de solución y estimar sus desempeños históricos
hipotéticos, se pueden reunir evidencias en cuanto a lo bien que el modelo predice los efectos relativos de los
diferentes cursos de acción.

Cuando se determina que el modelo y la solución no son válidos, es necesario iniciar nuevamente el proceso
revisando cada una de las fases de la metodología de la investigación de operaciones.

ESTABLECIMIENTO DE CONTROLES SOBRE LA SOLUCION

Una solución establecida como válida para un problema, permanece como tal siempre y cuando las
condiciones del problema tales como: las variables no controlables, los parámetros, las relaciones, etc., no
cambien significativamente. Esta situación

se vuelve más factible cuando algunos de los parámetros fueron estimados aproximadamente. Por lo anterior,
es necesario generar información adicional sobre el comportamiento de la solución debido a cambios en los
parámetros del modelo. Usualmente esto se conoce como análisis de sensibilidad. En pocas palabras, esta

34
fase consiste en determinar los rangos de variación de los parámetros dentro de los cuales no cambia la
solución del problema.

IMPLANTACIÓN DE LA SOLUCIÓN

El paso final se inicia con el proceso de "vender" los hallazgos que se hicieron a lo largo del proceso a los
ejecutivos o tomadores de decisiones. Una vez superado este obstáculo, se debe traducir la solución
encontrada a instrucciones y operaciones comprensibles para los individuos que intervienen en la operación y
administración del sistema. La etapa de implantación de una solución se simplifica en gran medida cuando se
ha propiciado la participación de todos los involucrados en el problema en cada fase de la metodología.
Preparación para la aplicación del modelo

Esta etapa es crítica, ya que es aquí, y sólo aquí, donde se cosecharán los beneficios del estudio. Por lo tanto,
es importante que el equipo de IO participe, tanto para asegurar que las soluciones del modelo se traduzcan
con exactitud a un procedimiento operativo, como para corregir cualquier defecto en la solución que salga a la
luz en este momento.

El éxito de la puesta en práctica depende en gran parte del apoyo que proporcionen tanto la alta
administración como la gerencia operativa. Es más probable que el equipo de IO obtenga este apoyo si ha
mantenido a la administración bien informada y ha fomentado la guía de la gerencia durante el estudio. La
buena comunicación ayuda a asegurar que el estudio logre lo que la administración quiere y por lo tanto
merezca llevarse a la práctica. También proporciona a la administración el sentimiento de que el estudio es
suyo y esto facilita el apoyo para la implantación.

La etapa de implantación incluye varios pasos. Primero, el equipo de investigación de operaciones de una
cuidadosa explicación a la gerencia operativa sobre el nuevo sistema que se va a adoptar y su relación con la
realidad operativa. En seguida, estos dos grupos comparten la responsabilidad de desarrollar los
procedimientos requeridos para poner este sistema en operación. La gerencia operativa se encarga después
de dar una capacitación detallada al personal que participa, y se inicia entonces el nuevo curso de acción. Si
tiene éxito, el nuevo sistema se podrá emplear durante algunos años. Con esto en mente, el equipo de IO
supervisa la experiencia inicial con la acción tomada para identificar cualquier modificación que tenga que
hacerse en el futuro.

A la culminación del estudio, es apropiado que el equipo de investigación de operaciones documento su

metodología con suficiente claridad y detalle para que el trabajo sea reproducible. Poder obtener una réplica
debe ser parte del código de ética profesional del investigador de operaciones. Esta condición es crucial
especialmente cuando se estudian políticas gubernamentales en controversia.

IMPACTO DE LA INVESTIGACIÓN DE OPERACIONES

La investigación de operaciones ha tenido un impacto impresionante en el mejoramiento de la eficiencia de

numerosas organizaciones en todo el mundo. En el proceso, la investigación de operaciones ha hecho
contribuciones significativas al incremento de la productividad dentro de la economía de varios países. Hay
ahora más de 30 países que son miembros de la International Federation of Operational Research Societies
(IFORS), en la que cada país cuenta con una sociedad de investigación de operaciones.

Sin duda, el impacto de la investigación de operaciones continuará aumentando. Por ejemplo, al inicio de la
década de los 90, el U.S. Bureau of Labor Statistics predijo que la IO sería el área profesional clasificada
como la tercera de más rápido crecimiento para los estudiantes universitarios en Estados Unidos, graduados
entre 1990 y 2005. Pronosticó también que, para el año 2005, habría 100 000 personas trabajando como
analistas de investigación de operaciones.

35
RIESGO AL APLICAR LA INVESTIGACIÓN DE OPERACIONES

Al aplicar la I de O al estudio de sistemas y a la resolución de problemas se corre el riesgo de tratar de

manipular los problemas para buscar que se ajusten a las diferentes técnicas, modelos de algoritmos
establecidos en lugar de analizar los problemas y buscar resolverlos obteniendo las soluciones mejores,
utilizando los métodos apropiados, es decir resolver el problema utilizando los métodos que proporcionan las
mejoras soluciones y no buscar ajustar el problema a un método específico.

Para llegar a hacer un uso apropiado de la I de O, es necesario primero comprender la metodología para
resolver los problemas, así como los fundamentos de las técnicas de solución para de esta forma saber
cuándo utilizarlas o no en las diferentes circunstancias.

1.2.1.2 APLICACIONES DE LA INVESTIGACIÓN DE OPERACIONES

INVESTIGACIÓN DE OPERACIONES, PODEROSA HERRAMIENTA PARA EL USO ÓPTIMO DE LOS

RECURSOS ESCASOS  
¿Cuál es la forma más eficiente de asignar ciertos recursos escasos para conseguir la más alta tasa de
retorno? ¿Cuál es la mejor manera de asignar rutas a una flotilla de transporte de bienes que deben ser
colocados en bodegas de distribuidores para que los costos sean más bajos? ¿Cuántas ventanillas deben
colocarse en un banco en las horas normales y en las horas y días pico para que los clientes no se
desesperen y se larguen al banco que está cruzando la calle?
 
¿Cuántas cajas registradoras debe habilitar un supermercado para que el largo de las colas no
entorpezca la circulación de los clientes que aún están comprando y de los trabajadores que colocan
mercadería, etiquetan y dan atención al público? ¿De qué manera debe asignarse un presupuesto en una
industria (o en un sector de la economía de un país), para que se satisfaga la demanda interna y externa
del bien o servicio que produce?
 
