You are on page 1of 66

UNIVERSIDAD MICHOACANA DE SAN NICOLÁS DE HIDALGO

FACULTAD DE CONTADURÍA Y CIENCIAS ADMINISTRATIVAS PROFESOR:

Dr. Fernando Ávila Carreón

MATERIA:

Investigación de Operaciones

Morelia, Mich., a 17 de diciembre de 2009

INTRODUCCIÓN
La materia de investigación de operaciones es una materia que requiere que los alumnos hayan comprendido sus cursos de matemáticas anteriores, particularmente el de matemáticas básicas, por ello este curso trata de implementar de la mejor manera dichos conocimientos para dar un primer y pequeño acercamiento al fascinante mundo de la investigación de operaciones. El propósito de este curso es que el alumno comprenda, el potencial que representa las matemáticas, como una herramienta en el campo laboral, como a través de un planteamiento correcto se puede optimizar los recursos materiales con los que cuenta el administrador; así se pretende que el profesional administrador en el ejercicio de su profesión haga uso de herramientas matemáticas para lograr que sea más eficiente su trabajo. El presente material contiene ejercicios de dificultad básica con el objetivo principal del entendimiento del alumno de los posibles alcances de dichas herramientas matemáticas.

INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES (I de O)
Actualmente la administración está funcionando en un ambiente de negocios que está sometido a muchos más cambios, los ciclos de vida de los productos se hacen más cortos, además de la nueva tecnología y la internacionalización creciente. Las raíces de la investigación de operaciones se remonta a cuando se hicieron los primeros intentos para emplear el método científico en la administración de una empresa. Sin embargo, el inicio de esta disciplina se atribuye a los servicios militares prestados a principios de la segunda guerra mundial. La investigación de operaciones se aplica a problemas que se refieren a la conducción y coordinación de operaciones (o actividades) dentro de una organización. La investigación de operaciones intenta encontrar una mejor solución, (llamada solución óptima) para el problema bajo consideración. La investigación de operaciones es la aplicación, por grupos interdisciplinarios, del método científico a problemas relacionados con el control de las organizaciones o sistemas, a fin de que se produzcan soluciones que mejor sirvan a los objetivos de la organización. Una organización es un sistema formado por componentes que se interaccionan, unas de estas interacciones pueden ser controladas y otras no. La complejidad de los problemas que se presentan en las organizaciones ya no encajan en una sola disciplina del conocimiento, se han convertido en multidisciplinario por lo cual para su análisis y solución se requieren grupos compuestos por especialistas de diferentes áreas del conocimiento que logran comunicarse con un lenguaje común. La investigación de operaciones es la aplicación de la metodología científica a través de modelos matemáticos, primero para representar al problema y luego para resolverlo.

Obtención de una solución a partir del modelo. los límites de tiempo para tomar una decisión. las interrelaciones del área bajo estudio con otras áreas de la organización. o cuando menos mejorar la eficiencia o la efectividad del sistema dentro del marco de referencia que fijan los objetivos y las restricciones del problema. asociadas a las componentes controlables del sistema con el propósito de optimizar. Resolver un modelo consiste en encontrar los valores de las variables dependientes. etc.ENFOQUE DE LA INVESTIGACIÓN DE OPERACIONES VARIABLES RELEVANTES RELACIONES RELEVANTES SISTEMA REAL SISTEMA ASUMIDO MODELO CUANTITATIVO MÉTODO DE SOLUCIÓN SOLUCIÓN AL PROBLEMA DEL SISTEMA REAL JUICIOS Y EXPERIENCIAS DECISIONES INTERPRETACIÓN SOLUCIÓN AL MODELO Definición del problema Esto incluye determinar los objetivos apropiados. las restricciones sobre lo que se puede hacer. es una aproximación abstracta de la realidad con consideraciones y simplificaciones que hacen más manejable el problema y permiten evaluar eficientemente las alternativas de solución. . si es posible. Un modelo siempre debe ser menos complejo que el problema real. La forma convencional en que la investigación de operaciones realiza esto es construyendo un modelo matemático que represente la esencia del problema. los diferentes cursos de acción posibles. Este proceso de definir el problema es crucial ya que afectará en forma significativa la relevancia de las conclusiones del estudio .

es necesario primero comprender la metodología para resolver los problemas. y comprobando que los resultados de modelo se comporten de una manera factible. emulan al sistema real. que utilizan procesos de deducción matemática.La selección del método de solución depende de las características del modelo. así como los fundamentos de las técnicas de solución para de esta forma saber cuándo utilizarlas o no en las diferentes circunstancias. Prueba del modelo Antes de usar el modelo debe probarse exhaustivamente para intentar identificar y corregir todas las fallas que se puedan presentar. NORMAS PARA LOGRAR ÉXITO EN LA I de O El éxito del empleo de la I de O es el de un enfoque de solución de problemas y no una colección asociada de métodos cuantitativos. . Implantación de la solución El paso final se inicia con el proceso de "vender" los hallazgos que se hicieron a lo largo del proceso a los ejecutivos o tomadores de decisiones. Esta fase consiste en determinar los rangos de variación de los parámetros dentro de los cuales no cambia la solución del problema. que utiliza métodos que imitan o. c) simulación. sino tan sólo en aquellos en que las ganancias sea mayores que los costos. que son de carácter inductivo y funcionan en base a operaciones de prueba y error. Validación del modelo Es importante que todas las expresiones matemáticas sean consistentes en las dimensiones de las unidades que emplean. b) numéricos. Para llegar a hacer un uso apropiado de la I de O. en base a un modelo. Además. puede obtenerse un mejor conocimiento de la validez del modelo variando los valores de los parámetros de entrada y/o de las variables de decisión. Los procedimientos de solución pueden ser clasificados en tres tipos: a) analíticos. Usualmente esto se conoce como ANÁLISIS DE SENSIBILIDAD. lo que significa que no debe emplearse en todos los problemas. Es necesario generar información adicional sobre el comportamiento de la solución debido a cambios en los parámetros del modelo. La I de O es relativamente costosa.

en donde m denota el número de distintos tipos de recursos que se pueden usar y n denota el número de actividades bajo consideración. El adjetivo lineal significa que todas las funciones matemáticas del modelo deber ser funciones lineales. por lo que se desarrolla en los alumnos una opinión muy simplista e ingenua sobre la aplicación de estas técnicas a problemas reales. Rara vez se realizan análisis costo-beneficio de la implantación de soluciones definidas por medio de la I de O.LIMITACIONES DE LA I de O Frecuentemente es necesario hacer simplificaciones del problema original para poder manipularlo y tener una solución. las palabra programación no se refiere a programación en computadoras. Este problema incluye elegir el nivel de ciertas actividades que compiten por recursos escasos necesarios para realizarlas. la programación lineal trata la planeación de las actividades para obtener un resultado óptimo. . La mayoría de los modelos sólo considera un solo objetivo y frecuentemente en las organizaciones se tienen objetivos múltiples. Existe la tendencia a no considerar la totalidad de las restricciones en un problema práctico. En este caso. en esencia es un sinónimo de planeación. en ocasiones los beneficios potenciales se ven superados por los costos ocasionados por el desarrollo e implantación de un modelo. Así. debido a que los métodos de enseñanza y entrenamiento dan la aplicación de esta ciencia centralmente se basan en problemas pequeños para razones de índole práctico. Aplicaciones de la Investigación de operaciones INTRODUCCIÓN A LA PROGRAMACIÓN LINEAL El problema general es asignar recursos limitados entre actividades competitivas de la mejor manera posible (óptima). MODELO GENERAL DE PL Los términos clave son recursos y actividades.

EL PROBLEMA DE MAXIMIZACIÓN Ejemplo 1. En esta forma la solución del problema entrega a manera de receta de cocina la cantidad exacta de los diferentes ingredientes de forma tal que se alcance el objetivo mencionado en el párrafo anterior. En nuestro caso con el propósito de determinar en forma correcta las variables estructurales debemos estar seguros que éstas. el fabricante estudia la posibilidad de producir 2 nuevos productos.FORMULACION DEL PROBLEMA INVESTIGACIÓN DE OPERACIONES. X2= UNIDADES DEL PRODUCTO II. El primer paso en esta formulación del problema es determinar las variables que intervienen en el proceso. artículo principal resultado de este proceso o en algunos casos la materia prima a partir de la cual se fabrica este producto. Lo que se busca en este tipo problemas es obtener una expresión que represente de forma matemática la máxima ganancia o en su defecto el mínimo costo. por eso es recomendable que en la práctica esto se lleve a cabo con una persona que conozca a profundidad el proceso de forma que tal identificación de variables se dé en forma natural. LA PRODUCCIÓN DE CADA UNIDAD DEL PRODUCTO I NECESITA 2 HORAS DE LA MÁQUINA A Y 2 HORAS DE LA B. no son otra cosa que el producto. La máquina A tiene una capacidad de 24 horas de operación a la semana y la B tiene una capacidad de operación de 16 horas a la semana con el fin de utilizar ésta capacidad disponible de la máquina. Así del enunciado anterior podemos determinar con toda seguridad que estas variables quedaran perfectamente definidas como: VARIABLES ESTRUCTURALES: X1= UNIDADES DEL PRODUCTO I. LA PRODUCCIÓN DE CADA UNIDAD DEL PRODUCTO 2 REQUIERE 3 HORAS DE LA A Y 1 DE LA B. . Considérese el caso de un fabricante que utiliza en su proceso de producción dos máquinas A y B.

