Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tabla de contenido
1.1. Objetivo.
1.2. Antecedentes histricos y definicin.
1.3. Modelo de programacin lineal general.
1.4. Formulacin de problemas con programacin lineal.
1.5. Solucin para el modelo de programacin lineal.
1.6. Ejercicios, actividades de aprendizaje y autoevaluaciones correspondientes al captulo [MAT96]
1.7. Referencias bibliogrficas
1.1. Objetivo.
Iniciarse en la tcnica de programacin lineal con el aspecto ms importante del mtodo
cientfico: la representacin o modelo en formulacin matemtica lineal de algunos problemas
elegidos, los agrupados en "clsicos"; tambin debe aprender los conceptos tericos
fundamentales utilizando la metodologa grfica en slo dos variables.
1.2. Antecedentes histricos y definicin.
El desarrollo de la programacin lineal se considera entre los avances cientficos ms importantes
del siglo XX, pues su impacto ha sido extraordinario. Actualmente es una herramienta de uso
comn que ha beneficiado a muchas organizaciones en distintos pases con ahorros de cualquier
ndole, por lo que su uso se est ampliando rpidamente a todos los sectores de la sociedad. Una
gran mayora de los clculos cientficos en computadoras usan la programacin lineal proliferando
las publicaciones y libros sobre esta materia de gran aplicacin.
Uno de sus antecedentes se registra con el mtodo de anlisis de insumo-producto que desarroll
el economista W. Leontief; tambin se debe reconocer al economista y matemtico sovitico L.V.
Kantorovich, quien ya en 1939 formul y resolvi un problema de programacin lineal para la
organizacin y planeacin de la produccin; otro antecedente es, la interpretacin de Hitchcock a
"un problema de tipo de transportacin" en 1941. El problema de la dieta, fue analizado por
Stigler en 1945. El gran impulso de la programacin lineal para la industria y los negocios se
identifica con el doctor George Dantzig, matemtico norteamericano de origen, que desarroll el
algoritmo Simplex, un mtodo sistemtico de resolucin para problemas modelados con
programacin lineal. Esto ocurri en 1947 cuando se ocup, con Marshal Wood y asociados, de un
proyecto para la Fuerza Area de los Estados Unidos. Se organiz un grupo de investigacin con el
ttulo de Proyecto SCOOP (Scientific Computation of Optimum Programs). Actualmente las
principales aplicaciones de la PL son del rea industrial; tambin, aunque en menor parte, en el
campo urbano y social.
A partir de 1950, un nmero cada vez mayor de investigadores (matemticos y economistas)
aislados o constituyendo grupos contribuyen al desarrollo de las diferentes ramificaciones de la
programacin lineal; en particular, la "Rand Corporation" con G. B. Dantzig y W. Orchard-Hays,
despus L. R. Ford, D. R. Fulkerson, y D. Gale; el departamento de matemticas de la Universidad
de Princenton con A. W. Tucker y H. W. Kun; la "Graduate School of Industrial Administration" del
"Carnegie Institute of Technology" con A. Charnes y W. Cooper. Los dos primeros grupos trabajan
en la teora matemtica de los programas y su instalacin en computadoras; los resultados se
4a parte
Condicin de no negativo a variables:
como X1, X2, X3,... ,o bien, identificar con nombre especfico de producto o bienes de manufactura,
almacn o venta, disponibilidad y/o requerimiento de recurso o materia prima.
Se contina con la parte 2, para construir la funcin objetivo o medida de efectividad,
representada por una variable (denotada con Z, G, U, etc.) cuyo valor se desea maximizar
(utilidad, rendimiento, ingreso, produccin) o bien minimizar (costo, tiempo, mano de obra,
inventario). Puede ocurrir en algn caso, que la formulacin resulte no lineal, pero con las
transformaciones adecuadas se puede hacer la conversin a lineal.
Como parte 3 debe considerarse la construccin de las restricciones que limitan el valor ptimo
que puede tomar la funcin objetivo, o sea, definen las soluciones admisibles o regin factible del
problema. Las restricciones pueden ser de una o todas las clases siguientes: Si no se debe exceder
el recurso disponible, de la forma <=; para no menos de lo requerido, de la forma >=; o tambin
para igualar el recurso especificado, de la forma =.
Se termina con la parte 4, para condicionar las variables a valores no negativos, debido a que en la
gran mayora de los problemas los valores negativos no tienen significado fsico. Los casos de
excepcin merecen tratamiento especial.
1.4.1. Ejemplos de formulacin de modelos de PL.
La construccin de un modelo de programacin lineal debidamente planteado que represente un
problema real es un arte. La mayora de la gente que lo intenta tiene ms dificultades en ello que
con los otros aspectos de esta tcnica pues se requiere de imaginacin e inventiva. Esto se puede
mejorar con paciencia y prctica, ajustndose a la estructura dada como modelo general.
El siguiente procedimiento puede ser til antes de pretender la estructura matemtica del
problema en estudio:
Concentrar la atencin en identificar el objetivo general como puede ser, el mximo de:
utilidades, rendimientos, audiencia; o bien, el mnimo de: costos, personal, distancias,
tiempo, materia prima, o contaminacin.
Identificar las decisiones (variables controlables) en forma cuantitativa con la unidad
precisa de medicin, como # de personas, # de pesos, # de toneladas.
Identificar las constantes conocidas como coeficientes Cj que aportan al valor del objetivo,
o coeficientes aij que contribuyen al consumo de materia prima o al requerimiento de
recurso.
Identificar todas las condiciones a las que se sujeta el objetivo en forma de restricciones
en sus diferentes tipos:<=cuando mucho, >= al menos, = estrictamente lo especificado.
A continuacin se presentan ejemplos de planteamiento funcional, pero en algunos puede haber
alternativa cambiando la definicin de variable en la parte 1.
Ejemplo 1-1. PL al combinar camiones refrigerados en transporte de alimento (REFCAM).
En la siguiente tabla se tiene la informacin de costo en renta y tambin las capacidades, de dos
tipos de camin transportista refrigerado para la distribucin de alimentos, una parte de los cuales
pueden descomponerse durante el viaje. En particular se requiere un total de 900 y 1200 metros
cbicos (m3) de espacio refrigerado y no refrigerado, respectivamente. Formule un modelo de PL
para decidir y resolver el problema de cuntos camiones de cada tipo rentar para que el costo sea
el menor posible.
Figura 1-1. Informacin para renta de camiones con y sin espacio refrigerado del ejemplo REFCAM.
