PROGRAMACIN

MATEMATICA I
Indice
CAPITULO I :
Generalidades
CAPITULO III :
Programacin Lineal
CAPITULO II :
Algebra Lineal
CAPITULO I
Los Orgenes de la Investigacin de
Operaciones (IO)
Anlisis de las componente de la IO
Influjo de la IO
Entrenamiento para hacer carrera en IO
Formulacin de Programas Lineales
Anlisis de las componente de la IO
Orgenes de la IO
Advenimiento de la Revolucin Industrial.
Tendencia de los componentes de una organizacin
(autonoma).
Asignacin de los recursos disponibles de la manera ms
eficaz (IO).
El desarrollo de la IO es debido a:
Tcnicas disponibles en esta rea
Advenimiento de las computadoras
QU ES INVESTIGACIN DE OPERACIONES ?
Es la aplicacin de grupos interdisciplinarios del mtodo
cientfico a sistemas a fin de que produzcan soluciones que
mejoren los objetivos de la organizacin.
a) Una organizacin se puede interpretar como un sistema.
b) Todo sistema es una estructura que funciona.
El objetivo es el control yo modificacin que se hace a los
componentes en forma eficiente.
Sub-sistema Sub-sistema
Sub-sistema Sub-sistema
Mundo Exterior
Sistema
Componentes
SISTEMA
Es un conjunto formado por elementos interconectados de
acuerdo a a ciertos criterios de ordenamiento u
organizacin, para ello es necesario aislarlo del mundo
exterior
SISTEMA
Sistema en
estudio
Mundo Exterior
Frontera del sistema en estudio.
Universo [Conjunto de todos los
Sistemas]
MODELO
Es una representacin de un sistema de acuerdo a
los objetivos del estudio del Sistema. Es decir, para cierto
objetivo de estudio, ciertas partes del sistema son relevantes.
En esencia un modelo es una imagen de un sistema y
en funcin de las interrogantes planteadas un sistema puede
tener diversos modelos.
Sistema
Pensamiento
Conjunto de
Palabras
Modelo
CLASIFICACION DE LOS MODELOS
Segn la forma de
su Presentacin
Segn su
Estructura (
Simblicos)
a) Modelos
Descriptivos
Expresados por leng. convencional (espaol,
ingls)
b) Modelos Iconos o
Fsicos
Lucen como el sist. fsico correspondiente.(icono)
Clase de modelo fsico es el modelo por analoga,
trasl. de un S. original a uno sustituido
c) Modelos
Simblicos
Expresados en forma concisa a travs de smbolos
matemticos, en forma analtica o grfica va en conj. de
funciones en la forma de ecuaciones e inecuaciones
d) Modelos Tipo
Procedimiento
(Simulacin)
a) Modelos
Determinsticos
Son aquellos que NO incluyen propiedades
relacionadas con fenmenos aleatorios
b) Modelos Estocsticos
Son aquellos que incluyen variables o relaciones
funcionales que dependen de los fenmenos
aleatorios.
c) Modelos Lineales
Son aquellos que incluyen slo funciones lineales
Ejemplo: y= f(x1, x2)
d) Modelos No Lineales
e) Modelos Esttico
Son aquellos que incluyen slo funciones no lineales
Ejemplo: Z= g(x, y)= x
2
+ x y + y
2
Sistema que no
sufre alteraciones debido al tiempo.
f) Modelos Dinmico
Son aquellos que rpta un sistema en que el tiempo es
importante g) Modelos Continuo en el
Tiempo
Se caracteriza por tener var. y funciones
continuas en el tiempo
y=f(t)
t0 t1
h) Modelos Discreto en el
Tiempo
Es aquel que incluyen solo variables y func discretas en
el tiempo
Anlisis de las Componentes de un Proyecto de
I.O.
BENEFICIOS BENEFICIOS

Incrementa la posibilidad de tomar mejores

decisiones.

Mejora la coordinacin entre las mltiples

componentes de la organizacin.

Mejora el control de sistema al instituir

procedimientos sistemticos.

Lograr un mejor sistema, operar con costos

bajos.
ETAPAS POR LA QUE PASA UN ETAPAS POR LA QUE PASA UN
PROYECTO PROYECTO

Formulacin de los Problemas de la Organizacin.

Construccin de Modelos.

Derivar las soluciones de modelo.

Prueba del Modelo y de las Soluciones.

1.5 INFLUJO DE LA I.O
La I.O. tambin se usa ampliamente en otro tipo de
organizaciones incluyendo la industria y el comercio.
La I.O ha tenido un creciente influjo en la administracin
de las organizaciones.
La P.L. se ha usado con xito en la sol. de problemas
referentes a la asignacin de personal, la mezcla de
materiales, la distribucin y el transporte y las carteras de
inversin.
La P.D. se ha aplicado con buenos resultados en reas tales
como la planeacin de los gastos de comercializacin, la
estrategia de ventas y la planeacin de la produccin.
1.6 LA I.O EN EL PERU

Desde los 1ros aos de la dcada del 60 diversas

Empresas y Entidades han aplicado la P.L. para la toma
de decisiones en probl. especficos. La utilizacin de esta
tcnica ha sido sistematizada en unos casos y puntual en
otros.
Dentro de las aplicaciones conocidas en nuestro medio,
mencionaremos las siguientes:

Petroperu

Nicolini Hnos S.A.

Unileche S.A.

Ministerio de Agricultura

Ministerio de Transporte
POR MENCIONAR ALGUNOS

Modelos Matematicos de Centromin- Peru

Modelo Matemtico de Transporte de

crudos y refinados para la asignacin
ptima de la flota nacional.

Modelo de refineras para la obtencin

de gasolina del octanaje adecuado al
mnimo costo.

Modelo de mezcla de insumos para

la fabricacin de alimentos
balanceados para aves.

Modelo de Transporte para las

asignaciones de rutas y vehculos de
reparto de leche en Lima
Metropolitano

Modelo de Rotacin de Cultivos

para los valles de la Costa Norte del
Per.

Modelo de evaluacin de Proyectos

de Construccin Vial considerando
los efectos regionales de centros de
produccin y consumo

Modelo de Minas de Casapalca

Modelo de Cobre y Plomo

Modelo para la comercializacin

de concentrados de Zinc nacional
1.7 ENTRENAMIENTO PARA HACER
CARRERA EN IO

Debido al intenso crecimiento de la IO, parece que las

oportunidades para hacer carrera en este campo son excelentes.
CAMINO POR ANDAR

La puesta en prctica de los modelos de IO para analizar

problemas de sistemas complejos en la industria o el sector
pblico.
1.8 PROCESOS EN LA SOLUCIN DE
UN PROBLEMA MEDIANTE IO
a. Definicin del Sistema del Mundo Real
b. Definicin del sistema a ser modelado
c. Definicin del Problema
d. Formulacin del Modelo
e. Solucin del Modelo
f. Validacin de Resultados
g. Validacin del Modelo
h. Presentacin de Resultados
i. Implementacin del Modelo
PROCESOS EN LA MODELACION DE UN PROBLEMA
PRACTICO
1. Inicios: Formulacin del problema
2. Existe un modelo apropiado
3. Es factible construir un modelo analtico apropiado
4. Permite experimentar con modelos numricos
5. Desea cierta sofisticacin y acepta costos de valor medios
altos
6. Formular un modelo de simulacin
7. Identificar alternativas
8. Buscar la mejor alternativa
PROCESOS EN LA MODELACION DE UN PROBLEMA
PRACTICO
9. No use modelos: tome decisiones basadas en el sentido
comn
10. Formular un modelo Heurstico (intuitivo)
11. Enumerar las alternativas
12. Experimentar y seleccionar una alternativa aceptable
14. Resolver el modelo
13. Especificar el problema en el formato del modelo
15. Comprobar los resultados con experimentos
16. La solucin es aceptable
17. Implementar y usar el modelo
DIAGRAMA DE FLUJO DE PROCESOS EN LA
MODELACIN
1
2
4
3
5
1 6
6
8
7 1 2
1 1
1 0
9
1 5
1 4
1 3
1 7
FORMULACION DE
PROGRAMAS LINEALES
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
1. Una firma elabora 2 productos, en las cuales entran 4
componentes en c/u. Hay una determinada disponibilidad de c/
componente y un beneficio por c/ producto. Se desea hallar la
cantidad de c/ artculo que deba fabricarse, con el fin de
maximizar los beneficios.
El siguiente cuadro resume los coeficientes de transformacin,
(cantidad de c/componente que entra en cada producto)
Producto
Componente
P1 P2 Disponibilidad
(kilogramos)
A
B
C
D
1
2
2
1
3
1
2
1
15,000
10,000
12,000
10,000
Beneficios
S/. Unidad
4 3

Solucin:
x
1
= N de unidades del Producto P
1
x
2
= N de unidades del Producto P
2
P r od u c t o
C o m p o n e n t e
P 1 P 2 D i s p on i bi l i d a d
( k i l o g r a m o s )
A
B
C
D
1
2
2
1
3
1
2
1
1 5 , 0 0 0
1 0 , 0 0 0
1 2 , 0 0 0
1 0 , 0 0 0
B e n e fi c i os
S / . U n i d a d
4 3

Con respecto a la disponibilidad
Analizando cada componente (A):
1x
1
+ 3x
2
15 000
Con respecto a la disponibilidad:
Analizando cada componente (B):
P r od u c t o
C o m p o n e n t e
P 1 P 2 D i s p on i bi l i d a d
( k i l og r a m o s )
A
B
C
D
1
2
2
1
3
1
2
1
1 5 , 0 0 0
1 0 , 0 0 0
1 2 , 0 0 0
1 0 , 0 0 0
B e n e fi c i o s
S / . U n i d a d
4 3

2x
1
+ 1x
2
10 000
Aplicando el mismo anlisis, a los dems componentes:
1x
1
+ 3x
2
15 000
2x
1
+ 1x
2
10 000
2x
1
+ 2x
2
12 000
1x
1
+ 1x
2
10 000
Con respecto a los Bfs de cada producto, se puede obtener el
total, as:
P r od u c t o
C o m p o n e n t e
P 1 P 2 D i s p o n i b i l i d a d
( k i l o g r a m os )
A
B
C
D
1
2
2
1
3
1
2
1
1 5 , 0 0 0
1 0 , 0 0 0
1 2 , 0 0 0
1 0 , 0 0 0
B e n e fi c i os
S / . Un i d a d
4 3

Z = 4x
1
+ 3x
2
Pero no olvidemos, que queremos el mximo beneficio
Entonces el programa lineal correspondiente es:

