Temas Desarrollados

TECNOLGICO DE ESTUDIOS SUPERIORES DEL
ORIENTE DEL ESTADO DE MXICO

DIVISIN DE INGENIERA INDUSTRIAL

CUADERNILLO DE APUNTES:
INVESTIGACIN DE OPERACIONES I

ELABORADO POR:
ING. OSCAR EDUARDO PREZ GAONA

LA PAZ, ESTADO DE MXICO FEBRERO 2010

i

ndice.
NDICE PG

INTRODUCCIN.. iv

CAPITULO 1. METODOLOGA DE LA INVESTIGACIN DE
OPERACIONES Y FORMULACIN DE MODELOS.

1.1. Definicin, desarrollo de la investigacin de operaciones.. 2
1.1.1. Antecedentes histricos de la investigacin de Operaciones 2
1.1.2. Definicin.... 4
1.2. Fases de estudio de la investigacin de operaciones..... 4
1.2.1. Proceso de investigacin de operaciones. 6
1.3. Principales aplicaciones de la investigacin de operaciones.... 7
1.4. Formulacin de problemas lineales... 8
1.4.1. Tipos de modelo.... 8
1.4.2. Tipos de formatos para programacin lineal...
10
1.5. Formulacin de problemas ms comunes...
16
1.5.1. Modelacin y formulacin de problemas... 16
Ejercicios I. Formato estndar y cannico. 34
Ejercicios II. Modelacin... 43

CAPITULO 2. EL MTODO SIMPLEX.

2.1. Teora del mtodo simplex... 52
2.2. Mtodo de las variables artificiales. 63
2.2.1. Mtodo de la gran M o mtodo penal. 63
2.2.2. Mtodo de la doble fase... 73
2.2.3. Mtodo grfico 83
2.2.3.1. La desigualdad representada en el eje cartesiano........ 83
2.2.3.2. La desigualdad representada en el eje cartesiano..
84

ii

ndice.
2.2.3.3. Mtodo general.. 87
Ejercicios III. Problemas mtodo grafico.. 93
Ejercicios IV. Resolucin de modelos de programacin lineal.. 96

CAPITULO 3. TEORA DE LA DUALIDAD Y ANLISIS DE
SENSIBILIDAD.

3.1. Formulacin de un problema dual. 101
3.2. Dualidad. 102
3.2.1. Forma cannica. 102
3.2.1.1. Transformacin 103
3.3. Transformacin alterna dual 112
3.4. Transformacin alterna dual simplex. 116
3.5. Anlisis de sensibilidad. 125
3.5.1. Forma matricial de la tabla simplex y las relaciones vectoriales
Implicadas..
125
3.5.1.1. Cambio en el vector A 126
3.5.1.2. Cambio en el vector B... 131
3.5.1.3. Cambio en el vector C 140
Ejercicios V. Dualidad.. 149

CAPITULO 4. TRANSPORTE Y ASIGNACIN.

4.1. Definicin de un problema de transporte... 152
4.1.1. Algoritmo de transporte. 154
4.2. Mtodo de voguel.. 159
4.3. Mtodo esquina noreste... 160

iii

ndice.

4.4. Mtodo de costo mnimo.. 161
4.5 Mtodo hngaro.. 165
Ejercicios VI. Modelos de transporte y asignacin.. 172

APENDICE A.Sistema de Ecuaciones Lineales.. 177

iv

Introduccin
INTRODUCCIN.

Las matemticas hoy en da son asignaturas prioritarias en la vida de los
estudiantes de las carreras de las ingenieras, y ms an aquellas que son de
ndole de aplicacin en las diferentes reas de la ingeniera, en mucho de los
casos parecieran ser motivo de desercin y simplemente dificultad muy grande
para culminar sus estudios o en algunos de los casos terminen recursndola, el
ramo de la investigacin de operaciones dentro del rea de Ingeniera Industrial
pareciera ser una de ellas.

El presente trabajo tiene como propsito fundamental ayudar a facilitar el
proceso enseanza-aprendizaje de la materia de Investigacin de Operaciones I
en el rea de las ingenieras, que se imparte en el quinto semestre de la carrera
de ingeniera industrial del TESOEM, cubriendo temas bsicos y apegndose al
programa de estudios vigente. Dicho material puede ser empleado como un libro
de texto para estudiantes y de apoyo para los docentes en esta rea

Por el contenido de sus temas y sus aplicaciones pueden ser bastante
interesantes para los alumnos, contiene un gran nmero de ejemplos ilustrativos
(resueltos paso a paso), donde se muestran las tcnicas matemticas estudiadas,
teniendo siempre en cuenta que para su comprensin se necesitar tener ciertos
conocimientos en lgebra lineal y lgica matemtica.

El desarrollo del presente material est diseado en captulos, mostrando
siempre al inicio el objetivo del mismo; el cual para su entendimiento se encuentra
de la siguiente manera:

En el captulo I: Metodologa de la investigacin de operaciones(I.O) y
formulacin de modelos, muestra la evolucin y el campo de aplicacin de esta

v

Introduccin
rea, manejando los conceptos bsicos para la formulacin de los modelos de
programacin lineal y la aplicacin de estos ltimos a diferentes casos de la vida
diaria y del mundo industrial.

En el captulo II: El mtodo Simplex, en este captulo no solo se describe el
mtodo simplex como mtodo para solucin de los modelos de programacin
lineal, se describen otros mtodos como el doble fase, el mtodo de la gran M y el
mtodo grfico, cada uno de ellos con las condiciones que se necesitan para
llevarlos a la prctica.

En el captulo III: Teora de la dualidad y Anlisis de sensibilidad, en este
apartado es de suma importancia ya que describe la relacin dual que todo
modelo primal de programacin lineal posee, al igual que las condiciones de cmo
calcular las condiciones de optimalidad en los modelos de programacin lineal.
(cambio de vector en A,B,C)

En el captulo IV: Transporte y asignacin, en esta seccin del presente
trabajo se describen las parte de un modelo de transporte empleado en el rea de
logstica de una organizacin sin importar su giro comercial o manufacturero,
donde lo importante el cumplir en tiempo y forma los pedidos de los diferentes
clientes ubicados en diferentes regiones pero el costo mnimo de operacin, para
ello se detallan los mtodos de solucin como lo es el mtodo de Voguel, costo
mnimo, hngaro ente otros.

Se contar con una serie de ejercicios para reforzar el conocimiento aprendido
al final de cada captulo y sus soluciones se encuentran en el los mismos
ejercicios, esto queda en el entendido al final de cada captulo. Adems de cuenta
con un apndice.

vi

Introduccin
El apndice I, muestra sistemas de ecuaciones lineales y sus mtodos de
solucin como puede ser por el mtodo de Gauss J ordan o determinantes (sus
propiedades), los cuales son base para el entendimiento de Investigacin de
Operaciones I, en la solucin de los mtodos de los modelos de programacin
lineal.

Esperamos que la obra sea de gran utilidad para profesores y alumnos y que
sea un fuerte material de apoyo en el curso, en el cual creemos que favorecer de
manera importante en un mejor desarrollo de los temas para el profesor en su
enseanza y para un buen aprendizaje del alumno.

Objetivo:
El estudiante conocer y aplicar la
metodologa de la I.O y la formulacin
de modelos de Programacin Lineal.

CAPTULO I:
METODOLOGA DE LA
INVESTIGACIN DE
OPERACIONES (I.O) Y
FORMULACIN DE
MODELOS.

2

Captulo I: Metodologa de la investigacin de operaciones y formulacin de modelos
1.1. DEFINICIN, DESARROLLO DE LA INVESTIGACIN DE
OPERACIONES.

1.1.1. Antecedentes histricos de la Investigacin de Operaciones (I.O.)

Los inicios de lo que hoy se conoce como Investigacin de Operaciones se
remota a los aos 1759 cuando el economista Quesnay empieza a utilizar
modelos primitivos de programacin matemtica. Ms tarde, otro economista de
nombre Walras, hace uso de tcnicas similares; los modelos lineales de la
Investigacin de Operaciones tienen como precursores a Jordan en 1873,
Minkowsky en 1896 y a Farkas en 1903. Los modelos dinmicos probabilsticos
tiene su origen con Markoiv a fines del siglo pasado, pero no fue hasta la Segunda
Guerra Mundial, cuando empez a tomar auge.
La Programacin Lineal (PL) tuvo un gran impulso para la investigacin
industrial dando entrada las empresas a muchos especialistas; las tcnicas Pert,
control de inventarios, y la simulacin, empezaron a emplearse con xito; en vez
de los simples promedios, se incluyeron la probabilidad y estadstica tan tiles en
cualquier estudio moderno.
En la actualidad el uso de la IO es extenso en reas de: Contabilidad,
compras, planeacin financiera, mercadotecnia, planeacin de produccin,
transporte y muchas otras ms, convirtindose en importante instrumento de
competencia para los presupuestos y contratos.
La siguiente tabla esboza parte de los estudios y tcnicas en que se
apoyaron los grupos de IO en el desarrollo de esta disciplina.

ACONTECIMIENTOS RELEVANTES DE LA INVESTIGACIN DE
OPERACIONES.
AO AUTOR TCNICA DESARROLLADA
1759 Quesnay
Modelos primarios de programacin
matemtica
3

1873 Jordan Modelos lineales
1874 Warlas
Modelos primarios de programacin
matemtica
1896 Minkousky Modelos lineales
1897 Farkas Modelos dinmicos probabilsticos
1903 Farkas Modelos dinmicos probabilsticos
1905 Erlang Lneas de espera
1920-1930 Konig- Egervary Asignacin
1937 Morgestern Lgica estadstica
1937 Von Neuman Teora de juegos
1939 Kantorovich Planeacin en produccin y distribucin
1941 Hitchcook Transporte
1947 Dantzin George Mtodo Simplex
1958 Bellman Richard Programacin dinmica
1950-1956 Kun-Tucker
Programacin no lineal, m. hngaro,
sistemas desiguales
1958 Gomory Programacin entera
1956-1962 Ford-Fulkerson Redes de flujo
1957 Markowitz Simulacin y programacin discreta
Raifa Anlisis de decisiones
1958 Arrow-Karlin Inventarios
1963
Karmaskar
Narend
Algoritmo de punto interior
Tabla1.Fuente: Elaboracin Propia.
Actualmente esta se encuentra todava en una edad incipiente donde hay
mucho por hacer en el desarrollo de este campo frtil.
Ahora que se ha visto una breve resea de la Investigacin de Operaciones
y caractersticas esenciales, es importante definirla, para ello se citan los
siguientes autores.
4

1.1.2 Definicin
Thierauf la define como un mtodo cientfico para dar a los departamentos
ejecutivos una base cuantitativa para las decisiones con las operaciones que
estn bajo su control. (Thierauf, 2002:22)
No obstante, Winstone lo describe como un enfoque cientfico en la toma de
decisiones que busca el mejor diseo y operar un sistema; por lo regular en
condiciones que requieren la asignacin de recursos escasos. (Winstone,
2008:01)
Finalmente Prawda lo conceptualiza como una herramienta de aplicacin en
grupos interdisciplinarios, del mtodo cientfico a problemas relacionados con el
control de las organizaciones o sistemas (hombre-mquina) a fin de que
produzcan soluciones que mejor sirvan a los objetivos de toda la organizacin.
(Prawda, 2000:20)
Con base a las definiciones anteriores se puede decir que la Investigacin de
Operaciones es la aplicacin de los mtodos cientficos a problemas complejos
que surgen en la direccin, administracin y optimizacin de los recursos de una
empresa con el fin de hacer buen uso de ellos.

1.2 FASES DE ESTUDIO DE LA INVESTIGACIN DE
OPERACIONES.

Su estudio consiste en desarrollar modelos cientficos, incorporando factores
como el riesgo y la incertidumbre para predecir y controlar los resultados de
cursos de accin alternativos; como lo muestra la siguiente figura:

5

CICLO OPERATIVO DE LA INVESTIGACIN DE OPERACIONES.

Figura 1. Fuente: Arreola, 2007

SISTEMA
ASUMIDO
MODELO
CUANTITATIVO
SOLUCIN DEL
MODELO
JUICIO Y
EXPERIENCIA
DEL TOMADOR
DE DECISIONES
SOLUCIN AL
PROBLEMA DEL
SISTEMA REAL
SISTEMA REAL
VARIABLES
RELEVANTES
DESICIONES
INTERPRETACIN
MTODO DE
SOLUCIN
RELACIONES
RELEVANTES
6

1.2.1 Proceso de Investigacin de Operaciones.
DESCRIPCIN DE LAS FASES PARA EL DESARROLLO DE I.O.

Figura 2.Fuente: Elaboracin Propia.

El proceso de la Investigacin de Operaciones comprende las siguientes fases:
1.- Formulacin y definicin del problema.
2.- Construccin del modelo.
3.- Solucin del modelo.
4.- Validacin del modelo.
5.- Implementacin de resultados.

5.- Interpretar
resultados y dar
soluciones.
4.-Requiere que se
determine si dicho modelo
puede predecir con certeza
el comportamiento del
sistema, con el tiempo se
podra ajustar el modelo.
3.-Una vez que se tiene el modelo, se
procede a derivar una solucin
matemtica empleando las diversas
tcnicas y mtodos matemticos para
resolver problemas y ecuaciones.
2.-Debe decidir el modelo a utilizar para representar el
sistema. Debe ser un modelo tal que relacione a las
variables de decisin con los parmetros y restricciones
del sistema.Es recomendable determinar si el modelo
es probabilstico o determinstico.
1.- En esta fase del proceso se necesita: una descripcin de los
objetivos del sistema, es decir, qu se desea optimizar; identificar las
variables implicadas, ya sean controlables o no; determinar las
restricciones del sistema.
7

1.3 PRINCIPALES APLICACIONES DE LA INVESTIGACIN DE
OPERACIONES.
La Investigacin de Operaciones es un campo tan amplio que su versatilidad, la
hace no solo una herramienta propia de la Ingeniera Industrial; es decir, puede
ser empleada en otros campos de la ciencia, describindose a continuacin
algunas rbricas de su aplicacin.
Personal.
La automatizacin y la disminucin de costos, reclutamiento de personal,
clasificacin y asignacin a tareas de mejor actuacin e incentivos a la
produccin.
Mercado y distribucin.
El desarrollo e introduccin de producto, envasado, prediccin de la
demanda y actividad competidora, localizacin de bodegas y centros
distribuidores.
Compras y materiales.
Las cantidades y fuentes de suministro, costos fijos y variables, sustitucin
de materiales, reemplazo de equipo, comprar o rentar.
Manufactura.
La planeacin y control de la produccin, mezclas ptimas de manufactura,
ubicacin y tamao de planta, el trfico de materiales y el control de
calidad.
Finanzas y contabilidad.
Los anlisis de flujo de efectivo, capital requerido de largo plazo,
inversiones alternas, muestreo para la seguridad en auditoras y
reclamaciones.
Planeacin.
Con los mtodos Pert para el control de avance de cualquier proyecto con
mltiples actividades, tanto simultneas como las que deben esperar para
ejecutarse.
8

1.4. FORMULACIN DE PROBLEMAS LINEALES.

1.4.1. Tipos de modelo.
La Investigacin de Operaciones ha desarrollado modelos especficos para
solucionar problemas generales clasificados como de inventario, lneas de espera,
reemplazo, mantenimiento, asignacin de recursos,
a) MODELOS DE INVENTARIO: Comprenden aquellos problemas
relacionados con el almacenamiento de un recurso en espera de satisfacer
una demanda futura. El problema de inventario consiste bsicamente en
determinar cunto y cundo pedir.
b) MODELOS DE LNEA DE ESPERA: Estn relacionados con aquellos
problemas en donde un grupo de servidores atienden a un conjunto de
clientes.
c) MODELOS DE REEMPLAZO: El reemplazo de un activo depende de su
naturaleza. Se puede tratar de un equipo que se deteriora a travs del
tiempo o bien de un equipo que mantiene un nivel ms o menos constante y
cuando falla, lo hace total e impredeciblemente Por esta razn, los modelos
se clasifican de acuerdo con las dos categoras previamente citadas. Los
mtodos de anlisis para formular polticas ptimas de reemplazo. En la
primera de ellas se trata de calcular un determinado periodo de tiempo
ptimo de uso del activo despus del cual debe reemplazarse. En la
segunda categora, se trata tambin de definir un lapso de tiempo durante
el cual se minimice el costo total se reemplazo de los activos individuales
dentro de este mismo intervalo de tiempo y el de reemplazar todos los
activos al final del mismo.
d) MODELOS DE MATENIMIENTO: Este involucra tanto el enfoque de
inventario como el de reemplazo. Se considera en cierto grado un modelo
de inventario porque tanto las refacciones como los aditamentos en general
estn en espera de ser utilizados. Es tambin modelo de reemplazo porque
el mantenimiento involucra el cambio de partes una vez que fallan.
e) MODELOS DE ASIGNACIN DE RECURSOS: Este surge cuando se
desarrollan actividades alternativas e interdependientes que compitan por
recursos limitados en un periodo determinado, este consiste en elaborar un
programa de produccin o una mezcla de produccin que maximice no la
contribucin individual de los productos, sino la utilidad total.
9

f) MODELOS DE COMPETENCIA: Este tipo de modelo se utiliza para
analizar aquellas situaciones donde dos o ms oponentes racionales tratan
de seleccionar estrategias que optimicen un cierto objetivo. (Amza, 2007)

La programacin lineal son modelos destinados a la asignacin eficiente de los
recursos limitados en actividades conocidas con el objetivo de satisfacer las metas
deseadas (maximizar beneficios o minimizar costos).
La caracterstica distintiva de los modelos es que las funciones que
representan el objetivo y las restricciones son lineales. (No se permite
multiplicacin de variables ni variables elevadas a potencias). Algunas de las
siguientes restricciones no se pueden emplear en un modelo de programacin
lineal.

Ahora se puede formular al modelo matemtico para este problema general de
asignacin de recursos a actividades. En datos necesarios para un modelo de
programacin lineal que maneja la asignacin de recursos a actividades particular,
este modelo consiste en elegir valores de x
1
,x
2
,....,x
n
para:
Max o Min z= C
1
X
1
+ C
2
X
2
++ C
n
X
n

s.a a
11
X
1
+ a
12
X
2
++ a
1n
X
n
b
1
a
21
X
1
+ a
22
X
2
++ a
2n
X
n
b
2
. . ++ . .
. . ++ . .
. . ++ . .
a
m1
X
1
+ a
m2
X
2
++ a
mn
X
n
b
m

Funcin objetivo Maximizar o Minimizar
s.a ( restricciones, recursos) Variables a definir
Variables Objeto de estudio (definicin)
a) VARIABLES DE DECISIN: Con estas se hace referencia al conjunto de
variables cuya magnitud se desea determinar resolviendo el modelo de
programacin lineal.
X
n
0, para
i
= 1,2,..n
10

b) RESTRCCIONES: Estn constituidas por el conjunto de desigualdades que
limitan los valores que puedan tomar las variables de decisin en la
solucin.
c) FUNCIN OBJETIVO: Es la funcin matemtica que relaciona las variables
de decisin.
d) LINEALIDAD: Se refiere a que las relaciones entre las variables, tanto en la
funcin objetivo como en las restricciones deben ser lineales.
e) DESIGUALDADES: Las desigualdades utilizadas para representar las
restricciones deben ser cerradas o flexibles; es decir, menor igual() o
mayor igual(). No se permiten desigualdades de los tipos menor-
estrictamente o mayor-estrictamente, o abiertas.
f) CONDICIN DE NO NEGATIVIDAD: En la programacin lineal las
variables de decisin slo pueden tomar valores de cero a positivos, no se
permiten valores negativos.

1.4.2. Tipos de formatos para programacin lineal.
a) Desigualdad del tipo convertir a una igualdad.
La desigualdad tipo puede convertirse a una funcin, dado que cuando se
tiene una desigualdad de este tipo, si se le suma al de lado izquierdo una
nueva variable no negativa, llamada variable faltante dado que solamente
tomara valores positivos, cuando el lado izquierdo sea menor al lado
derecho. Ejemplo:
Transformar las desigualdades del tipo a una ecuacin.
7x
1
+8x
2
-9x
3
6
Puede reemplazarse por:
7X
1
+8X
2
-9X
3
+X
4
6
x
4
0
7X
1
+8X
2
-9X
3
+S
4
=0 S
4
0
x
4,
s
4
=variables de holgura=variable faltante.

11

b) Desigualdad del tipo convertir a una igualdad.
La desigualdad tipo procediendo d e la misma forma que la anterior se
puede convertir en una ecuacin, dado que si se le resta del lado izquierdo
una nueva variable no negativa, llamada variable sobrante; tal nombre
obedece a que dicha variable tomara un valor positivo, cuando el lado
izquierdo sea mayor que el derecho. Ejemplo:
Transformar las desigualdades del tipo a una ecuacin.
-9X
1
+4X
2
-3X
3
12
Puede reordenarse como:
-9X
1
+4X
2
-3X
3
-X
4
12
X
4
0
-9X
1
+4X
2
-3X
3
-S
4
=0 S
4
0
x
4,
s
4
=variables de holgura=variable sobrante.
A la Variable faltante y sobrante se les llama Variables de holgura. En
programacin lineal se emplean 2 tipos de formatos
a) Formato Cannico:
Un modelo de programacin lineal est en formato cannico; si todas las
variables son no negativas y las restricciones son del tipo para un objetivo de
maximizacin o si todas las restricciones son del tipo para un objetivo de
minimizacin.
1.- Formato Cannico.
Min z
0
= 2x
1
+ 3x
2
+

8x
3

s.a 2x
1
+ 2x
2
- 7x
3
10
7x
1
+ 2x
2
+ 5x
3
= 9
8x
1
+ 9x
2
+ 5x
3
1
x
1
, x
2
0
Minimizar todos los signos de la desigualdad, estos deben ser 0
s.a [ 2x
1
+2x
2
-7x
3
10]-1

12

Esto equivale a
-2x
1
-2x
2
+7x
3
-10
-----------------------------------------------------------------------------
Esto equivale a
7x
1
+2x
2
+5x
3
9
7x
1
+2x
2
+5x
3
9
------------------------------------------------------------------------------------------------------------
I8x
1
+9x
2
+5x
3
I1
Esto equivale a
8x
1
+9x
2
+5x
3
1
8x
1
+9x
2
+5x
3
-1
----------------------------------------------------------------------------------
[8x
1
+9x
2
+5x
3
1]-1
Esto equivale a
-8x
1
-9x
2
-5x
3
-1
---------------------------------------------------------------------------------

13

b) Formato Estndar:
Un modelo de Programacin Lineal esta en formato estndar si todas las
variables son no negativas y todas las restricciones son igualdades, tanto en
Maximizacin como en Minimizacin.
Min z
0
= 2x
1
+ 3x
2
+

8x
3

s.a 2x
1
+ x
2
- 7x
3
10
7x
1
+ 2x
2
+ 5x
3
= 9
3x
1
+ 3x
2
+ x
3
3
18x
1
+ 9x
2
+ 5x
3
1
x
1
, x
2
0
x
3
irrestricta.
2.- Formato estndar.
Z
0
=2x
1
+3x
2
+8x
3
-S
1
-S
2
-S
3

s.a 2x
1
+ x
2
- 7x
3
- S
1
= 10
7x
1
+ 2x
2
+ 5x
3
- = 9
3x
1
+ 3x
2
+ x
3
S
2
= 3
18x
1
+ 9x
2
+ 5x
3
- S
3
= 1
x
1
,x
2
,x
3
,S
1
,S
2
,S
3
0
Ejercicio: Realizar el planteamiento correspondiente al problema de PL que se
muestra a continuacin.
Max Zo=7x
1
+8x
2
-9x
3
+10x
4

s.a
x
1
+ x
2
- 2x
3
+ 5x
4
= 9
2x
1
+ x
2

7
- x
2
+ 5x
3
+ 8x
4
4

Ix
3
+ x
4
I 7
x
1
,x
2
,x
3
,x
4
0
a) Realizar formato estndar
b) Realizar formato cannico
14

Max Zo=7x
1
+8x
2
-9x
3
+10x
4
-0s
1
+0s
2
+0s
3
+0s
4

s.a
x
1
+ x
2
- 2x
3
+ 5x
4
= 9
2x
1
+ x
2

- S
1
7
- x
2
+ 5x
3
+ 8x
4
+ S
2
4

x
3
+ x
4
+ S
3
7

x
3
+ x
4
- S
4
-7
x
1
, x
2
, x
3
, x
4,
S
1
,S
2,
S
3
, S
4
0
b) Formato Cannico.
Max Zo=7x
1
+8x
2
-9x
3
+10x
4

x
1
+x
2
-2x
3
+5x
4
=9
x
1
+x
2
-2x
3
+5x
4
9
x
1
+x
2
-2x
3
+5x
4
9

[x
1
+x
2
-2x
3
+5x
4
9]-1
Esto equivale a
-x
1
-x
2
+2x
3
-5x
4
-9
--------------------------------------------------------------------------------------------------------
[2x
1
+x
2
7]-1
Esto equivale a
-2x
1
-x
2
-7
-x
2
+5x
3
+8x
4
=4
-x
2
+5x
3
+8x
4
4
-x
2
+5x
3
+8x
4
4
--------------------------------------------------------------------------------
15

Ix
3
+x
4
I7
Esto equivale a
x
3
+x
4
7
x
3
+x
4
-7
---------------------------------------------------------------------------------
[x
3
+x
4
-7]
Esto equivale a
-x
3
-x
4
7
FORMATO CANNICO
Max Zo=7x
1
+8x
2
-9x
3
+10x
4

s.a
x
1
+ x
2
- 2x
3
+ 5x
4
9
-x
1
- x
2
+ 2x
3
- 5x
4
-9
-2x
1
- x
2

-7
- x
2
+ 5x
3
+ 8x
4
4

x
3
+ x
4
7

-x
3
- x
4
7
x
1
,x
2
,x
3
,x
4
0

16

1.5. FORMULACIN DE PROBLEMAS MS COMUNES.

1.5.1. Modelacin y Formulacin de Problemas
1) La empresa ANCE S.A de C.V.; produce una lnea de artculos de Peltre
para uso casero; la cual consta de 4 productos. El sistema de manufactura
se divide en 5 etapas: Cortado, troquelado, esmaltado, acabado y
empacado. A continuacin se presenta la informacin relevante, tanto del
sistema productivo como del producto.
Informacin sobre el sistema productivo (ndice de produccin Unidades/hrs)
Departamento
Producto
1
Producto
2
Producto
3
Producto
4
Capacidad
(horas/mes)
Corte 25 6 20 10 400
Troquelado 14 8 20 10 380
Esmaltado 17 9 33 8 490
Acabado 20 4 - 8 450
Empacado 50 13 50 20 400

Informacin sobre el producto
Producto
Precio de vta.
($/unidad)
Costo de vta.
($/unidad)
Demanda
mnima
Mensual(unidades)
Mxima
1 100 50 500 5000
2 300 200 750 6000
3 160 100 650 8000
4 250 150 0 3500
Adems, se debe que en el siguiente mes solo se dispondrn de 1200m
2
de
lmina que consumen los productos 1 y 2. El producto 1 requiere 0.50m
2
por
unidad y el producto 2 requiere 0.80m
2
.
Formular un modelo de programacin lineal.
Variables de decisin.
x
1
= Unidades del producto 1 a fabricar el prximo mes.
x
2
x
3
17

x
4
Max.
Z
o
= (100-50)x
1
+(300-200)x
2
+(160-100)x
3
+(250-150)x
4

Z
o
= 50x
1
+100x
2
+60x
3
+100x
4

Restriccin de capacidad
1/25 X
1
+ 1/6 X
2
+ 1/20 X
3
+ 1/10 X
4
400 CORTADO
1/14 X
1
+ 1/8 X
2
+ 1/20 X
3
+ 1/10 X
4
380 TROQUELADO
1/17 X
1
+ 1/9 X
2
+ 1/33 X
3
+ 1/8 X
4
490 ESMALTADO
1/20 X
1
+ 1/4 X
2
1/8 X
4
450 ACABADO
1/50 X
1
+ 1/13 X
2
+ 1/50 X
3
+ 1/20 X
4
400 EMPACADO

Demanda
500X
1
5000
750X
2
6000
650X
3
8000
0X
4
3500
Entrada de materia prima
0.50X
1
+0.80 X
2
1200
X
j
0 j= 1,2,3,4
X
1
,X
2
,X
3
,X
4
0

18

Max Z
o
= 50x
1
+100x
2
+60x
3
+100x
4

s.a
1/25 X
1
+ 1/6 X
2
+ 1/20 X
3
+ 1/10 X
4
400
1/14 X
1
+ 1/8 X
2
+ 1/20 X
3
+ 1/10 X
4
380
1/17 X
1
+ 1/9 X
2
+ 1/33 X
3
+ 1/8 X
4
490
1/20 X
1
+ 1/4 X
2
+ + 1/8 X
4
450
1/50 X
1
+ 1/13 X
2
+ 1/50 X
3
+ 1/20 X
4
400
X
1
380
X
1
490
X
2
450
X
2
400
X
3
8000
X
3
650
X
4
3500
X
4
0
0.50 X
1
+ 0.80X
2
1200
X
j
0 j= 1,2,3,4
X
1
,X
2
,X
3
,X
4
0

19

2) Un ganadero decide elaborar una mezcla para alimentos de animales a
base de alfalfa, sorgo, avena, maz, soya y harina. De cada 100Kg de
mezcla; se desea que al menos 30Kg de ellos sean protenas, no ms de 40
sean de calcio, y como mximo 35Kg de fosforo.
A continuacin se presenta la informacin del contenido de la mezcla y los precios
de los ingredientes a combinar.
Ingredientes Protena (%) Calcio (%) Fosforo (%) Precio (Kg)
Alfalfa 25 50 25 7
Sorgo 40 20 40 9
Avena 10 30 60 8
Maz 65 15 20 20
Soya 40 20 40 5
Harina 30 20 50 15
Adems, no se puede usar ms de 10Kg harina, ni ms de 12Kg de soya por
c/100kg de mezcla.
Variables de decisin
x
1
= Kg de alfalfa a utilizar en los 100Kg de mezcla.
x
2
= Kg de soya a utilizar en los 100Kg de mezcla.
x
3
= Kg de avena a utilizar en los 100Kg de mezcla.
x
4
= Kg de maz a utilizar en los 100Kg de mezcla.
x
5
= Kg de soya a utilizar en los 100Kg de mezcla.
x
5
= Kg de harina a utilizar en los 100Kg de mezcla.

