Excelencia Acadmica

CONTENIDO
PRESENTACIN
UNIDAD TEMTICA 01
I.-

INVESTIGACIN DE OPERACIONES

1.1 Definicin

1.2 Aplicacin

1.3 reas de aplicacin de la I.O.

1.4 Equipos de enfoque interdisciplinario.

1.5 Naturaleza y estructura de los modelos.

UNIDAD TEMTICA 02
II

INTRODCUCCIN AL LGEBRA LINEAL Y ESPACIO VECTORIAL .

Vectores.

11
11

Matrices

12

Espacios Vectoriales.

14

Espacio vectorial Euclideano.

14

Sistema de Inecuaciones.

16

UNIDAD TEMTICA 03
III.

PROGRAMACIN LINEAL

19

3.1 Definicin.

19

3.2 Expresin general de Problema de P.L.

19

3.2.1 Caso: Maximizacin

19

3.2.2 Caso: Minimizacin

19

3.3 Planteamiento de problemas.

20

UNIDAD TEMTICA 04
IV.

METODO DE SOLUCIN DE PROBLEMAS DE P.L

27

4.1 Mtodo grfico o geomtrico.

27

4.1.1 Caso : Maximizacin.

27

4.1.2 Caso : Minimizacin.

40

4.2 Mtodo Simplex

4.2.1 Caso de Maximizacin.

49
49

4.2.2 Variables artificiales.

60

4.2.3 Problemas de minimizacin.

65

Excelencia Acadmica

UNIDAD TEMTICA 05
V.

PROGRAMACIN DUAL
5.1 Construccin de los modelos Dual

83

5.2 Determinacin del modelo Dual Cuando el Primal es de minimizacin

85

5.3 Soluciones ptimas para los modelos Primal y Dual

89

UNIDAD TEMTICA 06
VI.

ANLISIS DE SENSIBILIDAD
6.1 Sensibilidad de los coeficientes de la Funcin objetivo.

93

6.2 Anlisis de sensibilidad en el lado derecho (bi).

97

UNIDAD TEMTICA 07
VII. PROBLEMAS DE ASIGNACIN
7.1 Algoritmo de ptimalidad de Asignacin.

104

7.2 Otras consideraciones del Problema de Asignacin.

107

7.2.1 Cuando la Oferta es mayor que la Demanda

7.2.2 Cuando la Demanda es mayor que la Oferta
7.3 Maximizacin en problemas de asignacin.

107
108
109

UNIDAD TEMTICA 08
VIII.

EL MODELO DE TRANSPORTE.
8.1 Objetivo del Modelo de Transporte

115

8.2.1 Formulacin del Problema de Transporte.

116

8.3 Soluciones iniciales del Problema de Transporte.

117

8.3.1 Mtodo de la Esquina Noroeste (N.O.)

117

8.3.2 Mtodo de la Celda del Mnimo Costo C.M.C.)

120

8.4 Casos particulares del Modelo de Transporte.

100

8.4.1 Caso: Demanda es mayor que el Suministro

123

8.4.2 Caso: Disponibilidad mayor que la Demanda.

125

8.5 Algoritmo de Optimalidad para el problema de transporte.

126

8.5.1 Mtodo del Escaln.

127

Excelencia Acadmica

INVESTIGACIN OPERATIVA
1.1 DEFINICIN.- La I.O. es el mtodo cientfico aplicado a la solucin de problemas, como
a la toma de decisiones por la gerencia de una organizacin. El nmero y variedad de
sus aplicaciones contina creciendo rpidamente y la mayor parte de su crecimiento ha
sido paralelo al del computador.
Un enfoque de la I.O. abarca:
1. La construccin de un modelo matemtico (usualmente simblico) que extrae los
elementos necesarios y esenciales de un problema de decisiones de la vida real.
2. examinar y analizar las relaciones que determinan las consecuencias de la decisin
realizada.
3. desarrollar una tcnica de decisiones que comprenda teora matemtica, que
conduzca a un valor ptimo.
1.2 APLICACIN.- La I.O. se aplica tanto a problemas TCTICOS y ESTRATGICOS de
un sistema u organizacin.
Los problemas TACTICOS (comprende la solucin) tienen que ver con las actividades
diarias de la organizacin as como: Programacin de la produccin, el nmero de
estaciones que atienden una cola. , control de inventarios balanceo de lnea de
ensamble, mantenimiento, reparacin de las instalaciones, planes de inspeccin para el
control e intervencin de la calidad
Los problemas ESTRATGICOS tienen una orientacin ms global, siempre
apoyndose en las operaciones diarias del sistema en forma indirecta. Ejemplo:
-

Expansin de la planta

Seleccin del lugar para la instalacin de una planta.

Asignacin de recursos para la explotacin del espacio.

Desarrollar programas para ayudar al necesitado

Incrementar la educacin de minoras en desventaja.

La promocin del desarrollo urbano.

Excelencia Acadmica

1.3 AREAS DE APLICACIN DE LA I.O.

La I.O. se aplica a problemas que tienen que ver con la conduccin y coordinacin de
operaciones y actividades de una organizacin, tales como: negocios, industria,
hospitales, el gobierno, etc.
OBJETIVO.- el objetivo primordial de la I.O. es intentar encontrar la solucin mejor u
ptima del problema en consideracin para tomar la decisin correcta.
1.4 ENFOQUE INTERDISCIPLINARIO
Ninguna persona en particular puede tener un conocimiento total de todos los aspectos
de la I.O. o de los problemas que se traten. Esto requerir un grupo de individuos que
tengan conocimiento y habilidades diversas, con las que es necesario formar un equipo
de trabajo.
El equipo debe ser interdisciplinario que comprenda individuos con habilidades en
Matemticas, Estadstica, Economa, Administracin, Ingeniera, Psicologa, Sociologa,
etc.
1.5 NATURALEZA Y ESTRUCTURA DE LOS MODELOS
MODELO.- Es una abstraccin o una representacin idealizada de un sistema de la vida
real, su propsito es proporcionar un medio para analizar el comportamiento del sistema
con el fin de mejorar su desempeo.
Los modelos se clasifican como (1) Icnico, (2) Anlogos y (3) Simblicos.
ICONICOS.- representacin fsica reducida a escala o aumentada de un sistema real.
Ejem. Fotografa, un barco de juguete, etc.
ANLOGOS.- Modelo de redes elctricas, puede utilizarse como modelo para el estudio
de flujos para un sistema de transportes.
SIMBLICOS.- matemtico, formado por smbolos y funciones. Siendo ste de mayor
uso en el presente texto. Este modelo tiene las siguientes partes:
Parmetros de decisin (2) Restricciones (3) Funcin objetivo.
Definiendo a cada una de las partes que la conforman se tiene:

(1) Variables y

Excelencia Acadmica

VARIABLES Y PARMETROS DE DECISIN

Las incgnitas o variables son aquellas que deben determinarse resolviendo el modelo.
Los parmetros son valores conocidos que relacionan las variables de decisin con las
restricciones

la

funcin

objetivo,

pueden

ser

DETERMINSTICOS

PROBABILISTICOS.
RESTRICCIONES
Para tener en cuenta las limitaciones tecnolgicas, econmicas y otras del sistema, el
modelo debe incluir restricciones ( implcitas o explcitas) que restrinjan las variables de
decisin a un rango de valores factibles.
FUNCION OBJETIVO
La funcin objetivo define la medida de efectividad del sistema como una funcin
matemtica de las variables de decisin.
Una decisin ptima del modelo se obtiene cuando los valores de las variables de
decisin producen el mejor valor de la funcin objetivo, sujeto a las restricciones.
2.1 EL PROCESO DE LA INVESTIGACIN OPERATIVA
Comprende los siguientes cinco pasos principales:
1. Formulacin y definicin del problema.
2. Construccin del modelo
3. Solucin del modelo.
4. validacin del modelo.
5. implementacin del modelo.

Excelencia Acadmica

10

Excelencia Acadmica

INTRODUCCIN AL ALGEBRA LINEAL

Antes de entrar en mayores detalles de los modelos matemticos y las tcnicas de la I.O. es importante recordar
los conocimientos del lgebra lineal y espacios vectoriales, cuya aplicacin en programacin lineal es de suma
importancia.
Por lo tanto, a continuacin se indica de manera breve conceptos del lgebra mencionado sin realizar un anlisis
terico profundo, ms bien de tipo aplicativo.
-

Vectores

Matrices.

Espacios Vectoriales

Inecuaciones

2.1 VECTORES
Se llaman vectores al conjunto ordenado de n nmeros reales
X1 , X2, . . . , Xn y se escribe
X = (X1, X2, . . . , Xn) donde n es cualquier nmero natural.
2.1.1 TIPOS DE VECTORES
a) Vector Rengln.-cuya representacin es de la forma: X = ( X1 , X2 , . . . , X

); X = ( 5,6,7,9 ) de cuatro

componentes
b) Vector Columna.- cuya representacin es de la forma:
X1
X2
.
.
.
Xn

4
-5
X= 8
7

cuatro componentes

Se llama escalar al vector que tiene un solo componente

Z = (5) es un escalar
VECTOR NULO.Es aquel cuyos componentes son todos ceros, se escribe:
O = (0 , 0, ..., 0)

0
0
.
.
.
0

11

Excelencia Acadmica

VECTOR UNITARIO.Es aquel cuyos componentes son ceros a excepcin de la posicin i ( i = 1, ...,n ) que es la unidad, se representa
del modo siguiente:

e1 = (1,0,0,0,...,0)

1
0
.
.
.
0

e3 = (0,0,1,0,...,0)

0
0
1
.
.
.
0

VECTOR SUMA.Es aquel cuyos componentes son todos unos. Se escribe 1.

1 = (1,1,1,...1)

NOTA:

1
1
.
.
.
1

Revisar Operaciones con vectores (Actividad 2.1)

2.2 MATRICES
Se define como matriz a un arreglo rectangular o cuadrada de nmeros, escritos de la
siguiente forma:

A=

a11
a21
.
.
.
am1

a12 . . . a1n
a22. . . a2n
. . .
. . .
. . .
am2. . . amn

Esta matriz es de orden m x n es decir que tiene m fila y n columnas.

Sea a i j elementos tpicos de una matriz A. Lo que est ubicado en la fila
. ., m) y la columna j = (1, . . . , n)
A = // aij // m x n
12

i = (1, .

Excelencia Acadmica

2.2.1 TIPOS DE MATRICES

a)

MATRIZ CUADRADA

Es aquella matriz donde m = n, es decir, tiene igual nmero de filas que de columnas.
Ej.

b)

A=

34
-5 6

matriz cuadrada 2 x 2

MATRIZ RECTANGULAR
Es aquella matriz en donde m n
Ej.

c)

A=

3 7
2 0
4 -1

matriz rectangular 3 x 2

MATRIZ DIAGONAL
Es aquella matriz cuadrada donde aij = 0 para i 1

Ej.

d)

A=

3000
0200
0 0 1 0 matriz diagonal 4 x 4
0003

MATRIZ ESCALAR
Es aquella matriz diagonal donde todos los elementos de la diagonal son iguales:

Ej.

e)

A=

3000
0300
0030
0003

matriz escalar 4 x 4

MATRIZ IDENTIDAD
Es aquella matriz cuadrada donde aij = 0 , i j y

aij = 1 si

i = j,donde i = 1, 2, ... n; j = 1, 2, ..., n

Ej.
I=

f)

1000
0 1 0 0 matriz identidad de orden
0010
4x4
0001

MATRIZ TRANSPUESTA

13

Excelencia Acadmica

Se llama At la transpuesta de la matriz A si el elemento aij de A (i = 1, . . ., m) ( j = 1, .

. ., n) es elemento Aji de At, es decir que las filas de A se convierten en columna de
At, mientras que las columnas de A se convierten en las filas de At.
Ej.

A=

At =

02 3 4
5 3 0 4
0
-2
3
4

5
3
0
4

INOTA: Revisar las operaciones y propiedades de las matrices (Actividad 2. 2 ).

2.3 ESPACIOS VECTORIALES
El espacio vectorial es un conjunto de vectores que tiene la propiedad de que dados
dos vectores X y W pertenecientes a ese espacio, entonces los vectores
Y=X+W
Z=X
-<X<

tambin pertenecen a ese espacio

2.4 ESPACIO VECTORIAL EUCLIDEANO

La representacin geomtrica de espacios Vectoriales Euclidianos pueden hacerse
para n = 1, n = 2 y n = 3
Si X = ( X1 , X2 ) su representacin grfica es una recta que parte del origen (0,0) al
punto cuyas coordenadas son ( X1 , X2)

X2

(0,0)

14

( X1 , X2)

X1

Excelencia Acadmica

En el caso de n = 3 dado y = (y1, y2, y3) su representacin grfica es:

y3
(y1, y2, y3)
(0,0,0)

y2

y1

Las operaciones vectoriales de suma y multiplicacin de un vector por un escalar, se pueden

tambin representar grficamente:
Ejemplo :

X = (1,4) y Y = (4,1) representar: a) X + Y , b) X Y y c) 2Y

X2
(a)

(1,4)

x+y
(4,1)
(0,0)

X1

15

Excelencia Acadmica

X1

(b)

(1,4)

x-y

(4,1)

(0,0)

X1

(c)
X2

(8,2)
(4,1)
(0,0)

2.5

X1

SISTEMA DE INECUACIONES
En programacin lineal aparece frecuentemente y es importante saber como se opera

con ellas. Se debe distinguir las inecuaciones No estrictas de las estrictas. Un ejemplo de
una inecuacin No estricta es Y-X Z (notar que el signo de la desigualdad es menor o
16

Excelencia Acadmica

igual), esto indica que son admisibles todos los valores de X e Y tales que el primer
miembro sea menor o igual que Z. La misma inecuacin se vuelve estricta si se omite el
signo igual: Y-X Z, la inecuacin estricta es satisfecha por menor pareja de valores de X e
Y por eso es ms estricta.
Con las inecuaciones se opera de forma muy parecida a con las ecuaciones, pues podemos
sumar o restar cantidades iguales a ambos miembros. No obstante, en contraste con las
ecuaciones, si se multiplica ambos miembros por un nmero negativo ( -1 ), el signo de
desigualdad se invierte. Ejemplo 10>7 es cierto, -10>7, es falso, y para hacerla cierta se
debe invertir el signo de desigualdad 10 7.
Para comprender mejor las operaciones con inecuaciones es necesario representarlo
grficamente: se tiene X+Y =10, haciendo X =0 Y =10, obtenindose el punto (0,10), luego
haciendo Y = 0 X =10 se obtiene el punto (10,0). Graficando en el plano Cartesiano estos
dos puntos se tiene:

Y
(0,10)

(10,0)
(0,0)

17

Excelencia Acadmica

18

Excelencia Acadmica

OPERATIVA PROGRAMACION LINEAL

3.1. DEFINICIN
La programacin lineal es una clase de modelo de programacin matemtica
destinados a la asignacin eficiente de los recursos limitados en actividades conocidas,
con el objeto de satisfacer las metas deseadas (maximizacin beneficios
minimizacin de costos).
Su caracterstica fundamental radica en que los modelos de Programacin Lineal es
que las funciones que representan el objeto y las restricciones son lineales.
La Programacin Lineal pretende programar las diversas actividades en forma que
generen un resultado de ptimo, un resultado que satisfaga lo mejor posible las metas
propuestas de acuerdo al modelo matemtico usado, entre todas las alternativas
posibles.
3.2 EXPRESION MATEMATICA DE LA FORMA GENERAL DEL PROBLEMA DE
PROGRAMACION LINEAL
3.2.1

CASO DE MAXIMIZACIN

Encontrar trminos X1, X2, ...., Xn tales que maximicen la funcin lineal:
R= C1X1 + C2X2 + ... + CnXn
Sujeto a.
A11X1

A12X2 + . . . + A1nXn < b1

A21X1

A22X2 + . . . + A2nXn < b2

.
Am1X1

A2X2 +. . . + AmnXn < bm

Con X1, x2,... ,Xn > 0 donde Aij bi y Cj, son constantes dadas

3.2.2

CASO DE MINIMIZACION

Encontrar X1, X2, .... Xn tales que minimicen la funcin lineal.

K = C1X1 + C2X2 + .... + CnXn
Sujeto a
19

Excelencia Acadmica

A11X1

+ A12X2

+...

A1nXn > b1

A21X1

+ A22X2

+...

A2nXn > b2

Am1X1

+ Am2X2

+.. . +

AmnXn > bm

Tambin siempre que X1,X2,..., Xn > 0 donde Aij; Cj y bi son constantes dadas.
En forma general al referirnos a la optimizacin se dir que:
Encontrar trminos X1, X2, ..., Xn tales que maximicen o minimicen la funcin lineal.
MAXIMIZAR (o minimizar) f (X1, X2, ..., Xn)
Sujeto a las restricciones
G1 (X1, X2, ..., Xn) > b1
<
G2 (X1, X2, ..., Xn) > b2
<
Gm (X1, X2, ..., Xn) > bm

(MAX. O MINIMIZAR) R= K = C1X1 + C2X2 + .... + CnXn

Sujeto a
A11X1 + A12X2 + . . . + A1nXn > b1
A21X1 + A22X2 + . . . + A2nXn > b2
.
.
.
.
.
.
.
.
.
.
.
.
Am1X1 + Am2X2 + . . . + AmnXn > bm
Donde
X1, X2, ... Xn > 0 y Aij, Cj, bi son constantes dadas.

La funcin que debe maximizar o minimizar se denomina funcin objetivo. Las limitaciones
que imponen se llaman restricciones. Las variables Xi cuyos valores ptimos se estn
buscando, se denominan VARIABLES DE DECISION.
Y Cj, bi y aij ( i =1,2,3......, m; i =1, 2,..., n), son constantes determinadas por la tecnologa
del problema.
3.3 PLANTEAMIENTO DE PROBLEMAS DE P.L.
Dado el enunciado de un problema se procede a la formulacin correspondiente en
forma lineal.
PROBLEMA N 1
Una planta industrial elabora dos productos en los cuales entran cuatro componentes en
cada uno.
20

Excelencia Acadmica

Hay una determinada disponibilidad de cada componente y un beneficio por cada producto.
Se desea hallar la cantidad de cada artculo que debe fabricarse con el fin de maximizar los
beneficios.
En el cuadro siguiente se dan los coeficientes o parmetros de transformacin, o la cantidad
de cada componente que entra en cada producto:
PRODUCTO
P1 P2 DISPONIBILIDAD (Kg)
COMPONENTE
A
B
C
D
ENEFICIO
$/unidad

1
2
2
1

3
1
2
1

15.000
10.000
12.000
10.000

PASOS A SEGUIR EN EL PLANTEAMIENTO:

PASO 1.-

Identificar las variables de decisin.

PASO 2.-

Identificar la cantidad de componentes que se necesitan para obtener cada

producto y la disponibilidad en que se cuenta.

PASO 3.-

Determinar los beneficios que generan cada uno de estos productos ( por
unid.) ya que el problema trata de la

maximizacin utilidades, as

obtenindose como suma los beneficios que deja cada producto.

LUEGO, PLANTEANDO SE TIENE:
1.-

a) X1 = # de unidades del producto P1

b) X2 = # de unidades del producto P2

2.-

a) El producto X1 necesita del componente A una unidad y el producto X2 necesita

del componente A 3 unidades, teniendo disponible en planta la cantidad de 15,000
Kg
b) X1 necesita del componente B 2 Kg.
Disp.=10.000 Kg
X2 necesita del componente B 1 Kg.

21

Excelencia Acadmica

c) X1 necesita del componente C 2 Kg.

Disp.= 12.000 Kg.
X2 necesita del componente C 2 Kg.
d) X1 necesita del componente D 1 Kg.
Disp.= 10.000 Kg.
X2 necesita del componente D 1 Kg.
3.-

Los beneficios generados por unidad producida es $4 por producir X1 y $3 por

producir X2.

SIENDO EL CUADRO DE LA MATRIZ DE REQUERIMIENTOS Y DISPONIBILIDADES EL

SIGUIENTE:
REQUERIMIENTO
A
B
C
D
BENEFICIO $/unidad

PRODUCTO
X1
1
2
2
1
$4

X2
2
1
2
1
$3

DISPONIBILIDAD
15.000
10.000
12.000
10.000

Luego el problema quedar planteado del modo siguiente:

(MAX) R=4X1 + 3X2
s.a.
1X1 + 3X2 < 15.000
2X1 + 1X2 < 10.000

Siendo X1,X2 > 0

2X1 + 2X2 < 12.000

(por la no negatividad)

1X1 + 1X2 < 10.000

PROBLEMA N 2:
El jefe de mantenimiento de la Universidad, est planeando poner fertilizante al pasto en el
rea de patios en la ciudad universitaria a la entrada de la primavera. El pasto necesita
nitrgeno, fsforo, y potasa al menos en las cantidades dadas en el cuadro A. Se dispone de
tres clases de fertilizantes comerciales, en el cuadro B se da el anlisis y los precios de
ellos. El jefe de mantenimiento puede comprar todo el fertilizante que quiera de cada precio
y mezclarlos antes de aplicar al pasto. Formular un modelo de programacin lineal para
22

Excelencia Acadmica

determinar cunto de cada fertilizante debe comprar para satisfacer los requerimientos a un
costo mnimo.
REQUERIMIENTO TOTAL DEL PASTO ( cuadro A )
MINERAL

PESO MINIMO
Lb.
10
7
5

NITROGENO
FOSFORO
POTASIO

CARACTERSTICAS DE LOS FERTILIZANTES ( cuadro B )

FERTILIZANTE

CONTENIDO DE
NITROGENO
(lb)

CONTENIDO DE
FOSFORO (1b)

CONTENIDO DE
POTASIO (1b)

PRECIO

1
2
3

25
10
5

10
5
10

5
10
5

$10
8
7

Planteando el problema se tiene:

PASO 1.X1=

Fertilizante con contenido de los diferentes minerales.

X2=

Fertilizante con contenido de los diferentes minerales.

X3=

Fertilizante con contenido de los diferentes minerales.

PASO 2.X1=

Cantidad de minerales que se necesitan para cada fertilizante.

necesita 25 lb. de N,10 Lb. De Fsforo y 5 Lb. de Potasio. Se tiene una
disponibilidad de 10.

X2=

necesita 10 Lb. de N, 5 Lb. de Fsforo y 10 Lb. de Potasio. Se tiene una

disponibilidad de 07.

X3=
PASO 3.-

necesita 5 Lb. de N, 10 Lb. de Fsforo y 5 Lb. de Potasio. Se dispone de 05.

Determinacin de los precios:
X1 = $ 10.00
X2 = $ 8,00
X3 = $ 7,00

23

Excelencia Acadmica

EL CUADRO DE REQUERIMIENTOS Y DISPONIBILIDADES SERA:

REQUERIMIENTO

PRODUCTO

NITROGENO
FOSFORO
POSTASIO
PRECIO

X1 X2 X3
25 10 5
10 5 10
5 10 5
10 8 7

DISPONIBILIDAD
10
7
5

Entonces el problema planteado ser:

(MIN) K = 10X1 + 8X2 + 7X3
s.a.
25X1
10X1
5X1

+ 10X2 + 5X3 10
+ 5X2 + 10X3 7
+ 10X2 + 5X3 5

Siempre que X1,X2,X3 > 0

PROBLEMA N3:
Una compaa produce tres modelos de computadoras: x,y,z. Tambin produce algunos
accesorios para dichas mquinas.
El prximo ao, basados sobre su plan anual, planean vender al menos 2500 computadoras
del tipo X, 150 del tipo Y y 120 del tipo z. La Ca. tiene dos plantas: A y B. La administracin
desea conocer el costo de manufactura, de X, el costo de manufactura de Y el costo de
manufactura de Z. Siendo la produccin diaria de las mquinas el siguiente:
Modelo
X
Y
Z

A
70
3
4

50
5
2

La contabilidad de costos estima que los costos de produccin diarias podran ser de $2500
para la planta A y $3500 para la planta B.
Planteamiento del problema:
REQUERIMIENTO
X
Y
Z
PRECIO

PRODUCTO
X1 X2
50 70
5 3
2 4
2500 3500

DISPONIBILIDAD
2500
150
120

(MIN) R = 2500X1 + 3500 X2

s.a.
50X1
+ 70X2 < 2500
5X1
+ 3X2 < 150
2X1
+ 4X2 < 120 Siempre que
X1, X2 > 0 ( por la no negatividad )
24

Excelencia Acadmica

PROBLEMA N 4
Una planta de Jugos y Conservas produce dos tipos de mermelada para la exportacin: de
fresa y manzana. Con tecnologas diferentes y con un costo diferente.
El precio al por mayor de 1000 frascos (1 Kg. c/u.) de mermelada de fresa es de $5000,
mientras que el precio por mayor de 1000 frascos (1 Kg. c/u) de mermelada de manzana es
de $3000.
La empresa para producir 1000 Kg. de mermelada de fresa requiere un total de 3 obreros en
el proceso de produccin. En cambio se requieren 5 obreros para producir 1000 Kg. de
mermelada de manzana.
Se supone que la planta tiene un total de 15 obreros. Al dueo de la planta le cuesta
producir 1000 Kgs. de mermelada de fresa $500, mientras que 1000 Kgs. de mermelada de
manzana le cuesta solamente $200. Su capital no le permite gastar ms de $1000
semanales en dicha produccin.
Cules deben ser los niveles de produccin semanal de ambos productos, que maximicen
el ingreso por concepto de ventas, sin exceder las restricciones de personal y de capital?
Planteando el problema se tiene:
REQUERIMIENTO
OBREROS
CAPITAL
Costos O Beneficios

PRODUCTO
X1 X2
3 5
500 200
5000 3000

DISPONIBILIDAD
15
1000

(Max) R = 5000X1 + 3000 X2

s.a.
3X1 + 5X2 < 15
500X1 + 200X2 < 1000
Siempre que X1 y X2 > 0
(Por la condicin de la no negatividad).