En la parte 3 correspondiente a las restricciones, debe pensarse en el recurso espacio de carga que
es el atributo de inters de los camiones a rentar. La capacidad especificada de carga, refrigerada
o no, de los mismos, se emplea para plantear los trminos de las restricciones, las que se traducen
como requerimiento o necesidad de 900 m3 de espacio de carga refrigerada y 1200 m3 de espacio
de carga no refrigerada, lo cual hace un total de dos restricciones a formular. Cada trmino de
ellas se construye considerando el espacio de un slo camin (20 m3 refrigerados para el A)
multiplicado por el nmero de camiones (XApara A) del tipo que se decida rentar, o sea, 20XA es la
contribucin de espacio refrigerado de los camiones A para los requeridos 900 m3 del distribuidor.
De la misma manera se forma el trmino 30XBcomo contribucin de espacio refrigerado de los
camiones B. En la restriccin 20XA + 30XB >= 900 se utiliza la desigualdad >= porque el
requerimiento de 900 m3 se interpreta como el espacio mnimo necesario para el alimento
perecedero.
Las mismas ideas ya expuestas son aplicables para la segunda restriccin referente al
requerimiento de 1200 m3 de espacio no refrigerado, ambas se dimensionan as:
Por ltimo en la parte 4, las condiciones de valor no negativo para las incgnitas, son lo natural
para este problema ejemplo, entendiendo que el nmero de camiones a rentar es positivo: X A > 0,
XB > 0 o bien, puede que la solucin al modelo planteado de este problema, resulte que no
conviene rentar algn tipo de camin, en tal caso se presentara con XA = 0 con XB = 0, puesto
que XA < 0 XB < 0 no tiene significado fsico.
Ejemplo 1-2. PL al combinar tamaos de camiones en transporte (TAMACA).
Una compaa transportadora tiene 10 camiones con capacidad de 20 toneladas y 5 camiones de
15 toneladas. Los camiones grandes tienen costos de operacin de $150 por kilmetro recorrido y
los pequeos de $ 125 por kilmetro recorrido. En la siguiente semana la compaa requiere
transportar 200 toneladas de azcar en un recorrido de 800 kilmetros. La posibilidad de otros
compromisos de transporte, impone una poltica tctica de mantener en reserva, por lo menos,
dos camiones pequeos por cada camin grande. Cul es el nmero ptimo de camiones de
ambas clases que se deben utilizar para transportar el azcar? Formule un modelo de
programacin lineal para este problema.
Figura 1-2. Informacin: costo segn el tamao de camin, recorrido y transporte del ejemplo TAMACA.
El cambio para diferentes valores de Xg se mantiene constante (20), o las contribuciones de 20, 40,
60,..., son proporcionales al valor incremental de Xg. En contraste, el valor de las contribuciones
20, 80, 180,..., para diferentes valores de la variable en X2g no se mantiene constante y por lo tanto
no hay proporcionalidad.
El problema de ejemplo 1.2, como primera parte, es decidir el nmero de camiones grandes (X g) y
pequeos (Xp) a utilizar para el transporte del azcar.
Para construir la funcin objetivo de la segunda parte del modelo, hay necesidad de pensar como
administrador del transporte, pues en cualquier caso se desea cumplirlo con bajo costo. Puesto
que existe diferencia al operar camiones de diferente tamao, pero el recorrido es igual para los
grandes y pequeos, en tal caso se calcula el costo del viaje para cada uno de los dos tipos de
camin el cual se emplea como coeficiente de costo Cj en cada trmino de la funcin Z que
representa el costo total a minimizar.
Las restricciones de la parte 3 del modelo matemtico son de tres clases: se debe cumplir un
requerimiento ( >=) de transporte de 200 toneladas de azcar. Para la posible pregunta de por qu
no se utiliza un simple signo de igualdad (=), considere que la capacidad de los camiones grandes
de 20 toneladas, si es mltiplo de las 200 toneladas a transportar, pero en cambio, la capacidad de
15 toneladas de los camiones pequeos, no es mltiplo de 200, en tal caso, puede no cumplirse en
igualdad; por otro lado no se debe olvidar la poltica de mantener en reserva cierto nmero de
Figura 1-4. Inicio y permanencia de grupos X j de policas en los periodos j del da en ejemplo HORAPRO.
2a parte.- Funcin econmica.- Aqu debe pensarse en el menor nmero de policas necesarios
para cumplir, por lo menos, los requeridos en cada uno de los seis periodos j:
3a parte.- Restricciones: La misma tabla da la combinacin de los grupos de policas Xj para cubrir,
como se observa, los requerimientos de cada periodo j.
Cada da de 8 horas deben producirse 500 piezas. Formule un modelo de programacin lineal para
este problema:
Modelo matemtico de programacin lineal.
1a parte.- Definicin de variables.Para este problema el estudiante puede razonar a partir de la informacin dada, que se
conocen las caractersticas de las mquinas de procesar piezas, pero no cuntas utilizar de
cada uno de los tres tipos, puesto que a las diferencias tcnicas entre ellas, se agrega el
costo de operarlas. De este modo se define:
Sea Xj = nmero de mquinas de tipo j ( j = 1, 2, 3 ) necesarias para producir 500 piezas en
un da de 8 horas a condicin de hacerlo con el menor costo.
2a parte.- Funcin econmica.La medida para decidir en este problema, es la conveniencia de cumplir la cuota de
produccin de 500 piezas en la forma ms econmica posible; para ello es necesario que
se involucren los costos asociados con cada tipo j de mquina calculando antes de la
formulacin de la funcin Z, el costo Cj correspondiente; por lo tanto: Z mnima = suma de
contribuciones de costo de los tres tipos de mquina.
Observe que los coeficientes Cj se obtienen sumando, al costo nominal de una hora de
proceso, el costo correspondiente a la estimacin de piezas rechazadas, que para el caso
de la mquina j =1 es de 10% 0.10 en fraccin decimal multiplicado por 30 piezas
producidas en una hora, resulta en 3 piezas con defecto en una hora de proceso. Cada
rechazo cuesta un dlar, entonces se suma este costo: 3(1 dlar) = $3, al nominal de $5 y
as se tiene C1 = $8. Los costos C2 y C3 se calculan con el mismo criterio.
3a parte.- Sujeta a restricciones.La cuota de produccin de 500 piezas en una jornada de 8 horas conviene convertirla a su
equivalente para una sola hora, pues se puede observar que la informacin restante est
en esos trminos. La produccin pedida constituye una importante condicin del
problema y debe plantearse como restriccin u obligacin, la cual se construye a partir de
las velocidades especificadas por mquina tipo j; pero las tasas anotadas son nominales,
puesto que se estima un porcentaje de piezas aceptadas para los diferentes tipos j de
mquina, en tal caso es necesario ajustar las velocidades o tasas de produccin de acuerdo
a su eficiencia para plantear el requerimiento en trminos reales:
A j = Produccin real por mquina tipo j, debido a la eficiencia en piezas buenas.
