Ejercicios Inv Operativa

La empresa el SAMN Ltda.
Dedicada a la fabricacin de muebles, ha ampliado su produccin en dos

lneas ms. Por lo tanto actualmente fabrica mesas, sillas, camas y bibliotecas. Cada mesa requiere
de 2 piezas rectangulares de 8 pines, y 2 piezas cuadradas de 4 pines. Cada silla requiere de 1 pieza
rectangular de 8 pines y 2 piezas cuadradas de 4 pines, cada cama requiere de 1 pieza rectangular de
8 pines, 1 cuadrada de 4 pines y 2 bases trapezoidales de 2 pines y finalmente cada biblioteca requiere
de 2 piezas rectangulares de 8 pines, 2 bases trapezoidales de 2 pines y 4 piezas rectangulares de 2
pines. Cada mesa cuesta producirla $10000 y se vende en $ 30000, cada silla cuesta producirla $
8000 y se vende en $ 28000, cada cama cuesta producirla $ 20000 y se vende en $ 40000, cada
biblioteca cuesta producirla $ 40000 y se vende en $ 60000. El objetivo de la fbrica es maximizar las
utilidades.
PASO 1: MODELACIN MEDIANTE PROGRAMACIN LINEAL

Las variables:
X1 = Cantidad de mesas a producir (unidades)

X2 = Cantidad de sillas a producir (unidades)
X3 = Cantidad de camas a producir (unidades)
X4 = Cantidad de bibliotecas a producir (unidades)
Las restricciones:
2X1 + 1X2 + 1X3 + 2X4 <= 24

2X1 + 2X2 + 1X3 <= 20
2X3 + 2X4 <= 20
4X4 <= 16
La funcin Objetivo:
ZMAX = 20000X1 + 20000X2 + 20000X3 + 20000X4

PASO 2: CONVERTIR LAS INECUACIONES EN ECUACIONES
En este paso el objetivo es asignar a cada recurso una variable de Holgura, dado que todas las
restricciones son "<=".
2X1 + 1X2 + 1X3 + 2X4 + 1S1 + 0S2 + 0S3 + 0S4 = 24

2X1 + 2X2 + 1X3 + 0X4 + 0S1 + 1S2 + 0S3 + 0S4 = 20
0X1 + 0X2 + 2X3 + 2X4 + 0S1 + 0S2 + 1S3 + 0S4 = 20
0X1 + 0X2 + 0X3 + 4X4 + 0S1 + 0S2 + 0S3 + 1S4 = 16
De esta manera podemos apreciar una matriz identidad (n = 4), formado por las variables de holgura
las cuales solo tienen coeficiente 1 en su respectivo recurso, por el ejemplo la variable de holgura "S1"
solo tiene coeficiente 1 en la restriccin correspondiente a el recurso 1.
La funcin objetivo no sufre variaciones:
ZMAX = 20000X1 + 20000X2 + 20000X3 + 20000X4

