Академический Документы
Профессиональный Документы
Культура Документы
“INVESTIGACION OPERATIVA”
“RESOLUCION DE EJERCICIOS”
ALEXIS CAÑAR
ALEX CARRILLO
VERONICA PARRA
Solución
Max z= 2X1+X2
Sujeto a X1+X2<=10
X1-x2>=0
X1<=4
X1, X2>=0
X1+X2=10
Si X1=0
X2=10 (0, 10)
Si X2=0
X1=10 (10, 0)
X1-X2=0
Si X1=2
2-X2=0 => X2=2 (2, 2)
X1=4
2. Determinación de la solución óptima
z=10
2X1+X2=10
Si X1=0
X2=10 (0, 10)
Si X2=0
2X1=10 => X1=5 (5, 0)
z=15
2X1+X2=15
Si X1=0
X2=15 (0, 15)
Si X2=0
2X1=15 => X1=7.5 (7.5, 0)
X1=4
X1+X2=10 => X=6 (4,6)
Solución
Minimizar z=X1+X2
Sujeta a -0.6X1+0.4X2<=0
0.2X1+0.1X2>=14
0.25X1+0.6X2>=30
0.1X1+0.15X2>=10
0.15X1+0.1X2>=8
0.2X1+0.1X2=14
Si X1=0
X2=140 (0, 140)
Si X2=0
X1=70 (70, 0)
0.25X1+0.6X2=30
Si X1=0
X2=50 (0, 50)
Si X2=0
X1=120 (120, 0)
0.1X1+0.15X2=10
Si X1=0
X2=66.67 (0, 66.67)
Si X2=0
X1=100 (100, 0)
0.15X1+0.1X2=8
Si X1=0
X2=800 (0, 800)
Si X2=0
X1=53.33 (53.33, 0)
-0.6X1+0.4X2<=0
Si X1=100
X2=150 (100, 150)
Solución
Los datos proporcionados no son suficientes ya que no sabemos las toneladas de materia
prima para interiores ni para exteriores, unicamente conocemos los resultados de una
encuesta de mercado.
Por ello el óptimo está en el punto X1=0, X2=0.
CAPITULO 3
SECCIÓN 3.1A
1.- En el modelo de Reddy Mikks (Ejemplo 2.2-1), considere la solución factible X1=3 ton
y X2=1 ton. Determine el valor de las holguras asociadas a las materias primas M1 y M2
(x1,x2)= (3,1)
M1: S1= 24-(6X3+4X1)= 2 toneladas diarias
10 X1-3X2 >=-5
10 X1-3X2 =<5
10 X1 - 3X2 + S1= -5
10 X1+3X2 + S1 =5 =>2
DE 1 Y 2
5.- Indique cómo se puede representar la siguiente función objetivo en forma de ecuación:
Minimizar z= máx{[x1-x2+3x3],[-x1+3x2-x3]}
x1,x2,x3>=0
Entonces
Modelo LP:
Minimizar z=y
Sujeto a
Sujeta a
SECCIÓN 3.1B
1. En un centro de maquinado se fabrican dos productos. Los tiempos de producción unitarios son 10
12 minutos, para los productos 1 y 2 respectivamente. El tiempo total normal de las maquinas es de
2500 minutos por día. En un día, el fabricante puede producir de 150 a 200 unidades del producto 1.
pero no mas de 45 unidades del producto 2. Para satisfacer la demanda la se puede recurrir al tiempo
extra con un costo adicional de $0.50 por minuto.
a) Suponga que la utilidades unitarias por los productos 1 y 2 son de $6.00 y $7.50 respectivamente;
formule el problema con un modelo de programación Iineal y resuélvalo solo con TORA para
determinar la producción optima de cada producto, así como el tiempo extra que se necesita en el
centro de maquinado.
b) Si aumenta el costo por minuto de tiempo extra $1.50 ¿debe recurrir la empresa al tiempo extra?
