001 Modulo de Programacion LinealA

INTRODUCCIN.
El presente Mdulo de Autoaprendizaje titulado:
Investigacin de Operaciones:
PROGRAMACIN LINEAL se ha elaborado para los alumnos de la escuela profesional

de Ingeniera en Energa del curso de Investigacin de Operaciones a fin de ayudar en el
aprendizaje de esta amplia disciplina y cubriendo algunas necesidades pedaggicas.
El mdulo se ha elaborado teniendo en cuenta las diversas metodologas existentes en los
libros y adaptndolo a las necesidades pedaggicas propias de los estudiantes y, se ha
dividido en cinco sesiones de aprendizaje considerando algunas actividades de atajo por
cada tema donde el alumno tiene que ir comprobando su aprendizaje y al finalizar cada
sesin se considera una auto evaluacin. Los alumnos no podrn pasar a la siguiente
sesin si no han desarrollado todas las actividades planteadas.
El contenido de las sesiones son los siguientes:
Sesin 01 : Fundamento Bsicos de Investigacin de Operaciones , orienta a los
estudiantes en el contexto de la metodologa de investigacin de operaciones brindando
las principales definiciones, sus campos de aplicacin y las tcnicas de investigacin de
operaciones desarrolladas.
Sesin 02 : Fundamentos de Programacin Lineal , introduce al conocimiento de la
tcnica de programacin lineal, construyendo sus modelos y la descripcin de cada uno
de sus elementos; se formula modelos a partir de situaciones problemticas dndolo
solucin por el mtodo grafico. Adicionalmente a ello se estudia el problema de
Asignacin, Transporte y de la dieta.
Sesin 03 : Mtodo Simplex Primal , los alumnos aprendern a resolver los modelos de
Programacin Lineal haciendo uso del algoritmo simplex primal dando un interpretacin
administrativa a los resultados y asignndolo un tipo de solucin.
Sesin 04 : El Problema Dual y El Mtodo Simplex Dual , el alumno construir un
problema dual a partir del problema primal brindando los resultados del dual a partir de la
solucin del Primal. Adems, aprender el algoritmo Simplex Dual como una alternativa de
solucin de problemas de PL que se ajuste a las condiciones de esta tcnica.
Sesin 05 : Anlisis de Sensibilidad , el alumno estar en la capacidad de interpretar los
resultados
de
la
tcnica
de
programacin
lineal,
evaluando
las
posibilidades
el
incrementos o disminucin de sus recursos y/o utilidades (costos) respetando las

condiciones de factibilidad y optimidad respectivamente.
Con este mdulo de autoaprendizaje pretendo contribuir en el campo pedaggico de la
enseanza de la investigacin de operaciones de los estudiantes de Ingeniera en Energa
de la UNS y esta abierta a cualquier sugerencia o critica constructiva a fin de seguir
mejorando y que es la razn de ser de todo profesional ... PERFECCIONAMIENTO
CONTINUO.
El Autor.
INDICE
Pg.
Introduccin------------------------------------------------------------------------------------------------------- 2
ndice---------------------------------------------------------------------------------------------------------------- 3
Sesin 1 : Fundamentos Bsicos de Investigacin de Operaciones-------------------------5
Definiciones de investigacin de operaciones------------------------------------------------------------6
Secuencia operativa de un estudio de investigacin de operaciones-------------------------------7
Campos de aplicacin de la investigacin de operaciones.-------------------------------------------8
Tcnicas de investigacin de operaciones.---------------------------------------------------------------8
Modelos en Investigacin de Operaciones----------------------------------------------------------------9
Auto evaluacin------------------------------------------------------------------------------------------------- 10
Sesin 2 : Fundamentos de Programacin Lineal-------------------------------------------------11
Antecedentes histricos de Programacin Lineal.-----------------------------------------------------12
Definiciones de Programacin Lineal.--------------------------------------------------------------------- 12
Elementos de un Modelo de Programacin Lineal.----------------------------------------------------12
Modelo de Programacin Lineal.--------------------------------------------------------------------------- 12
Propiedades de la forma Estndar de un modelo de Programacin Lineal.---------------------13
Tipos de Variables de un modelo de Programacin Lineal.------------------------------------------13
Formulacin y solucin a modelos de PL por el mtodo grafico.-----------------------------------13
Aplicaciones de la Programacin Lineal------------------------------------------------------------------ 19
El problema de asignacin----------------------------------------------------------------------------------- 20
El problema del transporte----------------------------------------------------------------------------------- 23
El problema de la dieta--------------------------------------------------------------------------------------- 26
Auto evaluacin------------------------------------------------------------------------------------------------- 28
Sesin 3 : Mtodo Simplex Primal --------------------------------------------------------------------- 29
Procedimiento del Mtodo Simplex Primal.--------------------------------------------------------------30
Solucin a un modelo de Maximizacin con el mtodo simplex primal.--------------------------31
Solucin a un modelo de Minimizacin con el mtodo simplex primal.---------------------------33
Casos especiales de solucin del mtodo simplex.---------------------------------------------------34
Autoevaluacin------------------------------------------------------------------------------------------------- 35
Sesin 4 : El Problema Dual y el Mtodo Simplex Dual -----------------------------------------36
El Problema Dual.---------------------------------------------------------------------------------------------- 37
Condiciones para derivar un Dual a partir de un Primal.---------------------------------------------37
Mtodo Simplex Dual.- Procedimiento.------------------------------------------------------------------- 41
Solucin a Modelos de PL por el Mtodo Simplex Dual.---------------------------------------------41

Autoevaluacin------------------------------------------------------------------------------------------------- 43
Sesin 5 : Anlisis de Sensibilidad -------------------------------------------------------------------- 44
Anlisis de Sensibilidad.-------------------------------------------------------------------------------------- 45
Estado de los Recursos.-------------------------------------------------------------------------------------- 45
Precios Duales.------------------------------------------------------------------------------------------------- 45
Cambio en la disponibilidad de los recursos.------------------------------------------------------------45
Cambios en las Utilidades y/o costos marginales de la funcin objetivo.----------------------------47
Autoevaluacin------------------------------------------------------------------------------------------------- 50
Bibliografa------------------------------------------------------------------------------------------------------- 52
Universidad Nacional del Santa

Facultad de Ingeniera
Escuela Acadmico Profesional de Ingeniera en Energa
SESION 1
DURACIN:
120 minutos
FUNDAMENTOS BASICOS DE INVESTIGACION DE OPERACIONES

CA PACI DA D
GE NE RA L
Aplica correctamente los conceptos generales de investigacin de operaciones en los problemas

propios de la especialidad de ingeniera en energa ubicndolo en el contexto de su realidad.
CAPACIDADES TERMINALES
1.
Elabora un concepto de investigacin
CONTENIDO
1.
2.
3.
Reconoce las tcnicas de investigacin

de
operaciones
aplicadas
diversas
empresas del mundo.

4.
2.
Aplica
modelos
matemticos
en
problemas de investigacin de operaciones.
investigacin
de
Campos de aplicacin de la investigacin

de operaciones.
Reconoce los campos de aplicacin de

la investigacin de operaciones.
de
operaciones.
de operaciones a partir de las definiciones

dadas por diversos estudiosos de la rama.
Definiciones
3.
Tcnicas de investigacin de operaciones.
4.
Modelos de Investigacin de operaciones.
Investigacin de Operaciones
Fundamentos Bsicos
INVESTIGACIN DE OPERACIONES
1. DEFINICIONES DE INVESTIGACIN DE OPERACIONES.
La I.O. puede describirse como un enfoque cientfico de la toma de decisiones que requiere la
operacin de sistemas organizaciones.
Hiller y Lieberman
La I.O. comprende los mtodos y modelos de matemticas aplicadas para resolver problemas de
operaciones complejas.
Comisin Presidencial sobre Seguridad de la
Aviacin de los EEUU de Norteamrica.
La I.O. es la aplicacin de mtodos cientficos, tcnicas y herramientas a problemas que involucran
las operaciones de sistemas adems de proveer a stos, de soluciones ptimas en los problemas
sobre control de sus operaciones.
Churchman, Ackoff y Arnoff

La I.O. comprende la aplicacin del mtodo cientfico al estudio de organizaciones o actividades
grandes y complejas
Concejo Nacional de Investigacin de Gran Bretaa

Se define la I.O. como la aplicacin del mtodo cientfico al anlisis y solucin de problemas de
decisin gerencial
Turban y Meredith
Se utiliza aqu el termino I.O. como el anlisis del uso de los modelos matemticos como un auxiliar
en el proceso de la toma de decisiones
Buffa y Dyer
Tomado del material de estudio del curso Tcnicas de Investigacin Operativa de la Maestra en Ingeniera de
Sistemas de la escuela de Post Grado de la Universidad de Lima.
Ingeniera en Energa
Pg. 6
Ing. Carlos E. Vega Moreno
Fundamentos Bsicos
SECUENCIA OPERATIVA DE UN ESTUDIO DE INVESTIGACIN DE OPERACIONES.
FORMULACION DEL
PROBLEMA
SISTEM
A
IMPLEMENTACION
CONSTRUCCIN
DEL MODELO
CONTROLES SOBRE
LA SOLUCION
RECOLECCION DE
DATOS
INTERPRETACIN
DE RESULTADOS
SOLUCION DEL
MODELO
ANLISIS DE
RESULTADOS
VALIDACIN DEL
MODELO
Tomado del material de estudio del curso Tcnicas de Investigacin Operativa de la Maestra en Ingeniera de
Sistemas de la escuela de Post Grado de la Universidad de Lima.
Ingeniera en Energa
Pg. 7
Fundamentos Bsicos
2. CAMPOS DE APLICACIN DE LA INVESTIGACIN DE OPERACIONES.

