Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ADMINISTRACIÓN DE EMPRESAS
PROGRAMACIÓN LINEAL
MÓDULO EN REVISIÓN
CORPORACIÓN UNIVERSITARIA DEL CARIBE-CECAR
DIVISIÓN DE EDUCACIÓN ABIERTA Y A DISTANCIA
N
I Ó
V IS
RE
MÓDULO
PROGRAMACION LINEAL
CONTENIDO
Pág.
INTRODUCCION 7
PRIMERA UNIDAD 10
PRESENTACIÓN 11
OBJETIVOS 12
N
ATRÉVETE A OPINAR 13
ACCIONES PARA CONSTRUIR EL CONOCIMIENTO 14
1. MATRICES Y DETERMINANTES
1.1 ALGEBRA LINEAL
I Ó 15
15
IS
1.2 MATRIZ 15
1.3 CALCULO MATRICIAL 17
V
N
ATRÉVETE A OPINAR 49
ACCIONES PARA CONSTRUIR EL CONOCIMIENTO 50
2. PROGRAMACION
2.1 PROGRAMACIÓN LINEAL (P. L)
I Ó 51
51
IS
2.2 USOS DE LA PROGRAMACIÓN LINEAL 51
2.3 PLANTEAMIENTO DE PROBLEMAS DE P. L 52
V
TERCERA UNIDAD 73
PRESENTACIÓN 74
OBJETIVOS 75
ATRÉVETE A OPINAR 76
ACCIONES PARA CONSTRUIR EL CONOCIMIENTO 77
3. METODOS DE SOLUCIÓN DE LA P. L 78
3.1 MÉTODO GRÁFICO 78
N
3.1.1 Procedimiento Gráfico 78
3.1.1.1 Convertir las desigualdades en igualdades 79
3.1.1.2 Hallar intersectos
3.1.1.3 Graficar cada Ecuación Lineal
I Ó 79
79
IS
3.1.1.4 Determinar el Area Común 79
3.1.1.5 Calcular el valor de la Función Objetivo 79
V
EJEMPLOS 80
3.2 MÉTODO SIMPLEX 90
RE
OBJETIVOS 119
ATRÉVETE A OPINAR 120
ACCIONES PARA CONSTRUIR EL CONOCIMIENTO 121
4. EL PROBLEMA DUAL (P.D) 122
4.1 DUALIDAD 122
4.2 IMPORTANCIA TEÓRICA DE LA DUALIDAD 122
4.2.1 Relaciones entre el modelo Primal y el Dual 123
N
4.2.2 Relaciones entre la solución Dual y Primal 123
4.3 IMPORTANCIA COMPUTACIONAL DE LA DUALIDAD 124
EJEMPLOS
4.4 ANÁLISIS DE SENSIBILIDAD
I Ó 124
135
IS
EJEMPLOS 136
RESUMEN 142
V
BIBLIOGRAFÍA 146
EL AUTOR 147
7
INTRODUCCION
N
una información inteligible para el lector con escasos conocimientos de la
asignatura, haya recurrido a un lenguaje simple y elemental, sin descuidar el
I Ó
aspecto teórico requerido por el lenguaje algebraico y la profundidad
necesaria para que los estudiantes adquieran los conocimientos y habilidades
IS
básicos para la solución de problemas en los que estén involucrados los
elementos matemáticos de matrices, sistemas de ecuaciones lineales y
V
N
orden establecido para cada unidad. Solo así podrá adquirirse un buen manejo
de los temas vistos en los capítulos anteriores y obtenerse una mejor
comprensión de los temas siguientes:
I Ó
IS
De allí que, al iniciar el estudio de cada unidad tenga en cuenta lo siguiente:
N
bien.
I Ó
IS
V
RE
10
MATRICES Y
DETERMINANTES
N
Ó
I
IS
V
RE
Unidad 1
11
PRESENTACION
N
Ó
Es por todo esto, que estudiaremos las matrices y ciertas operaciones
definidas sobre ellas, así como el valor numérico correspondiente a cada una
I
IS
de ellas (determinante), para su posterior aplicación en la programación
lineal.
V
RE
12
OBJETIVOS
N
utilización en la solución de problemas de programación lineal.
I Ó
3. Verificar la utilidad de las matrices en la organización de carácter
estadístico, útil para la toma de decisiones empresariales.
V IS
RE
13
ATREVETE A OPINAR
_______________________________________________
_______________________________________________
_______________________________________________
_______________________________________________
_______________________________________________
N
_______________________________________________
2. Ó
¿Qué entiendes por matriz?
I
_______________________________________________
IS
_______________________________________________
_______________________________________________
_______________________________________________
V
_______________________________________________
_______________________________________________
RE
N
1. El valor de la expresión -3 – (-5) – 6, es:
a) -14 b) 2 c) 4 d) -4 e) 14
I Ó
2. El valor de X en la ecuación 1 – 7 = 3 – X, es:
IS
a) - 3 b) 3 c) 4 d) 6 e) - 9
2 3 1 2 1
a) b) c) d) e)
RE
3 4 3 5 4
1 2 3
4. El valor de la expresión − + + (− ) , es:
5 3 2
15 31 30 12 1
a) b) − c) d) − e) −
2 30 31 15 10
1 3
5. El valor del cociente − / , es:
2 5
5 1 6 3 5
a) b) c) − d) − e) −
6 5 5 10 6
15
UNID
1. MATRICES Y DETERMINANTES
N
1.2 MATRIZ: Se llama matriz a un conjunto de números, funciones o
ecuaciones ordenados en forma de filas horizontales y columnas
Ó
verticales, encerrados entre corchetes.
I
IS
Las matrices se denotan por medio de letras mayúsculas, como A, B, C, Z.
Forma general de una matriz:
V
a 21
a31 a32 a33 .... a3n
. . . .
. . . .
. . . .
am1 am2 am3 amn
mxn
Donde:
m: representa el número de filas.
n: representa el número de columnas.
Ejemplos de matrices:
16
1 0 − 5
sen θ cos β
A = 2 7 4 , B = tangβ
c tgθ
− 5 3 9
( x − y = 0) (2 x + y = 3)
C = (− x + 2 y = 1) (3 x − 2 y = −1)
x + y = 7) (5 x + y = 4)
N
1 0 − 5 Fila 1
sen θ cos β
A = 2 7 4
− 5 3 9
3x3
Fila 2
Fila 3
I ;
Ó B=
tangβ c tgθ 2 x 2
IS
Col 1
Col 2
Col 3
V
7 − 1 0 2
RE
2x4
3 5 − 4 8
N
así:
A=
a11 a12
a 21 a 22
y B=
I Ó
b11 b12
b 21 b 22
IS
a11 a12 b11 b12 a11 ± b11 a12 ± b12
Entonces. A + B = + b 21 b 22 = a 21 ± b 21 a 22 ± b 22
a 21 a 22
V
Es decir, sumar o restar dos o más matrices, basta con sumar o restar sus
RE
Ejemplos:
− 1 2 1 3
1) Sean A = y B= − 1 2
2 1
Se pide: A + B = ?
18
Solución:
− 1 2 1 3 − 1 + 1 2 + 3 0 5
A+B= + = =
0 1 − 1 2 0 − 1 1 + 2 − 1 3
1 − 1
2) Si A = − 3 y B = 3 , calcule A – B = ?
− 2 2
1 − 1 1 − (−1) 2
N
Entonces: A – B = − 3 − 3 = − 3 − 3 = − 6
− 2 2 − 2 − 2 − 4
2 1 0
3) Sean A = 4 0 − 1 y B =
I Ó
0
− 1
1
3 ; A + B = ?
IS
3 − 2 − 2 2 4
V
3 2 2 1 1 2
4) Sean A = 4 1 ; B = 4
3 y C = 2
0
6 2 6 2 1 4
Calcular:
a. A + B
b. A – B
c. B – A + C
Solución:
19
3 2 2 1 5 3
a. A + B = 4 1 + 4
3 = 8 4
6 2 6 2 12 4
3 2 2 1 1 1
b. A – B = 4 1 - 4 3 = 0 − 2
6 2 6 2 0 0
2 1 3 2 1 2 2 − 3 + 1 1− 2 + 2
c. B – A + C = 4 3 − 4 1 + 2 0 = 4 − 4 + 2 3 − 1 + 0
6 2 6 2 1 4 6 − 6 + 1 2 − 2 + 4
N
0 1
B – A + C = 2 2
1 4
I Ó
IS
1.3.2 Producto de un Escalar por una Matriz
V
Hallar K . A = ?
1 4 2 6 1 4
2. Sean X = 2 3 ; Y = 3
4 y Z = 2 1
6 2 1 2 0 2
N
Calcular:
a. 3 . Z -
1
2
.Y
1
I Ó
IS
b. –2.Y + 4.X - .Z
3
V
Solución:
1 4 2 6
RE
4
1
a. 3.Z - .Y = 3. 2
1
1 − .3
2 2
0 2 1 2
3 12 1 3 2 9
3.Z - .Y = 6 3 − 3
1
2 = 9 1
2
0 6 1
2 2
1 − 1 5
2 2
2 6 1 4 1 4
1
1
b. –2.Y + 4.X - .Z = -2. 3 4 + 4.2
1
3 − .2
3 3
1 2 6 2 0 2
21
16 13 4
− 4 − 12 4
3
–2.Y + 4.X - .Z = − 6 − 8 + 8 12 − 2
1 1
3 3 3
2
− 2 − 4 24 8 0
3
4 1 3 4 − 1 8
0 3 3 3
–2.Y + 4.X - .Z = 2 4 − 2
1 1 = 4 11
3 3 3 3
2 22
3
10
22 4 0
3 3
N
1.3.3 Producto de Matrices
Ó
Por ser esta la operación más complicada con matrices, la explicaremos
directamente por medio de ejemplos, teniendo en cuenta que, para que el
I
IS
producto de matrices sea posible, se tiene que cumplir la siguiente condición:
El número de columnas de la primera matriz debe ser igual al número de filas
de la segunda matriz y el resultado poseerá las filas de la primera matriz y las
V
Si: A 2 x 3 . B 3 x 4 = C 2 x 4
Si es posible
P3 x 4. Q4 x 2 = R3 x 2
Si es posible
Ejemplos:
22
2 3 1 0
1. Sean A = y B = 3 2 ; A . B = ?
4 1
2 3 1 0 a11 a12
A2 x 2 . B2 x 2 = C2 x 2 → A . B = . = ; nuestro
4 1 3 2 a 21 a 22
compromiso ahora es calcular los valores de a 11 , a 12 , a 21 , a 22 .
