INVESTIGACION DE OPERACIONES - PL - PROBLEMAS - TECNICASpl - Problemas - Tecnicas PDF

Coleccion de problemas de formulacion de modelos de
Programacion Lineal
Alvaro Garca Sanchez, Miguel Ortega Mier

3 de marzo de 2013
5
Indice
1. 7
1.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2. 13
2.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3. 19
3.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4. 22
4.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
5. 24
5.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
6. 25
6.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
6.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
7. 28
7.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
7.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
8. 31
8.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
8.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
9. 33
9.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
9.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
10. 37
10.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
10.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
11. 42
11.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
11.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
12. 46
12.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
12.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
13. 48
13.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
13.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
1
14. 52
14.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
14.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
15.Ejercicio 54
15.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
15.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
16.Ejercicio 55
16.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
16.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
17.Ejercicio 56
17.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
17.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
18.Ejercicio 57
18.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
18.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
19.Ejercicio 58
19.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
19.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
20.Ejercicio 59
20.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
20.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
21.Ejercicio MME-1213-ENE-2 61
21.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
21.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
22.Ejercicio 62
22.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
22.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
23.Ejercicio 65
23.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
23.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
24.Ejercicio 66
24.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
24.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
25.Ejercicio 68
25.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
26.Ejercicio 69
26.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
26.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
27.Ejercicio 70
27.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
27.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2
28.Ejercicio 72
28.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
28.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
29.Ejercicio MME-1213-ENE-3 74
29.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
29.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
30.Ejercicio 75
30.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
30.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
31.Ejercicio 76
31.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
31.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
32.Ejercicio 78
32.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
32.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
33.Ejercicio 80
33.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
33.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
34.Ejercicio 82
34.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
34.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
35.Ejercicio 83
35.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
35.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
36.Ejercicio 85
36.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
36.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
37.Ejercicio 87
37.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
37.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
38.Ejercicio 88
38.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
38.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
38.3. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
38.4. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
38.5. Enunciado MME-1213-ENE-4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
38.6. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
39.Ejercicio 92
39.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
39.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
3
40.Ejercicio 93
40.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
40.2. Resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4
INDICE
Indice 6
1
1. 7
1.1. Enunciado
Un fabricante de refrescos F R produce tres modalidades (A, B y C), cada una en su propio formato:
de 3 litros, 2 litros y 1 litro, respectivamente. Este fabricante esta comprometido a entregar a un gran
distribuidor GD (su unico cliente) exactamente 20000 litros diarios de refrescos. Dispone de 25000 gramos
diarios de un saborizante del que cada modalidad consume por botella: la botella de 3 litros, 2 gramos; la
de 2 litros, 3 g; y la de un litro, 4 g. Conocidos los datos economicos de A, B y C, y siendo xj los miles de
botellas de la modalidad j a envasar diariamente, F R ha planteado el siguiente modelo de programacion
lineal (c y b estan expresados en miles):
max z = 5x1 + 6x2 + 8x3

s.a.
2x1 + 3x2 + 4x3 25 (1)
3x1 + 2x2 + 1x3 = 20
x1 , x2 , x3 0
1. Obtener el plan optimo de envasado de F R.

2. Determinar el signicado de los multiplicadores del simplex de las dos restricciones.
3. A F R le preocupa la posibilidad de que su proveedor de tapones (iguales para las tres modalidades)
restrinja su suministro a un maximo de 6000 tapones diarios. Como ejercicio de postoptimizacion,
introducir esta nueva restriccion y determinar su repercusion.
4. Mediante el correspondiente analisis de sensibilidad, determinar la repercusion en el mix de envasado
de posibles cambios en los precios de venta de las dos modalidades de menor capacidad, B y C (x2
y x3 ).
5. Determinar la validez del mix de produccion ante posibles variaciones en la demanda total de
refrescos, que se traduciran en un mayor o menor volumen a entregar diariamente a GD, utilizando
el analisis de sensibilidad.
6. El formato de 3 litros (modalidad A, x1 ) puede estar especialmente afectado por los cambios en
los mercados de refrescos y materias primas. Mediante la programacion parametrica, analizar el
conjunto de diferentes planes de envasado y sus resultados en funcion de cualquier valor no negativo
de la contribucion unitaria al benecio del producto A.
7. El gran distribuidor GD exige que las entregas diarias sean multiplos exactos de mil para cada
modalidad. A partir de la resolucion del apartado a) de la pregunta anterior, plantear un plano
secante de correspondiente al algoritmo de Gomory y, sin realizar ninguna iteracion, introducir la
restrccion correspondiente en la tabla de la solucion optima hasta el momento.
1.2. Resolucion
max z = 5x1 + 6x2 + 8x3

s.a.
2x1 + 3x2 + 4x3 25 (2)
3x1 + 2x2 + 1x3 = 20
x1 , x2 , x3 0
1 El problema se puede reformular de la siguiente manera, convirtiendo las desigualdades en igualdades
8
(identido al problema anterior en terminos del sistema que representa):
max z = 5x1 + 6x2 + 8x3

s.a.
2x1 + 3x2 + 4x3 + h1 = 25 (3)
3x1 + 2x2 + 1x3 = 20
x1 , x2 , x3 0
No existe solucion basica factible inmediata, por lo que es necesario utilizar el metodo de las dos fases
o de la M grande. En el primer caso, se construye el siguiente problema auxiliar P :
max z = a
s.a.
2x1 + 3x2 + 4x3 + h1 = 25 (4)
3x1 + 2x2 + 1x3 + a = 20
x1 , x2 , x3 , a 0
Apartado 1. Para el problema P es posible encontrar una solucion basica factible de partida con las
actividades basicas h1 y a, con valores h1 = 20 y a = 20. Al aplicar el metodo del Simplex, en su variante
de la matriz completa, para esa solucion basica se obtiene la siguiente tabla:
x1 x2 x3 h1 a
20 3 2 1 0 0 (V B fase 1)
0 5 6 8 0 0 (V B fase 2)
h1 25 2 3 4 1 0
a 20 3 2 1 0 1
Introduciendo en la base x1 y sacando a, se obtiene:

x1 x2 x3 h1 a
0 0 0 0 0 -1 (V B fase 1)
-100/3 0 8/3 19/3 0 -5/3 (V B fase 2)
h1 35/3 0 5/3 10/3 1 -2/3
x1 20/3 1 2/3 1/3 0 1/3
La tabla anterior corresponde a una solucion del problema P donde a = 0, por lo que es una solucion
basica factible del problema original, pero no optima, porque no cumple V B 0. Introduciendo en la
base x3 y sacando h1 , se obtiene:
x1 x2 x3 h1 a
0 0 0 0 0 -1 (V B fase 1)
-111/2 0 -1/2 0 -19/10 -2/5 (V B fase 2)
x3 7/2 0 1/2 1 3/10 -1/5
x1 11/2 1 1/2 0 -1/10 2/5
La tabla anterior corresponde a la solucion optima del problema original (V B 0). El programa de
produccion optimo consiste en:
Producir 5500 refrescos de 1/3l, ningun refresco de 1/2l y 3500 de 1l.
Se consumen todo el material disponible para producir las botellas (h1 = 0)
1 9
Apartado 2. Los multiplicadores del simplex ( B = cB B 1 ) se pueden calcular, a partir de la tabla,
de la siguiente manera:
1B = VhB1 = 19/10
2B = VaB = 2/5
La interpretacion de los mismos es la siguiente:
1B = 19/10. Si b1 = 1 z = 19/10. La empresa estara dispuesta a pagar hasta 1900 unidades
monetarias para disponer de 1 kg mas diariamente. Igualmente, estara dispuesta a vender 1 kg si
recibiera por ello cualquier cantidad superior a 1900 unidades monetarias.
2B = 2/5. Si b1 = 1 z = 2/5. La empresa podria obtener un benecio mayor (4/5) si el
compromiso fuera entrgar 21000 botellas y no 20000, por lo que este compromiso esta actuando
como una limitacion. F R estara dispuesta a renegociar el compromiso para pasar a 21000 botellas,
siempre y cuando esto no representara un coste para ella superior a 400 unidades monetarias.
Apartado 3. En terminos del planteamiento del modelo, la posibilidad descrita se traducira en la

siguiente restriccion:
x1 + x2 + x3 6 x1 + x2 + x3 + h3 = 6
Tras introducir la nueva restriccion y modicarla convenientemente para que x1 , x3 y h3 sean las
variables basicas, se obtiene la solucion correspondiente a la siguiente tabla, que es una solucion que
cumple el criterio de optimalidad pero no es factible. Aplicando Lemke (sacando h3 e introduciendo h1 )
se obtiene la siguiente tabla.
x1 x2 x3 h1 h3
-111/2 0 -1/2 0 -19/10 0
x3 7/2 0 1/2 1 3/10 0
x1 11/2 1 1/2 0 -1/10 0
6 1 1 1 0 1
1/2 0 1/2 1 1/10 1
h3 -3 0 0 0 -1/5 1
-111/2 0 -1/2 0 -19/10 0
x3 7/2 0 1/2 1 3/10 0
x1 11/2 1 1/2 0 -1/10 0
h3 -3 0 0 0 -1/5 1
-27 0 -1/2 0 0 -19/2
x3 -1 0 1/2 1 0 3/2
x1 7 1 1/2 0 0 -1/2
h1 15 0 0 0 1 -5
La ultima tabla corresponde a una solucion no factible (x3 0) y no existe ninguna tasa de sustitucion
de esa variable con respecto a las no basicas que sea negativa. Al introducir la nueva restriccion el problema
no tiene solucion factible. Si el proveedor de tapones hiciera como se dice, no sera posible obtener un
programa de produccion que cumpliera con todas las restricciones.
Apartado 4. El rango de valores para c2 y c3 dentro del cual la composicion del mix de produccion
es el mismo que el obtenido se obtiene calculando los nuevos criterios del Simplex en funcion de dichos
variables.
En el caso de c2 , como x2 no es una variable basica, si c2 se modica, solo se modica V2B . En
particular:

3
V2B = c2 cB B 1 A2 = c2 B = c2 13/2 (5)
2
1 El mix sigue siendo el mismo si c 13/2 0, es decir, si c 13/2 10
2 2
El el caso de que cambie c3 , como x3 es una variable basica, cambian los criterios del Simplex de todas
las variables (menos los de las basicas, que son 0). En particular:

0 1/2 1 3/10
V B = c cB B 1 A = c cB p = 5 6 c3 0 c3 5 =
1 1/2 0 1/10 (6)

= 5 6 c3 0 5 c32+5 c3 3c10 3 5
= 0 7 c3 0 3c10
3 5
Es decir, el mix es el mismo si se cumple simultaneamente:
7 c3 0 c3 7
3c3 5 c3 7 (7)
10 0 c 3 5/3
El mix es el mismo, siempre y cuando la contribucion unitaria al benecio de cada botella de litro sea
igual o superior a 7 unidades monetarias.
Apartado 5. La demanda de refrescos quedar reejada en la segunda restriccion. Si cambia b2 , la

solucion podra dejar de ser factible y, por lo tanto, dejar de ser optima.
752b2
3/10 1/5 25 b 75/2
uB = B 1 b = = 10
25+4b2 0 2 (8)
1/10 2/5 b2 10
b2 25/4
Es decir, el mix es el mismo se 25/4 b2 75/2, es decir, si la demanda supera los 6250 botellas y
si no supera los 37500.
Apartado 6.
T0 x1 x2 x3 h1
-111/2 0 -1/2 0 -19/10
x3 7/2 0 1/2 1 3/10
x1 11/2 1 1/2 0 -1/10
Sea c1 = , con 0 . Si = 5, T ,0 es la tabla correspondiente a la solucion optima.
Si modica su valor, se modicara el vector de criterios del Simplex V B (). Siempre y cuando
V B () 0 las actividades basicas seran x1 y x3 , con los niveles de realizacion de la tabla T0 . El criterio
del Simplex V B () es:

0 1/2 1 3/10
V B () = c cB B 1 A = c cB p = 6 8 0 8 =
1 1/2 0 1/10 (9)

0 4
2 0 24
10
Las variables basicas son x1 y x3 siempre y cuando V B (). Es decir:
40
4 24 (10)
24 0
Si 4 24, la tabla corresondiente a la solucion optima es T0 ():
T0 () x1 x2 x3 h1
4
28 11/2 0 2 0 24
10
x3 7/2 0 1/2 1 3/10
x1 11/2 1 1/2 0 -1/10
1 Si = 4, la tabla se convierte en T , correspondiente a un optimo multiple. Introduciendo x 11
1 2 y
sacando x3 se obtiene una nueva solucion a la que le corresponde la tabla T2
T1 x1 x2 x3 h1
-50 0 0 0 -2
x3 7/2 0 1/2 1 3/10
x1 11/2 1 1/2 0 -1/10
T2 x1 x2 x3 h1
-50 0 0 0 -2
x2 7 0 1 2 3/5
x1 2 1 0 -1 -2/5
V () 0 las actividades basicas seran x1 y x2 , con los niveles de realizacion de la tabla T2 . El criterio
B

0 1 2 3/5
V B () = c cB B 1 A = c cB p = 6 8 0 6 =
1 0 1 2/5 (11)
218

0 0 4 5
El criterio del Simplex de la tabla T2 nunca se anula para valores de tales que 0 4
Volviendo a la tabla T0 (), si = 24, la tabla se convierte en la tabla T3 , correspondiente a un
optimo multiple. Introduciendo h1 sacando x3 se obtiene la tabla T4 correspondiente a la solucion optima
alternativa:
T3 x1 x2 x3 h1
160 0 -10 0 0
x3 7/2 0 1/2 1 3/10
x1 11/2 1 1/2 0 -1/10
T4 x1 x2 x3 h1
160 0 -10 0 0
h3 35/3 0 5/3 10/3 1
x1 20/3 1 2/3 1/3 0
De nuevo, Si modica su valor, se modicara el vector de criterios del Simplex V B (). Siempre y
cuando V B () 0 las actividades basicas seran x1 y h1 , con los niveles de realizacion de la tabla T4 . El
criterio del Simplex V B () es:

1
0 5/3 10/3 1
V () = c c B
B B
A=cc p=
B
6 8 0 0 =
1 2/3 1/3 0 (12)
62 24

0 3 3 0)
El criterio del Sipmlex no se hace positivo para ningun valor de tal que > 24
En resumen:
Variables basicas: x1 = 2 y x2 = 7 si 0 4 con z = 42 + 2
Variables basicas: x1 = 11/2 y x3 = 7/2 si 4 24 con z = 28 + 11/2
Variables basicas: x1 = 20/3 y h1 = 35/3 si 24 con z = 20/3
1 12
Apartado 6. Los dos posibles plano de Gomory de la forma: f0 + fi xi 0 seran, en este caso,
dos, uno por cada variable:
1/2 + 1/2x2 + 3/10h1 0 1/2x2 + 3/10h1 h3 = 1/2

1/2 + 1/2x2 + 9/10h1 0 1/2x2 + 9/10h1 h4 = 1/2
Si se introduce y modica el primer plano secante, la tabla resultante sera la siguiente:
x1 x2 x3 h1 h3
-111/2 0 -1/2 0 -19/10 0
x3 7/2 0 1/2 1 3/10 0
x1 11/2 1 1/2 0 -1/10 0
1/2 0 1/2 0 3/10 -1
h3 -1/2 0 1/2 0 -3/10 1
La tabla nal es la siguiente, correspondiente a una solucion no factible que cumple el criterio de
optimalidad, por lo que se podra aplicar el metodo de Lemke.
x1 x2 x3 h1 h3
-111/2 0 -1/2 0 -19/10 0
x3 7/2 0 1/2 1 3/10 0
x1 11/2 1 1/2 0 -1/10 0
h3 -1/2 0 1/2 0 -3/10 1
2
2. 13
2.1. Enunciado
Un fabricante de refrescos F R produce tres modalidades (A, B y C), cada una en su propio formato:
de 3 litros, 2 litros y 1 litro, respectivamente. Este fabricante esta comprometido a entregar a un gran
distribuidor GD (su unico cliente) exactamente 20000 litros diarios de refrescos. Dispone de 25000 gramos
diarios de un saborizante del que cada modalidad consume por botella: la botella de 3 litros, 2 gramos; la
de 2 litros, 3 g; y la de un litro, 4 g. Conocidos los datos economicos de A, B y C, y siendo xj los miles de
botellas de la modalidad j a envasar diariamente, F R ha planteado el siguiente modelo de programacion
lineal (c y b estan expresados en miles):
max z = 5x1 + 6x2 + 8x3

s.a.
2x1 + 3x2 + 4x3 25 (13)
3x1 + 2x2 + 1x3 = 20
x1 , x2 , x3 0
1. Obtener el plan optimo de envasado de F R.