Otra restriccin a considerar se refiere al nmero total de mquinas de tipo j que se tienen
para este proceso de produccin, debindose plantear con desigualdad <=, significando
que el nmero de mquinas utilizadas, debe ser menos o cuando mucho, lo anotado en el
lado derecho:
Como no hay significado fsico para valores negativos de las variables, entonces se limitan
como sigue
4a parte.- Condiciones de signo a variables
Las expresiones escritas en negrita forman el modelo de programacin lineal que se pide.
Ejemplo 1-7. PL para distribuir carga en transporte (BARCOCARGA).
Un barco tiene tres bodegas: en la proa, en el centro, y en la popa con los siguientes lmites de:
Los siguientes cargamentos se ofrecen, pudiendo aceptar los dueos del barco, el total o una
porcin cualquiera de cada uno de los siguientes:
Para preservar el equilibrio del barco, el peso de cada bodega debe ser proporcional a la capacidad
en toneladas. Formule un modelo de PL para determinar cmo distribuir la carga en las bodegas
para una utilidad mxima.
Modelo de programacin lineal
Distribuir la carga en toneladas, de tres artculos j diferentes, en cualquiera de las tres bodegas i,
significa la flexibilidad de ocupar los espacios convenientes para mxima ganancia cumpliendo las
restricciones de capacidad especificadas. Dado que un artculo j puede asignarse a cualquiera de
las tres bodegas i, entonces se pueden definir las variables Xij para representar las toneladas de
producto j en las tres bodegas como X1j, X2j, X3j o bien, las toneladas cargadas en las bodegas i de
los tres productos como XiA, XiB, XiC. Entonces con la misma letra X con doble ndice se pueden
definir las variables de decisin.
Con desigualdad <= , lo cual significa que se debe cargar menos o cuando mucho la
capacidad especificada ya sea en toneladas o bien el espacio en metros cbicos. En cada
viaje, la suma de la carga ofrecida a transportar, supera la capacidad total del barco,
entonces se puede llevar slo una parte de ella, as las restricciones son <=.
Para conservar el equilibrio debe considerarse que la suma de XiA + XiB + XiC, de toneladas
cargadas a cualquier bodega i, es menor a la capacidad de i , por lo tanto es una fraccin
de ella. Se interpreta como proporcin utilizada de la capacidad, que debe igualarse para
las tres bodegas y tratarse como una variable adicional, a las ya definidas: sea Xpc la
proporcin de capacidad que es <= 1 como sigue:
Formule un modelo de PL. Para obtener la combinacin de fertilizantes a producir que maximice la
utilidad.
La tabla de datos de este problema es un buen ejemplo de ordenacin y sntesis de la informacin
dada; con esa ventaja se facilita el anlisis al formular el modelo.
Modelo de programacin lineal.
1a parte.- Definicin de variables.
2a parte.- Funcin econmica u objetivo.
Figura 1-12. Tipos de corte conveniente para ajustar anchos solicitados en ejemplo CORTEPAPEL.
1.5.2. Mtodo grfico para resolver modelos de programacin lineal con solo dos variables.
En esta seccin interesa hacer anlogos geomtricos, esto es, grficas de funciones lineales que
contiene el modelo matemtico de programacin lineal obtenido en la formulacin del problema
que se analiza. Dicho modelo puede contener expresiones tanto en forma de ecuaciones (=) como
en desigualdades ( <= >= ), cada una de ellas corresponde a un grfico en la analoga geomtrica.
Primero considere la infinidad de puntos que constituyen en conjunto el plano y los cuatro
cuadrantes convencionalmente aceptados, para dividirlo en zonas caracterizadas por la
combinacin de signo que se puede dar, a los valores medidos con nmeros reales. Para lograr los
cuadrantes en el plano se utilizan los ejes cartesianos con escala de medicin de valores de las
variables del problema; por ejemplo, se puede asignar el eje horizontal de abscisas para la
medicin de valores de la variable X1; tambin se puede asignar el eje vertical de ordenadas, para
la medicin de valores de la variable X2. La localizacin de cualquier punto en este espacio plano
requiere de una distancia horizontal (X1) y de una distancia vertical (X2) denotado como par
ordenado o vector (X1, X2). Un punto sobre el eje X1 corresponde a X2=0 y un punto sobre el eje
X2 corresponde a X1=0, que son las ecuaciones respectivas de los ejes horizontal y vertical. Dichos
ejes se cruzan en el punto (X1, X2) = (0, 0), el cual se conoce como origen.
Si la ecuacin tiene slo dos variables, el grfico de la misma sobre el plano es una lnea recta, es
decir, se requiere un espacio de dos dimensiones, la horizontal y la vertical, para graficar tal
ecuacin; pero la representacin geomtrica de una ecuacin en tres variables, requiere un
espacio de tres dimensiones. En tal caso, a los ejes X1 y X2, se les agrega un tercer eje X3 como
tercera dimensin, que pasa por el origen hacia el observador. Los grficos de la Figura 113 y Figura 1-14 muestran lo anterior para una ecuacin cualquiera:
dos ejes cartesianos, horizontal y vertical, permite representar en un espacio plano las lneas
rectas que geomtricamente hablando representan cada expresin matemtica lineal con slo dos
variables. Las restricciones y condiciones de signo del problema, representan al sistema que debe
graficarse en un plano y despus se valora en el mismo la funcin econmica Z, con la cual se
busca un punto del sistema que maximice o bien minimice su valor.
Para mejor comprensin del mtodo grfico de solucin de problemas modelados con
programacin lineal, se presenta el siguiente ejemplo que se detalla lo suficiente para el
voluntarioso estudiante de esta tcnica poderosa en su aplicacin. Posteriormente se presentan
otros ejemplos con el propsito de profundizar en la enseanza e intentar mayor avance en el
aprendizaje.
Ejemplo 1-12. Problema de combinar produccin para mxima utilidad (QUIMCAR) [AND93].
QUIMCAR es una empresa que elabora varios productos qumicos. En un proceso de produccin
en particular se utilizan tres recursos como materia prima de dos productos: una cera automotriz y
una pasta pulidora, que se usan en la pintura de la carrocera a vehculos automotores y se
distribuye para su venta al menudeo a varias empresas distribuidoras. Para producir la cera y la
pasta se utilizan tres recursos, segn se muestra en la siguiente tabla, en la cual se observa que
una tonelada de cera es una mezcla de 2/5 de tonelada del recurso 1 y 3/5 de tonelada del 3. Por
otro lado, una tonelada de pasta es la mezcla de 1/2, 1/5 y 3/10 de tonelada de los recursos 1,2 y
3, respectivamente.
La produccin de la cera automotriz y la pasta pulidora est restringida a la disponibilidad de los
tres recursos. Para el periodo de produccin anual, se tienen disponibles las cantidades siguientes
de cada una de las materias primas.
Figura 1-16. Material requerido para cera y pasta pulidora en ejemplo QUIMCAR.