PROBLEMA N 5
Una empresa fabrica dos productos A y B. Cada una requiere tiempo en dos
mquinas. La primera mquina tiene 24 horas disponibles y la segunda tiene 16. Cada
unidad del producto A requiere dos horas en ambas mquinas y cada unidad del producto B
necesita tres horas en la primera mquina y una hora en la segunda. Los beneficios son de
seis dlares por unidad de A y siete dlares por unidad de B, y la empresa puede vender
todas las unidades que fabrique de ambos productos.
Cuntas unidades de los productos A y B debe producir para obtener los beneficios ms
altos?
Identificando las variables de decisin
25

Excelencia Acadmica

X1 = nmero de unidades del producto A que se fabrican.

X2 = nmeros de unidades del producto B que se fabrican.
REQUERIMIENTO

PRODUCTO
X1 X2

DISPONIBILIDAD

Horas Maq. 1

2 3

24

Horas Maq. 2

2 1

16

6 7
(Max) R = 6X1 + 7X2
s.a.
2X1 + 3X2 < 24
2X1 + 1X2 < 16
Siempre que X1, X2 > 0

NOTA: La actividad y la Auto evaluacin dar en las tutora presencial

26

Excelencia Acadmica

METODOS DE SOLUCION DE PROBLEMAS DE

PROGRAMACIN LINEAL
Existen dos mtodos de solucin para problemas de programacin lineal en ingeniera
(analticos) y uno por medio del computador:
1.

METODO GRAFICO O GEOMETRICO.- Este mtodo se aplica a ambos modelos

matemticos (Max. y Min.)

2.

METODO SIMPLEX.- Tambin se aplica para ambos modelos matemticos (Max. y

Min.)

3.

MATODO COMPUTACIONAL.- En laboratorio, utilizando el computador , por medio del

software WIN QSB

4.1 METODO GRAFICO O GEOMETRICO

Con este mtodo normalmente los grficos no son los mejores para resolver problemas
de programacin lineal del mundo real ya que no se pueden dibujar en ms de tres
dimensiones. No obstante una solucin grfica para un problema de tres dimensiones
(o menos) es efectiva para entender mejor la estructura de los modelos de P.L.
4.1.1 CASO MAXIMIZACION
PROBLEMA N 1
Tomando como ejemplo el problema anterior planteado (problema N 4), se resuelve:
(Max) R = 5000X1 + 3000 X2
s.a.
3X1 +
5X2 < 15
500X1 + 200X2 < 1000
X1, X2 > 0
Convirtiendo la desigualdad en igualdad de las restricciones, previa identificacin de cada uno

3X1 + 5X2 = 15 ( A )
500X1 + 200X2 = 1000 ( B ),
Dando valores en forma arbitraria a X1 y a X2 se obtiene el correspondiente valor para X2 y a X1 respectivamente
en ambas rectas.
27

Excelencia Acadmica

RECTA (A)
X2 = 15 3X1
5

X1=0
X2=3

RECTA (B)
X2 = 1000 500X1
200

X1 = 15 5X1
3

X1=0
X2=5

X2=0
X1=5

X1 = 1000 200X2
500

X2=0
X1=2

Graficando las rectas con los puntos hallados se determina la interseccin de las dos rectas
en el plano, encontrando de esta manera las coordenadas del punto ptimo, que satisface
las condiciones del problema propuesto:
El rea comprendido bajo las dos rectas, hacia el lado izquierdo que indica las flechas ser
el espacio donde se ubican los puntos para la toma de las decisiones Especialmente bajo la
interseccin de las dos rectas, al que se conoce como el rea de la optimalidad.

X2

(0,5) C

5X1 + 2X2 = 10

..................R( 3, 3 )
(0,3) B

D (1,053, 2,368)
3X1+5X2 = 15

....... G
E
A (0,0)

(2,0)

F
(5,0)

X1

Comprobando resultados se tiene:

1. Suponiendo que X1=0 y X2=0 en el punto A el mismo que satisface las restricciones:
3(0) +

5(0) = 0 < 15

500(0) + 200(0) = 0 < 1000

Produciendo una utilidad de:
(MAX) R = 5000(0) + 3000(0) = 0
2. Suponiendo que el resultado fuera el punto G donde X1 = 1 y X2 = 1, entonces tambin
satisface todas las restricciones:
3(1) +
28

5(1) = 8 < 15

Excelencia Acadmica

500(1) + 200(1) = 700 < 1000

X1 > 0, X2 > 0
Y produce una utilidad de:
(MAX) R = 5000(1) + 3000(1) = $8000
Siendo este un valor mucho mayor que en el punto A.
3.- Tomando el punto R como valor ptimo, donde X1=3000 y X2=3000 con el que se
generar una utilidad de:
(MAX) R = 5000(3000) + 3000(3000)

= 24000.000

(MAX) R = 5000(3)

= $24.000

+ 3000(3)

Que es una utilidad mucho mayor que las producidas en los puntos A y G. Sin
embargo, la produccin del punto R viola las restricciones de personal y de capital:
3(3) +

5(3) =

24 <

500(3) + 200(3) = 2100 <

15
1000

Luego la solucin ptima se encontrar en el rea bajo las rectas o en el punto de

interseccin de ellas
La regin bajo la interseccin de las rectas el nombre de REGION DE
FACTIBILIDAD.
Entonces las coordenadas del punto D de interseccin de las rectas se halla de la
siguiente manera:
De la ecuacin ( B ) X1 = 10 2X2 / 5, el que se reemplaza en la ecuacin ( A ) 3 (
10 2X2 / 5) + 5X2 = 15, de donde X2 = 2,368; luego reemplazando este valor en
cualquiera de las ecuaciones: en ( B ) , entonces X1 = 1,053
Luego reemplazando estos valores en el modelo matemtico, tanto en la funcin
objetivo como en las restricciones se tiene:
( MAX: ) R = 5000( 1,053) + 3000 ( 2,368) = 12369
s. a.
3( 1,053 ) + 5 ( 2,368 ) = 14,999 15
500( 1,053 ) + 200 ( 2,368 ) = 1000 = 1000

29

Excelencia Acadmica

La funcin de utilidad se expresa como:

(MAX) R=5000X1 + 3000X2
Suponiendo que R = 15.000, entonces la funcin ser:
15.000 = 5000X1 + 3000X2
o sea

X2 =15000 5000X1

X1 = 0

3000

X2 = 5

X1 =15000 3000 X2

X2 = 0
X1= 3 Graficando estos dos puntos se tiene:

X2
(0,5)

(3,0)

X1

Con R = 10000 se obtiene otra recta paralela a la primera, pero desplazada un poco hacia
debajo de la primera recta. De la misma manera dando un valor de 30.000 a R se obtendr
otra recta paralela a las dos anteriores pero desplaza un poco hacia arriba, que
grficamente es:

X2

(0,0)
30

(2,0)

(3,0)

Excelencia Acadmica

En el problema el punto ptimo estar representado por las coordenadas:

X1 = 1,053 Kgs. de mermelada de fresa
X2 = 2,368 Kgs. de mermelada de manzana, formado por la interseccin de las dos
rectas,(A) y (B).
Generando una utilidad:
R = 5000(1,053) + 3000(2,368) = $12.368

PROBLEMA N 2
Resolviendo el problema N5 planteado anteriormente:
(MAX)R = 6X1 + 7X2
s.a
2X1 + 3X2 <= 24
2X1 + 1X2 <= 16
Convirtiendo las inecuaciones en ecuaciones, en la matriz de las restricciones:
2X1 + 3X2 = 24 (A)
2X1 + 1X2 0 16 (B)
En (A)
X2 = 24 2X1 X1 = 0
3

X2 = 8

X1 = 24 3X2
2

X2 = 0
X1 = 12

En (B)
X1 = 16 X2
2

X2 = 0
X1 = 8

X2 = 16 2X1
1

X1 = 0
X2 = 16

31

Excelencia Acadmica

Graficando las rectas se tiene:

(0,16)

2X1 + X2 = 16
C
(10,10)

(0,8)
B
A (4,3)

2x1 + 3x2 = 24

(8,0)

(12,0)

1.- Hallando las coordenadas del punto B, donde se interceptan las rectas (A) y (B)
de (A)

X2 = 24 - 2X1

reemplazando en (B)

2X1 + (24 2X1) = 16 entonces

3
6X1 + 24 2X1 = 48
4X1 = 48 24
X1 = 24 / 4
X1 = 6

Reemplazando en cualquiera de las ecuaciones:

En (A)
2 ( 6 ) + 3X2 = 24
12

+ 3X2 = 24 entonces X2 = 4

Reemplazando en el problema (modelo matemtico)

( MAX ) R = 6(6) + 7(4) = 64
s.a.
2(6) + 3(4) = 24
2(6) + 1(4) = 16
32

Excelencia Acadmica

Donde, s cumple con las condiciones del problema.

2.- En el punto (c)
(MAX) R = 6(10) + 7(10) = 130
s.a.
2(10) + 3(10) = 50 > 24
2(10) + 1(10) = 30 > 16
Donde, no cumple con las condiciones del problema.
3.- En el punto (B)
(MAX) R = 6(4) + 7(3) = 45
s.a.
2(4) + 3(3) = 17 < 24
2(4) + 1(3) = 11 < 16
Donde tambin cumple con las condiciones del problema, pero la utilidad es menor. Luego
los valores ptimos sern: X1 = 6 y X2 = 4, los mismos que generan una utilidad de 64 en
el punto de la interseccin de las rectas.
PROBLEMA N 3
Una empresa metal mecnica fabrica dos tipos de tornillos, tipo A y tipo B. Son tornillos
especiales y se quiere obtener un beneficio de 3 soles por cada uno del tipo A , y 4 soles
del tipo B. Las dos clases de tornillo se fabrican en dos operaciones; una se procesa en una
mquina automtica, y la otra en una ranuradora. Para fabricar el tipo A, por cada unidad se
necesitan 2 minutos en la mquina de hacer tornillos y 5 minutos en la ranuradora. Para el
tipo B se necesitan 3 minutos en la mquina automtica y 2 minutos en la ranuradora.
Cada una de las mquinas tiene un tiempo de funcionamiento de 3600 minutos semanales.
Hallar la cantidad de tornillos de cada clase que se debe fabricar para obtener el mximo de
beneficio.
Planteando el problema se tiene:
1.

Identificacin de la variable de decisin.

X1 = # de tornillos del tipo A a producir.
X2 = # de tornillos del tipo B a producir.
33

Excelencia Acadmica

2.

Identificar los requerimientos y las disponibilidades:

Se fabrican en dos procesos: automtico y manual (ranuradora).
-

El tipo A necesita 2 minutos en la mquina automtica y 2 en la ranuradora.

El tipo B necesite 3 minutos en la maquina automtica y 2 en la ranuradora.

Se dispone de 3600 minutos por mq./semana.

3.

Determinacin de los costos o beneficios (identificacin).

-

El tornillo del tipo A reporta un beneficio de S/. 3/unidad.

El tornillo del tipo B reporta un beneficio de S/. 4/unidad.

FORMULACION DE LA MATRIZ DE REQ. Y DISP.
REQUERIMIENTO
Mq. AUTOMATICA
Mq. MANUAL
BENEFICIOS

PRODUCTO
X1
2
5
3

X2
3
2
4

DISPONIBILIDAD
3600
3600

PLANTEAMIENTO
(Max) R = 3X1 + 4X2
s.a.
2X1 + 3X2 < 3600
5X1 + 2X2 < 3600
Para resolver las dos inecuaciones que se forma en las restricciones, se convierten estas en
ecuaciones:
2X1 + 3X2 = 3600

(A)

5X1 + 2X2 = 3600

(B)

Luego se hallan los valores X1 y X2, donde cada variable se convierte en dependiente o
independiente segn el caso.
(A)

X1 = 3600 3X2 X2=0

2
X2 = 3600 - 2X1
3

34

X1=1800
X1=0
X2=1200

Excelencia Acadmica

(B)

X1 = 36002X2
5

X2= 0
X1=720

X2 = 36005X1
2

X2=0
X1=1800

Graficando las rectas con las coordenadas halladas se tiene:

X2

2500
2000

(0,1800)
C

1500
B

5X1 + 2X2 = 3600

D

2X1 + 3X2 = 3600

(0,1200)
1000
500
A (0,0) 500
(720,0)

E 1000

1500

2000

2500

X1

(1800,0)

Obteniendo el punto ptimo, tomando la ecuacin (A)

2X1 + 3X2 = 3600
X1 = 3600 3X2

reemplazando en (B)

3600 3X2 + 2X2 = 3600

2
X2 = -1800 = 981.81
982 X2
-11

Reemplazando en cualquiera de las ecuaciones, en (A)

2X1 + 3(982) = 3600

35

Excelencia Acadmica

X1= 654 = 327

X1 =327

2
De esta manera se encuentra los valores de las variables de decisin, lo que se reemplaza
en el modelo matemtico formulado:
(MAX) R=3X1 + $X2
s.a.
2X1 + 3X2 < 3600
5X1 + 2X2 < 3600

En la funcin objetiva:
(MAX) R= 3(327) + 4(982) = 981 + 39285 = $4909

En restricciones:
2(327) + 3(982) = 3600 = 3600
5(327) + 2(982) = 3599 < 3600 X3 = 1 Variable de la holgura

PROBLEMA N 4
Resolver el siguiente problema por el mtodo grfico:
Una planta de jugos y conservas cuenta con una mquina que opera 150 horas a la semana
destilando jugo de naranja a una tasa de 25 galones por hora

en 17,5 galones de

concentrado o 20 de galones de jugo de toronja en 10 galones de concentrado. Hasta 1000

galones de cada concentrado pueden almacenarse en tanques separados despus de su
procesamiento. La ganancia neta por cada galn de jugo de naranja procesado es $ 0,55 y
del de jugo de toronja es $0,40. Determinar el nmero de galones de jugo de naranja y de
jugo de toronja por destilar para maximizar la ganancia neta.
Planteando el problema se tiene:
Haciendo las conversiones necesarias:

17.5 / 25 = 0.70 C. de naranjas

10 / 20 = 0.50 C. de toronja
0,70 / 17.5 = 0,04 X1
0,50 / 10 = 0,05 X2

36

Excelencia Acadmica

Planteando el problema, previa construccin de la matriz de requerimientos y

disponibilidades
REQ.

JUGOS
DISP.
X1 X2
Horas Maquina
0.04 0.05 150
Naranja
0.70 0
1000
Toronja.
0
0.50 1000
Ganancia c/ unid $0.55 0.40

Luego planteando el problema se tiene::

(MAX)
s.a

R= 0,55X1 + 0,40X2

0,04X1 + 0,05X2
0,70X1 + 0X2
0X1 + 0,50X2

< 150 (A)

< 1000(B)
< 1000(C)

Haciendo que las inecuaciones de las restricciones se conviertan en ecuaciones

0,04 X1 + 0,05 X2 < 150

0,04

X1 + 0,05X2 = 150 (A)

0,70 X1 +

0,70

X1 +

0X2 < 1000

0X1 + 0,50X2 < 1000

0 X2 = 1000 (B)

0X1 + 0,50 X2 = 1000 (C)

En:
(A)

(B)

(C)

X1 = 150 0,05x2
0,04

X2=0
X1=3750

X2 = 150-0,04X1
0,05

X1=0
X2=3000

X1 = 10000X2
0,70

X2 = 0
X1=1429

X2 = 10000,70X2
0

X1 = 10000,50X2
0

X2 =

10000X1
0,50

X1=0
X2=2000

37

Excelencia Acadmica

Graficando los resultados obtenidos se tiene:

X2
0,70 X1 + X2 = 1000 (B)
(0,3000)
3000
Q= ( 1429, 2000)
0 X1 + 0,05 X2 = 1000 (C)
2000

R
0,04 X1 + 0,05 X2 = 150 (A)

1000
(1429,0)
1000

(3750,0)

2000

3000

4000

X1

Hallando la solucin ptima se tiene:

Reemplazando en el problema los valores del punto (Q), los mismos que son conocidos:
(MAX) R=0,55(1429) + 0,40(2000) = 1586
s.a.
0,04 X1 + 0.05 (2000) = 157,16 > 150
0,07 X1 + 0 (2000)

= 1000.3 1000

0 (1429) + 0,50 (2000) = 1000 0 = 1000 No cumple con las condiciones de la 1ra y
2da. restriccin!
En el punto (P).- En este punto se intersectan las rectas (A) y (C) donde X2 = 2000 (
conocido )
Luego de reemplazando en la ecuacin (A)
0,04 X1 + 0,05 (2000) = 150 y

X1 = 150 100 = 1250

0,04

Reemplazando en el problema:
(MAX)R = 0,55 (1250) + 0,40 (2000) = 1488
s.a.
38

Excelencia Acadmica

0,04 (1250) + 0,05 (2000) = 150

0,70 (1250) + 0 (2000)

= 875 < 1000 si cumple con las condiciones del

problema!
0 (1250) + 0,50 (2000)

= 1000

En el punto R se intersectan las rectas

(A) y (B) donde X1 = 1428,6 1429

reemplazando este valor en la ecuacin (A), para hallar X2

0,04 (1429) + 0,05X2 =150

X2 = 150 - 57,15 = 1857 = X2

0,05

Reemplazando en el problema:
(MAX) R = 0,55 (1429) + 0,40 (1857) = 1529 ( solucin ptima )
s.a.
0,04 (1429) + 0,05 (1857) = 150
0,70 (1429) + 0,50 (1857) = 1000
0 (1429) + 0,50 (1857) = 929 < 100
se debe destilar 1429 galones de jugo de naranja y 1857 galones de jugo de toronja
X1 = 1429 R.
X2 = 1857
ACTIVIDAD 4.1
Plantear y resolver los siguientes problemas tanto en forma analtica como con el
computador:
Problema # 1.-

Una firma de contadores pblicos especialistas en liquidaciones, pago

de impuestos y auditoria de pequeas empresas de la regin, tienen inters en saber

cuantas auditorias y liquidaciones pueden realizar mensualmente, de tal manera que
obtengan los mximos ingresos.
S dispone de 800 hors para trabajo directo y direccin y 160 horas para revisin. Una
auditoria en promedio requiere de 40 horas de trabajo directo y direccin y de 10 horas de
revisin y adems aporta un ingreso de $ 300.
Una liquidacin de impuestos requiere de 8 horas de trabajo directo y de dos horas de
revisin, y produce un ingreso de $ 100.
a) Cuales son las variables de decisin para la firma?
39

Excelencia Acadmica

b) Formule el modelo de programacin lineal para el problema

c) Represente grficamente las restricciones e identifique el rea de las soluciones
factibles
d) Utilizando el mtodo grfico encuentre la solucin ptima y el valor de la funcin
objetivo.
Problema # 2.- Una empresa frutcola desea determinar la cantidad ptima de camiones
para recoger, empacar y transportar sus naranjas del tipo A y tipo B, cada semana. La mano
de obra disponible para recoger y empacar, y dejar un camin cargado con naranjas del tipo
A , se necesitan 30 horas y para el tipo B se necesitan 15 horas. La empresa tiene una
cantidad mxima de dinero en caja de $ 60000. El costo de alquiler por cada carga de
camin es de $ 200 para el tipo A y $ 300 para el tipo B.
La utilidad por camin es de $ 2000 para el tipo A y de 2500 dlares para el tipo B. La
compaa desea determinar la combinacin ptima de camiones por tipo de naranja que
maximice la utilidad semanal.
a) Determinar la mejor decisin por medio de grficas.
b) Plantear el problema como un modelo de P. L.
c) Obtenga la solucin ptima por el mtodo grfico.
Problema # 3.- Resolver los siguientes programas lineales utilizando el mtodo grfico:
a) ( MAX: ) R = X1 + 2X2
s. a.
X1 + X2 3
X1 2X2 0
X2 1

b) ( MAX ) = 2X1 + X2
s. a.
X1 - X2 10
2X1 X2 40

c) ( MAX: ) R = 3X1 + 4X2

s. a.
- 2X1 + 4X2 16
2X1 4X2 24
-6X1 3X2 - 48

d) ( MAX: ) R = 4X1 + X 2
s. a.
2X1 + 3X2 6
- 3X1 + 2X2 3
2X2 5
2X1 + X2 4

4.1.2 CASO DE MINIMIZACIN

Ejemplo N1: Resolver el siguiente problema, cuyo planteamiento se hizo anteriormente, el
mismo que es:
(MIN) K = 2500X1 + 3500X2
s.a.
40

Excelencia Acadmica

50X1 + 70X2 > 2500 (A)

5X1 + 3X2 >

150 (B)

2X1 + 4X2 >

120 (C)

con X1 , X2 > 0

Convirtiendo las inecuaciones en ecuaciones en las restricciones del problema:

50X1 + 70X2 = 2500 (A)
3X1 + 3X2 = 150 (B)
2X1 = 4X2 = 120 (c)
Hallando las coordenadas de los puntos que forman la interseccin de las rectas:
(A)

(B)

(C)

X1 = 2500-70x2
50

X2=0
X1=50

X2 = 2500-50X1
70

X1=0
X2=36

X1 = 1503X2
50

X2 =0
X1=30

X2 = 150-5X1
3

X1=0
X2=30

X1 = 120-4X2
2

X2=0
X1=60

X2 = 1202X1
4

X1=0
X2=30

Graficando las coordenadas obtenidas en el plano se tiene

X2

50

(0,50)
5X1 + 3X2 = 150 (B)

40
(0,36)
30

(0,30)
20

Q
R
2X1 + 4X2 = 120
50 X1 + 70 X2 = 2500 (A)

10
10

20

30

40

50

60

X1
41

(30,0)

(50,0)

Excelencia Acadmica

Evaluando los puntos de interseccin de las rectas A, B, C que son P, Q, y R se determina

sus coordenadas o valores de las variables de decisin
Las rectas .
(A) con (B) en el punto (P)
50X1 +70X2 =2500(A) X1=2500-70X2
5X1 + 3X2 =150 (B)
50
reemplazando en (B)
5 2500 70X2 + 3X2 = 150
50
1250 350X2 + 150x2 = 7500
-200X2 = 5000
X2 = 25
Reemplazando este valoren cualquiera de las ecuaciones sea en (A) o en (B). En (B), se
tiene:
5X1 + 3(25) = 150
X1 = 150 75 = 15
5

-->

X1 = 15

Estos valores hallados, son de las variables de decisin en el punto P, los que se sustituyen
en el modelo matemtico formulado:
(MIN) K=2500(15) + 3500(25) = 125.00
50(15) + 70(25) = 2500 = 2500
5(15) + 3(25) = 150 = 150
2(15) + 4(25) = 130 > 120 Cumpliendo con las condiciones
del problema!
II ) En el punto Q se intersectan las rectas (B) y (C), entonces:
5X1 + 3X2 = 150 (B)
2X1 + 4X2 = 120 (C )
Hallando valores de las variables de decisin:
De:

X1 = 150-3X2 ,luego reemplazando en (C)

5
2 150-3X2 +4X2 = 120
5
300 6X2 + 4X2 = 120
5
300-6X2+4X2 = 120

42

Excelencia Acadmica

5
300 6X2 + 20X2 = 600
X2 = 21,43

Reemplazando en cualquiera de las ecuaciones, sea en ( C ):

2x1 + 4(21,43) = 120
X1 = 17,14
Reemplazando en el modelo matemtico se tiene:
(MIN) K = 2500 (17,4) + 3500(21,43) = 117.855
s.a.
50( 17,14 ) + 70( 21,43 ) = 2357,1 2500
5( 17,14 ) + 3( 21,43 ) = 149,99 150
2( 17,14 ) + 4( 21,43 ) = 120 = 120
No cumple con las condiciones del problema.
III) En el punto R, se intersectan las rectas (A) y ( C ) , entonces hallando los valores para X1
y X2
50

120-4X2
2

+ 70X2 = 2500

6000 200X2 + 140X2 = 5000

--> X2=16,67
X2= -1000 = 16,67
-60
Sustituyendo en cualquiera de las ecuaciones:
2X1 + 4(16,67)= 120
X1 = 26,666
Reemplazando en el modelo matemtico
(MIN) k=2500(26,66) + 3500(16,67)= 124.995
s.a.
50(26,66) + 70(16,67) = 2499,9 < 2500
5(26,66) + 3(16,67) = 183,3 < 150
2(26,66) + 4(16,67) = 120
No cumple con las condiciones del problema, la primera restriccin del modelo es menor
que la cantidad disponible.
Entonces el punto ptimo de decisin ser:

43

Excelencia Acadmica

X1 = 15

y X2 = 25, en el punto P y siendo la utilidad igual a 125.000 R

//
Ejemplo N 2.-(Caso minimizacin)
Dos fbricas de alcohol producen tres tipos diferentes de alcohol, de bajo grado, medio
grado y alto grado. Se tiene contrato de venta para proveer: 16 Tn. de bajo grado, 5 Tn. de
medio grado y 20 Tn. de alto grado. Los costos de operacin son de $1000/da para la
primera fbrica y $2000 para la segunda.
La fbrica # 1 produce 8 Tn. de bajo grado, 1 Tn. de medio grado y 2 Tn. de alto grado en
un da de operacin. La fbrica # 2 produce 2 Tn. de bajo grado, 1 Tn. de grado medio y 7
Tn. de alto grado / da.
Cuntos das debe trabajar cada fbrica a fin de cumplir con el mencionado contrato de
venta en forma ms econmica?
Planteamiento del problema:
1.-

Identificacin de las variables de decisin:

X1 = Nmero de das de trabajo de la fbrica 1/semana.
X2 = Nmero de das de trabajo de la fbrica 2/semana.