La investigacin de operaciones aborda temas que responde a preguntas que se formulan a
continuacin:
Cul es la forma ms eficiente de asignar ciertos recursos escasos para conseguir la ms alta tasa
de retorno? Cul es la mejor manera de asignar rutas a una flotilla de transporte de bienes que
deben ser colocados en bodegas de distribuidores para que los costos sean ms bajos? Cuntas
ventanillas deben colocarse en un banco en las horas normales y en las horas y das pico para que
los clientes no se desesperen y se retiren al banco que est cruzando la calle (competencia)?
Cuntas cajas registradoras debe habilitar un supermercado para que el largo de las colas no
entorpezcan la circulacin de los clientes que an estn comprando y de los trabajadores que
colocan mercadera, etiquetan y dan atencin al pblico? De qu manera debe asignarse un
presupuesto en una industria (o en un sector de la economa de un pas), para que se satisfaga la
demanda interna y externa del bien o servicio que produce?
Cul ser la demanda de lneas telefnicas para el ao 2010, teniendo en cuenta el crecimiento
natural de la poblacin, el cambio de sus hbitos, la produccin, el nmero de profesionales,
escuelas, comercios, etctera, que habrn en ese entonces? Ser posible hacer predicciones
(aproximadas por supuesto) de cuntas escuelas, comercios, profesionales, etctera, habr en el
ao 2010? , etc. Es muy oportuno porque es en estos casos donde los especialistas en esta
disciplina pueden apoyar a los dems.
Como se podr notar el campo de la investigacin de operacin es diverso: se puede aplicar en
cualquier Actividad Humana pero primordialmente en la Administracin, economa, industria e
Ingeniera, siempre buscando optimizar sus recursos.
3. TCNICAS DE INVESTIGACIN DE OPERACIONES.
Entre la tcnicas mas utilizadas de investigacin de operaciones podemos citar lo siguiente:
Programacin Lineal y Entera.: Consiste en formular problemas en trminos de modelos
matemticos conducidos a maximizar o minimizar los beneficios o costos. La programacin lineal
varia un tanto de la programacin entera en respecto a la tcnica para encontrar los resultados en
funcin de los valores que asume.
Programacin Dinmica.- La programacin dinmica se utiliza tanto en problemas lineales como no
lineales. Es til para resolver un problema donde se deben tomar una serie de decisiones
interrelacionadas. A diferencia de la Programacin Lineal la programacin dinmica no tiene
formulacin matemtica estndar. Se trata de un enfoque de tipo general para la solucin de
problemas, y las ecuaciones se derivan de las condiciones individuales de los mismos.
Programacin y evaluacin de proyectos con PERT CPM.: Esta tcnica para la planificacin de
proyectos es un instrumento gerencial por excelencia, ya que permite al ejecutivo planear y
mantener un control muy preciso durante la ejecucin de los mismos.
Ingeniera en Energa
Pg. 8
Fundamentos Bsicos
Teora de Inventarios.- se crea un inventario cuando el volumen de materiales, partes o bienes

terminados que se recibe es mayor que el volumen de los mismos que se distribuye; el inventario se
agota cuando la distribucin es mayor que la recepcin de materiales. La teora de inventarios se
dedica a estudiar diversos modelos de administracin de inventarios de tal forma que nos permita
mantener recursos disponibles necesarios sin incurrir en costos cuando suceda su faltante o un
exceso. Entre varios mtodos que nos permiten tener un inventario optimo entre ellos tenemos:
Clasificacin ABC, modelo JUST IN TIME ( JIT ), Modelo de Planeacin de Requerimientos de
Materiales (MRP), Modelo EOQ con demanda determinstica, etc.
Teora de Decisiones.- cada uno de nosotros siempre tomamos decisiones influenciados por
diversos factores internos o externos pudiendo ser el resultado de estas decisiones favorable o
desfavorable. En algunos casos los resultados de las decisiones son previsibles pero otros casos
existe una gran incertidumbre. La teora de decisiones se basa en el estudio de la toma de
decisiones haciendo uso de las probabilidades basados en informaciones previas de tal forma que
las posibilidades de acertar en una decisin sean calculadas previamente. Algunas de las tcnicas
son: teora de BAYES, el criterio MNIMAX, MAXIMIN, MXIMAX, etc.
Teora de Colas.- Las colas es una palabra comn en nuestra vida por ejemplo si queremos sacar el
dinero de un cajero automtico, cuando vamos a atendernos a un hospital, maquinas
descompuestas que esperan ser reparadas, etc todo esto trae como consecuencia incomodidad y
costos inmersos en el hecho de realizar las colas. Esta teora se basa en elaborar ciertas tcnicas en
reducir las molestias volviendo mas eficiente el sistema y por ende la reduccin de los costos.
Teora de Juegos.- consiste en razonamientos circulares, los cuales no pueden ser evitados al
considerar cuestiones estratgicas. Por naturaleza, a los humanos no se les va muy bien al pensar
sobre los problemas de las relaciones estratgicas, pues generalmente la solucin es la lgica a la
inversa.
En la Teora de Juegos la intuicin no es muy fiable en situaciones estratgicas, razn por la que se
debe entrenar tomando en consideracin ejemplos instructivos, sin necesidad que los mismos sean
reales.
La Teora de Juegos actualmente tiene muchas aplicaciones, sin embargo, la economa es el
principal cliente para las ideas producidas por los especialistas en Teora de Juego. Entre las
disciplinas donde hay aplicacin de la Teora de Juegos tenemos: La economa, la ciencia poltica, la
biologa y la filosofa.
4. MODELOS EN INVESTIGACIN DE OPERACIONES.
Un modelo es una representacin de la realidad como un producto de anlisis para efectos de su
estudio.
Tipos de Modelos:
o
Modelo Icnico: Es concreto, representacin de un objeto de la vida real (fotografa, maqueta).
Modelo Simblico: Una curva de demanda en economa.
Modelo Matemticos: Las ecuaciones en este punto se propone la hiptesis de que el modelo
es la representacin real de la situacin problemtica.
Este tipo de modelo es el que hace uso la investigacin de operaciones.
Ingeniera en Energa
Pg. 9
Fundamentos Bsicos
AUTOEVALUACION
Desarrollo Individual
1) Escribir un concepto de investigacin de operaciones.
2) Explique mediante un ejemplo la secuencia de pasos de un estudio de investigacin de
operaciones.
3) Elaborar un cuadro resumen de las tcnicas de investigacin de operaciones.
4) Explique mediante un ejemplo 3 tcnicas de investigacin de operaciones.
5) Escriba un concepto de modelo y brinde ejemplos de los tipos de modelos.
TRABAJO GRUPAL: Formar grupos de 5 alumnos e investigue los siguientes temas:

o
Antecedentes histricos de la investigacin de operaciones.
Investigar en que reas de su especialidad se han aplicado la investigacin de operaciones.
Preparar un informe grupal y las diapositivas para la exposicin en la siguiente clase.
Ingeniera en Energa
Pg. 10

SESION 2
DURACIN:
180 minutos
FUNDAMENTOS DE PROGRAMACIN LINEAL

CA PACI DA D
GE NE RA L
Resuelve problemas de programacin lineal aplicando correctamente los fundamentos tericos de

esta disciplina en la solucin de problemas empresariales relacionados con la optimizacin de los
procesos de las reas respetivas.
CONTENIDO
1. Contextualiza en el tiempo y espacio a la
1. Antecedentes histricos de Programacin
Programacin Lineal.
2. Elabora un concepto de Programacin
Lineal.
2. Definiciones de Programacin Lineal.
Lineal.
3. Identifica los elementos de un modelo de
Programacin Lineal.
4. Reconoce y compara los modelos de
Programacin Lineal.
5. Asume las propiedades de la forma
estndar de un modelo de Programacin
Lineal en la solucin de modelos.
6. Clasifica las variables de un modelo de
Programacin Lineal segn el tipo de
restriccin.
Lineal.
4. Modelos de Programacin Lineal.
5. Propiedades de la forma Estndar de un
modelo de Programacin Lineal.
6. Tipos
de
Variables
de
un
modelo
de
Programacin Lineal.
7. Formulacin y solucin a modelos de PL por
el mtodo grafico.
7. Elabora y resuelve por el mtodo grafico

modelos de Programacin Lineal.
8. Resuelve
3. Elementos de un Modelo de Programacin
problemas de transporte y
asignacin de recursos.
8. Problemas de transporte, Asignacin de

recursos y Dieta.
Fundamentos de Programacin Lineal
PROGRAMACIN LINEAL
ANTECEDENTES HISTORICOS.
Debido al xito obtenido en las campaas de la segunda guerra mundial, entonces, en la dcada de
1950 se usa en la industria, los negocios y el gobierno.
Dio origen a las carreras como ingeniera mecnica, qumica e Industrial.
Inglaterra dio origen a esta disciplina y a los EEUU se le atribuye el rpido crecimiento gracias al
mtodo simplex desarrollado en 1947 por George Dantzing. Otras herramientas de IO son PL, P.
Dinmica, Lneas de Espera y teoras de inventario hasta antes de terminar la dcada de 1950
DEFINICIN DE PROGRAMACIN LINEAL.

Es una tcnica matemtica de anlisis que permite determinar cual es la asignacin ms eficiente de los
recursos limitados en actividades que desarrolla la empresa con el propsito de optimizar los objetivos
de la organizacin, esto es, maximizar beneficios o minimizar costos.
ELEMENTOS DE UN MODELO DE PROGRAMACIN LINEAL.

VARIABLES DE DECISIN:
Incgnitas del Modelo (X1, X2, X3, ... , Xn)
PARAMETROS: Variables controlables del sistema. ( aij )
FUNCION OBJETIVO : Maximizacin o Minimizacin. ( Max Zo. Min Zo. )
RESTRICCIONES: Expresadas como ecuaciones restrictivas, representan los recursos limites del
sistema.
REGIN FACTIBLE. Son el conjunto de valores de Xi que verifican todas y cada una de las
restricciones. Todo punto de esa regin puede ser solucin del problema; todo punto no
perteneciente a ese conjunto no puede ser solucin.
La solucin ptima del problema ser un par de valores (Xa, Xb) del conjunto factible que haga que
f(Xa,Xb) tome el valor mximo o mnimo.
MODELO DE PROGRAMACIN LINEAL
(Maximizar o Minimizar) Zo= C1X1+ C2X2 +...+ Cn-1Xn-1+ CnXn
Sujeto a:
a11X1 + a12X2 + ... + a1jXj + . . . + a1nXn
a21X1 + a22X2 + ... + a2jXj + . . . + a2nXn
:
ai1X1 + ai2X2 + ... + aijXj + . . . + ainXn
:
am1X1 + am2X2 + ... + amjXj + . . . + amnXn
Ingeniera en Energa
Pg. 12
(< = > ) b1
(< = > ) b2
:
(< = > ) bi
:
(< = > ) bm
Xj >= 0 ( j = 1,2,3, . . . , n ; i = 1, 2, 3, . . ., m )
En General:
Maximizacin o Minimizacin
n
Zo C j X J
J 1
Sujeto a:
n
a
j 1
ij
X j bi
i= 1, 2 , 3 , . . . , m
j = 1, 2, 3, . . . , n
PROPIEDADES DE LA FORMA DE PL ESTANDAR
Todas las restricciones son ecuaciones (con los segundos miembros no negativos si el modelo se
soluciona por medio del mtodo simplex primal.
Todas las variables son no negativas.
La funcin objetivo puede ser la maximizacin o la minimizacin.