Una vez determinadas las variables estructurales. sin embargo puntualizando que ese beneficio no sea cualquier beneficio. RESTRICCIONES: Como restricción inicial es fundamental mantener que para nuestro caso las variables siempre serán positivas RESTRICCIÓN RESTRICTA: X1. Por último la función objetivo. que no es más que la representación matemática que representa uno de los objetivos o razón de ser de una empresa es decir el lucro o beneficio económico. FUNCIÓN OBJETIVO: MAXIMIZAR GANANCIAS = 5X1 + 7X2 La etapa de formulación del problema termina con la determinación de la expresión para función objetivo. todas aquellas limitantes que nos implica el llevar a cabo dicho proceso. es decir. . el segundo paso es establecer las restricciones.X2 > 0 Luego identificamos una capacidad máxima de uso para las máquinas Ay B respectivamente: CAPACIDAD HORAS DE LA MÁQUINA A CAPACIDAD HORAS DE LA MÁQUINA B 2X1 + 3X2 < 24 2X1 + X2 < 16. y en el caso de un costo debe de ser el mínimo de forma tal que nos lleve a obtener un máximo beneficio económico. por lo que este primer ejemplo esta finiquitado. sino el óptimo en el caso de que estemos hablando de ganancia debe de ser la máxima ganancia.

X1. La diferencia entre los dos tipos de lámpara se debe a la mano de obra. Todas las lámparas requieren para su fabricación la misma cantidad de material y hay suficiente material para producir 100 lámparas a la semana. No olvidando que las variables las consideramos siempre positivas lo que nos originan las primeras restricciones. X2 > 0 CANTIDAD DE MATERIAL MANO DE OBRA X1 + X2 < 100 ½ X1 + 1X2 < 60 . el común y el de lujo. pues mientras que la lámpara común requiere ½ hora de trabajo para producirla. lo primero que se establece son las variables estructurales las cuales se obtienen interpretando en forma matemática la primera pregunta que se formula al final del párrafo anterior. la lámpara de lujo requiere 1 hora.Ejemplo 2 Una pequeña empresa comercializa dos tipos de lámpara. El material y la mano de obra para fabricar las lámparas están limitados. Así encontramos restricciones de mano de obra y en cuanto a material. ¿Cuántas unidades de cada tipo de lámpara debe de producirse? ¿Cuál es la ganancia bruta total por semana? Solución Como se hizo para el primer problema. VARIABLES ESTRUCTURALES: X1 = NÚMERO DE LÁMPARA COMÚN X2 = NÚMERO DE LÁMPARAS DE LUJO RESTRICCIONES: Ahora para determinar las restricciones. La mano de obra con la que s cuenta es de 60 horas a la semana (es decir un trabajador de tiemplo completo y uno de medio tiempo) Suponiendo que la ganancia bruta por lámpara de la común y de la de lujo es de $5 y $8 respectivamente. podemos encontrar en la redacción del problema la palabra limitaciones como palabra clave que nos indica con precisión la ubicación de las restricciones.

Determine el programa de producción semanal óptimo si la ganancia bruta por aparato es de $100 para los aparatos de color y y $50 para los de blanco y negro ¿Cuál es la ganancia bruta total máxima? En este problema es claro de la importancia básica del planteamiento anterior es conocer el número indicado de televisores blanco y negro así como los de color que proporcionen la máxima ganancia.Por último la función objetivo. Lo que nos indica las restricciones en cuanto a el número máximo de aparatos que se pueden ensamblar. Los mercados en ambos tipos de aparatos están limitados. El fabricante tiene una capacidad para ensamblar 100 aparatos de color o 500 aparatos en blanco y negro. que es la optimizar sus ganancias derivadas de la fabricación de dos tipos de lámparas. X2 > 0 . X2= NÚMERO DE TELEVISIÓN A COLOR. la solución optima es aquella en la que la ganancia es máxima. El fabricante puede vender nomás de 75 aparatos de color y no más de 400 aparatos de blanco y negro a la semana. FUNCIÓN OBJETIVO: MAX G = 5X1 + 5X2 Ejemplo 3 Un fabricante de televisores compra todos los componentes necesarios para ensamblar aparatos de televisión tanto en blanco y negro como en color. RESTRICCIONES: X1. el mercado que tiene restricciones y no olvidar las variables siempre positivas. que nos representa el objetivo de esta empresa fabricante de lámparas. X1= NÚMERO DE TELEVISIÓN BLANCO Y NEGRO. Por lo que las variables estructurales son: VARIABLES ESTRUCTURALES. En la redacción se precisa de nueva cuenta la palabra clave de limitaciones que nos indica una restricción.

$950 000. para las casas A1. 90. $650 000. A2.CAPACIDAD PARA ENSAMBLAR.CAPACIDAD DE MERCADO BLANCO Y NEGRO. respectivamente. $800 000.1. Todas construidas en terreno de 250 la desarrolladora cuenta con 50 000 inicialmente para su uso exclusivo de construcción de vivienda.. $1100 000. Determine el modelo de programación lineal que maximice la ganancia de estas casas para dicha desarrolladora. $900 000. con 80. X1 + X2 < 1 500 100 X1 < 400 X2 < 75 2. A2. B2. FUNCIÓN OBJETIVO: MAX G = 50X1 + 100X2 Ejemplo 4: Una desarrolladora inmobiliaria construye casas de 4 tamaños A1. así los precios son de $750 000. $1400 000.. A2. A2.CAPACIDAD DE MERCADO COLOR En este caso también el objetivo del fabricante es el de maximizar las ganancias que se deriven del ensamble de los aparatos de televisión de blanco y negro y de color. 3. Si consideramos que los costos aproximados por casa son de $550 000. respectivamente. 140 de construcción respectivamente. para las casas A1.. El precio de las casas es proporcional a los construidos. B1. El municipio a consignado a la desarrolladora a construir al menos el 65% de las casas más económicas. . B2. B2. es decir A1. 120. se pretende construir esta primera etapa a lo más en 1 año (52 semanas) Se espera una ganancia bruta de al menos $54 000 000 por todo el proyecto. B1. Seis días a la semana. En promedio las casas se llevan 180 horas por de construcción. se cuenta con 1500 trabajadores cada uno con 8 horas diarias. B1.

X2 . 180x120=21600. X4 ≥ 0 b) 250 X1+ 250X2 + 250X3 + 250X4 ≤ 50000 c) Trabajo de horas por metros cuadrados 14400 X1+ 16200X2 + 21600X3 + 25200X4 ≤ 3744000 180x80=14400.CASAS A1 A2 B1 B2 80 90 120 140 PRECIO 750000 900000 1100000 1400000 COSTO 550000 650000 800000 950000 UTILIDAD 200000 250000 300000 450000 MODELO Variables X1 = Cantidad de casas a construir del modelo A1 X2 = Cantidad de casas a construir del modelo A2 X3 = Cantidad de casas a construir del modelo B1 X4 = Cantidad de casas a construir del modelo B2 Restricciones a) Restricción natural X1. la otra puede ser la siguiente: X1 + X2≥ . X3 . 180x90=16200. 180x140=25200 1500x8x6x52= 3744000 d) Construcción de al menos 65% de las casas más económicas.65 (X1+ X2 + X3+ X4) . X1 + X2≥130 Dentro del modelo puede haber varias soluciones.

Considera que el material necesario para la elaboración de los muebles representa un costo de $200 $950 y $2100 para las bases de cama. Los precios de venta de los productos son de: $700. La madera necesaria para la elaboración de cualquier unidad de los 3 productos requiere pasar por las 3 maquinas con un tiempo de 15 minutos por maquina esto con la intervención de un trabajador. Luego son barnizados estos muebles por otro trabajador en un tiempo de 15/4 de hora cada cocina. Los closet y las cocinas deben de ser instalados en los hogares de los de los compradores por parte de un trabajador en un tiempo de 2 horas. closet tipo sencillo y cocinas integrales tamaño económico. Los closet y las cocinas respectivamente. B.5 horas por closet. lo mismo para el closet y 15 minutos por base de cama. . Posteriormente un artesano se encarga de unir las piezas en un tiempo de 3. Elabora un modelo de programación lineal que cumpla con las restricciones y maximice las ganancias del taller para una semana de trabajo. bases para cama. Cuenta con la mano de obra necesaria para la producción. El taller tiene un mercado en el que no venden más de 200 cocinas y no más de 250 closet y venden al menos 400 bases para cama. El taller cuenta con 3 maquinas A. El paso por cada una de las maquinas contando la mano de obra del trabajador representa $15 la hora. $4500 y $11500 para las bases para cama. 90. El fabricante considera que tiene material suficiente para la elaboración semanal de 1000 muebles de cada uno. La hora del barnizador así como el material que utiliza representa $25 la hora y $12 de la hora del instalador de cocinas y closet.e) Restricción ganancia 200000X1 + 250000X2 + 300000X3 + 450000X4 ≥ 54000000 Función objetivo MaxG = 200000X1 + 250000X2 + 300000X3 + 450000X4 Ejemplo 5: Un taller de muebles elabora 3 tipos de productos. el mismo tiempo en una cocina y ¼ de hora por base de cama. cuyas capacidades de trabajo son de 96. closet y cocinas respectivamente. C. y 84 horas a la semana.