20

Min Z
o
= 7x
1
+9x
2
+8x
3
+20x
4
+5x
5
+15x
6

Var. Nutricin
0.25X
1
+ 0.40X
2
+ 0.10X
3
+ 0.65X
4
+ 0.40X
5
+ 0.30X
6
30 Protena
0.50X
1
+ 0.20X
2
+ 0.30X
3
+ 0.15X
4
+ 0.20X
5
+ 0.20X
6
40 Calcio
0.25X
1
+ 0.40X
2
+ 0.60X
3
+ 0.20X
4
+ 0.40X
5
+ 0.50X
6
35 Fosforo
Disponibilidad
X
6
10 Harina
X
5
12 soya

Capacidad total (Mezcla total)
X
1
+ X
2
+ X
3
+ X
4
+ X
5
+ X
6
= 100 Kg

X
j
0 j=1,2,3,4,5,6

Min Z
o
= 7x
1
+9x
2
+8x
3
+20x
4
+5x
5
+15x
6

s.a
0.25X
1
+ 0.40X
2
+ 0.10X
3
+ 0.65X
4
+ 0.40X
5
+ 0.30X
6
30
0.50X
1
+ 0.20X
2
+ 0.30X
3
+ 0.15X
4
+ 0.20X
5
+ 0.20X
6
40
0.25X
1
+ 0.40X
2
+ 0.60X
3
+ 0.20X
4
+ 0.40X
5
+ 0.50X
6
35
X
6
10
X
5
12
X
1
+ X
2
+ X
3
+ X
4
+ X
5
+ X
6
= 100
X
1
,X
2
,X
3
,X
4
,X
5
,X
6
0

21

3) La refinera azteca produce 2 tipos de gasolina sin plomo regular y extra, los
cuales se venden en 8 y 15 pesos por barril respectivamente. Ambos tipos
se preparan del inventario de azteca del petrleo de azteca nacional
refinado y del petrleo importado refinado y debe de cumplir con las
siguientes especificaciones.

Presin
mxima de
vapor
Octanaje
mnimo
Demanda
mxima
barriles/semana
Entrega
mnima
barriles/semana
Regular 23 88 100000 50000
Extra 23 93 20000 5000

Las caractersticas del inventario refinado son las siguientes

Presin
mxima de
vapor
Octanaje
mnimo
Demanda
mxima
barriles/semana
Entrega
mnima
barriles/semana
Regular 25 87 40000 8
Extra 15 98 60000 15

Que cantidades de los 2 petrleos nacional e importado debe mezclar la azteca a
fin de acrecentar sus ganancias semanales.
x
1
= Los barriles de petrleo nacional con una mezcla regular.
x
2
= Los barriles de petrleo importado con una mezcla regular.
x
3
= Los barriles de petrleo nacional con una mezcla extra.
x
4
= Los barriles de petrleo importado con una mezcla extra.

Max Z
0
=12(X
1
+X
2
)
Z
0
=12(X
1
+X
2
)+14(X
3
+X
4
)-8(X
1
+X
3
)-15(X
2
+X
4
)
Z
0
=12X
1
+12X
2
+14X
3
+14X
4
-8X
1
-8X
3
-15X
2
-15X
4

Z
0
=4X
1
-3X
2
+6X
3
-X
4

22

s.a
X
1
+ X
2
100000
X
3
+ X
4
20000
X
1
+ X
2
50000
X
3
+ X
4
5000
X
1
+ X
3
40000
X
2
+ X
4
60000
X
1
- 10X
2
0
6X
3
- SX
4
0
2X
1
+ SX
2
0
2X
3
2X
3
+ 8X
4
0

X
1
,X
2
,X
3
,X
4
0

23

4) Una tienda de autoservicio funciona las 24 horas tiene los siguientes
requerimientos mnimos para los cajeros. El periodo uno sigue
inmediatamente despus del periodo 6. Un cajero trabaja 8hrs consecutivas,
empezando al inicio de uno de los 6 periodos. Determine el nmero
requerido de empleados en cada uno de los periodos.
Periodo 1 2 3 4 5 6
Horas del da
(24 hrs)
3-7 7-11 11-15 15-19 19-23 23-3
Nmero
mnimo
7 20 14 20 10 5
x
1
= El nmero de personas asignadas o requeridas en el periodo 1.
x
2
= El nmero de personas asignadas en el periodo 2.
x
3
x
4
x
5
x
6

Min Z
o
= x
1
+x
2
+x
3
+x
4
+x
5
+x
6

s.a
X
1
+

X
6
7
X
1
+ X
2
20
X
2
+ X
3
14
X
3
+ X
4
20
X
4
+ X
5
10
X
5
+ X
6
5
X
1
,X
2
,X
3
,X
4
,X
5
,X
6
0

24

5) La empresa ha destinado un presupuesto de $4,000,000 para la compaa
publicitaria del primer mes; adems, el consejo de administracin ha
sugerido al departamento de mercadotecnia los siguientes lineamientos.
1.- Deben utilizarse por los menos 20 comerciales de T.V.
2.- El mensaje debe llegar a por lo menos 2,500,000 familias potencialmente
compradoras.
3.- El mensaje debe publicarse en un peridico local por lo menos un domingo.
4.- No deben de gastarse ms de 2,000,000 de pesos en .T.V.
Cul debe ser la campaa publicitaria para este primer mes?
Plante un Modelo de PL; para resolver este problema.
x
1
= Nmero de comerciales T.V matutina durante el primer mes.
x
2
= Nmero de comerciales T.V nocturna durante el primer mes.
x
3
= Nmero de comerciales en peridico diario durante el primer mes.
x
4
= Nmero de comerciales en peridico dominical durante el primer mes.
x
5
= El Nmero de comerciales en noticiario de radio durante el primer mes.
Max Z
o
= 50x
1
+90x
2
+35x
3
+70x
4
+25x
5

Presupuesto
100,000x
1
+150,000x
2
+60,000x
3
+120,000x
4
+20,000x
5
4,000,000
s.a
X
1

20
X
2
10
X
3
25
X
4
4
X
5
30
X
1
+ X
2
20 Comerciales de TV

25

Cobertura de audiencia
10,000x
1
+50,000x
2
+30,000x
3
+70,000x
4
+50,000x
5
2,500,000
Peridico dominical
x
4
1
Gasto T.V
100,000x
1
+150,000x
2
2,000,000
X
j
0 j= 1,2,3,4,5
X
1
,X
2
,X
3
,X
4
,X
5
0

Max Z
o
= 50x
1
+90x
2
+35x
3
+70x
4
+25x
5

s.a
100,000X
1
+ 150,000X
2
+ 60,000X
3
+ 120,000X
4
+ 20,000X
5
4,000,000
X
1
20
X
2
10
X
3
25
X
4
4
X
5
30
X
1
+ X
2

10,000X
1
+ 50,000X
2
+ 30,000X
3
+ 70,000X
4
+ 5,000X
5
2,500,000

X
4
1
100,000X
1
+ 150,000X
2
2,000,000
X
1
,X
2
,X
3
,X
4
,X
5
0

26

6) La empresa olle S.A de C.V, productora de radio porttiles para
intercomunicacin (solamente entre dos personas: transmisora y receptora);
va a promover su nuevo radio con un alcance de 40Km, el cual tiene
diversas funciones. El principal canal de distribucin est enfocado a
mayoristas en el rea de comunicacin industrial, as mismo, la firma est
considerando dos alternativas de distribucin: una cadena de autoservicio y
mayorista de equipos martimos. Dichos canales de distribucin alternativos
abren el mercado a personas interesadas en radio comunicacin como
aficin y como enlace entre botes de pesca y su estacin de base.
Debido a la diferencia de costos de comercializacin y de promocin, la
utilidad del producto vara con la alternativa de distribucin seleccionada.
Adems, el costo publicitario y el tiempo el vendedor por unidad son
distintos para cada canal de distribucin. Dado que la compaa solo
produce bajo pedido; el nmero de unidades fabricadas y vendidas es el
mismo.
A continuacin se resume la informacin preparada por olle S.A de C.V, con
respecto a la utilidad, costo publicitario y hr/hombre de vendedor por cada
unidad vendida. Lo anterior ha sido estimado con base en experiencias con
radios similares.
Canal de
distribucin
Utilidad
unitaria($)
Costo publicitario
($/unidad)
Esfuerzo de ventas
(hr-hombre/unidad)
Industrial 20,000 1,800 4
Tienda 12,000 3,000 6
Martimo 18,000 1,000 7

El director general de la empresa; ha establecido que en la estrategia de
ventas a seguir deben venderse por lo menos 100 unidades al canal tienda, 250 al
canal martimo; en el siguiente mes; tambin el gasto publicitario no debe exceder
de $1,000,000. Si la capacidad de produccin se estima en 1000 unidades y las
horas hombre de un vendedor disponibles en el prximo mes son 2,000. Qu
estrategia de ventas debe adoptar la empresa? Es decir, la empresa debe decidir:
a) Cuantas unidades producir por c/canal de distribucin.
b) Cuanto gasto publicitario se debe hacer en c/canal de distribucin.
c) Cuanto esfuerzo de ventas debe dedicarse a c/canal de distribucin.

27

X= Unidades de radios porttiles en sus diferentes mercados para producir el
siguiente mes.
x
1
= Unidades producidas para el mercado industrial.
x
2
= Unidades producidas para el mercado tiendas.
x
3
= Unidades producidas para el mercado martimo.
Objetivo
Max Z
o
= 20,000x
1
+12,000x
2
+18,000x
3

s.a
Publicidad
1,800X
1
+ 3,000X
2
+ 1,000X
3
1,000,000
Esfuerzo de ventas
4X
1
+ 6X
2
+ 7X
3
2000
Capacidad productiva
X
1
+ X
2
+ X
3
1000
Mercado tienda

X
2

100
Mercado martimo

X
3
250
X
j
0 j= 1,2,3
X
1
,X
2
,X
3
0
Max Z
o
= 20,000x
1
+12,000x
2
+18,000x
3

s.a
1,800X
1
+ 12,000X
2
+ 18,000X
3
1,000,000
4X
1
+ 6X
2
+ 7X
3
2,000
X
1
+ X
2
+ X
3
1,000
X
2
100
X
3
250
X
1
,X
2
,X
3
0
28

7) Mi dieta requiere que todo los alimentos que ingiera pertenezcan a una de
los cuatro grupos bsicos de alimentos (pastel de chocolate, helado de
crema, bebidas carbonatadas y pastel de queso). Por ahora hay los
siguientes cuatro alimentos: barras de chocolate, helado de crema de
chocolate, bebida de cola y pastel de queso con pia. Cada barra de
chocolate cuesta $35.00, cada bola de helado de crema cuesta $40.oo,
cada botella de bebida de cola cuesta $7.50 y cada rebanada de pastel de
queso con pia cuesta $20.00. De acuerdo al nutrilogo, todos los das debo
ingerir por lo menos 500 caloras, 6 onzas de chocolate, 10 onzas de azcar
y 8 onzas de grasas. Plantee un modelo de PL que pueda emplear para
cumplir mis necesidades nutricionales al costo mnimo.
El contenido nutricional por unidad de c/alimento se da en la siguiente tabla.
Tipo de alimento Caloras Chocolate(onzas) Azcar(onzas) Grasas(onzas)
Barra de chocolate 400 3 2 2
Helado de crema con
chocolate(1 bola)
200 2 2 4
Bebida de
cola(1 botella)
150 0 4 1
Pastel de queso con
pia
500 0 4 5
Definicin de la variable
X= Cantidad de caloras a consumir en los diferentes alimentos al da.
x
1
= Cantidad de barras de chocolate consumidas al da.
x
2
= Cantidad de helado de crema con chocolate consumida al da(1 bola)
x
3
= Botellas de bebida de cola consumidas al da.
x
4
= Rebanadas de pastel de queso con pia consumidas al da.
Min Z
o
= 35x
1
+40x
2
+7.50x
3
+20x
4

s.a
400X
1
+ 200X
2
+ 150X
3
+ 500X
4
500 caloras
3X
1
+ 2X
2

6 chocolate
2X
1
+ 2X
2
+ 4X
3
+ 4X
4
10 Azcar
2X
1
+ 4X
2
+ X
3
+ 5X
4
8 Grasas
29

X
1
,X
2
,X
3
,X
4
0

Min Z
o
= 35x
1
+40x
2
+7.50x
3
+20x
4

s.a
400X
1
+ 200X
2
+ 150X
3
+ 500X
4
500
3X
1
+ 2X
2

6
2X
1
+ 2X
2
+ 4X
3
+ 4X
4
10
2X
1
+ 4X
2
+ X
3
+ 5X
4
8
X
1
,X
2
,X
3
,X
4
0

30

8) El taller de mquinas y herramientas Era S.A de C.V; se dedica a la
fabricacin de dos refacciones para una empresa metalmecnica. Las
partes se producen en cuatro operaciones (departamentos). Las horas
maquina son suficientes aunque se tiene una fuerte limitacin en mano de
obra calificada. La empresa piensa por tanto, que las horas-hombre
disponibles restringen su capacidad de produccin. Las horas hombre
asumidas por cada parte en cada departamento son:
Departamento
(operacin)
Parte 1 Parte 2
1 0.10 0.20
2 0.20 0.15
3 0.10 0.15
4 0.05 0.10
La empresa gana $100 y $129 por unidad de las partes 1 y 2
respectivamente. Luego de considerar la experiencia y habilidad de los
trabajadores actuales, se ha llegado al siguiente resultado:
Asignacin posible
de mano de obra
Hr/hombre
Disponibles/semana
nicamente a departamento 1 480
A departamento 1 o departamento 2 350
A departamento 3 o departamento 4 370
Plantee un modelo de PL.
X
i
= Unidades a fabricar de las refacciones i por semana
a
i
=horas/hombre a asignar en el departamento j por semana
i= 1,2 j= 1,2,3,4

31

Max Z
o
= 100x
1
+120x
2

horas/hombre disponibles
0.10X
1
+ 0.20X
2
a
1
0.20X
1
+ 0.15X
2
a
2

0.10X
1
+ 0.15X
2
a
3

0.05X
1
+ 0.10X
2
a
4

Asignacin de horas/hombre para cada departamento
a
1
480 + 350 = 830
a
2
400 + 350 = 750
a
3
500 + 370 = 870
a
4
200 + 370 = 570

a
1
+ a
2
480 + 400 + 350 = 1230
a
3
+ a
4
500 + 200 + 370 = 1070

Modelo matemtico
Max Z
o
= 100x
1
+120x
2

s.a
0.10X
1
+ 0.20X
2
- a
1

0
0.20X
1
+ 0.15X
2
- a
2
0
0.10X
1
+ 0.15X
2
- a
3

0
0.05X
1
+ 0.10X
2
- a
4
0
a
1
830
a
2
750

a
3
870

a
4
570

a
1
+ a
2
1230

a
3
+ a
4
1070
X
1
,X
2
,a
1
,a
2
,a
3
,a
4
0

32

9) PCP S.A de C.V produce rollos de papel en un ancho estndar de 20 pies
c/u, los pedidos de los clientes en rollos de diversos anchos; se producen
recortando el tamao estndar de 20 pies. Los requerimientos promedio de
los clientes estn dados de la siguiente forma:
Rollos de 5 pies 150 unidades
Rollos de 7 pies 200 unidades
Rollos de 9 pues 300 unidades

Qu combinacin es la mejor para optimizar los rollos?

A b) c)

5

f
t

7

f
t

2
0

f
t

9

f
t

33

Tipo de corte 5ft 7ft 9ft Desperdicio(ton)
I 4 - - 0
II 1 2 - 1
III - - 2 2
IV 2 - 2 1
V - 1 1 4
VI 2 1 - 3
Definicin de la variable
x
1
= No. de cortes del rollo tipo I.
x
2
= No. de cortes del rollo tipo II.
x
3
= No. de cortes del rollo tipo III.
x
4
= No de cortes del rollo tipo IV
x
5
= No. de cortes del rollo tipo V.
x
6
= No de cortes del rollo tipo VI.
Min Z
o
= 0x
1
+x
2
+2x
3
+x
4
+4x
5
+3x
6

s.a
4X
1
+ X
2
+

2x
4
+

2x
6
150
2X
2
+ x
5
200

2x
3
+ 2x
4
+ x
5

300
X
1
,X
2
,X
3
,X
4
,X
5
0

34

EJERCICIOS I. FORMATO ESTANDAR Y CANNICO.
Instrucciones: Dados los siguientes modelos de programacin lineal,
expresarlos en formato estndar y cannico (solamente considere variables de
holgura).
1.-

MIN
Z=2X
1
+2X
2
s.a
3X
1
+2X
2
3
2X
1
3
X
2
4
X
1
,X
2
0

FORMATO ESTANDAR
MIN
Z=2X
1
+2X
2
s.a
3X
1
+2X
2
-S
1
=3
2X
1
+S
2
=3
X
2
+S
3
=4
X
1
,X
2
,S
1
,S
2
,S
3
0
FORMATO CANNICO
MIN
Z=2X
1
+2X
2
s.a
3X
1
+2X
2
3
-2X
1
-3
X
2
4
X
1
,X
2
,0

SOLUCIONES
35

2.-

MAX
Z=3X
1
+8X
2
s.a
8X
1
+2X
2
4
-4X
1
3
X
1
+1/2X
2
3
X
1
,X
2
0

FORMATO ESTANDAR
MIN
Z=3X
1
+8X
2
s.a
8X
1
+2X
2
-S
1
=4
-4X
1
-S
2
=3
X
1
+1/2X
2
+S
3
=3
X
1
,X
2
,S
1
,S
2
,S
3
0
FORMATO CANNICO
MIN
Z=3X
1
+8X
2
s.a
8X
1
+2X
2
4
-4X
1
-3
X
1
+1/2X
2
3
X
1
,X
2
,0

36

3.-

MAX
Z=X
1
+2X
2
+3X
3
s.a
X
1
+2X
2
3
2X
2
-3X
3
5
X
1
+ 1/4X
3
4
X
1
-2X
2
=5
X
1
,X
2
,X
3
0

FORMATO ESTANDAR
MIN
Z=X
1
+2X
2
+3X
3

s.a
8X
1
+2X
2
-S
1
=4
2X
2
-3X
3
+S
2

=5
X
1
+ 1/4X
3
-S
3
=4
X
1
-2X
2

=5
X
1
,X
2
,S
1
,S
2
,S
3
0
FORMATO CANNICO
MIN
Z=X
1
+2X
2
+3X
3

s.a
-X
1
-2X
2
-3
4X
2
-3X
3
-3
-X
1
-1/4X
2
3
X
1
-2X
2

5
-X
1
+2X
2

-5
X
1
,X
2
,0

37

4.-

MAX
Z=8X
1
+2X
2
s.a
2X
1
+X
2
4
I3X
1
+8X
2
I4
X
1
,X
2
0

FORMATO ESTANDAR
MIN
Z=8X
1
+2X
2
s.a
2X
1
+X
2
-S
1
=4
3X
1
+8X
2
-S
2
=-4
3X
1
+8X
2
+S
3
=4
X
1
,X
2
,S
1
,S
2
,S
3
0
FORMATO CANNICO
MIN
Z=8X
1
+2X
2
s.a
-2X
1
-X
2
4
3X
1
+8X
2
-4
-3X
1
-8X
2
4
X
1
,X
2
, 0

38

5.-

MIN
Z=4X
1
+8X
2
s.a
X
1
+4X
2
4
X
1
+8X
2
3
X
2
4
X
1
,X
2
0

FORMATO ESTANDAR
MIN
Z=4X
1
+8X
2
s.a
X
1
+4X
2
-S
1
=4
X
1
+8X
2
-S
2
=3
X
2
+S
3
=4
X
1
,X
2
,S
1
,S
2
,S
3
0
FORMATO CANNICO
MIN
Z=4X
1
+8X
2
s.a
-X
1
-4X
2
-4
X
1
+8X
2
-3
8X
2
-4
X
1
,X
2
, 0

39

6.-

MAX
Z=8X
1
+2X
2
+X
3
s.a
IX
1
-3X
3
I

4
X
1
+2X
2

8
X
1
,X
2
,X
3
0

FORMATO ESTANDAR
MIN
Z=8X
1
+2X
2
+X
3

s.a
X
1
-3X
3
+S
1
=4
X
1
-3X
3
+S
2

=5
X
1
+2X
2
+S
3
=4
X
1
,X
2
,S
1
,S
2
,S
3
0
FORMATO CANNICO
MIN
Z=8X
1
+2X
2
+X
3

s.a
X
1
-3X
3
-3
-X
1
+3X
3
-4
X
1
+2X
2
8
X
1
,X
2
,0

40


7.-
MIN
Z=4X
1
+2X
2
s.a
X
1
+2X
2
4
-3X
1
+X
2
3
2X
2
3
X
1
,X
2
0

FORMATO ESTANDAR
MIN
Z=4X
1
+2X
2
s.a
X
1
+2X
2
=4
-3X
1
+X
2
-S
1
=3
2X
2
+S
2
=3
X
1
,X
2
,S
1
,S
2
0
FORMATO CANONICO
MIN
Z=4X
1
+2X
2
s.a
-X
1
-2X
2
-4
X
1
+2X
2
4
-3X
1
+X
2
3
-2X
2
-3
X
1
,X
2
, 0

41


8.-
MAX
Z=2X
1
+8X
2
+4X
3
s.a
X
1
-3X3

0
2X
2

4
2X
1
+ 4X
3
5
X
1
,X
2
,X
3
0

FORMATO ESTANDAR
MIN
Z=2X
1
+8X
2
+4X
3

s.a
X
1
-3X
3
+S
1
=0
2X
2
-S
2

=5
2X
1
+ 4X
3
-S
3
=5
X
1
,X
2
,S
1
,S
2
,S
3
0
FORMATO CANNICO
MIN
Z=2X
1
+8X
2
+4X
3

s.a
X
1
-3X
3
-3
2X
2

-3
2X
1
+4X
3
5
X
1
,X
2
,0

42


9.-

MIN
Z=X
1
-2X
2
s.a
X
1
+4X
2
4
-4X
1
-2X
2
9
3X
2
5
X
1
,X
2
0

FORMATO ESTANDAR
MIN
Z=X
1
-2X
2
s.a
X
1
+4X
2
-S1

=4
-4X
1
-2X
2
+S
2
=9
3X
2
+S
3
=5
X
1
,X
2
,S
1
,S
2
0
FORMATO CANNICO
MIN
Z=X
1
-2X
2
s.a
X
1
+4X
2
4
4X
1
+2X
2
-9
-3X
2
-5
X
1
,X
2
, 0

43

EJERCICIOS II. MODELACIN.
Instrucciones: Plantee el Modelo de Programacin Lineal para cada uno de los
siguientes problemas. La solucin de cada uno de los problemas se encuentra al
final de esta seccin.
PROBLEMAS
1.- Un proveedor debe preparar 5 bebidas de fruta en existencia, 500 gal que
contengan por lo menos 20% de jugo de naranja, 10% de jugo de toronja y 5% de
jugo de arndano. Si los datos del inventario son lo que se presentan a
continuacin Qu cantidad de cada bebida de fruta deber emplear el proveedor
a fin de obtener la composicin requerida a un costo mnimo?
Jugo de
naranja(%)
Jugo de
toronja (%)
Jugo de
Arndaro
(%)
Existencia
(gal)
Costo
($/gal)
Bebida A 40 40 0 200 1.50
Bebida B 5 10 20 400 0.75
Bebida C 100 0 0 100 2.00
Bebida D 0 100 0 50 1.75
Bebida E 0 0 0 800 0.-25

2.- La regiomontana es una fbrica que produce 3 diferentes sombreros: Su
capacidad de produccin mensual es como sigue.
Modelo Capacidad de produccin
(sombreros/mes)
Norteo 650
Lona 900
Articela 700
La produccin mensual se reparte en tres diferentes distribuidoras que se localizan
dentro del rea metropolitana de la ciudad. Los costos unitarios de transporte para
cada modelo se muestra a continuacin
Modelo Zona Norte Zona Rosa Zona Sur
Norteo $3.00 $5.00 $7.00
Lona 2.50 4.80 5.80
Articela 2.00 3.40 5.20

44

Los requerimientos mensuales de cada distribuidor son como sigue:
Distribuidora Demanda (sombreros/mes)
Zona Norte 750
Zona Rosa 900
Zona Sur 600

3.- Un Hospital est realizando estudios sobre Ingeniera Industrial para optimizar
con los recursos con que cuenta. Una de las principales preocupaciones del
Director del Hospital es el rea de personal, ya que no est del todo convencido
con el nmero de enfermeras que laboran en la seccin de emergencias. Por tal
motivo, ordeno un estudi estadstico, el cual arrojo los siguientes datos
Hora Nmero mnimo requerido de
enfermeras
0 a 4 40
4 a 8 80
8 a 12 100
12 a 16 70
16 a 20 120
20 a 24 50
De acuerdo con la Ley Federal del Trabajo cada enfermera debe trabajar 8 hrs
consecutivas por da. Formule un modelo de programacin lineal que cumpla con
los requerimientos citados.

