Professional Documents
Culture Documents
CAPITULO I
2
A la I.O. se debe visualizarse como ciencia y como arte. Como ciencia radica en ofrecer
un arte, debido a que el éxito que se alcanza en todas las fases anteriores y posteriores a
Uno de los campos que hasta en épocas recientes no se había aplicado la ciencia, fue el
ciencias tales como la mecánica, la química, las mismas que dieron nacimiento a las
ingenierías mecánica, química, etc. Esto ocurrió debido a que las empresas, en sus
A medida que la empresa crece, es imposible que una sola persona trate de controlar de
por sí sola a toda una organización, lo que dió lugar a la aparición de teorías sobre
De entre las teorías de organización empresarial que aparecieron, podríamos citar las
siguientes:
1. Clásica: Sus grandes teóricos fueron Taylor y Fayol. En resumen consideran que
todas las organizaciones complejas tienen ciertas funciones comunes que les son
podría considerlas como modelo; así por ejemplo ver que empresas han tenido éxito
empresa y trata de hallar la persona o personas que poseen capacidad de mando a fin
de que sean ellas las que dirijan a la empresa hacia el objetivo fijado.
indicar que la empresa es un conjunto de gente que trabaja por una parte, y otro
Esta corriente filosófica se preocupa por estudiar la teoría de las decisiones, lo que
DESARROLLO DE LA I.O.
que la minimización de los insumos requeridos para la producción, siendo este el fin
primordial de la empresa, es innegable que las bases de lo que hoy se denomina I.O. se
comenzaron aplicar desde que hizo su aparición un simple artesano, hecho que data de
tiempos remotos.
Pero podría considerarse a Taylor y a Fayol como sus precursores, quienes dieron inicio
Casi la totalidad de los autores coinciden en afirmar que la actividad llamada I.O. se
desarrolló durante la II Guerra Mundial, pero sus orígenes pueden remontarse a muchos
años atrás.
Concluida la guerra, muchos especialistas en I.O. que prestaban sus servicios en la rama
CONCEPTOS I.O.
♦ Héctor Espinoza Berriel dice: "Es un grupo de técnicas cuyo principal objetivo es la
♦ Ackkoff y Sasieni dicen: " I.O. es, de hecho, el uso de la investigación científica
♦ Spilman, nos dice "I.O. es un método científico para el estudio de las decisiones que
interesados".
APLICACIÓN.
en sus inicios se lo aplicó en el campo militar hoy se lo utiliza para resolver problemas
CARACTERISTICAS I.O.
relacionarlas con otras para descubrir los verdaderos problemas y dar soluciones
verdaderas.
se establece que casi todos los problemas empresariales tienen aspectos de orden
diversas disciplinas; existirán mayores enfoques y criterios sobre los mismos, los cuales
TICOS: Básicamente la I.O. al igual que otras ciencias, emplea el método científico, el
mismo que comprende las etapas de observación, definición del problema, formulación
problema a ser analizado, lo cual implica aspectos tales como: el establecimiento de las
modelo contendrá expresiones cuantitativas tanto para la función objetivo, así como
estas por lo general tratan que el modelo libere una solución óptima, la misma que
9
determinada.
limitaciones con que podría representar al sistema, ofrecen una estimación confiable del
obtenidos del modelo a una serie de instrucciones operativas, las cuales deben estar
CAPITULO II.
11
Para resolver los problemas se lo realiza mediante la experimentación, por cuanto sería
muy costoso y riesgoso hacerlo en la misma empresa, es por esto que se utiliza los
Modelo de Transporte.
Modelo de Búsqueda.
Modelo de Trayectoria.
de un sistema existente en la realidad. Este sistema a su vez podría tratarse de algo que
costos.
físicas del sistema, el modelo deberá incluir restricciones que limiten las variables de
Estas restricciones son las limitaciones del problema y están constituidos por recursos
escasos como son: capital, tierra, trabajo, energía, materia prima, mercado, horas-
DECISION.- Las variables de decisión son aquellas incógnitas que son determinadas
de la solución del modelo, estas son siempre positivas o cuando más cero, este aspecto
obedece que los modelos de I.O. representan sistemas reales y concretos en los que no
X1 ≥ 0 X1, X2 ≥ 0
X2 ≥ 0
14
PLANTEAMIENTO DE PROBLEMAS.
EJERCICIO 1.
Una empresa planea una campaña de publicidad para un nuevo producto. Se establecen
como metas el que la publicidad llegue por lo menos a 320.000 individuos – audiencia
(IA), de los cuales al menos 120.000 tengan un ingreso mínimo anual de 300.000
monetarias y se estima que llega a un promedio de 40.000 (IA) de los cuales un 25%
anuncio por radio FM cuesta 6.000 unidades monetarias y llega a un auditorio promedio
de 10.000 oyentes (IA), de los cuales el 80% tienen ingresos superiores a los 300.000
u.m. y 4.000 son solteros. Hallar el número de anuncios por cada medio para minimizar
el costo.
Televisión Radio
Costo Unitario 10.000 6.000
Tipos de audiencia Alcance unitario Alcance unitario Meta mínima
De alto ingreso 10.000 8.000 120.000
Solteros 8.000 4.000 80.000
Global 40.000 10.000 320.000
15
2. 8X1+4X2 ≥ 80
3. 40X1+10X2 ≥ 320
Cond: X1 ≥ 0
X2 ≥ 0
EJERCICIO 2.
producir un par de cada tipo cuesta 10, 20, y 30 dólares respectivamente. El precio de
venta de los zapatos deportivos es de $20, zapatos formales $40, y botines $60, dicha
empresa recibe una orden de entrega de 150 pares de zapatos, en la que se especifica
Cuántos pares de zapatos de cada tipo debe producir la fábrica a fin de maximizar las
ganancias.
Rest. 1. X1 + X2 + X3 ≤ 150
16
2. X3 ≤ 50
3. X1 + X2 ≤ 100
Cond: X1 ≥ 0
X2 ≥ 0
X3 ≥ 0
EJERCICIO 3.
ese taller se fabrica 3 tipos de cerámica A,B,C con cada cerámica se requiere
determinado tiempo para realizar la pieza y pintar la pieza terminada, Work podrá
vender todas las cerámicas que fabrique. Work emplea a varias personas para realizar
cada una de las actividades la cual es variable de uno a otro mes. A partir de los
X1 # unidades de producto A
X2 # unidades de producto B
X3 # unidades de producto C
Cond: X1 ≥ 0
X2 ≥ 0
X3 ≥ 0
EJERCICIO 4.
La empresa Tubasec necesita producir planchas para cubrir techo los cuales están
diseñadas con 5 y 10 canales. En conjunto los 2 tipos de planchas tienen asignadas para
Las planchas de 5 canales deberán contener 1.5 m3 de asbesto y 0.5 m3 de cemento. Las
cumplir con la norma ISO a la cual la empresa está certificada como un aval de que los
Cual es la combinación óptima de los dos tipos de planchas que minimice el costo total
de producción si se sabe que el costo unitario para producir las planchas de 5 canales es
de $3 y de la de 10 canales es de $4
X1 # planchas de 5 canales
X2 # planchas de 10 canales.
Cemento 0.5 1 5
Costo 3 4
2. 0.5X1 + X2 ≥ 5
Cond: X1 ≥ 0
X2 ≥ 0
EJERCICIO 5.
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.
RESOLUCION:
1. 6X1 + 20X2 ≤ 10
3. 8X1 + 15X2 ≤ 10
Cond. X1 ≥ 0
X2 ≥ 0
20
EJERCICIO 6.
La producción de una fábrica debe ser programada para dos tipos de máquina A y B,
para la máquina A pueden ser programadas 100 horas de trabajo, y para la máquina B
ganancias
X1 = UNIDADES DE PRODUCTO X
X2 = UNIDADES DE PRODUCTO Y
2. 3X1 + X2 ≤ 60
Cond. X1 ≥ 0
21
X2 ≥ 0
EJERCICIO 7.
Una fábrica de alimentos debe enviar 500 mt3 de alimentos que necesitan refrigeración y
600 mt3 , que no necesitan ser refrigerados, para ello va a contratar los servicios de una
X1 = CAMIONES TIPO A
X2 = CAMIONES TIPO B
Cond. X1 ≥ 0
X2 ≥ 0
EJERCICIO 8.
gana 80 unidades monetarias, y en cada cinturón B de baja calidad gana 60. El taller
puede producir diariamente 1000 cinturones de tipo B o bien 500 cinturones de tipo A,
hebillas elegantes para el cinturón A y de 700 hebillas diarias para el cinturón B. Qué
X1 = CINTURON TIPO A
X2 = CINTURON TIPO B
Rest. 1. X1 + X2 ≤ 800
2. X1 ≤ 400
3. X2 ≤ 700
23
4. 2X1 + X2 ≤ 1000
Cond. X1 ≥ 0
X2 ≥ 0
EJERCICIO 9.