TIPOS DE VARIABLES EN UN MODELO DE PL
Si la restriccin es de la forma entonces se suma una VARIABLE DE HOLGURA Si
Si la restriccin es de la forma entonces se agrega una VARIABLE DE EXCESO - Si
Variables Artificiales (Ai) : Hace las veces de una variable de holgura en restricciones de la forma =
Variables No Bsicas: Son aquellas variables que tienen valor igual a cero.
Variables Bsicas: Son aquellos que cuyo valor son distintos de cero. Si son positivos se dicen que
son Variables Bsicas Factibles.
Variable Irrestricta (o no restringida) : yi puede representarse en trminos de dos variables no

negativas mediante la sustitucin de:
YI = YI YI
YI, YI 0
Solo una de las dos variables puede tomar un valor positivo, Es decir:
Si YI>0 , entonces, YI=0 y viceversa.
Si YI (irrestricta) representa holgura y exceso, entonces:
YI es Holgura y YI es Exceso.
FORMULACION Y SOLUCION DE MODELOS DE PROGRAMACIN LINEAL.
FORMULACION DE UN MODELO DE MAXIMIZACIN.
Problema N 01
En una urbanizacin se van a construir casas de dos tipos: A y B. La empresa constructora dispone para
ello de un mximo de 1800 millones de ptas, siendo el coste de cada tipo de casa de 30 y 20 millones
Ingeniera en Energa
Pg. 13
respectivamente. El Ayuntamiento exige que el nmero total de casas no sea superior a 80. Sabiendo
que el beneficio obtenido por la venta de una casa de tipo A es de 4 millones y de 3 millones por una de
tipo B cuntas casas deben construirse de cada tipo para obtener el mximo beneficio?
Solucin:
Capital a invertir
( millones de ptas.)
30
20
1800
Tipo A (X1)
Tipo B (X2)
Disponibilidad
Demanda del Mercado

(unidades)
1
1
80
Utilidades
(millones ptas)
4
3
El modelo de programacin lineal es el siguiente:

Maximizar Z = 4X1 + 3X2
Sujeto a:
30X1 + 20X2
1800
(Capital disponible)
X1 + X2
80
(Demanda del mercado)
X1 , X 2 0
La solucin se dar por el mtodo grafico ms adelante.
Ejercicio N 01
La fbrica LA MUNDIAL S.A., construye mesas y sillas de madera. El precio de venta al pblico de una
mesa es de S/. 270 y el de una silla S/.110 LA MUNDIAL S.A. estima que fabricar una mesa supone un
gasto de S/. 100 de materias primas y de S/. 140 de costos laborales. Fabricar una silla exige S/. 40 de
materias primas y S/. 50 de costos laborales. La construccin de ambos tipos de muebles requiere un
trabajo previo de carpintera y un proceso final de acabado (pintura, revisin de las piezas fabricadas,
empaquetado, etc.). Para fabricar una mesa se necesita 1 hora de carpintera y 2 horas de proceso final
de acabado. Una silla necesita 1 hora de carpintera y 1 hora para el proceso de acabado. LA MUNDIAL
S.A. no tiene problemas de abastecimiento de materias primas ni de los costos laborales, pero slo
puede contar semanalmente con un mximo de 80 horas de carpintera y un mximo de 100 horas para
los trabajos de acabado. Por exigencias del mercado, LA MUNDIAL S.A. fabrica, como mximo, 40
mesas a la semana. No ocurre as con las sillas, para los que no hay ningn tipo de restriccin en cuanto
al nmero de unidades fabricadas.
Determinar el nmero de mesas y de sillas que semanalmente deber fabricar la empresa para
maximizar sus beneficios. Formular el Modelo de Programacin Lineal.
Ingeniera en Energa
Pg. 14
FORMULACION DE UN MODELO DE MINIMIZACIN.

PROBLEMA N 02
Una campaa para promocionar una marca de productos lcteos se basa en el reparto gratuito de
yogures con sabor a limn o a fresa. Se decide repartir al menos 30.000 yogures. Cada yogurt de limn
necesita para su elaboracin 0,5 gr. de un producto de fermentacin y cada yogurt de fresa necesita 0,2
gr. de ese mismo producto. Se dispone de 9 kgs. de ese producto para fermentacin. El coste de
produccin de un yogurt de fresa es el doble que el de un yogurt de limn. Cuntos yogures de cada
tipo se deben producir para que el costo de la campaa sea mnimo?
Solucin:
Promocin
Producto Fermentacin
Costo de Produccin
(Unidades)
(gr.)
Unidades monetarias / unidad
0.5
0.2
30000
9000
Yogurt de Limn
(X1)
Yogurt de Fresa
(X2)
Demanda o
disponibilidad
Luego del Modelo de Programacin Lineal ser

Minimizar Z = X1 + 2X2
Sujeto a:
X1 + X2
30000
0.5X1 + 0.2X2
9000
(Unidades Yogurt)
(Productos de fermentacin)
X1 , X 2 0
La solucin se dar por el mtodo grafico ms adelante.
Ejercicio 2:
En una granja de pollos se da una dieta para engordar con una composicin mnima de 15 unidades
de una sustancia A y otras 15 de una sustancia B. En el mercado slo se encuentran dos clases de
compuestos: el tipo X con una composicin de una unidad de A y cinco de B, y el tipo Y, con una
composicin de cinco unidades de A y una de B. El precio del tipo X es de 1000 pesetas y el del tipo Y es
de 3000 pesetas. Se pregunta:
Qu cantidades se han de comprar de cada tipo para cubrir las necesidades con un coste mnimo?.
Formular el Modelo de Programacin Lineal.
Ingeniera en Energa
Pg. 15
SOLUCION POR EL METODO GRAFICO.

Modelo de Maximizacin: considerando el modelo del problema 1
Maximizar Z = 4X1 + 3X2
Sujeto a:
30X1 + 20X2
1800
X1 + X2
80
X1 , X 2 0
Realizando las operaciones algebraicas para obtener los valores de X 1 y X2 en cada una de las
restricciones:
En la restriccin 1 (C1):
Si X1 = 0 , entonces, X2 =90 Luego P1(X1,X2) = P1(0,90) y Z1 = 4(0)+3(90) = 270
P2 si forma parte de la solucin.
Calculando el punto (R) donde se interceptan las dos restricciones:
Resolviendo simultneamente las dos ecuaciones.
30X1 + 20X2
= 1800
-30X1 + -30X2
= -2400
-10X2
= - 600
X2
= 60
Luego: X1 = 20
PR(X1,X2) = PR(20,60)
Entonces: ZR = 4(20) + 3(60)
ZR = 260
Por lo tanto la solucin optima esta en el punto R (Por ser un problema de maximizacin)
Aqu la Z se vuelve el mayor posible.
X1
= 20
X2
= 60
ZR
= 260
Se tiene la siguiente grafica:
Ingeniera en Energa
Pg. 16
Interpretacin Administrativa:
La Empresa Constructora debe construir 20 y 60 casas de tipo A y tipo B respectivamente para obtener
la mxima utilidad posible que representa a 260 millones de ptas. bajo las condiciones de disponibilidad
de recursos financieros y demanda del mercado.
Ejercicio 3: Dar solucin con el Mtodo Grfico al ejercicio 1 y dar una interpretacin administrativa al
resultado.
Respuesta:
Mesas = 20 unidades.
Sillas = 60 unidades.
Utilidad Mxima = S/. 1800
Modelo de Minimizacin: considerando el modelo del problema 2
Minimizar Z = X1 + 2X2
Sujeto a:
X1 + X2
30000
(Unidades Yogurt)
0.5X1 + 0.2X2
9000
X1 , X 2 0
Realizando las operaciones algebraicas para obtener los valores de X 1 y X2 en cada una de las
restricciones:
Ingeniera en Energa
Pg. 17
Si X1 = 0,entonces, X2 =30000 Luego P1(X1,X2) = P1(0,30000) y Z1= 1(0)+2(30000)=60000
Si X2 = 0,entonces, X1 =30000 Luego P2(X1,X2) = P2(30000,0) y Z2= 1(30000)+2(0)=30000
Si X1 = 0 ,entonces, X2 =45000 Luego P3(X1,X2) = P3(0,45000) y Z3=1(0)+2(45000) = 90000
Si X2 = 0 ,entonces, X1 =18000 Luego P4(X1,X2) = P4(18000,0) y Z4 = 1(18000)+2(0) = 18000
Calculando el punto (R) donde se interceptan las dos restricciones:
Resolviendo simultneamente las dos ecuaciones.
X1 +
X2
-X1 - 0.4X2
= 30000
= -18000
0.6X2
= 12000
X2
= 20000
Luego: X1 = 10000
PR(X1,X2) = PR(10000,20000)
Entonces: ZR = 1(10000) + 2(20000)
ZR = 50000
Por lo tanto la solucin optima esta en el punto R (Por ser un problema de minimizacin)
Aqu la Z se vuelve el mnimo posible.
X1
= 10000
X2
= 20000
ZR
= 50000
Se tiene la siguiente grafica:
Ingeniera en Energa
Pg. 18
Interpretacin administrativa:
A fin de minimizar los costos de produccin en la fabricacin de yogurt con sabor a limn o fresa que se
pretende promocionar en la campaa se recomienda producir 10000 y 20000
unidades de yogures
de limn y fresa respectivamente obteniendo un costo mnimo total de 50000 unidades monetarias bajo
las condiciones mnimas de demanda en la promocin y los insumos de productos de fermentacin
disponibles.
Ejercicio 4: Dar solucin con el Mtodo Grfico al ejercicio 2 y dar una interpretacin administrativa al
resultado.
Respuesta:
Tipo X = 2.5 unidades.
Tipo Y = 2.5 unidades.
Costo Mnimo = 10000 ptas.
APLICACIONES DE LA PROGRAMACIN LINEAL
Aunque surgi como aplicacin a cuestiones de carcter logstico y militar, es la industria y la economa
donde, posteriormente ha encontrado sus aplicaciones ms importantes.
As, por ejemplo, la Programacin Lineal permite resolver problemas de mezclas, nutricin de animales,
distribucin de factoras, afectacin de personal a distintos puestos de trabajo, almacenaje, planes de
Ingeniera en Energa
Pg. 19
produccin, escalonamiento de la fabricacin, problemas de circulacin, planes de optimizacin de

semforos, estudios de comunicaciones internas, etc.
Veamos algunas de las aplicaciones ms importantes:
EL PROBLEMA DE ASIGNACIN.
Este problema administrativo consiste en colocar m recursos
(personal u objetos) a n tareas. Por
ejemplo, una empresa puede asignar ptimamente sus m empleados a n reas de la empresa teniendo
en cuenta el rendimiento del empleado. Aqu se puede maximizar el rendimiento. Por otro lado se puede
minimizar los costos asociados que tiene el hecho de asignar un empleado a un determinado
departamento.
RECURSO
R1
R2
R3
...
Rm
T1
C11
C21
C31
...
Cm1
T2
C12
C22
C32
...
Cm2
TAREAS
T3
C13
C23
C33
...
Cm3
...
...
...
...
...
...
Tn
C1n
C2n
C3n
...
Cmn
Procedimiento:
Caso minimizacin.
1. Determinar el menor costo para cada una de las filas.
2. Restar con ese valor a los dems costos de la fila.
3. Hacer lo mismo a nivel de columnas si es que alguna no se halla cubierto con ceros y restar con ese
valor a los dems elementos de la columna comprometida.
4. Trazar el menor numero de rectas que incluya la mayor cantidad de ceros. Si el numero de rectas es
igual al numero de filas entonces se habr llegado a la solucin optima. Ir al paso 7.
5. Si no es solucin ptima, en las celdas no cubiertas, seleccionar el menor valor de las celdas y restar
de los dems y adicionar este valor aquellas celdas que forman parte de la interseccin de dos
rectas (no aquellos que sean ceros).
6. Regresar al paso 4.
7. Para obtener el costo empiece asignando a las celdas cubiertas con ceros los valores originales
dados en la matriz inicial. Empiece este procedimiento con aquellas filas con el mnimo numero de
ceros.
Caso Maximizacin:
Seleccionar los valores mas altos de las filas y columnas y seguir los pasos dados anteriormente.
Problema: Caso Compaa JAV.
Ingeniera en Energa
Pg. 20
La gerencia general que se encuentra en Bogot ha decidido que cada uno de los 4 vicepresidentes
visite una de las 4 plantas de la compaa ubicadas en diferentes ciudades.
La gerencia empieza por estimar los costos que representar a la compaa el envo de cada
vicepresidente a cada planta. Con esos costos el gerente puede evaluar cualquier designacin particular
con base en la siguiente matriz de costos:
PLANTA
VICEPRESIDENTE
Finanzas (F)
24
10
21
11
Mercadeo (M)
14
22
10
15
Operaciones (O)
15
17
20
19
Personal (P)
11
19
14
13
Establecer el plan de asignacin a mnimo costo.