4.- En dos mquinas se procesan cuatro productos de forma secuencial. La sig.
Tabla muestra los datos pertinentes de problema.
Mquina Costo por
hr ($)
Producto
I
Producto
II
Producto
III
Producto
IV
Capacidad
(hr)
1 10 2 3 4 2 500
2 5 3 2 1 2 380
Precio Unitario de
Venta
75 70 55 45
Formule un Modelo de programacin lineal

45

5.- Una compaa Manufacturera local produce cuatro diferentes productos
metlicos que deben maquinarse pulirse y ensamblarse. La necesidades
especficas de tiempo (en horas) para cada producto son las siguientes:
Maquinado (hr) Pulido (hr) Ensamble (hr)
Producto I 3 1 2
Producto II 2 1 1
Producto III 2 2 2
Producto IV 4 3 1

La compaa dispone semanalmente de 480 hr para el maquinado, 400 horas para
el pulido y 400 hr para el ensamble. Las ganancias unitarias son: $6,$4,$6 y $8
respectivamente. La compaa tiene un contacto con el distribuidor en el que se
compromete a entregar 50 unidades semanalmente del producto I y 100 unidades
de cualquier combinacin de los productos I, II y III, segn la produccin, pero solo
como mximo 25 unidades del producto IV. Cuntas Unidades de cada producto
debe fabricar semanalmente la empresa, a fin de cumplir las condiciones de
contrato e incrementar la ganancia total?
6.- Una comunidad ha reunido $250,000 para desarrollar nuevas reas para la
eliminacin de desechos. Hay siete sitios disponibles, cuyos costos de desarrollo y
capacidades se muestras a continuacin. Qu sitios deber desarrollar la
comunidad?

Sitio A B C D E F G
Capacidad,
ton/semana
20 17 15 15 10 8 5
Costo
$1000
145 92 70 70 84 14 47

46

7.- Banco azteca va a realizar sus prcticas de prstamo para el prximo ao,
para ello dispone de $20, 000,000. Los prstamos que esta obligado a solicitar son
los siguiente, adems de la probabilidad de no pago

Prstamo Tasa de Inters Probabilidad Inc
Personas 14% 0.1
Automvil 13% 0.07
Casa Habitacin 12% 0.03
Agrcola 12.5% 0.05
Comercial 10% 0.02
El banco debe asignar por lo menos ek 40% de los fondos totalkes a prstamos
agrcolas y comerciales. Los prstamos para casa deben ser iguales o cuando
menos al 50% de los prstamos personales, para automvil y casa habitacin.
Adems por poltica del banco la relacin global de pagos irrecuperables no debe
ser mayor al 0.04%
Nota: Un pago que no se cubre no genera inters. Formule un modelo de
programacin lineal que le permita a la empresa incrementar sus utilidades.
Soluciones de los Modelos de programacin Lineal

1.
Definir Variables.
= .

= .

= .

= .

= .

= .
+.
+.
+.

.
.
+.
+.
+.

47


2
Definir Variables.
= .

= .

= .

= .

= .

= .

=

48

3
Definir Variables
=

= (), (), ()
= (), () ()

=
+.
+.
+.
+.
+.

4
Definir Variables.
= .

= .

= .

= .

=
()
()
,
,

49

5
Definir Variables.
= .

= .

= .

= .

=

s.a

6 Definir Variables.
= .

= .

= .

= .

= .

= .

= .

=

= , , , , , ,
50

7. Definir Variables.
= .

= .

= .

= .

= .

= . (. )
+. (. )
+. (. )
+. (. )
+. (. )

= .
+.
+.
+.
+.
, ,

. (
, ,

.
+ .
+.
+.
+.

Objetivo:

El alumno analizar fundamentos de la
Programacin Lineal y el procedimiento
grfico de solucin, al igual que la forma
detallada del procedimiento del mtodo
simplex.

CAPTULO II: EL
METODO SIMPLEX.

52

Captulo II: El mtodo simplex.
2.1. TEORA DEL MTODO SIMPLEX.
El mtodo Simplex es un procedimiento iterativo que permite ir mejorando la
solucin a cada paso. El proceso concluye cuando no es posible seguir mejorando
ms dicha solucin.
El mtodo grfico muestra que la solucin ptima de Programacin Lineal
siempre est asociada con un punto de esquina (tambin conocido
matemticamente como punto extremo) del espacio de la solucin. Este
resultado es la idea clave para el desarrollo del mtodo simplex algebraico general
para resolver cualquier modelo de Programacin Lineal.
La transicin del punto extremo geomtrico (o esquina) de la solucin al
mtodo simplex radica en identificar algebraicamente los puntos extremos. Para
lograr esta meta, primero convertimos el modelo a la forma estndar de PL,
utilizando variables de holgura o de supervit, para convertir las restricciones de
desigualdad en ecuaciones.
El inters en la forma estndar de PL, se basa en las soluciones bsicas de
las ecuaciones lineales simultneas. Esta solucin bsica (algebraica) define
completamente todos los puntos extremos (geomtricos) del espacio de la
solucin. El algoritmo simplex est diseado para localizar de manera eficiente la
ptima entre estas soluciones bsicas.
Es la tcnica para solucionar problemas de programacin lineal.
Se fundamenta en 2 criterios:
a) Criterio de optimalidad: Este principio garantiza que nunca encontraremos
soluciones inferiores a la del punto ya considerado.
b) Criterio de factibilidad: Este criterio nos asegura que si comenzamos con
una solucin bsica factible inicial, siempre encontraremos soluciones
bsicas factibles.
EJEMPLO 1:
MAX.Z=4X
1
+3X
2
s.a
2X
1
+ 3X
2
6
-3X
1
+ 2X
2
3
2X
2
5
2X
1
+ X
2
4
X
1
, X
2
0
53

Paso 1: Obtener su forma estndar aadiendo las variables de holgura respectivas
en funcin del signo de la desigualdad.
Max Zo=4x
1
+3x
2
+0s
1
+0s
2
+0s
3
+0s
4
s.a
2x
1
+ 3x
2
+ S
1
= 6
-3x
1
+ 2x
2
+ S
2
= 3

2x
2
+ S
3
= 5
2x
1
+ x
2
+ S
4
= 4
x
1
,x
2
,s
1
,s
2
,s
3
,s
4
0
Paso 2:
n= Incgnitas No. de variables m=No. de Restricciones
n= 6 m= 4
n-m= 6-4= 2 No. de variables no bsicas.
Nota: Se llaman no bsicas a aquellas que su valor es cero.
Paso 3: Preguntar Se puede resolver con la solucin ms sencilla? es decir, se
tienen 4 holguras positivas, para conformar una matriz identidad.
Paso 4: Igualar a cero la funcin objetivo.
Zo=-4x
1
-3x
2
-0s
1
-0s
2
-0s
3
-0s
4
=0
Paso 5: Armar el tablero inicial

BASE Z X
1
X
2
S
1
S
2
S
3
S
4
Sol
Z 1 -4 -3 0 0 0 0 0
S
1
0 2 3 1 0 0 0 6 6/2 = 3
S
2
0 -3 2 0 1 0 0 3 3/-3 = -1
S
3
0 0 2 0 0 1 0 5 5/0 =
S
4
0 2 1 0 0 0 1 4 4/2 = 2

A la integracin de toda la fila de la variable de salida con la columna de variable
de entrada se multiplica por su inverso, para obtener lo que se llama eje pivote.
VARIABLE
DE SALIDA
ZONA
VARIABLE DE
ENTRADA
MATRZ
IDENTIDAD
54

Nota: Los coeficientes de las variables bsicas en cualquier tabla simplex se
conforma una matriz de identidad.
En la tabla es la exposicin donde S
1
=6, S
2
=3, S
3
=5 y S
4
=4
PRIMERA LEY
Una tabla es ptima para el caso de maximizacin cuando todos los elementos
de la zona sean positivos o cero y viceversa para el caso de minimizacin.

SEGUNDA LEY
Para elegir la variable de entrada se toma el elemento ms negativo de la zona
, para el caso de maximizacin y viceversa para minimizacin.

TERCERA LEY
Para definir las variables de salida se forman cocientes, donde los
numeradores se toman de la columna de la solucin (nicamente de las
restricciones y donde los denominadores sern los nmeros correspondientes en
la columna de variable entrada). No se admiten indeterminaciones, no cocientes
negativos, la variable de salida se elige tomando el menor cociente positivo tanto
para Maximizar como Minimizar.

55


1.- ITERACIN

BASE Z X
1
X
2
S
1
S
2
S
3
S
4
Sol
Z 1 0 -1 0 0 0 2 8
S
1
0 0 2 1 0 0 -1 2 2/2 = 1
S
2
0 0 7/2 0 1 0 3/2 9 9/ 7/2 = 2.57
S
3
0 0 2 0 0 1 0 5 5/2 = 2.5
X
1
0 1 1/2 0 0 0 1/2 2 2/1/2 = 4
Se multiplica por toda la fila de la variable de salida S
1
, entrando X
2
, obteniendo
el eje pivote 1 arriba de este ltimo y abajo se tendr que hacer ceros.

2.- ITERACIN
BASE Z X
1
X
2
S
1
S
2
S
3
S
4
Sol
Z 1 0 0 1/2 0 0 3/2 9
X
2
0 0 1 1/2 0 0 -1/2 1
S
2
0 0 0 -7/4 1 0 13/4 11/2
S
3
0 0 0 1 1 0 1 3
X
1
0 1 0 -1/4 0 0 3/4 3/2
Como la zona Z son todos los nmeros positivos y ceros se dice que la tabla es
ptima.
SOL
X
1
= 3/2
X
2
= 1
S
2
= 11/2
S
3
3

Nota 1: Solucin factible es aquella para la que todas las restricciones se
satisfacen.
Nota 2: Una solucin no factible es una solucin para que al menos una restriccin
se viole.

VARIABLE DE
ENTRADA
MAX
Z= 9
S
1
= 0
S
4
= 0
2 Variables
no bsicas
VARIABLE
DE SALIDA
56

Comprobacin
Zo=4x
1
+3x
2
Zo=4(3/2)+3(1)

s.a 9 = 9
2x
1
+3x
2
6 2(3/2)+3(1)6
66
-3x
1
+2x
2
3 -3(3/2)+2(1)3
-2.53
2x
2
5 2(1)5
25
2x
1
+x
2
4 2(3/2)+14
44
EJEMPLOS 2:

Resolver el siguiente problema.
MAX Z=2X
1
-3X
2
+4X
3
+5X
4

s.a
3X
1
+ 9X
2
+ 2X
3
+ 7X
4
10
2X
1
- 2X
2
+ 3X
3
+ 9X
4
15
2X
1
+ 4X
2
+ 9X
3
+ 6X
4
5
X
1
, X
2
, X
3
, X
4
0
Llevndola a su forma estndar
Z=2X
1
-3X
2
+4X
3
+5X
4
+0S
1
+0S
2
+0S
3

Z=-2X
1
+3X
2
-4X
3
-5X
4
-0S
1
-0S
2
-0S
3
=0
3X
1
+ 9X
2
+ 2X
3
+ 7X
4
+ S
1
= 10
2X
1
- 2X
2
+ 3X
3
+ 9X
4
+ S
2
= 15
2X
1
+ 4X
2
+ 9X
3
+ 6X
4
+ S
3
= 5
n=7 m=3
n-m= 7-3=4 variables no bsicas
57


BASE Z X
1
X
2
X
3
X
4
S
1
S
2
S
3
Sol
Z 1 -2 3 -4 -5 0 0 0 0
S
1
0 3 9 2 7 1 0 0 10 =10/7=1.42
S
2
0 2 -2 3 9 0 1 0 15 =15/9=1.66
S
3
0 2 4 9 6 0 0 1 5
=5/6=0.83

Se multiplica toda la fila de S
3
de la base por 1/6 para hacer un eje pivote X
4
igual
a 1, en la interseccin de la columna de variable de entrada con la fila de la
variable de salida; haciendo cero arriba de este y debajo de este, mediante
adiciones y sustracciones.

1.- Iteracin
BASE Z X
1
X
2
X
3
X
4
S
1
S
2
S
3
Sol
Z 1 -1/3 19/3 7/2 0 0 0 5/6 25/6
S
1
0 2/3 13/3 -17/2 1 0 0 -7/6 25/6 =4.1666/0.666= 6.25
S
2
0 -1 -8 -21/2 0 1 0 -3/2 15/2 =7.5/-1=-7.5
X
4
0 1/3 2/3 3/2 0 0 1 1/6 5/6 =0.8333/0.333=2.5
Se multiplica toda la fila de X
4
por 3.

2.- Iteracin
BASE Z X
1
X
2
X
3
X
4
S
1
S
2
S
3
Sol
Z 1 0 7 5 1 0 0 0 5
S
1
0 0 3 -23/2 -2 1 0 0 5/2
S
2
0 0 -6 -6 3 0 1 0 10
X
1
0 1 2 9/2 3 0 0 1 5/2
Es ptimo porque la zona son ceros y positivos.

Variable de
entrada
Variable de
salida
58

SOL
S
1
= 5/2
X
1
= 5/2
S
2
= 10

Comprobacin
Zo=2(5/2)-3(0)+4(0)+5(0)
Z=5

3x
1
+9x
2
+2x
3
+7x
4
10 3(5/2)+9(0)+2(0)+7(0)10
7.510
2x
1
-2x
2
+3x
3
+9x
4
15 2(5/2)-2(0)+3(0)+9(0)15
515
2x
1
+4x
2
+9x
3
+6x
4
5 2(5/2)+4(0)+9(0)+6(0)5
55
EJEMPLO 3:
MAX.Z=2X
1
+X
2
s.a
X
1
+ 2X
2
8
-3X
1
+ 2X
2
4
4X
1
+ 2X
2
24
X
1
, X
2
0
Llevndolo a su forma estndar
Zo=2x
1
+x
2
+0s
1
+0s
2
+0s
3

Zo=-2x
1
-x
2
-0s
1
-0s
2
-0s
3

s.a
x
1
+ 2x
2
+ S
1
= 8
-3x
1
+ 2x
2
+ S
2
= 4
4x
1
+ 2x
2
+ S
3
= 24
n=5 m=3 n-m=5-3=2 Variables no bsicas.
Z= 5
X
2
= 0
X
3
= 0
X
4
= 0
S
3
= 0

Solucin
ptima
finita nica
59


BASE Z X
1
X
2
S
1
S
2
S
3
Sol
Z 1 -2 -1 0 0 0 0
S
1
0 1 2 1 0 0 8 8/1 = 8
S
2
0 -3 2 0 1 0 4 4/ 3 = 1.333
S
3
0 4 2 0 0 1 24
24/4 = 6

1.- iteracin

BASE Z X
1
X
2
S
1
S
2
S
3
Sol
Z 1 0 0 0 0 1/2 12
S
1
0 0 3/2 1 0 -1/4 2
S
2
0 0 7/2 0 1 3/4 22
X
1
0 1 1/2 0 0 1/4 6
X
1
= 6
S
1
= 2
S
2
= 22
Variable de
entrada
Variable de
salida
Z= 12
Solucin
ptima
finita nica
X
2
= 0
S
2
= 0
60

EJEMPLO 4:
MIN Z=X
1
-3X
2
-2X
3

s.a
3X
1
- X
2
+ 2X
3
7
-2X
1
+ 4X
2

12
-4X
1
+ 3X
2
+ 8X
3
10
X
1
, X
2
, X
3
0
Llevndolo a su forma estndar
Z=X
1
-3X
2
-2X
3
+0S
1
+0S
2
+0S
3

Z=-X
1
-3X
2
-2X
3
-0S
1
-0S
2
-0S
3
=0
3X
1
- X
2
+ 2X
3
+ S
1
= 7
-2X
1
+ 4X
2

+ S
2
= 12
-4X
1
+ 3X
2
+ 8X
3
+ S
3
= 10
n=6 m=3
n-m= 6-3=3 variables no bsicas

BASE Z X
1
X
2
X
3
S
1
S
2
S
3
Sol
Z 1 -1 3 2 0 0 0 0
S
1
0 3 -1 2 1 0 0 7 =7/-1=-7
S
2
0 -2 4 0 0 1 0 12 =12/4=3
S
3
0 -4 3 8 0 0 1
10
=10/3=3.333

1.- Iteracin
BASE Z X
1
X
2
X
3
S
1
S
2
S
3
Sol
Z 1 1/2 0 2 0 -3/4 0 -9
S
1
0 5/2 0 2 1 1/4 0 10 =10/2=5
X
2
0 -1/2 1 0 0 1/4 0 3 =3/0=
S
3
0 -5/2 0 8 0 -3/4 1 1 =1/8=0.125

Variable de
entrada
Variable de
salida
Variable de
entrada
Variable de
salida
61

2.- Iteracin

3.- Iteracin
La zona son seros y negativos por lo tanto es optima.

BASE Z X
1
X
2
X
3
S
1
S
2
S
3
Sol
Z 1 9/8 0 0 0 -9/16 -1/4 -37/4
S
1
0 25/8 0 0 1 7/16 -1/4
39/4
X
2
0 -1/2 1 0 0 1/4 0 3
X
3
0 -5/16 0 1 0 -3/32 1/8 1/8
BASE Z X
1
X
2
X
3
S
1
S
2
S
3
Sol
Z 1 0 0 0 -9/25 -18/25 -4/25 -319/25
X
1
0 1 0 0 8/25 7/50 -2/25 78/25
X
2
0 0 1 0 4/25 8/25 -1/25 114/25
X
3
0 0 0 1 1/10 -1/20 1/10 11/10
X
1

=78/25
X
2
= 114/25
X
3
= 11/10
Z= -319/25
Solucin
ptima
finita nica
S
1
= 0
S
2
= 0
S
3
= 0
Variable de
entrada
Variable de
salida
62

EJEMPLO 5:
MIN.Z=2X
1
-5X
2
s.a
3X
1
+ 8X
2
12
2X
1
+ 3X
2
16
X
1
, X
2
0
Llevando a su forma estndar
Zo=2x
1
-5x
2
+0s
1
+0s
2

Zo=-2x
1
-x
2
-0s
1
-0s
2
=0
s.a
3x
1
+ 8x
2
+ S
1
= 12
2x
1
+ 3x
2
+ S
2
= 16
1.-Iteracin
BASE Z X
1
X
2
S
1
S
2
Sol
Z 1 -2 5 0 0 0
S
1
0 3 8 1 0 12 12/8 = 1.5
S
2
0 2 3 0 1 16 16/ 3 = 5.3

2.- Iteracin
BASE Z X
1
X
2
S
1
S
2
Sol
Z 1 -31/8 0 -5/8 0 15/2
X
2
0 3/8 1 1/8 0 3/2
S
2
0 7/8 0 3/8 1 27/2
Solucin

X
2
= 3/2
S
2
= 23/2
Z= 15/2
S
1
= 0
X
1
=0
Variables
no bsicas
63

2.2. MTODO DE LAS VARIABLES ARTIFICIALES.
2.2.1. Mtodo de la gran M o mtodo penal.
El mtodo de la gran M es empleado para resolver modelos de programacin
lineal; cuando en sus restricciones al menos una de ellas el signo de la
desigualdad es diferente ; es decir, las restricciones son del tipo o =; el
algoritmo matemtico para resolver este tipo de modelos obedece a los siguientes
pasos:
1.- Se expresa en problema en la forma estndar.
2.- Se aaden las Variables no negativas en cada una de las ecuaciones, cuyas
restricciones originales tengan ( ) o (=). Esas variables artificiales y su presencia
es una violacin a las leyes del lgebra. Esta dificultad se supera asegurando que
esas variables artificiales sean ceros (0) en la solucin final.
3.- Utilizar las variables artificiales para la solucin bsica inicial, para ello la
funcin objetivo deber ser ajustada adecuadamente.
Proceda con los pasos regulares del Mtodo Simplex.
Nota: Las variables artificiales proporcionan un artificio matemtico para obtener la
solucin inicial. Son variables ficticias y no tienen ningn significado fsico directo
en trminos del problema original.
Las variables artificiales se reconocern por la variable W
n

Ejemplo 1
MIN.Z=4X
1
+X
2
s.a
3X
1
+ X
2
= 3
4X
1
+ 3X
2
6
X
1
+ X
2
3
X
1
, X
2
0

PASO1: Pasar a formato estndar y aadir variables artificiales en las
restricciones y que estas sean .

No se
puede
aplicar el
Simplex
Se tiene que emplear
la tcnica de
Variables Artificiales
64

Formato estndar.
MIN.Z=4X
1
+X
2
s.a
3X
1
+ X
2
= 3
4X
1
+ 3X
2
+ S
1
= 6
X
1
+ X
2
+ S
2
= 3
X
1
, X
2
, S
1
, S
2
0
n=4 m=3 n-m=4-3=1Variables no bsicas.
Por lo tanto hay 3 Variables bsicas
PASO 2: Se aade en la funcin objetivo el coeficiente M contrario a su espritu
de dicha funcin por cada variable artificial contenida en las restricciones y se
iguala a cero la funcin objetivo.
MIN.Z=4X
1
+X
2
-0S
1
-0S
2
+MW
1
+MW
2
Z-4X
1
-X
2
-0S
1
-0S
2
-MW
1
-MW
2
=0
s.a

PASO 3: Armar el Tabln en la base siempre que la desigualdad sea de signo
( o =), la variable a contemplar ser la artificial y en las desigualdades ser
siempre en la base de las variables de holgura.

3X
1
+ X
2
+ W
1

= 3
4X
1
+ 3X
2
+ S
1
+ W
2
= 6
X
1
+ X
2
+ S
2
= 3
X
1
, X
2
, S
1
, S
2
, W
1
, W
2
0
Siempre se
considera la variable
artificial en vez de la
de holgura en la
base, no importa si
es Maximizacin o
Minimizacin.
65


NOTA 1: Se forma la Matriz identidad con las variables artificiales acompaadas
con las de holgura, intercambiando la columnas o filas en el siguiente orden X
1
, X
2
,
S
1
, W
1
, S
2
, W
2
.

PASO 4: Hacer el ajuste. Eliminar las M de la zona , para ello cada variable
artificial se multiplica por el mismo coeficiente con signo opuesto y se suman las
variables artifciales y la cantidad ser adicionada en la funcin objetivo zona ,
esto es para Maximizar y Minimizar. El ajuste solo se lleva a cabo en la funcin
objetivo.

1
= 3+4 = 7 4 = 4 +7
2
= +3 = 4 1 = 1 +4
1
= 0 1 = 0 =
1
= 1 +0 = = 0
2
= 0+1 = = 0
BASE Z X
1
X
2
S
1
S
2
W
1
W
2
Sol
Z 1 -4 -1 0 0 -M -M 0
W
1
0 3 1 0 0 1 0 3
W
2
0 4 3 -1 0 0 1 6
S
2
0 1 1 0 1 0 0 3
BASE Z X
1
X
2
S
1
W
1
W
2
S
2
Sol
Z 1 -4 -1 0 -M -M 0 0
W
1
0 3 1 0 1 0 0 3
W
2
0 4 3 -1 0 1 0 6
S
2
0 1 1 0 0 0 1 3
BASE Z X
1
X
2
S
1
W
1
W
2
S
2
Sol

Z 1 7M-4 4M-1 -M 0 0 0 9M

W
1
0 3 1 0 1 0 0 3
=3/3=1
W
2
0 4 3 -1 0 1 0 6
=6/4=1.5
S
2
0 1 1 0 0 0 1 3
=3/1=3
Variable de
entrada
Variable de
salida
66

PASO 5: Se sigue o aplica el mtodo simplex y los criterios de factibilidad, segn
sea el caso para maximizar o minimizar el coeficiente M no tiene valor.

7M 4M por lo tanto 7M es la variable ms positiva y entra X
1
.
Toda la fila del rengln W
1
se multiplica por 1/3 para obtener 1 y tiene que ser el
eje pivote.
En caso de la Funcin Objetivo se sigue toda la fila, se multiplica por 4-7M; checar
operaciones:
1
= 4 7(1) = 4 7+( 4 +7) = 0
2
= 4 7
1
3
=
4
3
7
3
+( 1 +4) =
1
3
+
5
3

1
= 0(4 7) = 0 =
1
= 4 7
1
3
=
4
3
7
3
+0 =
4
3
7
3

2
= 4 7(0) = 0
2
= 4 7(0) = 0
= (4 7)1 = 4 7+9 = 4 +2
1.- Iteracin
Se elige la variable de entrada el ms positivo de la zona
X
2
= 1/3+5/3M el ms positivo.
W
1
= 4/3-7/3M negativo.
BASE Z X
1
X
2
S
1
W
1
W
2
S
2
Sol
Z 1 0 5/3M+1/3 -M -7/3M+4/3 0 0 2M+4
X
1
0 1 1/3 0 1/3 0 0 1 =1/0.33=3
W
2
0 4 5/3 -1 -4/3 1 0 2 =2/1.66=1.2
S
2
0 1 2/3 0 -1/3 0 0 1 =2/0.66=3.0
X
1

-4+7M
NEGATIVO POSITIVO
X
2

-1+4M
NEGATIVO POSITIVO
Minimizar el ms
positivo de la zona
para la variable
de entrada.
67

NOTA: Arriba y abajo del eje pivote ceros, hay que multiplicarlo por cada uno de
los nmeros que se encuentran en la columna con signo opuesto al eje pivote y
sumarlo en la respectiva fila.
2.- Iteracin.
2
=
1
3
5
3
1 =
1
3
5
3
+
1
3
+
5
3
= 0
1
=
1
3
5
3

3
5
=
1
5
+ =
1
5
+ =
1
5

1
=
1
3
5
3
4
5
=
4
15
+
4
3
+
4
3
7
3
=
8
5

2
=
1
3
5
3
3
5
=
1
5
+0 =
1
5

NOTA: Los empates se rompen arbitrariamente.
3.- Iteracin.