2. Determinar el signicado de los multiplicadores del simplex de las dos restricciones.
3. A F R le preocupa la posibilidad de que su proveedor de tapones (iguales para las tres modalidades)
restrinja su suministro a un maximo de 6000 tapones diarios. Como ejercicio de postoptimizacion,
introducir esta nueva restriccion y determinar su repercusion.
4. Mediante el correspondiente analisis de sensibilidad, determinar la repercusion en el mix de envasado
de posibles cambios en los precios de venta de las dos modalidades de menor capacidad, B y C (x2
y x3 ).
5. Determinar la validez del mix de produccion ante posibles variaciones en la demanda total de
refrescos, que se traduciran en un mayor o menor volumen a entregar diariamente a GD, utilizando
el analisis de sensibilidad.
6. El formato de 3 litros (modalidad A, x1 ) puede estar especialmente afectado por los cambios en
los mercados de refrescos y materias primas. Mediante la programacion parametrica, analizar el
conjunto de diferentes planes de envasado y sus resultados en funcion de cualquier valor no negativo
de la contribucion unitaria al benecio del producto A.
7. El gran distribuidor GD exige que las entregas diarias sean multiplos exactos de mil para cada
modalidad. A partir de la resolucion del apartado a) de la pregunta anterior, plantear un plano
secante de correspondiente al algoritmo de Gomory y, sin realizar ninguna iteracion, introducir la
restrccion correspondiente en la tabla de la solucion optima hasta el momento.
2.2. Resolucion
max z = 5x1 + 6x2 + 8x3

s.a.
2x1 + 3x2 + 4x3 25 (14)
3x1 + 2x2 + 1x3 = 20
x1 , x2 , x3 0
2 El problema se puede reformular de la siguiente manera, convirtiendo las desigualdades en igualdades
14
(identido al problema anterior en terminos del sistema que representa):
max z = 5x1 + 6x2 + 8x3

s.a.
2x1 + 3x2 + 4x3 + h1 = 25 (15)
3x1 + 2x2 + 1x3 = 20
x1 , x2 , x3 0
No existe solucion basica factible inmediata, por lo que es necesario utilizar el metodo de las dos fases
o de la M grande. En el primer caso, se construye el siguiente problema auxiliar P :
max z = a
s.a.
2x1 + 3x2 + 4x3 + h1 = 25 (16)
3x1 + 2x2 + 1x3 + a = 20
x1 , x2 , x3 , a 0
Apartado 1. Para el problema P es posible encontrar una solucion basica factible de partida con las
actividades basicas h1 y a, con valores h1 = 20 y a = 20. Al aplicar el metodo del Simplex, en su variante
de la matriz completa, para esa solucion basica se obtiene la siguiente tabla:
x1 x2 x3 h1 a
20 3 2 1 0 0 (V B fase 1)
0 5 6 8 0 0 (V B fase 2)
h1 25 2 3 4 1 0
a 20 3 2 1 0 1
Introduciendo en la base x1 y sacando a, se obtiene:

x1 x2 x3 h1 a
0 0 0 0 0 -1 (V B fase 1)
-100/3 0 8/3 19/3 0 -5/3 (V B fase 2)
h1 35/3 0 5/3 10/3 1 -2/3
x1 20/3 1 2/3 1/3 0 1/3
La tabla anterior corresponde a una solucion del problema P donde a = 0, por lo que es una solucion
basica factible del problema original, pero no optima, porque no cumple V B 0. Introduciendo en la
base x3 y sacando h1 , se obtiene:
x1 x2 x3 h1 a
0 0 0 0 0 -1 (V B fase 1)
-111/2 0 -1/2 0 -19/10 -2/5 (V B fase 2)
x3 7/2 0 1/2 1 3/10 -1/5
x1 11/2 1 1/2 0 -1/10 2/5
La tabla anterior corresponde a la solucion optima del problema original (V B 0). El programa de
produccion optimo consiste en:
Producir 5500 refrescos de 1/3l, ningun refresco de 1/2l y 3500 de 1l.
Se consumen todo el material disponible para producir las botellas (h1 = 0)
2 15
Apartado 2. Los multiplicadores del simplex ( B = cB B 1 ) se pueden calcular, a partir de la tabla,
de la siguiente manera:
1B = VhB1 = 19/10
2B = VaB = 2/5
La interpretacion de los mismos es la siguiente:
1B = 19/10. Si b1 = 1 z = 19/10. La empresa estara dispuesta a pagar hasta 1900 unidades
monetarias para disponer de 1 kg mas diariamente. Igualmente, estara dispuesta a vender 1 kg si
recibiera por ello cualquier cantidad superior a 1900 unidades monetarias.
2B = 2/5. Si b1 = 1 z = 2/5. La empresa podria obtener un benecio mayor (4/5) si el
compromiso fuera entrgar 21000 botellas y no 20000, por lo que este compromiso esta actuando
como una limitacion. F R estara dispuesta a renegociar el compromiso para pasar a 21000 botellas,
siempre y cuando esto no representara un coste para ella superior a 400 unidades monetarias.
Apartado 3. En terminos del planteamiento del modelo, la posibilidad descrita se traducira en la

siguiente restriccion:
x1 + x2 + x3 6 x1 + x2 + x3 + h3 = 6
Tras introducir la nueva restriccion y modicarla convenientemente para que x1 , x3 y h3 sean las
variables basicas, se obtiene la solucion correspondiente a la siguiente tabla, que es una solucion que
cumple el criterio de optimalidad pero no es factible. Aplicando Lemke (sacando h3 e introduciendo h1 )
se obtiene la siguiente tabla.
x1 x2 x3 h1 h3
-111/2 0 -1/2 0 -19/10 0
x3 7/2 0 1/2 1 3/10 0
x1 11/2 1 1/2 0 -1/10 0
6 1 1 1 0 1
1/2 0 1/2 1 1/10 1
h3 -3 0 0 0 -1/5 1
-111/2 0 -1/2 0 -19/10 0
x3 7/2 0 1/2 1 3/10 0
x1 11/2 1 1/2 0 -1/10 0
h3 -3 0 0 0 -1/5 1
-27 0 -1/2 0 0 -19/2
x3 -1 0 1/2 1 0 3/2
x1 7 1 1/2 0 0 -1/2
h1 15 0 0 0 1 -5
La ultima tabla corresponde a una solucion no factible (x3 0) y no existe ninguna tasa de sustitucion
de esa variable con respecto a las no basicas que sea negativa. Al introducir la nueva restriccion el problema
no tiene solucion factible. Si el proveedor de tapones hiciera como se dice, no sera posible obtener un
programa de produccion que cumpliera con todas las restricciones.
Apartado 4. El rango de valores para c2 y c3 dentro del cual la composicion del mix de produccion
es el mismo que el obtenido se obtiene calculando los nuevos criterios del Simplex en funcion de dichos
variables.
En el caso de c2 , como x2 no es una variable basica, si c2 se modica, solo se modica V2B . En
particular:

3
V2B = c2 cB B 1 A2 = c2 B = c2 13/2 (17)
2
2 El mix sigue siendo el mismo si c 13/2 0, es decir, si c 13/2 16
2 2
El el caso de que cambie c3 , como x3 es una variable basica, cambian los criterios del Simplex de todas
las variables (menos los de las basicas, que son 0). En particular:

0 1/2 1 3/10
V B = c cB B 1 A = c cB p = 5 6 c3 0 c3 5 =
1 1/2 0 1/10 (18)

= 5 6 c3 0 5 c32+5 c3 3c10 3 5
= 0 7 c3 0 3c10
3 5
Es decir, el mix es el mismo si se cumple simultaneamente:
7 c3 0 c3 7
3c3 5 c3 7 (19)
10 0 c 3 5/3
El mix es el mismo, siempre y cuando la contribucion unitaria al benecio de cada botella de litro sea
igual o superior a 7 unidades monetarias.
Apartado 5. La demanda de refrescos quedar reejada en la segunda restriccion. Si cambia b2 , la

solucion podra dejar de ser factible y, por lo tanto, dejar de ser optima.
752b2
3/10 1/5 25 b 75/2
uB = B 1 b = = 10
25+4b2 0 2 (20)
1/10 2/5 b2 10
b2 25/4
Es decir, el mix es el mismo se 25/4 b2 75/2, es decir, si la demanda supera los 6250 botellas y
si no supera los 37500.
Apartado 6.
T0 x1 x2 x3 h1
-111/2 0 -1/2 0 -19/10
x3 7/2 0 1/2 1 3/10
x1 11/2 1 1/2 0 -1/10
Sea c1 = , con 0 . Si = 5, T ,0 es la tabla correspondiente a la solucion optima.
V B () 0 las actividades basicas seran x1 y x3 , con los niveles de realizacion de la tabla T0 . El criterio

0 1/2 1 3/10
V B () = c cB B 1 A = c cB p = 6 8 0 8 =
1 1/2 0 1/10 (21)

0 4
2 0 24
10
Las variables basicas son x1 y x3 siempre y cuando V B (). Es decir:
40
4 24 (22)
24 0
Si 4 24, la tabla corresondiente a la solucion optima es T0 ():
T0 () x1 x2 x3 h1
4
28 11/2 0 2 0 24
10
x3 7/2 0 1/2 1 3/10
x1 11/2 1 1/2 0 -1/10
2 Si = 4, la tabla se convierte en T , correspondiente a un optimo multiple. Introduciendo x 17
1 2 y
sacando x3 se obtiene una nueva solucion a la que le corresponde la tabla T2
T1 x1 x2 x3 h1
-50 0 0 0 -2
x3 7/2 0 1/2 1 3/10
x1 11/2 1 1/2 0 -1/10
T2 x1 x2 x3 h1
-50 0 0 0 -2
x2 7 0 1 2 3/5
x1 2 1 0 -1 -2/5
V () 0 las actividades basicas seran x1 y x2 , con los niveles de realizacion de la tabla T2 . El criterio
B

0 1 2 3/5
V B () = c cB B 1 A = c cB p = 6 8 0 6 =
1 0 1 2/5 (23)
218

0 0 4 5
El criterio del Simplex de la tabla T2 nunca se anula para valores de tales que 0 4
Volviendo a la tabla T0 (), si = 24, la tabla se convierte en la tabla T3 , correspondiente a un
optimo multiple. Introduciendo h1 sacando x3 se obtiene la tabla T4 correspondiente a la solucion optima
alternativa:
T3 x1 x2 x3 h1
160 0 -10 0 0
x3 7/2 0 1/2 1 3/10
x1 11/2 1 1/2 0 -1/10
T4 x1 x2 x3 h1
160 0 -10 0 0
h3 35/3 0 5/3 10/3 1
x1 20/3 1 2/3 1/3 0
De nuevo, Si modica su valor, se modicara el vector de criterios del Simplex V B (). Siempre y
cuando V B () 0 las actividades basicas seran x1 y h1 , con los niveles de realizacion de la tabla T4 . El
criterio del Simplex V B () es:

1
0 5/3 10/3 1
V () = c c B
B B
A=cc p=
B
6 8 0 0 =
1 2/3 1/3 0 (24)
62 24

0 3 3 0)
El criterio del Sipmlex no se hace positivo para ningun valor de tal que > 24
En resumen:
Variables basicas: x1 = 2 y x2 = 7 si 0 4 con z = 42 + 2
Variables basicas: x1 = 11/2 y x3 = 7/2 si 4 24 con z = 28 + 11/2
Variables basicas: x1 = 20/3 y h1 = 35/3 si 24 con z = 20/3
2 18
Apartado 6. Los dos posibles plano de Gomory de la forma: f0 + fi xi 0 seran, en este caso,
dos, uno por cada variable:
1/2 + 1/2x2 + 3/10h1 0 1/2x2 + 3/10h1 h3 = 1/2

1/2 + 1/2x2 + 9/10h1 0 1/2x2 + 9/10h1 h4 = 1/2
Si se introduce y modica el primer plano secante, la tabla resultante sera la siguiente:
x1 x2 x3 h1 h3
-111/2 0 -1/2 0 -19/10 0
x3 7/2 0 1/2 1 3/10 0
x1 11/2 1 1/2 0 -1/10 0
1/2 0 1/2 0 3/10 -1
h3 -1/2 0 1/2 0 -3/10 1
La tabla nal es la siguiente, correspondiente a una solucion no factible que cumple el criterio de
optimalidad, por lo que se podra aplicar el metodo de Lemke.
x1 x2 x3 h1 h3
-111/2 0 -1/2 0 -19/10 0
x3 7/2 0 1/2 1 3/10 0
x1 11/2 1 1/2 0 -1/10 0
h3 -1/2 0 1/2 0 -3/10 1
3
3. 19
3.1. Enunciado
La empresa San Guemil fabrica dos tipos de cerveza, una lager y una pilsen, para lo cual necesita
disponer de malta, lupulo y levadura.
Cada metro cubico de lager requiere 50 kg de malta, 20 de lupulo y 2 de levadura. Cada metro cubico
de pilsen necesita 60 kg de malta, 25 de lupulo y 2 de levadura. El benecio que obtiene la empresa con
cada metro cubico de lager es de 140 um, mientras que con cada metro cubico de pilsen obtiene 150 um.
San Guemil dipone de una tonelada de malta por semana, 250 kg de lupulo y 22 kg de levadura tambien
por semana.
El modelo de programacion lineal que permite obtener la produccion optima para cada semana queda
descrito por:
max z = 140x1 + 150x2

s.a. :
50x1 + 60x2 1000
(25)
20x1 + 25x2 250
2x1 + 2x2 22
x1 , x2 0
donde x1 y x2 representan, respectivamente, los volumenes de produccion semanales (en m3 ) de lager
y de pilsen.
La tabla del simplex correspondiente a la solucion optima del modelo anterior y, por lo tanto, al plan
de produccion optimo de San Guemil, es:
x1 x2 h1 h2 h3
-1600 0 0 0 -2 -50
h1 390 0 0 1 -2 -5
x2 6 0 1 0 1/5 -2
x1 5 1 0 0 -1/5 5/2
donde h1 , h2 y h3 son, respectivamente, las holguras correspondientes a las tres restricciones del
modelo lineal.
Se pide:
1. Indicar que uso se hace de cada una de las tres materias primas, as como cual es el precio maximo
que estara dispuesta a pagar San Guemil por disponer de 1 kg mas a la semana de cada una de las
tres materias primas.
2. Indicar, para el caso del lupulo, cuantos kg adicionales estara dispuesta a adquirir y cuantos kg de
su disponibilidad de lupulo estara dispuesta a vender semanalmente tomando como referencia el
precio indicado en el apartado anterior.
3. San Guemil esta valorando la posibilidad de producir un nuevo tipo de cerveza, que tiene una doble
fermentacion. Esta nueva cerveza consume, por cada metro cubico producido, 70 kg de malta, 30
de lupulo y 4 kg de levadura. Indicar el benecio unitario mnimo que hara rentable la produccion
y comercializacion de esta nueva cerveza.
4. San Guemil ha rmado un contrato de suministro con sus actuales clientes, por el cual se compro-
mete a servir, conjuntamente entre lager y pilsen, un mnimo de 40 m3 al mes (considerese que un
mes tiene cuatro semanas). Indicar cual es el nuevo plan de produccion optimo.
5. Si una determinada semana se decide reservar 10 kg de lupulo sin utilizar (h2 = 10), como se
modica el plan optimo de produccion? como se modica el valor de la funcion objetivo?
3
3.2. Resolucion 20
Apartado 1. La utilizacion que se hace de los recursos es la siguiente:

de los 1000 kg de malta, queda 390 sin utilizar;
se consumen por completo los 250 kg de lupulo;
se consumen por completo los 22 kg de levadura;
El valor de una unidad adicional de cada recurso viene dado por el precio sombra de la restriccion
corresonpondiente. El vector de multiplicadores del simplex (precios sombra) es iB = VhBi , debido a
que todas las restricciones son de tipo menor o igual, por lo que B = (0, 2, 50). Por lo tanto:
San Guemil no esta dispuesta a pagar nada por adquirir un kg adicional de malta (y estara dispuesto
a vender un kg de malta a cualquier precio);
San Guemil esta dispuesta a comprar un kg adicional de lupulo si el precio de ese kg es inferior a
2 um (estara dispuesta a vender un kg a un precio superior a 2 um);
igualmente, estara dispuesta a comprar un kg adicional de levadura a un precio inferior a 50 um/kg
(y a vender uno de sus 22 kg disponibles a un precio superior a 50 um/kg);
Apartado 2. Al adquirir lupulo adicional a los 250 kg se modica el vector de disponibilidad de los
recursos b = (1000, 250, 22)T . Por un lado:
el precio sombra de ese recurso (segunda componente de B = cB B 1 ) cambiara si cambia la base
(B);
la base se modica, porque, al modicarse b, la solucion basica hasta ahora optima puede dejar de
ser factible (uB = B 1 b).
El rango de valores dentro del cual el precio al cual San Guemil esta dispuesta a comprar un kg de
lupulo adicional a un maximo de 6um/kg es aquel para el cual uB 0:

1 2 5 1000 1000 2b2 110 0 b2 440
uB = B 1 b = 0 1/5 2 b2 b52 + 44 0 b2 220 220 b2 275
0 1/5 5/2 22 b52 + 55 0 b2 275
(26)
Por lo tanto, San Guemil esta dispuesta a comprar hasta 25 kg de lupulo a un precio inferior a 2
um/kg (75 = 275-250) o a vender hasta 30 kg a un precio superior a 2 um/kg (30=250-220).
Apartado 3. La nueva variedad resultara un producto rentable si el criterio del simplex de la variable
correspondiente (x3 ) es positivo. Es decir:

70
V3B = c3 cB B 1 A3 = c3 B A3 = c3 (0, 2, 50) 30 = c3 260 0 c3 260 (27)
4
Por lo que si el precio es superior a los 260 um/m3 , sera interesante su produccion y comercializacion.
Apartado 4. San Guemil esta produciendo en la actualidad 11 m3 , por lo que en la actualidad ya

esta cumpiendo el compromiso de producir al menos 10 m3 . La restriccion que tendra la forma x1 +x2 10
no modica el plan optimo de produccion, de manera que el plan optimo de produccion sera el mismo.
3
Apartado 5. Reservar una cantidad de lupulo de 10 kg es equivalente a que h2 = 10. Cuando una 21
variable no basica entra a formar parte de la solucion, las tasas de sustitucion de esa variable con respecto
a las basicas indican como se modican los valores de estas al entrar aquella.
Las tasas de sustitucion de h3 son ph3 = (2, 15 , 15 , 0)T , por lo que:
h1 aumenta en 10 2 = 20, con lo que sobran 20 kg mas de malta
1
x2 disminuye en 10 5 = 2, con lo que se produce 2 m3 menos de pilsen, es decir, se produciran 4
m3 semanales;
x1 aumenta en 10 15 = 2, con lo que se producen 2 m3 mas de lager, es decir, se produciran 7 m3

semanales.
Por su parte, la funcion objetivo se modicara de la siguiente manera: z = 10 VhB2 = 10 (2),
es decir, el benecio sera de 1580 um semanales.
4
4. 22
4.1. Enunciado
1
Un avicultor AV ha determinado que sus necesidades semanales de acido ascorbico (AA) y -caroteno
(C) como suplemento al pienso comun son, como mnimo, de 15 y 3 kilogramos respectivamente. En
su mercado local dispone de tres complejos suplementarios, de distinto precio y que contienen ambos
componentes en distintas proporciones. Siendo x1 , x2 y x3 los kg semanales que comprara AV de cada
uno de los tres complejos suplementarios CS1 , CS2 y CS3 , AV ha planteado el siguiente modelo de
programacion lineal:
min z = 70x1 + 20x2 + 50x3
s.a. :
40x1 + 60x2 + 40x3 15000 (28)
30x1 + 60x2 + 40x3 3000
x1 , x2 , x3 0
1. Explicar el signicado de cada uno de los coecientes que aparecen en el modelo.
2. Obtener el plan optimo de compra de complejos suplementarios al precio normal y describir la
informacion que suministra la matriz completa para esta solucion.
3. Si surge un nuevo proveedor que ofrece un complejo suplementario CSN a 80 /Kg que contiene
30 gramos de AA por kilogramo cuanto C por Kg debera contener como mnimo CSN para que
le interesara a AV?
4. Realizar el analisis de sensibilidad de la solucion optima obtenida en 2 respecto a los precios de los
complejos suplementarios CS1 , CS2 y CS3 .
4.2. Resolucion
Apartado 1 Los coecientes de la funcion objetivo (70, 20, 50) son los precios por kg de CS1 , CS2 y
CS3 . Los terminos independientes de las restricciones (15000, 3000)T son los requisitos mnimos de AA
y C medidos en gramos. Los coecientes tecnicos indican los gramos de AA o de C contenidos en un
kilogramo de cada uno de los complejos suplementarios.
Apartado 2 La estructura del modelo se ajusta a la requerida para aplicar el metodo de Lemke. optima:
-z x1 x2 x3 xh1 xh2
0 -70 -20 -50 0 0
xh1 -15000 -40 -60 -40 1 0
xh2 -3000 -30 -60 -40 0 1
5000 -170/3 0 -110/3 -1/3 0
x2 250 2/3 1 2/3 -1/60 0
xh2 12000 10 0 0 -1 1
Solucion optima: AV comprara 250 kg/semana de CS2 con un coste de 5000 /semana. De esta
forma cumplira estrictamente el mnimo de AA y de C suministrara a sus gallinas 12000 gramos (12
kg) mas semanalmente de lo estrictamente necesario. Para que le interesara comprar CS1 o CS2 , el precio
del suplemento debera bajar 170/3 /kg (57 /kg) y 110/3 /kg (37 /kg), respectivamente, pasando
en ambos casos a 40/3 /kg (13 /kg). Una disminucion de los requisitos de C no tendra repercusion
economica para AV (los cumple con holgura). Sin embargo, el valor de oportunidad de un gramo de AA es
1/3 , lo que signica que por cada kilogramo que disminuyeran o aumentaran las necesidades semanales
de AA en la granja, AV disminuira o aumentara sus costes en 333 .
4
Apartado 3 Como se acaba de ver, el contenido en C de un nuevo CS le es indiferente, ya que 23
este requisito esta cumplido de sobra. Por lo tanto, el interes CSN radica en si su precio de 80 /kg
esta compensado por su contenido en AA medido mediante el valor de oportunidad, es decir, para que
VNB = cN B AN = cN 1B aN 1 0, debe suceder que cN 1B aN 1 . Como lo que aporta CSN en
terminos de AA es 1B aN 1 = 30/3 = 10 /kg y su precio es 80 /kg VNB = 70 y no interesa CSN
sea cual fuera su contenido en C.
Apartado 4 Para c1 y c3 ya se ha visto en el apartado b) que el intervalo correspondiente sera [40/3, )

