FACULTAD DE INGENIER´IA

Departamento de Industrias
´
PONTIFICIA UNIVERSIDAD CATOLICA
DE CHILE

Curso:
Semestre:
Profesor:
Auxiliar:

Optimizaci´
on
Primavera 2010
Alejandro Cataldo C.
Mauricio Varas V.

Pauta Examen
Duraci´on: 3 horas.

Pregunta 1 (20 %)
Cada una de las cinco partes de esta pregunta vale lo mismo, y es independiente de las otras.
Parte A
Considere el siguiente problema de optimizaci´on:
m´ax f (x, y) = xy
(P)
s.a :
x2 + y 2 ≤ 4
(x + 1)2 + (y − 2)2 ≥ 4
x−y ≤2
a) (1.0 punto) Determine si la funci´on f es convexa.
b) (1.0 punto) Determine gr´aficamente el conjunto de puntos factibles. Justifique si este conjunto es convexo.
c) (1.0 punto) Establezca las condiciones de Karush-Kuhn-Tucker.


d) (2.0 punto) Verifique si las condiciones se cumplen en los siguiente puntos: ( 2 − 2, 2 − 2), (1, −1) y
(0, 2).
e) (1.0 punto) Determine cu´ales de estos puntos pueden ser ´optimos globales del problema.
Pauta Parte A
a) Para determinar si la funci´on f es convexa, se debe verificar que el hessiano de f sea semidefinido positivo.
El hessiano queda:
·
¸
0 -1
Hf (x, y) =
-1 0
que claramente no es semidefinido positivo, y entonces, f no es convexa.
b) Gr´aficamente se observa el siguiente espacio de soluciones factibles:
Claramente se observa que el conjunto de soluciones factibles no es convexo. Basta con mirar los puntos
(−2, 0) y (0, 2), que son factibles, pero donde es claro que el trazo que los une no pertenece al conjunto
de soluciones factibles.
c) El problema anterior es equivalente a:
¯
m´ın −xy
(P)
s.a :
x2 + y 2 − 4 ≤ 0
4 − (x + 1)2 − (y − 2)2 ≤ 0
x−y−2≤0
de donde las condiciones de KKT son:
·
¸
·
¸
·
¸
·
¸
−y
2x
−2(x + 1)
1
+ µ1
+ µ2
+ µ3
=0
−x
2y
−2(y − 2)
−1
y las condiciones:
µ1 , µ2 , µ3 ≥ 0

2 − 2): 2 2 En √ este caso es f´acil ver que el punto no cumple con la restricci´on 2. ¦ Punto (1. no es siquiera factible. ninguno de ellos es candidato a ´optimo del problema.5 punto) Suponga que se debe resolver un problema de programaci´on no lineal sin restricciones y para ello se opta por aplicar primero el algoritmo del gradiente y luego el algoritmo de Newton.5 puntos) Explique si puede o no tener utilidad ocupar el concepto de dualidad para resolver cada uno de los problemas lineales continuos que se van definiendo en el algoritmo de ramificaci´on y acotamiento (Branch and Bound).5 puntos) Se tiene un problema de programaci´on lineal en donde xs es no restringida en signo.Figura 1: Gr´afico del problema µ1 (x2 + y 2 − 4) = 0 ¡ ¢ µ2 4 − (x + 1)2 − (y − 2)2 = 0 µ3 (x − y − 2) = 0 d) Evaluemos: √ √ ¦ Punto ( 2 − 2. e) Como se pudo apreciar ninguno de los dos puntos factibles que se evaluaron cumple con las condiciones de KKT. Luego. luego no cumple con las condiciones de KKT. Parte B Responda brevemente las siguientes preguntas: a) (1. c) (1. Se tiene que 4−(x+1) −(y−2) = 2 2 − 1 > 0 que claramente no satisface la restricci´on. luego. d) (1. −1): En este caso la u ´nica restricci´on activa es x − y − 2 = 0 ⇒ µ1 = µ2 = 0 Donde: · ¸ · ¸ 1 1 + µ3 =0 −1 −1 de donde µ3 = −1 ≤ 0.5 puntos) Demuestre que un punto interior del espacio de soluciones factibles no puede ser soluci´on ´optima de un problema de programaci´on lineal continua. b) (1. Explique si es posible que en la soluci´on ´optima se tenga x0s > 0 y x00s > 0. xs se reemplaza por x0s − x00s . Para resolverlo. luego tampoco cumple con las condiciones de KKT. . ¦ Punto (0. Se˜ nale qu´e ventaja tiene este procedimiento frente a la alternativa de aplicar s´olo el algoritmo del gradiente y s´olo el algoritmo de Newton. 2): En este caso las restricciones activas son x2 + y 2 − 4 = 0 y x − y − 2 = 0 ⇒ µ3 = 0 Donde: · ¸ · ¸ · ¸ −2 0 −4 + µ1 + µ2 =0 0 4 0 de donde µ1 = 0 ≥ 0 y µ2 = − 12 ≤ 0. en el cual no todos los costos asociados a la funci´on objetivo son nulos.

