Documentos de Académico
Documentos de Profesional
Documentos de Cultura
LIMA - PERÚ
2018
ASESOR DE LA TESIS
PRESIDENTE
VOCAL
SECRETARIO
FUENTES DE FINANCIAMIENTO
Tesis Autofinanciada
Tabla de Contenidos
I. Introducción 1
II.1 Antecedentes 3
II.2 Justificación 4
IV. Objetivos 19
V. Metodología 20
V.1 Caso 1 20
V.2 Caso 2 37
VI. Resultados 56
VII. Discusión 68
VIII. Conclusiones 70
IX. Recomendaciones 72
X. Referencias bibliográficas 73
XI. Anexos
Resumen
Hospital Nacional Cayetano Heredia se obtiene las dietas. Para ello usaremos el
método simplex matricial el que empieza en alguna solución factible inicial, ésta
es una esquina del conjunto factible S originario. Cada iteración nos lleva a otra
problem called the dual problem. The latter has important properties and
remarkable relations with respect to the original linear problem, called primal.
applied in the planning of diets, consist of a linear function that satisfies a set of
Cayetano Heredia you get the diets. To do this we use the matrix simplex method
that starts in some initial feasible solution, this is a corner of the feasible set S
improved value of the objective function. We will also use the simplex tabular
When the variables and restrictions exceed the three dimensions the
the LINGO or EXCEL programs. In these programs of widespread use the above
us in decision making.
In this thesis the problem of the diet of the National Hospital Cayetano
programming code (LINGO or EXCEL), executed and the numerical solutions are
obtained. These solutions are analyzed both in their internal consistency and in the
alimentos.
50.9%, respectivamente.
1
a todas las persona. La adecuada asignación de nutrientes coopera en la
la cantidad de grasa.
Para tal fin, se usó datos que fueron obtenidos de un menú completo
Heredia.
2
II. Planteamiento del problema
II.1. Antecedentes
Durante la Segunda Guerra Mundial, fueron necesarios grandes
3
II.2. Justificación
El método simplex es una herramienta importante para la toma
uno de los 30 menús que se sirven durante cada día del mes en el
4
III. Marco Teórico
La programación lineal, que trata exclusivamente con funciones
simplex.
s.a
a11x1 a12 x2 ... a1n xn ó ó b1
a21x1 a22 x2 ... a2 n xn ó ó b2
.
.
.
am1 x1 am 2 x2 ... amn xn ó ó bm
xi 0 i 1, 2,..., n
5
a11x1 a12 x2 ... a1n xn h1 b1
a21x1 a22 x2 ... a2 n xn h2 b2
.
.
.
am1 x1 am 2 x2 ... amn xn hm bm
continuación:
Max (o Min) z cT x
s.a
Ax b
esto puede ser escrito como
x0
z
1 cT 0 0
x
0 A I x b
s
de eliminación.
A es la matriz coeficiente.
6
xB
A B N ; x luego Ax b se puede escribir como
xN
xB
B N b o bien Bx B NxN b La función objetivo sería
xN
x
z B cB c N B cB xB donde xB 0
0
es: xB B 1b
xB
Supongamos que B 1b 0 de manera que es una solución
0
básica factible.
x
z B cB cN B cB B 1b
0
1 1
Se sabe que xB B NxN B b llamando Y B 1 N tenemos
xB Yx N B 1b xB
Y yj jJ
ysj sI , jJ
(Hillier,F.,Lieberman,G.,2010,p.162)
7
Definición 1
xB
entonces el punto x donde xB B 1b y x B 0 se llama
xN
Definición 2
B 1b 0
Definición 3
no básicas son ceros. Por lo tanto, una solución básica tiene como máximo
Teorema 1
básica.
8
b) Si el problema tiene una solución posible óptima, entonces también
2016, p.21)
Teorema 2
Ax b
x0
Teorema 3
Máx (o Mín) z cT x
Ax b
x0
Teorema 4
9
B 1b
A puede descomponerse en B N tal que x donde B es una
0
Definición 4
xB
matriz de m x (n-m). La solución x de las ecuaciones Ax b ,
xN
1
en donde xB B b y xN 0
10
Criterios del método simplex
1. Criterio de óptimo.- La condición necesaria y suficiente para que una
j J z j c j 0
zk ck máximo z j c j ; z j c j 0
3. Criterio de salida.- Si xk es la variable de entrada, la de salida será
xl x
la xl que cumpla mínimo s ; ysk 0 / s I
ylk ysk
4. Criterio de no acotación.- k J / z j c j 0 con yk 0 (Barazza
Proposición 1
Proposición 2
mínimo en un vértice de K.
