CAPITULO 1
INTRODUCCIÓN
Investigación de Operaciones 1
Vicente Sanguano
OBJETIVOS
DE APRENDIZAJE:
2 Investigación de Operaciones
Vicente Sanguano
Investigación de Operaciones 3
Vicente Sanguano
4 Investigación de Operaciones
Vicente Sanguano
Como se puede ver la función objetivo Z será una ecuación, las restricciones
pueden ser ecuaciones o inecuaciones.
Investigación de Operaciones 5
Vicente Sanguano
2) Maximizar : G = x + 2y
Bajo las siguientes restricciones:
3x + y >= 5
x - 2y = 3
x >= 0
y >= 0
3) Minimizar : C = 3x + y + 2z
Bajo las limitaciones :
2x - y + z >= 3
x + 2y - z < 5
x >= 0
y > 2
6 Investigación de Operaciones
Vicente Sanguano
Observación:
Investigación de Operaciones 7
Vicente Sanguano
RESOLUCION DE UN PROBLEMA
DE PROGRAMACION LINEAL
CAMINO CAMINO
ESTRICTAMENTE ALGEBRAICO TABULAR
8 Investigación de Operaciones
Vicente Sanguano
Investigación de Operaciones 9
Vicente Sanguano
PROBLEMA
FORMULACION DEL
PROBLEMA
NO ES VALIDA
LA SOLUCION
SI
IMPLEMENTACION
10 Investigación de Operaciones
Vicente Sanguano
Investigación de Operaciones 11
Vicente Sanguano
SOLUCION:
Primer paso
12 Investigación de Operaciones
Vicente Sanguano
Investigación de Operaciones 13
Vicente Sanguano
Segundo paso
Maximizar:
G = 40X + 20Y
Bajo las limitaciones:
X + Y >= 12
2X + Y <= 20
X >= 6
X >= 0
Y >= 0
2. Una nutrióloga de un Centro Médico debe preparar una dieta especial para
ciertos pacientes. Ella ha decidido que las comidas contendrán un mínimo
de 400 mg. De calcio, 10 mg. de hierro y 40 mg. de vitamina C. También
ha decidido que las comidas deben prepararse con los alimentos A y B.
Cada onza de alimento A contiene 30 mg. De calcio, 1 mg. de hierro, 2
mg. de vitamina C y 2 mg. de colesterol. Cada onza del alimento B
contiene 25 mg. de calcio, 0,5 mg. de hierro, 5 mg. de vitamina C y 5 mg.
de colesterol.
14 Investigación de Operaciones
Vicente Sanguano
SOLUCION:
Primer paso
Cantidad de colesterol: C = 2X + 5Y
Investigación de Operaciones 15
Vicente Sanguano
Segundo paso
Minimizar:
C = 2X + 5Y
Bajo las limitaciones:
30X + 25Y >= 400
1 + 0,5Y >= 10
2X + 5Y >= 40
X >= 0
Y >= 0
16 Investigación de Operaciones
Vicente Sanguano
1.8 AUTOEVALUACION
Investigación de Operaciones 17
Vicente Sanguano
18 Investigación de Operaciones
Vicente Sanguano
Investigación de Operaciones 19
Vicente Sanguano
20 Investigación de Operaciones
Vicente Sanguano
22 Investigación de Operaciones
Vicente Sanguano
24 Investigación de Operaciones
Vicente Sanguano
Investigación de Operaciones 25
Vicente Sanguano
26 Investigación de Operaciones
Vicente Sanguano
tiempo del técnico utilizado en contactos con clientes nuevos debe ser
por lo menos 60% del tiempo utilizado en contactos con clientes
normales. Para los requerimientos de ingresos y de políticas enunciadas,
Servicios Controlados desearía determinar cómo asignar el tiempo de los
técnicos entre clientes normales y nuevos, a fin de rnaximizar el número
total de clientes en contacto durante el periodo de 2 semanas. Los
técnicos requieren un promedio de 50 minutos por cada contacto de
cliente normal, y de una hora para cada contado de cliente nuevo.
28 Investigación de Operaciones
Vicente Sanguano
Investigación de Operaciones 29
Vicente Sanguano
30 Investigación de Operaciones
Vicente Sanguano
CAPITULO 2
EL MÉTODO GRÁFICO
Investigación de Operaciones 31
Vicente Sanguano
OBJETIVOS
DE APRENDIZAJE:
32 Investigación de Operaciones
Vicente Sanguano
Investigación de Operaciones 33
Vicente Sanguano
PROBLEMA ILUSTRATIVO 1
Minimizar : Z = 2x + y
Bajo las limitaciones:
x + y >= 8
2x - y <= 3
x >= 0
y >= 0
SOLUCIÓN
Primer paso
34 Investigación de Operaciones
Vicente Sanguano
Segundo paso
Tercer paso
Investigación de Operaciones 35
Vicente Sanguano
Cuarto paso
PROBLEMA ILUSTRATIVO 2
SOLUCIÓN
Primer paso
36 Investigación de Operaciones
Vicente Sanguano
X2
Región factible
V5
V4
V3
X1
V1 V2
Segundo paso
Tercer paso
Investigación de Operaciones 37
Vicente Sanguano
Cuarto paso
38 Investigación de Operaciones
Vicente Sanguano
Investigación de Operaciones 39
Vicente Sanguano
40 Investigación de Operaciones
Vicente Sanguano
Para resolver una situación real por cualquier método que se disponga o que
sea posible aplicarse, se sugiere seguir los siguientes pasos como se mencionó
en el primer capítulo:
1. Formular el problema
2. Presentar el modelo matemático del problemas
3. Resolver el modelo matemático de acuerdo al método y la herramienta
computacional que se disponga.
4. Interpretar la solución
PROBLEMA ILUSTRATIVO 1
Investigación de Operaciones 41
Vicente Sanguano
SOLUCION:
Primer paso
42 Investigación de Operaciones
Vicente Sanguano
Segundo paso
Maximizar:
G = 40X + 20Y
Bajo las limitaciones:
X + Y >= 12
2X + Y <= 20
X >= 6
X >= 0
Y >= 0
Investigación de Operaciones 43
Vicente Sanguano
Tercer paso
X + Y = 12
2X + Y = 20
X =6
X Y X Y
0 12 0 20
12 0 10 0
44 Investigación de Operaciones
Vicente Sanguano
REGION FACTIBLE
B
D
C
X
X =6
X + Y = 12
2X + Y = 20
2X + Y = 20 X + Y = 12 X=6
X= 0 X= 0 X + Y = 12
2(0) + Y = 20 0 + Y = 12 Y = 12 - 6
Y = 20 Y = 12 Y=6
VERTICE D
X=6 12 + Y = 20
2X + Y = 20 Y=8
Investigación de Operaciones 45
Vicente Sanguano
Cuarto paso
46 Investigación de Operaciones
Vicente Sanguano
PROBLEMA ILUSTRATIVO 2
DESARROLLO
Variables de decisión
Función objetivo
El costo: --> C = 8x + 6y
Investigación de Operaciones 47
Vicente Sanguano
Limitaciones o restricciones:
20%x + 32%y <= 25% La cantidad de grasa que ingresa en la carne de res
más la cantidad de grasa que ingresa en la carne de
cerdo no debe dar más del 25% en cada libra de
albondigón.
2. MODELO MATEMÁTICO
Minimizar: C = 8x + 6y
x+y=1
x , y >= 0
48 Investigación de Operaciones
Vicente Sanguano
x+y=1
VERTICES F. OBJETIVO
A( 1, 0) C = 800
B(0.58, 0.42) C = 684 Solución óptima.
Investigación de Operaciones 49
Vicente Sanguano
4. INTERPRETACIÓN DE LA SOLUCIÓN
PROBLEMA ILUSTRATIVO 3
DESARROLLO
Variables de decisión
50 Investigación de Operaciones
Vicente Sanguano
Función objetivo
Limitaciones o restricciones:
x <= 2 000
y <= 6 000
2. MODELO MATEMÁTICO
x < = 2 000
y <= 6 000
x , y >= 0
Investigación de Operaciones 51
Vicente Sanguano
A B
E D X
VERTICES F. OBJETIVO
A( 0, 6 000) I = 54 000
B(500, 6 000) I = 63 000 Solución óptima
C(2 000, 1 500) I = 49 500 .
