GABRIELA RODRÍGUEZ; 8-985-1626

1. La investigación de operaciones es un campo interdisciplinario que utiliza

técnicas matemáticas y estadísticas para analizar y resolver problemas
complejos en diversos campos, como negocios, ingeniería, salud, finanzas y
gobierno. Esta disciplina se enfoca en el desarrollo de modelos matemáticos
y algoritmos para tomar decisiones óptimas y eficientes, así como para
identificar soluciones factibles y mejorar el rendimiento de los sistemas y
procesos empresariales. Por ejemplo, en una empresa de manufactura, la
investigación de operaciones puede ser utilizada para optimizar la producción
y minimizar los costos, utilizando herramientas como la programación lineal,
la teoría de colas y la simulación de eventos discretos. En el área de la salud,
puede ser utilizada para mejorar la eficiencia en la asignación de recursos y
la programación de cirugías. En el área financiera, puede ser útil en la toma
de decisiones de inversión y en la gestión de riesgos. En resumen, la
investigación de operaciones es una herramienta valiosa en la toma de
decisiones en diferentes áreas y se utiliza para resolver problemas complejos
y mejorar el rendimiento de los sistemas y procesos empresariales.
2. La programación lineal es una técnica matemática utilizada para encontrar
la mejor solución posible a un problema que involucra la optimización de una
función lineal sujeta a un conjunto de restricciones lineales. Es uno de los
métodos más comunes utilizados en la investigación de operaciones para
resolver problemas de optimización de recursos limitados. El objetivo de la
programación lineal es maximizar o minimizar una función lineal (como la
ganancia o los costos) sujeta a un conjunto de restricciones lineales (como
la disponibilidad de recursos o las limitaciones de capacidad). La
programación lineal también se utiliza en la solución de problemas de mezcla,
programación de producción, asignación de recursos y muchos otros
problemas relacionados con la toma de decisiones comerciales y la
optimización de recursos. Con su amplia aplicación en diferentes campos, la
programación lineal es una herramienta poderosa para la toma de decisiones
empresariales y la resolución de problemas de optimización.
3. la función objetivo es una función lineal que se desea maximizar o
minimizar. Esta función representa la meta del problema y es lo que se quiere
optimizar. La función objetivo está sujeta a un conjunto de restricciones
lineales, que son las limitaciones o restricciones que se aplican al problema.
Las variables de decisión generalmente se definen como incógnitas en un
problema de optimización y se les asignan valores que optimizan una función
objetivo o satisfacen un conjunto de restricciones. Estas variables pueden ser
discretas o continuas, dependiendo del tipo de problema que se esté
abordando.
las restricciones son las condiciones que deben cumplirse al optimizar la
función objetivo. Las restricciones son limitaciones que se imponen a las
variables de decisión, y pueden ser de diferentes tipos, como restricciones
de igualdad o desigualdad. Las restricciones pueden ser lineales, lo que
significa que se pueden expresar como ecuaciones o inecuaciones lineales.
Las restricciones pueden ser impuestas por factores externos, como recursos
limitados, o por factores internos, como la capacidad de producción.
las restricciones de no negatividad son una de las restricciones
funcionales que deben cumplirse al optimizar la función objetivo. Las
restricciones de no negatividad significan que las variables de decisión no
pueden tomar valores negativos.
el valor de la función objetivo es el valor numérico que se obtiene al evaluar
la función objetivo en la solución óptima del problema. La función objetivo es
una función lineal que se debe optimizar, es decir, maximizar o minimizar,
sujeto a las restricciones lineales de variables reales. El valor de la función
objetivo es importante porque representa el valor óptimo que se busca en el
problema y puede ser utilizado para tomar decisiones objetivas y optimizar
procesos y recursos.
las restricciones funcionales son las restricciones que se imponen a las
variables de decisión para limitar su libertad y garantizar que la solución
óptima sea factible y tenga sentido en el contexto del problema. Pueden ser
de diferentes tipos, como restricciones de igualdad, restricciones de
desigualdad, restricciones de no negatividad, entre otras.
los parámetros del modelo son la función objetivo, las variables de decisión
y las restricciones. Los parámetros del modelo se expresan mediante
ecuaciones o inecuaciones lineales que relacionan las variables de decisión.