25(X1+X2+X3) < 96 Capacidad de producción en horas de la maquina B .75) $ 24 __________ 2221.25) = 3.25) Instalación ----------_________ 200+3.25) Barniz $25 hora (.50 $950 $15(.75 $ 25(3. >_0 FUNCION OBJETIVO: Máx. g.75 $12 (2) = 24 ______________ 1071.25 =210 Precio de venta: 700+210 = 490 CLOSET Material. Barniz.75 $25 (3.5 . X2. X3. Maquinaria. Instalación COCINA Materiales Maquinaria Barniz instalación $2100 $3.25(X1+X2+X3) < 90 Capacidad de producción en horas de la maquina C .SOLUCION VARIABLES ESTRUCTURALES: X1 = Unidades de bases para cama X2 =Unidades de closet tipo sencillo a producir X3 =Unidades de cocinas integrales tamaño económico a producir RESTRICCIONES: Material disponible para camas X1 = <1000 Material disponible para closet X2 = <1000 Material disponible para cocinas integrales X3 = <1000 Capacidad de producción en horas maquina A . = 490 X1 + 3425.5 X2 + 9278.75) = 93.5 X3 COSTO TOTAL BASE PARA CAMA: Material $200 Maquinas $15 hora (.75 + 6.25(X1+X2+X3) < 84 Capacidad de venta s de bases para cama X1 >_ 400 Capacidad de venta de closet X2 <_ 250 Capacidad de ventas para cocina X3<_ 200 Restrictas X1.

EL PROBLEMA DE MINIMIZACIÓN Ejemplo 6: Un laboratorio farmacéutico desea producir una cápsula de vitaminas naturales que contenga al menos 12 unidades de vitamina A y no menos de 16 unidades de vitamina B. ¿Cuál es el costo mínimo de la producción de la cápsula de vitaminas? L a tarea inicial es fácil de cumplir una vez que no se convence que el primer paso es determinar que las variables estructurales. CANTIDAD DE UNIDADES DE VITAMINA A CANTIDAD DE UNIDADES DE VITAMINA B 3X1 + ½ X2 > 12 2X1 + X2 > 16 La función objetivo es en este caso minimizar los costos. X2 > 0 Las limitaciones que establece el problema son en cuanto a la cantidad mínima de contenido precisamente de vitaminas que debe de contener cada una de las cápsulas a producir. son las cantidades de los ingredientes que pueden conformar la cápsula de vitaminas. Cada ingrediente contiene tanto vitamina A como B y la cápsula se puede producir utilizando cualquiera de los dos ingredientes o una combinación de los dos. Por otra parte un gramo del otro ingrediente contiene ½ unidad de vitamina A y una unidad de vitamina B. X2 = GRAMOS DE INGREDIENTES 2 Las restricciones que se deben de olvidar RESTRICCIONES: X1. Cada gramo del primer ingrediente contiene 3 unidades de vitamina A y 2 unidades de vitamina B. VARIABLES ESTRUCTURALES: X1 = CANTIDAD DE INGREDIENTES 1 (GRAMOS). para utilizamos los costos unitarios por gramo de cada uno de los diferentes ingredientes. FUNCIÓN OBJETIVO: MIN C = 6X1 + 4X2 . Dos ingredientes están disponibles en existencia en cantidades suficientes para producir la cápsula de vitaminas especificada. Si el primer ingrediente cuesta 6 centavos el gramo y el segundo 4 centavos el gramo.

X2.07X3 + 1.04X4 + . X3 = MILLONES DE PESOS EN HIPOTECAS.08X2 + . X2 < 0 FUNCION OBJETIVO= MAX G = 30X1 + 40X2 Ejemplo 8: VARIABLES ESTRUCTURALES.: PRÉSTAMOS E HIPOTECAS: X1 > 100 X1 + X4 > 300 X3 + X2 < 600 X3 > 2X2 X1 + X2 + X3 + X4 + X5 = 1000 X1. X4 = MILLONES DE PESOS EN VALORES A CORTO PLAZO. X1 = MILLONES DE PESOS EN EFECTIVO.08X2 + 1.05X5 . X3.G C. X2 = MILLONES DE PESOS EN PRÉSTAMOS. X5 > 0 FUNCIÓN OBJETIVO: MAX G.Ejemplo 7: VARIABLES ESTRUCTURALES: X1 = CALCULADORAS VENDIDAS A DISTRIBUIDORES X2 = CALCULADORAS VENDIDAS A TIENDAS DE DESCUENTO RESTRICCIONES: HORAS DE RELACIONES COMERCIALES PRESUPUESTO PARA PUBLICIDAD ½ X1 + X2 < 5000 5 X1 + 5X2 <40000 X1. X1 1.07X3 +.04X4 + 1.P.05X5 0. X5 = MILLONES DE PESOS EN VALORES A LARGO PLAZO. RESTRICCIONES: CAPITAL EN EFECTIVO: EFECTIVO Y V. X4.

42X1 + 0.18X3 > 140 . X4 > 0 FUNCIÓN OBJETIVO: MAX G.20X3 < 450 0.45X1+ 52X2 + .. PROCESO EN MILES DE METROS X2 = TELA 1. X4 = TELA 2.X2. X3..13X1 + 0. X2. RESTRICCIONES: 1.62X3 < 500 X1 + X2 + X3 = 1000 X1.CONTENIDOS DE PROTEÍNA 2.. PROCESO 1 EN MILES DE METROS.X3 > 0 FUNCIÓN OBJETIVO: MIN C.Ejemplo 9: VARIABLES ESTRUCTURALES: X1= UNIDADES DE FALDA X2 = UNIDADES DE LOMO X3 = UNIDADES DE FILETE. 25X1 + 20X2 + 40X3.PRODUCCIÓN 0.UNIDADES DE GRASA 3.10X2 + 0.. 800X1 + 800X2 + 700X3 + 700X4 800 (X1 + X2) + 700 (X3 + X4) .VARIABLES ESTRUCTURALES: X1 = TELA 1.38X2 + 0. PROCESO 2 EN MILES DE METROS RESTRICCIONES: CAPACIDAD TELAR NÚMERO 1 20X1+ 17X2 < 350 CAPACIDAD HORAS TELAR NÚMERO 2 24X2 + 23X4 < 120 CAPACIDAD HORAS HILADORAS 550X1 + 850X2 < 1200 CAPACIDAD HILADORAS CONTINUAS DE ANILLO 500X3 + 500X4 < 8000 RESTRICCIÓN DE PRODUCCIÓN TELA 1 X1+ X2 > 10 X3+ X4 > 12 X1.UNIDADES DE AGUA 4. Ejemplo 10. PROCESO 2 EN MILES DE METROS X3 = TELA 2.

74X1 + .90X5 + . B EN LA PLANTA 2 . = .14X3 < 4500 AROMA MARCA 1 .26X2 + .55X3 + .X3.X2.88X4 + 1.82X1 + . 1 .10X2 + .10X1 + .10X5 + .X5.Ejemplo 11: VARIABLES ESTRUCTURALES: X1 = CANTIDAD DE CAFÉ BRASILEÑO USADO EN LA MARCA 1 EN KG X2 = CANTIDAD DE CAFÉ COLOMBIANO USADO EN LA MARCA 2 EN KG X3 = CANTIDAD DE CAFÉ BRASILEÑO USADO EN LA MARCA 1 EN KG X4 = CANTIDAD DE CAFÉ COLOMBIANO USADO EN LA MARCA 2KG X5 = CANTIDAD DE CAFÉ AFRICANO USADO EN LA MARCA 2 EN KG.26X2 +. DE PRODUCCIÓN MARCA 1 X1 + X2 + X3 = 15000 MARCA 2 X4 + X5 + X6 = 32000 RESTRICTA: X1.40X4 + .48X3 < 6000 CAFEÍNA MARCA 1 .14X6 < 7680 AROMA M 2 .90X2 + . B EN LA PLANTA 1 X4 = UNIDADES PRODUCIDAS PROD. A EN LA PLANTA 1 X2 = UNIDADES PRODUCIDAS PROD.X4. RESTRICCIONES: ACIDEZ MARCA 1.48X2 < 19200 CAFEÍNA M 2 .86X5 0.10X4 +.86X2 + 0. .82X4 0.74 X1 +.40X1 +.32X2 + .16X6 > 12800 CONSISTENCIA M2 .88X1+ 1.56X3 > 10500 ACIDEZ M. A EN LA PLANTA 2 X3 = UNIDADES PRODUCIDAS PROD.55X6 Ejemplo 12: VARIABLES ESTRUCTURALES: X1 = UNIDADES PRODUCIDAS PROD.X6 > 0 FUNCIÓN OBJETIVO: MIN C.32X5 + .56X6 > 24320 REST.16 > 11400 CONSISTENCIA M .

DEMANDA DE PRODUCTO A DEMANDA DE PRODUCTO B X1 + X2 = 2000 X3 + X4 = 2700 X1 < 3000 X2 < 2000 X3 < 2000 X4 < 2200 CAPACIDAD DE PRODUCCIÓN PRODUCTO A PLANTA 1 CAPACIDAD DE PRODUCCIÓN PRODUCTO B PLANTA 2 CAPACIDAD DE PRODUCCIÓN PRODUCTO B PLANTA 1 CAPACIDAD DE PRODUCCIÓN PRODUCTO B PLANTA 2 CAPACIDAD DE PRODUCCIÓN PLANTA 1 CAPACIDAD DE PRODUCCIÓN PLANTA 2 RESTRICTAS: X1 .50 X 2100) + (20X1500) Ejemplo 13: VARIABLES ESTRCTURALES: X1 X2 X3 X4 NUMERO DE ANUNCIOS COLOCADOS EN REVISTA A NUMERO DE ANUNCIOS COLOCADOS EN REVISTA B NUMERO DE ANUNCIOS COLOCADOS EN REVISTA C NUMERO DE ANUNCIOS COLOCADOS EN REVISTA D RESTRICCIONES: PRESUPUESTO: 20X1 + 18 X2 + 11 X3 + 10 X4 + 17 X5 < 750 PUBLICACIONES EN LA REVISTA A PUBLICACIONES EN LA REVISTA B PUBLICACIONES EN LA REVISTA C PUBLICACIONES EN LA REVISTA D PUBLICACIONES EN LA REVISTA E X1 > X2 > X3 > X4 > X5 > 12 12 3 1 3 . X3 . X2 . X4 > 0 X1 + X3 + 1500 < 5000 X2 + X4 + 2100 < 4500 FUNCION OBJETIVO: MIN C_: (1X1 + 10 X2 + 9 X3 + 12 X4 + (13.