Max Z = 4x
1
+ 3x
2
Sujeto a:
1x
1
+ 3x
2
15,000
2x
1
+ 1x
2
10,000
2x
1
+ 2x
2
12,000
1x
1
+ 1x
2
10,000
x
1
, x
2
0
2. La Ca "PROLANSA" produce tornillos y clavos. La M.P. para
los tornillos cuesta S/. 2.00 c/u, mientras que la M.P. para
c/clavo cuesta S/. 2.50. un clavo requiere dos hrs de M.O. en el
dpto #1 y tres hrs. en el dpto #2, mientras q un tornillo
requiere cuatro hrs. en el dpto #1 y dos hrs. en el dpto #2. El
jornal por hora en c/dpto es de S/. 2.00. Si ambos productos se
venden a S/. 18.00, y el nmero de hrs. de M.O. disponibles por
semana en los dptos es de 160 y 180 respectivamente, expresar
el probl. propuesto como un P.L., tal que maximicen las
utilidades.
Solucin
x
1
= N de tornillos/semana
x
2
= N de clavos/semana
Costo de los clavos = 5 x 2 + 2.5
= S/. 12.5/Unid.
= S/. 12.5/Unid.
Utilidad = 18 - 12.5 = S/. 5.50/Unid.
Costo de los tornillos = 6 x 2 + S/.2 Unid.
= S/. 12 Unid + S/. 2 Unid.
= S/. 14 Unid.
Utilidad = 18 - 14 = S/. 4/Unid.
Costo/jorna
l
horas
costo
Por lo tanto el P.l. es :
Max Z = 4x
1
+ 5.50x
2
s. a. :
4x
1
+ 2x
2
160
2x
1
+ 3x
2
180
x
1
, x
2
0
El jornal por hora en c/dpto es
de S/. 2.00, ambos productos
se venden a S/.18.00
Utilidad = venta - costo
3. Un fabricante produce 3 modelos (I, II y III) de un cierto prod., y usa 2 tipos
de MP. (A y B), de los cuales se tienen disponibles 2,000 y 3,000 unidades
respectivamente.
Los requisitos de MP por unidad de los 3 modelos son:
REQUISITOS POR UNIDAD DE MODELO DADA
MATERIA
PRIMA
I II III
A
B
2
4
3
2
5
7

El tiempo de M.O por c/unid. del modelo I es 2 veces el modelo II y 3
veces el modelo III. La fuerza laboral completa de la fb. puede
producir el equiv. de 700 unid. del modelo I.
Una encuesta indica que la demanda mn de los 3 modelos es 200, 250 y
150 unid respectiv. Sin embargo, las relaciones del nmero de unid
producidas deben ser igual a 3:2:5.
Supongamos que los beneficios por unidad de los modelos I, II y III son
30, 20 y 50 unidades monetarias.
Formule el problema como un modelo de PL a fin de det el nmero de unid
de c/producto que maximizarn el beneficio.
Solucin:
x
1
= Cantidad de Producc del Modelo I
x
2
= Cantidad de Producc del Modelo II
x
3
= Cantidad de Producc del Modelo III
los beneficios por unidad de
los modelos I, II y III son 30,
20 y 50 unidades monetarias
Funcin Objetivo
Max Z = 30x
1
+ 20x
2
+ 50x
3
Sujeto a: {Restricciones}
REQUISITOS POR UNIDAD DE MODELO DADA
MATERIA
PRIMA
I II III
A
B
2
4
3
2
5
7

1. Con respecto a MP
2x
1
+ 3x
2
+ 5x
3
2000
4x
1
+ 2x
2
+ 7x
3
3000
2x
1
+ 3x
2
+ 5x
3
2000
2. Con respecto a la demanda mnima
Una encuesta indica que la
demanda mn de los 3
modelos es 200, 250 y 150
unid respectiv.
x
1
200
x
2
250
x
3
150
3. Relacin a las unid. producidas
Sin embargo, las
relaciones del nmero de
unid producidas deben
ser igual a 3:2:5.
x
1
= 3 , x
2
= 2 , x
1
= 3
x
2
2 x
3
5 x
3
5
4. Condicin Laboral
El tiempo de M.O por c/unid. del
modelo I es 2 veces el modelo II y 3
veces el modelo III. La fuerza laboral
completa de la fb. puede producir el
equiv. de 700 unid. del modelo I
x
1
+ 1 x
2
+ 1 x
3
700
2 3
5. Condiciones de no negatividad
x
1
0, x
2
0, x
3
0
4. Para una cafetera que trabaja 24 hrs se requiere las
siguientes meseras:
HORAS DEL DIA NUMERO MINIMO DE MESERAS
2 - 6 4
6 - 10 8
10 - 14 10
14 - 18 7
18 - 22 12
22 - 2 4
Cada mesera trabaja 8 hrs consecutivas por da. Encontrar el nmero
ms pequeo requerido para cumplir los requisitos anteriores. Formule el
probl. como un modelo de P. L.
4 8 10 7 12 4
horas 2 6 10 14 18 22 2
Turno
1 x
1
2 x
2
3 x
3
4 x
4

5 x
5
6 x
6
Nro mn. de
meseras
Cantidad de meseras q
ingresan en el turno 1
x
1
+ x
6
4
Solucin
x
i
= Cantidad de meseras que ingresan en el turno i. (i= 1,6)
F.O. :
Min Z = x
1
+ x
2
+ x
3
+ x
4
+ x
5
+ x
6
S. a: x
1
+ x
6
4
x
1
+ x
2
8
x
2
+ x
3
10
x
3
+ x
4
7
x
4
+ x
5
12
x
5
+ x
6
4
x
j
0 j = 1,..,6
5. Una Ca debe elaborar 2 productos en det perodo (un trimestre) la Ca
puede pagar por materiales y MO, con dinero obtenido de 2 fuentes: Fondos
de la Ca (propio), y prstamos. La Compaa enfrenta tres decisiones.
Cuntas unid debe producir del producto 1
Cuntas unid debe producir del producto 2?
Cunto dinero debe obtener prestado para apoyar la produccin de los
2 modelos?
Solucin:
x
1
= Unidades del Prod. 1
x
2
= Unidades del Prod. 2
x
3
= Cantidad obtenida por el Prstamo
Horas para Producir una
Unidad en el Dpto.
Producto Precio de
Venta
Costo de
Produccin
A B C
1
2
14
11
10
8
0.5
0.3
0.3
0.4
0.2
0.1
Horas Disponibles por Trimestre 500 400 200

Horas por Producir Producto P.V. C.P.
Dpto A Dpto B Dpto C
1
2
14
11
10
8
0.5
0.3
0.3
0.4
0.2
0.1
Horas disponibles xj 500 400 200

Del cuadro anterior, se obtiene:
U
1
= (14 - 10)x
1
U
2
= (11 - 8)x
2
U
3
= -1.05x
3

Donde U,sera la utilidad del producto. As se obtiene la F.O.:
Max Z = 4x
1
+ 3x
2
- 0.05x
3

s.a:
Horas por Producir Producto P.V. C.P.
Dpto A Dpto B Dpto C
1
2
14
11
10
8
0.5
0.3
0.3
0.4
0.2
0.1
Horas disponibles xj 500 400 200

0.5x
1
+ 0.3x
2
500
0.3x
1
+ 0.4x
2
400
0.2x
1
+ 0.1x
2
200
Se sabe que Kapital= 30000 y prstamo es x
3
:
10x
1
+ 8x
2
30,000 + x
3
(Fondos de la compaa)
x3 20,000 (Prstamo)
30000 + (4x
1
+ 3x
2
+ x
3
) 3
x
3
+ 0.05x
3
1
6. Un agricultor requiere cultivar maz y trigo en un terreno de 70 Ha, sabe
que una Ha puede rendir 30 quintales de maz o 25 quintales de trigo
c/Ha, requiere un cap. de $ 30 si se cultiva con maz y de $ 40 si se
cultiva con trigo, el cap. total disponible es de $ 2,500, las necesidades
de agua de riego son de 900 m
3
/Ha de maz y de 650 m
3
/Ha de trigo en
octubre, y de 1200 m
3
/Ha y 850 m
3
/Ha de maz y trigo respectivamente
en noviembre.
La disponibilidad de agua en octubre es de 57,000 m
3
y en noviembre de
115,200 m
3
, si los beneficios por venta de maz y del trigo son $ 4.50 y
de $ 6 por quintal respectivamente, hay que determinar la cantidad de
maz y trigo que se debe producir para obtener el beneficio mximo
Solucin
X
1
= nmero de hectreas (Ha) cultivadas de maz
X
2
= nmero de hectreas (Ha) cultivadas de trigo
Cuadro obtenido del enunciado
Producto Maz Trigo Disponibi-
lidad
Capital x Ha
Agua
Octubre
Agua
Noviembre
30
900
1 200
40
650
850
2 500
57 000
115 200
Beneficios 4.50 6.00
una Ha puede rendir 30
quintales de maz o 25
quintales de trigo
F.O :
Max Z = (4,50)(30) x
1
+ 6 (25) x
2
= 135 x
1
+ 150 x
2
S.A :
x
1
+ x
2
70
30x
1
+ 40x
2
2,500
900x
1
+ 650 x
2
57,000
1,200x
1
+ 850x
2
115,200
x
1
0, x
2
0
maz y trigo en un
terreno de 70 Ha
7. Un barco tiene tres bodegas en la proa, en la popa y en el centro.
Las capacidades limites son
BODEGA TONELAJE PIES CUBICOS
Proa
Popa
Centro
2,000
1,500
3,000
100,000
30,000
135,000

Se tiene una oferta de carga, que se puede aceptar total o parcialmente
CARGA CANTIDAD PIES CUBICOS
POR TONELADA
GANANCIA
(S/./Ton)
A
B
C
6,000 Ton
4,000 Ton
2,000 Ton
60
50
25
6
8
9

Cmo se puede distribuir la carga para Max la ganancia, si la
preservacin del equilibrio obliga a que el peso de cada bodega sea
proporcional a la capacidad de toneladas?
Solucin:
x
j
= (# de ton. de c/artculo que ira en c/ bodega, j= 1,2,...,9)
BODEGA
ARTICULO
PROA CENTRO POPA PESO
TON.
PIES/
TON.
BENEF./
TON.
A
B
C
X
1

X
4

X
7

X
2

X
5

X
8

X
3

X
6

X
9

6,000
4,000
2,000
60
50
25
6
8
9
PESO (TONS.) 2,000 3,000 1,500
VOL (PIES
3
) 100,000 135,000 30,000

Por lo tanto el PL, es:
Max Z = 6(x
1
+ x
2
+ x
3
) + 8 (x
4
+ x
5
+ x
6
) + 9 (x
7
+ x
8
+ x
9
)
BODEGA
ARTICULO
PROA CENTRO POPA PESO
TON.
PIES/
TON.
BENEF./
TON.
A
B
C
X
1

X
4

X
7

X
2

X
5

X
8

X
3

X
6

X
9

6,000
4,000
2,000
60
50
25
6
8
9
PESO (TONS.) 2,000 3,000 1,500
VOL (PIES
3
) 100,000 135,000 30,000

SUJETO A:
a) Restricciones debidas al ton. de bodega
x
1
+ x
4
+ x
7
2,000
x
2
+ x
5
+ x
8
3,000
x
3
+ x
6
+ x
9
1,500
x
1
+ x
4
+ x
7
2,000
x
2
+ x
5
+ x
8
3,000
x
3
+ x
6
+ x
9
1,500
b) Restricciones debidas al volumen de bodega
BODEGA
ARTICULO
PROA CENTRO POPA PESO
TON.
PIES/
TON.
BENEF./
TON.
A
B
C
X
1

