UNIVERSIDAD MICHOACANA DE SAN NICOLS DE HIDALGO

FACULTAD DE CONTADURA Y CIENCIAS ADMINISTRATIVAS PROFESOR:

Dr. Fernando vila Carren

MATERIA:

Investigacin de Operaciones

Morelia, Mich., a 17 de diciembre de 2009

INTRODUCCIN
La materia de investigacin de operaciones es una materia que requiere que los alumnos hayan comprendido sus cursos de matemticas anteriores, particularmente el de matemticas bsicas, por ello este curso trata de implementar de la mejor manera dichos conocimientos para dar un primer y pequeo acercamiento al fascinante mundo de la investigacin de operaciones. El propsito de este curso es que el alumno comprenda, el potencial que representa las matemticas, como una herramienta en el campo laboral, como a travs de un planteamiento correcto se puede optimizar los recursos materiales con los que cuenta el administrador; as se pretende que el profesional administrador en el ejercicio de su profesin haga uso de herramientas matemticas para lograr que sea ms eficiente su trabajo. El presente material contiene ejercicios de dificultad bsica con el objetivo principal del entendimiento del alumno de los posibles alcances de dichas herramientas matemticas.

INTRODUCCIN A LA INVESTIGACIN DE OPERACIONES (I de O)

Actualmente la administracin est funcionando en un ambiente de negocios que est sometido a muchos ms cambios, los ciclos de vida de los productos se hacen ms cortos, adems de la nueva tecnologa y la internacionalizacin creciente. Las races de la investigacin de operaciones se remonta a cuando se hicieron los primeros intentos para emplear el mtodo cientfico en la administracin de una empresa. Sin embargo, el inicio de esta disciplina se atribuye a los servicios militares prestados a principios de la segunda guerra mundial. La investigacin de operaciones se aplica a problemas que se refieren a la conduccin y coordinacin de operaciones (o actividades) dentro de una organizacin. La investigacin de operaciones intenta encontrar una mejor solucin, (llamada solucin ptima) para el problema bajo consideracin. La investigacin de operaciones es la aplicacin, por grupos interdisciplinarios, del mtodo cientfico a problemas relacionados con el control de las organizaciones o sistemas, a fin de que se produzcan soluciones que mejor sirvan a los objetivos de la organizacin. Una organizacin es un sistema formado por componentes que se interaccionan, unas de estas interacciones pueden ser controladas y otras no. La complejidad de los problemas que se presentan en las organizaciones ya no encajan en una sola disciplina del conocimiento, se han convertido en multidisciplinario por lo cual para su anlisis y solucin se requieren grupos compuestos por especialistas de diferentes reas del conocimiento que logran comunicarse con un lenguaje comn. La investigacin de operaciones es la aplicacin de la metodologa cientfica a travs de modelos matemticos, primero para representar al problema y luego para resolverlo.

ENFOQUE DE LA INVESTIGACIN DE OPERACIONES

VARIABLES RELEVANTES RELACIONES RELEVANTES

SISTEMA REAL

SISTEMA ASUMIDO

MODELO CUANTITATIVO

MTODO DE SOLUCIN

SOLUCIN AL PROBLEMA DEL SISTEMA REAL

JUICIOS Y EXPERIENCIAS DECISIONES INTERPRETACIN

SOLUCIN AL MODELO

Definicin del problema Esto incluye determinar los objetivos apropiados, las restricciones sobre lo que se puede hacer, las interrelaciones del rea bajo estudio con otras reas de la organizacin, los diferentes cursos de accin posibles, los lmites de tiempo para tomar una decisin, etc. Este proceso de definir el problema es crucial ya que afectar en forma significativa la relevancia de las conclusiones del estudio . La forma convencional en que la investigacin de operaciones realiza esto es construyendo un modelo matemtico que represente la esencia del problema. Un modelo siempre debe ser menos complejo que el problema real, es una aproximacin abstracta de la realidad con consideraciones y simplificaciones que hacen ms manejable el problema y permiten evaluar eficientemente las alternativas de solucin. Obtencin de una solucin a partir del modelo. Resolver un modelo consiste en encontrar los valores de las variables dependientes, asociadas a las componentes controlables del sistema con el propsito de optimizar, si es posible, o cuando menos mejorar la eficiencia o la efectividad del sistema dentro del marco de referencia que fijan los objetivos y las restricciones del problema.

La seleccin del mtodo de solucin depende de las caractersticas del modelo. Los procedimientos de solucin pueden ser clasificados en tres tipos: a) analticos, que utilizan procesos de deduccin matemtica; b) numricos, que son de carcter inductivo y funcionan en base a operaciones de prueba y error; c) simulacin, que utiliza mtodos que imitan o, emulan al sistema real, en base a un modelo. Prueba del modelo Antes de usar el modelo debe probarse exhaustivamente para intentar identificar y corregir todas las fallas que se puedan presentar. Validacin del modelo Es importante que todas las expresiones matemticas sean consistentes en las dimensiones de las unidades que emplean. Adems, puede obtenerse un mejor conocimiento de la validez del modelo variando los valores de los parmetros de entrada y/o de las variables de decisin, y comprobando que los resultados de modelo se comporten de una manera factible. Esta fase consiste en determinar los rangos de variacin de los parmetros dentro de los cuales no cambia la solucin del problema. Es necesario generar informacin adicional sobre el comportamiento de la solucin debido a cambios en los parmetros del modelo. Usualmente esto se conoce como ANLISIS DE SENSIBILIDAD. Implantacin de la solucin El paso final se inicia con el proceso de "vender" los hallazgos que se hicieron a lo largo del proceso a los ejecutivos o tomadores de decisiones. NORMAS PARA LOGRAR XITO EN LA I de O El xito del empleo de la I de O es el de un enfoque de solucin de problemas y no una coleccin asociada de mtodos cuantitativos. La I de O es relativamente costosa, lo que significa que no debe emplearse en todos los problemas, sino tan slo en aquellos en que las ganancias sea mayores que los costos. Para llegar a hacer un uso apropiado de la I de O, es necesario primero comprender la metodologa para resolver los problemas, as como los fundamentos de las tcnicas de solucin para de esta forma saber cundo utilizarlas o no en las diferentes circunstancias.

LIMITACIONES DE LA I de O Frecuentemente es necesario hacer simplificaciones del problema original para poder manipularlo y tener una solucin. La mayora de los modelos slo considera un solo objetivo y frecuentemente en las organizaciones se tienen objetivos mltiples. Existe la tendencia a no considerar la totalidad de las restricciones en un problema prctico, debido a que los mtodos de enseanza y entrenamiento dan la aplicacin de esta ciencia centralmente se basan en problemas pequeos para razones de ndole prctico, por lo que se desarrolla en los alumnos una opinin muy simplista e ingenua sobre la aplicacin de estas tcnicas a problemas reales. Rara vez se realizan anlisis costo-beneficio de la implantacin de soluciones definidas por medio de la I de O, en ocasiones los beneficios potenciales se ven superados por los costos ocasionados por el desarrollo e implantacin de un modelo. Aplicaciones de la Investigacin de operaciones INTRODUCCIN A LA PROGRAMACIN LINEAL El problema general es asignar recursos limitados entre actividades competitivas de la mejor manera posible (ptima). Este problema incluye elegir el nivel de ciertas actividades que compiten por recursos escasos necesarios para realizarlas. El adjetivo lineal significa que todas las funciones matemticas del modelo deber ser funciones lineales. En este caso, las palabra programacin no se refiere a programacin en computadoras; en esencia es un sinnimo de planeacin. As, la programacin lineal trata la planeacin de las actividades para obtener un resultado ptimo. MODELO GENERAL DE PL Los trminos clave son recursos y actividades, en donde m denota el nmero de distintos tipos de recursos que se pueden usar y n denota el nmero de actividades bajo consideracin.

FORMULACION DEL PROBLEMA

INVESTIGACIN DE OPERACIONES.

Lo que se busca en este tipo problemas es obtener una expresin que represente de forma matemtica la mxima ganancia o en su defecto el mnimo costo. En esta forma la solucin del problema entrega a manera de receta de cocina la cantidad exacta de los diferentes ingredientes de forma tal que se alcance el objetivo mencionado en el prrafo anterior. EL PROBLEMA DE MAXIMIZACIN Ejemplo 1. Considrese el caso de un fabricante que utiliza en su proceso de produccin dos mquinas A y B. La mquina A tiene una capacidad de 24 horas de operacin a la semana y la B tiene una capacidad de operacin de 16 horas a la semana con el fin de utilizar sta capacidad disponible de la mquina, el fabricante estudia la posibilidad de producir 2 nuevos productos. LA PRODUCCIN DE CADA UNIDAD DEL PRODUCTO I NECESITA 2 HORAS DE LA MQUINA A Y 2 HORAS DE LA B. LA PRODUCCIN DE CADA UNIDAD DEL PRODUCTO 2 REQUIERE 3 HORAS DE LA A Y 1 DE LA B. El primer paso en esta formulacin del problema es determinar las variables que intervienen en el proceso, por eso es recomendable que en la prctica esto se lleve a cabo con una persona que conozca a profundidad el proceso de forma que tal identificacin de variables se d en forma natural. En nuestro caso con el propsito de determinar en forma correcta las variables estructurales debemos estar seguros que stas, no son otra cosa que el producto, artculo principal resultado de este proceso o en algunos casos la materia prima a partir de la cual se fabrica este producto.