Solucin:
Paso 1:
VICEPRESIDENTE
Mnimo
Finanzas (F)
24
10
21
11
10
Mercadeo (M)
14
22
10
15
10
Operaciones (O)
15
17
20
19
15
Personal (P)
11
19
14
13
11
VICEPRESIDENTE
Mnimo
Finanzas (F)
14
11
10
Mercadeo (M)
12
10
Operaciones (O)
15
Personal (P)
11
Paso 2:
Paso 3:
VICEPRESIDENTE
Finanzas (F)
14
11
Mercadeo (M)
12
Operaciones (O)
Personal (P)
Mnimo
Paso 4: Las rectas que incluyen la mayor cantidad de ceros (02) son la columna 1 y la fila de Finanzas.
Como piden el mnimo numero de rectas se puede escoger arbitrariamente cualquiera de ellas.
Escogemos la columna 1.
Ingeniera en Energa
Pg. 21
VICEPRESIDENTE
Finanzas (F)
14
11
Mercadeo (M)
12
Operaciones (O)
Personal (P)
Paso 5: El menor valor de las celdas es el numero 1 que se encuentra en la celda (4,P). Luego se
adiciona y resta segn corresponda as:
VICEPRESIDENTE
14+1
11+1
Mercadeo (M)
12-1
4-1
Operaciones (O)
2-1
5-1
3-1
Personal (P)
8-1
3-1
1-1
VICEPRESIDENTE
Finanzas (F)
15
12
Mercadeo (M)
11
Operaciones (O)
Personal (P)
VICEPRESIDENTE
Finanzas (F)
15
12
Mercadeo (M)
11
Operaciones (O)
Personal (P)
Finanzas (F)
Quedando la siguiente tabla:
Paso 6:
Paso 7:
Como el numero de rectas es igual al numero de filas entonces obtenemos el costo mnimo.
VICEPRESIDENTE
Finanzas (F)
15
12
Mercadeo (M)
11
Operaciones (O)
Personal (P)
Luego la asignacin queda de la siguiente manera

VICEPRESIDENTE Planta Costo
($)
Finanzas (F)
Ingeniera en Energa
Pg. 22
10
Mercadeo (M)
10
Operaciones (O)
15
Personal (P)
13
Total
48
EL PROBLEMA DEL TRANSPORTE.

Este problema consiste en colocar en varios destinos las unidades situadas en varios orgenes, en tal
forma que la colacin sea ptima (reducir costos o maximizar la ganancia).
DESTINOS
3
ORIGENES
O1
O2
O3
...
Om
DEMANDA
C11
C21
C31
...
Cm1
D1
C12
C22
C32
...
Cm2
D2
C13
C23
C33
...
Cm3
D3
...
...
...
...
...
...
...
C1n
C2n
C3n
...
Cmn
Dn
SUMINISTR
O
(OFERTA)
S1
S2
S3
...
Sm
Total
Procedimiento:
1. Obtener las penalizaciones restando el menor costo de cada fila o columna de su inmediato superior.
2. Seleccionar la fila o columna con mayor penalizacin y ubicar su menor costo.
3. Obtener el menor valor entre la oferta y demanda en la interseccin encontrada en el paso anterior y
restarlo del otro.
4. Eliminar aquella fila o columna con menor oferta o demanda. Regresar al paso 1 hasta ya no se
pueda hacer mas reducciones.
5. Luego que se ha obtenido la primera solucin bsica validar el resultado mediante la tcnica de los
signos (Mtodo del eslabn).
6. Para evaluar los resultados asignar un signo positivo ( + ) a la celda vaca que se desea evaluar e ir
asignando alternadamente con signos negativos o positivos a aquellas celdas llenas. Se debe tener
en cuenta que en cada fila o columna debe tener un positivo y un negativo o viceversa.
Problema:
La compaa HBB productora de mquinas tiene 4 plantas (A,B,C,D) en diferentes ciudades que
pueden suministrar 400, 900, 200 y 500 unidades al mes. Tres centros de consumo (X,Y,Z)
requieren para su distribucin 500, 700 y 800 unidades respectivamente. La compaa debe
decidir cuntas mquinas enviar de cada planta a cada centro. Para esto tiene en cuenta el costo
del transporte en miles de $ por unidad que est resumido en la siguiente tabla:
Centros
SUMINISTROS
12
10
400
13
900
10
12
200
Plantas
Ingeniera en Energa
Pg. 23
11
500
DEMANDA
500
700
800
2000
Observe que el problema se balancea en el sentido de que la oferta total suministrada por las mquinas
disponibles es igual al nmero total de unidades requerido por los centros de consumo.
La meta de HBB consiste en minimizar los costos de transporte de las mquinas de las plantas a los
centros.
Solucin:
Paso 1:
Centros
Plantas
SUMINISTROS
Diferencia
(Oferta)
12
10
400
10 - 6 = 4
13
900
94=5
10
12
200
10 4 = 6
11
500
64=2
DEMANDA
500
700
800
2000
Diferencia
6-4=2
Centros
Plantas
12
10
400
10 - 6 = 4
13
900
94=5
10
12
200
10 4 = 6
64=2
6-4=2 9-4=5
Paso 2:
SUMINISTROS
Diferencia
(Oferta)
11
500
DEMANDA
500
700
800
2000
Diferencia
6-4=2
6-4=2 9-4=5
Paso 3:
El menor valor entre oferta y demanda: min(200,500) = 200
Luego la diferencia ser: 500 200 = 300
Paso 4: Se elimina la Fila C por tener menor oferta = 200 y se aplica la tcnica segn el paso1.
Centros
Plantas
SUMINISTROS
Diferencia
(Oferta)
12
10
400
10 - 6 = 4
13
900
94=5
64=2
11
500
DEMANDA
300
700
800
1800
12-6=6 6-4=2 9-4=5

Diferencia
Hallando el minimo: Min (500,300) = 300 , entonces, la diferencia = 500 300 = 200 y se elimina la
columna X.
Ingeniera en Energa
Centros
Plantas
10
400
10 - 6 = 4
900
94=5
11
200
11 4 = 7
Pg. 24
SUMINISTROS
Diferencia
(Oferta)
DEMANDA
Diferencia
700
800
1500
6-4=2 9-4=5
Hallando el minimo: Min (200,800) = 200 , entonces, la diferencia = 800 200 = 600 y se elimina la Fila
D.
Centros
Plantas
SUMINISTROS
Diferencia
(Oferta)
10
400
10 - 6 = 4
900
94=5
1300
DEMANDA
700
600
Diferencia
6-4=2
10-9=1
Hallando el mnimo: Min (900,700) = 700 , entonces, la diferencia = 900 700 = 200 y se elimina la
columna Y.
Centros
Plantas
SUMINISTROS
(Oferta)
10
400
200
DEMANDA
600
600
Paso 6:
Resumiendo los resultados en la siguiente tabla:
Centros
Plantas
A
B
C
D
DEMANDA
12
10
400-
700-
200+
10
12
11
13
4
200
6
300
500
200
700
800
SUMINISTROS
400
900
200
500
2000
Consideremos que sucede el hecho de enviar 1 unidad en la ruta A - X.

Aumentar 1 unidad en A X +12
Disminuir 1 unidad en A Z -10.
Aumentar 1 unidad en D Z +4
Disminuir 1 unidad en D X -6
Total = 0 ; esto significa que enviar una unidad en esa ruta mantiene indistinto al modelo.
Ingeniera en Energa
Pg. 25
Consideremos que sucede el hecho de enviar 1 unidad en la ruta A - Y.

Aumentar 1 unidad en A Y +6
Disminuir 1 unidad en A Z -10
Aumentar 1 unidad en B Z +9
Disminuir 1 unidad en B Y - 4
Total = + $ 1 ; esto significa que enviar una unidad en esa ruta se incrementa el costo en una
unidad de miles de dlares.
Ejercicio: Evaluar para las dems celdas vacas.
Finalmente la solucin seria la ptima con un costo de acuerdo a la siguiente tabla.
RUTA
UNIDADES
COSTO
AZ
BY
BZ
CX
DX
DZ
Total
400
700
200
200
300
200
2000
10
4
9
4
6
4
TOTAL
($)
4000
2800
1800
800
1800
800
12000
EL PROBLEMA DE LA DIETA.
Trata de determinar los alimentos que deben incluirse en una dieta para asegurar la nutricin necesaria y
a la vez minimizar el coste.
Alimentos
Componentes
C1
C2
...
Cn
Costes
A1
B11
b12
...
b1n
a1
A2
B21
b22
b2n
a2
...
...
...
...
...
...
Am
bm1
bm2
...
bmn
am
Necesidades
C1
c2
...
cn
Ejemplo: Un ave de rapia necesita para subsistir al da 30 unidades de protenas, 20 de grasas