en ambos casos. Como CS2 esta en la base de la solucion optima, si se expresa V B para esta en funcion
de c2 , resultara:
x1 x2 x3 xh1 xh2
5000 -70+2c2/3 0 -50+2c2/3 -c2 /60 0
x2 250 2/3 1 2/3 -1/60 0
xh2 12000 10 0 0 -1 1
Para que no exista un VjB > 0 debe darse que: c2 105, c2 75 y c2 0 c2 [0, 75] ya que si el
precio de CS2 sube de 75 /kg AV pasara a comprar CS3 .
5
5. 24
5.1. Enunciado
Dado el siguiente modelo de programacion lineal (MP):
max z = 5x1 + 2x2 9x3

s.a. :
x1 + x2 x3 6 (29)
x1 + 3x3 = 12
x1 , x2 , x3 0
1. Que arma el Teorema Fundamental de la Programacion Lineal?Que implicaciones tiene en termi-

nos de la busqueda de la solucion optima de un problema de Programacion Lineal? Para el problema
(MP), indicar tres soluciones: una solucion no basica factible, una solucion basica factible y una
solucion basica no factible.
2. Plantear y resolver gracamente el problema dual de MP.
3. Por aplicacion del teorema de las holguras complementarias, determinar a partir de 2) la composicion
de la solucion optima de MP as como su correspondiente vector de criterios del simplex.
4. Explicar el signicado de cada uno de los componentes del vector de criterios del simplex de la
solucion optima de MP obtenido en 3).
Postoptimizacion
5. Explicar la repercusion que podra tener para MP y para su dual la consideracion de una nueva
restriccion en MP (no es necesario mostrar ningun ejemplo numerico)
6. Ante la posibilidad de introducir en una nueva variable de accion xN en MP con los siguientes
datos: cN = 8 , a1N = 1 , a2N = 4 , analogamente a lo realizado en 2) y en 3), analizar gracamente
su repercusion en el modelo dual y su interes para MP.
6
6. 25
6.1. Enunciado
MME 1011 ENE
Una empresa produce y comercializa tres tipos de productos, P1 , P2 y P3 , que sirve en pales, que
pueden o no estar completos (se puede entregar un pale a medio completar, medio pale, un cuarto de
pale, etc.) Por cada pale de estos productos, obtiene unos ingresos netos de 4, 12 y 2 unidades monetarias,
respectivamente. Existe una instalacion de la que se dispone de un total de 6 das de trabajo a la semana.
Producir un pale de P1 lleva 3 das, uno de P2 lleva 6 das y montar uno de P3 lleva 2 das. Ademas,
existe un compromiso de entregar al menos el contenido conjunto equivalente a dos pales.
El siguiente modelo de programacion lineal permite obtener el plan de produccion optimo.
max z = 4x1 + 12x2 + 2x3

s.a. :
3x1 + 6x2 + 2x3 6 (30)
x1 + x2 + x3 2
x1 , x2 , x3 0
Donde xi representa el numero de pales producidos y servidos semanalmente de Pi , con i = 1, 2, 3. El
problema tambien se puede formular como:
max z = 4x1 + 12x2 + 2x3

s.a. :
3x1 + 6x2 + 2x3 + h1 = 6 (31)
x1 + x2 + x3 h2 = 2
x1 , x2 , x3 , h1 , h2 0
Una solucion posible es aquella a la que le corresponde la siguiente tabla, obtenida con la aplicacion
del metodo del simplex en su variante de la matriz completa.
x1 x2 x3 h2 h1
-8 0 2 0 -2 -2
x1 2 1 4 0 2 1
x3 0 0 -3 1 -3 -1
Se pide:
1. Explicar el signicado de las variables h1 y h2 .
2. Indicar si la solucion a la que se reere la tabla dada es optima y justicar por que.
3. Para la solucion optima del problema (sea la correspondiente a la tabla dada u otra obtenida a
partir de ella) interpretar y explicar el programa de produccion obtenido, la utilizacion que se hace
de la instalacion y el cumplimiento del compromiso comercial.
Para la solucion optima (cada uno de los siguientes apartados son independientes entre s):
4. En que condiciones esta dispuesta la empresa a renegociar su compromiso de entregar un mnimo
de 2 pales.
5. Se ha realizado un estudio de mercado, y se sabe que no se pueden vender mas de 1 pale de P3 a
la semana. Obtener el nuevo programa de produccion optimo con esa informacion.
6. Identicar el rango de valores para el ingreso por pale neto dentro del cual resulta interesante
producir y vender el producto P2 .
6
6.2. Resolucion 26
Apartado 1.
h1 representa el numero de das, de los 6 disponibles, que no se emplean en la produccion de pales.
Es capacidad no utilizada.
h2 representa el numero de pales que se sirven por encima del compromiso de los dos pales adqui-
ridos.
Apartado 2. La solucion correspondiente a la tabla dada no es la solucion optima, porque la variable

x2 tiene criterio del simplex positivo (V2B = 2), de manera que la introducion de esta variable (produccion
y venta de P2 ) reportara un valor de la funcion objetivo mayor que 8.
Apartado 3. En primer lugar, hay que obtener la solucion optima del problema. A partir de la tabla
dada, aplicando el metodo del Simplex, se introduce la variable x2 y se suprime la variable x1 .
x1 x2 x3 h2 h1
-8 0 2 0 -2 -2
x1 2 1 4 0 2 1
x3 0 0 -3 1 -3 -1
-9 -1/2 0 0 -3 -5/2
x2 1/2 1/4 1 0 1/2 1/4
x3 3/2 3/4 0 1 -3 /2 -1/4
La tabla obtenida corresponde a la solucion optima. El plan de produccion consiste en:

no producir nada de producto P1 ,
producir medio pale de producto P2 ,
producir un pale y medio de producto P3 ,
utilizar por completo los seis das de capacidad de produccion y
cumplir el compromiso comercial entregando el mnimo de producto pactado (dos pales),
con un benecio semanal de 9 unidades monetarias.
Apartado 4. El precio sombra de la restriccion correspondiente al compromiso comercial (de tipo )

es 2B = VhB2 = 3. De manera que zj|b2 =1 = 3, por lo que:
la empresa estara dispuesta a asumir un compromiso de entrega superior a 2, siempre que recibiera
algun tipo de compensacion superior a 3 u.m. por cada pale adicional que se comprometiera a
entregar por encima de esos dos.
la empresa estara dispuesta a ofrecer algun tipo de compensacion por relajar el compromiso de
entrega, sin superar 3 u.m. por la relajacion del compromiso en un pale.
Apartado 5. La informacion adicional da lugar a la aparicion de una nueva restriccion: x3 1. Como

la produccion de P3 obtenida anteriormente es de 1.5 pales, dicha solucion no es factible y es necesario
obtener la nueva solucion. Introducciendo la nueva restriccion (que se puede formular como x3 + h3 = 1
y aplicando el metodo de Lemke, se obtiene lo siguiente:
6 x1 x2 x3 h2 h1 h3 27
-9 -1/2 0 0 -3 -5/2 0
x2 1/2 1/4 1 0 1/2 1/4 0
x3 3/2 3/4 0 1 -3 /2 -1/4 0
1 0 0 1 0 0 1
-26/3 0 0 0 -4 8/3 -2/3
x2 1/3 0 1 0 1 1/3 1/3
x3 1 0 0 1 0 0 1
x1 2/3 1 0 0 -2 -1/3 -4/3
La tabla obtenida corresponde a la nueva solucion optima, cuyo plan de produccion consiste en:
producir 2/3 de pale de producto P1 ,
producir 1/3 de pale de producto P2 ,

producir un pale de producto P3 ,
utilizar por completo los seis das de capacidad de produccion y
cumplir el compromiso comercial entregando el mnimo de producto pactado (dos pales),
con un benecio semanal de 26/3 unidades monetarias, menor que el que se obtena antes de la
restriccion comercial.
Apartado 6. Resulta interesante producir y vender P2 mientras V B 0, ya que x2 es una variable

basica en la solucion optima

1
1/4 1 0 1/2 1/4
V B
=cc B
B
A= 4 c2 2 0 0 c2 2 0
3/4 0 1 3/2 1/4 (32)
10c2 6c2 2c2

4 0 0 2 4 0 10 c2
Para cualquier precio de venta superior a 10 u.m. por pale resulta interesante producir y vender
producto P2
7
7. 28
7.1. Enunciado
Dado el problema de programacion lineal
max z = x1 + x2 5x3 + 14x4

s.a
3x1 + 4x2 + 5x3 + 6x4 24 (33)
x1 + x2 2x3 + 2x4 12
x1 , x2 , x3 , x4 0
1

o x4 o 4 1 6 0
su solucion optima queda caracterizada por: x = ,u = yB = 1 .
h2 4 3 1
Se pide:
1. Para la solucion optima, obtener el cuadro correspondiente a la aplicacion del metodo del Simplex
en su variante de la matriz completa.
2. Indicar la nueva solucion si la disponibilidad del recurso de la segunda restriccion disminuye en 8
unidades.
3. Indicar, partiendo del problema original, como se modicara la solucion si el coeciente de x4
pasara de tomar un valor 14 a un valor 5.
4. Explicar el signicado de V3B , interpretado como c3 cB pB
3 , explicando con detalle su signicado
con los valores numericos que permiten calcular V3B .
5. Formular el problema dual e indicar cual es su solucion optima a partir de la aplicacion de los
teoremas de la dualidad. No se valorara la resolucion del apartado por otros metodos diferentes del
solicitado.
7.2. Resolucion
Apartado 1. Lo que falta para poder construir la tabla son las tasas de sustitucion, pB = B 1 A, y el
vector de criterios del simplex, V B = c cB B 1 A.
1

0 3 4 5 6 1 0 1/2 2/3 5/6 1 1/6 0
pB = B 1 A = 6
1 = (34)
3 1 1 1 2 2 0 1 2 1/3 10/3 0 1/3 1
V B = c cB B 1 A = c cB pB =

1/2 2/3 5/6 1 1/6 0
1 7 5 14 0 0 14 0 = (35)
2 1/3 10/3 0 1/3 1

8 25/3 50/3 0 7/3 0
Y, por lo tanto, la tabla es:

x1 x2 x3 x4 h1 h2
-56 -8 -25/3 -50/3 0 -7/3 0
x4 4 1/2 2/3 5/6 1 1/6 0
h2 4 -2 -1/3 -11/3 0 -1/3 1
7
Apartado 2. El nuevo problema tendra b2 = 4, por lo que uB = B 1 b cambiara de valor. 29
1
1 6 0 24 4
B b= 1 = (36)
3 1 4 4
La solucion deja de ser factible y cumplira V B 0 y uB 0. Hay que aplicar el metodo de Lemke.
Eliminando h2 de la base e introduciendo x1 se obtiene:
x1 x2 x3 x4 h1 h2
-40 0 -7 -2 0 -1 -4
x4 3 0 * * 1 * *
x1 2 1 * * 0 * *
Con lo que la nueva solucion es x4 = 3, x1 = 2 y el resto de variables no basicas, e iguales a 0 y con
un valor de la funcion objetivo z = 40.
Apartado 3. El nuevo problema tendra c4 = 5, por lo que V B cambiara de valor.
V B = c cB cB 1 A = c cB cpB =

1/2 2/3 5/6 1 1/6 0
1 1 5 5 0 0 5 0 = (37)
2 1/3 11/3 0 1/3 1

7/2 7/3 55/6 0 5/6 0
Luego la solucion sera igualmente factible y optima. Con lo que x4 = 4, h2 = 0. S cambiara el valor
de la funcion objetivo, z = 20
Apartado 4. V3B = c3 cB pB
3 = 50/3 representa la diferencia entre:
c3 = 5 la contribucion unitaria al benecio por cada unidad realizada de x3 (en este caso representa
una perdida) y
la modicacion de la funcion objetivo por la modicacion de las variables basicas que representa la
realizacion de una unidad de x3 , 35/3,que se calcula como
la contribucion unitaria de las variables basicas, cB , multiplicada por
la modicacion de las variables basicas que representa la realizacion de una unidad de x3 , pB
3 .
En este caso, al realizar una unidad de x3 la funcion objetivo disminuira en 5 y la modicacion de

las variables basicas hara que la funcion objetivo disminuyera en 35/3, con lo que no resulta interesante
la realizacion de esa actividad.
Apartado 5. El problema dual es:
min s = 24y1 + 12y2

s.a
3y1 y2 1
4y1 + y2 1 (38)
5y1 2y2 5
6y1 + 2y2 14
y1 , y2 0
Y su solucion optima es, por aplicacion del teorema fundamental de la dualidad: y o = B = (7/3, 0)
Y por aplicacion del teorema de las holguras complementarias:
7 Para la primera variable de hogura: y3 = V1 = 8 30
y4 = V2 = 25/3
y5 = V3 = 49/3
y6 = V4 = 0
Con un un valor de la funcion objetivo s = z = 56
8
8. 31
8.1. Enunciado
Se pide responder a las siguientes preguntas de tipo test.
NOTA: redactar la respuesta incluyendo la frase completa en las hojas entregadas para calicar
con el encabezado y con la opcion elegida como correcta. Por ejemplo, una posible respuesta, sera
Al resolver un problema mediante le metodo de lasdos fases, una restriccion del tipo a x
j ij j = bi ,
en el problema auxiliar asociado se transforma en a x
j ij j + h i a i = b i . No es necesario indicar el
subapartado (porque todos son diferentes)
Solo una respuesta de cada apartado es correcta. Para cada apartado, una respuesta correcta suma
un punto, una respuesta incorrecta resta un cuarto de punto.

1. Al resolver un problema mediante el metodo de las dos fases, una restriccion del tipo j aij xj = bi ,
en el problema auxiliar asociado

Se transforma en j aij xj + hi ai = bi .

Se transforma en j aij xj hi + ai = bi .

Se transforma en j aij xj + ai = bi .
Ninguna de las anteriores es correcta.
2. Al resolver un problema mediante el metodo de las dos fases:

Si la solucion optima del problema auxiliar contiene alguna variable articial en la base, el
problema original no tiene solucion factible.
Si la solucion optima del problema auxiliar tiene funcion objetivo igual a cero, el problema
original s tiene solucion factible.
Tras obtener la solucion optima del problema auxiliar, basta con recalcular V B y z para poder
reutilizar la tabla de dicha solucion y obtener una tabla correspondiente una solucion factible
del problema original .
3. Dado un problema de programacion lineal de maximizacion P, cuya solucion optima es x :

Al introducir una nueva restriccion, la solucion x puede dejar cumplir el criterio de optima-
lidad.
Al introducir una nueva actividad, la solucion x puede dejar de ser factible.
Si se disminuye la contribucion unitaria al benecio de una actividad no basica, la x podra
dejar de ser la solucion optima.
8.2. Resolucion

1. Al resolver un problema mediante le metodo de las dos fases, una restriccion del tipo j aij xj = bi ,
en el problema auxiliar asociado

INCORRECTA: se transforma en j aij xj + hi ai = bi

INCORRECTA: se transforma en j aij xj hi + ai = bi

CORRECTA: se transforma en j aij xj + ai = bi
INCORRECTA: ninguna de las anteriores es correcta
8 2. Al resolver un problema mediante el metodo de las dos fases 32
INCORRECTA: si la solucion optima del problema auxiliar contiene alguna variable articial
en la base, el problema original no tiene solucion factible
CORRECTA: si la solucion optima del problema auxiliar tiene funcion objetivo igual a cero,
el problema original s tiene solucion factible
INCORRECTA: tras obtener la solucion optima del problema auxiliar, basta con recalcular
V B y z para poder reutilizar la tabla de dicha solucion y obtener una tabla correspondiente
la solucion optima del problema original
INCORRECTA: ninguna de las anteriores es correcta
3. Dado un problema de programacion lineal P, cuya solucion optima es x

INCORRECTA: al introducir una nueva restriccion, la solucion x puede dejar cumplir el
criterio de optimalidad
INCORRECTA: al introducir una nueva actividad, la solucion x puede dejar de ser factible
INCORRECTA: si se disminuye la contribucion unitaria al benecio de una actividad no
basica, la x podra dejar de ser la solucion optima
CORRECTA: ninguna de las anteriores es correcta
9
9. 33
9.1. Enunciado
La empresa dynamix fabrica tres estilos diferentes de mesas. A, B y C. Cada modelo de mesa requiere
de una cierta cantidad de tiempo para el corte de las piezas, su montaje y el correspondiente proceso de
pintura. La empresa puede vender todas las unidades que fabrica. Es mas, el modelo B tambien se puede
vender sin pintar. Los datos tecnico-economicos se muestran a continuacion.
Tiempo Tiempo Tiempo Contrib.