Cálculo de a 11 (1era fila de A por 1era columna de B):
por 1 2
por 3 9
⇒ a11 = 11
N
2 3 11
por
por
0
2
0
6
⇒ a12 = 6
I Ó
Calculamos ahora a 12 (1era fila de A por 2da columna de B):
IS
2 3 6
por 1 4
por 3 3
⇒ a21 = 7
RE
4 1 7
11 6
Entonces A.B =
7 2
Calculamos ahora B 2 x 2 . A 2 x 2 = D 2 x 2
Si es posible
23
1 0 2 3 a11 a12
B.A = • =
3 2 4 1 a 21 a 22
Cálculo de a 11 :
por 2 2
por 4 0
⇒ a11 = 2
1 0 2
Cálculo de a 12 :
N
por 3 3
1
1 0
por
Cálculo de a 21 :
0
3
⇒ a12 = 3
I Ó
IS
por 2 6
por 4 8
⇒ a21 = 14
V
3 2 14
RE
Cálculo de a 22 :
por 3 9
por 1 2
⇒ a22 = 11
3 2 11
2 3
Entonces: B.A =
14 11
Con el ejemplo anterior hemos demostrado que:
A.B ≠ B. A
24
− 1 3
− 3 2
2. Sean A = 4 − 2 y B = − 4 1 ; calcular A.B.
5 0
Solución:
a11 a12
A3 x 2. B2 x 2 = C 3 x 2 = a 21 a 22
a31 a32
Si es posible
N
− 14 3 (−1)(−3) + 3(−4) (−1).2 + 3.1
− 3 2
A.B = 4 − 2 • = 4.(−3) + (−2)(−4) 4.2 + (−2).1
− 4 1
5
3 − 12
= − 12 + 8
0
− 2 + 3
8 − 2
I Ó
5(3) + 0(−4) 5.2 + 0.1
IS
− 15 + 0 10 + 0
−9 1
V
Entonces A.B = − 4 6
− 15 10
RE
1 0 3 − 2 4 2 − 5 7 − 1
3. • 1 0 0 =
2 − 1 − 2 2 x 3 − 1 1 − 1 3 x 3 − 3 6 6 2 x 3
3 1 2
2 3 1 0
3. Sean A = ; B= y C =
4 1 3 2 0 4 3
3 1 2
2 3 1 0
(A + B).C = + •
4 1 3 2
0 4 3
3 1 2 9 15 15
3 3
(A + B).C = • =
7 3 0 4 3 21 19 23
3 1 2 6 14 13
2 3 =
A.C = •
4 1 Lo cual
0 4 3
12 8 11
queda
N
3 1 2 3 1 2 demostrado.
1 0 =
B.C = •
3 2
0 4 3 9 11 12
6 14 13 3 1 2 9 15 15
A.C + B.C = +
I=
Ó
IS
12 8 11 9 11 12 21 19 23
V
c −1
Solución:
4a 4b 2b 2c 8 2a
4c − 4 = − 2a 2 + 10 − 2a
4a 4b 2b + 8 2c + a
4c − 4 = − 2a + 10 2 − 2a
De donde:
4a = 2b + 8 (1)
4b = 2c + a (2)
4c = −2a + 10 (3)
− 4 = 2 − 2a (4) ⇒ − 4 − 2 = −2a
26
− 6 = −2a
−6
=a⇒ a=3 5
−2
Reemplazo (5) en (1): 4(3) = 2b + 8
12 = 2b + 8
12 − 8 = 2b
4
=b⇒ b=2
2
N
Reemplazo (5) en (3): 4c = −2(3) + 10
4c = −6 + 10
4c = 4 ⇒ c =
I 4
4
Ó
⇒ c =1
IS
1.4 MATRICES ESPECIALES
V
1 0 0 0
1 0 0 0
1 0 1 0 0
0 1 ; 0 1 0 ; ; …
2x2 0 0 1 0
0 0 1 3 x 3
0 0 0 1 4 x 4
Diagonal principal
La matriz identidad cumple con: Sea A una matriz cuadrada, entonces
A=A.
N
Es una matriz cuyos elementos son ceros.
0 0
0 0 0
0
[0] ; ; 0 0 0 ; 0
0 0
0 0 0 0
I Ó 0
0 ; …
0
IS
1.4.3 Matriz Traspuesta
V
RE
Ejemplos:
3 − 2 t 3 0
1. Sea A = ⇒ A =
0 1 2x2
− 2 1 2 x 2
1 − 3 1 5 7
2. Sea B = 5 2 ⇒ B =
t
7 6 − 3 2 6 2 x 3
3x2
28
0 3 − 1 0 5
3. Sea C = ⇒ Ct = 3 2
5 2 8 2 x 3 − 1 8 3 x 2
4 2 1 4 7 0
4. Sea D = 7 10 − 6 ⇒ Dt = 2 10 5
0 5 − 3 3 x 3 1 − 6 − 3 3x3
N
Es la matriz que posee una sola fila.
Ejemplos:
1. A = [6 − 2 0] 1 x 3
I Ó
IS
2. B = [0 5 − 1 4]1 x 4
3. C = [7]1 x 1
V
RE
− 1
0
2. B =
5
4 4x1
3. C = [7]1 x 1
29
Es una matriz que tiene propiedades similares a las del inverso de un número.
1
Es decir, el inverso de 2 es o 2-1.
2
N
Para obtener la inversa de una matriz A, pueden efectuarse operaciones con
sus filas (horizontales o verticales), teniendo en cuenta que: A = A.I.
Ó
Estas operaciones con las filas de A, son seleccionadas en forma arbitraria
(pero con lógica) para convertir la matriz A en una matriz identidad.
I
IS
Todas las matrices no tienen inversa. Solamente para una matriz cuadrada
puede definirse la inversa. Una matriz que no tiene inversa se denomina
V
filas llegamos a una fila nula (todos sus elementos son ceros).
Ejemplos:
Es de anotar que la matriz I que multiplica a A debe ser del mismo orden de
A.
2 4 1 0 Fila 1
Entonces: A.I = •
4 6 0 1 Fila 2
N
Ahora, aplicando operaciones elementales con las filas, se intenta cambiar el
1 2 1 0
I Ó
producto A.I en la forma I.A-1, como sigue:
IS
F1 y se obtiene
4 6 • 2
0 1 2 la nueva fila 1
V
1 2 1
-4f1 + f2 y se
0
0 − 2 • 2 obtiene la nueva
RE
F2
1 2 12 0 y se obtiene
0 1 • −2
1 − 12 la nueva fila 2
1 0 − 3 2 1 -2f2 + f1 y se
0 1 • obtiene la nueva
1 −1
2 fila 1
31
− 3 1
A-1 = 2 , es decir, se cambió A.I por I.A-1.
1 −
1
2
1 4 6
b. Sea B = 2 2 4 ; B-1 = ?
N
2 1 1
1 4 6 1 0 0
Entonces: 2 2 4 • 0 1 0
I Ó
F1 = F1 Porque ya se tiene la unidad
IS
-2F1 + F2 Para obtener la nueva fila 2
2 1 1 0 0 1
-2F1 + F3 Para obtener la nueva fila 3
V
0 − 7 − 11 − 2 0 1
-4F*2N + F1 Para obtener la nueva fila 1
−1
1 0 0 5
1 2 −4 * Para obtener la fila 2
5 5 F 3N + F2
0 1 0 • 3 − 11 4 3
5 10 5
0 0 1 − 1 7 − 3 −2 *
5 10 5 F 3N + F1 Para obtener la nueva fila 1
3
− 1 1 2
5 5 5
Entonces B-1 = 35 − 1110 4 5
− 3
− 15 7
10 5
N
c. Demuestre que la siguiente matriz no tiene inversa.
1 2 0
A = 3 − 1 2
I Ó
IS
− 2 3 2
Solución:
V
1 2 0 1 0 0 F2
Para obtener la nueva fila 2
0 − 7 2 • − 3 1 0 −7
0 7 − 2 2 0 1
F2 + F1 para obtener la nueva fila 3
N
1 1 − 6
d. Hallar si es posible, la inversa de la traspuesta de A = − 1 0 2
1 −1 0
Solución: A = 1 0 − 1
I Ó 0 − 1 3
IS
t
− 6 2 3
V
1 − 1 − 0 1 0 0
0 1 − 1 • − 1 1 0 F2 + F1 para obtener la nueva F1
0 − 4 3 6 0 1 4F2 + F3 para obtener la nueva F3
1 0 0 − 2 − 3 − 1 − 2 − 3 − 1
0 1 0 • − 3 − 3 − 1 ; entonces: (At)-1 = − 3 − 3 − 1
0 0 1 − 2 − 4 − 1 − 2 − 4 − 1
1.5 DETERMINANTES
N
Ó
Sumatoria de los productos de las diagonales principales menos sumatoria de
los productos de las diagonales secundarias, igual a un valor numérico.
I
IS
A este valor numérico es lo que se conoce como determinante de una matriz.
El determinante de una matriz A es la misma matriz A, pero encerrada entre
V
Entonces:
a11 a12 a13 a11 a12 a13
Si A = a 21 a 22 a 23 ⇒ A = a 21 a 22 a 23 = Valor Numérico.
a31 a32 a33 a31 a32 a33
Son aquellos que poseen dos productos de dos elementos cada uno, uno
positivo (el de su diagonal principal) y el otro negativo (el de su diagonal
secundaria), así:
N
Diagonal Diagonal
secundaria Primaria
2 2 0 3
Ó
Ejemplos: calcular el determinante de las siguientes matrices:
I
2 4
IS
a) A = ; b) B = ; c) C =
− 1 4 2 4 1 − 3
V
Solución:
2 2
RE
2 2
a. A = ⇒ A = − 1 4 = 2 x 4 − (2).(−1) = 8 + 2 = 10
− 1 4
0 3 0 3
b. B = ⇒ B = 2 4 = 0 x 4 − (3 x 2) = 0 − 6 = −6
2 4
2 4 2 4
c. C = ⇒ C = 1 − 3 = 2(−3) − (4 x1) = −6 − 4 = −10
1 − 3
36
Son aquellos que poseen seis productos de tres elementos cada uno, tres
positivos (el de sus diagonales principales) y tres negativos (el de sus
diagonales secundarias).
N
segunda columna o filas de A para formar las columnas o filas cuarta y
quinta. Luego, el determinante de A se obtiene al sumar (o restar) los
productos de sus seis diagonales, como se muestra:
a11 a13
RE
a12
a11 a12 a13 a 21
a 22 a 23
⇒ A = a 21 a 22 a 23 = a31 a32 a33
a31 a32 a33 a11 a12 a13
a 21
a 22 a 23
Diagonales Diagonales
secundarias Primarias
A =a 11 .a 22 .a 33 + a 21 .a 32 .a 13 + a 31 .a 12 .a 23 – (a 13 .a 22 .a 31 + a 23 .a 32 .a 11 +
a 33 .a 12 .a 21 )
Sumatoria de los productos de las diagonales principales Sumatoria de los productos de las diagonales secundarias
37
Diagonales Diagonales
secundarias primarias
N
A = a 13 .a 21 .a 32 + a 12 .a 23 .a 31 + a 11 .a 22 .a 33 – (a 13 .a 22 .a 31 + a 11 .a 23 .a 32 +
a 12 .a 21 .a 33 )
I Ó
Como puede observarse, se llega al mismo resultado; por lo que es
IS
indiferente el método que se utilice, de allí que el lector escogerá el que
mejor le parezca.
