Unidad Ii I.O

Instituto Tecnolgico Superior de Acayucan
Investigacin de Operaciones

By. Ing. Ricardo Macedonio Milagro

UNIDAD II
2.1 Formulacin y aplicacin de modelos de programacin lineal
Qu es un Modelo?
Segn una de las definiciones ms simples de modelo es la propuesta por Colin
Lee (1972)
Un modelo es una representacin de la realidad

Esta definicin es llamativa por su simplicidad pero no aclara el porqu de los
modelos. Pidd (1996) propone la siguiente definicin mucho ms completa:

Un modelo es una representacin explcita y externa de parte de la realidad
Como la ven las personas que desean usar el modelo para entender, cambiar,
gestionar y controlar dicha parte de la realidad

De esta definicin se pueden extraer muchas reflexiones interesantes sobre los
Modelos y su uso en Investigacin de Operaciones. Quiz la ms relevante es que
los modelos son representaciones (no son la realidad, que, por cierto, se asume
que existe).

En palabras de George Box (1987)
Bsicamente todos los modelos son errneos, aunque algunos son tiles
Los modelos son externos. Mientras no tienen una representacin externa
respecto del modelad son simplemente una teora mental del mismo. En esa
presentacin externa radica una de las grandes ventajas de los modelos: ponen
negro sobre blanco los pensamientos, los datos, las hiptesis y la intuiciones.
Este esfuerzo es ms que suficiente, en algunas ocasiones, para reconocer que
no hay tal modelo sino un conjunto de prejuicios. En la mayor parte de las
ocasiones la mera representacin explcita y externa de partes del modelo,
permite a los actores del proceso tomar decisiones en beneficio del sistema que
alteran sustancialmente el propio sistema modelado.

Para qu sirve un modelo?

En atencin a lo anterior se pueden definir tres mbitos de utilidad de los modelos
en la Investigacin de Operaciones:
Aprender / Entender
Implementar en un ordenador
Tomar decisiones


Programacin lineal
Es un modelo matemtico para describir un problema, lineal significa que todas
sus funciones matemticas son lineales. Su objetivo es tratar la planeacin de las
actividades para obtener un resultado ptimo que alcance la meta especificada
tomando en cuenta las restricciones del problema
EJEMPLO
Una empresa vincola produce vino y vinagre. El doble de la produccin de vino es
siempre menor o igual que la produccin de vinagre ms 4 unidades. Por otra
parte el triple de la produccin de vinagre sumado con 4 veces la produccin de
vino se mantiene siempre menor o igual a 18 unidades. Halle el nmero de
unidades de cada producto que se debe producir para alcanzar un beneficio
mximo, sabiendo que cada unidad de vino deja un beneficio de $ 80.00 y cada
unidad de vinagre $ 20.00

VINO VINAGRE
$ 80.00 $ 20.00

Z = 80 X
1
+ 20 X
2
Ordenado
S.A. 1) 2 X
1
- X
2
4
2) 4 x
1
+ 3 x
2
18
1) 2 X
1
X
2
+ 4 x
1
, x
2
0
2) 3 X
2
+ 4 X
1
18



Una fbrica de carroceras de automviles y camiones tiene dos departamentos:
En el departamento A para hacer un camin se invierten 7 das y para fabricar un
coche 2 das. En el departamento B para hacer la carrocera de un camin y de un
coche invierte 3 das respectivamente.
Por limitaciones de mano de obra y maquinaria el departamento A dispone de 300
das operarios y el departamento B 270 das.
Cuntas unidades de cada uno se deben producir para maximizar las ganancias,
si los beneficios que se obtienen por cada camin son de $ 6 000 pesos y por
cada automvil $ 2 000 pesos.

X
1
X
2

Camin

Automvil

Disponibilidad

Departamento A.

7

2

300

Departamento B.

3

3

270

Beneficios.

$ 6 000

$ 2 000

Max z = 6 000 X1 + 2 000 X2
Sujeto A:
Departamento A: 1) 7 X1 + 2 X2 300
Departamento B: 2) 3 X1 + 3 X2 270
X1, X2 0



Una entidad financiera capta depsitos y presta dinero. La captacin de depsitos
lleva una hora para convencer al cliente y otra hora de trabajo burocrtico.
El prstamo de dinero lleva una hora para convencer al cliente y dos horas de
trabajo burocrtico.
El mximo nmero de horas de trabajo disponibles es de 40 horas para convencer
a los clientes y 60 horas para el trabajo burocrtico.
El beneficio obtenido por prestar dinero es un 1/3 mayor que el de captar
depsitos Cuntas operaciones de cada tipo le conviene realizar para obtener el
mximo beneficio.

X
1
X
2

Depsitos Prestamos Disponibilidad
Clientes

1

1

40
Burocrtico

1

2

60
Beneficio

X
1

1 1/3 X
2

Max z = X1 + 1 1/3 X2
Sujeto A:
1) X1 + X2 40
2) X1 + 2X2 60
3) X1 + X2 0



Un mercado necesita como mnimo 16 cajas de langostino, 5 cajas de nacaras y
20 de percebes, dos mayoristas A y B se ofrecen al mercado para vender dichos
mariscos pero en contenedores completos.
El mayorista A enva en cada contenedor 8 cajas de langostino, 1 de nacaras y 2
de percebes. Por su parte en mayorista B enva 2, 1, 7 cajas respectivamente.
Cada caja que suministra el mayorista A cuesta $ 210 pesos mientras que las del
mayorista B cuestan $ 300 pesos Cuntos contenedores debe pedir el mercado a
cada mayorista para satisfacer sus necesidades con el menor costo posible.

Mayorista A

Mayorista B

Disponibilidad

X
1

Langostino

8

2

16 Mnimo

X
2

Nacaras

1

1

5 Mnimo

X
3

Percebes

2

7

20 Mnimo

Beneficios

$ 210

$ 300

Minimizar Z = 210 X1 + 300 X2
Sujeto A:
1) 8 X1 + 2 X2 16
2) X1 + X2 5
3) 2 X1 + 7 X2 20
X1, X2 0



Alice, gerente de la Food Fast. Proporciona albergues para cachorros. El alimento
para perros Kennel se hace mezclando dos productos de soya para obtener una
dieta para perros bien balanceada. En la tabla siguiente se dan los datos para los
dos productos si Alice quiere asegurarse de que sus perros reciban al menos 8
onzas de protenas y 1 onza de grasa diariamente, Cul sera la mezcla del
costo mnimo de los dos alimentos para perros?
X
1
X
2

Producto de soya

Costo por onza

Protena (%)