Modelo corte (h) montaje (h) pintura (h) unitaria (euros)
Modelo 1: mesa A pintada 1 2 4 35
Modelo 2: mesa B pintada 2 4 4 40
Modelo 3: mesa B sin pintar 2 4 0 20
Modelo 4: mesa C pintada 3 7 5 50
Capacidad (h/mes) 200 300 240
El siguiente modelo de programacion lineal permite obtener el plan de produccion mensual optimo.
max z = 35x1 + 40x2 + 20x3 + 50x4

s.a
x1 + 2x2 + 2x3 + 3x4 200
(39)
2x1 + 4x2 + 4x3 + 7x4 300
4x1 + 4x2 + 5x4 240
x1 , x2 , x3 , x4 0
Donde xi , i = 1, 2, 3 representa las unidades de modelo i producidas y vendidas mensualmente y x5 ,
x6 y x7 son las variables de holgura necesarias para convertir las restricciones 1, 2 y 3, respectivamente,
en igualdades.
Se sabe que las variables basicas de la solucion optima son x5 , x3 y x1 y que la matriz inversa de la
base, para el orden de variables basicas anterior, correspondiente a dicha solucion es

1 21 0
B 1 = 0 1
4 81
1
0 0 4
.
Se pide:
1. Denir el plan de produccion optimo y el uso asociado de los recursos.
2. Dado el exito de los modelos de mesa sin pintar, la empresa esta valorando la posiblidad de fabricar el
modelo C sin pintar (que se diferencian de las mesas pintadas solo en el proceso de pintado). Estima
que la contribucion unitaria al benecio de ese modelo sera de 42 euros por unidad. Justicar el
interes de la fabricaccion y venta de mesas C sin pintar y, en caso de haber un nuevo plan optimo
de produccion, describir cual sera.
3. Realizar un analisis de sensibilidad para la capacidad del taller de montaje.
4. Un estudio preliminar de metodos y tiempos permite armar que el tiempo de pintado de las mesas
B podra reducirse. En particular, atendiendo a diferentes mejoras se podra reducir el valor pero
nunca podra bajar de 2 horas. Se pide indicar cual es el benecio obtenido en funcion de las horas
de reduccion , que puede tomar cualquier valore entre 0 y 2.
9
9.2. Resolucion 34
Apartado 1. El vector de realizacion de las actividades basicas se obtiene como uB = B 1 b. En este

caso:

1 21 0 200 50
uB = 0 1
4 18 300 = 45 (40)
1
0 0 4 240 60
Es decir, x5 = 50, x3 = 45, x1 = 60 y el resto de variable son nulas, lo cual signica que:
se fabrican 60 mesas de tipo A y 45 de tipo B sin pintar,
no se fabrica nada del resto de modelos y
se emplean todas las horas disponibles de montaje y pintura y
sobran 50 horas de taller de corte,
con un benecio de 3000 euros.
Apartado 2. Para valorar el interes de fabricar un nuevo modelo sera necesario introducir una nueva
variable, x8 : numero de mesas de tipo C sin pintar. Con A8 = ( 3 7 0 )T , c8 = 42.
Sera interesante fabricar el nuevo modelo si V8B 0.

1 21 0
V8B = c7 cB B 1 A8 = 42 0 20 35 0 1
18 3 7 0 =7 (41)
4
1
0 0 4
Por lo que s sera interesante su produccion y venta, ya que con cada unidad producida y vendida el
benecio se incrementara en 8 euros.
La tabla correspondiente a la solucion optima sin introducir la produccion del nuevo modelo sera la
siguiente, a partir de la cual, se podra iterar para obtener el nuevo plan de produccion.
x1 x2 x3 x4 x5 x6 x7 x8
-3000 0 -5 0 -65/4 0 -5 -25/4 7
x5 50 0 0 0 -1/2 1 -1/2 0 -1/2
x3 45 0 1/2 1 9/8 0 1/4 -1/8 7/4
x1 60 1 1 0 5/4 0 0 1/4 0
-3180 0 -7 -4 -83/4 0 -6 -23/4 0
x5 62.87 0 1 0
x8 25.71 0 0 1
x1 60 1 0 0
Con lo que el nuevo plan optimo consiste en:

producir, por termino medio, 60 mesas A y 25.71 de tipo C sin pintar
no producir nada del resto de modelos,
empleando todas las horas de todos los talleres, salvo en el de corte, que sobraran 62.87.
9 35
Apartado 3. Las variables basicas de la solucion del apartado 1 son las correspondientes a la solucion
B 1
optima mientras que u = B b tenga todos sus valores no negativos.

1 12 0 200 200 b22
u = 0
B 1
4 18 b2 = b42 30 0 (42)
1
0 0 4 240 60
Es decir 0 b2 400. Mientras la disponibilidad de las horas de montaje sea superior a 120 e inferior
a 400, la solucion optima tiene las mismas soluciones basicas, lo que signica que el mix de prouduccion
no cambia. S cambia la funcion objetivo que aumenta o disminuye en 2 = 25/4 con cada aumento o
disminucion de una hora de taller con respecto a las disponibles.
Apartado 4. Como se admite que el tiempo de pintura puede reducirse en cualquier valor superior
cero e inferior a dos, en terminos del modelo, esto signica que los coecientes tecnicos de la actividad 2
T
dependen de un parametro . En concreto, A2 = 2 4 4 Es necesario evaluar como se modica
la solucion optima del problema en funcion de los valores del parametro.
Para la solucion optima de partida = 0 y x2 es no basica. Puede ocurrir que al variar el valor de
resulte rentable realizar dicha actividad. Para ello es necesario evaluar el critero del simplex para dicha
variable en funcion del parametro:

2
V2B = c2 B A2 = 40 0 5 25/4 4 = 20 + 25 (43)
4
4
1
Al modicar A2 , cambian tanto V2B como pB
2 =B A2 .

1 21 0 2 0
pB
2 = 0 1
18 4 = 4+ 0 (44)
4 8
1 4
0 0 4 4 4
Es decir, mientras 4/5 la solucion inicial sigue siendo optima. En caso de que 4/5, la intro-
T
duccion de x2 mejorara el valor de la funcion objetivo. Para = 0, se tiene que pB
2 = 0 3/5 4/5
La tabla correspondiente a ese caso sera la siguiente, correspondiente a un optimo multiple.
x1 x2 x3 x4 x5 x6 x7
-3000 0 0 0 -65/4 0 -5 -25/4
x5 50 0 0 0 -1/2 1 -1/2 0
x3 45 0 3/5 1 9/8 0 1/4 -1/8
x1 60 1 4/5 0 5/4 0 0 1/4
-3000 0 0 0 -65/4 0 -5 -25/4
x5 50 0 0 0 -1/2 1 -1/2 0
x2 75 0 1 5/3 15/16 0 5/12 5/24
x1 0 1 0 -4/4 -1/4 0 -1/3 25/6
La segunda tabla se obtiene introduciendo x2 y eliminando x1 de la base. Para valores de superiores

a 4/5, las actividades basicas son x5 ,x2 y x1 .
Al entrar x2 en la base, la nueva solucion base es:
9 36

1 2 1
B= 0 4 2 (45)
0 4 4
Y, a patir de su inversa, es posible calcular los nuevos criterios del simplex. Se puede comprobar que
para 4/5 2 el criterio del simplex de las nuevas variables no basicas sigue siendo no negativo.
En resumen:
si la reduccion del tiempo de pintado es de entre 0 y 0.8 horas, el plan de produccion es el mismo
del apartado 1;
si la reduccion del tiempo de pintado esta entre 0.8 y 2 horas, el mix de produccion cambia y se
produciran mesas de tipo A y B, en diferente cantidad segun la reduccion del tiempo de pintura.
10
10. 37
10.1. Enunciado
El fabricante de bicicletas UPM Bikes produce bicicletas, triciclos y tandems. La produccion semanal
depende, esencialmente, de la disponibilidad de ruedas y de manillares y de las tareas de montaje. El
aprovisionamiento del resto de piezas y el resto de tareas no representan una limitacion para la empresa.
A la semana, UPM bikes dispone de un maximo de 100 ruedas y de 50 manillares.
Por otro lado, el montaje de una bicicleta requiere una hora, mientras que el montaje de un triciclo o
de un tandem requiere dos horas y existen dos operarios para realizar el montaje, cada uno de los cuales
trabaja 40 horas semanales.
Ademas, UPM Bikes ha asumido un compromiso comercial y debe entregar un mnimo de 10 bicicletas
semanalmente a uno de sus clientes.
Por ultimo, el benecio unitario que proporcionan estos productos son de 300 cada bicicleta, 400
cada triciclo y 500 cada tandem.
Si x1 , x2 y x3 representan las unidades de bicicletas, triciclos y tandems producidos semanalmente,
el siguiente modelo de programacion permite obtener el plan de produccion optimo.
max z = 300x1 + 400x2 + 500x3

s.a. :
2x1 + 3x2 + 2x3 + h1 = 100
x1 + x2 + 2x3 + h2 = 50 (46)
x1 + 2x2 + 2x3 + h3 = 80
x1 h4 = 10
x1 , x2 , x3 , h1 , h2 , h3 , h4 0
Se admite que aunque las variables podran ser enteras, con el problema lineal se calculan los valores
medios de produccion a lo largo de las diferentes semanas en las que se repite el plan de produccion.
La siguiente tabla corresponde a una solucion del problema correspondiente a su vez al plan de
produccion.
x1 x2 x3 h1 h2 h3 h4
-13000 0 150 0 0 -250 0 50
h1 40 0 2 0 1 -1 0 1
x3 20 0 1/2 1 0 1/2 0 1/2
h3 30 0 1 0 0 -1 1 0
x1 10 1 0 0 0 0 0 -1
Se pide:
1. Obtener el plan de produccion optimo y explicar el uso que se hace de los recursos
Para la solucion optima (cada uno de los siguientes apartados son independientes entre s):
2. Identicar la inversa de la base correspondiente a la solucion optima encontrada.
3. Discutir el interes por subcontratar horas adicionales para el montaje de productos.
4. Realizar el analisis de sensibilidad de la solucion obtenida con respecto al numero de manillares
disponibles.
5. Indicar de que manera estara interesada UPM Bikes en renegociar su compromiso comercial
6. El precio de los tandems es bastante variable a lo largo del tiempo. Obtener mediante programa-
cion parametrica el programa de produccion optimo para todos los posibles valores positivos de la
contribucion unitaria al benecio de dicho producto iguales o superiores a 350 .
10
10.2. Resolucion 38
REVISAR ERRATAS ULTIMO APARTADO
Apartado 1. Se aplica el metodo del Simplex partiendo de la tabla dada:
x1 x2 x3 h1 h2 h3 h4
-13000 0 150 0 0 -250 0 50
h1 40 0 2 0 1 -1 0 1
x3 20 0 1/2 1 0 1/2 0 1/2
h3 30 0 1 0 0 -1 1 0
x1 10 1 0 0 0 0 0 -1
-16000 0 0 0 -75 -175 0 -25
x2 20 0 1 0 1/2 -1/2 0 1/2
x3 10 0 0 1 -1/4 3/4 0 1/4
h3 10 0 0 0 -1/2 -1/2 1 -1/2
x1 10 1 0 0 0 0 0 -1
El programa de produccion optimo consiste en producir:

10 bicicletas
20 triciclos
10 tandems
Se usan todos los manillares y todas las ruedas y sobran diez horas de operarios de montaje.
Apartado 2. La inversa de la base esta donde originalmente habra estado la identidad. Las columnas
1, 2 y 3 de la identidad estaban en la tabla inicial en las columnas correspondientes a h1 ,h2 y h3 . Por su
parte, la columna de h4, en la tabla incial, contea a la cuarta columna de la matriz identidad, por lo que
la inversa de la base es la siguiete:

1/2 1/2 0 1/2
1/4 3/4 0 1/4
B 1 =
1/2 1/2 1
(47)
1/2
0 0 0 1
Apartado 3. Sobran 10 horas de montaje por lo que no interesa contratar horas adicionales de montaje,
y as queda de maniesto dado el valor del precio sombra de la tercera restriccion 3 = VhB3 = 0.
Apartado 4. Las variables basicas de la solucion obtenida seran las de la solucion optima al modicar
b2 si la solucion basica correspondiente sigue siendo factible.

1/2 1/2 0 1/2 100 b2 90
1/4 3/4 0 1/4 b2 b2 110/3
u =B b=
B 1
1/2 1/2 1
= (48)
1/2 80 b2 70
0 0 0 1 10 10 0
Mientras la disponibilidad de manillares este entre 37 y 70 a la semana, la composicion del plan de

produccion optimo no cambia (aunque s la cantidad de piezas producidas).
10 39
Apartado 5. El compromiso comercial de UPM bikes aparece reejado en la cuarta restriccion. El precio
sombra de la misma es 4 = Vh4 = 25, lo cual signica que si el compromiso comercial aumentase, en
B
una unidad, el benecio semanal se reducira en 25 . Por lo tanto, UPM Bikes estara dispuesta a:
asumir un compromiso comercial mas restrictivo y entregar mas de 10 bicis, si recibe una compen-
sacion por cada una de ellas superior a 25 .
relajar su compromiso comercial en la entrega de bicicletas, siempre y cuando la reduccion no
supusiera un coste adicional superior a 25 .
Apartado 6. Se trata de estudiar la solucion optima cuando el vector de contribuciones unitarias al

benecio es c = (300, 400, 500 + , 0, 0, 0, 0), con 150 .
La solucion obtenida en el apartado 1 es valida para = 0 y, en general, el valor de V B en funcion
de es:
uB () = c() cB ()B 1 A =

0 1 0 1/2 1/2 0 1/2
0 0 1 1/4 3/4 0 1/4
300 400 500 + 0 0 0 0 400 500 + 0 300 0
=
0 0 1/2 1/2 1 1/2
1 0 0 0 0 0 1
3+700

0 0 0 300
4 4 0 100
4
(49)
=0 x1 x2 x3 h1 h2 h3 h4
0 0 0 300
4 3+700
4 0 100
4
x2 20 0 1 0 1/2 -1/2 0 1/2
x3 10 0 0 1 -1/4 3/4 0 1/4
h3 10 0 0 0 -1/2 -1/2 1 -1/2
x1 10 1 0 0 0 0 0 -1
La solucion es la solucion optima si se cumple simultaneamente
300 0
3 700 0 (50)
100 0
Es decir, mientras 100 300 la base no se modica.

Si = 100 (el benecio por cada tandem es de 400 ), la tabla se convierte en la siguiente (optimo
multiple) y se puede introducir la variable h4 :
x1 x2 x3 h1 h2 h3 h4
0 0 0 -100 -100 0 0
x2 20 0 1 0 1/2 -1/2 0 1/2
x3 10 0 0 1 -1/4 3/4 0 1/4
h3 10 0 0 0 -1/2 -1/2 1 -1/2
x1 10 1 0 0 0 0 0 -1
0 0 0 -100 -100 0 0
h4 40 0 2 0 1 -1 0 1
x3 0 0 -1/2 1 -1/2 1 0 0
h3 30 0 1 0 0 -1 1 0
x1 50 1 2 0 1 -1 0 0
10 La solucion obtenida es valida para = 100 y, en general, el valor de V B en funcion de es: 40
uB () = c() cB ()B 1 A =

0 2 0 1 1 0 1
0 1/2 1 1/2 1 0 0
300 400 500 + 0 0 0 0 0 500 + 0 300 0
=
1 0 0 1 1 0
1 2 0 1 1 0 0

0 +100
2 0 100
2 + 200 0 0
(51)
x1 x2 x3 h1 h2 h3 h4
0 +100
2 0 100
2 + 200 0 0
h4 40 0 2 0 1 -1 0 1
x3 0 0 -1/2 1 -1/2 1 0 0
h3 30 0 1 0 0 -1 1 0
x1 50 1 2 0 1 -1 0 0
La solucion es la solucion optima si se cumple simultaneamente
+ 100 0
100 0 (52)
200 0
Esto se cumple para cualquier valor de con 150 100

Si = 300 (el benecio por cada tandem es de 800 ), la tabla se convierte en la siguiente (optimo
multiple) y se puede introducir la variable h1 :
x1 x2 x3 h1 h2 h3 h4
0 0 0 0 -400 0 -100
x2 20 0 1 0 1/2 -1/2 0 1/2
x3 10 0 0 1 -1/4 3/4 0 1/4
h3 10 0 0 0 -1/2 -1/2 1 -1/2
x1 10 1 0 0 0 0 0 -1
0 0 0 0 -400 0 -100
h1 40 0 2 0 1 -1 0 1
x3 20 0 1/2 1 0 1/2 0 1/2
h3 30 0 1 0 0 -1 1 0
x1 10 1 0 0 0 0 0 -1
La solucion obtenida es valida para = 300 y, en general, el valor de V B en funcion de es:
uB () = c() cB ()B 1 A =

0 2 0 1 1 0 1
0 1/2 1 0 1/2 0 1/2
300 400 500 + 0 0 0 0 0 500 + 0 300
0
=
1 0 0 1 1 0
1 0 0 0 0 0 1

0 300
2 0 0 500 2 0 100
(53)
10 La solucion es la solucion optima si se cumple simultaneamente 41
300 0
500 0 (54)
100 0
Esto se cumple para cualquier valor de con

En resumen:
si 350 c3 450, se deben producir 50 bicicletas;
si 450 c3 800, se deben producir 10 bicicletas, 20 triciclos y 10 tandems;
si 800 c3 , se deben producir 10 bicicletas y 20 tandems.
11
11. 42
11.1. Enunciado
David, Diana y Lidia son los unicos socios y empleados de una compana que produce relojes. David
y Diana pueden trabajar un maximo de 40 horas por semana (cada uno de ellos), mientras que Lidia solo
puede trabajar hasta 22 horas semanales.
La empresa hace dos tipos de relojes: rejores de pie y relojes de pared. Para hacer un reloj, David
(ingeniero mecanico) ensambla las partes internas y Diana (ebanista) produce las cajas de madera ela-
boradas a mano. Lidia es responsable de recibir pedidos y enviar los relojes. El tiempo que se requiere
para cada tarea se muestra en la siguiente tabla.
Tarea Reloj de pie Reloj de pared