¿Cuál será la demanda de líneas telefónicas para el año 2000, teniendo en cuenta el crecimiento natural
de la población, el cambio de sus hábitos, la producción, el número de profesionales, escuelas,
comercios, etcétera, que habrá en ese entonces? ¿Será posible hacer predicciones (aproximadas por
supuesto) de cuántas escuelas, comercios, profesionales, etcétera, habrá en el año 2000? Hermosa
cantidad de preguntas para comenzar un artículo sobre Investigación de Operaciones (IO), pero
definitivamente es muy oportuno porque es en estos casos donde los especialistas en esta disciplina
pueden apoyar a los demás.
 
Una pregunta más: ¿Qué es entonces la Investigación de Operaciones? realmente es un poco difícil dar
una respuesta corta a esta última pregunta, pero si la IO va a tratar de encontrar respuesta a las
preguntas que hemos planteado en el primer párrafo y a otra tonelada más, debemos tratar de definir lo
que es. Hillier, Lieberman, Shamblin, Stevens, Taha, Tierauf, Grosse, Sasieni, por mencionar algunos de
los grandes especialistas en IO, dan una serie de definiciones que bien podría resumirse como:
Es un enfoque científico de la toma de decisión. Podemos decir que la IO utiliza un enfoque planeado
(método científico) y un grupo interdisciplinario para representar, mediante modelos simbólicos, las
relaciones funcionales que se dan en la realidad, lo cual suministra una base cuantitativa para la toma de
decisiones. Algo que es tan general como la definición que acabamos de dar pero que da mucha claridad
sobre lo que hace la Investigación de Operaciones es que, cuando se aplica alguna herramienta de la IO,
se busca obtener el óptimo resultado del uso de los recursos escasos.
 
Mucho se dice de la formación previa que se debe tener para hacer Investigación de Operaciones, incluso
hay autores que aún dicen en sus libros, que no se requiere ningún conocimiento de matemática para
poder leerlo, sin embargo, no advierten al ingenuo lector que tampoco podrán resolver problemas reales
sino solamente algunos ejemplos de juguete que se encuentran ahí mismo. Nuestra experiencia en el
campo de la enseñanza y la aplicación de las herramientas de la IO, nos han hecho ver que para hacer IO
en forma profesional aceptable, se requiere de una sólida preparación en Estadística Descriptiva e
Inferencial, conocimientos sobre las aplicaciones del Cálculo Diferencial e Integral y del Algebra Lineal, y
desde luego, principios generales de Economía, de lo contrario, el estudioso de la Investigación de
Operaciones se sentirá decepcionado y el que debe aplicarla se  frustrará a menudo.
 
CÓMO SE TRABAJA EN INVESTIGACIÓN DE OPERACIONES  
La Investigación de Operaciones busca el óptimo resultado en la utilización de recursos escasos y usa el
método científico. El orden habitual de las investigaciones que se realizan con este instrumental es el
siguiente:
1. Se define el problema que se desea resolver en la forma más completa y clara que sea posible.

36
2. Se construye un modelo apropiado que represente al sistema o al proceso en estudio (matematización
del problema).
3. Se deduce una o varias soluciones a partir del modelo construido.
4. Se hace una prueba del modelo y de la solución obtenida, contrastando esto con la realidad, si es que
existe información suficiente, de lo contrario el contraste se hace con modelos secundarios.
5. Se ajusta el modelo y se monitorea el resultado.
6. Se implementa la solución, esto es, se pone a trabajar al modelo y sus soluciones.
 Veamos en detalle cada una de las partes que acabamos de enumerar:
1. Definición del problema. No es posible iniciar la búsqueda de la solución de un problema si no está
claro ¿cuál es el problema? Al investigador no le debe caber la menor duda de que sabe correctamente lo
que busca, de lo contrario cualquier cosa que encuentre está bien y está mal, lo cual es una
contradicción. Siempre nos debemos responder cuestiones tales como: ¿Cuáles son los objetivos?
¿Cuáles las acciones a tomar y cuáles sus alternativas? ¿Cuáles son las restricciones? ¿Cómo se
medirán los resultados? La definición del problema debe ser clara, concisa y con palabras sencillas que
no dejen lugar a varias interpretaciones.
2. Construcción del modelo apropiado que represente al sistema o proceso en estudio. Un modelo, desde
el punto de la Investigación de Operaciones, es una representación de una realidad (o de una idealidad).
Estos pueden ser: Icónicos (representaciones físicas como los aeromodelos, las maquetas, los carritos,
los muñecos, etcétera); análogos, la mayoría de los cuales son más dinámicos que los icónicos y pueden
mostrar comportamientos derivados de acciones, como las superficies y las curvas de oferta y demanda,
los nomogramas de ingeniería que describen fenómenos de deformación de estructuras o
comportamientos de todas las variables de una caldera, etcétera; Redes gráficas, como las redes CPM-
PERT, Project, Harvard y otras, que se utilizan para la planificación, ejecución y control de proyectos;
Matemáticos o Simbólicos, los cuales se describen generalmente por medio de sistemas de m ecuaciones
con n incógnitas o en forma matricial: A*x  = b, donde A es un matriz, y, x y b son vectores de los espacios
vectoriales Rm y Rn, respectivamente.
Es habitual que la función llamada función objetivo y que es la que se desea optimizar, se escriba en
forma separada como f(x) = z. Existen otras clasificaciones, pero es suficientemente claro si nos referimos
sólo a estos cuatro. Por otro lado, se dice que los modelos son Determinísticos, como los de
Programación Lineal y Transporte; y, Probabilísticos, como las Cadenas de Markov, los de Teoría de
Juegos, Teoría de Decisiones, las líneas de Espera y otros.
3. Deducción de una o varias soluciones. Cuando el modelo ha sido bien escogido o construido, se
espera que la solución del problema real sea teórico. Algunas veces no es posible obtener soluciones
exactas para el problema original, entonces aceptaremos soluciones aproximadas o bien usamos
soluciones alternas en la construcción del modelo. Es posible y no es nada raro que podamos detectar
varias soluciones alternas.
4. Pruebas del modelo y contraste con la realidad. Comparaciones de soluciones con las de modelos
secundarios.
Usando información histórica, ésta se mete al modelo y se observa si los resultados son coincidentes con
los resultados reales que fueron observados a través del tiempo, luego se hace lo mismo con información
del período ex post (la información obtenida durante la época de construcción) y se compara con el
funcionamiento real del proceso.
5. Ajustes del modelo y monitoreo de resultados. En este momento ya tenemos a nuestro modelo
dándonos resultados aceptables (parecidos, si no iguales a los observados), se hace un balance y se ve
si vale la pena hacer ajustes a los coeficientes y organización de la estructura del modelo para obtener
mejores resultados o si por el contrario es necesario hacer reingeniería.
Debe seguirse haciendo comparaciones con varias generaciones de resultados para lograr afinar el
modelo.
6. Implementación de la solución. Una vez pasadas todas las pruebas que dan seguridad sobre el
funcionamiento del instrumento, se da la capacitación necesaria a las personas que tendrán a su cargo la
operación del modelo, preparando todas las herramientas de cómputo para que se elaboren
automáticamente los reportes que permitirán a los tomadores de decisión hacer su trabajo. (F)
 