Parte C Considere el problema de inversi´on en acciones. y e general. n.. los respectivos duales mantienen las restricciones pero aumenta el n´ umero de variables. y por lo tanto. con lo cual se llega a una contradicci´ on.0 punto) Sin utilizar el m´etodo de cortes Gomory. construya una desigualdad v´alida para el problema descrito en la parte b). c) El ´optimo del problema lineal debe cumplir las condiciones de Karush-Kuhn-Tucker. Se tiene que: ∗ ∇f (x ) + m X µi ∇gi (x∗ ) = 0 i=1 ∗ µi gi (x ) = 0 ∀ i.0 punto) Si su presupuesto aumentar´a en 1 mill´on.0 puntos) Actualmente usted dispone de 75 millones.que permita obtener la soluci´on ´optima del problema de inversi´on en acciones. c) (1. resulta m´as f´acil resolver problemas con m´as variables sin aumentar el n´ umero de restricciones.Pauta Parte B a) El algoritmo del gradiente tiene baja convergencia al ´optimo y el algoritmo de Newton no da seguridad de orientarse a un m´ınimo local o global. no lo obliga a comprar la acci´on completa. y b el capital m´aximo del que usted dispone. Luego al aplicar gradiente y luego Newton se asegura una correcta orientaci´on y luego una buena convergencia. d) (1. En la siguiente tabla se muestra. Empresa E1 E2 E3 E4 E5 E6 Utilidad Neta [Millones] 20 30 25 51 18 26 Costo [Millones] 30 50 25 60 24 45 Indique cu´anto m´as dinero puede ganar dado que el mercado le ofrece la posibilidad de comprar una fracci´on de acci´on de una empresa. Sin d) La afirmaci´on es correcta. luego x0s y x00s no pueden ser ambas b´asicas. situaci´on que s´ı asegura el algoritmo del gradiente. a) (2. Asuma que no se puede comprar m´as de una acci´on de la misma empresa. Si un punto es interior. todas las restricciones son no activadas. b) Es claro que A0s y A00s son vectores linealmente dependientes. Luego un punto interior no puede cumplir Karush-Kuhn-Tucker. esto no se puede cumplir ya que existe al menos un ci > 0.a : cj xj n P j=1 (P ) aj xj ≤ b xj ≥ 0 ∀ j = 1. b) (2. la utilidad neta y el costo de la acci´on. umero de restricciones. para cada empresa. ¿en acciones de qu´e empresa lo invertir´ıa y cu´anto adicional ganar´ıa por ello? . Al ramificar los problemas van aumentando en n´ embargo.. . definido como: m´ax n P j=1 s.0 puntos) Construya un m´etodo -distinto del algoritmo de simplex. y ha definido solamente 6 empresas en las que cree razonable comprar acciones. aj representan la utilidad neta y el costo de la adquisici´on de una acci´on de la empresa j respectivamente. donde cj . Luego µi = 0 para todo i.