As del enunciado anterior podemos determinar con toda seguridad que estas variables quedaran perfectamente definidas como: VARIABLES ESTRUCTURALES: X1= UNIDADES DEL PRODUCTO I. X2= UNIDADES DEL PRODUCTO II.

Una vez determinadas las variables estructurales, el segundo paso es establecer las restricciones, es decir, todas aquellas limitantes que nos implica el llevar a cabo dicho proceso. RESTRICCIONES: Como restriccin inicial es fundamental mantener que para nuestro caso las variables siempre sern positivas RESTRICCIN RESTRICTA: X1,X2 > 0

Luego identificamos una capacidad mxima de uso para las mquinas Ay B respectivamente: CAPACIDAD HORAS DE LA MQUINA A CAPACIDAD HORAS DE LA MQUINA B 2X1 + 3X2 < 24 2X1 + X2 < 16. Por ltimo la funcin objetivo, que no es ms que la representacin matemtica que representa uno de los objetivos o razn de ser de una empresa es decir el lucro o beneficio econmico, sin embargo puntualizando que ese beneficio no sea cualquier beneficio, sino el ptimo en el caso de que estemos hablando de ganancia debe de ser la mxima ganancia, y en el caso de un costo debe de ser el mnimo de forma tal que nos lleve a obtener un mximo beneficio econmico. FUNCIN OBJETIVO: MAXIMIZAR GANANCIAS = 5X1 + 7X2 La etapa de formulacin del problema termina con la determinacin de la expresin para funcin objetivo, por lo que este primer ejemplo esta finiquitado.

Ejemplo 2 Una pequea empresa comercializa dos tipos de lmpara; el comn y el de lujo. El material y la mano de obra para fabricar las lmparas estn limitados. Todas las lmparas requieren para su fabricacin la misma cantidad de material y hay suficiente material para producir 100 lmparas a la semana. La diferencia entre los dos tipos de lmpara se debe a la mano de obra; pues mientras que la lmpara comn requiere hora de trabajo para producirla, la lmpara de lujo requiere 1 hora. La mano de obra con la que s cuenta es de 60 horas a la semana (es decir un trabajador de tiemplo completo y uno de medio tiempo) Suponiendo que la ganancia bruta por lmpara de la comn y de la de lujo es de $5 y $8 respectivamente, Cuntas unidades de cada tipo de lmpara debe de producirse? Cul es la ganancia bruta total por semana?

Solucin Como se hizo para el primer problema, lo primero que se establece son las variables estructurales las cuales se obtienen interpretando en forma matemtica la primera pregunta que se formula al final del prrafo anterior. VARIABLES ESTRUCTURALES: X1 = NMERO DE LMPARA COMN X2 = NMERO DE LMPARAS DE LUJO RESTRICCIONES: Ahora para determinar las restricciones, podemos encontrar en la redaccin del problema la palabra limitaciones como palabra clave que nos indica con precisin la ubicacin de las restricciones. As encontramos restricciones de mano de obra y en cuanto a material. No olvidando que las variables las consideramos siempre positivas lo que nos originan las primeras restricciones.

X1, X2 > 0

CANTIDAD DE MATERIAL MANO DE OBRA

X1 + X2 < 100 X1 + 1X2 < 60

Por ltimo la funcin objetivo, que nos representa el objetivo de esta empresa fabricante de lmparas, que es la optimizar sus ganancias derivadas de la fabricacin de dos tipos de lmparas, la solucin optima es aquella en la que la ganancia es mxima. FUNCIN OBJETIVO: MAX G = 5X1 + 5X2

Ejemplo 3

Un fabricante de televisores compra todos los componentes necesarios para ensamblar aparatos de televisin tanto en blanco y negro como en color. El fabricante tiene una capacidad para ensamblar 100 aparatos de color o 500 aparatos en blanco y negro. Los mercados en ambos tipos de aparatos estn limitados. El fabricante puede vender noms de 75 aparatos de color y no ms de 400 aparatos de blanco y negro a la semana. Determine el programa de produccin semanal ptimo si la ganancia bruta por aparato es de $100 para los aparatos de color y y $50 para los de blanco y negro Cul es la ganancia bruta total mxima? En este problema es claro de la importancia bsica del planteamiento anterior es conocer el nmero indicado de televisores blanco y negro as como los de color que proporcionen la mxima ganancia. Por lo que las variables estructurales son:

VARIABLES ESTRUCTURALES. X1= NMERO DE TELEVISIN BLANCO Y NEGRO. X2= NMERO DE TELEVISIN A COLOR. En la redaccin se precisa de nueva cuenta la palabra clave de limitaciones que nos indica una restriccin. Lo que nos indica las restricciones en cuanto a el nmero mximo de aparatos que se pueden ensamblar, el mercado que tiene restricciones y no olvidar las variables siempre positivas.

RESTRICCIONES:

X1, X2 > 0

1.- CAPACIDAD PARA ENSAMBLAR.

X1 + X2 < 1 500 100 X1 < 400 X2 < 75

2.- CAPACIDAD DE MERCADO BLANCO Y NEGRO. 3.- CAPACIDAD DE MERCADO COLOR

En este caso tambin el objetivo del fabricante es el de maximizar las ganancias que se deriven del ensamble de los aparatos de televisin de blanco y negro y de color.

FUNCIN OBJETIVO: MAX G = 50X1 + 100X2 Ejemplo 4:

Una desarrolladora inmobiliaria construye casas de 4 tamaos A1, A2, B1, B2, con 80, 90, 120, 140 de construccin respectivamente. Todas construidas en terreno de 250 la desarrolladora cuenta con 50 000 inicialmente para su uso exclusivo de construccin de vivienda. El precio de las casas es proporcional a los construidos; as los precios son de $750 000, $900 000, $1100 000, $1400 000, para las casas A1, A2, B1, B2, respectivamente. En promedio las casas se llevan 180 horas por de construccin, se cuenta con 1500 trabajadores cada uno con 8 horas diarias. Seis das a la semana, se pretende construir esta primera etapa a lo ms en 1 ao (52 semanas) Se espera una ganancia bruta de al menos $54 000 000 por todo el proyecto. Si consideramos que los costos aproximados por casa son de $550 000, $650 000, $800 000, $950 000, para las casas A1, A2, B1, B2, respectivamente.

El municipio a consignado a la desarrolladora a construir al menos el 65% de las casas ms econmicas, es decir A1, A2. Determine el modelo de programacin lineal que maximice la ganancia de estas casas para dicha desarrolladora.

CASAS A1 A2 B1 B2

80 90 120 140

PRECIO 750000 900000 1100000 1400000

COSTO 550000 650000 800000 950000

UTILIDAD 200000 250000 300000 450000

MODELO

Variables X1 = Cantidad de casas a construir del modelo A1 X2 = Cantidad de casas a construir del modelo A2 X3 = Cantidad de casas a construir del modelo B1 X4 = Cantidad de casas a construir del modelo B2

Restricciones a) Restriccin natural X1, X2 , X3 , X4 0 b) 250 X1+ 250X2 + 250X3 + 250X4 50000 c) Trabajo de horas por metros cuadrados 14400 X1+ 16200X2 + 21600X3 + 25200X4 3744000 180x80=14400, 180x90=16200, 180x120=21600, 180x140=25200 1500x8x6x52= 3744000 d) Construccin de al menos 65% de las casas ms econmicas. X1 + X2130 Dentro del modelo puede haber varias soluciones, la otra puede ser la siguiente: X1 + X2 .65 (X1+ X2 + X3+ X4)

e) Restriccin ganancia 200000X1 + 250000X2 + 300000X3 + 450000X4 54000000

Funcin objetivo MaxG = 200000X1 + 250000X2 + 300000X3 + 450000X4 Ejemplo 5: Un taller de muebles elabora 3 tipos de productos; bases para cama, closet tipo sencillo y cocinas integrales tamao econmico. El fabricante considera que tiene material suficiente para la elaboracin semanal de 1000 muebles de cada uno. El taller cuenta con 3 maquinas A, B, C, cuyas capacidades de trabajo son de 96, 90, y 84 horas a la semana. La madera necesaria para la elaboracin de cualquier unidad de los 3 productos requiere pasar por las 3 maquinas con un tiempo de 15 minutos por maquina esto con la intervencin de un trabajador. Posteriormente un artesano se encarga de unir las piezas en un tiempo de 3.5 horas por closet, el mismo tiempo en una cocina y de hora por base de cama. Luego son barnizados estos muebles por otro trabajador en un tiempo de 15/4 de hora cada cocina, lo mismo para el closet y 15 minutos por base de cama. Los closet y las cocinas deben de ser instalados en los hogares de los de los compradores por parte de un trabajador en un tiempo de 2 horas. El taller tiene un mercado en el que no venden ms de 200 cocinas y no ms de 250 closet y venden al menos 400 bases para cama. Cuenta con la mano de obra necesaria para la produccin. Considera que el material necesario para la elaboracin de los muebles representa un costo de $200 $950 y $2100 para las bases de cama, closet y cocinas respectivamente. El paso por cada una de las maquinas contando la mano de obra del trabajador representa $15 la hora. La hora del barnizador as como el material que utiliza representa $25 la hora y $12 de la hora del instalador de cocinas y closet. Los precios de venta de los productos son de: $700, $4500 y $11500 para las bases para cama. Los closet y las cocinas respectivamente. Elabora un modelo de programacin lineal que cumpla con las restricciones y maximice las ganancias del taller para una semana de trabajo.