Maximizar
Sujeta a
X1 = 200 unidades/diarias
Z= $1517.50
Maximizar z= 2x1+5x2+3x3-15x4-10x5
Sujeta a
Solución z= $ 325
3. En un problema de programación lineal donde hay varias variables sin restricción, una transformación
del tipo xj=xj+ - xj-, donde (xj+, xj-)≥0 elevara al doble la cantidad correspondiente de variables no
negativas. En lugar de esa transformación se pueden reemplazar k variables no restringidas exactamente
con k+ 1 variables no negativas mediante la sustitución xj = xj –w, xj, w ≥ 0. Use TORA para demostrar
que los dos métodos producen la misma solución con el siguiente modelo de programación lineal:
2 x1 + 3x2 +2x3=12
Solución optima
Formulando 2:
Maximizar
Sujeta a
Solución optima
EJERCIOS 3.2 A
1. Compruebe las soluciones básicas y no básicas mencionada al terminar el ejemplo 3.2-1.
Ecuación para
Maximize z = 2X+3X
Sujeta a: X1+3X2+X3 =6
3X1+2X2 +X4 =6
X1,X2,X3,X4>=0
b) Basica (X1, X2)(Ounto B):
X1+3X2 = 6
3X1+2X2=6
Solucion (X1,X2)=(6/7,12/7),Z=6 6/7
Basic (X1,X4)(Punto c)
Basic (X1,X3)(Point E)
X1+X3=6
3X1 =6
Solucion (X1, X3)=(2,4),Z=4
Basica (X1;X4)= (Point C)
X1 =6
3X1+X4=6
Solucion (X1, X4)=(6,-12)
Única pero inaccesible
Basica (X2;X3)= (Point A)
3X2+X3=6
2X2 =6
Solucion (X2, X3)=(39-3)
Única pero inaccesible
3. Determine la solución óptima de cada uno de los programas lineales siguientes. Enumerando todas
las soluciones básicas.
a) Maximizar z=2x1-4x2+5x3-6x4
sujeta a:
x1+4x2-2x3+8x4≤2
-x1+2x2+3x3+4x4≤1
b) Minimizar z=x1+2x2-3x3+2x4
sujeta a:
x1+2x2-3x3+x4=4
x1+2x2+x3+2x4=4
Maximizar z=2x1+3x2+5x3
sujeta a:
-6x1+7x2-9x3≥4
x1+x2+4x3=10
x1, x3≥0
x2 no restringida
En la conversión a la forma de ecuación se usa la sustitución x2= x2+- x2- , Demuestre que una solución no
puede incluir al mismo tiempo a x2+ y x2-.
3. Vea el espacio tridimensional de soluciones de la programación lineal en la figura 3.5, cuyo puntos
factibles extremos son: A, B,, …, y J.
a) ¿Cuál de los siguientes pares de puntos esquina no pueden representar iteraciones simplex ,sucesivas:(A,
B),(B, D), (E, H) y (A, I)? Explique porqué.
b) Suponga que las iteraciones símplex comienzan en A y que el óptimo esta en H. Indique si alguna de las
rutas siguientes no es legítima para el algoritmo simplex, y diga por qué.
i) A → B → G → H
a) ii) A → C → I → H
iii) A → C → E → B → A → D → G → H
(A, B) adyacentes, por lo tanto, puede estar en un camino Simplex. Los pares restantes conectados
simplemente están en un camino Simplex se convierten y no son adyacentes.
b) i) Si, porque conecta el punto extremo adyacente.
ii) No, porque C y I no son adyacentes.
iii) No, porque devuelve la ruta previa a un punto extremo.
5. Acerca del espacio de soluciones en la figura 3.5, donde el algoritmo símplex comienza en el punto A.
determine la variable de entrada en la primera iteración, su valor y la mejoría en z, para cada una de las
funciones objetivo siguientes:
a) Maximizar z=x1-2x2+3x3
Z=0+3 X1=3
b) Maximizar z=5x1+2x2+4x3
Z=0+5 X1=5
c) Maximizar z=-2x1+7x2+2x3
Z=0+7X1=7
d) Maximizar z=x1+x25x3
Z=0+ |X|=1
EJERCICIOS 3.3 B
1. Este problema es pura reforzar la comprensión del lector acerca de la condición de factibilidad
simplex. En la primera tabla del ejemplo 3.3-1 usamos la prueba de la razón mínima (no negativa)
para determinar la variable de salida. Esa condición garantiza que ninguno de los nuevos valores de
las variables básicas se volverá negativa. Para demostrar eso, haga usted que s2 salga da la solución
básica, en lugar de s1. Ahora sea la tabla símplex que resulta y notará que s1 asume un valor
negativo (= -12), que indica que la nueva solución no es factible. Este caso nunca se presenta si se
emplea la selección de la variable de salida por razón mínima.