V
0 2 1
0 2 1 3 − 1
2
a. A = 3 − 1 2 ⇒ A = 4 − 4 1 = 0 − 12 + 16 − (−4 + 0 + 6)
4 − 4 1 0 2 1
3 − 1 2
A = 4 − (2) = 4 − 2 = 2
0 − 2 5
0 − 2 5 1
3 7
b. B = 1 3 7 ⇒ B = − 6 4 2 = 0 + 20 + 84 − (−90 + 0 − 4)
− 6 4 2 0 − 2 5
1
3 7
38
1 1 − 2
3
1 1 − 2 1 −1 0
3 1 1
c. C = 1 − 1 0 ⇒ C = 1 − 14 1 = − + + 0 − (2 + 0 + 1)
3 2
1 −1 1 1 1 − 2
4
3 −1 0
1
N
1 1 17
C = − (3) = − 3 = −
6 6 6
Ó
Es de anotar que, si el determinante de una matriz A es cero, quiere esto decir
que A es una matriz singular, o sea que no posee inversa.
I
IS
1.5.3 Aplicaciones de los Determinantes
V
Para resolver un sistema de dos o tres ecuaciones con dos o tres incógnitas
por determinantes, se aplica la regla de KRAMER, que dice: “El valor de
cada incógnita es una fracción, cuyo denominador es el determinante
formado con los coeficientes de las incógnitas (determinante del sistema: S )
N
6 4
2 − 2 − 12 − 8 − 20 5
X = = = = ⇒ X =5
−8 −8 −8 2
Y =
2 6
1 2 4−6 −2 1
= = = ⇒
2
I Y =1
Ó
IS
−8 −8 −8 4 4
2. 2 X + 6Y = 20
V
RE
2 6 0
2 6 0 0 1 1
Y + Z = 5 ⇒ S = 0 1 1 = 1 0 − 1 = −2 + 0 + 6 − (0 + 0 + 0)
2 6 0
1 0 − 1
X − Z =-1 0 1 1
S =4
20 6 0
5
1 1
− 1 0 1
20 6 0
5
1 1 − 20 + 0 − 6 − (0 + 0 − 30) − 26 + 30 4
X = = = =
4 4 4 4
40
X =1
2 20 0
0 5 1
1 − 1 − 1
2 20 0
0 5 1
= − 10 + 0 + 20 − (0 − 2 + 0) = 10 + 2 = 12 = Y
4 4 4 4
Y =3
N
2 6 20
0
1
2
0
1 5
0 − 1
6 20
I Ó
1 5 − 2 + 0 + 30 − (20 + 0 + 0) 28 − 20 8
IS
= = = =Z
4 4 4 4
V
Z =2
RE
1
3. X + Y = 2Z + 3
3
X −Y =1
1
X + Y = .Y + 11
4
Como el sistema no está preparado, hay que prepararlo, así:
1
X + Y − 2Z = 3
3
41
1 1 − 2
3
1 1 − 2 1 −1 0
3 1 1
X −Y =1⇒ S = 1 −1 0 =1 −1 1 = − + + 0 − (2 + 0 + 1)
4 3 2
1
X − Y + Z = 11 1 −1 1 1 1 − 2
4
4 3 −1 0
1
1 17
S = −3⇒ S = −
6 6
3 1 − 2
1 0
N
−1
11 − 14 1
3 − 2
X =
1
1
−1
− 17
6
=
1
− 17
I
6
Ó
0 − 3 + 2 + 0 − (22 + 0 + 1)
−5
= 2
− 23 −
− 17
6
= 2
51
− 17
6
IS
X =9
V
RE
1 3 − 2
3
1 1 0
1 11 1
1 3 − 2
3 1 − 65 − 68
1 1 0 3 − 22 + 0 − (−2 + 0 + 3) −1
Y = = = 3 = 3
− 17 − 17 − 17 − 17
6
6 6 6
1
Y =8 ; en la ecuación: X + Z = Y + 11 , remplazo Y = 8 y X = 9 , entonces:
4
1
9+Z = (8) + 11 ⇒ Z = 2 + 11 − 9
4
Z =4
42
( X − 1) −4
=0
−2 ( X + 1)
Solución:
( X − 1) − 4
= ( X − 1).( X + 1) − (−4).(−2) = 0
−2 ( X +)
N
−1− 8 = 0
2
x
x
I 2
−9 = 0
x
2
Ó
=9
IS
x =± 9
x = ±.3
TALLE
V
RE
43
RESUMEN
N
arreglados en m filas y n comunas.
una matriz de m x p.
I Ó
Sea A una matriz de m x n y B una matriz de n x p, entonces A x b es
IS
Si A es una matriz de n x m, B es de m x p y C es de p x q, entonces A
x (B x C) = (A x B) x C y tanto B x C como A x B son matrices de n x
V
q.
RE
a a
El determinante de una matriz A 2x2 = 11 12 está dado por:
a21 a22
A = a 11 a 22 – a 12 a 21
a22 a23 a a a a
a 11 − a12 21 23 + a13 21 22
a32 a33 a31 a33 a31 a32
AUTOEVALUACION No 1
N
1) Demuestre que B es la inversa de A:
− 4 −5 1
− 2 2 3 3 3
a. A = 0 − 1 0 ; B =
0 1 4
I − 4
3
−8
13 23
3 Ó
1
0
IS
1 − 1 3 1
b. A = 5 5
; B=
2 3 − 2 5 1
5
V
d a 1 1
RE
3 3 6
4) Sea: A = 6 0 3 ; demuestre que [ A] = At
9 − 3 3
2 3 4 3 4 0
N
-4 A + 0 1 0 = − A1 5 2
1
2
− 1 0 2
3 7 1
I Ó
6) Calcular, si es posible, la inversa de:
IS
2 1 3
2 0 4
V
4 1 7
RE
46
PROGRAMACION
N
ÓI
IS
V
RE
47
Unidad 2
PRESENTACION
N
Ó
Los conocimientos contenidos en el presente capitulo hacen posible la
formulación de unos modelos a través de los cuales, el administrador puede
I
lograr una mayor eficiencia y un mejor sistema productivo en el mundo
IS
empresarial moderno; sobre todo, cuando deba tomar decisiones que
involucren racionalización de recursos para determinar así, el mejor curso de
V
OBJETIVOS
N
Analizar situaciones reales en las que, relaciones entre actividades,
requerimientos de recursos y la contribución al objetivo revistan
carácter lineal. I Ó
IS
Diseñar un modelo simbólico de un problema cuyo enunciado se
suministre.
V
ATREVETE A OPINAR
N
1.
¿Qué entiendes por Programación Lineal?
Ó
______________________________________________
______________________________________________
I
______________________________________________
IS
______________________________________________
______________________________________________
______________________________________________
V
RE
2.
¿En qué campos crees que se ha utilizado la P. L.?
______________________________________________
______________________________________________
______________________________________________
______________________________________________
______________________________________________
______________________________________________
______________________________________________
______________________________________________
______________________________________________
______________________________________________
______________________________________________
______________________________________________
50
ACCIONES PARA
CONSTRUIR EL
CONOCIMIENTO
N
Ó
A continuación encontrarás 5 expresiones en forma de lenguaje coloquial
(palabras), por favor exprésalas en forma de lenguaje algebraico (ecuaciones
o inecuaciones):
I
IS
EXPRESIONES MATEMATICAS
V
UNID
N
2. PROGRAMACIÓN
2.1 PROGRAMACIÓN LINEAL (P. L.)
I Ó
La palabra programación es un sinónimo de planeación y el adjetivo lineal
significa que todas las funciones matemáticas que se van a trabajar, son
IS
funciones lineales, es decir, que las variables tendrán como exponente la
unidad.
V
RE
N
forma de lenguaje algebraico.
Ó
Los problemas que se pueden presentar dentro de la Programación Lineal son
I
IS
de maximización de utilidades o de minimización de costos. La forma
general de los modelos de problemas de Programación Lineal son:
V
a m1 x1 + a m 2 x 2 +... + a mn x n ≤b n
N
Sujeto a: a11 .x1 + a12 .x 2 +.... + a1n .x n ≥b1
.
.
I.
.
Ó .
.
IS
. . .
a m1 .x1 + a m 2 .x 2 +... + a mn ≥b n
V
X 1= X 2= ... X n≥ 0
RE
Donde:
Significa hacerse a una idea clara de lo que se quiere, es decir, identificar con
exactitud si se trata de un problema de maximización o minimización; lo cual
N
se logra leyendo bien el enunciado (releerlo sí es necesario).
amerite).
RE
N
modelos, porque ningún caso se parece a otro.
Ejemplos I Ó
IS
1. Un camión puede transportar dos clases de artículos, A y B. Por cada
unidad de A que transporte recibe $1500 y por cada unidad de B, $2000.
V
Solución:
Como son dos los tipos de artículos a transportar, serán dos las variables a
definir, así:
Sean: X 1: Número de artículos del tipo A a transportar.
N
Paso d: Establecer las restricciones
• De capacidad : 2 X 1+3 X 2≤ 12
• De pesos: I Ó
4 X 1+3 X 2≤ 16
IS
Paso e: Establecer la no negatividad
X 1= X 2≥ 0
V
El hospital necesita una comida para cada uno de los 30 días. Las comidas
de pescado cuestan $200 cada una y las de res $250 cada una. Ambas
comidas cumplen con las necesidades de proteínas. Si se juzga el sabor en
una escala de 1 a 10, el pescado obtiene un 5 y la res un 9.
Solución
Entendimiento: Lo que pretende el hospital es minimizar los costos, ya
que, el problema otorga coeficientes de los gastos de cada
comida.
N
Definición de variables: Al ser dos tipos de comida, serán dos las variables a
utilizar, así:
Sean:
I Ó
X 1: Número de comidas de pescado a servir durante el
IS
mes venidero.
X 2: Número de comidas de res a servir durante el mes
V
venidero.
RE
No negatividad: X 1= X 2 ≥ 0
N
25 40
Máx. Z = X 1+ X2
100 100
Ó
Máx. Z:
Ó
1
4
2
X 1+ X 2
5
I Ó
IS
Máx. Z: 0.25 X 1+0.40 X 2
S.a.: X 1 + X 2 ≤ 100.000
V
X1 ≥ 25.000
RE
X2 ≤ 50.000
3
X2 ≤ X1 ó
2
−3
X1+ X2 ≤ 0
2
X1 = X2 ≥ 0
C. Consumo 1 2 3 Disp
C. Sacrificio
B /Manga M/dellín B/quilla (Ton)
N
$1.500 $950 1.300
Valledupar (1) $800
Solución
V
O bien:
X i , j : Toneladas de carne a enviar desde el centro de sacrificio i al centro de
consumo j .