VARIABLES BSICAS
S
1
= 3
X
2
= 3

BASE Z X
1
X
2
S
1
W
1
W
2
S
2
Sol
Z 1 0 0 1/5 8/5-M -1/5-M 0 18/5
X
1
0 1 0 1/5 3/5 -1/5 0 3/5 =0.6/0.2=3
X
2
0 0 1 -3/5 -4/5 3/5 0 6/5 =1.2/-0.6=-2
S
2
0 0 0 2/5 1/5 -2/5 1 6/5 =1.2/0.4=3
BASE Z X
1
X
2
S
1
W
1
W
2
S
2
Sol
Z 1 -1 0 0 1-M -M 0 3
S
1
0 5 0 1 3 -1 0 3
X
2
0 3 1 0 1 0 0 3
S
2
0 2 0 0 -1 0 1 0
VARIABLES
NO BSICAS.
MIN Z= 3
S
2
= 0
W
1
= 0
W
2
= 0

68

Ejemplo 2.
MAX.Z=4X
1
+X
2
s.a
2X
1
+ X
2
8
3X
2
30
X
1
= 10
X
1
, X
2
0
Formato estndar

Z=4X
1
+X
2
-0S
1
+0S
2
-MW
1
-MW
2

Z-4X
1
-X
2
+0S
1
-0S
2
+MW
1
+MW
2

s.a
2X
1
+ X
2
- S
1
+ W
1
= 8
3X
2
+ S
2
= 30
X
1
+ W
2
= 10
X
1
, X
2
, S
1
, S
2
, W
1
, W
2
0


BASE Z X
1
X
2
S
1
S
2
W
1
W
2
Sol
Z 1 -4 -1 0 0 M M 0
W
1
0 2 1 -1 0 1 0 8
S
2
0 0 3 0 1 0 1 30
W
2
0 1 0 0 0 0 0 10
69


SUMO W
1
+W
2
por el ajuste

1.- Iteracin

BASE Z X
1
X
2
S
1
S
2
W
1
W
2
Sol
Z 1 -4 -1 0 0 M M 0
(-M) W
1
0 2 1 -1 0 1 0 8
S
2
0 0 3 0 1 0 1 30
(-M) W
2
0 1 0 0 0 0 0 10
-2M -M M -M 0M 0M -8M
-1M -0M 0 0 0M -M -10M
BASE Z X
1
X
2
S
1
W
1
S
2
W
2
Sol
Z 1 -3M-4 -M-1 M 0 0 0 -8M
W
1
0 2 1 -1 0 0 0 8 =8/2=4
S
2
0 0 3 0 1 1 0 30 =30/0=
W
2
0 1 0 0 0 0 1 10 =10/1=10
BASE Z X
1
X
2
S
1
W
1
S
2
W
2
Sol
Z 1 0 1/2M-1 -1/2M-2 3/2M+2 0 0 -6M+16
3M+4 X
1
0 1 1/2 -1/2 1/2 0 0 4 =8/-1/2=-8
S
2
0 0 3 0 0 1 0 30 =30/0=
W
2
0 0 -1/2 1/2 -1/2 0 1 6
=6/0.5=12
Variable
de salida
Variable
de entrada
Variable
de salida
Variable
de entrada
70

2.- Iteracin

3. - Iteracin

V. Bsicas V. no Bsicas

BASE Z X
1
X
2
S
1
W
1
S
2
W
2
Sol
Z 1 0 -1 0 M 0 M+4 40
X
1
0 1 0 0 0 0 1 10 =10/0=
S
2
0 0 3 0 0 1 0 30 =30/3=10
1/2M+2 S
1
0 0 -1 1 -1 0 2 12 =12/-1=12
BASE Z X
1
X
2
S
1
W
1
S
2
W
2
Sol
Z 1 0 0 0 M 1/3 M+4 30
X
1
0 1 0 0 0 0 1 10
X
2
0 0 1 0 0 1/3 0 10
S
1
0 0 0 1 -1 1/3 2 22
Variable de
entrada
Variable de
salida
S
2
=0
W
1
=0
W
2
=0
X
1
=10
X
2
=10
S
1
=22
71

EJEMPLO 3
MAX.Z=-3X
1
-6X
2
Z=-3X
1
-6X
2

s.a

Formato estndar

Z=-3X
1
-6X
2
+0S
1
-0S
2
+MW
1
+MW
2

Z+3X
1
+6X
2
-0S
1
+0S
2
-MW
1
-MW
2
=0
s.a
-4X
1
+ 8X
2
+ S
1
= 12
2X
1
+ 6X
2
- S
2
+ W
1
= 16
3X
1
- 6X
2
+ W
2
=
X
1
, X
2
, S
1
, S
2
, W
1
, W
2


[4X
1
- 8X
2
-12]-1
2X
1
+ 6X
2
16
3X
1
- 6X
2
= 8
-4X
1
+ 8X
2
12
2X
1
+ 6X
2
16
3X
1
- 6X
2
= 8
X
1
, X
2
0
BASE Z X
1
X
2
S
1
S
2
W
1
W
2
Sol
Z 1 3 6 0 0 -M -M 0
S
1
0 -4 8 1 0 0 0 12
W
1
0 2 6 0 -1 1 0 16
W
2
0 3 -6 0 0 0 1 8
72


1.-Iteracin
2.- Iteracin
V. Bsicas V. no Bsicas

BASE Z X
1
X
2
S
2
S
1
W
1
W
2
Sol
Z 1 3 6 0 0 -M -M 0
S
1
0 -4 8 0 1 0 0 12
W
1
0 2 6 -1 0 1 0 16
W
2
0 3 -6 0 0 0 1 8
BASE Z X
1
X
2
S
2
S
1
W
1
W
2
Sol
Z 1 5M+3 6 -M 0 0 0 24M
X
1
0 -4 8 0 1 0 0 12 =12/-4=-3
S
2
0 2 6 -1 0 1 0 16 =16/2=8
S
1
0 3 -6 10 0 0 1
8
=8/3=2.6
BASE Z X
1
X
2
S
2
S
1
W
1
W
2
Sol
Z 1 0 10M+12 -M 0 0 -5/3 M-1 32/3 M-8
X
1
0 0 0 0 1 0 4/3 68/3 =22.66/0=
W
1
0 0 10 -1 0 1 -2/3 32/2 =10.66/10=5.33
5M+4 X
1
0 1 -2 10 0 0 1/3 8/3 =2.66/-2=-1.33
BASE Z X
1
X
2
S
2
S
1
W
1
W
2
Sol
Z 1 0 0 6/5 0 -M-6/5 -M-1/5 -104/5
S
1
0 0 0 0 1 0 4/3 68/3
10M+2 X
2
0 0 1 -1/10 0 1/10 -1/15 16/15
X
1
0 1 0 -1/5 0 1/5 1/5 24/5
Variable de
entrada
Variable de
salida
Variable de
entrada
X
1
=24/5
X
2
=16/5
S
1
=68/3
MAX
Z=104/5
S
2
=0
W
1
=0
W
2
=0
73

2.2.2. Mtodo de la Doble Fase.
El procedimiento de la doble fase es similar al Mtodo de la M en sus pasos 1 y
2, solo que en su paso 4 se sustituye la funcin (F.O), por una funcin que ser la
de objetivo de estudio, la cual se obtiene a partir de la suma de tantas variables
artificiales como sean necesarias agregar en la forma estndar.
MINZ=2X
1
+X
2

s.a

Paso 1: Formato Estndar.
Z=2X
1
+X
2
-S
1
-S
2
-S
3
+W
1
+W
2
+W
3

Z-2X
1
-X
2
-0S
1
+0S
2
+S
3
+W
1
+W
2
+W
3

3X
1
+ X
2
- S
1
+ W
1
= 3
4X
1
+ 3X
2
- S
2
+ W
2
= 6
X
1
+ 2X
2
- S
3
+ W
3
= 3
X
1
, X
2
0

Paso 2: Despejar las variables artificiales de cada restriccin: siempre se tomara
en cuenta los signos o = y se suman todas las variables artificiales, tomando una
nueva funcin objetivo.
MINa=W
1
+W
2
+W
3

s.a

Se iguala la funcin objetivo a la constante obtenida de la suma de cada una de
ellas, en este caso a 12.
3X
1
+ X
2
3
4X
1
+ 3X
2
6
X
1
+ 2X
2
3
X
1
, X
2
0
W
1
= 3

- 3X
1
- X
2
+ S
1

W
2
= 6

- 4X
1
- 3X
2
+ S
2

W
3
= 3

- X
1
- 2X
2
+ S
3

a = 12 - 8X
1
- 6X
2
+ S
1
+ S
2
+ S
3

No se puede
hacer por
Mtodo
simplex
74

MINa=12-8X
1
-6X
2
-S
1
-S
2
-S
3
-0W
1
+0W
2
+0W
3

Igualando a
a+8X
1
+6X
2
-S
1
-S
2
-S
3
-0W
1
+0W
2
+0W
3
=12
s.a

n-m=8-3=5 variables no bsicas
Fase 1
Base a X
1
X
2
S
1
S
2
S
3
W
1
W
2
W
3
SOL
a 1 8 5 -1 -1 -1 0 0 0 12
W
1
0 3 1 -1 0 0 1 0 0 3 =3/3=1
W
2
0 4 3 0 -1 0 0 1 0 6 =6/4=1.5
W
3
0 1 2 0 0 -1 0 0 1 3 =3/1=33

1.- Iteracin
Base a X
1
X
2
S
1
S
2
S
3
W
1
W
2
W
3
SOL
a 1 0 10/3 5/3 -1 -1 -8/3 0 0 4
X
1
0 1 1/3 -1/3 0 0 1/3 0 0 1
W
2
0 0 5/3 4/3 -1 0 -4/3 1 0 2
W
3
0 0 5/3 1/3 0 -1 -1/3 0 1 2

2.-Iteracin
Base a X
1
X
2
S
1
S
2
S
3
W
1
W
2
W
3
SOL
a 1 0 0 -1 1 -1 0 -2 0 0
X
1
0 1 0 -3/5 1/5 0 3/5 -1/5 0 3/5 0.6/0.2=3
X
2
0 0 1 4/5 -3/5 0 -4/5 3/5 0 6/5 1.2/-0.6=-2
W
3
0 0 0 -1 1 -1 1 -1 1 0 0/1=0

3X
1
+ X
2
- S
1
+ W
1
= 3
4X
1
+ 3X
2
- S
2
+ W
2
= 6
X
1
+ 2X
2
- S
3
+ W
3
= 3
X
1
, X
2
, S
1
, S
2
, S
3
, W
1
, W
2
, W
3
0
Variable de
entrada
Variable de
salida
75

Fase 2: Lleva de la funcin objetivo a a la funcin objetivo inicial Z.
X
1
- 2/5S
1
+ 1/5S
3
= 3/5
X
2
+ 1/5S
1
- 3/5S
3
= 6/5
- S
1
+ S
2
- S
3
= 0
Despejar cada una de las ecuaciones de la base obtenidas en la Fase I con la
variable respectiva
1
=
3
5
+
2
5
1

1
5
2
=
6
5
1
5
1
+
3
5
3

Sustituimos los valores X
1
, X
2
en la funcin objetivo Z, la funcin original.
= 2
1
+
2

= 2
3
5
+
2
5
1

1
5
3
+
6
5
1
5
1
+
3
5
3

=
6
5
+
4
5
1

2
5
3
+
6
5
1
5
1
+
3
5
3

=
12
5
+
3
5
1
+
1
5
3

Se iguala a 12/5

3
5
1

1
5

3
=
12
5

Armar nuevamente el tabln sin las variables artificiales.

La tabla es ptima porque se tienen 0 y negativos en la zona
Base a X
1
X
2
S
1
S
2
S
3
W
1
W
2
W
3
SOL
a 1 0 0 0 0 0 -1 -1 0 0
X
1
0 1 0 -2/5 0 1/5 2/5 0 0 3/5
X
2
0 0 0 1/5 0 -3/5 -1/5 0 0 6/5
S
2
0 0 1 -1 1 -1 1 -1 0 0
Base a X
1
X
2
S
1
S
2
S
3
SOL
a 1 0 0 -3/5 0 -1/5 12/5
X
1
0 1 0 -2/5 0 1/5 3/5
X
2
0 0 0 1/5 0 -3/5 6/5
S
2
0 0 1 -1 1 -1 0
V. Bsicas
X
1
=3/5
X
2
=6/5
V. no Bsicas
S
2
, S
1
, S
3
=0
76

EJERCICIO 1
MINZ=8X
1
+2X
2

3X
1
+ 5X
2
- S
1
+ W
1
= 13
4X
1
- X
2
- S
2
+ W
2
= 2
5X
1
+ 3X
2
- S
3
+ W
3
= 11
X
1
, X
2
, S
1
, S
2
, S
3
, W
1
, W
2
, W
3
0

MINa=W
1
+W
2
+W
3

s.a

+13
1
+7
2

1

2

3
= 26
Fase 1
Base a X
1
X
2
S
1
S
2
S
3
W
1
W
2
W
3
SOL
a 1 13 7 -1 -1 -1 0 0 0 26
W
1
0 3 5 -1 0 0 1 0 0 13 =13/5=2.6
W
2
0 4 -1 0 -1 0 0 1 0 2 =2/-1=-2
W
3
0 5 3 0 0 -1 0 0 1 11 =11/3=3.66

1.- Iteracin
Base a X
1
X
2
S
1
S
2
S
3
W
1
W
2
W
3
SOL
a 1 44/5 0 6 -1 -1 -7/5 0 0 39/5
X
2
0 3/5 1 -1 0 0 1/5 0 0 13/5 =2.6/0.6=4.3
W
2
0 23/5 0 -1 -1 0 1/5 1 0 23/5 =4.6/4.6=1
W
3
0 16/5 0 3 0 -1 -3/5 0 1 16/5 3.2/3.2=1
2.-Iteracin
Base a X
1
X
2
S
1
S
2
S
3
W
1
W
2
W
3
SOL
a 1 0 0 -9/4 -1 7/4 1/4 0 -11/4 -1

X
2
0 0 1 -25/16 0 3/16 5/16 0 -3/16 2 =2/-0.18=10.6
W
2
0 0 0 -85/16 0 23/16 17/16 1 -23/16 0 =0/1.43=0
X
1
0 1 0 15/16 0 -5/16 -3/16 0 5/16 1 1/-0.31=3.2

W
1
= 13

- 3X
1
- 5X
2
+ S
1

W
2
= 2

- 4X
1
+ X
2
+ S
2

W
3
= 11

- 5X
1
- 3X
2
+ S
3

a = 26 - 12X
1
- 7X
2
+ S
1
+ S
2
+ S
3

77

3.-Iteracin.
Base a X
1
X
2
S
1
S
2
S
3
W
1
W
2
W
3
SOL
a 1 0 0 -67/92 -1 0 -24/23 -28/23 -1 -1
X
2
0 0 1 -20/23 0 0 4/23 -3/23 0 2
S
3
0 0 0 -85/23 0 1 17/23 16/23 -1 0
X
1
0 1 0 -5/23 0 0 1/23 5/23 0 1
Fase 2:
Cambiando de a Z
X
2
- 20/23 S
1
= 2
- 85/23 S
1
+ S
3
= 0
X
1
- 5/23 S
1
1
2
= 2 +
20
23
3
= 0 +
85
23
1
= 1 +
5
23
1

Min
= 8 1 +
5
23
1
+2 2 +
20
23
1

= 8 +
40
23
1
+4 +
40
23
1

= 12 +
80
23
1

80
23
1
= 12
Base a X
1
X
2
S
1
S
2
S
3
SOL
a 1 0 0 -80/23 0 0 12
X
2
0 0 1 -26/23 0 0 2
S
3
0 1 0 -85/23 0 1 0
X
1
0 0 0 -5/23 0 0 1

MIN Z=12
X
2
=2
S
3
=0
X
1
=1
V. no Bsicas
S
1
, S
2
=0
78

EJEMPLO
MAXZ=3X
1
+5X
2

s.a

Paso 1: Formato Estndar.
F=W
1
+W
2

F+3X
1
+3X
2
-S
1
-S
2
=6
4X
1
+ X
2
- S
1
+ W
1
= 4
-X
1
+ 2X
2
- S
2
+ W
2
= 2
X
2
+ S
3
+ W
3
= 3

Paso 2: Despejar las variables artificiales de cada restriccin.

Se iguala la funcin objetivo

F+3X
1
+3X
2
-S
1
-S
2
=6
NOTA: Para el caso de Maximizar en el Mtodo de la doble fase se maneja
con los criterios de Minimizacin al momento de definir Variables de entrada
y salida esta tiene alcance tanto en las iteraciones desarrolladas en la Fase I
y Fase II; quedando ptima cuando en la zona , todos sean negativos o
ceros. Solo este criterio aplicara para Maximizar bajo el mtodo de la doble
fase.

4X
1
+ X
2
4
-X
1
+ 2X
2
2
X
2
3
X
1
, X
2
0
W
1
= 4

- 4X
1
- X
2
+ S
1

W
2
= 2

+ X
1
- 2X
2
+ S
2

F = 6 - 3X
1
- 3X
2
+ S
1
+ S
2

79

TABLON
Base F X
1
X
2
S
1
S
2
S
3
W
1
W
2
SOL
F 1 3 3 -1 -1 0 0 0 6
W
1
0 4 1 -1 0 0 1 0 4
W
2
0 -1 2 0 -1 0 0 1 2
S
3
0 0 1 0 0 1 0 0 3

Base F X
1
X
2
S
1
S
2
W
1
W
2
S
3
SOL
F 1 3 3 -1 -1 0 0 0 6
W
1
0 4 1 -1 0 1 0 0 4 =4/1=4
W
2
0 -1 2 0 -1 0 1 0 2 =2/2=1
S
3
0 0 1 0 0 0 0 1 3 =3/1=3

1.-Iteracin
Base F X
1
X
2
S
1
S
2
W
1
W
2
S
3
SOL
F 1 9/2 0 -1 1/2 0 -3/2 0 3
W
1
0 9/2 0 -1 1/2 1 -1/2 0 3 =3/4.5=0.66
X
2
0 -1/2 1 0 -1/2 0 1/2 0 1 =1/0.5=-2
S
3
0 1/2 0 0 1/2 0 -1/2 1 2 =2/0.5=4

2.-Iteracin
Base F X
1
X
2
S
1
S
2
W
1
W
2
S
3
SOL
F 1 0 0 0 0 -1/2 -1 0 0
X
1
0 1 0 -2/9 1/9 2/9 -1/9 0 2/3
X
2
0 0 1 -1/9 -4/9 1/9 -1/18 0 4/3
S
3
0 0 0 1/9 4/9 -1/9 -4/9 1 5/3

Fase 2.
Llevar de la funcin Objetivo F a Z.
Encontrando las ecuaciones de cada una de las variables bsicas de la tabla
ptima.

80

X
1
- 2/9S
1
+ 1/9S
2
=2/3 Ec. (1)
X
2
- 1/9S
1
- 4/9S
2
=4/3 Ec. (2)
1/9S
1
+ 4/9S
2
+ S
3
=5/3 Ec. (3)

Despejando a X
1
de la Ec. (1) a X
2
de la Ec (2) y S
3
de la Ec. (3)
X
1
= 2/3 + 2/9S
1
- 1/9S
2
Ec. (4)
X
2
=

4/3 + 1/9S
1
+ 4/9S
2
Ec. (5)
S
3
= 5/3 - 1/9S
1
- 4/9S
2
Ec. (6)

Sustituyendo a X
1
y X
2
y S
3
de las ecuaciones 4,5,6.
Z=3X
1
+5X
2

=

= +

TABLON
Base Z X
1
X
2
S
1
S
2
S
3
SOL
Z 1 0 0 -1 17/9 0 26/3
X
1
0 1 0 -2/9 1/9 0 2/3
X
2
0 0 1 -1/9 -4/9 0 4/3
S
3
0 0 0 1/9 4/9 1 5/3

COMPROBACIN
Z=3(2/3)+5(4/3)=26/3
s.a
4(2/3)+4/34
44
-2/3+2(4/3)2
22

VARIABLES BASICAS
X
1
=2/3 X
2
=4/3 S
3
=5/3
Z=26/3
VARIABLES NO BASICAS
S
1
=S
2
=0
81

EJERCICIO 2
Un estanque de peces es abastecido cada primavera con dos especies: beta y
globo; si hay dos tipos de comida f
1
y f
2
disponibles en el tanque. El peso promedio
de los peces y el requerimiento promedio de alimento para cada pez; esta dado en
la siguiente tabla:
ESPECIE F
1
F
2
PESO PROMEDIO
BETA 2 3 3 lb
GLOBO 3 1 2 lb

Si existen 600 lb de comida f
1
y 300 lb de comida f
2
diariamente. Cuntos
peces deben existir en la pecera; dado que lo mnimo para lo cual fue construida
es de 400 lb?
Definicin de Variables.
X
1
= No. de peces beta que deben haber en el estanque o pecera.
X
2
= No. de peces globo que deben haber en el estanque o pecera.
MAXZ=X
1
+X
2

s.a

MINZ=X
1
+X
2
-0S
1
+MW
1
+0S2+0S
3

Z=-X
1
-X
2
+0S
1
+MW
1
-0S
2
-0S
3

3X
1
+ 2X
2
- S
1
+ W
1
= 400
2X
1
+ 3X
2
+ S
2
= 600
3X
1
+ X
2
+ S
3
= 300
X
1
, X
2
, S
1
, S
2
, S
3
, W
1
0

3X
1
+ 2X
2
400
2X
1
+ 3X
2
600
3X
1
+ X
2
300
X
1
, X
2
0
82


Base Z X
1
X
2
S
1
W
1
S
2
S
3
SOL
Z 1 -1 -1 0 M 0 0 0
W
1
0 3 2 -1 1 0 0 400
S
2
0 2 3 0 0 1 0 600
S
3
0 3 1 0 0 0 1 300

AJUSTE
Base Z X
1
X
2
S
1
W
1
S
2
S
3
SOL
Z 1 -3M-1 -2M-1 M 0 0 0 -400M
W
1
0 3 2 -1 1 0 0 400 400/3=133
S
2
0 2 3 0 0 1 0 600 600/2=300
S
3
0 3 1 0 0 0 1 300 300/3=100

1.-Iteracin
Base Z X
1
X
2
S
1
W
1
S
2
S
3
SOL
Z 1 0 -M-2/3 M 0 0 M+1/3 100M+100
W
1
0 0 1 -1 1 0 -1 100
S
2
0 0 7/3 0 0 1 -2/3 400
X
1
0 1 1/3 0 0 0 1/3 100
2.-Iteracin
Base Z X
1
X
2
S
1
W
1
S
2
S
3
SOL
Z 1 0 0 -2/3 M+2/3 0 1/3 500/3
X
2
0 0 1 -1 1 0 -1 100
S
2
0 0 0 7/3 -7/3 1 5/3 500/3
X
1
0 0 0 1/3 -1/3 0 2/3 200/3

3.-Iteracin
Base Z X
1
X
2
S
1
W
1
S
2
S
3
SOL
Z 1 0 0 0 M 2/7 17/21 1500/7
X
2
0 0 1 0 0 3/7 -2/7 1200/7
S
1
0 0 0 1 -1 3/7 5/7 500/7
X
1
0 1 0 0 0 -1/7 3/7 300/7
CONCLUSIN: Debe de haber en la pecera 214 peces, de los cuales 43 deben
ser beta y 171 deben ser globo.

83

2.2.3. Mtodo Grfico.
El mtodo grfico soluciona problemas de PL por medio de la representacin
geomtrica del objetivo, las restricciones estructurales y las condiciones tcnicas.
En esta representacin geomtrica, los ejes coordenados pueden asociarse ya
sea con las variables o con las restricciones tecnolgicas del problema. Cuando
los ejes cartesianos estn relacionados con las variables (actividades) del
problema, el proceso se conoce como mtodo grfico de actividades. Cuando la
forma alternativa, las restricciones tecnolgicas (recursos) se identifican con los
ejes coordenados, el mtodo se denomina mtodo grfico en recursos.
Un problema de PL con m restricciones y n variables (las condiciones tcnicas
no se incluyen en la dimensin del problema) se dice que posee una dimensin de
(mn). El mtodo grfico para resolver un programa lineal con dos variables se
comprende mejor concentrndose primero en las restricciones y posteriormente en
la funcin objetivo. Para determinar los valores X
1
, X
2
o X,Y satisfacen todas las
restricciones, considerando una restriccin a la vez.
2.2.3.1. La desigualdad representada en el eje cartesiano
Cuando el signo de la restriccin es menor o igual ( ) el sentido del vector ira
dirigido hacia el origen es decir, hacia adentro.
2X
1
+X
2
4
2X
1
+X
2
=4
X
2

5
4
3
2
1
1 2 3 4 5 5 X
1

X
1
X
2
0 4
2 0

84

2.2.3.2. La desigualdad representada en el eje cartesiano
Cuando el signo de la restriccin es mayor o igual ( ) el sentido del vector ira
dirigido hacia afuera del origen es decir hacia afuera.
3X
1
-X
2
4
3X
1
-X
2
=4

1
1
2
3
4

5

4

3

2

1
A 1 2 3 4 5 6 X
1

X
1
X
2
0 -4
4/3 0

1
2
3
Z=9
4
B
C
D
MAX
Z=4X
1
+3X
2

S.A
2X
1
+3X
2
6
-3X
1
+2X
2
3
2X
2
5
2X
1
+X
2
4
X
1
,X
2
0
85

Solucin
Como la funcin es Maximizar se busca el punto ms alejado del origen y si
fuera Minimizar viceversa observando el polgono A, B, C, D, el punto ms alejado
parece C, B, para lo cual se empleara un sistema de ecuaciones formando en la
interseccin de ambos puntos.
Punto C
Recta 1 y Recta 4 se interceptan
2
1
+3
2
= 6 . 1
2
1
+
2
= 4 . 2

1
2

1

2
2 3 6
2 1 4
~
1
(2) +
2
1
3
2
3
2 1 4
~
2
1
2

1
3
2
3
0 2 2
~
3
2
+
1
1
3
2
3
0 1 1
~
1 0
3
2
0 1 1

X
1
= 3/2
X
2
= 1
Sustituir los valores de X
1
y X
2
en la funcin objetivo.
= 4
3
2
+3(1) = 9 > 8 >
Punto B
La recta 4 se intercepta con X
1

2X
1
+X
2
=4
X
2
=0
X
1
=2
Sustituyendo los valores en la funcin objetivo Z
Z=4X
1
+3X
2

=4(2)+3(0)=8 es menor que 9 por lo tanto es ptima.
MAX
Z=9
86

Esta versin del mtodo grfico asocia una variable a cada eje coordenado y
luego realiza tres pasos bsicos:

1.- Reemplazar el signo de la desigualdad en una restriccin por un signo de
igualdad y calcular las interceptas donde la ecuacin satisface su condicin de
igualdad.
2.- Dibujar lnea correspondiente de la funcin.
3.- Identificar el sentido de la lnea dependiente del sentido de la desigualdad en la
restriccin.
4.- Sombrear esa porcin de la grafica que satisfaga las restricciones formuladas
hasta el momento.

EJEMPLO 1.
MAXZ=4X
1
+3X
2

s.a

Descartes menciono para solucionar un problema complejo, se vale solucionar
el problema por partes a condiciones de que las soluciones nieguen la totalidad.
En esta primera instancia se trabajara con las restricciones prescindindole la
funcin objetivo.