Básico Z X1 X2 S1 S2 S3 S4 Sol
Z 1 -5 -4 0 0 0 0 0
S1 0 6 4 1 0 0 0 24
S2 0 1 2 0 1 0 0 6
S3 0 -1 1 0 0 1 0 1
S4 0 0 1 0 0 0 1 2
Z 1 0 6 0 5 0 0 30
S1 0 0 -8 1 -6 0 0 -12
X1 0 1 2 0 1 0 0 6
S3 0 0 3 0 1 1 0 7
S4 0 0 1 0 0 0 1 2
Sean x5, x6, x7 y x8, una solución básica factible inicial. Si x1 se vuelve básica, ¿cuál de las variables básicas
mencionadas se debe volver no básica a nivel cero para que todas las variables sigan siendo no negativas, y
cuál sería el valor de x1 en la nueva solución? Repita este procedimiento con x2, x3 y x4.
Relaciones
Básicas X1 X2 X3 X4
X5 4/1 4/2 - 4/5
X6 8/5 - - 8/6
X7 3/2 3/3 - 3/3
X8 - - 0/1 -
Valores 1.5 1 0 0.8
Var dejadas X7 X7 X8 X5
5. Resuelva el siguiente problema por inspección y justifique el método de solución en función de las
soluciones básicas del método simplex.
Maximizar z=5x1-6x2+3x3-5x4+12x5
Sujeta a:
x1+3x2+5x3+6x4+3x5≤ 90
Solución optima
X1=90
X2=X3=X4=X5=0
Z=450
Si las iteraciones simplex comienzan en el punto A, identifique la ruta hasta el punto óptimo E.
La ruta es A-G-F-E
Maximizar z=4x1+x2
Z = 4x2 = 8
Maximizar z=x1+4x2
x2 =min(1,2,4) =1
Z = 4x1= 4
9. En el ejemplo 3.3-1 demuestre que el segundo mejor valor óptimo de z se puede determinar de la tabla
óptima.
BASICA .
Z= 21-3/4 x 4 =18
11. Gutchi Company fabrica bolsos de mano, bolsos para rasuradoras y mochilas. En las tres fabricaciones se
usa piel y material sintético, pero la piel parece ser la materia prima limitante principal. En el proceso de
producción intervienen dos clases de mano de obra especializada: costura y terminado. La tabla siguiente
muestra la disponibilidad de los recursos, Sus consumos por los tres productos y las utilidades por unidad.