Donde: i : 1,2
j : 1,2,3
X 11 + X 21 ≤ 1.000
X 12+ X 22 ≤ 700
X 13+ X 23 ≤ 600
X 11= X 12= X 13= X 21= X 22= X 23≥ 0
O bien: X i , j≥ 0
N
Donde: i : 1,2
j : 1,2,3
I Ó
IS
5. Una empresa produce dos artículos, A y B. La elaboración de una unidad
de A requiere $20 de mano de obra y cada unidad de B requiere $10. La
V
Solución
61
5X 1+ X2 ≤ 100.000
N
X 1= X 2≥ 0
Ó
6. Una compañía tiene tres tipos de maquinas procesadoras, cada una de
I
IS
diferente velocidad y exactitud. La maquina tipo I puede procesar
20piezas/hora, con una precisión de 99%; la tipo II, 15piezas/hora, con
V
una precisión de 95%, y la tipo III, 10piezas/hora, con una precisión del
100%. El funcionamiento de la tipo I cuesta $2/hora; el de la tipo II,
RE
Cálculos:
• Costo por hora, a partir del funcionamiento de cada maquina,
incluyendo costos por errores:
Tipo I: $2 + 20 (0.01) ($1) = $2.2
62
N
3500 piezas / día
= 437.5 piezas / hora.
8horas / día
Entonces, sea: I Ó
X i : Cantidad de maquinas tipo i que deben utilizarse
IS
i = 1,2,3
X1 ≤ 8
X2 ≤ 10
X3 ≤ 20
X 1= X 2= X 3≥ 0
7. Un fabricante produce tres modelos (I, II, III) de cierto producto. Él utiliza
dos tipos de materia prima (Ay B), de los cuales se dispone de 4000 y
6000 unidades respectivamente. Los requisitos de materia prima por
unidad de los tres modelos son:
A 2 3 5
B 4 2 7
El tiempo de mano de obra para cada unidad del modelo I es dos veces mayor
que el del modelo II y tres veces mayor que el del modelo III. Toda la fuerza
de trabajo de la fabrica puede producir el equivalente a 1500 unidades del
modelo I.
Un estudio del mercado indica que la demanda mínima de los tres modelos se
N
200, 200, 150 unidades respectivamente. Supóngase que la ganancia por
Ó
unidad de los modelos I, II, III es $30, $20 y $50 respectivamente. Formular
como un modelo de programación lineal.
I
IS
Solución
V
1
2 X 1= X 2→ X 1= X 2
2 1 1
→ X 1+ X 2+ X 3≤ 1500
1 2 3
3 X 1= X 3→ X 1= X 3
3
X 1≥ 200
X 2≥ 200
64
X 3≥ 150
X 1= X 2= X 3≥ 0
N
Las informaciones de los proveedores indican que deben comprarse como
mínimo 300 unidades del material A y 200 del B.
I Ó
El departamento de maquinado puede elaborar 500 unidades del producto
X o 600 del producto Y, o cualquier relación de estos. El departamento de
IS
acabado dispone de un total de 2800 minutos de los cuales cada unidad de
X consume cuatro y cada unidad de Y siete. El departamento de ventas
V
Solución
Entonces:
Máx. Z = 16 X 1+12 X 2−(12 X 1+8 X 2 )
Máx. Z = 16 X 1+12 X 2−12 X 1−8 X 2
Máx. Z = 4 X 1+4 X 2
s.a: X 1+3 X 2≥ 300
N
X 1+ X 2≥ 200
X 1 500
La relación: =
X 2 600
5 6 Ó
Entonces, X 1= . X 2 ó X 2= . X 1 ; Luego:
6 5
I 6
5
5
X 1+ X 2≤ 600 ó X 1+ X 2≤ 500
6
IS
4 X 1+7 X 2≤ 2800
X 2≤ 300
V
X 1= X 2≥ 0
RE
66
RESUMEN
N
- Leer el enunciado hasta lograr su entendimiento.
AUTOEVALUACION No 2
N
se resumen en la siguiente tabla:
N
Fertilizante porcentaje de
Básico
1
2
I 40
30
Ó
Nitrógeno Potasio fosfato
20
10
10
5
IS
3 20 40 5
4 5 5 20
V
Aunque usted quisiera realizar todas las actividades, cuenta con algunas
limitaciones. Como es lógico solo dispone de 24 horas al día y las actividades
N
consumen tiempo, así:
Actividad 1
Actividad 2
Actividad 3
Actividad 4
15 minutos
10 minutos
2 horas
I
1 hora
Ó
IS
Actividad 5 5 horas
Actividad 6 60 minutos
V
cuestiones de salud; no puede jugar más de dos partidos de softbol diarios, por
cansancio; no puede dar más de dos paseos por la playa, por aburrimiento; no
puede leer más de dos libros al día por cansancio visual.
En cuanto al sueño, usted sabe que no puede dormir más de diez horas al día,
ni menos de siete.
N
grandes.
Ó
Formula un modelo de programación lineal que le permita a la compañía
saber, cual es el número óptimo de camiones de ambas clases que deben
I
IS
movilizarse para transportar la malta.
V
N
irrecuperables no puede ser superior a 0.04.
Ó
Plantee el problema como un modelo de programación lineal.
I
V IS
RE
73
GLOSARIO DE TERMINOS
N
resultado de un lenguaje coloquial.
I Ó
3) LENGUAJE COLOQUIAL: Es el enunciado de un problema en forma
de palabras que debe ser llevado a lenguaje algebraico.
IS
4) ORGANISMO SOCIAL: Es toda empresa (pública o privada)
V
METODOS DE
SOLUCION DE LA
P. L.
N
ÓI
IS
V
RE
Unidad 3
75
PRESENTACION
El presente capitulo nos proporciona las técnicas de solución para los modelos
de programación lineal, iniciando con la gráfica de los mismos, que
generalmente se emplea para resolver casos de dos variables, ya que resulta
bastante difícil graficar en planos de tres variables e imposible hacerlo para
N
cuatro o más variables.
Ó
Seguidamente se trata la técnica algebraica Simplex, que a diferencia del
método gráfico sirve para solucionar problemas de programación lineal sin
I
IS
tener en cuenta el número de incógnitas. Ambos métodos son herramientas
muy eficientes, sencillas y exactas en la solución de modelos de programación
V
OBJETIVOS
N
Solucionar problemas de P. L. con dos o más variables por el Método
Simplex. I Ó
V IS
RE
77
ATREVETE A OPINAR
__________________________________________________
__________________________________________________
__________________________________________________
__________________________________________________
__________________________________________________
N
__________________________________________________
2. Ó
¿Por qué piensas que no se pueden solucionar
problemas de P. L. de dos o más variables por el
Método Gráfico?
I
IS
__________________________________________________
__________________________________________________
V
__________________________________________________
__________________________________________________
RE
__________________________________________________
__________________________________________________
__________________________________________________
__________________________________________________
__________________________________________________
__________________________________________________
__________________________________________________
__________________________________________________
78
ACCIONES PARA
CONSTRUIR EL
CONOCIMIENTO
N
c) (-1 , 2)
d) (3 , 4)
I Ó
e) (2 , -1)
IS
Obtener la gráfica de cada una de las siguientes ecuaciones:
a) 2 Y = 12
V
b) 3 X + 2 Y = 18
RE
c) – 3 X + 5 Y = 60
UNID
3. METODOS DE SOLUCION DE LA PROGRAMACION LINEAL
N
y resolverlo gráficamente; de allí que, de lo que se trata es de obtener una
Ó
gráfica de todo el modelo dado (solución factible), ya que cada restricción
define un área que contiene un número infinito de puntos, la cual no excede la
I
desigualdad y el conjunto de gráficas (todas las restricciones) definen un área
IS
común a todo el modelo (intersección de sentidos), la cual nos proporcionará
la solución optima del mismo.
V
RE
N
3.1.1.3 Graficar cada una de las ecuaciones lineales, dándoles el sentido
Ó
que posean las desigualdades, utilizando flechas sobre las líneas rectas para
representar la región que debe considerarse como parte del espacio solución.
I
IS
3.1.1.4 Determinar el área común, mediante la ayuda de las flechas sobre
V
las líneas rectas y así poder ubicar la intersección de los sentidos de las
desigualdades.
RE
EJEMPLOS
1. Max. Z = 3 X 1+5 X 2
s.a: X1 ≤ 4
2X 2 ≤ 12
N
3X 1+ 2X 2 ≤ 18
X1 = X2 ≥
I 0
Ó
Solución
IS
Paso a: Convertir desigualdades en igualdades
V
X 1= 4 (1)
2 X 2= 12 (2)
RE
3 X 1+2 X 2= 18 (3)
2 X 2= 18
18
X 2=
2
X 2= 9 → Tenemos el intersecto (0, 9).
Sí X 2= 0 → 3 X 1+2(0) = 18
3 X 1+0 = 18
3 X 1= 18
N
18
X 1=
3
Paso c:
I
Graficar las ecuaciones lineales.
Ó
X 1= 6 → tenemos el intersecto (6, 0).
IS
X2
V
X1 ≤ 4
RE
6 .
P4
. P3
5
2X2 ≤ 12
4
3 . P2
2
P5
(0,0)
1
5 3X1 + 2X2 ≤ 18
. . P1
6
X1
1 2 3 4
83
N
P 2 (4,3)
P 3 (2,6 )
P 4 (0,6 )
I Ó
IS
P 5 (0,0 ) → se descarta porque no maximiza nada.
V
Como puede observarse, el valor más grande que asume la función objetivo Z
es de 36 y proviene del vértice (2, 6), el cual se constituye en el punto óptimo
de la siguiente solución óptima:
X 1* = 2
X 2* = 6
Z * = 36
84
2. Mín. Z = 4 X 1+5 X 2
s.a : 4 X 1+4 X 2 ≥ 20 ; 4 X 1+4 X 2 =20 (1)
4 X 2= 20
N
20
X 2=
4
X 2= 5 → (0,5)
Ó
Sí X 2= 0 → 4 X 1+4(0) = 20
I
IS
4 X 1+0 = 20
20
4 X 1= 20 → X 1=
V
4
X 1= 5 → (5,0 )
RE
24
X 2=
3
X 2= 8 → (0,8)
Sí X 2= 0 → 6 X 1+3(0) = 24
6 X 1+0 = 24
24
6 X 1= 24 → X 1=
6
X 1= 4 → (4,0 )
85
5 X 2= 40
40
X 2=
5
X 2 = 8 → (0,8)
Sí X 2= 0 → 8 X 1+5(0) = 40
8 X 1+0 = 40
N
8 X 1= 40
I X 1=
Ó
40
8
X 1= 5 → (5,0 )
IS
X2
V
. P3
RE
7 4X1 + 4X2 ≥ 20
6
5 .