Ahora slo falta encontrar la combinacin de productos cera y pasta expresadas como toneladas
de X1 y X2 que satisface todas las restricciones y tambin resulte en un valor mximo de la funcin
objetivo, comparado con el valor de cualquier otra solucin factible, lo que significa la solucin
ptima del problema.
Este modelo matemtico del problema es programacin lineal, tiene una funcin objetivo y
restricciones, todas con la caracterstica especial de que son una funcin lineal de las variables de
decisin.
Las funciones matemticas en las cuales slo una de las variables aparece elevada a la primera
potencia como un trmino independiente, se conocen como funciones lineales. La funcin
objetivo 4X1 + 3X2es lineal, porque cada una de las variables de decisin aparece en un trmino
por separado con exponente 1. Si la funcin objetivo se presentara como 4X21 + 3X32, no se tratara
de una funcin lineal. Por la misma razn, el nmero de toneladas de la materia prima 1
requerida, 2/5X1+1/2X2 , tambin es una funcin lineal de las variables de decisin. Similarmente,
el lado izquierdo de todas las desigualdades de restriccin son funciones lineales, as la
formulacin matemtica del problema anterior se identifica como un programa lineal.
Solucin grfica
Un problema de programacin lineal con slo dos variables de decisin se puede resolver de
manera grfica sobre el espacio plano. Se inicia este procedimiento de solucin desarrollando una
grfica que despliegue las posibles soluciones (valores X1 y X2) para el problema QUIMCAR. En
la Figura 1-17 aparecen los valores de X1 sobre un eje horizontal y los valores de X2 sobre uno
vertical. De esta manera se divide el plano o papel de trabajo, en cuatro espacios limitados por los
ejes, formando as los cuadrantes 1, 2, 3 y 4. Cualquier punto de la grfica puede quedar
identificado por un par de valores X1 y X2, que representa la posicin del punto con respecto de los
ejes X1 y X2. Cada par (X1, X2) corresponde a un punto solucin de esta manera se tendra una
infinidad de ellos en el plano considerado. Pero para la solucin particular en la que X1 = 0 y X2 = 0,
se ubica un punto vrtice identificado como origen para ambos ejes.
El siguiente paso es mostrar, qu puntos corresponden a soluciones factibles del programa lineal.
Tanto X1 como X2 deben ser de valor no negativo, por lo que slo es necesario considerar la
porcin de la grfica en donde X1 >= 0 y X2 >= 0, lo que se conoce como primer cuadrante. En
la Figura 1-18 las flechas indican el primer cuadrante, o sea, la regin donde estos requisitos de no
negatividad quedan satisfechos para la solucin buscada.
Figura 1-18. Grfica del primer cuadrante. Cumple las restricciones de no negatividad (>= 0).
Figura 1-20. Regin factible para la restriccin de la materia prima 1, ejemplo QUIMCAR.
Se siente capaz de trazar una lnea de restriccin y localizar los puntos de solucin que son
factibles?. Si as lo desea intente resolver la restriccin 2.
De manera similar, se puede diferenciar el conjunto de todas las soluciones factibles para la
restriccin de la materia prima 3. La Figura 1-22 muestra la zona de puntos factibles. Como
ejercicio prctico, pruebe trazar la regin factible de la restriccin de la materia prima 3 y
verifquelo con este grfico.
Figura 1-22. Regin factible para la restriccin de la materia prima 3, ejemplo QUIMCAR.
Ahora se tienen tres grficas por separado que muestran las soluciones factibles para cada una de
las restricciones. En un problema de programacin lineal, se necesita identificar las soluciones
que satisfacen simultneamente todas las restricciones. Las grficas de las Figura 1-20, Figura 121 y Figura 1-22 se pueden superponer para obtener una interseccin grfica de las tres
restricciones. La Figura 1-23muestra esta grfica de restricciones combinadas. La regin
sombreada de esta figura incluye todos los puntos solucin que simultneamente, satisfacen todas
las restricciones. Las soluciones que satisfacen simultneamente todas las restricciones del
sistema se conocen como factibles, la parte sombreada se conoce como la regin de soluciones
factibles, o simplemente regin factible. Cualquier punto en las fronteras de la regin factible, o
bien en su interior, es un punto de solucin factible. Ahora que se ha identificado la regin
factible, se puede seguir adelante con el mtodo de solucin grfica y determinar cul es la
solucin ptima para el problema de QUIMCAR. Recuerde que la solucin ptima para un
problema de programacin lineal es la solucin factible que aporte el mejor valor de la funcin
objetivo.
Por ejemplo, qu soluciones factibles dan una contribucin a la utilidad de 2400 dlares? Estas
soluciones se dan por los valores de X1 y X2 de la regin factible que cumplan con la siguiente
funcin objetivo que se puede simplificar para obviar clculos, as:
sta expresin es simplemente la ecuacin de una lnea recta, por lo que todas las soluciones
factibles (X1, X2), con una contribucin a la utilidad de 24 dlares deben estar en esta lnea. Ya se
aprendi como trazar una lnea de restriccin; el procedimiento para trazar la lnea de la funcin
objetivo o de utilidad es el mismo. Haciendo X1=0, se tiene que X2 debe ser 8; entonces, el punto
de solucin (X1=0, X2=8) est en la recta. Similarmente, haciendo X2 = 0, se tiene que el punto de
solucin (X1=6, X2 = 0), tambin est en la recta. Dibujando la lnea recta por estos puntos, se
identifican todas las soluciones que tienen una contribucin a la utilidad de 24; una grfica de esta
lnea de utilidad se presenta en la Figura 1-25 que muestra un nmero infinito de combinaciones
factibles de produccin que darn una contribucin de 24 a la utilidad.
Utilizando el procedimiento anterior para el trazado de rectas de utilidad y de restriccin, se
trazan la lnea de utilidad de 72 y 120 que se presentan en la misma Figura 1-25. Por supuesto,
slo los puntos de las rectas de valor 24, 72 y 120 que estn dentro de la regin factible, deben
considerarse como soluciones factibles para tal contribucin de utilidad.
Dado que las rectas de utilidad son paralelas y de valor creciente conforme se alejan del origen, se
pueden obtener valores mayores para la funcin objetivo, continuando el movimiento hacia fuera
del conjunto factible pero mantenindose adentro del mismo, hasta alcanzar el (los) ltimo(s)
punto(s) vrtice antes de salir. Dado que los puntos fuera de la regin factible no son aceptables,
el (los) punto(s) vrtice en la regin factible que coincide(n) con la recta de utilidad mayor es una
solucin ptima al programa lineal.
El estudiante debe identificar ahora, el punto de solucin ptimo para el problema ejemplo
QUIMCAR. Utilice una regla y escuadra, mueva paralelamente la recta de utilidad tan lejos del
origen como pueda, pero conservando el contacto en la zona factible. Cul es el ltimo punto de
la regin factible? Este punto debe ser vrtice y corresponde a la solucin ptima, vea el grfico de
la Figura 1-26. Los valores ptimos para las variables de decisin son ( X1, X2) = ( 25, 20 ).