Grasas

1

$ 0.60

50

10

2

$ 0.15

20

20

Disponibilidad

alimentos

8

1

Minimizar Z = 0.60 X1 + 0.15 X2
Sujeto A: 1) 50 X1 + 20 X2 8
2) 10 X1 + 20 X2 1
X1, X2 0



2.2 Mtodo Grafico
Resuelva el siguiente modelo matemtico por el mtodo grfico:
Max Z = 80 X
1
+ 20 X
2
S.A 1) 2X
1
X
2
4
2) 4X
1
+ 3X
2
18
X
1
, X
2
0
2.2 Mtodo Grafico
Resuelva el siguiente modelo matemtico por el mtodo grafico
Max z= 80 X
1
+ 20 X
2

S. A 1)2 X
1
- X
2
4
2) 4 X
1
+ 3 x
2
18
X
1
, X
2
0
Paso 1: igualamos las ecuaciones (restricciones)
1) 2 X
1
- X
2
= 4
2) 4 X
1
+ 3 X
2
=18
X
1
, X
2

Paso 2: Hallar las coordenadas para cada restriccin, haciendo a una de las
variables iguales a cero y despejando la otra para hallar su valor
Para restriccin 2 x
1
x
2
= 4
Si x =
-x
2
= 4
X
2
= 4 = - 4
1
X
2
= -4



Las coordenadas se forman
(X
1
, X
2
)
0, - 4
Si X
2
=
2X
1
= 4
X
1
= 4 = 2
2
X
1
= 2

Las coordenadas se forman
(X
1
, X
2
)
2, 0
Para la restriccin 2) 4X
1
+ 3X
2
= 18
Si X
1
= 0 coordenadas
3X
2
= 18 (X1, X
2
)
X
2
= 18 = 6 0, 6

X
2
= 6
Si X
2
= 0 coordenadas (X
1,
X
2
)
X
1
= 18 = 4.5 4.5, 0

4 X
1
= 18
X
1
= 4.5

3

4


Paso 3: Graficar las coordenadas
1) ( 0 , - 4 )
(2, 0)

2) ( 0 , 6 )
(4.5, 0)

8
7
6
5
4
3
2
1
-8 -7 -6 -5 -4 -3 -2 -1
-1
-2
-3
-4
-5
-6
-7
-8

1 2 3 4 5 6 7 8
Regin factible
C
Ecu.2
D
(0, 6)

X
2

B
Ecu. 1
(0, -4)
A


Paso 4: Determinar la orientacin.
acerca al origen.
aleja del origen.
= no se acerca ni se aleja.

Paso 5: Obtener la regin factible.

Paso 6: Hallar solucin optima.
Z= 80 x
1
+ 20 x
2
Puntos. Coord. F.O Solucin
A (0,0) 80(0) + 20(0) 0
B (2,0) 80(2) + 20(0) 160
C (3,2) 80(3) + 20(2) 280
D (0,6) 80(0) + 20(6) 120

Resolver por el mtodo de ecuacin simultnea
1) (2 X
1
X
2
= 4) (3)
2) (4 X
1
+ 3X
2
=18)(1)

6X
1
- 3 X
2
=12
4X
1
+ 3 X
2
=18
10X
1
=30
=30
10
X
1
= 3



Sustituyendo X
1
en la ecuacin uno.
2X
1
- X
2
=4
2(3) - X
2
= 4

6 - X
2
= 4
-X
2
= 4 6
-X
2
= -2

X
2
= -2 = 2
-1
X
2
= 2

Solucin es:
Z = 280
X
1
= 3 (vino)
X
2
= 2 (vinagre)

Maximizar: Z = 3X
e
+ 2X
i

Sea: 1) X
e
+ X
i
10
2) 3X
e
9
3) 2X
i
14
4) 4X
e
X
i
X
e
, X
i
0



Maximizar: Z = 3X
e
+ 2X
i
S.A:
1) X
e
+ X
i
10
2)3X
e
9
3) 2X
i
14
4) 4X
e
X
i
5
X
e
, X
i
0
Paso 1: igualamos las ecuaciones (restricciones)
1) X
e
+ X
i
= 10
2) 3X
e
= 9
3) 2x
i
= 14
4) 4X
e
X
i
= 5
X
e
, X
i
= 0

Pas 2: hallar las coordenadas para cada restriccin. Haciendo a una de las dos
variables iguales a cero y despejando la otra para hallar su valor.
Para restriccin 1) X
e
+ X
i
= 10
Si X
e
= 0 coordenada
X
i
= 10 (0, 10)
X
i
= 10 = 10
1
X
i
= 10

Si X
i
= 0 coordenada
X
e
= 10 (10, 0)
X
e
= 10 = 10
1
X
e
= 10


Para restriccin 2) 3x =9 Coordenadas
Si Xi= (3,0)
3Xe = 9/3 = 3 (0,0)
Xe = 3
Para restriccin 2) 3x =9 Coordenadas
Si Xi= (3,0)
3Xe = 9/3 = 3 (0,0)
Xe = 3
Para restriccin 3) 2xi = 14 Coordenadas
Si Xe = (0,7)
2xi = 14 (0,0)
Xi = 14/2 = 7
Xi= 7
Para restriccin 4) 4xe xi = 5 Coordenadas
Si Xe = (0,-5)
- Xi = 5
Xi = 5/-1 = -5
Xi = -5

Si Xi = Coordenadas
4 Xe = 5 (1.25, 0)
Xe = 5/4 = 1.25
Xe = 1.25



Paso 3: Graficar las coordenadas

Xi

a
Xe

2 4 6 8 10 12 14 16 -16 -14 -12 -10 -8 -6 -4 -2
-2
-4
-6
-8
-10
-12

12
10
8
6
4
2
Regin factible
A
E 1
C
D
E
E
1
E2
E
B


Paso 4: Determinar la orientacin
Acerca al origen
Aleja al origen
= No se acerca al origen
Paso 5: Obtener la regin factible
Pas 6: hallar la solucin ptima
PUNTOS COORDENADAS F.O SOLUCION
A (0,0) 3 (0)+ 2 (0) 0
B (1.25, 0) 3 (1.25) + 2 (0) 3.75
C (3,7) 3 (3)+ 2 (7) 23
D (0,7) 3 (0) + 2 (7) 14
RESOLVER POR METODO DE ECUACIONES SIMULTNEAS
X
e
+ X
I
=10 (4) X
e
+X
i
=10
4X
e
-X
i
=5 (-1) X
e
+7=10
4X
e
+4X
i
=40 X
e
=10-7
-4X
e
+X
i
=-5 X
e
=3
5X
i
=35

X
i
=35 (3,7)
5 1) (0, 10, 10,0)
X
i
=7 2) (3, 0, 0, 0)
3) (0,7, 0, 0)
4) (0, -5, 1.25, 10)



2.3 MTODO SIMPLEX

La mayora de los problemas reales de programacin lineal tienen ms de dos
variables y son por ende demasiado grandes para su solucin grafica.
El Mtodo Simplex es en realidad un algoritmo ( un conjunto de instrucciones)
con el que se examinan los puntos vrtices (esquinas) de una manera metdica
hasta conseguir la mejor solucin: la mxima utilidad el mnimo costo, por
ejemplo.