D(2 000, 0) I = 36 000
E( 0, 0) I=0
52 Investigación de Operaciones
Vicente Sanguano
4. INTERPRETACIÓN DE LA SOLUCIÓN
Para maximizar las ganancias debe producir 500 cajas de jugo de tomate y
2000 cajas de puré de tomate. Esto implica que debe asignar 12 000 libras de
tomate para hacer jugo y 48 000 libras de tomate para hacer puré.
PROBLEMA ILUSTRATIVO 4
DESARROLLO
Variables de decisión
Investigación de Operaciones 53
Vicente Sanguano
Función objetivo
Limitaciones o restricciones:
x + y <= 100
2. MODELO MATEMÁTICO
x + y <= 100
x , y >= 0
54 Investigación de Operaciones
Vicente Sanguano
A B
D C
VERTICES F. OBJETIVO
A( 0, 60) I = 2 100
B(80, 20) I = 2 300 Solución óptima.
C(100, 0) I = 2 000
D(0, 0) I=0
4. INTERPRETACIÓN DE LA SOLUCIÓN
Investigación de Operaciones 55
Vicente Sanguano
56 Investigación de Operaciones
Vicente Sanguano
Investigación de Operaciones 57
Vicente Sanguano
PROBLEMA ILUSTRATIVO 5
DESARROLLO
Variables de decisión
Función objetivo
Limitaciones o restricciones:
16x + 4y > = 32
2x + 2y >= 10
4x + 14y >= 40
58 Investigación de Operaciones
Vicente Sanguano
2. MODELO MATEMÁTICO
16x + 4y > = 32
2x + 2y >= 10
4x + 14y >= 40
x , y >= 0
D X
Investigación de Operaciones 59
Vicente Sanguano
VERTICES F. OBJETIVO
A( 0, 8) C1 = 320
B(1, 4) C2 = 180
C(3,2) C3 = 140
Solución óptima.
D(10, 0) C4 = 200
4. INTERPRETACIÓN DE LA SOLUCIÓN
Para minimizar los costos el laboratorio debe utilizar 3 onzas del aditivo X y 2
onzas del aditivo Y para elaborar el tónico.
60 Investigación de Operaciones
Vicente Sanguano
ANÁLISIS DE SENSIBILIDAD
Investigación de Operaciones 61
Vicente Sanguano
CRITERIO DE CONTROL
62 Investigación de Operaciones
Vicente Sanguano
PRECIO SOMBRA:
EJEMPLO ILUSTRATIVO:
Investigación de Operaciones 63
Vicente Sanguano
Desarrollo:
FORMULACIÓN:
Variables:
Número de kilos de leche a producir diariamente X
Número de kilos de carne a producir diariamente Y
Función Objetivo:
Ganancia G = 6X + 7Y
Limitaciones:
Disponibilidad del compuesto químico A 2X + 3Y <= 24
Disponibilidad del compuesto químico B 2X + Y <= 16
Limitación del mercado para la carne Y <= 6
MODELO MATEMÁTICO:
Máx: G = 6X + 7Y
Bajo las limitaciones:
2X + 3Y <= 24
2X + Y <= 16
Y <= 6
X, Y >= 0
64 Investigación de Operaciones
Vicente Sanguano
V1(0, 0) G1 = 0
V2(8, 0) G2 = 48
V3(6, 4) G3 = 64 Máxima Ganancia
V4(3, 6) G4 = 60
V5(0, 6) G5 = 42
Investigación de Operaciones 65
Vicente Sanguano
3) Interpretación de la solución:
b) Análisis de sensibilidad
66 Investigación de Operaciones
Vicente Sanguano
Entonces:
La pendiente de los lados de la región factible formados por las rectas que
corresponden a las limitaciones 1 y 2 son los límites de la pendiente de la
función objetivo al ser rotada, para que el vértice 3 siga siendo el óptimo.
REGLA:
Investigación de Operaciones 67
Vicente Sanguano
2X + 3Y = 24
Tendremos: m1 = - 2/3
Y = - 2/3 X + 8
De donde: m1 = - 2/3
68 Investigación de Operaciones
Vicente Sanguano
2X + Y = 16
Tendremos: m2 = - 2
Y= -2 X + 16
De donde: m2 = - 2
c1.X + c2.Y = G
Investigación de Operaciones 69
Vicente Sanguano
Y = -c1/c2 X + G/c2
70 Investigación de Operaciones
Vicente Sanguano
Investigación de Operaciones 71
Vicente Sanguano
c2 >= 3 c2 <= 9
3 <= c2 <= 9
72 Investigación de Operaciones
Vicente Sanguano
Límite Coeficiente
Variable Límite superior
inferior original
Leche de soya 4,67 6 14
Carne de soya 3 7 9
Investigación de Operaciones 73
Vicente Sanguano
PRECIO SOMBRA:
2X + 3Y <= 24
2X + 3Y <= 25
La recta correspondiente se mueve paralela a su posición original.
2X + 3Y <= 23
También la recta se mueve paralelamente.
74 Investigación de Operaciones
Vicente Sanguano
2X + 3Y = 25
2X + Y = 16
6(5,75) + 7(4,5) = 66
Investigación de Operaciones 75
Vicente Sanguano
2X + Y <= 16
2X + Y <= 17
2X + Y <= 15
76 Investigación de Operaciones
Vicente Sanguano
2X + 3Y = 24
2X + Y = 17
6(6,75) + 7(3,5) = 65
Investigación de Operaciones 77
Vicente Sanguano
OBSERVACIÓN:
El precio sombra tiene sentido solo en las limitaciones que son parte del
óptimo denominadas limitaciones obligatorias, las limitaciones que no son
obligatorias tienen un precio sombra de cero, la limitación 3 es no obligatoria
por tanto tiene un precio sombra de 0 (cero).
78 Investigación de Operaciones
Vicente Sanguano
Para la limitación 1:
Investigación de Operaciones 79
Vicente Sanguano
2X + 3Y = Ls
2(5) + 3(6) = Ls
10 + 18 = Ls
Ls = 28
2X + 3Y = Li
2(8) + 3(0) = Li
16 + 0 = Li
Li = 16
80 Investigación de Operaciones
Vicente Sanguano
Para la limitación 2:
Investigación de Operaciones 81
Vicente Sanguano
2X + Y = Ls
2(12) + 3(0) = Ls
24 + 0 = Ls
Ls = 24
2X + Y = Li
2(3) + (6) = Li
6 + 6 = Li
Li = 12
82 Investigación de Operaciones
Vicente Sanguano
Para la limitación 3:
Investigación de Operaciones 83
Vicente Sanguano
Ls = infinito
Y = Li
(4) = Li
4 = Li
Li = 4
84 Investigación de Operaciones
Vicente Sanguano
Investigación de Operaciones 85
Vicente Sanguano
86 Investigación de Operaciones
Vicente Sanguano
Investigación de Operaciones 87
Vicente Sanguano
88 Investigación de Operaciones
Vicente Sanguano
Investigación de Operaciones 89
Vicente Sanguano
90 Investigación de Operaciones
Vicente Sanguano
Investigación de Operaciones 91
Vicente Sanguano
2.6 AUTOEVALUACION
2. Escribir en sus propias palabras un resumen de cada uno de los pasos que
se deben seguir para resolver un problema de optimización por el método
gráfico y, las consideraciones importantes a tenerse en cuenta en cada
paso.
92 Investigación de Operaciones
Vicente Sanguano
Investigación de Operaciones 93
Vicente Sanguano
94 Investigación de Operaciones
Vicente Sanguano
Investigación de Operaciones 95
Vicente Sanguano
7. Una compañía de papel opera con dos fábricas que elaboran tres clases
diferentes de papel. Existe una cierta demanda para cada clase y la
compañía tiene un contrato de suministro de 16 toneladas del papel más
ligero, 5 del mediano y 20 del más pesado. El costo diario para operar
con la fábrica 1 es de 1000 dólares y con la segunda es de 2000 dólares.