y 8 de vitaminas. Sus presas son dos tipos de animales: ratones que le proporcionan 3 unidades
de protenas, 4 de grasa y 1 de vitaminas; y palomas, que le proporcionan 6 unidades de
protenas, 2 de grasas y 1 de vitaminas. Si cazar y comer un ratn le cuesta 7 unidades de
energa y una paloma 12 unidades de energa, cuntas presas de cada clase debe cazar para
satisfacer sus necesidades, con el menor gasto de energa?
Solucin:
Ingeniera en Energa
Pg. 26
Componentes
Alimentos
Costes
Protenas
Grasas
Vitaminas
Ratones
Palomas
12
Necesidades
30
20
(Unidades de Energa)
El problema consiste en minimizar el gasto de energa.
Ingeniera en Energa
Pg. 27
AUTOEVALUACIN
Resuelve el siguiente cuestionario luego consulta a tu profesor la respuesta de la misma.
Escribe V (verdadero) o F (Falso) a las siguientes proposiciones:
(
) Programacin Lineal se utiliza para optimizar el uso de los recursos buscando
maximizar utilidades y minimizando costos.
(
) El Mtodo Simplex se creo el ao 1947 y su creador fue George Dantzing.
(
) Los Modelos de Programacin Lineal son de Maximizacin y Minimizacin.
(
) Un ejemplo de parmetro son las proporciones de recurso disponible que se da para
cada variable de decisin.
(
) La funcin objetivo son los recursos que se dispone para la asignacin al modelo.
(
) Las restricciones son las limitaciones que tiene el modelo en funcin a los recursos
que dispone.
(
) La regin factible es la solucin optima.
(
) La solucin optima forma parte de la regin factible.
(
) Las restricciones de tipo siempre dan soluciones factibles y se agrega variables de
holgura.
(
) Las restricciones de tipo siempre dan soluciones infactibles y se agregan variables
de exceso.
(
) La variable artificial acta como una holgura frente a una variable de exceso.
(
) Las variables Bsicas son aquellos cuyo valor son igual a cero.
Formula y resuelve por el mtodo grfico el modelo de programacin lineal.
1. Las rectas asociadas a las desigualdades
2x + y 18; 2x + 3y 26; x + y 16
se cortan dos a dos en tres puntos que son los vrtices de un tringulo T. Sea S la interseccin del
tringulo T con el primer cuadrante (x0, y0). Hallar el mximo de la funcin 5x + 3y cuando x e y
varan en S
2.
Una industria vincola produce vino y vinagre. El doble de la produccin de vino es siempre
menor o igual que la produccin de vinagre ms cuatro unidades. Por otra parte, el triple de la
produccin de vinagre sumado con cuatro veces la produccin de vino se mantiene siempre menor o
igual a 18 unidades.
Halla el nmero de unidades de cada producto que se deben producir para alcanzar un beneficio
mximo, sabiendo que cada unidad de vino deja un beneficio de 800 ptas. y cada unidad de vinagre
de 200 ptas.
3.
Un hipermercado necesita como mnimo 16 cajas de langostino, 5 cajas de ncoras y 20 de

percebes. Dos mayoristas, A y B, se ofrecen al hipermercado para satisfacer sus necesidades, pero
slo venden dicho marisco en contenedores completos. El mayorista A enva en cada contenedor 8
cajas de langostinos, 1 de ncoras y 2 de percebes. Por su parte, B enva en cada contenedor 2, 1 y
7 cajas respectivamente. Cada contenedor que suministra A cuesta 210.000 ptas., mientras que los
del mayorista B cuestan 300.000 pesetas cada uno. Cuntos contenedores debe pedir el
hipermercado a cada mayorista para satisfacer sus necesidades mnimas con el menor coste
posible?
Ingeniera en Energa
Pg. 28

SESION 3
METODO SIMPLEX PRIMAL
DURACIN:
180 minutos
CA PACI DA D
GE NE RA L
1. Resuelve problemas de programacin lineal aplicando correctamente el Mtodo Simples

Primal.
2. Analiza la tabla ptima final del mtodo simplex asocindolo a un tipo de solucin teniendo en
cuenta las caractersticas propias de cada uno de ellos.
1. Aplica correctamente el Mtodo Simples
en
la
solucin
de
modelos
de
Programacin Lineal.
2. Identifica el tipo de solucin a partir de

tabla ptima final.
CONTENIDO
1. Procedimiento del Mtodo Simplex Primal.
2. Solucin a un modelo de Maximizacin
con el mtodo simplex primal.
3. Solucin a un modelo de Minimizacin con
el mtodo simplex primal.
4. Tipos de Soluciones.
Mtodo Simplex Primal
METODO SIMPLEX PRIMAL

Algoritmo creado en 1947 por George Dantzing.
PROCEDIMIENTO:
El modelo debe estar representado en su forma estndar.
Debe tener una solucin bsica inicial factible. Es decir los elementos del lado derecho deben ser
positivos.
Aadir las variables de Holgura, Exceso y/o artificial dependiendo del tipo de Restriccin.
Evaluar las variables de entrada y salida segn el mtodo de Gauss-Jordan.
CONDICION DE OPTIMIDAD:
La variable entrante en una maximizacin (en una minimizacin) es la variable no bsica, con el
coeficiente mas negativo (ms positivo) en la ecuacin z objetivo. Un empate se rompe
arbitrariamente. El ptimo se alcanza cuando todos los coeficientes no bsicos en la ecuacin z
son positivos (negativos) o ceros.
CONDICION DE FACTIBILIDAD:
Cualquiera sea el modelo de Programacin Lineal (Maximizacin o Minimizacin) la Variable Saliente es
la variable bsica actual, con la menor interseccin (razn mnima con denominador estrictamente
positivo) en direccin de la variable entrante. Un empate se rompe arbitrariamente.
METODO DE GAUSS JORDAN.
1.- Ecuacin Pivote:
Nueva Ec. Pivote = Ec. Pivote Elem Pivote
2.- Formula para hallar las dems ecuaciones, incluyendo Z.
Nueva Ec. = (Ec. Anterior) (Coef. Columna Entrante) X (Nueva Ec. Pivote)
Tipo de Solucin del Mtodo Simplex Primal: Solucin Optima y Factible.
Es aquella cuyo conjunto solucin se encuentra en algn punto extremo del espacio de soluciones
factibles (regin factible). Se puede notar cuando se llega a una iteracin donde no existe variable
candidata para ingresar (condicin de optimidad) y todos los elementos del lado derecho de la tabla son
positivos (condicin de factibilidad)
Ingeniera en Energa
Pg. 30
SOLUCION DE UN MODELO DE MAXIMIZACION CON EL METODO SIMPLEX PRIMAL

Sea el modelo:
Maximizar Z = 3x1 + 2x2
s.a.
x1 + 2x2
2x1 + x2
-x1 + x2
x2
x1,, x2
METODO GRAFICO:
Ingeniera en Energa
Pg. 31
FORMA ESTANDAR
Maximizar Z - 3x1 - 2x2 + 0S1 + 0S2 + 0S3 + 0S4 = 0
s.a.
x1 + 2x2 + S1
2x1 + x2 + S2
-x1 + x2 + S3
x2 +
S4
x1,, x2 , S1, S2, S3, S4 0

Simplex Tableau -- Iteration 1
Z
S1
S2
S3
S4
Z
1
0
0
0
0
X1
-3
1
2
-1
0
Nueva Ec. Pivote.

X1
0
X2
-2
2
1
1
1
1
S1
0
1
0
0
0
S2
0
0
1
0
0
S3
0
0
0
1
0
S4
0
0
0
0
1
Solucin
0
6
8
1
2
bi
aij
6
4
M
M
Calculo de los coeficientes de las dems variables.

Zanterior
1
-3
-2
0
-(-3)*NEP
0
3
3/2
0
Znuevo
1
0
-0.5
0
0
3/2
3/2
0
0
0
0
0
0
0
12
12
Calculo del Nuevo S1.

S1 anterior
0
-(1)*NEP
0
S1nuevo
0
1
-1
0
2
-1/2
3/2
1
0
1
0
-1/2
-1/2
0
0
0
0
0
0
6
-4
2

S3 anterior
0
-(-1)*NEP
0
S3nuevo
0
-1
1
0
3/2
0
0
0
1
0
1
0
0
0
1
4
5

S4 anterior
0
-(0)*NEP
0
S4nuevo
0
0
0
0
1
0
1
0
0
0
0
0
0
0
0
0
1
0
1
2
0
2
X2
-0.5
1,5
0,5
1,5
1,
S1
0
1
0
0
0
S2
1.5
-0,5
0,5
0,5
0
S4
0
0
0
0
1
Solucin
12
2
4
5
2
Z
S1
X1
S3
S4
Z
1
0
3
0
0
X1
0
0
1
0
0
S3
0
0
0
1
0
bi
aij
1,3333
8,0000
3,3333
2,0000

ACTIVIDAD 01:
Completar la tabla siguiendo el procedimiento del algoritmo Simplex Primal para obtener la tabla optima
final.
Ingeniera en Energa
Pg. 32
Z
X2
X1
S3
S4
X1
X2
S1
S2
S3
S4
Solucin
0,6667
-0,3333
1,3333
Solucin:
Z = 12,6667
X1 = 3,3333
X2 = 1,3333
S1 = 0
S2 = 0
S3 = 3
S4 = 0,6667
SOLUCION DE UN MODELO DE MINIMIZACION CON EL METODO SIMPLEX PRIMAL
Minimizar Z = x1 + 2x2
s.a.
0.1x1 + 0.1x2
0.5x1 + 2x2
10
x1,, x2
Forma Estndar:
Minimizar Z = x1 + 2x2 + MA1 + MA2

s.a.
0.1x1 + 0.1x2 S1 + A1
()
0.5x1 + 2x2 S2 + A2
10
()
x1, x2 , S1 , S2 , A1 , A2 0
En ()
A1 = 1 0.1x1 0.1x2 + S1
En ()
A2 = 10 0.5x1 2x2 + S2
Reemplazando A1 y A2 en Z, tenemos:
Z + (0.6M 1)x1 + (2.1M 2)x2 MS1 MS2 = 11M
Tabla Inicial
Z
Z
1
A1
0
A2
0
Iteracin 1
Z
A1
X2
Z
1
0
0
X1
0.6M 1
0.1
0.5
X1
0.075M-0.5
0.075
0.25
Ingeniera en Energa
X2
2.1M 2
0.1
2
X2
0
0
1
S1
-M
-1
0
S1
-M
-1
0
A1
0
1
0
A1
0
1
0
Pg. 33
S2
-M
0
-1
S2
0.05M-1
0.05
-0.5
A2
0
0
1
A2
-1.05M+1
-0.05
0.5
Solucin
11M
1
10
Solucin
10+0.5M
0.5
5
Bi / aij
10
5
Bi / aij
6.667
20
Iteracin 2 (Tabla Optima)