2.-

Identificar los requerimientos y las disponibilidades.

Se requieren alcohol de:
Bajo grado, medio grado, y alto grado.
Se debe disponer de:
16 Tn. de bajo grado, 5 Tn. de medio grado, y 20 Tn. de alto grado.

3.-

Identificar los costos o los beneficios segn el caso. En ste se identifica los costos.
La primera fbrica reporta un costo de operacin de $1000/da y la segunda fbrica
$200/da.

Entonces la matriz de los requerimientos y disponibilidades es el siguiente:

REQUERIMIENTOS
BAJO GRADO
MEDIO GRADO
ALTO GRADO
COSTO

DIAS DE LABOR
X1
8
1
2
$1000

X2
2
1
7
$2000

Luego la formulacin del problema es:

(MIN)K = 1000X1 + 200 X2
s.a.
44

DISPONIBILIDADES
16
5
20

Excelencia Acadmica

8X1 + 2X2 > 16

X1 + X2 > 5
2X1 + 7X2 > 20

Transformando las inecuaciones de las restricciones en ecuaciones:

8X1 + 2X2 = 16

(A)

X1 + X2 = 5

(B)

2X1 + 7X2 = 20

(C)

Hallando las coordenadas necesarias para graficar las rectas se tiene

(A)

(B)

(C)

X1 = 16-2x2
8

X2=0
X1=2

X2 = 16-8X1
2

X1=0
X2=8

X1 = 5X2

X2 =0
X1 =5

X2 = 5-5X1

X1=0
X2=5

X1 = 20-7X2
2

X2=0
X1=10

X2 = 20-2X1
X1=0
7
X2=2,9
Graficando las rectas con los valores de X1 y X2 obtenidos:

X2
10
9
(0,8)
8
8X1 + 2X2 = 16(A)
7
X1 + X2 = 5 (B)

6
(0,5)

5
P
4

3
(0,2,9)
2

R
2X1 + 7X2 = 20 (C)

(5,0)
1
( 2,0 )

(10,0)
7

10

X1
45

Excelencia Acadmica

Hallando los valores de las coordenadas en los puntos P, Q y R.

I) En el punto P, el cul est formado por la interseccin de rectas A y B, entonces:
(A)

8X1 + 2X2 = 16

(B)

X1 + X2 = 5

X2 = 16 8X1
2

Reemplazando en la ecuacin (B)

X1 + 16 8X1 = 5
2

Entonces, en la ecuacin (B):

2X1 + 16 8X1 = 10
-6X1 = -6

1+X2=5

X1 = 1

Luego

X2 = 4

Reemplazando estos valores en el problema planteado:

(MIN) R = 1000(1) + 2000(4)=9000
Sujeto a
8(1) + 2(4)=16=16
1+4=5=5

Si cumple

2(1) + 7(4)=30>20
Luego X1 = 1 y X2 = 4 cumplen con las condiciones del problema y puede ser la solucin
ptima, no obstante es necesario seguir evaluando los dems puntos de interseccin.
II) En el punto Q, el que est formado por la interseccin de las rectas (A) y (C)
(A)

8X1 + 2X2 = 16

(B)

2X1 + 7X2 = 20

X1 = 16-2X2 reemplazando en(C)

8

2 ( 16 2X2 ) / 8 + 7X2 = 20
32 4X2 + 56X2 = 160
X2 = 2,46

Reemplazando en la ecuacin (A):

X1 = 16-4,92 = 1,39

8X1 + 2(2,46)=16
X1 = 1,39

8
Sustituyendo en el modelo planteado:
(MIN) R = 1000(1,39) + 2000(2,46)=6310
Sujeto a
46

Excelencia Acadmica

8(1,39) + 2(2,46)= 16,04 =16

1,39 + 2,46 = 3,85 < 5

esta restriccin no cumple con las condiciones deseadas

2(1,39) + 7(2,46)= 20 = 20
III)En el punto R, esta formado por la interseccin de las rectas (B) y (C)
(B) X1 + X2 = 5

X2 = 5 -X1 reemplazando en (C)

(C)2X1 + 7X2 = 20
2X1 + 7(5 - X1) = 20
2X1 + 35 - 7X1 = 20
X1 = -15 = 3

X1 = 3

-5
En la ecuacin (B)
3 + X2=5
X2 = 2
Sustituyendo en el modelo planteado:
(MIN) R = 1000(3) + 2000(2)=7000
Sujeto a
8(3) + 2(2) =28>16
3 +

2 =5=5

2(3) + 7(2) =20=20

Entonces el punto de interseccin R, de las rectas (B) y ( C ) , es el ptimo con X1 =3 y X2=2,

los mismos que reportan un costo de $ 7000 y cumplen con las condiciones necesarias del
problema.

ACTIVIDAD 4.2

Resolver los siguientes problemas y ejercicios

Problema N 1: Una compaa area tiene dos aviones A y B para cubrir un determinado
trayecto. El avin A debe hacer ms veces el trayecto que el avin B pero no puede
sobrepasar 120 viajes. Entre los dos aviones deben hacer ms de 60 vuelos pero no menos
de 200. En cada vuelo A consume 900 litros de combustible y B 700 litros. En cada viaje del
avin A la empresa gana 300000 unidades monetarias y 200000 por cada viaje de B.
47

Excelencia Acadmica

Cuntos viajes debe hacer cada avin para obtenerle mximo de ganancia? Cuntos
vuelos debe hacer cada avin para que el consumo de combustible sea mnimo?
Problema N 2.- Imagnese que las necesidades semanales mnimas de una persona en
protenas, hidratos de carbono y grasas son 8, 12, 9 unidades respectivamente. Suponga
que se debe obtener un preparado con esa composicin mnima mezclando los productos A
y B cuyos contenidos por kilogramo son los que se indican en la siguiente tabla:

Protenas Hidratos Grasas

Producto
A
Producto
B

Coste (
Kg )
600

400

Cuntos kilogramos de cada producto debern comprarse semanalmente para que el costo
de preparar la dieta sea mnimo?
Problema N 3.- Se puede comprar paquetes de abono A o B . Cada paquete contiene las
unidades de potasio ( K ) , fsforo ( P ) y nitrgeno ( N ) indicados en la tabla, donde se da
el precio del paquete:

Marca K P N Precio
A
4 6 1
15
B
1 10 6
24
En qu proporcin hay que mezclar ambos tipos de abono para obtener al mnimo precio
un abono que contenga 4 unidades de K, 23 de P y 6 de N?
Resolver los siguientes problemas de programacin lineal, usando el mtodo grfico,
4.1.- (MIN) K = 25X1 + 22X2
s.a.
0,45X1 + 0,35X2 > 1260.00
0,18X1 + 0,36X2 > 90.000
0,30X1 + 0,20X2 > 30.000
4.3.-

48

(Min) K = 4X1 +3X2

s.a.
2X1+ 3X2 6
-3X1+2X2 3
2X2 5
2X1 + X2 4

4.2 (MIN) K = X1 + 4X2

s.a.
3x1 + X2 > 10
X1 + 2X2 > 16
4.4 (MIN) K = 3X1 + 4X2
s.a
- 2X1 + 4X2 16
2X1 + 4X2 24
- 6X1 3X2 - 48

Excelencia Acadmica

4.2

METODO SIMPLEX DE PROGRAMACIN LINEAL

En el mtodo grfico fue til para la exploracin de propiedades generales importantes del
modelo de programacin lineal. Sin embargo, los problemas del mundo real en su mayora
contienen mas de dos variables de decisin, luego el mtodo grfico no se puede aplicar en
forma general. Entonces dichos problemas se resuelven mediante el mtodo o algoritmo
Simplex.
Por los problemas planteados anteriormente, se observa que es muy variable el nmero de
incgnitas y de restricciones.
En la representacin de la forma general del problema se observa que:
a) El nmero de incgnitas es n (variables de decisin)
b) El nmero de restricciones es m (inecuaciones)
Tanto en la funcin objetivo como en las restricciones existir el mismo nmero de
coeficientes que de incgnitas, toda vez que cada variable lleva un coeficiente. Siendo la
representacin de la funcin objetivo cualquiera, la siguiente:
(MAX) = C1X1 + C2 X2 + C3 X3 + . . . + Cn Xn
donde C1, C2, C3, . . ., Cn son coeficientes de la incgnita o variable de decisin, por lo tanto
datos conocidos del problema.
Para distinguir los coeficientes de la funcin objetivo con la de las restricciones, se simboliza
estos ltimos por medio de a minscula, la misma que estar dotadas de dos subndices: aij
donde el subndice i indica la restriccin a la que pertenece y el subndice j indica la
incgnita a la cual esta afectando, as a53 es coeficiente que afecta a la quinta restriccin y a
la tercera variable de decisin X3. En general aij ser coeficiente de la restriccin isima y
de la j sima incgnita o variable de decisin.
4.2.1 CASO DE MAXIMIZACIN
Analizando la representacin general del modelo de maximizacin:

(MAX) R = C1X1 + C2X2 + C3X3 + . . . + CnXn

s.a.
a11X1 + a12X2 + a1.X3 + . . . + a1nXn < b1
a21X1 + a22X2 + a23X3 + . . . + a2nXn < b2
a31X1 + a32X2 + a33X3 + . . . + a3nXn < b3
.
.
.
. .
.
.
.
. .
.
.
.
. .
am1X1 + am2X2 + am3X3 + . . . + amnXn < bm

49

Excelencia Acadmica

Donde adems cada restriccin tiene un trmino independiente, la que se representa en

forma general con la letra b que est dotado de un subndice que indica la restriccin a la
que pertenece. As, la notacin b5 simboliza el trmino independiente de la quinta
restriccin. Luego aij, cj y bi son constantes del problema.
Las restricciones son desigualdades o inecuaciones cuyo primer miembro es menor o igual
al segundo.
Si el primer miembro de la primera desigualdad es menor, al agregarle una cantidad Xn+1 se
obtendr la igualdad, llamando a Xn+1 primera variable de HOLGURA.
Al introducir m incgnitas ms en las restricciones, debe aumentarse tambin, en la funcin
objetivo. Sin embargo, para que no altere dicha funcin estas incgnitas deben figurar con
coeficiente cero, como se muestra en la representacin siguiente:

(MAX) R C1X1 + C2 X2 + . . . + CnXn + 0Xn+1 + 0X n+2 . . . + 0Xn+m

sujeto a
a11X1 + a12X2 + . . . + a1nXn + Xn+1 = b1
a21X1 + a22X2 + . . . + a2nXn + Xn+2 = b2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
am1X1 + am2X2 +. . .+ amnXn + Xn+m = bm

Luego para obtener la solucin del problema se debe hacer la ordenacin siguiente:
a) Invertir las ecuaciones, es decir poner como primer miembro bi, b2, . . . , bm
b) Como primer trmino se toman las variables de HOLGURA Xn+1 , Xn+2, Xn+3, . . . , Xn + m
quedando el problema as:
(MAX) R = 0Xn+1 + 0Xn+2 +...+ 0 Xn+m + C1X1 + C2X2 +... + CnXn

b1 = Xn+1
b2 = Xn+2
.
.
.
bm =
50

s. a.
+ a11X1 + a12X2 + . . . + a1nXn
+ a21X1 + a22X2 + . . . + a2nXn
.
.
.
.
.
.
.
.
.
Xn+m + am1X1 + am2X2 + . . . + amn Xn

Excelencia Acadmica

Elaborndose luego el cuadro SIMPLEX en el que figuren los valores conocidos del
problema y las incgnitas.
CUADRO SIMPLEX.Este cuadro est formado de cinco columnas y cinco filas.
Cj
0
0
.
.
.
0

Xn+1
Xn+2
.
.
.
Xn+m

0
0 . . . 0
B Xn+1 X n+2 . . . Xn+m
B1 1
0 . . . 0
1 . . . 0
B2 0
.
.
.
.
.
.
.
.
.
.
.
.
0 . . . 1
bm 0

C1
X1
a11
a21
.
.
.
am1

C2
X2
a12 .
a22 .
.
.
.
am2 .

.
.
.
.

. . Cn
. . Xn
. a1n
. a2n
.
.
.
. . amn

Zj
Zj - Cj

Tambin se puede utilizar (Cj Zj) segn caso que se requiera.

En la columna (1) correspondiente a Cj figuran los coeficientes de las variables de
HOLGURA que se encuentran en la funcin objetivo, 0Xn+1 + 0Xn+2 + . . . + 0Xn+m
En la columna (2) figuran las variables de HOLGURA que entran en la solucin del problema
: Xn+1 , Xn+2, . . ., Xn+m
En la columna (3) figuran los valores asignados a las variables que entran en la solucin. En
este caso se cuenta con una primera solucin que es:
a) X1 = X2 = . . .= Xn = 0
b) Xn+1 = b1, Xn+2 = b2 , . . . , Xn+m = bm
Satisfaciendo as las condiciones del problema, siendo el valor de la funcin objetivo igual a
cero:

R = 0b1 + 0b2 + . . . + 0bm + C10 + C20 + . . .+ Cn0 = 0

La columna (4) est formada por los coeficientes de las variables de HOLGURA, las
correspondientes variables de HOLGURA y la matriz identidad o unidad, compuesta por la
cantidad de variables de HOLGURA como restricciones existan.
La columna (5) est formada por los coeficientes de las variables de la funcin objetivo, las
correspondientes variables de decisin y la matriz formada por los coeficientes de las
variables del primer miembro de las restricciones.
51

Excelencia Acadmica

La fila (1) est conformada por Cj, coeficiente de las variables de HOLGURA y por los
coeficientes de la funcin objetivo.
La fila (2) y la columna (3) se encuentra (B), que representa a todos los valores de bi (b1, b2, .
. ., bm).
Luego en la fila (2) y columna (4) se encuentra la representacin de las variables de
HOLGURA.
Por ltimo en la fila (2) y la columna (5) se asignan las variables de decisin X1, X2, . . ., Xn
En la fila (3) se encuentran primero: en la fila (3) columna (1) las coeficientes de las
variables de Holgura, segundo: en la fila (3) columna (2) estn las variables de HOLGURA,
tercero en la fila (3) columna (3) se encuentran los valores de B; : b1, b2 , . . ., bm; en (3) (4)
se encuentran la matriz identidad conformada por tantas variables de HOLGURA como
restricciones hay ; en (3) (5) se encuentra la matriz conformada por los coeficientes del
primer miembro de las restricciones.
La (4) Zj est conformada por el producto de las coeficientes de las variables de
HOLGURA por todos los valores que se encuentran en la fila (3) sumados en forma
perpendicular de arriba hacia abajo.
Fila (S); Zj Cj Cj Zj segn sea el caso, est formado por estas diferencias a todo lo largo
de la fila.
SOLUCIN DE PROBLEMAS
(CASO MAXIMIZACIN)
Ejemplo #1.- se tiene el siguiente problema de maximizacin. Resolver por el mtodo
Simplex.
(MAX) R= 2X1 4X2 +5X3 6X4
s.a
X1 + 4X2 2X3 + 8X4 < 2
-X1 + 2x2 + 3X3 + 4X4 < 1

Agregando las variables de HOLGURA al primer miembro de las restricciones como a la

funcin objetivo:
(MAX) R= 2X1 4X2 +5X3 6X4 + 0X5 + 0X6
s.a
X1 + 4X2 2X3 + 8X4 + X5
52

=2

Excelencia Acadmica

-X1 + 2x2 + 3X3 + 4X4

+ X6 = 1

As convirtiendo la desigualdad en igualdad en el caso de las restricciones, luego ordenando

el mismo se tiene:
(MAX) R= 0X5 + 0X6 + 2X1 4X2 +5X3 6X4
s.a
2 = X5
1=

+ X1 + 4X2 2X3 + 8X4

+X6 - X1 + 2x2 + 3X3 + 4X4

Vaciando todos estos valores en el primer cuadro Simplex.

Cj
0
0

X5
X6

Zj
Zj - Cj

0
B X5
2
1
1
0
0
0
0

0
X6
0
1
0
0

2 - 4
X1 X2
1
4
-1
2
0
0
-2
4

5 - 6
X3 X4
-2
8
3
4
0
0
-5
6

Determinndose como solucin inicial, para : X1 = X2 = X3 = X4 =0 y X5 = 2 y X6 = 1

Al reemplazar estos valores en las restricciones del problema se ve que estos valores
satisfacen las condiciones del mismo. El valor de la funcin objetivo ser CERO. En el
cuadro Simplex se encuentran las filas correspondientes a Zj y Zj Cj Cj - Zj , segn sea el
caso.
La fila Zj se obtiene sumando los productos de cada elemento de la columna Cj por el
correspondiente de la columna a la que se refiere la fila Zj .
La fila Zj Cj Cj Zj se obtiene restando de cada elemento de Zj Cj el correspondiente del
rengln Cj Zj segn el caso, obtenindose as la primera etapa del clculo, que figura en el
cuadro anterior.
En la segunda etapa y las subsiguientes se obtiene otra solucin, de manera que el valor
que asuma la funcin sea ,mayor que la actual.
En la siguiente etapa se analiza los elementos de la fila Zj Cj Cj Zj, ,segn el caso.
Cualquier valor negativo menor de esta fila , en el primer caso, identifica a una variable, que
al entrar en la nueva solucin, dar a la funcin un valor mayor al menos igual.
Para obtener ese valor mximo de la funcin se selecciona el menor negativo, cuando se
trata de Zj Cj el mayor valor positivo cuando se trata de Cj - Zj ; en el ejemplo en
consideracin se toma el menor de los negativos en la quinta columna y quinta fila; por lo
tanto dicho valor negativo en este caso (5) identifica a la variable X3 para entrar en la
nueva solucin.

53

Excelencia Acadmica

El siguiente paso es encontrar, que variable de las seleccionadas para la primera solucin
debe dejar su lugar a X3 para identificar la variable que sale de la primera solucin se
procede de la siguiente manera:
1. De la columna seleccionada X3 solamente se considera los elementos positivos, en
este caso (3), no as el (-2).
2. Se obtiene los cocientes de los elementos de la columna B, entre el elemento
correspondiente en X3.
3. se subraya el rengln que tenga el menor cociente, en este caso es (-5).
4. En caso de empate entre dos renglones o mas, se calculan los cocientes con los
elementos de la siguiente columna de B, es decir de Xn+1; si se repite el empate se
tomarn los elementos de Xn+2 y as sucesivamente hasta que aparezca el empate.
Para pasar a la siguiente etapa, se da el nombre de Pivote al elemento que se encuentra
en la interseccin de la columna y fila solucionada. (en este caso el Pivote es 3). A los
otros elementos de la columna solucionada, se les llama SEMIPIVOTES (en este ejemplo
SEMIPIVOTE es 2), de igual manera se seala la fila seleccionada (variable que sale de
la solucin), dicha salida se indica por medio de una flecha ().
La nueva etapa se inicia llamando la segunda columna del cuadro con las variables que
forman la nueva solucin: X2 y X3. la primera columna del cuadro estar conformada por los
coeficientes que estas variables tienen en el problema o sea 0,5. en esta etapa se indica la
segunda fila con una flecha () (fila de X3), para hacer notar que es la variable entrante.
Enseguida se procede a llenar la fila de la variable entrante a partir de la tercera columna,
de la manera siguiente: en lugar de cada elemento de la etapa anterior, se coloca el
cociente que resulta de dividir entre el Pivote.
Para el primer elemento: 1/3 =1/3 que es la cantidad que figurar en la segunda etapa en
lugar de 1. para los dems elementos : 0/3 = 0; 1/3 = 1/3; -1/3 = -1/3 ; 2/3 = 2/3; 3/3 =1 y 4/3 =
4

/3, como se muestra en el cuadro siguiente:

Cj
0
5

54

X5
X3

0
X5

1/

0
X6

2 - 4
X1
X2

5 - 6
X3 X4

1/3

-1/3

2/3

4/3

Excelencia Acadmica

Para llenar la fila 1 se procede de la siguiente manera: cada elemento de la nueva etapa es
igual al elemento correspondiente en la etapa anterior, menos el producto del SEMIPIVOTE
por el elemento de la fila entrante de la misma columna que est calculando, es decir, para
calcular el primer elemento de la columna B en la segunda etapa, se selecciona el primer
elemento de dicha columna en la primera etapa que es 2 y se resta el producto del
SEMIPIVOTE, que es 2 por el elemento de la fila entrante que est en la misma columna
(en este caso 1/3), o sea 2-(-2*1/3) = 2+2/3 = 8/3. para los restantes elementos de dicha fila
se tiene : 1-(-2*0) = 1; 0-(-2*1/3) = 2/3; 1-(-2*-1/3) = 1/3 ; 4-(-2*2/3) =

16

/3; -2-(-2*1) = y 8-(-2*4/3)

= 32/3 para llenar las filas Zj y Zj-Cj, se procede de la misma forma que en la primera etapa.

Cj
0
0

X5
X6

Zj
Zj - C j
0
X5
5
X3
Zj
Zj - Cj

B
2
1
0
8

/3
/3
5
/3
1

0
X5
1
0
0
0
1
0
0
0

0
2
X6 X1
0
1
1 -1
0
0
0 -2
2
1
/3
/3
1
-1
/3
/3
5/3 -5/3
5/3 -11/3

-4
X2
4
2
0
4
16
/3
2
/3
10
/3
22
/3

5
X3
-2
3
0
-5
0
1
5
0

-6
X4
8
4
0
6
32
/3
4
/3
20
/3
38
/3

Al inspeccionar en el cuadro, la fila Zj - Cj se nota que todava hay un nmero negativo que
identifica a una variable que debe entrar a la nueva solucin (en este caso es 11/3 que
identifica a la variable X1
Como el elemento positivo en la columna correspondiente es 1/3 se debe calcular el
cociente B/X1 ; obtenindose 8/3 1/3 = 8 ; resultando que X1 entrar en vez de X5 en la
nueva solucin. As identificando con un crculo el PIVOTE que es 1/3 y el SEMIPIVOTE que
es 1/3.
Las tres etapas de la solucin del problema se muestra a continuacin

Cj
I

II
I

0
0

X5
X6

Zj
Zj - C j
0
X5
5
X3

B
2
1
0
8

/3
/3

0
X5
1
0
0
0
1
0

0
X6
0
1
0
0
2
/3
1
/3

2
X1
1
-1
0
-2
1
/3
-1
/3

-4
X2
4
2
0
4
16
/3
2
/3

5
X3
-2
3
0
-5
0
1

-6
X4
8
4
0
6
32
/3
4
/3
55

Excelencia Acadmica

II

Zj
Zj - Cj
2
X1
5
X3
Zj
Zj - Cj

/3

8
3
31

0
0
3
1
11
11

5/3
5/3
2
1
9
9

-5

/3
/3

-11

1
0
2
0

10

/3
/3
16
6
62
66
22

5
0
0
1
5
0

20

/3
/3
32
12
124
130

38

Al inspeccionar la ltima fila de la tercera etapa ya no aparece elementos negativos, lo que

quiere decir que no es posible incrementar la funcin, siendo ste el mximo y la solucin es
: X1 = 8; X2 = 0 ; X3 =3; X4 = 0 ; X5 = 0 y X6 = 0, y el valor de la funcin es 31 que se observa
en la tercera interseccin de la 3ra fila y la 3ra columna de cuadro final.
Esta solucin satisface las condiciones del problema original:
(MAX) R = 2(8) 4 (0) + 5 (3) 6(0) = 31
s.a
8 + 4 (0) 2 (3) + 8 (0) + 0 = 2 = 2
-8 + 2 (0) + 3 (3) + 4 (0) + 0 = 1 = 1
Ejemplo # 2
Resolver el siguiente problema de P.L. maximizacin con el mtodo Simplex:
(MAX) R = 4X1 2X2 + 3X3
s.a
X1 X2 X3 < 8
X2 X3 < 4
X1

+ X3 < 12

Incrementando en la funcin objetivo como en las restricciones las variables de HOLGURA y

ordenando, con la finalidad de eliminar las desigualdades y convertir en igualdades.
8=

X4

4=

+ X1 X2 X3
X5

12 =

+ 0X1 + X2 X3
X6

X1 + 0X2 + X3

Resolviendo el problema con el uso del

algoritmo Simplex:

Cj
I

I
II

56

0
0
0

0
X4
X5
X6

Zj
Zj - C j
4
X1
0
X5
0
X6
Zj

B
8
4
12
0
8
4
4
32

X4
1
0
0
0
0
1
0
-1
4

0
X5
0
1
0
0
0
0
1
0
0

0
X6
0
0
1
0
0
0
0
1
0

4
X1
1
0
1
0
-4
1
0
0
4

-2
X2
-1
1
0
0
2
-1
1
1
-4

3
X3
-1
-1
1
0
-3
-1
-1
2
-4

Excelencia Acadmica

II

Zj - Cj
4
X1
0
X5
3
X3
Zj
Zj - Cj

10
6
2
46

-
-

0
0
1
0
0
0

El menor negativo en

7
/2
7
/2

0
1
0
0
4
0

-2
-
3
/2

-
3
/2

-7
0
0
1
3
0

Zj Cj = -4
8/ = 8
1
12/ = 12
1

En la interaccin II se ha alcanzado el mximo de la funcin y la solucin es:

X1 = 10, X2 = 0, X3 = 2, X4 =0 , X5 = 6 y X6 = 0
El valor de la funcin es 46. esta solucin satisface las condiciones del problema original.
(MAX) R = 4(10) 2 (0) + 3(2) = 46
s.a
1 (10) 1 (0) 1 (2) = 8 = 8

X5 = 6 VARIABLE

0 (10) +1 (0) 1 (2) = -2 + 6 = 4

DE HOLGURA

1 (10) + 0 (0) + 1(2) = 12 = 12

Ejemplo # 3
Resolver el problema siguiente:
(MAX) R = 3X1 + 4 X2
s.a
X1 + 2 X2 < 1000
3X1 + 2 X2 < 1800
X2 < 400
Incrementando variables de HOLGURA en las restricciones y ordenando se tiene:
1000 =

X3

+ X1 + 2X2

1800 = X4
400 =

+ 3X1 + 2X2
X5

+ 0X1 + 1X2

Cj
I

II
I

II
III

0
0
0

0
X3
X4
X5

Zj
Zj - C j
0
X3
0
X4
4
X2
Zj
Zj - Cj
3
X1
0
X4
4
X2
Zj

B
1000
1800
400
0
200
1000
400
1600
200
400
400
2200

X3
1
0
0
0
0
1
0
0
0
0
1
-3
0
3

Resolviendo:

0
X4
0
1
0
0
0
0
1
0
0
0
0
1
0
0

0
X5
0
0
1
0
0
-2
-2
1
4
4
-2
4
0
-2

3
X1
1
3
0
0
-3
1
3
0
0
-3
1
0
0
3

4
X2
2
2
1
0
-4
0
0
1
4
0
0
0
1
4
57

Excelencia Acadmica

III

Zj - Cj
3
X1
0
X5
4
X2
Zj
Zj - Cj

3
-
- 3/4

3
/2
3
/2

400
100
300
2400

0
-2

1
-
0

0
0 0

1000/2 = 500

200/1 = 200

400/4 = 100

1800/2 = 900

100/1 = 333,33

400/1 = 400

0
1
0
0
3
0

0
0
0
1
4
0

400/1 = 400 MENOR

Siendo los valores ptimos los siguientes:

X1 = 400 , X2 = 3000, X3 = 0, X4 = 0 y X5 = 100
El valor de la funcin es 2400
Reemplazando en el problema original, satisfacen las condiciones planteadas:
(MAX) R = 3 (400) +4 (300) = 2400
s.a
1000 =

1800 =

+ 3 (400) + 2 (300) = 1800

100

+ 0 +300 = 400

400 =

+ 400 + 2 (300) = 1000

X5 = 100 VARIABLE DE HOLGURA

Ejemplo # 4
Dado el siguiente problema, resolver analticamente utilizando el mtodo Simplex de P.L:
(MAX) R = 6X1 + 4X2 + 2X3
s.a
2X1 + 4X2 + 2X3 < 20
2X1 + 2X2 + 4X3 < 18
4X1

+ 6X3 < 24

Agregando las variables de holgura a las restricciones y ordenando el problema:

20 =
18 =
24 =

58

X4

+ 2X1 + 4X2 + 2X3

X5

+ 2X1 + 2X2 + 4X3

X6 + 4X1 + 0X2 + 6X3

Excelencia Acadmica

59

Excelencia Acadmica

Resolviendo el problema:

Cj
I

II
I

II

0
0
0

B
20
18
24
0

X4
X5
X6

Zj
Zj - C j
0
X4
0
X5
6
X1
Zj
Zj - Cj
4
X2
0
X5
6
X1
Zj
Zj - Cj

8
6
6
36
2
2
6
44

0
X4
1
0
0
0
0
1
0
0
0
0

-
0
1
1

0
X5
0
1
0
0
0
0
1
0
0
0
0
1
0
0
0

0
X6
0
0
1
0
0
-
-

3
/2
3
/2
-1/8

1
1

4
X1
2
2
4
0
-6
1
0
1
6
0
0
0
1
6
0

4
X2
4
2
0
0
-4
4
2
0
0
-4
1
0
0
4
0

2
X3
2
4
6
0
-2

1
3
/2
9
7
1
/8

3
/2
19
/2
15
/2

Entonces X1 = 6 ; X2 = 2 X3 = 0; X4 = 0 y X5 = 2
Reemplazando estos valores en el problema original, satisface las condiciones del mismo.
(MAX) R = 6 (6) + 4(2) + 2(0) = 44
s.a
20 =
18 =
24 =

+ 2 (6) + 4 (2) + 2 (0) = 20

2
0

+ 2 (6) + 2 (2) + 4 (0) = 18

+ 4 (6) + 0 (2) + 6(0) = 24

X5 = 2 Variable de HOLGURA
Entonces, los valores encontrados satisfacen las condiciones del problema original.
ACTIVIDAD 4.3
Resolver los siguientes ejercicios:
1)

(MAX) R = 2X1+ X2 3X3 + 5X4

s.a.
X1 + 7X2 + 3X3 + 7X4 <= 46

60

2) (MAX) R = X1 + 4X2 - X3
s.a.
X1 X2 < = 8

3X1 X2 + X3 + 2X4 < = 8

X2 X3 < = 4

2X1 + 3X2 X3 + X4 < = 10

X1 + X2 <= 12

Excelencia Acadmica

3)

(MAX) R = 3X1 2X2 + X3

4) (MAX) R =

s.a.

4)

X1 X2 + X3
s.a.

X1 X2 X3 < = 2

2X1 + X2 < = 4

X2 X3 < = 4

X1 X3 < = 3

X2 + X3 < = 6

X2 X3 < = 8

(MAX) R = -X1 + 2X2 + 4X3

6)

(MAX) R = 8X1 + 10X2 5X3

s.a.

s.a.

X1 + X2 < = 6

4X1 2X2 + 6X3 < = 15

X2 X3 < = 3

X1 + X2 + 4X3 < = 10

X3 < = 4

4.2.2 VARIABLES ARTIFICIALES EN EL MTODO SIMPLEX

La forma general del modelo de Programacin Lineal en el cuadro Simplex es el
siguiente:

B
b1
b2
.
.
.
bm

0
Xn+1
1
0
.
.
.
0

0
Xn+2
0
1
.
.
.
0

. . .O
. . . Xn+m
. . .O
. . .O
. . . .
. . . .
. . . .
. . .1

C1
X1
a11
a21
.
.
.
am1

C2 . . .
X2 . . .
a12 . . .
a22 . . .
. . . .
. . . .
. . . .
am2 . . .

Cn
Xn
a1n
a2n
.
.
.
amm

Los elementos de la columna de B deben ser positivos y los coeficientes de las

variables de HOLGURA deben formar una matriz identidad, es decir una matriz de
igual nmero de filas y columnas con unos a lo largo de la diagonal principal y ceros
en los dems lugares (MATRIZ UNIDAD). Como se muestra en el cuadro de la forma
general.
CASO I
Ejemplo.-En una planta industrial, el producto final tiene la condicin de que debe pesar
exactamente 150 kilogramos. Las dos materias primas que se usan son: A, con costo de
dos dlares por unidad, y B, con costo de ocho dlares por unidad.
Hay que usar por lo menos 14 unidades de B y no ms de 20 unidades de A. Cada unidad
de A pesa cinco kilogramos y cada unidad de B pesa 10 kilogramos.
Cunta materia prima de cada tipo se debe usar para fabricar una unidad del producto final
si se desea minimizar los costos?
Planteando el problema :
61

Excelencia Acadmica

X1 = Cantidad de materia prima para el producto A

X2 = Cantidad de materia prima para el producto B
CUADRO DE REQUERIMIENTOS Y DISPONIBILIDADES

REQUERIMIENTO
PESO
UNID. A
UNID. B
Costo / Unid.

MATERIA PRIMA
DISPONIBILIDAD
A
B
5
10
150
1
0
20
0
1
14
$2

$8

Entonces, la formulacin es el siguiente:

(Min) K = 2X1 + 8X2
s.a
5X1 + 10X2 = 150
X1 + 0X2 < 20
0X1 +

X2 > 14

convirtiendo las inecuaciones en ecuaciones

5X1 + 10X2

150

X1 + 0X2 + X4
0X1 +

X2 X5

20

14

En los ejemplos anteriores se pudo encontrar la primera solucin bsica factible

seleccionando las variables de HOLGURA como variables de solucin inicial. En este caso
no es posible, pues no hay variables de HOLGURA en la restriccin y el signo de la variable
excedente de la tercera restriccin es negativa.
Para resolver el problema se agregan variables artificiales X3 y X6 a la primera y tercera
restriccin, respectivamente. Las variables artificiales indicadas tendrn un coeficiente M
positivo por tratarse de un problema de minimizacin, cuyo valor o costo ser mayor a los
existentes en el sistema, logrndose con esto garantizar que sern variables externas que
en la solucin final tendrn valor cero.
Entonces el problema tomar la forma siguiente:
( MIN ) K = 2X1 + 8X2 + MX3 + 0X4 0X5 + MX6
s. a.
5X1 + 10X2 + MX3
X1 + 0X2
62

= 150
X4

= 20

Excelencia Acadmica

0X1 +

X2

-X5 + MX6

= 14

Ordenando el problema :
( MIN ) K = MX3 + 0X4 0X5 + MX6 + 2X1 + 8X2
s. a.
150 = MX3
20 =

5X1 + 10X2
X4

14 =

X1 + 0X2

MX6 - 0X5 + 0X1 +

X2

Luego el primer cuadro simplex y la primera iteracin de la solucin del problema, el

siguiente:
Cj

M
0
M

X3
X4
X6

Zj
Z j - Cj

B
150
20
14

M 0 M

X3
1
0
0

X1 X 2
5 10
1
0
0
1

164M M
0

X4
0
1
0

X6
0
0
1

X5
0
0
-1

0
0

M
0

-M 5M 11M
-M 5M 11M
-2 -8

Donde M es positivo por tratarse de un problema de minimizacin, siendo su valor, mayor a

las cifras existente en el primer cuadro simplex. Las siguientes pasos a seguir en la solucin
del problema se efectuar cuando se trate el captulo siguiente de minimizacin.
CASO II
Ejemplo: resolver el siguiente problema de maximizacin:
(MAX) R = 4X1 + 2X2 + 6X3
s.a
2X1 + 2X2 + 2X3 < 12
4X1 + 6X2 + 2X3 < 18
8X1 + 4X2 + 2X3 = 20
En lugar de una desigualdad, la tercera restriccin del problema es una igualdad. Al sumar
a las dos primeras restricciones, variables de HOLGURA X4 y X5 , se tiene :
(MAX) R = 0X4 + 0X5 + 4X1 + 2X2 + 6X3
s.a
63

Excelencia Acadmica

12 =

X4

18 =

+ 2X1 + 2X2 + 2X3

X5

+ 4X1 + 6X2 + 2X3

20 =

+ 8X1 + 4X2 + 2X3 Se obtiene el primer cuadro Simplex:

Cj

0
X4
1
0
0

B
12
18
20

0
X5
0
1
0

4
X1
2
4
8

2
X2
2
6
4

6
X3
2
2
2

El cuadro no cuenta con una matriz unidad de 3 x 3, que es condicin necesaria para dar
solucin al problema.
Para subsanar este percance, se acude al uso de las variables ARTIFICIALES, que en la
solucin final tendrn valor cero. La variable artificial indicada es X6 cuyo coeficiente ser
M por tratarse de un problema de maximizacin
Siendo la primera iteracin en el cuadro Simples, el siguiente:
Cj
0 X3
O X4
M X6
Zj
Zj - Cj

B
12
18
20
-20 M

0
X3
1
0
0
0
0

O
X4
0
1
0
O
0

-M
X5
0
0
1
-M
0

4
X5
2
4
8
-8M
-8M-4

2
6
X1
X2
2
2
6
2
4
2
-4M
-2M
-4M-2 -2M-6

Las intersecciones correspondientes en la solucin del problema se muestra a continuacin:

Cj
I

II
I

II

64

0
0
M

X4
X5
X6

Zj
Zj - Cj
0
0
4

X4
X5
X1

Zj
Zj - Cj
6
X3
0
X5
4
X1
Zj
Zj - Cj

B
12
18
20
-20M

7
8
2,5
10
4,67
3,33
1,33
33,34

0
X4
1
0
0
0

0
X5
0
1
0
0

-M
X6
0
0
1
-M

1
0
0
0
0
2
/3
- 2/3
- 1/6
10
/3
10
/3

0
-
1
-
1
0
/8
1
0
/2
0 3/2+M
0
-1/6
1
-1/3
1
0
/6
-1
0
/3
0 -1/3+M

4
X1
2
4
8
-8M
-8M
-4
0
0
1
4
0
0
0
1
4
0

2
X2
2
6
4
-4M
-4M
-2
1
4

2
0
2
/3
10
/3
1
/3
16
/3
10
/3

6
X3
2
2
2
-2M
-2M
-6
3/2
1

1
-5
1
0
0
6
0

Excelencia Acadmica

El resultado obtenido es el siguiente:

X1 = 1,33 ; X2 =0 ; X3 = 4,67 ; X4 = 0 ; X5 = 3,34 y X6 =0
Siendo el valor mximo de la funcin igual a 33,34.
Los valores obtenidos satisfacen al problema original:
(MAX) R = 4(1,33) + 2(0) + 6 (4,67) = 33,34
s.a
X5 = V-H
2(1,33) + 2(0) + 2(4,67) = 12
4(1,33) + 6(0) + 2(4,67) = 14,66 + 3,34 = 18
8(1,33) + 4(0) + 2(4,67) = 20
CASO III
Ejemplo: resolver el siguiente problema
(MAX) R = 12X1 + 4X2 + 16X3
s.a
4X1 + 24X2 + 12X3 < 480
4X2 + 16X3 > 320
Donde la desigualdad de la segunda restriccin es de mayor o igual que, entonces es
necesario restar un variable de HOLGURA X5 , formando la siguiente transformacin:
(MAX) R = 0X4 0X5 + 12X1 + 4X2 + 16X3
s.a

480 =
X4
320 = -X5

+ 4X1 + 24X2 + 12X3

+ 0X1 + 4X2 + 16X3

Al representar en el primer cuadro Simplex, se nota la inexistencia de la matriz unidad, como

se muestra a continuacin:
Cj

0
B X4
0 X4 480 1
0 X5 320 0
Zj
Zj - Cj

0
X5
0
-1

12 4
X1 X2
4 24
0 4

16
X3
12
16

Al aadir en la segunda restriccin, una variable artificial X6, con coeficiente igual a M , se
da solucin a dicho percance. Entonces el nuevo modelo formado ser:
(MAX) R = 0X4 - MX6 0X5 + 12X1 + 4X2 + 16X3
s.a
65

Excelencia Acadmica

+ 4X1 + 24X2 + 12X3

480 = X4
320 =
X6 - X5 + 0X1 + 4X2 + 16X3
De esta manera se cumpliendo con la formacin de la matriz unidad, condicin necesaria de
todo problema de P. L., luego resolviendo el problema utilizando el algoritmo simplex:

Cj
II

II
II

II

O
M

B
480
320

X4
X6

-320M

Zj
Zj - Cj
0
X4
16 X3
Zj
Zj - Cj
12 X1
16 X3
Zj
Zj - Cj

240
20
320
60
20
1040

0
X4
1
0
0
0
1
0
0
0

0
3
3

-M
X6
0
1
-M
0
-3
/4
-1
/16
1
1+M
-3
/16
1
/16
-5
/4
-5
/4+M

0
X1
0
-1
M
M

-1
/16
-1
-1
3
/16
-1
/16
5/4
5/4

12
4
16
X1
X2
X3
4
24
12
0
4
16
O -4M-4 -16M-16
-12 -4M-4 -16M-16
4
21
0
0

1
0
4
16
-12
0
0
21
1
/4
0
0

1
12
67
16
0
63
0

Los valores obtenidos son:

X1 = 60 ; X2 = 0 ; X3 = 20 ; X4 = 0 ; X5 =0 y X6 =0
Reemplazando en el problema:
(MAX) R = 0(0) 0 (0) + M(0) + 12(60) + 4(0) + 16(20) = 1040
s.a
480 =
320 =

+ 4(60)+ 24(0) + 12(20) = 480

0 0 + 0(60) + 4(0) + 16(20) = 320

As cumpliendo con las condiciones del problema

4.2.3

PROBLEMAS DE MINIMIZACIN
(METODO SIMPLEX)

El problema de minimizacin trata generalmente de la disminucin de costos de un sistema

existente sea esta de produccin o de servicios. Para demostrar este caso por el mtodo
Simplex, se resolver el primer problema resuelto por el mtodo grfico, cuyo planteamiento
es:
Ejemplo I)
(MIN) K = 2500X1 + 3500X2
s.a
50X1 + 70X2 > 2500
5X1 + 3X2 > 150
2X1 + 4X2 > 120
66

con X1 = X2 > 0

Excelencia Acadmica

Como primera medida se resta las variables de HOLGURA de cada una de las restricciones,
con la finalidad de convertir las desigualdades o inecuaciones en igualdades o en
ecuaciones. Las variables de HOLGURA son : X3 , X4 y X5, respectivamente.
(MIN) R = 2500X1 + 3500X2 + 0X3 + 0X4 + 0X5
s.a
50X1 + 70X2 X3
5X1 + 3X2
2X1 + 4X2

= 2500
-X4
= 150
-X5 = 120

Ordenando el problema con la finalidad de dar solucin correspondiente:

(MIN) R = 0X3 + 0X4 + 0X5 + 2500X1 + 3500X2
s.a
2500 = -X3
+ 50X1 + 70X2
150 =
-X4
+ 5X1 + 3X2
120 =
- X5 + 2X1 + 4X2
Formando as el primer cuadro Simples:
Cj
0 X3
0 X4
0 X5
Zj
Zj - Cj

B
2500
150
120

0
X3
-1
0
0

0
X4
0
-1
0

0 2500 3500
X5 X1
X1
0 50
70
0 5
3
-1 2
4

La matriz unitaria (identidad) formada por la variables de HOLGURA X3 , X4, y X5 no cumple con la condicin
necesaria, sus coeficientes son 1 , -1 , -1 respectivamente, en vez de 1,1,1.
En este caso ser necesario el uso de tres variables artificiales, sin embargo, se puede hacer uso de un artificio
que consiste en :
a)

Identificar de las restricciones existentes aquella que tenga mayor valor bi.

b)

Reemplazar cada restriccin restante por la diferencia del mayor valor bi y la restriccin correspondiente
en forma ordenada.

Los valores de bi son 2500 >150 >120, siendo la restriccin de mayor valor bi, la primera de las restricciones.
Esta restriccin permanecer invariable en el problema.
(MIN) K = 0X3 + 0X4 + 0X5 + 2500X1 + 3500X2
> Valor bi

2500 = -X3
150 =
120 =

+ 50X1 + 70X2 (A)

+ 5X1 + 3X2 (B)

-X4
-X5

+ 2X1 + 4X2 (C)

67

Excelencia Acadmica

Efectuando las diferencias indicados se tiene :

I)

I)

2500

-(150

-X3
-X4

2350

- X3 + X4

2500

-(120

-X5

2380

- X3 + X5

+ 50X1 + 70X2 (A)

+ 5X1 + 3X2) (B)
+ 45X1 + 67X2 (B*)

-X3

+ 50X1 + 70X2 (A)

+ 2X1 + 4X2) (C)
+ 48X1 + 66X2 (C*)

Ordenando y sumando la variable artificial a la restriccin de mayor valor bi

2500 = X6
2350 =
2380 =

X3
X4 X3
X5 X3

+ 50 X1 + 70X2 (A)
+ 45X1 + 69 X2 (B)
+ 48X1 + 66X2 (C*)

Luego el primer cuadro Simplex ser:

Cj

M
X6
1
0
0

B
2500
2350
2380

0
X4
0
1
0

0
X5
1
0
1

0
X3
-1
-1
-1

2500
X1
50
45
48

3500
X2
70
69
66

Zj
Zj - Cj

Por tratarse de un problema de minimizacin, la variable artificial X6 aparece en el problema

con un coeficiente +M, en la funcin objetivo. Esto indica que se trata de obtener el valor
mnimo de la funcin y, M toma un valor superior a cualquier cifra que figure en el problema.
No se habr alcanzado el mnimo de la funcin, mientras el coeficiente M permanezca en la
solucin.
Al resolver el problema, en la primera iteracin del clculo se procede igual que en
maximizacin de beneficios.
En seguida se selecciona aquella variable que en la fila Zj - Cj tenga mayor valor POSITIVO
Cj
B
M X6 2500
0 X4 2350
0 X5 2380
Zj

M
X6
1
0
0
M

Zj - Cj

0
X4
0
1
0
0
0

0 0
X5 X3
0 -1
0 -1
1 -1
0 -M
-M
0

2500
3500
X1
X2
50
70
45
67
48
66
50M
70M
50M
70M
-2500 -3500

En Zj Cj los valores positivos son; cuando M = 4000, (50M 2500) y (70M 3500)
seleccionando a 70 3500 porque M al tomar el mayor valor numrico del problema,
68

Excelencia Acadmica

entonces 70 (3500) 3500= 241500 > 50 (3500) 2500 = 172500, lo que identifica a la
variable X2 como candidata a entrar en la nueva solucin. El criterio para buscar la variable
que sale de la solucin es el mismo que en la maximizacin, obtenindose el cociente de
cada elemento de B entre el correspondiente elemento de la variable que entra, siempre y
cuando estos sean positivos.
Resolviendo el problema de manera ntegra:
Se tiene los PIVOTES identificados como 67 en la primera iteracin y 2.99 en la segunda
iteracin.
M

B
2500
2350
2380

X6

X4

X5

X3

1
0
0

0
1
0

0
0
1

-1
-1
-1

50
45
48

70
67
66

2500M

-M

50M

70M

0
1
0
0

0
-1,045
1/
67
0,985

0
0
0
0

-M 50-2500 70- 3500

M -1,045 M
+ 52,24

0,045M 2,99M
3500
52,24 +2350,75

0 -1,045 M
+ 52,24

-0,045M (2,99M+2350,75) 0
-52,24
- 2500
0, 015
1
0
-0,016
0
1
-0,07
0
0

Cj
I

M
0
0

II
I

X6
X4
X5

Zj
Zj - Cj
M
X6
3500 X4
0
X5
Zj

45,1
30,07
65,38
45,1 M
+
122745

Zj - C j
II

2500 X1
3500 X2
0
X5
Zj
Zj - C j

15,08 ,99 -0,35 0

24,94 -0,225 2,33 0
-1,23 -0,985 1
10,04
125000

50

2500

0,045
-1/67
-1,01

3500

X1

2,99
45/
67
3,67

X2

0
1
0

-50

2500

3500

50-M 0

-50

Los valores hallados de las variables de decisin y de holgura figuran

con decimales:

X1=15,08 ; X2=24,94 y X5=10,04 respectivamente. La solucin por computadora da valores

enteros: los mismos son: X1=15 ; X2=25 y X5=10, dichos valores se toman en cuenta para
el reemplazo en el problema original.
El problema est resuelto cuando en la fila que correspondiente a Zj-Cj ya no existan
valores positivos
Luego los valores son X1 =15, X2 = 25, X3 = 0, X4 = 0 y X5 = 10 y X6=0

69

Excelencia Acadmica

Reemplazando los valores hallados en el problema:

(MIN) R = 2500 (15) + 3500(25) = 125000
s.a
50 (15) + 70(25) = 2500

X5 = 10 = V.H.

5 (15) + 3(25) = 150

2 (15) + 4(25) = 130 10 = 120

Ejemplo II)
Resolviendo el problema planteado nmero 1, dado en el captulo anterior de Variables Artificiales, cuyo
ordenamiento fue el siguiente:
(MIN) K = 2X1 + 8X2 + MX3 + 0X4 + 0X5 + MX6
s.a
5X1 + 10X2

+ X3

X1 + 0X2

= 150
+ X4

0X1 + X2

= 20
-X5 + X6

= 14

Ordenando para resolver el problema usando en este caso dos variables artificiales
(MIN) K = MX3 + 0X4 + MX6 MX6 0X5 + 2X1 + 8X2
s.a
150 =

X3

20 =

+ 5X1 + 10X2
X4

14 =

+ X1 + 0X2
X6 X5

+ 0X1 +

X2

Las variables artificiales X3 y X6 tendrn coeficientes M positivos

Cj
I

II
I

II
70

M
0
M

X3
X4
X6

Zj
Zj - Cj
M X3
0
X4
8
X2
Zj
Zj - C j
0
X5

M
B
X3
150
1
20
0
14
0
164M
M
0
10
1
20
0
14
0
110M+112 M
0
1
1
/10

0
M
X4
X6
0
0
1
0
0
1
0
M
0
0
0
-10
1
0
0
1
0 -10M+8
0 -11M+8
0
-1

0
2
8
X5
X1
X2
0
5
10
0
1
0
-1
0
1
-M 5M
11M
-M 5M-2 11M-8
10
5
0
0
1
0
-1
0
1
10M-85M
8
10-8 -2
0
1

Excelencia Acadmica

II
III

0
8

X4
X2

20
15

Zj
Zj - C j
2
X1
0
X4
8
X2
Zj
Zj - C j

120

2
18
14
116

0
/10
4
/5
4
/5
1
/5
-1/5
0
2
/5
2
/5-M
1

1
0
0
0
0
1
0
0
0

0
0
0
-M
-2
2
1
4
4-M

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

4
2
1
0
0
2
0

0
1
8
0
0
0
1
8
0

Los valores hallados son : X1 = 2, X2 = 14 , X3 = 0, X4 = 18 X5 = 0 y X6 = 0

Reemplazando en el problema original
(MIN) K = 2(2) + 8(14) = 116
s.a
5(2) + 10(14)
= 150
2+0
= 2 +18
0 + 14
= 14

X4 = 18 V.H

Cumple con las condiciones del problema

Ejemplo III)
Una persona enferma necesita cierta cantidad diaria de 2 vitaminas. Las vitaminas son B y C
los que se encuentran en dos alimentos diferentes R1 y R2.
Un kilogramo de R1 contiene dos unidades de B y tres unidades de la vitamina C. Un
kilogramo de R2 contiene 4 unidades de la vitamina B y de C dos.
Es muy importante disponer en forma diaria de la vitamina B por lo menos de 40 unidades y
de C por lo menos de 50 unidades.
Determinar las cantidades ptimas de alimentos R1 y R2 que deben ser compradas, de tal
manera que las necesidades diarias de vitaminas sean satisfechas y simultneamente, se
minimice el costo de compra, sabiendo que los costos por kilogramo de R1 y R2 son S/ 3.00
y S/2,50 respectivamente.
Para el planteamiento del problema es necesario seguir los pasos siguientes (recordando
cap. Anteriores)
1. Identificar las variables de decisin.
2. Identificar los requerimientos y las disponibilidades.
3. Formar la matriz de los requerimientos y las disponibilidades.
4. Identificar los costos o los beneficios segn el caso.
5. Plantear el problema.
1) X1 = Cantidad de alimento R1 que se debe comprar.
71

Excelencia Acadmica

X2 = Cantidad de alimento R2 que se debe comprar.

2) Requerimientos y disponibilidades
Req.

Disp.

a) Vitamina B

40 unid. de B

b) Vitamina C

50 unid. De C

3) Formando el cuadro requerimientos y disponibilidades se tiene :

REQUERIMIENTO
Vitamina B
Vitamina C
4) Costos

ALIMENTOS

DISPONIBILIDAD

R1
R2
2
4
3
2
S/3,00 S/ 2,50

40
50

5) Planteamiento del problema

(MIN) K = 3X1 + 2,5 X2
s.a
2X1 + 4X2 > 40
3X1 + 2X2 > 50
Resolviendo el problema, para el cul se resta las variables de HOLGURA X3 y X4 a las dos
restricciones respectivamente, para eliminar la desigualdad y convertir en igualdad.
(MIN) K = 0X3 + 0X4 + 3X1 + 2,5X2
s.a
40 = - X3
50 =

+ 2X1 + 2X2 (B)

-X4

+ 3X1 + 2X2 (B)

Identificando la restriccin de mayor bi, luego restando de esta las dems restricciones.
50 =
- (40) =
10 =
72

- X4 + 3X1 + 2X2 (B)

-X3

+ 2X1 + 4X2 ) (A)

-X4 + X3 +X1 2X2 (A*)

Excelencia Acadmica

Luego la nueva forma del problema ser:

10 = - X4 + X3 +X1 2X2 (A*)
50 = - X4 + X5 + 3X1 + 2X2 (B)
Ordenando la matriz unidad y adicionando la variable artificial a la restriccin de mayor bi y
dando un coeficiente +M por tratarse de minimizacin.
Procediendo a la solucin del problema por el mtodo Simplex.

Cj
I

0
M
I

II
II

X3
X5

Zj
Zj - Cj
3 X1
M X5
Zj
Zj - Cj
3 X1
2,5 X2
Zj
Zj - Cj

0
X3
1
0
50M
0
0
10
1
20
-3
30+20M
3-3M
3-3M
15

-3
2,5
/8
-1,5
51,25
8
-1,5
8
B
10
50

M
0
3
2,5
X5
X4 X1
X2
0
-1
1
-2
1
-1
3
-2
M
-M 3M
2M
0
-M 3M-3 2M-2,5
0
-1
1
-2
1
2
0
8
M
-3+2M 3 -2+8M
0
-3+2M 0 -8,5+8M

1
0

0
1
/8
8,5
-3,5
3
2,5
8
4
8,5-M -3,5
0
0
8
4

Los valores hallados son: X1 = 15; X2 = 2,5 ; X3 =0; X4 = 0 y X5 = 0

Reemplazando en el problema original
(MIN) K = 3(15) + 2,5 (2,5) = 51,25
s.a
2 (15) + 4(2,5) = 30+10 = 40
3 (15) + 2(2,5) = 45+5 = 50
Lo que quiere decir, que se debe comprar 15 Kg. de alimento R1 y 2,5 Kg. de alimento R2,
para obtener vitaminas que se requieren diariamente.

73

Excelencia Acadmica

Ejemplo IV)
Resolver el siguiente problema:
(MIN) K 2X1 + X2 + 2X3
s.a
2X1 + 16X2
2X1

> 30
+ 4X3

4X1 + 2X2

> 22
> 40

Restando las variables de HOLGURA y ordenando el problema se tiene:

30 = -X4

+ 2X1 + 16X2 + 0X3 (A)

22 =

-X5

40 =

+ 2X1 + 0X2 + 4X3 (B)

-X6

+ 4X1 + 2X2 + 0X3 (C)

Se identifica la restriccin de mayor bi y ordenando la matriz unidad y luego restando a la

restriccin de mayor bi las dems restricciones. La tercera restriccin es de mayor bi.
-X6 + 4X1 + 2X2 + 0X3

40 =
10 = X4

- X6 + 2X1 14X2 + 0X3

- X6 + 4X1 + 2X2 + 0X3

40 =
-(22 =

+ 2X1 + 0X2 + 4X3)

-X5

18 =

(C)

2X1 + 16X2 + 0X3)

-(30 = -X4

X5

_
(A*)

(C)
(B)

- X6 + 2X1 + 2X2 4X3 (B*)

Siendo la nueva estructura del problema:

10 =
18 =
40 =

- X6 + 2X1 14X2 + 0X3

X4

- X6 + 2X1 + 2x2 4X3

X5
X7

- X6 + 4X1 + 2X2 + 0X3

Se adiciona X7 que viene a ser la variable artificial, cuyo coeficiente es M, a la restriccin de

mayor bi que permanece inalterable.

74

Excelencia Acadmica

Dando solucin al problema en el mtodo Simplex se tiene:

Cj
B
10
18
40

0
0
M

X4
X5
X7

40M

Zj
Zj - Cj
I

II

2
0
M

X1
X5
X7

5
8
20
10+ 20 M

Zj
Zj - C j

II

2
1
M

17

X1
X2
X7

/2

17,5+ 5M

Zj

III

Zj - C j
III

2
1
2

X1
X2
X3

9,67
2
/3
2
/3
21,333

Zj
Zj - C j
10/

25

0
X4
1
0
0
0

0
X5
0
1
0
0

M
X7
0
0
1
M

-1
-2
1-2M

0
1
0
0

0
0
1
M

1-2M 0

0
0
1

/16
/16
1
/8

-1

/16
/16
-15
/8
1

1/161/8M

15/16 - M
15/8

1/161/8M

15/16 - 0
15/8

/30
-1/5
-1
/60
-1
/15
-1
/15

7
0
/30
1
0
/30
-1
/4 -2/15
-1
/2 23/30
-1
/2 23 -M
30

=5

8/

20/

18/

=9

40/

= 10

16

0
2
X6 X1
-1 2
-1 2
-1 4
-M 4M
-M 4M
-2
-1/2 1
0
0
1
0
-1
2
+M
-1
0
+M

1
0
0
1
0
-1+M 2
-1+M 0
-4

/15
/30
2
/15
-7
/30
-7
/30
1

1
0
0
2
0

1
2
X2 X3
-14 0
2 -4
2 0
2M 2
2M -2
-1
-7 0
16 -4
30 0
-14 0
+30M
-15 -2
+30M
0 -7/4
1 -1/4
0 15/2
1 -15/4
+15
/2M
19
0 - /4
+15
/2M
0 0
1 0
0 1
1
2
0
0

= = 0,5

30

= 2/3 = 0,67

Los valores encontrados son: X1=9,67; X2=2/3: X3=2/3 ; X4=X5=X6=0

Reemplazando estos valores en el problema original
(MIN) K = 2(9,67 + 2/3 + 2(2/3) = 21,333
s.a.

2(9,67) + 16(2/3) = 30
2( 67) + 4(2/3) = 22
4(9,67) + 2(2/3) = 40
75

Excelencia Acadmica

Donde cumple con las condiciones del problema, as obtenindose el importe deseado de la
funcin.

N 4.3
NOTA: La Auto evaluacin se dar en la tutora presencial
Dado los siguientes problemas planteados, resolver utilizando el algoritmo simplex:
1.-

( MIN ) K = 2X1 3X2

2.-

( MIN ) K = 7X1 + 2X2

s. a.

s. a.

X1 + X2 130

400X1 + 200 X2 6000

X2 190

200X1 +

2X1

50X2 200

X1 + 3X2 200
X1 + 2X2 170
3.-

( MIN ) K = 2X1 + X2 +2X3

4.-

( MIN ) = 800X1 + 400X2 + 600X3 + 1500X4

s.a.

s.a.

2X1 + 16X2 30

10X1 +

2X1 + 4X2 22

90X1 + 150X2 + 75X3 + 175X4 100

4X1 + 2X2 40

45X1 + 25X2 + 20X3 +

X1 +

5.-

X2 +

( MIN ) K = 2000X1 + 4000X2 + 1000X3

s. a.
4X1

+ 6X2 + 8X3 100

2X1

+ 4X2 + 6X3 50

X1

76

3X2 + 8X3 +

+ 2X2 + 3X3 40

X3 +

2X4 5
37X4 30
X4 1

Excelencia Acadmica

77

Excelencia Acadmica

PROGRAMACIN DUAL
La Programacin Lineal puede usarse para resolver una extensa variedad de problemas propio de los
negocios, ingeniera, administracin, economa, etc. ya sea maximizando utilidades o minimizando
costos.
Las variables de decisin en tales problemas fueron, por ejemplo el nmero de mesas a producir, la
cantidad de dlares a emplear sobre diferentes medios publicitarios y mucho ms. En cada caso la
solucin ptima reporta como podran ser asignados los recursos. Ejemplo: materia prima, capacidad
de las mquinas, el dinero, obtener un objetivo establecido, etc.
Esta vez se podr notar como a cada problema de Programacin Lineal se le asocia otro problema de
Programacin Lineal, llamado EL PROBLEMA DE PROGRAMACIN DUAL. La solucin ptima del
problema dual proporciona los precios en el mercado o los beneficios de los recursos escasos
asignados en el problema original.
La solucin ptima del problema dual aporta a la solucin ptima del problema original y VISIVERSA.
Esto quiere decir que a cada problema de Programacin Lineal se le asocia lo que es llamado un
problema de Programacin Dual.
Normalmente se llama al problema de Programacin Lineal, el problema de PROGRAMACIN
PRIMAL
Sabiendo el resultado de un problema primal, el problema de Programacin Dual es un problema de
precio, entonces el propsito es determinar los precios a los cuales la compaa o empresa debera
valorar sus recursos de tal manera que se puedan determinar el mnimo valor total al que estaran
dispuestos arrendar o vender los recursos, como algo pertinente.
Entonces se dir que el modelo primal es un problema de maximizacin, mientras que el modelo dual
es un problema de minimizacin. Las restricciones en el modelo primal son de la forma menos o igual
( < ) mientras que las restricciones en el modelo dual son de la forma mayor o igual que
( ).
78

Excelencia Acadmica

Ejemplo:
Dado el siguiente modelo primal de maximizacin:
PRIMAL

su dual ser:

DUAL

(MAX) R = 30X1 + 10X2

(MIN) K = 400y1 + 500y2

s.a

s.a

6X1 + 3X2 < 400

6y1 + 7y2 > 30

7X1 + 4X2 < 500

3y1 + 4y2 > 10

Existe un relacin entre los coeficientes y las constantes del lado derecho de los modelos.
Estas relaciones son tres:
RELACIN 1.- Las constantes del lado derecho (bi) del modelo primal son los coeficientes
de la funcin objetivo en el modelo dual:
MODELO PRIMAL
< 400

MODELO DUAL
K = 400 y1 + 500y2

< 500
RELACIN 2.- las constantes del lado derecho en el modelo dual son los coeficientes de las
variables de la funcin objetivo del modelo primal:

(MAX) R =

30X1 + 10X2

> 30
> 10

RELACIN 3.- Cada columna de los coeficientes de las restricciones en el modelo primal se
convierten en los coeficientes de la fila del modelo dual.

6X1
7X1

+
+

3X2
4X2

6y1 + 7y2 > 30

< 400
< 500

3y1 + 4y2 > 10

Es decir, los coeficientes de la columna 1 del modelo primal pasan a ser los coeficientes de
la fila 1 del modelo dual, y los coeficientes de la columna 2 del modelo primal pasan a ser
los coeficientes de la fila 2 de lo modelo dual.
Resumiendo se tiene:

MODELO PRIMAL
(MAX) R = 30X1 + 10X2

MODELO DUAL
(MIN) K = 400y1 + 500y2
79

Excelencia Acadmica

s.a
6X1 + 3X2 < 400
7X1 + 4X2 < 500
Siempre que X1 > 0 , X2 > 0

s.a
6y1 + 7y2 > 300
3Y1 + 4Y2 > 30
y1 > 0 , y2 > 0

Ejemplo # 1 .- La empresa IBM produce y vende dos tipos de computadoras A y B. cada

computadora del tipo A es vendida con un ingreso de $ 40 = y el de tipo B produce un
ingreso de $ 60 = . ambas computadoras tienen que ser procesadas, (ensambladas y
empacadas) a travs de dos operaciones diferentes R1 y R2
La Cia. Tiene las siguientes capacidades mensuales: 2000 horas de R1 y 1000 horas de R2.
Para producir una computadora del tipo A se requiere 3 horas de R1 y una hora de R2. para
producir la computadora del tipo B se requiere 2 horas de R1 y 2 horas de R2. Determinar la
mxima produccin con la finalidad de obtener la mayor ganancia posible.
Planteando el problema primal se tiene :
1 Identificacin de las variables de decisin:
X1 = # de computadoras del tipo A a producir
X2 = # de computadoras del tipo B a producir
2 Determinacin de los requerimientos y disponibilidades
Req.
R1
R2

X1
3
1

X2
2
2

Dispo.
2000
1000

3 Determinacin de los ingresos

$ 400 =

$ 60 = respectivamente

Planteando el problema se tiene:

(MAX) R = 40X1 + 60X2
s.a
3X1 + 2X2 < 2000
X1 + 2X2 < 1000
La compaa est dispuesta en arrendar las horas de capacidad de su lnea de ensamble
para las operaciones R1 y R2 respectivamente. Por la que la empresa, dada la
disponibilidad de los recursos (Capacidades mensuales para R1 y R2), desea determinar la
renta total por mes, como producto de alquiler de sus recursos indicados.
80

Excelencia Acadmica

Planteamiento del Dual:

Utilizando y1 y y2 como variable de decisin en este caso, los mismos que son:
y1 = Renta percibida por horas para la operacin R1
y2 = Renta percibida por horas para la operacin R2
luego la renta total por me es:
K = 2000y1 + 1000y2

donde y1 > y2 > 0

As como 3 horas de R1, ms 1 hora de R2 son necesarias para producir una computadora
del tipo A, el valor en termino de precio por recurso para dicha computadora es 3Y1 + Y2,
este precio debe ser al menos tan grande como la contribucin obtenida cuando una
mquina del tipo A es producida cuya utilidad es $ 400 = . Esto es: 3y1 + y1 > 40
Simultneamente: 2 horas de R1 y 2 horas de R2 son necesarias para producir una
computadora del tipo B, contribuyendo con este a los ingresos con $ 60=
Luego: 2y1 + 2y2 > 60
En resumen se tiene : siendo los precios y1 y y2
(MIN) K = 2000y1 + 1000y2
s.a
3y1 + y2 > 40 con y1 = y2 > 0
2y1 + 2y2 > 60
Comparando el modelo Primal con el Dual se tiene:
MODELO PRIMAL
(MAX) R = 40X1 + 60X2
s.a
3X1 + 2X2 < 2000
X1 + 2X2 < 1000

MODELO DUAL
(MIN) K = 2000y1 + 1000y2
s.a
2y1 + y2 > 40
2y1 + 2y2 > 60

Con X1 = X2 > 0

con y1 = y2 > 0

Resolviendo ambos modelos se tiene:

MODELO PRIMAL
(MAX) R = 40X1 + 60X2
s.a
3X1 + 2X2 < 2000
X1 + 2X2 < 1000

igualando e incrementando
las variables de HOLGURA
81

Excelencia Acadmica

Se tiene:
2000 = X3 + 3X1 + 2X2
1000 = X4 + X1 + 2X2
Resolviendo se tiene:
Cj
0
0

X3
X4

0
X3
1
0
0
0
1
0
0
0

-
5
5

B
2000
1000
0

Zj
Zj - Cj
0 X3 1000
60 X2
500
Zj
30.000
Zj - Cj
40 X1
500
60 X2
250
Zj
35.000
Zj - Cj

II
I
II

0
X4
0
1
0
0
-1

30
30
-

25
25

40
X1
3
1
0
-40
2

30
-10
1
0
40
0

60
X2
2
2
0
-60
0
1
60
0
0
1
60
0

Reemplazando en el problema se tiene:

2000/2 = 1000
1000/2 = 600
100/2 = 5000
50 = 1000
1
2
200-(2*500 = 1000
1-(2*0) 01
0-(2*) = -1
3-(2*) = 3-1= 2
2-(2*1) = 0
500-(*500) = 5000-500 = 250
2
0-(*) = -
- (*-) = + =
- ( *1) = 0
1 - ( *0) = 1

Siendo X1 = 500, X2 = 250, X3 = 0 y X4 = 0

(MAX) R = 40x1 + 60X2
s.a
3(500) + 2(250) = 2000
500 + 2 8250) = 1000
Resolviendo el modelo dual se tiene
MODELO DUAL
(MIN) K = 2000y1 + 100y2
3y1 + y2 > 40
2y1 + 2y2 > 60
+ 3y1 + y2
-y4 + 2y1 + 2y2

40 = - y3
60 =
0
0
y3
y4

B
40
60

-1
0
0

2000

1000

Y1

y2

3
2

1
2

1 Cuadro Simplex

No cumple! Con modelo P.L.

Entonces se acude al artificio ya conocido, eligiendo la restriccin de mayor valor bi

60 =
82

-y4 + 2y1 + 2y2

Excelencia Acadmica

-(40) = -y3
+ 3y1 + y2)
20 = y3 - y4 - y1 + y2
Entonces las nuevas restricciones son:
20 = y3 - y4 - y1 + y2
60 0
- y4 +2y1 + 2y2
Aumentando una variable artificial al de mayor valor bi se tiene:
-y4 - y1 + y2
20 = y3
60 = y5 - y4 + 2y1 + 2y2
Resolviendo se tiene :
Cj
I
0
M

y3
y5

Zj
Zj - Cj
1000
M

II

0
y3
1
0
0
0

20
20

1
-2

y2
y5

Zj
Zj - Cj

II

B
20
60
60M

1000 y2
2000 y1
Zj
Zj - Cj

20000 1000
+20M -2M
1000
-2M
25

-
5
35.000 -500
-500

y1 = 5 ;

M
y5
0
1
M
0

2000
y1
-1
2
2M
2M200
0
-1
-1
1
4
-1000 -1000
M
+M +4m
-1000 -1000+4M0
2000
+M
-3/
0

750
-250 2000
750-M -250
0

y2 = 25

0
y4
-1
-1
-M
-M

1000
y2
1
2
2M
2M100
1
0
1000
0

20/
1
60/
2

= 20
=3

60-(2.20) = 60-40 = 20
0-(2.1) = -2
1-(2.0) = 1
-1-(2.-1) = -1+2 = 1
2-(2.-41) = 2+2 = 4
2-(2.1) = 0
20-(-1.5) = 20+5 = 25
1-(-1*- = 2-1 =
2
0-(-1*) =
-1-(-1*) = -1+ = -4+1 = -3/4
4
-1-(-1*1) = -1+1 = 0
1-(-1*0) = 1

1
0
1000
0

y3 = 0 y4 = 0 y5 = 0

Reemplazando en el problema dual

(MIN) K = 2000 (S) + 1000 (5)
s.a
3(5) + 25 = 40
2(5) + 2 (25) = 60
Comparando las soluciones ptimas se tiene:
MODELO PRIMAL
(MAX) R = $ 35.000
X1 = 500
X2 = 250
X3 = 0
X4 = 0

MODELO DUAL
(MIN) K = $ 35.000
y1 = 5
y2 = 25
y3 = 0 y4 = 0
y5 = 0
M=0

Entonces resumiendo:

83

Excelencia Acadmica

El modelo primal es un problema de maximizacin mientras que el modelo dual es un

problema de minimizacin. Y las restricciones en el modelo primal son de forma menor o
igual que ( ), mientras que las restricciones en el modelo dual son de la forma mayor o
igual que ( )
5.1

CONSTRUCCIN DE LOS MODELOS DUAL( casos )

Es necesario conocer como se deben construir los modelos dual a partir de los modelos
primal.
CASO I.Ejemplo # 1
MODELO PRIMAL
(MAX) R = 2X1 + 3X2 + 2X3
s.a
X1 + 2X2 + 3X3 < 4
2X1 + X2 + X3 < 6
donde : X1 > 0 ; X2 > 0 ; X3 > 0
Tambin se observa que el modelo primal tiene 3 variables de decisin y 2 restricciones.
MODELO DUAL
(MIN) K = 4y1 + 6y2
s.a
y1 + 2y2 > 2
2y1 + y2 > 3
donde y1 > 0 ; y2 > 0
3y1 + y2 > 2
Haciendo una comparacin de ambos modelos:
COEFICIENTES DE
LAS VARIABLES DEL
PRIMAL
(EN LAS
RESTRICCIONES)
X1
X2
X3
1
2
3
2
1
1

COEFICIENTES DE
LAS VARIABLES DEL
DUAL
(EN LAS
RESTRICCIONES)
y1
y2
1
2
2
1
3
1

CASO 2.Ejemplo # 2

MODELO PRIMAL
(MAX) R = - 10X1 + 20X2
s.a
84

Excelencia Acadmica

X1 + 2X2 < 4
2X1 3X2 > 6
Donde la segunda desigualdad es de la forma mayor o igual que, para hallar su dual primero
esta restriccin en la forma menor igual que, multiplicando por 1 ambos lados.
(-1) (2X1) 3X2) < (-1) (6)
-2X1 + 3X2 < -6

luego el modelo primal ser:

(MAX) R = -10X1 + 20X2

s.a
X1 + 2X2 < 4
-2X1 + 3X2 < -6

donde X1 = X2 > 0

Luego su dual ser:

( MIN ) K = 4Y1 6Y2
s. a.
Y1 2Y2 - 10
2Y1 + 3Y2 20 donde Y1 = Y2 0
CASO 3.Ejemplo # 3 Dado el modelo primal siguiente:
MODELO PRIMAL
(MAX) R = 10X1 + 20X2
s.a
X1 + 2X2 = 4
2X1 3X2 < 7
Donde la primera restriccin es una ecuacin, entonces se reemplaza esta por dos desigualdades
para poder hallar su dual, como sigue:

X1 + 2X2 < 4
X1 + 2X2 > 4 X1 2X2 < -4
Luego el modelo primal nuevo ser:
(MAX) R = 10X1 + 20X2
s.a
X1 + 2x2 < 4
-X1 2X2 < -4
2x1 3X2 < 7 y su dual es:
(MIN) K = 4y1 4y2 + 7y3
s.a
y1 y2 + 2y3 > 10

donde y1 = y2 = y3 > 0
85

Excelencia Acadmica

2y1 2y2 3y3 > 20

86

Excelencia Acadmica

5.2

DETERMINACIN DEL MODELO DUAL CUANDO EL MODELO PRIMAL ES DE

MINIMIZACIN

Ejemplo # 1

Dado el siguiente problema de minimizacin, como modelo primal, determinar su dual

(MIN) K = 10X1 20X2 + 10X3
s.a
X1 + X2 4X3 < 11
2X1 + 6X2 + 10x3 < 20
donde X1 = X2 = X3 > 0

Modelo
Primal

Para determinar el modelo dual del modelo primal 1, se necesita cambiar a la forma
equivalente del problema de maximizacin de utilidades. Esto se logra reemplazarlo el costo
K = 10X1 20X2 + 10X3 por utilidad R = -10X1 + 20X2 10X3, obtenindose el siguiente
problema de P.L.
(MAX) R = -10X1 + 20X2 10X3
s.a

Modelo
Primal

X1 + X2 4X3 < 11
2X1 + 6X2 + 10X3 < 20

Donde mximo R = mnimo K en el modelo primal 1.

De aqu se deriva el siguiente problema de programacin dual:
(MIN) K= 11y1 + 20y2
s.a

Modelo

y1 + 2y2 > -10

y1 + 6y2 > 20
-4y1 + 10y2 > -10

Dual

donde y1 = y2 > 0
Ejemplo # 2
Determinar el modelo dual a partir del modelo primal siguiente:
(MIN) K = 10X1 20X2 + 10X3
s.a

Modelo
Primal (a)

X1 + 2X2 3X3 = 6
4X1 + 11x2 + 10X3 > 17
2X1 + 5X2 + 7X3 < 9

87

Excelencia Acadmica

Para determinar el modelo dual correcto, primero se pone el modelo primal (a) en forma
estndar y eso se logra de la manera siguiente:
1. Se multiplica los coeficientes de la funcin objetivo por (-1) para convertir la
minimizacin en maximizacin.
2. Reemplazar la primera restriccin por las siguientes restricciones equivalentes:
X1 + 2X2 3X3 < 6
-X1 2X2 + 3X3 < -6
3. Multiplicar la segunda desigualdad del modelo primal (a) por (-1) en ambos lados, de
tal manera que quede en forma menor o igual que:
- 4X1 1X2 10X3 < - 17

el nuevo modelo primal ser:

(MAX) R = - 10X1 + 20X2 10X3

s.a
Modelo
Primal
(b)
X1 + 2X2 3X3 < 6
-X1 2X2 + 3X3 < -6
donde
-4X1 + 11X2 10X3 < -17
X 1 = X2 = X 3 > 0
2X1 + 5X2 + 17X3 < 9
Luego obtenindose el modelo de programacin dual se tiene:
(MIN) K = 6y1 6y2 17y3 + 9y4
Modelo
s.a
Dual
donde
y1 = y2 = y3 = y4 > 0
y1 y2 4y3 + 2y4 > - 10
2y1 2y2 + 11y3 + 5y4 > 20
-3y1 + 3y2 10y3 + 17y4 > -10

PROBLEMA.- Una empresa metal mecnica produce tres modelos de herramientas P, Q y

R. El prximo ao, basados sobre su plan anual, planean vender al menos 5000
herramientas P, 300 de Q y 240 de R. La empresa tiene dos plantas, en Huancayo y en
Jauja. La administracin desea conocer la produccin diaria que debe asignarse a cada
planta para la produccin de herramientas. La contabilidad de costos estima que los costos
de produccin diarias podran ser de $ 5000 para la planta en Huancayo y $7000 para la
88

Excelencia Acadmica

planta en Jauja. El mximo nmero de herramientas de cada tipo que puedan producir, en
cada planta por da es: En Huancayo 100 de P, 10 de Q y de R cuatro. En Jauja pueden
producir 140 de P, de Q 6 y 8 de R.
Disponiendo de estos datos determinar los precios de alquiler de los recursos de la
empresa:
Planteando el problema se tiene:
X1 = # de herramientas producidas en Huancayo
X2 = # de herramientas producidas en Jauja.

REQUERIMIENTOS
(TIPOS DE
HERRAMIENTAS)
P
Q
R
Costos

X1

X2

100
10
4
5000

140
6
8
7000

DISPONIBILIDAD
5000
300
240

Luego el problema queda planteado as:

(MIN) K = 5000X1 + 7000X2
s.a
100X1 +140X2 > 5000
10X1 -

6X2 > 300

4X1 -

8X2 > -240

Para determinar el precio de los recursos, se convierte el primer problema en maximizacin

de utilidades
(MAX) R = - 5000X1 - 7000X2
s.a
-100X1 140X2 - 5000
-10X1

6X2 -300

-4X1

8X2 -240

donde K = -K

Entonces el dual ser:

89

Excelencia Acadmica

(MIN) K = -5000y1 300y2 240y3

s.a
-100y1 10y2 - 4y3 -5000
-140y1 6y2 8y3 -7000
Luego convertir en su equivalente; para ello se multiplica tanto la funcin objetivo como a las
restricciones por (-1), entonces se tiene:
(MAX) R = 5000y1 + 300y2 + 240y3
s.a
100y1 + 10y2 + 4y3 < 5000
140y1 + 6y2 + 8y3 < 7000
donde K = -R
Resumiendo se tiene:
(MIN) K = 5000X1 + 7000X2
s.a
100X1 + 140X2 > 5000
10X1 + 6X2 >300
4X1 + 8X2 > 240

PRIMAL

Entonces el dual es:

(MAX) R = 5000y1 + 300y2 + 240y3
s.a
100y1 + 10y2 + 4y3 < 5000
140y1 + 6y2 + 8y3 < 7000
y1 = y2 = y3 > 0

Resolviendo ambos modelos analticamente y con la computadora se obtiene el siguiente

resultado:
En el modelo primal:
X1 = 15 ; X2 = 25 donde X5 = 20 que viene a ser la variable de holgura
90

Excelencia Acadmica

En el dual:

Y1 = 50 ; Y5 = 0; Y2 = Y3 = Y4 = 0 quiere decir que solo el recurso Y1 se puede

arrendar o vender para obtener los costos o las utilidades = 250000.
5.3

SOLUCIONES PTIMAS PARA LOS MODELOS PRIMAL Y DUAL

Dado el siguiente problema de maximizacin de utilidades:
(MAX) R = 5X1 + 70X2
s.a
3X1 + 2X2 < 2000
X1 + 2X2 < 1000
a) Determinar el dual del modelo primal.
b) Usando el tablero Simplex del modelo primal determinar la solucin ptima del
modelo dual.

Solucin:
PRIMAL
a) (MAX) R = 5X1 + 70X2

DUAL
(MIN) R = 2000y1 + 1000y2

s.a

s.a

3X1 + 2X2 < 2000

X1 + 2X2 <1000

3y1 + y2 > 5
2y1 + 2y2 > 70

b) La solucin ptima del modelo primal es:

+ 3X1 + 2X2
2000 = X3
1000 =
X4 + X1 + 2X2
Cj
I

0
0

y3
y4

B
2000
1000

Zj
0
Zj - Cj
0
X3 1000
70 X2
500
Zj
35.000
Zj - Cj

0
X3
1
0

0
X4
0
1

5
X1
3
1

70
X2
2
2

0
0
1
0
0
0

1
0
-1

35
35

0
-5
2

35
30

0
-70
0
1
70
0

luego :

2000 /2 = 1000
1000/2 = 500

2000-(2.500) = 2000-1000=1000
1 (2.0) = 1
0-(2.) = -1
3-(2.) = 3-1=2
2-(2.1) = 0
K = 35.000
X2 = 500
X1 = 0= X3 = X4 = 0

91

Excelencia Acadmica

MODELO DUAL
(MIN) R = 2000y1 + 1000y2
s.a
3y1 + y2 > 5
2y1 + 2y2 > 70
Ordenando y restando las variables de HOLGURA se tiene:

5 = -y3
+ 3y1 + y2
70 =
-y4 + 2y1 + 2y2
luego el tablero primal es:

B
5
70

y3
-1
0

y1
-1
2

y2
1
2

y4
0
-1

y1
3
2

y2
1
2

Entonces se procede de la siguiente manera:

70 =
(-5 = -y3
65 = y3

-y4 + 2y1 + 2y2

+ 3y1+ y2)
-y4 - y1 + y2

obtenindose el nuevo planteamiento

65 = y3
- y4 y1 + y2
70 = + y5 - y4 + 2y1 + 2y2
B
65
70
Resolviendo se tiene :
Cj
B
0
y3
65
I
M
y5
70

Zj
Zj - Cj

70M

0
y3
1000 y2
Zj
Zj - Cj

30
35
35.000

0
y3
1
0
0
0
1
0
0
0

y3
1
0

y4
0
1

y4
-1
-1

M
Y5
0
1
M

0 2000 1000
y4
y1
y2
-1
-1
1
-1
2
2
-M 2M 2M
2M- 2M0
-M
2000 1000
-
-
-2
0
-

1
1
500 -500 1000 1000
500-M -500 -1000 0

Ejemplo 02.- Una fbrica de artculos para el hogar produce dos artefactos: A y B . Ambos
pasan por tres procesos en el orden que a continuacin se indica: maquinado, armado y
montaje.
La disponibilidad de minutos diarios de cada proceso son: 450, 600 y 540 respectivamente.
El artefacto A deja un beneficio de $ 100/ unidad en tanto que el B proporciona $ 120/
unidad.
El cuadro de coeficientes de transformacin se indican a continuacin:

92

Excelencia Acadmica

REQUERIMIENTO

B:

MAQUINADO
ARMADO
MONTAJE

4
5
12

BENEFICIO

100 120

DISPONIBILIDAD

8
6
8

480
600
540

a)

Cuntos artefactos de A y de B se deben producir para obtenerle mximo de beneficio?

b)

Si la empresa desea alquilar o vender sus recursos, a que precio lo hara esto?

Entonces el problema planteado es:

(MAX) R = 100X1 + 120X2
s. a.
4X1 + 8X2 480
5X1 + 6X2 600
12X1 + 8X2 540
SOLUCION DEL PRIMAL ES:
0
0
Cj
B
X3
X4
I
0
X3
480
1
0
0
X4
600
0
1
0
X5
540
0
0
Zj
0
0
0
I
Zj - Cj
0
0
1/
120 X2
0
60
8
-3/
0
X4
1
240
4
0
X5
60
-1
0
II
Zj
7200
15
0
Zj - Cj
15
0
225/
1/
120 X2
0
4
16
0
225
1
1
X4
II
15/
100 X1
-1/8
0
2
Zj
7,500
-5
0
Zj - Cj
-5
0

0
X5
0
0
1
0
0
0
0
1

100
X1
4
5
12
0
-100

2
8

120
X2
8
6
8
0
-120
1
0
0

0
0
-1/16
-1/
4
1/
8
5
5

60
-40
0
0
1
100
0

120
0
1
0
0
120
0

480/8 = 60
600/6 = 100
540/8 = 67.5
600-(6.60) = 600-360 =240
0-(6.1/8) = -3/4
1-(6.0) = 1
0-(6.0) = 0
5-6.) = 5-3=2
6-(6.1) = 0
540 (8.60) = 540 480 = 60
0-(8.1/8) = -1
0-(8.0) = 0
1-(8.0) = 1
12-(8.) = 12-4 0 8
8-(8.1) = 0

EL DUAL SERA:
(MIN) R = 480y1 + 600y2 + 540y3
s.a
4y1 + 5y2 + 12y3 > 100
8y1 + 6y2 + 8y3 > 120
Eligiendo el mayor valor Bi:
100 = - y4
120 =
120 =
-(100 =

+ 4y1 + 5y2 + 12y3

-y5

+ 8y1 + 6y2 + 8y3

-y5 + 8y1 + 6y2 + 8y3

-y4

+ 4y1 + 5y2 + 12y3)

93

Excelencia Acadmica

20 = y4 y5
120 =
Cj
B

I
y4
y6

0
M

Zj
Zj - Cj

20
120
120M

I
480
M

y1
y6

II
Zj

480 y1
540 y3
Zj
Zj - Cj
y1 = 10
y3 = 5

94

0
y4
1
0
0

M
y6
0
1
M

80
2250
+80M

-2
120
-2M
120
-2M
1/
8
-1/8

Zj - Cj
II

+ 4y1 + y2 4y3

+y6 - y5 + 8y1 + 6y2 + 8y3

10
5
7,500

0
y5
-1
-1
-M

480 600 540

y1
y2
y3
4
1
-4
8
6
8
8M 6M
8M
8M 6M
8M
-M
-480 -600 -540
-
1

-1

1
0
4
16
-120
120 -480
M
480
+M
+4M +16M
-120
4M 16M
O
0
+M
-480 -1060
1/
-3/
1

0
16
16
1/
1/
0

1
16
16
-7,5 63,75 -56.25 480 255 540
-7,5

63,75
-26.25
-M

y4 = 0
y6 = 0

-35

y2 = 0
y5 = 0

20/4 = 5
120/8 0 15
120-(8.5) = 120=40=80
0-(8.1/4) = -2
1-(8.0) = 1
-1-(8.-1/4)=-1+2=1
8-(8.1)=0
6-(8.1/4)=6-2=4
8-88.1)=8+8=16
5-(-1.5)=5+5=10
-(1.-1/8) = 1 - 1 = 2-1 = 1
4 8
8 8
0-(-1.1/16)=-(-116)=1/16
-1/4-(1.1/16)=-1/4+1/16=-4+1
16
-/316
-1-(-1.0) =1
-(-1.1/4)= +1/4 =1/4
-1-(-1.1)=-1+1=0

Excelencia Acadmica

ANLISIS DE SENSIBILIDAD
En la prctica no solo interesa la solucin del problema propuesto, es necesario conocer
como cambia esta solucin si las condiciones iniciales del problema se modifican.
Ejemplo, si se cambian los coeficientes o tambin conocido como parmetros de la funcin
objetivo (Cj), los recursos disponibles (bi) y la cantidad de recursos (aij) las mismas que se
utilizan para producir una unidad de un producto. Estos cambios ejecutados en los
coeficientes indicados en la solucin ptima del problema son llamados ANLISIS DE
SENSIBILIDAD.
El Anlisis de Sensibilidad convierte la solucin esttica de Programacin Lineal en un
instrumento dinmico que evala las condiciones cambiantes. Es un instrumento de suma
utilidad para los negocios y la industria ya que estos estn sometidos a cambios continuos y
a una subsiguiente evaluacin.
En conclusin el anlisis de sensibilidad determina los rangos de variacin de los
coeficientes ci , bj y aij , para el que, la solucin como enunci originalmente, permanece
ptima. Se sabe que la solucin ptima para un modelo de P. L. Tiene dos partes:
a) Los valores ptimos de la variables de decisin
b) El valor ptimo de la funcin objetivo(mxima utilidad o mnimo costo).
Luego en resumen el anlisis de sensibilidad se refiere a la determinacin de los efectos
causados sobre la solucin ptima, por las variaciones en los parmetros.
Los parmetros en un modelo de P. L. Pueden ser ligera o incluso sumamente errneos,
debido a que muchas veces se basan sobre estimaciones que provienen de datos quizs no
muy confiables, o sobre buenas suposiciones.
Los parmetros que son estimados ms a menudo son:
1.- Los coeficientes (utilidad unitaria costo unitario) de las variables de la funcin objetivo.
2.- Los nmeros del lado derecho de las restricciones
3.- Los coeficientes de las variables de las restricciones
6.1 SENSIBILIDAD DE LOS COEFICIENTES DE LA FUNCIN
Los efectos de cambiar los coeficientes de la funcin objetivo se muestra en el siguiente
ejemplo:

95

Excelencia Acadmica

Una fabrica e artculos para el hogar manufacturero dos artefactos P y Q. Ambos pasa por 3
procesos en el orden que a continuacin se indica:
-

Maquinado

Armado

Montaje.

La disponibilidad de minutos diarios de cada proceso son: 480,600 y 540 respectivamente.

El artefacto A deja un beneficio de $ 100/unidad en tanto que el B proporciona $ 120/und.
El cuadro de coeficientes de transformacin se indica a continuacin:
REQ.
MAQUINADO
ARMADO
MONTAJE
BENEFICIO

Cj
I
0
0
0
I

II

II

X3
X4
X5

Zj
Zj - Cj
120 X2
0
X4
X5
0
Zj
Zj - Cj
120 X2
0
X4
100 X1
Zj
Zj - Cj

B
480
600
540
0
60
240
60
7200
225/
4

225
15/
2
7,500

0
X3
1
0
0
0
0
1/
8
-3/
4
-1

0
X4
0
1
0
0
0
0
1
0

0
X5
0
0
1
0
0
0
0
1

100
X1
4
5
12
0
-100

2
8

Cuntos artefactos de A
y B deben producir para
obtener el mximo de
beneficios?
(MAX) K = 100X1 + 120X2
s.a
4X1 + 8X2 < 480
5X1 + 6X2 < 600
12 X1480/
+ 8X
2 < 540
8 = 60
120
600/6 = 100
X2
540/8 = 67.5
8
600-(6.60) = 600-360 =240
0-(6.1/8) = -3/4
6
1-(6.0) = 1
8
0-(6.0) = 0
5-6.) = 5-3=2
0
6-(6.1) = 0
-120
540 (8.60) = 540 480 = 60
1
0-(8.1/8) = -1
0-(8.0) = 0
0
1-(8.0) = 1
0
12-(8.) = 12-4 0 8

15
15
1/
16
1
-1/8
-5
-5

0
0
0
1
0
0
0

0
0
-1/16
-1/
4
1/
8
5
5

60
-40
0
0
1
100
0

120
0
1
0
0
120
0

A
B
4
8
5
6
12
8
100 120

DISPONIBILIDAD
480
600
540

EL DUAL SERA:
+ 4y1 + 5y2 + 12y3
100 = - y4
120 =
-y5 + 8y1 + 6y2 + 8y3
120 =
-y5 + 8y1 + 6y2 + 8y3
-(100 = -y4 + 4y1 + 5y2 + 12y3)
20 = y4 y5 + 4y1 + y2 4y3
+ 8y1 + 6y2 + 8y3
120 = +y6 - y5

96

8-(8.1) = 0

Excelencia Acadmica

Cj

0
y4
1
0
0

M
y6
0
1
M

80
2250
+80M

-2
120
-2M
120
-2M
1/
8
-1/8

I
y4
y6

0
M

Zj
Zj - Cj

20
120
120M

I
480
M

y1
y6

II
Zj
Zj - Cj
II

480 y1
540 y3
Zj

10
5
7,500

Zj - Cj

480 600 540

y1
y2
y3
4
1
-4
8
6
8
8M 6M
8M
8M 6M
8M
-M
-480 -600 -540
-
1

-1

1
0
4
16
-120
120 -480
M
480
+M
+4M +16M
-120
4M 16M
O
0
+M
-480 -1060
1/
-3/
1

0
16
16
1/
1/
0

1
16
16
-7,5 63,75 -56.25 480 255 540
-7,5

y1 = 10
y3 = 5

0
y5
-1
-1
-M

63,75
-26.25
-M

y4 = 0
y6 = 0

-35

20/4 = 5
120/8 0 15
120-(8.5) = 120=40=80
0-(8.1/4) = -2
1-(8.0) = 1
-1-(8.-1/4)=-1+2=1
8-(8.1)=0
6-(8.1/4)=6-2=4
8-88.1)=8+8=16
5-(-1.5)=5+5=10
-(1.-1/8) = 1 - 1 = 2-1 = 1
4 8
8 8
0-(-1.1/16)=-(-116)=1/16
-1/4-(1.1/16)=-1/4+1/16=-4+1
16
-/316
-1-(-1.0) =1
-(-1.1/4)= +1/4 =1/4
-1-(-1.1)=-1+1=0

y2 = 0
y5 = 0

Si al valor del artefacto A se restara una cantidad R y entonces el problema se transforma en:
(MAX) K = (100-R) X1 + 120X2
s.a
4X1 + 8X2 < 480
5X1 + 6X2 < 600
12X1 + 8X2 < 540

Cj
I
0
0
0
I

X3
X4
X5

Zj
Zj - Cj
120 X2
0
X4
0
X5
Zj
Zj - Cj

B
480
600
540
0
60
240
60
7200

480 = X3
+ 4X1 + 8X1
600 = X4
+ 5X1 + 6X2
540 =
X5 + 12X1 + 8X2

0
X3
1
0
0
0
0
1/8
-
-1
15

0
X4
0
1
0
0
0
0
1
0
0

0
X5
0
0
1
0
0
0
0
1
0

15

(100-R)
X1
4
5
12
0
-100+R

2
8
60
60(100-R)

120
X2
8
6
8
0
-120
1
0
0
120

480/8 = 60
600/6 = 100
540/8 = 67.5
600-(6.60) = 600-360 = 24
0-(6.1/8) = -3/4
1-(6.0) = 0
5-(6.) = 5-3=2
6-(6.1) = 0
540-(8.6) = 540-480 =60
0-(8.1/8) = -1
0-(8.0) = 0
1-(8.0) = 1
12-(8.) = 12-4 = 8
8-(8.1) = 0

Si 60 100 + R = -100 + R > 0

X2 = 60
X4 = 240

X3 = 0

X5 = 60

97

Excelencia Acadmica

(Max) R = 500X1 + 120X2

s.a
480 + Q1 = X3

+ 4X1 + 8X2

600 =

X4

540 =

+ 5X1 + 6X2
X5 + 12X1 + 8X2

Cj
0
0
0

X3
X4
X5

Zj
Zj - Cj
X2
120 X4
0
X5
0

B
480Q1
600
540
0
480+Q1
8
19.20+6Q
8
480+8Q
8

0
X3

0
X4

0
X5

(100-R)
X1

120
X2

1
0
0

0
1
0

0
0
1

4
5
12

8
6
8

0
0

0
0

0
0

0
-100

0
-120

1/8
-3/2
-1

0
1
0

0
0
1

2
8

1
0
0

Zj
Zj - Cj

480 + Q/8
600-(6.480+Q) = 600-2880+6Q
8
8
=
4800-2880+6Q
8
0-(6.1/8)=-3/2
1-(6.0) = 1
0-(6.0) =0
5-(6.) =5-3=2
6-(6.1) = 0
540-(8.480+Q) =540-3840+8Q
8
8
= 4320-3840+8Q
8
0-(8.1/8)
= 480+8Q
8
=-1
0-(8.0) =0
1-(8.0) =1
12-(8 )= 12-4 = 8

Ejemplo 02.- Considerando el siguiente problema de P. L

( (MAX) R = 40X1 + 60X2
s.a
3X1 + 2X2 < 2000

2000 = X3

X1 + 2X2 < 1000

1000 =

Cj
I

II

I
III

98

0
0

X3
X4

Zj
Zj - Cj
0
X3
60 X2

+ 3X1 + 2X2
X4

+ X1 + 2X2

0
X3
1
0

0
X4
0
1

40
X1
3
1

60
X2
2
2

0
0

0
0

0
-40

0
-60

1000
500

-1

B
2000
1000

Zj
Zj - Cj
40 X1
60 X2

30000

0
0
0

30
0

30
-10

1
60
0

500
250

1
0

0
1

Zj
Zj - Cj

35000

5
5

25
25

40
0

60
0

2000/2 = 1000
1000/2 = 500
2000-(2.500) = 1000
1-(2.0) = 1
0-(2.) = -1
3-(2.) = 3-1 = 2
1000/2 = 500
500
1
= 1000
2
500-( .500) = 500-250=250
0-( .) = 1 + = 2+1 =
2
4
1 - ( .1) = 1 - = 0
2
1- (.0) = 1

Excelencia Acadmica

Cunto tiene que decrecer los precios de venta del producto X1 con el fin de que se produzca solamente X2?.

Actualmente el ingreso de X1, es de $40. Tomando a D como el decrecimiento en el precio

unitario de X1. Entonces cual es el valor o valores de D que causa el cambio de X1 = 500 a
X1 = 0, entonces se dir que:
(MAX) R = (40-D) X1 + 60X2 + X3 + 0X4
s.a
3X1 + 2X2 + X3 = 2000
X1 + 2X2 + X4 = 1000

Cj
I

0
0

X3
X4

0 0
B
X3 X 4
2000 1 0
1000 0 1

Zj
0
Zj - Cj
X3 1000
0

40-D 60
X1
X2
3
2
1
2

0
0
1

0
0
-1

0
-40
2

0
-60
0

500

Zj
3000
Zj - Cj

0
0

30 30 60
30 -10-D 0

60

X2

Si 40 + D 0 entonces D 40; Si D = 40 luego -40 +40 =0 Si D = 45 luego 40 + 45 = 5

Si 10 + D > 0 D > $10, entonces si D = 10, No entra en la siguiente solucin; si D = 15
No entra tampoco en la solucin. Hasta aqu las variables bsicas son: X3 = 1000 y X2 = 500;
las variables X4 y X1 son igual a cero. Entonces esta solucin es ptima por las razones
expuestas. Pero si el decrecimiento del precio es menor que $10, o sea D $10 entonces
10 + D 0 y el ptimo ser cuando X1 entre a la nueva iteracin con un valor positivo.
Ejemplo:
-

Si D = $8 -10+8 = -2 y

X1 entra en la nueva iteracin

Si D = $12 -10+12 = 2 y

X1 = 0

6.2

ANLISIS DE SENSIBILIDAD EN EL LADO DERECHO (bi)

Tomando como ejemplo el problema anterior, se demuestra este caso:
(MAX) R = 40X1 + 60X2
s.a
2X1 + 2X2 + X3 = 2000 + R1
X1 + 2X2 + X4 = 1000
Cj
I

II

X3
X4

0
0

B
2000+R
1000

0 0
X3 X4
1 0
0 1

40 60
X1 X2
3
2
1
2

Zj
Zj - Cj
0 X3
60 X2

0
0

0
0
0
0 -40 -60

1000R1
500

-1

Zj

30000

0
0

1
30 30 60

(2000) +R1) (2.500) = 1000+R

1-(2.0) = 1
0-(2.) = -1
3- (2.) = 3-1=2
1000+R1 = 500 + R1
2
500- .(500+ R1 )
= 500 500+ R1 = 1000-500+ R
2
2
=500+

99

Excelencia Acadmica

II

Zj - Cj
40 X1 500+R1
60 X2 250- R1

-
-

Zj
35000+5R1
Zj - Cj

5
5

-10

1
0

0
1

25 40 60
25 0
0

X1 = 500 + R1
X2 = 250 + R1
(MAX) R = 35000 + 5R2
por tanto, X1 permanecer factible ya que R1 es positivo .
sin embargo X2 = 250 R1
permanecer no negativo a condicin de que R1 satisfaga la siguiente restriccin
250 R1 > 0
4 (250) > R1
R1 < 1000 horas
Entonces si R1 es menor que 1000, X2 permanece en la base con un valor positivo.
Ejemplo si R1 = 600 horas
X2 = 250 (600)
= 250 150
= 100 mquinas P.
X1 = 500+ R1

X1 = 500 + (600)
= 800 mquinas Q

Sin embargo, si R1 = 1200 horas (> 1000 hora)

X2 = 500 (1200)
= 250 300
= - 50
Lo que no es factible
Comparando el resultado final de ambas operaciones:
SOLUCION DEL PRIMAL
X1 = 500

X1 = 500 + R1

X2 = 250

X2 = 250 R1

Ingreso = 35000

100

SOLUCION DEL MODIFICADO

= 35000 + 5R1

Excelencia Acadmica

Entonces el nuevo valor de X1 en la solucin modificada ser: X1 = 500 + R1, por tanto
permanecer factible ya que R es positivo.
Para X2 = 250 R1 no sucede lo mismo, ya que igualando 250 R1 0 entonces 4(
250 ) R1 R1 = 1000 horas. Por lo que el incremento de R es menor que 1000 entonces X2
permanecer en la base con un valor positivo.
Ejemplo: si R = 600 entonces X2 = 250 ( 600 )
= 250 150 = 100 mquinas
y X1 = 500 + ( 600 )
= 500 + 300 = 800 ( mquinas manuales )
Pero sin embargo, si R = 1200 horas ( 1000 horas ), entonces

X2 = 250 1/4 ( 1200 ) =

250 300 = -50 lo que no es factible

Luego ser necesario calcular de nuevo como el problema original el problema
modificado?
YA NO Se puede utilizar la solucin del problema original para obtener la solucin del
problema modificado.
Entonces considerando las columnas de las variables de HOLGURA y el valor de ambas
soluciones:
MODELO PRIMAL ( solucin final )
X3
valor
1/2 + 500
-1/4
+ 250
5 35000

MODELO MODIFICADO ( solucin final )

valor
= 500 + 1/2 R1
= 250 1/4 R1
=35000 + 5R1

a) El valor modificado se obtiene al multiplicar la columna correspondiente a la variable de

holgura X3 por R1.
X3
x R1 = R1
- x R1 = - R1
5 x R1 = 5R1
Modelo modificado
Valor del primal
Valor modificado
R1
+ 500
= 500+ R1
- R1
+ 250
= 250 R1
5R1
+
35000
=
3500+ 5R1

Entonces ya no es necesario hacer el calculo correspondiente para el problema modificado,

sino se halla a partir de la solucin del problema primal.
101

Excelencia Acadmica

Ejemplo # 2.
Suponiendo que se incrementa el nmero de horas disponibles de b2 cada mes de 1000 a
1000 + R2.
Determinar el valor mas grande de R2, tal que sea ptimo para X1 y X2.
Para resolver el problema se usar la columna de X4 variable de HOLGURA y el valor final
del primal resuelto. Luego se dir:

X4
- x R2 + 500
= 500 R2
- x R2 + 250
= 250 + R2
25 x R2 + 35000 = 35000+ 25 R2
Segn el modelo
Original (primal resuelto)
Entonces hecho el incremento en b2 de una cantidad igual a R2, luego:
X1 = 500 R2
X2 = 250 + R2
Siendo el ingreso mximo = 3500 + 25 R2, luego comparando se tiene para cada variable:
X1 permanece no negativo si 500 R2 > =0, es decir, si
R2 < = 2(500) = 1000 para ello
X2 siempre es positivo para cualquier incremento positivo R2..
Por :

X2 = 250 + R2 > 0 para R2 > 0

Dando valor entonces a R2 = 500 que es menor a 100, luego los valores ptimos de X1 y X2
son:
X1

= 500 (500) = 250 mquinas manuales

X2

= 250 + (500) = 625 mquinas elctricas.

Ingreso

= 35000 + 25 (R2)

= 35000 + 25 (500)
= $ 47500
resultando un incremento 47500- 35000 = $12500
pero si R2 resultara mayor a 1000 o sea R2 = 1200 entonces
102

Excelencia Acadmica

X1 = 500 R2 = 500 (1200)

X1 = -100

lo que no es factible

No existe una produccin negativa!

Viola la condicin de no negatividad
X1 = X2 > 0
Luego la forma general para dicho anlisis viene a ser el siguiente:
Valor original
Variable de Holgura
a1
+
b1
+
b2
a2
.
.
.
.
.
.
+
bm
am
b
a

Incremento
Rj
Ri
.
.
.
x
Ri
x
Ri
x
x

Valor Modificado
b1+a1 Rj
b2+a2 Ri
.
.
.
=
bm+am Ri
=
b + a Ri
=
=

N 6.1

a) Dado los siguientes problemas planteados, determinar el valor ptimo, del primal y del
dual, en forma analtica y con el uso del computador en el laboratorio, y luego haga un
comentario de los resultados hallados.
b) Haga el anlisis de sensibilidad de dos de los problemas propuestos, cuando exista una
disminucin en uno de los parmetros de la funcin objetivo y otro cuando exista una
disminucin en el lado derecho de las restricciones ( bi )

i) ( MAX ) R = 60X1 + 40X2 + 8X3

s. a.
60X1 + 30X2 + 90X3 9000
6X1 + 6X2 + 12X3 600

ii) ( MIN ) K = 24X1 + 16X2

s. a.
2X1 +2X2 6
3X1 + X2 7
103

Excelencia Acadmica

X1 + 0X2 + 0X3 50

iii)

(MAX ) R = 2X1 4X2 + 5X3 6X4

iv) ( MAX ) R = 4X1 2X2 + 3X3

s. a.

s. a.

X1 + 4X2 2X3 + 8X4 2

X1 - X2 X3 8

-X1 + 2X2 + 3X3 + 4X4 1

X2 X3 4
X3 12

iv)

( MAX ) R = 3X1 2X2 + X3

vi) ( MAX ) = 3X1 2X2 + X3

s. a.

s. a.

X1 + 2X2 + X3 10

X1 + X2 - X3 2

X1 + X2 + 2X3 9
2X1 +

104

3X3 12

X2 X3 4
X1

+ X3 6

Excelencia Acadmica

PROBLEMAS DE ASIGNACIN
Los problemas de asignacin ocurren en muchos contextos de la produccin. En general,
consisten en el problema para determinar la asignacin ptima de agentes u objetos
indivisibles a n tareas
Uno de los casos especiales de la Programacin Lineal son llamados problemas de
asignacin. Esto consiste es asignar o dar destino a distintos recursos.
El problema en s consiste en dedicar un grupo de recursos a diferentes fines, de manera
que todos los fines se logren y a cada uno de ellos se destine un recurso solamente.
El objetivo que se persigue es que el costo o el tiempo de trabajo sean mnimos o, por otro
lado, que sea mximo el producto o las utilidades, siempre teniendo en cuenta la
indivisibilidad de los recursos.
PROBLEMA # 1.- En una planta industrial se efectan 5 taras diferentes, para ello cuenta
con 5 mquinas. Se quiere conocer que tarea debe realizar cada mquina empleando el
mnimo tiempo en conjunto, si el tiempo que tarda cada equipo en realizar cada tarea es el
siguiente:

Tareas
Maq
1
2
3
4
5

12
7
5
14
12

17
1
3
3
12

4
3
1
1
4

10
10
9
11
4

11
1
16
16
16

En algunos casos la solucin al problema se puede encontrar mediante la simple revisin de

la tabla de tiempos o costos; sin embargo, no es posible tener la seguridad de que la
solucin obtenida mediante ese mtodo sea la ptima.
105

Excelencia Acadmica

Para encontrar o determinar la asignacin ptima se siguen diferentes metodologas.

Una solucin aleatoria para el problema propuesto sera:
Asignando a cada uno de las mquinas de manera aleatoria pero aplicando la lgica se
tiene:
1)
Tar
Tie
Maq.
ea
mpo
1 A = 12
2 B = 1
3 C = 1
4 D = 11
5 E = 16
Tiempo Total = 41

2)
Maq.
1
2
3
4
5

Tare
Tiem
a
po
C = 17
D = 10
E = 1
A = 14
B = 16
T. Total = 58

3)m
Tar Tiem
aq
ea
po
1 C = 4
2 D = 10
3 E = 16
4 A = 14
5 B = 12
T. Total = 56

As se puede hallar ms designaciones pero sin encontrar lo ptimo, entonces es necesario

de un algoritmo que permita encontrar el tiempo mnimo de todos aquellos encontrados
anteriormente de manera aleatoria.
7.1

ALGORITMO DE OPTIMALIDAD DE ASIGNACIN

7.1.1 METODO HNGARO

Este algoritmo consiste en reducir la matriz de costos mediante una serie de operaciones
aritmticas. Entonces tomando como ejemplo el problema propuesto, se sigue los siguientes
pasos:
PASO 1.
REDUCCIN DE RENGLONES .- Se debe elaborar una nueva matriz eligiendo el
costo mnimo de cada rengln y restando de cada costo de ese rengln:

1
2
3
4
5

A B C D E
8 13 0 6 7
6 0 2 9 0
4 2 0 8 15
13 2 0 10 15
8 8 0 0 12

4
1
1
1
4

PASO 2 .
REDUCCIN DE COLUMNAS.- Elegir el costo mnimo en cada columna y restar a
cada dato de dicha columna
106

Excelencia Acadmica

1
2
3
4
5

A
4
2
0
9
4
4

B
13
0
2
2
8
0

C
0
2
0
0
0
0

D
6
9
8
10
0
0

E
7
0
15
15
12
0

PASO 3.
DETERMINACIN DE LA MATRIZ REDUCIDA.- encontrar el nmero mnimo de
lneas rectas que se pueden trazar sobre los renglones y las columnas para cubrir todos los
ceros. Si estos trazos son iguales al nmero de filas y columnas, entonces se encontr la
matriz reducida; si es este el caso se continua con el paso 5.
Si el nmero de rectas trazadas es menor que el nmero de renglones y columnas, se
continua en el paso 4.
4 13 0 6 7
2 0 2 9 0
0 2 0 8 15
9 2 0 10 15
4 8 0 0 12

Como el nmero de
rectas trazadas es
menor que el nmero
de
renglones
y
columnas, entonces
se pasa al paso 4

PASO 4.
REDUCCIONES POSTERIORES.- Encontrar el menor costo de las celdas no
encubiertas por las rectas. Restar este costo menor de todas las celdas no cubiertas.
Agregar luego este menor costo al valor de las celdas que se encuentran en las
intersecciones de las rectas hechas en el paso 3, dejando como estn las dems celdas.
Regresar al paso 3

4 11 0
4 0 4
0 0 0
9 0 0
6 8 2

4 5
9 0
6 13
8 13
0 12

El menor costo de las

celdas no afectadas
por las rectas en el
paso 3 es = 2

Entonces volviendo al paso 3 (otra vez), de nuevo trazar las rectas sobre los ceros
existentes en el paso 4. As obtenindose el nmero de rectas igual a las columnas y filas.
4 11 0
4 0 4
0 0 0
9 0 0

4 5
9 0
6 13
8 13
107

Excelencia Acadmica

0 12

PASO 5.
LOCALIZACIN DE LA SOLUCIN OPTIMA.- Es posible ahora encontrar una
asignacin usando solo celdas que tengan costo cero, esto significa que se debe escoger
una y solo una celda de cada columna y cada rengln. Para tener una asignacin ptima, se
debe elegir entonces celdas cuyo costo sea cero:
1
2
3
4
5

4
4
0
9
6

11
0
0
0
8

0
4
0
0
2

4
9
6
8
0

1C = 4
2E = 1
3A = 5
4B = 3
5D = 4
17

5
0
13
13
12

PROBLEMA # 2.- Se tiene 5 operaciones a,b,c,d ye para llenar 5 cargas de f,g,h,i y j. La

matriz de costos que el problema de la asignacin tiene es el siguiente:
A
b
c
d
e
2
0
0
4
2

0
1
6
1
1

4
7
1
5
0

0
2
2
0
3

f
5
5
2
9
3
1
3
3
1
4

g
3
6
8
6
2
3
5
2
5
1

h
7
12
3
10
1

i
3
7
4
5
4

J
4
8
5
6
5
2
0
0
4
2
0

Determinar la
asignacin
ptima

0
1
6
1
1
0

4
7
1
5
0
0

0
2
2
0
3
0

0
2
2
0
3
1

Trazando las rectas sobre los ceros existentes:

2
0
0
4
2

0
1
6
1
1

4
7
1
5
0

ai = 3
bg = 6
cf = 2
dj = 6
eh = 1
18

108

0
2
2
0
3

0
2
2
0
3

3
0
0
5
3

aj = 4
bg = 6
cf = 2
di = 5
eh = 1
18

0
0
5
1
1

4
6
0
5
0

0
1
1
0
3

0
1
1
0
3

Excelencia Acadmica

PROBLEMA # 3.- Una empresa industrial tiene 4 plantas manufactureras en diferentes

departamentos del pas. La gerencia de la empresa, despus de un concurso a nivel
nacional dispone de 4 administradores, a quienes desea asignar la administracin de las
plantas indicadas.
Para ello se dispone de los siguientes costos:
A
1
2
3
4
De
F
24 10 21 11
M
14 22 10 15
O
15 17 20 19
P
11 19 14 13
Cul es la asignacin ptima de menor costo que el gerente asume?

1
4
4
0
0

7.2

0
1
2
2
8

1
1
0
5
3

1
5
4
2

1
4
4
0
0

0
1
2
2
8

1
1
0
5
3

0
4
3
1

15
4
0
0

0
11
1
7

12
0
5
3

0
3
2
0

1
0
1
0
1
5
1
1

F2
M3
O1
P4

= 10
= 10
= 15
= 13
48

1
4
4
0
0

0
1
2
2
8

1
1
0
5
3

0 1

1
5
4
0
0

0
1
1
1
7

1
2
0
5
3

0
4
3
1

0
3
2
0

ptimo

OTRAS CONCIDERACIONES DEL PROBLEMA DE ASIGNACIN

7.2.1 CUANDO LA OFERTA > DEMANDA
Ejemplo : Si desea asignar 4 ingenieros de produccin a tres plantas existentes en
provincias para el que se dispone de los siguientes costos:

109

Excelencia Acadmica

N DE
INGENIEROS
DISPONIBLES

PLANTA

INGENIEROS
A
B
C
D
N DE
INGENIEROS
REQUERIDOS

1
24
14
15
11

2
10
22
17
19

3
21
10
20
14

1
1
1
1
4
3

Para resolver este problema es necesario que el # de ingenieros sea en forma directa o en
funcin directa a las plantas, en este caso no lo es.
El mtodo HNGARO requiere que la oferta real igual a la demanda. Para adoptar este
requerimiento, simplemente se agrega una planta ficticia, notndose que el costo de asignar
un ingeniero cualquiera a la planta ficticia es cero. En la solucin ptima de este problema,
uno de los ingenieros ser designado para la planta ficticia. Por su puesto esto implica que
no ser asignado a ninguna planta en el problema real.
Entonces agregando una planta ficticia:

INGENIEROS
A
B
C
D
N DE
INGENIEROS
REQUERIDOS

N DE
INGENIEROS
DISPONIBLES

PLANTAS
1
24
14
15
11

2
10
22
17
19

3 Ficticia
0
21
0
10
0
20
0
14

1
1
1
1

7.2.2 CUANDO LA DEMANDA > OFERTA

Suponiendo que se tiene los siguientes costos:

INGENIEROS
A
B
C
N DE
INGENIEROS
REQUERIDOS
110

N DE
INGENIEROS
DISPONIBLES

PLANTAS
1
2
24 10
14 22
15 17

3
21
10
20

4
11
15
19

1
1
1
3
4

Excelencia Acadmica

Agregando en el cuadro un falso ingeniero se tiene:

INGENIEROS
A
B
C
FALSO
N DE
INGENIEROS
REQUERIDOS

N DE
INGENIEROS
DISPONIBLES

PLANTAS
1 2 3 4
24 10 21 11
14 22 10 15
15 17 20 19
0 0 0 0

1
1
1
1

Ahora el problema se puede resolver por el mtodo HNGARO u otros mtodos

ALGORITMOS . En la solucin, el Ingeniero ficticio sera asignado a una plata. En la
realidad, sta planta no sera intervenida.
7.3

MAXIMIZACIN EN PROBLEMAS DE ASIGNACIN

En este caso se considera un problema de asignacin aquel, cuya

respuesta a cada

asignacin sea una utilidad en vez de un costo.

Ejemplo 1
Un sistema de produccin industrial desea asignar nuevos agentes a los territorios
de ventas Estn. listos 4 aprendices para ser designados y hay 3 territorios que requieren
un nuevo agente de ventas. La empresa esta interesada en maximizar el beneficio neto
total. Siendo la matriz de utilidades el siguiente:

VENDEDORES
A
B
C
D
VENDEDORES
REQUERIDOS

TERRITORIO
1
40
18
12
25

2
30
28
16
24

3
20
22
20
27

VENDEDORES
DISPONIBLES
1
1
1
1
4
3

El problema es de maximizacin. Entonces es necesario convertir la MAXIMIZACIN en

MINIMIZACIN, y esto se logra de varias maneras.
111

Excelencia Acadmica

Uno de ellos consiste en restar cada dato del valor mximo de su columna. En la columna 1
el mayor valor es 40, restando de este valor mximo en dicha columna los dems valores.
As, del mismo modo se procede para las columnas restantes.
Pasos a seguir para la solucin del problema.
PASO 1.- Convertir el caso OFERTA>DEMANDA, en un estado balanceado o sea OFERTA
= DEMANDA, utilizando datos ficticios.

TERRITORIO

VENDEDORES
A
B
C
D
N DE
VENDEDORES
REQUERIDOS

N DE
VENDEDORES
DISPONIBLES

1
40
18
12
25

2
30
28
16
24

3 Ficticio
20
0
22
0
20
0
27
0

1
1
1
1

PASO 2 .- Restar del mximo valor de las columnas de la matriz los dems valores
existentes y luego cubrir los ceros con una recta como en el caso de minimizacin.

A
B
C
D

Fict
.

0
2
2
2
8
1
5

0
2
1
4
6

7
5
7
0

0
0
0
0

PASO 3.- Se acta como el caso de minimizacin:

112

0
2
0
2
6
1
5

0
0
1
2
6

3
7
3
5
0

Fict
.
2
0
0
0

Como la O
=D

Excelencia Acadmica

Entonces se obtiene la solucin:

0
2
0
2
6
1
5

0
0
1
2
6

7
3
5
0

2
0
0
0

A1
= 40
B2
= 28
C Fict = 0
D3
= 27
Costo total : 95
Ejemplo 2
Una compaa productora de dulces proporciona trabajo femenino en la ciudad de
Huancayo. La Cia. mantiene un personal asalariado de 4 mujeres. Un determinado da la
Cia. recibe encargos de cuatro trabajos (numerada de 5 al 8). La gerencia de la empresa
desea asignar a las cuatro jvenes a los cuatro trabajos de manera que sea mximo el
beneficio esperado, segn los costos siguientes que forman una matriz.

1
2
3
4

5 5 7
1 8 4
5 7 6
3 5 4
3 1 6

8
1
5
2
3

1
2
3
4

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

8
4
0
3
2

2
0
0
0

2
0
1
0

1
2
3
4

2
0
0
0

0
3
3
7

2
0
1
0

0
3
3
7

2
2
2
0

2
2
2
0

1-6 = 8
2-8 = 5
3-5 = 3
4-7 = 6
CT = 22

113

Excelencia Acadmica

N 7.1

1. Una agencia de publicidad, trata de decidir cul de entre cuatro ejecutivos de

contabilidad debe asignarse a cada uno de cuatro clientes mayores. Use el mtodo
conveniente para encontrar la solucin ptima del problema. A continuacin se
presentan los costos estimados de la asignacin de cada ejecutivo.

A
B
C
D

CONTABILIDAD
1
2
3 4
15 19 20 18
14 15 17 14
11 15 15 14
21 24 26 24

2. Un corredor de bienes races planea la venta de cuatro lotes de terreno y ha recibido

ofertas individuales de cuatro clientes. Debido a la cantidad de capital que se
requiere, estas ofertas se han hecho en el entendimiento de que ninguno de los
cuatro clientes comprar ms que un lote. Las ofertas se muestran en el cuadro
siguiente. El corredor de bienes races quiere maximizar su ingreso total a partir de
esas ofertas. Resolver el problema mediante el mtodo HNGARO, establezca el
valor de la funcin objetivo.

Comprador
W
X
Y
Z

1 2 3
16 15 25
19 17 24
15 15 18
19 0 15

4
19
15
0
17

Lotes

3. Cuatro trabajadores requieren el uso de una de cualquiera de las computadoras A,

B, C, D y E los tiempos tomados por cada computadora, para realizar cada trabajo
son mostrados en la matriz siguiente:

A
B
C
D
E

114

a b c
10 5 9
13 19 6
3 2 4
18 9 12
11 6 14

d
18
12
4
17
19

Encontrar la asignacin que

minimice el tiempo total

Excelencia Acadmica

4. Asignar maximizando el siguiente problema:

A
B
C
D
E

a
2
3
1
6
4

b
3
2
4
7
4

c
5
6
4
3
5

d
7
5
5
8
2

e
8
4
2
4
1

5. Una compaa que vende carros tiene disponible un FORD, un OPEL, un RAMBLER
y un CHEVROLET. Cuatro oficinas de la compaa los solicitan. Se ha decidido
enviar solo un automvil a cada oficina de manera que el costo total sea mnimo.
La matriz de costos es:
Oficinas
1 2 3 4
Carros
FORD
10 5 3 8
OPEL
4 3 7 5
RAMBLER 13 10 12 14
CHEVROLET 7 8 4 6

115

Excelencia Acadmica

116

Excelencia Acadmica

EL MODELO DE TRANSPORTE
El modelo de transporte, tambin conocido como modelo de distribucin, es un modelo
importante de un problema de optimizacin de redes. Con este modelo se consigue
tremendos ahorros en costos a travs de una eficiente ruta de envo de mercaderas desde
los puntos de existencia hasta los puntos de demanda.
8.1

OBJETIVO DEL MODELO DE TRANSPORTE

El objetivo fundamental de un modelo de transporte es minimizar el costo total de envo de

un producto desde los puntos de existencia hasta los puntos de demanda, con las
condiciones siguientes:
a) Cada lugar de demanda debe recibir su requerimiento.
b) Los envos desde un punto de suministro (existencia) no debe exceder su capacidad
disponible.
FORMA GENERAL DEL MODELO DE TRANSPORTE
a) Forma grfica
1
3
1

2
4

DESTINOS

ORIGENES
6
2

b ) El modelo en su forma general es:

(MIN) K = 3X11 + 4X12 + 8X13 + 2X21 + 6X22 + 7X23
X11 + X12 + X13 = 200
X21 + X22 + X23 = 300

ORIGEN

X11 + X21 = 150

X12 + X22 = 200

DESTINO

X13 + X23 = 150

117

Excelencia Acadmica

c) En forma tabular:
DESTINOS
1

ORIGEN

1
2
.
.
.
m
bj

. . .

C11 C12
C21 C22
.
.
.
.
.
.
Cm1 Cm2
b1 b2

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

ai

C1n
C2n
.
.
.
Cmn
bn

a1
a2
.
.
.
am

Ejemplo: Una fbrica d cuenta con 4 almacenes situados en diferentes partes del
pas; el almacn 1 cuenta con 10 unidades de mercanca, el 2 con 12, el 3 con 5 y el
4 con 10. con las existencias de mercanca que tiene dichos almacenes se debe
abastecer a 5 centros de consumo. El centro de consumo 1 demanda 6 unidades de
mercanca, el centro 2, demanda 8, el 3 demnada3, el 4 demanda 9 y 11 el 5. los
costos de transporte de cada almacn a cada centro de consumo se da a
continuacin:
C. DE CONSUMO
ALMACEN
1
2
3
4
DEMANDA

4
2
3
2
6

2
1
4
2
8

5
4
1
3
3

5
1
2
4
9

1
4
1
2
11

EXISTENCIAS
DE
MERCANCA
10
12
5
10
37

8.2.1 FORMULACIN DEL PROBLEMA :

(MIN) K =

4X11 + 2X12 + 5X13 + 5X14 + X15

2X21+ X22 + 4X23 + X24 + 4X25
3X31 + 4X32 + X33 + 2X34 + X35
2X41 + 2X42 + 3X43 + 4X44 + 2X45
s.a
X11 + X12 + X13 + X14 + X15
X21 + X22 + X23 + X24 + X25
X31 + X32 + X33 + X34 + X35
X41 + X42 + X42 + X44 + X45
X11 + X21 + X31 + X41
X12 + X22 + X32 + X42
X13 + X23 + X33 + X43
X14 + X24 + X34 + X44
X15 + X25 + X35 + X45

118

= 10
= 12
=5
= 10
=6
=8
=3
=9
= 11

OFERTA

DEMANDA

Excelencia Acadmica

Para que exista un modelo de transporte es necesario que la demanda sea igual a la oferta
(suministro); s ello ocurre entonces el modelo se encontrar BALANCEADO, por
consiguiente su solucin ser factible, en caso contrario ser necesario crear estaciones
ficticias tanto de la oferta como de la demanda, segn el caso, con costos iguales a ceros.

8.3

SOLUCIONES INICIALES DEL PROBLEMA DE TRANSPORTE

Una buena solucin inicial conduce a reducir considerablemente el nmero total de

iteraciones para obtener la optimalidad del problema.
Los mtodos ms empleados para las soluciones iniciales son:
1. Mtodo de la ESQUINA NOROESTE (N-O)
2. Mtodo de la CELDA DEL MNIMO COSTO
3. Mtodo de VOGEL
4. Mtodo de RUSSELL
8.3.1 METODO DE LA ESQUINA NOROESTE (N-O)
Este mtodo es el menos favorable para dar una solucin inicial de bajo costo, porque
ignora la magnitud relativa de los costos Cij. Est considerado como el mtodo ms fcil
para determinar una solucin bsica factible inicial.
Este mtodo considera los siguientes tres pasos:
Paso 1 .-

Seleccionar la celda de la esquina noroeste (esquina superior izquierda) para

un envo.
Paso 2 .-

Hacer el ms grande envo como pueda en la celda de la esquina noroeste,

haciendo que se agote los suministros o los requerimientos en el destino.