2X
1
+ 3X
2
6
-3X
1
+ 2X
2
3
2X
2
5
2X
1
+ X
2
4
X
1
, X
2
0
OBSERVACIONES
Hay dos variables
Todas las restricciones son
Es un problema de Maximizacin
87

2.2.3.3. Mtodo General.
Tomaremos la primera restriccin y la transformaremos en una igualdad y se
harn o encontraran las interceptas. Son los puntos en que la curva corta al eje de
coordenadas. Estos puntos tambin tienen una cualidad de que al menos una de
sus variables vale 0 (cero).

2.- Localizar interceptas.
2X
1
+3X
2
=6------------ -3X
1
+2X
2
=3------------

2X
1
=5------------ 2X
1
+X
2
=4---------------

3.- Graficar interceptos

X
1
X
2

0 2
3 0
X
1
X
2

0 3/2
-1 0
X
1
X
2

5/2 0
X
1
X
2

0 4
2 0
X
1
=0
X
2
=0
Y
0
=0
X
3
=0
X
4
=0
1 2
3
4
El rea bordeada se
llama solucin
factible o conjunto
convexo; o solucin
espacio y tiene la
propiedad de
cumplir con todas
las condiciones del
modelo no
negatividad.
88

Se le llama restriccin redundante a la restriccin cuya preferencia o ausencia
no modifique para nada el rea de la solucin factible; sin embargo todos los
puntos de esa rea debern cumplir dicha condicin.
Trabajando exclusivamente con la funcin objetivo si esta parte del punto (1,0),
por el punto (1,1), para (0,0) o por el punto (1.5, 1).

(1,0) (1,1) (0,0) (1.5,1)
Z=4X
1
+3X
2
Z=4X
1
+3X
2
Z=4X
1
+3X
2
Z=4X
1
+3X
2
Z=4(1)+3(0) Z=4(1)+3(1) Z=4(0)+3(0) Z=4(1.5)+3(1)
Z=4 Z=7 Z=0 Z=9

Z=4X
1
+3X
2
=4 4X
1
+3X
2
=4 4X
1
+3X
2
=4 4X
1
+3X
2
=4

La funcin objetivo Z genera una familia finita de rectas paralelas cuyos valores
mximos o mnimos se dan exactamente en puntos o esquinas del rea.

EJEMPLO 2.
MAXZ=10X
1
+15X
2

s.a

X
1
X
2

0 4/3
1 0
X
1
X
2

0 7/3
7/4 0
X
1
X
2

0 0
-3 4
X
1
X
2

0 3
6/4 0
10X
1
+ 20X
2
4000
5X
1
+ 5X
2
1500
4X
1
+ 2X
2
800
X
1
, X
2
0
89

10X
1
+20X
2
=4000 5X
1
+5X
2
=1500 4X
1
+2X
2
=800

(100,100) (150,100) (130,130)
Z=10(100)+15(100) Z=10(150)+15(100) Z=10(130)+15(130)
Z=2500 Z=3000 Z=3250

10X
1
+20X
2
=2500 10X
1
+20X
2
3000 10X
1
+20X
2
3250

X
1
X
2

0 200
400 10
X
1
X
2

0 300
300 0
X
1
X
2

0 800
200 0
X
1
X
2

250 0
0 166.66
X
1
X
2

300 0
0 200
X
1
X
2

325 0
0 216
90

10X
1
+20X
2
=4000
[4X
1
+2X
2
800]1/4
10X
1
+20X
2
=4000
[ X
1
+2/4X
2
=200]-10
15X
2
=2000
X
2
=2000/15
X
2
=133.333
DESPEJANDO A X
1
DE LA EC(1).

1
=
4000 20
2
10
=
4000 20(133.33)
10

X
1
=2000/15=133.33
Z=10X
1
+15X
2

Z=10(2000/15)+15(2000/15)= 3333.333

EJEMPLO 3.
Un banco asigna un mximo de $20,000 en prstamos personales y de
automviles. El monto de los prstamos para automviles debe ser cuando menos
2 veces mayor que el de los prstamos personales. La experiencia pasada ha
demostrado que los adeudos no cubiertos constituyen el 1% de los prstamos
personales. Como deben asignarse los fondos para maximizar la utilidad del
banco si los intereses anual para prstamos personales son de 14% y del 12%
para prstamos para automviles.
X
1
= Automviles.
X
2
= Prestamos personales.

91

Max Z= X
1
(0.14) +X
2
(0.12)-0.1X
2

Restricciones.
X
1
+X
2
20000
X
1
, X
2
0
X
1
X
2
0 20000
20000 0
20
X
1
X
2
0 0
10 20
5 10 15 20 25 20000
0.13X
1
+0.12X
2
=15
Si Z = 2.5
X
1
=N=Kg Mezcla barata
X
2
=Kg Mezcla cara
MAX Z=10X
1
+15X
2

s.a
0.8X
1
+0.5X
2
1800
0.2X
1
+0.5X
2
1200
X
1
0
X
2
0
X
1
X
2
0 3600
2250 0

15
10

30
25

20000

Z=1.5
B
B
S.B.F
X
1
X
2
0 2400
6000 0

92

X
2

6000
5500
5000
4500
4000
3500
3000
2500
2000
1500
1000
500
500 1000 1500 2000 2500 3000 3500 6000 X
1

SBF
93

EJERCICIOS III. Problemas Mtodo Grafico.
INSTRUCCIONES: Resolver los siguientes ejercicios por el mtodo grafico, la
solucin se presenta en cada uno de los problemas.
Problemas del mtodo grafico

= 5
1
+
2

.
2
1
+
2
6
1
+
2
4
2
1
+10
2
20
1
,
2
0

= 5
1

2

.
2
1
+3
2
12
1
3
2
0
1
,
2
0

= 4
1
+
2

.
8
1
+2
2
16

1
+
2
12
1
,
2
0

94


= 6
1
+2
2

.
3
1
+2
2
12
2
1
+ 4
2
12

2
1
1
,
2
0

= 4
1
+
2

.
3
1
+
2
6
4
1
+
2
12
1
2
1
,
2
0

=
1
+
2

.
4
1
+
2
100

1
+
2
80

1
40
1
,
2
0

95


= 4
1

2

.
2
1
+
2
8

2
5
1

2
4
1
,
2
0

96

EJERCICIOS IV. Resolucin de Modelos de Programacin Lineal.
Instrucciones: Resolver los siguientes modelos de programacin lineal por el
mtodo apropiado.

= 2
1
+3
2

.
1
2
2
16
5
1
+8
2
29
3
1
+7
2
17
1
,
2
0

= 2
1
5
2

s.a
2
1
61
3
2
85
1
+ 3
2
40
8
1
+2
2
50
1
,
2
0

= 2
1
+10
2
+
3

.
5
1
+2
2
+
3
15
2
1
+
2
+7
3
20

1
+ 3
2
+ 2
3
25
1
,
2
,
3
0

= 2
1

2
+4
3

.
5
1
+2
2
3
3
7
2
1
2
2
+
3
8
1
,
2
,
3
0

= 66.6667
2
= 40
3
= 40
4
= 26.6667
Solucin

. V.No Bsicas
2
= 13.333
1
=
1
= 0

= 75
1
= 15
2
= 7.5
3
= 22.50
Solucin
. V.No Bsicas
2
= 7.5
1
=
3
= 0

NO TIENE SOLUCIN
FACTIBLE

= 11.3333
1
= 5.6667
2
= 28.3336
3
= 17.00
Solucin
. V.No Bsicas
1
= 5.6667
2
= 0

97


= 3
1
+4
2

.
2
1
+
2
6
2
1
+3
2
9
1
,
2
0

= 2
1
10
2
+
3

.
3
1
+
2
+
3
6
1

2
+ 2
3
1

1
+ 3
2

3
2
1
,
2
,
3
0

=
1
+ 2
2

.
1
+ 3
2
11
2
1
+
2
9
1
,
2
0

= 2
1
+3
2
+4
3

.
1
+
2
+
3
1
1
+
2
+ 27
3
= 2
3
1
+ 2
2
+ 1
3
4
1
,
2
,
3
0

= 12.75
1
= 22.25
1
= 6
2
= 9
Solucin
.
2
= 1.50

= 8.40
1
= 3.20
1
= 0
Solucin
.
2
= 2.60
V.No Bsicas
2
=0

NO TIENE SOLUCIN
FACTIBLE.

= 2.50
1
= 1.5
3
= 0
Solucin
.
2
= 0.50

98


= 2
1
+3
2
+2
3

.
1
+ 4
2
+2
3
8
3
1
+2
2
+ 2
3
6
1
,
2
,
3
0

= 2
1

2
+3
3

.
1
+
2
+
3
= 3
1
2
2
+
3
1
2
2
+
3
2
1
,
2
,
3
0

= 5
1
+2
2
+
3

.
2
1
+3
2
+
3
20
6
1
+8
2
+ 5
3
30
7
1
+
2
+ 3
3
40
1
+ 2
2
+ 4
3
50
1
,
2
,
3
0

= 7
1
= 0.8
1
=
1
= 0
Solucin
.
2
= 1.80
V.No Bsicas
2
=
2
=0
3
=0

= 8
1
= 1
1
=
1
= 0
Solucin
.
3
= 2
V.No Bsicas
2
=
2
=0
2
=0

= 17.5
2
= 12.5
1
=
1
= 0
Solucin
.
3
= 2
V.No Bsicas
2
=
2
=0
3
=0

99


= 5
1
+7
2

.
2
1
+3
2
42
3
1
+4
2
60
1
+
2
18

1
,
2
0

= 2
1
+5
2
+3
3

.
1

2
+
3
20
2
1
+4
2
+
3
= 50
1
,
2
,
3
0

= 5000
1
+ 7000
2

.
2
1
+
2
1
1
2
2
1
1
,
2
0

NO TIENE SOLUCIN FACTIBLE

= 150
1
=
1
= 0
Solucin
.
3
= 50
V.No Bsicas
2
=
2
=0
2
=
1
=0

NO TIENE SOLUCIN FACTIBLE

Objetivo:

El alumno conocer y aplicar el
concepto fundamental de la dualidad
y la relacin matemtica con el
problema primal, al igual que la
metodologa del anlisis de
sensibilidad para determinar el efecto
que tienen los cambios realizados en
el modelo de Programacin Lineal.

CAPTULO III:
TEORA DE LA DUALIDAD
Y ANLISIS DE
SENSIBILIDAD.

101

Captulo III: Teora de la dualidad y Anlisis de sensibilidad
3.1 FORMULACIN DE UN PROBLEMA DUAL.
Uno de los descubrimientos ms importantes durante el desarrollo inicial de la
programacin lineal fue el concepto de dualidad y sus importantes ramificaciones.
Este descubrimiento revelo que asociado a todo problema de programacin lineal,
existe otro llamado DUAL.
Desde distintos puntos de vista las relaciones entre el problema dual y el
original (llamado Primal) son muy tiles.
Esencia de la Teora de Dualidad
Dada nuestra forma estndar para el problema primal, presente a su lado el
problema dual, tiene la forma que muestra en la derecha.
PROBLEMA PRIMAL PROBLEMA DUAL

En consecuencia; con el problema de maximizacin, el problema dual est
conformado por minimizacin. Aun ms, el problema dual usa los mismos
parmetros que el problema primal; pero en diferentes lugares, tal como se
resume a continuacin.
1) Los coeficientes de la funcin objetivo del problema primal son los lados
derechos de las restricciones funcionales del problema dual.
La dualidad parte dependiendo de su origen:
Cuando el primo esta en formato cannico.
1.- El objeto de un problema debe ser opuesto al otro.
=
=1

= 1,2,3. .
=1

MAX
s.a
Y X
j
0 para j=1,2,3.n
=
=1

= 1,2,3. .
=1

MIN
s.a
Y Y
i
0 para i=1,2,3m

102

2.- El problema de Maximizacin. Debe contar con todas sus restricciones y el
de Min .
3.- Las variables de ambos problemas deben ser no negativas.
4.- Cada restriccin en un problema tiene asociada una variable en el otro y
viceversa.
5.- El vector de recursos (transporte) de un problema se convierte en el vector de
coeficientes objetivo del otro y viceversa.
6.- La matriz de coeficientes tecnolgicos de un problema es la transpuesta de la
matriz de coeficientes tecnolgicos de otros.
Por tanto, si el problema es primo su dual entonces es:
MAX Z
0
=CX
A
X
b
X0

MIN Y
0
=b
t

A
T
YC
t

3.2 DUALIDAD.
Se dice que con la solucin de todo problema de programacin lineal, se est
tambin solucionando un problema estrechamente relacionado; a tal problema se
le llama el problema DUAL, a su vez al problema original al cual se hace
referencia un dual, que es el problema original, se le llama tambin el problema
PRIMAL
3.2.1 FORMA CANNICA.
Un problema de maximizacin se encuentra en forma cannica si en la
definicin del modelo matemtico todas sus restricciones son del tipo que y
todas sus variables son mayores o iguales a cero.
Max Z= CX
Sujeta a Axb
X0
103

Un problema de minimizacin se encuentra en forma cannica si en la
definicin del modelo matemtico, todas sus restricciones son del tipo mayor o
igual que y todas sus variables son mayores o iguales a cero.
Min Z=CX
Sujeta a Axb
X0
3.2.1.1 TRANSFORMACIN.
Todo problema de maximizacin primal tiene un problema de minimizacin
en su dual.
Todo problema de minimizacin primal tiene un problema de maximizacin
en su dual.
Cada restriccin del primal implica una variable dual.
Cada variable primal implica una restriccin dual.
Los coeficientes del lado derecho del primal, son los coeficientes del lado
derecho dual.
Los coeficientes tecnolgicos de la variable j del primal, son los coeficientes
tecnolgicos de la restriccin j del dual.
Los coeficientes tecnolgicos de la restriccin i del primal, son los
coeficientes tecnolgicos de la variable i del dual.
Todo problema en forma cannica tiene como problema dual a uno tambin en
forma Cannica:

Todo problema en forma cannica tiene como problema dual a uno tambin en
forma cannica:

PRIMAL
MAX Z=CX
Sujeta a Axb
X0

DUAL
MIN Z=Wb
Sujeta a wAc
W0

PRIMAL
MIN Z=CX
Sujeta a Axb
X0

DUAL
MAX Z=Wb
Sujeta a wAc
w0

104

EJEMPLO 1.

MAX Z=4X
1
+2X
2
+X
3
MAX W=8Y
1
+12Y
2
+5Y
3

2X
1
+ 4X
2

8
5X
1
+ 2X
2
+ X
3
12
2X
2
+ X
3
15
X
1
, X
2
, X
3
0

NOTA: Se aplica Mtodo Simplex para resolver.

n=6 m=3 6-3=3 variables no bsicas
Bsicas= S
1
, S
2
, S
3

A=
-8X
1
- 12Y
2
- 5Y
3
= 0

2X
1
+ 5Y
2
+ 0

4

4X
1
+ 2Y
2
+ 2Y
3
2

0 + Y
2
+ Y
3
1
2Y
1
+ 5Y
2

+ S
1

= 4
4Y
1
+ 2Y
2
+ 2Y
3
+ S
2
= 2
0 + Y
2
+ Y
3
+ S
3
= 1
BASE W Y
1
Y
2
Y
3
S
1
S
2
S
3
SOL
W 1 -8 -12 -5 0 0 0 0
S
1
0 2 5 0 1 0 0 4
S
2
0 4 2 2 0 1 0 2
S
3
0 0 1 1 0 0 1 1
W 1 -16/5 0 -5 12/5 0 0 48/5 12x2+W
Y
2
0 2/5 1 0 1/5 0 0 4/5
S
2
0 16/5 0 2 -2/5 1 0 2/5 -2X
2
+S
2
S
3
0 2/5 2 1 1/5 0 1 1/5 X
2
+S
3
W 1 24/5 0 0 7/5 5/2 0 53/5 5X
3
+W
Y
2
0 2/5 1 0 0 0 0 4/5 0X
3
+X
2
Y
3
0 8/5 0 1 1/2 1/2 0 1/5
S
3
0 -6/5 2 0 -1/2 -1/2 1 0 -X
3
+S
3

MODELO PRIMAL MODELO DUAL
105

No bsicas= X
1
,X
2
,X
3

COMPROBACIN
8(0)+12(4/5)+5(1/5)=53/5
V. Bsicas
X
2
=4/5
X
3
=1/5
S
3
=0

V. no Bsicas.
X
1
=0
S
1
=0
S
2
=0

106

EJEMPLO 2.
Utilizando el problema dual resuelva el siguiente modelo de Programacin
Lineal.
MODELO PRIMAL

MIN G= 4Y
1
+2Y
2

MODELO DUAL

MIN G= 4Y
1
+2Y
2
MAX W=85X
1
+115X
2
+50X
3

FORMATO ESTANDAR.
MAX W=85X
1
+115X
2
+50X
3

M=5 n=2 5-2=3

18Y
1
- 19Y
2
85
14Y
1
- 5Y
2
115
4Y
1
+ 2Y
2
150
Y
1
, Y
2
0
18Y
1
- 19Y
2
85
14Y
1
- 5Y
2
115
4Y
1
+ 2Y
2
150
Y
1
, Y
2
0
18X
1
+ 14X
2
+ 4X
3
4
-19X
1
- 5X
2
+ 2X
3
2
18X
1
+ 14X
2
+ 4X
3
+ S
1
= 4
-19X
1
- 5X
2
+ 2X
3
+ S
2
= 2
107


V. Bsicas
X
2
=0
X
3
=1

V. no Bsicas
X
1
=0
S
1
=0
S
2
=0

Base W X
1
X
2
X
3
S
1
S
2
SOL
W 1 -85 -115 -50 0 0 0
S
1
0 18 14 4 1 0 4
S
2
0 -19 -5 2 0 1 2
w 1 440/7 0 -120/7 115/4 0 230/7 115Y
2
+W
X
2
0 9/7 1 2/7 1/4 0 2/7
S
2
0 -88/7 0 24/7 5/4 1 27/7
Base W X
1
X
2
X
3
S
1
S
2
SOL
W 229/3 0 0 10 5 50
X
2
7/3 1 0 1/74 -1/12 0

X
3
-11/3 0 1 35/96 7/24 1
108

EJEMPLO 3.
MIN
Z=4X
1
+3X
2

s.a
Y
1
+ Y
2
6
2Y
1
- Y
2
0
Y
1
2
Y
2
2
Y
1
, Y
2
0

Tablon
1.- ITERACIN

Base Z X
1
X
2
S
1
S
2
S
3
S
4
SOL X
1
=-4/-1=4
Z 1 -4 -3 0 0 0 0 0 X
2
=-3/-1=3
S
1
0 -1 -1 1 0 0 0 -6 S
1
=0/1=0
S
2
0 -2 1 0 1 0 0 0 S
2
=0/0=
S
3
0 -1 0 0 0 1 0 -2 S
3
=0/0=
S
4
0 0 -1 0 0 0 1 -2 S
4
=0/0=
Base Z X
1
X
2
S
1
S
2
S
3
S
4
SOL X
1
=-1/-3=1/3
Z 1 -1 0 -3 0 0 0 18 X
2
=0/0=
X
2
0 1 1 -1 0 0 0 6 S
1
=-3/1=-3
S
2
0 -3 0 1 1 0 0 -6 S
2
=0/1=0
S
3
0 -1 0 0 0 1 0 -2 S
3
=0/0=
S
4
0 1 0 1 0 0 1 4 S
4
=0/0=
FORMATO CANNICO
MIN
Z=4X
1
+3X
2

s.a
-X
1
- X
2
-6
-2X
1
+ X
2
0
-X
1
-2
- X
2
-2
X
1
, X
2
0

FORMATO ESTANDAR
Z=4X
1
+3X
2
+0S
1
+0S
2
+0S
3
+0S
4
Z-4X
1
-3X
2
-0S
1
-0S
2
-0S
3
-0S
4
=0
s.a
-X
1
- X
2
+S
1
= -6
-2X
1
+ X
2
+S
2
= 0
-X
1
+S
3
= -2
- X
2
+S
4
= -2
X
1
, X
2
,S
1
,S
2
,S
3
,S
4
0

109

2.- ITERACIN

V. Bsicas
X
2
=4
X
1
=2
S
3
=0
S
4
=2

COMPROBACIN
Z=4(2) +3(4) =20
s.a
4+26
66
2(2)-40
00
X
1
2
22

Base Z X
1
X
2
S
1
S
2
S
3
S
4
SOL
Z 1 0 0 -10/3 -1/3 0 0 20
X
2
0 0 1 -2/3 1/3 0 0 4
X
1
0 1 0 -1/3 -1/3 0 0 2
S
3
0 0 0 -1/3 -1/3 1 0 0
S
4
0 0 0 -2/3 1/3 0 1 -2
V. no Bsicas
S
1
=0
S
2
=0

MIN
Z=20
110

EJEMPLO 4.
MIN
Z=2X
1
+6X
2

s.a
-5X
1
+ 7X
2
8
4X
1
- 6X
2
2
X
1
+ 2X
2
= 3
X
1
, X
2
0

TABLON

1.-ITERACIN

Base Z Y
1
Y
2
S
1
S
2
S
3
S
4
SOL Y
1
=-2/5=-0.4
Z 1 -2 -6 0 0 0 0 0 Y
2
=-6/-7=.05
S
1
0 5 -7 1 0 0 0 -8 S
1
=0/1=0
S
2
0 4 -6 0 1 0 0 2 S
2
=0/0=
S
3
0 1 2 0 0 1 0 3 S
3
=0/0=
S
4
0 -1 -2 0 0 0 1 -3 S
4
=0/0=
Base Z Y
1
Y
2
S
1
S
2
S
3
S
4
SOL Y
1
=0/0=
Z 1 0 -44/5 2/5 0 0 0 -16/5 Y
2
=44/17=2.58
S
1
0 1 -7/5 1/5 0 0 0 -8/5 S
1
=2
S
2
0 0 -2/5 -4/5 1 0 0 42/5 S
2
=0/0=
S
3
0 0 17/5 -2/5 0 1 0 23/5 S
3
=0/0=
S
4
0 0 -17/5 1/5 0 0 1 -23/5 S
4
=0/1=0
FORMATO CANONICO
MIN
Z=2X
1
+6X
2

s.a
5y
1
- 7y
2
-8
-4y
1
- 6y
2
2
y
1
+ 2y
2
3
y
1
- y
2
3
-y
1
- 2y
2
-3

FORMATO ESTANDAR
Z=2X
1
+6X
2
+0S
1
+0S
2
+0S
3
+0S
4
Z-2X
1
-6X
2
-0S
1
-0S
2
-0S
3
-0S
4
=0
s.a
5y
1
- 7y
2
+S
1
= -8
4y
1
- 6y
2
+S
2
= 2
y
1
+ 2y
2
+S
3
= 3
-y
1
- 2y
2
+S
4
= -3
y
1
, y
2
,S
1
,S
2
,S
3
,S
4
0

111

2.-ITERACIN

3.-ITERACIN

V. Bsicas
Y
1
=5/17
S
2
=152/17
Y
2
=23/17
COMPROBACIN
Z=2(5/17)+6(23/17)=148/17
-5(5/17)+7(23/17)8
88

Base Z Y
1
Y
2
S
1
S
2
S
3
S
4
SOL Y
1
=0/0=
Z 1 0 -2 0 0 0 -2 6 Y
2
=-2/-17=0.11
Y
1
0 1 2 0 0 0 -1 3 S
1
=0/1=0
S
2
0 0 -14 0 1 0 -1 -10 S
2
=0/0=
S
3
0 0 0 0 0 1 1 0 S
3
=0/0=
S
4
0 0 -17 1 0 0 5 -23 S
4
=0/0=
Base Z Y
1
Y
2
S
1
S
2
S
3
S
4
SOL
Z 1 0 0 -2/17 0 0 -44/17 148/17
Y
1
0 1 0 2/17 0 0 -7/17 5/17
S
2
0 0 0 -14/17 1 0 -2/17 152/17
S
3
0 0 0 0 0 1 1 0
Y
2
0 0 1 -1/17 0 0 -5/17 23/17
MAX
Z=148/17
V. no Bsicas
S
1
=0
S
3
=0
S
4
=0

112

3.3 TRANSFORMACIN ALTERNA DUAL.
Cuando un modelo no est en forma cannica puede seguirse la siguiente tabla
de transformacin:
PRIMAL DUAL
FUNCIN
OBJETIVO
MAXIMIZACIN MINIMIZACIN
FUNCIN
OBJETIVO
VARIABLE
0
0
LIBRE

=
RESTRICCIN
RESTRICCIN

=
0
0
LIBRE
VARIABLE
DUAL PRIMAL
Tabla 2. Fuente: IPN-UPIICSA
Como se observa en la tabla de transformacin anterior, en un momento dado
se puede estar utilizando variables no-positivas (X
k
0) y variables libres, esto es,
variables sin restriccin de signo (X
k
0 0 X
k
0); al definir al algoritmo Simplex
siempre se trabaja con variables no-negativas y as debe continuar; por lo tanto,
debe hacerse un ajuste al modelo poder manejar variables no-positivas y las
variables libres.
EJEMPLO1.
MAX Z= 5X
1
+6X
2

s.a
X
1
+9X
2
60
2X
1
+3X
2
45
5X
1
-2X
2
20
X
2
30
X
1
,X
2
0

113

DIAGRAMA DE TRUCKER
X
1
X
2

Y
1
1 9 60
Y
2
2 3 45
Y
3
5 -2 20
Y
4
0 1 30
5 6
Tabla 3. Fuente: IPN-UPIICSA.
MIN G= 60Y
1
+45Y
2
+20Y
3
+30Y
4

s.a
Y
1
+2Y
2
+5Y
3
5
9Y
1
+3Y
2
-2Y
3
+Y
4
6
Y
1
,Y
2
,Y
3
,Y
4
0

Observaciones de este caso en particular:
a) Que el problema dual tiene menor nmero de restricciones que el primario.
b) Cada restriccin en un problema corresponde con una variable en el otro
problema.
c) Los elementos del lado derecho de las restricciones en un problema son los
coeficientes de la funcin objetivo en el otro problema.
d) Un problema busca maximizar y en otro minimizar.
e) El problema de maximizacin tiene signos en todas las restricciones,
tanto que el de minimizacin tiene signos en todas las restricciones.
f) Las variables en los dos problemas son no negativas.

114

Qu sucede cuando se tiene una restriccin en forma de igualdad?
EJEMPLO:
Obtenga el modelo Dual a partir de Primario.
PRIMAL
MAX Z=C
1
+C
2

s.a
a
11
x
1
+a
12
x
2
=b
1
..Rs 1
a
21
x
1
+a
22
x
2
=b
2
..Rs 2
X
1
,X
2
0
Trabajando con la restriccin Rs 1.
a
11
x
1
+a
12
x
2
b
1

[a
11
x
1
+a
12
x
2
b
1
]x-1 para invertir el sentido de la desigualdad y dejarlo en
forma cannica.