Z
X1
X2
Z
S1
A1
S2
A2
Solucin
Bi / aij
ACTIVIDAD 02:
Completar la tabla ptima haciendo los clculos para cada una de las ecuaciones segn la tcnica del
mtodo Simplex Primal.
Solucin:
Z = 13.33
X1 = 6.667
X2 = 3.333
A1 = 0
A2 = 0
S1 = 0
S2 = 0
CASOS ESPECIALES EN LA SOLUCIN CON EL METODO SIMPLEX
1. Soluciones Infactibles (Inexistentes).
Sucede cuando las restricciones no se puede satisfacer en forma simultanea. Esto puede suceder
cuando existen restricciones distintas al de dado a que se debe agregar variables artificiales
(valores muy grandes) que se convierten en cero cuando llegan al ptimo. Caso contrario (valor
positivo de la variable artificial) se dice que la solucin es infactible.
2. Soluciones Degeneradas.
Sucede cuando existe al menos una restriccin redundante generando con ello que en el espacio de
soluciones (variables bsicas) aparezca algunas de ellas con valor cero (0).
3. Soluciones con opciones ptimas alternativas.
Sucede cuando la funcin objetivo es paralela a un restriccin de enlace (sea, una restriccin que
satisface en el sentido de la igualdad a travs de la solucin ptima). La funcin objetivo tomar el
mismo valor ptimo en mas de un punto de solucin1. Otra forma de notarlo en las iteraciones del
mtodo simplex primal es cuando al evaluar mas dos variables candidatas a ingresar cualquiera de
ellas cumple con el mismo valor en la funcin objetivo.
4. Soluciones No acotadas.
Sucede cuando los valores de la variable pueden aumentar o disminuir indefinidamente sin alterar a
ninguna de las restricciones. Cuando el valor de la funcin objetivo crecen (maximizacin) o
disminuyen (minimizacin) indefinidamente se dice que el espacio de soluciones y el valor optimo de
la funcin objetivo son no acotadas.
Ejercicio:
Dados los siguientes modelos determinar su tipo de solucin:
Minimizar Z = 3X1 + X2 + X3
sujeta a
X1 2X2 + X3 11
1
Tomado del libro de Taha Investigacin de Operaciones. Quinta Edicin
Ingeniera en Energa
Pg. 34
-4X1 + X2 + 2X3 3
2X1 - X3 = -1
X1;X2; X3 0
Maximizar Z = X1 + 3X2 - X3
sujeta a
X1 + 2X2 + X3 = 4
2X1 + X2 5
X1,X2 0
Ingeniera en Energa
Pg. 35
AUTOEVALUACIN
Resolver con el mtodo simplex primal cada uno de los modelos propuestos e indicando el tipo de
solucin.
1) Min Z = 10 X1 + 4 X2
Sujeto a:
0.2 X1 + 0.1 X2
1.7
0.1 X1 + 0.2 X2
0.1 X2
0.1 X1
0.6
0.4
X1 , X2 0
2) Maximizar Z = 4X1 + 3X2
Sujeto a:
30X1 + 20X2
X1 + X 2
X1 , X 2 0
1800
80
30000
9000
(Unidades Yogurt)
3) Minimizar Z = X1 + 2X2
Sujeto a:
X1 + X 2
0.5X1 + 0.2X2
X1 , X 2 0
4) Un avin de carga tiene tres compartimientos para almacenar: delantero, central y trasero. Estos
compartimientos tienen un lmite de capacidad, tanto en peso como en espacio, y se pretende
utilizarlos para satisfacer cualquier fraccin conveniente de las demandas que tambin se indican.
Para mantener balanceada la nave debe distriburse la carga de manera que el peso en cada
compartimiento sea proporcional a su capacidad. Cul es el modelo matemtico del problema?.
Compartimiento
Delantero
Central
Trasero
Ingeniera en Energa
Peso
mximo
(Ton)
Volumen
mximo
(pie3)
Carga
Peso (Ton)
Volumen
(pie3/Ton)
Utilidad
($/Ton)
12
18
10
7000
9000
5000
1
2
3
4
20
16
25
13
500
700
600
400
320
400
360
290
Pg. 36

SESION 4
DURACIN:
180 minutos
EL PROBLEMA DUAL Y EL METODO SIMPLEX DUAL

CA PACI DA D
GE NE RA L
1. Aplica correctamente la teora del Problema Dual a solucin de modelos de Programacin

Lineal.
2. Resuelve problemas de programacin lineal por el mtodo Simplex Dual.

1. Elabora un Modelo Dual a partir de un
Modelo Primal.
CONTENIDO
1. El Problema Dual.
2. Condiciones para derivar un Dual a partir de
2. Reconoce los modelos que pueden darse

solucin con el mtodo Simplex Dual
un Primal.
3. Mtodo Simplex Dual.- Procedimiento.
4. Solucin a Modelos de PL por el Mtodo
3. Resuelve correctamente problemas de

programacin
Simplex Dual.
lineal
por
el
Mtodo
Simplex Dual.
El Problema Dual y el Mtodo Simplex Dual
EL PROBLEMA DUAL Y EL METODO SIMPLEX DUAL

PROBLEMA DUAL:
Considerar el siguiente modelo de PL.
Maximizar Z = CX
s.a.
AX b
X0
Esta asociado al problema Dual:
Minimizar w = b T X
s.a.
A T Y CT
Y0
Condiciones para derivar un Dual a partir de un Primal.
1. El objetivo primal es maximizacin, y el objetivo dual es minimizacin.
2. El nmero de variables en el dual es igual al nmero de restricciones en el primal.
3. El nmero de restricciones en el dual es igual al nmero de variables en el primal.
4. Los coeficientes de la funcin objetivo en el primal forman las constantes del lado derecho del dual.
5. Las constantes del lado derecho del primal forman los coeficientes de la funcin objetivo del dual.
6. Todas las variables son no negativas en ambos problemas.
Ejemplo 1 : Dado el siguiente modelo de PL.
Primal:
s.a.
x1 + 2x2
........... Y1
2x1 + x2
........... Y2
-x1 + x2
........... Y3
x2
x1,, x2
........... Y4
Dual:
Minimizar W = 6Y1 + 8Y2 + Y3 + 2Y4
s.a.
Y1 + 2Y2 - Y3
3
2Y1 + Y2 + Y3 + Y4 2
Y1 , Y2 , Y3 , Y4 0
Ingeniera en Energa
Pg. 38
Todo Modelo Primal tiene asociado un Dual que representa los precios sombra del modelo primal.
Siempre se debe cumplir en la solucin optima final lo siguiente:
Zmax = Wmin
La solucin Dual se puede obtener a partir de la solucin ptima Primal.
As:
Z
1
0
0
0
0
Z
X2
X1
S3
S4
X1
0
0
1
0
0
X2
0
1
0
0
0
S1
0,3333
0,6667
-0,3333
-1,0000
-0,6667
S2
1,3333
-0,3333
0,6667
1,0000
0,3333
S3
0
0
0
1
0
S4
0
0
0
0
1
Solucin
12,6667
1,3333
3,3333
3,0000
0,6667
Y1 = 0.3333 , Y2 = 1.3333 , Y3 = 0 , Y4 = 0
Wmin = 6Y1 + 8Y2 + Y3 + 2Y4
Wmin = 6(0.3333) + 8(1.3333) + 0 + 2(0) = 1.9998 + 10.6664 = 12.667
Wmin = 12.667
Zmax = Wmin = 12.667
Ejemplo 2: Dado el siguiente modelo de PL (Primal) obtener su Dual.
Primal:
s.a.
x1 - x2
3/5
........... Y1
x1 - x2
........... Y2
x1 , x2 0
Dual:
Minimizar W = 3/5Y1 - 2Y2
s.a.
Y1 - Y2 4
-Y1 + Y2
Y1 , Y2 0
Si en el modelo Primal existe una restriccin de igualdad, entonces, en el modelo Dual aparecer
una variable irrestricta y viceversa. As:
Ingeniera en Energa
Pg. 39
Ejemplo 3:
Primal:
Maximizar Z = y
s.a.
x1 + x2 + x3 + x4
500
........... Y1
3x1 - 4x2 + 7x3 15x4 + y
........... Y2
-5x1 + 3x2 9x3 4x4 + y
........... Y3
-3x1 + 9x2 10x3 + 8x4 + y
........... Y4
x1, x2 , x3 , x4 0
y no restringida (irrestricta)
Dual:
Minimizar W = 500Y1
s.a.
Y1 + 2Y2 - 5Y3 3Y4
Y1 - 4Y2 + 3Y3 + 9Y4
Y1 + 7Y2 - 9Y3 10Y4 0
Y1 - 15Y2 - 4Y3 + 8Y4
Y2 + Y3 + Y4
0
0
0
= 1
Y2 , Y3 , Y4 0
Y1 no restringida (irrestricta)
El Dual del Dual es el Primal.
Ejemplo 4.
Primal:
Maximizar Z = 2x1 - 3x2
s.a.
x1 + 5x2
11
........... Y1
-7x1 + 6x2
22
........... Y2
9x1 + 4x2
33
........... Y3
x1,, x2 0
Dual:
Minimizar W = 11Y1 - 22Y2 + 33Y3
s.a.
Y1 + 7Y2 + 9Y3 2
5Y1 - 6Y2 + 4Y3
-3
Y1 , Y2 0
Ingeniera en Energa
Pg. 40
El modelo anterior se puede representar de la siguiente manera:

Maximizar - W = -11Y1 + 22Y2 - 33Y3
s.a.
-Y1 - 7Y2 - 9Y3
-5Y1 + 6Y2 - 4Y3
-2
3
Y1 , Y2 0
Hallando su Dual a este modelo tenemos:
Minimizar -Z = -2x1 + 3x2
s.a.
-x1 - 5x2
-11
-7x1 + 6x2
22
-9x1 - 4x2
-33
x1,, x2 0
Convirtiendo Z a +Z.
Maximizar Z = 2x1 - 3x2
s.a.
x1 + 5x2
11
-7x1 + 6x2
22
9x1 + 4x2
33
x1,, x2 0
Lo cual demuestra que el dual del dual es el primal.
Ingeniera en Energa
Pg. 41
METODO SIMPLEX DUAL

Es aplicado a modelos que tiene restricciones de tipo (esta restriccin da solucin inicial infactible) o la
combinacin de y (esta restriccin siempre da solucin inicial factible).
PROCEDIMIENTO:
El modelo debe estar representado en su forma estndar.
Debe tener una solucin bsica inicial ptima e infactible. Es decir los coeficientes de Z deben ser
negativos o ceros y los elementos del lado derecho deben ser negativos.
Aadir las variables de Holgura o Exceso dependiendo del tipo de Restriccin.
Las variables de Exceso deben tener coeficiente positivo. Logrando con ello que la solucin inicial
sea infactible.
La variable bsica que sale es aquella que tiene valor negativo con mayor valor absoluto.
La variable No bsica que ingresa resulta de la divisin entre los coeficientes de Z y los coeficientes
de la variable que sale (discriminndose los ceros y positivos a fin de conservar la condicin de
optimidad) y se considera aquella cuyo resultado de la divisin sea la mas pequea.
Calcular las dems ecuaciones segn el mtodo de Gauss-Jordan.
METODO DE GAUSS JORDAN.