X
4

X
7

X
2

X
5

X
8

X
3

X
6

X
9

6,000
4,000
2,000
60
50
25
6
8
9
PESO (TONS.) 2,000 3,000 1,500
VOL (PIES
3
) 100,000 135,000 30,000

60x
1
+ 50x
4
+ 25x
7
100,000
60x
2
+ 50x
5
+ 25x
8
135,000
60x
3
+ 50x
6
+ 25x
9
30,000

c) Restricciones debidas a la oferta de los artculos
BODEGA
ARTICULO
PROA CENTRO POPA PESO
TON.
PIES/
TON.
BENEF./
TON.
A
B
C
X
1

X
4

X
7

X
2

X
5

X
8

X
3

X
6

X
9

6,000
4,000
2,000
60
50
25
6
8
9
PESO (TONS.) 2,000 3,000 1,500
VOL (PIES
3
) 100,000 135,000 30,000

x
1
+ x
2
+ x
3
6,000
x
4
+ x
5
+ x
6
4,000
x
1
+ x
2
+ x
3
6,000
x
4
+ x
5
+ x
6
4,000
x
7
+ x
8
+ x
9
2,000

d) Restricciones x Preservac del equilibrio
BODEGA
ARTICULO
PROA CENTRO POPA PESO
TON.
PIES/
TON.
BENEF./
TON.
A
B
C
X
1

X
4

X
7

X
2

X
5

X
8

X
3

X
6

X
9

6,000
4,000
2,000
60
50
25
6
8
9
PESO (TONS.) 2,000 3,000 1,500
VOL (PIES
3
) 100,000 135,000 30,000

x
1
+ x
4
+ x
7
= x
2
+ x
5
+ x
8
= x
3
+ x
6
+ x
9
2,000 3,000 1,500


8. Se hace un pedido a una papelera de 800 rollos de papel
corrugado de 30 pulg. de ancho, 500 rollos de 45 pulg. de
ancho y 1000 de 56 pulg. Si la papelera tiene solamente
rollos de 108 pulg. de ancho, Cmo deben cortarse los
rollos para surtir el pedido con el mnimo desperdicio de
papel.?
x
1
x
2
x
3
x
4
x
5

30 3 2 0 0 0 800
45 0 1 0 2 1 500
56 0 0 1 0 1 1,000
Desperdicio 18 3 52 18 7
Solucin
x
j
= (# de rollos cortados de diferentes maneras, j = 1,2,...,5)
Por lo tanto el PL es:
Min Z = 18x
1
+ 3x
2
+ 8x
3
+ 18x
4
+ 13x
5
S.a:
3x
1
+ 2x
2
= 800
x
2
+ 2x
4
+ 1x
5
= 500
1x
3
+ 1x
5
= 1,000
x
j
0; j = 1,2,...,5
x
j
= (# de rollos cortados
de diferentes maneras)
Desperdicio
Los cortes
tienen que
ser exactos
9. Una planta fabrica prod. A y B, que pasan por procesos (1,2,3 y
4):

CENTRO
2

CENTRO
4

CENTRO
3

CENTRO
1

P.Term. A
(curso normal)
P.Term. B
P.Term A
(curso alternativ)
M. PRIMA A
M.PRIMA B
Cuando hay capac disponible en el Centro 3, es posible enviar el prod. A por 3
en lugar de hacerlo pasar 2 veces por el Centro 2
PRODUCTO CENTRO CAPACIDAD DE
ENTRADA EN
GAL/HR
% DE
RECUPERACIN
COSTO DE
OPERACIONE S
POR HR/S/.
1 300 90 1500
2 (1 paso) 450 95 2000
4 250 85 1600
2 (2 paso) 400 80 2200


A
3 (alterno) 350 75 2500
1 500 90 3000
3 480 85 2500 B
4 400 80 2400

PRODUCTO COSTO/GALON
ES DE
MATERIA
PRIMA
PRECIO DE
VENTA/GALONES DE
PRODUCTO
TERMINADO
MXIMO DE VENTAS
DIARIAS EN GLS. DE
PRODUCTO
TERMINADO
A 50 200 1700
B 60 180 1500

Los centros 1 y 4 trabajan hasta 16 hrs al da; los centros 2 y 3 trabajan hasta 12 hrs al da.
Esta Ca efecta la distribucin de sus productos con sus propios Rs, los que permiten el
transp de un mximo de 2,500 gal. Los 2 tipos de MPs, que se evaporan con facilidad
pueden conseguirse en cualesquiera cantd en el mcado; pero no hay forma de almacenarlos,
e.d. la totalidad de las MPs compradas debe usarse al da que se reciben. Los pedidos son
satisfechos el mismo da que se piden y a un tiempo para su uso.
Expresar el prob propuesto co un PL, que permite decidir cuantos galones de MP deben
dedicarse diariamente a c/curso posible, dado que c/centro pueda manejar el paso de un
prod en proceso a la vez y se desea maximizar las utilidades. Ignrese el tiempo que podra
requerir para cambiar de un producto a otro en cualquier de los Centros.
NOTA: % de Merma = 100 - % de recuperacin
Solucin:
X
AN
= # de gal de MP de A (curso normal)
X
AA
= # de gal de MP de A (curso alternativo)
X
B
= # de gal de MP de B.
Utilidad = Ingreso total - Costo MP - Costo Operacin
Ingreso Total = 200[(0.90) (0.75) (0.85) (0.80)] X
AN
+
200[(0.90) (0.95) (0.85) (0.75)] X
AA
+
180 [(0.90) (0.85) (0.80)]X
B

Costo MP = 50(X
AN
+ X
AA
) + 60X
B

Costo OP = X
AN
1,500 + 0.90X
AN
2,000 + 1,600 0.90 x 0.95 X
AN

300 450 250

+ 2,200 0.90 x 0.095 x 0.85 X
AN
+
X
AA
1,500 + 0.90X
AA
2,000
400 300 450

+ 1,600 0.90 x 0.95 X
AA
+ 2,500 0.90 x 0.95 x 0.85 X
AA
+ X
B
3,000 +
250 350 500

0.90X
B
2,500 + 2,400 0.90 x 0.95 X
B

480 400
Por lo tanto el PL, y simplificando la FO, es:
Max Z = 47X
AN
= 38.6 X
AA
+ 34.7 X
B

a) Restricciones debido al transporte
(0.90) (0.8) (0.95) (0.85)X
AN
+ (0.90) (0.95) (0.85)
(0.75) X
AA
+ (0.90) (0.8) (0.85)X
B
2,500
b) Restricciones debido a las horas disponibles en c/centro
Centro 1
X
AN
+ X
AA
+ X
B
16
300 500
Centro 2
0.90(X
AN
+ X
AA
) + (0.90) (0.95) (0.85)X
AN
12
450 400
Centro 3
(0.90)(0.95)(0.85)X
AA
+ (0.90)X
B

12
340 400
Centro 4
(0.90)(0.95)X
AN
+ (0.90) (0.95)X
AA
+ (0.90) (0.85) 16
250 400
c) Restricciones debido a Ventas
(0.90)(0.95)(0.85)(0.80)X
AN
+ (0.90)(0.95)(0.85)(0.75)X
AA
1,700
(0.90)(0.85)(0.80)X
B
1,500
X
AN
, X
AA
, X
B
0
Luego de realizar algunas simplificaciones algebraicas, el PL
es el siguiente :
Max = 47x
AN
+ 0.38x
AA
+ 34.7x
B
S.a:
0.58 x
AN
+ 0.54 x
AA
+ 0.61 x
B
1,500
0.003 (x
AN
+ x
AA
) + 0.002x
B
16
0.002(x
AN
+ x
AA
) + 0.001x
B
12
0.002x
AA
+ 0.001x
B
12
0.003(x
AN
+ x
AA
) + 0.001x
B
16
0.58x
AN
+ 0.54 x
A
1,700
0.612x
B
1,500
X
AN
, X
AA
, X
B
0
10. Un inversionista tiene perspectivas de invertir en dos activid. A y B,
siendo el horizonte econmico de 5 aos. c/u econmica invertida es A en
el comienzo de cualquier ao, produce una utilidad de $. 0,40, dos aos
ms tarde. c/u monetaria invertida en B, en el comienzo de cualquier ao
produce una utilidad de $. 0,70 tres aos ms tarde. Adems tiene otras
dos perspectivas C y D para el futuro.
C/u monetaria invertida en C en el comienzo del segundo ao permite una
utilidad de $. 1,00 al final de los 5 aos, c/u monetaria invertida en D en
el comienzo del quinto ao produce una utilidad de $. 0,30. El
inversionista dispone de $. 10,000 y desea conocer el plan de inversiones
que maximice sus utilidades.
Solucin:
X
ij
= Unidades monetarias invertidas en el i-simo perodo y
la j-sima actividad, (i = 1, 2, 3, 4, 5; j = A, B, C, D. )




































































Esquemticamente
dos aos
ms tarde
tres aos
ms tarde
comienzo del
segundo ao
comienzo del
quinto ao
F.O. :

Max Z = 0.40 (x
1A
+ x
2A
+ x
3A
+ x
4A
) + 0.70(x
1B
+ x
2B
+x
3B
) +
x
2C
+ 0.30x
5D

S.A:

Debido a la disponibilidad del capital para el primer ao.

x
1A
+ x
1B
10,000
Para el segundo ao
x
2C
+ x
1A
+ x
1B
+ x
2A
+ x
2B
10,000
El inversionista dispone
de $. 10,000
Para el tercer ao
x
1B
+ x
2A
+ x
2B
+ x
2C
+ x
3A
- 0.40x
1A
10,000
Para el cuarto ao
x
2B
+ x
2C
+ x
3A
+ x
3B
+ x
4A
10,000 +1.7x
1B

+1.4x
2A
+ 1.4x
1A
Para el quinto ao
x
2C
+ x
3B
+ x
4A
+x
5D
10,000+ 1.4x
3A
+1.7x
2B
+
1.7x
2B
+1.7x
1B
+ 1.4x
2A
+ 1.4x
1A

x
ij
0 ; i = 1... 5 , j = A. ..D
11. Un joven tena que entretener a un visitante durante 90 minutos.
Pens que seria una buena idea que el husped se emborrachase.
Se le dio al joven S/.50. El joven saba que la visitante le gustaba
mezclar sus tragos, pero que siempre beba menos de 8 vasos de
cerveza, 10 ginebras, 12 whisky y 24 martinis. El tiempo que
empleaba para beber era 15' por c/ vaso de cerveza, 6' por
ginebra, 7' y 4' por whisky y martini.
Los precios de las bebidas eran (en vaso):
Cerveza S/. 1, Ginebra S/. 2,
Whisky S/. 2, Martini S/. 4
El obj era Max. el consumo alcohlico durante los 90' que tena
para entretener al husped. Un qumico le dio el contenido
alcohlico de las bebidas en forma cuantitativa, siendo las
unidades por un vaso de 17, 15, 16 y 7 por vaso. El visitante
siempre beba un mnimo de 2 whiskys.
Solucin:
x
j
= N de vaso de tipo (1:Cerveza , 2:Ginegra, 3: Whisky, 4: Martini)
Un qumico le dio el
cont alcoh de las
bebidas por vaso de
17, 15, 16 y 7
Max Z = 17 x
1
+ 15 x
2
+ 16 x
3
+ 7 x
4