la solución del modelo es el conjunto de valores de las variables de decisión
que optimizan la función objetivo, sujeto a las restricciones lineales del
problema. La solución óptima puede ser única o puede haber varias
soluciones óptimas. La solución se puede encontrar mediante diferentes
métodos, como el método gráfico, el método simplex, el método de los
multiplicadores de Lagrange, entre otros.
una solución factible es un conjunto de valores de las variables de decisión
que satisfacen todas las restricciones del problema. Una solución básica
factible (SBF) es una solución factible que se puede representar a través de
una solución factible en la aplicación del método simplex, satisfaciendo las
condiciones de no negatividad.
una solución no factible es aquella que no satisface todas las restricciones
del problema. Es decir, es un conjunto de valores de las variables de decisión
que violan al menos una de las restricciones del problema. En la aplicación
del método simplex, si se llega a una solución no factible, se debe realizar
una fase adicional para encontrar una solución factible.
la solución óptima es aquella que satisface mejor las restricciones del
problema y maximiza o minimiza la función objetivo, dependiendo del objetivo
del problema. En otras palabras, es el conjunto de valores de las variables
 de decisión que hacen que la función objetivo tenga el valor máximo o mínimo
posible, y que cumplan con todas las restricciones del problema.
la región factible es el conjunto de soluciones que cumplen con todas las
restricciones del problema. Es el conjunto de valores de las variables de
decisión que satisfacen todas las restricciones del problema y que se
encuentran dentro de los límites del recinto definido por las restricciones. La
región factible es importante porque es el conjunto de soluciones que se
pueden considerar para encontrar la solución óptima del problema.
La línea de frontera de restricción en programación lineal es la línea que
delimita la región factible, es decir, la zona donde se encuentran todas las
soluciones factibles del problema. Esta línea se forma por la intersección de
las restricciones del problema y puede ser una recta, un segmento de recta
o una curva, dependiendo del número y tipo de restricciones.
4. El método simplex es un algoritmo iterativo utilizado para resolver
problemas de programación lineal, donde se busca obtener la solución
óptima de la función objetivo que cumpla con el conjunto de restricciones.
Este método trabaja con poliedros solución, lo que significa que presenta una
cantidad finita de vértices, lo que garantiza que siempre se encontrará una
solución óptima. El método simplex se utiliza para problemas de
programación lineal donde todas las restricciones son del tipo menor o igual
(≤). El proceso del método simplex consiste en identificar la solución básica
inicial, definir la tabla simplex inicial y realizar las iteraciones necesarias para
encontrar la solución óptima.
5. A continuación, se describen los pasos del método simplex:
1) Modelación mediante programación lineal: se identifican las variables
de decisión, la función objetivo y las restricciones del problema.
2) Convertir las inecuaciones en ecuaciones: se transforman las
restricciones en ecuaciones utilizando variables de holgura o
excedente.
3) Definir la solución básica inicial: se establece una solución básica
inicial, que es una solución factible del problema.
4) Definir la tabla simplex inicial: se construye una tabla simplex que
contiene la solución básica inicial y los coeficientes de la función
objetivo y las restricciones.
5) Realizar las iteraciones necesarias: se realizan iteraciones en las que
se busca mejorar la solución actual, moviéndose de una solución
básica a otra adyacente, hasta encontrar la solución óptima.
En cuanto a los diferentes signos de relación de las restricciones, se utilizan
diferentes variables de holgura o excedente para convertir las inecuaciones
en ecuaciones. Para el caso de restricciones del tipo menor o igual a (<=), se
utilizan variables de holgura. Para el caso de restricciones del tipo mayor o
igual a (>=), se utilizan variables de excedente. Para el caso de restricciones
del tipo igual a (=), no se necesitan variables de holgura o excedente. En
 cada iteración, se selecciona una variable de entrada y una variable de
salida, se calculan los valores de las variables básicas y no básicas en la
nueva solución básica y se actualiza la tabla simplex. El proceso continúa
hasta que se alcanza la solución óptima del problema.
6. Un ejemplo de un modelo de dos variables de decisión con soluciones
múltiples.
7. Un ejemplo de un modelo de dos variables de decisión con soluciones no
acotadas.
8. Un ejemplo de un modelo de dos variables de decisión con soluciones no
factibles.
9. Un ejemplo de un modelo de dos variables de decisión con soluciones.