TIPOS DE SOLUCIN:
Solucin Factible: Es un valor del conjunto de variables (vector solucin) para el
cual todas las restricciones se cumplen, incluyendo las de no-negatividad.
Solucin Optima: Es una solucin factible que optimiza la funcin objetivo z.
Solucin Bsica: En un sistema de ecuaciones con n variables (n , m). Una
solucin es aquella se obtiene de fijar (n, m) variables del sistema iguales a cero y
resolver el sistema en funcin de las m restantes, a estas variables se les llaman
Variables Bsicas.
Solucin Bsica Factible: Es aquella solucin bsica en que todas las variables
bsicas son no-negativo.
TIPOS DE VARIABLES:

Variables de Decisin: Son aquellas variables que determinan la solucin del problema y
se denotan por Xj.

Variables Base: Son aquellas variables que se agregan al sistema de restricciones como
de holgura y artificiales y pertenecen a la columna Vb.

Variables de Holgura: La variable de holgura se denota por Hi y Hj, cuya ecuacin es:
1) Al introducirla a la restriccin, la convierte en ecuacin.
2) Forma parte de la matriz identidad y su costo es cero.
3) En la tabla simplex, en rengln representa el sobrante del recurso y en la


columna representa el sobrante de la contribucin.

Variable Artificial: Esta variable se denota por Ai y Aj, cuya funcin es:

1) Sirve como variable basica inicial, carece de sentido en el problema, solo en un
Artificio.
2) Forma parte de la matriz identidad y su costo es M, tan grande cuando Z se
Minimiza y tan pequea cuando Z se maximiza, para garantizar valore negativos y
positivos, respectivamente
3) Tiene preferencias de entrar a la tabla simplex inicial.

PROPIEDADES:
1) El conjunto de soluciones factibles es un conjunto convexo.
2) Si existe una solucin factible, existir una solucin bsica factible,
Correspondiente a un punto vrtice del conjunto de soluciones factibles
(conjunto convexo).
3) Existe un nmero finito de soluciones bsicas factibles (puntos vrtices del
Conjunto convexo).
4) Si la funcin objetivo posee un ptimo finito. Entonces dicho ptimo estar
dado
Por una ms soluciones bsicas factibles.
PROCEDIMIENTO DE CLCULO:
I) Formacin del problema (fase I).
II) Construccin del modelo del problema (fase II).
III) Convertir el sistema de restricciones en un sistema de ecuaciones; agregando
variables de holgura y artificiales, segn sea el tipo de restriccin:



TIPO DE
RESTRINCCION
SE AGREGA FUNCION OBJETIVO
s
Hi Max Min Z= 0 Hj
= Ai Max Z = -MAj Min Z= Maj
>
-Hi + Ai Max Z=0Hj-MAj Min Z=0Hj+MAj

NOTA: La variables artificial Ai, tiene preferencia de entrar a la columna base Vb.
IV) Construir la nueva funcin objetivo, incluyendo las variables de holgura primero
y segundo las variables artificiales, con sus respectivos costos (0 y +M M)
V) Construir el sistema de ecuaciones, incluyendo las variables de holgura primero
y segundo las artificiales, la variable que no contenga la ecuacin, se agregar
con coeficiente cero.
VI) Construir la tabla simplex inicial (tabla N1):
1) Definir una columna-rengln Cj que contenga en rengln los coeficientes de la
funcin objetivo y en columna los coeficientes de las variables bsicas (holgura y
artificiales)
2) Definir una columna que contenga las variables bsicas Vb (de holgura y
artificiales).
3) Definir una columna que contenga los recursos disponibles bj (columna
solucion).
4) Definir la matriz de cuerpo que contiene las columnas de las variables de
decisin Xi y sus coeficientes tecnolgicos aij.
5) Definir la matriz identidad que contiene las columnas de las variables bsicas
(primero las de holgura y despus las artificiales), con sus respectivos coeficientes
tcnicos +- 1.
6) Definir el rengln Zj, empleando las expresin: Zj = (columna Cj) ( columnas aj) ;
es decir, la suma de los productos de los elementos correspondientes de la
columna Cj con cada columna aj.


7) Definir el rengln Cj- Zj ; el cual se obtiene restando los elementos del rengln
Zj, de los elementos correspondientes del rengln Cj.
TABLA SIMPLEX INICIAL (Tabla N 1)

MATRIZ DE CUERPO MATRIZ IDENTIDAD
Cj C
1
C
2
.. Cj 0 0 .. 0 +_M +_M .. +_M
Vb bj X
1
X
2
.. Xj H
1
H
2
.. Hj A
1
A
2
.. Aj
0 H
1
b
1
a
11
a
12
.. a
ij
1 0 .. 0 +_1 0 .. 0
0 H
2
b
2
a
21
a
22
.. a
2j
0 1 .. 0 0 +_1 .. 0
: : : : : .. : : : .. : : : .. :
0 Hi : : : .. : : : .. : : : .. :
+- M A
1
: : : .. : : : .. : : : .. :
+-M A
2
: : .. : : : .. : : : .. :
: : : : : .. : : : .. : : : .. :
+-M Ai bj a
i1
a
i2
.. aij 0 0 .. 1 0 0 .. +_1
Zj
Cj-Zj

VII).- Resolver la tabla simplex (proceso iterativo).
1) Determinar la variable de entrada : la determina el valor mayor positivo del
rengln
Cj- Zj, si el objetivo es Max Z o el valor mayor negativo si el objetivo es Min Z,
Definindose as, la columna seleccionada aj.
2) Determinar la variable de salida: esta variable se determina empleando la
ecuacin
Matricial: Vb = bj/aj; es decir, el menor valor positivo de dividir cada elemento de
la
Columna recursos bj entre sus correspondientes elementos de la columna
seleccionada


Aj, definiendo as, el rengln seleccionado Rs. (posteriormente rengln pivote).
3) Obtener el nmero pivote np, el cual se obtiene por la interseccin del rengln y
columna seleccionados y se encierra en un crculo.
|
|
.
|
\
|
np Rs
aj

4) Obtener los elementos del rengln pivote (R.P.) , el cual se obtiene
multiplicando los
Elementos del rengln seleccionado Rs por el inverso multiplicativo del nmero
Pivote np, es decir: R.P. =
np
1
Rs y se introduce a las siguiente tabla
5) Calcular los valores de los renglones restantes aplicando la expresin NE.