-a
11
x
1
-a
12
x
2
-b
1
NOTA: Lo mismo pasa con Rs2. Se hace el mismo procedimiento.
Acomodando el modelo nos queda.
MAX Z=C
1
+C
2

s.a
a
11
x
1
+a
12
x
2
b
1

a
21
x
1
+a
22
x
2
b
2

a
21
x
1
+a
22
x
2
b
2

X
1
,X
2
0

115

X
1
X
2

Y
1
a
11
a
11
b
1

Y
1
-a
11
-a
11
b
1

Y
3
a
21
a
22
b
1

C
1
C
2

DUAL.
MIN G= b
1
-b
1
+b
2

s.a
a
11
y
+
1
-a
11
y
-
1
+a
21
y
2
C
1

a
12
y
+
1
-a
12
y
-
1
+a
22
y
2
C
2

y
+
1
,y
-
1
,y
2
0
FACTORIZANDO
MIN G=b
1
(y
+
1
-y
-
1
)+b
2
y
2

s.a
a
11
(y
+
1
-y
-
1
)+a
21
y
2
C
1

a
12
(y
+
1
-y
-
1
)+a
22
y
2
C
2

y
+
1
,y
-
1
,y
2
0
Sustituyendo la expresin del parntesis por y
1
el modelo nos queda as:
MIN G=b
1
y
1
+b
2
y
2

s.a
a
11
y
1
+a
21
y
2
C
1

a
12
y
1
+a
22
y
2
C
2

y
+
1
Libre, irrestricta, no restringida, y
2
0
Siempre que tengamos una restriccin en el problema primario en forma (=) la
variable dual correspondiente ser dual y viceversa.

116

3.4 TRANSFORMACIN ALTERNA DUAL SIMPLEX.
Se aplica a problemas que tiene factibilidad dual inicial, es decir, que son
ptimos pero infactibles simples.
La factibilidad dual se reconoce expresando las restricciones en la forma
cannica (). La funcin objetivo puede ser de maximizacin o minimizacin.
Condiciones
FACTIBILIDAD
La variable de salida es la variable bsica que tiene el valor ms negativo,
en caso de empate procedemos de forma arbitraria, y si todas las variables
bsicas son no negativas, el procesos finaliza y la solucin factible ptima
se encuentra.
OPTIMALIDAD
La variable de entrada es seleccionada de las variables no bsicas, se
hacen cocientes cuyos denominadores sern necesariamente negativos y
se toman de la ecuacin pivote. Los numeradores sern los nmeros
correspondientes en la funcin objetivo.
Se escoge el cociente ms prximo a 0 para minimizacin. No toma en cuenta
cocientes asociados con denominadores positivos o ceros. Y si todos los
denominadores son 0 o positivos, el problema no tiene solucin factible, los
empate se deciden arbitrariamente.
Cuando se tiene un caso de Max en el mtodo Dual-Simplex, todo el
procedimiento es exactamente igual si fuera Min, excepto que al definir la variable
de entrada se hacen cocientes cuyos denominadores sern necesariamente
negativos tomados de la ecuacin pivote y los numeradores sern los nmeros
correspondientes en la funcin objetivo.
Se toman los valores absolutos de los cocientes (prescindiendo de los
negativos) y se elige, para determinar la variable de entrada, el cociente ms
prximo a cero.

117

EJEMPLO
MIN
Z=2X
1
+X
2

s.a
3x
1
+x
2
3
4x
1
+3x
2
6
x
1
+2x
2
8
x
1
,x
2
0

PASO1.- Se expresan las restricciones del problema nicamente las
restricciones en la forma cannica:
MIN
Z=2X
1
+X
2

s.a
-3x
1
-x
2
-3
-4x
1
-3x
2
-6
-x
1
-2x
2
-8
x
1
,x
2
0
PASO2.- Se aade variables de holgura positivas:
Zo=2x
1
+x
2
+0s
1
+0s
2
+0s
3

Zo=-2x
1
-x
2
-0s
1
-0s
2
-0s
3

s.a
-3x
1
- x
2
+ S
1
= -3
-4x
1
- 3x
2
+ S
2
= -6
-x
1
- 2x
2
+ S
3
= -8

NO SE PUEDE
RESOLVER POR
EL METODO
SIMPLEX
118

PASO 4.-
BASE Z X
1
X
2
S
1
S
2
S
3
Sol
Z 1 -2 -1 0 0 0 0
S
1
0 -3 -1 1 0 0 -3
S
2
0 -4 -3 0 1 0 -6
S
3
0 -1 -2 0 0 1 -8

V entrada V.salida

BASE Z X
1
X
2
S
1
S
2
S
3
Sol
Z 1 -2/3 0 0 -1/3 0 2
S
1
0 -5/3 0 1 -1/3 0 -1
X
2
0 -4/3 1 0 1/3 0 2
S
3
0 5/3 0 0 -1/3 1 1

V. entrada V. salida

BASE Z X
1
X
2
S
1
S
2
S
3
Sol
Z 1 0 0 -2/5 1/5 0 12/5
X
1
0 1 0 -3/5 -1/5 0 3/5
X
2
0 0 1 4/5 3/5 0 6/5
S
3
0 0 0 1 1 1 0

V. bsicas V. no bsicas

2
4
= 0.5
1
3
= 0.3
2/3
5/3
= 0.4
1/3
1/3
= 1
X
1
=3/5
X
2
=6/5
S
3
=0
S
2
=0
S
1
=0
119

Como hay factibilidad se puede aplicar el mtodo Dual-Simplex.
PASO5.-Se define la variable de salida, se elige por el valor ms negativo de
la columna de solucin.
PASO 6.- Se define la variable de entrada, para ello se formaran cocientes en
los que los denominadores de la ecuacin pivote y que pertenezcan a las
variables no bsicas. Los numeradores sern los nmeros correspondientes
a la funcin objetivo.

EJEMPLO.
El entrenador de Bsquetbol de los Borregos del Tec. de Monterrey est
interesado en preparar lo que ha bautizado como la ensalada vitamnica, la cual
puede prepararse a partir de 5 verduras bsicas disponibles y definidas como
1,2,3,4,5; se desea que la ensalada vitamnica contenga por lo menos 10 unidades
de vitamina A y 25 unidades de vitamina C, la relacin neta del contenido
vitamnico y el costo de las verduras se proporcionan en la siguiente tabla.
VERDURAS
(UNIDADES DE VITAMINA/Kg)
VITAMINAS 1 2 3 4 5
A 2 0 3 4 1
C 1 2 2 1 3
COSTO 100 80 95 100 110

X= Cantidad de las diferentes verduras a emplear en la E.V.
X
1
= Cantidad de vitamina 1 a emplear en la E.V.
X
2
X
3
X
4
X
5

120

MAX
Z=100X
1
+80X
2
+95X
3
+100X
4
+110X
5

s.a
2X
1

+ 3X
3
+ 4X
4
+ X
5
10
X
1
+ 2X
2
+ 2X
3
+ X
4
+ 3X
5
52
X
1
, X
2
, X
3
, X
4
, X
5
0

DUAL
MIN
F=10Y
1
+25Y
2

s.a
2Y
1
+ Y
2
100
+ 2Y
2
80
3Y
1
+ 2Y
2
95
4Y
1
+ Y
2
100
Y
1
+ 3Y
2
110
Y
1
, Y
2
0

MAX
Z= 100X
1
+80X
2
+95X
3
+100X
4
+110X
5
-0S
1
-0S
2
-MW
1
-MW
2

Z-100X
1
-80X
2
-95X
3
-100X
4
-110X
5
+0S
1
+0S
2
+MW
1
+MW
2
=0

2X
1

+ 3X
3
+ 4X
4
+ X
5
-S
1
+ W
1
= 10
X
1
+ 2X
2
+ 2X
3
+ X
4
+ 3X
5
-S
2
+ W
2
= 25

X
i
0 S
1
,S
2
,W
1
,W
2
0
i=1,2,3,4,5

121


AJUSTE

1 ITERACIN

2. ITERACIN

BASE Z X
1
X
2
X
3
X
4
X
5
S
1
S
2
W
1
W
2
Sol
Z 1 -100 -80 -95 -100 -100 0 0 M M
W
1
0 2 0 3 4 1 -1 0 1 1
W
2
0 1 2 2 1 3 0 -1 0 0
BASE Z X
1
X
2
X
3
X
4
X
5
S
1
S
2
W
1
W
2
Sol
Z 1 -100-3M -80-2M -95-5M -100-5M 110-3M M M 0 0 -35
W
1
0 2 0 3 4 1 -1 0 1 0 10
W
2
0 1 2 2 1 3 0 -1 0 1 25
BASE Z X
1
X
2
X
3
X
4
X
5
S
1
S
2
W
1
W
2
Sol
Z 1
-100/3-5/3M -26/3+2/3M 65/5-7/3M -193/3-1/3M 0 M -110/3+4/3M 0 110/3+4/3M 2750/3
W
1
0
5/3 -2/3 7/3 11/2 0 -1 1/3 1 -1/3 5/3
X
5
0
1/3 2/3 2/3 1/3 1 0 -1/3 0 1/3 25/3
BASE Z X
1
X
2
X
3
X
4
X
5
S
1
S
2
W
1
W
2
Sol
Z 1
-380/11 -200/11 208/11 0 0 -190/11 -390/11 190/11+M 340/11+M 10600/11
X
4
0
5/11 -2/11 7/11 1 0 -3/11 1/11 3/11 -1/11 -5/11
X
5
0
2/11 8/11 5/11 0 1 1/11 -4/11 -1/11 -4/11 9/11
122

3 ITERACIN

4 ITERACIN

Conclusin.
Se necesitan 25 unidades de vitamina 1 y 40 unidades de vitamina 5 para
preparar una ensalada vitamnica con 2500 unidades.

BASE Z X
1
X
2
X
3
X
4
X
5
S
1
S
2
W
1
W
2
Sol
Z 1 0 -32 67 76 0 -38 -24 38+M 25+M 980
X
1
0 1 -2/3 7/5 11/5 0 -3/5 1/5 3/5 -1/5 1
X
5
0 0 4/5 1/5 -2/5 1 1/5 -2/5 -1/5 2/5 8
BASE Z X
1
X
2
X
3
X
4
X
5
S
1
S
2
W
1
W
2
Sol
Z 1 0 120 105 0 190 0 -100 M 100+M 2500
X
1
0 1 2 2 1 3 0 -1 0 1 25
X
5
0 0 4 1 2 5 1 -2 -1 2 40
123

EJEMPLO.

MAX Z=2X
1
+5X
2

MIN W=3Y
1
+4Y
2
+6Y
3

X
1
- X
2
3
-2X
1
- X
2
= 4
-X
1
+ 3X
2
6
X
1
0
X
2
Libre o irrestricta

MIN
Z=3Y
1
+4Y
2
+6Y
3
+0S
1
+MW
1
Z-3Y
1
-4Y
2
-6Y
3
-0S
1
-MW
1
s.a.

TABLON

Y
1
- 2Y
2
- 6Y
3
2
Y
1
- Y
2
+ 3Y
3
= 5
Y
1
, Y
3
0
Y
2
= 0
Y
1
- 2Y
2
+ 6Y
3
+ S
1

= 2
-Y
1
- Y
2
+ 3Y
3
+ W
1
= 5
Y
1
, Y
3
0
Y
2
Libre
Base Z Y
1
Y
2
Y
3
S
1
W
1
SOL
Z 1 -3 -4 -6 0 -M 0
S
1
0 1 -2 1 1 0 2
W
1
0 -1 -1 3 0 1 5
MODELO DUAL MODELO PRIMAL
124

AJUSTE

1.- ITERACIN

V. Bsicas
S
1
=11/3
Y
3
=5/3

Base Z Y
1
Y
2
Y
3
S
1
W
1
SOL
Z 1 -3-M -4-M -6+3M 0 -M 5M
S
1
0 1 -2 1 1 0 2 =2/1=2
W
1
0 -1 -1 3 0 1 5 =5/3=1.66
Base Z Y
1
Y
2
Y
3
S
1
W
1
SOL
Z 1 -5 -6 0 0 2-M 10
S
1
0 2/3 -7/3 0 1 1/3 11/3
W
1
0 -1/3 -1/3 1 0 1/3 5/3
Z=10
V. no Bsicas
Y
1
=0
Y
2
=0
W
1
=0

125

3.5 ANALISIS DE SENSIBILIDAD.

El mtodo de modelo de programacin lineal es esttico y por tal motivo puede
resultar inoperante con el transcurso del tiempo; es decir, los cambios que ocurren
en cualquier economa dan lugar a que precios, costos, recursos disponibles o
requeridos ya no se puedan considerar para otro tiempo. Estos parmetros por lo
general son valores estimados sin la deseable precisin debido a las dificultades
normales para conseguir registros confiables.
Una solucin es ptima solo en la que se refiere al modelo especfico que se
usa para representar un problema real estudiado, pero no puede ser confiable
hasta verificar un buen comportamiento al hacer cambios en sus parmetros. El
anlisis de sensibilidad tiene el propsito de investigar el defecto sobre la solucin
ptima entregada por el mtodo simplex con los cambios a los valores originales.
En tal caso la programacin lineal tiene el recurso de revisar la solucin ptima
del problema para ajustarla a lo que juzga valido por los responsables de la
decisin o bien en respuesta a cambios (solo discretos, pues los cambios
continuos forman parte de la programacin paramtrica no incluida aqu) del
entorno econmico; por tal motivo a este anlisis tambin se le conoce como
anlisis de la paso optimalidad.
En general se pueden presentar cambios que no afecten la optimalidad de la
solucin obtenida pero tambin ocurrir que se pierda esa condicin. Por tal motivo
es importante verificar los parmetros sensibles, que al cambiar de valor, se pierde
el ptimo en este caso, es posible calcular el intervalo de valores permitidos que
no pierdan lo ptimo. Tambin se puede determinar el intervalo para conservar la
factibilidad (los valores no negativos de una variable).
3.5.1. Forma Matricial de la Tabla Simplex y las Relaciones Vectoriales
Implicadas.
Donde:
Z= Al valor de la funcin objetivo.
A= A las matriz de coeficientes tecnolgicos conforme las restricciones.
b= Es un vector columna de trminos independientes, conforme a las
restricciones.
C= Es un vector rengln de coeficientes, conforme a la funcin objetivo.
126

C
B
= Es un vector rengln de coeficientes de variables de funcin objetivo
conforme transpuesto se ubiquen en la columna de base (bsicas en la tabla
simplex).
Y= Es un vector rengln de variables duales (precios sombra) los que se localizan
como coeficientes en las variables de holgura y/o artificiales del rengln Z.
X
B
= Es un vector columna con valores de variables bsicas en la columna de
solucin.
B
-1
= Es la inversa de una matriz B formada por las columnas aj de coeficientes aij
de restricciones, conforme a variables bsicas (columna de base) en la tabla
simplex.
N= Matriz de coeficientes tecnolgicos, no bsicos.
X
N
= Es el vector de variables no bsicas.
1= Matriz identidad.
0= Vector cero.

3.5.1.1. Cambio en el vector A.
Cambios en la matriz A de coeficientes tecnolgicos de restricciones en
variables no bsicas.
Los cambios en A para variables bsicas resultan en clculos muy complicados
siendo mejor recalcular con el simplex para cambio de coeficientes a
ij
de la matriz
A de restricciones en variables no bsicas solo interesa manejar los a
ij
de ellos,
pues el resto queda igual y se puede as:
1. ETAPA
Usando la frmula de
1
= se revisa si el coeficiente
indicador de
cambia de signo, si no ocurre el cambio de signo en tal

coeficiente no es necesario aplicar la 2 etapa ya que el cambio propuesto no
afecta la optimalidad del problema. Cuando el coeficiente
cambia de signo
se entiende que el cambio propuesto, si provoca perdida de optimalidad de la
solucin que se est realizando y en tal caso se procede a la siguiente etapa.

127

2. ETAPA
Se aplica la frmula de de
=
1
con la cual se calcula la nueva columna
. Se aplica el simplex hasta re optimizar dado el siguiente modelo de

programacin lineal suponga que el coeficiente -1 cambia a 2.
EJEMPLO 1:
Min Z=3X
1
-X
2
+4X
3

s.a
X
1
- X
3
8
2X
2
+ X
3
= 20
X
1
, X
2
, X
3
0

Min Z=3X
1
-X
2
+4X
3
-0S
1
+MW
1
+MW
2

X
1
- X
3
- S
1
+ W
1
= 3

2X
2
+ X
3

+ W
2

4
X
1
, X
2
, X
3
, S
1
, W
1
, W
2
0

BASE Z X
1
X
2
X
3
S
1
W
1
W
2
Sol
Z 1 -3M 1+2M -4 -M 0 0 28M
W
1
0 1 0 -1 -1 1 0 8
W
2
0 0 2 1 0 0 1 20

1.- ITERACIN
BASE Z X
1
X
2
X
3
S
1
W
1
W
2
Sol
Z 1 -3M 0 -9/2-M -M 0 -1/2-M -10+8M
W
1
0 1 0 -1 -1 1 0 8
X
2
0 0 0 1/2 0 0 1/2 10

128

2.- ITERACIN
BASE Z X
1
X
2
X
3
S
1
W
1
W
2
Sol
Z 1 0 0 -15/2-M -3 3-M -1/2-M 14
X
1
0 1 0 -1 -1 1 0 8
X
2
0 0 1 1/2 0 0 1/2 10

= 3,
1
2

2
1
4 =
3
2
0
= = 3,
1
2

1 0 2
0 2 1
[
3 1 4
] =
3 0 6
0 1
1
2
=
0 0
3
2
0

ETAPA 2
=
1

1 0
0
1
2

1 0 2
0 2 1
=
1 0 2
0 1
1
2
=
1 0
0
1
2

2
1
=
2
1
2

BASE Z X
1
X
2
X
3
S
1
W
1
W
2
Sol
Z 1 0 0 3/2 -3 3-M -1/2-M 14
X
1
0 1 0 2 -1 1 0 8
X
2
0 0 1 1/2 0 0 1/2 10

BASE Z X
1
X
2
X
3
S
1
W
1
W
2
Sol
Z 1 -3/4 0 0 -9/4 9/4-M -1/2-M 8
X
3
0 1/2 0 1 -1/2 1/2 0 4
X
2
0 1/4 1 0 1/4 -1/4 1/2 8

129

EJEMPLO 2
Suponga que el vector de la columna
1
[2,6,2] cambia a
1
[6,6, 2]
MIN Z=5X
1
-6X
2
-7X
3

s.a
2X
1
+ 10X
2
- 6X
3
30
6X
1
- 3X
2
+ X
3
12
2X
1
+ 2X
2
+ 2X
3
= 12
X
1
, X
2
, X
3
0

Z=5X
1
-6X
2
-7X
3
-0S
1
+0S
2
+MW
1
+MW
2
Z-5X
1
+6X
2
+7X
3
+0S
1
-0S
2
-MW
1
-MW
2
=0
2X
1
+ 10X
2
- 6X
3
- S
1
+ W
1
= 30
6X
1
- 3X
2
+ X
3
+ S
2
= 12
2X
1
+ 2X
2
+ 2X
3
+ W
2
= 12

BASE Z X
1
X
2
X
3
S
1
W
1
S
2
W
2
Sol
Z 1 -5+4M 6+12M 7-4M -M 0 0 0 42M
W
1
0 2 10 -6 -1 1 0 0 30
S
2
0 6 -3 1 0 0 1 0 12
W
2
0 2 2 2 0 0 0 1 12

1.- ITERACIN
BASE Z X
1
X
2
X
3
S
1
W
1
S
2
W
2
Sol
Z 1 -12+4M -1+16M 0 -M 0 0 -7/2+2M -42+66M
W
1
0 8 16 0 -1 1 0 3 66
S
2
0 5 -4 0 0 0 1 -1/2 6
X
3
0 1 1 1 0 0 0 1/2 6

130

2.- ITERACIN
BASE Z X
1
X
2
X
3
S
1
W
1
S
2
W
2
Sol
Z 1 23/2 0 0 -1/16 1/16-M 0 -53/16-M -303/8
X
2
0 1/2 1 0 -1/16 1/16 0 3/16 33/8
S
2
0 7 0 0 -1/4 1/4 1 1/4 45/2
X
3
0 1/2 0 1 1/16 -1/16 0 5/16 15/8

= =
1
16
0
53
16

6
6
2
= 2 > 0
FASE 2
1
16
0
3
16
1
4
1
1
4
1
16
0
5
16

6
6
2
=
0
7
1

REOPTIMIZO
BASE Z X
1
X
2
X
3
S
1
W
1
S
2
W
2
Sol
Z 1 2 0 0 -1/16 1/16-M 0 -53/16-M -303/8
X
2
0 0 1 0 -1/16 1/16 0 3/16 33/8
S
2
0 7 0 0 -1/4 1/4 1 1/4 45/2
X
3
0 -1 0 1 1/16 -1/16 0 5/16 15/8

3.- ITERACIN
BASE Z X
1
X
2
X
3
S
1
W
1
S
2
W
2
Sol
Z 1 0 0 0 1/112 -1/112-M -2/7 -379/112-M -2481/56
X
2
0 0 1 0 -1/16 1/16 0 3/16 33/8
S
2
0 1 0 0 -1/28 1/28 1/7 1/28 45/14
X
3
0 0 0 1 3/112 -3/112 1/7 39/112 285/56

131

4.- ITERACIN

BASE Z X
1
X
2
X
3
S
1
W
1
S
2
W
2
Sol
Z 1 0 0 -1/3 0 -M -1/3 -7/2-M -46
X
2
0 0 1 7/3 0 0 1/3 1 16
S
2
0 1 0 4/3 0 0 1/3 1/2 10
X
3
0 0 0 112/3 1 -1 16/3 13 190

3.5.1.2. Cambio en el vector B
A partir de la definicin por producto de matrices y vectores de una tabla
simplex ptima se obtiene.

(CB B
-1
N-C
N
)0 y B
-1
b0

Para el vector de variables bsicas optimas X
B
*
=B
-1
b. As el anlisis de
sensibilidad determinara los intervalos de los roles para cada parmetro en el
modelo que permita mantener al conjunto de variables bsicas en estas
condiciones.
Para el anlisis de sensibilidad se requiere saber la composicin matricial de la
tabla simplex y las relaciones vectoriales implicadas. La localizacin de estos
vectores y matrices en la tabla forman parte de la estructura matricial.
Cuando se modifica el valor de las componentes del vector de recursos b a
(b+
b
), slo debe verificarse que se siga mantenimiento la factibilidad de las
variables bsicas, esto es, al hacer el cambio se debe tener que B
-1
(b+
b
)0
A partir de la ley distributiva para la suma se tiene
(
) 0
Este es un sistema de inecuaciones que nos permite determinar todas las
posibles combinaciones que permite determinar todas las posibles combinaciones
para los cambios en b.
De esta ltima expresin, despus de realizar las correspondientes
operaciones, se define
b
tal que permita en todo caso mantener como ni-
negativas a todas las variables ptimas en X
B
.
132

Analizando slo los cambios de uno de los recursos a la vez se tiene:
1
0
.
.
0

.
.
0

=
0
.
.
.

Siguiendo estas condiciones para mantener la factibilidad de la solucin bsica
ptima se encuentra el rango de valores para cada recurso b
1
, la solucin es el
rango de valores que satisfacen.
(
1
+
1
) 0
EJEMPLO 1:
Z=5x
1
+3x
2
+0s
1
+0s
2

Z-5x
1
-3x
2
-0s
1
-0s
2
=0
s.a
3x
1
+ 5x
2
+ S
1
= 15
5x
1
+ 2x
2
+ S
2
= 10
x
1
,x
2
,s
1
,s
2
0
Producto A B disponible
utilidad 5 3
C
1
C
2

Personal 5 5
15
T. mquina 5 2 10

BASE Z X
1
X
2
S
1
S
2
Sol
Z 1 -5 -3 0 0 8
S
1
0 3 5 1 0 15 15/3 = 5
S
2
0 5 2 0 1 10 10/5 = 2
1 ITERACIN

BASE Z X
1
X
2
S
1
S
2
Sol
Z 1 0 -1 0 1 10
S
1
0 0 19/5 1 -3/5 9 =9/19/5=2.3
X
1
0 0 2/5 0 1/5 2 =2/2/5=2
b
133

2. ITERACIN

BASE Z X
1
X
2
S
1
S
2
Sol
Z 1 0 0 5/19 16/19 235/19
X
2
0 0 1 5/19 -3/19 45/19
X
1
0 1 0 -2/19 5/19 20/19
Qu pasara si trabajo con 5 personas. Maximizar para producto A y producto B y
que el Tiempo de Mquina sean 5 horas?

b+b 5 personas
1
=
5
19
3
19
2
19
5
19

=
1
( +) =
5
19
3
19
2
19
5
19

5
5
= 2 1
=
25
19
15
19
10
19
25
19
=
10
19
15
19
0
Zo= C
B
X
B
= [3,5]
10
19
15
19

+
10
20

5
19
3
19
2
19
5
19

Es lo nico que
se toma de la
solucin factible.
134

=
1
( +) =
5
19
3
19
2
19
5
19

10
20
=
50
19
60
19
20
19
100
19
=
10
19
80
19
0
Aplicar Dual Simplex.
BASE Z X
1
X
2
S
1
S
2
Sol
Z 1 0 0 5/19 16/19
X
2
0 0 1 5/19 -3/19 -10/19
X
1
0 1 0 -2/19 5/19 80/19

3 ITERACIN.
BASE Z X
1
X
2
S
1
S
2
Sol
Z 1 0 -1 0 1
S
1
0 0 19/3 1 -3/5 -2
X
1
0 1 2/5 0 1/5 4

BASE Z X
1
X
2
S
1
S
2
Sol
Z
1 0 16/3 5/3 0
S
2
0 0 -19/3 -5/3 1 10/3
X
1
0 1 5/3 1/3 0 10/3

=
1
= [
2
,
1
]
1
= [0,5]
10
3
10
3
= 0 +
50
3
= 16.6

1
=
5
19
5
19

2
=
16
19
3
19

2
=
1
19
5
= 0.26
2
=
1
3
5
= 1.6
Se toma este porque no se hace cclico
=
1

=

135

EJEMPLO 2:

Z=2X
1
+X
2

C
1
C
2
s.a
X
1
6 b
1
X
2
4 b
2
6X
1
+ 8X
2
48 b
3

C
3
C
4
C
5
Z=2X
1
+X
2
+0S
1
+0S
2
+0S
3

Z-2X
1
-X
2
-0S
1
-0S
2
-0S
3
=0

x
1
+ S
1
= 6
x
2
+ S
2
= 4
6x
1
+ 8x
2
+ S
3
= 48
x
1
, x
2
, S
1
, S
2
, S
3
0
Tabln

1.-ITERACIN

BASE Z X
1
X
2
S
1
S
2
S
3
Sol
Z 1 -2 -1 0 0 0 0
S
1
0 1 0 1 0 0 6 =6/1=6
S
2
0 0 1 0 1 0 4 =4/0=
S
3
0 6 8 0 0 1 48 =48/6=8
BASE Z X
1
X
2
S
1
S
2
S
3
Sol
Z 1 0 -1 2 0 0 12
X
1
0 1 0 1 0 0 6 =6/0=
S
2
0 0 1 0 1 0 4 =4/1=4
S
3
0 0 8 -6 0 1 12 12/8=1.5
136


B
-1
B
-1
I
1 0 0
3
4
1
1
8
3
4
0
1
8

1 0 0
0 1 0
0 0 1
=
1 0 0
0 1
1
8
0 0
1
8

1 0 0
3
4
1 0
3
4
0 1

1 0 0
0 1 0
0 0 1

1 0 0
0 1 1
6 0 8

=
1

I B =

1

1 0 0
0 1 1
6 0 8

6
5
2
3
2
=
6 0 0
0
5
2
3
2
36 0 12
=
6
4
48

1

1

Para el recurso 1. (Anlisis de sensibilidad) X
1
6.R
1

1 0 0
3
4
1
1
8
3
4
0
1
8
1
0
0

6
5
2
3
2
- -6
10
3
2

1
0 0
3
4
1
0 0
3
4

1
0 0

6
5
2
3
2

1
3
4
1
3
4

1

6
5
2
3
2
=
Para el recurso 2 (X4) R
2

BASE Z X
1
X
2
S
1
S
2
S
3
Sol
Z 1 0 0 1/2 0 1/8 27/2
X
1
0 1 0 1 0 0 6 B
S
2
0 0 0 3/4 1 -1/8 5/2
X
2
0 0 1 -3/4 0 1/8 3/2

=
1
6
1

5
2
3
4
1

10
3

1
2 b
1
[-,8]

137


1 0 0
3
4
1
1
8
3
4
0
1
8
1
0

6
5
2
3
2
- -2 -1 0 1 2

0 0 0
0
2
0
0 0 0

6
5
2
3
2

2

6
5
2
3
2
=

Para el recurso 3 (6X
1
+8X
2
48)

1 0 0
3
4
1
1
8
3
4
0
1
8

0
0
3

6
5
2
3
2
- 12 -6 0 20
0 0 0
0 0
1
8

3
0 0
1
8

3

6
5
2
3
2

1
3
4
1
3
4

1

0
1
8
3
1
8
3
=

Qu pasara si el vector b valiera 20, 5, 14 ser ptimo y factible.