Dependiendo del tamao y claridad de su grfica, se determinan los valores ptimos exactos de
X1 y X2 leyendo directamente de la grfica. Pero observe en la Figura 1-23, la solucin ptima del
ejemplo est en la interseccin de las rectas de restriccin 1 y 3 que se pueden resolver para
precisar los valores coordenados.
Por lo que los valores de las variables de decisin X1 y X2 debern satisfacer las ecuaciones de
manera simultnea. Resolviendo en funcin de X1 en (1)
A pesar de que la solucin ptima para el problema est formada de valores enteros de las
variables de decisin, esto no ser siempre el caso. La localizacin exacta del punto de solucin
ptima es X1 =25 y X2 =20. Este punto identifica las cantidades ptimas de produccin para
QUIMCAR en 25 toneladas de cera automotriz y 20 toneladas de pasta pulidora, con una
contribucin a la utilidad de:
As, en un problema de programacin lineal con dos variables de decisin, se puede determinar el
valor exacto de las variables de la solucin ptima, utilizando primero el mtodo grfico para
identificar el punto que optimiza y despus resolviendo simultneamente las dos ecuaciones que
generan el mismo.
Trazo de lneas rectas
Un aspecto importante del mtodo grfico es la posibilidad de trazar lneas rectas representando
las restricciones y la funcin objetivo del programa lineal. El procedimiento ms sencillo para
trazar la recta de una ecuacin, es encontrando dos puntos cualesquiera que la satisfagan y a
continuacin trazando la recta a travs de dichos puntos. En el caso de la lnea recta de restriccin
de la materia prima 1 del problema QUIMCAR
Se identifican los dos puntos (X1 = 0, X2 = 40) y (X1 = 50, X2 = 0). Despus se traza la lnea recta de
restriccin de la materia prima 1 a travs de estos dos puntos.
Cuando en la ecuacin de restriccin slo aparece una variable, como es el caso de la materia
prima 2 del problema (1/5 X2 <= 5), se resuelve en funcin de la nica variable que aparece en la
ecuacin (para esta restriccin, X2 =25); es claro que en tal ecuacin X1 = 0 pues no est presente,
as (X1 =0, X2 =25) representa el punto en el eje X2 por donde debe pasar una recta paralela al eje
X1.
Todas las rectas de restriccin y de funciones objetivo en los programas lineales de dos variables,
se pueden trazar si se pueden identificar los puntos de la lnea. Sin embargo, determinar dichos
puntos no siempre es tan fcil como result en el problema QUIMCAR. Por ejemplo, considere la
restriccin:
Usando la forma de igualdad y haciendo X1 = 0, se tiene que el punto (X1 = 0, X2 = -100) pertenece
a la recta de restriccin. Si X2=0, se tiene el segundo punto (X1 = 50, X2 = 0) sobre la misma recta de
restriccin. Si se ha dibujado slo la porcin no negativa (X1 >= 0, X2 >= 0) correspondiente al
primer cuadrante de la grfica, entonces no se puede fijar el primer punto (X1 = 0, X2 = -100),
porque no hay escala para valores negativos en la grfica tal como es X2 = -100. Siempre que se
tengan dos puntos de la recta, con uno o ambos valores negativos, el procedimiento grfico
obligado es incluir la escala negativa a los dos ejes coordenados horizontal y vertical, incluyendo
los cuadrantes necesarios. En este ejemplo, se puede localizar el punto (X1 = 0, X2 = -100)
extendiendo hacia abajo el eje vertical para incluir los valores negativos de X2. Una vez localizados
los dos puntos que satisfacen la ecuacin y el conjunto de soluciones factibles para la nueva
restriccin de ejemplo 2X2 - 1X2 <= 100, entonces se procede a su trazo, segn se ve en la siguiente
figura:
Considere ahora la restriccin: 1X1 - 1X2 >= 0 mostrada en la Figura 1-28. El lado derecho con valor
cero en esta desigualdad, identifica una lnea recta que contiene o pasa por el punto vrtice
conocido como origen. Para determinar las soluciones que satisfacen la restriccin como igualdad,
primero se hace X1 = 0 y se resuelve en funcin de X2. El resultado muestra que el origen (X1= 0,
X2 = 0) est en la recta de restriccin. Al hacer X2 = 0 y al resolver para X1, resulta en el mismo
punto. Pero se puede obtener otro punto de la recta, al dar a X2 un valor cualquiera distinto de
cero y entonces resolver en funcin de X1. Por ejemplo, haciendo que X2 = 100 y resolviendo en
funcin de X1, se encuentra que el punto (X1 = 100, X2 = 100) tambin pertenece a la recta. En
ambos puntos (X1=0, X2= 0) y (X1 = 100, X2 = 100) se puede trazar la lnea de restriccin 1X1-1X2 = 0
y pueden determinarse las soluciones factibles para 1X1 - 1X2 >= 0.
Figura 1-29. Material consumido: solucin ptima cera y pasta, ejemplo QUIMCAR.
Cuando todas las restricciones de un problema lineal se expresan en forma de igualdades, se dice
que el modelo matemtico est en forma estndar. En el problema QUIMCAR se observa que en
la solucin ptima (X1=25, X2 =20), el valor de las variables de holgura es:
Tambin se puede utilizar el anlisis grfico para obtener la informacin de las holguras. Observe
que al determinar la solucin ptima de la Figura 1-26, el punto vrtice que es interseccin de la
materia prima 1 y de la 3, restringen o limitan la regin factible hasta ese punto vrtice, por lo que
la solucin ptima requiere usar la totalidad de estos dos recursos. En otras palabras, la grfica
en Figura 1-23muestra que en la solucin ptima, la lnea recta de restriccin de la materia prima
2 no limita la regin factible en ese punto vrtice, por lo que se puede esperar algn sobrante
(holgura) de este recurso.
Cuando en un grfico se tienen rectas de restriccin que slo tocan un vrtice del conjunto factible
o bien ningn punto del mismo, se identifican como restricciones redundantes (sobrantes). En
problemas con ms de dos variables de decisin, se tienen mtodos analticos para detectar la
redundancia.
En tal caso, la regin factible se conserva igual, independientemente de que se incluya o no una
restriccin redundante del problema, por lo tanto se pueden eliminar sin que tengan ningn
efecto sobre la solucin ptima. Sin embargo, en la mayor parte de los problemas de
programacin lineal, las restricciones redundantes no se descartan porque no son reconocibles de
inmediato como tales. El problema QUIMCAR no tiene restricciones redundantes pues todas las
restricciones forman la frontera de la regin factible.