PASO 3: DEFINIR LA SOLUCIN BSICA INICIAL
El Mtodo Simplex parte de una solucin bsica inicial para realizar todas sus iteraciones, esta
solucin bsica inicial se forma con las variables de coeficiente diferente de cero (0) en la matriz
identidad.
1S1 = 24
1S2 = 20
1S3 = 20
1S4 = 16
PASO 4: DEFINIR LA TABLA SIMPLEX INICIAL
www.ingenieriaindustrialonline.com
Solucin: (segundo trmino)= En esta fila se consigna el segundo trmino de la solucin, es decir las
variables, lo ms adecuado es que estas se consignen de manera ordenada, tal cual como se
escribieron en la definicin de restricciones.
Cj = La fila "Cj" hace referencia al coeficiente que tiene cada una de las variables de la fila "solucin"
en la funcin objetivo.
Variable Solucin = En esta columna se consigna la solucin bsica inicial, y a partir de esta en cada
iteracin se van incluyendo las variables que formarn parte de la solucin final.
Cb = En esta fila se consigna el valor que tiene la variable que se encuentra a su derecha "Variable
solucin" en la funcin objetivo.
Zj = En esta fila se consigna la contribucin total, es decir la suma de los productos entre trmino y
Cb.
Cj - Zj = En esta fila se realiza la diferencia entre la fila Cj y la fila Zj, su significado es un "Shadow
price", es decir, la utilidad que se deja de recibir por cada unidad de la variable correspondiente que
no forme parte de la solucin.
Solucin inicial:
PASO 5: REALIZAR LAS ITERACIONES NECESARIAS
Este es el paso definitivo en la resolucin por medio del Mtodo Simplex, consiste en realizar intentos
mientras el modelo va de un vrtice del poliedro objetivo a otro.
El procedimiento a seguir es el siguiente:
1. Evaluar que variable entrar y cual saldr de la solucin ptima:
Maximizar Minimizar
Variable que
La ms positiva de los Cj - Zj La ms negativa de los Cj - Zj
entra
Siendo b los valores bajo la celda solucin Siendo b los valores bajo la celda solucin
y a el valor correspondiente a la interseccin y a el valor correspondiente a la interseccin
Variable que sale
entre b y la variable que entra. La menos entre b y la variable que entra. La ms
positiva de los b/a. positiva de los b/a.
2. El hecho de que una variable distinta forme parte de las variables solucin implica una serie de
cambios en el tabulado Simplex, cambios que se explicarn a continuacin.
- Lo primero es no olvidar el valor del "a" correspondiente a la variables a entrar, en este caso el "a =
4".
- Lo siguiente es comenzar a rellenar el resto de la tabla, fila x fila.
- Se repite este procedimiento con las dos filas restantes, ahora se harn los clculos correspondientes
en el resto de las celdas.
De esta manera se culmina la primera iteracin, este paso se repetir cuantas veces sea necesario y
solo se dar por terminado el mtodo segn los siguientes criterios.
Maximizar Minimizar
Solucin ptima Cuando todos los Cj - Zj sean <= 0 Cuando todos los Cj - Zj sean >= 0
- Continuamos con las iteraciones para lo cual tenemos que repetir los pasos anteriores.
En esta ltima iteracin podemos observar que se cumple con la consigna Cj - Zj <= 0, para ejercicios
cuya funcin objetivo sea "Maximizar", por ende hemos llegado a la respuesta ptima.
X1 = 3
X2 = 4
X3 = 6
X4 = 4
Con una utilidad de: $ 340000
Sin embargo una vez finalizado el Mtodo Simplex se debe observar una matriz identidad en el
rectngulo determinado por las variables de decisin, el hecho de que en este caso no se muestre la
matriz identidad significa que existe una solucin ptima alterna.
La manera de llegar a la otra solucin consiste en alterar el orden en que cada una de las variables
entro a la solucin bsica, recordemos que el proceso fue decidido al azar debido a la igualdad en el
Cj - Zj del tabulado inicial. Aqu les presentamos una de las maneras de llegar a la otra solucin.
Podemos observar como existe una solucin ptima alternativa en la cual la combinacin de variables
es distinta y existe un menor consumo de recursos, dado que el hecho de que se encuentre la variable
"S1" en la solucin ptima con un coeficiente de "3" significa que se presenta una holgura de 3
unidades del recurso (pieza rectangular de 8 pines).
X1 = 0 (Cantidad de mesas a producir = 0)

X2 = 7 (Cantidad de sillas a producir = 7)
X3 = 6 (Cantidad de camas a producir = 6)
X4 = 4 (Cantidad de estantes a producir = 4)
S1 = 3 (Cantidad de piezas rectangulares de 8 pines sin utilizar =3)
Con una utilidad de: $ 3400

PROBLEMAS DE MINIMIZACIN CON EL
MTODO SIMPLEX
Para resolver problemas de minimizacin mediante el algoritmo simplex existen dos procedimientos
que se emplean con regularidad.
El primero, que a mi juicio es el ms recomendable se basa en un artificio aplicable al algoritmo

fundamentado en la lgica matemtica que dicta que "para cualquier funcin f(x), todo punto que
minimice a f(x) maximizar tambin a - f(x)". Por lo tanto el procedimiento a aplicar es multiplicar por el
factor negativo (-1) a toda la funcin objetivo.
a continuacin, se resuelve el algoritmo como un problema de maximizacin.
El segundo procedimiento, el cual pretende conservar la minimizacin consiste en aplicar los

criterios de decisin que hemos esbozado con anterioridad, en los casos de la variable que
entra, que sale y el caso en el que la solucin ptima es encontrada. Aqu recordamos los
procedimientos segn el criterio dado el caso "minimizar".
Minimizar
Variable que
La ms negativa de los (Cj - Zj)
entra
Variable que Siendo "b" los valores bajo la celda solucin y "a" el valor correspondiente a la interseccin
sale entre "b" y la variable que entra. La ms positiva de los "b/a".
Solucin
Cuando todos los (Cj - Zj) sean >= 0.
ptima
EJERCIOCIO 2
Resolver mediante el mtodo simplex el siguiente problema:
Maximizar Z = f(x,y) = 3x + 2y
sujeto a: 2x + y 18
2x + 3y 42
3x + y 24
x0,y0
Se consideran las siguientes fases:
1. Realizar un cambio de variables y normalizar el signo de los trminos independientes.
Se realiza un cambio en la nomenclatura de las variables. Establecindose la correspondencia

siguiente:
x pasa a ser X1
y pasa a ser X2
Como los trminos independientes de todas las restricciones son positivos no es necesario
hacer nada. En caso contrario habra que multiplicar por "-1" en ambos lados de la inecuacin
(teniendo en cuenta que esta operacin tambin afecta al tipo de restriccin).
2. Normalizar las restricciones.
Se convierten las inecuaciones en ecuaciones agregando variables de

holgura, exceso y artificiales segn la tabla siguiente:
Tipo de desigualdad Tipo de variable que aparece