20
5
14

=
1

1 0 0
3
4
1
1
8
3
4
0
1
8

20
5
14

20 0 0
15 5
7
4
15 0
7
4

20
73
4
53
4
0

0 6
2

5
2

0
3
2

5
2
, + b
2
[4-5/2,-]
0 6
3

5
2
1
8
3
20
3
12
138

3.- ITERACIN. (X dual simplex xK sali a 0)
TABLON
Base Z X
1
X
2
S
1
S
2
S
3
SOL X
1
=0/0=
Z 1 0 0 1/2 0 1/8 0 X
2
=0/1=0
X
1
0 1 0 1 0 0 20 S
1
=0.5/0.75=-0.6
S
2
0 0 0 3/4 1 -1/8 73/4 S
2
=0/0=
X
2
0 0 1 -3/4 0 1/8 -53/4 S
3
=0.125/0.125=1

4.- ITERACIN.
Base Z X
1
X
2
S
1
S
2
S
3
SOL
Z 1 0 2/3 0 0 5/24
X
1
0 1 4/3 0 0 1/6 7/3
S
2
0 0 1 0 1 0 5
X
2
0 0 -4/3 1 0 -1/6 53/3

Calculando la funcin objetivo Z.
=

= [
1
,
2
,
1
]
1

= [2,0,0]
7
3
5
53
3
=
14
3
+0 +0 =
14
3

EJEMPLO 3:
MAX Z=2X
1
+5X
2
s.a
X
1
-X
2
3
-2X
1
-X
2
=4
-X
1
+3X
2
6
X
1
,X
2
0
Anlisis de sensibilidad
139

MAX
Z=2X
1
+5X
2
+0S
1
-MW
1
+OS
2

Z-2X
1
-5X
2
-0S
1
+MW
1
-OS
2
=0
X
1
- X
2
+ S
1
= 3
-2X
1
- X
2
+ W
1
4
-X
1
+ 3X
2
+ S
2
6

Tabln Mtodo de la gran M

AJUSTE

1.- ITERACIN

BASE Z X
1
X
2
S
1
W
1
S
2
SOL
Z 1 -2 -5 0 M 0 0
S
1
0 1 -1 1 0 0 3
W
1
0 -2 -1 0 1 0 4
S
2
1 3 0 0 1 6
BASE Z X
1
X
2
S
1
W
1
S
2
SOL
Z 1 -2+2M -5+M 0 0 0 4M
S
1
0 1 -1 1 0 0 3
W
1
0 -2 -1 0 1 0 4
S
2
1 3 0 0 1 6
BASE Z X
1
X
2
S
1
W
1
S
2
SOL
Z 1 -11/3+2/3M 0 0 0 5/3-1/3M 10-6M
S
1
0 2/3 0 1 0 1/3 5
W
1
0 -2/3 0 0 1 1/3 6
X
2
-1/3 1 0 0 1/3 2
140

2.- ITERACIN

No tiene solucin factible pues se vuelve cclica y no se puede realizar anlisis
de sensibilidad en el modelo primal.

3.5.1.3. Cambio en el vector C.
Si es la modificacin de un costo bsico se utilizar (C
B
+
C
), de tal forma que
en el rengln cero de la tabla simplex se siga manteniendo la propiedad
[(C
B
+
C
)B
-1
N-C
N
]0; de forma similar al utilizar la ley distributiva se obtiene:
(
) 0
Este sistema encuentra todo el espacio de posibles soluciones para los
cambios simultneos en las componentes del vector de costos bsicos; analizando
slo el cambio de cada uno de los costos bsicos a la vez, se tiene:
= (
1
, 0 0),
= 0,
, . .0,
= (0, 0.
)

Siguiendo estas condiciones para mantener las condiciones ptimas de la
solucin bsica se encuentra el rango de valores para c
j
.
La solucin es el rango de valores que satisfacen
(
)

BASE Z X
1
X
2
S
1
W
1
S
2
SOL
Z 1 0 0 11/2-7/2M 0 7/2-3/2M 25/2-47/2M
X
1
0 1 0 3/2 0 1/2 15/2
W
1
0 0 0 7/2 1 3/2 47/2
X
2
0 1 1/2 0 1/2 9/2
141

EJEMPLO:

= 5
1
6
2
7
3
0
1
+0
2
+
1
+
2

5
1
+6
2
+7
3
+0
1
0
2

1

2

2X
1
+ 10X
2
- 6X
3
+ S
1
+ W
1
= 30
6X
1
- 3X
2
+ X
3
+ S
2
= 12
2X
1
+ 2X
2
+ 2X
3
+ W
2
= 12

X
i
0 S
j
0 W
K
0
TABLON

BASE Z X
1
X
2
X
3
S
1
W
1
S
2
W
2
Sol
Z 1 -5 6 7 0 -M 0 -M 0
W
1
0 2 10 -6 -1 1 0 0 30
S
2
0 6 -3 1 0 0 1 0 12
W
2
0 2 2 2 0 0 0 1 12

AJUSTE

BASE Z X
1
X
2
X
3
S
1
W
1
S
2
W
2
Sol
Z 1 -5+4M 6+12M 7-4M -M 0 0 0 42M
W
1
0 2 10 -6 -1 1 0 0 30
S
2
0 6 -3 1 0 0 1 0 12
W
2
0 2 2 2 0 0 0 1 12
142

1.- ITERACIN

2.- ITERACIN
N B
-1
= [
2
,
2
,
3
]
= [6,0, 7]
= [
1
,
2
,
1
,
2
]
= [0,0,0,0]
1
[
]
1
=
1/16 0 3/16
1/4 1 1/4
1/16 0 5/16

= ( )
= 3 (7 3)
= 3 4

B
-1
N
BASE Z X
1
X
2
X
3
S
1
W
1
S
2
W
2
Sol
Z 1 -12+8M -1+16M 0 -M 0 0 -7/2+2M -42+66M
W
1
0 8 16 0 -1 1 0 3 66
S
2
0 5 -4 0 0 0 1 -1/2 6
X
3
0 1 1 1 0 0 0 1/2 6
BASE Z X
1
X
2
X
3
S
1
W
1
S
2
W
2
Sol
Z 1 23/2 -1+16M 0 -1/16 1/16-M 0 -53/16-M -303/8
X
2
0 1/2 16 0 -1/16 1/16 0 3/16 33/8
S
2
0 7 -4 0 -1/4 1/4 1 1/4 45/2
X
3

0 1/2 1 1 1/16 -1/16 0 5/16 15/8
=
1
2
1 0
7 0 0
1
2
0 1

1
16
1
4
1
16

143

1
16
0
3
16
1
4
1
1
4
1
16
0
5
16
1
2
1 0
7 0 0
1
2
0 1

1
16
1
4
1
16
1
8
1
16
3
16
1
4
1
4
1
4
1
8
1
16
5
16

1
128
1
4
3
128

[ ]
= [
+ +
+ +

= [
13
8

1
16

53
16

27
128
]

[, , , ] =

Anlisis de sensibilidad para el costo 2
[

1
8

2

13
8

3
16

2

53
16

2
13
2
17.6
1
16

2

1
16

1
126

2

27
128

2
1
2
27

- -1 0 13 17.6 27
= 5
1
6
2
7
3

144

2
27
[27, +]

Anlisis de sensibilidad para el costo 3
[

1
8

3

13
8

1
16

3

1
16

3
13
3
1
5
16

3

53
16

3
128

2

27
128

3
10.6
3
9

- 0 1 9 10 13
3
(, 1) (13, +)
3
= (, 6) (6, +)
Haciendo lo del costo 3, restndole a es -7 para obtener el ms ptimo.

145

Completa la siguiente tabla ptima y obtenga el modelo original sabiendo X
5
, X
6
,
X
7
son variables de holgura.

=
1
=
1

B
-1
I
1
1
2
3
4
0 2 1
0 0 1

1 0 0
0 1 0
0 0 1

1 0 1
0 1
1
2
0 0 1

1
1
4
0
0
1
2
0
0 0 1

1 0 0
0 1 0
0 0 1

1
1
4
1
0
1
2
1
2
0 0 1

A=B
A
=
1
1
4
1
0
1
2
1
2
0 0 1

1 2
15
2
1 24 6
0 0 0

=
5
4
8 1
1
2
12
1
2

0 0 1
9
3
0

BASE Z X
1
X
2
X
3
X
4
X
5
X
6
X
7
SOL
Z 1 0 2 0 21/2 0 3/2 5/4 5/4
X
5
0 1 -2 0 15/2 1 -1/2 3/4
3/4
X
1
0 1 -24 0 6 0 2 1 1
X
3
0 0 0 1 0 0 0 1 1
= =
=
0
=
=
1

146

= = 0
3
2
5
4

1
1
4
1
1
1
2
1
2
0 0 1

= 0
3
4
1
2

0
=
= 0
3
4
1
2

3
4
1
1
=
5
4

=
=
1
1
4
1
0
1
2
1
2
0 0 1

3
4
1
1
=
0
0
1

=
0 2 0
21
2
= 0
3
2
5
4

5
4
8 1
1
2
12
1
2
0 0 1

9
3
0

0 2 0
21
2
=
3
4
18
1
2
9
2

=
3
4
18
1
2
9
2
0 2 0
21
2

=
3
4
20
1
2
6

Z=3/4X
1
-20X
2
+1/2X
3
-6X
4

s.a
5/4X
1
- 8X
2
- X
3
+ 9X
4
0
1/2X
1
- 12X
2
- 1/2X
3
+ 3X
4
0

X
3
1
X
1
, X
2
, X
3
, X
4
0

147

Completa la siguiente tabla ptima y obtenga el modelo original sabiendo X
4
, X
5

son variables de holgura de la primera y segunda restriccin.

A=B
-1
B
-1
1
=
1

B
-1
I
1
2
0
0
1
3

1 0
0 1

I B
-1
1 0
0 1

2 0
0 3

= =
2 0
0 3

1 0
1
2
0 1
2
3

=
2 0 1
0 3 2

= = 2
1
3

2 0
0 3

= [
4 1
]
0
=
= [4,1]
25
20
= [100 +20] = 120
=
=
2 0
0 3

25
20
=
50
60

= = 0 0
5
3
= 2,
1
3

2 0 1
0 3 2

BASE Z X
1
X
2
X
3
X
4
X
5
SOL
Z 1 0 0 5/3 2 1/3 120
X
1
0 1 -0 1/2 1/2 0
25
X
2
0 0 1 2/3 0 1/2 20
= =
=
0
=
=
1

148

0 0
5
3
= 4 1
8
3

= 4 1
8
3
0 0
5
3
= [
4 1 1
]

Z=4X
1
+X
2
+X
3

s.a
2X
1
+ X
3
50
3X
2
+ 2X
3
60
X
1
, X
2
, X
3
0

149

EJERCICIOS V. Dualidad.
Instrucciones: Dado el Modelo Primal obtener su Modelo Dual y resolverlo
por el mtodo apropiado.

1.- Modelo Primal
Max
Z=2X
1
+X
2

s.a
X
1
+5X
2
10
X
1
+3X
2
6
2X
1
+2X
2
8
1.- Min
Z=10Y
1
+6Y
2
+8Y
3
s.a
Y
1
+Y
2
+2Y
3
2
5Y
1
+3Y
2
+2Y
3
1
Y
1
,Y
2
0
Z=8
Y
1
=0
Y
2
=2
Y
3
=1
2.- Modelo Primal
Min
Z=2X
1
+X
2

s.a
X
1
+5X
2
10
X
1
+3X
2
6
2X
1
+2X
2
8
2.- Max
Z=25Y
1
+30Y
2
s.a
4Y
1
+7Y
2
1
8Y
1
+5Y
2
3
6Y
1
+9Y
2
-2
Y
1
,Y
2
0
NO
TIENE
SOLUCIN
3.- Modelo Primal
Min
Z=12X
1
+26X
2
+80X
3
s.a
2X
1
+6X
2
+5X
3
4
4X
1
+2X
2
+X
3
10
X
1
+X
2
+2X
3
6
3.- Max
Z=4Y
1
+10Y
2
+6Y
3
s.a
2Y
1
+4Y
2
+Y
3
12
6Y
1
+2Y
2
+Y
3
26
5Y
1
+Y
2
+2Y
3
80
Y
1
,Y
2
0
MODELO DUAL
Z=72
Y
1
=0
Y
2
=0
Y
3
=12
150


4.- Modelo Primal
Max
Z=10X
1
+15X
2
+20X
3
+25X
4
s.a
8X
1
+6X
2
-X
3
+X
4
16
3X
1
+2X
3
-X
4
=20
4.- Min
Z=16Y
1
+2Y
2
s.a
8Y
1
+3Y
2
10
6Y
1
15
-Y
1
+2Y
2
20
-Y
1
0
Y
1
,Y
2
0
NO
TIENE
SOLUCIN
5.- Modelo Primal
Min
Z=X
1
+2X
2
+X
3

s.a
X
2
+X
3
=1
3X
1
+X
2
+3X
3
=4

5.- Max
Z=Y
1
+4Y
2
s.a
Y
2
1
Y
1
+Y
2
2
Y
1
+3Y
2
1
Z=1.333
Y
1
=0
Y
2
=0.3333

Objetivo:

El alumno establecer los problemas
de transporte y asignacin como una
variable del modelo de Programacin
Lineal as mismo aprender y aplicar
la metodologa de solucin de los
mismos.

CAPTULO IV:
TRANSPORTE Y
ASIGNACIN.

152

Captulo IV: Transporte y Asignacin.
4.1. DEFINICIN DEL PROBLEMA DE TRANSPORTE.
En su definicin ms simple el Modelo de Transporte tiene que ver con la
determinacin de un plan de costo mnimo para transportar una mercanca o
producto de una varias partes (plantas productoras) a varios destinos
(almacenes o bodegas).
El modelo de transporte es bsicamente un modelo de Programacin Lineal
que se puede resolver a travs del mtodo simplex, sin embargo su estructura
especial hace posible el desarrollo de un procedimiento alterno de solucin
conocido como Modelo o Tcnica de transporte; entre las tcnicas ms conocidas
para resolver el modelo de transporte se presentan:
A) Mtodo de la esquina noroeste.
B) Costo mnimo.
C) Aproximacin de Voguel.
El mtodo de transport toma como referencias transportar una mercanca de
varias partes a varios destinos y los datos ms representativos que se consideran
son:
1.-Nivel de oferta en cada fuente y la cantidad de demanda en cada destino.
2.-Costo Mnimo.
3.-Aproximacin de Voguel.
El modelo de transporte toma referencia transportar una mercanca de varias
partes a varios destinos y los datos ms representativos que se consideran son:
a) Nivel de oferta en cada fuente y la cantidad de demanda en cada destino.
b) El costo de transporte unitario de la mercanca de cada fuente a cada
destino.

153

ESQUEMA EN EL MODELO DE TRANSPORTE

Un problema de transporte incluye M fuentes, a cada una de las cuales
corresponde la disponibilidad de a
i
cuando i =1,2,3,4,5,6m unidades de
producto homogneo y n destinos a cada uno de los cuales requiere b
j
y
j=1,2,3,4,5,6.n unidades de producto los nmeros a
i
y b
j
son enteros positivos.
El costo C
ij
de transportar una unidad de origen i al destino j para cada i
corresponde una j. El objetivo de desarrollar un programa de transporte que
cumpla con todas las demandas a partir del inventario actual y a un costo de
embarque mnimo se considera que el suministro y la demanda total son iguales.
=1
=1

C
B
A
I
II
III
IV
154

Se garantiza creando ya un destino ficticio con una demanda igual al
excedente, si la demanda total es menor que le suministro total, o un origen ficticio
con un suministro igual al faltante si la demanda excede al suministro total sea X
ij

el nmero desconocido de unidades que se embarcan del origen i al destino j
entonces todo modelo de transporte tendr como patrn el siguiente modelo
matemtico.
Min
=
=1
=1

s.a
( = 1,2 )
=1

( = 1,2 )
=1

0

4.1.1 ALGORITMO DE TRANSPORTE.
1.- Analizar qu datos se tienen.
2.- Para visualizar mejor los datos e iniciar el algoritmo se realiza la siguiente
tabla.
Demanda
origen
A B C D
1
2
3
4
En cada una de las casillas de colocan los costos de transporte del origen al
destino trabajndose con una matriz de (m) renglones (n) columnas.
3.- Se inicia el algoritmo con la verificacin siguiente:
155

1
=
1
=1
=1

Demanda
origen
A B C D a
1

1 C1A C1B C1C C1D 40
2
C2A
C2B C2C C2D 50
3
C3A
C3B C3C C3D 20
b
1
10 40 30 30 110

Como se observa, al aumentar en 30, el sistema se equilibr, y ahora s
podemos seguir con el algoritmo. Los costos de la columna No.4 valen cero.
4.- Primera asignacin. La primera asignacin o distribucin de la oferta se realiza
de la siguiente manera:
a).- Se inicia el algoritmo asignado cantidades en las regiones que contengan el
costo mnimo, empezando por el ms bajo y as sucesivamente hasta satisfacer
demanda y oferta.
Por ejemplo: Se tienen 3 fbricas y 5 almacenes, los costos de transporte son
los que se muestran en la matriz.
Demanda
origen
A B C D E a
1

1
6 8 6 4 3
1250
2
3 5 7 4 6
900
3
9 4 6 4 5
550
b
1
500 350 650 500 700 2700

Se interpreta la columna A y el rengln 1 como:
En la fbrica 1 se tienen 1250 unidades producidas para ofrecer y se
demandan 500 unidades en el rengln A.

156

Se busca el costo mnimo, ah se designa la cantidad que satisfaga la demanda
total o parcial quedando la tabla de la siguiente manera:
Demanda
origen
A B C D E a
1

1
6 8 6 4 3
1250
550
2
3 5 7 4 6
900

3
9 4 6 4 5
550

b
1
500 350 650 500 700 2700

Al realizar la asignacin se ha satisfecho la demanda de la regin E a un costo
mnimo, pero la oferta del rengln 1 todava no se distribuye ya que quedan 550
unidades disponibles.
Ahora se observa cual es el siguiente costo mnimo, este se encuentra en la
regin (2 A), ah se asigna la cantidad para satisfacer total o parcialmente la
demanda quedando lo siguiente:
Demanda
origen
A B C D E a
1

1
6 8 6 4 3
1250
550
2
3 5 7 4 6
900 400
3
9 4 6 4 5
550

b
1
500 350 650 500 700 2700

0

Se busca el siguiente costo mnimo y ah se asigna una cantidad quedando:
Demanda
origen
A B C D E a
1

1
6 8 6 4 3
1250
550 50
2
3 5 7 4 6
900 400
3
9 4 6 4 5
550

b
1
500 350 650 500 700 2700

0

0 0

700
700
500
700
500
500
157

Se busca el siguiente costo mnimo y ah se asigna la cantidad quedando:
Demanda
origen
A B C D E a
1

1
6 8 6 4 3
1250
550 50
2
3 5 7 4 6
900 400
3
9 4 6 4 5
550 200
b
1
500 350 650 500 700 2700

0 0

0 0

Demanda
origen
A B C D E a
1

1
6 8 6 4 3
1250
550 50
2
3 5 7 4 6
900 400
3
9 4 6 4 5
550 200
b
1
500 350 650 500 700 2700

0 0
450
400 0 0

Demanda
origen
A B C D E a
1

1
6 8 6 4 3
1250
550 50
2
3 5 7 4 6
900 400
3
9 4 6 4 5
550 200
b
1
500 350 650 500 700 2700

0 0
400
0 0 0

Se observa en la tabla que toda la oferta ha sido distribuida para satisfacer las
demandas totales, en este momento la primera asignacin termina.
5.- Clculo de la funcin Z para la primera asignacin; se entiende como Z el costo
de distribucin a diferentes centros de consumo, calculndose sta de la siguiente
manera:
700
500
500
350
700
500
500
350
50
200
700
500
500
350
50
200
400
158

= (6 50) +(4 500) +(3 700) +(3 500) +(7 400) +(4 350) +(6 200)
= 300 + 2000 + 2100 + 1500 + 2800 + 1400 + 1200 = 11300
6.- Una vez que se ha encontrado el valor de la funcin Z el costo de distribucin
se verifica si en realizada este costo que se ha encontrado es el mnimo.
Por ello se realiza un anlisis de costos de oportunidad, o sea, que se analizan.
Si se asign o aument una unidad en el rengln 1 A se desbalancea tanto la
columna como el rengln, por tal motivo se tiene que disminuir esa unidad de
dicha columna y rengln para que el sistema no se desbalancee, haciendo esto en
renglones (ij) en los cuales se haya asignado alguna cantidad. Este mismo anlisis
se realiza para cada rengln donde se incrementa o disminuye la unidad y as se
desbalancea el sistema.
Nota: L a configuracin de los ciclos (LOPPS) es cualquiera, solo que deben
estar formados por lneas rectas horizontales y verticales todas ellas.
EJEMPLO 1:
La empresa Ford Motor Company desea elaborar un plan de transporte
semanal para enviar automviles de sus plantas productoras ubicadas en el D.F.
Monterrey y Guadalajara, sus almacenes en Toluca, Mrida, Baja California,
Matamoros, Cancn.
Se sabe que el D.F. produce semanalmente 60 unidades, Monterrey produce
50 automviles y Guadalajara produce 30 automviles.
Por su parte el almacn de Toluca requiere 50 autos semanalmente, Mrida 20,
Baja California 15, Matamoros 20 y Cancn 25.
El costo promedio en pesos de enviar un automvil de una planta productora a
alguno de los centros de distribucin se presentan en la siguiente tabla:

a) Determinar el Modelo de Programacin Lineal para este problema.
b) Calcule una solucin que usted considere viable para este modelo.
Destino Toluca Mrida
Baja
California
Matamoros Cancn Oferta
D.F. 25 40 50 45 30 60
Monterrey 50 55 25 25 40 40
Guadalajara 34 41 52 36 42 30
Demanda 50 20 15 20 25
159

= . .
Min C.
Costo de envo = 25
11
+40
12
+ 42
35

s.a
11
+
21
+
31
50
12
+
22
+
32
20
13
+
23
+
33
15
14
+
24
+
34
20
15
+
25
+
35
25

Oferta
11
+
12
+
13
+
14
+
15
60
21
+
22
+
23
+
24
+
25
40
31
+
32
+
33
+
34
+
35
30

Este algoritmo es un mtodo especializado para el formato de un modelo de
transporte el cual puede resolverse mediante 3 mtodos:
4.2 MTODO DE VOGUEL

Este procedimiento es uno de los mtodos ms aceptados que se basa en
encontrar la diferencia de costos menores (mtodo heurstico).
PROCEDIMIENTO
1.- Se construye una matriz de oferta y demanda colocando en cada una de las
casillas y pestaa que indique el costo.
2.- Se realiza penalizaciones entre casilla de menor costo y la casilla de menor
costo siguiente para cada rengln y para cada columna se restan.
3.- Se selecciona en penalizacin mayor ya sea en rengln de columna.
160

4.- Se ubica la casilla con menor costo seleccionada en el paso anterior, se hace
la mxima asignacin de dicha casilla.
5.- Ajustan valores de oferta y demanda y se tachan valores de asignacin.
6.-Se selecciona la mayor penalizacin siguiente y se ubica al rengln o la
columna que la tenga para ubicar a la casilla de menores costos y hacer la
mxima asignacin.
7.- En caso de empate se procede arbitrariamente.
8.- Si en algn del problema no es posible utilizar los pasos 2-7(utilice costo
mnimo) contine con este proceso hasta agotar oferta y demanda.
Para ejemplificar este mtodo se utilizara el ejemplo 1.

Fuente
Destino
Toluca Mrida B.C. Matamoros Cancn Oferta

D.F.
25 40 50 45 30
60
5 15
Monte
50 55 25 25 40
40 2
Gauda
34 41 52 36 42
30

Demanda

50 20 15 20 25

9 0
0
25 11 10

25 35 + 34 15 + 55 5 + 41 15 + 25 15 + 25 20 + 30 25 = $ 3900

4.3 MTODO ESQUINA NORESTE.

Es el mtodo menos ptimo ya que nicamente hace referencia a la posicin
de los datos de la oferta y la demanda sin hacer referencia o considerar los costos.
Se disea una matriz de oferta y demanda.
PROCEDIMIENTO
1.- Se selecciona la casilla de la esquina (noroeste de la matriz), se hace la
mxima asignacin posible.
25
X
X
15
X
X
35
15
X
5 20 20
X
X
X
161

2.- Se ajustan los valores de la oferta y la demanda y si alguno de los destinos o
de las partes se ha agotado ya no se considera para el siguiente pedido.
3.- Con la sub matriz obtenida se repiten los pasos anteriores tachando
previamente las casillas que no tienen asignacin.
4.- Se contina con este proceso hasta que la oferta y la demanda quede cero.

Fuente
Destino

D.F.
25 40

60 40 0
Monte

55 25 25

40 30 0

Gauda

36 42
30 25 0

Demanda

50 20 15 20 25

0 0
0
0 0 0

25 50 + 40 10 + 55 20 + 25 15 + 25 15 + 36 5 + 42 25 = $ 4180

4.4 MTODO DE COSTO MINIMO.

Trata de localizar una mejor solucin inicial del modelo de transporte, utilizando
las rutas baratas.
PROCEDIMIENTO
1.- Se construye una matriz de oferta y demanda colocando en cada una de las
casillas una pestaa que indique el costo.
2.- Se selecciona de la matriz la casilla con menor costo posible y se realiza en
ella la mxima asignacin posible.
3.- Se ajustan valores de oferta y demanda tachando en cada caso las casillas que
no tienen asignacin, en caso de empates se procede de manera arbitraria.
4.-continua con este procedimiento hasta que los valores de la oferta y la
demanda queden satisfechos.
X
X
X
X
X
X
50
X
10
10 15 15
5
X
25
162

Fuente
Destino

D.F.
25 40 50 45 30
60 40 0
Monte

55 25 25 40
40 25 0

Gauda

41 52 36 42
30 10

Demanda

50 20 15 20 25

0 0
0
0 0 10

25 50 + 41 20 + 25 15 + 25 20 + 30 20 + 40 5 + 42 20 = $ 3865

10
X
X
20
X
X
50
X
X
X 15 20
X
5
10
163

EJEMPLO 2.

