Universidad Tcnica Federico Santa Mara

Fundamentos de Investigacin de Operaciones

Tarea N o1

Profesor: Profesor: Alvaro Luzzi

Ayudante: Mara Jos Astudillo N.
Realizado por:
Csar Guerrero 201023055-4
Cristian Knuckey 201002001-0
Viernes 22 Abril, 2016

Fund. de Inv. de Operaciones ILI281 Par: 1

UTFSM

ndice

1. Modelamiento - Programacin Lineal

2. Resolucin de modelos

3
3

3. Anlisis de sensibilidad

2.1. Resolucin mediante el mtodo Simplex. . . . . . . . . . . . . . . . . . . . . . . . . .

2.2. Resolucin mediante el software LPSolve . . . . . . . . . . . . . . . . . . . . . . . . .
3.1.
3.2.
3.3.
3.4.
3.5.

Considere que el coeciente de x1 aumenta en 12 ,Cambia esto la base? . . . . . . . .

Qu valores debera tomar el coeciente de x4 para que salga de la base? . . . . . .
El valor de la tercera restriccin pasa a ser 15, Cmo cambia esto la solucin ptima?
Como varan la base si b04 = b24 ?Cules son los nuevos valores? . . . . . . . . . . . .
Se dene una nueva restriccin x1 + x4 + 4x5 20 y otra x3 x5 + x4 67
2 . Determine
qu efecto tiene cada una en la base del problema. . . . . . . . . . . . . . . . . . . .

Primer semestre 2016

4
5

7
7
8
8

Fund. de Inv. de Operaciones ILI281 Par: 1

1.

UTFSM

Modelamiento - Programacin Lineal

Variables:
RK : Cantidad producida del producto R hecho del material K.
RT : Cantidad producida del producto R hecho del material T.
TC : Cantidad producida del producto T hecho de la fundicin comprada de T .
TK : Cantidad producida del producto T hecho del material K.

Funcin objetivo:
GRK =

10
|{z}

10
|{z}

precio venta

GRT =

12
|{z}

12
|{z}

0,4
|{z}

6
|{z}

precio venta

0,4
|{z}

1
|{z}

1,2
|{z}

2
|{z}

=6

1,6
|{z}

=7

1,2
|{z}

= 9,4

costo maquina

costo maquina

= 4,8

costo maquina

costo materia prima

costo f undicion

costo materia prima

1
|{z}

costo f undicion

costo materia prima

precio venta

GTK =

costo materia prima

precio venta

GTC =

1
|{z}

1
|{z}

costo f undicion

costo maquina

max z = GRK RK + GRT RT + GTC TC + GTK TK

Restricciones:

4RL 2000
5RK + 2TK 10000
RK + RT + TK 3000
10RK + 8RL + 6TC + 6TK 12000

cantidad disponible de K
capacidad de f undicion
disponibilidad tiempo de maquina

RK + RT 2000

capacidad de ensamble de R

TC + TK 4000

capacidad de ensamble de T

RK , RT , TC , TK 0

Primer semestre 2016

cantidad disponible de L

naturaleza de las variables

Fund. de Inv. de Operaciones ILI281 Par: 1

2.

UTFSM

Resolucin de modelos

Usando el siguiente modelo de costos y el mtodo Simplex, encuentre el valor que permita
maximizar la funcin objetivo:
M ax

Z = 6x1 + 8x2 + 4x3 + 6x4 + 3x5 + 2x6

(1)

x1 + 2x2 + 2x4 + 3x5 20

(2)

S.A.

3x1 + 2x2 + 4x3 + x4 + x5 + 3x6 30

(3)

4x1 + 3x2 + 2x3 + 4x4 + 2x5 + 2x6 = 40

(4)

x1 + 3x3 + 3x4 + 2x6 50

(5)

3x1 + x2 + x3 + 2x4 + 3x5 + 2x6 10

(6)

2.1. Resolucin mediante el mtodo Simplex.

La representacin del desarrollo por mtodo simplex para el problema se encuentra en tabla 1.
Tabla 1: Tableau inicial para el mtodo Simplex.
x1