LAS PRINCIPALES HERRAMIENTAS DE LA INVESTIGACIÓN DE OPERACIONES
Cuando hablamos de herramientas en IO, nos estamos refiriendo a los diferentes modelos teóricos
(como, por ejemplo, modelos de transporte y teoría de colas), y a otras disciplinas (como matemática,
administración, economía, etcétera), que se utilizan como instrumentos de trabajo habitual para el
profesional de la Investigación de Operaciones. Debe quedar claro, sin embargo, que cada día se
agregan más tipos de modelos y otras disciplinas imposibles de enumerar en este momento.
De la misma manera la Investigación de Operaciones es considerada, ella misma como una herramienta
al servicio de otras disciplinas. Es bien conocido que la Administración de Negocios se ha estado
beneficiando grandemente de la Investigación de Operaciones ahora que se ha iniciado toda una
revolución con el uso de Planificación Estratégica, Reingeniería y los programas de Calidad Total, para
mencionar algunos.
A continuación, presentamos una lista, no exhaustiva, de diferentes tipos de modelos que se podrían
considerar como herramientas de la Investigación de Operaciones, sugerimos al lector revisarla y
compararla con los contenidos de libros clásicos de I.O:

37
1.   Modelos gráficos de programación lineal.
2.   Modelos algebraicos de programación lineal.
3.   Redes y programación lineal para transporte.
4.   Modelos de toma de decisión en condiciones de incertidumbre.
5.   Modelos de toma de decisión en condiciones de certeza.
6.   Modelos Bayesianos.
7.   Procesos estocásticos con cadenas de Markov.
8.   Líneas de espera (Teoría de colas).
9.   Modelos de optimización con redes para la planeación, ejecución y control de proyectos.
10. Cadenas de Markov para el reemplazo de activos fijos.
11. Modelos de inventarios determinísticos.
12. Modelos de inventarios probabilísticos.
13. Modelos de programación dinámica y teoría de juegos.
14. Modelos de simulación para la obtención de información experta.
15. Modelos heurísticos de autoaprendizaje y autocorrección.
Los expertos Hillier y Lieberman dicen en su tratado (usado como texto durante varias generaciones de
estudiosos de la Investigación de Operaciones) con la Revolución Industrial se inventó la división del
trabajo y esto trajo como consecuencia un crecimiento en la dimensión y complejidad de las
organizaciones. La super especialización de los individuos, los departamentos de las industrias y aún las
mismas industrias, produjo un efecto de aparente desorden (a veces aparente y a veces real) dentro de
las organizaciones, ya que se intentaba armar rompecabezas con todas las piezas que producían los
especialistas. Sin las técnicas y modelos de la I.O. la situación hubiese devenido en un caos, fue esta
herramienta (o si lo queremos decir en términos más globales, las herramientas) la que permitió organizar
todos los cabos sueltos y al mismo tiempo la situación hizo que la I.O. creciera.
Nosotros sabemos que la reingeniería propone olvidarnos de la división del trabajo y regresar a una
especie de todología ya que esto evita los pasos laterales que no agregan valor a los procesos y nos da la
opción de atender directamente al beneficiario del proceso ¡el cliente! Las técnicas de redes, teoría de
colas, modelos de inventarios, programación lineal, transporte, etcétera, aunado a la capacitación del
personal y a la tecnología cambiante y agresiva son, en esta era de la Planificación Estratégica, los
instrumentos indispensables para la Reingeniería y la Calidad Total.
 

INVESTIGACIÓN DE OPERACIONES PODEROSA HERRAMIENTA AL SERVICIO DE LA

ADMINISTRACIÓN, LA ECONOMÍA Y LAS INGENIERÍAS
Los modelos de redes tipo CPM-PERT y el MS-PROJET como métodos gerenciales para la planificación,
ejecución y control de proyectos.
Pese a que para poder leer e interpretar adecuadamente una red CPM-PERT sólo se necesita saber leer
y escribir, esta técnica para la planificación de proyectos es un instrumento gerencial por excelencia, ya
que permite al ejecutivo mantener un control muy preciso durante la ejecución de los mismos.
Este ingenioso y elegante método para la optimización de tiempos y minimización de costos es la mezcla
de dos instrumentos creados hace algunos años; el CEMP (Crithical Path Method) y el PERT (Program
Evaluation on Review Technique).
El primero fue diseñado en el segundo lustro de los años 50, por los investigadores de Dupont: J.E. Kelly
y M.R. Walker y originalmente fue denominado CPPSM (Crithical Path Planing and Scheduling Method),
se usó para la programación y control de la factoría química en Kentuky y demostró sus grandes ventajas
respecto a los métodos clásicos por su aptitud de integrar modificaciones sin dificultad.
El segundo método fue diseñado en la misma época por Naval Special Project Office, con la
colaboración de la Lockhead Aircraft y de la firma Booz-Allen & Hamilton. Lo extraordinario es que
habiendo sido diseñados por grupos diferentes que buscaban resultados diferentes (uno la minimización
de costos y el otro la optimización de los tiempos), y que el primero fuera de tipo determinístico y el
segundo probabilístico, las coincidencias gráficas fueran tan notables en ambos métodos. Puede decirse
que a primera vista no existe ninguna diferencia desde el punto de vista gráfico.
Estos dos métodos aportaron los elementos administrativos necesarios para formar el método actual
CPM-PERT que definitivamente es de más difícil lectura y más elegante y poderoso que sus antecesores,
se usa para el control de los tiempos de ejecución y los costos de operación buscando que el proyecto
sea realizado en tiempo óptimo y al menor costo posible.
Los métodos de redes, en general, habían estado siendo manejados como secretos militares por la
NASA, que como ahora sabemos había tenido una serie de sonados fracasos en sus lanzamientos de
satélites artificiales. Fue en el momento de la desesperación y angustia (1957), cuando los soviéticos
colocaron el primer Sputnik en órbita, cuando dieron mayor abertura a otras personas e instituciones para
que les ayudaran a poner a punto a su cohete Polaris y a recuperar el tiempo perdido por haber trabajado
aislados.
De ese momento en adelante toda la programación de NASA se hizo usando redes y esto les permitió,
como lo hace con cualquier proyecto, manejar simultáneamente la enorme cantidad de actividades
desarrolladas por subcontratistas ligadas entre sí, pero desarrolladas en lugares diferentes por personas
que no tenían relación directa.