Los precios de las
bebidas eran por
vaso de 1, 2, 2, 4
soles
Sujeto a:
1 x
1
+ 2x
2
+ 2x
3
+ 4x
4
50
El tiempo en beber
c/vaso de bebida es
de: 15, 6, 7, 4
10x
1
+ 6x
2
+ 7x
3
+ 4x
4
90
X
1
8 ; x
2
10
2 <= x
2
12 ; x
2
24
12. El costo del avin A es de $6.7 millones, el avin B en $5 millones y el
avin C de $ 3.5 millones. El directorio autoriza la compra de aviones
por valor de 150 millones.
El tipo A de mayor capacid. proporcionar una utilidad de $. 420,000
anuales, el avin B una utilidad de $.300,000 y el avin C una utilidad de
$. 230,000 anuales.
La Fuerza Area Peruana slo le podra proporcionar 30 pilotos
debidamente entrenados. Aero-Per podra mantener un mximo de 40
unid.
Mantener un avin B requiere 1/3 ms que el avin C y que el avin A
requiere 1 2/3 ms que el C.
Solucin
Variables de Desicin : x
1
= N de aviones A
x
2
= N de aviones B
x
3
= N de aviones C
S.a:
6.7x1 + 5x2 + 3.5 x3 150
x1 + x2 + x3 30
F.O. : Max Z = 420x1 + 300x2 + 230x3
B = 1 1 C + C = 2 1 C
3 3
2 2 x
1
+ 2 1 x
2
+ x
3


40
3 3
x
j
0; j = 1, 2, 3
A = 1 2 C + C = 2 2 C
3 3
Mantener un avin B requiere
1/3 ms que el avin C y que
el avin A requiere 1 2/3 ms
que el C.
costo del avin A es de $6.7
mills, el avin B en $5 mills
y el avin C de $ 3.5 mills
utilidad de $. 420,000 anuales, el
avin B una utilidad de $.300,000
y el avin C una utilidad de $.
230,000 anuales.
13. Una Ca de art electrnicos produce 3 lneas de prodque son:
Transistores, Micromdulos y Circuitos Armados y el centro de
produccin tiene 4 reas de proceso:
Area 1 Produccin de Transistores
Area 2 Armadura de circuitos
Area 3 Control de transistores
Area 4 Prueba de circuitos y Embalaje

La produccin de transistor requiere:

0.1 hrs - hombre en Area 1
0.5 hrs - hombre en Area 3
S/. 70.0 en costos directos

La construccin de un micromdulo requiere:

0.4 hrs - hombre en Area 2
0.5 hrs - hombre en Area 3
3.0 Transistores
S/. 50.0 en costos directos

La produccin de un circuito armado requiere:

0.1 hrs - hombre en Area 2
0.5 hrs - hombre en Area 4
1.0 Transistor
3.0 Micromdulos
S/. 200.0 en costos directos
C/prodse vende a S/ 200, 800 y 2,500 (transistores, micromdul y
circuitos armados). La cantidad de venta es ilimitada; si hay 200
horas-hombre disponible en c/rea de trabajo. Formule el PL para
obtener una mx ganancia.
Solucin:
x
1
= Nmero de transistores a producir
x
2
= Nmero de micromdulos a producir
x
3
= Nmero de circuitos armados a producir
El nmero de horas que se necesita de cada Area para fabricar cada
producto, se muestra
Transistores Micromdulos Circuitos Armados Hrs disponibles
Area 1
Area 2
Area 3
Area 4
0.1

0.5
0.3
0.4
2.0

1.0
1.3
6.5
0.5
200
200
200
200

x 1 +
x 3 +
Por lo tanto el programa lineal es:
Venta - Costo
Max z= (200 - 70)x1 + (800 - 3 x 70 - 50)x2 + (2500 - 1x 70 -
3(3 x 70+50) - 200 )x3

x 3 +
Transistores Micromdulos Circuitos Armados Hrs disponibles
Area 1
Area 2
Area 3
Area 4
0.1

0.5
0.3
0.4
2.0

1.0
1.3
6.5
0.5
200
200
200
200

Del cuadro obtenemos las restricciones:
Max Z = 130x1 + 540x2 + 1450x3
S.a:
0.1x
1
+ 0.30x
2
+ 1x
3
200
0.4x
2
+ 1.3x
3
200
0.5x
1
+ 2x
2
+ 6.5x
3
200
0.5x
3
200
x
j
0; j = 1, 2, 3
14. El Plan A garantiza que c/dlar invertido retornar 70 cent. por
ao, el plan B garantiza que c/dlar invertido retornar $2.00
en dos aos. En el plan B se invierte perodos mltiplos de dos
aos. Cmo se invertir $ 100,000 para maximizar los
retornos al final de los 3 aos? Formule el P.L.
Solucin
X
i,j
= Inversin del i-simo plan en el j-simo ao
( i = A,B ; j = 1,2, 3)
Lo que nos permite plantear el siguiente cuadro:
PERIODO INVERSION CANTIDAD AL
FINAL DEL
PERIODO
1
2
3
X
A1
+ X
B1
X
A2
+ X
B2
X
A3
1.7X
A1
1.7X
A2
+ 3 X
B1
1.7X
A3
+ 3X
B2


Grficamente

100,000 x
B1
x
A1
x
A2
x
A3

x
B2

1 2 4 3
En el plan B se
invierte perodos
mltiplos de dos
aos
F.O
F.O :
Max Z = 1.7 X
A3
+ 3 X
B2
S.a:
Cantidad que ingresa Cantidad que ingresa

cantidad que sale cantidad que sale

100,000 X
A1
+ X
B1
1.7 X
A1
X
A2
+ X
B2
1.7 X
A2
+ 3 X
B1
X
A3
X
A1
, X
A2
, X
A3
, X
B1
, X
B2
0
maximizar los
retornos al final
de los 3 aos
15. Faucett tiene que decidir cuantas azafatas nuevas tiene que emplear,
entrenar, despedir en los 6 meses que vienen. Los requisitos en hora de
vuelo de azafata son los siguientes:
Mes Enero Febrero Marzo Abril Mayo Junio
N Hrs. 8,000 9,000 8,000 10,000 9,000 12,000

Una chica necesita un mes de entrenamiento, hay que

emplearla un mes antes de que sus servicios sean necesarios.

El entrenam de una chica nueva requiere el tiempo de una

azafata con experiencia regular entrenada (100 hrs. aprox)

Una azafata trabaja un mx de 150 horas c/ mes, hay 60

azafatas disponibles el primer da de Enero.

Si la demanda es menor la Ca. puede despedirlas

Despedir un azafata cuesta $1000

Una azafata regular cuesta $ 800

Una con entrenamiento $ 400

Si el 10% (azafatas regulares) renuncian por casamiento,
formular un PL para Minimizar costos.
Solucin:
Xij = N de azafatas que en el mes I (Ene(1)-Feb(2)...Jun(6)) se encuentran
en la situacin J (1:regular- 2:entrenamiento 3:despedir)
Mes Empleadas Entrenamiento Despedir
Enero
Febrero
Marzo
Abril
Mayo
Junio
X
11

X
21

X
31

X
41

X
51

X
61

X
12

X
22

X
32

X
42

X
52

X
62

X
13

X
23

X
33

X
43

X
53

X
63


Comienzo de Ene hay: (60 azaf)(150 hrs. Azaf) = 9,000 hrs.
Azafata regular = 150 horas
Azafata en entren. = -100 horas
Azafata despedida = -150 horas
COSTO: $800 azafata regular / $400 en entrenam / $1,000 despedida

,
_

6
1
2
i
i x
Min Z = 800 + 400 + 1,000

,
_

6
1
1
i
i x
,
_

6
1
3
i
i x
Obs: las decisiones de despido, entren se toma al inicio de c/mes
En cuanto a las restricciones, vendran a ser las demandas en c/ mes
como veremos:
Enero : 9000 + 150x
11
- 100 x
12
- 150x
13
8,000
Febrero : 0.90(Enero) + 150x
21
- 100x
22
- 150x
23
9,000
Marzo : 0.9(Feb.) + 150 x
31
- 100x
32
- 150x
33
8,000
Abril : 0.9(Mar) + 150 x
41
- 100x
42
- 150x
43
10,000
Mayo : 0.9(Abr) + 150 x
51
- 100x
52
- 150x
53
9,000
Junio : 0.9(May) + 150 x
61
- 100x
62
- 150x
63
12,000
x
ij
0

,
_

6
1
2
i
i x
Min Z = 800 + 400 + 1,000

,
_

6
1
1
i
i x
,
_

6
1
3
i
i x
S.a
16. Un vendedor tiene 2 productos A y B. El espera ser capaz de vender a lo
ms 20 unid. de A y a lo menos 78 unid. De B. El debe vender al menos 48
unids de B para satisfacer su cuota mnima de ventas, l recibe una
comisin del 10% sobre la venta total que realiza. Pero el debe pagar sus
propios costos (que son estimados en 30 soles x hr. en hacer llamadas) de su
comisin. El esta dispuesto a emplear no ms de 160 hrs x mes en llamar a
sus clientes. Los siguientes datos estn disponibles. maximice la cantidad de
ganancia
PRODUCTO PRECIO
VENTA
soles/unidad
TIEMPO
EMPLEADO
Hora/llamada
PROBABILIDAD
DE UNA VENTA
EN LLAMADA
A
B
3,000
1,400
3
1
0.5
0.6
Solucin :
x
i
= N de llamadas para vender el producto i, (i= 1..2)
S.a:
- Cantidad de productos A y B vendidos
0.5x
1
20
48 0.60x
2
78
- Tiempo empleado en hacer llamadas
3x
1
+ x
2
160
x
1
, x
2
0
F.O. :
Max z = 0.1(3,000(0.5)x
1
+ 1400(0.6)x
2
) - 30(3x
1
+ x
2
)
17. Un contratista considera una propuesta pa la pavimentac de un
camino. Las especificaciones requieren un espesor mn 12'' y un
mxde 48''. El camino debe ser pavimentado en concreto, asfalto o
gravilla, o combinacin de los tres.
Sin embargo, las especificaciones requieren una consistencia final =
o > que la correspondiente a una superficie de concreto de 9'' de
espesor. Se sabe que:

