Investigación de Operaciones:

Un Viaje a Través del Tiempo

La investigación de operaciones (IO) es una disciplina que utiliza herramientas

matemáticas y computacionales para resolver problemas complejos en
diferentes campos, como la gestión de operaciones, la logística, la economía y la
salud.

CM
by Carolina Molina

preencoded.png
Inicios de la Investigación de
Operaciones
1 Segunda Guerra Mundial
Los desafíos militares de la Segunda Guerra Mundial impulsaron la
necesidad de métodos científicos para la toma de decisiones.

2 Operación Investigación
Equipos de científicos e ingenieros formaron grupos para optimizar
recursos militares y tácticas.

3 Aplicaciones Tempranas
Se usó para optimizar el transporte, la asignación de recursos y la
planificación de operaciones militares.

preencoded.png
Aplicaciones de la Investigación de Operaciones

Gestión de Operaciones Logística y Transporte Finanzas y Economía Salud y Medicina

Operaciones
La IO optimiza la asignación
La IO optimiza la producción, La IO planea rutas de entrega, La IO ayuda a tomar de recursos, la planificación
inventario, planificación y gestiona flotas y optimiza la decisiones financieras, de tratamientos y la gestión
logística, mejorando la distribución de mercancías. gestionar riesgos y optimizar de hospitales.
eficiencia y reduciendo costos. inversiones.

preencoded.png
Beneficios de la Investigación de
Operaciones
Toma de Decisiones Optimizada Mejora de la Eficiencia
Optimizada Optimiza procesos, reduce
La IO proporciona información valiosa desperdicios y mejora la productividad
para tomar decisiones más acertadas, en diferentes áreas.
basadas en datos y análisis.

Reducción de Costos Aumento de la Competitividad

Identifica áreas de mejora, minimiza
Competitividad
gastos y aumenta la rentabilidad del Permite a las empresas responder de
negocio. manera más efectiva a las demandas
del mercado y superar a la
competencia.

preencoded.png
Casos de Éxito: Empresas que Aplicaron la Investigación
de Operaciones

FedEx Amazon Walmart

Optimizó rutas de entrega, gestionó flotas y Utilizó la IO para optimizar sus centros de Implementó la IO para optimizar la cadena
redujo tiempos de envío, mejorando la distribución, gestionar inventario y de suministro, gestionar inventario y
eficiencia y satisfacción del cliente. optimizar las operaciones de entrega, optimizar la colocación de productos,
logrando una ventaja competitiva en el logrando eficiencias en sus operaciones.
mercado.
preencoded.png
Técnicas y Herramientas de la
Investigación de Operaciones

Optimización Simulación
Encontrar la mejor solución a un Crear modelos para analizar escenarios y
problema con recursos limitados. predecir resultados.

Programación Lineal Árbol de Decisión

Resolver problemas de optimización con Tomar decisiones basadas en una serie de
restricciones lineales. opciones y resultados posibles.

preencoded.png
Retos y Desafíos de la Investigación de Operaciones

Complejidad de los Modelos

1
Los modelos de IO pueden ser complejos y requerir datos precisos y extensos.

Resistencia al Cambio
2
Implementar soluciones de IO puede requerir cambios en procesos y estructuras organizacionales.

Falta de Experiencia
3 La aplicación exitosa de la IO requiere experiencia especializada en su diseño e
implementación.

Disponibilidad de Datos
4 Obtener datos de calidad, relevantes y completos para la toma de
decisiones es esencial.

preencoded.png
El Futuro de la Investigación de Operaciones

Inteligencia Artificial
1 La IA integrará la IO para análisis predictivo y automatización de decisiones.

Big Data y Analítica

2
El manejo de grandes conjuntos de datos impulsará la toma de decisiones basadas en datos.

Optimización Avanzada
3 Técnicas avanzadas como la optimización matemática y la simulación mejorarán la
eficiencia.

Aplicaciones en Nuevos Campos

4
La IO se expandirá a áreas como la robótica, la salud y la sostenibilidad.

preencoded.png
Investigación de Operaciones:
Operaciones: Toma de
Decisiones Optimizadas
La Investigación de Operaciones (IO) es una disciplina que utiliza
métodos científicos para analizar y optimizar sistemas complejos, con el
objetivo de tomar decisiones estratégicas y eficientes. La IO se aplica a
una amplia gama de problemas, incluyendo la gestión de recursos, la
planificación de la producción, la logística, las finanzas y la toma de
decisiones en general.