SOLUCION VARIABLES ESTRUCTURALES: X1 = Unidades de bases para cama

X2 =Unidades de closet tipo sencillo a producir X3 =Unidades de cocinas integrales tamao econmico a producir
RESTRICCIONES: Material disponible para camas X1 = <1000 Material disponible para closet X2 = <1000 Material disponible para cocinas integrales X3 = <1000 Capacidad de produccin en horas maquina A .25(X1+X2+X3) < 96 Capacidad de produccin en horas de la maquina B .25(X1+X2+X3) < 90 Capacidad de produccin en horas de la maquina C .25(X1+X2+X3) < 84 Capacidad de venta s de bases para cama X1 >_ 400 Capacidad de venta de closet X2 <_ 250 Capacidad de ventas para cocina X3<_ 200 Restrictas X1, X2, X3, >_0 FUNCION OBJETIVO: Mx. g. = 490 X1 + 3425.5 X2 + 9278.5 X3 COSTO TOTAL BASE PARA CAMA: Material $200 Maquinas $15 hora (.25) Barniz $25 hora (.25) Instalacin ----------_________ 200+3.75 + 6.25 =210 Precio de venta: 700+210 = 490 CLOSET Material. Maquinaria. Barniz. Instalacin COCINA Materiales Maquinaria Barniz instalacin

$2100 $3.75 $ 25(3.75) $ 24 __________ 2221.50

$950 $15(.25) = 3.75 $25 (3.75) = 93.75 $12 (2) = 24 ______________ 1071.5

EL PROBLEMA DE MINIMIZACIN Ejemplo 6: Un laboratorio farmacutico desea producir una cpsula de vitaminas naturales que contenga al menos 12 unidades de vitamina A y no menos de 16 unidades de vitamina B. Dos ingredientes estn disponibles en existencia en cantidades suficientes para producir la cpsula de vitaminas especificada. Cada ingrediente contiene tanto vitamina A como B y la cpsula se puede producir utilizando cualquiera de los dos ingredientes o una combinacin de los dos. Cada gramo del primer ingrediente contiene 3 unidades de vitamina A y 2 unidades de vitamina B. Por otra parte un gramo del otro ingrediente contiene unidad de vitamina A y una unidad de vitamina B. Si el primer ingrediente cuesta 6 centavos el gramo y el segundo 4 centavos el gramo, Cul es el costo mnimo de la produccin de la cpsula de vitaminas? L a tarea inicial es fcil de cumplir una vez que no se convence que el primer paso es determinar que las variables estructurales, son las cantidades de los ingredientes que pueden conformar la cpsula de vitaminas.

VARIABLES ESTRUCTURALES: X1 = CANTIDAD DE INGREDIENTES 1 (GRAMOS). X2 = GRAMOS DE INGREDIENTES 2 Las restricciones que se deben de olvidar RESTRICCIONES: X1, X2 > 0 Las limitaciones que establece el problema son en cuanto a la cantidad mnima de contenido precisamente de vitaminas que debe de contener cada una de las cpsulas a producir. CANTIDAD DE UNIDADES DE VITAMINA A CANTIDAD DE UNIDADES DE VITAMINA B 3X1 + X2 > 12 2X1 + X2 > 16

La funcin objetivo es en este caso minimizar los costos, para utilizamos los costos unitarios por gramo de cada uno de los diferentes ingredientes.

FUNCIN OBJETIVO: MIN C = 6X1 + 4X2

Ejemplo 7: VARIABLES ESTRUCTURALES: X1 = CALCULADORAS VENDIDAS A DISTRIBUIDORES X2 = CALCULADORAS VENDIDAS A TIENDAS DE DESCUENTO

RESTRICCIONES: HORAS DE RELACIONES COMERCIALES PRESUPUESTO PARA PUBLICIDAD X1 + X2 < 5000 5 X1 + 5X2 <40000 X1, X2 < 0

FUNCION OBJETIVO= MAX G = 30X1 + 40X2

Ejemplo 8: VARIABLES ESTRUCTURALES. X1 = MILLONES DE PESOS EN EFECTIVO. X2 = MILLONES DE PESOS EN PRSTAMOS. X3 = MILLONES DE PESOS EN HIPOTECAS. X4 = MILLONES DE PESOS EN VALORES A CORTO PLAZO. X5 = MILLONES DE PESOS EN VALORES A LARGO PLAZO. RESTRICCIONES: CAPITAL EN EFECTIVO: EFECTIVO Y V.G C.P.: PRSTAMOS E HIPOTECAS: X1 > 100 X1 + X4 > 300 X3 + X2 < 600 X3 > 2X2 X1 + X2 + X3 + X4 + X5 = 1000 X1, X2, X3, X4. X5 > 0

FUNCIN OBJETIVO: MAX G. X1 1.08X2 + 1.07X3 + 1.04X4 + 1.05X5 0.08X2 + .07X3 +.04X4 + .05X5

Ejemplo 9: VARIABLES ESTRUCTURALES: X1= UNIDADES DE FALDA X2 = UNIDADES DE LOMO X3 = UNIDADES DE FILETE.

RESTRICCIONES: 1.- CONTENIDOS DE PROTENA 2.- UNIDADES DE GRASA 3.- UNIDADES DE AGUA 4.- PRODUCCIN 0.13X1 + 0.10X2 + 0.18X3 > 140 .45X1+ 52X2 + .20X3 < 450 0.42X1 + 0.38X2 + 0.62X3 < 500 X1 + X2 + X3 = 1000 X1,X2,X3 > 0

FUNCIN OBJETIVO: MIN C. 25X1 + 20X2 + 40X3.

Ejemplo 10.VARIABLES ESTRUCTURALES: X1 = TELA 1, PROCESO EN MILES DE METROS X2 = TELA 1, PROCESO 2 EN MILES DE METROS X3 = TELA 2, PROCESO 1 EN MILES DE METROS. X4 = TELA 2, PROCESO 2 EN MILES DE METROS RESTRICCIONES: CAPACIDAD TELAR NMERO 1 20X1+ 17X2 < 350 CAPACIDAD HORAS TELAR NMERO 2 24X2 + 23X4 < 120 CAPACIDAD HORAS HILADORAS 550X1 + 850X2 < 1200 CAPACIDAD HILADORAS CONTINUAS DE ANILLO 500X3 + 500X4 < 8000 RESTRICCIN DE PRODUCCIN TELA 1 X1+ X2 > 10 X3+ X4 > 12 X1, X2, X3, X4 > 0 FUNCIN OBJETIVO: MAX G. 800X1 + 800X2 + 700X3 + 700X4 800 (X1 + X2) + 700 (X3 + X4)

Ejemplo 11: VARIABLES ESTRUCTURALES: X1 = CANTIDAD DE CAF BRASILEO USADO EN LA MARCA 1 EN KG X2 = CANTIDAD DE CAF COLOMBIANO USADO EN LA MARCA 2 EN KG X3 = CANTIDAD DE CAF BRASILEO USADO EN LA MARCA 1 EN KG X4 = CANTIDAD DE CAF COLOMBIANO USADO EN LA MARCA 2KG X5 = CANTIDAD DE CAF AFRICANO USADO EN LA MARCA 2 EN KG.

RESTRICCIONES: ACIDEZ MARCA 1. .40X1 +.26X2 + .48X3 < 6000 CAFENA MARCA 1 .10X1 + .32X2 + .14X3 < 4500 AROMA MARCA 1 .74 X1 +.90X2 + .16 > 11400 CONSISTENCIA M .82X1 + .86X2 + 0.56X3 > 10500 ACIDEZ M. 1 .40X4 + .26X2 +.48X2 < 19200 CAFENA M 2 .10X4 +.32X5 + .14X6 < 7680 AROMA M 2 .74X1 + .90X5 + .16X6 > 12800 CONSISTENCIA M2 .82X4 0.86X5 0.56X6 > 24320

REST. DE PRODUCCIN MARCA 1 X1 + X2 + X3 = 15000 MARCA 2 X4 + X5 + X6 = 32000 RESTRICTA: X1,X2,X3,X4,X5,X6 > 0

FUNCIN OBJETIVO: MIN C. = .88X1+ 1.10X2 + .55X3 + .88X4 + 1.10X5 + .55X6

Ejemplo 12: VARIABLES ESTRUCTURALES: X1 = UNIDADES PRODUCIDAS PROD. A EN LA PLANTA 1 X2 = UNIDADES PRODUCIDAS PROD. A EN LA PLANTA 2 X3 = UNIDADES PRODUCIDAS PROD. B EN LA PLANTA 1 X4 = UNIDADES PRODUCIDAS PROD. B EN LA PLANTA 2

DEMANDA DE PRODUCTO A DEMANDA DE PRODUCTO B

X1 + X2 = 2000 X3 + X4 = 2700 X1 < 3000 X2 < 2000 X3 < 2000 X4 < 2200

CAPACIDAD DE PRODUCCIN PRODUCTO A PLANTA 1 CAPACIDAD DE PRODUCCIN PRODUCTO B PLANTA 2 CAPACIDAD DE PRODUCCIN PRODUCTO B PLANTA 1 CAPACIDAD DE PRODUCCIN PRODUCTO B PLANTA 2