Proposición 3
11
Definición 5
p.104)
condiciones de no negatividad.
12
Paso 3. Formar la tabla simplex
solución.
13
Paso 4. Verificamos si todos los coeficientes asociados a la fila de z
continúa.
Definición 6
14
Notación para las operaciones de filas
veces la fila j
(Soo,T.,2010,p.255)
primal)
filas.
15
5. El modelo primal se lee en forma vertical y el modelo dual en
forma horizontal.
(Hillier,F.,Lieberman,G.,2010,p.181)
Definición 7
z cT x
Sujeto a
Ax b
x0
z bT y
Sujeto a
AT y c
y0
16
escribe el problema dual anterior como un problema de minimización con
Minimizar
z bT y
Sujeto a
AT y c
y0
z cT x
Sujeto a
Ax b
x0
(Hillier,F.,Lieberman,G.,2010,p.180)
Teorema 5
bT y c T x
Teorema 6
17
El análisis de sensibilidad consiste en determinar cuál es el rango de
Ax ó b
x0
1
Para ello se debe verificar, la factibilidad xB B b 0 y la
1
optimalidad cN cN cB B N 0 (Taha,A.,2012,p.80)
18
IV. Objetivos
IV.1.Objetivo General
19
V. Metodología
Se analizan dos casos:
V.1. Caso 1
2 y1 2 y2 3 y3 3
s.a: y1 3 y2 y3 2
y1 , y2 , y3 0
matricial.
desarrollo.
20
Lo que se tiene:
Primal y1 y2 y3
Dual
x1 2 2 3 3
x2 1 3 1 2
18 42 24
2 x1 x2 18
2 x1 3 x2 42
s.a: 3 x x 24
1 2
x1 , x2 0
Lo cual sería
cT 3 2 0 0 0
2 1 1 0 0 18
A 2 3 0 1 0; xT x1 x2 h1 h2 h3 ; b 42
3 1 0 0 1 24
21
Luego se determina las variables x B1 , y x1 , y x2 para
1 0 0 1 0 0 18
B1 0 1 0; 0 1 0; xB1 B1 b 42
1 1
B1
0 0 1 0 0 1 24
1 0 0 2 2 2
y x1 B1 x1 0 1 0 2 2 z x1 cB1 y x1 0 0 02 0
1
max z x1 cx1 ; z x2 cx2 3;2 3 esto quiere decir que
h h h 18 42 24
min 1 , 2 , 3 , , 8
y y y 2 2 3
x11 x12 x13
Por lo tanto
18
z cB1 xB1 0 0 042 0
24
22
Realizando entonces la primera iteración con la base B2
1 0 2 1 0 0,6667 2
B2 0 1 2 ; B2 0 1 0,6667; xB2 B2 b 26
1 1
1 0 0,6667 1 0,333
y x2 B2 x2 0 1 0,6667 3 2,333
1
23
Como los criterios óptimos son negativos, entonces se
max z x2 cx2 ; zh3 ch3 1,001 esto quiere decir que
h h x
2 26 8
min 1 , 2 , 1 , , 6
y y y 0,333 2,333 0,333
x21 x22 x23
2
Por lo tanto z cB2 xB2 0 0 326 24
8
1 0 2 3 0 2 6
B3 3 1 2 ; 7 1 4 ; xB3 B3 b 12
1 1
B3
1 0 3 1 0 1 6
24
3 0 2 1 3
yh1 B3 h1 7 1 4 0 7
1
z h1 ch1 3 0 3
z h3 ch3 1 0 1
hallar el max zh1 ch1 ; zh3 ch3 1 esto quiere decir que
x h x
6 12 6
min 2 , 2 , 1 , , 3
y y y 2 4 1
h31 h32 h33
6
Por lo tanto z cB3 xB3 2 0 312 30
6
25
Vemos que cada paso que realiza la iteración mejora la
solución.