CM
by Carolina Molina
Objetivos del Curso
Aplicación de Modelos Optimización de Soluciones Simulación en el Diseño de Sistemas de Manejo de
Cuantitativos Soluciones de Procesos Inventarios

El curso le enseñará a aplicar Dominará las técnicas de El curso explorará el potencial Adquirirá conocimientos sobre
modelos cuantitativos para Investigación de Operaciones de la simulación para modelar sistemas de manejo de
resolver problemas para optimizar soluciones a y analizar procesos. Aprenderá inventarios basados en
administrativos, desarrollando problemas reales. Aprenderá a a crear modelos de demanda conocida. Aprenderá
habilidades para analizar formular y resolver problemas simulación, realizar a aplicar modelos de
datos y optimizar procesos. de optimización, utilizando experimentos y analizar inventario para optimizar
Esto le permitirá tomar herramientas como la resultados para comprender el niveles de stock, gestionar la
decisiones informadas y programación lineal, los comportamiento de los demanda, y minimizar los
estratégicas en diferentes problemas de transporte y sistemas y mejorar su diseño. costos asociados al
áreas, como la gestión de asignación, y la teoría de almacenamiento y la gestión
recursos, la planificación de la juegos. de inventarios.
producción, y la toma de
decisiones en general.
Definición de Investigación de Operaciones
Definición Conceptos Clave

La Investigación de Operaciones (IO) es un campo de La IO se centra en el análisis y la mejora de los sistemas,

estudio que utiliza métodos matemáticos y estadísticos para buscando la mejor manera de utilizar recursos limitados
optimizar sistemas complejos. Su objetivo principal es para alcanzar objetivos específicos. El modelado
encontrar la mejor alternativa de acción entre un conjunto matemático permite a los investigadores de operaciones
de opciones posibles, mediante la construcción de modelos simular diferentes escenarios, analizar el impacto de las
matemáticos que representen el problema en estudio. decisiones, y determinar la solución óptima para un
problema dado.
Diferencias entre Procesos y Sistemas
Procesos Sistemas

Los procesos representan la secuencia de actividades que Los sistemas, por otro lado, abarcan un conjunto de
se llevan a cabo para transformar entradas en salidas. Se elementos interconectados que colaboran para ejecutar el
centran en la lógica de la ejecución de tareas, delineando el proceso. El sistema integra recursos, controles y
"qué" se hace y el orden en que se realiza. subprocesos, definiendo el "cómo", "dónde" y "cuándo" se
realiza el proceso.
Sistemas vs. Procesos: Diferencias Fundamentales
Procesos Sistemas

Los procesos se enfocan en la secuencia lógica de Los sistemas abarcan un conjunto de elementos
actividades que transforman entradas en salidas. Se centran interconectados que trabajan juntos para ejecutar el
en el "qué" se realiza y el orden en que se ejecutan las proceso. Se centran en el "cómo", "dónde" y "cuándo" se
tareas. Por ejemplo, un proceso de producción podría realiza el proceso. Un sistema de producción podría incluir
incluir la adquisición de materias primas, la fabricación de máquinas, trabajadores, software, inventario y controles de
un producto, el empaquetado y la distribución. calidad.
Toma de decisiones

Toda toma de decisión empieza con la

detección de un problema.
Para tomar la decisión correcta, se debe:
• Definir el problema en forma clara
• Formular el o los objetivos
• Identificar las restricciones
• Identificar las alternativas de solución
• Evaluar las alternativas y elegir la mejor
¿Como se aplica la IO?