siendo: (1) amigos. un m´etodo que asegura optimalidad es calcular los cuocientes ajj . basta con darse cuenta de que no es posible comprar m´as de 2 acciones completas (el costo de comprar 1 acci´on en cada una de las 3 empresas con acciones m´as baratas es 24 + 25 + 30 = 79 > 75). 85 = 0. Una cualquiera puede ser x3 +x5 +x6 ≤ 2. . Entonces. (3) indiferentes. El siguiente gr´afico describe el problema como uno de flujo m´aximo. 6 =1 = 0. que como se sabe. 75 ∼ = 0. 5 6 cj aj 20 30 30 50 25 25 51 60 9 12 26 45 ∼ = 0. Luego. pero teniendo en cuenta que dos personas que son enemigas no pueden estar en la misma oficina. b) En la siguiente tabla se muestra el valor de los cuocientes: Empresa Utilidad Neta [Millones] Costo [Millones] E1 E2 E3 E4 E5 E6 20 30 25 51 18 26 30 50 25 60 24 45 Luego. Usted sabe que existen distintos tipos de relaciones entre las personas. como a´ un no se completa la inversi´on en la totalidad de la acci´on de la empresa E4.. se pueden enumerar todos los pares y obtener la combinaci´on ´optima. 667 = 0.. lo que entrega 55 millones de utilidad. (2) conocidos. si uno al comprar acciones de una empresa estuviera obligado a comprar la acci´on completa.. Pauta Parte D El problema planteado es una clasificaci´on de 2 conjuntos (oficinas) de manera de que se tienen dos elementos que deben estar separados (T 5 y T 6).Pauta Parte C a) Se ve claramente que el modelo planteado es un problema de mochila-relajada (el mismo de la tarea). generando una 51 utilidad adicional de 60 millones. . se debe invertir en 1 acci´on de la empresa E3 y en utilidad de 25 + 56 51 = 67. . que da una diferencia en las utilidades de 12.5 millones. es el dual del problema de flujo m´aximo. existen todos los arcos (grafo completo) y la capacidad de cada arco corresponder´a a la distancia de amistad entre dos nodos. en ese caso se debe comprar 1 acci´on de la empresa E2 y 1 acci´on de la empresa E3. En la siguiente tabla se muestra el detalle de la informaci´on: Persona T1 T2 T3 T4 T5 T1 - T2 1 - T3 3 3 - T4 3 1 3 - T5 1 3 1 1 - T6 2 2 3 3 4 Formule el problema de destinar trabajadores a las oficinas como un problema de redes. c) Con base en lo mencionado anteriormente es posible construir una desigualdad v´alida de manera de asegurar que no se escoger´an simult´aneamente m´as de 2 acciones. b− ¦ x∗k = k−1 P j=1 aj ak ¦ x∗j = 0 para j = k + 1.. y el resto debe clasificarse en una de estas oficinas de manera de minimizar el flujo entre ellas (distancia de amistad). considerando que desea minimizar la distancia de amistad en la conformaci´on de ambas oficinas. c Luego. Luego. este es un problema de corte m´ınimo de conjuntos. resulta 1 evidente que este mill´on adicional se invertir´a en 60 adicional de acci´on de esta empresa. y (4) enemigos. es posible formular el problema planteado como uno de flujo m´aximo donde los nodos representan a las personas. 577 de una acci´on de E4. 5 millones. k − 1.. Parte D Usted tiene a su cargo un grupo de 6 personas y los debe colocar en 2 oficinas.. y ordenarlos y escogerlos de manera de: ¦ x∗j = 1 para j = 1. Para determinar f´acilmente esto u ´ltimo. d) En este caso. Esto entrega una Ahora. n. y ha logrado construir una tabla que cuantifica estas enemistades en 4 categor´ıas que miden distancia de amistad.