4
2 P2.
1 8X1 + 5X2 ≤ 40
. .
5
P1
6
X1
1 2 3 4 7 8
6X1 + 3X2 ≥ 24
86
X 2* = 0
N
Z * = 20
3. Máx. Z = X 1+ X 2
3
2
I Ó
IS
s.a: 2 X 1+2 X 2 ≤ 16
X 1+2X 2 ≤ 12
V
4 X 1+2 X 2 ≤ 28
X 1= X 2 ≥ 0
RE
Solución
2 X 1+2 X 2= 16 (1)
X 1+2 X 2= 12 (2)
4 X 1+2 X 2= 28 (3)
En la ecuación (1)
Sí X 1= 0 → 2(0) + 2 X 2= 16
0 + 2 X 2= 16
→ X 2= 8 → (0,8)
16
2 X 2= 16 → X 2=
2
87
Sí X 2= 0 → 2 X 1+2(0) = 16
2 X 1+0 = 16
→ X 1= 8 → (8,0 )
16
2 X 1= 16 → X 1=
2
En la ecuación (2)
Sí X 1= 0 → 0 + 2 X 2= 12
→ X 2= 6 → (0,6 )
12
2 X 2= 12 → X 2=
2
N
Sí X 2= 0 → X 1+2(0) = 12
X 1+0 = 12 → X 1= 12 → (12,0 )
En la ecuación (3)
I Ó
Sí X 1= 0 → 4(0) + 2 X 2= 28
IS
0 + 2 X 2= 28
→ X 2= 14 → (0,14 )
28
2 X 2= 28 → X 2=
V
2
Sí X 2= 0 → 4 X 1+2(0) = 28
RE
4 X 1+0 = 28
4 X 1= 28
28
X1 =
4
X 1 = 7 → (7,0)
88
X2
14
13
12
11
10
N
9
5
. P4
4X1 + 2X2 ≤ 28
I Ó
IS
4 .P3
3
. P2
X1 + 2X2 ≤ 12
V
1
7
. .
RE
P1 X1
1 2 3 4 5 6 8 9 10 11 12
2X1 + 2X2 ≤ 16
P1 (7,0 ) →Z 1= 7 + (0) = 7
3
2
P 2 (6,2 ) →Z 2 = 6 + (2) = 9
3
2
P 3 (4,4 ) →Z 3= 6 + (4) = 12
3
2
P 4 (0,6 ) →Z 4 = 0 + (6) = 9
3
2
89
X 2* = 4
Z * = 12
4. Máx. Z = 3 X 1+2 X 2
N
s.a: X 1+ X 2 ≥ 20
≤ 15
X1
X 1+3X 2 ≤ 45
− 3 X 1+5 X 2 ≤ 60
I Ó
IS
X 1= X 2 ≥ 0
Solución
V
X 1+ X 2= 20 (1)
RE
X 1+3 X 2= 45 (3)
− 3 X 1+5 X 2= 60 (4)
En la ecuación (1):
Sí X 1= 0 → 0 + X 2= 20 → X 2= 20 → (0,20)
Sí X 2= 0 → X 1+0 = 20 → X 1= 20 → (20,0)
En la ecuación (3)
→ X 2= 15 → (0,15)
45
Sí X 1= 0 → 0 + 3 X 2= 45 → 3 X 2= 45 → X 2=
3
Sí X 2= 0 → X 1+3(0 ) = 45 → X 1= 45 → (45,0 )
90
En la ecuación (4)
X 1= 0 → −3(0 ) + 5 X 2= 60 → 5 X 2= 60 → X 2= → X 2= 12 → (0,12 )
60
Sí
5
N
20
12
15
10
I Ó
P3
P2
X 1 ≤ 15
X 1 + 3 X 2 ≤ 45
IS
5 P1
X1
V
- 20 5 10 15 20 45
RE
X 1 + X 2 ≥ 20
15 25 15 25 95
P , →Z 3= 3 + 2 =
3 2 2 2 2 2
X 2* = 10
Z * = 65
91
N
una y otra vez hasta obtener el resultado deseado. Cada vez que se lleva a
cabo el procedimiento sistemático, se realiza una iteración.
I Ó
En consecuencia, el algoritmo Simplex sustituye un problema difícil por una
serie de problemas fáciles, mediante un procedimiento para iniciar
IS
(preparación) y un criterio para determinar cuando detenerse (solución óptima
o resultado deseado).
V
RE
N
contribuciones de las variables extras que deben aparecer en la función
objetivo, tendrán valor de 0, para que no modifiquen o alteren el valor óptimo
de la misma. I Ó
IS
3.2.1.2 Construir la tabla característica
V
A 21 X x+ A 22 X 2+... + A 2 n X n≤b 2
. . . .
. . . .
A m1 X 2+ A m 2 X 2+... + A mn X n≤b n
X i≥ 0
i = 1,2,..n
93
Cj C1 C2 . . . Cn
Ci VB bi X1 X2 ... Xn θi
Cn Xn bn a m1 a m2 . . . a mn θn
N
Z j b0 Z1 Z2 . . . Zn
C j −Z j I Ó
C 1− Z 1
C 2 −Z 2
C n −Z n
IS
Definición de la simbología
V
n
Z j = ∑ c i a ij
i =1
94
j = 1,2...n
C j − Z j : Parámetro de optimización
N
1) Multiplique por –1 a ambos lados la restricción que tenga el signo ≥,
esto hace que la restricción cambie a ≤.
2) Ó
Determinar la columna y la fila pivote.
I
IS
Columna (variable entrante)
( C j − Z j ).
RE
bi
• Si no hay negativos en b1 , seleccione el menor de los positivos de: θ 1=
C.P.
En la intersección de la variable que entra y la que sale se encuentra la celda
pivote y en ella, el elemento pivote, en cual se necesita la unidad.
N
4) Revisar la columna b i , si hay negativos, pase al ítem 2), sino, siga
haciendo iteraciones. I Ó
La solución es óptima cuando todos los (c j - z j ) ≤ 0. (Prueba de
IS
5)
EJEMPLOS
RE
1. Máx. Z = X 1+2X 2
s.a.: X 1+3X 2 ≤ 8
X 1+ X 2 ≤ 4
X 1= X 2 ≥ 0
Solución
96
a) Estandarización:
Máx. Z = X 1+2 X 2+0S 1+0S 2
s.a.: X 1+3 X 2+ S 1 =8
X 1+ X 2+ S2 = 4
X 1= X 2= S 1= S 2 ≥ 0
b) Tabla característica
N
0 Cj 1 2 0 0
Ci VB bi X1 X2 S1 S2 θ1
0 S1 8
I1 3 Ó
1 0 8
3
Saliente
(F.P)
IS
0 S2 4 1 1 0 1 4
Z j 0 0 0 0 0
V
C j −Z j 1 2 0 0
RE
Entrante (C.P)
1 Cj 1 2 0 0
Ci VB bi X1 X2 S1 S2 θ1
N
0 S2 4 2 0 - 13 1 2
3 3 − F 1N + F 2V para obtener
la nueva F2
Z j
16
C j −Z j
3
2
1
3
I3 2
0
Ó
2
- 23
3 0
0
V IS
En esta nueva iteración se observa:
RE
2 Cj 1 2 0 0
Ci VB bi X1 X2 S1 S2
2 X2 2 0 1 1
2
- 12 − 1 F2 N + F1V para obtener la nueva F1
3
Z j 6 1 2 1 1
2 2
C j −Z j 0 0 - 12 - 12
N
En este paso podemos ver que:
-
detiene)
I Ó
Todos los C j − Z j son ≤ 0 , luego la solución es optima (el algoritmo se
IS
- La solución óptima es:
X 1* = 2 ; X2 = 2 ; S1* = 0 ; S 2* = 0 ; Z* = 6
V
2. Máx. Z = 3 X 1+2 X 2
RE
s.a X1 ≤ 4
X 1+ 3X 2 ≤ 15
2X 1+ X 2 ≤ 10
X 1= X 2≥ 0
a) Estandarización
Max. Z = 3 X 1+2 X 2+0S 1+0S 2 +0S 3
s.a: X 1+ S1 =4
X 1+ 3X 2 + S2 = 15
2 X 1+ X 2 + S3 = 10
X 1= X 2= S 1= S 2 = S 3≥ 0
99
b) Tabla característica
0 Cj 3 2 0 0 0
Ci VB bi X1 X2 S1 S2 S3 θ1
0 S1 4 1 0 1 0 0 4
0 S2 15 1 3 0 1 0 15 -F1 + F2 para obtener la nueva F2
Z j 0 0 0 0 0 0
N
C j −Z j 3 2 0 0 0
C j −Z j (X 1 ) .
RE
b1
- θ 1= y se selecciona para salir el menor positivo θ 1 (S 1 ) .
C.P
1 Cj 3 2 0 0 0
Ci VB bi X1 X2 S1 S2 S3 θ1
3 X1 4 1 0 1 0 0 ∝
0 S2 11 0 3 -1 1 0 11/3 -3F3 + F2 para obtener la nueva F2
0 S3 2 0 1 -2 0 1 2
Z j 12 3 0 3 0 0
C j −Z j 0 2 -3 0 0
100
En la tabla 1 se aprecia:
- No hay solución óptima, porque todos los C j − Z j no son ≤ 0.
N
3 X1 4 1 0 1 0 0 4 -F2N + F1V para obtener la nueva F1
0 S2 5 0 0 5 1 -3 1
2 X2
Z j
2
16
0
3
1
2
I -2
-1
Ó 0
0
1
2
-1
-
F2
5
para obtener la nueva F2
2F2N + F3V para obtener la nueva F3
IS
C j −Z j 0 0 1 0 -2
V
b1
- Sale el menor positivo de θ 1= (S 2 )
C.P
3 Cj 3 2 0 0 0
Ci VB bi X1 X2 S1 S2 S3
3 X1 3 1 0 1 - 15 3
5
0 S1 1 0 0 0 1 - 35
5
2 X2 4 0 1 0 2 - 15
5
Z j 17 3 2 0 1 7
5 5
N
C j −Z j 0 0 0 - 15 - 75
Ó
En esta interación se llega a la solución óptima, porque, todos los C j − Z j ≤ 0.
I
IS
Entonces la solución óptima es:
X 1* = 3 ; X 2* = 4 ; S1* = 1 ; S 2* = 0 ; S 3* = 0 ; Z * = 17
V
3. Máx. Z = 10 X 1+2 X 2
s.a : 3 X 1+2 X 2≥ 30
X 1+5 X 2≤ 50
2 X 1+7 X 2≤ 25
X 1= X 2≥ 0
Entonces:
Máx. = 10 X 1+2 X 2+0 S 1+0 S 2 +0 S 3
X 1= X 2= S 1= S 2 = S 3≥ 0
0 Cj 10 2 0 0 0
N
Ci VB bi X1 X2 S1 S2 S3
0
0
S1
S2
-30
50
-3
1
-2
5
I 1
0 Ó 0
1
0
0
IS
0 S3 25 2 7 0 0 1
Z j 0 0 0 0 0 0
V
C j −Z j 10 2 0 0 0
θ2 - 10 3 -1 0 ∞ ∞
RE
C j −Z
Entra el mayor valor absoluto de los negativos de θ 2 = j
F .P.
Al haber un valor negativo en bi : Sale automáticamente. De haber más de
uno, saldría el mayor valor absoluto de ellos.
103
1 Cj 10 2 0 0 0
Ci VB bi X1 X2 S1 S2 S3 θ1
N
Z j 100 10 20 - 10 3 0 0
3
C j −Z j 0 - 14 3
I 10
3
Ó 0 0
IS
2 Cj 10 2 0 0 0
V
Ci VB bi X1 X2 S1 S2 S3
10 X1 25 1 7 0 0 1
RE
2 2 2
0 S2 75 0 3 0 1 - 12
2 2
0 S1 15 0 17 1 0 3
2 2 2
Z j 125 10 35 0 0 5
C j −Z j 0 -33 0 0 -5
X 1* = 25 / 2 ; X 2* = 0 ; S1* = 15 / 2 ; S 2* = 75 / 2 ; S 3* = 0 ; Z * = 125
104
2 X 1+2 X 2 ≤ 41
X 1+ 2X 3 ≤ 61
X 1= X 2= X 3≥ 0
Solución
N
Máx. Z = 4 X 1+6 X 2+5 X 3+0S 1+0S 2 +0S 3
10 X 1+4 X 2+2 X 3+ S 1
2 X 1+2 X 2+
I S2 Ó
=95
= 41
IS
X 1+2X 3+ S3 = 61
X 1= X 2= X 3= S 1= S 2 = S 3≥ 0
V
0 Cj 4 6 5 0 0 0
RE
Ci VB bi X1 X2 X3 S1 S2 S3 θ1
0 S1 95 10 4 2 1 0 0 95/4 -2F2 + F1
0 S2 41 2 2 0 0 1 0 41/2 F2
2
0 S3 61 1 0 2 0 0 1 ∞
Z j 0 0 0 0 0 0 0
C j −Z j 4 6 5 0 0 0
105
1 Cj 4 6 5 0 0 0
Ci VB bi X1 X2 X3 S1 S2 S3 θ1
0 S1 13 6 0 2 1 -2 0 13 F1
2 2
6 X2 41 1 1 0 0 1 0 ∞
2 2
0 S3 61 1 0 2 0 0 1 61 -F1 + F3
2
Z j 123 6 6 0 0 3 0
N
C j −Z j -2 0 5 0 -3 0
I Ó
IS
2 Cj 4 6 5 0 0 0
V
Ci VB bi X1 X2 X3 S1 S2 S3 θ1
RE
5 X3 13 3 0 1 1 -1 0 - 13 2 F3N + F1
2 2
6 X2 41 1 1 0 0 1 0 41 - 1 F3N + F2
2 2 2
0 S3 48 -5 0 0 -1 2 1 24 F3
2
Z j 311 21 6 5 5 -2 0
2 2
C j −Z j -17 0 0 - 52 2 0
106
3 Cj 4 6 5 0 0 0
Ci VB bi X1 X2 X3 S1 S2 S3
5 X3 61 1 0 1 0 0 1
2 2 2
6 X2 17 9 1 0 1 0 - 14
2 4 4
0 S2 24 - 52 0 0 - 12 1 1
2
Z j 407 16 6 5 3 0 1
2 2
N
C j −Z j -12 0 0 - 32 0 -1
Ó
Todos los ( C j - Z j ) ≤ 0, entonces la solución es óptima:
I
IS
X 1* = 0 ; X 2* = 17 / 2 ; X 3* = 61 / 2 ; S1* = S 3* = 0 ; S 2* = 24 ; Z * = 407 / 2
X 1= X 2= X 3≥ 0
107
− 2 X 2−2 X 3 ≤ -5
X 1= X 2= X 3≥ 0
Ahora estandarizamos:
Maximizar (-Z) = − 4 X 1−12 X 2−18 X 3+0S 1+0S 2
N
s.a: − X 1 − 3X 3 + S1 = -3
− 2 X 2−2 X 3+
Ó
S 2 = -5
X 1= X 2= X 3= S 1= S 2 ≥ 0
I
IS
0 Cj -4 -12 -18 0 0
V
Ci VB bi X1 X2 X3 S1 S2
0 S1 -3 -1 0 -3 1 0 3F2N + F1V
RE
F2
0 S2 -5 0 -2 -2 0 1
−2
Z j 0 0 0 0 0 0
C j −Z j -4 -12 -18 0 0
θ2 ∞ 6 9 ∞ 0
108
1 Cj -4 -12 -18 0 0
Ci VB bi X1 X2 X3 S1 S2 θ1
0 S1 9 -1 3 0 1 - 32 3 F1
2 2 3
-18 X 3 5 0 1 1 0 - 12 5 -F1N + F2V
2 2
Z j -45 0 18 -18 0 9
C j −Z j -4 6 0 0 -9
N
2 Cj
I -4 Ó-12 -18 0 0
IS
Ci VB bi X1 X2 X3 S1 S2
-12 X 2 3 - 13 1 0 1 - 12
2 3
V
-18 X 3 1 1 0 1 - 13 0
3
RE
X 1* = 0 X 2* = 3 / 2 X 3* = 1 S1* = S 2* = 0
Entonces:
Max. (-Z) = − 20 X 1−15 X 2−45 X 3−60 X 4
s.a. : − X 1− X 2− X 3 + 3X 4 ≤ -3
N
− X 1− 3X 3 - 5X 4 ≤ -2
X 1= X 2= X 3= X 4 ≥ 0
Estandarizando: I
Max. (-Z) = − 20 X 1−15 X 2−45 X 3−60 X 4+0S 1+0S 2
Ó
IS
s.a. : − X 1− X 2− X 3+ 3X 4 + S1 = -3
− X 1− − 3X 3 − 5X 4 + S 2 = -2
V
X 1= X 2= X 3= X 4= S 1= S 2 ≥ 0
RE
Tabulando:
0 Cj -20 -15 -45 -60 0 0
Ci VB bi X1 X2 X3 X4 S1 S2
0 S1 -3 -1 -1 -1 3 1 0 F1
−1
0 S2 -2 -1 0 -3 -5 0 1 -3F1 + F2
Z j 0 0 0 0 0 0 0
C j −Z j -20 -15 -45 -60 0 0
θ2 20 15 45 -20 0 ∞
110
0 S2 7 2 3 0 -14 -3 1 7 F2
3 3
Z j -135 -45 -45 -45 135 45 0
C j −Z j 25 30 0 -195 -45 0
N
Ci
2
VB
Cj
bi
-20 -15 -45 -60
X1 X2
I X3 Ó
X4
0
S1
0
S2 θ1
IS
-45 X 3 2 1 0 1 5 0 - 13 2 3F1
3 3 3
-15 X 2 7 2 1 0 - 14 3 -1 1 7 -2F1 + F2
3 3 3 2
V
-20 X 3 2 1 0 3 5 0 -1
-15 X 2 1 0 1 -2 -8 -1 1
Z j -55 -20 -15 -30 20 15 5
C j −Z j 0 0 -15 -80 -15 -5
111
N
Máx. (-Z) = − 4 X 1−15 X 2−10 X 3
s.a. : − X 1− X 2−2X 3 ≤ -3
− 3 X 2− X 3 ≤ -2
X 1= X 2= X 3 ≥ 0
− 3 X 2− X 3+ S 2 = -2
RE
X 1= X 2= X 3= S 1= S 2 ≥ 0
Entonces:
0 Cj -4 -15 -10 0
Ci VB bi X1 X2 X3 S1 S2
F1
0 S1 -3 -1 -1 -2 1 0
−1
0 S2 -2 0 -3 -1 0 1 -3F1 + F2
Z j 0 0 0 0 0 0
C j −Z j -4 -15 -10 0 0
θ2 4 15 5 0 ∞
112
1 Cj -4 -15 -10 0 0
Ci VB bi X1 X2 X3 S1 S2 θ1
0 S2 7 3 0 5 -3 1 7 F2
5 5
Z j -45 -15 -15 -30 15 0
C j −Z j 11 0 20 -15 0
N
2
ICj -4
Ó -15 -10 0 0
IS
Ci VB bi X1 X2 X3 S1 S2
-15 X 2 1 - 15 1 0 1 - 25
V
5 5
-10 X 3 7 3 0 1 - 35 1
5 5 5
RE
X 2* = 1 / 5
X 3* = 7 / 5
S1* = S 2* = 0
Z * = 17
113
RESUMEN
N
Cuando no hay valores negativos en la columna b i , se selecciona para
entrar el mayor de los positivos de la fila (C j – Z j ), luego se procede a
I Ó
sacar el menor positivo de la columna θ1 =
bi
CP
.
IS
Cuando hay valores negativos e la columna b i , se selecciona para salir
el mayor valor absoluto de estos, luego se procede a entrar el mayor
V
(C j − Z j )
valor absoluto de θ 2 = , si todos son negativos; si todos son
FP
RE
AUTOEVALUACION N0 3
a) Mín. Z = 3 X 1+2 X 2
s.a. : 5 X 1+2 X 2≥ 250
X 1+3 X 2≥ 100
N
3 X 1≥ 60
X 1= X 2≥ 0
I Ó
IS
b) Máx. Z = 10 X 1+13 X 2+10 X 3+11X 4
s.a.: 4 X 1+4 X 2+3 X 3+8 X 4≤ 36
V
2 X 1+ X 2+3 X 3+2 X 4≤ 21
RE
X 1= X 2= X 3= X 4≥ 0
c) Máx. Z. = 3 X 1+2 X 2
s.a. : X 1+3 X 2≤ 45
X 1≤ 12
2 X 1+ X 2≤ 30
X 1= X 2≥ 0
115
d) Máx. Z = 2 X 1+ 3 2 X 2
s.a. : X 1+ X 2≤ 40
X 1≤ 20
X 2≤ 35
2 X 1+ X 2≤ 50
X 1= X 2≥ 0
N
lineal.
a) Máx. Z = 4 X 1+4 X 2
s.a. : X 1+3 X 2≥ 3
ÓI
IS
X 1+ X 2≥ 2
5
X 1+ X 2≤ 6
V
6
4 X 1+7 X 2≤ 28
RE
X 2≤ 3
X 1= X 2≥ 0
b) Máx. Z = 3 X 1+2 X 2
s.a. : X 1+ X 2≥ 20
X 1≤ 15
X 1+3 X 2≥ 45
− 3 X 1+5 X 2≤ 60
X 1= X 2≥ 0
116
GLOSARIO DE TERMINOS
N
un proceso puramente mecánico.