Un agricultor quiere cultivar maíz y trigo en un terreno de 70 hectáreas, sabe que una
con trigo. El capital total disponible es de 75.000 unidades monetarias. Las necesidades
de agua de riego es de 900 mts3 por hectárea de maíz y 600 mts3 por hectárea de trigo
en octubre, y de 1200 mts3 y 850 mts3 por hectárea de maíz y trigo respectivamente en
Si los precios de venta del maíz y del trigo son de 135 y 180 unidades monetarias por
Cond. X1 ≥ 0
X2 ≥ 0
EJERCICIO 10.
Un granjero cría pavos, gallinas y patos. El costo de la crianza de una gallina, un pato y
venta.
Las gallinas se venden a 30 unidades monetarias, los patos a 20 y los pavos a 55 cada
uno, sabiendo que la granja puede alojar solo a 500 aves y que el granjero no desea
tener mas de 300 patos a la vez. Cuántas aves de cada especie debe criar a fin de
X1 = NUMERO DE PAVOS.
X2 = NUMERO DE GALLINAS
25
X3 = NUMERO DE PATOS.
Rest.
Deducción X1 + X2 ≤ 200
Cond. X1 ≥ 0
X2 ≥ 0
X3 ≥ 0
Para n variables X: X1, X2, X3, X4.........Xn, conocidas como variables de decisión, el
problema consiste en determinar los valores de éstas variables que hagan máxima o
Sujetas a las restricciones dadas por las limitaciones de recursos, las mismas que son
En sumatorios
F.O. Z= ∑ Cj Xj
j =1
j=1
METODO GRAFICO
METODO ALGEBRICO
METODO SIMPLEX.
27
METODO GRAFICO.
o coordenadas. En P.L. sirven para representar hasta dos variables de decisión con las
caso.
problema.
La zona factible será el área donde se cumple todas y cada una de las restricciones
del problema.
problema se recurre al teorema de Algebra Lineal que dice: "El óptimo estará en uno
se grafica de tal manera que esté dentro de la zona factible y se trazan paralelas hasta
que haga tangencia a uno de los vértices, si es maximización las paralelas se trazan del
Este método permite tener una comprensión visual del problema. Es necesario definir
Rest. 1. 2X1 + X2 ≤ 8
2. X1 + X2 ≤ 6
Cond. X1 ≥ 0
X2 ≥ 0
Rest. 1.
X1 X2
0 8
4 0
Rest. 2.
29
X1 X2
0 6
6 0
10
8
Rest .1
6
X2
Rest. 2
4
F.O.
2
0
0 2 4 6 8
X1
Para saber cual de los puntos es óptimo se representa en: F.O. Max Z= 4X1 + 3X2.
m = -4/3.
Puntos extremos Z
A(0,0) 0
B(4,0) 16
E(0,6) 18
30
EJERCICIOS.
EJERCICIO 1.
2. 2X1 + 1,5X2 ≤ 80
Cond. X1 ≥ 0
X2 ≥ 0
Rest. 1.
X1 X2
0 40
60 0
Rest. 2.
X2 X2
0 53.33
40 0
60
50
40 Rest. 1
30 Rest. 2
X2
20 F.O.
10
0
0 20 40 60 80
X1
EJERCICIO 2.
2. 0,16X1 ≥ 400
Cond. X1 ≥ 0
X2 ≥ 0
Rest. 1.
X1 X2
0 1500
6000 0
Rest. 2.
X1 X2
2500 0
Rest. 3.
X1 X2
0 4500
3750 0
5000
4000 Rest. 1
3000 Rest. 2
X2
2000 Rest. 3
1000 F.O.
0
0 2000 4000 6000 8000
X1
32
TIPOS DE SOLUCIONES
Solución no factible
SOLUCION NO FACTIBLE.
Se obtiene cuando las restricciones del problema no definen una región factible, o es un
conjunto vacío.
2. 2X1 + 1,5X2 ≤ 80
3. X1 + X2 ≥ 50
Cond. X1 ≥ 0
X2 ≥ 0
Rest. 1.
X1 X2
0 40
60 0
Rest. 2.
33
X1 X2
0 53.33
40 0
Rest. 3.
X1 X2
0 50
50 0
60
50 Rest. 1
40
Rest. 2
X2
30
Rest. 3
20
10 F.O.
0
0 20 40 60 80
X1
Se obtiene cuando la función objeto es paralela a una de las restricciones del problema.
2. 2X1 + 1,5X2 ≤ 80
Cond. X1 ≥ 0
X2 ≥ 0
34
Rest. 1.
X1 X2
0 40
60 0
Rest. 2.
X1 X2
0 53.33
40 0
60
50
40 Rest. 1
X2
30 Rest. 2
20 F.O.
10
0
0 20 40 60 80
X1
Rest. 1. -X1 + X2 ≤ 2
2. X1 + X2 ≥ 4
Cond. X1 ≥ 0
X2 ≥ 0
35
Rest. 1.
X1 X2
0 2
-2 0
Rest. 2.
X1 X2
0 4
4 0
5
4
Rest. 1
3
X2
Rest. 2
2
F.O.
1
0
-4 -2 0 2 4 6
X1
METODO ALGEBRICO.
1. Hay que transformar las inecuaciones en ecuaciones. Para esto se utiliza variables
Si la restricción es de tipo menor o igual se debe sumar una variable de holgura al lado
convertirla en ecuación.
lineales resultante puede ser resuelto por cualquiera de los métodos matemáticos.
37
Rest. 1. 2X1 + X2 ≤ 8
2. X1 + X2 ≤ 6
Cond. X1 ≥ 0
X2 ≥ 0
Asignamos a m = 2 restricciones
n = 2 variables
Rest. 1. 2X1 + X2 + X3 = 8
2. X1 + X2 + X4 = 6
m = 2 ecuaciones
n= 4 variables (m + n)
que las (n - m) variables sean igual a cero, y calculando las restantes m variables
Las variables que se hacen = 0, para obtener una solución básica, se conoce como
De las soluciones básicas se debe tomar en cuenta únicamente aquellas, en donde las
En el ejemplo:
I II III IV V VI
X1 2 4 6 0 0 0
X2 4 0 0 6 0 8
X3 0 0 -4 2 8 0
X4 0 -2 0 0 6 -2
Z
I 20
IV 18
V 0
39
Si todas las variables de una solución básica factible son no negativas se tiene una
solución NO degenerada.
Este método sirve sólo para cuando existen pocas restricciones con pocas variables
porque en:
n= 10
m= 6
EJERCICIO.
La empresa Metalex tiene a su disposición tres tipos de minerales M1, M2, M3 que
Cu Fe Ni
M1 4 12 6
M2 12 0 4
M3 2 16 0
Si los costos respectivos por tonelada son: $ 140, $ 120, $ 80, para M1, M2, y M3, ¿Qué
cantidad de cada uno deberá comprar para minimizar el costo de compra de la materia
METODO SIMPLEX.
una solución básica factible inicial y en aplicaciones del medio determinan nuevas
soluciones básicas factibles que permiten modificar o mantener los valores de la función
objeto anterior.
través de un indicador.
MAXIMIZACION.
Para un problema de maximización con restricciones de tipo ≤ , los pasos que se deben
variables de holgura.
2. X1 + X2 ≤ 6 X1 + X2 + X4 = 6
X1 X2 X3 X4 Bi
2 1 1 0 8
1 1 0 1 6
(Variables no básicas).
Entonces hay que designar como las (n-m) variables no básicas, a las (n-m) variables:
n = 4 variables, m = 2 ecuaciones.