- exceso + artificial
= + artificial
+ holgura
En este caso se introduce una variable de holgura (X3, X4 y X5) en cada una de las restricciones
del tipo , para convertirlas en igualdades, resultando el sistema de ecuaciones lineales:
2X1 + X2 + X3 = 18
2X1 + 3X2 + X4 = 42
3X1 + X2 + X5 = 24
3. Igualar la funcin objetivo a cero.
Z - 3X1 - X2 - 0X3 - 0X4 - 0X5 = 0
4. Escribir la tabla inicial del mtodo Simplex.
La tabla inicial del mtodo Simplex est compuesta por todos los coeficientes de las variables de
decisin del problema original y las de holgura, exceso y artificiales agregadas en el paso 2 (en las
columnas, siendo P0 el trmino independiente y el resto de variables Pi coinciden con Xi), y las
restricciones (en las filas). La columna Cb contiene los coeficientes de las variables que se
encuentran en la base.
La primera fila est formada por los coeficientes de la funcin objetivo, mientras que la ltima
fila contiene el valor la funcin objetivo y los costes reducidos Zj - Cj.
La ltima fila se calcula como sigue: Zj = (CbiPj) para i = 1..m, donde si j = 0, P0 = bi y C0 = 0,

y en caso contrario Pj = aij. Aunque al tratarse de la primera tabla del mtodo Simplex y ser todos
los Cb nulos se puede simplificar el clculo, y por esta vez disponer Zj = -Cj.
Tabla I . Iteracin n 1
3 2 0 0 0
Base Cb P0 P1 P2 P3 P4 P5
P3 0 18 2 1 1 0 0
P4 0 42 2 3 0 1 0
P5 0 24 3 1 0 0 1
Z 0 -3 -2 0 0 0
5. Condicin de parada.
Si el objetivo es la maximizacin, cuando en la ltima fila (fila indicadora) no existe ningn valor
negativo entre los costes reducidos (columnas P1 en adelante) se alcanza la condicin de parada.
En tal caso se llega al final del algoritmo ya que no existe posibilidad de mejora. El valor de Z
(columna P0) es la solucin ptima del problema.
Otro caso posible es que en la columna de la variable entrante a la base todos los valores son
negativos o nulos. Esto indica que el problema no se encuentra acotado y su solucin siempre
resultar mejorable. Ante esta situacin no es necesario continuar iterando indefinidamente y
tambin se puede dar por finalizado el algoritmo.
De no ser as, se ejecutan los siguientes pasos de forma iterativa.
6. Eleccin de la variable entrante y saliente de la base.
Se determina en primer lugar la variable que entra en la base. Para ello se escoge la columna cuyo
valor en la fila Z sea el menor de entre todos los negativos. En este caso sera la variable X 1 (P1)
de coeficiente -3.
Si existiesen dos o ms coeficientes iguales que cumplan la condicin anterior (caso de

empate), entonces se optar por aquella variable que sea bsica.
La columna de la variable que entra en la base se llama columna pivote (en color verde).
Una vez obtenida la variable que entra en la base, se procede a determina cual ser la variable
que sale de la misma. La decisin se toma en base a un sencillo clculo: dividir cada trmino
independiente (columna P0) entre el elemento correspondiente de la columna pivote, siempre que
ambos elementos sean estrictamente positivos (mayores que cero). Se escoge la fila cuyo resultado
haya resultado mnimo.
Si hubiera algn elemento menor o igual a cero no se realiza dicho cociente. En caso de que
todos los elementos de la columna pivote fueran de sta condicin se habra cumplido la condicin
de parada y el problema tendra una solucin no acotada (ver teora del mtodo Simplex).
En este ejemplo: 18/2 [=9] , 42/2 [=21] y 24/3 [=8]
El trmino de la columna pivote que en la divisin anterior dio lugar al menor cociente positivo
indica la fila de la variable de holgura que sale de la base. En este caso resulta ser X5 (P5), de
coeficiente 3. Esta fila se llama fila pivote (en color verde).
Si al calcular los cocientes, dos o ms resultados cumplen la condicin para elegir el elemento
saliente de la base (caso de empate), se escoge aquella que no sea variable bsica (siempre que
sea es posible).
La interseccin de la fila pivote y columna pivote marca el elemento pivote, en este caso el 3.
7. Actualizar la tabla.
Los nuevos coeficientes de la tabla se calculan de la siguiente manera:
En la fila del elemento pivote cada nuevo elemento se calcula como:
Nuevo Elemento Fila Pivote = Anterior Elemento Fila Pivote / Pivote
En el resto de las filas cada elemento se calcula:
Nuevo Elemento Fila = Anterior Elemento Fila - (Anterior Elemento Fila en Columna Pivote
* Nuevo Elemento Fila Pivote)
Con esto se normaliza el elemento pivote y su valor pasa a ser 1, mientras que el resto de
elementos de la columna pivote se anulan (anlogo al mtodo de Gauss-Jordan).
Se muestran a continuacin los clculos para la fila P4:
Anterior fila P4 42 2 3 0 1 0
- - - - - -
Anterior Elemento Fila en Columna Pivote 2 2 2 2 2 2
x x x x x x
Nueva fila pivote 8 1 1/3 0 0 1/3
= = = = = =
Nueva fila P4 26 0 7/3 0 1 -2/3
La tabla correspondiente a esta segunda iteracin es:
Tabla II . Iteracin n 2
3 2 0 0 0
P3 0 2 0 1/3 1 0 -2/3
P4 0 26 0 7/3 0 1 -2/3
P1 3 8 1 1/3 0 0 1/3
Tabla II . Iteracin n 2
Z 24 0 -1 0 0 1
8. Al comprobar la condicin de parada se observa que no se cumple ya que entre los elementos de
la ltima fila hay uno negativo, -1. Se contina iterando nuevamente los pasos 6 y 7.
6.1. La variable que entra en la base es X2 (P2), por ser la variable que corresponde a la
columna donde se encuentra el coeficiente -1.
6.2. Para calcular la variable que sale, se dividen los trminos de la columna P 0 entre los
trminos correspondientes de la nueva columna pivote: 2 / 1/3 [=6] , 26 / 7/3 [=78/7] y 8 / 1/3
[=24]. Como el menor cociente positivo es 6, la variable que sale de la base es X 3 (P3).
6.3. El elemento pivote es 1/3.
7. Actualizando nuevamente los valores de la tabla se obtiene:
Tabla III . Iteracin n 3