26
Observamos que ya no es posible mejorar por el criterio
óptimo j J z j c j 0
12
Por lo tanto z cB4 xB 4 2 0 33 33
3
3 1 1
3 1
4 4 0
B 0
1 1 1
2 2
7 1
1
4 4
3 1
4 4 0
b1
B 1 0 42 0 14 b1 19,71
1 1
2 2
7 1 24
1
4 4
27
De igual forma para el parámetro b2:
3 1
4 4 0
18
B 1 0 b2 0 30 b2 54
1 1
2 2
7 1 24
1
4 4
Y el parámetro b3:
3 1
4 4 0
18
B 0 42 0 b3 21
1 1 1
2 2
7 1 b3
1
4 4
Hallando la optimalidad: c N c N cB B 1 N 0
28
c3 , c4 c3 , c4 c1 , c2 , c5 B 1 N 0
3 1
4 4 0
1 0
1 1
0,0 3,c2 ,0 0 0 1 0
3 9
c2
2 2 2 2
7 1 0 0
1
4 4
tabla
coeficiente de z.
z 3x1 2 x2 0h1 0h2 0h3 0
solución.
29
correspondiente (esto genera los componentes de una matriz
Variables z x1 x2 h1 h2 h3 Solución
Básicas
z 1 3 2 0 0 0 0
h1 0 2 1 1 0 0 18
0 2 3 0 1 0 42
h2
3 1 0 0 1
0 24
h3
30
operaciones de filas se convierte en 1, y todos los elementos de
VB z x1 x2 h1 h2 h3 S
R0 z 1 -3 -2 0 0 0 0
R1 h1 0 2 1 1 0 0 18 18/2
R2 h2 0 2 3 0 1 0 42 42/2
R3 h3 0 3 1 0 0 1 24 24/3
1
R3
Operaciones de renglón,
3
VB z x1 x2 h1 h2 h3 S
R0 z 1 -3 -2 0 0 0 0
R1 h1 0 2 1 1 0 0 18
R2 h2 0 2 3 0 1 0 42
R3 h3 0 1 1/3 0 0 1/3 8
Operaciones de renglón,
0 3 R3 1 2 R3 2 2 R3
R
, R , R
VB z x1 x2 h1 h2 h3 S
R0 z 1 0 -1 0 0 1 24
R1 h1 0 0 1/3 1 0 -2/3 2
R2 h2 0 0 7/3 0 1 -2/3 26
R3 h3 0 1 1/3 0 0 1/3 8
31
Se determina el segundo elemento pivote, debido a que
VB z x1 x2 h1 h2 h3 S
R0 z 1 0 -1 0 0 1 24
VB z x1 x2 h1 h2 h3 S
R0 z 1 0 -1 0 0 1 24
R1 h1 0 0 1 3 0 -2 6
R2 h2 0 0 7/3 0 1 -2/3 26
R3 h3 0 1 1/3 0 0 1/3 8
Operaciones de renglón,
7 1
R2 R1 R3 R1
R0 R1
,
,
3 3
VB z x1 x2 h1 h2 h3 S
R0 z 1 0 0 3 0 -1 30
R1 h1 0 0 1 3 0 -2 6
R2 h2 0 0 0 -7 1 4 12
R3 h3 0 1 0 -1 0 1 6
32
Se determina el tercer elemento pivote, debido a que sigue
VB z x1 x2 h1 h2 h3 S
R0 z 1 0 0 3 0 -1 30
R1 h1 0 0 1 3 0 -2 6 NN
R2 h2 0 0 0 -7 1 4 12 12/4
R3 h3 0 1 0 -1 0 1 6 6
1
R2
Operaciones de renglón,
4
VB z x1 x2 h1 h2 h3 S
R0 z 1 0 0 3 0 -1 30
R1 h1 0 0 1 3 0 -2 6
R2 h2 0 0 0 -7/4 ¼ 1 3
R3 h3 0 1 0 -1 0 1 6
Operaciones de renglón,
0 R2 1 2 R2 3 R2
R , R
, R
Vemos que aquí termina la iteración, debido a que todos
cero.
33
VB z x1 x2 h1 h2 h3 S
R0 z 1 0 0 5/4 1/4 0 33
R1 h1 0 0 1 -1/2 1/2 0 12
R2 h2 0 0 0 -7/4 1/4 1 3
R3 h3 0 1 0 3/4 -1/4 0 3
y x2 = 12.