Observaciones y comentarios
1. En la forma estndar de un programa lineal, los coeficientes para las variables de holgura
son cero en la funcin objetivo, por lo tanto, las variables de holgura que representan
recursos sin utilizar, no afectan el valor de la funcin y se pueden omitir. Pero en algunas
aplicaciones, algunos o todos los recursos no utilizados pueden venderse para recuperar
valores y contribuir a la utilidad. En estos casos las variables de holgura correspondientes
se convierten en variables de decisin que representan el total de recursos a vender. Para
cada una de estas variables, un coeficiente distinto de cero en la funcin objetivo reflejar
la utilidad asociada con la venta de una unidad del recurso correspondiente.
2. Las restricciones redundantes no afectan la regin factible; como consecuencia, pueden
eliminarse de un modelo de programacin lineal sin afectar la solucin ptima. Sin
embargo, si posteriormente se debe resolver el modelo de programacin lineal con
algunos cambios en los datos, una restriccin previamente redundante se podra convertir
en un recurso limitante, por lo que se sugiere conservar todas las restricciones del modelo
de programacin lineal, aun cuando se espere que una o ms de ellas sean redundantes.
Puntos extremos y solucin ptima
Suponga que la contribucin a la utilidad de una tonelada de pasta pulidora se incrementa de 300
a 600 dlares, en tanto que la contribucin a la utilidad de una tonelada de cera automotriz y
todas las dems restricciones se mantienen sin modificacin. La funcin objetivo se convierte en:
Cmo afecta este cambio de la funcin objetivo a la solucin ptima del problema de QUIMCAR?.
La Figura 1-32 muestra la solucin grfica del problema, utilizando la funcin objetivo modificada.
Observe que las restricciones no tienen cambio, entonces la regin factible es la misma; pero se
han alterado las lneas rectas de utilidad para reflejar la nueva funcin objetivo.
Como se observa en la Figura 1-32, al mover la lnea recta de utilidad de manera paralela,
alejndola del origen, se encuentra la solucin ptima. Los valores de las variables de decisin en
este punto son X1=18.75 y X2 = 25. El aumento en la utilidad de la pasta pulidora ha creado un
cambio en la solucin ptima. De hecho, como quizs ya lo previ, se reduce la produccin de la
cera y aumenta la de pasta pulidora, porque ahora tiene una utilidad mayor.
Respecto de las soluciones grficas de la Figura 1-26 y Figura 1-32 se debe hacer una observacin
importante: la solucin ptima ocurre en alguno de los vrtices o intersecciones de la regin
factible. En terminologa de programacin lineal, estos vrtices se conocen como puntos
extremos de la regin factible, por lo que para este problema se tienen cinco vrtices, es decir,
cinco puntos extremos (Figura 1-32). Ahora se puede dar la observacin siguiente sobre la
localizacin de las soluciones ptimas.
Figura 1-32. Cambia ptimo: objetivo mximo Z = 400X1 + 600 X2, ejemplo QUIMCAR
Anote que se evalan slo los vrtices factibles y que las rectas correspondientes a las
restricciones (1) y (2) son paralelas al eje X2 y al eje X1, respectivamente, por lo que no hacen
interseccin con ellos, es decir, no forman vrtice. En el punto vrtice C se localiza el valor mximo
buscado para la funcin Z. En la Figura 1-34 se muestra el conjunto de puntos que son factibles
para cada una de las tres restricciones y el primer cuadrante; la interseccin de todos ellos resulta
en la regin factible de la Figura 1-33.
Para valorar los puntos vrtices del conjunto factible se sustituyen los valores correspondientes
(X1, X2 ) en la ecuacin Z:
Espacio ampliado al sumar holguras.- En la siguiente tabla se muestran los vrtices dados en el
grfico del Ejemplo 1-13, MAXCAN1. Estos se generan como solucin bsica, pues se conjuntan 5
variables (2 de decisin ms 3 holguras) del modelo en forma estndar. Se anota (X1, X2) conocidas
en la solucin grfica y sustituyendo stas en la misma forma, se valoran H1, H2, H3, obteniendo
la solucin bsica respectiva.
En este ejemplo se ven 8 vrtices y 2 que no existen por paralelismo entre rectas.
Conjunto convexo.- Un conjunto es convexo si dados dos puntos A, B, cualesquiera del mismo, el
segmento de recta que los une, se incluye totalmente en dicho conjunto. La expresin
matemtica, de todos los puntos P obtenidos por combinacin convexa entre dos puntos A y B del
mismo es:
Figura 1-39. Grfica del ejemplo MINCAN1, resulta un conjunto factible abierto.
De esta manera, el espacio de dos dimensiones de la Figura 1-39 y Figura 1-40, se ampla a un
espacio de 5 dimensiones que no se puede dibujar, pero si tratar analticamente.
La tabla de la Figura 1-42 muestra las coordenadas o valor para cada una de las variables en el
problema Ejemplo 1-14, MINCAN1, ampliado a 5 dimensiones (2 variables de decisin ms 3
variables supervit), al pasar a forma estndar; se conservan los valores (X1, X2) obtenidos en la
solucin grfica de la Figura 1-39 y se sustituyen en la forma estndar para calcular el valor de S1,
S2, S3, variables restadas en el lado izquierdo de las restricciones. En la tabla, cada rengln se
identifica con cada vrtice de la Figura 1-39, pero debido a la ampliacin del espacio, se convierten
en solucin bsica pues tienen, por lo menos: n = (m + n) - m = (3 + 2) - 3 = 2 variables de valor
cero. Pero los puntos extremos O y C, tienen mas de 2 variables nulas, en este caso con 3 variables
cero, se identifican como soluciones bsicas no nicas y en particular C es una solucin bsica
degenerada.
Supngase ahora que la funcin objetivo Z se cambia para mximo, en tal caso el traslado hacia
fuera del cuadrante, de la lnea recta correspondiente a la funcin Z, con el propsito de
incrementar el valor de las variables X1 y X2, resulta en un incremento indefinido para el valor de
dicha funcin y por lo tanto sin lmite.
Sustituyendo (X1, X2) de los dos vrtices de la regin factible se obtiene el ptimo como mnimo
ZC = 14:
Ejemplo 1-15. Mtodo grfico, PL en mximo y mnimo, restricciones <= y >= (MAXMIN1).
Este nuevo ejemplo inicia una serie de variantes a partir del Ejemplo 1-14, se estima que el
estudiante fija ms conocimiento cuando tiene oportunidad de comparar los efectos de los
cambios en el mismo problema, se pretende responder a: qu pasara s.....?
Como se puede ver en la Figura 1-44, el efecto inmediato del cambio es que ahora se tiene un
conjunto factible acotado, que permite calcular para la funcin Z el mximo y tambin el
mnimo. Se anota informacin relevante, ya explicada en anteriores ejemplos y se sugiere al lector
estudioso comprobar lo aprendido hasta ahora, con el ejercicio de graficar, cada una de las
restricciones y luego definir el conjunto de soluciones factibles para todo el sistema de este
problema. Verifique la Figura 1-43.