CAPACIDAD DE PRODUCCIN PLANTA 1 CAPACIDAD DE PRODUCCIN PLANTA 2 RESTRICTAS: X1 , X2 , X3 , X4 > 0

X1 + X3 + 1500 < 5000 X2 + X4 + 2100 < 4500

FUNCION OBJETIVO: MIN C_: (1X1 + 10 X2 + 9 X3 + 12 X4 + (13.50 X 2100) + (20X1500)

Ejemplo 13: VARIABLES ESTRCTURALES:

X1 X2 X3 X4

NUMERO DE ANUNCIOS COLOCADOS EN REVISTA A NUMERO DE ANUNCIOS COLOCADOS EN REVISTA B NUMERO DE ANUNCIOS COLOCADOS EN REVISTA C NUMERO DE ANUNCIOS COLOCADOS EN REVISTA D

RESTRICCIONES: PRESUPUESTO: 20X1 + 18 X2 + 11 X3 + 10 X4 + 17 X5 < 750

PUBLICACIONES EN LA REVISTA A PUBLICACIONES EN LA REVISTA B PUBLICACIONES EN LA REVISTA C PUBLICACIONES EN LA REVISTA D PUBLICACIONES EN LA REVISTA E

X1 > X2 > X3 > X4 > X5 >

12 12 3 1 3

RESTRICTAS: X1, X2 , X3, X4, X5 > 0 FUNCION OBJETIVO: 1960X1 + 1116 X2 + 2.552X3 + 1790 X4 + 2.601 X5

Ejemplo 14: VARIABLES ESTRUCTURALES:

X1 CANTIDAD DE TIEMPO OCUPADO EN LA VENTA DE A EN HORAS X2 CANTIDAD DE TIEMPO OCUPADO EN LA VENTA DE B EN HORAS X3 CANTIDAD DE TIEMPO OCUPADO EN LA VENTA DE C EN HORAS

RESTRICCIONES: TIEMPO DISPONIBLE DE AGENTES DE VENTAS X1 + X2 + X3 < 3120

MINIMO DE VENTAS PRODUCTO A EN CAJAS MINIMO DE VENTAS PRODUCTO B EN CAJAS MXIMO DE VENTAS PRODUCTO C EN CAJAS MXIMO DE VENTAS PRODUCTO A EN CAJAS MXIMO DE VENTAS PRODUCTO B EN CAJAS MXIMO DE VENTAS PRODUCTO C EN CAJAS

2X1 < 500 4X2 > 1600 2.5X3 > 1200 2X4 < 4000 4X5 < 8500 2.5X6 < 6000

RESTRICTA: X1,X2 , X3 > 0

FUNCION OBJETIVO: MAX G.: 5 X1 + 4X2 +4.5 X3

Ejemplo 15:

VARIABLES ESTRUCTURALES: X1 X2 X3 X4 NUMERO DE ACCIONES A NUMERO DE ACCIONES B NUMERO DE ACCIONES C NUMERO DE ACCIONES D

RESTRICCIONES: MONTO DE LA INVERSIN 84X1 + 100 X2 + 220X3 + 128 X4 < 250000 RENDI,MIENTO TOTAL 5.88X1 + 5 X2 + 22X3 + 10.24 X4 > 17500 LIMITE DE INVERSIN: ACCION A ACCION B ACCION C ACCION D 84 X1< 100,000 100X2< 100,000 220X3< 100,000 128X1< 100,000

RAZON PRECIO GANANCIA: 84X1 + 100 X2 + 220X3 + 128 X4 < 18 5.88X1 + 5 X2 + 22X3 + 10.24 X4

RESTRICTA:

X1, X2 , X3, X4, > 0

FUNCION OBJETIVO: MAX. G: 5.88X1 + 5 X2 + 22X3 + 10.24 X4

METODO GRAFICO
ALGEBRAICO

 X1 +X2 < 5000 5X1 + 5X2 <40000 ________________ MAX G = 30X1 + 40X2

X1 + X2 = 5000 X1 = 0 X2 = 5000 (0, 5000) X2 = 0 X1 = 5000 X1 = 1000 (1000, 0)

5X1 + 5X2 = 40000 X1 = 0 5X2 = 4000 X2=40000/5 X2 =8000 (0, 8000) X2 =0 5X1 = 40000 X1 =8000 (8000, 0)

2X1 + 3X2 < 12 2/3 X1 + 2X2 < 6 ________________ MAX G = 4X1 + 8X2 2X1 + 3X2 =12 X1 = 0 3X2 = 12 X2 = 4 ( 0,4) X2 = 0 2X1 = 12 X1 = 6 ( 6,0 ) 2/3 X1 + 2X2 = 6 X1 = 0 2X2 = 6 X2 = 3 (0, 3) X2 = 0 2/3 X1 =6 X1 = 9 ( 9,0)

2(2X1 +3X2 = 12) 3 (2/3 X1 +2X2 = 6) 4X1 + 6X2 = 24 2X1 +6X2 = 13 __________________ 2X1 =6 X1 = 3

6 + 3X2 = 12 2X1 + 3X2 = 6 X2 = 2

SOLUCIONES FACTIBLES

A) B) C) D)

(0,0) 0+0 =0 (0,3) 0+8(3) = 24 (3,2) 4(3) + 8(2) =28 ------------ SOLUCION OPTIMA (6,0)99 4(6) + 0 = 24

2X1 +3X2 < 12 2/3 X1 + 2X2 < 6 _______________ MAX G = 4X1 + 5X2

2X1 + 3X2 < 12 X1= 0 3X2 =12 X2 =4 (0,4) X2 = 0 2X1 =12 X1 = 6 (6,0)

2/3X1 + 2X2 =6 X1 = 0 2X2 = 6 X2 = 3 (0,3) X2 = 0 2/3X1 = 6 X1 = 6/1 / 2/3 = 18/2 X1 = 9 (9,0) 2(3) + 3X2 = 12 6+3X2 =12 3X2 = 6 X2 = 2

2( 2X1 + 3X2 = 12) 3 ( 2/3 X1 +2X2 =6) ________________ 4X1 + 6X2 = 24 2X1 + 6X2 = 18 ______________ 2X1 =6 X1 =3

SOLUCIONES FACTIBLES MAX G = 4X1 + 5X2 A) B) C) D) (0,0) (0,3) (3,2) (6,0) 4 (0) +5(0) =0 4(0) + 5(3) =15 4(3) + 2(5) = 22 4(4) + 2 (0) = 24 ------------------- SOLUCION OPTIMA

2 x1 3x2 12 2 x1 2 x2 10
MIN C = 3 x 2 + 4 x2 1.- 2x1 + 3 x 2 = 12 x1=0 3x2 = 12 x2 = 4 (0,4) x2 = 0 2x1 = 12 x1 = 6 ( 6,0) 2.- 2x1 + 2x2 = 10 x1 = 0 2x2 =10 x2 =5 (0,5) x2 = 0 2x1 = 10 x1 = 5 ( 5,0 )

2 x 1 +3x2>12 2 x1 +2x2>10 x2 = 2 2x1 + 3(2) =12 2 x 1 =12-6 x1 =6/2 x1=3

SOLUCIONES FACTIBLES MIN C = 3x1 + 4x2 A) (0,5) = 3 (0) +4(5) =20 B) (3,2) = 3(3) + 4(2) =17------------------- SOLUCION OPTIMA C) (6,0) = 3(6) + 4(0) = 18

4. .

2 x 1 +3x2>12 2 x1 +2x2>10 ______________________ MIN C = 2x1 + 3x2

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

2 x 1 +3x2=12 2 x1 +2x2=10 x2 = 2 2x1 + 6 =12 2 x 1 =6 x1 =6/2 x1=3

SOLUCIONES FACTIBLES

MIN C = 2x1 + 3x2 A) (0,5) = 2 (0) +3(5) = 15 B) (3,2) = 2(3) + 3(2) =12------------------- SOLUCION OPTIMA C) (6,0) = 2(6) + 3(0) = 12------------------- SOLUCION OPTIMA

3 x 1 +4x2<12 5 x1 +3x2<15 x1<1.5 _________________________ MAX G = x 1 + 4 x2 1.- 3x1 + 4 x 2 = 12 x1=0 4x2 = 12 x2 = 12/4 x2 = 3 (0,3) x2 = 0 3x1 = 12 x1 = 4 ( 4,0) 2.- 5x1 + 3x2 = 15 x1 = 0 3x2 =15 x2 =5 (0,5) x2 = 0 5x1 = 15 x1 = 3 ( 3,0 )

A(0,0) B ( 0 , 1.5 ) C (2 , 1.5 ) D (24/11 , 15/11 ) EC ( 3 , 0 )

C . 3x1 + 4 x 2 = 12 x 2 =1.5 3x1 + 4 (1.5) = 12 3x1 + 6 =12 3x1 = 12-6 =6 x2 = 3 (0,3) x1 = 6/3 x1 = 2

B.- 5(3x1 + 4x2 = 12) 3(5x1 + 3x2 = 15) 15x1 + 20x2 = 60 15x1 + 9x2 = 45 11 x2 =15 x2 =15/4 x2 = .363 3x1 + 4 ( 15/11) = 12 3x1 = 12 12 60/11 3x1 = 132 60 = 72/11 11 x1 = 72/11 3/1 x 1 = 72 /33 = 24/11 x1 = 2.1818