1.- Ecuacin Pivote:
Nueva Ec. Pivote = Ec. Pivote Elem Pivote
2.- Formula para hallar las dems ecuaciones, incluyendo Z.
Nueva Ec. = (Ec. Anterior) (Coef. Columna Entrante) X (Nueva Ec. Pivote)
SOLUCION DE UN MODELO DE MAXIMIZACION CON EL METODO SIMPLEX DUAL
Minimizar Z = x1 + 2x2
s.a.
0.1x1 + 0.1x2
0.5x1 + 2x2
10
x1,, x2 0
Forma Estndar
Minimizar Z = x1 + 2x2 + 0S1 + 0S2
s.a.
- 0.1x1 - 0.1x2 + S1
-1
- 0.5x1 - 2x2
-10
+ S2
x1,, x2 , S1, S2 0
Tabla Inicial.
Z
S1
S2
Ingeniera en Energa
Z
1
0
0
X1
-1
-1/10
-1/2
X2
-2
-1/10
-2
Pg. 42
S1
0
1
0
S2
0
0
1
Solucin
0
-1
-10
Z
S2
10
Nueva Ec. Pivote:(NEP)

X2
0
1
Calculo de los coeficientes de las dems variables:
Zanterior
1
-1/2
0
-(-2)*NEP
0
2
Znuevo
1
-1/2
0
S1anterior
-(-1/10)*NEP
S1nuevo
0
0
0
-1/2
0
0
0
-1
-1
-1
10
10
10
-1/10
1/40
-3/40
-1/10
1/10
0
1
0
1
0
-1/20
-1/20
-1
-1/2
X1
-1/2
-3/40
20/3
X2
0
0
1
-
S1
0
1
0
-
S2
-1
-1/20
-1/2
20
Solucin
10
-1/2
5
-40/3
2/3
20/3
Calculo de los coeficientes de las dems variables:

Zanterior
1
-1/2
0
-(-1/2)*NEP
0
0
Znuevo
1
0
0
0
-20/3
-20/3
-1
1/3
-2/3
10
10/3
40/3
X2anterior
-(-1/2)*NEP
X2nuevo
Nueva Tabla:
Z
S1
X2
Z
S1
Z
1
0
0
-
Nueva Ec. Pivote:(NEP)

X1
0
0
0
0
-1/4
0
1
0
1
0
10/3
10/3
-1/2
-1/6
2/3
5
-5/3
10/3
X1
0
1
0
X2
0
0
1
S1
-20/3
-40/3
10/3
S2
-2/3
2/3
-2/3
Solucin
40/3
20/3
10/3
Nueva Tabla: Tabla Final.

Z
X1
X2
Ingeniera en Energa
Z
1
0
0
Pg. 43
AUTOEVALUACION
Obtiene el Problema dual a partir del Primal planteado. Da solucin por el mtodo simplex Dual al
Problema (Dual o Primal) que mejor se adapte al mtodo.
1) Min Z = 10 X1 + 4 X2
Sujeto a:
0.2 X1 + 0.1 X2
1.7
0.1 X1 + 0.2 X2
0.1 X1
0.6
0.4
X1 , X2
0.1 X2
2) Maximizar Z = 4X1 + 3X2

Sujeto a:
30X1 + 20X2
X1 + X 2
X1 , X 2 0
1800
80
30000
9000
(Unidades Yogurt)
3) Minimizar Z = X1 + 2X2
Sujeto a:
X1 + X 2
0.5X1 + 0.2X2
X1 , X 2 0
Ingeniera en Energa
Pg. 44

SESION 5
ANLISIS DE SENSIBILIDAD
DURACIN:
120 minutos
CA PACI DA D
GE NE RA L
Analiza y evala los elementos de la tabla ptima final obteniendo resultados para una correcta toma
de decisiones.
CONTENIDO
1. Obtiene el estado de los recursos y los
1. Anlisis de Sensibilidad.
precios duales a partir de la solucin
2. Estado de los Recursos.
ptima.
3. Precios Duales.
2. Calcula el intervalo de variacin de los

recursos conservando la factibilidad de la
solucin final.
y/o
costos
marginales
conservando la optimidad de la solucin

final.
recursos.
5. Cambios en las Utilidades y/o costos
3. Calcula el intervalo de variacin de las

utilidades
4. Cambio en la disponibilidad de los
marginales de la funcin objetivo.
Anlisis de Sensibilidad
ANLISIS DE SENSIBILIDAD.
Sea el siguiente modelo de PL:
Maximizar Z = 12x1 + 20x2 + 18x3 +40x4
s.a.
4x1 + 9x2 + 7x3 + 10x4
6000
(Horas Hombre en carpintera)
x1 + x2 + 3x3 + 40x4
4000
(Horas Hombre en acabado)
x1,, x2 , x3 , x4 0
x1,, x2 , x3 , x4 : son modelos de escritorio ( 4 modelos ).
Sean las siguientes tablas:
Tabla Inicial:
Z
S1
S2
Z
1
0
0
X1
-12
4
1
X2
-20
9
1
X3
-18
7
3
X4
-40
10
40
S1
0
1
0
S2
0
0
1
Solucion
0
6000
4000
Z
1
0
0
X1
0
1
0
X2
20/3
7/3
-1/30
X3
10/3
5/3
1/30
X4
0
0
1
S1
44/15
4/15
-1/150
S2
4/15
-1/15
2/75
Solucin
56000/3
4000/3
1000/15
Tabla Final:
Z
X1
X4
A partir del anlisis de estas dos tablas podemos deducir lo siguiente:

Estado de los recursos.- Pueden ser de dos tipos: Escasos y abundantes.
S1 es escaso (representa a Horas Hombre en carpintera).
S2 es escaso (representa a Horas Hombre en acabado).
Estas dos variables no forman parte de la solucin bsica por lo tanto S 1=S2=0 lo cual indica que se ha
utilizado todo en el proceso productivo.
Por otro lado, un recurso es abundante cuando forma parte de las variables bsicas y es diferente de
cero. Lo cual indica que existen recursos disponibles al finalizar el proceso productivo por lo tanto no es
necesario disponer de ms recursos.
Precios Duales (Precios sombra).- Representa el Precio Unitario que tiene cada recurso expresado en
unidades monetarias por unidad de medida del recurso.
En el ejemplo:
El recurso 1: tiene un precio dual Y1 = 44/15.
El recurso 2: tiene un precio dual Y2 = 4/15.
CAMBIO EN LA DISPONIBILIDAD DE LOS RECURSOS
Cualquier cambio Di que se haga a un recurso B i este afectar a la funcin objetivo en una proporcin
igual al coeficiente del recurso en la misma funcin objetivo.
Es decir:
Si cambio el recurso 1 de: 6000 a 6000 + D1 , entonces, Z = 56000/3 +(44/15)D1
Ingeniera en Energa
Pg. 47
El intervalo de variabilidad se calcula de la siguiente manera:

4000/3 + (4/15)D1 >= 0.................................................................
1000/15 + (-1/150)D1 >= 0...........................................................
y son mayor igual a cero para conservar la factibilidad:
De aqu se tiene que analizar dos casos:
Caso1: si D1 > 0
Cumple para cualquier D1>=0
Cumple para cualquier D1<=10000
Por lo tanto:
D110000
Caso2: si D1 < 0
Cumple para cualquier D1>=-5000
As:
4000/3 + (4/15)D1>=0
D1>=-5000
Cumple para cualquier D1<=0
De los dos casos:
-5000D110000
Por lo tanto el recurso 1 puede variar en este rango:
-5000 + 6000 Recurso 1 10000 + 6000
1000 Recurso 1 16000
Luego la funcin objetivo puede variar de la siguiente manera:
56000/3 + (44/15)(-5000) Z + (44/15)D1 56000/3 + (44/15)10000
12000/3 Z + (44/15)D1 144000/3
4000 Z + (44/15)D 1 48000
Ejercicio:
Calcular el rango de variabilidad del recurso2 y cmo afecta a la funcin objetivo.
Solamente los recursos escasos se pueden calcular la variacin de sus coeficientes debido a que el
incremento de 1 unidad de esos recursos este incrementara la utilidad en la funcin objetivo. Los
recursos abundantes no contribuyen en nada a la funcin objetivo.
Ingeniera en Energa
Pg. 48
Otro Mtodo:
A partir del anlisis anterior y de la tabla ptima siguiente:
Z
X1
X2
Xn
Z
VB1
:
VBm
S1
S2
a1j
:
a1m
a2j
:
a2m
...
Sm
Solucin
amj
:
amn
SVB1
:
SVBm
Se puede concluir:
Si aij > 0
Di -(SVBi)/aij
Di Max(-(SVBi)/aij) = i
Si aij < 0
Di -(SVBi)/aij
Di Min(-(SVBi)/aij) = i
Por tanto:
i Di i
Bi + i Bi + Di Bi + i
Bi + i Bi Bi + i
Bi : variacin del recurso i
Por ejemplo: variar el recurso 1 de B1 = 6000 a B1 = 6000 + Bi
S1
44/15
4/15
-1/150
S2
4/15
-1/15
2/75
Solucin
56000/3
4000/3
1000/15
Si aij > 0
D1 Max( - (4000/3) / (4/15)) = 1 = -5000
Si aij < 0
D1 Min( - (1000/15) / (-1/150)) = 1 = 10000
Luego:
-5000 D1 10000
Bi + i B1 Bi + i
1000 B1 16000
Ejercicio:
Calcular el rango de variabilidad del recurso2 y cmo afecta a la funcin objetivo.
Ingeniera en Energa
Pg. 49
CAMBIO EN LAS UTILIDADES Y/O COSTOS MARGINALES DE LA FUNCIN OBJETIVO

Cualquier cambio d1 que se efectu a los coeficientes de la funcin objetivo de las variables de decisin,
este afectara en igual proporcin en la solucin ptima final.
Es decir:
Sea ci el coeficiente de la variable xj y d1 la variacin, entonces,
Cinicio
= ci
Cinicio = ci + d1
Al inicio
Luego de incrementar en di a ci
Para calcular los coeficientes de variabilidad se toma dos casos.

Caso 1: Si No es variable bsica.
El cambio d del coeficiente objetivo original de una variable no bsica conduce siempre al decremento
en la misma cantidad del coeficiente objetivo en la tabla optima actual.
Por ejemplo:
X2 es variable no bsica su c2 = 20 , entonces el nuevo seria c2 = 20 + d2 y la variacin del coeficiente de
X2 se vera afectado en: 20/3 - d2
Para no romper la optimidad se debe cumplir que: 20/3 - d2 >= 0 , entonces, d220/3
Por lo tanto:
Mtodo Analtico:
Si d2 > 0 , entonces, d2 20/3
Si d2 < 0, entonces, d2 se cumple d2 < 0
Luego:
- d 2 20/3
- 20+d2 20+20/3
- C2 80/3
C2 Representa la variacin de C2
Ejercicio:
Hallar la variacin para el coeficiente de X3
Caso 2: Si es variable bsica.
En este caso el anlisis se hace en la filas del coeficiente de Z
optimo
(zj cj) y la fila de la variable bsica.
Por ejemplo, consideremos a la variable bsica x1 cuyo c1 = 12. Cmo cambiara a c1 = 12 + d1?.
Veamos la Tabla ptima:
Z
1
0
0
Z
X1
X4
X1
0
1
0
X2
20/3
7/3
-1/30
X3
10/3
5/3
1/30
X4
0
0
1
S1
44/15
4/15
-1/150
S2
4/15
-1/15
2/75
Solucin
56000/3
4000/3
1000/15
Si vario en d1 a c1 inicial, entonces, en el ptimo se variara de la siguiente manera:

Z
Z
1
Nota:
X1
0
X2
20/3 + (7/3)d1 0
X3
10/3+(5/3)d10
X4
0
S1
44/15 + (4/15)d10
S2
4/15 (1/15)d10
Son mayores que cero para conservar la optimidad.
Ingeniera en Energa
Pg. 50
Solucin por el Mtodo Analtico:

Z X1
Z
1
0
Si d1 > 0
Si d1 < 0
De la tabla:
X2
20/3 + (7/3)d1 0
cumple
d1 -20/7
X3
10/3+(5/3)d10
Cumple
D1 -10/5 = -2
X4
0
S1
44/15 + (4/15)d10
cumple
d1 -44/4 = -11
S2
4/15 (1/15)d10
d1 4
d1 -4
-2 d1 4
12 2 12 + d1 12 + 4
10 c1 16
c1 : rango de variacin de c1
Ejercicio:
Calcular la variacin de la utilidad de la variable bsica x4
Otro Mtodo:
A partir del anlisis anterior y de la tabla ptima siguiente:
X1
X2
Z
X1
X4
X3
X4
S1
S2
Solucin
zj - cj
Xi
aij
Se puede concluir:
Si aij > 0
di -(zj-cj)/aij
di Max(-(zj-cj)/aij) = i
Si aij < 0
di -(zj-cj)/aij
di Min(-(zj-cj)/aij) = i
Por tanto:
i dii
ci + i ci + di ci + i
ci + i Ci ci + i
Ejemplo: Calcular la variacin para el coeficiente de X 1
Si aij > 0
di -(zj-cj)/aij
d1 Max(-20/7, -10/5 ,-44/4) = 1 = -2
Si aij < 0
di -(zj-cj)/aij
d1 Min(-4/-1) = 1 = 4
-2 d1 4
Ingeniera en Energa
Pg. 51
12 - 2 c1 + d1 12 + 4
10 C1 16
Ejercicio: Calcular la variacin del coeficiente de X4
Ingeniera en Energa
Pg. 52
AUTOEVALUACION
1)
La Constructora Casas Ltda., se ha adjudicado la construccin de 100 casas. El contrato la obliga

a construir dos tipos de casas. Para los beneficiarios las casas tienen el mismo costo, pero para
Constructora Casas, stas tienen un margen de utilidad diferente, as las casas tipo campo arrojan
5.100 K$ y las de tipo rancho 5.000 K$. El contrato obliga a entregar las casas dentro de los nueve
meses de firmado el contrato. Otra informacin relevante se resume en la siguiente tabla:
Recurso por tipo de casa
Campo
Rancho
200
100
50
120
Disponibilidad
de horas
12000
13000
Carpintero
Albail
a) Formule el problema de programacin lineal.

b) Encuentre la solucin ptima grficamente.
c) Determine el estado de cada recurso.
d) Determine el valor unitario de cada recurso.
e) Con base en el valor unitario de cada recurso, Qu recurso debe recibir prioridad para un
incremento de nivel?
f)
Determine el intervalo de cambio de cada recurso.
g) Determine el cambio mximo en el coeficiente de ganancia de X1 y X2.

h) Suponga que se desea agregar un nuevo tipo de casa denominada Espaola que da un
margen de utilidad de 4900 K$/casa y que requiere de 150 hr-carpintero/casa y 80 hralbail/casa. Explique si conviene o no fabricar las casas.
2)
Un veterinario aconseja a un granjero dedicado a la cra de pollos una dieta mnima para la
alimentacin de las aves compuesta de 3 unidades. de hierro y 4 unidades. de vitaminas. El
granjero sabe que cada kilo de maz proporciona 2.5 unidades. de hierro y 1 unidad. de vitaminas,
cada kilo de harina de pescado 3 unidades. de vitaminas y cada kilo de cierto pienso sinttico 1
unidad de hierro y 2 unidades de vitaminas.
El granjero se pregunta por la composicin de la dieta ptima que minimice el costo de la
alimentacin, sabiendo que los precios del maz, harina de pescado y pienso sinttico son de 20,
30 y 16 ptas. respectivamente.
Comprobar si la solucin sigue siendo vlida en los siguientes casos:
o El precio del kilo de maz pasa de 20 a 25 ptas.
o El precio del kilo de harina de pescado se reduce a 20 ptas.
o El precio del kilo de pienso sube hasta las 20 ptas.
o Aparece otro tipo de alimento cuyo precio es de 25 ptas. y cuya composicin es 2 unidades de
hierro y 2 unidades. de vitaminas.
o Se hace necesario introducir un nuevo componente alimenticio de manera que las aves
consuman por lo menos una unidad. En cada kilo de los alimentos (maz, harina de pescado y
pienso) se encuentra una unidad del nuevo componente.
Ingeniera en Energa
Pg. 53
o La cantidad mnima de hierro se amplia a 5 unidades.

o Las aves precisan consumir por lo menos 5 unidades. de vitaminas.
o Se presenta una variedad de maz que en cada kilo contiene 3 unidades de hierro y 1 de
vitaminas y que sigue costando 20 ptas./kilo.
3)
Una compaa desea determinar el nmero de unidades mensuales de los productos P1, P2 y P3
que debe producir para maximizar sus beneficios totales. Para la elaboracin de una unidad de
cada uno de los productos se precisa de dos recursos R1 y R2.
La cantidad de cada recurso
disponible, la cantidad de recurso que precisa cada unidad de producto y, el beneficio por
cada unidad de producto se dan en la siguiente tabla:
R1
R2
Beneficio/unidad
P1
P2
P3
0
2
2
1
1
2
2
1
4
Cantidad Mxima
disponible
230
360
Adems, por necesidades de mercado, la produccin mensual conjunta de P1 y P2 debe ser de al

menos 160 unidades.
o Determinar qu cantidad de cada producto debe fabricarse con objeto de maximizar el beneficio.
o Cunto puede variar la ganancia por unidad de producto P1 sin que se modifique la solucin
ptima?
o Diversos problemas en el suministro de R1 han reducido su disponibilidad a 50, cul es la
nueva solucin ptima?
o Se esta pensando una posible modificacin de P2 que permitira un aumento en su beneficio por
unidad, pasara a ser de 3, pero que provocara un cambio en la cantidad de cada uno de los
recursos consumidos, que seran ahora 1 y 2, respectivamente. Resultara rentable llevar a
cabo las modificaciones?
o Cmo se modificara la solucin ptima si la cantidad de P1 no pudiera superar las 100
unidades?
o Cabe la posibilidad de fabricar un nuevo producto P4, cuyo beneficio por unidad sera de 5, y
cuyo consumo de R1 y R2 sera de 4 y 1 unidades, respectivamente. Merece la pena
fabricarlo?
Ingeniera en Energa
Pg. 54
Bibliografa
BIBLIOGRAFA
o
Taha, Handy, Investigacin de Operaciones; Alfa Omega Grupo Editor, S.A. Quinta Edicin.
Mxico. 1995.
Gallagher, Charles, Mtodos cuantitativos para la toma de decisiones en administracin; Ed.

Mc Graw Hill Internacional. Mxico, 1982.
Gould J. , Investigacin de Operaciones. Ed. Prentice may. 1987.
Prawda, Juan, Mtodos y modelos de investigacin de operaciones. Vol I; Ed. Limusa; Mxico.
1982.
Taha, Handy,
Investigacin de Operaciones. Una introduccin; Ed. Representaciones y
Servicios Ingeniera; Mxico; 1981.

o
Tierouf, Robert J., Toma de decisiones por medio de investigacin de operaciones; Ed. Limusa;
Mxico; 1989.
Ingeniera en Energa
Pg. 55

001 Modulo de Programacion LinealA

Cargado por

Información del documento

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

001 Modulo de Programacion LinealA

Cargado por

Copyright:

Formatos disponibles

INTRODUCCIN.

El presente Mdulo de Autoaprendizaje titulado:

PROGRAMACIN LINEAL se ha elaborado para los alumnos de la escuela profesional

incrementos o disminucin de sus recursos y/o utilidades (costos) respetando las

Solucin a Modelos de PL por el Mtodo Simplex Dual.---------------------------------------------41

Universidad Nacional del Santa

FUNDAMENTOS BASICOS DE INVESTIGACION DE OPERACIONES

Aplica correctamente los conceptos generales de investigacin de operaciones en los problemas

Elabora un concepto de investigacin

Reconoce las tcnicas de investigacin

empresas del mundo.

problemas de investigacin de operaciones.

Campos de aplicacin de la investigacin

Reconoce los campos de aplicacin de

de operaciones a partir de las definiciones

Tcnicas de investigacin de operaciones.

Modelos de Investigacin de operaciones.

Churchman, Ackoff y Arnoff

Concejo Nacional de Investigacin de Gran Bretaa

Ing. Carlos E. Vega Moreno

SECUENCIA OPERATIVA DE UN ESTUDIO DE INVESTIGACIN DE OPERACIONES.

Ing. Carlos E. Vega Moreno

2. CAMPOS DE APLICACIN DE LA INVESTIGACIN DE OPERACIONES.

Ing. Carlos E. Vega Moreno

Teora de Inventarios.- se crea un inventario cuando el volumen de materiales, partes o bienes

Modelo Icnico: Es concreto, representacin de un objeto de la vida real (fotografa, maqueta).

Modelo Simblico: Una curva de demanda en economa.

Ing. Carlos E. Vega Moreno

TRABAJO GRUPAL: Formar grupos de 5 alumnos e investigue los siguientes temas:

Antecedentes histricos de la investigacin de operaciones.

Investigar en que reas de su especialidad se han aplicado la investigacin de operaciones.

Preparar un informe grupal y las diapositivas para la exposicin en la siguiente clase.

Ing. Carlos E. Vega Moreno

Universidad Nacional del Santa

FUNDAMENTOS DE PROGRAMACIN LINEAL

Resuelve problemas de programacin lineal aplicando correctamente los fundamentos tericos de

1. Contextualiza en el tiempo y espacio a la

1. Antecedentes histricos de Programacin

7. Elabora y resuelve por el mtodo grafico

3. Elementos de un Modelo de Programacin

8. Problemas de transporte, Asignacin de

Fundamentos de Programacin Lineal

Dio origen a las carreras como ingeniera mecnica, qumica e Industrial.

DEFINICIN DE PROGRAMACIN LINEAL.

ELEMENTOS DE UN MODELO DE PROGRAMACIN LINEAL.

Ing. Carlos E. Vega Moreno

Fundamentos de Programacin Lineal

PROPIEDADES DE LA FORMA DE PL ESTANDAR

Todas las variables son no negativas.

La funcin objetivo puede ser la maximizacin o la minimizacin.

Si la restriccin es de la forma entonces se suma una VARIABLE DE HOLGURA Si

Si la restriccin es de la forma entonces se agrega una VARIABLE DE EXCESO - Si

Variable Irrestricta (o no restringida) : yi puede representarse en trminos de dos variables no

Ing. Carlos E. Vega Moreno

Fundamentos de Programacin Lineal

Demanda del Mercado

El modelo de programacin lineal es el siguiente:

(Demanda del mercado)

Ing. Carlos E. Vega Moreno

Fundamentos de Programacin Lineal

FORMULACION DE UN MODELO DE MINIMIZACIN.

Unidades monetarias / unidad

Luego del Modelo de Programacin Lineal ser

Ing. Carlos E. Vega Moreno