Para la aplicación de la IO se siguen los siguientes pasos:

❑ La IO comienza con la observación cuidadosa de la realidad.
❑ Formular el problema.
❑ Construir un modelo que intente abstraer la esencia del problema real.
❑ Solución del modelo.
❑ Análisis de sensibilidad, hay que ver como se comporta el modelo ante
cambios en las restricciones y/o parámetros del modelo
❑ Implementar los resultados, se debe interpretar los resultados y dar
conclusiones y cursos de acción para la optimización del problema real
¿Como se aplica la IO?
Modelos en la Investigación de Operaciones
Simplificación de la Realidad Herramienta para la Investigación
Los modelos en Investigación de Operaciones (IO) son Los modelos son esenciales para la investigación de
representaciones simplificadas de sistemas reales, que operaciones, ya que permiten experimentar con
permiten comprender mejor su comportamiento y tomar diferentes escenarios y analizar el impacto de diversas
decisiones más informadas. Estos modelos, basados en decisiones sin afectar al sistema real. Esto facilita la toma
supuestos y relaciones matemáticas o lógicas, capturan de decisiones óptimas, la identificación de problemas
los aspectos más relevantes del sistema, sin incluir potenciales y la mejora de la eficiencia del sistema.
detalles innecesarios.
Tipos de Modelos de Investigación de Operaciones
Los modelos en Investigación de Operaciones (IO) son representaciones simplificadas de sistemas reales, que permiten comprender
mejor su comportamiento y tomar decisiones más informadas. Estos modelos, basados en supuestos y relaciones matemáticas o
lógicas, capturan los aspectos más relevantes del sistema, sin incluir detalles innecesarios.

1 Modelos de Investigación de Operaciones

2 Modelos Estáticos vs. Dinámicos

3 Modelos Matemáticos vs. Físicos

4 Modelos Analíticos vs. Numéricos

5 Modelos Continuos vs. Discretos

6 Modelos Determinísticos vs. Estocásticos

TIPOS DE MODELOS DE INVESTIGACION DE OPERACIONES
Un modelo es una representación ideal de un sistema y la forma en que este opera. El objetivo es analizar el comportamiento del sistema o bien predecir su
comportamiento futuro. Obviamente los modelos no son tan complejos como el sistema mismo, de tal manera que se hacen las suposiciones y restricciones
necesarias para representar las porciones más relevantes del mismo. Claramente no habría ventaja alguna en construir un modelo tan complejo como el sistema
real.

Modelos Estáticos vs. Dinámicos Modelos Matemáticos vs. Físicos Modelos Analíticos vs. Numéricos
Los modelos estáticos representan sistemas Los modelos matemáticos utilizan ecuaciones y Los modelos analíticos buscan soluciones
que no cambian con el tiempo, mientras que fórmulas para representar la realidad, mientras exactas utilizando fórmulas matemáticas,
los modelos dinámicos representan sistemas que los modelos físicos son representaciones mientras que los modelos numéricos se basan
que sí cambian. tangibles del sistema, como maquetas o en aproximaciones y simulaciones para
prototipos. obtener soluciones.

Modelos Continuos vs. Discretos Modelos Determinísticos vs. Estocásticos

Los modelos continuos representan sistemas donde las variables pueden Los modelos determinísticos asumen que los resultados son predecibles y
tomar cualquier valor, mientras que los modelos discretos representan no incluyen elementos aleatorios, mientras que los modelos estocásticos sí
sistemas donde las variables solo pueden tomar valores específicos. consideran la incertidumbre y el azar.
Clasificación de Modelos de Investigación de Operaciones
La elección del modelo adecuado es crucial para el éxito de la investigación de operaciones. Cada tipo de modelo tiene fortalezas y debilidades, por lo que la selección debe
basarse en las características específicas del problema que se está estudiando.

Modelos Dinámicos Modelos Estáticos

Estos modelos representan sistemas que cambian con el tiempo. Suelen Los modelos estáticos se basan en la suposición de que el sistema no cambia a lo
utilizarse para analizar fenómenos como el crecimiento poblacional, la evolución largo del tiempo. Se utilizan para analizar situaciones estables o para crear un
de precios o la dinámica de los mercados financieros. punto de referencia para la comparación con modelos dinámicos.

Modelos Matemáticos Modelos Físicos

Estos modelos utilizan ecuaciones y fórmulas matemáticas para representar la Se basan en la construcción de representaciones tangibles del sistema, como
realidad. Ofrecen una representación precisa y cuantitativa del sistema, maquetas, prototipos o modelos analógicos. Permiten visualizar el sistema y
permitiendo realizar análisis rigurosos y obtener soluciones óptimas. experimentar con diferentes escenarios, especialmente cuando el sistema es
complejo o difícil de modelar matemáticamente.