Observe que los puntos vrtices (extremos) son la interseccin de por lo menos dos lneas rectas,
en tal caso se dice que son nicos; pero los puntos O y C se forman con tres lneas rectas,
calificndolos como vrtices no nicos, pues se puede generar la misma interseccin de las tres
maneras en que se anota en la Figura 1-44. Para este ejemplo, el punto extremo C, adems de no
nico, es factible y por lo tanto solucin degenerada. El vrtice origen O, queda en la categora de
no factible, como es cualesquier punto no incluido en la zona sombreada. A propsito de ella
revise, si as lo desea, la definicin de conjunto convexo y verifique que las regiones factibles
correspondientes a los problemas grficos de ejemplo, cumplen para tal calificacin.
Figura 1-44. Solucin grfica del ejemplo MAXMIN1, resulta una regin factible acotada al invertir la
restriccin (1) a <=.
Ejemplo 1-16. Mtodo grfico con PL en mximo y mnimo, una restriccin en = (FACTIRECTA).
As el conjunto factible resulta en un slo segmento de recta BC. Se sugiere como ejercicio,
graficar individualmente las restricciones y verificar su conjunto factible con la Figura 1-45.
Figura 1-45. Grfica del modelo ejemplo FACTIRECTA, variante del MAXMIN1, con el segmento de recta BC
como conjunto de soluciones factibles.
Restriccin redundante: Para este problema, puede ser tanto la nmero uno, como la nmero
dos, segn la que se utilice primero para definir el vrtice "C". En caso de que requiera mayor
exposicin, a continuacin se presenta en la Figura 1-46 el conjunto factible correspondiente a
cada restriccin del Ejemplo 1-16; anote en particular, el grfico de la (3) que es de igualdad,
provoca que el conjunto factible sea un slo segmento de recta BC.
Figura 1-46. Regin factible para cada restriccin del ejemplo FACTIRECTA.
Figura 1-47. Solucin grfica del modelo ejemplo MINMAXCU, muestra un conjunto factible que se ubica en
el cuarto cuadrante debido a que la variable X2 se condiciona a valor no positivo.
Esta nueva variante elegida como Ejemplo 1-17 tiene algo especial, como es condicionar a signo no
positivo a la variable X2, con el resultado grfico que quiz, ya esperaba usted.
La aceptacin de la posibilidad de valor negativo para X2, obliga al clculo que incluye las dos
alternativas: con signo menos y con cero, para X2; as se consigue situar el dibujo con los vrtices
necesarios para el trazo, definicin del conjunto factible y la evaluacin de la funcin objetivo en el
cuarto cuadrante del sistema bidimensional.
Como puede observar en la Figura 1-47, el conjunto de soluciones factibles del ejemplo 1.17 se
define en el cuarto cuadrante con el tringulo cuyos vrtices son O B C.
En la Figura 1-48 se presenta la regin factible que le corresponde a cada una de las restricciones
del ejemplo MINMAXCU para verificar sus resultados grficos:
Programa CAVA .- El lector que as lo desee puede consultar en el programa CaVa (prximo a
liberarse) las soluciones (ya sea analtica o bien grfica), de algunos de los problemas ejemplo del
libro. Puede encontrar, como ejemplos de formulacin de modelos de PL, los
nmeros: 1.4 Bediet, 1.7 de distribucin de carga en barco, 1.9 de desperdicio en proceso de
corte. Como ejemplos de mtodo grfico los nmeros 1.31 al 1.43.
1.6. Ejercicios, actividades de aprendizaje y autoevaluaciones correspondientes al captulo [MAT96]
En las siguientes subsecciones encontrar una serie de ejercicios que ayudarn a la total
comprensin de los temas tratados en el presente captulo. Asimismo, los ejercicios marcados con
*AUTOEVAL* son de auto evaluacin, el peso de los incisos correspondientes a cada uno de ellos
podrn ser consultados en la seccin de respuestas. Se sugiere resolverlos, y una vez terminados,
revisar su solucin y calcular la calificacin correspondiente y as evaluar el entendimiento del
mismo.
Se recomienda aplicar los ejercicios aqu planteados a casos prcticos de la vida diaria como parte
de las actividades de aprendizaje del presente material.
1.6.1. Mezcla de tipos de petrleo crudo *AUTOEVAL*.
Una empresa puede comprar dos tipos de petrleo crudo: ligero a un costo de $25 dlares por
barril y pesado a $22 dlares por barril. Cada barril de petrleo crudo ya refinado, produce la
fraccin de barril anotada de los tres productos de la siguiente tabla:
Formule un modelo de PL que determine cantidades de turbosina a comprar y enviar por parte de
cada vendedor a cada aeropuerto con mnimo costo, satisfaciendo al mismo tiempo por lo menos
la demanda mensual a cada aeropuerto y no excediendo el suministro de cualquier vendedor.
B.1.3. Transporte de turbosina al aeropuerto.
Por ejemplo, cada corrida de produccin de la divisin 1 requiere 8 unidades de la materia prima 1
y 6 unidades de la materia prima 2. El producto de esta corrida es 7 unidades de A y 5 unidades de
B. Formule un modelo para determinar el nmero de corridas de produccin para cada divisin
que maximice el nmero total de unidades terminadas de producto.
Formule un modelo de programacin lineal para determinar el plan de embarque de costo mnimo
que satisfaga las restricciones de provisin y demanda.
B.1.6. Transporte de combustible.
Para la prxima temporada hay 100,000 litros de agua disponibles y se pueden vender al menos
5,120 Kg de maz. Formule un modelo de programacin lineal.
B.1.11. Asignacin de cultivos.