X1 = 0 X3 = 8
X2 = 0 X4 = 6
4. Para determinar una nueva solución básica factible (cambio de base), una variable
no básica debe ser cambiada a variable básica y por consiguiente una de las
coeficiente se debe agregar una fila Cj, con los coeficientes que tienen cada una de las
variables en la función objeto; así como una columna Cb, con los coeficientes que
tienen cada una de las variables básicas en la función objeto. Una fila conocida como
Cj 4 3 0 0
Cb Vbás. X1 X2 X3 X4 bi
0 X3 2 1 1 0 8
0 X4 1 1 0 1 6
Zj 0 0 0 0 0
Cj-Zj 4 3 0 0
Cuando existen 2 o más coeficientes Cj - Zj, se elige como variable entrante cualquiera
cuenta aquellas cuya aij sea igual a cero o negativa. La variable saliente será aquella que
X3 8/2 = 4
X4 6/1 = 6
convertir en 1, mientras que a los elementos que están sobre y debajo de él, tienen que
ser ceros. Esto implica que los coeficientes de las variables básicas siempre deben
Cj 4 3 0 0
Cb Vbas X1 X2 X3 X4 bi
0 X3 2 1 1 0 8 VS
0 X4 1 1 0 1 6
Zj 0 0 0 0 0
Cj-Zj 4 3 0 0
VE
44
Cj 4 3 0 0
Cb Vbas X1 X2 X3 X4 bi
4 X1 1 1/2 1/2 0 4
0 X4 0 1/2 -1/2 1 2 VS
Zj 4 2 2 0 16
Cj-Zj 0 1 -2 0
VE
Cj 4 3 0 0
Cb Vbas X1 X2 X3 X4 bi
4 X1 1 0 1 -1 2
3 X2 0 1 -1 2 4
Zj 4 3 1 2 20
Cj-Zj 0 0 -1 -2 S.O.
Solución: X1 = 2
X2 = 4
X3 = 0
X4 = 0
F.O. Z = 20
45
EJERCICIO 2.
Max Z = 3X1 + 4X2 + 5X3 + 4X4 Max Z = 3X1 + 4X2 + 5X3 + 4X4 + 0X5 +
0X6 + 0X7
Rest. 1. 2X1 + 5X2 + 4X3 + 3X4 ≤ 224 2X1 + 5X2 + 4X3 + 3X4 + X5 = 224
2. 5X1 + 4X2 -5X3 + 10X4 ≤ 280 5X1 + 4X2 -5X3 + 10X4 + X6 = 280
3. 2X1 + 4X2 + 4X3 - 2X4 ≤ 184 2X1 + 4X2 + 4X3 - 2X4 + X7 = 184
Cj. 3 4 5 4 0 0 0
Vbas X1 X2 X3 X4 X5 X6 X7 bi
0 X5 2 5 4 3 1 0 0 224
0 X6 5 4 -5 10 0 1 0 280
0 X7 2 4 4 -2 0 0 1 184 VS
Zj 0 0 0 0 0 0 0 0
Cj-Zj 3 4 5 4 0 0 0
VE
Cj. 3 4 5 4 0 0 0
Vbas X1 X2 X3 X4 X5 X6 X7 bi
0 X5 0 1 0 5 1 0 -1 40 VS
0 X6 15/2 9 0 15/2 0 1 -5/4 510
5 X3 1/2 1 1 -1/2 0 0 1/4 46
Zj 5/2 5 5 -5/2 0 0 5/4 230
Cj-Zj 1/2 1 0 13/2 0 0 -5/4
VE
46
Cj. 3 4 5 4 0 0 0
Vbas X1 X2 X3 X4 X5 X6 X7 bi
4 X4 0 1/5 0 1 1/5 0 -1/5 8
0 X6 15/2 13/2 0 0 3/2 1 11/4 450 VS
5 X3 1/2 11/10 1 0 1/10 0 3/20 50
Zj 5/2 63/10 5 4 13/10 0 -1/20 282
Cj-Zj 1/2 -23/10 0 0 -13/10 0 0
VE
Cj. 3 4 5 4 0 0 0
Cb Vbas X1 X2 X3 X4 X5 X6 X7 bi
4 X4 0 1/5 0 1 1/5 0 -1/5 8
3 X1 1 13/15 0 0 3/15 2/15 11/10 60
5 X3 0 20/30 1 0 0 -1/15 -2/5 20
Zj 3 202/30 5 4 21/15 1/15 1/5 312
Cj-Zj 0 -82/30 0 0 -21/15 -1/5 -1/5
EJERCICIO 3.
Max Z = 4X1 - 2X2 + 2X3 + 0X4 Max Z = 4X1 - 2X2 + 2X3 + 0X4 + 0X5
+0X6+0X7
Cj 4 -2 2 0 0 0 0
Cb Vbas X1 X2 X3 X4 X5 X6 X7 bi
0 X5 2 2 2 2 1 0 0 16
0 X6 0 4 -2 0 0 1 0 8
0 X7 4 -2 0 -1 0 0 1 4 VS
Zj 0 0 0 0 0 0 0 0
Cj-Zj 4 -2 2 0 0 0 0
VE
Cj 4 -2 2 0 0 0 0
Cb Vbas X1 X2 X3 X4 X5 X6 X7 bi
0 X5 0 3 2 5/2 1 0 -1/2 14 VS
0 X6 0 4 -2 0 0 1 0 8
4 X1 1 -1/2 0 -1/4 0 0 1/4 1
Zj 4 -2 0 -1 0 0 1 4
Cj-Zj 0 0 2 -1 0 0 -1
VE
Cj 4 -2 2 0 0 0 0
Cb Vbas X1 X2 X3 X4 X5 X6 X7 bi
2 X3 0 3/2 1 5/4 1/2 0 0 7
0 X6 0 7 0 5/2 1 1 -1/2 22
4 X1 1 -1/2 0 -1/4 0 0 1/4 1
Zj 4 1 2 3/2 1 0 1 18
Cj-Zj 0 -3 0 -3/2 -1 0 -1 S.O.
Solución : X1 = 1
X2 = 0
X3 = 7
X4 = 0
X5 = 0
X6 = 22
48
F.O. Z = 18
EJERCICIO 4.
Cj 1 1,5 0 0 0
Cb Vbas X1 X2 X3 X4 X5 bi
0 X3 2 2 1 0 0 160
0 X4 1 2 0 1 0 120 VS
0 X5 4 2 0 0 1 280
Zj 0 0 0 0 0 0
Cj-Zj 1 1,5 0 0 0
VE
Cj 1 1,5 0 0 0
Cb Vbas X1 X2 X3 X4 X5 bi
0 X3 1 0 1 -1 0 40 VS
1,5 X2 1/2 1 0 1/2 0 60
0 X5 3 0 0 -1 1 160
Zj 3/4 3/2 0 3/4 0 90
Cj-Zj 1/4 0 0 -3/4 0
VE
49
Cj 1 1,5 0 0 0
Cb Vbas X1 X2 X3 X4 X5 bi
1 X1 1 0 1 -1 0 40
1,5 X2 0 1 -1/2 1 0 40 VS
0 X5 0 0 -3 2 1/2 40
Zj 1 1,5 1/4 0,5 0 100
Cj-Zj 0 0 -1/4 -0,5 0
Solución: X1 = 40
X2 = 40
X3 = 0
X4 = 0
X5 = 40
F.O. Z = 100
MINIMIZACION.
entrante será aquella que se encuentra en la columna en la cual el coeficiente Cj-Zj tiene
el mayor valor negativo (o el menor valor). Si todos los coeficientes Cj-Zj son positivos
Para la variable saliente, se utiliza el criterio igual al de maximización, por tanto será
aquella que se encuentre en la fila cuya bi/aij sea la menor (solo positivos).
M, que utiliza variables artificiales, las mismas que no tienen ninguna interpretación
económica en el problema y sólo sirven para poder empezar la aplicación del método
simplex.
EJERCICIO 5.
+0X6
2. 3X1+X2 = 30 3X1+X2 + X5 = 30
3. 4X1+3X2 ≥ 60 X1+2X2 + X6 = 40
Cj 20 10 0 M M 0
Cb Vbas X1 X2 X3 X4 X5 X6 bi
M X4 4 3 -1 1 0 0 60
M X5 3 1 0 0 1 0 30 VS
0 X6 1 2 0 0 0 1 40
Zj 7M 4M -M M M 0 90M
Cj-Zj 20-7M 10-4M M 0 0 0
VE
51
Cj 20 10 0 M M 0
Cb Vbas X1 X2 X3 X4 X5 X6 bi
M X4 0 5/3 -1 1 -4/3 0 20 VS
20 X1 1 1/3 0 0 1/3 0 10
0 X6 0 5/3 0 0 -1/3 1 30
Zj 20 5M/3 -M M -4M/3 0 20M+
+20/3 + 20/3 200
Cj-Zj 0 10/3 - M 0 -20/3 + 0
5M/3 4M/3
VE
Cj 20 10 0 M M 0
Cb Vbas X1 X2 X3 X4 X5 X6 bi
10 X2 0 1 -3/5 3/5 -4/5 0 12
20 X1 1 0 1/5 -1/5 3/5 0 6
0 X6 0 0 1 -1 1 1 10
Zj 20 10 -2 2 4 0 240
Cj-Zj 0 0 2 M-2 M-4 0
Solución: X1 = 6
X2 = 12
X3 = 0
X4 = 0
X5 = 0
X6 = 10
F.O. Z = 240
52
EJERCICIO 6.