Sensibilidad Independiente
x1 3
3
4
x2 1 0
12
2
h3 7
3
4
z 5
33
4
34
Lo que se obtiene 4;1,71 Luego se cambia 18 por
18 , resultando b1 14;19,71
x1 1
3
4
x2 1 0
12
2
h3 1
3
4
z 1
33
4
42 , resultando b2 30;54
cero.
35
x1 3 0( )
x2 12 0( )
0
h3 3 1( )
z 33 0( )
24 , resultando b3 21;
z x1 x2 h1 h2 h3 S
1 1 0 5 3 1 1 0 33 3
4 4 4 4
0 0
5
Lo que se obtiene ;1 Luego se cambia 3 por
3
3 , resultando c1 1,33;4
36
de la misma posición de la columna h1 y h2 . Se resuelve todas
z x1 x2 h1 h2 h3 S
1 0 1 5 1 1 1 0 33 12
4 2 4 2
0 0
1
Lo que se obtiene ;2,5 Luego se cambia 2 por
2
2 , resultando c2 1,5;4,5
V.2 Caso 2
Caso 2 A
Caso 2 B
37
V.2.2 Recolección de datos.
38
Los datos de la tabla 2 es el menú del almuerzo con sus respectivos
39
Los datos de la tabla3 es el menú de la cena con sus respectivos
40
Los datos de la tabla 4 muestra la conversión de los alimentos cocidos
a crudos.
a crudo[16][17]
Desayuno
durazno Durazno 20 20
Azúcar rubia 15 15
Palta 40 40
Almuerzo
Sal 2 2
chorrillana (jurel)
41
Ají panca 1 1
Vinagre 5 5
Aceite 15 15
Sal 2 2
Limonada Limón 10 10
Azúcar 15 15
Cena
Pan francés 10 10
Sal 2 2
Aceite 5 5
Gelatina 30 30
Maracuyá Maracuyá 30 30
Azúcar rubia 20 20
Fuente:
http://www.ins.gob.pe/repositorioaps/0/5/jer/doc_tec_norm/TAFERA_2_compressed.pdf
42
Los datos de la tabla 5 muestran la lista de precios del mercado
Desayuno
Canela 4.7/20g
Clavo 3.6/10g
Palta 3.30
Almuerzo
Apio 1.54
Poro 1.54
Nabo 1.52
Zapallo 1.08
Zanahoria 0.88
Sal 0.9
chorrillana (jurel)
Tomate 1.94
Ají panca 8
43
Vinagre 2.6/0.5lt
Pimienta 6.4/60g
Comino 3.59/20g
Arroz 2.42
Aceite 6.18/lt
Sal 0.9
Yuca 1.35
Ajos 7.18
Mandarina 1.18
Azúcar 2.63
Cena
Camote 0.93
Arroz 2.42
Sal 0.9
Ajos 7.18
Aceite 6.18
Gelatina 2.10/250g
Fuente: http://sistemas.minag.gob.pe/sisap/portal/
44
Los datos de la tabla 6 muestran las porciones de los alimentos al
Alimento Límite
(porción/día)[18]
Desayuno
Leche evap. 4
plátano
palta
Almuerzo
Sopa de sémola 2
Pescado a la 2
Mandarina 4
Limonada 4
Cena
camote
Gelatina 4
Maracuyá 4
Fuente: http://www.fao.org/docrep/014/am401s/am401s02.pdf
45
V.2.3 Formulación y planteamiento del modelo matemático.
tres simple.
m
respectivos precios, se tuvo que aplicar la fórmula y usar
V
m 5
tenemos V 4.97215cm 3 ahora convirtiendo
V 1.0056
46
Los precios calculados por porción se encuentran en la tabla 7.
Alimento Precio
(S/. /porción)
Desayuno
Canela 0.1175
Clavo 0.09
0.32303
0.2535
Palta 0.132
0.762
Almuerzo
Apio 0.462
Poro 0.462
Nabo 0.456
Zapallo 0.03693
Zanahoria 0.01333
Sal 0.0018
1.61626
chorrillana (jurel)
Tomate 0.09254
47
Ají panca 0.008
Vinagre 0.2585518
Pimienta 0.1175
Comino 0.09
Arroz 0.12342
Aceite 0.100734
Sal 0.0018
Yuca 0.1323
Ajos 0.0145
1.8098558
Mandarina 0.177
Azúcar 0.03945
0.0495
Cena
Camote 0.0744
Arroz 0.12342
Sal 0.0018
Ajos 0.0145
Aceite 0.0341
2.15252
Gelatina 0.252
0.0997
48
Tabla 8 Consolidado de los alimentos con sus requerimientos nutricionales.
necesario conocer cuál sería la cantidad mínima y máxima que puede ingerir
49
nutrientes. Los intervalos en porcentajes de los requerimientos nutricionales
se encuentran en la tabla 1, 2 y 3.
nutricionales.
encuentran en la tabla 7.
50
Se desea determinar qué cantidad de cada tipo de comida se debe
x1 =leche evaporada
x5 =sopa de sémola
x6 =pescado a la chorrillana
x7 =mandarina
x8 =limonada
x10 =gelatina
x11 =maracuyá
0.0997 x11
51
En seguida se plantea las restricciones de los nutrientes, obtenidos en la tabla 8.
133x1 122.26 x 2 107.2 x3 289.1x 4 99.55 x5 825.6 x 6 52.5 x 7 60.6 x8 764.08 x9 166.32 x10 96.10 x11 2000
6.3 x 1.5 x 0.5 x 12.47 x 6.35 x 33.13 x 0.9 x 0.05 x 27.03 x 5.4 x 0.27 x 75
1 2 3 4 5 6 7 8 9 10 11
7.7 x1 0.43 x 2 0.18 x3 9.32 x 4 1.1x5 20.46 x 6 0.45 x 7 0.02 x8 21.33 x9 0.03 x11 62
10.9 x1 29.22 x 2 27.5 x3 40.88 x 4 17.46 x5 124.78 x 6 12.9 x 7 15.85 x8 115.82 x9 45.9 x10 24.27 x11 325
0.34 x1 0.02 x3 1.88 x 4 60.12 x5 14.80 x 6 5.97 x9 17.8
2.36 x1 0.01x3 6.25 x 4 0.3 x5 1.22 x 6 7.52 x9 4.4
0.24 x1 0.6 x 2 2.68 x3 9.32 x 4 1.05 x5 2.35 x 6 0.75 x 7 2.5 x9 0.6 x11 25
65 x1 3.2 x 2 6.1x3 2.8 x 4 165.3 x5 26.235 x 6 51x 7 0.0 x5 8 68.2 x9 x11 600
3.06 x 48.54 x 3.32 x 10.48 x 58.1755 x 73.05 x 11.05 x 17.332 x 0.65 x 45
2 3 4 5 6 7 8 9 11
0 x1 4
0 x2 3
0 x3 3
0 x4 3
0 x5 2
0 x6 2
0 x7 4
0 x8 4
0 x9 2
0 x10 4
0 x11 4
52
Formulación y planteamiento del problema de programación lineal caso 2 B
nutricionales.
encuentran en la tabla 8.
53
Se desea determinar qué cantidad de cada tipo de comida se debe
cantidad de grasa.
x1 =leche evaporada
x5 =sopa de sémola
x6 =pescado a la chorrillana
x7 =mandarina
x8 =limonada
x10 =gelatina
x11 =maracuyá
la tabla 8.