6
0
1
-M
3
-M
4
0
1
-M
3
Zj
-10M
Cj -Zj 10M + 6

Base

Cj

s1
a1
a2
s3
a3

x2

x3

x4

x5

x6

s1

s2

s3

s4

a1

8
2
2
3
0

4
0
4
2
3

6
2
1
4
3

3
3
1
2
0

2
0
3
2
2

0
1
0
0
0

0
0
-1
0
0

0
0
0
0
1

0
0
0
0
0

-M -M -M
0
0
0
1
0
0
0
1
0
0
0
0

0
0

M
-M

0
0

-6M
-7M
-7M
-6M
-7M
6M + 8 7M + 4 7M + 6 6M + 3 7M + 2

a2

a3
bj

20
30
40
50

0 0 0 -1 0 0 1

bj
cij

20
10
10
50

10 3,3

M -M -M -M
-M 0
0
0

-80M

Tambin se observa en tabla 1 que el mayor precio sombra pertenece a la variable x1 , mientras
que el menor Cbijj con respecto a los coecientes de esta variable pertenece a la variable basal a3 . Por
tanto entra como variable basal x1 y sale a3 .
Tabla 2: Primera iteracin del mtodo Simplex.
Base

Cj

s1
a1
a2
s3
x1

x1

x2

6
0,0

8
1,7

-M 0,0
-M
0
6

Zj
C j -Z j

0,0
0,0
1,0
6
0

1,0

x3

1,7
-0,3
0,3
-2,7M + 2
2,7M + 6

4
-0,3
3,0
0,7
2,7
0,3
-3,7M + 2
3,7M + 2

x4

x5

x6

s1

s2

s3

s4

a1

a2

a3

6
1,3

3
2,0

2
-0,7

0
1,0

0
0,0

0
0,0

0
0,3

-M
0,0

-M
0,0

-M
-0,3

0,0
0,0
0,0
0
0

0,0
0,0
0,0
M
-M

0,0
1,0
0,0
0
0

0,0
0,0
0,0
-M
0

1,0
0,0
0,0
-M
0

-1,0

-2,0

1,0

1,3
-2,0
-0,7
2,3
-1,0
1,3
0,7
1,0
0,7
-0,3M + 4 4M + 6 -0,3M + 4
0,3M + 2 -4M-3
0,3M-2

0,0 -1,0 0,0

1,0

1,3
0,3
-0,3
-2,3M-2
2,3M + 2

1,0 0,0

-1,0

bj
cij

bj

16,7

-1,3
-0,3
0,3
2,3M + 2
-3,3M-2

20,0

26,7
46,7
3,3
-46,7M + 20

6,7

40,0
17,5
10,0

Se observa en tabla 2 que el mayor precio sombra pertenece a la variable x3 , mientras que el
menor Cbijj con respecto a los coecientes de esta variable pertenece a la variable basal a1 . Por tanto
entra como variable basal x3 y sale a1 .
Tabla 3: Segunda iteracin del mtodo Simplex.
Base

Cj

s1
x3
a2
s3
x1

0
4
-M
0

Zj
C j -Z j

x1

x2

6
0,0
0,0
0,0
0,0

8
1,8
0,3
1,4
-1,2

6
0

-1,4M + 2,7
1,4M + 5,3

1,0

0,2

Primer semestre 2016

x3

x4

6
1,2
-0,3
1,6
3,2
0,0
0,8
4 -1,6M + 3,3
0
1,6M + 2,7
4
0,0
1,0
0,0
0,0

x5

x6

s1

s2

s3

s4

a1

a2

a3

3
1,8
-0,7
-1,6
0,8

2
-0,6
0,3
-0,9
0,4

0
1,0
0,0
0,0
0,0

0
-0,1
-0,3
0,2
0,9

0
0,0
0,0
0,0
1,0

0
0,4
0,3
1,1
-0,6

-M
0,1
0,3
-0,2
-0,9

-M
0,0
0,0
1,0
0,0

-M
-0,4
-0,3
-1,1
0,6

0
0

-0,2M-0,7
0,2M + 0,7

-M
0

1,1M + 1,3
-2,1M-1,3

1,2

0,6

1,6M + 4,7 0,9M + 4,7

-1,6M-1,7
-0,9M-2,7

0,0

0,1

0,0
0
0

-0,4

-0,1

-1,1M-1,3 0,2M + 0,7

1,1M + 1,3 -1,2M-0,7

0,0

0,4

bj

18,9
6,7
22,2
28,9

1,1

-22,2M + 33,3

bj
cij

15,5
14,3
9,0

1,4

Fund. de Inv. de Operaciones ILI281 Par: 1

UTFSM

Se observa en tabla 3 que el mayor precio sombra pertenece a la variable x4 , mientras que el
menor Cbijj con respecto a los coecientes de esta variable pertenece a la variable basal x1 . Por tanto
entra como variable basal x4 y sale x1 .
Tabla 4: Tercera iteracin del mtodo Simplex.
Base