Origen \ Destino Santiago R´ıo de Janeiro Miami Paris Berl´ın Amsterdam Santiago 6 9 11 14 - R´ıo de Janeiro 7 4 8 11 17 Miami 9 3 13 16 19 Paris 12 10 13 4 2 Berl´ın 13 11 17 3 3 Amsterdam 19 20 2 2 - a) Utilice el algoritmo de Dijkstra para determinar qu´e viajes debe realizar para el viaje ida y vuelta a Amsterdam (partiendo en Santiago). Por lo tanto. considere que por motivos personales usted desea que el viaje de ida y el viaje de vuelta sean completamente distintos. indique qu´e viajes debe realizar para el viaje de ida y vuelta a Amsterdam. Es importante destacar que esto no tendr´a consecuencias en la soluci´on ´optima (si se comparase con la que se obtendr´ıa al resolver la red completa). al llamar a la compa˜ n´ıa a´erea le han indicado que no hay vuelo directo desde Santiago hasta Amsterdam ni desde Amsterdam a Santiago. c) Formule un modelo de programaci´on lineal entera que represente -de manera general. en el viaje de vuelta no debe realizar el vuelo desde j a i. Pauta Pregunta 3 (30 %) a) Para facilitar el desarrollo es m´as conveniente resolver un problema en la ida desde Santiago a Amsterdam y otro en la vuelta. de manera de minimizar el costo en unidades monetarias de realizarlo. Considerando esta nueva condici´on y utilizando solamente el algoritmo de Dijkstra. d) Muestre si la soluci´on obtenida en la parte b) es ´optima. Esto quiere decir que si usted realiza un vuelo desde i a j en el viaje de ida. la ruta m´as corta ida y vuelta tiene un costo de 27 y es Santiago-Paris-Amsterdam-Paris-Santiago. b) Ahora. por lo que la u ´nica forma de realizar el viaje es realizando conexiones a´ereas. Desafortunadamente.la situaci´on descrita en la parte b). . La siguiente tabla indica los vuelos disponibles diariamente y el costo en unidades monetarias de realizar ese vuelo. La siguiente tabla muestra el desarrollo del algoritmo de Dijkstra para el viaje de vuelta: La soluci´on ´optima tiene un costo de 13 y corresponde al viaje Amsterdam-Paris-Santiago.Figura 2: Gr´afico del problema Pregunta 2 (25 %) Usted est´a pensando en realizar un viaje desde Santiago a Amsterdam. La siguiente tabla muestra el desarrollo del algoritmo de Dijkstra para el viaje de ida: La soluci´on ´optima tiene un costo de 14 y corresponde al viaje Santiago-Paris-Amsterdam.

Con esta soluci´on y la obtenida en la tabla de vuelta Amsterdam-Santiago de la parte a) se tiene que el costo del viaje ser´ıa 29 y corresponde a Santiago-Berl´ın-Amsterdam-Paris-Santiago. La siguiente tabla muestra el desarrollo del algoritmo de Dijkstra para el viaje de vuelta sin considerar los arcos Paris-Santiago y Amsterdam-Paris: La soluci´on ´optima tiene un costo de 17 y corresponde al viaje Amsterdam-Berl´ın-Santiago. Las restricciones son: 1) Debe salir de Santiago: X xA ij = 1 i = S. . Definamos las variables: xA : binaria que toma valor 1 se ocupa el arco i. j 4) Evitar que haga ida y vuelta el mismo arco: D xA ij + xji ≤ 1 ∀ i. j en la ruta ´optima de ida. y el caso en que el viaje de vuelta es conveniente y se quitan arcos del viaje de ida. c) Los nodos ser´an denominados ij. Ahora. donde i es la ciudad y A representa si est´a en el grafo del viaje de Santiago-Amsterdam o iD donde D indica si est´a en el grafo del viaje de Amsterdam. j. la siguiente tabla muestra el desarrollo del algoritmo de Dijkstra para el viaje de ida sin considerar los arcos Santiago-Paris y Paris-Amsterdam: La soluci´on ´optima tiene un costo de 15 y corresponde al viaje Santiago-Berl´ın-Amsterdam. Con esta soluci´on y la obtenida en la tabla de ida Santiago-Amsterdam de la parte a) se tiene que el costo del viaje ser´ıa 31 y corresponde a Santiago-Paris-Amsterdam-Berl´ın-Santiago.b) Bajo este esquema. D}. ∀t = {A. ij xSij : binaria que toma valor 1 se ocupa el arco i. j 2) Debe llegar a Santiago: X i 3) Se debe conservar flujo en cada nodo: X X xtij = xtji j ∀ i.Santiago. es necesario realizar 2 nuevos desarrollos del algoritmo: el caso en que el viaje de ida es conveniente y se quitan arcos del viaje de vuelta. xD ij = 1 j = S. j en la ruta ´optima de vuelta.

Para simplificarse la vida. yi : variable binaria que toma valor 1 si el postulante i tiene los mismos o m´as puntos que el amigo k. j ∀ i. ha decidido ayudar a su amigo k para aumentar las posibilidades de que ´el obtenga uno de los puestos ofrecidos. la empresa realizar´a durante el d´ıa c las comparaciones de postulantes para la habilidad c. b) (3. y que le permita ayudar a que su amigo tenga m´as posibilidades de asegurarse uno de los puestos ofrecidos. La misma gerencia ha determinado que las habilidades que ser´an evaluadas ) est´an listadas en el conjunto C donde card(C) ≥ card(M . Luego de un largo proceso de selecci´on la lista se ha reducido a un conjunto de M postulantes (card(M ) > J y card(M ) es par). Pi : cantidad de puntos que obtiene el postulante i. informaci´on que se encuentra resumida en el par´ametro αij que tiene valor 1 si el postulante i es evaluado junto con el postulante j en la habilidad c. Para ello. a) (3. Usted. j A D D cA ij xij + cij xij ¢ j d) Pregunta 3 (30 %) Una empresa debe contratar a J personas para su nueva sucursal fuera de la capital. Pauta Pregunta 3 (25 %) a) En este caso se define: (i) Variables: xcij : variable binaria que toma valor 1 si el postulante i es mejor evaluado que el postulante j en la competencia c. y 0 en otro caso. saber cu´anto es la cantidad m´ınima de puntos que debe conseguir para asegurarse uno de los puestos que ofrece la empresa. 1} XX¡ i ∀ i.5) Naturaleza de las variables.0 puntos) Bas´andose en la informaci´on antes descrita. y que un mismo par de postulantes no sean emparejados m´as de una vez. y por lo tanto debe ser modificada. se realizar´an durante card(C) d´ıas comparaciones de a pares de ) postulantes. donde cada 2 pareja ser´a evaluada y se entregar´a 1 punto al postulante mejor evaluado de la pareja y 0 a su contrincante. dise˜ ne un modelo de programaci´on lineal entera y/o mixta que permita a la empresa establecer los emparejamientos bajo las condiciones solicitadas. aprovechando que tendr´a a su cargo la confecci´on de las comparaciones de pares de postulantes. ha conseguido informaci´on de los postulantes que le ha c permitido generar el par´ametro (absolutamente subjetivo a su propia apreciaci´on) βij que toma valor 1 si usted cree que el postulante i ser´a mejor evaluado en la comparaci´on de la habilidad c con el postulante j.0 puntos) Dise˜ ne un modelo de programaci´on lineal entera y/o mixta que le permita al postulante k. que es un muy buen amigo suyo. La empresa ya ha entregado el calendario de evaluaciones -con las parejas ya formadas para cada d´ıa-evaluaci´onc . Particularmente se le ha pedido que todos los postulantes sean evaluados en todas las actividades (siempre emparejados). 1} {0. . Esto quiere decir que un d´ıa cualquiera se formar´an card(M parejas de postulantes. y la gerencia general ha decidido que para determinar quienes ser´an contratados se realizar´a una evaluaci´on de competencias de cada postulante. La gerencia general lo ha contactado pues se han dado cuenta de que la planificaci´on de evaluaciones y emparejamientos no es correcta. 2 Para realizar la evaluaci´on de habilidades. xA ij xD ij Funci´on Objetivo: m´ın z = ∈ ∈ {0. y 0 en otro caso.

X yi ≥ J i6=k 6) Naturaleza de las variables. y M >>>> 0. j6=i 3) Obligar a la variable yi a tomar valor cero cuando corresponda. j 7) Construcci´on de calendario 2. yi ∈ {0. XX c c Pi = βij xij c ∀ i. c. A las variables definidas en a) agregamos: (i) Variables: c γij : variable binaria que toma valor 1 si el postulante i se calendariza para enfrentar al postulante j en la competencia c. c xcij + xcji ≤ αij ∀ i. Pk − Pi ≤ M (1 − yi ) ∀ i. 1} ∀ i. X c γij =1 ∀ i. j. j tal que i 6= j. 1} ∀ i. xcij ∈ {0. Pi ≥ 0 ∀ i. c xcij + xcji ≤ γij ∀ i. yi ≥ J i6=k 6) Construcci´on de calendario 1. y 0 en otro caso. c b) En este caso no se conoce el calendario de evaluaciones. y M >>>> 0. . y M >>>> 0. c. Pk − Pi ≤ M (1 − yi ) ∀ i. 4) Obligar a la variable yi a tomar valor uno cuando corresponda. luego el par´ametro αij no existe. 2) Calculo de los puntos de cada postulante. Pi − Pk ≤ M yi 5) Condici´on para quedar eliminado. X c c γij =1 ∀ i. X ∀ i. Pi − Pk ≤ M yi 5) Condici´on para quedar eliminado. ∀ i. on Objetivo: (ii) Funci´ m´ax Pk (iii) Restricciones: 1) Combinaci´on de resultados posibles. 4) Obligar a la variable yi a tomar valor uno cuando corresponda. j.(ii) Funci´ on Objetivo: m´ax Pk (iii) Restricciones: 1) Combinaci´on de resultados posibles. c. XX Pi = xcij c ∀ i. y M >>>> 0. 2) Calculo de los puntos de cada postulante. j6=i 3) Obligar a la variable yi a tomar valor cero cuando corresponda. j tal que i 6= j.

x6 ≥ 0 (P) Si consideramos que la soluci´on ´optima del problema tiene como costo reducido de las variables los valores presentados en la siguiente tabla. Este modelo utiliza variables que define el n´ umero de rollos de 118 cm. j. Por ejemplo. . donde la primera columna de la tabla define el tama˜ no del rollo demandado y la segunda columna corresponde al n´ umero de rollos que se deben satisfacer en un d´ıa. que se deben cortar y de qu´e forma (tipos de corte). 9) Naturaleza de las variables. asuma que la demanda para un d´ıa cualquiera se especifica en la tabla que se muestra a continuaci´on. x5 . La empresa debe satisfacer una demanda diaria de rollos de distinto tama˜ no menores a 118 cm. En particular. Largo 30 40 50 Cantidad requerida 100 80 70 Para resolver este problema se ha formulado el modelo de programaci´on lineal que permite determinar la cantidad de rollos de 118 cm. x4 . ∀ i. c c γij = γji ∀ i. rollo. la primera fila de la tabla define que se debe satisfacer una demanda de 100 rollos de 30 cm. b) (1. La siguiente tabla muestra los tipos de corte posibles y la p´erdida asociada a cada corte.a : 3x1 + 2x2 + x3 + 2x4 ≥ 100 x2 + 2x3 + x5 ≥ 80 x4 + x5 + 2x6 ≥ 70 x1 . que ser´an cortados seg´ un el corte i. 40 y 50 cm. ∀ i. c. 1} Pi ≥ 0 yi ∈ {0. c.8) Construcci´on de calendario 3. 1} ∀ i. x2 . ∀ i. xcij ∈ {0. el tipo de corte 1 obtiene 3 rollos de 30 cm teniendo una p´erdida de material de 18 cm. Tipo de corte x1 x2 x3 x4 x5 x6 Rollos 30 [cm] 3 2 1 2 0 0 Rollos 40 [cm] 0 1 2 0 1 0 Rollos 50 [cm] 0 0 0 1 1 2 P´erdida del corte [cm] 28 18 8 8 28 18 A partir de estos datos es posible dise˜ nar el siguiente el modelo de programaci´on lineal es el siguiente: m´ın 28x1 + 18x2 + 8x3 + 8x4 + 28x5 + 18x6 s. De acuerdo con lo anterior.5 puntos) Determine el nivel de p´erdida que se genera con la soluci´on ´optima que se tiene. Por ejemplo. x3 . c.0 puntos) Demuestre que el problema (P) admite soluci´on ´optima. j. 1} c γij ∈ {0. cada tipo de corte es una combinaci´on de rollos de papel de 30. responda la siguientes preguntas: Tipo de corte x1 x2 x3 x4 x5 x6 Costo reducido 28 14 0 0 16 2 a) (1. Asuma que esta empresa tiene como objetivo minimizar la p´erdida total de rollos de papel que le genera su pol´ıtica de corte. Pregunta 4 (25 %) Considere el problema que enfrenta una empresa que produce rollos de papel de 118 cm.

es decir 4 y 8 respectivamente. se debe cumplir que el costo reducido de x2 sea positivo. Finalmente. Ahora. y3 ) · (2. Espec´ıficamente. Si se pide un rollo adicional de 40 cms o 50 cms. y2 . mientras la perdida del corte tipo 2 sea mayor que 4. y3 ) · (0. 2. se producen: x3 + 2x4 = 40 + 2 · 70 = 180 rollos de 30 cms. evaluando la funci´on objetivo en el vector soluci´on (0. y2 = 4 y y3 = 8. x5 = 80 y el resto de las variables en 0. se concluye que si se pide un rollo adicional de 30 cms. 0. d) (1. se puede ver f´acilmente que el espacio de soluciones factibles es no vac´ıo.5 puntos) Encuentre el rango de sensibilidad del costo de la variable x2 tal que no cambie la base. y2 . el teorema pr´actico de existencia de soluciones ´optimas de la programaci´on lineal asegura que el problema tiene soluci´on ´optima. se deduce que solo se generan cortes tipo 3 y 4. considerando que todas las variables son ≥ 0 se tiene: 170 ≤ 3x1 + 2x2 + x3 + 3x4 + x5 + 2x6 ≤ 28x1 + 18x2 + 8x3 + 8x4 + 28x5 + 18x6 luego. 70. no hay perdida asociada ya que ese requerimiento se satisface con holgura (y1 = 0). c) Los precios sombra calculados en a). no se producir´an cortes tipo 2. asegura que se satisfacen las 3 restricciones. y3 ) · (1. muestran la perdida de bienestar (medida en cms. espec´ıficamente considerando la restricci´on asociada a ese producto. se construye el siguiente sistema de ecuaciones de tres ecuaciones y tres inc´ognitas. sumando la primera y la u ´ltima restricci´on se tiene: 170 ≤ 3x1 + 2x2 + x3 + 3x4 + x5 + 2x6 ahora. 0 = 8 − (y1 . 0. 0)T = 4 Por lo tanto. y2 . e) (1. b) Dado que los costos reducidos de las variables x3 y x4 son cero y los otros son positivos. luego se pueden pedir como m´aximo 179 rollos para que la restricci´on no se active. Por lo que concluimos que la restricciones 2 y 3 del primal son activas y con ello de las restricciones del primal se obtiene que: segunda restricci´on del primal: 2x3 = 80. 0). se genera una perdida de bienestar (en cms) igual al precio sombra encontrado. 0. y2 . sin que cambie la soluci´on ´optima? Pauta Pregunta 4 (25 %) a) Primero.0 puntos) Interprete econ´omicamente los precios sombra asociados a cada restricci´on. es decir que: c2 > (y1 . 8) · (2.. 1)T 2 = 18 − (y1 .c) (1. 0. 40. Por lo tanto. e) Los rollos de 30 cms. y la tercera restricci´on del primal nos muestra que x4 = 70. Por ejemplo el punto x1 = 100. es decir x3 = 40. por ejemplo X6 . la restricci´on se activa. se determina que el nivel de perdida es z = 8 · 40 + 8 · 70 = 880 cms. si se piden 180 rollos de 30 cms. 0)T 0 = 8 − (y1 . por lo que tomando adicionalmente el costo reducido de otra variable cualquiera. d) Para que la base no cambie. 2)T Con ello se obtiene que: y1 = 0.. de perdida) al incrementar en una unidad el pedido de cada corte. . 1. Se producen con holgura. y3 )R·2 ⇒ c2 > (0.0 puntos) ¿Cu´al es la m´axima demanda que se puede requerir de rollos de 30 cm. 4.