(
(
(
(
(
(
(
(
=
(
(
(
(
aj da selecciona
columna la con
actual renglon del
on Intersecci Elemento
renglon
del
actuales
Elementos
renglon
nuevo
del
Elementos

(
(
(
(
pivote
renglon
del
Elementos
NE

E introducirlos a la siguiente tabla:
6) Calcular los renglones Zj y Cj Zj, e introducirlos a la siguiente tabla.
VIII) Verificar optimalizar: si el objetivo es Max Z; Cj Cj s 0. en todos sus
elementos y si el objetivo es Min Z; Cj- Zj > 0, en todos sus elementos , de no
cumplirse, repetir el paso VII.
IX) Obtener la solucin optima del problema, empleando la ecuacin matricial : Vb
= bj.
X) Verificar la factibilidad. Sustituyendo los valores ptimos de las variables de
decisin Xi encada restriccin, incluyendo las de no- negatividad.

XI) Conclusin.



II) Mtodo Simplex
Problema de Auto evaluacin.
Una compaa manufacturera puede producir dos productos A y B. La
produccin est organizada en tres departamentos: fabricacin, ensamble y
pintura, con capacidades semanales de 72 hora, 30 horas y 40 horas para los tres
departamentos, respectivamente. Cada unidad del producto A requiere dos horas
de tiempo de fabricacin, una hora de ensamble y dos horas de pintura. Las
condiciones en las ganancias son de $ 8 y $ 10 por unidad del producto A y B,
respectivamente. La compaa es capaz de vender cualquier cantidad de los dos
productos, determine:
a).- la solucin optima, empleando el mtodo simplex; b) qu departamento tiene
exceso de capacidad? Y c) si a la compaa le ofrecen pintura en oferta a $ 2/litro.
Debera comprarla?.
SOLUCION:
a). Obtener solucin optima, empleando simplex.
I) Formulacin del problema (fase I).
a) Determinar el objetivo: maximizar la ganancia.
b) Definir variables: Z= ganancia
X
1
= N de productos tipo A a producir; C
1
= $ 8 / producto.
X
2
= N de productos tipo B a producir: C
2
= $ 10 /
producto.
c). Establecer restricciones: 1). Tiempo
- Departamento de Fabricacin : 72 horas semanales
- Departamento de ensamble: 30 horas semanales.
- Departamento de pintura: 40 horas semanales.
II) Construccin del modelo del problema (fase II).
a). Funcin objetivo: Max Z = 8X
1
+ 10 X
2
b). Sujeta a las restricciones:
- Departamento de Fabricacin : 2X
1
+ 3X
2
s 72
- Departamento de ensamble : X
1
+ X
2
s 30
- Departamento de pintura : X
1
+ 2X
2
s 40


C). No Negatividad : X
1
> 0; X
2
> 0
III) Convertir el sistema de restricciones a un sistema de ecuaciones, agregando
variables de holgura y/o artificiales, segn el tipo de restriccin, en este problema,
podemos observar las tres restricciones son s , por lo tanto a ambas se les agrega
variable de holgura Hi.
Sistema de Restricciones Sistema de Ecuaciones
2X1 + 3X2 s 72 2X1 + 3X2 + H1 = 72
X1 + X2 s 30 X1 + X2 + H2 = 30
X1 + 2X2 s 40 X1 + 2X2 + H3 = 40
H1; H2 y H3, Con costo cero
IV). Construir nueva Funcin Objetivo: Max Z = 8X
1
+ 10X
2
+ 0H
1
+ 0H
2
+ 0H
3
V). Construir el sistema de ecuaciones: 2X
1
+ 3X
2
+ H
1
+ 0H
2
+ 0H
3
= 72
X
1
+ X
2
+ 0H
1
+ H
2
+ 0H
3
= 30
X
1
+ 2X
2
+ 0H
1
+ 0H
2
+ H
3
= 40
No Negatividad: X
1
>0 ; X
2
>0 ; H
1
>0 ; H
2
>0 ; H
3
>0.
VI). Construir la tabla simplex inicial (tabla n 1).
Tabla N1: Entra X
2
(a
2
: seleccionada). Funcin objetivo.

Cj 8 10 0 0 0

Vb bj X
1
X
2
H
1
H
2
H
3

0 H
1
72 2 3 1 0 0

0 H
2
30 1 1 0 1 0

0 H
3
40 1 2 0 0 1 Sale H
3
(R
3
seleccionado)

Zj 0 0 0 0 0 0


Cj-Zj 8 10 0 0 0
Zj = (Columna Cj) (columna aj) Cj-Zj = rengln Cj rengln Zj
Zjbj = 0 (72) + 0 (30) + (40) = 0 Cj Zj X1 = 8-0 = 8
ZjX1= 0(2) + 0 (1) + 0 (1) = 0 Cj ZjX2 = 10 0 = 10
ZjX2= 0(3) + 0 (1) + 0 (2) = 0 Cj ZjH1 = 0-0 = 0
ZjH1= 0(1) + (0) + 0 (0) = 0 Cj ZjH2 = 0-0 = 0
ZjH2= 0(0) + 0(1) + 0 (0) = 0 Cj ZjH3 = 0-0 = 0
ZjH3= 0(0) + 0(0) + 0(1) = 0
VII). Resolver la tabla N1 (Primera iteracin)
1) Determinar la variable de entrada: como el objetivo es Max Z; la determina el mayor
valor positivo de Cj Zj = 10, entonces X
2
debe entrar a la base Vb, definiendo asi la
columna seleccionada a
2
=
|
|
|
.
|
\
|
2
1
3

2) Determinar la variable de salida empleando la ecuacin matricial Vb = bj/a
2

(Menor valor positivo)
Vb = bj/a2; ;
20
30
24
2 / 40
1 / 30
3 / 72
3
2
1
2
1
3
40
30
72
3
2
1
|
|
|
.
|
\
|
=
|
|
|
.
|
\
|
=
|
|
|
|
|
.
|
\
|
|
|
|
.
|
\
|
|
|
|
.
|
\
|
=
|
|
|
.
|
\
|
H
H
H
H
H
H
Siendo 20 el menor valor positivo,
entonces H
3
debe salir de la base Vb, definiendo asi, el renglon seleccionado R
3
.
3) Obtener el numero pivote np, de acuerdo a la tabla N1 , np = 2
4) Obtener los elementos del rengln pivote, empleando la ecuacin: R.p. = 1/2R
3
, e
introducirlo a la tabla siguiente; es decir, tabla N 2.
R.P. = (40 1 2 0 0 1) = 20 1 0 0