3 2 0 0 0
P2 2 6 0 1 3 0 -2
P4 0 12 0 0 -7 1 4
P1 3 6 1 0 -1 0 1
Z 30 0 0 3 0 -1
9. Una nueva comprobacin de la condicin de parada revela que entre los elementos de la fila
indicadora vuelve a haber uno negativo, -1. Significa que aun no se ha llegado a la solucin ptima
y hay que seguir iterando (pasos 6 y 7):
6.1. La variable que entra en la base es X5 (P5), por ser la variable que corresponde al
coeficiente -1.
6.2. Se escoge la variable que sale calculando el cociente entre los trminos de la columna
de trminos independientes y los trminos correspondientes de la nueva columna pivote: 6/(-
2) [=-3] , 12/4 [=3], y 6/1 [=6]. En esta ocasin es X4 (P4).
6.3. El elemento pivote es 4.
7. Despus de actualizar todas las filas, se obtiene la tabla siguiente:
Tabla IV . Iteracin n 4
3 2 0 0 0
P2 2 12 0 1 -1/2 1/2 0
P5 0 3 0 0 -7/4 1/4 1
P1 3 3 1 0 3/4 -1/4 0
Tabla IV . Iteracin n 4
Z 33 0 0 5/4 1/4 0
10. Fin del algoritmo.
Se observa que en la ltima fila todos los coeficientes son positivos cumplindose, por tanto la
condicin de parada.
La solucin ptima viene dada por el valor de Z en la columna de los trminos independientes
(P0), en este ejemplo: 33. En la misma columna se puede ver el punto donde se alcanza, observando
las filas correspondientes a las variables de decisin que han entrado en la base: X 1 = 3 y X2 = 12.
Deshaciendo el cambio de variables se obtiene x = 3 e y = 12.

EL PROBLEMA
La fbrica de Hilados y Tejidos "SALAZAR" requiere fabricar dos tejidos de calidad diferente T y T; se
dispone de 500 Kg de hilo a, 300 Kg de hilo b y 108 Kg de hilo c. Para obtener un metro de T
diariamente se necesitan 125 gr de a, 150 gr de b y 72 gr de c; para producir un metro de T por da
se necesitan 200 gr de a, 100 gr de b y 27 gr de c.
El T se vende a $4000 el metro y el T se vende a $5000 el metro. Si se debe obtener el mximo

beneficio, cuntos metros de T y T se deben fabricar?
LA MODELIZACIN MEDIANTE PROGRAMACIN

LINEAL
VARIABLES
XT: Cantidad de metros diarios de tejido tipo T a fabricar

XT: Cantidad de metros diarios de tejido tipo T a fabricar
RESTRICCIONES
0,12XT + 0,2XT <= 500 Hilo a

0,15XT + 0,1XT <= 300 Hilo b
0,072XT + 0,027XT <= 108 Hilo c
Las restricciones de no negatividad no son necesarias en este ejemplo dado que se trata de un
ejercicio de maximizacin, cuando el ejercicio sea de minimizacin lo ms recomendado es incluirlas.
FUNCIN OBJETIVO
ZMAX = 4000XT + 5000XT
LA SOLUCIN MEDIANTE MTODO GRFICO

PASO 1: GRAFICAR LAS RESTRICCIONES
Para iniciar con el trazado de las restricciones es indispensable igualar las restricciones a 0, de esta
manera podemos mediante despeje de ecuaciones iniciar con la tabulacin que nos otorgar las
coordenadas para esbozar cada una de las grficas. Adems dado que se trabajar en el plano
cartesiano sera prudente renombrar las variables
XT = x
XT' = y
Igualamos las restricciones,
0,12X + 0,2y = 500