2. X1+X2 = 3 X1+X2 + X4 = 3
Cj 2 3 0 -M
Cb Vbas X1 X2 X3 X4 bi
0 X3 1 2 1 0 4 VS
-M X4 1 1 0 1 3
Zj -M -M 0 -M -3M
Cj-Zj 2+M 3+M 0 0
VE
53
Cj 2 3 0 -M
Cb Vbas X1 X2 X3 X4 bi
3 X2 1/2 1 1/2 0 2
-M X4 1/2 0 -1/2 1 1 VS
Zj 3/2 - 3 3/2 + -M 6-M
M/2 M/2
Cj-Zj M/2 0 -M/2 - 0
+ 1/2 3/2
VE
Cj 2 3 0 -M
Cb Vbas X1 X2 X3 X4 bi
3 X2 0 1 1 -1 1
2 X1 1 0 -1 2 2
Zj 2 3 1 1 7
Cj-Zj 0 0 -1 -M+1
Solución: X1 = 2
X2 = 1
X3 = 0
X4 = 0
F.O. Z = 7
En la primera fase se utiliza un función objeto artificial (Z*), en la cual las variables
artificiales se eliminen o se hagan 0. Esto quiere decir hasta cuando la función objeto
artificial Z* tenga un valor de cero (Z*=0). Una vez que Z*=0, se obtiene una solución
básica factible inicial, la misma que es utilizada en la segunda fase en la cual con
aplicaciones sucesivas del método simplex general, se obtiene una solución óptima. En
esta segunda fase, se trata de optimizar la función objeto original, la cual estará en
La última tabla de la fase I viene a constituir la primera tabla de la fase II, pero
Cuando existen problemas con distinto tipo de restricción se debe mantener la secuencia
siguiente: ≥, =, ≤.
EJERCICIO 1.
2. X1+5X2 ≥ 30 X1+5X2-X4+X6 = 30
FASE I.
Coeficientes Z* = 0X1+0X2+0X3+0X4+1X5+1X6
Cj 0 0 0 0 1 1
Cb Vbás X1 X2 X3 X4 X5 X6 bi
1 X5 2 3 -1 0 1 0 20
1 X6 1 5 0 -1 0 1 30 VS
Zj 3 8 -1 -1 1 1 50
Cj-Zj -3 -8 1 1 0 0
VE
Cj 0 0 0 0 1 1
Cb Vbás X1 X2 X3 X4 X5 X6 bi
1 X5 7/5 0 -1 3/5 1 -3/5 2 VS
0 X2 1/5 1 0 -1/5 0 1/5 6
Zj 7/5 0 -1 3/5 1 -3/5 2
Cj-Zj -7/5 0 1 -3/5 0 8/5
VE
Cj 0 0 0 0 1 1
Cb Vbás X1 X2 X3 X4 X5 X6 bi
0 X1 1 0 -5/7 3/7 5/7 -3/7 10/7
0 X2 0 1 1/7 -2/7 -1/7 2/7 40/7
Zj 0 0 0 0 0 0 0 Sol.
Cj-Zj 0 0 0 0 1 1
56
FASE II.
Cj 3 4 0 0
Cb Vbás X1 X2 X3 X4 bi
3 X1 1 0 5/7 3/7 10/7 VS
4 X2 0 1 1/7 -2/7 40/7
Zj 3 4 -11/7 1/7 190/7
Cj-Zj 0 0 11/7 -1/7
VE
Cj 3 4 0 0
Cb Vbás X1 X2 X3 X4 bi
0 X4 7/3 0 -5/3 1 10/3
4 X2 2/3 1 -1/3 0 140/21
Zj 8/3 4 -4/3 0 560/21
Cj-Zj 1/3 0 4/3 0
Solución: X1=0
X2 = 140/21
X3 = 0
X4 = 10/3
Z = 560/21
57
EJERCICIO 2.
MAX Z= X1 - 2X2
2. -X1+X2 ≥ 1 -X1+X2-X4+X6 = 1
3. X2 ≤ 3 X2 +X7 =3
Z* = 0X1+0X2+0X3+0X4+1X5+1X6+0X7
Cj 0 0 0 0 1 1 0
Cb Vbás X1 X2 X3 X4 X5 X6 X7 bi
1 X5 1 1 -1 0 1 0 0 2
1 X6 -1 1 0 -1 0 1 0 1 VS
0 X7 0 1 0 0 0 0 1 3
Zj 0 2 -1 -1 1 1 0 3
Cj-Zj 0 -2 1 1 0 0 0
VE
Cj 0 0 0 0 1 1 0
Cb Vbás X1 X2 X3 X4 X5 X6 X7 bi
1 X5 2 0 -1 1 1 -1 0 1 VS
0 X2 -1 1 0 -1 0 1 0 1
0 X7 1 0 0 1 0 -1 1 2
Zj 2 0 -1 1 1 -1 0 1
Cj-Zj -2 0 1 1 0 2 0
VE
58
Cj 0 0 0 0 1 1 0
Cb Vbás X1 X2 X3 X4 X5 X6 X7 bi
0 X1 1 0 -1/2 1/2 1/2 -1/2 0 1/2
0 X2 0 1 -1/2 -1/2 1/2 1/2 0 3/2
0 X7 0 0 1/2 1/2 -1/2 -1/2 1 3/2
Zj 0 0 0 0 0 0 0 0
Cj-Zj 0 0 0 0 1 1 0
Cj 1 -2 0 0 0
Cb Vbás X1 X2 X3 X4 X7 bi
1 X1 1 0 -1/2 1/2 0 1/2
-2 X2 0 1 -1/2 -1/2 0 3/2
0 X7 0 0 1/2 1/2 1 3/2
Zj 1 -2 1/2 3/2 0 -5/2
Cj-Zj 0 0 -1/2 -3/2 0
Solución: X1 = 1/2
X2 = 3/2
X3 = 0
X4 = 0
X7 = 3/2
CAPITULO III
60
LINEAL.
2. Soluciones no acotadas
3. Soluciones no factibles
4. Soluciones degeneradas
EJERCICIO
2. 6X1+10X2 ≤ 600
Para toda Xj ≥ 0
61
Cj 3 5 0 0
Cb Vbás X1 X2 X3 X4 bi
0 X3 5 2 1 0 200
0 X4 6 10 0 1 600 VS
Zj 0 0 0 0 0
Cj-Zj 3 5 0 0
VE
Cj 3 5 0 0
Cb Vbás X1 X2 X3 X4 bi
0 X3 19/5 0 1 -2/10 80
5 X2 6/10 1 0 1/10 60 VS
Zj 3 5 0 5/10 300
Cj-Zj 0 0 0 -5/10
X2 = 60
X3 = 80
X4 = 0
Z = 300
2. SOLUCION NO ACOTADA.
Se tiene cuando en la columna de la variable entrante todos los coeficientes aij son no
positivos. (negativos).
62
EJERCICIO.
2. 4X1+X2 ≥ 80 4X1+X2-X4+X6 = 80
Método de la Big M.
Cj 3 2 0 0 -M -M
Cb Vbás X1 X2 X3 X4 X5 X6 bi
-M X5 1 2 -1 0 1 0 60
-M X6 4 1 0 -1 0 1 80 VS
Zj -5M -3M M M -M -M 140M
Cj-Zj 3+5M 2+3M -M -M 0 0
VE
Cj 3 2 0 0 -M -M
Cb Vbás X1 X2 X3 X4 X5 X6 bi
-M X5 0 7/4 -1 1/4 1 -1/4 40 VS
3 X1 1 1/4 0 -1/4 0 1/4 20
Zj 3 -7M/4 M -M/4 - -M M/4 -40M
+ 3/4 3/4 +3/4 + 60
Cj-Zj 0 7M/4 -M M/4 + 0 -5M/4
+5/4 3/4 - 3/4
VE
Cj 3 2 0 0 -M -M
Cb Vbás X1 X2 X3 X4 X5 X6 bi
2 X2 0 1 -4/7 1/7 4/7 -1/7 160/7
3 X1 1 0 1/7 -2/7 -1/7 2/7 100/7 VS
Zj 3 2 -5/7 -4/7 5/7 4/7 620/7
Cj-Zj 0 0 5/7 4/7 -M-5/7 -M-4/7
VE
63
Cj 3 2 0 0 -M -M
Cb Vbás X1 X2 X3 X4 X5 X6 bi
2 X2 4 1 0 -1 0 1 80
0 X3 7 0 1 -2 -1 2 100
Zj 8 2 0 -2 0 2 160
Cj-Zj -5 0 0 2 -M -M-2 S.O.
3. SOLUCION NO FACTIBLE.
Se tiene cuando aplicando el método de la Big M, o el método de las dos fases, para
resolver un problema, se llega a obtener una solución óptima en la cual como variable
básica existe una variable artificial. En el caso de utilizar el método de las 2 fases, este
EJERCICIO.
2. 2X2 = 12 2. 2X2 + X5 = 12
3. 3X1+2X2 ≥ 18 1. X1 + X6 = 1
Cj 3 5 0 M M 0
Cb Vbás X1 X2 X3 X4 X5 X6 bi
M X4 3 2 -1 1 0 0 18
M X5 0 2 0 0 1 0 12 VS
0 X6 1 0 0 0 0 1 1
Zj 3M 4M -M M M 0 30M
Cj-Zj 3-3M 5-4M M 0 0 0
VE
Cj 3 5 0 M M 0
Cb Vbás X1 X2 X3 X4 X5 X6 bi
M X4 3 0 -1 1 -1 0 6
5 X2 0 1 0 0 1/2 0 6
0 X6 1 0 0 0 0 1 1 VS
Zj 3M 5 -M M - 0 6M+30
M+5/2
Cj-Zj 3-3M 0 M 0 2M-5/2 0
VE
Cj 3 5 0 M M 0
Cb Vbás X1 X2 X3 X4 X5 X6 bi
M X4 0 0 -1 1 -1 -3 3
5 X2 0 1 0 0 1/2 0 6
3 X1 1 0 0 0 0 1 1
Zj 3 5 -M M -M+5/2 -3M+3 3M+33
Cj-Zj 0 0 M 0 2M-5/2 3M-3 S.O.
No tiene solución
4. SOLUCION DEGENERADA.
Este tipo de solución se tiene, cuando al determinar la variable que sale de la base se
obtiene 2 o más relaciones bi/aij que son mínimas y que tienen el mismo valor. La
variable correspondiente debe salir de la base, pero al aplicar el método simplex, la otra
EJERCICIO.
2. 3X1+X2 ≤ 30 3X1+X2+X4 = 30
Cj 6 2 0 0 0
Cb Vbás X1 X2 X3 X4 X5 bi
0 X3 2 1 1 0 0 20 VS
0 X4 3 1 0 1 0 30
0 X5 1 2 0 0 1 40
Zj 0 0 0 0 0 0
Cj-Zj 6 2 0 0 0
VE
Cj 6 2 0 0 0
Cb Vbás X1 X2 X3 X4 X5 bi
6 X1 1 1/2 1/2 0 0 10
0 X4 0 1/2 -3/2 1 0 0 Dege
0 X5 0 3/2 -1/2 0 1 30 n.
Zj 6 3 3 0 0 60
Cj-Zj 0 -1 -3 0 0
S.O.
66
Solución: X1=10
X2=0
X3=0
X4=0
X5=30
Z=60
Cj 6 2 0 0 0
Cb Vbás X1 X2 X3 X4 X5 bi
0 X3 0 1/3 1 -2/3 0 0 Dege
6 X1 1 1/3 0 1/3 0 10 n.
0 X5 0 5/3 0 -1/3 1 30
Zj 6 2 0 2 0 60
Cj-Zj 0 0 0 -2 0 S.O.
Significa que una variable puede tener valores positivos, negativos o cero.
Xj´ ≥ 0
Xj´´ ≥ 0
67
EJERCICIO.
2. X1+2X2 ≤ 4 X1´-X1´´+2X2+X4 =4
3. -X2 ≤ 3 -X2 + X5 = 3
X2 ≥ 0
Cj -1 1 4 0 0 0
Cb Vbás X1´ X1´´ X2 X3 X4 X5 bi
0 X3 -3 3 1 1 0 0 6
0 X4 1 -1 2 0 1 0 4 VS
0 X5 0 0 -1 0 0 1 3
Zj 0 0 0 0 0 0 0
Cj-Zj -1 1 4 0 0 0
VE
Cj -1 1 4 0 0 0
Cb Vbás X1´ X1´´ X2 X3 X4 X5 bi
0 X3 -7/2 7/2 0 1 -1/2 0 4 VS
4 X2 1/2 -1/2 1 0 1/2 0 2
0 X5 1/2 -1/2 0 0 1/2 1 5
Zj 2 -2 4 0 2 0 8
Cj-Zj -3 3 0 0 -2 0
VE
Cj -1 1 4 0 0 0
Cb Vbás X1´ X1´´ X2 X3 X4 X5 bi
1 X1´´ -1 1 0 2/7 -1/7 0 8/7
4 X2 0 0 1 1/7 3/7 0 18/7
0 X5 0 0 0 1/7 3/7 1 39/7
Zj -1 1 4 6/7 11/7 0 80/7
68
X1´= 0
X2 = 18/7
X5 = 39/7
anteriores, por tanto si se va resolver un problema en ordenadores, este método debe ser
Restricciones:
Cond. Xi ≥ 0
69
Max Z = C*X
Rest. A*X ≤ b
Cond. X≥ 0
Max Z= C, 0 Xn
Rest. X
A, I * Xn = b
A (m,n)
I (m,m)
PRIMERA ITERACION.
C 0
Cbt Xb A I b
Zj 0 0
Cj-Zj C 0
70
NUEVAS ITERACIONES
C 0
Cbt Xb B-1*A B-1 B-1*b
Zj Cbt*B-1*A Cbt*B-1 Cbt*B-1*b= Z
Cj-Zj C- Cbt*B-1*A 0- Cbt*B-1
vector N.
n1
N= vector desde n2
nm
-a´ik / a´rk → i ≠ r
ni =
1 / a´rk → i=r
EJERCICIO.
Rest. 1. X1 ≤ 4 X1 + X3 = 4
2. 2X2 ≤ 12 2X2+ X4 = 12
3. 3X1+2X2 ≤ 18 3X1+2X2+X5 = 18
Cj 3 5 0 0 0
Cb Vbás X1 X2 X3 X4 X5 bi
0 X3 1 0 1 0 0 4
0 X4 0 2 0 1 0 12 VS
0 X5 3 2 0 0 1 18
Zj 0 0 0 0 0 0
Cj-Zj 3 5 0 0 0
VE
1 0 1 0 0 4
A= 0 2 B= 0 1 0 b= 12 Cbt = 0 0 0
3 2 0 0 1 18
Cj(1) = 3 5 Cj(2)= 0 0 0
B-1 = B = I
A = B-1 * A
Xb = B-1 * b = b
Cj(1) - Zj(1) = (3 5) - ( 0 0) = (3 5)
Cj(2) - Zj(2) = ( 0 0 0) - (0 0 0) = ( 0 0 0)
k=2
r=2
n1 = 0
n3 = -1
Nueva B-1:
1 0 0 1 0 0 1 0 0
0 -1 1 0 0 1 0 -1 1
1 0 0 1 0 1 0
A= 0 1/2 0 0 2 = 0 1
0 -1 1 3 2 3 0
1 0 0 4 4
Xb = 0 1/2 0 12 = 6
0 -1 1 18 6
Cbt = ( 0 5 0 )
1 0
Zj(1) = (0 5 0) 0 1 = (0 5)
3 0
73
1 0 0
0 -1 1
Cj(1) - Zj(1) = (3 5) - ( 0 5) = (3 0)
k=1
r=3
n1 = -1/3
n3 = 1/3
Nueva B-1
1 1/3 -1/3 1 0 0 0
A= 0 1/2 0 0 2 = 0 1
0 -1/3 1/3 3 2 1 0
1 1/3 -1/3 4 2
Xb = 0 1/2 0 12 = 6
0 -1/3 1/3 18 2
Cbt = ( 0 5 3)
0 0
Zj(1) = ( 0 5 3) 0 1 = (3 5)
1 0
0 1/3 -1/3
0 -1/3 1/3
Cj(1) - Zj(1) = (3 5) - (3 5) = ( 0 0)
Z = ( 0 5 3) 6 = 36 → X1 = 2 ; X2= 6 ; Z = 36
OPTIMIZADO.
Rest. 1. X1+2X2 ≤ 40
2. 3X1 + X2 = 30
3. 4X1+3X2 ≥ 60
Cond. X1, X2 ≥ 0
Min Z = 20X1+10X2+0X3+MX4+MX5+0X6
4X1+3X2-X3+X4 = 60
3X1+X2 +X5 = 30
X1+2X2 +X6 = 40
Para toda Xj ≥ 0
76
Cj 20 10 0 M M 0
Cb Vbás X1 X2 X3 X4 X5 X6 bi
M X4 4 3 -1 1 0 0 60
M X5 3 1 0 0 1 0 30
0 X6 1 2 0 0 0 1 40
Zj 7M 4M -M M M 0 90M
Cj-Zj 20-7M 10-4M M 0 0 0
4 3 -1 1 0 0 60
A= 3 1 0 B= 0 1 0 b = 30 Cbt = (M M 0)
1 2 0 0 0 1 40
................
77
CAPITULO IV
78
Max Z = C*X
Rest. A*X ≤ b
Cond. X ≥ 0
Min W = bt * Y
Rest. At * Y ≥ Ct
Cond. Y ≥ 0
Por tanto:
79
PRIMAL DUAL
a21X1+a22X2+a23X3 ≤ b2 a12Y1+a22Y2+a32Y3 ≥ C2
a31X1+a32X2+a33X3 ≤ b3 a13Y1+a23Y2+a33Y3 ≥ C3
PRIMAL DUAL
decisión F.O.
F.O.
Maximizar Minimizar
≤ ≥
fila i columna i
columna j fila j
restricción i variable i
variable j restricción j
80
PRIMAL DUAL
30 ecuaciones 5 ecuaciones
5 variables 30 variables
5 variables artificiales
EJEMPLO:
PRIMAL
Max Z = 80X1+60X2
X1 ≤ 400
X2 ≤ 700
2X1+X2 ≤ 1000
Cond. X1, X2 ≥ 0
DUAL.
Min Z = 800Y1+400Y2+700Y3+1000Y4
Y1 +Y3+Y4 ≥ 60
PROPIEDAD: La solución óptima del problema Dual es igual a la solución óptima del
problema Primal.
82
EJERCICIO.
3. X1+2X2 ≥ 2
Bj 3 6 2 0 0
Cb Vbás Y1 Y2 Y3 Y4 Y5 Ci
0 Y4 3 4 1 1 0 30
0 Y5 1 3 2 0 1 15 VS
Wj 0 0 0 0 0 0
Bj-Wj 3 6 2 0 0
VE
Bj 3 6 2 0 0
Cb Vbás Y1 Y2 Y3 Y4 Y5 Ci
0 Y4 5/3 0 -5/3 1 -4/3 10 VS
6 Y2 1/3 1 2/3 0 1/3 5
Wj 2 6 4 0 2 30
Bj-Wj 1 0 -2 0 -2
VE
Bj 3 6 2 0 0
Cb Vbás Y1 Y2 Y3 Y4 Y5 Ci
3 Y1 1 0 -1 3/5 -4/5 6
6 Y2 0 1 1 -1/5 3/5 3
Wj 3 6 3 3/5 6/5 36
Bj-Wj 0 0 -1 -3/5 -6/5 S.O.
83
Y4 es la holgura de X1
Y5 es la holgura de X2
Por lo tanto:
Bj - Wj de Y4 = X1
Bj - Wj de Y5 = X2
Cj
Cb Vbás X1 X2 X3 X4 X5 X6 X7 X8 bi
30 X1 1 0 -3/5 1/5 0 3/5 -1/5 0 3/5
0 X5 0 0 1 -1 1 -1 1 -1 1
15 X2 0 1 4/5 -3/5 0 -4/5 3/5 0 6/5
Zj 30 15 -6 -3 0 6 3 0 36
Cj-Zj 0 0 6 3 0 M-6 M-3 M
PRIMAL DUAL
Z W
84
Problema de Problema de
V Minimización Maximización R
A E
R ≥ 0 ≤ S
I T
A ≤ 0 ≥ R
B I
L Variable no restringida = C
E C
R V
E ≥ ≥ 0 A
S R
T ≤ ≤ 0 I
R A
I = No restringida B
C L
C E
85
EJERCICIO.
PRIMAL:
Max Z = 10X1+20X2+5X3
Rest. 1. 2X1+3X2-X3 ≤ 5
2. X1+X3 ≥ 10
3. 5X1+X2+3X3 = 7
Cond. X3 ≥ 0
DUAL:
Min Z= 5Y1+10Y2+7Y3
Rest. 1. 2Y1+Y2+5Y3 = 10
2. 3Y1+0Y2+Y3 = 20
3. -Y1+Y2+3Y3 ≥ 5
Cond. Y1 ≥ 0
Y2 ≤ 0 Y2 = -Y2´
ANALISIS DE SENSIBILIDAD.
mayoría de los casos, datos probabilísticos y variables en un cierto rango, debido a las
estimaciones. Frente a esta variabilidad de las estimaciones de los parámetros surge una
Las variaciones en los parámetros pueden ser simultáneas o aisladas. Al rango dentro
Se puede analizar los efectos de las variaciones aisladas en los coeficientes de las
utilidad esperada.
importancia que tiene para una decisión económica el conocer el valor de un recurso
medido en términos de su utilidad potencial y el rango dentro del cual tal beneficio
una unidad adicional de recurso agotado, o sea viene a representar el máximo valor
adicional que puede pagar la empresa por adquirir una unidad de dicho recurso.
recurso 1
recurso 2
a) Si una variable de holgura está en la base, eso quiere decir que el recurso
b) Cuando las variables de holgura no están en la base, los precios sombra de los
EJERCICIO.
Las relaciones que ligan los recursos y los productos son los siguientes:
3. 2X1+X2+X3 ≤ 2 2X1+X2+X3 + X6 = 2
TABLA ORIGINAL:
Cj 3 2 1 0 0 0
Cb Vbás X1 X2 X3 X4 X5 X6 bi
0 X4 3 1 2 1 0 0 6
0 X5 4 0 1 0 1 0 1
0 X6 2 1 1 0 0 1 2
Zj 0 0 0 0 0 0 0
Cj-Zj 3 2 1 0 0 0
TABLA FINAL:
Cj 3 2 1 0 0 0
Cb Vbás X1 X2 X3 X4 X5 X6 bi
0 X4 -3 0 0 1 -1 -1 3
4 X3 4 0 1 0 1 0 1
2 X2 -2 1 0 0 -1 1 1
Zj 12 2 4 0 2 2 6
Cj-Zj -9 0 -3 0 -2 -2
Tabla final bi h
X4 3 -1 X4 = 3-1h ≥ 0; h≤ 3
X3 1 1 X3 = 1+1h ≥ 0; h ≥ -1 -1 ≤ h ≤ 1
X2 1 -1 X2 = 1- 1h ≥ 0; h≤ 1
Tabla final bi h
X4 3 -1 X4 = 3-1h ≥ 0; h≤ 3
X3 1 0 X3 = 1+0h ≥ 0; -1 ≤ h ≤ 3
X2 1 1 X2 = 1+1h ≥ 0; h ≥ -1
OBJETIVO.
Cabe considerar dos casos en este análisis. En primer lugar si se trata de una variación
aumenta dicho coeficiente en un valor mayor que el │Cj - Zj│ de dicha variable en la
Resumiendo diremos que el rango de optimalidad de una variable no-básica son los
Para concretar la explicación anterior en un ejemplo de maximización considere la siguiente tabla final.
Cj 10 12 15 0 0
Cbás Vbás X1 X2 X3 X4 X5 bi
10 X1 1 3 0 -1 2
15 X3 0 1 1 1 1
Zj 10 15 15 5 5
Cj - Zj 0 -3 0 -5 -5
solución anterior sigue siendo óptima, o dicho de otra manera, el rango de optimalidad
para el coeficiente C2 son los valores inferiores o iguales a 15, esto es el Z2 en dicha
tabla.
92
PROG. LINEAL.
Para obtener la solución óptima, se tiene que dar dos condiciones: debe existir
Factibilidad primal.- Existe cuando las variables básicas son todas no negativas (≥ 0).
Para problemas de maximización, hay factibilidad dual, cuando Cj-Zj son ≤ 0 (no
positivos).
1. Una solución que tiene Factibilidad Dual, y también tiene factibilidad primal,
factibilidad primal.
al mayor bi negativo.
EJERCICIO.
3. X1+2X2 ≥ 4 -X1-2X2 ≤ -4
Cond. X1, X2 ≥ 0
94
Cj 2 1 0 0 0
Cb Vbás X1 X2 X3 X4 X5 bi
0 X3 -3 -1 1 0 0 -6
0 X4 -4 -3 0 1 0 -12 VS
0 X5 -1 -2 0 0 1 -4 No
Zj 0 0 0 0 0 0 hay
Cj-Zj 2 1 0 0 0 F.P.
VE (Si hay F. D.)
Cj 2 1 0 0 0
Cb Vbás X1 X2 X3 X4 X5 bi
0 X3 -5/3 0 1 -1/3 0 -2 VS
1 X2 4/3 1 0 -1/3 0 4 No
0 X5 5/3 0 0 -2/3 1 4 hay F.
Zj 4/3 1 0 -1/3 0 4 P.
Cj-Zj 2/3 0 0 1/3 0
Cj 2 1 0 0 0
Cb Vbás X1 X2 X3 X4 X5 bi
2 X1 1 0 -3/5 1/5 0 6/5 Si hay
1 X2 0 1 4/5 -3/5 0 12/5 F. P.
0 X5 0 0 1 -1 1 2
Zj 2 1 -2/5 -1/5 0 24/5
Cj-Zj 0 0 2/5 1/5 0
Sol. Optima. Si hay F. D.
95
CAPITULO V
96
MODELO DE TRANSPORTE.
demanda o destinos.
Consiste entonces en minimizar, los costos que demanden, en transportar los productos,
Los costos están dados por la distancia entre el origen y el destino. Estos vienen dados
en forma de matriz:
hasta j. Entonces:
CAPACIDAD DE SUMINISTRO:
X11+X12+X13+X14 = S1
X21+X22+X23+X24 = S2
X31+X32+X33+X34 = S3
REQUERIMIENTOS DE DEMANDA:
X11+X21+X31 = D1
X12+X22+X32 = D2
X13+X23+X33 = D3
X14+X24+X34 = D4
ficticio, con costos de transporte igual a cero, que consuma el exceso de producto o
suministro.
98
Para resolver el problema de transporte se han desarrollado métodos más eficaces que el
método simplex.
m n
i=1 j=1
j=1
i=1
m n
i=1 j=1
99
EJERCICIO.
En este caso las capacidades son iguales a las demandas en este caso 500.
X21+X22+X23+X24 = 250
X31+X32+X33+X34 = 150
X11+X21+X31 = 100
X12+X22+X32 = 150
X13+X23+X33 = 200
X14+X24+X34 = 50
100
Cj 0,3 0,25 0,4 0,2 0,29 0,26 0,35 0,4 0,31 0,33 0,37 0,3
Cb Vbá X11 X12 X13 X14 X21 X22 X23 X24 X31 X32 X33 X34 bi
s
1 1 1 1 0 0 0 0 0 0 0 0 100
0 0 0 0 1 1 1 1 0 0 0 0 250
0 0 0 0 0 0 0 0 1 1 1 1 150
1 0 0 0 1 0 0 0 1 0 0 0 100
0 1 0 0 0 1 0 0 0 1 0 0 150
0 0 1 0 0 0 1 0 0 0 1 0 200
0 0 0 1 0 0 0 1 0 0 0 1 50
3. Método de la penalidad.
N ecuaciones ( demanda)
M + N ecuaciones.
tendrá:
M+N-1 variables ≥ 0.
101
demanda.
1. Si Si > Dj, en este caso se asigna el recurso necesario para satisfacer la demanda y
EJERCICIO.
en la siguiente tabla:
Z= 50*1750+30*1500+10*2000+60*1400+30*1750+10*1500+40*0 =
Realiza asignaciones de los recursos para satisfacer las demandas tomando en cuenta el
costo unitario de transporte de cada una de las rutas. Si el problema es minimizar costos
de transportes, habría que asignar recursos a las celdas de más bajo costo de transporte
unitario.
anterior.
3. METODO DE LA PENALIDAD.
a determinados requerimientos.
La penalidad de los recursos, es decir de las filas, se determinan restando el valor más
pequeño, dentro de la fila, del siguiente valor más pequeño en la misma fila.
La penalidad para los requerimientos, se calcula, restando el valor más pequeño dentro
minimización, y hay que minimizar los costos que se añadirían, por no asignar
Penalidad
2. La asignación de los recursos debe realizarse a la celda que tiene el menor costo
4. Se repite el proceso sin tomar en cuenta aquellas columnas en las cuales ya se han
satisfecho los requerimientos y aquellas filas en las cuales se han terminado los
recursos.
105
1. Las penalidades se calculan restando del mayor valor el siguiente mayor valor en
cada una de las filas y en cada una de las columnas. En este caso la penalidad
4. Repetir el proceso.-
EJERCICIO DE MINIMIZACION.
200 500
Solución: X13 = 10
X14 = 30
106
X15 = 40
X21 = 50
X23 = 50
X32 = 40
X34 = 10
Z = 50*1250+40*1300+10*1500+50*1400+30*1600+10*1550+40*0
EJERCICIO DE MAXIMIZACION.
Estilo A B C D E
Los cuatro fabricantes tienen una capacidad de producción y las cantidades que pueden
Fabricante 1 2 3 4
ganancia por unidad para cada mueble vendido variará de acuerdo a la siguiente tabla:
107
FABRICAN ESTILOS
TE A B C D E
1 28 35 42 23 15
2 30 33 45 18 10
3 25 35 48 20 13
4 33 28 40 26 18
Determinar las contrataciones en cada estilo para cada fabricante, de tal manera que se
N+M-1 = 6+4-1 = 9, cuando no hay nueve celdas en la base, se tiene una solución
requerimiento.
108
CAPITULO VI
109
EL MODELO DE INVENTARIOS
COSTOS DE INVENTARIOS.
deterioro.
Las siguientes clases de costos forman parte de las decisiones que se toman en
inventarios:
- Costos de reordenamiento
110
COSTOS DE REORDENAMIENTO.
Pueden ser órdenes de compra de pedido de materiales o los asociados con órdenes de
Incluye todos los gastos que una empresa incurre con el fin de llevar o mantener
estantes, instalaciones y demás utensillos para almacenaje los que sufren depreciación.
Todos estos factores son costos que deben cargarse al inventario y generalmente se
mismo, las que no aseguran deberán hacer que el valor del costo del inventario refleje
una tasa correspondiente al riesgo en caso de incendio por una suma equivalente a la del
seguro.
111
empresa.
por cambios en la demanda, deseos del cliente, por hacerse viejo o por pasar de moda.
El factor deterioro implica también costos porque el material existente puede adquirir
De cualquier manera este factor impide que el producto no pueda venderse más.
El quedarse sin inventarios implica no contar con productos disponibles para cuando el
consideración.
de obreros, paros en la producción, etc en estos casos los costos incurren cuando se
POLITICAS A B C
Algunas empresas clasifican sus artículos mediante un sistema denominado ABC, que
Ejemplo:
manera:
El 70 % se los clasifica en C.
El 20 % se clasifican en B.
Esta empresa considera que la mejor manera de mantener un control eficaz del
necesitando.
Los artículos C de poco valor aunque se compran en grandes cantidades tendrán poco
efecto en el valor del inventario porque representan apenas un 5 % del costo total.
80
VALOR Y PORCENTAJE DE
70
60
ARTICULOS 50
40
30
20
10
0
A B C
inventarios, pero una reducción en el costo de adquirirlos, por esta razón la gerencia
debe considerar las posibles reducciones en los costos del pedido contra los probables
Ci = Costo de mantener el inventario como una fracción decimal por cada dólar de
inventario promedio.