Tabla N2: Entra X
1
(a
1

Cj 8 10 0 0 0

Vb bj X
1
X
2
H
1
H
2
H
3

0 H
1
12 1/2 0 1 0 -3/2

0 H
2
10 1/2 0 0 1 -1/2 Sale H
2
(R
2
seleccionado)

10 X
2
20 1/2 1 0 0 1/2

Zj 200 5 10 0 0 5

Cj-Zj 3 0 0 0 -5

5) Obtener los valores de los renglones restantes R1 y R2; empleando la expresin
NE, e introducirlos a la siguiente tabla (Tabla N 2)
NR
1
=R
1
-3 R.P. NR
2
=R
2
-1 R.P.
R
1
72 2 3 1 0 0 R
2
30 1 1 0 1 0
-3 R.P. 3(20 1 0 0 ) -1 R.P. 1(20 1 0 0 )
72 2 3 1 0 0 30 1 1 0 1 0
-60 -3/2 3 0 0 -3/2 -20 1/2 -1 0 0 -1/2
NR
1
12 0 1 0 -3/2 NR
2
10 0 0 1 -1/2

6) Calcular los renglones Zj y CjZj e introducirlos a la siguiente tabla.(Tabla N 2).
Zjbj = 0 (12) + 0 (10) + 10 (20) = 200 Cj ZjX
1
= 8-5 = 3
ZjX
1
= 0 (1/2) + 0 (1/2) + 10 (1/2) = 5 Cj ZjX
2
= 10 10 = 0
ZX
2
= 0 (0) + 0 (0) + 10 (1) = 10 Cj ZjH
1
= 0-0 = 0
ZjH
1
= 0 (1) + 0 (0) + 10 (0) = 0 Cj ZjH
2
= 0-0 = 0
ZjH
2
= 0 (0) + 0 (1) + 10 (0) = 0 Cj ZjH
3
= 0-5 = -5
ZjH
3
= 0 (-3/2) + 0 (-1/2) + 10 (1/2) = 5

VIII).- Verificar optimalidad: como el objetivo Max Z ; Cj Zj s 0, en todos sus
elementos, ya que C1- Z1 = 3 > 0 ; no cumple, repetir el paso VII.
VII).- Resolver tabla N 2 (segunda iteracin).
NR
1

NR
2

R.P.
sumar sumar


1).- Se determina la variable de entrada; como el objetivo es Max Z, la determina
el valor mayor positivo de Cj Zj = 3, entonces X
1
, debe entrar a la base Vb,
definiendo as la columna seleccionada a
1
=
|
|
|
.
|
\
|
2 / 1
2 / 1
2 / 1

2).-Se determina la variable de salida empleando la ecuacin matricial : Vb
bj/a
1
(menor valor positivo), es decir:

|
|
|
.
|
\
|
=
|
|
|
.
|
\
|
=
|
|
|
.
|
\
|
|
|
|
.
|
\
|
|
|
|
.
|
\
|
=
|
|
|
.
|
\
|
40
20
24
2 / 1 / 20
2 / 1 / 10
2 / 1 / 12
2
2
1
2 / 1
2 / 1
2 / 1
20
10
12
2
2
1
X
H
H
X
H
H
; Siendo 20 el menor valor
positivo,
Entonces H
2
debe salir de la base Vb, definiendo el rengln seleccionado R
2
.
3).- Obtener el numero pivote np, de acuerdo a la tabla N2, np=
4).- Obtener los elementos del rengln pivote R.P., empleando la ecuacin
R.P.= 2R
2
; e introducirlo a la siguiente; es decir, tabla N3.
R.P. = 2 (10 0 0 1 -1/2) = 20 1 0 0 2 -1



Tabla N2:

Cj 8 10 0 0 0

Vb bj X
1
X
2
H
1
H
2
H
3

0 H
1
2 0 0 1 -1 -1

8 X
1
20 1 0 0 2 -1

10 X
2
10 0 1 0 -1 1

Zj 260 8 10 0 6 2

Cj-Zj 0 0 0 -6 -2

5).- Calcular los valores de los renglones restantes R1 y R3, empleando la expresin
NE, e introducirlos a la siguiente tabla (Tabla N 3).
NR
1
=R
1
-1/2 R.P. NR
3
=R
3
-1 R.P.
R
1
12 0 1 0 -3/2 R
3
20 1 0 0
-1/2 R.P. 1/2(20 1 0 0 2 -1) -1/2 R.P. 1(20 1 0 0 )
12 0 1 0 -3/2 20 1 0 0
-10 - 0 0 -1 -20 1/2 -1 0 0 -1/2
NR
1
12 0 1 0 -3/2 NR
3
10 0 0 1 -1/2

6).- Calcular los renglones Zj y Cj- Zj, e introducirlos a la siguiente tabla (Tabla N 3)
Zjbj = 0(2) + 8(20) + 10(10) = 0+160+100=260 Cj-Zj X
1
= 8-8 = 0
Zj X
1
= 0(0) + 8(1) + 10(0) = 0+8+0 = 8 Cj-Zj X
2
= 10-10 = 0
Zj X
2
= 0(0)+ 8(0) + 10(1) = 0+0+10 = 10 Cj-Zj H
1
= 0-0 = 0
Zj H
1
= 0(1) + 8(0) + 10(0) = 0+0+0 = 0 Cj-Zj H
2
= 0-6 = -6
Zj H
2
= 0(-1) + 8(2) + 10(-1) = 0+16-10 = 6 Cj-Zj H
3
= 0-2 = -2
Zj H
3
= 08-1) + 8(-1) + 10(1) = 0-8+10 = 2

VIII).- Verificar optimalidad como el objetivo es Max Z, Cj-Zj s 0, en todos sus
elementos, de acuerdo a la tabla N 3, todos cumplen, por lo tanto, la tabla N 3, es
optima.

NR
1

NR
2

R.P.
Funcin Objetivo
sumar
sumar


IX).- Obtener la solucin optima, empleando la ecuacin matricial: Vb = bj ; es decir:

|
|
|
|
|
.
|
\
|
=
|
|
|
|
|
.
|
\
|
260
10
20
2
2
1
1
Zj
X
X
H
; por lo tanto ;
X).- Verificar Factibilidad: sustituyendo X1=20 y X2=10; en el sistema de
restricciones del problema:
2X1 + 3X2 s 72 X1 + X2 s 30 X1 + 2X2s 40
2(20) + 3(60) s 72 20 + 10 s 30 20 + 2(10)s 40
40 + 30 s 72 (cumple) 30s 30 (cumple) 40 s 40 (cumple)

IX).- Conclusin: La compaa deber elaborar 20 productos tipo A y 10 productos
tipo B; para obtener la Mxima utilidad de $ 260, a la semana.