Resuelva como en ejemplos 1.12, 13,...,17; luego elija el acierto entre los incisos: a), b),...,
anotando en los parntesis (__) lo que crea correcto:
(c) La recta de restriccin #2 es:
a) AO b) GACD c) FCBE d) O B D e) FAL
(a) La recta de restriccin #3 es:
a) OA b) FCBE c) EBCF d) DCAG e)ninguna
(b) Las coordenadas de un vrtice no nico son:
a(-2,0) b (2,2) c(0,2) d(2,0)
(d) El conjunto factible es el espacio:
a) ALG b) BCD c) OACB d) AFC e) AF
(a) El # mximo de soluciones bsicas nicas es:
a) 15 b) 18 c) 32 d) 10 e) 28
(e) El # de soluciones inexistentes son:
a) 6 b) 4 c) 3 d) 8 e) 2 f) 1 g) ninguna
(b) El # de soluciones bsicas en vrtice no nico es:
a) 9 b) 6 c) 12 d) 15 e) 3
(d) Hay solucin degenerada en vrtice(s):
a) OB b) CO c) EB d) A e) O f) FC
(b) Hay solucin no degenerada en vrtice(s):
a) A b) CF c) E d) BC e) ninguna
(d) Hay redundancia por restriccin(es) #:
a) 3,2 b) 2 c) 1 d) 3 e) ninguna
(a) Restriccin 1,2,3,4 en = con:
a) H1,H2,H3,-S4 b) H1,H2,H3 c) -S1,-S2,-S3,-S4
(a) Valor max, min respectivo en funcin Z es:
a) -2,-8 b) 4,-2 c) -6,-12 d) 1,-5
Resuelva como en ejemplos 1.12, 13,...,17; luego elija el acierto entre los incisos: a), b),...,
anotando en los parntesis (__) lo que crea correcto:
(__) La recta de restriccin #2 es:
a) AO b) GACD c) FCBE d) O B D e) FAL
(__) La recta de restriccin #3 es:
a) OA b) FCBE c) EBCF d) DCAG e) ninguna
(__) Las coordenadas de un vrtice no nico son:
a(-2,0) b (2,2) c(0,2) d(2,0)
(__) El conjunto factible es el espacio:
a) ALG b) BCD c) OACB d) AFC e) AF
(__) El # mximo de soluciones bsicas nicas es:
a) 15 b) 18 c) 32 d) 10 e) 28
(__) El # de soluciones inexistentes son:
a) 6 b) 4 c) 3 d) 8 e) 2 f) 1 g) ninguna
(__) El # de soluciones bsicas en vrtice no nico es:
a) 9 b) 6 c) 12 d) 15 e) 3
(__) Hay solucin degenerada en vrtice(s):
a) OB b) CO c) EB d) A e) O f) FC
(__) Hay solucin no degenerada en vrtice(s):
a) A b) CF c) E d) BC e) ninguna
(__) Hay redundancia por restriccin(es) #:
a) 3,2 b) 2 c) 1 d) 3 e) ninguna
(__) Restriccin 1,2,3,4 en = con:
a) H1,H2,H3,-S4 b) H1,H2,H3 c) -S1,-S2,-S3,-S4
(__) Valor max, min respectivo en funcin Z es:
a) -2,-8 b) 4,-2 c) -6,-12 d) 1,-5
Resuelva como en ejemplos 1.12, 13,...,17; luego elija el acierto entre los incisos: a), b),...,
anotando en los parntesis (__) lo que crea correcto:
(__) La recta de restriccin #2 es:
a) KAO b) GACD c) FCBE d) TCK e) RFKL
(__) La recta de restriccin #3 es:
a) KAO b) FCBE c) EBCF d) DCAG e)ninguna
(__) Coordenadas de vrtices no nicos:
a(-2,0)(0,2) b(2,2)(4,0) c(3,3)(1,3)(0,0)
(__) El conjunto factible es el espacio:
a) AKGL b) KCF c) OACB d) AKC e) KF
(__) El # mximo de soluciones bsicas nicas es:
a) 15 b) 21 c) 32 d) 10 e) 28
(__) El # de soluciones inexistentes son:
a) 6 b) 4 c) 1 d) 6 e) 2 f) 3 g) ninguna
(__) El # de soluciones bsicas en vrtice no nico es:
a) 9 b) 6 c) 12 d) 15 e) 3
(__) Hay solucin degenerada en vrtice(s):
a) OB b) CK c) EB d) A e) O f) FA
(__) Hay solucin no degenerada en vrtice(s):
a) R b) O c) A d) KC e) ninguna
(__) Hay redundancia por restriccin(es) #:
a) 3,1 b) 2,5 c) 1 d) 4 e) ninguna
(__) En 1,2,3,4,5 pasa a = con:
a) 3Hi y 2Si b) 1Hi y 4Si c) 2Hi y 3Si d) 4Hi y 1Si
(__) Valor max, min respectivo en funcin Z es:
Resuelva como en ejemplos 1.12, 13,...,17; luego elija el acierto entre los incisos: a), b),...,
anotando en los parntesis (__) lo que crea correcto:
(c) La recta de restriccin #2 es:
a) KAO b) GACD c) FCBE d) TCK e) RFKL
(a) La recta de restriccin #3 es:
a) KAO b) FCBE c) EBCF d) DCAG e)ninguna
(c) Coordenadas de vrtices no nicos:
a(-2,0)(0,2) b(2,2)(4,0) c(3,3)(1,3)(0,0)
(d) El conjunto factible es el espacio:
a) AKGL b) KCF c) OACB d) AKC e) KF
(b) El # mximo de soluciones bsicas nicas es:
a) 15 b) 21 c) 32 d) 10 e) 28
(f) El # de soluciones inexistentes son:
a) 6 b) 4 c) 1 d) 6 e) 2 f) 3 g) ninguna
(a) El # de soluciones bsicas en vrtice no nico es:
a) 9 b) 6 c) 12 d) 15 e) 3
(b) Hay solucin degenerada en vrtice(s):
a) OB b) CK c) EB d) A e) O f) FA
(c) Hay solucin no degenerada en vrtice(s):
a) R b) O c) A d) KC e) ninguna
(b) Hay redundancia por restriccin(es) #:
a) 3,1 b) 2,5 c) 1 d) 4 e) ninguna
Resuelva como en ejemplos 1.12, 13,...,17; luego elija el acierto entre los incisos: a), b),...,
anotando en los parntesis (__) lo que crea correcto:
( __) La recta de restriccin #1 es:
a) BAE; b) FATQ; c) OACD; d) GECRH
( __) La recta de restriccin #4 es:
a) QRD; b) FATQ; c) OACD; d) GECRH
(__) Las coordenadas del vrtice T son:
a(3,3); b(1,3); c(0,2); d(4,0); e(-2,0)
( __) El conjunto factible es el espacio:
a) AOF; b) AEGF; c) ACRT; d) QRT
( __) El # mximo de soluciones bsicas nicas es:
a)15; b)32; c)21; d)10; e)28
( __) El # de soluciones inexistentes son:
a) 2; b) 4; c) 3; d) 5; e) 7; f) 1; g) ninguna
( __) El # de soluciones bsicas en vrtice no nico es:
a) 15; b) 6; c) 9; d) 12; e) 3
Resuelva como en ejemplos 1.12, 13,...,17; luego elija el acierto entre los incisos: a), b),...,
anotando en los parntesis (__) lo que crea correcto:
( d ) La recta de restriccin #1 es:
a) BAE; b) FATQ; c) OACD; d) GECRH
( a ) La recta de restriccin #4 es:
a)QRD; b) FATQ; c) OACD; d) GECRH
( b ) Las coordenadas del vrtice T son:
a(3,3); b(1,3); c(0,2); d(4,0); e(-2,0)
( c ) El conjunto factible es el espacio: