Investigacin

Operativa I
Ing. John Zamora Crdova

El problema
Los recursos
son escasos

Los sistemas son cada

vez ms complejos

Cada vez es ms difcil asignar los

recursos o actividades de la forma ms eficaz

Qu es la investigacin operativa?
Definicin (Lawrence y Pasternak, 2008)
Un enfoque cientfico para la toma de decisiones
ejecutivas, que consiste en:
El arte de modelar situaciones complejas,
La ciencia de desarrollar tcnicas de solucin para resolver
dichos modelos y
La capacidad de comunicar efectivamente los resultados.
Objetivo de la Investigacin operativa:
Estudiar la asignacin ptima de recursos escasos a
determinada actividad.
Evaluar el rendimiento de un sistema con objeto de mejorarlo.

Investigacin operativa (I.O.)

Es la aplicacin del mtodo cientfico para
asignar los recursos o actividades de forma
eficaz, en la gestin y organizacin de sistemas
complejos
Su objetivo es ayudar a la toma de decisiones
Requiere un enfoque interdisciplinario

Investigacin Operativa

Realidad

Abstraccin

Intuicin

Modelo

Anlisis

Resultados

Decisiones
Interpretacin

BASE FILOSOFICA
El reduccionismo ha sido el enfoque que ms
accion en la especializacin progresiva que
ha sufrido la ciencia hasta hoy, con l, se gan
profundidad en los conocimientos pero no,
amplitud. por observar el rbol se perdi de
vista el bosque.
En tanto, la visin general de sistemas
persigue
un
enfoque
fenomenolgico,
integrador, que permite ver el conjunto,
comprender el todo, entender el bosque,
para luego comprender las partes que lo
constituyen

Mapa conceptual del rea de INVESTIGACION DE OPERACIONES (IO)

Alumnos capaces de definir un problema

TIPOS DE PROBLEMAS

DIAGNOSTICO

Que el rea de sistemas lo proporcione

Planeacin
de la
Produccin

Distribucin

Asignacin de
recursos
limitados

Inventarios

Programacin
de Actividades

Pronsticos
de
Demanda

Medio
Ambiente

Anlisis de
Lneas de
Espera

Analisis de
Sistemas de
Produccin

Informacin Cuantitativa y Cualitativa del

Sistema bajo estudio
Seleccionar el Modelo
Modelos Deterministicos

Programacin
Lineal
Soluciones
Reales

Programaci
n Lineal
Entera
Soluciones
Entereas

Programacin
Lineal por
metas
Soluciones en
orden de
prioridad

Modelos Estocsticos
Programacin
Dinmica

Optimizacin
de Redes

Control de
Inventarios

Soluciones en
Etapas continuas

Soluciones
orientadas a la
distribucin
ptima

Soluciones por
etapas (n+1)

HERRAMIENTAS DE INVESTIGACIN DE OPERACIONES

Pronsticos
Comportamiento
futuro sistema
basado en datos
histricos

Teora de
Colas
Determinacin
de tiempos de
espera y longitud
de la cola
promedio

Simulacin de
Sistemas
Estimacin de
las medidas de
desempeo del
sistema
modelado

Historia de la I.O.
Se aplica por primera vez en 1780
Antecedentes:
Matemticas: modelos lineales (Farkas, Minkowski) (s.XIX)
Estadstica: fenmenos de espera (Erlang, Markov) (aos 20)
Economa: Quesnay (x.XVIII), Walras (s.XIX), Von Neumann
(aos 20)

El origen de la I.O. moderna se sita en la 2

Guerra Mundial para resolver problemas de
organizacin militar:
- Despliegue de radares, manejo de operaciones de
bombardeo, colocacin ce minas,

Historia de la I.O.
Al terminar la guerra, sigue el desarrollo en la
industria, debido a:
competitividad industrial
progreso terico
RAND (Dantzig)
Princeton (Gomory, Kuhn, Tucker)
Carnegie Institute of Technology (Charnes, Cooper)

gran desarrollo de los ordenadores:

* aumento de la capacidad de almacenamiento
de datos
* Incremento de la velocidad de resolucin de los
problemas.