Montar mecanismo 6 horas 4 horas
Tallar la cubierta de madera 8 horas 4 horas
Envo 3 horas 3 horas
Cada reloj de pie construido y enviado deja una ganancia de 300 , mientras que cada reloj de pared
proporciona una ganancia de 200 .
Los tres socios desean determinar cuantos relojes de cada tipo deben producir por semana para
maximizar la ganancia total.
Se pide:
1. Formular un modelo de programacion lineal para los socios de esta empresa.
2. Resolver el modelo anterior e indicar el plan de produccion optimo y la ocupacion de los socios. Se
pide interpretar y explicar correctamente los resultados obtenidos.
3. Existe acuerdo entre los socios por el que aquel que pudiera hacer que el benecio aumentara mas
por cada hora adicional trabajada, aumentara su disponibilidad horaria para la empresa. Identicar
que socio aportara mayor incremento del benecio por hora adicional trabajada y el numero de
horas que podra aumentar su disponibilidad proporcionando ese incremento.
4. Existe la posiblidad de vender solo las cajas de los relojes de pared, sin incluir ningun mecanismo.
Identicar cual es el benecio unitario obtenido por caja que hara rentable su produccion y venta.
Se estima que para este producto el tiempo de preparacion de envos es el mismo que para el resto
de productos.
5. Identicar el rango de valores para el margen por reloj de pared dentro del cual resulta interesante
producir y vender dicho producto.
6. Se ha adquirido un compromiso comercial consistente en entregar al menos 9 relojes de pie cada tres
semanas a un cliente. Caracterizar el efecto que tiene este compromiso sobre el plan de produccion
y comentar en que condiciones dicho compromiso puede ser interesante para la empresa.
11.2. Resolucion
Apartado 1. Se dene x1 y x2 como el numero de relojes de pie y de pared producidos y enviados
semanalmente, respectivamente. El modelo de programacion lineal que permite maximizar la ganancia es
el siguiente:
11 43
max z = 300x1 + 200x2

s.a. :
6x1 + 4x2 40
(55)
8x1 + 4x2 40
3x1 + 3x2 22
x1 , x2 0
Apartado 2. El modelo se puede reformular con las restricciones en forma de igualdad
max z = 300x1 + 200x2

s.a. :
6x1 + 4x2 + h1 = 40
(56)
8x1 + 4x2 + h2 = 40
3x1 + 3x2 + h3 = 22
x1 , x2 , h1 , h2 , h3 0
Donde h1 , h2 , h3 representan, respectivamente, el numero de las horas dispnibles que no trabajan

cada semana, respectivamente, David, Diana y Lidia. Aplicando el metodo del simplex se puede resolver
el problema.
x1 x2 h1 h2 h3
0 300 200 0 0 0
h1 40 6 4 1 0 0
h2 40 8 4 0 1 0
h3 22 3 3 0 0 1
-1500 0 50 0 -75/2 0
h1 10 0 1 1 3/4 0
x1 5 1 1/2 0 1/8 0
h3 7 0 3/2 0 -3/8 1
-5200/3 0 0 0 -25 -100/3
h1 16/3 0 0 1 -1/2 -2/3
x1 8/3 1 0 0 1/4 -1/3
x2 14/3 0 1 0 -1/4 2/3
El plan de produccion optimo consiste en producir, cada tres semanas, 8 relojes de pie, 14 relojes de
pared, para lo cual David debe trabajar 34.67 horas a la semana, Diana 40 horas y Lidia 22 horas, con
un benecio total de 1733.33 por semana.
Apartado 3. El incremento de la funcion objetivo obtenido al disponer de una hora adicional de cada
una de las tareas de la empresa viene dada por el precio sombra de las tres restricciones correspondientes.
1 = VhB1 = 0
2 = VhB2 = 25 (57)
3 = VhB3 = 33.33
Es decir, cada hora adicional de Lidia, permitira mejorar el benecio en 33.33 .

11 Para calcular el numero de horas que se debera ampliar el horario de Lidia obteniendo una mejora de 44
33.33 por cada hora adicional, es necesario calcular para que valor de b3 la solucion deja de ser factible.
uB = B 1 b =
602b3
1 1/2 2/3 40 3 (58)
0 1/4 1/3 40 = 30b3
3
0 1/4 2/3 b3 2b3 30
3
Mientras 15 b3 30 se mantiene la solucion basica obtenida y, con ella, los precios sombra.
Con el acuerdo pactado, Lidia debera trabajar 8 horas adicionales con un incremento total del bene-
cio de 8 33.33 = 266.66 .
Apartado 4. Lo que se propone representa una nueva actividad x3 , cuyos coecientes tecnicos son
AT = (0, 4, 3). Se pide caracterizar c3 para que interese realizar esta actividad, es decir, si V3B 0
V3B = c3 cB cB B 1 A3 = c3 cB B A3 =

0 (59)
c3 0 25 100/3 4 = c3 200
3
Siempre y cuando el benecio unitario obtenido por la venta de las cajas de relojes de pared sea
superior a 200 es interesante su produccion y venta.
Apartado 5. En terminos del modelo, se pide un analisis de sensiilidad de c2 , es decir, para que rango
de valores de c2 la solucion siga siendo optima.

0 1 1/2 2/3
0
VB = c cB cB B 1 A = 300 200 0 0 0 0 300 c2 1
0 0 1/4 1/3 =
1 0 1/4 2/3 0
300c2 300+2c2

300 c2 0 0 0 0 0 0 4 3 0 150 c2 300
(60)
Es decir, el plan de produccion es optimo siempre y cuando el precio de los relojes de pared sea igual
o superior a 100 e igual o inferior a 300 .
Apartado 6. El nuevo compromiso se traduce en una nueva restriccion: x1 3. La solucion optima

obtenida no cumple esta restriccion, por lo que es necesario iterar para obtener la nueva solucion.
La restriccion, de haberse introducido en la tabla del problema original, habra tenido la forma x2
h4 = 3
x1 x2 h1 h2 h3 h4
-5200/3 0 0 0 -25 -100/3 0
h1 16/3 0 0 1 -1/2 -2/3 0
x1 8/3 1 0 0 1/4 -1/3 0
x2 14/3 0 1 0 -1/4 2/3 0
3 1 0 0 0 0 -1
1/3 0 1 0 -1/4 1/3 -1
h4 -1/3 0 -1 0 1/4 -1/3 1
La tabla una vez incorada la nueva restriccion y con h4 como variable basica es la siguiente, a partir
de la cual se puede iterar aplicando el metodo de Lemke.
11 x1 x2 h1 h2 h3 h4 45
-5200/3 0 0 0 -25 -100/3 0
h1 16/3 0 0 1 -1/2 -2/3 0
x1 8/3 1 0 0 1/4 -1/3 0
x2 14/3 0 1 0 -1/4 2/3 0
h4 -1/3 0 -1 0 1/4 -1/3 1
-1700 0 0 0 -50 0 -100
h1 6 0 0 1 -1 0 -2
x1 3 1 0 0 0 0 -1
x2 4 0 1 0 1/4 0 2
h3 1 0 0 0 -3/4 1 3
Por lo que en benecio disminuira en 33.33 cada semana. Se justicara asumir este compromiso
comercial si, de alguna manera, las ventajas que proporciona el acuerdo supera esta perdida.
La produccion, con el nuevo compromiso, sera de 3 relojes de pie y 4 de pared con un benecio
semanal del 1700 .
12
12. 46
12.1. Enunciado
El siguiente programa de programacion lineal se utiliza para realizar la planicacion mensual de
una planta que produce 3 productos (P1 , P2 y P3 ) que se procesan en tres talleres (T1 , T2 y T3 ) con
disponibilidades horarias respectivas de 900, 480 y 400 horas al mes.
max z = 8x1 + 6x2 + 6x3

s.a. :
3x1 + x2 + 2x3 900
(61)
x1 + x2 + x3 480
x1 + 2x3 400
x1 , x2 , x3 0
La siguiente tabla corresponden a la solucion optima del problema anterior:
x1 x2 x3 h1 h2 h3
-3300 0 0 -1 -1 -5 0
x1 210 1 0 1/2 1/2 -1/2 0
x2 270 0 1 1/2 -1/2 3/2 0
h3 190 0 0 3/2 -1/2 1/2 1
Donde h1 , h2 y h3
Se pide responder de forma independiente y a partir de la solucion optima a las siguientes cuestiones:
1. Interpretar la solucion correspondiente a la tabla dada.

2. Realizar el analisis de sensibilidad para c1 y c3 , explicando los resultados obtenidos.
3. Calcular la nueva solucion optima del problema si debido a una enfermedad, las horas disponibles
en el taller T2 se reduce a 300 horas semanales.
4. Se esta evaluando la posiblidad de amplicar la capacidad en cada uno de los talleres. Existe un taller
vecino que ofrece horas adicionales de cada uno de los talleres a un precio de 3 unidades monetarias
cada hora. En que talleres y cuantas horas sera interesante subcontratar al taller vecino al precio
anterior?
5. Se esta valorando la posiblidad de ampliar la gama de productos e introducir un nuevo producto,
P4 , que consumira una hora de cada uno de los talleres. Que debe cumplir la contribucion unitaria
al benefecio de este nuevo producto para que resulte interesante su produccion y venta?
12.2. Resolucion
Apartado 1. El plan de produccion optimo consiste en:
producir 210 unidades de P1 ;
producir 270 unidades de P2 ;
no producir P3 ;
emplear todas las horas de los talleres T1 y T2 ; y
emplear 210 horas del taller T3 (de manera que no se emplean 190).
12
Apartado 2. Analisis de sensibilidad psra c1 . 47
Como x1 es una variable basica, si se moca c1 se modica todo el vector de criterios del simplex.

1 0 1/2 1/2 1/2 0

V B = c cB B 1 A = c1 6 6 0 0 0 c1 6 0 0 1 1/2 1/2 3/2 0 =
0 0 3/2 1/2 1/2 1
c1 +6 c1 6 c1 +18

c1 6 6 0 0 0 c1 6 2 2 2 0 = 0 0 6c
2
1 6c1
2
c1 18
2 0
(62)
Con lo que la solucion seguira siendo optima si V B 0:

6 c1 0
6 c1 0 6 c1 18 (63)
c1 18 0
Si la contribucion unitaria al benecio del prodcuto P1 esta entre 6 y 18 (como es el caso inicial, en
el que es 8), la gama de productos de plan de produccion optimo, no se modica.
En efecto, si la contribucion unitaria fuera menor que 6 no interesara realizar P1 y si fuera superior a
18, su contribucion sera lo sucientemente alta como para aumentar todo lo posible el nivel de realizacion
de P1 aun a costa de dejar de realizar algo de lo que se realiza en la solucion optima de partida.
Analisis de sensibilidad psra c3 .

Como x1 es una variable no basica, si se moca c1 se modica solo su componente en el vector de
criterios del simplex.

1/2
c3 cB B 1 A3 = c3 cB pB
3 = c3 8 6 0 1/2 = c3 7 (64)
3/2
Mientras c3 7 0, no interesara realizar este producto. Si la contribucion unitaria al benecio fuera
igual o superior a 7, sera interesante realizar esta actividad.
Apartado 3. Si b3 =300, cambia uB = B 1 b:

1/2 1/2 0 900 300
uB = 1/2 3/2 0 300 = 0 (65)
1/2 1/2 1 400 100
La nueva solucion es degenerada. La funcion objetivo decrece (z B = 2400).
Apartado 4. Viendo el vector de precios sombra B = (1, 5, 0) solo interesa subcontratar horas en el
taller 2; porque es mas lo que puedo ganar que el coste de la subcontratacion. Al hacer el analisis de
sensibilidad de b2 se observa que la cantidad maxima de horas a subcontratar es de 380.
Apartado 5. Hay que calcular el interes del nuevo producto en funcion de su coste. Para eso se estudia
la relacion entre V B y c4 .

0
B
Vx4 = c4 cB p 4 = c4 8 6 0 0 = c4 6
1
El nuevo producto resulta interesante si su contribucion al benecio es mayor de 6.
13
13. 48
13.1. Enunciado
El siguiente modelo de programacion lineal, que se utiliza para la planicacion de la produccion de 3
productos sometidos a 3 restricciones.
max z = 5x1 + 4x2 + 12x3

s.a. :
4x1 + 2x2 + 5x3 40
(66)
5x1 + 3x2 + 7x3 60
x1 + x2 + x3 = 10
x1 , x2 , x3 0
Se ha resuelto por el metodo de la M grande, y la siguiente tabla corresponde a una solucion optima
del problema correspondiente a su vez al plan de produccion optimo.
x1 x2 x3 x4 x5 a3
-280/3 -13/3 0 0 -8/3 0 4/3-M
x3 20/3 2/3 0 1 1/3 0 -2/3
x5 10/3 -2/3 0 0 -4/3 1 -1/3
x2 10/3 1/3 1 0 -1/3 0 5/3
Tomando como referencia la solucion optima actual:
1. Explicar el signicado de las tasas de sustitucion pB B

11 y p13 .
2. Analizando el interes de incrementar o disminuir b3 , justicar si la tercera restriccion esta operando

como una limitacion o como una obligacion.
3. Explicar el signicado de V1B , haciendo uso explcito de los valores de los precios sombra de los
recursos correspondientes a las tres restricciones.
4. Suponiendo que los recursos R1 y R2 fueran intercambiables, calcular la solucion optima para cual-
quier cantidad de recurso transferido de R2 a R1 , utilizando para ello la programacion parametrica.
5. Determinar el intervalo de c2 dentro del cual la base de la solucion optima es la correspondiente a
la de la tabla dada. Sin necesidad de realizar calculos, indicar por que la solucion basica obtenida
dejara de ser la optima y que sera necesario realizar para obtener la nueva solucion optima.
6. Obtener la nueva solucion y calcular la repercusion que tendra sobre el benecio el hecho de que,
debido a un cambio de normativa, ya no se puede vender producto P2
13.2. Resolucion
Apartado 1.
2
La tasa de sustitucion pB 11 = 3 de la primera variable basica con respecto a la variable x1 , no
basica, representa en que medida disminuye el valor de la primera variable basica x3 (uB
1 ) cuando
2
1 x = p11 = 3
la variable x1 toma valor 1. Es decir: uB B
1
La tasa de sustitucion pB
13 es la tasa de sustitucion de x3 con respecto a esa misma variable y es 1.
Esta tasa representa en que medida disminuye x1 cuando x1 toma valor 1, y es -1. Es decir, no es
posible obtener un valor diferente de x3 = 20 3 , para la base B = (A3 A5 A2 ).
13
Apartado 2. El precio sombra de la tercera restriccion es 3B = 34 . Es decir: 49
Si b3 = 1 z = 43
4
Si b3 = 1 z = 3
Si fuera posible, sera desear disminuir el valor de b3 , porque dara lugar a un aumento de la funcion
objetivo. Se puede decir, que la restriccion tercera esta actuando en esta solucion como una obligacion.
Apartado 3. El criterio del simplex de la variable x1 se puede expresar como:

4
V1B = c1 B A1 = 5 83 0 43 5 (67)
1

Los precios sombra de las tres restricciones son B = 83 0 34 que son, respectivamente, los
valores unitarios de cada uno de los tres recursos.
4
El consumo unitario de dichos recursos al realizar una unidad de P1 es 5 .
1
Con lo que el producto de B A1 representa el valor de los recursos que son necesarios para producir
una unidad de P1 y que se detraen del plan de produccion correspondiente a la solucion optima. En este
caso B A3 = 28
3 .
El criterio del simplex V1B representa la diferencia entre:
la contribucion unitaria al benecio de P1 , c1 = 5 y

28
el citado valor de los recursos para realizar una unidad de P1 : B A3 = 3 .
La diferencia es V1B = 13
3 , con lo que no resulta realizar este producto, porque no se ve compensado
el ingreso con lo que se deja de ganar al detraer recursos del plan actual de produccion.
Apartado 4. Lo que se pide es resolver el siguiente problema de programacion parametrica con b =

T
40 + 60 , con 0:
max z = 5x1 + 4x2 + 12x3

s.a. :
4x1 + 2x2 + 5x3 40 +
(68)
5x1 + 3x2 + 7x3 60
x1 + x2 + x3 = 10
x1 , x2 , x3 0
La solucion dada corresponde a = 0
x1 x2 x3 x4 x5 a3
=0 -280/3 -13/3 0 0 -8/3 0 4/3 M
x3 20/3 2/3 0 1 1/3 0 -2/3
x5 10/3 -2/3 0 0 -4/3 1 -1/3
x2 10/3 1/3 1 0 -1/3 0 5/3
13 Esta solucion es optima y factible si uB () 0: 50

1/3 0 2/3 40 +
uB () = B 1 b() = 4/3 1 1/3 60 =
1/3 0 5/3 10
(69)
20 +
1 10
10 7 0
3 7
10
Las siguientes tres tablas son, respectivamente, la tabla correspondente a la solucion optima cuando
0 10 10
7 , la tabla correspondiente a dicha solucion otpima cuando = 7 y la que se obtiene a partir
de la anterior aplicando el metodo de Lemke.
x1 x2 x3 x4 x5 a3
0 10
7 280+8
3 -13/3 0 0 -8/3 0 4/3 M
20+
x3 3 2/3 0 1 1/3 0 -2/3
107
x5 3 -2/3 0 0 -4/3 1 -1/3
10
x2 3 1/3 1 0 -1/3 0 5/3
= 10
7 680
7 -13/3 0 0 -8/3 0 4/3 M
50
x3 7 2/3 0 1 1/3 0 -2/3
x5 0 -2/3 0 0 -4/3 1 -1/3
20
x2 7 1/3 1 0 -1/3 0 5/3
= 10
7 680
7 -3 0 0 0 -2 2M
50
x3 7 1/2 0 1 0 1/4 -3/4
x4 0 1/2 0 0 1 -3/4 1/4
20
x2 7 1/2 1 0 0 -1/4 7/4
Esta solucion es optima y factible si uB () 0:

0 1/4 3/4 40 +
uB () = B 1 b() = 1 3/4 1/4 60 =
0 1/4 7/4 10
(70)
30
1 10
10 + 7 30
4 10 + 7
Las siguientes tres tablas son, respectivamente, la tabla correspondente a la solucion optima cuando
10
7 30, la tabla correspondiente a dicha solucion otpima cuando = 30 y la que se obtiene a partir
de la anterior aplicando el metodo de Lemke.
x1 x2 x3 x4 x5 a3
10
7 30 100 2 -3 0 0 0 -2 2M
30
x3 4 1/2 0 1 0 1/4 -3/4
10+7
x4 4 1/2 0 0 1 -3/4 1/4
10+
x2 4 1/2 1 0 0 -1/4 7/4
= 30 -40 -3 0 0 0 -2 2M
x3 0 1/2 0 1 0 1/4 -3/4
x4 50 1/2 0 0 1 -3/4 1/4
x2 10 1/2 1 0 0 -1/4 7/4
No existe posiblidad de iterar aplicando el metodo de Lemke, porque no existen tasas de sustitucion
negativas para x3 . Por lo tanto,la solucion optima en funcion de lambda es:
13 Si 0 10 51
7
Valores de las variables basicas: x2 = 10+

3 , x3 = 20+
3 y x5 = 107
3
Valor de la funcion objetivo: z = 280+8
3
10
Si 7 30
Valores de las variables basicas: x2 = 10+

4 , x2 = 30
4 y x4 = 10+7
4
Valor de la funcion objetivo: z = 100 2
Si > 30 el problema no tiene solucion
10
A partir del analisis anterior, se puede concluir que el benecio maximo se obtiene para = 7 , es
decir, transriendo es cantidad de recursos, con un benecio de 680
7 .
Apartado 5. La base de la solucion basica obtenida no cambia si la solucion sigue siendo optima y
factible. Si se modica c2 , puede cambiar V B y la solucion puede dejar de ser optima. Hay que calcular
el intervalo de c2 dentro del cual V B 0.