38
La administración y las ingenierías fueron las grandes ganadoras ya que en forma casi natural
comenzaron a utilizar CPM y PERT como instrumentos.
Al principio el PERT se utilizó para evaluar la programación de un proyecto de investigación y desarrollo,
en la actualidad se usa para controlar el avance de otro tipo de proyectos como:
1. Programación de proyectos de construcción de edificios, autopistas, puentes, etcétera.
2. Programación de la mudanza de grandes instituciones como bancos, hospitales, industrias, etcétera.
3. Creación de procedimientos para la cuenta regresiva y la suspensión del lanzamiento de los vuelos
espaciales (de todos los vuelos de todos los países que compiten en la era espacial).
4. Instalaciones de sistema de cómputo, de maquinaria y equipo de grandes industrias.
5. Diseño y distribución de productos nuevos.
6. Inicio, proceso y conclusión de fusiones de instituciones en corporaciones y de corporaciones mismas.
7. Construcción de equipo, maquinaria estacionaria y vehículos automotores.
8. Flujos de costos mínimos, etcétera.
 Características importantes a tener en cuenta para usar la metodología CPM-PERT
A. El método requiere de la participación de expertos. Esto significa que para hacer una red sobre un área
especial no se puede y sobre todo no se debe improvisar la información, la misma debe ser proveída por
alguien que haya tenido la experiencia previa.
Por ejemplo, para construir y colocar una puerta, es un experto en hacer y colocar puertas quien debe
proporcionar la información sobre tiempos y costos, preferiblemente una fábrica de puertas que un
carpintero. Para dar la información sobre el lanzamiento de un producto nuevo al mercado se necesita de
un experto que haya llevado a cabo lanzamientos de productos nuevos; y así para cualquier actividad ya
que dependeremos en grado sumo de esa experiencia para poder armar la red.
En caso que no se cuente con alguien que haya tenido la vivencia previa, como podría ser el caso del
lanzamiento de una nave tripulada a Júpiter, se construye un modelo experto de simulación, el cual nos
permitirá generar, por esta vía, información con cierto grado de confianza.
B. El proyecto que se planifica es único. Esto significa que una red hecha para una casa no se puede usar
para otra casa, aunque sea muy semejante (o igual, como se dice en el lenguaje corriente). Hacer varias
casas “iguales” es un proyecto que es diferente de un proyecto para hacer una casa y luego repetirlo
varias veces.
C. El proyecto que se planifica debe tener claramente establecidas las limitaciones. No debe haber
ninguna duda en cuanto a la definición del proyecto y en cuanto a la disponibilidad de tiempo y dinero. El
clásico “hágase” sin contemplar el presupuesto disponible o el tiempo máximo que puede usarse, que se
da a veces cuando no hay prisas, es un veneno mortal para el método CPM-PERT.

1.3 INTRODUCCIÓN A LA PROGRAMACIÓN LINEAL 

1.3.1. Introducción.
            Muchas personas clasifican el desarrollo de la Programación Lineal (PL) entre los avances
científicos más importantes de mediados del siglo XX. En la actualidad es una herramienta común que ha
ahorrado miles o millones de dólares a muchas compañías y negocios, incluyendo industrias medianas en
distintos países del mundo. ¿Cuál es la naturaleza de esta notable herramienta y qué tipo de problemas
puede manejar? Expresado brevemente, el tipo más común de aplicación abarca el problema general de
asignar recursos limitados entre actividades competitivas de la mejor manera posible (es decir, en forma
óptima). Este problema de asignación puede surgir cuando deba elegirse el nivel de ciertas actividades
que compiten por recursos escasos para realizarlas. La variedad de situaciones a las que se puede
aplicar esta descripción es sin duda muy grande, y va desde la asignación de instalaciones productivas a
los productos, hasta la asignación de los recursos nacionales a las necesidades de un país; desde la
planeación agrícola, hasta el diseño de una terapia de radiación; etc. No obstante, el ingrediente común
de todas estas situaciones es la necesidad de asignar recursos a las actividades.
            Con frecuencia, seleccionar una alternativa incluye satisfacer varios criterios al mismo tiempo. Por
ejemplo, cuando se compra una pieza de pan se tiene el criterio de frescura, tamaño, tipo (blanco, integral
u otro), costo y rebanado o sin rebanar. Se puede ir un paso más adelante y dividir estos criterios en dos
categorías: restricciones y el objetivo. Las restricciones son las condiciones que debe satisfacer una
solución que está bajo consideración. Si más de una alternativa satisface todas las restricciones, el
objetivo se usa para seleccionar entre todas las alternativas factibles. Cuando se elige una pieza de pan,
pueden quererse 100 gr. de pan blanco rebanado y hecho no antes de ayer. Si varias marcas satisfacen
estas restricciones, puede aplicarse el objetivo de un costo mínimo y escoger las más barata.

39
            Existen muchos problemas administrativos que se ajustan a este molde de tratar de minimizar o
maximizar un objetivo que está sujeto a una lista de restricciones. un corredor de inversiones, por
ejemplo, trata de maximizar el rendimiento sobre los fondos invertidos pero las posibles inversiones están
restringidas por las leyes y las políticas bancarias. Un hospital debe planear que las comidas para los
pacientes satisfagan ciertas restricciones sobre sabor, propiedades nutritivas, tipo y variedad, al mismo
tiempo que se trata de minimizar el costo. Un fabricante, al planear la producción futura, busca un costo
mínimo al mismo tiempo cómo cumplir restricciones sobre la demanda del producto, la capacidad de
producción, los inventarios, el nivel de empleados y la tecnología. La PL se ha aplicado con éxito a estos
y otros problemas.
            La PL es una técnica determinista, no incluye probabilidades y utiliza un modelo matemático para
describir el problema. El adjetivo lineal significa que todas las funciones matemáticas del modelo deben
ser funciones lineales. En este caso, la palabra programación no se refiere a programación en
computadoras; en esencia es un sinónimo de planeación. Así, la PL trata la planeación de las actividades
para obtener un resultado óptimo, esto es, el resultado que mejor alcance la meta especificada (según el
modelo) entre todas las opciones de solución. Aunque la asignación de recursos a las actividades es la
aplicación más frecuente, la PL tiene muchas otras posibilidades. De hecho, cualquier problema cuyo
modelo matemático se ajuste al formato general del modelo de PL es un problema de PL.
 