Modelos Analíticos Modelos Numéricos

Se basan en la aplicación de fórmulas matemáticas para resolver problemas y Estos modelos utilizan simulaciones y cálculos numéricos para obtener
encontrar soluciones exactas. Se utilizan para analizar sistemas con soluciones aproximadas. Se utilizan cuando no es posible obtener una solución
comportamientos predecibles y obtener resultados cuantificables. analítica o cuando la complejidad del sistema lo exige.
Clasificación de los Modelos de Investigación de Operaciones
Modelos Continuos Modelos Discretos
Estos modelos representan sistemas donde las variables cambian de En contraste con los modelos continuos, los modelos discretos
forma gradual. La temperatura de una habitación o el nivel de agua representan sistemas donde las variables solo pueden tomar valores
en un depósito son ejemplos de variables continuas. Estos modelos específicos. Un ejemplo es el número de coches en una autopista,
se basan en ecuaciones diferenciales para describir la evolución del que siempre será un número entero. Estos modelos se basan en
sistema a lo largo del tiempo. ecuaciones en diferencias para analizar la evolución del sistema.

Modelos Determinísticos Modelos Estocásticos

Estos modelos se basan en la suposición de que el comportamiento Estos modelos consideran la incertidumbre y la aleatoriedad
del sistema es completamente predecible y no está sujeto a la inherente a los sistemas reales. Por ejemplo, el número de clientes
aleatoriedad. La trayectoria de un proyectil bajo la influencia de la que llegan a una tienda en una hora es una variable aleatoria. Estos
gravedad es un ejemplo de un sistema determinista. Estos modelos modelos utilizan herramientas estadísticas, como la teoría de la
utilizan ecuaciones matemáticas para obtener soluciones exactas. probabilidad, para analizar la variabilidad del sistema.
 Pasos del Método científico en IO

1.- Definición del problema.- Desde el punto de vista de la Investigación de operaciones(IO),esto

indica tres aspectos principales:(a)Una descripción de la meta o el objetivo del estudio,(b)Una
Identificación de las alternativas de decisión y (c) Un reconocimiento de las limitaciones, restricciones y
requisitos del sistema

2.- Construcción del Modelo.- Dependiendo de la definición del problema, el equipo de investigación
de operaciones deberá decidir sobre el modelo mas adecuado para representar el sistema (modelo
matemático, modelo de simulación; combinación de modelos matemáticos, de simulación y heurísticos)
3.-Solución del Modelo.- En modelos matemáticos esto se logra usando técnicas de
optimización bien definidas y se dice que el modelo proporciona una solución optima. Si se
usan los modelos de simulación o heurísticos el concepto de optimalidad no esta bien
definido, y la solución en estos casos se emplea para obtener evaluaciones aproximadas de
las medidas del sistema.

4.-Validación del Modelo.- Un modelo es valido si, independientemente de sus

inexactitudes al representar el sistema, puede dar una predicción confiable del
funcionamiento del sistema.

5.-Implantación de los resultados Finales.-La tarea de aplicar los resultados probados

del sistema recae principalmente en los investigadores de operaciones. Esto básicamente
implicaría la traducción de estos resultados en instrucciones de operación detallada,
emitidas en una forma comprensible a los individuos que administraran y operaran el
sistema después. La interacción del equipo de investigación de operaciones y el personal
de operación llegara a su máximo en esta fase
 Modelos Matemáticos

Un modelo es producto de una abstracción de un sistema real: eliminando las complejidades y haciendo
suposiciones pertinentes, se aplica una técnica matemática y se obtiene una representación simbólica del mismo. Un
modelo matemático consta al menos de tres conjuntos básicos de elementos:

Variables de decisión y parámetros

Las variables de decisión son incógnitas que deben ser determinadas a partir de la solución del modelo. Los
parámetros representan los valores conocidos del sistema o bien que se pueden controlar.