La fabrica S.A de C.V. fbrica dispositivos mecnicos en 2 fbricas una en
Memphis y otra en Denver. La de Memphis puede fabricar 150 dispositivos por da
y la de Denver puede producir 200 dispositivos por da y enviarlos por aire a los
clientes de los ngeles y Boston; los clientes en cada ciudad requieren de 130
dispositivos por da, debido a las irregularidades en las tarifas areas la empresa
cree que podra ser ms barato enviarlos primero a Nueva York y Chicago y luego
a los destinos finales.
Los costos de enviar por va area un dispositivo se muestra en la siguiente
tabla. La empresa quiere minimizar el costo total de enviar los dispositivos
requeridos a sus clientes.
de Memphis Denver
Nueva
York
Chicago
Los
ngeles
Boston
Memphis 0 - 8 13 25 28
Denver - 0 15 12 26 26
Nueva
York
- - 0 6 16 17
Chicago - - 6 0 14 16
Los
ngeles
- - - - 0 -
Boston - - - - - 0

DESTINOS
Origen
Nueva
York
Chicago
Los
ngeles
Boston X
Cap. De
Produccin
Memphis
8 13 25 28 0
150
Denver
15 12 26 25 0
200
Nueva
York
0 6 16 17 0
350
Chicago
6 0 14 16 0
350
Demanda 350 350 130 130 90 1050

164

a) MTODO VOGUEL.
Origen
Nueva
York
Chicago
Los
ngeles
Boston X
Cap. De
Produccin
Memphis
8 13 25 28
20 150/20
Denver
15 12 26 25
70 200/70
Nueva
York
0 6 16 17
350
Chicago
6 0 14 16
350
Demanda 350 350 130 130 90 1050

= (130 25) + (130 25) = $6500

b) MTODO ESQUINA NORESTE.
Origen
Nueva
York
Chicago
Los
ngeles
Boston X
Cap. De
Produccin
Memphis
8 13
X
Denver
15 12
X
Nueva
York
0
X
Chicago
6 0 14 16
90
Demanda 350 350 130 130 90

= (180 8) + (200 15) + (130 14) + (130 16) = $10,200

X
X
350
X
X
X
X
350
130
X
X
X
X
130
X
X
180
200
X
X
X
X
350
350
X
X
X
130
X
X
X
130
165

a) MTODO COSTO MNIMO.
Origen
Nueva
York
Chicago
Los
ngeles
Boston X
Cap. De
Produccin
Memphis
8 13 25 28
90 150/60
Denver
15 12 26 25
X
Nueva
York
0 6 16 17
X
Chicago
6 0 14 16
90
Demanda 350 350 130 130 90

= (60 25) + (70 26) +(130 25) = $6570

4.5 MTODO HUNGARO.

Un problema de asignacin es un problema de transporte balanceado, en el
cual todas las ofertas y todas las demandas son iguales a uno. Se puede resolver
eficientemente un problema de asignacin m x m mediante el mtodo Hngaro:

Paso 1.- Empiece por encontrar el elemento ms pequeo en cada rengln de la
matriz de costos. Construya una nueva matriz, al restar de cada costo, el costo
mnimo de su rengln. Encuentre, para esta nueva matriz el costo mnimo en
cada columna. Construya una nueva matriz (la matriz de costos reducidos) al
restar de cada costo el costo mnimo de su columna.
Paso 2.- Dibuje el mnimo nmero de lneas (horizontales o verticales) que se
necesitan para cubrir todos los ceros en la matriz de costos reducidos. Si se
requieren m lneas para cubrir todos los ceros, siga con el paso 3.
Paso 3.- Encuentre el menor elemento no cero (llame su valor k en la matriz de
costos reducidos, que no est cubiertos por las lneas dibujadas en el paso 2.
Ahora reste k de cada elemento no cubierto de la matriz de costos reducidos y
sume k a cada elemento de la matriz de costos reducidos cubierto por dos
lneas. Regrese al paso 2.
X
X
350
X
X
X
X
350
60
70
X
X
X
130
X
X
166

Un problema de asignacin es un problema de transporte balanceado en el que
todas las ofertas y demandas son iguales a 1; as se caracteriza por el
conocimiento del costo de asignacin de cada punto de oferta a cada punto de
demanda. La matriz de costos del problema de asignacin se llama: matriz de
costos.
Como todas las ofertas y demandas para el problema de asignacin son
nmeros enteros, todas las variables en la solucin ptima deben ser valores
enteros.

EJEMPLO 1.
La empresa tiene 4 maquinas y 4 tareas por completar cada mquina se debe
de asignar para completar una tarea. El tiempo requerido para preparar cada
mquina para completar cada tarea se muestra en la siguiente tabla. Plantea la
mejor asignacin posible mediante el mtodo hngaro.

Maquina Tarea 1 Tarea 2 Tarea 3 Tarea 4
1 14 5 8 7
2 2 12 6 5
3 7 8 3 9
4 2 4 6 10

Se agarra el mnimo de cada mquina.
1 14 5 8 7 5
2 2 12 6 5 2
3 7 8 3 9 3
4 2 4 6 10 2

167

Se resta a toda fila
1 9 0 3 2
2 0 10 4 3
3 4 5 0 6
4 0 2 4 8

1 0 0 4 0
2 0 9 3 0
3 5 6 0 -
4 0 1 3 -

EJEMPLO 2.
Se cuenta con 5 empleados para llevar acabo 4 tareas, el tiempo que toca a
cada persona realizar cada tarea se muestra en la siguiente tabla. Determine la
asignacin de empleados a las tareas que reduce el tiempo total requerido para
efectuar las 4 tareas.
Persona

1 22 18 30 18 18
2 18 - 27 22 0
3 26 20 28 28 20
4 16 22 - 14 0
5 21 - 25 28 0

168


1 22 18 30 18 18
2 18 - 27 22 0
3 26 20 28 28 20
4 16 22 - 14 0
5 21 - 25 28 0

1 0 0 12 0
2 14 0 27 22
3 2 0 8 8
4 12 0 0 14
5 17 0 25 28

X
14
= 1 Persona
X
22
= 3 Personas
X
31
= 3 Personas
X
43
= 4 Personas
X
52
= 5 Personas

EJEMPLO 3.
Una corporacin necesita transportar 70 unidades de un producto 1, 2, 3 en
cantidades de 45 y 25 unidades respectivamente las tarifas se presentan en la
siguiente tabla:
i/j 1 2 3 4
1 . 38 56 34
2 38 . 27 .
3 56 27 . 19
4 34 . 19 .

0 0 14 0
12 0 25 20
0 0 6 6
14 24 0 16
15 0 23 26

169

Determine un programa de embarque que asigne el nmero requerido de
artculos a cada destino a un costo mnimo de transporte; ningn embarque
requiere del vuelo directo, se permiten los envos empleando intermediarios.

Origen 2 3 4 Oferta
1
38 56 34
70
2
0 27 0
70
3
27 0 19
70 25
4
0 19 0
280
Demanda 115 95 130 130

= (25 19) + (70 34) = $2855
X
14
= 70
X
21
= 70
X
32
= 70
X
41
= 45
X
43
= 25

X
70
X
45
X
X
70
25
70
X
X
X
170

EJEMPLO 4.
En una compaa industrial se debe de planear para cada una de las
estaciones del prximo ao las capacidades de produccin de la compaa as
como sus demandas esperadas todo en unidades, se muestran en la siguiente
tabla.
Primavera Verano Otoo Invierno
Demanda 250 100 400 500
Capacidad
Normal
200 300 350 -
Capacidad
Tiempo
100 50 100 150

Los costos de produccin normal para la compaa son de $7.00 por unidad, el
tiempo extra vara segn la estacin del ao siendo de $8.00 en primavera, $9.00
en verano y $10.00 en invierno.
La empresa tiene un inventario inicial de 200 unidades el 1 de enero pero como
se planea descontinuar el producto a finales de ao se desea que se tenga un
inventario de 0. Las unidades producidas en los turnos normales no se encuentran
disponibles en embarques durante la estacin de produccin generalmente se
venden a la siguiente estacin.
Aquellas unidades que no se venden se agregan al inventario que se acumulan
a un costo de $0.70 por unidad por unidad por estacin. En cambio las unidades
producidas en tiempo extra deben de embarcarse en la misma estacin que se
produce.
Determine un programa de produccin que cubra el total de demandas a un
costo mnimo.

171


Orgenes Primavera Verano Otoo Invierno Ficticia Oferta
Capacidad
Normal en
Primavera
0 7 7.7 8.4 0
200
Capacidad
Normal en
Verano
0 0 7 7.7 0 300
250
150
Capacidad
Normal en
Otoo
0 0 0 7 0
350
100
Inventario
Inicial
0 0.70 1.4 2.1 0
200
Capacidad
en Tiempo
Extra
Primavera
8 0 0 0 0
100
Capacidad
en Tiempo
Extra
Verano
0 9 0 0 0
50
Capacidad
en Tiempo
Extra
Otoo
0 0 0 0 0
100
50
Capacidad
en Tiempo
Extra
Invierno
0 0 0 10 0
150

250
50
100
400
250
500
400
200
100
50
200
150
1450

= (150 7) + (100 7) + (200 2.1) = $2170

200
50
X
X
X
X
150
X
X
X
X
X
250
100
X
X
X
X
X
X
X
X
200
100
X
X
X
X
50
X
X 50 50
X
X
X 150
X
X X
172

EJERCICIOS VI. Modelos de Transporte y Asignacin
Instrucciones: Dado el Modelo resolverlo por el mtodo apropiado.
Problema 1.
Una compaa suministra bienes a tres clientes y cada uno requiere 30 unidades.
La compaa tiene dos almacenes el almacn 1 tiene 40 unidades disponibles y el
almacn dos 30 unidades disponibles. Los costos de enviar una unidad desde el
almacn a los clientes se muestra en la siguiente tabla. Hay una penalizacin por
cada unidad no suministrada al cliente; con el cliente 1 se incurre en un costo de
penalizacin de $90, con el cliente 2 de $80 y con el cliente 3 $110. Formule un
modelo de transporte equilibrado para minimizar la suma de escasez y costo de
envi.
De Cliente 1 Cliente 2 Cliente 3
Almacn 1 $15 $35 $25
Almacn 2 $10 $50 $40

Solucin
Cliente1 Cliente 2 Cliente 3 suministro
Almacen 1

40
Almacn 2

30
Escacez

20
Demanda 30

30 30

Problema 2
Un hospital necesita comprar 3 galones de medicina perecedera que utilizara
durante el mes actual y cuatro galones para uso durante el siguiente mes. Debido
a que la medicina es perecedera solo puede utilizarse durante el mes de compra.
Dos empresas Daisy y Louroach venden las medicinas, la medicina es escaza, por
consiguiente durante los siguientes dos meses, el hospital est limitado a comprar
a los sumo 5 galones de cada empresa. Las compaas cargan los precios como
se ve en la tabla siguiente. Formule un modelo de transporte equilibrado para
minimizar el costo de comprar medicina innecesaria.

15 35 25
10 50 40
90 80 110
173

De
Precio del mes actual
por galn ($)
Precio del mes
siguiente por galn($)
Daisy $800 $720
Loroach $710 $750

Solucin
Mes 1 Mes 2 Ficticio suministro
Daysy

5
Loroach

5
Demanda 3

4 3

Una gasolinera puede comprar su combustible para autos a cualquiera de los
tres proveedores. Las necesidades de la gasolinera para el siguiente mes en cada
una de sus estaciones a los que les puede dar servicio es como sigue, son
100,000 de la estacin 1, 180,000 galones de la estacin 2 y 350,000 galones de
la estacin 3. Cada proveedor puede suministrar a las estaciones de las
gasolineras a los precios de centavos por galn como se ve en la siguiente tabla

De
Estacin 1
Gasolina
Estacin 2
Gasolina
Estacin 3 de
gasolina
Proveedor 1 92 89 90

800 720 0
710 750 0
174

Problema 3
Cada proveedor tiene la capacidad en cuanto al nmero total de galones que
puede proporcionar durante un mes dado. Estas capacidades son de 320,000
galones para el proveedor 1, 270,000 galones para el proveedor 2 y 190,000
galones para el proveedor 3. Determine una poltica de compra que cubra los
requerimientos de la estacin de gasolina a un costo mnimo.
Solucin
Estacin1 Estacin2 Estacin 3 Ficticia suministro
1

320,000
320,000
2

120,000
150,000 270,000
3

100,000

60,000
190,000
Demanda 100,000

180,000 350,00 150,000

El proveedor 1 entregara 320,000 gal al aeropuerto 3, el proveedor 2 entregara
120,00 gal al aeropuerto 2 y conserva 150,000 gal, el proveedor 3 entregara
100,00 gal y 30,000 gal respectivamente a las estaciones 1,2 y 3

92
89
90
91
91 95
87 90
92
175

Problema 4
El consejo de Chicago de la Educacin est aceptando ofertas en relacin con las
cuatro rutas del autobs escolar de la ciudad. Cuatro compaas hicieron las
ofertas como se muestra en la siguiente tabla.
De Ruta 1 Ruta 2 Ruta 3 Ruta 4
Compaa 1 4,000 5,000 0 0
Compaa 2 0 4,000 0 4,000
Compaa 3 3000 0 2,000 0
Compaa 4 0 0 4,000 5,000

Suponga que a cada licitante se le puede asignar una ruta, utilice el mtodo
hngaro para minimizar el costo de recorrer las cuatro rutas de autobuses.
Solucin
La compaa 1 recorre la ruta 1, la compaa 2 recorre la ruta 2, la compaa 3
recorre la ruta 3 y la compaa 4 recorre la ruta 4.

APENDICE A.

177

APENDICE A
SISTEMA DE ECUACIONES LINEALES

Un conjunto de ecuaciones, todos tienen la misma variable y pueden tener un
nmero finito de ecuaciones.

Todo sistema de ecuaciones lineales homognea es constante, tiene por lo
menos la solucin trivial y se puede verificar si es la nica solucin o hay varias.
3
1
+ 2
2

3
= 0
1
+
2
7
3
= 0
3
1
+ 4
2
7
3
+
4
= 2
2
1
+ 5
3
6
4
= 0
5
1
3
2
+ 10
3

4
= 1

Operaciones que no alteran la soluciones de un sistema de ecuaciones.
METODO DE GAUSS - JORDAN
1.- Intercambio de dos ecuaciones.
2.- Multiplicar una ecuacin por un nmero diferente de cero.
3.- Sumar a una ecuacin un mltiplo de otra ecuacin.
Clasificacin
de los
Sistemas de
Ecuaciones
-Por sus trminos independientes o constantes es homognea

-Cuando algn termino (constante) es diferente a cero- no
homognea

-Por sus soluciones
-Tiene alguna solucin
-Consistente o incompatible
-No tiene solucin
178

APENDICE A
2X
1
+ 7X
2
+ 3X
3
+ X
4
= 6
3X
1
+ 5X
2
+ 2X
3
+ 2X
4
= 4
9X
1
+ 4X
2
+ X
3
+ 7X
4
= 2

X
1
- 2X
2
- X
3
+ X
4
= -2
2X
1

+ 7X
2
+ 3X
3
+ X
4
= 6
9X
1
+ 4X
2
+ X
3
+ 7X
4
= 2

X
1
- 2X
2
- X
3
+ X
4
= -2

11X
2
+ 5X
3
- X
4
=
10
0X
1
+ 0X
2
+ 0X
3
+ 0X
4
= 0

Despejando X
1
de la ecuacin 1.
1
=
2
11
+
1
11

3

9
11

4

Cuando se tienen mayor numero de variables que ecuaciones se tienen un sin
nmero de soluciones.
Cuando se tiene el mismo nmero de variables y ecuaciones, se puede tener
una solucin nica o en su efecto el mayor nmero de ecuaciones, sea el nmero
de variables.
EJEMPLO 2.
2
1
+5
2
8
3
4
1
+3
3
9
3
2
1
+3
2
5
3

=
=
=

8
9
7

1
+8
2
7
3
= 12

3X
1
+ 5X
2
+ 2X
3
+ 2X
4
= 4
2X
1
+ 7X
2
+ 3X
3
+ X
4
= 6
9X
1
+ 4X
2
+ X
3
+ 7X
4
= 2
X
1
- 2X
2
- X
3
+ X
4
= -2
11X
2
+ 5X
3
- X
4
= 10

22X
2
+ 10X
3
- 2X
4
= 20
X
1
- 2X
2
- X
3
+ X
4
= -2
X
2
+ 5/11X
3
- 1/11X
4
= 10/11
0X
1
+ 0X
2
+ 0X
3
+ 0X
4
= 0
X
1

- 1/11X
3
+ 9/4X
4
= -2/11
X
2
+ 5/11X
3
- 1/11X
4
= 10
0X
1
+ 0X
2
+ 0X
3
0 0X
4
= 0
179

APENDICE A
2 5 -8 :8
4 3 -9 :9
2 3 -5 :7
1 8 -7 :12

1 8 -7 :12
0 29 19 :-39
0 13 9 :-17
0 -11 6 :-16

1 8 -7 :12
0 1 -6/11 :-16/11
0 -13 9 :-17
0 -29 19 :39

1 0 -29/11 :4/11
0 1 -6/11 :16/11
0 0 1 :1
0 0 35/11 :35/11

X
1
=3
X
2
=2
X
3
=1

EJEMPLO 3.
2X
1
- 3X
2
+ 5X
3
+ 7X
4
= 1
4X
1
- 6X
2
+ 2X
3
+ 3X
4
= 2
2X
1
- 3X
2
- 11X
3
- 15X
4
= 1

2 -3 5 7 :1
4 -6 2 3 :2
2 -3 -11 -15 :1

1 8 -7 :12
4 3 -9 :9
2 3 -5 :7
2 5 -8 :8
1 8 -7 :12
0 -11 6 :-16
0 13 9 :-17
0 29 19 :-39
1 0 -29/11 :4/11
0 0 -6/11 :16/11
0 0 21/11 :21/11
0 0 35/11 :35/11
1 0 0 :3
0 1 0 :2
0 0 1 :1
0 0 0 :0
2 3 5 7 :1
0 0 -8 -11 :0
0 0 -16 -22 :0
180

APENDICE A

2 -3 5 7 :1
0 0 -8 -11 :0
0 0 0 0 :0

2 -3 5 7 :1
0 0 -8 -11 :0
0 0 0 0 :0

2 -3 0 1/8 :1
0 0 1 11/8 :0
0 0 0 0 :0

1
=
1
2
+
3
2
2

1
16
3
=
11
8

4

2
=
4
=
Donde X
2
Y X
4
E.R
1
=
1
2
+
3
2

1
16

3
=
11
8

1
2
+
3
2

1
16
, ,
11
8
,

2 -3 5 7 :1
0 0 0 11/8 :0
0 0 0 0 :0
2 -3 5 7 :1
0 0 0 11/8 :0
0 0 0 0 :0
2 -3/2 0 1/16 :1/2
0 0 1 11/8 :0
0 0 0 0 :0
181

APENDICE A
EJEMPLO 3.
9X
1
- 3X
2
+ 5X
3
+ 6X
4
= 4
6X
1
- 2X
2
+ 3X
3
+ X
4
= 5
3X
1
- X
2
+ 3X
3
+ 14X
4
= -8

9 -3 5 6 :4
6 -2 3 1 :5
3 -1 3 14 :-8

3 -1 3 14 :8
0 0 -3 -27 :21
0 0 -4 -36 :28

3 -1 0 13 :13
0 0 1 9 :-7
0 0 0 0 :0

1
=
13
3
+
1
3
2
+
13
3

4

3
= 7 9
4

2
=
4
=
Donde X
2
Y X
4
E.R
1
=
13
3
+
1
3
+
13
3

3
= 7 9
13
3
+
1
3
+
13
3
, , 7 9,

3 -1 3 14 :-8
6 -2 3 1 :5
9 -3 5 6 :4
3 -1 3 14 :8
0 0 1 9 :-7
0 0 -4 -36 :28
1 -1/3 0 -13/3 :13/3
0 0 1 9 :-7
0 0 0 0 :0
182

APENDICE A
11
0
11
1
+
12
2
=
1

21
1
+
22
2
=
2

11

12

13
21

22

23
~
1

12
11
11
21

22

2
~
1

12
11
11
0

11
22

21
12
11
11
2

21
11

1

12
11
11
0 1

11
2

21
11
22

21
12
1 0

1
11
0 1

11
2

21
11
22

21
12
11
2

21
11

11
11
22

21
12

12
11

11
2

21
11
22

21
12
+

1
11
=

1
(
11
22

21
12
)
12
(
11
2

21
1
)
11
(
11
22

21
12
)

=

1
11
22

11
12
11
(
11
22

21
12
)
=

11
(
1
22

12
2
)
11
(
11
22

21
12
)

=
11

21
21

22
=
11
22

21
12

1
=

1
22

12
11
22

21
12
=

1

12
2

22
11

12
21

22
=

1
2
=

11
2

21
11
22

21
12
=

11

1
22

2
11

12
21

22
=

2

183

APENDICE A
EJEMPLO 1.
2X
1
-3X
2
=4
7X
1
+6X
2
=-10
=
2 3
7 6
= 12 (21) = 33
1
=
4 3
10 6
= 24 30 = 6
2
=
2 4
7 10
= 20 28 = 48
1
=

1
=
6
33
=
2
11

2
=

2
=
48
33
=
16
11

Sistema cuadrado tiene el mismo nmero de ecuaciones que variables.
11
1
+
12
2
+. . +
1
=
1

21
1
+
22
2
+. . +
2
=
2

1
+
2
2
+. . +
11

12

1
21

22

2
1

2

= 1 . .
=1

=1

184

APENDICE A
2
3
5
7
5
4
9
6

1
1
2
4
2
1
7
2

11
=
7 1 4
9 2 7
6 1 2

23
=
2 5 2
5 9 7
4 6 2

41
=
5 1 2
7 1 4
9 2 7

34
=
2 5 1
3 7 1
4 6 1

EJEMPLO 2.
2 1 3
5 3 2
1 4 3
= 2(1)
1+1
3 2
4 3
+ 1(1)
1+2
5 2
1 3
+ 3(1)
1+3
5 3
1 1

= 2(9 8) (15 2) + 3(20 3) = 2 13 + 57 = 40
EJEMPLO 3.
4 3 5
3 2 8
1 7 5
= 3(1)
2+1
3 5
7 5
+2(1)
2+2
4 5
1 5
+ 8(1)
2+3
4 3
1 7

= 3(50) (25) 8(25) = 150 + 50 + 200 = 100
EJEMPLO 4.
5 6 3
0 1 0
7 4 5
=
5 3
7 5
= 25 21 = 4
EJEMPLO 5.
1 1 1
4 5 9
16 25 81
=
5 9
25 81
1
4 9
16 81
+
4 5
16 25

= (405 225) (324 144) + (100 80) = 180 180 + 20 = 20

185

APENDICE A
PROPIEDADES DE LOS DETERMINANTES
1.- Si un rengln o columna de un determinante consta nicamente de ceros, el
valor determinante es cero.
2.- Si un rengln o columna es mltiplo de otro rengln o columna entonces el
determinante vale cero.
3.- Si intercambio dos columnas o renglones, el valor del determinante es cero.
4.- Si se multiplica un rengln o una columna por un nmero real el valor del
determinante queda multiplicado por ese nmero.
5.- Si a un rengln o columna se le suma un mltiplo de otro rengln o columna, el
valor del determinante no cambia.
Ejemplos de las propiedades:
2)
2 5
4 10
= 20 (20) = 0
3)
1 3
4 2
= 2 (12) = 14
4 2
1 3
= 12 2 = 14
Multiplicando el primer rengln por 2.
4)
2 6
4 2
= 4 (24) = 28
5)
1 3
6 4
= 4 (18) = 14
EJERCICIO
-1 2 3 4 5 7
0 4 3 1 1 2
0 0 6 -2 4 -5
0 0 0 3 -7 6

El determinante tendr el valor de la diagonal que esta de color.
= (1)(4)(6)(3)(1)(5) = 77

-1 2 3 4 5 7
0 4 3 1 1 2
0 0 6 -2 4 -5
0 0 0 3 -7 6
0 0 0 0 1 5
0 0 0 0 0 -5
186

APENDICE A
SISTEMA CUADRADO
2X
1
- X
2
- X
3
= 4
3X
1
+ 4X
2
- 2X
3
= 11
3X
1
- 2X
2
+ 4X
3
= 11

=
2 1 1
3 4 2
3 2 4
= (1)
1 2 1
4 3 2
2 3 4
= (1)
1 2 1
0 11 6
0 1 6

()(1)
1 2 1
0 1 6
0 11 6
= ()()
1 2 1
0 1 6
0 0 60
= ()()(1)(1)60 = 60

1
=
4 1 1
11 4 2
11 2 4
= ()
1 4 1
4 11 2
2 11 4
= ()
1 4 1
0 27 6
0 3 6
= 180

2
=
2 4 1
3 11 2
3 11 4
= (1)
1 4 2
2 11 3
4 11 3
= ()
1 1 4
0 4 11
0 2 11
= 60

3
=
2 1 4
3 4 11
3 2 11
= (1)
1 2 4
4 3 11
2 3 11
= ()
1 2 4
0 11 27
0 1 3
= 60

1
=

1
=
180
60
= 3
2
=

2
=
60
60
= 1
3
=

3
=
60
60
= 1

SOLUCIN UNICA (3, 1, 1)

187

APENDICE A
EJEMPLO 1.
X
1
+ X
2
+ 2X
3
= -1
2X
1
- X
2
+ 2X
3
= -4
4X
1
+ X
2
+ 4X
3
= -2

=
1 1 2
2 1 2
4 1 4
=
1 1 2
0 3 2
0 3 4
= (1)
1 1 2
0 3 2
0 0 2
= 6

1
=
1 1 2
4 1 2
2 1 4
=
1 1 2
0 5 6
0 1 0
= ()
1 2 1
0 6 5
0 0 1
= 6

2
=
1 1 2
2 4 2
2 2 4
=
1 1 2
0 2 2
0 2 4
=
1 1 2
0 2 2
0 0 6
= 12

3
=
1 1 1
2 1 4
4 1 2
=
1 1 1
0 3 2
0 3 2
=
1 1 1
0 3 2
0 0 4
= 12

1
=

1
=
6
6
= 1
2
=

2
=
12
6
= 2
3
=

3
=
12
6
= 2

SOLUCIN UNICA (1, 2, -2)

188

APENDICE A

Temas Desarrollados

Загружено:

Сведения о документе

Исходное описание:

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Temas Desarrollados

Загружено:

Авторское право:

Доступные форматы

TECNOLGICO DE ESTUDIOS SUPERIORES DEL

ORIENTE DEL ESTADO DE MXICO

cambia de signo, si no ocurre el cambio de signo en tal

. Se aplica el simplex hasta re optimizar dado el siguiente modelo de

Вам также может понравиться