 Supuestos de la programación lineal.
            Existe un número de suposiciones realizadas en cada modelo. La utilidad de un modelo está
directamente relacionada con la realidad de los supuestos.
            El primer supuesto tiene que ver con la forma lineal de las funciones. Ya que el objetivo es lineal,
la contribución al objetivo de cualquier decisión es proporcional al valor de la variable de decisión.
Producir dos veces más de producto producirá dos veces más de ganancia, contratando el doble de
páginas en las revistas doblará el costo relacionado con las revistas. Es una Suposición de Proporción.
            Además, la contribución de una variable a la función objetivo es independiente de los valores de
las otras variables. La ganancia con una computadora Notebook es de $10,750.00, independientemente
de cuantas computadoras Desktop se producen. Este es un Supuesto de Adición.
            Análogamente, ya que cada restricción es lineal, la contribución de cada variable al lado izquierdo
de cada restricción es proporcional al valor de la variable e independiente de los valores de cualquier otra
variable.
            Estas suposiciones son bastante restrictivas. Veremos, sin embargo, que ser claros y precisos en
la formulación del modelo puede ayudar a manejar situaciones que parecen en un comienzo como lejanos
a estos supuestos.
            El siguiente supuesto es la Suposición de ser Divisible. Es posible tomar una fracción de
cualquier variable. Por ejemplo, en un problema de marketing, qué significa comprar 2.67 avisos en la
televisión?. Es posible que la suposición de ser divisible sea insatisfecha en este ejemplo. O puede ser
que tales unidades de 2.67 avisos correspondan a 2,666.7 minutos de avisos, en cuyo caso redondeando
la solución serían 2,667 minutos con una mínima duda que esté cercana a la solución óptima. Si la
suposición de divisible no es válida, entonces se usará la técnica de Programación Lineal Entera.
            La última suposición es el Supuesto de Certeza. La Programación Lineal no permite
incertidumbre en los valores.
            Será difícil que un problema cumpla con todas las suposiciones de manera exacta. Pero esto no
negará la factibilidad de uso del modelo. Un modelo puede ser aún útil aunque difiera de la realidad, si se

40
es consistente con los requerimientos más estrictos dentro del modelo y se tiene claras sus limitaciones al
interpretar los resultados.
 
            Existen limitaciones prácticas para el uso de la PL. Una se relaciona con los cálculos. En general
se necesita una computadora. Desafortunadamente, las calculadoras, aun las programables, son poco
útiles, puesto que la PL tiene necesidad de gran cantidad de memoria o almacenamiento. Si no se tiene
acceso a una computadora, se estará limitado a problemas muy sencillos. La otra limitación se refiere al
costo de formular un problema de PL. En teoría, podría usarse PL, por ejemplo, para hacer las compras
semanales de abarrotes. Sin embargo, sería necesario conocer todas las compras posibles que pueden
realizarse (éstas serían las variables), además de cada restricción como sabor, número de comidas,
vitaminas y proteínas. Es obvio que el costo de obtener todos estos datos excede lo que se podría ahorrar
si se hicieran las compras óptimas. Antes de emprender una aplicación de PL, debe considerarse la
disponibilidad y el costo de los datos necesarios.
 
1.3.2 Formulación de modelos de Programación Lineal.
            Aunque se ponga en duda, la parte más difícil de PL es reconocer cuándo ésta puede aplicarse y
formular el problema matemáticamente. Una vez hecha esa parte, resolver el problema casi siempre es
fácil.
            Para formular un problema en forma matemática, deben expresarse afirmaciones lógicas en
términos matemáticos. Esto se realiza cuando se resuelven “problemas hablados” al estudiar un curso de
álgebra. Algo muy parecido sucede aquí al formular las restricciones. Por ejemplo, considérese la
siguiente afirmación: A usa 3 horas por unidad y B usa 2 horas por unidad. Si deben usarse todas las 100
horas disponibles, la restricción será:
 
3A + 2B = 100
 
            Sin embargo, en la mayoría de las situaciones de negocios, no es obligatorio que se usen todos
los recursos (en este caso, horas de mano de obra). Más bien la limitación es que se use, cuando mucho,
lo que se tiene disponible. Para este caso, la afirmación anterior puede escribirse como una desigualdad:
 
3A + 2B  100
 
            Para que sea aceptable para PL, cada restricción debe ser una suma de variables con exponente
1. Los cuadrados, las raíces cuadradas, etc. no son aceptables, ni tampoco los productos de variables.
Además, la forma estándar para una restricción pone a todas las variables del lado izquierdo y sólo una
constante positiva o cero del lado derecho. Esto puede requerir algún reacomodo de los términos. Si, por
ejemplo, la restricción es que A debe ser por los menos el doble de B, esto puede escribirse como:
 
A  2B                        ó          A  2B  0
 
            Nótese que pueden moverse términos de un lado a otro de las desigualdades como si fuera un
signo de igualdad. Pero al multiplicar una desigualdad por -1, el sentido de esta desigualdad se invierte.
Puede ser necesario hacer esto para que los coeficientes del lado derecho sean positivos. Por ejemplo, si
se quiere que A sea por lo menos tan grande como B - 2, entonces:

 
41
 A  B2
ó          A  B   2
por último, B  A  2
 
            Una nota final sobre desigualdades: es sencillo convertir una desigualdad en una ecuación. Todo
lo que se tiene que hacer es agregar (o restar) una variable extra. Por ejemplo:
 
B  A  2        es lo mismo que          B  A + S = 2
 
en donde S representa la diferencia, o la holgura, entre B  A y 2. S se llama variable de holgura. Por otro
lado, se restaría una variable de superávit en el caso siguiente:
 
A  2B  0      es lo mismo que          A  2B S = 0
 
            Algunos métodos de solución (como el Método Símplex) y la mayoría de los programas de
computadora (como el MathProg, que viene en el OR Courseware, que acompaña al libro “Introducción a
la Investigación de Operaciones” de los autores Hillier y Lieberman) requieren que todas las
desigualdades se conviertan en igualdades.
 