0,15X + 0,1y = 300
0,072X + 0,027y = 108
Acto seguido iniciamos con la primera restriccin, hallamos las primeras dos coordenadas. Para hallar
las coordenadas regularmente llevamos una de las variables a cero, para de esta manera despejar
ms fcilmente la segunda.
Por ejemplo, para un x = 0
0,12(0) + 0,2y = 500

0,2y = 500
500/0,2 = y
2500 = y
y para un y = 0
0,12x + 0,2(0) = 500

0,12x = 500
x = 500/0,12
x = 4167
Seguimos con la segunda restriccin,
0,15X + 0,1y = 300
Tercera restriccin,
0,072X + 0,027y = 108

En el siguiente grfico se muestra el polgono solucin de color gris, en este conjunto es donde cada
coordenada cumple con todas las restricciones, las cuales se caracterizan por ser restricciones de
menor o igual y esta caracterstica se representa con una flecha haca abajo.
Una vez se llega a este punto es indispensable saber que las soluciones ptimas se alojan en los
vrtices del polgono solucin (color gris) y que identificar a la solucin ptima es cuestin de elegir la
mejor alternativa dependiendo de las herramientas disponibles (tecnolgicas y conocimientos
matemticos).
La primera opcin es la geomtrica, esta depende de trazar la ecuacin que representa a la funcin
objetivo (este paso consiste en realizar el mismo procedimiento de las restricciones).
Funcin objetivo,
ZMAX = 4000x + 5000y
luego igualamos a 0.
4000x + 5000y = 0
luego tabulamos para obtener las coordenadas necesarias para esbozar la grfica correspondientes a
la ecuacin (en esta ocasin es recomendable ms de dos coordenadas, incluyendo la coordenada (x
= 0, y = 0).
Una vez se ha esbozado la funcin objetivo (lnea negra) sacamos replicas paralelas a esta que se
encuentren con cada vrtice, y solo en el caso en que la lnea imaginaria paralela a la funcin objetivo
no corte el polgono solucin se ha encontrado la solucin ptima. En otras palabras trasladamos la
funcin objetivo por todo el polgono conservando su forma paralela con la original, la detenemos en
los vrtices y evaluamos si esta corta o no el conjunto solucin.
Claramente solo en el punto "B", es decir en el vrtice formado por la interseccin de las ecuaciones
1 y 2, la lnea imaginaria no corta el polgono solucin, entonces es este punto el correspondiente a la
coordenada ptima.
Para hallar el valor de esta coordenada es indispensable recurrir a la resolucin de ecuaciones lineales
2x2, y se pueden considerar varios mtodos de solucin entre ellos:
- Mtodo por sustitucin

- Mtodo por igualacin
- Mtodo por reduccin o Eliminacin
- Mtodo por eliminacin Gauss
- Mtodo por eliminacin Gauss - Jordn
- Mtodo por determinantes
La riqueza de las matemticas nos deja suficientes alternativas, para mi gusto el mtodo de reduccin
o eliminacin es muy sencillo de aplicar.
El mtodo por reduccin o eliminacin consiste en igualar los coeficientes de una de las variables
multiplicando una o las dos ecuaciones, teniendo en cuenta que estos coeficientes queden iguales
pero con signos contrarios.
Ecuacin 1 0,12x + 0,2y = 500

Ecuacin 2 0,15x + 0,1y = 300 multiplicamos por (-2)
Ecuacin 3 (2*(-2)) -0,30x - 0,2y = -600
Sumamos 1 y 3 -0,18x = -100
Despejamos "x" x = -100 / (-0,18)
x = 555,55
luego reemplazamos x = 555,55 en cualquiera de las dos ecuaciones originales con el objetivo de
despejar "y".
Ecuacin 1 0,12x + 0,2y = 500

Reemplazamos "x" 0,12(555,55) + 0,2y = 500
Despejamos "y" 66,666 + 0,2y = 500
0,2y = 500 - 66,666
0,2y = 433,334
y = 433,334 / 0,2
y = 2166,67
De esta forma hemos obtenido los valores para "x" y "y".
Recordemos que x y y fueron los nombres que recibieron las variables originales XT y XT'
x = XT
y = XT'
XT = 555,55
XT' = 2166,67
y la contribucin obtenida (reemplazando las variables en la funcin objetivo) es de:
Zmax = 4000XT + 5000XT'