2/3 0 1 1/3 0
V B = c cB p B = 5 c2 12 0 0 12 0 c2 2/3 0 0 4/3 1 =
1/3 1 0 1/3 0 (71)

3 c2
3 0 0 3 4 0
c2
0 9 c2 12
Si c2 [9, 12], la base sigue siendo la obtenida.

Si c2 < 9, la solucion dejara de ser optima porque V1B > 0, y habra que aplicar el metodo del
Simplex e introducir la variable x1 .
Si c2 > 12, la solucion dejara de ser optima porque V4B > 0, y habra que aplicar el metodo del
Simplex e introducir la variable x4 .
Apartado 6. x2 0 x2 + x6 = 0
x1 x2 x3 x4 x5 a3 x6
-280/3 -13/3 0 0 -8/3 0 4/3 M 0
x3 20/3 2/3 0 1 1/3 0 -2/3 0
x5 10/3 -2/3 0 0 -4/3 1 -1/3 0
x2 10/3 1/3 1 0 -1/3 0 5/3 0
0 0 1 0 0 0 0 1
x6 -10/3 -1/3 0 0 1/3 0 -5/3 1
-50 0 0 0 -7 0 23 M -13
x3 0 0 0 1 1 0 -4 2
x5 10 0 0 0 -2 1 3 -2
x2 0 0 1 0 0 0 0 1
x1 10 1 0 0 -1 0 5 -3
La nueva solucion consiste en no fabricar P2 y fabricar 10 unidades de P1 con una funcion objetivo
de 50, peor que el valor de la funcion objetivo antes de introducir la restriccion.
14
14. 52
14.1. Enunciado
Resolver el siguiente problema mediante el metodo de las dos fases:
max z = 3x1 + 4x2 + 5x3

s.a. :
3x1 + 2x2 + 4x3 50
(72)
x1 + x2 + x3 = 20
4x1 + 5x2 + 8x3 300
x1 , x2 , x3 0
14.2. Resolucion
Reformulacion del problema original (P )
max z = 3x1 + 4x2 + 5x3

s.a. :
3x1 + 2x2 + 4x3 h1 = 50
(73)
x1 + x2 + x3 = 20
4x1 + 5x2 + 8x3 + h3 = 300
x1 , x2 , x3 , h1 , h3 0
Problema de la primera fase (P )
max z = a1 a2
s.a. :
3x1 + 2x2 + 4x3 h1 + a1 = 50
(74)
x1 + x2 + x3 + a2 = 20
4x1 + 5x2 + 8x3 + h3 = 300
x1 , x2 , x3 , h1 , h3 , a1 , a2 0
14 x1 x2 x3 h1 a1 a2 h3 53
(1 fase) 70 4 3 5 -1 0 0 0
(2 fase) 0 3 4 5 0 0 0 0
a1 50 3 2 4 -1 1 0 0
a2 20 1 1 1 0 0 1 0
h3 300 4 5 8 0 0 0 1
(1 fase) 15/2 1/4 1/2 0 1/4 -5/4 0 0

(2 fase) -125/2 -3/4 3/2 0 5/4 -5/4 0 0
x3 25/2 3/4 1/2 1 -1/4 1/4 0 0
a2 15/2 1/4 1/2 0 1/4 -1/4 1 0
h3 200 -2 1 0 2 -2 0 1
(1 fase) 0 0 0 0 0 -1 -1 0
(2 fase) -85 -3/2 0 0 1/2 1/2 -3 0
x3 5 1/2 0 1 -1/2 1/2 -1 0
x2 15 1/2 1 0 1/2 -1/2 2 0
h3 185 -5/2 0 0 3/2 -3/2 -2 1
(1 fase) 0 0 0 0 0 -1 -1 0
(2 fase) -100 -2 -1 0 0 0 -5 0
x3 20 1 1 1 0 0 1 0
h1 30 1 2 0 1 -1 4 0
h3 140 -4 -3 0 0 0 -8 1
La solucion del problema original es: x3 = 20, x1 = x2 = 0

15
15.EJERCICIO
Ejercicio 54
15.1. Enunciado
Dado el problema de programacion lineal (P ):
max z = x1 + x2 + 2x3
s.a
3x1 + 4x2 12
(75)
x1 + x2 24
x1 + x3 = 15
x1 , x2 , x3 0
1. Plantear el problema correspondiente a la primera fase (P ), si se resolviera mediante el metodo de

las dos fases.
2. Construir la tabla correspondiente al metodo del Simplex, variante de la matriz completa, para la
primera solucion de (P).
3. Explicar que se puede decir de P si al resolver el problema anterior (P ), la funcion objetivo de la
solucion optima es diferente de cero.
15.2. Resolucion
TMCIO 1011 JUN
Apartado 1. El problema P correspondiente a la pimera fase es el siguiente.
max z = a1 a3
s.a
3x1 + 4x2 h1 + a1 = 12
(76)
x1 + x2 + h2 = 24
x1 + x3 + a3 = 15
x1 , x2 , x3 , h1 , a1 , h2 , a3 0
Apartado 2. La tabla correspondiente a la solucion basica de partida de P es:
x1 x2 x3 h1 a1 h2 a3
27 4 4 1 -1 0 0 0
a1 12 3 4 0 -1 1 0 0
h2 24 1 1 0 0 0 1 0
a3 15 1 0 1 0 0 0 1
Apartado 3. Si la solucion optima del problema P tiene una funcion objetivo diferente de cero, signica
que no tiene soluciones factibles con a1 = a3 = 0, con lo que el problema original P no tiene ninguna
solucion factible.
16
16.EJERCICIO
Ejercicio 55
16.1. Enunciado
Al resolver un problema mediante el metodo de Lemke, aparece una tabla como la siguiente. Explicar,
sin hacer operaciones, que habra que hacer para continuar (la explicacion no debera tener una extension
superior a 100 palabras).
x1 x2 x3 h1 h2
-7 0 6 -4 -2 0
x1 -2 1 3 0 2 0
x3 -5 0 3 1 -3 1
16.2. Resolucion
Todas las soluciones que se visitan al aplicar el metodo de Lemke cumplen el criterio de optimalidad
(V B 0). En la tabla se muestra una solucion que no lo cumple, por lo que debe de haber existido algun
error previo en la aplicacion de dicho metodo, habra que revisar los calculos previos.
17
17.EJERCICIO
Ejercicio 56
17.1. Enunciado
Para la relajacion lineal del problema anterior, se pide:
1. Construir el problema dual correspondiente.
2. Indicar cuales son las variables basicas as como sus valores, correspondientes a la solucion optima
de dicho problema dual.
17.2. Resolucion
MME 0809 FEB
Dado el primal:
max z = x1 + x2
sujeto a:
2x1 + 5x2 16 (77)
6x1 + 5x2 30
x1 ,x2 0
Su dual es:
min s = 16y1 + 30y2
sujeto a:
2y1 + 6y2 1 (78)
5y1 + 5y2 1
y1 ,y2 0
Para la solucion optima:

y = B = (1/20 3/20)
Se cumple que: V1B = V1B = 0, por lo que las restricciones del dual se cumplen en terminos de
igualdad y, por lo tanto, h1 = h2 = 0
Las variables basicas de la solucion optima del dual son y1 = 1/20 y y2 = 3/20
18
18.EJERCICIO
Ejercicio 57
18.1. Enunciado
Una empresa de productos qumicos EPQ trata de convencer a AV de que alimente a sus gallinas
anadiendo directamente AA y C al pienso comun. EPQ conoce las caractersticas de los complejos
suplementarios que se ofrecen en el mercado local.
1. Plantear el modelo de programacion lineal que utilizara EPQ para determinar su poltica de precios
para AA y C de modo que a AV le resultara indiferente acudir al mercado local o comprar a EPQ.
2. Obtener la solucion optima al modelo planteado por EPQ precisamente a partir de la obtenida en
el apartado 2 del ejercicio anterior.
3. Explicar como podra afectar a EPQ que CSN fuera o no interesante para AV.
18.2. Resolucion
Apartado 1 El modelo que utilizara EPQ sera el dual del de AV. Siendo y1 e y2 los precios que EPQ
pondra a AA y a C, respectivamente, tratara de maximizar sus ingresos por suministrar el AA y C
que necesita AV, siendo competitivo con los complejos suplementarios del mercado local, es decir:
max z = 15000y1 + 3000y2

s.a. :
40y1 + 30y2 70
(79)
60y1 + 60y2 20
40y1 + 40y2 50
y1 , y2 0
Apartado 2 Tanto por la aplicacion del teorema de las holguras complementarias, como por la inter-
pretacion del ejercicio anterior, y1 = 1/3 e y2 = 0 /gramo, es decir, EPQ debera ofrecer AA a 333
/kg y debera regalarle C a AV para ser competitivo e ingresar los 5000 /semana.
Apartado 3 Logicamente, como a AV no le interesa CSN , no afectara a lo ya dicho para EPQ.

Sin embargo, si a AV le interesara CSN, sera porque reducira sus costes. Como en dualidad las
funciones objetivo coinciden en el optimo, los benecios esperados por EPQ bajaran (se enfrentara con
un mercado mas competitivo).
19
19.EJERCICIO
Ejercicio 58
19.1. Enunciado
Considerese el problema
max z = 2x1 + x2
s.a. :
x1 + x2 14
(80)
2x1 x2 10
x1 x2 3
x1 , x2 0
Se pide
Escribir el problema dual
= (8, 6) es una solucion factible.
Vericar la solucion x
Demuestrar que x es solucion optima mediante el teorema de las holguras complementarias y de-
terminar la solucion optima del problema dual.
19.2. Resolucion
min s = 14y1 + 4y2 + 3y3

s.a. :
y1 + 2y2 + y3 2 (81)
y1 y2 y3 1
y1 , y2 , y2 0
Apartado 2. Se trata de una solucion:

Restriccion 1:8 + 6 = 14 14
Restriccion 2:2 8 6 = 10 10
Restriccion 2:8 6 = 2 3
Se cumplen las tres restricciones, ademas h3 = 1. El valor de la funcion objetivo es 22.
Apartado 3. Los valores de las holguras del problema original son: h1 = 0, h2 = 0,h3 = 1, por lo que
los criterios del simplex de las variables del problema primal son V B = (0, 0, 0, 0, 0).
Por el teorema de las holguras complementarias solo y1 e y2 pertenecen a la base del problema dual.
yh1 = yh2 = y3 = 0
Las restricciones del dual se transforman en un sistema de dos ecuaciones con dos variables (y1 e y2 ),
cuyo resultado es: y1 = 43 e y2 = 13 . Para esta solucion del dual, la funcion objetivo vale s = 22. Como
z = s estamos en la solucion optima.
20
20.EJERCICIO
Ejercicio 59
20.1. Enunciado
Dado el siguiente problema
max z = 5x1 + 4x2 + 3x3

s.a. :
x1 + x3 15 (82)
x2 + 2x3 25
x1 , x2 , x3 0
Se pide:
1. Construir el problema dual
2. Justicar sin resolver el problema dual, que 175 es una cota superior del problema primal
3. Resolver gracamente el dual.
4. Obtener la solucion optima del primal a partir del dual
20.2. Resolucion
min s = 15y1 + 25y2

s.a. :
y1 5
(83)
y2 4
y2 + 2y2 3
y1 , y2 0
Apartado 2. Si se encuentra una solucion del dual con s = 175, se dispondra de una cota superior del
primal. En efecto, y1 = 5 y y2 = 4 es una solucion factible del primal y ofrece una funcion objetivo de
s = 175
Apartado 3. La solucion optima del dual se alcanza para y1 = 5, y2 = 4, con s = 175
Apartado 4.
Como y1 = 5, el precio sombra de la primera restriccion en el primal es diferente de cero, por lo
que h1 es una variable no basica.
Como y2 = 4 , el precio sombra de la segunda restriccion en el primal es diferente de cero, por lo
que h2 es una variable no basica.
Por ultimo, con la tercera restriccion del dual no se cumple como igualdad, la tercera variable del
primal, x3 es no basica.
20 EJERCICIO 60
Las variables basicas de la solucion optima del primal son: x1 y x2 . Es decir, se debe cumplir:
x1 = 15
(84)
x2 = 25
El valor de la funcion objetivo es z = 175 = s

21
21.EJERCICIO MME-1213-ENE-2
Ejercicio MME-1213-ENE-2 61
21.1. Enunciado
Hallar el problema dual de este problema.

max z = ci xi
i
s.a. :
(85)
bi xi F
i
xi 0
Siendo F un escalar
21.2. Resolucion
Hallar el problema dual es
min s = yF
s.a. :
(86)
ybi ci i
y0
22
22.EJERCICIO
Ejercicio 62
22.1. Enunciado
Dado el problema:
max z = x1 + x2
sujeto a:
2x1 + 5x2 16 (87)
6x1 + 5x2 30
x1 ,x2 0 y enteros
Se conoce la solucion optima de la relajacion lineal correspondiente, xRL , cuya tabla del simplex se
indica a continuacion.
x1 x2 h1 h2
-53/10 0 0 -1/20 -3/20
x2 9/5 0 1 3/10 -1/10
x1 7/2 1 0 -1/4 1/4
Se pide resolver de forma graca el problema entero utilizando Branch&Bound, dibujando el arbol
correspondiente.
22.2. Resolucion
El arbol correspondiente a la aplicacion del algoritmo de Land-Doig es el siguiente.
22 EJERCICIO 63
Existen tres soluciones enteras que arrojan el mismo valor z = 5. Las soluciones son las siguientes.
Solucion 1: x1 = 5 y x2 = 0. Solucion 2: x1 = 4 y x2 = 1. Solucion 3: x1 = 3 y x2 = 2.
Resolucion graca de los problemas:
22 EJERCICIO 64
23
23.EJERCICIO
Ejercicio 65
23.1. Enunciado
En un problema de programacion lineal entera resuelto mediante ramicacion y acotacion (algoritmo
de Land-Doig), explicar en que casos un nodo del arbol no se ramica (y, por lo tanto, no da lugar a dos
nuevos nodos con sus correspondientes problemas).
23.2. Resolucion
Un nodo no se ramica si cumple alguna de las siguientes condiciones.
1. Si la solucion del problema correspondiente a ese nodo es entera.

2. Si el valor de la funcion objetivo del problema correspondiente a ese nodo es peor que el valor de
la funcion objetivo de algun nodo con solucion entera.
3. Si el problema correspondiente al nodo no tiene solucion factible.
24
24.EJERCICIO
Ejercicio 66
24.1. Enunciado
En el curso de aplicar el metodo Branch & Bound (en el que cada nodo se ramica en dos sub-
problemas que tienen una restriccion o mas que el subproblema del que parten) para resolver un
problema de optimizacion entera con variables (x1 y x2 ) y funcion objetivo max z = 4x1 x2 , se obtiene
el arbol 1 de la gura 1.
Al lado de los nodos S, S1 , S12 y S2 se muestran las soluciones obtenidas al resolver la relajacion lineal
de los subproblemas correspondientes. Por ejemplo, al resolver la relajacion lineal para el subproblema
S1 se obtiene la solucion relajada (2, 12 ).

6
6 6
6
Figura 1: arbol 1 del B&B
1. La informacion proporcionada en el arbol 1 y la funcion objetivo dada permiten calcular cotas

inferiores y superiores del problema original. Para cada nodo indica que tipo de cota ofrece y cual
es su valor.
2. El Arbol 1 muestra una solucion entera factible. Se puede asegurar que sea optima con la infor-
macion dada hasta ahora? Por que?
3. Al seguir con la ramicacion del subproblema S1 se obtiene el Arbol 2 mostrado en la Figura 2,
donde se indican las soluciones de las relajaciones lineales correspondientes a los subproblemas que
se ven en el arbol. Actualiza las cotas inferiores y superiores Puedes encontrar una solucion optima
para el problema, o habra que continuar explorando el arbol? Por que?
Figura 2: arbol 2 del B&B
24.2. Resolucion
MME 0809 SEP
24 EJERCICIO
Apartado 1 Cada nodo aporta una cota: 67
20 59
S0 . Solucion no entera. Cota superior. z1 = 4 7 3= 7
1 15
S1 . Solucion no entera. Cota superior. z2 = 4 2 2 = 2
S12 . Solucion entera. Cota inferior. z12 = 4 2 1 = 7
Apartado 2 No se puede asegurar que sea la solucion optima porque, por ejemplo, el nodo no resuelto
correspondiente a la ramicacion de S0 , es decir, S2 puede ofrecer soluciones enteras mejores que la del
nodo S12 .
Apartado 3 Los nuevos nodos aportan nuevas cotas:

S2 . Solucion no factible. No proporciona cota.
S11 . Solucion no entera con funcion objetivo z11 = 4 32 2 0 = 6, menor que el valor de la solucion
entera de S12 , con lo que se trata de una cota inferior.
La solucion optima es la correspondiente a S12 , ya que el nodo S2 no se puede ramicar, ya que corresponde
a un problema sin solucion factible, y el nodo S11 corresponde a un problema con solucion no entera peor
que la solucion de S12 , que s es entera.
25
25.EJERCICIO
Ejercicio 68
25.1. Enunciado
Resolver mediante Branch and Bound el siguiente problema PLE:
max z = 12x1 + 6x2

s.a. :
(88)
2x1 + 4x2 17
x1 , x2 0 y enteras
Utilizar Simplex o Lemke para resolver las relajaciones lineales correspondientes (no se valorara la
obtencion de soluciones optimas mediante metodo graco).
26
26.EJERCICIO
Ejercicio 69
26.1. Enunciado
Al empezar a resolver con Branch & Bound un problema de maximizacion con todas las variables
enteras se divide el problema original en dos subproblemas (dos ramas): x1 2 y x1 3. La rama x1 2
ha sido podada al encontrar un solucion entera en la relajacion lineal correspondiente (x1 , x2 , x3 ) =
(1, 2, 1) con z = 5. Cual sera el siguiente paso si la solucion a la que se llega al resolver la relajacion
lineal correspondiente a la rama x1 3 fuera:
1. (x1 , x2 , x3 ) = (3, 1, 0.5) con z = 3.5
2. (x1 , x2 , x3 ) = (4, 1, 0) con z = 8
3. (x1 , x2 , x3 ) = (4, 1.5, 0) con z = 8
4. (x1 , x2 , x3 ) = (4, 1, 2) con z = 7.5
26.2. Resolucion
MME 1011 ENE
Apartado 1. En este caso la solucion obtenida por la rama x1 3 ofrece una cota superior menor que
la cota inferior de la rama x1 1, por lo que esa rama tambien se podara, no habra nodos que ramicar
y la solucion optima sera (x1 , x2 , x3 ) = (1, 2, 1) con z = 5
Apartado 2. En este caso, habra que podra la rama x1 3, al haber obtenido una solucion entera (la
cota superior igual a la cota inferior) y la solucion optima sera (x1 , x2 , x3 ) = (4, 1, 0) con z = 8
Apartado 3. En este caso, la rama x1 3 no se podra podar, ya que su cota superior es mayor que
la inferior del unico otro nodo del problema y porque el nodo corresondiente a dicha rama no ofrece una
solucion entera. Sera necesario ramicar de nuevo, generando dos ramas a partir de la unica variable no
entera: xx2 2 y x2 2. Para el problema se tendra una cota superior de 8 y una cota inferior de 3.5.
Apartado 4. Analogamente al caso 2, la solucion optima sera (x1 , x2 , x3 ) = (4, 1, 2) con z = 7.5.
27
27.EJERCICIO
Ejercicio 70
27.1. Enunciado
Resolviendose un problema de programacion entera se ha llegado a construir el arbol que se muestra
en la gura 27.1. Se pide responder a las siguientes preguntas de tipo test.
P0
x1=11.69
x2=3.01
0 z*=50.18
x111 x112
P1 P2
x1=11 X1=12
x2=3.37 1 2 X2=2.66
z*=49.36 z*=49.33
x23 x24 x22
P3 P4 P5
x1=11 z*=47 x1=12.57
x2=3 3 4 5 x2=2 6
z*=48 z*=47.71
Figura 3: arbol resultante durante la resolucion de un problema con B&B
NOTA: redactar la respuesta incluyendo la frase completa en las hojas entregadas para calicar
con el encabezado y con la opcion elegida como correcta. Por ejemplo, una posible respuesta, sera La
informacion del arbol permite afirmar que: ninguna de las anteriores es correcta. No es necesario indicar
el subapartado (porque todos son diferentes)
Solo una respuesta de cada apartado es correcta. Para cada apartado, una respuesta correcta suma
un punto, una respuesta incorrecta resta un cuarto de punto.
1. Con respecto al nodo 4:

Hay que seguir ramicando el nodo 4.
No interesa ramicar el nodo 4 porque su relajacion lineal tiene un valor menor que alguna de
las cotas inferiores obteinidas hasta ahora.
No interesa ramicar el nodo 4 porque ya es una solucion entera.
Ninguna de las anteriores es correcta
2. La informacion del arbol permite armar que:
Debo ramicar el nodo 5 en dos nuevos subnodos cuyas ramas son x1 12 y x1 13.
No debo ramicar el nodo 5 porque el subproblema correspondiente no puede tener soluciones
mejores que la obtenida en su relajacion lineal
Al haber resuelto el subproblema correspondiente al nodo 5 la cota infererior mas alta del
problema completo es 47.71.
27 3.EJERCICIO
El nodo 6: 71
representa al subproblema que consiste en anadir al subproblema 2 la restriccion x2 = 3.

representa al subproblema que consiste en anadir al subproblema 2 la restriccion x2 3.
representa un subproblema que no se debe resolver porque es imposible que se encuentre una
solucion mejor que la mejor cota inferior obtenida hasta este momento.
27.2. Resolucion
1. Con respecto al nodo 4:
INCORRECTA: Hay que seguir ramicando el nodo 4.
CORRECTA: No interesa ramicar el nodo 4 porque su relajacion lineal tiene un valor
menor que alguna de las cotas inferiores obteinidas hasta ahora.
INCORRECTA: No interesa ramicar el nodo 4 porque ya es una solucion entera.
INCORRECTA: Ninguna de las anteriores es correcta
2. La informacion del arbol permite armar que:
INCORRECTA: Debo ramicar el nodo 5 en dos nuevos subnodos cuyas ramas son x1 12 y
x1 13.
INCORRECTA: No debo ramicar el nodo 5 porque el subproblema correspondiente no puede
tener soluciones mejores que la obtenida en su relajacion lineal
INCORRECTA: Al haber resuelto el subproblema correspondiente al nodo 5 la cota infererior
mas alta del problema completo es 47.71.
CORRECTA: Ninguna de las anteriores es correcta
3. El nodo 6:
INCORRECTA: representa al subproblema que consiste en anadir al subproblema 2 la restric-
cion x2 = 3.
CORRECTA: representa al subproblema que consiste en anadir al subproblema 2 la res-
triccion x2 3.
INCORRECTA: representa un subproblema que no se debe resolver porque es imposible que
se encuentre una solucion mejor que la mejor cota inferior obtenida hasta este momento.
INCORRECTA: Ninguna de las anteriores es correcta
28
28.EJERCICIO
Ejercicio 72
28.1. Enunciado
Dado el siguiente problema de programacion entera:
max z = 4x1 2x2 + 7x3 x4

s.a. :
x1 + 5x3 10
x1 + x2 x3 1 (89)
6x1 5x2 0
x1 + 2x3 2x4 3
x1 , x2 , x3 , x4 0 y enteras
Se ha comenzado a resolver mediante Branch-and-Bound (algoritmo de Dakin) y se dispone del si-

guiente arbol. Para cada nodo se indica el valor de la solucion otpima de la relajacion lineal y los valores
de las variables que en la dicha solucion optima toman un valor no nulo.

Se pide:
1. Indicar para cada nodo, la mejor cota superior y la mejor cota inferior que se puede obtener con
toda la informacion que ofrece el arbol.
2. Para cada uno de los nodos no ramicados, indicar si se deben podar o si se deben ramicar y por
que.
28 EJERCICIO
28.2. Resolucion 73
Las cotas guran en el siguiente arbol.
z LP= 14.25
x1= 1.25
P0
x2= 1.5
x3= 1.75
x2 2
x2 1
z LP= 14.17 z LP= 12.17

x1= 0.833 x1= 0.833 P01
P00
x2= 1 x2= 2
x3= 1.83 x3= 1.83
x3 1 x3 2
x3 2
x3 1
z LP= 9.5
z LP= 8.33 z LP= 13.5 x2= 2 P011
x1= 0.833 x3= 2 P001
P000 x3= 2
x2= 1 x4= 0.5 x4= 0.5
x3= 1
z LP= 3
x1 1 010= 3
x2= 2 P010
x1 0 010= 3
x3= 1
z LP= 7 P0000 P0001

x3= 1
De la evaluacion del arbol, se puede concluir:

Nodo 0000. Este nodo se debe podar por optimalidad. Se ha alcanzado una solucion entera.
Nodo 0001. Este nodo se debe podar por infactibilidad. No existen soluciones enteras factibles.
Nodo 001. Este nodo no se puede podar y se debe ramicar en dos problemas x4 0 y x4 1.
Nodo 010. Este nodo se debe podar por optimalidad.
Nodo 011. Este nodo no se puede podar y se debe ramicar en dos problemas x4 0 y x4 1.
29
29.EJERCICIO MME-1213-ENE-3
Ejercicio MME-1213-ENE-3 74
29.1. Enunciado
Resolver el siguiente problema mediante el metodo Branch and Bound, utilizando el metodo graco
para resolver cada subproblema:
max z = 4x1 + 6x2

s.a.:
(90)
4x1 + 3x2 22
xi Z+
29.2. Resolucion
La solucion optima es x4 (0, 7) con z 3 = 42. En la gura se puede ver el graco utilizado para
desarrollar el algoritmo y resolver las relajaciones lineales as como el arbol (sin actualizar cotas) en el
que se muestran los distintos subproblemas estudiados.
8
44
x1 x2 1
7 x2 8
x2 7
4
x x5 43
6 2 3 no factible
5 x1 0 x1 1
42 40
4 5
4 42 40
0
0 1 2 3 4 5 6 7 8
Figura 4: Graco y arbol correspondiente a la solucion del problema

30
30.EJERCICIO
Ejercicio 75
30.1. Enunciado
Dado el problema siguiente:
max z = 20x1 + 5x2 8x3 + 30x4

s.a. :
(91)
25x1 + 5x2 + 5x3 + 30x4 35
xi enteras
se conoce la tabla de una solucion optima de la relajacion lineal del mismo. Formula un corte entero de
Gomory y obtener la nueva solucion tras introducir dicho corte operando sobre la tabla de simplex dada.
x1 x2 x3 x4 h1
-35 -5 0 -13 0 -1
x4 7/6 5/6 5/6 1/6 1 1/30
30.2. Resolucion

La expresion del corte de Gomory es f0 + i fi xi 0, que para este caso toma la forma 16 + 56 x1 +
5 1 1 5 5 1 1 1
6 x2 + 6 x3 + 30 h1 0 6 x1 6 x2 6 x3 30 h1 + h2 = 6
x1 x2 x3 x4 h1 h2
-35 -5 0 -13 0 -1 0
x4 7/6 5/6 5/6 1/6 1 1/30 0
h2 1/6 -5/6 -5/6 -1/6 0 -1/30 1
-35 -5 0 -13 0 -1 0
x4 1 0 0 0 1 0 0
x2 1/5 1 1 1/5 0 1/25 -6/5
31
31.EJERCICIO
Ejercicio 76
31.1. Enunciado
Una empresa multinacional con operaciones globalizadas dispone de 3 plantas que fabrican el mismo
producto pero en diferente localizacion y 4 almacenes regionales, que abastecen la demanda local de
cuatro grandes regiones comerciales.
Para este ano, la capacidad de produccion de cada una de las plantas es de 7 unidades de millones
para China, 11 para EE UU y 15 para Eslovaquia.
El consumo previsto en cada una de las regiones es:
Localizacion Region Demanda prevista

almacen comercial (millones de up)
Mejico & Norteamerica CALA 4
Francia EMEA 8
Australia Asia-Pacico 1 9
China Asia-Pacco 2 12
El coste por unidad transportada entre plantas y almacenes viene dado por el siguiente cuadro:
euros/up NA & CALA EMEA Asia Asia

-Pacico 1 -Pacico 2
China 4 2 3 1
EEUU 3 3 5 7
Eslovaquia 5 4 7 4
Se pide:
1. Determinar el programa de transporte de coste mnimo entre las plantas y los almacenes. Se reco-
mienda obtener una solucion inicial de partida obtenida con el metodo de Voguel.
2. Existe mas de un unico programa de transporte con dicho coste mnimo? En caso armativo, indicar
cuantos y cuales.
31.2. Resolucion
Construyendo una primera mediante el metodo de Voguel, se obtiene la siguiente tabla:
N-C EMEA AP 1 AP 2
4 2 3 1
China 7 7
+ + -1
3 3 5 7
EE UU 4 7
+ +
5 4 7 4
Eslovaquia 8 2 5 15
0
4 8 9 12
31 Fijando
EJERCICIO
los valores u1 = 3, u2 = 2, u3 = 0, v1 = 5, v2 = 4, v3 = 7, v4 = 4 se obtienen los 77
costes reduciones que guran en la tabla anterior. El coste reducido de China-AP1 es negativo, luego
introduciendo dicha variable y creando el circuito correspondiente con las variables basicas, se puede
obtener la siguiente tabla. En la solucion correspondiente, se transportan 2 unidades entre China y AP1
(la variable correspondiente entra en la bas) y se dejan de tranportar productos entre Eslovaquia y AP1
(la variable corresopndiente sale de la base).
N-C EMEA AP 1 AP 2
4 2 3 1
China 2 5 7
+ +
3 3 5 7
EE UU 4 7 11
0 +
5 4 7 4
Eslovaquia 8 7 15
+ +
4 8 9 12
Existe una variable no basica con coste reducido igual a 0. Es la variable corresopndiente a la ruta
EE UU - EMEA, lo que signica que existe otra solucion basica optima, descrita en la siguiente tabla:
N-C EMEA AP 1 AP 2
4 2 3 1
China 7 7
+ +
3 3 5 7
EE UU 4 5 2 11
0 +
5 4 7 4
Eslovaquia 3 12 15
+ +
4 8 9 12
Existen, por lo tanto dos soluciones optimas basicas y todas las soluciones optimas no basicas que
resultan de la combinacion convexa de las dos basicas.
El conjunto de todas las soluciones optimas es el correspondiente a los siguientes programas de tran-
porte:
China-AP1: 2+
China-AP2: 5-
EE UU-N-C: 4
EE UU-EMEA:
EE UU-AP1: 7-
Eslovaquia-EMA: 8 -
Eslovaquia-AP2: 7 +
Para 0 5. Si = 0 o = 5, se obtienen las soluciones basicas de las tablas anteriores. Para
cualquier otro valor se tiene una solucion optima no basica.
32
32.EJERCICIO
Ejercicio 78
32.1. Enunciado
Una region dispone de tres reneras, con capacidades diarias de produccion de gasolina de 6, 5, y 6
millones de litros, respectivamente, que abastecen a tres areas de distribucion, cuyas demandas diarias
son 4, 8, y 7 millones de litros respectivamente. El transporte de gasolinas desde las reneras hasta las
areas de distribucion se realiza mediante una red de oleoductos en la que el coste de transporte es de 10
centimos de euros por cada 1000 litros de gasolina y por km recorrido. La tabla siguiente proporciona
las distancias (km) entre las reneras y las areas de distribucion. La renera 1 no esta conectada con el
area de distribucion 3.
Area A1 Area A2 Area A3

Renera R1 120 180 -
Renera R2 300 100 80
Renera R3 200 250 120
Cuadro 1: Distancias entre reneras y areas de suministro.
Por cuestiones estrategicas relativas a la seguridad nacional, el area 1 debe recibir toda su demanda;
la incapacidad para entregar las cantidades demandadas de gasolina en las areas 2 y 3 causan una
penalizacion de 5 centimos de euro por litro. Determina cual es el programa optimo de transporte entre
reneras y areas de distribucion, explicando claramente en que consiste dicho programa y cual es su
coste.
32.2. Resolucion
Las variables xij representan los millones de litros producidos por la renera Ri y entregados al area
Aj . Como el problema esta desequilibrado es necesario incluir un origen cticio Ref. c. cuya capacidad
es la diferencia entre la demanda, 19, y la capacidad de las reneras, 17, es decir 2.
Los costes en euros por millon de litros transportados entre Ri y Aj (en euros/Ml)) cij es igual a
6
0.1euro
Dist(km) 10 l = 100 Dist(km)
1000lkm Ml
Por su parte, las penalizaciones son de 0.05 euros por litro, es decir 5000 euros por Ml.
Diviendo todos los costes por 1000, el problema planetado es equivalente a resolver el que aparece
representado en la siguiente tabla:
Area 1 Area 2 Area 3

c11 c12 c13
Ref. 1 x11 x12 x13 O1
c11 c12 c13
c21 c22 c23
Ref. 2 x21 x22 x23 O2
c21 c22 c23
c31 c32 c33
Ref. 3 x31 x32 x33 O3
c31 c32 c33
c41 c42 c433
R. c. x41 x42 x43 O4
c41 c42 c43
D1 D2 D3
32 EJERCICIO Area 1 Area 2 Area 3 79
12 18 M
Ref. 1 4 2 6
+
30 10 8
Ref. 2 5 5
+ -5
20 25 12
Ref. 3 4 2 6
+
M 5 5
Ref. c 2 2
+ +
4 8 7
Area 1 Area 2 Area 3

12 18 M
Ref. 1 4 2 6
+
30 10 8
Ref. 2 4 1 5
+
20 25 12
Ref. 3 6 6
+ +
M 5 5
Ref. c 2 2
0
4 8 7
El resultado, por lo tanto, consiste en

entregar desde la renera 1: 4 millones de litros al area 1 y otros 2 al area 2,
entregar desde la renera 2: 4 millones de litros al area 2 y uno mas al area 3,
entregar desde la renera 3 sus 6 millones de litros al area 3,
dejando sin atender la demanda de 2 millones de litros del area 2
con un coste de (12 4 + 18 2 + 10 4 + 8 1 + 12 6 + 5 2) 1000 = 214000. Es decir 214000 euros.
33
33.EJERCICIO
Ejercicio 80
33.1. Enunciado
La compana Energetic debe disenar el sistema de abastecimiento energetico de un nuevo edicio.
Las necesidades de energa se reeren a las siguientes categoras: electricidad, calentadores de agua y
calefactores de ambiente. Los requerimientos diarios de energa son:
Electricidad 30 unidades
Calentadores de agua 20 unidades
Calefactores de ambiente 50 unidades
Las tres fuentes posibles de energa son electricidad, gas natural y una unidad de celulas solares que se
puede instalar en el techo. El tamano de este limita la cantidad de celulas solares a 30 unidades, pero no
hay lmite en la disponibilidad de electricidad y gas natural. Las necesidades de luz se pueden satisfacer
solo mediante la compra de energa electrica (a un costo de 50 por unidad). Las otras dos necesidades
se pueden satisfacer mediante cualquier fuente o combinacion de fuentes. Los costes unitarios son los
siguientes
Electricidad Gas natural Celulas solares

Calentadores de agua 150 110 70
Calefactores de ambiente 150 100 90
Se pide determinar como atender las necesidades de abastecimiento de energa del nuevo edicio con
el menor coste posible.
33.2. Resolucion
El problema se puede formular como un problema de transporte donde los orgenes son la electricidad,
el gas natural y las celdas fotovoltaicas y los destinos son la electricidad, los calentadores de agua y los
calefactores de ambiente.
La demanda total es de 100 unidades. La capacidad de energa viene dada por la disponibilidad de
celulas solares (30 unidades) mas la capacidad de suministro de gas natural y de electricidad, que es en
terminos del problema tan grande como se desee.
Para poder plantear un problema de transporte y resolverlo por metodos especcos para este tipo
de problema, es necesario que el problema este equilibrado. En principio, se podra suministrar toda
la energa mediante electricidad o mediante gas natural, por lo que las capacidades de los respectivos
destinos es 100, con lo que la oferta sera 230. Para equilibrar el problema es necesario crear un destino
cticio con una demanda de 230 100 = 130.
A partir de la informacion dada y de las restricciones que existen en terminos de abastecimiento de
los destinos con los orgenes, y con los costes dados, la tabla que representa el problema de transporte
asociado es la siguiente.
Electricidad Cal. agua Cal. ambiente Dest. ct
50 150 150 200
Electricidad x11 x12 x13 x1f 100
c11 c12 c13 c1f
M 110 100 200
Gas natural x21 x22 x23 x2f 100
c21 c12 c13 c1f
M 70 90 200
Celulas solares x11 x32 x33 x3f 30
c31 c32 c33 c3f
30 20 50 130
33 Los
EJERCICIO
costes correspondientes a la columna del destino cticio son todos iguales dado que no existe 81
ninguna consideracion adicional para discriminar que tipo de fuente de energa debe emplearse. El valor
podra ser uno cualquiera, mientras sea el mismo para todos los orgenes. En este caso se ha elegido el
valor 200, que es mayor que cualquier de los otros costes. El motivo de la eleccion es que al aplicar el
metodo de Voguel para obtener una solucion inicial tendra en cuenta los costes de asignacion reales y no
los del destino cticio.
Construyendo la solucion mediante el metodo de Voguel se obtiene
Electricidad Cal. agua Cal. ambiente Dest. ct