X4.X2 .601 X5 Ejemplo 14: VARIABLES ESTRUCTURALES: X1 CANTIDAD DE TIEMPO OCUPADO EN LA VENTA DE A EN HORAS X2 CANTIDAD DE TIEMPO OCUPADO EN LA VENTA DE B EN HORAS X3 CANTIDAD DE TIEMPO OCUPADO EN LA VENTA DE C EN HORAS RESTRICCIONES: TIEMPO DISPONIBLE DE AGENTES DE VENTAS X1 + X2 + X3 < 3120 MINIMO DE VENTAS PRODUCTO A EN CAJAS MINIMO DE VENTAS PRODUCTO B EN CAJAS MÁXIMO DE VENTAS PRODUCTO C EN CAJAS MÁXIMO DE VENTAS PRODUCTO A EN CAJAS MÁXIMO DE VENTAS PRODUCTO B EN CAJAS MÁXIMO DE VENTAS PRODUCTO C EN CAJAS 2X1 < 500 4X2 > 1600 2. X3 > 0 FUNCION OBJETIVO: MAX G.RESTRICTAS: X1. X2 .: 5 X1 + 4X2 +4.5X6 < 6000 RESTRICTA: X1.552X3 + 1790 X4 + 2.5 X3 . X5 > 0 FUNCION OBJETIVO: 1960X1 + 1116 X2 + 2. X3.5X3 > 1200 2X4 < 4000 4X5 < 8500 2.

000 128X1< 100.24 X4 .24 X4 RESTRICTA: X1.000 RAZON PRECIO GANANCIA: 84X1 + 100 X2 + 220X3 + 128 X4 < 18 5.Ejemplo 15: VARIABLES ESTRUCTURALES: X1 X2 X3 X4 NUMERO DE ACCIONES A NUMERO DE ACCIONES B NUMERO DE ACCIONES C NUMERO DE ACCIONES D RESTRICCIONES: MONTO DE LA INVERSIÓN 84X1 + 100 X2 + 220X3 + 128 X4 < 250000 RENDI.000 220X3< 100.88X1 + 5 X2 + 22X3 + 10.MIENTO TOTAL 5. X3. X2 .88X1 + 5 X2 + 22X3 + 10. G: 5. X4.24 X4 > 17500 LIMITE DE INVERSIÓN: ACCION A ACCION B ACCION C ACCION D 84 X1< 100. > 0 FUNCION OBJETIVO: MAX.88X1 + 5 X2 + 22X3 + 10.000 100X2< 100.

METODO GRAFICO ALGEBRAICO .

0) 5X1 + 5X2 = 40000 X1 = 0 5X2 = 4000 X2=40000/5 X2 =8000 (0.½ X1 +X2 < 5000 5X1 + 5X2 <40000 ________________ MAX G = 30X1 + 40X2 ½ X1 + X2 = 5000 X1 = 0 X2 = 5000 (0. 0) . 5000) X2 = 0 ½ X1 = 5000 X1 = 1000 (1000. 8000) X2 =0 5X1 = 40000 X1 =8000 (8000.

2X1 + 3X2 < 12 2/3 X1 + 2X2 < 6 ________________ MAX G = 4X1 + 8X2 2X1 + 3X2 =12 X1 = 0 3X2 = 12 X2 = 4 ( 0,4) X2 = 0 2X1 = 12 X1 = 6 ( 6,0 ) 2/3 X1 + 2X2 = 6 X1 = 0 2X2 = 6 X2 = 3 (0, 3) X2 = 0 2/3 X1 =6 X1 = 9 ( 9,0)

2(2X1 +3X2 = 12) 3 (2/3 X1 +2X2 = 6) 4X1 + 6X2 = 24 2X1 +6X2 = 13 __________________ 2X1 =6 X1 = 3

6 + 3X2 = 12 2X1 + 3X2 = 6 X2 = 2

SOLUCIONES FACTIBLES

A) B) C) D)

(0,0) 0+0 =0 (0,3) 0+8(3) = 24 (3,2) 4(3) + 8(2) =28 ------------ SOLUCION OPTIMA (6,0)99 4(6) + 0 = 24

2X1 +3X2 < 12 2/3 X1 + 2X2 < 6 _______________ MAX G = 4X1 + 5X2

2X1 + 3X2 < 12 X1= 0 3X2 =12 X2 =4 (0,4) X2 = 0 2X1 =12 X1 = 6 (6,0)

2/3X1 + 2X2 =6 X1 = 0 2X2 = 6 X2 = 3 (0,3) X2 = 0 2/3X1 = 6 X1 = 6/1 / 2/3 = 18/2 X1 = 9 (9,0) 2(3) + 3X2 = 12 6+3X2 =12 3X2 = 6 X2 = 2

2( 2X1 + 3X2 = 12) 3 ( 2/3 X1 +2X2 =6) ________________ 4X1 + 6X2 = 24 2X1 + 6X2 = 18 ______________ 2X1 =6 X1 =3

SOLUCIONES FACTIBLES MAX G = 4X1 + 5X2 A) B) C) D) (0,0) (0,3) (3,2) (6,0) 4 (0) +5(0) =0 4(0) + 5(3) =15 4(3) + 2(5) = 22 4(4) + 2 (0) = 24 ------------------- SOLUCION OPTIMA

2 x1 3x2 12 2 x1 2 x2 10
MIN C = 3 x 2 + 4 x2 1.- 2x1 + 3 x 2 = 12 x1=0 3x2 = 12 x2 = 4 (0,4) x2 = 0 2x1 = 12 x1 = 6 ( 6,0) 2.- 2x1 + 2x2 = 10 x1 = 0 2x2 =10 x2 =5 (0,5) x2 = 0 2x1 = 10 x1 = 5 ( 5,0 )

2 x 1 +3x2>12 2 x1 +2x2>10 x2 = 2 2x1 + 3(2) =12 2 x 1 =12-6 x1 =6/2 x1=3

5) = 3 (0) +4(5) =20 B) (3. ( 6.0) = 3(6) + 4(0) = 18 4.5 ). . 0 ) 2 x 1 +3x2=12 2 x1 +2x2=10 x2 = 2 2x1 + 6 =12 2 x 1 =6 x1 =6/2 x1=3 . ( 5. 0 ) 2 ( 0 .SOLUCION OPTIMA C) (6. 2 x 1 +3x2>12 2 x1 +2x2>10 ______________________ MIN C = 2x1 + 3x2 1 (0 .2) = 3(3) + 4(2) =17------------------.SOLUCIONES FACTIBLES MIN C = 3x1 + 4x2 A) (0. 4 ).

0 ) .0) = 2(6) + 3(0) = 12------------------.5 _________________________ MAX G = x 1 + 4 x2 1.SOLUCION OPTIMA C) (6.0) 2.3x1 + 4 x 2 = 12 x1=0 4x2 = 12 x2 = 12/4 x2 = 3 (0.SOLUCIONES FACTIBLES MIN C = 2x1 + 3x2 A) (0...3) x2 = 0 3x1 = 12 x1 = 4 ( 4.SOLUCION OPTIMA 3 x 1 +4x2<12 5 x1 +3x2<15 x1<1.5) = 2 (0) +3(5) = 15 B) (3.5x1 + 3x2 = 15 x1 = 0 3x2 =15 x2 =5 (0.5) x2 = 0 5x1 = 15 x1 = 3 ( 3.2) = 2(3) + 3(2) =12------------------.

15/11 ) = 24/11 + 4 (15/11) = 24/11 = 60/11 =84/11 EC ( 3 . 1. 1.. 3x1 + 4 x 2 = 12 x 2 =1. 0 ) C . 1. 1.363 3x1 + 4 ( 15/11) = 12 3x1 = 12 – 12 – 60/11 3x1 = 132 – 60 = 72/11 11 x1 = 72/11 3/1 x 1 = 72 /33 = 24/11 x1 = 2.5 ) = 2 + 4 (1.0) B ( 0 .1818 ( 2.5 ) C (2 .5 3x1 + 4 (1.5 ) =6 C (2 .5) = 12 3x1 + 6 =12 3x1 = 12-6 =6 x2 = 3 (0. A ( 0 .5(3x1 + 4x2 = 12) 3(5x1 + 3x2 = 15) 15x1 + 20x2 = 60 15x1 + 9x2 = 45 11 x2 =15 x2 =15/4 x2 = .3) x1 = 6/3 x1 = 2 B. 1.19. 0 ) = 0 + 0 =0 B ( 0 . 15/11 ) EC ( 3 .A(0.36 ) X1 + 4 x 2 SOL. FAC. 0 ) = 3 + 0 =3 .5 ) = 8----------------------------.5 ) = 0 + 4 (1.SOLUCION OPTIMA D (24/11 .5 ) D (24/11 .

3 x 1 +2x2>12 1/2 x1 +x2>4 _____________________________ MIN G = 5 x 1 + 4 x2 1.4) x2 =0 1/2x1 = 4 x1 = 4/1 = 8 1/2 x 1 =8 (8 ...6) x 2= 0 3 x1 = 12 x 1 = 4 (4 .1/2x1 + x2 > 4 x1 = 0 x2 =4 (0.3x1 + 2 x 2 = 12 x1=0 2x2 = 12 x2 = 12/2 x2 = 6 (0. 0) 2. 0) 3 x 1 +2x2 =12 1/2 x1 +x2 = 4 3 x 1 +2x2 =12 x1 +2x2 = 8 2x1 = 4 x1 = 2 3 (2) +2x2 =12 6 + 2x2 =12 2x2=6 x2 = 6/2 x2 =3 .

6x1 + 3x2 =18 x1 =0 3x2 =18 x2=6 (0.3) = 5(2) + 4(3) =22------------------.3) x2 = 0 2x1 = 10 x1 = 5 ( 5.0 ) 3. 0) .SOLUCION OPTIMA C) (8.6 ) x2 = 0 6x1 = 18 x1 = 3 (3.2x1 + 2 x 2 = 10 x1=0 2x2 = 12 x2 = 5 (0.5) x2 = 3 (0..6) = 5(0) +4(6) = 24 B) (2..SOLUCIONES FACTIBLES MIN C = 2x1 + 3x2 A) (0.2x1 + 3x2 = 12 x1 = 0 3x2 =12 x2 =4 (0.0) 2.0) = 5(8) + 4(0) = 40 2 x1 2 x2 10 2 x1 3x2 12 6 x1 3x2 18 MAX C = 4x 1 + 5 x2 1..4) x2 = 0 2x1 = 12 x1 = 6 ( 6.

8x1 + 6x2 =48 x1 =0 6x2 =48/6 x2=8 x2 = 0 (0...7x1 + 7x2 = 49 x1 = 0 7x2 =49 x2 =7 (0.7) x2 = 0 7x1 = 49 x1 = 7 ( 7..0) 2.5) x2 = 0 5x1 = 40 x1 = 40/5 x1 = 8 (8.8) 8x1 = 48 x1 = 48/8 x1= 6 (6.4) = 4(1) +5(4) = 24 B) (3.A) B) 2 x 1 +2x2 =10 6 x1 +3x2 = 18 6 x 1 +6x2 =30 6 x1 +3x2 =18 3x2 = 12 x2 = 4 2x 1 +2x2 =10 2 x1 +2(4) = 10 2x1= 2 x1 = 1 (1.2) = 4(3) + 5(2) =22------------------.0 ) 3.SOLUCION OPTIMA 5 x1 8 x2 7 x1 7 x2 8 x1 6 x2 40 49 48 MAX G = 2x 1 + 5 x2 1.0) B) C) 7(8 x 1 +6x2 =48) 8(7 x1 +7x2 = 49) 7(5 x 1 +8x2 =40) 5(7 x1 +7x2 = 49) .4) SOLUCIONES FACTIBLES MIN G = 4x1 + 5x2 2 x 1 +2x2 =10 2 x1 +3x2 = 12 x2 = 2 2 x1 + 4 = 10 2x1 = 6 x1 =3 (3.2) A) (1.5x1 + 8 x 2 = 40 x1=0 8x2 = 40 x2 = 40/8 x2 =5 (0.

56 x 1 +42x2 =336 56 x1 +56x2 =392 -14x2 = 56 x2 = 4 8x 1 +6x2 =48 8 x1 +24 = 48 8x1= 48-24 x1 = 24/8 x1 =3 (3.0) =2 (8) + 5 (0) =16------------------.SOLUCION OPTIMA .5/3) = 2(16/3) + 5(5/3) = 32/3 + 25/3 =57/3 =19 D) (8.33 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 10 Líneas 1 Líneas 2 Líneas 3 SOLUCIONES FACTIBLES 2x1 + 5x2 A) (0.4) 35 x 1 +56x2 =280 35 x 1 +35x2 =245 21 x2 = 35 x2 = 35/21 =5/3 =1.8) = 2 (0) + 5(8) =40 B) (3.67 5x1 +8(5/3) =40 5x1+40/3 =40 5x1=40/1-40/3=120-40/3 =80/3 x1 =80/3 5/1=80/15=16/3=5.4) = 2 (3) + 5(4) =26 C) (16/3.

4) x2 =0 4x1 = 32 2..x2 =5 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 10 Líneas 1 Líneas 2 Líneas 3 .4x1 + 8 x 2 = 32 x1=0 8x2 = 32 x2 = 4 (0...4 x 1 +8x2>32 2 x1 +2x2 >12 x2 <5 MAX C = 5x 1 + 2 x2 1.6) 3.2x1 + 2x2 = 49 x1 = 0 2x2 =12 x2 =12/2 =6 x2 = 0 2x1 = 12 x1 = 12/2 (0.

6) x2 = 0 1/2x1 = 3 x1 = 3/1 / 1/2 x1 = 6(6.SOLUCION OPTIMA B) (4.5) = 5 (1) + 2(5) =15------------------.5) 4 x 1 +8x2 =32 2 x1 +2x2 = 12 ________________ 4 x 1 +8x2 =32 4 x 1 +4x2 =24 _________________ 4 x2 = 8 x2 = 8/4 x2=2 2 x 1 +2(2) =12 2 x 1 +4 =12 2 x 1 =12-4 x 1 =8/2 x1=4 (4.0) 2.x1 = 8 (8.0) .2) SOLUCIONES FACTIBLES 5x1 + 2x2 A) (1.8) = 5(8) + 2(0) =40 1/5 x1/2x2<3 2 1/2 x1 +x2 <10 x2 <5 MAX G = 3 1/2x 1 + 2 1/2 x2 1..1/2x1 + 1/2 x 2 = 3 x1=0 1/2x2 = 3 x2 = 3/1 / 1/2 x2 =6 (0..10) x2 =0 2 1/2 x1 =10 x1 = 10/1 / 5/2 =20/15 =4 (4.2) = 5 (4) + 2(2) =24 C) (8.-x2 =5 x1 = 0 x2 =10 (0.2 1/2x1 +x2 = 10 3.0) A) B) 2 x 1 +2x2 =12 2x1 +2 (5)= 12 2x1 =12-10 2 x1=2 x1 = 1 (1.0) x1 =6 (6.

12 10 8 6 4 2 0 1 2 3 4 5 6 7 8 9 10 Líneas 1 Líneas 2 Líneas 3 ½ X1 + ½ X2 = 3 ½ X1 + ½ (5) = 3 ½ X1 + 5/2 = 3 ½ = 3/1 – 5/2 = 6-2 / 2 = ½ X1 = ½ / ½ = 2/2 =1 B (1.5) C) ½ X1 + ½ X2 =3 2 ½ X1 + X2 = 10 _________________ X1 + X2 = 6 2 ½ + X2 = 10 _________________ -1 ½ X1 = .4 X1 = -4 / 1 / -3 /2 = 8/3 X1 = 8/3 ½ (8.10/3) SOLUCIONES FACTIBLES .3) + ½ X2 = 3 8/6 + ½ X2 = 3 ½ X2 = 3 –8/6 =18-8/6 = 10/6 X2 = 10/6 / ½ = 20/6 X2 = 20/6 = 10/3 (8/3.

G 3X1 + 4X2 4X1 + 3X2 = 24 X1 = 0 3X2 = 24 X2 =24/3 X2 = 8 (0.5) = 3 ½ (1) + 2 ½ (5) = 7/2 + 25/2 = 32/2 = 16 C) (8/3.0) = 3 ½ (0) +2 ½ (0) = 0 4X1 + 3X2 < 24 6X1 + 9X2 < 54 X1 < 24 _______________ MAX.0) = 3 ½ (4) + 2 ½ (0) = 7/2 (4) = 28/2 = 14 E) (0.12 3X2 =12 X2 = 12/8 = 4 (3.8) 4X1 = 24 X1 = 24/4 X1 = 6 (6.10/3) = 3 ½ (8/3) +2 ½ (10/3) = 7/2 (8/3) +5/2 (10/3) 56/6 + 50/6 = 53/3 = 17.67 D) (4.6) X2 = 0 6X1 = 54 X1 = 54/6 = 9 (9.0) X1= 4 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 10 Líneas 1 Líneas 2 Líneas 3 4X1 + 3X2 = 24 6X1 + 9X2 = 54 ______________ 12X1 + 9X2 = 72 6X1 + 9X2 = 54 ______________ 6X1 = 18 X1 = 18/6 X1 =3 4(3) + 3X2 =24 12 + 3X2 ==24 3X2 = 24 .4) .A) (5.0) = 3 ½ (0) + 2 ½(5) = 5/2 (5) = 25/2 = 12.5 B) (1.0) 6X1+9X2 = 54 X1 = 0 9X2 =54 X2 = 54/9 X2 = (0.

0) = 3 (4) + 4 (0) = 12 (0.6) = 3 (0) + 4 (6) = 24 (3.5000) X2=0 1/2X1= 5000 X1 = 10000 2.½ X1 +X2 = 5000 X1 = 0 X2 =5000 (0..0) X2 = 0 X1 = 40000/5 = 8000 (8000.SOLUCION OPTIMA (4.5X1 +5X2 =40000 X1 = 0 X2 = 40000/5 X2 =8000 (0.SOLUCIONES FACTIBLES 3X1 + 4X2 A) B) C) D) E) (0..4) = 3 (3) + 4 (4) = 25----------------.67 4X1 + 3X2 = 24 X1 = 4 4 (4) + 3X2 = 24 3X2 = 24 – 16 X2 = 8/3 (4.0) 9000 8000 7000 6000 5000 4000 3000 2000 1000 0 Líneas 1 Líneas 2 10 00 0 20 00 40 00 60 00 80 00 .0) = 3 (0) + 4 (0) = 0 (4.8/3) = 3(4) + 4 (8/3) =12 + 32/3 = 68/3 = 22.8/3) ½ X1 + X2 < 5000 5X1 + 5X2 < 40000 ___________________ MAX G = 30X1 + 40X2 1.8000) (10000.

15000 / 5/2 X1 = 30000/5 = 6000 ½(6000) + X2 = 5000 3000 + X2 = 5000 X2 = 5000 – 3000 X2 = 2000 .0) = 30(8000) + 40(0) =240000 ½ X1+ X2 =5000 5X1 + 5X2 =40000 _________________ 2 ½ X1 + 5X2 =25000 5X1 + 5X2 = 40000 _________________ .15000 X1 = .2000) = 30(6000) + 40(2000) = 180000 + 80000 = 260000-----S.0) = 30(0) + 40(0) =0 B) (0.2 ½ X1 = .5000) = 30(0) + 40(5000) =200000 C) (6000. OPTIMA D) (8000.SOLUCIONES FACTIBLES 30X1 + 40X2 A) (0.

C. 5) A) 5( 7Xi + 5X2 = 35) 7(5Xi + 6X2 = 30) _______________ 35Xi + 25 x2 = 175 35Xi + 42X2 = 210 ________________ -17 X2 = -35 X2 = -35/-17 = 2. 20/11) c) 4(5Xi + 6X2 = 30) 5(4Xi + 7X2 = 28) _______________ 20Xi + 24X2 = 120 20Xi + 35X2 = 140 _______________ -11X2 = -120 X2 = 20/11 = 1.62 B) (105/29.53 A (60/17.82 .93 4Xi + 7 (56/29) = 28 4Xi 392/29 = 28 4Xi = 28 – 392/29 4Xi = 420/29 Xi = 420/29/4/1=420/116 Xi =105/29 = 6.82 c) (42/11.EXAMEN 2 7Xi + 5X2 >_ 35 lllll 5Xi + 6x2 <_ 30 ///// 4Xi +7X2 >_ 28 == ______________ Min. 35/17) B) 4(7Xi + 5 X2 = 35) 7(4Xi + 7X2 =28) _________________ 28Xi + 20X2 = 140 28Xi + 49 X2 = 196 _________________ -29X2 = -56 X2 = 56/29 = 1. O) 2) 5Xi + 6X2 = 30 Si Xi = 0 6X2 = 30 X2 = 30/6 X2 = 5 (O. 56/29) c) 4Xi + 7 X2 = 28 4Xi + 7 (20/11) = 28 4Xi + 140/11 = 28 4Xi = 28 – 140/11 4Xi = 168/11 Xi = 168/11/4/1= 42/11=3.= 8Xi +4X2 1) 7Xi +5X2 = 35 Si Xi = 0 5X2 = 35 X2 = 35/5 X2 = 7 (O.6 5Xi + 6 (35/17) = 30 5Xi + 217/17 = 30 5Xi = 30 – 210/17 5Xi = 300/17 Xi = 300/17/5/1 = 300/85 = 60/17 = 3. 7) 2) 4Xi + 7X2 = 28 Si Xi = 0 7X2 =28 X2 = 28/7 X2 = 4 (7.

20/11) = 8(42/11) + 4 (20/11) = 416/11 = 37. 56/29) = 8(105/29) + 4 (56/29) = 1064/29= 36.EJERC. 1 SOLUCIONES FACTIBLES: A (60/17.82 .69 C (42/11. 35/17) = 8 (60/17) + 4 (35/17) = 620/17 = 36.47 solución optima B (105/29).

METODO SIMPLEX .

1/3 0 0 0 X2` 0 1 8 8 .A) 2X1 + 3X2 < Ó = 24 2X1 + X2 < Ó = 16 MAXG: 5 X1 + 7X2 2X1 + 3X2 + X1´ = 24 2X1 + X2 + X2´ = 16 5 X1 + 7X2 Cj SM 24 16 Zj X1` X2 0 0 0 5 X1 2 2 0 -5 7 X2 3 8 1 16 0 -7 0 X1` 1 0 0 0 0 X2` 1 0 0 0 Zj-Cj Cj SM 8 8 Zj BASE X2 X2´ Zj-Cj Xj 7 0 56 5 X1 2/3 1 1/3 16 11 7 X2 1 0 8 1 0 X1` 1/3 .

2X1 + 3X2 < Ó = 24 2X2 + X2 < Ó = 16 MAXG: 5 X1 + 7X2 2X1 + 3X2 + X1´ = 24 2X2 + X2 + X2´ = 16 5 X1 + 7X2 Cj Xj 0 0 Zj X1´ X2´ SM 24 16 0 5 X1 2 2 0 -5 7 X2 3 8 1 16 0 -7 0 X1` 1 0 0 0 0 X2` 0 1 0 0 Zj-Cj Cj Xj 7 0 Zj Zj-Cj X1 X2´ SM 8 8 56 5 X1 2/3 12 7 X2 1 0 7 0 0 X1` 1/3 .1/3 2 1/3 2 1/3 0 X2` 0 1 0 0 4/3 6 4 2/3 . = 58 .1/4 2 1/4 2 1/4 0 X2` .1/2 3/4 1/4 1/4 SOLUCION OPTIMA X1 = 6 X2 = 4 MAX G.1/3 Cj 7 5 Zj Zj-Cj Xj X2 X1 XM 4 6 58 5 X1 0 1 5 0 7 X2 1 0 7 0 0 X1` 1/2 .

Cj SM 80 20 560 5 X1 1 0 5 0 SOLUCION OPTIMA 8 X2 0 1 8 0 0 X1´ 2 -1 2 2 0 X2´ -2 2 6 6 X1 = 80 X2 = 20 MAX G.X1 + X2 < Ó = 100 1/2X1 + X2 < Ó = 60 MAXG: 5 X1 + 8X2 X1 + X2 + X1´ = 100 1/2X1 + X2 + X2´ = 60 5 X1 + 7X2 Cj 0 0 Xj X1´ X2´ Zj Zj . = 560 .Cj SM 100 60 0 5 X1 1 1/2 0 -5 8 X2 1 100 1 60 0 -8 0 X1´ 1 0 0 0 0 X2´ 0 1 0 0 Cj 0 8 Xj X1´ X2 Zj Zj .Cj SM 40 60 480 5 X1 1/2 80 1/2 120 4 -1 8 X2 0 1 8 0 0 X1´ 1 0 0 0 0 X2´ -1 1 8 8 Cj 5 8 Xj X1 X2 Zj Zj .

Cj SM 1/4 400 75 7500 50 X1 1/500 1 400 0 0 -50 100 X2 0 0 1 100 0 0 X1´ 1 0 0 0 0 0 X2´ 0 1 0 0 0 0 X3´ 1/100 0 1 100 100 Cj Xj SM 50 X1´ 125 0 X2´ 275 100 X3´ 75 Zj 13750 Zj .X1/500 + X2/100 < Ó = 1 X1 < Ó = 400 X2 < Ó = 75 MAXG: 50 X1 + 100X2 Cj Xj 0 0 0 Zj Zj .Cj 50 X1 1 0 1 50 0 100 X2 0 0 1 100 0 0 X1´ 0 -100 100 10000 10000 0 X2´ 1 1/5 1/5 30 30 0 X3´ 0 1 0 0 0 SOLUCION OPTIMA X1 = 400 X2 = 20 MAX G.Cj 50 X1 1 0 0 50 0 100 X2 0 0 1 100 0 0 X1´ 500 -500 0 25000 25000 0 X2´ 0 1 0 0 0 0 X3´ -5 5 55 1 75 -150 -150 Cj Xj SM 50 X1´ 400 0 X2´ 55 100 X3´ 20 Zj 22000 Zj .Cj X1´ X2´ X3´ SM 1 400 75 0 50 X1 1/500 1 0 0 -50 100 X2 1/100 0 1 75 0 -100 0 X1´ 1 0 0 0 0 0 X2´ 0 1 0 0 0 0 X3´ 0 0 1 0 0 Cj Xj 0 X1´ 0 X2´ 100 X3´ Zj Zj . = 22000 .

Cj X1 X2 SM 3 2 28 4 X1 1 0 4 0 8 X2 0 1 8 0 0 X1´ 1 . = 28 .Cj X1 X2 SM 3 3 24 4 X1 13 1/3 2 2/3 -1 1/3 8 X2 0 1 8 0 0 X1´ 1 0 0 0 0 X2´ -1 1/2 1/2 4 4 Cj Xj 4 8 Zj Zj .Cj X1 X2 SM 12 6 0 4 X1 2 2/3 0 -4 8 X2 3 4 23 0 -8 0 X1´ 1 0 0 0 0 X2´ 0 1 0 0 Cj Xj 0 8 Zj Zj .1/3 1 1/3 1 1/3 0 X2´ -1 1/2 1 2 2 SOLUCION OPTIMA X1 = 3 X2 = 2 MAX G.2X1 +3 X2 < Ó = 12 2/3X1+ 2x2 < Ó = 6 MAXG: 4 X1 + 8X2 Cj Xj 0 0 Zj Zj .

= 260000 .1/2X1 + X2 < Ó = 5000 5X1+ 5x2 < Ó = 40000 MAXG: 30 X1 + 40X2 Cj 0 0 Xj X1 X2 Zj Zj .Cj SM 5000 40000 0 30 X1 1/2 5 0 40 X2 1 5000 5 8000 0 0 X1´ 1 0 0 0 X2´ 0 1 0 -30 -40 0 0 Cj Xj 40 0 Zj Zj .1/5 2/5 4 0 0 20 4 SOLUCION OPTIMA X1 = 2000 X2 = 6000 MAX G.Cj X2 X1 SM 2000 6000 260000 30 X1 0 1 30 40 X2 1 0 40 0 X1´ 2 -2 20 0 X2´ .Cj X1 X2 SM 5000 45000 200000 30 X1 1/2 2 1/2 20 40 X2 1 0 40 0 X1´ 1 -5 40 0 X2´ 0 1 0 -10 0 40 0 Cj Xj 40 30 Zj Zj .

= 24 .1/4 2 0 X2´ 0 1 0 0 4 2 0 SOLUCION OPTIMA X1 = 6 X2 = 0 MAX G.Cj SM 6 3 24 4 X1 1 0 4 2 X2 1 1/2 1/4 6 0 X1´ 1/2 .2X1 + 3X2 < Ó = 12 1/2X1+ x2 < Ó = 6 MAXG: 4 X1 + 2X2 Cj Xj 0 0 Zj Zj .Cj X2 X1 SM 12 6 0 4 X1 2 0 6 2 X2 3 1 0 0 X1´ 1 0 0 0 X2´ 0 1 0 1/2 12 -4 -2 0 0 Cj Xj 4 0 X1 X2´ Zj Zj .

X1 + 3X2 < Ó = 12 X1+ x2 < Ó = 10 MAXG: 5 X1 + 2X2 Cj Xj 0 0 Zj Zj .Cj SM 2 10 50 5 X1 0 1 5 2 X2 2 1 5 0 X1´ 1 0 0 0 X2´ -1 1 5 0 3 0 5 SOLUCION OPTIMA X1 = 10 X2 = 0 MAX G. = 50 .Cj X1 X2´ SM 12 10 0 5 X1 1 12 1 10 0 2 X2 3 1 0 0 X1´ 1 0 0 0 X2´ 0 1 0 -5 -2 Cj Xj 0 5 X1 X2´ Zj Zj .

= 50 .Cj X1´ X2´ SM 8 12 0 2 X1 1/2 1 0 4 X2 18 26 0 3 X3 1 1 0 0 X1´ 1 0 0 0 X2´ 0 1 0 0 -2 -4 -3 0 Cj Xj 0 4 Zj Zj .Cj X1´ X2 SM 2 6 24 2 X1 0 1/2 2 4 X2 0 1 4 3 X3 1/2 4 1/2 12 2 0 X1´ 1 0 0 0 X2´ .1/2X1 + X2 + x3 < Ó = 8 X1+2 x2 + x3 < Ó = 12 MAXG: 2 X1 + 4X2 + 3X3 Cj Xj 0 0 Zj Zj .1/2 1/2 2 2 0 0 -1 0 Cj Xj 3 4 X3 X2 Zj Zj .Cj SM 4 4 28 2 X1 0 1/2 2 4 X2 0 1 4 3 X3 1 0 3 0 X1´ 2 -1 2 0 X2´ -1 1 -1 1 0 0 0 0 SOLUCION OPTIMA X3 = 3 X2 = 0 MAX G.

Cj SM 4 4 32 6 X1 2/3 12 4/3 3 5 1/3 .1/4 2 1/2 2 1/2 0 X2´ .Cj X2 X1 SM 2 3 34 6 X1 0 1 6 8 X2 1 0 8 0 X1´ 1/2 .1/3 8/3' 8/3' 0 X2´ 0 1 1 0 1 Cj Xj 8 6 Zj Zj .2X1 + 3X2 < Ó = 12 2X1 + X2 < Ó = 8 MAXG: 6 X1 + 8X2 Cj Xj 0 0 Zj Zj .2/3 8 X2 1 0 8 0 X1´ 1/3 .1/2 3/4 1/2 1/2 0 0 SOLUCION OPTIMA X2 = 2 X1 = 3 MAX G.Cj X1´ X2´ SM 12 8 0 6 X1 2 2 0 8 X2 3 4 18 0 0 X1´ 1 0 0 0 X2´ 0 1 0 -6 -8 0 0 Cj 8 0 Xj X2 X2´ Zj Zj . = 34 .

= 36 .1/5 1/5 1 4/5 1 4/5 SOLUCION OPTIMA X2 = 0 X1 = 4 X3 = 0 MAX G.Cj SM 4 4 4 36 9 X1 0 0 1 9 0 5 X2 2 2/5 1 1/5 4/5 7 1/5 2 1/5 0 X1´ 1 0 0 0 0 0 X2´ -2 1 0 0 0 0 X3´ .Cj X1´ X2´ X3´ SM 12 8 20 0 -9 9 X1 26 18 54 0 5 X2 2 4 2 0 -5 0 X1´ 1 0 0 0 0 0 X2´ 0 1 0 0 0 0 X3´ 0 0 1 0 0 Cj Xj 0 0 9 X1´ X2´ X1 Zj Zj .2/5 .2X1 + 2X2 < Ó = 12 X1 + 2X2 < Ó = 8 5X1 + 4X2 < Ó = 20 MAXG: 9 X1 + 5X2 Cj Xj 0 0 0 Zj Zj .

Cj X1´ X2´ X3´ SM 5 8 -2 0 -2 2 X1 1 5 1 8 0 0 1 X2 1 2 -1 0 -1 0 X1´ 1 0 0 0 0 0 X2´ 0 1 0 0 0 0 X3´ 0 0 1 0 0 Cj Xj 2 0 0 Zj Zj . = 10 .Cj X1 X2´ X3´ SM 5 3 -2 10 2 X1 1 0 0 2 0 1 X2 1 1 -1 2 1 0 X1´ 1 -1 0 2 2 0 X2´ 0 1 0 0 0 0 X3´ 0 0 1 0 0 SOLUCION OPTIMA X1 = 5 X2 = 0 MAX G.X1 + X2 < Ó = 5 X1+ x2 < Ó = 8 x2 > Ó = 2 MAXG: 2 X1 + X2 Cj Xj 0 0 0 Zj Zj .

Cj SM 12 16 28M 6 X1 34 28 5M 5M-6 4 X2 1/2 1 3/2M 3/2M-4 0 X1´ -1 0 -M -M 0 X2´ 0 -1 -M -M M X1´´ 1 0 M 0 M X2´´ 0 1 M 0 Cj Xj 6 M X1 X2´´ Zj Zj .3333333 2/3 12 3/2M-2 3/2M-2 0 X2´ 0 -1 -M -M M X1´´ 1/3 .3X1 + 1/2X2 > Ó = 12 2X1+ x2 > Ó = 16 MIN C: 6 X1 + 4 X2 Cj Xj M X1´´ M X2´´ Zj Zj .Cj X1 X1´ SM 8 12 48 6 X1 1 0 6 0 4 X2 1/2 1 3 -1 0 X1´ 0 1 0 0 0 X2´ .2/3 (-2/3M+2) (-5/3M+2) M X2´´ 0 1 M 0 Cj Xj 6 0 Zj Zj .1/2 -1 1/2 -3 -3 M X1´´ 0 -1 0 -M M X2´´ 1/2 1 1/2 3 3-M .Cj SM 4 8 8M+24 6 X1 1 0 6 0 4 X2 1/6 2/3 2/3M+1 2/3M-3 0 X1´ -0.

Cj SM 2 3 17 3 X1 0 1 3 0 4 X2 1 0 4 0 0 X1´ -1 1 -1 -1 0 X2´ 1 -1 1/2 -1/2 -1/2 M X1´´ 1 -1 1 1-M M X2´´ -1 1 1/2 1/2 1/2-M SOLUCION OPTIMA X1 = 3 X2 = 2 MIN C: 17 .2X1 + 3X2 > Ó = 12 2X1+ 2x2 > Ó = 10 MIN C: 3 X1 + 4 X2 Cj M M Xj X1´´ X2´´ Zj Zj .Cj SM 12 10 22M 3 X1 2 2 4M 4M-3 4 X2 3 4 2 5 5M 5M-4 0 X1´ -1 0 -M -M 0 X2´ 0 -1 -M -M M X1´´ 1 0 M 0 M X2´´ 0 1 M 0 Cj Xj 4 M X2 X2´´ Zj Zj .1/3 2/3 -4/3+2/3M -4/3+2/3M 0 X2´ 0 -1 -M -M M X1´´ 1/3 .2/3 4/3-2/3M 4/3-5/3M M X2´´ 0 1 M 0 Cj Xj 4 3 X2 X2´´ Zj Zj .Cj SM 4 2 2M+16 3 X1 2/3 6 2/3 3 8/3+2/3M (-1/3+2/3M) 4 X2 1 4 0 4 0 0 X1´ .

Cj X2 X1 SM 2 3 12 2 X1 0 1 2 0 3 X2 1 0 3 0 0 X1´ -1 1 -1 -1 0 X2´ 1 -1.2/3 1-2/3M 1+1/3M M X2´´ 0 1 M 0 Cj Xj 3 2 Zj Zj .Cj SM 12 10 22M 2 X1 2 2 4M 4M-2 3 X2 34 25 5M 5M-3 0 X1´ -1 0 -M -M 0 X2´ 0 -1 -M -M M X1´´ 1 0 M M M X2´´ 0 1 M 0 Cj Xj 3 M X2 X2´´ Zj Zj .2X1 + 3X2 > Ó = 12 2X1+ 2x2 > Ó = 10 MIN C: 2 X1 + 3 X2 Cj M M Xj X1´´ X2´´ Zj Zj .5 0 0 M X1´´ 1 -1 1 1-M M X2´´ -1 1 1/2 0 -M SOLUCION OPTIMA X1 = 3 X2 = 2 MIN C: 12 .Cj SM 4 2 12-2M 2 X1 2/3 6 2/3 3 2+2/3M 2/3M 3 X2 1 0 3 0 0 X1´ -1/3 2/3 2/3M-1 2/3M-1 0 X2´ 0 -1 -M -M M X1´´ 1/3 .

Cj X1 X2 SM 2 3 22 5 X1 1 0 5 0 4 X2 0 1 4 0 0 X1´ -1/2 1/4 -3/2 -3/2 0 X2´ 1 -3/2 -1 -1 M X1´´ 1/2 .Cj SM 12 4 16M 5 X1 34 1/2 8 7/2M 7/2M-5 4 X2 2 1 3M 3M-4 0 X1´ -1 0 -M -M 0 X2´ 0 -1 -M -M M X1´´ 1 0 M 0 M X2´´ 0 1 M 0 Cj Xj 5 M X1 X2´´ Zj Zj .Cj SM 4 2 2M+20 5 X1 1 0 5 0 4 X2 2/3 6 2/3 3 2/3M+10/3 2/3M-2/3 0 X1´ -1/3 1/6 1/6M-5/3 1/6M-5/3 0 X2´ 0 -1 -M -M M X1´´ 1/3 .1/4 3/2 3/2-M M X2´´ -1 3/2 1 1-M SOLUCION OPTIMA X1 = 2 X2 = 3 MIN C: 22 .3X1 + 2X2 > Ó = 12 1/2X1+ x2 > Ó = 4 MIN C: 5 X1 + 4 X2 Cj M M Xj X1´´ X2´´ Zj Zj .1/6 (1/6M+5/3) (7/2M+5/3) M X2´´ 0 1 M 0 Cj Xj 5 4 Zj Zj .

3X1 + 1/2X2 > Ó = 12 2X1 + X2 > Ó = 16 MIN C: 6X1 + 4X2 Cj Xj M X1´´ M X2´´ Zj Zj .1/2 -1 1/2 -3 -3 M X1´´ 0 -1 0 -M M X2´´ 1/2 1 1/2 3 3-M SOLUCION OPTIMA X1 = 8 X2 = 0 MIN C: 48 .Cj SM 8 12 48 6 X1 1 0 6 0 4 X2 1/2 1 3 -1 0 X1´ 0 1 0 0 0 X2´ .Cj SM 12 16 28M 6 X1 3 4 28 5M 5M-6 4 X2 1/2 1 3/2M 3/2M-4 0 X1´ -1 0 -M -M 0 X2´ 0 -1 -M -M M X1´´ 1 0 M 0 M X2´´ 0 1 M 0 Cj Xj 6 0 X1 X1´ Zj Zj .

METODO DUAL .

Cj Xj M M Zj Zj .Cj X”1 X”2 SM 12 16 28M 4 X2 ½ 1 3/2 M 3/2 5M-6 M-3 6 X1 3 2 5M 0 X’1 -1 0 -M -M 0 X’2 0 -1 -M -M M X”1 1 0 M 0 M X”2 0 1 M 0 CJ Xj 6 M Zj Zj-Cj X1 X’’2 SM 4 8 8M+24 6 X1 1 0 6 0 0 X’1 -1/3 2/3 2/3M2/3M+1 2 2/3M2/3M-3 2 4 X2 1/6 2/3 0 X’2 0 -1 -M -M M X’’1 1/3 -2/3 2/3M+2 5/3M+2 M X’’2 0 1 M 0 C Xj 6 0 Zj Zj-Cj X1 X’1 SM 8 12 48 6 X1 1 0 6 0 4 X2 1/2 1 3 - 0 X’1 0 1 0 0 0 X’2 -1/2 -3/2 -3 -3 M X’’1 0 -1 0 -M M X’’2 ½ 3/2 3 3-M X1=8 X2=0 MINC=48 .

PRIMAL 5X1+8X2_>40 7X1+7X2_>49 8X1+6X2_>48az cj xj 0 0 Zj Zj-Cj Y’1 Y’2 SM 2 5 0 40 Y1 5 8 0 -40 49 Y2 7 7 0 -49 48 Y3 8 6 0 -48 0 Y’1 1 0 0 0 0 Y’2 0 1 0 0 Cj Xj 49 0 Zj Zj-Cj Y2 Y’2 SM 2/7 3 14 40 Y1 5/7 3 35 -5 49 Y2 1 0 49 0 48 Y3 8/7 -2 56 8 0 Y’1 1/7 -1 7 7 0 Y’2 0 1 0 0 Cj Xj 40 0 ZJ Zj-Cj Y1 Y’2 SM 2/5 9/5 16 40 Y1 1 0 40 0 49 48 Y2 Y3 7/5 8/5 -21/5 -3/34 56 64 7 16 0 Y’1 1/5 -8/5 8 8 0 Y’2 0 1 0 0 DUAL PRIMAL Y1=2/5 Y’1=X1=8 Y2=0 Y’2=X2=0 MINC=16 3X1+1/2_>12 2X1+X2_>16 MINC=6X1+4X2 .

3Y1+2Y2_<6 1/2Y1+Y2_<4 MAXg=12Y1+16Y2 3Y1+2Y2=6 1/2Y1+Y2+Y’1=4 MAXg=12Y1+16Y2 CJ Xj 0 0 Y’1 Y’2 ZJ 0 ZJ-CJ Cj Xj 16 0 Zj Zj-Cj Y2 Y’2 SM 3 1 48 SM 6 4 12 Y1 3 1/2 0 -12 12 Y1 3/2 -1 24 12 16 Y2 2 1 0 -16 16 Y2 1 0 16 0 0 Y’1 1 0 0 0 0 Y’1 1/2 -1/2 8 8 0 Y’2 0 1 0 0 0 Y’2 0 1 0 0 DUAL Y1=0 Y2=3 MAXG=48 PRIMAL Y’1=X1=8 Y’1=X2=0 MINC=48 4X1+3X2_<24 4Y1+6Y2+Y3_>3 6X1+9X2_<54 3Y1+9Y2_>4 4Y1+6Y2+Y3-Y1+Y”1=3 3Y1+9Y2-Y’2+Y”2=4 .

maxg=3x1+4x2 minc=24y1+54y2+4y3 minc=24y1+54y2+4y3+my”1+m CJ Xj M M Zj Zj-Cj Y”1 Y”2 SM 3 4 7M 24 Y1 4 3 7M 7M24 54 Y2 6 9 15M 15M54 4 Y3 1 0 M M-4 0 Y’1 -1 0 -M -M 0 Y’2 0 -1 -M -M M Y”1 1 0 M 0 M Y”2 0 1 M 0 CJ Xj M 54 Zj Zj-CJ Y”1 Y2 SM 1/3 4/9 24 Y1 2 3/9 54 Y2 0 1 54 0 4 Y3 1 0 M M-4 0 Y’1 -1 0 -M -M 1/3M+24 2M+18 2M-6 0 Y’2 2/3 -1/9 2/3M6 2/3M6 M Y”1 1 0 M 0 M Y”2 -2/3 1/9 2/3M+6 5/3M+6 24 Xj SM Y1 24 Y1 1/6 1 54 Y2 7/18 0 Zj 25 24 Zj-Cj 0 CJ 54 Y2 0 1 54 0 4 Y3 1/2 -1/6 3 -1 0 Y’1 -1/2 1/6 -3 -3 0 Y’2 1/3 -2/9 -4 -4 M Y”1 1/2 -1/6 3 3-M M Y”2 -1/3 2/9 4 4-M DUAL Y1=1/6 Y2=7/18 MINC=25 PRIMAL Y”1=X1=3 Y”2=X2=4 MAXg=25 2X1+3X2_>12 2Y1+2Y2_<3 2Y1+2Y2+Y’1=3 2X1+2X2_>10 3Y1+2Y2_<4 3Y1+2Y2+Y’2=4 3x1+4x2 maxg=12y1+10y2 maxg=12y1+10y2 .

CJ Xj 0 0 Y’1 Y’2 ZJ 0 ZJ-CJ SM 3 4 12 Y1 2 3 0 -12 10 Y2 2 2 0 -10 0 Y’1 1 0 0 0 0 Y’2 0 1 0 0 CJ Xj 0 12 Y’1 Y1 Zj ZJ-CJ SM 1/3 4/3 16 12 Y1 0 1 12 0 10 Y2 2/3 2/3 8 -2 0 Y’1 1 0 0 0 0 Y’2 -2/3 1/3 4 4 CJ Xj 10 12 Y2 Y1 ZJ ZJ-CJ SM 1/2 1 17 12 Y1 0 1 12 0 10 Y2 1 0 10 0 0 Y’1 3/2 -1 3 3 0 Y’2 -1 1 2 2 DUAL Y1=1 Y2=1/2 MAXG=17 PRIMAL Y’1=X1=3 Y’2=X2=2 MINC=17 .

= 108 . = 108 SOLUCION PRIMAL = X1=18 X2=0 MIN.CJ Y1 Y2 SM 1 0 108 108 Y1 1 0 108 0 64 Y2 4/3 -4 144 80 0 Y 1/6 -3/2 18 18 0 Y 0 1 0 0 SOLUCION DUAL = Y1=1 Y2=0 MAX. G.CJ SM 6 9 0 108 Y1 6 9 0 -108 64 Y2 8 8 0 -64 0 Y 1 0 0 0 0 Y 0 1 0 0 CJ XJ 108 0 Z J ZJ .EXAMEN FINAL 6X1+9X2>108 8X1+8X2>64 6X1+9X2<108 8X1+8X2<64 6Y1+9Y2+ Y =6 9Y1+8Y2+ Y =9 MAX G=108Y1+64Y2 MIN C=6X1+9X2 MIN C=6X+9X2 0 0 CJ XJ Y Y ZJ ZJ . C.