Restricciones
Las restricciones son relaciones entre las variables de decisión y magnitudes que dan sentido a la solución del
problema y las acotan a valores factibles. Por ejemplo si una de las variables de decisión representa el número de
empleados de un taller, es evidente que el valor de esa variable no puede ser negativo.
Función Objetivo

La función objetivo es una relación matemática entre las variables de decisión,

parámetros y una magnitud que representa el objetivo o producto del sistema. Por
ejemplo si el objetivo del sistema es minimizar los costos de operación, la función
objetivo debe expresar la relación entre el costo y las variables de decisión. La
solución ÓPTIMA se obtiene cuando el valor del costo sea mínimo para un conjunto
de valores factibles de las variables. Es decir hay que determinar las variables x1, x2,...,
xn que optimicen el valor de Z = f(x1, x2,..., xn) sujeto a restricciones de la forma
g(x1, x2,..., xn)

Donde x1, x2,..., xn son las variables de decisión Z es la función objetivo, f es una
función matemática.
 Ejemplo 1 – Hallar la Función Objetivo
Sean X1 y X2 la cantidad a producirse de dos productos 1 y 2, los
parámetros son los costos de producción de ambos productos, $3
para el producto 1 y $5 para el producto 2. Si el tiempo total de
producción esta restringido a 500 horas y el tiempo de producción es
de 8 horas por unidad para el producto 1 y de 7 horas por unidad
para el producto 2, entonces podemos representar el modelo como:

Función Objetivo MinZ = 3X1 + 5X2 (Costo total

de Producción)
 Ejemplo 2
En una empresa se fabrican dos productos, cada producto debe pasar por una máquina de ensamblaje A y otra
de terminado B, antes de salir a la venta. El producto 1 se vende a $60 y el otro a $50 por unidad. La siguiente
tabla muestra el tiempo requerido por cada producto:
Para representar el modelo de este problema primero se debe
determinar las variables de decisión: Sea Xi: La cantidad a fabricar
del producto 1 y 2 , entonces
X1: cantidad a fabricar del producto 1,
X2: cantidad a fabricar del producto2, luego el modelo quedaría de la
siguiente manera:
Max Z = 60X1+ 50X2 (máximo ingreso por ventas)
2X1+ 4X2 <= 48 (disponibilidad horas _maquina
A) 3X1+ 2X2 <= 36 (disponibilidad horas _maquina
B) X1 >= 0 (Restricciones de no negatividad)
C) X2 >= 0 (Restricciones de no negatividad
 INVESTIGACION DE OPERACIONES
Etapas para puesta en práctica

1. Definición del problema:

•Alternativas de decisión (vars. de decisión).
•El objetivo de estudio (Función Objetivo).
•Identificación de las restricciones del sistema que se modela.
2. Construcción del modelo:
•Traducir el problema a relaciones matemáticas que incluyan las vars. decisión, la Función
Objetivo y las restricciones.
3. Solución del modelo:
•Uso de algoritmos de optimización.
•Se encuentran los valores de las vars. decisión.
4. Validación del modelo:
•¿El modelo entrega una predicción razonable del comportamiento del sistema estudiado?
5. Puesta en práctica:
•Traducir los resultados del modelo en instrucciones de operación.
 PROGRAMACIÓN LINEAL

PROGRAMACION LINEAL

FORMULACION MATEMATICA

PROBLEMA GENERAL PROBLEMAS ESPECIALES

METODO GRAFICO METODO ALGEBRAICO PROBLEMAS DE TRANSPORTE PROBLEMAS DE ASIGNACIÓN

(SIMPLEX)
 PROGRAMACIÓN LINEAL

Es un método matemático que se emplea para resolver problemas de

optimización. En palabras simples la P.L. busca asignar recursos limitados, entre
actividades que compiten, de la forma mas optima posible.