Actualidad de la I.O.
Sigue habiendo un gran desarrollo, en muchos
sectores, con grandes avances sobre todo en el
campo de la Inteligencia Artificial
Ms informacin:
Sociedad Espaola de Estadstica e Inv. Op. (SEIO)
www.cica.es/aliens/seio

Association of European O.R. Societies (EURO)

www.ulb.ac.be/euro/euro_welcome.html

Institute for O.R. and the Management Sci. (INFORMS)

www.informs.org

International Federation of O.R. Societies (IFORS)

www.ifors.org

El mtodo de la I.O.
Definicin del problema
Formulacin del problema y construccin del
modelo
Resolucin
Verificacin, validacin, refinamiento
Interpretacin y anlisis de resultados
Implantacin y uso extensivo
A lo largo de todo el proceso debe haber una interaccin
constante entre el analista y el cliente

El modelado
Es una ciencia
anlisis de relaciones
aplicacin de algoritmos de solucin

Y a la vez un arte

visin de la realidad
estilo, elegancia, simplicidad
uso creativo de las herramientas
experiencia

Definicin del problema

Consiste en identificar los elementos de
decisin
objetivos (uno o varios, optimizar o satisfacer)
alternativas
limitaciones del sistema

Hay que recoger informacin relevante (los

datos pueden ser un grave problema)
Es la etapa fundamental para que las
decisiones sean tiles

Formulacin del problema

Modelo: representacin simplificada de la
realidad, que facilita su comprensin y el
estudio de su comportamiento
Debe mantener un equilibrio entre sencillez y
capacidad de representacin
Modelo matemtico: modelo expresado en
trminos matemticos
hace ms claras la estructura y relaciones
facilita el uso de tcnicas matemticas y
ordenadores
a veces no es aplicable

Construccin del modelo

Traduccin del problema a trminos
matemticos
objetivos: funcin objetivo
alternativas: variables de decisin
limitaciones del sistema: restricciones

Pero a veces las relaciones matemticas son

demasiado complejas
heursticos
simulacin

Modelado matemtico
Paso 1.- Identificar las variables de decisin
Sobre qu tengo control?
Qu es lo que hay que decidir?
Cul sera una respuesta vlida en este caso?
Paso 2.- Identificar la funcin objetivo
Qu pretendemos conseguir?
Si yo fuese el jefe de la empresa, qu me interesara ms?
Paso 3.- Identificar las restricciones o factores que limitan la
decisin
Recursos disponibles (trabajadores, mquinas, material)
Fechas lmite
Restricciones por la naturaleza de las variables (no
negatividad, enteras, binarias)
Restricciones por la naturaleza del problema
Paso 4.- Traduccin de los elementos bsicos a un modelo
matemtico.

Resolucin del modelo

Paso 1.- Elegir la tcnica de resolucin adecuada
Tcnicas existentes, modificacin, creacin o heursticos.

Paso 2.- Generar las soluciones del modelo

Programas de ordenador, hojas de clculo.

Paso 3.- Comprobar/validar los resultados

Probar la solucin en el entorno real

Paso 4.- Si los resultados son inaceptables, revisar el

modelo matemtico
Estudiar hiptesis, comprobar exactitud de datos, relajar o
endurecer aproximaciones, revisar restricciones

Paso 5.- Realizar anlisis de sensibilidad

Analizar adaptaciones en la solucin propuesta frente a
posibles cambios

Fases
de un
estudi
o

FORMULACIN DEL
PROBLEMA

CONSTRUCCIN DEL
MODELO

NECESIDAD DE
REORGANIZACIN

MODELO DEL SISTEMA

REAL

SISTEMA DE INTERS

OBTENCIN DE DATOS

TOMA DE DECISIONES
IMPLEMENTACIN Y
CONTROL

SOLUCIN DEL MODELO

INTERPRETACIN DE
RESULTADOS E
IMPLICACIONES

VALIDACIN DEL MODELO

ANLISIS DE SENSIBILIDAD

Es un Arte que mejora con la

prctica

PRACTIQUEMOS!

CONJUNTO CONVEXO
Sea S Rn , S se denomina Conjunto Convexo

uv S, u, v S

S1

u1

v2

vemos que para u1 v1 S1 , u1v1 S2

S1 no es un conjunto convexo

HIPERPLANO

H x1 , x2 , ... xn R / c1x1 c2 x2 ... cn xn b

n

Matricialmente, el hiperplano H se define como :

H x R / CX b
n

b c1 x1 c2 x2 ... cn xn
c1 c2 c3 ... Cn

x1
x2
x3

SEMIESPACIOS
S x1 , x2 ,...xn R / c1 x1 c2 x2 ... cn xn b
n

Matricialmente S x R / CX b
Para Semiespacio Abierto
Semiespacio Cerrado
n

NOTA
UN CONJUNTO ES CERRADO CUANDO
CONTIENE A SU FRONTERA

Propiedades de los conjuntos

convexos
A y B Rn , A y B son conjuntos convexos
A B es un conjunto Convexo
A U B no necesariamente es un conjunto
convexo

Vertice o Punto extremo

Se denomina vertice o punto extremo, al
punto que resulta de la interseccion de 2
o ms hiperplanos
v4
Ejemplo v3
-v5

v6

V2-

-v7
v1

v8

Puntos extremos v1, v3, v4, v6, v8

Puntos de frontera v1, v2,......v8

Introduccin a la Programacin
Lineal

Gua general para la formulacin de modelos

Identificacin de los elementos bsicos.
Expresar en palabras:
Datos del problema
Factores que no son susceptibles de cambio

Variables de decisin
Variables sobre las que se tiene control

Restricciones
Causas por las que la decisin est limitada

Funcin objetivo
Medida del rendimiento que se quiere optimizar

Traduccin de los elementos bsicos a

expresiones matemticas

Ejemplo: Gepetto SA, manufactura muecos y trenes de madera.

Cada mueco:
Produce un beneficio neto de 3 .
Requiere 2 horas de trabajo de acabado.
Requiere 1 hora de trabajo de carpinteria.
Cada tren:
Produce un beneficio neto de 2 .
Requiere 1 hora de trabajo de acabado.
Requiere 1 hora trabajo de carpinteria.
Cada semana Gepetto puede disponer de:
Todo el material que necesite.
Solamente 100 horas de acabado.
Solamente 80 horas de carpinteria.
Tambin:
La demanda de trenes puede ser cualquiera (sin lmite).
La demanda de muecos es como mucho 40.

Gepetto quiere maximizar sus beneficios.

Cuntos muecos y cuntos trenes debe fabricar?

Este problema es un ejemplo tpico de un problema de

programacin lineal (PPL).
Variables de
Decisin
x = n de muecos
producidos a la
semana
y = n de trenes
producidos a la
semana

Funcin Objetivo. En
cualquier PPL, la decisin a
tomar es como maximizar
(normalmente el beneficio) o
minimizar (el coste) de
alguna funcin de las
variables de decisin. Esta
funcin a maximizar o
minimizar se llama funcin
objetivo.
El objetivo de Gepetto es elegir
valores de x e y para
maximizar 3x + 2y. Usaremos
la variable z para denotar el
valor de la funcin objetivo. La
funcin objetivo de Gepetto es:

Max z = 3x + 2y

Restricciones
Son desigualdades que
limitan los posibles
valores de las variables
de decisin.
En este problema las
restricciones
vienen
dadas
por
la
disponibilidad de horas
de
acabado
y
carpintera y por la
demanda de muecos
Tambin suele haber
restricciones de signo
o no negatividad:

x0
y

Restricciones
Cuando x e y crecen, la funcin objetivo de Gepetto
tambin crece. Pero no puede crecer indefinidamente
porque, para Gepetto, los valores de x e y estn
limitados por las siguientes tres restricciones:
Restriccin 1: no ms de 100 horas de tiempo de acabado pueden ser usadas.
Restriccin 2: no ms de 80 horas de tiempo de carpintera pueden ser usadas.
Restriccin 3: limitacin de demanda, no deben fabricarse ms de 40 muecos.

Estas tres restricciones pueden expresarse

matemticamente por las siguientes desigualdades:
Restriccin 1:

2 x + y 100

Restriccin 2:

x + y 80

Restriccin 3:

x 40

Adems, tenemos las restricciones de signo:

x0ey0

Formulacin matemtica del PPL

Variables de Decisin

x = n de muecos producidos a la semana

y = n de trenes producidos a la semana

Mueco

Tren

Beneficio

Acabado

100

Carpintera

80

Demanda

Max z = 3x + 2y
2 x + y 100
x + y 80

40

x
x0
y

40

(func. objetivo)
(acabado)

(carpinteria)
(demanda muecos)

(restriccin de signo)
(restriccin de signo)

Formulacin matemtica del PPL

Para el problema de Gepetto, combinando las
restricciones de signo x 0 e y 0 con la funcin
objetivo y las restricciones, tenemos el siguiente
modelo de optimizacin:

Max z = 3x + 2y

(funcin objetivo)

Sujeto a (s.a:)
2 x + y 100
x + y 80

(restriccin de acabado)
(restriccin de carpintera)

40

(restriccin de demanda de muecos)

(restriccin de signo)

(restriccin de signo)

Regin factible
La regin factible de un PPL es el conjunto de todos
los puntos que satisfacen todas las restricciones. Es la
regin del plano delimitada por el sistema de
desigualdades que forman las restricciones.
x = 40 e y = 20 est en la regin
factible porque satisfacen todas
las restricciones de Gepetto.
Sin embargo, x = 15, y = 70 no
est en la regin factible porque
este punto no satisface la
restriccin de carpintera
[15 + 70 > 80].

Restricciones de Gepetto
2x + y 100 (restriccin finalizado)
x + y 80 (restriccin carpintera)
x

40 (restriccin demanda)

(restriccin signo)

y 0

(restriccin signo)

Solucin ptima
Para un problema de maximizacin, una solucin
ptima es un punto en la regin factible en el cual
la funcin objetivo tiene un valor mximo. Para un
problema de minimizacin, una solucin ptima es
un punto en la regin factible en el cual la funcin
objetivo tiene un valor mnimo.
La mayora de PPL tienen solamente una solucin
ptima. Sin embargo, algunos PPL no tienen
solucin ptima, y otros PPL tienen un nmero
infinito de soluciones. Ms adelante veremos que
la solucin del PPL de Gepetto es x = 20 e y = 60.
Esta solucin da un valor de la funcin objetivo
de:

Se puede demostrar
que la solucin
ptima de un PPL
est siempre en la
frontera de la regin
factible,
en
un
vrtice
(si
la
solucin es nica) o
en un segmento
entre dos vrtices
contiguos (si hay
infinitas soluciones)

z = 3x + 2y = 320 + 260 = 180

Cuando decimos que x = 20 e y = 60 es la solucin

ptima, estamos diciendo que, en ningn punto en la
regin factible, la funcin objetivo tiene un valor
(beneficio) superior a 180.

Representacin Grfica de las restricciones

Cualquier PPL con slo dos
variables puede resolverse
grficamente. Por ejemplo,
para representar grfica
mente la 1 restriccin,
2x + y 100 :
Dibujamos la recta
2x + y = 100
Elegimos el semiplano que
cumple la desigualdad: el
punto (0, 0) la cumple
(20 + 0 100),
as que tomamos el
semiplano que lo contiene.

Y
100

2x + y = 100

80

60

40

20

20

40

60

80

Dibujar la regin factible

Puesto que el PPL de Gepetto tiene dos variables, se
puede resolver grficamente. La regin factible es el
conjunto de todos los puntos que satisfacen las
restricciones:
2 x + y 100 (restriccin de acabado)
x+y
x
x

80 (restriccin de carpintera)

40 (restriccin de demanda
0

(restriccin de signo)

y 0

(restriccin de signo)

Vamos a dibujar la regin factible que satisface estas

restricciones.

Dibujar la regin factible

Y
Restricciones

2x + y = 100

100

2 x + y 100
x + y 80
x

40

80

60

y 0
40

Teniendo en cuenta
las restricciones de
signo (x 0, y 0),
nos queda:

20

20

40

60

80

Dibujar la regin factible

Y

100

Restricciones

80

2 x + y 100
x + y 80
x

40

60

x + y = 80

40

y 0
20

20

40

60

80

Dibujar la regin factible

Y
100

Restricciones

80

x = 40

2 x + y 100
x + y 80
x

40

0
y 0

60

40

20

20

40

60

80

Dibujar la regin factible

La interseccin
de todos estos
semiplanos
(restricciones)
nos da la regin
factible

Y
2x + y = 100

100

80

x = 40

60

x + y = 80
40

20

Regin
Factible
20

40

60

80

Vrtices de la regin factible

La regin factible (al
estar limitada por
rectas) es un polgo
no. En esta caso, el
polgono ABCDE.
Como la solucin
ptima
est
en
alguno de los vrti
ces (A, B, C, D o E)
de la regin factible,
calculamos
esos
vrtices.

Restricciones

2 x + y 100

100

80

60

x + y 80

2x + y = 100

40

x = 40

y 0

D
x + y = 80

40

20

Regin
Factible

C
B

20

40

60

80

Vrtices de la regin factible

Los vrtices de la regin
factible son intersecciones de
dos rectas. El punto D es la
interseccin de las rectas
2x + y = 100
x + y = 80
La solucin del sistema x = 20,
y = 60 nos da el punto D.
B es solucin de
x = 40
y=0
C es solucin de
x = 40
2x + y = 100
E es solucin de
x + y = 80
x=0

Y
100
2x + y = 100
80

E(0, 80)

x = 40

D (20, 60)
60

40

20

Regin
Factible

C(40, 20)
x + y = 80

B(40, 0)
A(0, 0)

20

40

60

80

Resolucin grfica
Max z = 3x + 2y
Para
hallar
la
solucin
ptima,
dibujamos las rectas
en las cuales los
puntos tienen el
mismo valor de z.
La figura muestra
estas lineas para
z = 0, z = 100,
y
z = 180

Y
100

80

(0, 80)
(20, 60)

60

40

20

Regin
Factible

(40, 20)
(40, 0)

(0, 0)

20

z=0

40

z = 100

60

80

z = 180

Resolucin grfica

Max z = 3x + 2y
100

La ltima recta de
z que interseca
(toca) la regin
factible indica la
solucin
ptima
para el PPL. Para
el problema de
Gepetto,
esto ocurre en el
punto D (x = 20,
y = 60, z = 180).

80

(0, 80)
(20, 60)

60

40

20

Regin
Factible

(40, 20)
(40, 0)

(0, 0)

20

z=0

40

z = 100

60

80

z = 180

Resolucin analtica
Max z = 3x + 2y
Tambin podemos encontrar la
solucin ptima calculando el
valor de z en los vrtices de la
regin factible.

Vrtice
z = 3x + 2y
(0, 0) z = 30+20 = 0
(40, 0) z = 340+20 = 120
(40, 20) z = 340+220 = 160
(20, 60) z = 320+260 = 180
(0, 80) z = 30+280 = 160
La solucin ptima es:
x = 20 muecos
y = 60 trenes
z = 180 de beneficio

100

80

(0, 80)
(20, 60)

60

40

20

Regin
Factible

(40, 20)
(40, 0)

(0, 0)

20

40

60

80

Hemos identificado la regin factible para

el problema de Gepetto y buscado la
solucin ptima, la cual era el punto en la
regin factible con el mayor valor posible
de z.

Recuerda que:
La regin factible en cualquier PPL
est limitada por segmentos (es un
polgono, acotado o no).
La regin factible de cualquier PPL
tiene solamente un nmero finito de
vrtices.
Cualquier PPL que tenga solucin
ptima tiene un vrtice que es ptimo.

Un problema de minimizacin
Dorian Auto fabrica y vende
coches y furgonetas. La empresa
quiere emprender una campaa
publicitaria en TV y tiene que
decidir comprar los tiempos de
anuncios en dos tipos de
programas: del corazn y ftbol.
Cada anuncio del programa del corazn es visto por 6 millones de
mujeres y 2 millones de hombres.
Cada partido de ftbol es visto por 3 millones de mujeres y 8 millones
de hombres.
Un anuncio en el programa de corazn cuesta 50.000 y un anuncio
del ftbol cuesta 100.000 .
Dorian Auto quisiera que los anuncios sean vistos por lo menos 30
millones de mujeres y 24 millones de hombres.
Dorian Auto quiere saber cuntos anuncios debe contratar en cada tipo de
programa para que el coste de la campaa publicitaria sea mnimo.

Formulacin del problema:

Cada anuncio del programa del corazn es visto por 6 millones de mujeres
y 2 millones de hombres.
Cada partido de ftbol es visto por 3 millones de mujeres y 8 millones de
hombres.
Un anuncio en el programa de corazn cuesta 50.000 y un anuncio del
ftbol cuesta 100.000 .
Dorian Auto quisiera que los anuncios sean vistos por por lo menos 30
millones de mujeres y 24 millones de hombres.
Dorian Auto quiere saber cuntos anuncios debe contratar en cada tipo de
programa para que el coste de la campaa publicitaria sea mnimo.

Corazn
(x)

Ftbol
(y)

mujeres

6x + 3y
30

hombres

2x + 8y
24

Coste
1.000

50

100

50x +100y

Formulacin del problema:

Variables de decisin:
x = n de anuncios en programa de corazn
y = n de anuncios en ftbol

Min z = 50x + 100y (funcin objetivo en 1.000 )

s.a: 6x + 3y 30
2x + 8y 24
x, y 0

(mujeres)
(hombres)

(no negatividad)

Dibujamos la regin factible.

Y
14

Min z = 50 x + 100y

12

s.a. 6x + 3y 30

10

2x + 8y 24

6x + 3y = 30

x, y 0
6
4

2x + 8y = 24

10

12

14

Calculamos los vrtices de la regin factible:

El vrtice A es solucin del
sistema
6x + 3y = 30
x=0
Por tanto, A(0, 10)

12
10

El vrtice B es solucin de
6x + 3y = 30
2x + 8y = 24
Por tanto, B(4, 2)

La regin factible
no est acotada

14

Regin
Factible

8
6
4

El vrtice C es solucin de
2x + 8y = 24
y=0
Por tanto, C(12, 0)

C
2

10

12

14

Resolvemos por el mtodo analtico

Evaluamos la funcin objetivo z en los vrtices.
Vrtice

z = 50x + 100y

z = 500 + 10010 =
A(0, 10)
= 0+10000 = 10 000
B(4, 2)

z = 504 + 1002 =
= 200+200 = 400

z = 5012 + 1000 =
C(12, 0)
= 6000+0 = 6 000
El coste mnimo se obtiene en B.
Solucin:
x = 4 anuncios en pr. corazn
y = 2 anuncios en futbol
Coste z = 400 (mil )

Y
14
12
10

A(0, 10)

Regin
Factible

8
6
4

B(4, 2)

C(12, 0)
2

10

12

14

Resolvemos por el mtodo grfico

Min z = 50 x + 100y

s.a. 6x + 3y 30

14

2x + 8y 24

12

x, y 0
10

El coste
mnimo se
obtiene en el
punto B.

Z = 600
Z = 400

Solucin:
x = 4 anuncios en prog.
de corazn
y = 2 anuncios en futbol
Coste z = 400 (mil )

A(0, 10)

Regin
Factible

8
6
4

B(4, 2)

C(12, 0)
2

10

12

14

Nmero de Soluciones de un PPL

Los dos ejemplos anteriores, Gepetto y Dorian Auto,
tienen, cada uno, una nica solucin ptima.
No en todos los PPL ocurre esto. Se pueden dar
tambin las siguientes posibilidades:
Algunos PPL tienen un nmero infinito de
soluciones ptimas (alternativas o mltiples
soluciones ptimas).
Algunos PPL no tienen soluciones factibles (no
tienen regin factible).
Algunos PPL son no acotados: Existen puntos en
la regin factible con valores de z arbitrariamente
grandes (en un problema de maximizacin).
Veamos un ejemplo de cada caso.

Nmero infinito de soluciones ptimas

Y

Consideremos el
siguiente problema:

60

50

max z = 3x + 2y
s.a 3x + 2y 120
x + y 50
:
x,y0
Cualquier punto (solucin)
situado en el segmento AB
puede ser una solucin
ptima de z =120.

40

30

Regin
Factible

B
z = 120

20

10

z = 60
z = 100

A
10

20

30

40

50

Sin soluciones factibles

Consideremos el
siguiente problema:
max z = 3x1 + 2x2
s.a:

3x + 2y 120
x + y 50
x
30
y 30
x,y0

Y
60

No existe
Regin Factible
50

x 30
40

30

20

3x + 2y 120

10

No existe regin
factible

y 30

x + y 50

10

20

30

40

50

PPL no acotado
max z = 2x y
s.a:

xy1
2x + y 6

Y
6

Regin Factible

x, y 0
La regin factible es no
acotada. Se muestran en el
grfico las rectas de nivel para
z = 4 y z = 6. Pero podemos
desplazar las rectas de nivel
hacia
la
derecha
indefinidamente sin abandonar
la regin factible. Por tanto, el
valor de z puede crecer
indefinidamente.

z=4
3

z=6
1