Cj

s1
x3
a2
s3
x4

0
4

-M
0
6

Zj
C j -Z j

x1

x2

x3

x4

x5

x6

6
-1,6
0,4

8
1,4
0,4

4
0,0
1,0

6
0,0
0,0

3
-0,1
-0,1

2
-1,4
0,6

0,0
0,0
4
0

0,0
1,0
6
0

-2,0

1,0

0,0 0,0

-4,1
-2,1
1,3
0,3
2M + 9,4 -M + 3,4
-2M-3,4 M + 4,6

-4,0

s1

s2

s3

0
1,0
0,0

0
-0,3
-0,3

0
0,0
0,0

s4

0
1,1
0,1
0,0 0,0 0,0
2,0
0,0 0,4 1,0
1,3
0,0 0,1 0,0
-0,6
0 -0,3 0
-2M-2,9
0
0,3
0 2M + 2,9

-2,0

-4,3
-1,9
1,6
0,7
4M + 8,9 2M + 6,6
-4M-5,9
-2M-4,6

a1

a2

a3

-M
0,3
0,3

-M
0,0
0,0

-M
-1,1
-0,1

0,0

-0,4
-0,1
0,29
-M-0,3

1,0

bj

17,1
7,1

-2,0

0,0
0,0
-M
0

-1,3
0,6
2M + 2,86
-3M-2,9

20,0

24,3
1,4
-20M + 37,1

bj
cij

15,0
50,0

10,0
18,9
-

Se observa en tabla 4 que el mayor precio sombra pertenece a la variable s4 , mientras que el
menor Cbijj con respecto a los coecientes a asociados a esta variable pertenece a la variable basal a2 .
Por tanto entra como variable basal s4 y sale a2 .
Tabla 5: Cuarta iteracin del mtodo Simplex.
x1

Base

Cj

s1
x3
s4
s3
x4

4
0
0
6

x2

x3

x4

x5

x6

s1

s2

s3

s4

8 4 6 3 2 0 0 0 0
-0,4 0,9 0,0 0,0 2,1 -0,3 1,0 -0,3 0,0 0,0
0,6 0,4 1,0 0,0 0,1 0,7 0,0 -0,3 0,0 0,0
-1,0 0,5 0,0 0,0 -2,0 -1,0 0,0 0,0 0,0 1,0
-2,9 -2,8 0,0 0,0 -1,7 -0,6 0,0 0,4 1,0 0,0
0,7 0,6 0,0 1,0 0,4 0,1 0,0 0,1 0,0 0,0
6,6 4,9
4
6
3,1 3,7
0
-0,3
0
0
-0,6 3,1
0
0 -0,1 -1,7
0
0,3
0
0
6

Zj
C j -Z j

a1

a2

a3

-M

-M

-M

0,3

bj

bj
cij

5,7
10,0
11,4
7,1
65,7

16,0
20,0
12,5

-0,6 0,0 5,7 6,7

0,3
-0,1
0,0
0,0
0,5
-1,0
-0,4
-0,6
0,0
-0,1
0,3
0,0
0,3
1,4
0
-M-0,3 -M-1,4 -M

Se observa en tabla 5 que el mayor precio sombra pertenece a la variable x2 , mientras que el
menor Cbijj con respecto a los coecientes asociados a esta variable pertenece a la variable basal s1 .
Por tanto entra como variable basal x2 y sale s1 .
Tabla 6: Quinta iteracin del mtodo Simplex.
Base