En un día de operaciones, la fábrica 1 produce 2 toneladas del papel
ligero, 1 del mediano y 7 del pesado, la fábrica 2 produce 1 tonelada del
papel ligero, 1 del mediano y 1 del pesado. Por cuantos días deberá
operar la compañía en cada una de las fábricas con el objeto de
minimizar el costo al cumplir con esos contratos.
96 Investigación de Operaciones
Vicente Sanguano
Investigación de Operaciones 97
Vicente Sanguano
11. Un dietista está diseñando una dieta para cada uno de los pacientes, la
dieta debe incluir dos vegetales A y B. Suponer que cada ración de 10
gramos de A contiene 2 unidades de hierro y 2 de vitamina B12,
mientras que cada ración de 10 gramos del vegetal B contiene 1 unidad
de hierro y 5 de vitamina B12. El número de calorías de cada porción de
10 gramos de los vegetales A y B es 5 y 3 respectivamente. Si el
paciente necesita por lo menos 20 unidades de hierro y 36 de vitamina
B12 en su dieta, Cuántos gramos de cada vegetal deberá incluir el
dietista para satisfacer las necesidades de hierro y vitaminas mientras se
minimiza el número de calorías en la dieta?.
13. La Bolt Company fabrica 2 tipos de pernos hechos a mano y para fines
especiales, los de TIPO I y los del TIPO II. El tornero A produce
pernos del TIPO I a razón de 1 cada 2 minutos y el del TIPO II a razón
de 1 cada 4 minutos. El tornero B produce pernos del TIPO I a razón de
1 cada 3 minutos y 1 por minuto del TIPO II. Las ganancias sobre cada
perno de TIPO I son de 10 000 sucres y las de cada unidad del TIPO II
de 14 000 sucres. El tiempo máximo que pueden dedicar los torneros a la
producción de los pernos es de 3 horas diarias, determinar el número de
98 Investigación de Operaciones
Vicente Sanguano
Investigación de Operaciones 99
Vicente Sanguano
18. Una pequeña fábrica de muebles produce mesas y sillas. Tarda dos
horas en ensamblar una mesa y 30 minutos en armar una silla. El
ensamblaje lo realizan cuatro trabajadores sobre la base de un solo turno
diario de 8 horas. Los clientes suelen comprar cuando menos 4 sillas
con cada mesa, lo que significa que la fábrica debe producir por lo
menos cuatro veces más sillas que mesas. El precio de venta es de 135
dólares por mesa y 50 por silla. Determinar la combinación de sillas y
mesas en la producción diaria que maximice el ingreso total diario de la
fábrica y comente el significado de la solución obtenida.
21. Dos productos se elaboran al pasar en forma sucesiva por tres máquinas.
El tiempo por máquina asignado a los dos productos está limitado a 10
horas por día. El tiempo de producción y la ganancia por unidad de cada
producto son:
1 10 6 8 $2
2 5 20 15 $3
24. Una compañía elabora dos tipos de sombreros. Cada sombrero del
primer tipo requiere dos veces más tiempo de mano de obra que un
producto del segundo tipo. Si todos los sombreros son exclusivamente
del segundo tipo, la compañía puede producir un total de 500 unidades al
día. El mercado limita las ventas diarias del primero y segundo tipos a
150 y 200 unidades. Supóngase que la ganancia que se obtiene por
producto es $8 para el tipo 1 y $5 para el tipo 2. Determine el número de
sombreros de cada tipo que deben elaborarse para maximizar la
ganancia.
25. Una Compañía destiladora tiene dos grados de whisky en bruto sin
mezclar I y II, de los cuales produce dos marcas diferentes, la marca
regular contiene 50% de cada uno de los grados I y II, mientras que la
marca súper consta de dos terceras partes del grado I y una tercera parte
del grado II. La Compañía dispone de de 3000 galones del grado I y 2000
del grado II para mezcla. Cada galón de la marca regular produce una
utilidad de 55 dólares, mientras que cada galón del super produce una
utilidad de 56 dólares. ¿Cuántos galones de cada marca debería producir
la compañía a fin de maximizar sus utilizar?
26. Una Compañía vende dos mezclas diferentes de nueces. La mezcla más
barata contiene 80% de cacahuates y 20% de nueces, mientras que la más
cara contiene 50% de cada tipo. Cada semana la Compañía puede obtener
hasta 1800 kilos de cacahuates y 1200 kilos de nueces de sus fuentes de
suministros. ¿Cuántos kilos de cada mezcla deberían producir a fin de
maximizar las utilidades si las ganancias son de 10 dólares por cada kilo
de mezcla más barata y de 15 dólares por cada kilo de la más cara?
30. En el problema 29, suponga que una baja repentina en la demanda del
mercado del producto A obliga a la compañía a incrementar su precio, si la
utilidad por cada unidad A se incrementa a 600. Determine el nuevo
programa de producción que maximiza la utilidad total.
33. Un granjero tiene 100 hectáreas en las cuales sembrar dos cultivos. El
costo de plantar el primer cultivo es de $20 por Ha. Y el del segundo es
de $40 por Ha. Y a lo más dispone de $3000 para cubrir el costo del
sembrado. La recolección de cada hectárea del primer cultivo demanda de
5 hras-hombre y cada hectárea del segundo cultivo 20 horas-hombre, el
granjero puede contar con un total de 1350 horas-hombre destinadas a la
recolección de los dos cultivos. Si la utilidad es de $100 por cada hectárea
en el caso del primer cultivo y y de $300 por hectárea para el segundo,
determinar la porción del terreno que deberá plantarse con cada cultivo a
fin de maximizar la utilidad total.
Utilidad
por
Producto tiempo de producción(horas)
bolsa
Corte Inspección
y y
teñido Costura Terminado empaque
Estándar 7/10 1/2 1 1/10 $10
Deluxe 1 5/6 2/3 1/4 $ 9
CASOS DE ESTUDIO
1. ESTRATEGIA DE PUBLICIDAD
Informe a la administración
2. ESTRATEGIA DE PRODUCCIÓN
La Pesas Plus 100 está formada por un bastidor, una estación press y una
estación pec-dec.
Informe a la administración
3. PRODUCCIÓN ÓPTIMA
c. Si la venta de cada silla deja una utilidad de $45 y la de cada mesa una
utilidad de $120. ¿Cuál es el plan de producción óptimo?
CAPITULO 3
EL MÉTODO SIMPLEX
OBJETIVOS
DE APRENDIZAJE:
EJERCICIO ILUSTRATIVO 1:
Maximizar: P = 3X + 5Y
Bajo las limitaciones:
X <= 4
2Y <= 12
3X + 2Y <= 18
X >= 0
Y >= 0
Primer paso:
MODELO ESTÁNDAR
Maximizar: P = 3X + 5Y
Bajo las limitaciones:
X + H1 = 4
2Y +H2 = 12
3X + 2Y + H3 = 18
Segundo paso
Cj 3 5 0 0 0
VB CVB X Y H1 H2 H3 bi
H1 0 1 0 1 0 0 4
H2 0 0 2 0 1 0 12
H3 0 3 2 0 0 1 18
Zj 0 0 0 0 0 0
Cj - Zj 3 5 0 0 0
ENTONCES
Cj 3 5 0 0 0
VB CVB X Y H1 H2 H3 bi
H1 0 1 0 1 0 0 4
H2 0 0 2 0 1 0 12
H3 0 3 2 0 0 1 18
Zj 0 0 0 0 0 0
Cj - Zj 3 5 0 0 0
Cj 3 5 0 0 0
VB CVB X Y H1 H2 H3 bi
H1 0 1 0 1 0 0 4
H2 0 0 2 0 1 0 12
H3 0 3 2 0 0 1 18
Zj 0 0 0 0 0 0
Cj - Zj 3 5 0 0 0
F2 . ( ½ ) F2
Cj 3 5 0 0 0
VB CVB X Y H1 H2 H3 bi
H1 0 1 0 1 0 0 4
Y 5 0 1 0 1/2 0 6
H3 0 3 2 0 0 1 18
Zj 0 0 0 0 0 0
Cj - Zj 3 5 0 0 0
4. Utilizando este pívot, debemos hacer ceros a todos los elementos que se
encuentran en su misma columna, mediante operaciones elementales del
tipo III del análisis matricial. Así para nuestro caso las operaciones
elementales necesarias serán:
F2(-2) + F3 F3
VB CVB X Y H1 H2 H3 bi
H1 0 1 0 1 0 0 4
Y 5 0 1 0 1/2 0 6
H3 0 3 0 0 -1 1 6
Zj 0 5 0 2,5 0 30
Cj - Zj 3 0 0 -2,5 0
Cj 3 5 0 0 0
VB CVB X Y H1 H2 H3 bi
H1 0 1 0 1 0 0 4
Y 5 0 1 0 1/2 0 6
H3 0 3 0 0 -1 1 6
Zj 0 5 0 2,5 0 30
Cj - Zj 3 0 0 -2,5 0
VB CVB X Y H1 H2 H3 bi
H1 0 1 0 1 0 0 4
Y 5 0 1 0 1/2 0 6
H3 0 3 0 0 -1 1 6
Zj 0 5 0 2,5 0 30
Cj - Zj 3 0 0 -2,5 0
F3(-1) + F1 F1
Cj 3 5 0 0 0
VB CVB X Y H1 H2 H3 bi
H1 0 0 0 1 1/3 - 1/3 2
Y 5 0 1 0 1/2 0 6
X 3 1 0 0 - 1/3 1/3 2
Zj 3 5 0 1 1/2 1 36
Cj - Zj 0 0 0 -1 1/2 -1
EJEMPLO ILUSTRATIVO 2:
Una fábrica elabora pantalones y camisas, la ganancia que obtiene por cada
pantalón es de 6 dólares y 5 dólares por cada camisa, se necesita 2 metros
de tela para los pantalones y 1.5 metros de tela para cada camisa. Debido a
las limitaciones en la producción de la fábrica no puede manufacturar más de
10 artículos por día y no puede usar mas de 18 metros de tela diariamente. Si
la fábrica puede vender todos los pantalones y camisas que produce.