Zmax = 4000(555,55) + 5000(2166,67)
Zmax = 13.055.550
Ahora podemos cotejar los resultados con los obtenidos mediante resolucin por Solver - Excel, sin
embargo recuerden que el mtodo de bsqueda de la solucin ptima en el mtodo grfico que
utilizamos es el geomtrico y que existe una posibilidad mucho ms engorrosa pero igualmente
efectiva, este es el mtodo de iteracin por vrtice, y que consiste en hallar todas las coordenadas de
los vrtices y luego en cada coordenada se evala la funcin objetivo, (cada coordenada nos
proporciona un valor en "x" y otro en "y", luego reemplazamos estos valores en la funcin objetivo
"4000x + 5000y = ?" y luego evaluamos los resultados seleccionando la mayor cantidad).
Una herramienta muy til al momento de resolver ejercicios mediante el mtodo grfico es una
calculadora graficadora, como es el caso de la calculadora de encarta (disponible aqu).
EJERCICIO
Un estudiante dedica parte de su tiempo al reparto de propaganda publicitaria. La empresa A le paga 5 dlares
por cada impreso repartido y la empresa B, con folletos ms grandes, le paga 7 dlares por impreso. El estudiante
lleva dos bolsas: una para los impresos A, en la que caben 120 y otra para los impresos B, en la que caben 100.
Ha calculado que cada da es capaz de repartir 150 impresos como mximo. Lo que se pregunta el estudiante es:
Cuntos impresos habr que repartir de cada clase para que su beneficio diario sea mximo?
Sean las variables de decisin:
x= n: de impresos diarios tipo A repartidos.
y= n: de impresos diarios tipo B repartidos.
Funcin objetivo:
f=5x+7y
Restricciones:
Mtodo Grfico
Grfica:
Los puntos de interseccin son:
Siendo los valores de la funcin objetivo:
Debe repartir 50 impresos tipo A y 100 tipo B para una ganancia mxima diaria de 950 dlares.
Mtodo Simplex
Ejercicio
jercicio N1: Una empresa vitivincola ha adquirido recientemente un terreno de 110 hectreas.
Debido a la calidad del sol y el excelente clima de la regin, se puede vender toda la produccin de
uvas Sauvignon Blanc y Chardonay. Se desea conocer cunto plantar de cada variedad en las 110
hectreas, dado los costos, beneficios netos y requerimientos de mano de obra segn los datos que
se muestran a continuacin:
Suponga que se posee un presupuesto de US$10.000 y una disponibilidad de 1.200 das hombre
durante el horizonte de planificacin. Formule y resuelva grficamente un modelo de Programacin
Lineal para este problema. Detalle claramente el dominio de soluciones factibles y el procedimiento
utilizado para encontrar la solucin ptima y valor ptimo.
Variables de Decisin:
: Hectreas destinadas al cultivo de de Sauvignon Blanc
: Hectreas destinadas al cultivo de Chardonay
Funcin Objetivo:
Maximizar
Restricciones:
Donde las restricciones estn asociadas a la disponibilidad mxima de hectreas para la plantacin,
presupuesto disponible, horas hombre en el perodo de planificacin y no negatividad,
respectivamente.
El siguiente grfico muestra la representacin del problema de la empresa vitivincola. El rea

achurada corresponde al dominio de soluciones factibles, donde la solucin bsica factible
ptima se alcanza en el vrtice C, donde se encuentran activas las restricciones de presupuestos y
das hombre. De esta forma resolviendo dicho sistema de ecuaciones se encuentra la coordenada de
la solucin ptima donde y (hectreas). El valor
ptimo es (dlares).
Ejercicio N2: Un taller tiene tres (3) tipos de mquinas A, B y C; puede fabricar dos (2) productos
1 y 2, todos los productos tienen que ir a cada mquina y cada uno va en el mismo orden: Primero a
la mquina A, luego a la B y luego a la C. La siguiente tabla muestra:
Las horas requeridas en cada mquina, por unidad de producto
Las horas totales disponibles para cada mquina, por semana
La ganancia por unidad vendida de cada producto
Formule y resuelva a travs del mtodo grfico un modelo de Programacin Lineal para la situacin
anterior que permite obtener la mxima ganancia para el taller.
: Unidades a producir del Producto 1 semanalmente
: Unidades a producir del Producto 2 semanalmente
Funcin Objetivo:
Maximizar
Restricciones:
Las restricciones representan la disponibilidad de horas semanales para las mquinas A, B y C,

respectivamente, adems de incorporar las condiciones de no negatividad.
Para la resolucin grfica de este modelo utilizaremos el software GLP cual abordamos en el
artculo Problema de Planificacin Forestal resuelto con Graphic Linear Optimizer (GLP). El
rea de color verde corresponde al conjunto de soluciones factibles y la curva de nivel de la funcin
objetivo que pasa por el vrtice ptimo se muestra con una lnea punteada de color rojo.
La solucin ptima es y con valor ptimo que