            La metodología de PL requiere que todas las variables sean positivas o cero, es decir, no
negativas. Para la mayoría de los problemas esto es real, no se querría una solución que diga:
prodúzcanse menos dos cajas o contrátense menos cuatro personas.
            Mientras que no existe un límite en el número de restricciones que puede tener un problema de
PL, sólo puede haber un objetivo. La forma matemática del objetivo se llama función objetivo. Debe llevar
consigo el maximizar o minimizar alguna medida numérica. Podría ser maximizar el rendimiento, la
ganancia, la contribución marginal o los contactos con los clientes. Podría ser minimizar el costo, el
número de empleados o el material de desperdicio. Con frecuencia el objetivo es evidente al observar el
problema.
            Como el valor de la función objetivo no se conoce hasta que se resuelve el problema, se usa la
letra Z para representarlo. La función objetivo tendrá, entonces, la forma:
 
Maximizar         Z = 4A + 6B
ó
Minimizar         Z = 2x1 + 5x2
 
            Se analiza una aplicación para ilustrar el formato de los problemas de Programación Lineal.
Forma estándar de los modelos de Programación Lineal.
            Supóngase que existe cualquier número (digamos m) de recursos limitados de cualquier tipo, que
se pueden asignar entre cualquier número (digamos n) de actividades competitivas de cualquier clase.
Etiquétense los recursos con números (1, 2, ..., m) al igual que las actividades (1, 2, ..., n). Sea xj (una
variable de decisión) el nivel de la actividad j, para j = 1, 2, ..., n, y sea Z la medida de efectividad global
seleccionada. Sea cj el incremento que resulta en Z por cada incremento unitario en xj (para j = 1, 2, ..., n).
Ahora sea bi la cantidad disponible del recurso i (para i = 1, 2, ..., m). Por último, defínase aij como la
cantidad de recurso i que consume cada unidad de la actividad j (para i = 1, 2, ..., m y j = 1, 2, ..., n). Se
puede formular el modelo matemático para el problema general de asignar recursos a actividades. En
particular, este modelo consiste en elegir valores de x1, x2, ..., xn para:

42
  ESTA EN ROJO ES LA FORMA ESTANDAR DE UN MODELO DE PROGRAMACION LINEAL

Maximizar   Z = c1x1 + c2x2 + ... + cnxn, Función Objetivo

Sujeto a las restricciones funcionales:
1) a11x1 + a12x2 + ... + a1nxn  b1
2) a21x1 + a22x2 + ... + a2nxn  b2
3) X1 2 X2 … X1-2 X2  0
4) X2  2 X1….RESUELVO X2 – 2X1  0 (-1)
2X1 – X2  0
n) am1x1 + am2x2 + ... + amnxn  bm
y
x1  0,   x2 0,…xn  0 Restricción de no negatividad
(RDNN)
PARAMETROS QUE ESTAN EN LA FUNCION OBJETIVO, O SEA,
C1, C2 LOS, ….Cn, RECIBEN EL NOMBRE DE PARAMETROS DE
CONTRIBUCION O DE DECISION.. EL VALOR DE ESTOS
PARAMETROS SIEMPRE ACOMPAÑAN A LAS VARIABLES DE
DECISION EN LA FUNCION OBJETIVO (Z)…POR EJEMPLO: SE
SABE QUE LA PRODUCCION DE UNA CAMISA CONTRIBUYE
CON $5 A LAS GANANCIAS DE LA EMPRESA, ENTONCES C=5 Y
ESTE VALOR SE REEMPLAZA EN LA FUNCION OBJETIVO; POR
EJEMPLO EL RIESGO DE INVERTIR EN UNA ACCION DE BOLSA
PRODUCE UN 10% DE GANANCIAS, ENTONCES C=0.10…POR
EJEMPLO, LAS GANANCIAS DE UN PRODUCTO X SON EL DOBLE
QUE LAS DE UN PRODUCTO Y, ENTOCES, SI EL PRODUCTO, X,
TIENE UNA GANANCIA DE $2, ES DECIR Cx=2, ENTONCES LA
GANANCIA DEL PRODUCTO, Y, SERA DE $1, ES DECIR Cy=1, O
TAMBIEN, SI Cx=7 ENTONCES Cy=3.5 Y ASI SUCESIVAMENTE;
OTRA FORMA DE ESTIMAR EL VALOR DE LOS PARAMETROS DE
CONTRIBUCION ES CUANDO SE ESTIMA LA CONTRIBUCION A
PARTIR DE LA FORMULA:

43
 Ci = INGRESOS (VENTAS) – GASTOS (COMPRAS)
POR EJEMPLO, SI LOS INGRESO POR VENTAS DE UN PRODUCTO
SON DE $100 Y LOS GASTOS O COMPRAS POR PRODUCIR DICHO
PRODUCTO ES DE $80, ENTONCES LA CONTRIBUCION SERA DE
$20, ES DECIR, Ci=$100 - $80 = $20
CUANDO SE TRATA DE UN JERCICIO DE MINIMIZACION, LOS
VALORES DE LOS PARAMETROS Ci CORRESPONDE AL PRECIO
DEL COSTO DEL PRODUCTO, POR EJEMPLO, PRODUCIR UN BIEN
X, CUESTA $7, ENTONCES C=7.