Cj

x2
x3
s4
s3
x4

8
4
0
0

x1

x2

x3

x4

x5

x6

s1

6
-0,5
0,8
-0,8
-4,3

8
1,0
0,0
0,0
0,0

4
0,0
1,0
0,0
0,0

6
0,0
0,0
0,0
0,0

3
2,5
-0,8
-3,3
5,3

2
-0,3
0,8
-0,8
-1,5

0
1,2
-0,4
-0,6
3,3

s2

s3

s4

a1

0 0 0 -M
-0,3 0,0 0,0 0,3
-0,2 0,0 0,0 0,2
0,2 0,0 1,0 -0,2
-0,5 1,0 0,0 0,5
1,0 0,0 0,0 1,0 -1,0 0,3 -0,7 0,3 0,0 0,0 -0,3
5,0 8,0 4,0 6,0 11,0 2,7 3,7 -1,3 0,0 0,0
1,3
1
0
0
0
-8 -0,7 -3,7 1,3
0
0 -M-1,3

Zj
C j -Z j

a2

a3

-M
-0,7
0,2
0,8
-2,5

-M
0,0
0,0
-1,0
0,0

-0,7
-M + 0,7

0,0
-M

0,7

bj

6,7
3,3
6,7
30,0

bj
cij

40,0
-

0,0 3,3 10,0

86,7

Se observa en tabla 6 que el mayor precio sombra pertenece a la variable s2 , mientras que el
menor Cbijj con respecto a los coecientes asociados a esta variable pertenece a la variable basalx4 .
Por tanto entra como variable basal s2 y sale x4 .
Tabla 7: Sexta iteracin del mtodo Simplex.
Base

Cj

x2
x3
s4
s3
s2

8
4
0
0
0
Zj
C j -Z j

x1

x2

x3

s2

s3

s4

6
0,5
1,3
-1,3
-2,8
3,0
9,0
-3

8
1,0
0,0
0,0
0,0
0,0
8,0
0

4
6
3
2
0
0
0,0 1,0 1,5 0,0 0,5 0,0
1,0 0,5 -1,3 1,0 -0,8 0,0
0,0 -0,5 -2,8 -1,0 -0,3 0,0
0,0 1,5 3,8 -1,0 2,3 0,0
0,0 3,0 -3,0 1,0 -2,0 1,0
4,0 10,0 7,0 4,0 1,0 0,0
0
-4
-4
-2
-1
0

x4

x5

x6

s1

0
0,0
0,0
0,0
1,0
0,0
0,0
0

0
-M
-M
-M
0,0 0,0
0,0
0,0
0,0 0,0
0,5
0,0
1,0 0,0
0,5 -1,0
0,0 0,0 -1,5 0,0
0,0 -1,0 2,0
0,0
0,0 0,0
2,0
0,0
0
-M -M-2 -M

a1

a2

a3
bj

10,0
5,0
5,0
35,0
10,0
100,0

bj
cij

40,0
10,0

Finalmente se puede observar en tabla 7 que todos los precios sombra son menores o iguales a
cero, es decir no se puede seguir maximizando la funcin objetivo. Al no existir variables

no-basales

Primer semestre 2016

Fund. de Inv. de Operaciones ILI281 Par: 1

con precio sombra cero, se puede decir que
Los resultados se encuentran en tabla 8.
x1

0,0

x2

10,0

x3

5,0

x4

0,0

x5

0,0

UTFSM

no existen ptimos alternativos.

Tabla 8: Resultado nal

x6

0,0

s1

0,0

s2

10,0

s3

35,0

s4

5,0

a1

0,0

a2

0,0

a3

0,0

z
100,0

2.2. Resolucin mediante el software LPSolve

Mediante el software propuesto se modela el sistema y se obtienen los resultados en guras 1(a)
y 1(b).
Si bien el resultado es el mismo ya sea por clculo propio o utilizando el software, este utiliza un
mtodo para revisar la factibilidad de la optimizacin(dual simplex) que ocupa dos iteraciones, para
luego optimizar el problema en cuatro iteraciones. Mientras que con el clculo propio, por mtodo
Simplex, toma seis iteraciones.

(a) Formulacin del problema en LPSolve.

(b) Resultados obtenidos en

LPSolve.

Figura 1: Resolucin del problema de optimizacin mediante el software LPSolve.

Primer semestre 2016

Fund. de Inv. de Operaciones ILI281 Par: 1

3.