Paso 3 .-

Corregir las cantidades del suministro y requerimiento para demostrar lo que

va quedando de suministro y requerimiento, luego regresar al paso 1.

Ejemplo # 1 .Una compaa tiene fbricas en A, B y C los cuales proveen a los almacenes que estn en
D, E, F y G. Las capacidades mensuales de las fbricas son 70, 90 y 115 unidades

119

Excelencia Acadmica

respectivamente y los requerimientos de los almacenes son:

50, 60, 70 y 95

respectivamente.
Determinar una solucin factible bsica inicial de envo, utilizando el mtodo de la esquina
noroeste, siendo los costos unitarios de embarque los que se muestran a continuacin.
Destino
D
Origen
A
17
B
15
C
15

20
21
14

13
26
15

12
25
17

Solucin:
En general, un problema de transporte de tamao m x n donde m = al nmero de orgenes y
n = al nmero de destinos, requiere para su solucin a lo mximo m + n 1 iteraciones en
los tres pasos del mtodo de la E N - O . O sea es este caso se necesita m + n 1 = 3 + 4
1 = 6
Luego encerrando los costos en la celdas correspondientes:

D
17

E
20

F
13

G
12

15

21

26

25

15

14

15

17

A
B
C
Demanda

60

70

Suministro
70
90
115

95

Iteraciones en los tres pasos del mtodo de la esquina noroeste osea m+n 1 = 4+3 -1=6

50

20

20
90

(I)

0
90

(II)

115
0

115

60 70 95

40 70 95

0
(III)

50

40

0
(IV)

50

115
0

120

70 95

0
115

20 95

Excelencia Acadmica

(V)

95

20
70 95

(VI)

20
13
12
70
50
20
15
21
26
25
90
40
50
15
14
15
17
115
20
95

95
0

17

50

60

70

Entonces el plan factible

inicial de envo con un
costo mnimo ser:

95

50 * 17 + 20 * 20
21 * 40 + 269 * 50
15 * 20 + 17 * 95

= 1250
= 2140
= 5305

Ejemplo # 2
Encuentre la solucin factible inicial del siguiente problema de transporte, con el mtodo de
la esquina NOROESTE (N-O). La solucin debe tener m + n 1 = 5 + 4 1 = 8 iteraciones
1
10
13
4
14
3
20

A
B
C
D
E

2
20
9
15
7
12
150

3
5
12
7
1
5
150

4
7
8
9
0
19
200

200
150
100
50
20
520

m+n 1 = 5+ 4 - 1 = 8
Iteraciones

Sabiendo cuantas iteraciones tiene el problema ya no es necesario mostrar todos los pasos
que se siguen para obtener la solucin requerida, sino se procede del siguiente modo, salvo
que el problema lo pida:
10

20
20

150

30

13

12

15

14

12

19

120

30

50

121

Excelencia Acadmica

20
Siendo el costo total factible inicial con el mtodo de la esquina noroeste el siguiente:
10 x 20 + 20 x 150 + 5 x 30 = 3350
12 x 120 + 8 x 30 = 1680
9 x 100 = 900
0 x 50 = 000
19 x 20 = 380
6310

8.3.2 METODO DE LA CELDA DEL MNIMO COSTO

Para encontrar una solucin inicial factible, el mtodo de la CELDA DEL MNIMO
COSTO difiere del procedimiento anterior (E-N-O) , solamente en el paso 1.
NUEVO PASO 1.- Considerar todas las celdas que no estn contenidas en las filas o
columnas sealadas.
Seleccionar la celda que tiene el ms bajo costo. En la celda seleccionada hacer un envo
igual al mnimo del suministro y demanda para la fila y columna que contiene la celda
seleccionada.
Ejemplo 1: Encontrar una solucin bsica factible inicial por el mtodo de la celda del
mnimo costo, del problema planteado siguiente:

O1

D1
20

D2
30

D3
10

60

30

50

40

20

10

40

70

O2
O3
Requerimiento

20

(I)

10
9
11

9
35

(III)
10

15

20

10

5
20
5

5
6

122

M+n-1 0 3+4-1 = 6
iteraciones

(II)
20

D4 Suministro
20
20

11

5
30

11

0
6

0
30
6

Excelencia Acadmica

0
0

11

20
5

30

10

20 0
5

30

10

6
9
0

Las seis iteraciones del procedimiento del la celda del mnimo costo produce el siguiente plan de envo factible:
DESDE O1
ENVIOS
COSTO
5X20 = 100
X11 = 5
5X30 = 150
X12 = 5
5X10 = 50
X13 = 5
5X10 = 100
X14 = 5
20
$ 400

DESDE 02
ENVIOS
COSTO
X21 = 0
0X60 = 0
6X30 = 180
X22 = 6
0X50 = 0
X23 = 0
0X40 = 0
X24 = 0
6
$ 180

DESDE O3
ENVIOS
COSTO
X31 = 0
0X20 = 0
9X10= 90
X32 = 9
0X40 = 0
X33 = 0
0X70 = 0
X34 = 0
9
$ 90

El costo total de envo es = $ 400 + $ 180 + $ 90 = $ 670

Ejemplo # 3.- Resolver el problema siguiente por el mtodo de la CELDA DEL MNIMO COSTO Matriz Mnima
14

16

30

12

20

50

100

15

12

14

10

10

16

15

40

40

60

60
30

50

(I)

65

(II)
100
8

40
8

50

40

60
55

10

10

30

50

15

50

(V)

15

15

(VI)

12

20

50

14

(IV)
16

200

(III)

100

30

55

20

15

15

15

RESUMEN
D1

D2

D3

D4
123

Excelencia Acadmica

O1

14

16

12

30

50

20

O2

15
4

0
40

O3

0
60

14 * 30 + 50 * 16 + 12 * 5 + 20 * 15 = 1580
8 * 40 = 320
8 * 60 = 480
$ 2380

R.

Luego resolviendo el mismo problema por el mtodo de la Esquina Noroeste se tiene:

METODO DE LA ESQUINA (N-O)
14

16

12

20

12

14

10

10

16

15

30

50

65

12
20

20

50

40

40

40

60

60

60

65

55

45

55

0
8

60
5

200

16

55

10
40

60
55

30

50

40

65

14
30

100

55

15

55

5
55

55
0

RESUMEN:
14

16

12
50

30

20

14*30 + 16*50 + 12*20 = 1460

10
40
8

15
5

124

55
0

10*40 = 400

8*5 + 15*55 = 825

$ 2725

Excelencia Acadmica

Entonces comparando ambos resultados:

Celda del mnimo costo = 2380
Esquina noroeste

= 2725, Luego 2725 2380

8.4.1 CASOS PARTICULARES EN EL MODELO DE TRANSPORTE

I CASO: DEMANDA EXCEDE A LOS SUMINISTROS (D>S)
Ejemplo: Un sistema de distribucin semanal para un producto tiene las siguientes
caractersticas:
PLANTA
A
B

CAPACIDAD
SEMANAL
75
100

CENTRO DE
DISTRIBUCIN
D1
D2
D3

175

DEMANDA
SEMANAL
50
50
100
200

Donde la D>S, entonces algunos de las distribuciones de los centros ser recortada en su
envo cada semana.
La tabla siguiente demuestra las prdidas estimadas por centro de distribucin por quedarse
corto en los envos.
CENTRO DE DISTRIBUCIN
D1
D2
D3

PERDIDA ( $/und.)
2
3
2

Los costos de transporte por unidad son ( $/und. )

Hacia
Desde
A
= O1
B
= O2

D1

D2

D3

3
4

2
5

1
6

La meta de la compaa es determinar un plan de envo factible que se minimice la suma de

los costos de transporte total ms las prdidas totales.
a) Construir un modelo de transporte balanceado.
b) Determinar un plan de envo factible por los procedimientos de la (E-N-O) y (C.M.C).
Resolviendo primero se determina que:

125

Excelencia Acadmica

La D>S en 25 unidades para el que se debe crear una planta ficticia o artificial O3 =C con
una capacidad de 25 unid..
Esta requiere la adicin de tres nuevas variables ficticias: X31 , X32 y X33 . Los valores
asignados a estas tres variables representan la cantidad no enviada a los respectivos
centros de demanda entonces el modelo de transporte ser:
(MIN) K = 3X11 + 2X12 + X13 + 4X21 + 5X22 + 6X23 + 2X31 + 3X32 + 2X33
Costos Totales de Transporte

Perdida Total

s.a:
X11 + X12 + X13

= 75
= 100
= 25
= 50
= 50
= 100

X21 + X22 + X23

X11

X31 + X32 + X33

X31
X32
X23
X11

X21
X22

X12
X13

Planta Ficticia

Luego el tablero que representa a ste modelo es:

SUMINISTRO

A = O1
B = O2
C = O3
DEMANDA

50

50

75
100
25
100

200

SOLUCION POR EL MTODO DE LA E - N O

3

25

50

0
25

100

100

75
25

25
0

50

100

21
0

25

25

100

0
0

0
2

50
6

75
25

75

6
25

25

126

25

100
75

25
0

100

25
25

50

50

100

200

Excelencia Acadmica

EL COSTO TOTAL SER:

3*50 + 2*25

= 200

5*25 + 6*75

= 575

2*25

= 50825

Perdida

POR EL MTODO DE LA C.M.C

1 0

75
100

100

75
25

25

25
50

50

25

25

50

25

0
5

25

50

0
0

25

50

25

1
75
4
5
6
25 50
25
2
25

25
0

EL COSTO SER : 75*1 = 75

4/25 + 5*50 + 6X25 = 500
PERDIDA

2 x 25 = 50
625

8.4.2 CASO .- LA DISPONIBILIDAD MAYOR QUE LA DEMANDA (S>d)

En un costo de esta naturaleza se crea un destino artificial, agregndose una columna de ceros en la matriz de
costos. La solucin final indica como debe distribuirse el excedente disponible entre los orgenes.
Ejemplo: Se tiene el siguiente problema de transporte:

D1
O1
1
O2
2
O3
3
Demanda
170
S > D en 90 Und.

D2

D3

Suministro

4
2
2
90

3
5
2
100

180
120
150

Entonces se debe crear un destino artificial n+1 3+1 = 4 y hacer de b4 = 90

1
3
2
170

4
2
2
90

3
5
2
100

0
0
0
90

180
120
150

En estas condiciones el problema se resuelve con los mtodos ya escritos en el caso de un envo factible inicial.
D1
D2
D3
D4
O1

180
127

Excelencia Acadmica

O2

120

O3

150

170

90

100

90

Por: E-N-O

1
10

170
2
60

5
80

40
0
90

Costo total

: 4x10 + 1x170
2x80 + 5x40
2x60 + 0x90

= 210
= 360
= 120
690

Por: C.M.C.
1
170

10
2
90

120
150
0

90 100 90

0
10

Costo total

80

30

30
2
100
0

100 90

0
0
30

50
0

10

150

30

10

1x170 + 0x10

= 170

2x90 + 0x30

= 180

2x100 + 0x50

= 200

50

90

0
0
50

50
0

50

550

8.5 ALGORITMO DE OPTIMALIDAD PARA PROBLEMAS DE TRANSPORTE

128

Excelencia Acadmica

Teniendo la solucin factible inicial bsica de un problema de transporte, por cualquier

procedimiento, sea esta por el procedimiento de la esquina noroeste, celda del mnimo
costo ( Matriz mnima ), o de otro procedimiento, al

de menor costo total se aplica el

algoritmo de optimalidad, para determinar si es o no el ptimo, este algoritmo es llamado

METODO DEL ESCALON.
8.5.1 MTODO DEL ESCALN
Este mtodo tiene 3 pasos:
I PASO:

DETERMINAR UN PLAN DE ENVO INICIAL FACTIBLE

Este puede darse usando ya sea el procedimiento de la esquina Noroeste o el de
la Celda de mnimo Costo ( Matriz Mnima ), u otro procedimiento.

II PASO: CALCULAR UN EVALUADOR DE CELDA PARA CADA CELDA VACA.

Un evaluador de celda para cada celda vaca es determinado, calculando el costo
neto de traslado de 1 unidad de una celda que contiene un envo positivo a las
celdas vacas.
A continuacin, el signo de los evaluadores de celda son chequeados para la
optimalidad.
III PASO: Si el plan de envo no es ptimo, es decir si en un evaluador de celda falla la
prueba del signo, se determina un nuevo plan de envo con un costo total ms
bajo. Esto se logra trasladando la mxima cantidad permitida a esa celda vaca,
de tal manera que las restricciones de suministro o demanda no sean cambiados.
Entonces se regresa al paso II.
Ejemplo # 1 Se tiene el siguiente problema de transporte resuelto por el mtodo de la celda
del mnimo costo y la Esquina noroeste siendo el menor costo total el primero.
PASO I.- Determinar la solucin inicial factible con cualquier mtodo
D1
O1
O2
O3

D2

14
30

16

D3

D4

12

50
12

20
15

14

10

8
40

10

16

15

Suministro
100
40
60
129

Excelencia Acadmica

Demanda

30

50

65

55

200

PASO II.- Identificacin de las celdas vacas:

Existen 6 celdas vacas y estos son:
O2D1 ; O2D2 y O2 D3 ; O3D1 ; O3O2 y O3 D4
Entonces considerando el traslado de una unidad de la celda O2D1 (2,1). Se toma 1 unidad
de la celda O2D4 (2,4). Es decir las 40 unidades tiene que decrecer a 39 con el fin de
mantener la restriccin de suministro de 40 unidades. Tambin se tiene que hacer decrecer
el envo de 30 unidades de la columna 1, celda O1D1 (1,1), para mantener la restriccin de
demanda de O1 en 30 cajas. Se tiene que sumar +1 a la celda (1,4) para mantener la
restriccin de suministro de 100 unidades para si.
Estos cuatro traslados de 1 unidad se muestra en el siguiente tablero. Las flechas indican la
transferencia de una unidad de (1,1) a (2,1) y una unidad de (2,4) a (1,4).
S

14

16

12

30 - 1
12

14

10

+1

30

100

40

15

60

40 - 1
10

D=

20
15 + 1

16

50

65

55

El costo de traslado de 1 unidad en (2,1)

EVALUADOR DE CELDA PARA LA CELDA (2,1):
12*1 + 1*20 (1*14 + 1*8) = 12+20-14-8 = 10
entonces el traslado de una unidad a la celda vaca (2,1) incrementa el costo en $10,
es decir este traslado incrementar, no DISMINUIRA , los costos totales de
transporte.
CALCULO DEL EVALUADOR DE CELDA DARA LA CELDA (2,2)
16
130

20

1*20 + 1*14 (1*16+1*8) =

Excelencia Acadmica

50 - 1

15 + 1
14

20 + 14 16 8 = $10
8

+1

40 + 1

CALCULO DEL EVALUADOR DE CELDA DARA LA CELDA (2,3)

12
5-1

20
15 + 1

10
+1

1*20 + 1*10-(1*12+1*8) =
20 + 14 12 8 = $10

40 - 1

CALCULO DEL EVALUADOR DE CELDA PARA (3,1)

14

12

30 1

1*12 + 1*10-(1*8+1*14) =
20 + 10 8 14 = 0

5+1

10

+1

60 - 1

CALCULO DEL EVALUADOR DE CELDA PARA (3,2)

16
50 - 1

12

16
+1

1*12 + 1*16-(1*16+1*8) =
12 + 16 16 8 = $ 4

5+1

8
60 - 1

CALCULO DEL EVALUADOR DE CELDA PARA (3,4)

12
5 + 14

20
15 - 1

8
60 - 1

1*12 + 1*15-(1*20+1*8) =
12 + 15 20 8 = -1

15
+1

Este demuestra que al trasladar 1 unidad a la celda vaca (3,4) disminuye el costo en $1.
PASO III.Del paso II se sabe que los costos de transporte disminuye por el traslado de 1 unidad a la celda
vaca (3,4) entonces sea S la cantidad trasladada a la celda vaca (3,4), haciendo la cantidad de
traslado tan grande como sea posible, sin violar ninguna restriccin de suministro o demanda.

131

Excelencia Acadmica

El mayor valor que puede asignarse a S es 15 unidades. Si se diera valor a S mayor que 15 digamos
20 = S entonces la celda (1,4) tendr un envo negativo. Luego en la celda (3,4) tendremos S = 15, es
decir X14 = 15.
Luego lo indicado ser:

12

20

5 +S

15 S

100
40

15
S

60 -S
30

50

65

55

60
200

Entonces, el nuevo costo total con este cambio ser:

14
30

16

12

14

10

20

50
12

8
40

10

16

15

45
30

50

15
65

55

100
40
60
200

Nuevo costo total : 30x4 + 50x16 + 20x12 = 1460

40x8

= 320

45x8 + 15x15 = 585

2365
As, el costo de transporte decrece de 2380 obtenido con el mtodo C. M. C., a 2365 con el
algoritmo de optimalidad, a sea 2380 S x 1 = 2380 15 = $ 2365 //
Ejemplo # 2 .- Una compaa de las instalaciones ABC suministra a los distribuidores D,E,F
y G. Las capacidades mensuales son: 20, 30 y 45 unidades respectivamente. Los
requerimientos mensuales de los distribuidores son 10, 15, 40 y 30 unidades
respectivamente. Los costos unitarios de envo son:
Hasta
Desde
A
B
C

132

10

20

5 10 5 0
5 9 5 10
10 10 15 5

Determinar la ptima distribucin, con el mnimo costo de envo

5

Mtodo E.N.O

Excelencia Acadmica

10

10

10

10

5
5

10

15

10

10

30

5*9 + 25* 5 = 170

25
15
5
45
15
30
40
30

0
20

5
10
10

10*5 + 10*10 = 150

10

15*15 + 30*5 = 375

= 695

C.M.C.
20 x 0 = 0

20

5
10
30
20
10
15
5
45
15
20
10
15
40
30

10*5 + 20* 5 = 150

15*10+20*15+10x5 = 500_
= 650

Hallando la solucin ptima, a partir del menor costo total factible inicial obtenido con el mtodo de la C.M.C.,
cuyo valor es = 650

AD
0

5
+1

-1

5
-1

5x1 + 5x1 + 5x1 - (5x1+15x1+0x1) =

15- 20 = -5

+1

15

5
-1

+1

AE
D

E
A

G
10

+1

10x1 + 5x1 - (10x1+ 0x1) = 15 - 0 = 5

-1

B
10

-1

+1

AF
D

G
5

0
+1

5x1 + 5x1 (15x1 + 0x1) = 10-15 = -5

-1

B
15

5
-1

+1

BE
G
133

Excelencia Acadmica

9x1 + 15x1 (5x1 + 10x1) = 24 -15 = 9

A
B

10

+1

-1

15

-1

D
A

+1

BG
G

10x1 + 15x1 (5x1 + 5x1) = 25-10 = 15

15

10
-1

+1

5
+1

D
A

-1

CD
G
0

10x1 + 5x1 (15x1 + 5x1) = 15-20 = -5

20

B 5

5
-1

+1

C 10

15
+1

-1

Siendo S = 10, entonces al hacer el envo correspondiente a la celda vaca CD se obtendr un costo total de
600 unidades monetarias.
D
E
F
G
0
A
20
20
B
5
30
30
C 10
10
15
5
45
10
15
10
10
0 x 20 = 0
5 x 30 = 150
10x10 + 10x15 + 15x10 + 5x10 = 450
600 Solucin ptima
El resultado total ptimo tiene una diferencia con el mtodo C.M.C. igual a 50 unidades.

N 8.1
Resolver los siguientes problemas en forma analtica y en el laboratorio con ayuda del computador:
Problema # 01 .Una empresa manufacturera, ubicada en la ciudad de Lima, tiene 3 fbricas. Actualmente los productos
fabricados se embarcan a 3 bodegas diferentes. La localizacin y capacidades de las bodegas son:
Trujillo

: 1200 unidades

Ica

: 800 unidades

Huancayo: 1000 unidades

134

Excelencia Acadmica

135

Excelencia Acadmica

La capacidad de cada fbrica y la tarifa unitaria de flete de cada fbrica a cada bodega son:
FABRICA

CAPACIDAD

600

1000

FLETE A

S/. / unidad

Trujillo

5
Ica

Hyo.

Trujillo

1400

4
Ica

Huancayo

Trujillo

6
Ica

Huancayo

Determinar que fbrica deben embarcar y en que cantidades a las tres bodegas a fin de
reducir al mnimo los costosa de flete.
Problema # 02.Una fbrica dispone de tres centros de distribucin A, B y C cuyas disponibilidades de
materia prima son: 100, 120 y 120 tm respectivamente. Dicha materia prima debe ser
entregada a cinco almacenes. I, II, III, iV y V los cuales deben de recibir respectivamente 40,
50, 70, 90 y 90 tm. determinar una solucin inicial factible por el mtodo de la esquina
noroeste., luego hallar la solucin ptima por cualquier mtodo(sugerencia mtodo del
ESCALON ). La matriz de costos es el siguiente:
ORIGENES
A
B
C

I
10
2
1

II
20
10
20

DESTINOS
III
IV
5
9
8
30
7
10

V
10
5
4

Problema # 03.Las tiendas EFE dispone de cinco puntos de venta A, B, C, D y E, y de cuatro fbricas X, Y,
Z y T. Los pedidos mensuales de los puntos de venta expresados en miles de unidades son:

A
B C D E
150 40 30 50 80

TOTAL
350

La produccin mensual en miles de unidades es:

X
Y
Z
T TOTAL
120 150 160 70
500
136

Excelencia Acadmica

La matriz de costos unitarios de transporte es el siguiente:

X
Y
Z
T

A
0.8
0.9
0.7
2.3

B
2.7
1.2
2.0
0.9

C
1.5
2.0
2.5
1.5

D
2.5
0.7
1.8
1.6

E
2.7
2.5
3.5
2.5

Determinar la solucin ptima del problema previa determinacin de la solucin inicial

factible por el mtodo de la Matriz Mnima (Celda del mnimo Costo)
Problema # 04.Un problema de transporte se caracteriza por tener la siguiente matriz:
Destino
D1

D2

D3

D4

SUMINISTRO

6
16
20
16
100

16
8
12
10
80

18
12
16
14
160

12
6
8
10
60

60
40
100
120

Origen
O1
O2
O3
O4
REQUERIMIENTO

Determinar como debera hacerse este reparto para minimizar el costo total de transporte
Problema # 05.Una Cia. tiene tres fbricas de los que tiene que embarcar productos de primera necesidad
a siete bodegas. El costo unitario de transporte de las fbricas a cada bodega, los
requerimientos de las bodegas y las capacidades de las fbricas son:

FABRICAS
BODEGAS
A
B
C
D
E
F
G

1
6
7
5
4
8
6
5

2
11
3
4
5
4
3
2

3
8
5
3
6
5
8
4

REQUERIMIENTOS
100
200
450
400
200
350
300

Las capacidades de las fbricas son. 700, 400 Y 1000

a) Encontrar el plan inicial de mnimo costo
b) Representar la forma general del modelo de transporte
c) Encontrar la solucin ptima del problema de transporte.

137

Excelencia Acadmica

Problema # 06.Una empresa manufacturera produce alimentos balanceados para aves tiene cuatro plantas
y distribuya a cinco centros de consumo, existentes en diferentes distritos de la capital y se
caracteriza por tener constante la siguiente matriz de costos:

O1
O2
O3
O4
EXIG.

D1
28
36
40
32
160

D2
32
24
30
26
200

D3
34
42
38
50
240

D4
24
32
36
40
220

D5
36
44
38
42
120

EXIST.
240
380
120
100

a) Determinar el programa ptimo de transporte de costo mnimo.

b) Si de manera obligatoria se transportara como mnimo 100 de O1 a D2; 80 de O3 a D1 y
160 de O4 a D3, determinar el nuevo programa de transporte, con lo expuesto.

BIBLIOGRAFA BSICA
Autor (es)
1.MOSKOWITZ,Herbert
WRIGHT,Gordon

TTULOS / REFERENCIAS
INVESTIGACIN DE OPERACIONES
Edit. Prentice may Mxico 1993.

2 MATHUR,Kamlleshy

INVESTIGACIN DE OPERACIONES

SOLOW, Daniel

Edit. Prentice may Mxico 1996

3. BIERMAN, H

ANLISIS CUANTITATIVO PARA LA TOMA DE DECISIONES

BONINI Charles

Edit. ERWIN Espaa 1996.

ASUMAN, Warren
INVESTIGACIN DE OPERACIONES
4. EINSTON, Wayne L.

(aplicaciones y Algoritmos)
Edit. Iberoamericana S.A. Mxico 1994
INVESTIGACI DE OPERACIONES

5. THIERAUF, Robert y
GROSSE Richard A.

138

Edit. LIMUSA S.A. Mxico - 1991

Excelencia Acadmica

BIBLIOGRAFA COMPLEMENTARIA
Autor (es)
1. TAHA, Handy A.

TTULOS / REFERENCIAS
INVESTIGACIN DE OPERACIONES
Edit. Rep. Y Ser. de Ingeniera Mxico 1983

2. PRAWDA, Juan

MTODOS Y MODELOS DE INVESTIGACIN DE OPERACIONES

Edit. LIMUSA S.A. Mxico 1987

3. LUENBERGER, David e. PROGRAMACIN LINEAL Y NO LINEAL

Edit. Iberoamericana S.A. USA - 1989
4. MOHAMMAD, Naghi

INVESTIGACIN DE OPERACIONES
Edit. LIMUSA Mxico 1989

5. EPPEN, C.O.

INVESTIGACIN DE OPERACIONES EN LAS CIENCIAS

ADMINISTRATIVAS
Edit. PRENTICE may Mxico 1987

139