3'' de su asfalto son tan resistentes como 1'' de

concreto,

6'' de gravilla son tan resistentes como 1'' de

concreto.
C/ pulgada de espesor por yarda cuadrada de concreto=S/ 1,000, el
asfalto S/3,800 y la gravilla S/1,500
Det la combinacin de materiales que usara para Min costos.
Solucin:
x
1
= N de pulg de espesor de concreto
x
2
= N de pulg de espesor de asfalto
x
3
= N de pulg de espesor de gravilla
Dependiendo del costo de espesor, tenemos:
Min Z = 1,000x
1
+ 3,800x
2
+ 1,500x
3

S.a:
x
1
+ x
2
+ x
3
12
x
1
+ x
2
+ x
3
48
x
1
+ x
2
/3 + x
3
/6 9
x
j
0; j = 1,...,3
18. Una refinera mezcla 5 crudos para producir 2 grados de
gasolina "A" y "B". Ver Separata ...
Crudo Nmero de
Octanos
Barriles/da Costo por
Barril
(soles)
1
2
3
4
5
70
80
85
90
99
2,000
4,000
4,000
5,000
3,000
80
90
95
115
200
Cul debe ser la produccin de gasolina "A" y "B"?
Cmo debemos mezclar los crudos?
Solucin :
xij = N de barriles de i-simo crudo dedicados al j-simo
grado de gasolina y al crudo que no se utiliza(C).
Utilidad = Ventas - Costos
F.O :
Max Z = 195x
1A
+ 285x
2A
+ 280x
3A
+ 260x
4A
+ 175 x
5A
+
205x
1B
+ 190x
3B
+ 170x
4B
+ 85x
5B
+ 45x
1C
+
35x
2C
+ 30x
3C
+ 160x
4C
+ 174x
5C

Ventas
= 375(x
1A
+ x
2A
+ x
3A
+ x
4A
+ x
5A
) + 285 (x
1B
+ x
2B
+ x
3B
+ x
4B

+ x
5B
) + 275(x
4C
+ x
5C
) + 1250 (x
3C
+ x
2C
+ x
1C
)
Costos
= 80 (x
1A
+ x
1B
+ x
1C
) + 900 (x
2A
+ x
2B
+ x
2C
) + 95(x
3A
+
x
3B
+ x
3C
) + 115 (x
4A
+ x
4B
+ x
4C
) + 2000 (x
5A
+ x
5B
+
x
5C
)

Restricciones debido al octanaje de gasolina "A"

Restricciones debido al octanaje de gasolina "B"

Se debe producir al menos 8000 barriles diarios

de gasolina tipo "B"

Restricciones debido a la disponibilidad de los crudos

S.A :
a) Restricciones debido al octanaje de gasolina "A"

70x
1A
+80x
2A
+ 85x
3A
+ 90x
4A
+ 99x
5A
95
X
1A
+ x
2A
+ x
3A
+ x
4A
+ x
5A
Simplificando
x
5A
+ 5x
4A
-15x
1B
- 5x
2B
0
b) Restricciones debido al octanaje de gasolina "B"
70x
1B
+80x
2B
+ 85x
3B
+ 90x
4B
+ 99x
5B
8
x
1B
+ x
2B
+ x
3B
+ x
4B
+ x
5B
Simplificando
14x
5B
+ 5x
4B
+x
4B
+ x
5B
0
c)S
e debe producir al menos 8000 barriles diarios de gasolina tipo
"B"
x
1B
+ x
2B
+ x
3B
+ x
4B
+ x
5B
8000


d)R
estricciones debido a la disponibilidad de los crudos
x
1A
+ x
1B
+ x
1C
= 2000
x
2A
+ x
2B
+ x
2C
= 4000
x
3A
+ x
3B
+ x
3C
= 4000
x
4A
+ x
4B
+ x
4C
= 5000
x
5A
+ x
5B
+ x
5C
= 3000

x
ij
0, i = 1,2,3,4,5; j = A, B, C
19. Los almacenes Howard han de reabastecerse de 5 productos
populares. Como se ve en la siguiente tabla:
Producto Precio de
Compra
Precio de
Venta
Ventas
Mensuales
Espacio de
Almacenamiento
de pies
3
/100
A
B
C
D
E
0.90
1.50
1.30
2.70
0.40
1.40
2.00
1.85
3.50
0.75
1,000
800
750
1,000
2,000
20
25
40
11
50

Se quiere maximizar las ventas bajo las sgtes. condiciones:

La empresa comprar al menos la venta de un mes, pero

ms de lo necesario para dos meses de cada producto.

El vendedor da dscto del 10% sobre todas las mercancas

que se compren x encima de las necesidades mensuales.

El almacn tiene un total de: S/. 10,000 para comprar, 2,500

pies
3
de espacio para guardarlos.

Suponemos que todos los productos comprados se

suministrarn inmediatamente.
Cul debe ser la compra a realizar por el director de los
almacenes?
Solucin:
x
i
= N de prod comprados sin descuento.(i = A,..., E)
y
j
= N de prod comprados con descuento (j= A,..., E)
VENTA - COMPRA
La funcin objetiva se obtiene de:
Producto Precio de
Compra
Precio de
Venta
Ventas
Mensuales
Espacio de
Almacenamiento
de pies
3
/100
A
B
C
D
E
0.90
1.50
1.30
2.70
0.40
1.40
2.00
1.85
3.50
0.75
1,000
800
750
1,000
2,000
20
25
40
11
50

1.40(x
A
+y
A
)+2(x
B
+y
B
)+1.85(x
C
+y
C
) + 3.50(x
D
+y
D
) + 0.75(x
E
+ y
E
)
0.90x
A
+ 1.50x
B
+ 1.30x
C
+ 2.70x
D
+ 0.40x
E

Max Z = 1.40(x
A
+ y
A
) + 2(x
B
+ y
B
) + 1.85(x
C
+ y
C
) + 3.50(x
D
+ y
D
) +
0.75(x
E
+ y
E
) - [0.90x
A
+ 1.50x
B
+ 1.30x
C
+ 2.70x
D
+ 0.40x
E
+
0.90(0.90y
A
+ 1.50y
B
+ 1.30y
C
+ 2.70y
D
+ 0.40y
E
)]
Existen tres tipos de restricciones:
Por Ventas Mensuales
1,000 x
A
+ y
A
2,000
800 x
B
+ y
B
1,600
750 x
C
+ y
C
1,500
1,000 x
D
+ y
D
2,000
2,000 x
E
+ y
E
4,100
Por Disponibilidad de dinero
0.90x
A
+ 1.50x
B
+ 1.30x
C
+ 2.70x
D
+ 0.40x
E
+ 0.90(0.90y
A
+
1.50y
B
+1.30y
C
+ 2.70y
D
+ 0.40y
E
) 10,000
Por Espacio disponible
0.20(x
A
+ y
A
) + 0.25(x
B
+ y
B
) + 0.40(x
C
+ y
C
) +0.11(x
D
+
y
D
) +0.50(x
E
+ y
E
) 2,500
20. Una compaa extrae tres tipos de mineral en tres pozos
distintos, para ello cuenta con tres equipos de las siguientes
caractersticas:
E q u i p os P 1 P 2 P 3 D a s d e m a n t en ci n
P or m e s ( 30 d a s )
E
1
E
2
E
3
9 0
6 5
5 0
7 0
8 0
7 0
7 8
6 5
8 5
5
2
2
Equipos P1 P2 P3
E
4
90 70 78 Ton/da
Se necesita un 4 to equipo ,que est disponible los 30 das del mes, pero no se
arrienda por menos de 10 das/mes.

La empresa que recibe el material admite las

capacidades siguientes:

Los costos de operacin que tiene cada equipo estn en

el cuadro adjunto (S/. por da)

Los gastos en salario y jornales de la mano de obra

asociada a cada equipo son:

Suponiendo que los pozos deben explotarse los 30 das
del mes plantee en forma normal el P.L. de manera que el
programa de explotacin produzca mximas utilidades. Si el
precio de cada tonelada es de S/. 3,500
Mineral Pozo P1 .......... 2,500 ton/mes
Mineral Pozo P2 .......... 2,300 ton/mes
Mineral Pozo P3 .......... 2,500 ton/mes
Los cost os de oper acin que tiene cada equipo estn en el cuadr o adjunto (S/. por da)
Equipos P1 P2 P3
E
1
E
2
E
3
E
4
120
40
90
150
250
170
100
300
220
200
210
250
L o s g a s t o s e n s a l a r i o y j o r n a l e s d e l a m a n o d e o b r a a s o c i a d a a c a d a e q u i p o s o n :
E q u i p o s E 1 E 2 E 3 E 4
S / . d a 2 2 0 3 5 0 3 0 0 4 0 0
x
ij
= N de das del equipo i dedicados a la mina j por mes
1 2 3
1
2
3
4
x
11
x
12
x
13
x
21
x
22
x
23
x
31
x
32
x
33
x
41
x
42
x
43
Solucin :
Definicin de variables
Utilidad = Ingresos -C. de Operacin -C. de Mano de Obra
F.O. :
Sujeto a:

Por capacidad disponible

Por nmero de das que trabaja cada equipo

Por nmero de das que trabaja la mina

Ingresos
= 3,500(90x
11
+ 65x
21
+ 50x
31
+ 90x
41
+ 65x
12
+ 80x
22
+ 70x
32

+ 72x
42
+ 78x
13
+ 65x
23
+ 85x
33
+ 58x
43
)
Costo de Operacin
= 120x
11
+ 40x
21
+ 90x
31
+ 150x
41
+ 250x
12
+ 170x
22
+ 100x
32

+ 300x
42
+ 220x
13
+ 200x
23
+ 210x
33
+ 2,500x
34
Costo de mano de Obra
= 200(x
11
+ x
12
+ x
13
) + 350 (x
21
+ x
22
+ x
23
) + 300(x
31
+
x
32
+ x
33
) + 400 (x
41
+ x
42
+ x
43
)
Por capacidad disponible
90x
11
+ 65x
21
+ 50x
31
+ 90x
41
2,500
65x
12
+ 80x
22
+ 70x
32
+ 72x
42
2,300
78x
13
+ 65x
23
+ 85x
33
+ 58x
43
2,250
Por nmero de das que trabaja cada
equipo:
x
11
+ x
12
+ x
13
25
x
21
+ x
22
+ x
23
28
x
31
+ x
32
+ x
33
28
10 x
41
+ x
42
+ x
43
30
Por nmero de das que trabaja la
mina:
x
11
+ x
12
+ x
13
+ x
41
= 30
x
12
+ x
22
+ x
32
+ x
42
= 30
x
13
+ x
23
+ x
33
+ x
43
= 30
x
ij
0
METODO SIMPLEX
SOLUCIONES OPTIMAS NO ACOTADAS
SOLUCIONES OPTIMAS MULTIPLES
METODO PENAL
METODO DE DOBLE FASE
PROBLEMAS DE MINIMIZACIN
PROGRAMACION
PROGRAMACION
LINEAL
LINEAL
PROBLEMAS NO SOLUBLES
Max Z = Cx
s. a.
Ax b
x 0