D= Demanda Anual
114
q= tamaño de la orden
GRAFICO Nº 1
35
Cantidad a ordenar q
30
25
20
15
10
5
0
0 10 20 30 40 50
Tiempo ideal para reposición
constantemente tienen reposición instantánea. En este modelo se supone que los pedidos
son tomados en intervalos de periodos fijos iguales y que los materiales son recibidos
instantáneamente, es decir se dan por supuestos las condiciones ideales a saber: ritmo
constante en el uso, cantidad de existencias igual a cero en cada uno de los puntos de
GRAFICO N º 2
Cantidad a ordenar q 35
30
25
20
15
10
5
0
0 10 20 30 40 50
Tiempo de reposición Tn
Aquí la reposición instantánea esta sustituida por reposición luego de un periodo finito
de tiempo.
suspende el inventario es vendido hasta agotarse T20 momento en el cual se inicia otro
ciclo de producción.
PROBLEMA.
CT = Ci*q + O*D
2 q
Aplicando integrales podemos deducir la siguiente fórmula para encontrar el tamaño del
lote:
q = √(2O*D)/Ci
Esta fórmula sirve para calcular el tamaño de la orden económica conocida también
EJERCICIO.
D= 18.000
q = √(2*100*18.000)/0.1
q = 6.000 unidades
CT = (Ci*q)/2 + (O*D)/q
CT = (0.1*6.000)/2 + (100*18.000)/6.000
CT = $600 en el año.
118
CAPITULO VII
119
MODELOS DE REDES.
La teoría de grafos ha llegado a ser en los últimos años una importante herramienta para
diferentes disciplinas como es la investigación operativa en lo que tiene que ver con el
Comenzamos por considerar la siguiente figura que describe una parte de la red de un
mapa de carreteras, la misma que se lo representa por medio de puntos y líneas, las
A f
c d
e
B D
a b
C g
120
GRAFO.
E es un conjunto de pares de vértices, estos pares son llamados ramas, enlaces o arcos.
G(V,E).
Los grafos no diseccionados, se definen cuando el par de vértices que representan a las
ramas no tienen orden. Ejemplo (v1,v2) = (v2,v1), en donde (v1,v2) constituye una
ramificación.
1 2
2 3
1 2 3
Si (v1,v2) es una rama del conjunto de ramas que pertenece a E(G), entonces se dice
que los vértices v1,v2 son adyacentes y (v1,v2) es incidente a los vértices v1 y v2.
122
Ejm. Los vértices adyacentes al vértice 2 en G2 serían 1,4,5 y las ramas incidentes al
adyacente a v2, mientras que v2 es adyacente desde v1, la rama <v1,v2> es incidente a
v1,v2.
Si tenemos el grafo:
G4
1 2 3
Un subgrafo de G es G´ tal que los vértices de G´ son menores o iguales a los vértices
V(G´) ≤ V(G)
E(G´) ≤ E(G)
Longitud de un camino
Camino simple.
Es un camino en el cual todos los vértices son distintos aunque es posible que el
Los caminos v1,v2,v4,v3, es camino simple, v1, v2,v4,v2 no es camino simple, ambos
son de longitud 3.
123
Ciclo
Es un camino simple en el cual el primero y último vértice son los mismos. Ejemplo en
G1 v1,v2,v3,v1 es un ciclo.
Grado de un vértice
para el cual v es cabeza y el grado de salida del vértice v es el número de ramas para el
cual v es cola. Ej: en G3 el grado de entrada para el vértice v2 será 1 mientras el grado
Arbol
Red
Es un grafo caracterizado por dar ciertos valores a sus ramas. Ej: en la red de un circuito
Ejemplo de redes:
Capacidad de flujo
Es el límite superior de la magnitud permitida de flujo que puede llevar una rama en una
incluso infinita.
En una rama dirigida la capacidad de flujo es cero en una dirección contraria a la flecha.
Fuente
Es un nodo de un grafo dirigido que se caracteriza porque todas las ramas que se
conectan al él tienen una dirección tal que dicho nodo es únicamente cola, es decir el
Destino
Es un nodo de un grafo dirigido que se caracteriza porque todas las ramas que se
conectan a él tienen una dirección tal que dicho nodo es cabeza, es decir el flujo entra al
A Fuente, cola
C Destino, cabeza.
Representación de Grafos
Matrices Adyacentes.
Si tenemos una grafo G(V,E), compuesto de vértices y enlaces con n vértices, la matriz
Ejemplo:
G1
1 2 3 4
1 0 1 1 1
2 1 0 1 1
3 1 1 0 1
4 1 1 1 0
G2
1 2 3
1 0 1 0
2 1 0 1
3 0 0 0
c. Para un grafo diseccionado la suma de los unos (1) de las filas es el grado de
Listas Adyacentes.
Con esta representación las n filas de la matriz adyacente se representan con n listas
encadenadas. Hay una lista para cada vértice de G los nodos en la lista i representan a
los vértices que son adyacentes desde el vértice i. Cada nodo tiene al menos dos campos
vértice y enlace. Los campos de vértice contienen los índices de los vértices adyacentes
al vértice i.
Así tenemos:
G1
V1 2 3 3 4 4 0
V2 1 3 3 4 4 0
V3 1 2 2 4 4 0
V4 1 2 2 3 3 0
Cada lista tiene un nodo cabeza. Los nodos cabeza son secuenciales y representan a
cada uno de los vértices Vi, permitiendo acceder a cada lista desde uno de os vértices en
particular.
G3
V1 2 0
V2 1 3 3 0
V3
127
Matriz de incidencia.
La matriz de incidencia de nodos – ramas para una red dirigida G(V,E), se define como
el arreglo Z = [Zi,k]
Zi,k = -1. Si el nodo i que pertenece a V es el nodo donde termina la rama ak que
pertenece a E.
GRAFO O RED.
Cuando se designan valores a las ramas estos valores pueden representar distancias o
acuerdo con la representación utilizada para una red esto es por medio de una matriz
La matriz será:
1 2 3 4
1 0 5 2 0
2 5 0 0 3
3 2 0 0 0
4 0 3 0 0
- Arboles de cobertura
ARBOLES DE COBERTURA.
Cualquier árbol que está formado únicamente por las ramas de E pero que incluyen a
V(G) = V(G´)
Cualquier grafo conexo con n vértices debe tener al menos n-1 ramas y todos los grafos
Los árboles de cobertura se aplican para obtener el mínimo número necesarios para
conectar n vértices. Esto es n-1 ramas. En la práctica los vértices podrían representar
ciudades, las mismas que están separados por distancias o costos entre cada una de ellas.
comunicación que conecten a todas las ciudades y tengan un costo total mínimo, es
Se asume los pesos positivos. El costo de un árbol de cobertura es la suma de las ramas
de dicho árbol.
1
2
3
2
5 4 7
3
3
1 7
4
4
1
2 5
5
6
6
PROCEDIMIENTO GRAFICO.
2. Identificar un nodo no conectado que sea el más cercano a uno de los nodos que
PROCEDIMIENTO TABULAR.
costos.
3. Una rama se incluye en T sino forma un ciclo con las ramas que ya están en T.
Ejercicio:
PROCEDIMIENTO MATRICIAL.
2. Considerando todos los renglones que tengan una √, se busca el valor mínimo en
correspondiente a este nodo. Se repite este paso hasta que todos los nodos sean
conectados.
3. Una vez que todos los nodos hayan sido conectados, se identifica el árbol de
Trata de determinar el camino mas corto desde un nodo origen hasta un nodo hasta los
La longitud de un camino viene dado por la suma de los valores de las ramas en ese
camino.
ALGORITMO DE ETIQUETADO.
algoritmo, se determina una etiqueta para cada nodo. Esa etiqueta asociará dos números
distancia entre H y ese nodo, a lo largo de una ruta específica y el segundo número
representará el nodo predecesor del nodo en cuestión sobre dicha ruta, en principio las
distancia más corta (es decir la mejor ruta) entre H y un nodo dado haya sido
El algoritmo comienza al etiquetar el nodo H con la etiqueta permanente (0, H), donde 0
simplemente significa que la ruta de H tiene una longitud 0 y H solo identifica al nodo
de salida.
Tan pronto cuando todos los nodos tengan etiqueta permanente se termina el proceso.
Ejercicio:
En la siguiente red encontrar la ruta mas corta desde H hacia los demás nodos de la red.
133
1,H 3 4,1
1
1
3 4 2
5,4
5 4,3 6,4 3
0,H
2 3
2 2
1
3
5,3
2,H
LOCALIDADES.
DESDE H
1 H-1 1
2 H-3-2 4
3 H-3 2
4 H–1-4 4
5 H–1–4-5 6
6 H-3-6 5
7 H–1–4-7 5
134
BLIOGRAFIA.
♦ Shamblin J., Stevens G. Investigación de Operaciones. Bogotá, Ed. Mc. Graw Hill,
1977