Supuestos de la P.L.
•Proporcionalidad
•Aditividad
•Divisibilidad
•Certidumbre
•Objetivo único
•No negatividad
Ejercicios Nro. 1
 Ejercicio Nro. 2
• Min Z= 0,30X1 + 0,90 X2
• Restricciones
• X1 + X2 ≥800
• 21X1-30X2≤0
• 3X1-X2≥0
 Ejercicio Nro. 3
• Programa de Producción. Una petrolera tiene dos refinerías y necesita
producir al menos 800,1400 y 500 barriles de petróleo de los grados bajo,
medio y alto, respectivamente. Cada día, la refinería A produce 200 barriles
de grado bajo, 300 de medio y 100 de alto; la refinería B produce 100 barriles
de grado alto, 100 de bajo y 200 de grado medio. Si los costos diarios son de
2500 dólares para operar la refinería A y de 2000 dólares para operar la
refinería B, ¿Cuántos días debe ser operada cada refinería para satisfacer los
requerimientos de producción a un costo mínimo?¿Cuál es el costo mínimo?
 Ejercicio Nro. 4
• Con el comienzo del curso se va a lanzar unas ofertas de material escolar.
• Unos almacenes quieren ofrecer 600 cuadernos, 500 carpetas y 400
bolígrafos para la oferta, empaquetándolo de dos formas distintas;
en el primer bloque pondrá 2 cuadernos, 1 carpeta y 2 bolígrafos;
en el segundo, pondrán 3 cuadernos, 1 carpeta y 1 bolígrafo.
• Los precios de cada paquete serán 6.5 y 7 $, respectivamente.
• ¿Cuántos paquetes le conviene poner de cada tipo para obtener el máximo
beneficio?
 Ejercicio Nro. 5
• Producción para utilidad máxima. Un fabricante de juguetes prepara un programa
de producción para dos nuevos juguetes A y B. Cada juguete A requiere de dos
horas en la maquina 1 y dos horas en la maquina 2 y 1 hora en la sección de
terminado. El juguete B requiere de 1 hora en la maquina 1, 1hora en la maquina 2
y 3 horas en la sección de terminado. Las horas disponibles empleadas por semana
son : para la maquina 1, 70 horas; para la maquina 2, 40 horas ; y para operación de
terminado, 90 horas. Si la utilidad de cada juguete A es $4 dólares y la del juguete
B es de $6, cuantas unidades de cada juguete se deben fabricar por semana con el
fin de maximizar las utilidades?¿Cuál es la utilidad máxima?
 Ejercicio Nro. 6
• Formulación de dieta. Una dieta debe contener al menos 16 unidades de
carbohidratos y 20 de proteínas. El alimento A contiene 2 unidades de
carbohidratos y 4 de proteínas; el alimento B contiene 2 unidades
carbohidratos y 1 de proteína. Si el alimento A cuesta $1.20 dólares la unidad
y el B cuesta $0.80 por unidad, ¿Cuántas unidades de cada alimento deben
comprarse para minimizar el costo de la dieta?¿Cuál es el costo mínimo?
 Ejercicio 7
• Costo de construcción. Una compañía Química está diseñando una planta para
producir dos tipos de polímeros: P1 y P2. La planta debe ser capaz de producir al
menos 100 unidades de P1 y 420 de P2 cada día. Existen dos posibles diseños para
las cámaras de reacciones que serán incluidas en la planta. Cada cámara tipo A
cuesta $600.000 dólares y es capaz de producir 10 unidades de P1 y 20 de P2 cada
día; el tipo B es un diseño más económico y cuesta $300.000 y es capaz de
producir 4 unidades de P1 y 30 unidades de P2 por día. A causa de los costos de
operación, es necesario tener al menos 4 cámaras de cada tipo en la planta.
¿Cuántas cámaras de cada tipo deben ser incluidas para minimizar el costo de
construcción y satisfacer el programa de producción requerido?¿Cuál es el costo
mínimo?
Programación lineal
método gráfico
 Teoría

 Programación Lineal es una técnica cuantitativa

ampliamente aplicada en sistemas que presenten
relaciones lineales, para utilizar los recursos escasos de la
mejor manera posible. La mejor manera de usar los recursos
escasos se logra utilizando un modelo del sistema llamado
Modelo de Programación Lineal. El Modelo de
Programación Lineal es un modelo matemático con
variables de decisión, coeficientes y/o parámetros,
restricciones y una Función Objetivo
Entonces:

 Se llama programación lineal al conjunto de técnicas matemáticas que

pretenden resolver la situación siguiente:

 Optimizar (maximizar o minimizar) una función objetivo, función lineal de

varias variables, sujeta a:

 Una serie de restricciones, expresadas por inecuaciones lineales.