50 150 150 200
Electricidad 30 70 100
+ +
M 110 100 200
Gas natural 40 60 100
+ +
M 70 90 200
Celulas solares 20 10 30
+ 20 10 +
30 20 50 130
En denitiva, el suministro se debe hacer de la siguiente manera:

toda la necesidad de electricidad se debe atender con suministro electrico, tal y como se exiga, con
un coste 1500 ;
la demanda de calentadores de agua debe proporcionarse con las celulas solares, con un coste de
1400 ;
la demanda de calentadores de abmiente se atiende con 70 unidades de suministro electrico (con un
coste de 4000 ) y con 10 de celulas solares (con un coste de 900 );
con un coste total de 7800 .
34
34.EJERCICIO
Ejercicio 82
34.1. Enunciado
Se deben utilizar cuatro barcos para transportar bienes de un puerto determinado a otros cuatro
puertos (numerados 1, 2, 3 y 4). Se puede usar cualquier barco para hacer cualquiera de los cuatro viajes.
Sin embargo, dadas las diferencias entre las naves y las cargas, el coste total de carga, transporte y
descarga de bienes de las diferentes combinaciones de barcos y puertos vara de manera considerable.
Estos costes se muestran en la siguiente tabla.
Puerto 1 Puerto 2 Puerto 3 Puerto 4

Barco 1 500 400 300 700
Barco 2 600 600 700 500
Barco 3 700 500 700 600
Barco 4 500 400 600 600
Determinar, utilizando el metodo hungaro, con que barco se debe atender el envo de cada puerto con
el mnimo coste global.
34.2. Resolucion
Aplicando el metodo hungaro se llega a la siguiente tabla:
100 100 0 400

0 100 200 0
100 0 200 100
0 0 200 200
Lo que lleva a la siguiente asignacion:

- - X -
- - - X
- X - -
X - - -
35
35.EJERCICIO
Ejercicio 83
35.1. Enunciado
Una ingeniera ha ganado cuatro concursos de la administracion central para la construccion de cuatro
centrales de generacion electrica, por cuya realizacion la ingeniera recibira una cantidad ja. Las cuatro
plantas son una termica, una de ciclo combinado y dos parques de aerogeneradores. Existen cuatro equipos
de ingenieros que pueden desarrolar los cuatro proyectos, pero, debido a la diferente experiencia de estos
cuatro equipos, los costes asociados al desarrollo de cada proyecto por parte de cada equipo son diferentes
y se ofrecen en el siguiente cuadro.
Termica C. comb. Parque 1 Parque 2

Equipo 1 1 4 3 1
Equipo 2 2 1 6 7
Equipo 3 3 2 6 6
Equipo 4 1 2 3 7
Se pide determinar que proyecto debe realizar cada equipo de ingenieros para obtener el coste mnimo
para el desarrollo de loc cuatro proyectos.
35.2. Resolucion
Equipo 1 1 4 3 1
Equipo 2 2 1 6 7
Equipo 3 3 2 6 6
Equipo 4 1 2 3 7
Restando a los elemenentos de cada la el menor valor de dicha la, se obtiene el siguiente nuevo
cuadro
Equipo 1 0 3 2 0
Equipo 2 1 0 5 6
Equipo 3 1 0 4 4
Equipo 4 0 1 2 6
Restando a los elementos de cada columna el menor valor de dicha columna, se obtiene el siguiente
nuevo cuadro
Equipo 1 0 3 0 0
Equipo 2 1 0 3 6
Equipo 3 1 0 2 4
Equipo 4 0 1 0 6
Tachando la primera y la cuarta las y la segunda columna quedan cubiertos todos los ceros con el
mnimo numero de lneas. Restando 1 a todos los elementos no tachados y sumandoselo a los que quedan
tachados dos veces se obtiene la siguiente nueva tabla de asignacion.

Equipo 1 0 4 0 0
Equipo 2 0 0 2 5
Equipo 3 0 0 1 3
Equipo 4 0 2 0 6
35 Existen
EJERCICIO
dos posibles asignaciones, descritas en las siguientes tablas, ambas con un coste de 8 um. 84

Equipo 1
Equipo 2
Equipo 3
Equipo 4

Equipo 1
Equipo 2
Equipo 3
Equipo 4
36
36.EJERCICIO
Ejercicio 85
36.1. Enunciado
Resolver el problema de asignacion (mediante el metodo hungaro) consistente en asignar con el coste
mnimo un conjunto de tareas a un grupo de operarios. En la siguiente tabla se indican los costes de
asignacion de cada operario a cada tarea:
Oper.1 Oper.2 Oper.3 Oper.4 Oper.5
Tarea 1 5 3 7 3 4
Tarea 2 5 6 12 7 8
Tarea 3 2 8 3 4 5
Tarea 4 9 6 10 5 6
Tarea 5 3 2 1 4 5
Si al realizar la asignacion anterior el operario 3 no estuviera disponible:
1. indicar como se modicara el problema anterior para realizar la mejor asignacion posible;
2. indicar igualmente que informacion adicional sera necesaria para resolver el problema.
36.2. Resolucion
Restando el menor valor de cada columna a todos los elementos de dicha columna se obtiene la
siguiente tabla

Tarea 1 3 1 6 0 0
Tarea 2 3 4 11 4 4
Tarea 3 0 6 2 1 1
Tarea 4 7 4 9 2 2
Tarea 5 1 0 0 1 1
Restando el menor valor de cada la a todos los elementos de dicha la se obtiene la siguiente tabla

Tarea 1 3 1 6 0 0
Tarea 2 0 1 9 1 1
Tarea 3 0 6 2 1 1
Tarea 4 5 2 7 0 0
Tarea 5 1 0 0 1 1
No es posible realizar una asignacion porque el numero mnimo de lneas que hay que emplear para
tachar todos los ceros es menor que cinco.

Tarea 1 3 1 6 0 0
Tarea 2 0 1 8 1 1
Tarea 3 0 6 2 1 1
Tarea 4 5 2 7 0 0
Tarea 5 1 0 0 1 1
36 ElEJERCICIO 86
menor valor no tachado es 1. Restando 1 a los no tachados, sumando 1 a los tachados dos veces,
resulta la tabla siguiente

Tarea 1 4 1 6 0 0
Tarea 2 0 0 7 0 0
Tarea 3 0 5 1 0 0
Tarea 4 5 2 7 0 0
Tarea 5 2 0 0 1 1

Tarea 1
Tarea 2
Tarea 3
Tarea 4
Tarea 5
La asignacion que gura en la tabla anterior tiene el coste mnimo e igual a 2 + 6 + 1 + 5 + 4 = 18

37
37.EJERCICIO
Ejercicio 87
37.1. Enunciado
Se deben utilizar cuatro barcos para transportar bienes de un puerto determinado a otros cuatro
puertos (numerados 1, 2, 3 y 4). Se puede usar cualquier barco para hacer cualquiera de los cuatro viajes.
Sin embargo, dadas las diferencias entre las naves y las cargas, el coste total de carga, transporte y
descarga de bienes de las diferentes combinaciones de barcos y puertos vara de manera considerable.
Estos costes se muestran en la siguiente tabla.
Puerto 1 Puerto 2 Puerto 3 Puerto 4

Barco 1 500 400 300 700
Barco 2 600 600 700 500
Barco 3 700 500 700 600
Barco 4 500 400 600 600
Determinar, utilizando el metodo hungaro, con que barco se debe atender el envo de cada puerto con
el mnimo coste global.
37.2. Resolucion
Aplicando el metodo hungaro se llega a la siguiente tabla:
100 100 0 400

0 100 200 0
100 0 200 100
0 0 200 200
Lo que lleva a la siguiente asignacion:

- - X -
- - - X
- X - -
X - - -
38
38.EJERCICIO
Ejercicio 88
38.1. Enunciado
El siguiente grafo representa las carreteras (aristas) de una comarca de montana del norte de Espana
que se compone de diez ciudades (nodos) A J. Los servicios centrales de la comarca estan situados en
el municipio A. Los numeros de cada carretera (arista) indican la distancia en km entre las dos ciudades.
Te propones ayudar al personal del ayuntamiento a resolver los siguientes supuestos:
1. La unica ambulancia que hay tiene su base en el municipio A. Se estan calculando las rutas de
menor distancia entre A y el resto de municipios. Aplica el algoritmo correspondiente para calcular
la ruta de distancia mnima entre A y H.
2. El servicio de manteniento de las carreteras tiene que observar visualmente todas la carreteras del
municipio para ello tiene que pasar por todas y cada una de las carreteras. Aplica el algoritmo
especco correspondiente para averiguar que recorrido debe hacerse y cual sera la distancia que se
recorre.
3. El ayuntamiento esta pensando en ofrecer a los vecinos la posibilidad de tener bra optica en
sus casas. Para calcular el coste, como primer paso se esta pensando en como unir los municipios
con bra de forma que el nuevo cableado vaya paralelo a las carreteras de forma que a todos las
ciudades les llegue cable de bra. Indicar, aplicando el algoritmo correspondiente, por que carreteras
se tendra que llevar el cable de bra optica para minimizar la cantidad de bra utilizada.
38.2. Resolucion
Apartado 1
Se aplica el algoritmo de Dijkstra, en el graco se muestran las etiquetas permanentes correspondientes a
cada nodo. La mnima distancia entre A y H es 24 km; para ello hay que recorrer el camino ACDEGH.
Apartado 2
Hay que hallar el ciclo euleriano o el camino euleriano de menos distancia. En este caso todos los nodos
son de orden par excepto A y J. Luego NO es posible hallar un ciclo euleriano. Se puede ir mediante un
camino de A a J pasando solo una vez por cada nodo, pero despues hay que volver de J a A por el
camino mas corto (ver apartado anterior).
38 EJERCICIO 89

darco

todosarcos
dT OT AL = 6 + 5 + 12 + 8 + + 4 + 7 +dJA
dT OT AL = 133 + 27 = 160km
Y un posible ciclo sera AHDACDEGDHGJHIDFIJ-GEDCA.
Apartado 3
Se trata de hallar un arbol generador de distancia mnima, aplicando el algoritmo de Prim o el de
Kurskal. Independientemente del algoritmo utilizado la solucion es la que se muestra en la gura. Se
necesitaran 42 km de cable de bra optica.
38 EJERCICIO
38.3. Enunciado 90
El servicio de electricidad del ayuntamiento de un pueblo esta preparando el alumbrado para las estas.
En concreto tienen que unir mediante cable los distintos lugares de toma de corriente de las luces
(vertices: a, ..., h). En el grafo se puede observar las conexiones posibles as como la distancia entre cada
vertice (expresada en decenas de metros).
Es posible unir las distintas tomas de corriente con un cable de 120 m. (que es el que tienen)?O
necesitan buscar mas metros? Justicar la respuesta utilizando algun algoritmo de los que se han visto
en el temario de la asignatura.
38.4. Resolucion
En la gura se muestra el arbol generador de peso mnimo obtenido por el metodo de Kurskal o de
Prim. Hay otras soluciones optimas posibles, pero en todos los casos se necesitan 130 metros. Luego hay
que comprar mas cable.
38 EJERCICIO
38.5. Enunciado MME-1213-ENE-4 91
La mayora de los vecinos de un cierto municipio trabaja en alguno de los siete pozos que una compana
minera explota cerca del municipio. El municipio, los pozos y las vas que los conectan estan descritos
en el graco siguiente:
Antes de las elecciones el actual alcalde prometio a todos los vecinos que pavimentara algunos caminos
de forma que cada trabajador tuviera pavimentado el camino mas corto desde el municipio hasta su
pozo. Cuantos kilometros se habra ahorrado pavimentar si solo hubiera prometido que cada
trabajador tendra un camino pavimentado para acceder a su pozo? (Nota: utilizar metodos de lo que
se han visto en clase)
38.6. Resolucion
1. Para cumplir la promesa electoral el alcalde tiene que pavimentar la suma de arcos (vas) que se
utilicen al calcular el camino mas corto desde el municipio a todos los pozos (algoritmo de Dijsktra).
Los arcos que se utilizan se marcan en la gura 5 y suponen 49 kilometros.
2. En cambio si hubiera prometido a los vecinos que tendran camino pavimentado (aunque no el mas
corto) tendra ahorros. Para saber cuantos kilometros necesitara tiene que calcular el arbol generador
de peso mnimo (algoritmo de Prim o Kurskal). Se utilizaran los arcos marcados en la gura 5 (hay
soluciones multiples) y se necesitaran 39 kilometros.
Luego el ahorro sera de 10 kilometros.
39
39.EJERCICIO
Ejercicio 92
39.1. Enunciado
Enunciar tres caractersticas conmunes a todas las tecnicas metaheursticas.
39.2. Resolucion
Tres caractersticas comunes a las metaheursiticas y comunes a todas ellas son:
1. Son tecnicas que no garantizan la obtencion de la solucion otpima
2. Son de caracter general y sirven de aplicacion a una gran cantidad de problemas combinatorios
3. Son de caracter iterativo y, en cada iteracion, se admite la posibilidad de transitar por una
solucion pero que de aquella con la que se inicio la iteracion.
40
40.EJERCICIO
Ejercicio 93
40.1. Enunciado
Discutir la siguiente aseveracion: En general, las tecnicas metaheursticas permiten obtener soluciones
optimas de los problemas para los cuales se emplean.
40.2. Resolucion
La armacion, en general, es falsa, ya que las tecnicas metaheursticas se utilizan para abordar
problemas para los cuales las tecnicas exactas no resulta ecacias y ecientes. Se trata de problemas no
se conoce el valor optimo, con lo que no es posible saber si la tecnica metaheurstica alcanza o no dicho
optimo. Las tecnicas metaheursticas ofrecen soluciones razonables con tiempos de computacion no muy
elevados.
40 EJERCICIO 94
40 EJERCICIO 95
Figura 5: Soluciones utilizando el algoritmo de Dijkstra (izda) o Kurskal (dcha)

INVESTIGACION DE OPERACIONES - PL - PROBLEMAS - TECNICASpl - Problemas - Tecnicas PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

INVESTIGACION DE OPERACIONES - PL - PROBLEMAS - TECNICASpl - Problemas - Tecnicas PDF

Cargado por

Copyright:

Formatos disponibles

Coleccion de problemas de formulacion de modelos de

Alvaro Garca Sanchez, Miguel Ortega Mier

max z = 5x1 + 6x2 + 8x3

1. Obtener el plan optimo de envasado de F R.

max z = 5x1 + 6x2 + 8x3

max z = 5x1 + 6x2 + 8x3

Introduciendo en la base x1 y sacando a, se obtiene:

Apartado 3. En terminos del planteamiento del modelo, la posibilidad descrita se traducira en la

Es decir, el mix es el mismo si se cumple simultaneamente:

Apartado 5. La demanda de refrescos quedar reejada en la segunda restriccion. Si cambia b2 , la

Las variables basicas son x1 y x3 siempre y cuando V B (). Es decir:

del Simplex V B () es:

1/2 + 1/2x2 + 3/10h1 0 1/2x2 + 3/10h1 h3 = 1/2

max z = 5x1 + 6x2 + 8x3

1. Obtener el plan optimo de envasado de F R.

max z = 5x1 + 6x2 + 8x3

max z = 5x1 + 6x2 + 8x3

Introduciendo en la base x1 y sacando a, se obtiene:

Apartado 3. En terminos del planteamiento del modelo, la posibilidad descrita se traducira en la

Es decir, el mix es el mismo si se cumple simultaneamente:

Apartado 5. La demanda de refrescos quedar reejada en la segunda restriccion. Si cambia b2 , la

Las variables basicas son x1 y x3 siempre y cuando V B (). Es decir:

del Simplex V B () es:

1/2 + 1/2x2 + 3/10h1 0 1/2x2 + 3/10h1 h3 = 1/2

max z = 140x1 + 150x2

Apartado 1. La utilizacion que se hace de los recursos es la siguiente:

Apartado 4. San Guemil esta produciendo en la actualidad 11 m3 , por lo que en la actualidad ya

x1 aumenta en 10 15 = 2, con lo que se producen 2 m3 mas de lager, es decir, se produciran 7 m3

Apartado 4 Para c1 y c3 ya se ha visto en el apartado b) que el intervalo correspondiente sera [40/3, )

max z = 5x1 + 2x2 9x3

1. Que arma el Teorema Fundamental de la Programacion Lineal?Que implicaciones tiene en termi-

max z = 4x1 + 12x2 + 2x3

max z = 4x1 + 12x2 + 2x3

Apartado 2. La solucion correspondiente a la tabla dada no es la solucion optima, porque la variable

La tabla obtenida corresponde a la solucion optima. El plan de produccion consiste en:

Apartado 4. El precio sombra de la restriccion correspondiente al compromiso comercial (de tipo )

Apartado 5. La informacion adicional da lugar a la aparicion de una nueva restriccion: x3 1. Como

producir 1/3 de pale de producto P2 ,

Apartado 6. Resulta interesante producir y vender P2 mientras V B 0, ya que x2 es una variable

max z = x1 + x2 5x3 + 14x4

Y, por lo tanto, la tabla es:

Apartado 3. El nuevo problema tendra c4 = 5, por lo que V B cambiara de valor.

En este caso, al realizar una unidad de x3 la funcion objetivo disminuira en 5 y la modicacion de

Apartado 5. El problema dual es:

min s = 24y1 + 12y2

2. Al resolver un problema mediante el metodo de las dos fases:

3. Dado un problema de programacion lineal de maximizacion P, cuya solucion optima es x :

3. Dado un problema de programacion lineal P, cuya solucion optima es x

Tiempo Tiempo Tiempo Contrib.

max z = 35x1 + 40x2 + 20x3 + 50x4

Apartado 1. El vector de realizacion de las actividades basicas se obtiene como uB = B 1 b. En este

Con lo que el nuevo plan optimo consiste en:

La segunda tabla se obtiene introduciendo x2 y eliminando x1 de la base. Para valores de superiores

max z = 300x1 + 400x2 + 500x3

REVISAR ERRATAS ULTIMO APARTADO

Apartado 1. Se aplica el metodo del Simplex partiendo de la tabla dada:

El programa de produccion optimo consiste en producir:

Mientras la disponibilidad de manillares este entre 37 y 70 a la semana, la composicion del plan de

Apartado 6. Se trata de estudiar la solucion optima cuando el vector de contribuciones unitarias al

La solucion es la solucion optima si se cumple simultaneamente

Es decir, mientras 100 300 la base no se modica.

La solucion es la solucion optima si se cumple simultaneamente

Esto se cumple para cualquier valor de con 150 100