representa la ganancia para el taller.
Ejercicio N3: Una compaa elabora dos productos diferentes. Uno de ellos requiere por unidad 1/4
de hora en labores de armado, 1/8 de hora en labores de control de calidad y US$1,2 en materias
primas. El otro producto requiere por unidad 1/3 de hora en labores de armado, 1/3 de hora en
labores de control de calidad y US$0,9 en materias primas. Dada las actuales disponibilidades de
personal en la compaa, existe a lo ms un total de 90 horas para armado y 80 horas para control
de calidad, cada da. El primer producto descrito tiene un valor de mercado (precio de venta) de
US$9,0 por unidad y para el segundo este valor corresponde a US$8,0 por unidad. Adicionalmente se
ha estimado que el lmite mximo de ventas diarias para el primer producto descrito es de 200
unidades, no existiendo un lmite mximo de ventas diarias para el segundo producto.
Formule y resuelva grficamente un modelo de Programacin Lineal que permita maximizar las
utilidades de la compaa.
: Unidades a producir diariamente del Producto 1
: Unidades a producir diariamente del Producto 2
Funcin Objetivo:
Maximizar
Restricciones:
La primera restriccin representa las limitantes de horas de armado diariamente. La segunda

restriccin la disponibilidad de horas para labores de control de calidad (tambin diariamente). La
tercera restriccin establece una cota superior para la produccin y ventas diarias del Producto 1.
Adicionalmente se incluyen las condiciones de no negatividad para las variables de decisin.
El dominio de soluciones factibles tiene 5 vrtices que corresponden a los candidatos a ptimos del
problema. En particular el vrtice ptimo es D de modo que la solucin
ptima es y con valor
ptimo que corresponde a la utilidad mxima para la empresa.
EJERCICIO
Ejemplo del Mtodo Simplex Dual

Consideremos el siguiente problema para ilustrar sobre la aplicacin del Mtodo Simplex Dual:
Para llevar el problema anterior a la forma estndar se requiere agregar 2 variables de exceso no
negativas para la restriccin 1 y 2, que llamaremos respectivamente X4 y X5. De esta forma el
problema en su formato estndar queda definido por:
Luego construimos la tabla inicial del Mtodo Simplex:
Cmo continuar con las iteraciones del Mtodo Simplex?. Antes de ello es necesario disponer
de una solucin bsica factible inicial. En este contexto si quisiramos
usar X4 y X5 como variables bsicas (y en consecuencia X1, X2 y X3 como variables no
bsicas) se requiere que X4 y X5 sean mayores o iguales a cero, sin embargo, sus coeficientes en
las respectivas filas son negativos y por tanto no se dispone de la identidad (matriz con 1 como
diagonal y el resto de coeficientes igual a cero).
En consecuencia para formar la identidad podemos multiplicar por -1 la fila 1 y 2, obteniendo lo
siguiente:
En la tabla anterior se tiene una solucin bsica (infactible en las variables primales), pero al tener
costos reducidos no negativos esto define una solucin bsica factible en el dual.
Ahora X4 y X5 son variables bsicas y adoptan los valores de -1 y -3/2, respectivamente, lo que
claramente no satisface las condiciones de no negatividad para las variables de decisin, es
decir, no corresponde a una solucin bsica factible.
Sin embargo, en esta instancia podemos aplicar el Mtodo Simplex Dual como alternativa de
resolucin. Para ello seleccionaremos una variable que deje la base y adoptaremos como criterio de
seleccin aquella variable bsica asociada al lado derecho ms negativo (con esto se busca
favorecer la rapidez de convergencia).
En el ejemplo dicha variable es X5. Luego para determinar que variable entra a la base realizamos
un mnimo cuociente entre el negativo del costo reducido de las variables no bsicas y las entradas
estrictamente menores a cero para las variables no bsicas en la fila 2 (fila asociada al lado derecho
ms negativo).
Es decir: Min{-160/-2; -120/-2; -280/-2}=60 ==> el cuociente mnimo se alcanza en la
segunda columna asociada a la variable no bsica X2, por tanto dicha variable entra a la base.
En cada iteracin del Mtodo Simplex Dual se escoge un lado derecho con valor negativo,
identificando la respectiva variable bsica primal, quien deja la base.
Finalmente se realiza una iteracin realizando las operaciones filas que sean necesarias, de modo de
ingresar X2 a la base al mismo tiempo que X5 deja la base. Los resultados seran:
Notar que ahora las variables bsicas son X4 y X2 donde slo X4=-1/4 lo que no satisface la
condicin de ser una solucin bsica factible. Por lo tanto realizamos una nueva iteracin, en este
caso sacando de la base a la variable X4 y calculamos el mnimo cuociente: Min{-40/-1; -160/-3;
-60/-1/2}=40 ==> el cuociente mnimo est en la primera columna por tanto la variable X1 entra
a la base.
En consecuencia se actualiza la tabla quedando lo siguiente:
Las variables bsicas ahora son X1=1/4 y X2=1/2 (que cumplen las condiciones de no
negatividad). Adicionalmente el costo reducido de las variables no bsicas tambin es mayor
o igual a cero, por tanto estamos frente a la solucin ptima del problema.
Se puede reconocer adicionalmente que el valor ptimo es V(P)=100 que se obtendra al evaluar la
solucin ptima del problema en la funcin objetivo, sin embargo, en el procedimiento dicho valor se
obtiene con signo cambiado.
El ejemplo anterior nos permiti apreciar cmo a travs del Mtodo Simplex Dual se puede abordar
la resolucin de un modelo de Programacin Lineal que luego de ser llevado a la forma estndar no
provee una solucin bsica factible inicial.
Cabe destacar que el Mtodo Simplex Dual que no es la nica alternativa algortmica a la cual
podemos recurrir para resolver el problema propuesto. Por ejemplo, podramos haber alcanzado
idnticos resultados aplicando el Mtodo Simplex de 2 Fases con algo ms de trabajo.
Alternativamente podramos definir el modelo dual al problema propuesto y resolverlo por el Mtodo
Simplex para posteriormente utilizar las condiciones del Teorema de Holguras
Complementarias.
En resumen ante un modelo de optimizacin contamos con varias alternativas de resolucin y es
deber de quien resuelve evaluar los distintos caminos en trminos de su complejidad y
representacin.