UTFSM

Anlisis de sensibilidad

Considere el siguiente modelo de programacin lineal:

3.1. Considere que el coeciente de x1 aumenta en 12 ,Cambia esto la base?

El aumento del coeciente de x1 no consigue cambiar la base del problema.
Al aumentar el coeciente el precio sombra de x1 se ve modicado a c1 z1 = 53 + 12 = 76 , siendo
este un valor an negativo, por tanto no cumple la condicin para entrar a la base.

3.2. Qu valores debera tomar el coeciente de x4 para que salga de la base?

Al tener en cuenta los coecientes cbijj . Para que x4 salga de la base solo se permitiran cambios con
x5 y con s3 , de estos se desprenden limitaciones en ecuaciones (7) y (8), esto dado que para que otras
variables entren a la base su precio sombra tendr que ser el mayor mas positivo(maximizacin).

11
12

11
4cx4 0
3

cx4

1 cx4 0

cx4 1

(7)
(8)

Por tanto la condicin mas inclusiva para que x4 salga de la base se encuentra en inecuacin (7).
Desde donde se obtiene que x4 sale de la base si cx4 6 14 .

Primer semestre 2016

Fund. de Inv. de Operaciones ILI281 Par: 1

UTFSM

3.3. El valor de la tercera restriccin pasa a ser 15, Cmo cambia esto la
solucin ptima?
Primero es necesario conocer la naturaleza de la restriccin. Como la restriccin es activa es
necesario considerar el rango de variacin para esta restriccin.

0
10
x2nuevo
1
x3nuevo 10

x4nuevo = 20 + b3 1
0

2
s4nuevo 50
0
60
s5nuevo

(9)

De ecuacin (9) se desprende que la base del problema no se altera si 20 b3 10. Como el
b3 propuesto es 5, esta opcin no cambia a base. Sin embargo el resultado de las variables ptimas
y la funcin objetivo maximizada se alteran.
Luego se obtiene los resultados para las variables optimas en ecuacin (10). Mientras que el resultado
optimizado se encuentra en ecuacin (11).

10
0
x2nuevo
10
1 5
x3nuevo 10

x4nuevo = 20 + 5 1 = 25

2 40
s4nuevo 50
60
0
s5nuevo
60

(10)

5
1
2
1
5
1
2
1
95
Z = x1 + x2 x3 + x4 + x5 = 0 + 10 5 + 25 + 0 =
3
3
3
3
3
3
3
3
3

(11)

3.4. Como varan la base si b04 = b24 ?Cules son los nuevos valores?
Como la variable articial s4 asociada a la 4ta restriccin tiene un valor distinto de cero, visto
en el tableu nal, entonces se tiene que esta restriccin es no activa. Por lo tanto, existe un rango
de valores posibles para la variable articial s4 en el cual no hay cambio en la base de la solucin
ptima, y queda determinado por:
b4 s4 b04
60 50
10

b04
b04

(12)
(13)
(14)

Dado que b04 = 60

2 = 30, entonces dado que este pertenece al conjunto denido en (14), se tiene
nalmente que la base de la solucin no se modica y solo se ve alterado el valor nal de la variable
s4 , cambiando de 50 a b04 x4 + x3 x5 = 20, el resto de valores se mantienen igual.

3.5. Se dene una nueva restriccin x1 + x4 + 4x5 20 y otra x3 x5 + x4

Determine qu efecto tiene cada una en la base del problema.

67
2

Se analiza cada restriccin evaluando si se cumplen o no para los valores dados por la solucin
ptima.

Primer semestre 2016

Fund. de Inv. de Operaciones ILI281 Par: 1

UTFSM

x1 + x4 + 4x5 20

0
x1
Dado que x4 = 20 se tiene que la nueva restriccin si se cumple (20 20), adems,
0
x5
el valor de s6 sera 0, por lo que no habra un cambio en la base del problema.
x3 x5 + x4 67
2

10
x3
Dado que x4 = 20 se tiene que la nueva restriccin no se cumple (30 33,5).
0
x5

Como esta nueva restriccin no se cumple para el valor de la solucin, es necesario analizar y
rehacer las iteraciones anteriores en el momento en que en alguna de ellas se logre incorporar
a la nueva variable auxiliar correspondiente a la nueva restriccin a la base del problema.

Primer semestre 2016