X
1
=20 H
1
=2
X
2
=10 H
2
=0
Z Max = $260 H
3
=0


2.4 MTODO DUAL.
En el desarrollo de la programacin Lineal, se descubri la existencia de un
problema que se encuentra estrechamente relacionado con un problema de
Programacin Lineal dado: Dicho problema se denomin PROBLEMA DUAL.
Cada problema dado (Problema principal, Problema primo, Problema primero), de
programacin lineal, tiene un problema dual que tiene las siguientes muy
interesantes caractersticas:

1. En problemas de un gran nmero de restricciones, resolver el problema dual en
la computadora es ms eficiente que resolver el problema principal.
2. En algunas ocasiones resulta ms sencilla la resolucin del problema dual que
la del problema principal, en trminos de menor nmero de iteraciones.
3. Los valores ptimos de las variables del dual, proporcionan una interpretacin
econmica del problema principal, interesante.
4. Algunas veces se puede evitar el uso de las variables artificiales mediante la
aplicacin del mtodo de solucin denominado Dual Simplex, sobre el
problema dual.
5. Facilita el estudio del impacto sobre la optimalidad por cambios en el problema
original.

Problema de auto evaluacin:
En una determinada empresa, uno de los productos finales que se fabrican,
tienen una especificacin de peso igual a 150 gramos. Las dos materias primas
que se utilizan son A, con un costo unitario de $20 y B con un costo unitario de
$80; se deben usar por lo menos 14 unidades de B y no mas de 20 unidades de
A. cada unidad A pesa 5 gramos y las de B pesan 10 gramos. Cunto debe usar
de cada tipo de material por unidad de producto final si se desea minimizar los
costos? Resuelva empleando el mtodo dual.
Solucin:
I) Formular el problema (fase I)
a) Determinar el objetivo: minimizar los costos
b) Definir las variables:
Z = costos
X
1
= numero de unidades a utilizar del producto A; c
1
=$20/producto
X
2
= numero de unidades a utilizar del producto B; c
1
=$80/producto
c) Establecer restricciones: 1.-Peso del producto final = 150 gramos


2.-Requerimiento mnimo de 14 unidades del
producto B
3.-Requerimiento mximo de 20 unidades del
producto A
II) Construir el mtodo del problema (fase II)
a) Funcin objetivo: Min Z = 20X
1
+ 80X
2

b) Sujeta a las restricciones:
1. Peso del producto final: 5X
1
+ 10X
2
= 150
2. Requerimiento mnimo: X
2
14
3. Requerimiento mximo X
1
20
c) No-negatividad: X
1
; X
2

Nota: cuando una restriccin est definida para una igualdad, esta debe
expresarse como dos desigualdades, es decir: 5x
1
+ 10x
2
= 150; debe expresarse:
5x
1
+ 10x
2
150
5x
1
+ 10x
2
150
III) Construir el problema primal: como el objetivo es Min Z, todas sus restricciones
deben quedar expresadas con mayor e igual , es decir:
Problema primal (caso II)
Min Z = 20x1 + 80x2
Sujeta a: Cambio de variable para dual
5x
1
+ 10x
2
150 y
1
-5x
1
- 10x
2
-150 y
2
x
1
+ x
2
14 y
3
- x
1
+ x
2
> -20 y
4

x
1
; x
2
>
IV) construir el problema dual: si el objetivo del primal es Min Z (caso II); entonces el
problema dual, lo resuelve Max Z, cuyas restricciones deben quedar expresadas como
menor e igual , es decir:
Problema primal (caso II) Problema dual (caso II)
MIN Z = 20x1 + 80x2 Max Z = 150y
1
150y
2
+ 14y
3
- 20y
4

Sujeta a: Sujeta a:
5x
1
+ 10x
2
150 5y
1
5y
2
+ y
3
y
4
20
-5x
1
- 10x
2
-150 10y
1
10y
2
+ 4y
3
+ y
4
s 80
x
1
+ x
2
14 y
1
; y
2
; y
3
; y
4
>
- x
1
+ x
2
> -20
x
1
;x
2
>


Y
1

V) Resolver el problema dual, empleando el mtodo SIMPLEX.
1) Convertir el sistema de restricciones en un sistema de ecuaciones: esto se logra
agregando variables de holgura y artificiales, segn el tipo de estriccin; en nuestro
problema queda as:
Restricciones: 5y
1
5y
2
+ 0y
3
y
4
20
10y
1
10y
2
+ 4y
3
+ 0y
4
s 80
Ecuaciones: 5y
1
5y
2
+ 0y
3
y
4
+ H
1
= 20
10y
1
10y
2
+ 4y
3
+ 0y
4
+ H
2
= 80
2) Funcin objetivo: Max Z = 150y
1
150y
2
+14y
3
-20y
4
+ H
1
+ H
2

3) Sistema de ecuaciones: 5y
1
5y
2
+ 0y
3
y
4
+ H
1
+ 0H
2
= 20
10y
1
10y
2
+ y
3
+ 0y
4
+ 0H
1
+ H
2
= 80
y
1
; y
2
; y
3
; y
4
; 0; H
1
; H
2
> 0

4) Construir la tabla SIMPLEX inicial (tabla 1)
Tabla N1: Entra Y
1
(a
1

Cj 150 -150 14 -20 0 0

Vb bj Y
2
Y
3
Y
4
H
1
H
2

0 H
1
20 5 -5 0 -1 1 0

0 H
2
80 10 -10 1 0 0 1

Zj 0 0 0 0 0 0 0

Cj-Zj 150 -150 14 -20 0 0

5) Resolver tabla No 1 (primera iteracin)
a) Determinar variable de entrada: como el objetivo es Max Z, la defina Cj-Zj mayor
positivo; es decir: C1-Z1=150 ; por lo que Y1, debe entrar la base Vb (a1 seleccionada)
b) Determinar variable de salida: empleando la ecuacin matricial Vb = bj/a1
(Menor valor positivo; es decir:
H
1