Encuentre el número de artículos de cada tipo que debería producir
diariamente para obtener la máxima ganancia.
Solución:
1) Variables de decisión:
2) Función objetivo:
La ganancia G = 6X + 5Y
3) Limitaciones:
X+Y <= 10
2X+1.5Y <= 18
X >= 0
Y >= 0
Maximizar : G = 6X + 5Y
Bajo las limitaciones :
X + Y <= 10
2X + 1.5Y <= 18
X >= 0
Y >= 0
MODELO ESTANDAR
Maximizar : G = 6X + 5Y
Bajo las limitaciones :
X + Y + H1 = 10
2X + 1.5Y + H2 = 18
TABLA SIMPLEX
Cj 6 5 0 0
VB CVB X Y H1 H2 bi
H1 0 1 1 1 0 10
H2 0 2 1,5 0 1 18
Zj 0 0 0 0 0
Cj - Zj 6 5 0 0
Cj 6 5 0 0
VB CVB X Y H1 H2 bi
H1 0 1 1 1 0 10
H2 0 2 1,5 0 1 18
Zj 0 0 0 0 0
Cj - Zj 6 5 0 0
Cj 6 5 0 0
VB CVB X Y H1 H2 bi
H1 0 1 1 1 0 10
X 6 1 1,5/2 0 1/2 9
Zj 0 0 0 0 0
Cj - Zj 6 5 0 0
Cj 6 5 0 0
VB CVB X Y H1 H2 bi
H1 0 0 0,5/2 1 - 1/2 1
X 6 1 1,5/2 0 1/2 9
Zj 6 4,5 0 3 54
Cj - Zj 0 0,5 0 -3
Cj 6 5 0 0
VB CVB X Y H1 H2 bi
Y 5 0 1 4 -2 4
X 6 1 0 -3 -1 6
Zj 6 5 2 -16 56
Cj - Zj 0 0 -2 16
INTERPRETACION DE LA SOLUCION
Ejemplo Ilustrativo 3:
Minimizar: Z = 4X1 + X2
Bajo las limitaciones:
3X1 + X2 = 3
4X1 + 3X2 >= 6
X1 + 2X2 <= 4
X1, X2 >= 0
Minimizar: Z = 4X2 + X2
Bajo las limitaciones:
3X1 + X2 = 3
4X1 + 3X2 - E1 = 6
X1 + 2X2 + H1 = 4
Minimizar: Z = 4X2 + X2
Cj 4 1 0 100 100 0
VB CVB X1 X2 E1 R1 R2 H1 bi
R1 100 3 1 0 1 0 0 3
R2 100 4 3 -1 0 1 0 6
H1 0 1 2 0 0 0 1 4
Zj 700 400 -100 100 100 0 900
Cj - Zj -696 -399 100 0 0 0
Cj 4 1 0 100 100 0
VB CVB X1 X2 E1 R1 R2 H1 bi
R1 100 3 1 0 1 0 0 3
R2 100 4 3 -1 0 1 0 6
H1 0 1 2 0 0 0 1 4
Zj 700 400 -100 100 100 0 900
Cj - Zj -696 -399 100 0 0 0
Cj 4 1 0 100 100 0
VB CVB X1 X2 E1 R1 R2 H1 bi
X1 4 1 1/3 0 1/3 0 0 1
R2 100 0 1 2/3 -1 -1 1/3 1 0 2
H1 0 0 1 2/3 0 - 1/3 0 1 3
Zj 4 168 -100 -165 1/3 100 0 204
Cj - Zj 0 -167 100 265 1/3 0 0
Cj 4 1 0 100 100 0
VB CVB X1 X2 E1 R1 R2 H1 bi
X1 4 1 1/3 0 1/3 0 0 1
R2 100 0 1 2/3 -1 -1 1/3 1 0 2
H1 0 0 1 2/3 0 - 1/3 0 1 3
Zj 4 168 -100 -165 1/3 100 0 204
Cj - Zj 0 -167 100 265 1/3 0 0
Cj 4 1 0 100 100 0
VB CVB X1 X2 E1 R1 R2 H1 bi
X1 4 1 1/3 0 1/3 0 0 1
X2 1 0 1 - 3/5 - 4/5 3/5 0 1 1/5
H1 0 0 1 2/3 0 - 1/3 0 1 3
Zj 4 168 -100 -165 1/3 100 0 204
Cj - Zj 0 -167 100 265 1/3 0 0
Cj 4 1 0 100 100 0
VB CVB X1 X2 E1 R1 R2 H1 bi
X1 4 1 0 1/5 3/5 - 1/5 0 3/5
X2 1 0 1 - 3/5 - 4/5 3/5 0 1 1/5
H1 0 0 0 1 1 -1 1 1
Zj 4 1 3/5 1 3/5 - 1/5 0 3 3/5
Cj - Zj 0 0 - 3/5 98 2/5 501/5 0
Cj 4 1 0 100 100 0
VB CVB X1 X2 E1 R1 R2 H1 bi
X1 4 1 0 0 2/5 0 - 1/5 2/5
X2 1 0 1 0 - 1/5 0 3/5 1 4/5
H1 0 0 0 1 1 -1 1 1
Zj 4 1 0 1 2/5 0 - 1/5 3 2/5
Cj - Zj 0 0 0 98 3/5 100 1/5
Para resolver problemas que contienen mas de dos variables podemos utilizar
entre otros los siguientes programas computacionales; QSB, WINQSB,
SOLVER, LINDO.
Datos de entrada
Material requerido
Resultado de la solución
Variables de decisión
Pantalones Camisas Ganancia total
Número de prendas 6 4
Ganancia 36 20 56
Disponibilidad Holgura/excedente
Cantidad de tela 18 -5,42357E-11
Número de prendas 10 -2,12061E-11
INTERPRETACIÓN DE LA SOLUCIÓN
INTERPRETACIÓN DE LA SOLUCIÓN
EJEMPLO ILUSTRATIVO:
Desarrollo:
FORMULACIÓN:
Variables:
Función Objetivo:
Ganancia G = 6X + 7Y
Limitaciones:
MODELO MATEMÁTICO:
Máx: G = 6X + 7Y
Bajo las limitaciones:
2X + 3Y <= 24
2X + Y <= 16
Y <= 6
X, Y >= 0
Máx: G = 6X + 7Y
Bajo las limitaciones:
2X + 3Y + H1 = 24
2X + Y + H2 = 16
Y + H3 = 6
Cj 6 7 0 0 0
VB CVB X Y H1 H2 H3 bi
H1 0 2 3 1 0 0 24
H2 0 2 1 0 1 0 16
H3 0 0 1 0 0 1 6
Zj 0 0 0 0 0 0
Cj - Zj 6 7 0 0 0
Primera iteración:
Cj 6 7 0 0 0
VB CVB X Y H1 H2 H3 bi
H1 0 2 3 1 0 0 24
H2 0 2 1 0 1 0 16
H3 0 0 1 0 0 1 6
Zj 0 0 0 0 0 0
Cj - Zj 6 7 0 0 0
Cj 6 7 0 0 0
VB CVB X Y H1 H2 H3 bi
H1 0 2 0 1 0 -3 6
H2 0 2 0 0 1 -1 10
Y 7 0 1 0 0 1 6
Zj 0 7 0 0 7 42
Cj - Zj 6 0 0 0 -7
Segunda iteración:
Cj 6 7 0 0 0
VB CVB X Y H1 H2 H3 bi
H1 0 2 0 1 0 -3 6
H2 0 2 0 0 1 -1 10
Y 7 0 1 0 0 1 6
Zj 0 7 0 0 7 42
Cj - Zj 6 0 0 0 -7
Cj 6 7 0 0 0
VB CVB X Y H1 H2 H3 bi
X 6 1 0 1/2 0 -1,5 3
H2 0 0 0 -1 1 2 4
Y 7 0 1 0 0 1 6
Zj 6 7 3 0 -2 42
Cj - Zj 0 0 -3 0 2
Tercera iteración:
Cj 6 7 0 0 0
VB CVB X Y H1 H2 H3 bi
X 6 1 0 1/2 0 -1,5 3
H2 0 0 0 - 1/2 1/2 1 2
Y 7 0 1 0 0 1 6
Zj 6 7 3 0 -2 42
Cj - Zj 0 0 -3 0 2
Cj 6 7 0 0 0
VB CVB X Y H1 H2 H3 bi
X 6 1 0 - 1/4 3/4 0 6
H2 0 0 0 - 1/2 1/2 1 2
Y 7 0 1 1/2 - 1/2 0 4
Zj 6 7 2 1 0 64
Cj - Zj 0 0 -2 -1 0
4) interpretación de la solución:
b) Análisis de sensibilidad
Cj c1 7 0 0 0
VB CVB X Y H1 H2 H3 bi
X c1 1 0 - 1/4 3/4 0 6
H2 0 0 0 - 1/2 1/2 1 2
Y 7 0 1 1/2 - 1/2 0 4
Zj c1 7 (-1/4c1+7/2) (3/4c1-7/2) 0 64
Cj - Zj 0 0 (-7/2+1/4c1) (7/2-3/4c1) 0
Para que se haya logrado el óptimo la regla decía que todos los valores en la
fila de evaluación (Cj – Zj) debe contener todos sus valores ceros o negativos,
entonces deben cumplirse las siguientes inecuaciones:
De donde obtenemos:
Gráficamente:
Cj 6 c2 0 0 0
VB CVB X Y H1 H2 H3 bi
X 6 1 0 - 1/4 3/4 0 6
H2 0 0 0 - 1/2 1/2 1 2
Y c2 0 1 1/2 - 1/2 0 4
Zj 6 c2 (1/2c2-3/2) (-1/2c2+9/2) 0 64
Cj - Zj 0 0 (3/2-1/2c2) (-9/2+1/2c2) 0
Para que se haya logrado el óptimo la regla decía que todos los valores en la
fila de evaluación (Cj – Zj) debe contener todos sus valores ceros o negativos,
entonces deben cumplirse las siguientes inecuaciones:
c2 >= 3 c2 <= 9
De donde obtenemos:
3 <= c2 <= 9
Gráficamente:
PRECIO SOMBRA:
Cj 6 7 0 0 0
VB CVB X Y H1 H2 H3 bi
X 6 1 0 - 1/4 3/4 0 6
H2 0 0 0 - 1/2 1/2 1 2
Y 7 0 1 1/2 - 1/2 0 4
Zj 6 7 2 1 0 64
Cj – Zj 0 0 -2 -1 0
Cj 6 7 0 0 0
VB CVB X Y H1 H2 H3 bi
X 6 1 0 - 1/4 3/4 0 6
H2 0 0 0 - 1/2 1/2 1 2
Y 7 0 1 1/2 - 1/2 0 4
Zj 6 7 2 1 0 64
Cj – Zj 0 0 -2 -1 0
Para la limitación 1:
16 <= 24 <= 28
Para la limitación 2:
Para la limitación 3:
Ingreso al programa:
Tenemos una tabla en donde se puede leer la solución óptima del problema y
el análisis de sensibilidad, cuyos resultados coinciden exactamente con los
obtenidos en forma manual.
Ingreso al programa:
Con la información de esta pantalla nos queda nada más que interpretarla y
entregarla, y toda esta información coincide exactamente con la entregada por
el programa WINQSB, así como con la información obtenida en forma
manual.
3.5 AUTOEVALUACION
1. Maximizar Z = 2x + 3y + 6z
Bajo las limitaciones:
2x + 3y + z <= 10
x + y + 2z <= 8
2y + 3z <= 6
x, y, z >= 0
3. Maximizar P = 3x + 4y + 5z
Bajo las limitaciones:
x + y + z <= 8
3x + 2y + 4z <= 24
x, y, z >= 0
10. Una compañía minera trabaja con 2 minas, la una produce 20 toneladas
de mineral A y 30 de B por día. la segunda 15 de A y 35 de B. El A se
vende a 17 dólares la tonelada y a 34 la tonelada de B. Se puede vender
a lo mas 630 toneladas de B mensualmente y todo lo de A. No hay
espacio para almacenar B y se trabaja con una mina a la vez y no deben
trabajar mas de 20 días al mes. Cuántos días por mes para cada mina
debe programar la compañía para obtener el máximo ingreso por la venta
del mineral.
Operación (horas)
Calidad A 2 2 4 40
Calidad B 5 5 2 30
Calidad C 10 3 2 20
Máximo tiempo 900 400 600
Disponible.
12. Una Compañía que produce frutas mezcladas enlatadas tiene en almacén
10 000 libras de peras, 12 000 libras de duraznos y 8 000 libras de
cerezas. La Compañía produce tres mezclas de frutas, que vende en latas
de 1 libra. La primera combinación contiene la mitad de peras y la mitad
de duraznos y se vende en 30 centavos. La segunda combinación tiene
cantidades iguales de cada fruta y se vende en 40 centavos. La tercera
combinación tiene la mitad de duraznos y la mitad de cerezas y se vende
13. El empleado de una nevería desea hacer el helado de soda más rico(en
calorías) para sus amigos, teniendo como limitación un vaso de 12 onzas.
Los ingredientes de un helado son jarabe, crema, agua de soda y helado.
A fin de que tenga la apariencia y el sabor de una soda, la mezcla debe
contener no más de 4 onzas de helado, una cantidad de agua de soda por
lo menos igual a la cantidad total combinada de jarabe y helado y una
cantidad de jarabe superior a la de helado a lo más en 1 onza. Si el jarabe
contiene 75 calorías/onza, el helado contiene 40 calorías/onza, la crema
50 calorías/onza y el agua de soda no contiene calorías, ¿Cuántas onzas
de cada ingrediente deberá utilizar el empleado?.
15. Un fabricante produce dos tipos de parrillas para asar carne, Tipo I y
Tipo II. Durante el proceso de producción las parrillas requieren del uso
de dos máquinas, A y B. El número de horas que se requieren en cada
una se señalan en la tabla que aparece a continuación. Si puede utilizarse
cada una de las máquinas 24 horas al día, y las utilidades para la Tipo I
y la Tipo II son $4 y $6, respectivamente, ¿Qué cantidad de cada tipo
se debe fabricar diariamente para maximizar las utilidades? ¿Cual es la
utilidad máxima?.
Máquina A Máquina B
Tipo I 2h 4h
Tipo II 4h 2h
16. Una compañía de carga maneja envíos para dos compañías A y B que se
encuentran en la misma ciudad. La Empresa A envía cajas que pesan 3
libras cada una y tienen un volumen de 2 pies cúbicos; la B envía cajas
de 1 pie cúbico con peso de 5 libras cada una. Tanto A como B hacen
envíos a los mismos destinos. El costo por transporte de cada caja de A
es de $0.75 y para B es de $0.50. La compañía transportadora tiene un
camión con espacio de carga para 2400 pies cúbicos y capacidad
máxima de 9200 libras. En un viaje, ¿cuántas cajas de cada empresa
debe transportar el camión para que la compañía de transportes obtenga
el máximo ingreso? ¿Cuál es este ingreso?
18. Una Compañía fabrica tres tipos de muebles para jardín: sillas,
mecedoras y sofás. Cada uno de estos artículos requiere madera, plástico
y aluminio, según se señala en la tabla que aparece a continuación. La
compañía dispone de 400 unidades de madera, 500 de plástico y 1450 de
aluminio. Cada silla, mecedora y sofá se vende en $7, $8 y $12,
respectivamente. Suponiendo que puede venderse todos los muebles,
determine un programa de producción que permita maximizar los
ingresos totales. ¿Cuáles son los ingresos máximos?.
2 85 88
3 60 75
23. Ecuador Fuels está desarrollando un nuevo aditivo para combustible para
avión. El aditivo es una combinación de tres ingredientes: A, B, C. Para
un rendimiento adecuado, la cantidad total de aditivo (cantidad de A +
cantidad de B + cantidad de C) debe ser por lo menos 10 onzas por galón
de combustible. La mezcla de los tres ingredientes es crítica; por lo
menos se debe utilizar una onza del ingrediente A por cada onza del B.
La cantidad del ingrediente C debe ser mayor que la mitad del A. Si los
costos por onza de los ingredientes A, B y C son $ 0.10, $ 0.03 y $ 0.09,
respectivamente, encuentre la mezcla de costo mínimo de A, B y C por
cada galón de combustible para avión.
Año 1 2 3 4 5 6
Proveedor
Componente 1 2 3
1 $ 12 $ 13 $ 14
2 $ 10 $ 11 $ 10
Proveedor 1 2 3
Cada galón de gasolina normal debe contener por lo menos 40% del
ingrediente A, en tanto que cada galón de gasolina de alto octanaje puede
contener como máximo 50% del ingrediente B. La demanda diaria de
gasolina normal y de alto octanaje es de 800,000 y 500,000 galones
respectivamente. ¿Cuántos galones de cada tipo de petróleo crudo se
deberán utilizar en las dos gasolinas para satisfacer la demanda diaria a
un costo mínimo?
30. Una compañía papelera produce rollos de papel para uso en máquinas
sumadoras, calculadoras de escritorio y cajas registradoras. Los rollos,
que tienen una longitud de 200 pies, se producen en anchos de 1½, 2½ y
3½ pulgadas. El proceso de producción entrega únicamente rollos de 200
pies con un ancho de 10 pulgadas. La empresa debe, por lo tanto, cortar
los rollos al tamaño final del producto deseado. Las 7 alternativas de
corte y el volumen de desperdicio generado por cada una son como
sigue.
Costo mensual de
Capacidad Costo de operación, incluyendo
Modelo de pipa (galones) adquisición depreciación
Super Tanker 5000 $ 67,000 $ 550
Regular Line 2500 $ 55,000 $ 425
Econo-Tanker 1000 $ 46,000 $ 350
CASOS DE ESTUDIO
1. ESTRATEGIA DE INVERSIÓN
Informe a la administración
2. PROGRAMACIÓN DE FÁBRICA
La Textil Ecuatoriana elabora cinco tipos de tela. Cada una de ellas puede
tejerse en uno o más de los 38 telares de la fábrica. El departamento de ventas
ha pronosticado demanda para el mes siguiente. Los detalles de la demanda
aparecen en la tabla 3.1, junto con datos del precio de venta, el costo variable
y el precio de adquisición, todos por yarda. La fábrica opera 24 horas al día y
está programada para 30 días durante el mes siguiente.
La fábrica tiene dos tipos de telares: simple y normal. Los primeros son más
versátiles y pueden utilizarse para producir las cinco telas. Los telares
normales sólo pueden producir tres de las telas. Hay un total de 38 telares: 8
simples y 30 normales. En la tabla 1 se da la producción de cada una de las
telas en cada tipo de telar. El tiempo requerido para producir una tela a otra es
despreciable, y no merece ser tomado en consideración.
La Textil Ecuatoriana satisface toda la demanda, ya sea con tela propia o con
tela adquirida de otra fábrica. Esto es, las telas que no puedan ser tejidas en
Textil Ecuatoriana debido a limitaciones en la capacidad de los telares, se
adquirirán de otra fábrica. El precio de adquisición de cada una de las telas
también aparece en la tabla 1.
Informe a la administración
Este es un método que se utiliza para resolver modelos que cumplen con las
características para ingresar directamente a la tabla simplex, y
fundamentalmente para resolver problemas en los cuales los valores duales
entregan información valiosa para la toma de decisiones y la interpretación de
diferentes alternativas de solución. El dual tiene una gran importancia teórica,
económica y computacional.
Las reglas que se ponen en consideración están dadas para problemas cuyos
modelos matemáticos tiene cualquier forma, esto es que no necesariamente
las variables de decisión deban ser positivas, las limitaciones tiene cualquier
sentido(>=, <=, =), generalmente en las aplicaciones reales y prácticas se
presentarán casos en los cuales todas las variables de decisión tiene que ser
positivas.
Reglas:
EJEMPLOS ILUSTRATIVOS:
Solución:
Solución:
Minimizar: Z = 4X1 + X2
Bajo las limitaciones:
3X1 + X2 = 3
4X1 + 3X2 >= 6
X1 + 2X2 <= 4
X1, X2 >= 0
Minimizar: Z = 4X2 + X2
Bajo las limitaciones:
3x1 + X2 = 3
4X1 + 3X2 - E1 = 6
X1 + 2X2 + H1 = 4
Minimizar: Z = 4X2 + X2
Bajo las limitaciones:
3x1 + X2 + R1 = 3
4X1 + 3X2 - E1 + R2 = 6
X1 + 2X2 + H1 = 4
PENALIZACION
3.7.2.1 LA TECNICA M
Esta técnica dice que penalizaremos las variables artificiales, sumando cada
variable artificial a la función objetivo multiplicada por un valor M muy
alto, si el problema es de minimización o restando en el caso de que el
problema sea de maximización.
R1 = 3 – 3X1 - X2
R2 = 6 - 4X1 - 3X2 + E1
X1 X2 E1 R1 R2 H1 SOLUC.
Z -4+7M -1+4M -M 0 0 0 9M
R1 3 1 0 1 0 0 3
R2 4 3 -1 0 1 0 6
H1 1 2 0 0 0 1 4
X1 X2 E1 R1 R2 H1 SOLUC.
Z -4+7M -1+4M -M 0 0 0 9M
X1 1 1/3 0 1/3 0 0 1
R2 4 3 -1 0 1 0 6
H1 1 2 0 0 0 1 4
X1 X2 E1 R1 R2 H1 SOLUC.
X1 X2 E1 R1 R2 H1 SOLUC.
X1 X2 E1 R1 R2 H1 SOLUC.
X1 X2 E1 R1 R2 H1 SOLUC.
Esta técnica permite la eliminación del uso de la M que como sabemos debe
tener un valor muy grande, esto puede generar errores de redondeo y
confusiones en el proceso, a continuación describimos las dos fases:
Primera Fase:
Segunda Fase
EJEMPLO:
Minimizar: Z = 2X + 3Y
Bajo las limitaciones:
2X + Y >= 18
X + Y >= 12
3X + 2Y <= 34
MODELO ESTANDAR
Minimizar: Z = 2X + 3Y
Bajo las limitaciones:
2X + Y – E1 = 18
X+ Y - E2 = 12
3X + 2Y + H1 = 34
Primera Fase:
2X + Y – E1 + R1 = 18
X + Y - E2 + R2 = 12
3X + 2Y + H1 = 34
R = R1 + R2
R1 = 18 + 2X – Y + E1
R2 = 12 – X – Y + E2
De donde:
Z + 3X + 2Y – E1 – E2 = 30
2X + Y - E1 + R1 = 18
X+ Y - E2 + R2 = 12
3X + 2Y + H1 = 34
X Y E1 E2 R1 R2 H1 SOLUC.
Z 3 2 -1 -1 0 0 0 30
R1 2 1 -1 0 1 0 0 18
R2 1 1 0 -1 0 1 0 12
H1 3 2 0 0 0 0 1 34
X Y E1 E2 R1 R2 H1 SOLUC.
Z 3 2 -1 -1 0 0 0 30
X 1 1/2 -1/2 0 1/2 0 0 9
R2 1 1 0 -1 0 1 0 12
H1 3 2 0 0 0 0 1 34
X Y E1 E2 R1 R2 H1 SOLUC.
X Y E1 E2 R1 R2 H1 SOLUC.
X Y E1 E2 R1 R2 H1 SOLUC.
Z 0 O 0 0 -1 0 0 0
X 1 0 -1 1 1 0 0 6
Y 0 1 1 -2 -1 0 0 6
H1 0 0 1 1 -1 0 1 4
Segunda Fase
X - E1 + E2 = 6
Y + E1 - 2E2 = 6
E1 + E2 + H1 = 4
X = 6 + E1 - E2
Y = 6 - E1 + 2E2
Z = 2X + 3Y
Z = 2(6 + E1 - E2) + 3(6 - E1 + 2E2)
Z = 30 - E1 + 4E2)
X Y E1 H1 SOLUC.
Z 0 O 1 0 30
X 1 0 -1 0 6
Y 0 1 1 0 6
H1 0 0 1 1 4
X Y E1 H1 SOLUC.
Z 0 O 0 -1 26
X 1 0 0 1 10
Y 0 1 0 -1 2
E1 0 0 1 1 4
3.8 AUTOEVALUACION
1. Maximizar: G = 5X + 3Y
Bajo las limitaciones:
X + Y <= 5
3X + 2Y <= 12
X + 3Y <= 2
X >= 0
Y >= 0
2. Minimizar: C = 3X + 7Y
Bajo las limitaciones:
2X – Y <= 5
X + 3Y <= 7
X >= 0
Y >= 0
3. Maximizar: G = 3X + Y
Bajo las limitaciones:
5X + Y >= 3
3X + 2Y >= 7
X >= 0
Y >= 0
4. Minimizar: C = 2X + 3Y
Bajo las limitaciones:
2X + Y >= 6
X+Y >= 2
3X + 2Y >= 5
X >= 0
Y >= 0
5. Maximizar: Z = X + Y
Sujeto a:
2X + 3Y = 5
7X + 2Y <= 6
X >= 0
Y >= 0
6. Minimizar: G = 3X + 5Y
Bajo las restricciones:
X + Y <= 3
2X + 3Y <= 7
X >= 0
Y >= 0
CAPITULO 4
EL PROBLEMA DEL
TRANSPORTE
OBJETIVOS
DE APRENDIZAJE:
Ambato
250X11
Quito
400X12
300X13
Cuenca
500X21
300X22
Guayaqui
l 800X23
Tulcán
Minimizar
CT=X11*25000+X12*40000+X13*30000+X21*50000+X22*30000+X23*80000
A B C D
1 70 60 60 60
2 50 80 60 70
3 80 50 80 60
Se requiere:
SOLUCIÓN
Minimizar
CT=X11*70+X12*60+X13*60+X14*60+X2150+X22*80+X23*60+X24*7
0+X31*80 +X32*50+ X33*80+X34*60
Como primer paso debemos elaborar la tabla inicial del transporte, que para
nuestro ejemplo tiene la siguiente presentación:
A B C D OFERTAS
1 70 60 60 60 80.000
2 50 80 60 70 100.000
3 80 50 80 60 50.000
Demandas = Ofertas
A B C D FICTICIO OFERTAS
1 70 60 60 60 0 8
(-) 5 (+) 3
2 50 80 60 70 0 10
(+) (-) 1 6 3
3 80 50 80 60 0 5
1 4
DEMANDAS 5 4 6 4 4 23
PRIMERA SOLUCION
7 < 3+5-1
7 < 7 Falso
Prueba de Optimalidad
Vj
Ui 0 -10 -30 -20 -80
70 70 60 40 50 -10
90 90 80 60 70 10
80 80 70 50 60 0
A la primera tabla se pasan los costos de las celdas que tiene asignación en la
tabla inicial del transporte.
20 10 10
-40 -10
0 -20 30
De donde se obtiene una segunda solución que debe ser obviamente mejor
que la anterior.
SEGUNDA SOLUCION
Prueba de Optimalidad
Vj
Ui 0 -10 10 20 -40
70 70 60 80 90 30
50 50 40 60 70 10
40 40 30 50 60 0
A B C D FICTICIO OFERTAS
1 70 60 60 60 0 8
(-) 4 (+) 3
1
2 50 80 60 70 0 10
4 6
(+) (-)
3 80 50 80 60 0 5
1 4
DEMANDAS 5 4 6 4 4 23
TERCERA SOLUCION
Sobrando 40.000 en 3
Prueba de Optimalidad
Vi
-20
40 30 20
10 -10
A B C D FICTICIO OFERTAS
1 70 60 60 60 0 8
(-) (+)
4 3
2 50 80 60 70 0 10
5 6
3 80 50 80 (-) 60 0 5
(+) 1 4
DEMANDAS 5 4 6 4 4 23
CUARTA SOLUCION
Sobrando 40.000 en 3
Prueba de Optimalidad
Vj
Ui -10 0 0 0 -60
60 50 60 60 60 0
60 50 60 60 60 0
60 50 60 60 60 0
20
20 10
30 -10 20
A B C D FICTICIO OFERTAS
1 70 60 60 60 0 8
(-) 3 1 4 (+)
2 50 80 60 70 0 10
5 5
3 80 50 80 60 0 5
(+)1 (-)4
DEMANDAS 5 4 6 4 4 23
QUINTA SOLUCION
Prueba de Optimalidad
Vj
Ui -10 0 0 0 -50
60 50 60 60 60 10
60 50 60 60 60 10
50 40 50 50 50 0
20 -10
20 10 -10
40 30 10
A B C D FICTICIO OFERTAS
1 70 60 60 60 0 8
1 4 3
2 50 80 60 70 0 10
5 5
3 80 50 80 60 0 5
4 1
DEMANDAS 5 4 6 4 4 23
SEXTA SOLUCION
Prueba de Optimalidad
Vj
Ui -10 -10 0 0 -60
60 50 50 60 60 0
60 50 50 60 60 0
60 50 60 60 60 0
20 10
30 10
30 20 0
PROBLEMA ILUSTRATIVO 2
A B C D
C1 4 6 5 2
C2 3 7 4 5
C3 6 5 2 7
MODELO DE TRANSPORTE
Minimizar
CT=C11*4+C12*6+C13*5+C14*2+C21*3+C22*7+C23*4+C24*5+C
31*6+C32*5+C33*2+C34*
C11+C12+C13+C14 <= 12
C21+C22+C23+C24 <= 17
C31+C32+C33+C34 <= 9
C11+C21+C31 >= 6
C12+C22+C32 >= 7
C13+C23+C33 >= 11
C14+C24+C34 >= 14
C11,C12,C13,C14,C21,C22,C23,C24,C31,C32,C33,C34>=0
A B C D OFERTAS
C1 4 6 5 2 12
6 6
C2 3 7 4 5 17
1 (-)11 (+)5
C3 6 5 2 7 9
(+) (-)9
DEMANDAS 6 7 11 14 38
PRIMERA SOLUCION
Prueba de Optimalidad
Vj
Ui 0 2 -1 0
4 4 6 3 4
5 5 7 4 5
7 7 9 6 7
2 -2
-2
-1 -4 -4
A B C D OFERTAS
C1 4 6 5 2 12
6 (-)6 (+)
C2 3 7 4 5 17
(+)1 2 (-)14
C3 6 5 2 7 9
9
DEMANDAS 6 7 11 14 38
SEGUNDA SOLUCION
Prueba de Optimalidad
Vj
Ui 0 2 -1 0
4 4 6 3 4
5 5 7 4 5
3 3 5 2 3
2 -2
-2
3 0 4
A B C D OFERTAS
C1 4 6 5 2 12
(-)6 (+)6
C2 3 7 4 5 17
(+) 7 2 (-)8
C3 6 5 2 7 9
9
DEMANDA 6 7 11 14 38
TERCERA SOLUCION
Prueba de Optimalidad
Vj
Ui 0 0 -3 -2
4 4 4 1 2
7 7 7 4 5
5 5 4 2 3
2 4
-4
1 1 4
Esta prueba nos dice nuevamente que no hemos llegado al óptimo, entonces
realizamos una nueva iteración:
A B C D OFERTAS
C1 4 6 5 2 12
12
C2 3 7 4 5 17
6 7 2 2
C3 6 5 2 7 9
9
DEMANDAS 6 7 11 14 38
CUARTA SOLUCION
Entregar 12 toneladas desde C1 hacia D
Entregar 6 toneladas desde C2 hacia A
Entregar 7 toneladas desde C2 hacia B
Entregar 2 toneladas desde C2 hacia C
Entregar 2 toneladas desde C2 hacia D
Prueba de Optimalidad
Vj
Ui -2 2 -1 0
2 0 4 1 2
5 3 7 4 5
3 1 5 2 3
4 2 4
5 0 4
EJEMPLO ILUSTRATIVO 3
X Y Z W M
A 10 16 12 10 14
B 16 10 12 10 12
C 14 12 16 16 12
D 12 10 12 16 14
Obtener un plan de transporte de los cobertores de tal manera que los costos
sean mínimos
X Y Z W M OFERTAS
A 10 16 12 10 14 7
B 16 10 12 10 12 8
C 14 12 16 16 12 8
D 12 10 12 16 14 4
DEMANDA 12 3 2 6 9
X Y Z W M OFERTAS
A 10 16 12 10 14 7
7
B 16 10 12 10 12 8
(-)5 3 (+)
C 14 12 16 16 12 8
(+)1 2 (-)6 2
D 12 10 12 16 14 4
4
FICTICIO 0 0 0 0 0 5
5
DEMANDA 12 3 2 6 9 32
PRIMERA SOLUCION
Prueba de degeneración:
Prueba de Optimalidad
Vj
Ui 0 -6 2 2 -2
10 10 4 12 12 8
16 16 10 18 18 14
14 14 8 16 16 12
16 16 10 18 18 14
2 2 -4 4 4 0
12 -2 6
-6 -8 -2
4
-4 -6 -2
-2 4 -4 -4
X Y Z W M OFERTAS
A 10 16 12 10 14 7
7
B 16 10 12 10 12 8
(-) 3 5(+)
C 14 12 16 16 12 8
5 2 1 (+)2
D 12 10 12 16 14 4
(+) (-)4
FICTICIO 0 0 0 0 0 5
5
DEMANDA 12 3 2 6 9 32
SEGUNDA SOLUCION
Prueba de Optimalidad
Vj
Ui 0 2 2 2 -2
10 10 12 12 12 8
8 8 10 10 10 6
14 14 16 16 16 12
16 16 18 18 18 14
2 2 4 4 4 0
4 -2 6
8 2 6
-4
-4 -8 -6 -2
-2 -4 -4 -4
Esto nos indica que no hemos llegado al óptimo buscado, entonces pasamos a
obtener una nueva solución:
X Y Z W M OFERTAS
A 10 16 12 10 14 7
7
B 16 10 12 10 12 8
2 6
C 14 12 16 16 12 8
5 (-)2 (+)1
D 12 10 12 16 14 4
1 (+) (-)3
FICTICIO 0 0 0 0 0 5
5
DEMANDA 12 3 2 6 9 32
TERCERA SOLUCION
Prueba de Optimalidad
Vj
Ui 0 -6 2 -6 -2
10 10 4 12 4 8
16 16 10 18 10 14
14 14 8 16 8 12
16 16 10 18 10 14
2 2 -4 4 -4 0
12 6 6
-6 -2
4 8
-4 -6 6
-2 4 -4 4
X Y Z W M OFERTAS
A 10 16 12 10 14 7
7
B 16 10 12 10 12 8
2 6
C 14 12 16 16 12 8
(-)5 (+)3
D 12 10 12 16 14 4
(+) 1 2 (-)1
FICTICIO 0 0 0 0 0 5
5
DEMANDA 12 3 2 6 9 32
CUARTA SOLUCION
12 6 6 6
-2
4 6 8
-4 6
-2 4 2 4
Según esta tabla no hemos llegado todavía al óptimo, pasamos a obtener una
nueva solución:
X Y Z W M OFERTAS
A 10 16 12 10 14 7
7
B 16 10 12 10 12 8
2 6
C 14 12 16 16 12 8
(-) 4 (+)4
D 12 10 12 16 14 4
1 1 2
FICTICIO 0 0 0 0 0 5
(+) (-)5
DEMANDA 12 3 2 6 9 32
QUINTA SOLUCION
Prueba de Optimalidad
Vj
Ui 0 -2 0 -2 -2
10 10 8 10 8 8
12 12 10 12 10 10
14 14 12 14 12 12
12 12 10 12 10 10
2 2 0 2 0 0
8 2 2 6
4 2
2 4
6 4
-2 -2
SEXTA SOLUCION
Prueba de Optimalidad
Vj
Ui 0 -2 0 -2 0
10 10 8 10 8 10
12 12 10 12 10 12
12 12 10 12 10 12
12 12 10 12 10 12
0 0 -2 0 -2 0
8 2 2 4
4
2 2 4 6
6
2 2
Esta última tabla nos dice que hemos llegado al óptimo, por lo tanto
detenemos nuestro trabajo y concluimos que la sexta solución es la óptima
buscada.
Ejemplo Ilustrativo:
A B C D
C1 4 6 5 2
C2 3 7 4 5
C3 6 5 2 7
A B C D OFERTAS
C1 4 6 5 2 12
C2 3 7 4 5 17
C3 6 5 2 7 9
DEMANDAS 6 7 11 14 38
REGLA:
A B C D OFERTAS
C1 4 6 5 2 12
12
C2 3 7 4 5 17
6 7 2 2
C3 6 5 2 7 9
9
DEMANDAS 6 7 11 14 38
SOLUCION
SOLUCION
Entregar 12 toneladas desde C1 hacia D
Entregar 6 toneladas desde C2 hacia A
Entregar 9 toneladas desde C2 hacia C
Entregar 2 toneladas desde C2 hacia D
Entregar 7 toneladas desde C3 hacia B
Entregar 2 toneladas desde C3 hacia C
CT=2(12) + 6(3) + 9(4) + 2(5) + 7(5) + 2(2)
CT=127
4.5. La empresa General tiene dos fabricas de llantas, una en Ambato que
produce diariamente 2000 llantas y la otra en Cuenca que fabrica 1500 llantas
diariamente. La empresa tiene 3 centros de distribución uno en Quito el cual
requiere 1300u, otro en Guayaquil con una demanda de 1200u; y , una en
Ibarra que requiere 800u. diariamente.
Los costos del transporte en dólares por cada 100u son como indica la
siguiente tabla:
Diseñar un plan de transporte de las llantas de tal manera que los costos
totales sean los mínimos.
Una compañía química estima la demanda para uno de sus fertilizantes (en
toneladas), de la siguiente forma: octubre, 7.1; noviembre, 13.2; diciembre,
12.8; enero, 7.7; y febrero, 2.1. Durante los otros meses, la demanda es
relativamente baja y la política de la compañía para cubrir estas demandas es
tener, para fines de febrero, un inventario de 1 tonelada. Lleva cuatro semanas
producir el fertilizante, así que no hay stock disponible durante el mes en que
se produce. Una vez que el fertilizante esté listo, sin embargo, se lo puede
enviar de inmediato a los clientes o conservarlo en inventario a un costo de
$10 mensuales por tonelada. Tradicionalmente, la compañía produce el
fertilizante sólo entre agosto y diciembre. El primero de setiembre se
distribuye cualquier sobrante del año anterior. El siguiente cuadro muestra la
capacidad de producción (en toneladas) y el costo mensual (en $ por
tonelada):
Donde por ejemplo para calcular el costo de producir una tonelada en el mes
de septiembre y distribuirlo en el mes de febrero se obtiene de la siguiente