( 2.19, 1.36 ) X1 + 4 x 2 SOL. FAC. A ( 0 , 0 ) = 0 + 0 =0 B ( 0 , 1.5 ) = 0 + 4 (1.5 ) =6 C (2 , 1.5 ) = 2 + 4 (1.5 ) = 8----------------------------- SOLUCION OPTIMA D (24/11 , 15/11 ) = 24/11 + 4 (15/11) = 24/11 = 60/11 =84/11 EC ( 3 , 0 ) = 3 + 0 =3

3 x 1 +2x2>12 1/2 x1 +x2>4 _____________________________ MIN G = 5 x 1 + 4 x2

1.- 3x1 + 2 x 2 = 12 x1=0 2x2 = 12 x2 = 12/2 x2 = 6 (0,6) x 2= 0 3 x1 = 12 x 1 = 4 (4 , 0)

2.- 1/2x1 + x2 > 4 x1 = 0 x2 =4 (0,4) x2 =0 1/2x1 = 4 x1 = 4/1 = 8 1/2 x 1 =8 (8 , 0)

3 x 1 +2x2 =12 1/2 x1 +x2 = 4 3 x 1 +2x2 =12 x1 +2x2 = 8 2x1 = 4 x1 = 2

3 (2) +2x2 =12 6 + 2x2 =12 2x2=6 x2 = 6/2 x2 =3

SOLUCIONES FACTIBLES MIN C = 2x1 + 3x2 A) (0,6) = 5(0) +4(6) = 24 B) (2,3) = 5(2) + 4(3) =22------------------- SOLUCION OPTIMA C) (8,0) = 5(8) + 4(0) = 40

2 x1 2 x2 10 2 x1 3x2 12 6 x1 3x2 18 MAX C = 4x 1 + 5 x2

1.- 2x1 + 2 x 2 = 10 x1=0 2x2 = 12 x2 = 5 (0,5) x2 = 3 (0,3) x2 = 0 2x1 = 10 x1 = 5 ( 5,0)

2.- 2x1 + 3x2 = 12 x1 = 0 3x2 =12 x2 =4 (0,4) x2 = 0 2x1 = 12 x1 = 6 ( 6,0 )

3.- 6x1 + 3x2 =18 x1 =0 3x2 =18 x2=6 (0,6 ) x2 = 0 6x1 = 18 x1 = 3 (3, 0)

A)

B)

2 x 1 +2x2 =10 6 x1 +3x2 = 18 6 x 1 +6x2 =30 6 x1 +3x2 =18 3x2 = 12 x2 = 4 2x 1 +2x2 =10 2 x1 +2(4) = 10 2x1= 2 x1 = 1 (1,4) SOLUCIONES FACTIBLES MIN G = 4x1 + 5x2

2 x 1 +2x2 =10 2 x1 +3x2 = 12 x2 = 2

2 x1 + 4 = 10 2x1 = 6 x1 =3

(3,2)

A) (1,4) = 4(1) +5(4) = 24 B) (3,2) = 4(3) + 5(2) =22------------------- SOLUCION OPTIMA

5 x1 8 x2 7 x1 7 x2 8 x1 6 x2

40 49 48

MAX G = 2x 1 + 5 x2 1.- 5x1 + 8 x 2 = 40 x1=0 8x2 = 40 x2 = 40/8 x2 =5 (0,5) x2 = 0 5x1 = 40 x1 = 40/5 x1 = 8 (8,0) 2.- 7x1 + 7x2 = 49 x1 = 0 7x2 =49 x2 =7 (0,7) x2 = 0 7x1 = 49 x1 = 7 ( 7,0 ) 3.- 8x1 + 6x2 =48 x1 =0 6x2 =48/6 x2=8 x2 = 0 (0,8) 8x1 = 48 x1 = 48/8 x1= 6 (6,0)

B)

C)

7(8 x 1 +6x2 =48) 8(7 x1 +7x2 = 49)

7(5 x 1 +8x2 =40) 5(7 x1 +7x2 = 49)

56 x 1 +42x2 =336 56 x1 +56x2 =392 -14x2 = 56 x2 = 4 8x 1 +6x2 =48 8 x1 +24 = 48 8x1= 48-24 x1 = 24/8 x1 =3 (3,4)

35 x 1 +56x2 =280 35 x 1 +35x2 =245

21 x2 = 35 x2 = 35/21 =5/3 =1.67 5x1 +8(5/3) =40 5x1+40/3 =40 5x1=40/1-40/3=120-40/3 =80/3 x1 =80/3 5/1=80/15=16/3=5.33

9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 10

Lneas 1 Lneas 2 Lneas 3

SOLUCIONES FACTIBLES 2x1 + 5x2 A) (0,8) = 2 (0) + 5(8) =40 B) (3,4) = 2 (3) + 5(4) =26 C) (16/3,5/3) = 2(16/3) + 5(5/3) = 32/3 + 25/3 =57/3 =19 D) (8,0) =2 (8) + 5 (0) =16------------------- SOLUCION OPTIMA

4 x 1 +8x2>32 2 x1 +2x2 >12 x2 <5 MAX C = 5x 1 + 2 x2 1.- 4x1 + 8 x 2 = 32 x1=0 8x2 = 32 x2 = 4 (0,4) x2 =0 4x1 = 32 2.- 2x1 + 2x2 = 49 x1 = 0 2x2 =12 x2 =12/2 =6 x2 = 0 2x1 = 12 x1 = 12/2 (0,6) 3.- x2 =5

7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 10 Lneas 1 Lneas 2 Lneas 3

x1 = 8 (8,0)

x1 =6 (6,0)

A)

B)

2 x 1 +2x2 =12 2x1 +2 (5)= 12 2x1 =12-10 2 x1=2 x1 = 1 (1,5)

4 x 1 +8x2 =32 2 x1 +2x2 = 12 ________________ 4 x 1 +8x2 =32 4 x 1 +4x2 =24 _________________ 4 x2 = 8 x2 = 8/4 x2=2

2 x 1 +2(2) =12 2 x 1 +4 =12 2 x 1 =12-4 x 1 =8/2 x1=4

(4,2)

SOLUCIONES FACTIBLES 5x1 + 2x2 A) (1,5) = 5 (1) + 2(5) =15------------------- SOLUCION OPTIMA B) (4,2) = 5 (4) + 2(2) =24 C) (8,8) = 5(8) + 2(0) =40 1/5 x1/2x2<3 2 1/2 x1 +x2 <10 x2 <5 MAX G = 3 1/2x 1 + 2 1/2 x2 1.- 1/2x1 + 1/2 x 2 = 3 x1=0 1/2x2 = 3 x2 = 3/1 / 1/2 x2 =6 (0,6) x2 = 0 1/2x1 = 3 x1 = 3/1 / 1/2 x1 = 6(6,0) 2.- 2 1/2x1 +x2 = 10 3.-x2 =5 x1 = 0 x2 =10 (0,10) x2 =0 2 1/2 x1 =10 x1 = 10/1 / 5/2 =20/15 =4 (4,0)

12 10 8 6 4 2 0 1 2 3 4 5 6 7 8 9 10 Lneas 1 Lneas 2 Lneas 3

X1 + X2 = 3 X1 + (5) = 3 X1 + 5/2 = 3 = 3/1 5/2 = 6-2 / 2 = X1 = / = 2/2 =1 B (1,5)

C) X1 + X2 =3 2 X1 + X2 = 10 _________________ X1 + X2 = 6 2 + X2 = 10 _________________ -1 X1 = - 4 X1 = -4 / 1 / -3 /2 = 8/3 X1 = 8/3

(8,3) + X2 = 3 8/6 + X2 = 3 X2 = 3 8/6 =18-8/6 = 10/6 X2 = 10/6 / = 20/6 X2 = 20/6 = 10/3 (8/3,10/3)

SOLUCIONES FACTIBLES

A) (5,0) = 3 (0) + 2 (5) = 5/2 (5) = 25/2 = 12.5 B) (1,5) = 3 (1) + 2 (5) = 7/2 + 25/2 = 32/2 = 16 C) (8/3,10/3) = 3 (8/3) +2 (10/3) = 7/2 (8/3) +5/2 (10/3) 56/6 + 50/6 = 53/3 = 17.67 D) (4,0) = 3 (4) + 2 (0) = 7/2 (4) = 28/2 = 14 E) (0,0) = 3 (0) +2 (0) = 0

4X1 + 3X2 < 24 6X1 + 9X2 < 54 X1 < 24 _______________ MAX. G 3X1 + 4X2 4X1 + 3X2 = 24 X1 = 0 3X2 = 24 X2 =24/3 X2 = 8 (0,8) 4X1 = 24 X1 = 24/4 X1 = 6 (6,0) 6X1+9X2 = 54 X1 = 0 9X2 =54 X2 = 54/9 X2 = (0,6) X2 = 0 6X1 = 54 X1 = 54/6 = 9 (9,0) X1= 4

9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 10

Lneas 1 Lneas 2 Lneas 3

4X1 + 3X2 = 24 6X1 + 9X2 = 54 ______________ 12X1 + 9X2 = 72 6X1 + 9X2 = 54 ______________ 6X1 = 18 X1 = 18/6 X1 =3

4(3) + 3X2 =24 12 + 3X2 ==24 3X2 = 24 - 12 3X2 =12 X2 = 12/8 = 4 (3,4)