Paso 1: Dado cualquier P.L. transfrmese por medio de las

reglas de equivalencia al P.L. cannico.
ALGORITMO DEL METODO SIMPLEX
Paso 2: Reescrbase la F.O. de la siguiente manera
Z - Cx =0
METODO
METODO
SIMPLEX
SIMPLEX
Paso 3: Convirtase todas las desigualdades a igualdades usando
variables de holgura; entonces la forma cannica se convierte en:
Max Z - Cx = 0
Ax + x = b x = vector de variables de holgura
x 0, x 0
Escribiendo en forma desarrollada:
Z- c x - c x - ... - c x = 0
a x +a x + ... +a x + x = b
a x +a x + ... +a x + x = b
........................................................
a x +a x + ... +a x + x = b
x 0, x 0, ...,
1 1 2 2 n n
11 1 12 2 1n n n+1 1
21 1 22 2 2n n n+2 2
m 1 m2 2 mn n n+m m
1 2
x 0,
x 0, ..., x m 0, .... variables de holgura
n
n+1 n

La adicin de las variables de holgura crea la primera base B,

que resulta de la matriz identidad. Esto, a su vez, genera el
primer punto extremo de la regin de factibilidad
Paso 4: Constryase una tabla con los coeficientes del P.L.
Z x
1
, x
2
, ..., x
n
X
n+1
, x
n+2
, ..., x
n+m

1 C
B
B
-1
A-C C
B
B
-1
C
B
X
B
a
B1
a
B2
.
.
.
a
Bm


0



B
-1
A


B
-1


X
B
Paso 5: Seleccione como vector de entrada aquel cuya Z
j
- C
j
sea
la ms negativa. Si no hay candidato de entrada, es decir que todas
las Z
j
- C
j
>=0 para todo j en A, la solucin x
B
mostrado en la tabla
es ptimo. En caso que exista un empate entre varios vectores,
rmpase el empate arbitrariamente.

'

> 0 /
j
j
k
j
r
k
k
b
k
r
B
y
y
x
y
x
min
Paso 6: Una vez seleccionado la columna a
j
que entrar a la nueva
base, seleccinese el vector de salida a
r
de base actual usando:
Forma desarrollada del tablero Simplex
Forma desarrollada del tablero Simplex

Z x
1
, x
2
, ..., x
n
X
n+1
, x
n+2
, ..., x
n+m

1 Z
1
-C
1
Z
2
-C
2
... Z
n
-C
n
Z
n+1
-C
n+1
Z
n+2
-C
n+2
... Z
n+m
-C
n+m
Z
0
a
B1
a
B2
.
.
.
a
Bm
0
0
.
.
.
0
Y
11
Y
12
... Y
1n
Y
21
Y
22
... Y
2n
.................
.................
.................
Y
m1
Y
m2
... Y
mn
Y
1,n+1
Y
1,n+2
... Y
1,n+m
Y
2,n+1
Y
2,n+2
... Y
2,n+m
.................
.................
.................
Y
m,n+1
Y
m,n+2
... Y
m,n+m
X
B1
X
B2
.
.
.
X
Bm
NOTA:
Paso 7: La interseccin en el tablero de la columna que entra
con la columna que sale determina el elemento pivot y
rj
.

Aplquese operaciones matriciales elementales en el pivot y
rj

con el objeto de convertir a la columna a
j
en el vector unitario
e
r
. Es decir, ceros en toda la columna y uno en la r-ava
componente, que resulta ser y
rj
. Regrese al paso 5.
En caso de que todas las y
kj
del denominador
sean negativos, se tiene el caso de una
solucin no acotada.
En caso de que exista un empate entre varios
vectores candidatos hay que aplicar las
reglas lexicogrficas para romper el empate;
una decisin arbitraria puede causar que el
proceso cicle continuamente sin alcanzar la
solucin ptima.
Por ejemplo: si la columna seleccionada al entrar a la base es a
2
y
la fila a salir es a
7
hgase el elemento y
72
del tablero
igual a uno y al resto de componentes de la columna
a
2
, ceros (incluyendo a Z
2
- C
2
) mediante el uso de
operaciones elementales matriciales.
Este paso genera una nueva
base B, un nuevo punto
extremo x
B
y un nuevo valor
de la F.O (Z).
Operaciones Matriciales Elementales.
Estas operaciones afectan nicamente a las filas de la matriz.
Existen tres clases de operaciones de este tipo:
a) Multiplicar o dividir una fila de una matriz por un
escalar diferente de cero.
b) Aadir o restar de una fila el mltiplo de otra.
c) Intercambiar dos filas.
T r a n s f o r m e s e p o r m e d i o d e r e g l a s d e
e q u i v a l e n c i a a l a f o r m a c a n o n i c a
M a x Z = C X
A X < = b
X > = 0
R e - e s c r i b a s e l a F O . d e l a
s i g u i e n t e m a n e r a :
Z - C X = 0
C o n v i e r t e s e t o d a s l a s d e s i g u a l d a d e s e n
i g u a l d a d e s a g r e g a n d o v a r i a b l e s d e h o l g u r a
M a x Z - C X = 0
A X + X = b
X > = 0 , X > = 0
C o n s t r u y a s e u n t a b l e r o c o n
l o s c o e f i c i e n t e s d e l P L .
I N I C I O
D a d o u n
P r o g r a m a
L i n e a l
C o n d i c i o n d e
O p t i m a l i d a d
Z
j
- C
j
> = 0
S e l e c c i o n e s e c o m o v e c t o r d e
e n t r a d a a q u e l c u y o Z
j
- C
j
s e a
e l m a s n e g a t i v o .
S e l e c c i o n e s e e l v e c t o r d e
s a l i d a a r d e l a b a s e a c t u a l :
X B r = m i n { X B k | Y k j > 0 }
Y r j k Y k j .
A p l i q u e o p e r a c i o n e s m a t r i c i a l e s
e l e m e n t a l e s e n e l P i v o t Y r j c o n e l
o b j e t o d e c o n v e r t i r l a c o l u m n a a j
e n u n v e c t o r u n i t a r i o
S
N o
L a s o l u c i o n X B
m o s t r a d a e s O p t i m a .
F I N
Ejemplo: Resuelva por el mtodo Simplex el siguiente problema:

El Dueo de una planta produce nicamente dos tipos de cerveza: blanca y negra.
Existen tecnologas bastante diferentes para la elaboracin de cada uno de los tipos de
cerveza, obviamnete cada tipo de tecnologa a un costo diferente el dueo de la planta no
sabe cual deba ser su produccin ptima semanal de cada producto , y por lo tanto se
decide a identificar dos variables de decisin.
X
1
: miles de litros de cerveza blanca a producir en una semana .
X
2
: miles de litros de cerveza negra a producir en una semana .

El precio al mayoreo de 1000 litros de cerveza blanca es $ 5 000 , mientras

que el precio al mayoreo de 1000 litros de cerveza negra es de $ 3 000.

Un estudio de tiempos y movimientos ha desmotrado que para producir mil

litros de cerveza blanca se requiere un total de 3 obreros en el proceso de
produccin, en cambio se requiere 5 obreros para producir 1000 litros de cerveza
negra, supongamos que la planta tiene un total de 15 obreros, tambin se sabe que
para producir 1000 litros de cerveza blanca es de $ 500, mientras que 1000 litros
de cerveza negra le cuesta al dueo $200 su capital no le permite gastar ms de
$1000 semanales en la produccin de X
1
, X
2
.
Cules deben ser los niveles de produccin semanal de cerveza blanca y cerveza
negra que maximicen el ingreso por concepto de venta semanal ?.
Solucin :
0
2
x ,
1
x ; ) produccion de costos de n (restricci 10
2
2x
1
5x
obra) de mano de n (restricci 15
2
5x
1
3x : Sa
2
3000x
1
5000x Max Z
+
+
+
Paso 1:
El P.L. es Cannico.
Generar Z 5000x
1
3000x
2
= 0
holgura de variables
4
x ,
3
x ; 0
4
x ,
3
x ,
2
x ,
1
x
10
4
x
2
2x
1
5x
15
3
x
2
5x
1
3x : Sa
0
2
3000x
1
5000x Z Max

+ +
+ +

x
3
= Es la diferencia entre el nro de obreros
que se van a utilizar en la produccin
ptima y los que hay disponibles.
x
4
= Es la diferencia entre el capital que se
va a gastar semanalmente en la produccin
ptima y el capital disponible.
Paso 2:
Paso 3: Generar la siguiente estructura:
Paso 4: Tablero:
Z x
1
x
2
x
3
x
4
Z
0
1 5000 3000 0 0 0
Vectores
en la
base
a
3

a
4
0

0
3

5
5

2
1

0
0

1
15

10
Comparando este tablero con la siguiente estructura
general:
1 C
B
B
-1
A-C C
B
B
-1
Z
0
0

B
-1
A B
-1
X
B
1
]
1

1
]
1

1
1
1
1
]
1

1
]
1

1
]
1

1
]
1

1
]
1

1
]
1

0
0
,
), , ( ), 3000 , 5000 ( ) , (
), 0 , 0 ( ) , ( ,
2 5
5 3
0 ,
10
15
,
1 0
0 1
2
1
2
1
4
3
4 3 2 2 1 1
1
3 3 3 3
1 1
0
4
3 1
x
x
x
x
x
x
x
x
x
x
a a B c z c z C A B C
c z c z B C A B
z
x
x
x B
N
N
B
B
B
B
Paso 5 : Indica que hay que seleccionar todas las Z
j
- C
j
< 0 para toda
columna j en A que no pertenezca a la base actual B. Las nicas columnas
que no pertenecen son a
1
y a
2
. Se debe seleccionar al ms negativo de estas Z
j

- C
j

Z
j
- C
j
= Min {5000, 3000} = 5000 entra a
1
, j=1

'

> 0 /
min
1
j
j
k r
k
k
b
k
r
B
y
y
x
y
x
sabiendo que j=1 se
tiene:
4 3
4
1
a a
base la de sale 2 } 2 , 5 min{
5
10
,
3
15
min
a
y
x
k
r
B
r

'