Sale H
1
(R
1
seleccionado)


|
|
.
|
\
|
2
1
H
H
=
|
|
.
|
\
|
|
|
.
|
\
|
10
5
80
20
=
|
|
.
|
\
|
=
|
|
.
|
\
|
|
|
.
|
\
|
8
4
2
1
10 / 80
5 / 20
H
H
; Siendo 4 el menor valor positivo, H
1
debe salir
de la base Vb. (R
1
seleccionado).
c) Obtener el numero pivote np: de acuerdo a la tabla N1 ; np = 5.
d) Calcular los elementos del rengln pivote R.P., empleando la ecuacin. R.P.= 1/5 R
1
; e
introducirlo a la siguiente tabla, es decir, tabla N2.
R.P. = 1/5 | | 0 1 1 - 0 5 - 5 20 = 4 1 -1 0 -1/5 1/5 0
Tabla N2: Entra Y
3
(a
3

Cj 150 -150 14 -20 0 0

Vb bj Y
1
Y
2
Y
3
Y
4
H
1
H
2

150 Y
1
4 1 -1 0 -1/5 1/5 0

0 H
2
40 0 0 1 2 -2 1

Zj 600 150 -150 0 -30 30 0

Cj-Zj 0 0 14 10 -30 0

e) Calcular rengln restante R
2
, empleando la ecuacin NE, e introducirlo a la tabla
N2.
NR
2
= R
2
-10 R.P.
R
2
80 10 -10 1 0 0 1
-10R.P. -10( 4 1 -1 0 -1/5 1/5 0 )
80 10 -10 1 0 0 1 sumar
-40 -10 10 0 2 -2 0
NR
2
40 0 0 1 2 -2 1

H
2

Sale H
2
(R
2
seleccionado)
R.P.

NR
2



f) Calcular los renglones Zj y Cj-Zj

Zj bj = 150(4)+0(40) = 600+0 = 600 Cj-Zj Y1 = 150-150 =0
Zj Y1 = 150(1)+0(40) = 150+0 = 150 Cj-Zj Y2 = -150-(-150) = -150+150 = 0
Zj Y2 = 150(-1)+0(0)= -150+0 Cj-Zj Y3 = 14-0 = 14
Zj Y3 = 150(0)+0(1)= 0+0 = 0 Cj-Zj Y4 = -20-(-30) = -20+30 = 10
Zj Y4 = 150(-1/5)+0(2) = -30+0 = -30 Cj-Zj H1 = 0-30 = -30
Zj H1 = 150(1/5)+0(-2) = 30+0 = 30 Cj-Zj H2 = 0-0 = 0
Zj H2 = 150(0)+0(0) = 0+0 = 0

6) Verificar optimalidad: cuando el objeto es Max Z; Cj-Zj
>
0, en todos sus valores, de
acuerdo a la tabla N2: C3-Z3=14 > 0 ; C4-Z4=10 > 0 ; no cumplen, por lo tanto se
repite el paso N5.
5) Resolver tabla N2 (Segunda iteracin).
a) Determinar variable de entrada: Cuando el objetivo es Max Z, la define Cj-Zj
mayor valor positivo; es decir: C3-Z3= 14, por lo tanto Y3 debe entrar a la base
Vb:(a3:seleccionada)
b) Determinar variable de salida: Empleando la ecuacin matricial Vb = bj/a3
(menor valor positivo); es decir:

|
.
|
\
|
2
1
H
Y
=
|
|
|
|
|
.
|
\
|
1
0
40
4
=
|
.
|
\
|
=
=
40 1 / 40
0 / 4
|
.
|
\
|
2
1
H
Y
=
|
.
|
\
|
40
; Siendo 40 el valor menor
positivo, entonces H2 debe salir de la base Vb (R2 seleccionado).

c) Obtener el nmero pivote np. De acuerdo a la tabla N2. np = 1
d) Calcular los elementos del rengln pivote: R.P.= 1R2; e introducirlo a la siguiente
tabla, es decir a la tabla N3:



R.P.= 1| | 1 2 - 2 1 0 0 40 = 40 0 0 1 2 -2 1

Tabla N3: Funcin objetivo.

Cj 150 -150 14 -20 0 0

Vb bj Y
1
Y
2
Y
3
Y
4
H
1
H
2

150 Y
1
4 1 -1 0 -1/5 1/5 0

14 Y
3
40 0 0 1 2 -2 1

Zj 1160 150 -150 14 -2 2 14

Cj-Zj 0 0 0 -18 -2 -14

e) Calcular rengln restante R
1
, empleando la ecuacin NE, e introducirlo a la tabla N3.
NR
1
= R
1
-0 R.P.

R
1
4 1 -1 0 -1/5 1/5 0
-10R.P. 0( 40 0 0 1 2 -2 1 )
4 1 -1 0 -1/5 1/5 0 sumar
0 0 0 0 0 0 0
NR
2
4 1 -1 0 -1/5 1/5 0

f) Calcular los renglones Zj y Cj-Zj , e introducirlos a la tabla N3.
Zj bj = 150(4)+14(40) = 600+560 = 1160 Cj-Zj Y
1
= 150-150 =0
Zj Y
1
= 150(1)+14(0) = 150+0 = 150 Cj-Zj Y
2
= -150-(-150) = -150+150 = 0
Zj Y
2
= 150(-1)+14(0)= -150+0 Cj-Zj Y
3
= -20-(-2) = -20+2 = -18
Zj Y
3
= 150(-1/5)+14(2)= -30+28 = -2 Cj-Zj Y
4
= 14-14 = 0
Zj Y
4
= 150(0)+14(1) = 0+14 = 14 Cj-Zj H
1
= 0-2 = -2
Zj H
1
= 150(1/5)+14(-2) = 30-28 = 2 Cj-Zj H
2
= 0-14 = -14
Zj H
2
= 150(0)+14(1) = 0+14 = 14

6) Revisar optimalidad: Como el objeto es Max Z; Cj-Zj
>
0, en todos sus
elementos revisando la tabla N3: se cumple Cj-Zj s 0 ; por lo tanto la tabla N3,
es optima.


VI) De la tabla optima, obtenemos los valores absolutos de las contribuciones de
las variables de holgura Hj, es decir: H
1
=2 y H
2
=14 ; valores que corresponden a
X
1
y X
2
, respectivamente, por lo tanto: Z min = 20(2)+80(14) = 40+1120 = $1160.
La X
1
=2
Solucin X
2
=14
Optima Z Min = $1160.

VII) Verificar factibilidad: Sustituir los valores X1=2 y X2=14, en el sistema de
restricciones del problema original.
1.- 5X1+10X2 = 150 2.- X2 >
14 3.- X1 s
20
5(2)+10(14)=150 14
>
14 (cumple) 2
s
20 (cumple)
10 + 140 =150
150 = 150 (cumple)

VIII) Conclusin: La empresa deber usar 2 unidades del producto A y 14
unidades del producto B, para obtener un producto final de peso igual a 150
gramos a un costo mnimo de $1160.



2.5 MTODO DUAL-SIMPLEX.
Una vez formulado el problema dual, debemos encontrar su solucin, el mtodo a
emplear ser el denominado Mtodo Dual-Simplex el cul empieza con una
solucin ptima o mejor que ptima (Z
j
C
j
> 0 ;
j
), pero no factible (Algunos b
i
son < 0), y se mueve hacia el ptimo mediante iteraciones que mejoran su
factibilidad conservando su optimalizad. Fjese que es lo contrario al mtodo
Simplex, en donde se empieza mediante una solucin factible pero no ptima y
mediante iteraciones se mejora la optimalidad, conservando la factibilidad. Esto se
ilustra mediante la siguiente grfica:
Mtodo Simplex
Solucin Factible
Pero NO ptima
Solucin Optima
y Factible
Mtodo Dual Simplex
Solucin NO Factible
Pero ptima

Mtodo Simplex
Mejora su Optimalidad
Conservando su Factibilidad
Mtodo Dual Simplex
Mejora su Factibilidad
Conservando su Optimalidad

ALGORITMO PARA MAXIMIZAR EN EL MTODO DUAL SIMPLEX
Se requiere que el problema est expresado en trminos de Maximizar la Funcin
objetivo y todas sus restricciones con mayor igual ( > )
Variable que sale de la Base: Aquella que tenga el valor menos factible sea la
ms negativa, matemticamente: X
B,r
= Mnimo i X
B,i
, X
B,i
< 0 ; X
B,i
< 0 implica que
la solucin es NO factible. Variable que entra a la Base: Aquella variable que
tenga el valor menos negativo en su expresin: ( Z
j
- C
j
) / a
r,j
, matemticamente:
(Z
K
- C
K
) / a
r,k
= Mximo j (Z
j
- C
j
) / a
r,j
; Siendo a
r,j
< 0 . El siguiente ejemplo ilustra
un paralelo entre el Mtodo Simplex y el Mtodo Dual Simplex en donde se
resalta para cada iteracin, la relacin entre los dos (2) Mtodos.

Hallar la solucin ptima al problema
siguiente:
Problema Principal

Problema Dual
Max Z(x) = 3X
1
+ 5X
2

c.s.r.
X
1
< 4
X
2
< 6
3X
1
+ 2X
2
< 18
XJ > 0 ; J = 1,2
Min Z(y) = 4Y
1
+ 6Y
2
+ 18Y
3

c.s.r.
Y
1
+ 3Y
3
> 3
Y
2
+ 2Y
3
> 5
YJ > 0 ; J = 1,2,3


Max Z(x) = 3X
1
+ 5X
2

c.s.r.
X
1
+ X
3
= 4
X
2
+ X
4
= 6
3X
1
+ 2X
2
+ X
5
= 18
XJ > 0 ; J = 1,2,3,4,5
Max Z(y) = - 4Y
1
- 6Y
2
- 18Y
3

c.s.r.
- Y
1
- 3Y
3
+ Y
4
= - 3
- Y
2
- 2Y
3
+ Y
5
= - 5
YJ > 0 ; J = 1,2,3,4,5



Observe que en el Dual Simplex se hizo uso de la regla de equivalencia,
multiplicando la funcin objetiva por (-1), y al final, nuevamente se multiplic el
valor de Z por (-1).

En cada iteracin del Mtodo Simplex se muestra que:
1. Los Z
j
C
j
de las variables de holgura X
3
, X4, X5

(Z
3
-C
3,
Z
4
-C
4,
Z
5
-C
5
) son los
valores de las variables reales del Dual (Y
1
, Y2, Y3)
2. Los Z
j
C
j
de las variables reales X
1
,X
2
(Z
1
-C
1
, Z
2
-C
2
) son los valores de las
variables de holgura del Dual (Y
4
,Y
5
)

En cada iteracin del Mtodo Dual Simplex se muestra que:
1. Los Z
j
C
j
de las variables de holgura Y
4
,Y
5
(Z
4
-C
4
, Z
5
-C
5
) son los valores de las
variables reales del problema principal (X
1
,X
2
)
2. Los Z
j
C
j
de las variables reales Y
1
,Y
2
,Y
3
(Z
1
-C
1
, Z
2
-C
2
, Z
3
-C
3
) son los valores
de las variables de holgura del problema principal (X
3
,X
4
,X
5
)

EL Mtodo Dual Simplex es herramienta fundamental para lograr la informacin
necesaria que permita hacer el anlisis posterior, despus de haber encontrado la
solucin ptima




2.6 ANLISIS DE RESULTADOS.
Como se ha comentado los parmetros de los modelos no tienen porqu ser
exactos ciertos. Es por ello que al obtener una solucin interesa saber cmo se
hubiera comportado la solucin escaso de que los datos hubieran sido ligeramente
diferentes. Ese anlisis (fruto fundamental de cualquier resolucin) se puede
realizar resolviendo una y otra vez el mismo modelo, pero tambin se puede
obtener analizando ligeramente algunos datos ms que suelen obtenerse al
resolver otros modelos
Al resolver un modelo lo importante generalmente no es conocer los valores
solucin de cada una de las variables, o el valor de la funcin objetivo sino la
poltica a la que conduce el modelo. As en el modelo de ejemplo (ejemplo 1) lo
que importa es que se fabrican productos de tipo 1 y tipo 2 de tal manera que
utilizan a plena capacidad los recursos torno y mano de obra. Si un modelo es
establece ligeras variaciones de los coeficientes no variarn esta poltica, sino
nicamente las cantidades concretas.

Interpretaciones econmicas

Para avanzar en esta seccin es conveniente plantear un problema de mezcla de
productos que sirva como ejemplo.





BIBLIOGRAFA

Mathur, Kamlesh., Solow Daniel., Investigacin De Operaciones: El Arte De La Toma De
Decisiones. Editorial Prentice Hall Hispanoamericana S.A. 1.996

Eppen D. G., Gould F. J., Schmidt C. P. Investigacin De Operaciones En La Ciencia
Administrativa., Editorial Prentice Hall Hispanoamericana S.A., Mxico. Tercera Edicin
Kauffmann, A.. Mtodos Y Modelos De La Investigacin De Operaciones Tomo Ii. Cecsa. 1972

Unidad Ii I.O

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Unidad Ii I.O

Cargado por

Copyright:

Formatos disponibles

Instituto Tecnolgico Superior de Acayucan

También podría gustarte