SOLUCIONES FACTIBLES 3X1 + 4X2 A) B) C) D) E) (0,6) = 3 (0) + 4 (6) = 24 (3,4) = 3 (3) + 4 (4) = 25----------------- SOLUCION OPTIMA (4,0) = 3 (4) + 4 (0) = 12 (0,0) = 3 (0) + 4 (0) = 0 (4,8/3) = 3(4) + 4 (8/3) =12 + 32/3 = 68/3 = 22.67

4X1 + 3X2 = 24 X1 = 4 4 (4) + 3X2 = 24 3X2 = 24 16 X2 = 8/3 (4,8/3) X1 + X2 < 5000 5X1 + 5X2 < 40000 ___________________ MAX G = 30X1 + 40X2 1.- X1 +X2 = 5000 X1 = 0 X2 =5000 (0,5000) X2=0 1/2X1= 5000 X1 = 10000 2.- 5X1 +5X2 =40000 X1 = 0 X2 = 40000/5 X2 =8000 (0,8000)

(10000,0)

X2 = 0 X1 = 40000/5 = 8000

(8000,0)

9000 8000 7000 6000 5000 4000 3000 2000 1000 0

Lneas 1 Lneas 2

10 00 0

20 00

40 00

60 00

80 00

SOLUCIONES FACTIBLES 30X1 + 40X2 A) (0,0) = 30(0) + 40(0) =0 B) (0,5000) = 30(0) + 40(5000) =200000 C) (6000,2000) = 30(6000) + 40(2000) = 180000 + 80000 = 260000-----S. OPTIMA D) (8000,0) = 30(8000) + 40(0) =240000

X1+ X2 =5000 5X1 + 5X2 =40000 _________________ 2 X1 + 5X2 =25000 5X1 + 5X2 = 40000 _________________ - 2 X1 = - 15000 X1 = - 15000 / 5/2 X1 = 30000/5 = 6000 (6000) + X2 = 5000 3000 + X2 = 5000 X2 = 5000 3000 X2 = 2000

EXAMEN 2 7Xi + 5X2 >_ 35 lllll 5Xi + 6x2 <_ 30 ///// 4Xi +7X2 >_ 28 == ______________ Min. C.= 8Xi +4X2

1) 7Xi +5X2 = 35 Si Xi = 0 5X2 = 35 X2 = 35/5 X2 = 7 (O, 7) 2) 4Xi + 7X2 = 28 Si Xi = 0 7X2 =28 X2 = 28/7 X2 = 4 (7, O)

2) 5Xi + 6X2 = 30 Si Xi = 0 6X2 = 30 X2 = 30/6 X2 = 5 (O, 5)

A) 5( 7Xi + 5X2 = 35) 7(5Xi + 6X2 = 30) _______________ 35Xi + 25 x2 = 175 35Xi + 42X2 = 210 ________________ -17 X2 = -35 X2 = -35/-17 = 2.6 5Xi + 6 (35/17) = 30 5Xi + 217/17 = 30 5Xi = 30 210/17 5Xi = 300/17 Xi = 300/17/5/1 = 300/85 = 60/17 = 3.53 A (60/17, 35/17)

B) 4(7Xi + 5 X2 = 35) 7(4Xi + 7X2 =28) _________________ 28Xi + 20X2 = 140 28Xi + 49 X2 = 196 _________________ -29X2 = -56 X2 = 56/29 = 1.93 4Xi + 7 (56/29) = 28 4Xi 392/29 = 28 4Xi = 28 392/29 4Xi = 420/29 Xi = 420/29/4/1=420/116 Xi =105/29 = 6.62 B) (105/29, 56/29) c) 4Xi + 7 X2 = 28 4Xi + 7 (20/11) = 28 4Xi + 140/11 = 28 4Xi = 28 140/11 4Xi = 168/11 Xi = 168/11/4/1= 42/11=3.82 c) (42/11, 20/11)

c) 4(5Xi + 6X2 = 30) 5(4Xi + 7X2 = 28) _______________ 20Xi + 24X2 = 120 20Xi + 35X2 = 140 _______________ -11X2 = -120 X2 = 20/11 = 1.82

EJERC. 1 SOLUCIONES FACTIBLES: A (60/17, 35/17) = 8 (60/17) + 4 (35/17) = 620/17 = 36.47 solucin optima B (105/29), 56/29) = 8(105/29) + 4 (56/29) = 1064/29= 36.69 C (42/11, 20/11) = 8(42/11) + 4 (20/11) = 416/11 = 37.82

METODO SIMPLEX

A)

2X1 + 3X2 < = 24 2X1 + X2 < = 16 MAXG: 5 X1 + 7X2

2X1 + 3X2 + X1 = 24 2X1 + X2 + X2 = 16 5 X1 + 7X2

Cj SM 24 16 Zj

X1` X2

0 0 0

5 X1 2 2 0 -5

7 X2 3 8 1 16 0 -7

0 X1` 1 0 0 0

0 X2` 1 0 0 0

Zj-Cj

Cj SM 8 8 Zj

BASE X2 X2 Zj-Cj

Xj 7 0 56

5 X1 2/3 1 1/3 16 11

7 X2 1 0 8 1

0 X1` 1/3 - 1/3 0 0

0 X2` 0 1 8 8

2X1 + 3X2 < = 24 2X2 + X2 < = 16 MAXG: 5 X1 + 7X2

2X1 + 3X2 + X1 = 24 2X2 + X2 + X2 = 16 5 X1 + 7X2

Cj Xj 0 0 Zj

X1 X2

SM 24 16 0

5 X1 2 2 0 -5

7 X2 3 8 1 16 0 -7

0 X1` 1 0 0 0

0 X2` 0 1 0 0

Zj-Cj

Cj Xj 7 0 Zj Zj-Cj X1 X2 SM 8 8 56

5 X1 2/3
12

7 X2 1 0 7 0

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

0 X2` 0 1 0 0

4/3 6 4 2/3 - 1/3

Cj 7 5 Zj Zj-Cj Xj X2 X1 XM 4 6 58

5 X1 0 1 5 0

7 X2 1 0 7 0

0 X1` 1/2 - 1/4 2 1/4 2 1/4

0 X2` - 1/2 3/4 1/4 1/4

SOLUCION OPTIMA X1 = 6 X2 = 4
MAX G. = 58

X1 + X2 < = 100

1/2X1 + X2 < = 60 MAXG: 5 X1 + 8X2

X1 + X2 + X1 = 100 1/2X1 + X2 + X2 = 60 5 X1 + 7X2

Cj 0 0 Xj X1 X2 Zj Zj - Cj SM 100 60 0

5 X1 1 1/2 0 -5

8 X2 1 100 1 60 0 -8

0 X1 1 0 0 0

0 X2 0 1 0 0

Cj 0 8 Xj X1 X2 Zj Zj - Cj SM 40 60 480

5 X1 1/2 80 1/2 120 4 -1

8 X2 0 1 8 0

0 X1 1 0 0 0

0 X2 -1 1 8 8

Cj 5 8 Xj X1 X2 Zj Zj - Cj SM 80 20 560

5 X1 1 0 5 0 SOLUCION OPTIMA

8 X2 0 1 8 0

0 X1 2 -1 2 2

0 X2 -2 2 6 6

X1 = 80 X2 = 20

MAX G. = 560

X1/500 + X2/100 < = 1 X1 < = 400 X2 < = 75 MAXG: 50 X1 + 100X2

Cj Xj 0 0 0 Zj Zj - Cj X1 X2 X3 SM 1 400 75 0

50 X1 1/500 1 0 0 -50

100 X2 1/100 0 1 75 0 -100

0 X1 1 0 0 0 0

0 X2 0 1 0 0 0

0 X3 0 0 1 0 0

Cj Xj 0 X1 0 X2 100 X3 Zj Zj - Cj SM
1/4 400 75 7500

50 X1
1/500 1 400 0 0 -50

100 X2
0 0 1 100 0

0 X1
1 0 0 0 0

0 X2
0 1 0 0 0

0 X3
1/100 0 1 100 100

Cj Xj SM 50 X1 125 0 X2 275 100 X3 75 Zj 13750 Zj - Cj

50 X1
1 0 0 50 0

100 X2
0 0 1 100 0

0 X1
500 -500 0 25000 25000

0 X2
0 1 0 0 0

0 X3
-5 5 55 1 75 -150 -150

Cj Xj SM 50 X1 400 0 X2 55 100 X3 20 Zj 22000 Zj - Cj

50 X1
1 0 1 50 0

100 X2
0 0 1 100 0

0 X1
0 -100 100 10000 10000

0 X2
1 1/5 1/5 30 30

0 X3
0 1 0 0 0

SOLUCION OPTIMA X1 = 400 X2 = 20

MAX G. = 22000

2X1 +3 X2 < = 12 2/3X1+ 2x2 < = 6 MAXG: 4 X1 + 8X2

Cj Xj 0 0 Zj Zj - Cj X1 X2 SM
12 6 0

4 X1
2 2/3 0 -4

8 X2
3 4 23 0 -8

0 X1
1 0 0 0

0 X2
0 1 0 0

Cj Xj 0 8 Zj Zj - Cj X1 X2 SM
3 3 24

4 X1
13 1/3 2 2/3 -1 1/3

8 X2
0 1 8 0

0 X1
1 0 0 0

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

Cj Xj 4 8 Zj Zj - Cj X1 X2 SM
3 2 28

4 X1
1 0 4 0

8 X2
0 1 8 0

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

0 X2
-1 1/2 1 2 2

SOLUCION OPTIMA X1 = 3 X2 = 2
MAX G. = 28

1/2X1 + X2 < = 5000 5X1+ 5x2 < = 40000 MAXG: 30 X1 + 40X2

Cj 0 0 Xj X1 X2 Zj Zj - Cj SM
5000 40000 0

30 X1
1/2
5 0

40 X2
1 5000 5 8000 0

0 X1
1 0 0

0 X2
0 1 0

-30

-40

Cj Xj 40 0 Zj Zj - Cj X1 X2 SM
5000 45000 200000

30 X1
1/2 2 1/2 20

40 X2
1 0 40

0 X1
1 -5 40

0 X2
0 1 0

-10

40

Cj Xj 40 30 Zj Zj - Cj X2 X1 SM
2000 6000 260000

30 X1
0 1 30

40 X2
1 0 40

0 X1
2 -2 20

0 X2
- 1/5 2/5 4

20

SOLUCION OPTIMA X1 = 2000 X2 = 6000 MAX G. = 260000

2X1 + 3X2 < = 12 1/2X1+ x2 < = 6 MAXG: 4 X1 + 2X2

Cj Xj 0 0 Zj Zj - Cj X2 X1 SM
12 6 0

4 X1
2 0
6

2 X2
3 1 0

0 X1
1 0 0

0 X2
0 1 0

1/2 12

-4

-2

Cj Xj 4 0 X1 X2 Zj Zj - Cj SM
6 3 24

4 X1
1 0 4

2 X2
1 1/2 1/4
6

0 X1
1/2 - 1/4
2

0 X2
0 1 0

SOLUCION OPTIMA X1 = 6 X2 = 0
MAX G. = 24

X1 + 3X2 < = 12 X1+ x2 < = 10 MAXG: 5 X1 + 2X2

Cj Xj 0 0 Zj Zj - Cj X1 X2 SM
12 10 0

5 X1
1 12 1 10 0

2 X2
3 1 0

0 X1
1 0 0

0 X2
0 1 0

-5

-2

Cj Xj 0 5 X1 X2 Zj Zj - Cj SM
2 10 50

5 X1
0 1 5

2 X2
2 1 5

0 X1
1 0 0

0 X2
-1 1 5

SOLUCION OPTIMA X1 = 10 X2 = 0 MAX G. = 50

1/2X1 + X2 + x3 < = 8 X1+2 x2 + x3 < = 12 MAXG: 2 X1 + 4X2 + 3X3

Cj Xj 0 0 Zj Zj - Cj X1 X2 SM
8 12 0

2 X1
1/2
1 0

4 X2 18 26
0

3 X3
1 1 0

0 X1
1 0 0

0 X2 0 1 0 0

-2

-4

-3

Cj Xj 0 4 Zj Zj - Cj X1 X2 SM
2 6 24

2 X1
0

1/2
2

4 X2 0 1
4

3 X3
1/2 4 1/2 12
2

0 X1
1 0 0

0 X2
- 1/2 1/2

2 2

-1

Cj Xj 3 4 X3 X2 Zj Zj - Cj SM
4 4 28

2 X1
0

1/2
2

4 X2 0 1
4

3 X3
1 0 3

0 X1
2 -1 2

0 X2
-1 1 -1 1

SOLUCION OPTIMA X3 = 3 X2 = 0
MAX G. = 50

2X1 + 3X2 < = 12 2X1 + X2 < = 8 MAXG: 6 X1 + 8X2

Cj Xj 0 0 Zj Zj - Cj X1 X2 SM
12 8 0

6 X1
2 2 0

8 X2
3 4 18 0

0 X1
1 0 0

0 X2
0 1 0

-6

-8

Cj 8 0 Xj X2 X2 Zj Zj - Cj SM
4 4 32

6 X1
2/3 12 4/3 3 5 1/3 - 2/3

8 X2
1 0 8

0 X1
1/3 - 1/3 8/3' 8/3'

0 X2
0 1 1

Cj Xj 8 6 Zj Zj - Cj X2 X1 SM
2 3 34

6 X1
0 1 6

8 X2
1 0 8

0 X1
1/2 - 1/4 2 1/2 2 1/2

0 X2
- 1/2 3/4 1/2 1/2

SOLUCION OPTIMA X2 = 2 X1 = 3
MAX G. = 34

2X1 + 2X2 < = 12 X1 + 2X2 < = 8 5X1 + 4X2 < = 20 MAXG: 9 X1 + 5X2 Cj Xj 0 0 0 Zj Zj - Cj X1 X2 X3 SM 12 8 20 0 -9 9 X1 26 18 54 0 5 X2 2 4 2 0 -5 0 X1 1 0 0 0 0 0 X2 0 1 0 0 0 0 X3 0 0 1 0 0

Cj Xj 0 0 9 X1 X2 X1 Zj Zj - Cj SM 4 4 4 36

9 X1 0 0 1 9 0

5 X2 2 2/5 1 1/5 4/5 7 1/5 2 1/5

0 X1 1 0 0 0 0

0 X2 -2 1 0 0 0

0 X3 - 2/5 - 1/5 1/5 1 4/5 1 4/5

SOLUCION OPTIMA X2 = 0 X1 = 4 X3 = 0
MAX G. = 36

X1 + X2 < = 5 X1+ x2 < = 8 x2 > = 2 MAXG: 2 X1 + X2

Cj Xj 0 0 0 Zj Zj - Cj X1 X2 X3 SM 5 8 -2 0 -2

2 X1 1 5 1 8 0 0

1 X2 1 2 -1 0 -1

0 X1 1 0 0 0 0

0 X2 0 1 0 0 0

0 X3 0 0 1 0 0

Cj Xj 2 0 0 Zj Zj - Cj X1 X2 X3 SM 5 3 -2 10

2 X1 1 0 0 2 0

1 X2 1 1 -1 2 1

0 X1 1 -1 0 2 2

0 X2 0 1 0 0 0

0 X3 0 0 1 0 0

SOLUCION OPTIMA X1 = 5 X2 = 0 MAX G. = 10

3X1 + 1/2X2 > = 12 2X1+ x2 > = 16 MIN C: 6 X1 + 4 X2

Cj Xj M X1 M X2 Zj Zj - Cj

SM 12 16 28M

6 X1 34 28 5M 5M-6

4 X2 1/2 1 3/2M 3/2M-4

0 X1 -1 0 -M -M

0 X2 0 -1 -M -M

M X1 1 0 M 0

M X2 0 1 M 0

Cj Xj 6 M X1 X2 Zj Zj - Cj SM 4 8 8M+24

6 X1 1 0 6 0

4 X2 1/6 2/3 2/3M+1 2/3M-3

0 X1 -0,3333333 2/3 12 3/2M-2 3/2M-2

0 X2 0 -1 -M -M

M X1 1/3 - 2/3 (-2/3M+2) (-5/3M+2)

M X2 0 1 M 0

Cj Xj 6 0 Zj Zj - Cj X1 X1 SM 8 12 48

6 X1 1 0 6 0

4 X2 1/2 1 3 -1

0 X1 0 1 0 0

0 X2 - 1/2 -1 1/2 -3 -3

M X1 0 -1 0 -M

M X2 1/2 1 1/2 3 3-M

2X1 + 3X2 > = 12 2X1+ 2x2 > = 10 MIN C: 3 X1 + 4 X2

Cj M M Xj X1 X2 Zj Zj - Cj SM 12 10 22M

3 X1 2 2 4M 4M-3

4 X2 3 4 2 5 5M 5M-4

0 X1 -1 0 -M -M

0 X2 0 -1 -M -M

M X1 1 0 M 0

M X2 0 1 M 0

Cj Xj 4 M X2 X2 Zj Zj - Cj SM 4 2 2M+16

3 X1 2/3 6 2/3 3 8/3+2/3M (-1/3+2/3M)

4 X2 1 4 0 4 0

0 X1 - 1/3 2/3 -4/3+2/3M -4/3+2/3M

0 X2 0 -1 -M -M

M X1 1/3 - 2/3 4/3-2/3M 4/3-5/3M

M X2 0 1 M 0

Cj Xj 4 3 X2 X2 Zj Zj - Cj SM 2 3 17

3 X1 0 1 3 0

4 X2 1 0 4 0

0 X1 -1 1 -1 -1

0 X2 1 -1 1/2 -1/2 -1/2

M X1 1 -1 1 1-M

M X2 -1 1 1/2 1/2 1/2-M

SOLUCION OPTIMA X1 = 3 X2 = 2
MIN C: 17

2X1 + 3X2 > = 12 2X1+ 2x2 > = 10 MIN C: 2 X1 + 3 X2

Cj M M Xj X1 X2 Zj Zj - Cj SM 12 10 22M

2 X1 2 2 4M 4M-2

3 X2 34 25 5M 5M-3

0 X1 -1 0 -M -M

0 X2 0 -1 -M -M

M X1 1 0 M M

M X2 0 1 M 0

Cj Xj 3 M X2 X2 Zj Zj - Cj SM 4 2 12-2M

2 X1 2/3 6 2/3 3 2+2/3M 2/3M

3 X2 1 0 3 0

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

0 X2 0 -1 -M -M

M X1 1/3 - 2/3 1-2/3M 1+1/3M

M X2 0 1 M 0

Cj Xj 3 2 Zj Zj - Cj X2 X1 SM 2 3 12

2 X1 0 1 2 0

3 X2 1 0 3 0

0 X1 -1 1 -1 -1

0 X2 1 -1,5 0 0

M X1 1 -1 1 1-M

M X2 -1 1 1/2 0 -M

SOLUCION OPTIMA X1 = 3 X2 = 2
MIN C: 12

3X1 + 2X2 > = 12 1/2X1+ x2 > = 4 MIN C: 5 X1 + 4 X2

Cj M M Xj X1 X2 Zj Zj - Cj SM 12 4 16M

5 X1 34 1/2 8 7/2M 7/2M-5

4 X2 2 1 3M 3M-4

0 X1 -1 0 -M -M

0 X2 0 -1 -M -M

M X1 1 0 M 0

M X2 0 1 M 0

Cj Xj 5 M X1 X2 Zj Zj - Cj SM 4 2 2M+20

5 X1 1 0 5 0

4 X2 2/3 6 2/3 3 2/3M+10/3 2/3M-2/3

0 X1 -1/3 1/6 1/6M-5/3 1/6M-5/3

0 X2 0 -1 -M -M

M X1 1/3 - 1/6 (1/6M+5/3) (7/2M+5/3)

M X2 0 1 M 0

Cj Xj 5 4 Zj Zj - Cj X1 X2 SM 2 3 22

5 X1 1 0 5 0

4 X2 0 1 4 0

0 X1 -1/2 1/4 -3/2 -3/2

0 X2 1 -3/2 -1 -1

M X1 1/2 - 1/4 3/2 3/2-M

M X2 -1 3/2 1 1-M

SOLUCION OPTIMA X1 = 2 X2 = 3
MIN C: 22

3X1 + 1/2X2 > = 12

2X1 + X2 > = 16 MIN C: 6X1 + 4X2

Cj Xj M X1 M X2 Zj Zj - Cj

SM 12 16 28M

6 X1 3 4 28 5M 5M-6

4 X2 1/2 1 3/2M 3/2M-4

0 X1 -1 0 -M -M

0 X2 0 -1 -M -M

M X1 1 0 M 0

M X2 0 1 M 0

Cj Xj 6 0 X1 X1 Zj Zj - Cj SM 8 12 48

6 X1 1 0 6 0

4 X2 1/2 1 3 -1

0 X1 0 1 0 0

0 X2 - 1/2 -1 1/2 -3 -3

M X1 0 -1 0 -M

M X2 1/2 1 1/2 3 3-M

SOLUCION OPTIMA X1 = 8 X2 = 0
MIN C: 48

METODO DUAL

Cj Xj M M Zj Zj - Cj X1 X2 SM 12 16 28M

4 X2 1 3/2 M 3/2 5M-6 M-3

6 X1 3 2 5M

0 X1 -1 0 -M -M

0 X2 0 -1 -M -M

M X1 1 0 M 0

M X2 0 1 M 0

CJ Xj 6 M Zj Zj-Cj X1 X2 SM 4 8 8M+24

6 X1 1 0 6 0

0 X1 -1/3 2/3 2/3M2/3M+1 2 2/3M2/3M-3 2

4 X2 1/6 2/3

0 X2 0 -1 -M -M

M X1 1/3 -2/3 2/3M+2 5/3M+2

M X2 0 1 M 0

C Xj 6 0 Zj Zj-Cj X1 X1 SM 8 12 48

6 X1 1 0 6 0

4 X2 1/2 1 3 -

0 X1 0 1 0 0

0 X2 -1/2 -3/2 -3 -3

M X1 0 -1 0 -M

M X2 3/2 3 3-M

X1=8 X2=0 MINC=48

PRIMAL 5X1+8X2_>40 7X1+7X2_>49 8X1+6X2_>48az

cj xj 0 0 Zj Zj-Cj Y1 Y2 SM 2 5 0

40 Y1 5 8 0 -40

49 Y2 7 7 0 -49

48 Y3 8 6 0 -48

0 Y1 1 0 0 0

0 Y2 0 1 0 0

Cj Xj 49 0 Zj Zj-Cj Y2 Y2 SM 2/7 3 14

40 Y1 5/7 3 35 -5

49 Y2 1 0 49 0

48 Y3 8/7 -2 56 8

0 Y1 1/7 -1 7 7

0 Y2 0 1 0 0

Cj Xj 40 0 ZJ Zj-Cj Y1 Y2 SM 2/5 9/5 16

40 Y1 1 0 40 0

49 48 Y2 Y3 7/5 8/5 -21/5 -3/34 56 64 7 16

0 Y1 1/5 -8/5 8 8

0 Y2 0 1 0 0

DUAL

PRIMAL

Y1=2/5 Y1=X1=8 Y2=0 Y2=X2=0 MINC=16 3X1+1/2_>12 2X1+X2_>16 MINC=6X1+4X2

3Y1+2Y2_<6 1/2Y1+Y2_<4 MAXg=12Y1+16Y2

3Y1+2Y2=6 1/2Y1+Y2+Y1=4 MAXg=12Y1+16Y2

CJ Xj 0 0 Y1 Y2 ZJ 0 ZJ-CJ Cj Xj 16 0 Zj Zj-Cj Y2 Y2 SM 3 1 48 SM 6 4

12 Y1 3 1/2 0 -12 12 Y1 3/2 -1 24 12

16 Y2 2 1 0 -16 16 Y2 1 0 16 0

0 Y1 1 0 0 0 0 Y1 1/2 -1/2 8 8

0 Y2 0 1 0 0 0 Y2 0 1 0 0

DUAL Y1=0 Y2=3 MAXG=48 PRIMAL Y1=X1=8 Y1=X2=0 MINC=48

4X1+3X2_<24 4Y1+6Y2+Y3_>3 6X1+9X2_<54 3Y1+9Y2_>4

4Y1+6Y2+Y3-Y1+Y1=3 3Y1+9Y2-Y2+Y2=4

maxg=3x1+4x2 minc=24y1+54y2+4y3 minc=24y1+54y2+4y3+my1+m CJ Xj M M Zj Zj-Cj Y1 Y2 SM 3 4 7M 24 Y1 4 3 7M 7M24 54 Y2 6 9 15M 15M54 4 Y3 1 0 M M-4 0 Y1 -1 0 -M -M 0 Y2 0 -1 -M -M M Y1 1 0 M 0 M Y2 0 1 M 0

CJ Xj M 54 Zj Zj-CJ Y1 Y2 SM 1/3 4/9

24 Y1 2 3/9

54 Y2 0 1 54 0

4 Y3 1 0 M M-4

0 Y1 -1 0 -M -M

1/3M+24 2M+18 2M-6

0 Y2 2/3 -1/9 2/3M6 2/3M6

M Y1 1 0 M

M Y2 -2/3 1/9 2/3M+6 5/3M+6

24 Xj SM Y1 24 Y1 1/6 1 54 Y2 7/18 0 Zj 25 24 Zj-Cj 0

CJ

54 Y2 0 1 54 0

4 Y3 1/2 -1/6 3 -1

0 Y1 -1/2 1/6 -3 -3

0 Y2 1/3 -2/9 -4 -4

M Y1 1/2 -1/6 3 3-M

M Y2 -1/3 2/9 4 4-M

DUAL Y1=1/6 Y2=7/18 MINC=25 PRIMAL Y1=X1=3 Y2=X2=4 MAXg=25 2X1+3X2_>12 2Y1+2Y2_<3 2Y1+2Y2+Y1=3 2X1+2X2_>10 3Y1+2Y2_<4 3Y1+2Y2+Y2=4 3x1+4x2 maxg=12y1+10y2 maxg=12y1+10y2

CJ Xj 0 0 Y1 Y2 ZJ 0 ZJ-CJ SM 3 4

12 Y1 2 3 0 -12

10 Y2 2 2 0 -10

0 Y1 1 0 0 0

0 Y2 0 1 0 0

CJ Xj 0 12 Y1 Y1 Zj ZJ-CJ SM 1/3 4/3 16

12 Y1 0 1 12 0

10 Y2 2/3 2/3 8 -2

0 Y1 1 0 0 0

0 Y2 -2/3 1/3 4 4

CJ Xj 10 12 Y2 Y1 ZJ ZJ-CJ SM 1/2 1 17

12 Y1 0 1 12 0

10 Y2 1 0 10 0

0 Y1 3/2 -1 3 3

0 Y2 -1 1 2 2

DUAL Y1=1 Y2=1/2 MAXG=17 PRIMAL Y1=X1=3 Y2=X2=2 MINC=17

EXAMEN FINAL

6X1+9X2>108 8X1+8X2>64

6X1+9X2<108 8X1+8X2<64

6Y1+9Y2+ Y =6 9Y1+8Y2+ Y =9 MAX G=108Y1+64Y2

MIN C=6X1+9X2 MIN C=6X+9X2

0 0

CJ XJ Y Y ZJ ZJ - CJ

SM 6 9 0

108 Y1 6 9 0 -108

64 Y2 8 8 0 -64

0 Y 1 0 0 0

0 Y 0 1 0 0

CJ XJ 108 0 Z J ZJ - CJ Y1 Y2 SM 1 0 108

108 Y1 1 0 108 0

64 Y2 4/3 -4 144 80

0 Y 1/6 -3/2 18 18

0 Y 0 1 0 0

SOLUCION DUAL = Y1=1

Y2=0

MAX. G. = 108

SOLUCION PRIMAL = X1=18 X2=0

MIN. C. = 108