Por lo que la columna a entrar a la nueva base es a

1
. Para ver que vector a
r

debe salir de la base actual se aplica el paso 6. Los nicos candidatos a salir
estn dados por la regla:
Sabiendo que el vector a
1
es el que debe entrar y a
4
el que va salir, el pivot
queda determinado. El pivot en este caso es el elemento y
21
=5, tal como se
muestra
Z x
1
x
2
x
3
x
4
Z
0
1 -5000 -3000 0 0 0
Vectores
en la
base
a
3

a
4
0

0
3 5

5 2
1 0

0 1
15

10
Pivot
y
21
=5
Para encontrar la nueva base hay que convertir la columna a
1
en una
columna unitaria e
2
, con un uno en la segunda componente y ceros en el
resto de la columna, incluyendo Z
j
- Cj. Esto se logra con operaciones
matriciales elementales :
Z x
1
x
2
x
3
x
4
Z
0
1 0 -1000 0 1000 10 000
Vectores
en la
base
a
3

a
1
0

0
0 19/5

1 2/5
1 -3/5

0 1/5
9

2

Se ha terminado una iteracin completa del mtodo Simplex. En esta iteracin,

el proceso se ha movido de un punto extremo con componentes x
1
=0, x
2
=0, x
3
=15 y
x
4
=10, correspondientes a la base B=(a
3
,a
4
) y en donde la F.O. es igual a cero, a otro
punto extremo con componentes x
1
=2, x
2
=0, x
3
=9 y x
4
=0, correspondiente a la
nueva base B=( a
3
,a
1
) y a un nuevo valor de la F.O. de
10 000.
columna a
1
en una columna unitaria e
2
19
45
2
10
,
19
45

5
2
2
,
5
19
9
min
min
2

'

'

k
k
r
B
y
x
r
Sin embargo como Z
2
- C
2
=-1000 < 0, es negativo, el valor de la F.O. puede an
mejorarse. Repitiendo otra iteracin del mtodo Simplex, se tiene que a
2
entra a la
nueva base y que:
Z x
1
x
2
x
3
x
4
Z
0
1 0 -1000 0 1000 10 000
Vectores
en la
base
a
3

a
1
0

0
1 19/5

1 2/5
1 -3/5

0 1/5
9

2
Nuevo pivot
Vectores
Z x
1
x
2
x
3
x
4
Z
0
1 0 0 5000/19 1600/19 235 000/19
en la
base
a
2

a
1
0

0
0 1

1 0
5/19 -3/19

-2/19 25/19
45/19

20/19
columna a
2
en una columna unitaria e
1
La nueva solucin o punto extremo correspondiente a la nueva base B=(a
2
, a
1
), que por
cierto ya es ptima porque tiene todas las Z
j
- C
j
>= 0, es:
x =
20
19
=1.052 mile s de botel las de cer veza blanc a.
x =
45
19
= 2.368 mile s de botel las de cer veza negra .
x = 0 exceso d e obreros.
x = 0 exceso d e capotal semanal.
Z =
235000
19
= $12,368.42 de utili dad semana l.
1
2
3
4
SOLUCIONES OPTIMAS NO ACOTADAS
Se tiene el siguiente P.L. en su forma cannica
Grficamente :
0 X 0, X
4 2X X -
2 X 2 2X -
: .
X 4 4X Max Z
2 1
2 1
2 1
2 1

+
+
+
a s
(1)
Z=8
Z incrementa
2
1
X
1
4
X
2
(2)
Z=0
SOLUCIONES
OPTIMAS NO
ACOTADAS
0 X
b AX : s.a
CX Max Z

Paso1. Supngase un problema lineal en forma cannica:

Paso2. En cualquier Iteracin del Mtodo Simplex, el vector que entra a la
base es el a
k.

Paso3. Si todos los Y
ik
son menores que cero para todo i=1-m la
solucin del P.L. es no acotado, ir al paso4, caso contrario continuar con el
algoritmo del mtodo simplex.
PROPOSICION
Supngase el problema lineal en forma cannica
Supngase que en cualquier iteracin del mtodo simplex, el vector que
entra a la base es a
k
. Entonces si todas las soluciones del
P.L es no acotado.
m, , 1, i
0 X
b AX : s.a
CX Max Z

0, Y
ik

ALGORITMO
Paso4. Fin.
I n i c i o
D a d o e l P . L . e n s u
f o r m a c a n n i c a
E n c u a l q u i e r i t e r a c i n d e l M S e l
v e c t o r q u e e n t r a a l a b a s e e s a
k
T o d o s l o s ( Y
i k
< 0 )
p a r a t o d o i = 1 - m
C o n t i n u a r c o n
A lg o r i t m o d e l
M t o d o S i m p l e x
I m p r im i r :
" S o l u c i n N o
A c o t a d a "
f i n
s i n o
A p l i c a r e l a l g o r i t m o
d e l M t o d o s i m p l e x
DIAGRAMA DE FLUJO
EJEMPLO

4 - 1 i 0, X
4 X 2X X -
2 X X 2 2X -
0 X 0 X 0 X 4 4X - Z
0 X 0, X
4 2X X -
2 X 2 2X -
: a . s
X 4 4X MaxZ
i
4 2 1
3 2 1
4 3 2 1
2 1
2 1
2 1
2 1

+ +
+ +


+
+
+
Resulvase por el mtodo simplex el siguiente P.L.
Z X
1
X
2
X
3
X
4
Z
1 -4 -4 0 0 0
X
3
0 -2 2 1 0 2
X
4
0 -1 2 0 1 4
Tablero Inicial
Y
i2
>0, i=1-2
Pivot
Como algunos
Y
i1
>0, i=1-2
Primera Iteracin
Z X
1
X
2
X
3
X
4
Z
1 -8 0 2 0 4
X
2
0 -1 1 1/2 0 1
X
4
0 1 0 -1 1 2
Pivot
Segunda Iteracin
Z X
1
X
2
X
3
X
4
Z
1 0 0 -6 8 20
X
2
0 0 1 -1/2 1 3
X
1
0 1 0 -1 1 2
Se tiene el siguiente tablero que an no es ptimo y se debe seleccionar el
nuevo vector de entrada que es X
3
.
Como todos los Y
i3
< 0, i=1-2 se concluye que la solucin del
problema es no acotado.
Como todos los
Y
i3
< 0, i=1-2
Nota:
En la segunda Iteracin X
3
debe entrar, pero como los Y
13
= -1/2 <0 y Y
23
= -1<0, y por lo
tanto la regla de seleccin del vector que debe salir de la base no se puede llevar a cabo.
Ntese tambin que esa misma condicin se encuentra en el tablero inicial, si en vez de
introducir X
2
a la base se introduce X
1.
Por tal motivo se comple el algoritmo dado y el
problema tiene solucin no acotada.
0 X 0, X
20 4X 10X
30 X 10 6X
: a . s
X 2 X 5 Max Z
2 1
2 1
2 1
2 1

+
+
+
. . . (1)
. . . (2)

Existen P.L. que no tienen una solucin ptima nica, sino que al contrario
tiene un nmero Infinito de soluciones. Tal es el caso del siguiente Problema
Lineal.
Graficamente :
Z=0
(2)
(1)
Z=10
3
5
2
A
B
5
X
1
X
2
SOLUCIONES
OPTIMAS
MULTIPLES
Matemticamente se tiene que si X
A
es el vector del punto A y X
B
es el
vector del punto B entonces se define lo siguiente:
Es tambin ptima. La siguiente proposicin da las condiciones que
permiten identificar soluciones ptimas mltiples en un tablero del mtodo
simplex.
( ) [ ] 0,1
B
X 1
A
X X +

PROPOSICION
Dado el problema lineal en forma cannica, Mx Z=cX, sujeto a
. Si existe un vector a
k
que no este en la base cuyo correspondiente z
k
-
c
k
= 0, y todas las Y
ik
> 0, i=1, ..., m entonces el programa lineal tiene
soluciones ptimas multiples y la base es ptima.
0 X , b AX

ALGORITMO
0 X
b AX : s.a
CX Max Z

Paso1. Dado el problema en forma cannico:

Paso2. Aplicar el algoritmo del mtodo simplex al programa
lineal.
Paso3. Si existe un vector a
k
original que no est en la base cuyo
correspondiente Z
k
-C
k
= 0 y todos los Y
ik
> 0 para todo i=1-m,
entonces el problema lineal tiene soluciones ptimas multiples y
la base es ptima, ir al paso4, caso contrario la solucin
encontrada es ptima
Paso4. fin
DIAGRAMA DE FLUJO
I n i c i o
D a d o e l P . L . e n s u
f o r m a c a n n i c a
V e r i f ic a r v e c t o r e s a
k
o r i g i n a l e s
E x i s t e u n v e c t o r
o r i g i n a l q u e n o e s t e n l a
b a s e y s u c o r r e s p o n d i e n t e
z
k
- c
k
= 0 y t o d o s l o s Y
i k
> 0 ,
p a r a t o d o i = 1 - m L a s o l u c i n
e n c o n t r a d a e s
p t i m a
I m p r i m i r :
" S o l u c i n e s
M u l t i p l e s "
f i n
s i n o
A p l i c a r e l M t o d o S i m p l e x
Resuelva por el mtodo simplex el siguiente P.L.
EJERCICIO
4 - 1 i 0, X
20 X 4X 10X
30 X 10 6X
: 0 0 0 X 2 X 5 - Z
0 X 0, X
20 4X 10X
30 X 10 6X
: .
X 2 X 5 Max Z
i
4 2 1
3 2 1
4 3 2 1
2 1
2 1
2 1
2 1

+ +
+ +


+
+
+
X
X X
a s
Tablero Inicial
Z X
1
X
2
X
3
X
4
Z
1 -5 -2 0 0 0
a
3
0 6 10 1 0 30
a
4
0 10 4 0 1 20
Primera Iteracin
Z X
1
X
2
X
3
X
4
Z
1 0 0 0 10
a
3
0 0 38/5 1 -6 18
a
1
0 1 2/5 0 1/10 2
Como Z
2
-C
2
=0 y a
2
no est en la base B=( a
3
-a
1
) y todas las Y
i2
>0, i en B se
tiene una solucin ptima multiple. Sea un punto extremo ptimo el siguiente:

Da un valor ptimo de Z=10, que se verifica en el tablero anterior en la
primera iteracin.
Para ver cul sera el otro punto extremo se introduce a
2
a la base y queda el
siguiente tablero.

0
18
0
2

4
X
3
X
2
X
1
X
X
1
1
1
1
]
1

1
1
1
1
]
1

Z X
1
X
2
X
3
X
4
Z
1 0 0 0 1/2 10
a
2
0 0 1 5/38 -38/980 90/38
a
1
0 1 0 0 125/950 20/19
CONTINUACIN...
X

El tablero anterior tambin es ptimo y corresponde a un punto extremo

cuyas componentes son:
1
1
1
1
]
1

1
1
1
1
]
1

0
0
38
90
19
20

4
X
3
X
2
X
1
X
X

Cuyo valor de la funcin objetivo tambin es 10. Entonces cualquier

combinacin lineal X y tambin es ptimo, dando el mismo valor de la
funcin objetivo. Matemticamente se representa como la siguiente
expresin que tambin es un punto ptimo.
( ) 1 0
0
0
38
90
19
20
1
0
18
0
2
x
1
1
1
1
1
1
]
1

+
1
1
1
1
]
1

1
1
1
1
]
1

1
1
1
1
]
1

1
1
]
1

1
1
1
1
]
1

1
1
1
1
]
1

1
1
]
1

0
0
38 / 90
19 / 20
4
3
2
1
Y
0
0
18
2
4
2
3
1
X
X
X
X
N
X
B
x
X
X
X
X
N
X
B
x
A continuacin se ver que tipo de problema se desarrollan en un
programa de minimizacin. Donde de eliminan los problemas triviales que
son de la forma siguiente:
0 b
0 X
b AX
: a s.
X C Z Min

PROBLEMAS DE MINIMIZACION
Estos tipos de problemas tienen como solucin ptima:
( )
( ) ,0 0, ,0, 0, X
X , X X
N B

Como se puede ver grficamente a continuacin la solucin ptima es no

hacer nada.
PROBLEMAS
DE
MINIMIZACIO
N
X
1
X
2
Z
Z
Punto
Optimo
igual al vector 0. Este tipo de problemas tienen la siguiente representacin
cannica:
0 X
b AX
: a s.
X C Z Min

EJEMPLO
0
2
X 0,
1
X
18
2
2X
1
X 3
6
2
X
4
1
X
: a s.

2
X 5
1
X 3 - Z Min

+

+
0
2
X 0,
1
X
18 -
2
2X -
1
X 3 -
6
2
X
4
1
X
: a s.

2
X 5 -
1
X 3 ) (-Z h Max
: C . F
0
2
X 0,
1
X
18
2
2X
1
X 3
6
2
X
4
1
X
: a s.

2
X 5 -
1
X 3 ) (-Z Max

Por el Mtodo Simplex conduce a

resolver lo siguiente.
El problema se puede reescribir.
H X
1
X
2
X
3
X
4
X
5
Z
1 -3 5 0 0 0 0
a
3
0 1 0 1 0 0 4
a
4
0 0 1 0 1 0 6
a
5
0 -3 -2 0 0 1 -18
Observamos en el tablero que existe una solucin que no es factible:
1
1
1
1
1
1
1
]
1

1
1
1
1
1
1
1
1
]
1

1
1
]
1

0
0
18
6
4
2
X
1
X
5
X
4
X
3
X
N
X
B
X
: siguiente solucion la tenemos 0 Z Cuando
Agregando varianbles de Holgura lo llevamos al tablero del Mtodo Simplex
y tenemos lo siguiente:
Esta solucin no es factible por que X
5

= -18 que es menor que cero, est
violando la restriccin de no
negatividad .Se concluye que para
problemas de minimizacin no
triviales, el mtodo simplex no
funciona.
0 vector W el 0 X
b X A
: a s.
X C Z Min
P.O. al optima tambin Es
0 w
0 Y
0 X
b W Y - AX
: a s.
W M X C Z Min

+
+
donde:
W=Vector de variables artificiales y penalizado.
M=Vector de valores positivos arbitrarios muy elevados.
Efectuaremos el Algoritmo del Mtodo Penal juntamente con su
ejemplo:
Dado el P.L. de la siguiente forma:
Paso 2 :
Opt z = CX
s.a : AX B
>
X 0
Convertirlo a la forma Estndar
Verificamos si el PL no viola las condiciones de
no negatividad y de factibilidad.
Si es Si ir al Paso 5 ; Caso contrario continuar
con el Paso 3.
Reestablecer la base, se quiere que la base B est
compuesta de las variables de holgura y artificiales,
se necesita que W sea un vector unitario tipo e
n
.
Para esto se convierte Z
W1
C
W1
en cero, mediante
el uso de operaciones matriciales elementales;
haciendo as que la solucin inicial es factible y
bsica.
Agregar un vector W a cada restriccin en donde
no existan variable Donde : M es un vector de
valores positivos arbitrarios muy elevados (M>>>
0).
W es un vector de variables artificiales s de
holgura y penalizar a la FO con un costo MW
en caso de Maximizacin o +MW en caso de
minimizacin .
Visualizaremos el ltimo tablero Simplex , en
donde verificaremos la condicin de optimalidad.
FIN
Aplicar el mtodo Simplex ( implementado para
soluciones no acotadas)..
Observar si existe un W en la base , de ser as no
hay solucin ptima ir al paso 8.
Caso contrario no exista un W en la base, osea
W=0 y se a retornado al problema original, cuya
solucin ptima est garantizada por el Mtodo
Simplex.
0
2
X 0,
1
X
18
2
2X
1
X 3
6
2
X
4
1
X
: a s.

2
X 5
1
X 3 - Z Min

+

+
0
2
X 0,
1
X
18
2
2X
1
X 3
6
2
X
4
1
X
: a s.

2
X 5
1
X 3 - Z Min

+

+
5 - 1 i 0, X
18 X - 2X X 3
6 X X
4 X X
: a s.
X 5 - X 3 Z - h
i
5 2 1
4 2
3 1
2 1

+
+
+
Max
0 W 5 - 1 i 0, X
18 W X - 2X X 3
6 X X
4 X X
: a s.
MW - X 5 - X 3 Z - h Max
: tenemos W artificial variable la ndo Introducie
1 i
1 5 2 1
4 2
3 1
1 2 1
1

+ +
+
+

Llevando al tablero Simplex tenemos:
H X
1
X
2
X
3
X
4
X
5
W
1
Z
1 -3 5 0 0 0 M 0
X
3
0 1 0 1 0 0 0 4
X
4
0 0 1 0 1 0 0 6
X
W1
0 3 2 0 0 -1 1 18

0 W 5 - 1 i 0, X
18 W X - 2X X 3
6 X X
4 X X
: a s.
MW - X 5 - X 3 Z - h Max
: tenemos W artificial variable la ndo Introducie
1 i
1 5 2 1
4 2
3 1
1 2 1
1

+ +
+
+

H X
1
X
2
X
3
X
4
X
5
W
1
Z
1 -3 5 0 0 0 M 0
X
3
0 1 0 1 0 0 0 4
X
4
0 0 1 0 1 0 0 6
X
W1
0 3 2 0 0 -1 1 18

Tablero Transformado
H X
1
X
2
X
3
X
4
X
5
W
1
Z
1 -3-3M 5-2M 0 0 M 0 -18M
X
3
0 1 0 1 0 0 0 4
X
4
0 0 1 0 1 0 0 6
X
W1
0 3 2 0 0 -1 1 18

De aqu en adelante aplicamos el Mtodo Simplex
Primera Iteracin
Primera Iteracin

Vector que ingresa a la base X
2
.
Vector que sale de la base X
w1
H X
1
X
2
X
3
X
4
X
5
W
1
Z
1 0 5-2M 3+3M 0 M 0 12-6M
X
1
0 1 0 1 0 0 0 4
X
4
0 0 1 0 1 0 0 6
X
W1
0 0 2 -3 0 -1 1 6

Ultimo
Ultimo
tablero
tablero

H X
1
X
2
X
3
X
4
X
5
W
1
Z
1 0 0 21/2 0 5/2 M-5/2 -3
X
1
0 1 0 1 0 0 0 4
X
4
0 0 0 3/2 1 - 3
X
2
0 0 1 -3/2 0 - 3

Ahora en el ltimo tablero ptimo se verifica si el vector W sigue
en la base:
H X
1
X
2
X
3
X
4
X
5
W
1
Z
1 0 0 21/2 0 5/2 M-5/2 -3
X
1
0 1 0 1 0 0 0 4
X
4
0 0 0 3/2 1 - 3
X
2
0 0 1 -3/2 0 - 3

ptimo es problema el 0
1
y W 0
j
C
j
Z Como
3 Z
3 Z h
0
0
0
3
3
4

1
W
5
X
3
X
2
X
4
X
1
X
N
X
B
X

1
1
1
1
1
1
]
1

1
1
1
1
1
1
]
1

1
]
1

Los PL no tienen soluc cuando sus restricciones son inconsistentes.

Veamos la aplicacin, con el ejemplo:
0 W 4 - 1 i 0, X
4 W X - X X
2 X X X
: a s.
MW - 0X 0X - X 2 X 2 Z Max
: tenemos Penal Mtodo el Por
0 X 0, X
4 X X
2 X X
: a s.
X 2 X 2 Z Max
1 i
1 4 2 1
3 2 1
1 4 3 2 1
2 1
2 1
2 1
2 1

+ +
+ +
+ +

+
+
+
Tablero Inicial
Tablero Inicial
Como W
1
est en la base, se debe restablecer la base
convirtindolo en un vector unitario e
3
.
Z X
1
X
2
X
3
X
4
W
1
Z
1 -2 -2 0 0 M 0
X
3
0 1 1 1 0 0 2
W
1
0 1 1 0 -1 1 4

Aplicando el algoritmo del M. Penal en el tablero sgte :
Z X
1
X
2
X
3
X
4
W
1
Z
1 -2-M -2-M 0 M 0 -4M
X
3
0 1 1 1 0 0 2
W
1
0 1 1 0 -1 1 4

Z X
1
X
2
X
3
X
4
W
1
Z
1 -2-M -2-M 0 M 0 -4M
X
3
0 1 1 1 0 0 2
W
1
0 1 1 0 -1 1 4

1ra Iteracin
1ra Iteracin
Vector que ingresa a la base X
1
.
Vector que sale de la base es X
3
.
Z X
1
X
2
X
3
X
4
X
5
Z
1 0 0 2+M M 0 4-2M
X
1
0 1 1 1 0 0 2
W
1
0 0 0 -1 -1 1 2

Como los (Zj Cj) >=0 entonces se cumple el criterio de
Optimalidad pero W
1
no sale de la base(W
1
=2) por lo tanto el
problema no tiene solucin.
es igual al M.Penal, soloque primero se introducen las variables
artificiales al Problema Original.
0 W 0, Y 0, X
b W Y - AX
: a s.
X C Z Min
: como Quedando
0 X
b AX
: a s.
X C Z Min

+

Dado el P.L. de la siguiente forma:

0 X
b AX
: a sujeta
CX Z Min

Si el PL puede resolverse por el M.Simplex, entonces

seguir con los pasos del algoritmo del M.Simplex, e ir
al paso7. Caso contrario seguir al paso3
0 W , 0 Y 0, X
b W Y - AX
: a . s
W Min
p
1 i
i

+

0 X
b AX
: a sujeta
CX Z Min

La Soluc Opt. de la I Fase debe ser cuando W=0

Si Obtenemos las condiciones de Optimalidad Zj-Cj >0 en
la Fase I y W>0 el problema original no tiene solucin, ir
al paso 6.
Supngase que la Fase I es ptimo es decir W=0, y que
la base asociada al tablero es B, aplicar la II Fase.
II Fase:
Se aplica el M. Simplex para resolver el siguiente modelo:
0 Y 0, X
b B Y B - AX B
: a s.
X C Z Min
1 - 1 - 1 -

FIN
Anteriormente se dijo que al existir un Empate para decidir que vector
entra a la base esto se decide arbitrariamente sin ningn efecto en el
nmero de iteraciones del mtodo simplex. En cambio un empate en el
vector de salida no puede puede decidirse arbitrariamente porque
puede ocacionar un ciclaje.
II Fase:
Se aplica el M. Simplex para resolver el siguiente modelo:
fdgjdgj