N
de P. L. Se simboliza por el término S i , el subíndice se refiere a la i - ésima
restricción, ya que para cada restricción se utiliza una variable de holgura
diferente.
Ó
11) VARIABLES NO BASICAS: Son aquellas que no aparecen en ninguna
I
IS
solución (Factible u optima), o sea, que son iguales a cero.
V
RE
118
LA DUALIDAD
N
ÓI
IS
V
RE
Unidad 4
119
PRESENTACION
N
Ó
El análisis de la información Dual permite conocer los precios implícitos de
los recursos involucrados en el problema Primal, lo cual se logra por medio
I
del análisis de sensibilidad, que es una herramienta que dinamiza a los
IS
problemas de Programación Lineal al sacarlos del estado estático en que ellos
se presentan, toda vez que son el resultado de situaciones en un momento
V
OBJETIVOS
N
Primales.
I Ó
Realizar el análisis de sensibilidad al obtener la solución óptima de un
problema de Programación Lineal.
V IS
RE
121
ATREVETE A OPINAR
N
______________________________________________
______________________________________________
2.
Ó
¿Cómo interpretas el término Sensibilidad?.
I
IS
______________________________________________
______________________________________________
______________________________________________
V
______________________________________________
______________________________________________
RE
______________________________________________
______________________________________________
______________________________________________
______________________________________________
______________________________________________
______________________________________________
______________________________________________
122
ACCIONES PARA
CONSTRUIR EL
CONOCIMIENTO
N
(3 X + 2Y ) (− X − 4Y )
a) A =
(5 X − Y ) 2 X + 7Y )
( X − Y + 3Z )
b) B = (3 X + 5Y − Z )
I Ó
(−4 X − 2Y + 3Z )
(− X + Y − Z )
(Y − 3Z )
Z
(2 X + Z )
(5 X + 2Y − Z )
− 4Y
IS
Determina el tamaño de la matriz involucrada en cada una de las
V
siguientes operaciones:
RE
a) A 2X3 . B 3X4 = C
b) A 3X2 . B = C 3X4
b) 3 – X2 = - 6
123
UNID
4. EL PROBLEMA DUAL (P. D.)
4.1 DUALIDAD
Dado un conjunto de datos correspondientes a un módulo de P. L, existe otro
modelo elaborado a partir de los mismos datos, con una estructura diferente
N
que viene a ser como la imagen del primero, conocido como el Problema Dual
(al original se le denomina Problema Primal P. P).
Ó
La dualidad es uno de los descubrimientos de gran importancia para el
I
IS
desarrollo de la P. L, ya que con el conjunto de datos originales (P. P) se
puede encontrar al mismo tiempo la solución Primal y la Dual.
V
N
c. Si en el modelo Primal las restricciones son del tipo ≤ , en el Dual son del
tipo ≥ y viceversa.
I Ó
d. Los coeficientes de las restricciones (a ij ) del Primal son los mismos del
Dual, pero transpuestos (lo que es fila en uno, es columna en otro y
IS
viceversa).
V
Dual y viceversa.
a. La fila de los C j - Z j del Dual corresponden a los b i del Primal (con signos
contrarios) y viceversa.
c. Los a ij del Dual corresponden a los a ij del Primal, traspuestos y con signos
contrarios.
N
2. Pasar del Tablero Óptimo Dual (T.O.D) al Tablero Óptimo Primal (T.O.P)
y viceversa. I Ó
IS
4.3 IMPORTANCIA COMPUTACIONAL DE LA DUALIDAD
Dentro del análisis Dual hay un aspecto computacional que se debe resaltar,
V
Ejemplos
1. Sea el siguiente modelo de P. L:
Se pide:
a. Construcción del Dual respectivo.
b. Solución del Dual por el método Simplex.
c. Del T. O. D, obtener el T. O. P.
Solución
a) Para construir el Problema Dual, se aplican las relaciones descritas en la
sección 4.2.1, así:
N
Min. Z = 8Y 1 + 4Y 2 Este es el Dual, construido a partir de los
s.a = Y 1 + Y 2 ≥ 1 datos originales (Primal), pero con una
3Y 1 + Y 2 ≥ 2
Y1 = Y2 ≥ 0
I Ó
estructura diferente.
IS
b) Máx. (-Z) = -8Y 1 - 4Y 2 Max (-Z) = -8Y 1 - 4Y 2 + OS 1 + OS 2
s.a = -Y 1 - Y 2 ≤ -1 s.a = -Y 1 - Y 2 + S 1 = -1
V
-Y 1 - Y 2 ≤ -2 -Y 1 - Y 2 + S 2 = -2
RE
Y1 = Y2 ≥ 0 Y1 = Y2 = S1 = S2 ≥ 0
0 CJ -8 -4 0 0
C i UB bi Y1 Y2 S1 S2
0 S1 -1 -1 -1 1 0 F2N + FiV: para obtener la nueva F1
F2
0 S2 -2 -3 -1 0 1 : para obtener la nueva F2
−1
Zj 0 0 0 0 0
Cj - Zj -8 -4 0 0
θ2 8 4 α 0
3
127
1 CJ -8 -4 0 0
C i UB bi Y1 Y2 S1 S2 θ1
F1
1 : para obtener la nueva F1
0 S1 1 2 0 1 -1 2 2
-4 Y2 2 3 1 0 -1 2 -3F1N + F2V: para obtener la nueva F2
3
Zj -8 -12 -4 0 4
Cj - Zj 4 0 0 -4
N
2
C i UB
I CJ
bi Ó
-8
Y1
-4
Y2
0
S1
0
S2
IS
1 1 - 12
-8 Y1 2 1 2 1
V
-4 Y2 1 0 −3 0 1
2 2 2
RE
Zj -6 -8 -4 2 2
Cj - Zj 0 0 -2 -2
c) El T. O. P es:
128
CJ 1 2 0 0
C i UB bi X1 X2 S1 S2
1 X1 2 1 0 −1 3
2 2
1
2 X2 2 0 1
2 - 12
Zj 6 1 2 1 1
2 2
Cj - Zj 0 0 - 12 - 12
N
Ó
Nota: El estudiante debe ampliar los conceptos de las relaciones Dual y
Primal para verificar el modelo y solución obtenida.
I
IS
2. Dado el siguiente método de P. L.:
V
RE
Máx. . Z = 3X 1 + 2X 2
s.a: X 1 ≤ 4
X 1 + 3X 2 ≤ 15
2X 1 + X 2 ≤ 10
X1 = X2 ≥ 0
Obtener:
a. El modelo Dual correspondiente.
b. Solución del Dual por el método Simplex.
c. La T. O. D.
129
Solución
a. Min. Z = 4Y 1 + 15Y 2 + 10Y 3
s.a = Y 1 + Y 2 + 2Y 3 ≥ 3
3Y 2 + Y 3 ≥ 2
Y1 = Y2 = Y3 ≥ 0
N
s.a = -Y 1 - Y 2 - 2Y 3 ≤ -3
-3Y 2 - Y 3 ≤ -2
Y1 = Y2 = Y3 = S1 = S2 ≥ 0
I Ó
Máx. (-Z) = -4Y 1 -15Y 2 -10Y 3 +OS 1 + OS 2
IS
s.a = -Y 1 - Y 2 - 2Y 3 + S 1 = -3
-3Y 2 - Y 3 + S 2 = -2
V
Y1 = Y2 = Y3 ≥ 0
RE
0 CJ -4 -15 -10 0 0
Ci UB bi Y1 Y2 Y3 S1 S2
F1
0 S1 -3 -1 -1 -2 1 0 : para obtener la nueva F1
−1
0 S2 -2 0 -3 -1 0 1
3F1N + F2N: para obtener la nueva F2
Zj 0 0 0 0 0 0
Cj - Zj -4 -15 -10 0 0
θ2 4 15 5 0 α
130
1 CJ -4 -15 -10 0 0
C i UB bi Y1 Y2 Y3 S1 S2 θ1
N
2 CJ
I -4 Ó -15 -10 0 0
IS
C i UB bi Y1 Y2 Y3 S1 S2
-15 Y 2 1 −1 1 0 1 - 25
5 5 5
V
-10 Y 3 7 3
0 1 −3 1
5 5 5 5
RE
c. T. O. P.
CJ 3 2 0 0 0
C i UB bi X1 X2 S1 S2 S3
0 S1 1 0 0 1 1 - 35
5
3 X1 3 1 0 0 - 15 3
5
2 X2 4 0 1 0 2 - 15
5
N
Zj 17 3 2 0 1 7
5 5
Cj - Zj
I 0
Ó
0 0 - 15 - 75
IS
3. Considere el siguiente modelo de P. L.:
V
Max . Z = 2X 1 + 3X 2 + 4X 3
RE
s.a = 3X 1 + 4X 2 + 2X 3 ≤ 6
2X 1 + X 2 + 2X 3 ≤ 4
X 1 + 3X 2 + 2X 3 ≤ 8
X1 = X2 = X3 ≥ 0
Se pide:
a. Construcción del Dual equivalente.
b. Solución del Dual por el método Simplex.
c. De la T. O. D, obtenga la T. O. P.
Solución
132
a. Min. Z = 6Y 1 + 4Y 2 + 8Y 3
s.a = 3Y 1 + 2Y 2 + Y 3 ≥ 2
4Y 1 + Y 2 + 3Y 3 ≥ 3
2Y 1 + 2Y 2 + 2Y 3 ≥ 4
Y1 = Y2 = Y3 ≥ 0
N
OS 2
0 CJ -6 -4 -8 0 0 0
RE
Ci UB bi Y1 Y2 Y3 S1 S2 S3
F3N + F1V: para obtener la nueva F1
0 S1 -2 -3 -2 -1 1 0 0
0 S2 -3 -4 -1 -3 0 1 0 3F3N + F2V: para obtener la nueva F2
0 S3 -4 -2 -2 -2 0 0 1 F3
: para obtener la nueva F3
−2
Zj 0 0 0 0 0 0 0
Cj - Zj -6 -4 -8 0 0 0
θ2 3 2 4 α α 0
133
1 CJ -6 -4 -8 0 0 0
C i UB bi Y1 Y2 Y3 S1 S2 S3 θ1
0 S2 3 -1 2 0 0 1 - 32 3 F2
2 : para obtener la nueva F2
2
-8 Y3 2 1 1 1 0 0 - 12 2
N
-2F2N + F3V: para obtener la nueva F3
Z j -16 -8 -8 -8 0 0 4
Cj - Zj 2 4 0 I 0
Ó
0 -4
V IS
2 CJ -6 -4 -8 0 0 0
5
C i UB bi Y1 Y2 Y3 S1 S2 S3 θ1 F3N + F1V: para obtener la
RE
2
0 S1 3 −5 0 0 1 1 5 - 35 nueva F1
2 2 2 4
1
F3N + f2V: para obtener la
-4 Y2 3 - 12 1 0 0 1 - 34 -3 2
2 2
nueva F2
-8 Y3 1 3 0 1 0 - 12 1 1
2 2 4 3 F3
: para obtener la nueva F3
3
Z j -10 -10 -4 -8 0 2 1 2
Cj - Zj 4 0 0 0 -2 -1
134
3 CJ -6 -4 -8 0 0 0
C i UB bi Y1 Y2 Y3 S1 S2 S3
0 S1 7 0 0 5 1 - 13 - 56
3 3
-4 Y2 5 0 1 1 0 1 - 23
3 3 3
N
-6 Y1 1 1 0 2 0 - 13 1
3 3 6
Z j - 26
Cj - Zj
3 I -6
0
Ó
-4
0
- 16 3
- 23
0
0
2
- 23
3
5
- 53
3
IS
Como todos los (C j - Z j ) ≤ 0, hemos legado a la T. O. D.
V
CJ 2 3 4 0 0 0
C i UB bi X1 X2 X3 S1 S2 S3
0 S3 2 - 53 0 0 - 23 - 13 1
3
3 X2 2 1 1 0 1 - 13 0
3 3 3
4 X3 5 5 0 1 - 16 2 0
3 6 3
Zj 26 13 3 4 1 5 0
3 3 3 3
Cj - Zj - 73 0 0 - 13 - 53 0
135
s.a = X 1 + X 2 + X 3 - 3X 4 ≥ 3
X1 + 3X 3 + 5X 4 ≥ 2
N
X1 = X2 = X3 = X4 ≥ 0
Y su tablero Óptimo:
I Ó
IS
CJ -20 -15 -45 -60 0 0
C i VB bi X1 X2 X3 X4 S1 S2
V
-20 X 1 2 1 0 3 5 0 -1
RE
-15 X 2 1 0 1 -2 -8 -1 1
Se pide:
b. De la T. O. P, obtener la T. O. D.
136
Solución.
a) Máx. Z = 3Y 1 + 2Y 2 Máx. Z = 3Y 1 +2Y 2 + OS 1 + OS 2 + OS 3 + OS 4
s.a : Y1 + Y2 ≤ 20 s.a :Y 1 + Y 2 + S 1 = 20
Y1 ≤ 15 Y1 + S2 = 20
Y 1 + 3Y 2 ≤ 45 Y 1 + 3Y 2 + S3 = 45
N
-3Y 1 + 5Y 2 ≤ 60 -3Y 1 + 5Y 2 + S 4 = 60
Y1 = Y2 ≥ 0 Y 1 =Y 2 = S 1 =S 2 = S 3 = S 4 ≥ 0
CJ
I 3
Ó 2 0 0 0 0
IS
C i VB bi X1 X2 S1 S2 S3 S4
0 S3 15 0 0 -3 2 1 0
V
0 S4 80 0 0 -5 8 0 1
RE
3 X1 15 1 0 0 1 0 0
2 X2 5 0 1 1 -1 0 0
Zj 55 3 2 2 1 0 0
Cj - Zj 0 0 -2 -1 0 0
N
1) La compañía “ABC” desea planear su producción para el próximo periodo.
siguientes requerimientos:
I Ó
Se pueden elaborar 4 productos distintos (1, 2, 3 y 4) los cuales presentan los
IS
Producto Material 1 Material 2 Material 3
V
1 1 5 4
2 1 3 8
RE
3 1 2 12
4 1 2 4
Disponibilidad
(Unidades) 10 20 28
5X 1 + 3X 2 + 2X 3 + 2X 4 ≤ 20
4X 1 + 8X 2 + 12X 3 + 4X 4 ≤ 28
X1 = X2 = X3 = X4 ≥ 0
N
El tablero inicial Simplex es:
CJ 2 3 4 5 0 0 0
C i UB
0 S1
bi
10
X1
I 1
X2
Ó
1
X3
1
X4
1
S1
1
S2
0
S3
0
IS
0 S2 20 5 3 2 2 0 1 0
0 S3 28 4 8 12 4 0 0 1
V
Zj 0 0 0 0 0
RE
Cj – Zj 2 3 4 5 0 0 0
CJ 2 3 4 5 0 0 0
C i UB B i X1 X2 X3 X4 S1 S2 S3
0 S1 3 0 -1 -2 0 1 0 - 14
0 S2 6 3 -1 -4 0 0 1 - 12
5 X4 7 1 2 3 1 0 0 1
4
139
Zj 35 5 10 15 5 0 0 5
4
Cj – Zj -3 -7 -11 0 0 0 - 54
N
X3 = 0 No es rentable su producción
X4 = 7
S1 =
S2 =
3
6
I Ó
Producto rentable
Material 1no utilizado
Material 2 no utilizado
IS
S3 = 0 Todo el material 3 se utilizó
V
b.
RE
COSTOS DE OPORTUNIDAD
(Valores bajo la variable de decisión en la fila (C j – Z j )
Producto 1 ($3/Unidad). En estos valores cambiaría (se reduciría) la utilidad
Producto 2 ($7/Unidad) Por cada unidad que se elaborara de estos productos no
C. PRECIOS SOMBRA
Estos valores muestran cuánto se estaría dispuesto a pagar por cada unidad
adicional de cada uno de los recursos (se toman de la fila Z del tablero
óptimo, debajo de las variables de holgura). Nótese que para aquellos recursos
que resultaron “No escasos” (sobró algo), su precio sombra, también llamados
precios implícitos, es igual a cero.
N
2. Suponga que una empresa produce tres artículos (1, 2 y 3), para lo cual
necesita de tres materiales básicos (1, 2 y 3) de los cuales dispone de 12, 8 y
I Ó
10 unidades respectivamente para los materiales 1,2 y 3. Cada artículo aporta
a la utilidad $2, $4 y $6 cada uno. Los requerimientos de materiales por cada
IS
producto son:
V
1 2 2 4
2 1 4 2
3 4 2 4
Max . Z = 2X 1 + 4X 2 + 6X 3
s.a = 2X 1 + 2X 2 + 4X 3 ≤ 12
X 1 + 4X 2 + 2X 3 ≤ 8
4X 1 + 2X 2 + 4X 3 ≤ 10
141
X1 = X2 = X3 ≥ 0
CJ 2 4 6 0 0 0
C i VB bi X1 X2 X3 S1 S2 S3
0 S1 2 -2 0 0 1 0 -1
4 X2 1 - 13 1 0 0 1 - 16
N
3
6 X3 2 7 0 1 0 - 16 1
Zj 16 I17
6
3 Ó
4 6 0 1
3
4
3
3
IS
Cj - Zj - 113 0 0 0 - 13 - 43
V
Solución.
Del tablero óptimo puede decirse:
a) OBSERVACIONES
Z = 16
X 1 = 0 no es rentable su producción.
X 2 = 1 producto rentable.
X 3 = 2 producto rentable.
S 1 = 2 material 1 no utilizado.
142
b) COSTOS DE OPORTUNIDAD
X 1 = ($ 113 /unidad). En este valor se reduciría la utilidad por cada unidad que
N
se elaborara de este producto no rentable.
c) PRECIOS SOMBRA. I Ó
Material 1: $0 Por cada unidad del material.
IS
Material 2: $ 13 Por cada unidad del material.
V
RESUMEN
N
equivalente, denominado modelo Dual.
I
de Minimización y viceversa.
Ó
Si el modelo original de P. L. es de Maximización, el modelo Dual será
IS
A través de la solución óptima Dual (T. O. D.), se pude deducir la
V
AUTOEVALUACION N0 4
N
primas (A y B). Si la contribución a las utilidades de cada tipo de pintura es
$3 y $2 respectivamente y si el modelo correspondiente es:
I Ó
Máx. Z = 3X 1 + 2X 2
s.a = 2X 1 + X 2 ≤ 6
IS
2X 1 + X 2 ≤ 8
-X 1 + X 2 ≤ 1
V
X2 ≤ 2
X1 = X2 ≥ 0
RE
CJ 3 2 0 0 0 0
C i VB Bi X1 X2 S1 S2 S3 S4
2 X2 4 0 1 2 - 13 0 0
3 3
3 X1 10 1 0 - 13 2 0 0
3 3
0 S3 3 0 0 -1 1 1 0
0 S4 2 0 0 - 23 1 0 1
3 3
145
Zj 38 3 2 1 4 0 0
3 3 3
Cj - Zj 0 0 - 13 - 43 0 0
N
Max . Z = 3X 1 + 2X 2
s.a = X 1 ≤ 12
X 1 + 3X 2 ≤ 45
2X 1 + X 2 ≤ 30
I Ó
IS
X1 = X2 ≥ 0
Y sea el siguiente su tablero óptimo:
V
CJ 3 2 0 0 0
RE
C i UB B i X1 X2 S1 S2 S3
3 X1 9 1 0 0 - 15 3
5
0 S1 3 0 0 1 1 - 35
5
2 X2 12 0 1 0 2 - 15
5
Zj 51 3 2 0 1 7
5 5
Cj - Zj 0 0 0 - 15 - 75
146
N
1) COSTO DE OPORTUNIDAD: Retornos que se pierden o dejar de
percibir como resultado de seleccionar una alternativa en lugar de otra. La
Ó
cuantía de los costos de oportunidad se determina comparando los beneficios
o las ventajas de una escogencia con aquellos que se obtendrían de la mejor
I
IS
alternativa.
V
BIBLIOGRAFIA
N
• QUESADA, Victor. Programación Lineal. U. De Cartagena.
Internacional.
I Ó
• MOSKOWITZ, Herbert. Investigación de Operaciones. Preutice Hall
IS
• EPPEN, G.D, GOULD, F.J. investigación de Operaciones en la Ciencia
Administrativa. Preutice Hall Hispanoamericana. S. A, 1.984.
V
EL AUTOR
N
Administración Financiera (CECAR).
Ó
Venezuela; Jefe de Operaciones de MOTICONCA en Valencia – Venezuela;
Gerente de Salud Asesores Ltda. en Sincelejo y como Secretario de Gobierno,
I
Recurso Humano y de Planeación del Municipio de Corozal (Sucre).
IS
Ha sido profesor de pre-grado en CECAR de Matemáticas Financieras
(Ingeniería Económica), Álgebra y Programación Lineal, Diseño y
V
N
I Ó
V IS
RE
DIRECCIÓN DE EDUCACIÓN ABIERTA Y A DISTANCIA Y VIRTUALIDAD
ADMINISTRACIÓN DE EMPRESAS
PROGRAMACIÓN LINEAL