Elementos de la Programación Lineal

 En un problema de programación lineal intervienen:

 La función f(x, y)=ax+by+c llamada función objetivo y que es necesario

optimizar. En esa expresión x e y son las variables de decisión, mientras
que a , b y c son constantes. Es una relación matemática entre las
variables de decisión, parámetros y una magnitud que representa el
objetivo o producto del sistema.
Elementos de la Programación Lineal

 Las restricciones son “relaciones entre las variables de decisión y

magnitudes que dan sentido a la solución del problema y las acotan a
valores factibles” , las mismas que deben ser inecuaciones lineales. Su
número depende del problema en cuestión. El carácter de desigualdad
viene impuesto por las limitaciones, disponibilidades o necesidades, que
son: inferiores a... ( menores: < o ); como mínimo de ... (mayores: > o ) .
Tanto si se trata de maximizar como de minimizar, las desigualdades
pueden darse en cualquiera de los dos sentidos.
Elementos de la Programación Lineal

 Al conjunto de valores de x e y que verifican todas y cada una de las

restricciones se lo denomina conjunto (región) factible. Todo punto de ese
conjunto puede ser solución del problema; todo punto no perteneciente a
ese conjunto no puede ser solución. En el apartado siguiente veremos
cómo se determina la región factible.

 La solución óptima del problema será un par de valores del conjunto

factible que haga que f(x ,y ) tome el valor máximo o mínimo.
 Determinación de la región factible

 La solución de un problema de programación lineal, en el supuesto de que exista, debe

estar en la región determinada por las distintas desigualdades. Esta recibe el nombre de
región factible, y puede estar o no acotada.

Región factible no acotada

Región factible acotada

La región factible incluye o no los lados y los vértices de la figura que se forma con la
intersección de las restricciones, según que las desigualdades sean en sentido amplio ( ≤ o ≥ )
o en sentido estricto (< o >). Si la región factible está acotada, su representación gráfica es un
polígono convexo con un número de lados menor o igual que el número de restricciones.
 Procedimiento para determinar la región
factible es el siguiente:
 1) Se resuelve cada inecuación por separado, es decir, se encuentra el semiplano de
soluciones de cada una de las inecuaciones.

 Se dibuja la recta asociada a la inecuación. Esta recta divide al plano en dos regiones o
semiplanos. Puede existir dos casos: 1) no estricto y 2) estricto. La primera implica cuando
tenemos una inecuación con los símbolos amplio (< igual o > igual ) y la segunda (< o >).

 Para averiguar cuál es la región factible, el procedimiento práctico consiste en elegir un

punto, por ejemplo, el (0,0) si la recta no pasa por el origen, y comprobar si las
coordenadas satisfacen o no la inecuación. Si lo hacen, la región en la que está ese punto
es aquella cuyos puntos verifican la inecuación; en caso contrario, la región válida es la
otra.
 La región factible está formada por la intersección o región común de las soluciones de
todas las inecuaciones.

Como sucede con los sistemas de ecuaciones lineales, los sistemas de inecuaciones
lineales pueden presentar varias opciones respecto a sus soluciones, siendo de tres tipos:

1) solución única,
2) infinitas soluciones y
3) solución inconsistente.
 Método Gráfico o Método de las rectas de
nivel

 Si la función objetivo es f(x,y) = ax + by + c, la ecuación de las rectas de nivel es de la

forma: ax + by + c = 0 o bien ax + by = k.
 En lo referente a resolver un problema de programación lineal, los únicos puntos que se
evaluarán son los de la región factible, y las únicas rectas de nivel que importan son
aquellas que están en aquella región. El nivel aumenta (o disminuye) desplazando las
rectas, luego el máximo (o el mínimo) de f(x,y) se alcanzará en el último (o en el primer)
punto de contacto de esas rectas con la región factible
Método Gráfico o Método de las rectas de
nivel

 Los pasos a seguir para evaluar la función objetivo mediante el método

gráfico, son los siguientes

 Graficar la región factible.

 Representar las rectas de nivel.
 Obtener la solución óptima.