Maximizar z = 24 x1 + 22 x2 + 45 x3
Sujeta a
2x1 + x2 + 3 x3 = 42
2x1 + x2 + 2 x3 = 40
x1 + 5x2 + x3 = 45
x1,x2,x3,=0
Leather 0 escaso
Sewing 0 escaso
Finishing 0 abundante
EJERCICIOS 3.4 A
1. Calcule a mano la terminación de la iteración símplex del ejemplo 3.4-1 obtenga la solución óptima.
X2 X1 1 1/3 0 1/3 0 0 1
R2 R2 0 5/3 -1 -4/3 1 0 2
X4 0 5/3 0 -5/3 0 1 3
2 Z 0 0 1/5 8/5-M -1/5-M 0 18/5
3 Z 0 0 0 7/5-M -M - 17/5
1/5
OPTIMO X1 1 0 0 2/5 0 - 2/5
X2 1/5 9/5
X3 0 1 0 -1/5 0 1
3/5
0 0 1 1 -1
1
3. En el ejemplo 3.4-1 identifique la tabla de inicio para cada uno de los casos (independientes) que siguen, y
desarrolle el renglón z asociado eliminando todas las variables artificiales por sustitución:
Minimize Z=4X1+X2+M(R1+R2+R3)
SUJETA A:
3X1+X2 +R =3
4X1+3X2-S2 +R2 =6
BASICA X1 X2 S2 S3 R1 R2 SOLUCION
R3
Z -4 -1 -M -M 0
-M
R1 3 1 1 3
R2 4 3 -1 1 6
R3 1 2 -1 4
1
Z -4+5M -1+6M -M -M 0 0 10M
0
R1 3 1 1 3
R2 4 3 -1 1 6
R3 1 2 -1 4
1
SUJETA A:
3X1+X2 +R1 =3
4X1+3X2+S2 =6
X1+2X2 +S3 =4
BASICA X1 X2 R1 S2 S3 SOLUCION
Z -4 -1 -M 0
R1 3 1 1 3
S2 4 3 1 6
R3 1 2 1 4
Z -4+3M -1+M 0 0 0 3M
R1 3 1 1 3
R2 4 3 1 6
R3 1 2 1 4
SUJETA A:
3X1+X2 +R1 =3
4X1+3X2 +R2 =6
X1+2X3 +S3 =4
BASICA X1 X2 R1 R2 S3 SOLUCION
Z -4 -1 -M -M 0 0
R1 3 1 1 3
S2 4 3 1 6
R3 1 2 1 4
Z -4+7M -1+4M 0 0 0 9M
R1 3 1 1 3
R2 4 3 1 6
R3 1 2 1 4
SUJETA A:
3X1+X2 +R1 =3
4X1+3X2 -S2 =6
X1+2X2 +S3 =4
BASICA X1 X2 S2 R1 R2 SOLUCION
S3
Z -4 -1 0 M M 0
0
R1 3 1 1 3
R2 4 3 -1 1 6
S3 1 2 4
1
Z -4-7M -1-4M M 0 0 -9M
0
R1 3 1 1 3
R2 4 3 -1 1 6
S3 1 2 4
1
Z 0 -8 6 -1 0 1 10
0 -7M/2 -M/2 -M/2 0 3M/2 -2M
1 R1 0 7/2 1/2 1/2 1 -1/2 2
X1 1 - 5/2 1/2 -1/2 0 -1/2 5
0 R1 1 1 1 0 1 0 7
R2 2 -5 1 -1 0 1 10
1 R1 1 1 1 0 1 0 7
R2 2 -5 1 -1 0 1 10
7. Resuelva el siguiente problema usando a x3 y x4 como variables básicas factible, de inicio. Como en el
problema 6, no use variables artificiales.
Minimizar z=3x1+2x2+3x3
sujeta a:
x1+4x2+x3 =4
2x1 + x2 +x4≥10
Bàsica x1 x2 x5 x6 x3 x4 Soluciòn
Z 2 11 -3 -1 0 0 21
x3 1 4 -1 0 1 0 7
x4 2 1 0 -1 0 1 10
(-11) Z .-3/4 0 .-1/4 -1 .-11/4 0 .7/4
(1/4) x2 .-1/4 1 .-1/4 0 4 0 .7/4
(-1) x4 .7/4 0 .-1/4 -1 .-1/4 1 .33/4
x1= 0 x3=0
x2=7/4 x4=33/4
z=7/4
sujeta a:
3x1+2x2≥ 6
2x1+ x2≤ 2
x1,x2≥0
Bàsica x1 x2 x3 R1 x4 Soluciòn
.-2-
Z 3M .-5-2M M 0 0 .-6M
R1 3 2 -1 1 0 6
x4 2 1 0 0 1 2
.-3- .-
Z 0 172M M 0 1+3/2M .2-3M
R1 0 .1/2 -1 1 .-3/2 3
x1 1 .1/2 0 0 .1/2 1
Z .6+M 0 M 0 .4+2M .8-2M
R1 -1 0 -1 1 -2 2
x2 2 1 0 0 1 2
La ultima tabla es la óptima.El valor objeto es 8-2M , lo que quiere decir que es un número negativo grande
para maximizar necesito un positivo, por lo tanto este problema no tiene solución factible.
EJERCICIOS 3.4 B
1. En la fase 1, si la programación lineal es de maximización. ¿se maximiza la suma de las variables
artificiales en la fase 1? Explique por qué.
a max
Z= 2x1+3x2-5x3
s.a.