Ejercicios Inv Operativa

Cargado por

Información del documento

Descripción 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

Ejercicios Inv Operativa

Cargado por

Copyright:

Formatos disponibles

La empresa el SAMN Ltda.

Dedicada a la fabricacin de muebles, ha ampliado su produccin en dos

PASO 1: MODELACIN MEDIANTE PROGRAMACIN LINEAL

X1 = Cantidad de mesas a producir (unidades)

2X1 + 1X2 + 1X3 + 2X4 <= 24

ZMAX = 20000X1 + 20000X2 + 20000X3 + 20000X4

2X1 + 1X2 + 1X3 + 2X4 + 1S1 + 0S2 + 0S3 + 0S4 = 24

La funcin objetivo no sufre variaciones:

ZMAX = 20000X1 + 20000X2 + 20000X3 + 20000X4

El procedimiento a seguir es el siguiente:

1. Evaluar que variable entrar y cual saldr de la solucin ptima:

X1 = 0 (Cantidad de mesas a producir = 0)

Con una utilidad de: $ 3400

El primero, que a mi juicio es el ms recomendable se basa en un artificio aplicable al algoritmo

a continuacin, se resuelve el algoritmo como un problema de maximizacin.

El segundo procedimiento, el cual pretende conservar la minimizacin consiste en aplicar los

Resolver mediante el mtodo simplex el siguiente problema:

Se consideran las siguientes fases:

1. Realizar un cambio de variables y normalizar el signo de los trminos independientes.

Se realiza un cambio en la nomenclatura de las variables. Establecindose la correspondencia

2. Normalizar las restricciones.

Se convierten las inecuaciones en ecuaciones agregando variables de

Tipo de desigualdad Tipo de variable que aparece

3. Igualar la funcin objetivo a cero.

Z - 3X1 - X2 - 0X3 - 0X4 - 0X5 = 0

4. Escribir la tabla inicial del mtodo Simplex.

La ltima fila se calcula como sigue: Zj = (CbiPj) para i = 1..m, donde si j = 0, P0 = bi y C0 = 0,

De no ser as, se ejecutan los siguientes pasos de forma iterativa.

6. Eleccin de la variable entrante y saliente de la base.

Si existiesen dos o ms coeficientes iguales que cumplan la condicin anterior (caso de

En este ejemplo: 18/2 [=9] , 42/2 [=21] y 24/3 [=8]

Los nuevos coeficientes de la tabla se calculan de la siguiente manera:

En la fila del elemento pivote cada nuevo elemento se calcula como:

Nuevo Elemento Fila Pivote = Anterior Elemento Fila Pivote / Pivote

En el resto de las filas cada elemento se calcula:

Se muestran a continuacin los clculos para la fila P4:

La tabla correspondiente a esta segunda iteracin es:

6.3. El elemento pivote es 1/3.

7. Actualizando nuevamente los valores de la tabla se obtiene:

Tabla III . Iteracin n 3

6.3. El elemento pivote es 4.

7. Despus de actualizar todas las filas, se obtiene la tabla siguiente:

10. Fin del algoritmo.

Deshaciendo el cambio de variables se obtiene x = 3 e y = 12.

El T se vende a $4000 el metro y el T se vende a $5000 el metro. Si se debe obtener el mximo

LA MODELIZACIN MEDIANTE PROGRAMACIN

XT: Cantidad de metros diarios de tejido tipo T a fabricar

0,12XT + 0,2XT <= 500 Hilo a

ZMAX = 4000XT + 5000XT

LA SOLUCIN MEDIANTE MTODO GRFICO

0,12X + 0,2y = 500

Por ejemplo, para un x = 0

0,12(0) + 0,2y = 500

0,12x + 0,2(0) = 500

0,15X + 0,1y = 300

0,072X + 0,027y = 108

ZMAX = 4000x + 5000y

- Mtodo por sustitucin

Ecuacin 1 0,12x + 0,2y = 500

Ecuacin 1 0,12x + 0,2y = 500

De esta forma hemos obtenido los valores para "x" y "y".

y la contribucin obtenida (reemplazando las variables en la funcin objetivo) es de:

Zmax = 4000XT + 5000XT'