54
133x1 122.26 x 2 107.2 x3 289.1x 4 99.55 x5 825.6 x 6 52.5 x 7 60.6 x8 764.08 x9 166.32 x10 96.10 x11 2000
6.3x 1.5 x 0.5 x 12.47 x 6.35 x 33.13x 0.9 x 0.05 x 27.03x 5.4 x 0.27 x 75
1 2 3 4 5 6 7 8 9 10 11
10.9 x1 29.22 x 2 27.5 x3 40.88 x 4 17.46 x5 124.78 x 6 12.9 x 7 15.85 x8 115.82 x9 45.9 x10 24.27 x11 325
0.34 x1 0.02 x3 1.88 x 4 60.12 x5 14.80 x 6 5.97 x9 17.8
2.36 x1 0.01x3 6.25 x 4 0.3x5 1.22 x 6 7.52 x9 4.4
0.24 x 0.6 x 2.68 x 9.32 x 1.05 x 2.35 x 0.75 x 2.5 x 0.6 x 25
1 2 3 4 5 6 7 9 11
65 x1 3.2 x 2 6.1x3 2.8 x 4 165.3x5 26.235 x 6 51x 7 0.0 x5 8 68.2 x9 x11 600
3.06 x 2 48.54 x3 3.32 x 4 10.48 x5 58.1755 x 6 73.05 x 7 11.05 x8 17.332 x9 0.65 x11 45
0.2 x1 0.2 x3 0.1x5 0.25 x8 0.125 x10 0.25 x11 1.5
0 x1 4
0 x2 3
0 x3 3
0 x4 3
0 x5 2
0 x6 2
0 x7 4
0 x8 4
0 x9 2
0 x10 4
0 x11 4
55
VI. Resultados
Caso 1 USANDO EL PROGRAMA LINGO
56
Aquí observamos que el valor óptimo se alcanza cuando las variables
la variable debería disminuir. Las variables que son no nulas tienen un costo
objetivo no varía.
57
Para que los precios sombra sean válidas, los intervalos permitidos de
58
Caso 2 A USANDO EL PROGRAMA LINGO
59
Caso 2 A USANDO EL PROGRAMA EXCEL
60
Según los resultados, observamos que la columna value (LINGO) o
Final valor (Excel), contiene el valor óptimo de cada variable, está tomando
porciones de gelatina.
61
0.0052116 lo que implica una disminución de precio en la función objetivo
Nos conviene aumentar una porción de pan con huevo y palta, cuyo
jugo de papaya con plátano, una porción de pan con huevo y palta, una
62
para que no cambie la solución óptima de las variables, pero si la función
objetivo son:
63
Caso 2 B USANDO EL PROGRAMA LINGO
64
Caso 2 B USANDO EL PROGRAMA EXCEL
65
Según los resultados, observamos que la columna value (LINGO) o
Final valor (Excel), contiene el valor óptimo de cada variable, está tomando
7.7 g de grasa, en la función objetivo para que el costo reducido sea nulo, lo
restricciones son:
66
b1 0;4558.89, b2 0;142.2, b4 0;811.05, b5 0;30.1,
b6 0;35.43, b7 23.06;27.76, b8 0;732.95, b9 0;563.21
objetivo son:
67
VII. Discusión
1. Al plantear un problema de programación lineal, damos por aceptado
la función objetivo.
como:
plátano, una porción de pan con huevo y palta, una porción de pescado
cenar con 9.98 soles por día; con un costo promedio mensual de 299.4
papaya con plátano, una porción de pan con huevo y palta, una
68
porción de sopa de sémola, una porción de mandarina, una porción de
69
VIII. Conclusiones
1. La solución óptima de minimización de costo es de 13.04067 soles,
maracuyá.
porción de maracuyá.
como restricciones.
70
4. El Hospital Nacional Cayetano Heredia tiene una capacidad para
71
IX. Recomendaciones
En mi opinión éste modelo puede ser implementado en la unidad de
los costos y minimizar las grasas lo que permitirá una redistribución de los
recursos.
72
X. Referencias bibliográficas
[2] Bazarra M., Jarvis J., Sherali H. (1999). Programación lineal y flujo de
[4] Castillo E., Cornejo A., Pedregal P., García R., y Alguacil N. (2002).
Ingeniería y Ciencia.
Recuperado de http://ingenieria-industrial.net/downloads/LibroCompleto.pdf
http://repobib.ubiobio.cl/jspui/bitstream/123456789/282/3/Chavez_Abello_Rodrigo.pdf
73
[9] Martin, Q. (2011). Investigación de operaciones. Recuperado de
http://ocw.usal.es/ensenanzas-tecnicas/investigacion-operativa-i/contenidos/TemasIO-
I_PDF/Cap02%28PL%29_IO-I.pdf
Hall.
[11] Soo Tan. (2010). Matemáticas Aplicadas a los Negocios, las Ciencias
Edición.
[13]http://www.ins.gob.pe/repositorioaps/0/5/jer/tab_cien_cenan/Tabla%20de
%20Alimentos.pdf
[14]http://www.bvs.ins.gob.pe/insprint/cenan/tabla_dosificacion_alimentos_s
ervicios_alimentacion_col.pdf
[15]http://sistemas.minag.gob.pe/sisap/portal/
[16]http://www.ins.gob.pe/repositorioaps/0/5/jer/doc_tec_norm/TAFERA_2_
compressed.pdf
[17]http://www.ins.gob.pe/repositorioaps/0/5/jer/doc_tec_norm/Factores%20
de%20conversi%C3%B3n%20de%20cocido%20-%20crudo.pdf
[18]http://www.fao.org/docrep/014/am401s/am401s02.pdf
74
XI. Anexos
Teorema 1
(a) Si existe una solución posible, también existe una solución posible
básica.
Demostración
x1 A1 ... x p Ap b (1.1)
cierta, puesto que p = m nos asegura siempre encontrar una solución para
solución básica.
y1 A1 ... y p Ap 0 (1.2)
en donde no todos los yi (i=1, …,p) son nulos, no es difícil ver que al
x
min i / yi 0 habremos generado una solución posible con a lo
yi
(b) Sea xT x1 ,..., xn una solución posible óptima o sea que
similar a la anterior del caso 2 para (a), la diferencia es que ahora debemos
Teorema 2
Ax b
x0
extremo de F.
Demostración
extremo.
mayores que cero. Para facilitar la notación supongamos que son las m
x
primeras. Entonces, x B
0
x x1 1 x2 , 0 1
y1 y2
Sean x1 ´ y x2 ´
y 1 y 2
donde yi , i 1,2 es de dimensión m x 1, e y´i , i 1,2 es de dimensión
x y1 y2
(n – m) x 1 . Entonces, de la igualdad B ´ 1 ´
0 y 1 y 2
se deduce 0 y 1 1 y 2
´ ´
Por ser y 1 , y 2 0,
´ ´
0 y 1 0 , se tiene y´1 y´2 0
siguiente manera:
xa
i 1
i i b
Para ver que x es solución básica factible, es probar que los vectores
k
existirían escalares 1 ,..., k no todos nulos, tales que a
i 1
i i 0
Si se definen x1 x y x 2 x
se puede elegir adecuadamente el valor de para que los puntos sean
1 1
factibles. Además, se verifica que x1 x2 y x x1 x2 de donde se
2 2
Teorema 3
Max (o Min) z cT x
Ax b
x0
Demostración
z cT x cT x* z *
k k
x i xi , i 0,
*
i 1
i 1 i 1
k k
Entonces, z * cT x* cT i xi i cT xi
i 1 i 1
Dado que se verifica max c xi c xi , i 1,..., k
T T
entonces
i
k k k
z * i cT xi i max cT xi max cT xi i max cT xi z *
i i i
i 1 i 1 i 1
Teorema 4
B 1b
A puede descomponerse en B N tal que x donde B es una
0
Demostración
1
Si B b 0, x 0 . Además, Ax 0 , tal que x es un extremo de S.
x x
x1 1 11 , x2 2 21 , donde 1 , 2 0
0 0
Note que Ax1 Ax2 0 , se puede verificar fácilmente que x11 x21 B b .
1
linealmente independiente.
k
Note que Ax1 Ax A 0 a 0
i 1
i i
1 1
Además, x x1 x2 contradiciendo el supuesto que x es un
2 2
independientes.
Así 0 Ax B x b x j , donde x es un vector del primer componente m de x
B 1b
x x j . Note que x 0, x j 0, B 1b 0 , lo que queda
0
demostrado.
Proposición 1
Demostración
Ax1 b, Ax 2 b, x1 0, x2 0
mínimo en un vértice de K.
Demostración
x4
x3 x5
x2 x6
x1 x7
p p
x0 i xi ; i 0; i 1
i 1 i 1
convexa de ellos:
q q
x i xi ; i 0; i 1
i 1 i 1
Proposición 3
Demostración
X X 1 1 X 2 , 0,1, X 1 , X 2 K
la conclusión de que:
x11 x21
x12 x22
...
x1k x2 k
Teorema 5
bT y c T x
Demostración
bT y xT AT y xT c cT x
Teorema 6
Demostración
x* , * S S´ donde S es el conjunto de oportunidades
x* * / z x* z *