x1+x2+x3…+R1=7
2x1-5x2+x3-
x4…+R2=7
x1,x2,x3,x4,R1,R2>=0
min
r=R1+R2
Bàsica x1 x2 x3 x4 R1 R2 Soluciòn
r 3 -4 2 -1 0 0 17
x5 1 1 1 0 1 0 7
R1 2 -5 1 -1 0 1 10
r 0 .7/2 .1/2 .1/2 0 .-3/2 2
x1 0 .7/2 .1/2 .1/2 1 .-1/2 2
R1 1 .5/2 .1/2 .-1/2 0 .-1/2 5
r 0 0 0 0 -1 -1 0
x2 0 1 .1/7 .1/7 .2/7 .-1/7 .4/7
x1 1 0 .-1/7 .1/7 .5/7 .1/7 .45/7
Básica x1 x2 x3 x4 Solución
Z 0 0 .50/7 .1/7 107/7
x2 0 1 .1/7 .1/7 .4/7
x1 1 0 .6/7 .-1/7 .45/7
Bàsica x1 x2 x3 x4 x5
Soluciòn
Z 0 -1 -3 0 1 2
x1 1 0 .2/5 .1/5 .4/5 0
x2 0 1 .1/5 .-2/5 .-3/5 2
Z .15/2 -1 0 .3/2 7 2
x3 .5/2 0 1 .1/2 2 0
x2 .-1/2 1 0 .-1/2 -1 2
Z 7 0 0 1 6 4
x3 .5/2 0 1 .1/2 2 0
x2 .-1/2 1 0 .-1/2 -1 2
x1=.45/7 x3=0
x2=.4/7 z=.109/7
b.
Bàsica x1 x2 x3 x4 R1 R2 Soluciòn
R 3 -4 2 -1 0 0 17
R1 1 1 1 0 1 0 7
R2 2 -5 1 -1 0 1 10
R 0 .7/2 .1/2 .1/2 0 .3/2 2
R1 0 .7/2 .1/2 .1/2 1 .1/2 2
X1 1 .5/2 .1/2 .-1/2 0 .1/2 5
Bàsica x1 x2 x3 x4 R1 R2 Soluciòn
R 0 0 0 0 -1 -1 0
x2 0 1 .1/7 .1/7 .2/7 .1/7 .4/7
x1 1 0 .6/7 .1/7 .5/7 .1/7 .45/7
Bàsica x1 x2 x3 x4 Solución
Z 0 0 .50/7 .1/7 .102/7
x2 00-ene 1 .1/7 .1/7 .4/7
x1 1 0 .6/7 .1/7 .45/7
Z 0 -50 0 -7 -14
x3 0 7 1 1 4
x1 1 -6 0 -1 3
x1=3 x3=4
x2=0 z=-14
c.
Bàsica x1 x2 x3 x4 R1 R2 Soluciòn
r 3 -4 2 -1 0 0 17
R1 1 1 1 0 1 0 7
R2 2 -5 1 -1 0 1 10
r 0 .7/2 .1/2 .1/2 0 .3/2 2
R1 0 .7/2 .1/2 .1/2 1 .-1/2 2
X1 1 .-5/2 .1/2 .-1/2 0 .1/2 5
r 0 0 0 .1/2 0 -1 0
x2 0 1 .1/7 .1/7 .-1/7 .4/7
x1 1 0 .6/7 .1/7 .1/7 .45/7
Bàsica x1 x2 x3 x4 Solución
z 0 0 .1/7 .1/7 .53/7
x1 0 1 .1/7 .1/7 .4/7
x2 1 0 .6/7 .-1/7 .45/7
x1=.45/7 x3=0
x2=.4/7 z=.53/7
Maximizar z=2x1+2x2+4x3
sujeta a:
2x1+x2+x3≤4
3x1+4x2+2x3≥8
a) Use TORA para demostrar que la fase I termina con una variable artificial básica cero.
BASIC X1 X2 X3 S2 S1 R2 solucion
r -5 0 -2 -1 -4 0 0
X2 2 1 1 0 1 0 2
R2 -5 0 -2 -1 -4 1 0
b) Con cálculos a mano, haga la fase II con la variable artificial cero como parte de la solución básica de
inicio. Asegúrese de que las variables artificiales nunca asuman valores positivos.
Eliminamos la columna R2
c) Demuestre que la variable artificial cero se puede sacar de la solución básica óptima de la fase I(antes de
comenzar la fase II) seleccionando una variable de entrada con elemento pivote no cero, en el renglón de la
variable artificial. A continuación haga la fase II con la nueva solución básica.
Sujeta a:
2x1+x2+x3≤2
3x1+4x2+2x3≥8
Demuestre que las variables no básicas x1, x2, x3, x4 y x5, nunca pueden asumir valores positivos al final de la
fase II. En consecuencia, sus columnas se pueden eliminar antes de iniciar la tase II. En esencia, la
eliminación de esas variables reduce las ecuaciones de restricción del problema a x2 = 2.
BASIC X1 X2 S1 S2 X3 X4 solucion
z -3 -2 0 0 -3 0 -
0 X3 1 4 -1 0 1 0 7
X4 2 1 0 -1 0 1 10
z 0 10 -3 0 0 0 21
X3 1 4 -1 0 1 0 7
I X4 2 1 0 -1 0 1 10
Z -5/2 0 -1/2 0 -5/2 0 7/2
X2 1/4 1 -1/4 0 1/4 0 1/4
II X4 1/4 0 1/4 -1 -1/4 1 33/4
Eso quiere decir que no se necesitará hacer la fase II, porque el espacio de soluciones se reduce a un solo
punto.
La conclusión general de este problema es que todas las variables no básicas con coeficientes estrictamente
negativos en el renglón z al final de la fase I se pueden eliminar de la tabla porque nunca pueden asumir
valores positivos al final de la fase II. Por cierto, los coeficientes negativos de las variables no artificiales en
el renglón sólo pueden presentarse si una variable artificial es básica (a nivel cero) al final) de la tase I.
EJERCICIOS 3.5 A
1. Vea la gráfica del espacio de soluciones de la figura 3.10. Suponga que las iteraciones símplex inician en
A que la solución óptima está en D. Además, suponga que la función objetivo se define de tal modo que
x1 entra primero a la solución.
a. Identifique (en la gráfica) los puntos esquina que definen la trayectoria del método símplex
hacia el punto óptimo.
D
A B
A=1
B=1
C=3
D=1
Sol: 4 iteraciones
b) Intercambie las restricciones 1 y 3, y vuelva a resolver el problema. ¿Cuántas iteraciones se necesitan para
resolverlo?
Sol: 3 iteraciones
Sol: en la parte (a), la solucion encontramos 2 generacione basicas y en la pate (b) existe
una unica solucion
SECCION 3.5 B
1. En la siguiente programación lineal use el módulo de iteraciones de TORA para determinar tres soluciones
óptimas básicas alternativas, y a continuación escriba una expresión general para obtener todos los óptimos
alternativos no básicos que satisfagan esas tres soluciones básicas.
Maximizar z=x1+2x2+3x3
sujeta a
x1+2x2+3x3≤10
x1+ x2 ≤5
x1 ≤1
x1, x2, x3≥0
Básico X1 X2 X3 S2 S2 S3 Solución
Z -1 -2 -3 0 0 0 0
S1 1 2 3 1 0 0 10
.
S2 1 1 0 0 1 0 5
E
S3 1 0 0 n 0 0 1 1
l
a
si
Z 0 0 0 g 1 0 0 10
u
X3 1/3 2/3 1 1/3 0 0 10/3
i
S2 1 1 0 e 0 1 0 5
n
S3 1 0 . 0 t 0 0 1 1
e
E
p
n
r
Z 0 0 l 0 o 1 0 0 10
a
g
X3 -1/3 0 si 1 1/3 -2/3 0 0
r
g
X2 1 1 u 0 a 0 1 0 5
m
i
S3 1 0 0 a 0 0 1 1
e
ci
n
. ó
t
E n
z 0 n 0 e 0 1 0 0 10
li
p
l n
X3 0 0 r 1 1/3 -2/3 1/3 1/3
a e
o
X2 0 si 1 g 0 a 0 1 -1 4
g l
r
X1 1 u 0 0 u 0 0. 1 1
a E
i s
z 0 e 0 m 0 e 1 0 0 10
a n
n e
X3 0 2/3ci 1 1/3 0l -1/3 3
t l a
ó
S2 0 e 1 n 0 m 0 1 si -1 4
p ó g
li
X1 1 r 0 0 d 0 0u 1 1
n
o u i
e
g l e
a
r o n
l
Entonces la óptima alternativa es:
a d t
u
m (0,s0,10/3) e e
a it p
e
ci e r
e
ó r o
l
n a g
m
li ci r
ó
n o
(X1, X2,X3)= (0, 5,0)
(1, 4,1/3)
X1= λ3
Ẋ2=5 λ2+4 λ3
X3=10/3 λ1+1/3 λ3
Donde:
Λ1+λ2+ λ3 = 1
3. Para la siguiente programación lineal use la opción Iterations (iteraciones) de TORA para demostrar que la
solución óptima es degenerada, y que ninguna de las soluciones alternativas es punto esquina.