PARA EXPRESAR UN PROBLMA DE INVESTIGACION DE

OPERACIONES EN LA FORMA ESTANDAR DE UN MPL (FEMPL),
ES IMPORTANTE REPRESENTAR ALGEBRAICAMENTE O
MATEMATICAMENTE EL ENUNCIADO DEL PROBLEMA, ES
DECIR, SABER IDENTIFICAR LAS VARIABLES Y PARAMETROS
DE LA FUNCION OBJETIVO (Z= c1X1 + c2X2+…) QUE ESTAN EN
EL ENUNCIADO, IGUALMENTE IDENTIFICAR LOS PARAMETROS
Y LAS INECUACIONES O RESTRICCIONES FUNCIONALES
CORRESPONDIENTES, ES DECIR, SABER SI LA INECUACIÓN ES
MAYOR O IGUAL QUE ( ), (QUE QUIERE DECIR “COMO
MINIMO” O “POR LO MENOS”) O, MENOR O IGUAL QUE ( ) (QUE
QUIERE DECIR “COMO MAXIMO” O “A LO MUCHO”) O, SI LA
INECUACION SE CLASIFICA COMO DE RECURSOS (CUANDO SE
REFIERE A UN RECURSO QUE SE EMPLEA EN LA PRODUCCIÓN,
COMO LA MANO DE OBRA, LA MAQUINARIA, DINERO, ETC) O
SE CLASIFICA DICHA INECUACION O RESTRICCION COMO DE
ACTIVIDADES (CUANDO LA PRODUCCION DE UNA ACTIVIDAD
ESTA CONDICIONADA POR OTRA ACTIVIDAD, COMO POR
EJEMPLO, X1 2X2, QUE SE LEE “LA PRODUCCION DE X1 ES
44
POR LO MENOS EL DOBLE DE LA DE X2”, QUE AL RESOLVERLA
QUEDARIA COMO X1-2X2 0, O QUE, X1 0.4(X1+X2), QUE SE LEE
“LA PRODUCCION DE X1 DEBE SER A LO MUCHO DEL 40% DEL
TOTAL DE LA PRODUCCION ENTRE X1 Y X2”) QUE AL
RESOLVERLA QUEDARIA COMO X1 0.4X1+0.4X2, DESPEJANDO
SERIA X1-0.4X1-0.4X2 0, QUE AL RESOLVERLA QUEDARIA
COMO, 0.6X1-0.4X2 0; Y SABER CUALES SON LOS
PARAMETROS DE DISPONIBILIDAD DE RECURSOS (b1, b2..bn)
(CUANTO SE DISPONE COMO MAXIMO O COMO MINIMO, DE
MANO DE OBRA, DE MAQUINARIA, MATERIA PRIMA, DE
DINERO, ETC), ASI COMO LOS PARAMETROS DE UTILIZACION
DE ESOS RECURSOS PARA LA PRODUCCION DE LAS
ACTIVIDADES (CUANTAS HORA MAQUINAS SE UTILIZAN PARA
PRODUCIR UNA CAMISA O PANTALON, CUANTAS HORAS
HOMBRES SE UTILIZAN PARA PRODUCIR UN PANTALON O
CAMISA, CUANTA MATERIA PRIMA SE UTILIZA PARA
PRODUCIR UNA MESA O SILLA, ETC).
ESTA FORMA ESTANDAR DE UN MODELO DE PROGRAMACION
LINEAL (FEMPL), CORRESPONDE A UN MODELO
DETERMINISTICO, ES DECIR, EN ESTE TIPO DE MODELOS SE
CONOCE EL VALOR DE LOS PARAMETROS, EN DONDE DICHOS
PARAMETROS SON NUMEROS PUROS, ES DECIR, NO SE PUEDE
EXPRESAR SU VALOR COMO PORCENTAJES.
LAS VARIABLES DEL ANTERIOR MODELO SON: Z, X1, X2…Xn,
EN DONDE LA VARIABLE Z, ES LA VARIABLE OBJETIVO O LA
CONTRIBUCION GLOBAL DE LAS ACTIVIDADES AL
CUMPLIMIENTO DEL OBJETIVO; LAS VARIABLES X1, X2, Xn SON
VARIABLES DE DECISION O LAS ACTIVIDADES QUE
DESARROLLA LA ORGANIZACIÓN (POR EJEMPLO,
45
X1=PRODUCCION DE CAMISAS, X2= PRODUCCION DE
PANTALONES, X3= ACCIONES EN BOLSAS…ETC).
LOS PARAMETROS DEL MODELO SON: C1, C2, ….Cn, a11 + a12 ... a1n
, a21 a22 ... a2n , am1, am2 ... amn, b1, b2, bm.
LOS PARAMETROS QUE ESTAN EN LAS RESTRICCIONES
FUNCIONALES AL LADO IZQUIERDO, O SEA, a11, a12 ... a1n , a21 a22
... a2n , am1, am2 ... amn, SON PARAMETROS DE UTILIZACION DE
RECURSOS Y LOS PARAMETROS QUE ESTAN AL LADO
DERECHO DE DICHAS RESTRICCIONES FUNCIONALES, O SEA, b1,
b2, bm SON PARAMETROS DE DISPONIBILIDAD DE RECURSOS

Ésta se llamará nuestra forma estándar (porque algunos libros de texto adoptan otras formas) para el
problema de PL. Cualquier situación cuya formulación matemática se ajuste a este modelo es un
problema de PL.
            En este momento se puede resumir la terminología que usaremos para los modelos de PL. La
función que se desea maximizar, c1x1 + c2x2 + ... + cnxn, se llama función objetivo. Por lo general, se hace
referencia a las limitaciones como restricciones. Las primeras m restricciones (aquellas con una función
del tipo ai1x1 + ai2x2 + ... + ainxn, que representa el consumo total del recurso i) reciben el nombre de
restricciones funcionales. De manera parecida, las restricciones xj  0 se llaman restricciones de no
negatividad. Las variables xj son las variables de decisión. Las constantes de entrada, aij, bi, cj, reciben el
nombre de parámetros del modelo.
  
Otras formas de modelos de Programación Lineal.
            Es conveniente agregar que el modelo anterior no se ajusta a la forma natural de algunos
problemas de programación lineal. Las otras formas legítimas son las siguientes:
 
1. Minimizar en lugar de maximizar la función objetivo:
 
Minimizar   Z = c1x1 + c2x2 + ... + cnxn,
 
2. Algunas restricciones funcionales con desigualdad en el sentido mayor o igual:
 
ai1x1 + ai2x2 + ... + ainxn,  bi,      para algunos valores de i,
 
3. Algunas restricciones funcionales en forma de ecuación:
 
ai1x1 + ai2x2 + ... + ainxn, = bi,      para algunos valores de i,
 
4. Las variables de decisión sin la restricción de no negatividad:

46
 
xj no restringida en signo para algunos valores de j.
 
Cualquier problema que incluya una, varias o todas estas formas del modelo anterior también se clasifica
como un problema de PL, siempre y cuando éstas sean las únicas formas nuevas introducidas. Puede ser
que la interpretación que se ha dado de asignación de recursos limitados entre actividades que compiten
no se aplique, pero independientemente de la interpretación o el contexto, lo único que se necesita es que
la formulación matemática del problema se ajuste a las formas permitidas. Se verá que estas otras cuatro
formas legales se pueden reescribir en una forma equivalente para que se ajuste al modelo que se
presentó. Entonces, todo problema de PL se puede poner en nuestra forma estándar si se desea.

Ejemplo de MAXIMIZACION:

Problema de mezcla de productos.

Un fabricante está tratando de decidir sobre las cantidades de producción para
dos artículos: mesas y sillas. Se cuenta con 96 unidades de material y con 72
horas de mano de obra. Cada mesa requiere 12 unidades de material y 6 horas
de mano de obra. Por otra parte, las sillas usan 8 unidades de material cada una
y requieren 12 horas de mano de obra por silla. El margen de contribución es el
mismo para las mesas que para las sillas: $5.00 por unidad. El fabricante
prometió construir por lo menos dos mesas. ¿Cuántas mesas y cuantas sillas se
deben fabricar para obtener la máxima ganancia?
1) EXPRESE EL PROBLEMA EN LA FORMA ESTANDAR DE UN MODELO
DE PROGRAMACION LINEAL
 X1= MESAS --- 12UM-----6HMO
X2=SILLAS-------8UM------12HMO
DISPONGO----96UM(b1) ----72 HMO (b2)
C1=$5
C2=$5
X1 2
Paso 1: formulación del problema.
El primer paso para resolver el problema es expresarlo en términos matemáticos
en el formato general de PL. ¿Cuál es el objetivo? Es maximizar la contribución a
la ganancia. Cada unidad de mesas o sillas producidas contribuirá con $5 en la
ganancia. Así las dos alternativas son la producción de mesas y la producción de
sillas. Ahora puede escribirse la función objetivo:
 

Maximizar   Z = 5x1 + 5x2 Función Objetivo

47
En donde:        x1 = número de mesas producidas
                        x2 = número de sillas producidas
 
¿Cuáles son las restricciones o limitaciones del problema? Existen tres restricciones. Primero, el material está
limitado a 96 unidades. Cada mesa se lleva 12 unidades de material y cada silla usa 8 unidades. La primera
restricción es, entonces:
 
12x1 + 8x2  96
 
La segunda restricción es el total de horas de mano de obra. Una mesa se lleva 6 horas, una silla 12 horas y
se dispone de un total de 72 horas. Así:
 
6x1 + 12x2  72
 
Existe una limitación más. El fabricante prometió producir por lo menos dos mesas. Esto puede expresarse
como:
 
x1  2
 
Por último, las restricciones de no negatividad son:
 
x1  0,  x2  0
 
Poniendo todo junto el modelo se tiene:
 
                              Maximizar    Z = 5x1 + 5x2 Función Objetivo                                              
Sujeto a Restricciones funcionales:
1) 12x1 + 8x2  96 Restricción de Recurso
2) 6x1 + 12x2  72 Restricción de Recurso
3) x1  2 Restricción de actividad
                     x1  0,  x2  0 Restricción de no negatividad (RDNN)
2) Identifique e interprete las funciones y restricciones las variables y los parámetros del modelo anterior
FEMPL
RESPUESTA:
Variables: Z X1, X2…..PARAMETROS: 5,5,12,8, 96,6,12 Y 72
INTERPRETACION: VARIABLES: Z= FUNCION, O LA CONTRIBUCION GLOBAL DE LA
FABRICACION DE MESAS Y SILLAS A LA MAXIMIZACION DEL BENEFICIO.
PARAMETROS : DECISION O CONTRIBUCION: 5, 5..SIGNIFICA QUE POR CADA UNIDAD
ADICIONAL QUE SE FABRIQUEN EN MESAS Y SILLAS VAN A CONTRIBUIR A LA
MAXIMIZACION DEL BENEFICIO EN $5 RESPECTIVAMENTE
PARAMETROS DE UTILIZACION DE RECURSOS: 12,8 UNIDADES DE MATERIAL, O SEA PARA
FABRICAR MESAS Y SILLAS SE UTILIZAN 12 Y 8 UM; Y 6 Y 12 EN HMO, O SEA PARA
FABRICARE MESAS Y SILLAS SE UTILIZAN 6 Y 12 HMO…..PARAMETROS DE
DISPONIBILIDAD DE RECURSOS: 96, 72 DE UM Y HMO..

48
 3) EXPRESE EL EL MODELO DE PROGRAMACION LINEAL EN LA FORMA MATRICIAL La forma
matricial A.x = b* del anterior modelo es:
Despejando x, entonces:
Donde,
x = Vector de variables de decisión
A-1= Matriz inversa de coeficientes o parámetros del lado izquierdo de las restricciones funcionales
b* = Vector de coeficientes o parámetros del lado derecho de las restricciones funcionales
ES DECIR,
x = A-1* b*

Reemplazando valores del problema anterior expresado en la forma estándar del modelo de programación
lineal, se tiene:

12 8
A= 6 12 x= X1 96
1 0 X2 b= 72
2

Es decir, expresado en la forma matricial x = A-1b*:

-1
X1 12 8 96
X2 = 6 12 72
1 0 2

x A-1 b*

Ejemplo de MINIMIZACIÓN:
Problema de dieta.
            Un comprador está tratando de seleccionar la combinación más barata de dos alimentos, que debe
cumplir con ciertas necesidades diarias de vitaminas. Los requerimientos vitamínicos son por lo menos 40
unidades de vitamina W, 50 unidades de vitamina X y 49 unidades de vitamina Y. Cada onza del alimento A
proporciona 4 unidades de vitamina W, 10 unidades de vitamina X y 7 unidades de vitamina Y; cada onza del
alimento B proporciona 10 unidades de W, 5 unidades de X y 7 unidades de Y. El alimento A cuesta 5
pesos/kilogramo y el alimento B cuesta 8 pesos/kilogramo.
 
Paso 1: formulación del problema.
La meta en este problema es encontrar la manera menos costosa para satisfacer las necesidades
vitamínicas. Las dos alternativas disponibles son los alimentos A y B. Matemáticamente la función objetivo es:
 
Minimizar   Z = 5A + 8B
 

49
Las restricciones son los requerimientos mínimos de las tres vitaminas. Éstas se muestran enseguida:
 
Sujeto a Restricciones: funcionales:  
1) 4A + 10B  40  vitamina W Restricción de Recurso
2) 10A + 5B  50  vitamina X Restricción de Recurso
3) A7 + 7B  49  vitamina Y Restricción de Recurso
                                   A  0,  B  0  no negatividad (RDNN)

La forma matricial x = A-1b*: del anterior modelo es:

4 10
A= 10 5 x= X1 40
7 7 X2 b* = 50
49

Es decir, expresado en la forma matricial x = A-1b*:

-1
X1 4 10 40
X2 = 10 5 50
7 7 49

x A-1 b*

Bibliografía

Hillier, Frederick y Peral J Liberman. Introducción a la Investigación de Operaciones. México, Mc

Graw Hill, 200
Portocarrero C. Juan. Módulos de Investigación de Operaciones. Cali, USC, 2017
Bibliografía en Ingles:
Altier, W. J., The Thinking Manager’s Toolbox: Effective Processes for Problem Solving and Decision Making,
Oxford University Press, Nueva York, 1999.
Checkland, P., Systems Thinking, System Practice, Wiley, Nueva York, 1999. Evans, J., Creative Thinking in
the Decision and Management Sciences, South-Western Publishing, Cincinnati, Ohio, 1991.
Gass, S., “Model World: Danger, Beware the User as a Modeler”, Interfaces, vol. 20, núm. 3, págs. 60-64, 1990.
Morris, W., “On the Art of Modeling”, Management Science, vol. 13, págs. B707-B717, 1967.
Paulos, J. A., Innumeracy: Mathematical Illiteracy and its Consequences, Hill and Wang, Nueva York, 1988.
Taha, H., “Guide to Optimization Models”, capítulo 11.3 en Maynard’s Industrial Engineering Handbook, 5a.
ed.,
Kjel Zandon, editor, McGraw-Hill, Nueva York, 2001, págs. 11.45-11.65. Willemain, T. R., “Insights on Modeling
from a Dozen Experts”, Operations Research, vol. 42, núm. 2; págs. 213-222, 1994.

50