Maximizar z=3x1+x2
sujeta
x1+ x2 ≤5
x1+ x2 -x3≤2
7x1+3x2-5x3≤20
Básico X1 X2 X3 S1 S2 S3 Solución
Z -3 -1 0 0 0 0 0
S1 1 2 0 1 0 0 5
S2 1 -1 0 1 0 2
1
S3 1 3 -5 0 0 1 20
z 0 2 -3 0 3 0 6
S1 0 1 1 1 -1 0 3
X1 1 1 -1 0 1 0 2
S3 0 -4 2 0 -1 1 6
z 0 5 0 3 0 0 15
X3 0 1 1 1 -1 0 3
X1 1 2 0 1 0 0 5
S3 0 -6 0 -2 -5 1 0
La solución es Óptimo degeneración porque S3 es básica y la igualdad se ha solucionado con un valor básico
alternativa porque S2 tiene un coeficiente de 0 y todos los coeficientes son <=0
EJERCICIOS 3.5 C
1. Resuelva el ejemplo 3.5-3 usando la opción Iterations (iteraciones) de Tora, y demuestre que aunque
la solución comience con x1 como variable de entrada (de acuerdo con la condición de optimalidad),
el algoritmo simplex conducirá al final a una solución no acotada.
2.
BASIC X1 X2 S1 S2
Z -2 -1 0 0
S1 1 -1 1 0
S2 2 0 0 1
Z 0 -3 2 0
X1 1 -1 1 0
S2 0 2 -2 1
Z 0 0 -1 1,5
X1 1 0 0 1/2
X2 0 1 -1 1/2
NO ACOTADO
3. En algunos modelos de PL (programación lineal) mal hechos, el espacio de soluciones puede ser no
acotado, aunque el problema pueda tener un valor objetivo acotado. Ese caso puede indicar
irregularidades en la construcción del modelo. En los problemas grandes podrá ser difícil detectar la no
acotación por inspección. Deduzca un procedimiento para determinar si un espacio de soluciones esta acotado
o no.
RESPUESTA:
En cualquier iteración, todas las restricciones de los coeficientes de la variable son <=0,
entonces la solución es no-acotada en la dirección de la variable.
De una manera más infalible al llevar a cabo esta tarea, es resolver una secuencia de
Lenguajes de Programación en donde el objetivo de la función es Maximizar Z = Xj,
j=1,2,3,…,n sujeto a las restricciones del problema. Para las variables no-acotadas, Z=∞.
EJERCICIOS 3.5 D
1. Toolco produce tres clases de herramientas: T1, T2, T3. Para ello usa dos materias primas,
M1 Y M2, según los datos de la siguiente tabla:
Sujeto a:
3X1+5X2+6X3<=1000
5X1+3X2+4X3<=1200
X1+X2+X3>=500
X1,X2,X3>=0
Minimizar r = R3
Sujeto a:
3X1+5X2+6X3+S1 =1000
5X1+3X2+4X3 +S2 =1200
X1+X2+X3 -S3+R3=500
X1,X2,X3,S1,S2,S3,R3>=0
Esto es interpretado como una deficiencia de 225 unidades. La mayor cantidad que puede
ser producida es: 500-225 = 275 unidades.
CAPITULO 6
1. Determinar la ruta crítica para la red del proyecto en la figura 6.47
Figura 6.47
Solución
Cálculo de los inicios más rápidos de cada evento (paso hacia delante) IRj.
Calculo de la terminación más tardía de cada evento (paso hacia atrás) TTj
La ruta crítica estará determinada por las actividades que tengan holgura igual a cero, la
holgura se determina la siguiente relación:
De los anteriores diagramas determinamos que según la ecuación expuesta la ruta crítica es:
La ruta crítica estará determinada por las actividades que tengan holgura igual a
cero, la holgura se determina mediante la siguiente relación:
Solución:
Calculo de los inicios más rápidos de cada evento (paso hacia delante) IRj.
Cálculo de la terminación más tardía de cada evento (paso hacia atrás) TTj.
La ruta crítica estará determinada por las actividades que tengan holgura igual a
cero, la holgura se determina mediante la siguiente relación: