Solución para el ejercicio 1.1.

Agregamos las variables de holgura

max z = 3*x1+4*x2

2*x1+x2+s1=6

2*x1+3*x2+s2=9

Reordenamos el PL en forma de tabla simplex

x1 x2 s1 s2 res
Z -3 -4 0 0 0
s1 2 1 1 0 6
s2 2 3 0 1 9
La tabla optima es la siguiente:

x1 x2 s1 s2 res
z 0 0 1/4 5/4 51/4
x1 1 0 3/4 -1/4 9/4
x2 0 1 -1/2 1/2 3/2
Como se requiere que las X1,x2 sean esteros se debe aplicar el algoritmo de corte.

PASO 0: preguntarse si las VB (variables básicas) tienes valores fraccionarios, en caso de ser así se
realiza los siguientes pasos.

PASO1: dela tabla optima de elije el menos valor de las VB.

PASO2: como x2 = 3/2 tiene el menor valor, se extrae su fila correspondiente.

0*x1 +1*x2 -1/2*s1 +1/2*s2 =3/2

PASO3: descomponer (toda la restricción) en enteros y fracciones positivas.

X2-s1+1/2s1+1/2s2=1+1/2
PASO4: reordenar, al lado izq los enteros y al lado derecho las fracciones, eliminar la parte entera,
e igualar a <=0

X2-s1-1=1/2-1/2s1-1/2s2<=0

1/2-1/2s1-1/2s2<=0

PASO5: reordenar y agregar una variable de holgura

-1/2s1-1/2s2+s3=-1/2

PASO6: agregar esta última restricción a la tabla optima final

x1 x2 s1 s2 s3 res
z 0 0 1/4 5/4 0 51/4
x1 1 0 3/4 -1/4 0 9/4
x2 0 1 -1/2 1/2 0 3/2
s3 0 0 -1/2 -1/2 1 -1/2
PASO7: encontrar la variable que entra: DIVIDIENDO z entre s3 y se elige el menor positivo (tomar
el resultado de las divisiones como valores absolutos)

S1=(1/4)/(-1/2)=-1/2 su absoluto =1/2

S2=(5/4)/(-1/2)=-5/2 su absoluto =5/2

PASO8: elegir la variable que sale: en este caso es s3 porque tiene un valor negativo. (resolviendo
tenemos)

x1 x2 s1 s2 s3 res
z 0 0 0 1 1/2 25/2
x1 1 0 0 -1 3/2 3/2
x2 0 1 0 1 -1 2
s1 0 0 1 1 -2 1
Retornamos al PAS0 0: la VB x1 tiene valor fraccionario, entonces se siguen los pasos 1 al 6,
dándonos como resultado:

x1 x2 s1 s2 s3 s4 resul
z 0 0 0 1 0 1 12
x1 1 0 0 -1 0 3 0
x2 0 1 0 1 0 -2 3
s1 0 0 1 1 0 -4 3
s3 0 0 0 0 1 -2 1
De esta última tabla podemos concluir que: x1=0 ,x2=3, z=12.
Solución para el ejercicio 1.2.

Agregamos las variables de holgura

max z = x1+2*x2+3*x3+x4;

3*x1+2*x2+x3+4*x4+s1=10;

5*x1+3*x2+2*x3+5*x4+s2=5;

Reordenamos el PL en forma de tabla simplex

X1 X2 X3 X4 S1 S2 RHS
Z: -1.0000 -2.0000 -3.0000 -1.0000 0.0000 0.0000 0.0000
s1: 3.0000 2.0000 1.0000 4.0000 1.0000 0.0000 10.0000
s2: 5.0000 3.0000 2.0000 5.0000 0.0000 1.0000 5.0000

La tabla optima es la siguiente:

X1 X2 X3 X4 S1 S2 RHS
Z: 6.5000 2.5000 0.0000 6.5000 0.0000 1.5000 7.5000
S1: 0.5000 0.5000 0.0000 1.5000 1.0000 -0.5000 7.5000
X3: 2.5000 1.5000 1.0000 2.5000 0.0000 0.5000 2.5000

Como se requiere que las Xi sean esteros se debe aplicar el algoritmo de corte.

PASO 0: preguntarse si las VB (variables básicas) tienes valores fraccionarios, en caso de ser así se
realiza los siguientes pasos.

PASO1: dela tabla optima de elije el menos valor de las VB.

X3=5/2=2.5

PASO2: con x3 = 5/2, se extrae su fila correspondiente.

5/2*x1+3/2*x2+x3+5/2*x4+1/2*s2=5/2

PASO3: descomponer (toda la restricción) en enteros y fracciones positivas.

2*x1+1/2*x1+x2+1/2*x2+x3+2*x4+1/2*x4+1/2*s2=2+1/2

PASO4: reordenar, al lado izq los enteros y al lado derecho las fracciones, eliminar la parte entera,
e igualar a <=0

2*x1 +x2+x3+2*x4-2= -1/2*x1-1/2*x2-1/2*x4-1/2*s2+1/2<=0

PASO5: reordenar y agregar una variable de holgura

-1/2*x1-1/2*x2-1/2*x4-1/2*s2+s3=-1/2

PASO6: agregar esta última restricción a la tabla optima final

X1 X2 X3 X4 S1 S2 s3 RHS
Z: 6.5000 2.5000 0.0000 6.5000 0.0000 1.5000 0 7.5000
S1: 0.5000 0.5000 0.0000 1.5000 1.0000 -0.5000 0 7.5000
X3: 2.5000 1.5000 1.0000 2.5000 0.0000 0.5000 0 2.5000
s3: -0.5 -0.5 0 -0.5 0 -0.5 1 -0.5

PASO7: encontrar la variable que entra: DIVIDIENDO z entre s3 y se elige el menor positivo (tomar
el resultado de las divisiones como valores absolutos)

X1=6.5/0.5 =13 x2=2.5/0.5=5 x4=6.5/0.5=13 s2=1.5/0.5=3

PASO8: elegir la variable que sale: en este caso es s3 porque tiene un valor negativo. (resolviendo
tenemos)
X1 X2 X3 X4 S1 S2 S3 RHS
Z: 5 1 0 5 0 0 3 6
S1: 1 1 0 2 1 0 -1 8
X3: 2 1 1 2 0 0 1 2
s2: 1 1 0 1 0 1 -2 1

De esta última tabla podemos concluir que: x1=0 ,x2=0, x3=2, x4=0 z=6.
Solución 1.1

La capacidad de transporte de camioneta tipoA = 15*35*18=9450(Tn-milla/día)

La capacidad de transporte de camioneta tipoB = 25*30*18=13500(Tn-milla/día)

La capacidad de transporte de camioneta tipoC = 18*30*21=11340(Tn-milla/día)

Max z = 9450*x1+13500*x2+11340*x3;
10000*x1+15000*x2+17000*x3<=800000; (capital)
x1+2*x2+2*x3<=150; (personal)
x1+x2+x3<=30; (mantenimiento)
x3<=x2; (convertir tipo B a tipo C)
resolviendo con el software tenemos:

x1=0, x2=30, x3=0, z=405000

se debe de comprar 30 unidades de camionetas tipo B.

Solución 1.2

El valor económico se refiere a los precios sombra.

resolviendo con el software tenemos:

R1 de capital = 0
R2 de personal = 0
R3 de mantenimiento = 13500

Es decir que al aumentar la restricción de mantenimiento de 30 a 31 la FO aumentara en 13500.

Solución 1.3

De la solución del software tenemos:

Variable Value Reduced Cost

X1 0.000000 4050.000
X2 30.00000 0.000000
X3 0.000000 2160.000

Row Slack or Surplus Dual Price

1 405000.0 1.000000
Restricción de capital 2 350000.0 0.000000
Restricción de personal 3 90.00000 0.000000
Restricción de mantenimiento 4 0.000000 13500.00
Restricción de conversión 5 30.00000 0.000000

Tiene que conseguir un crédito de (800000-350000) 450000

Solución 2.1

Incrementa su capital en 30% el nuevo capital es 800000*1.3=1040000

Incrementa su capacidad de mantenimiento 30 a 45.

Modificamdo estas restricciones tenemos

max z = 9450*x1+13500*x2+11340*x3;
10000*x1+15000*x2+17000*x3<=1040000;
x1+2*x2+2*x3<=150;
x1+x2+x3<=45;
x3<=x2;
resolviendo con el software tenemos:

x1=0, x2=45, x3=0, z=607500

se debe de comprar 45 unidades de camionetas tipo B para maximizar la capacidad de transporte

Solución 2.2

El valor económico se refiere a los precios sombra.

resolviendo con el software tenemos:

R1 de capital = 0
R2 de personal = 0
R3 de mantenimiento = 13500

Es decir que al aumentar la restricción de mantenimiento de 45 a 46 la FO aumentara en 13500.

PLANTEANDO EL MODELO DE PL TENEMOS:

X1 : cantidad de trernes a producir

X2 : cantidad de camiones a producir

X3 : cantidad de automiviles a producir

max = 5*x1+4*x2+7*x3;
1*x1+2*x2+1*x3<=450; restricción de minutos en Operacion1
3*x1+0*x2+2*x3<=480; restricción de minutos en Operacion2
1*x1+4*x2+0*x3<=400; restricción de minutos en Operacion3
Solucion a)

La solución por software al primal es:

Variable Value Reduced Cost
X1 0.000000 6.500000
X2 100.0000 0.000000
X3 240.0000 0.000000

Row Slack or Surplus Dual Price

1 2080.000 1.000000
2 10.00000 0.000000
3 0.000000 3.500000
4 0.000000 1.000000

Dando como resultado: x1=0, x2=100, x3=240 con un valor óptimo de 2080. Es decir, se debe producir 100
unidades camiones y 240 unidades de automóviles para optimizar las ganancias.

El dual quedaría de la siguiente forma:

MIN= 450 * Y1 + 480 * Y2 + 400 * Y3;

[X1] Y1 + 3 * Y2 + Y3 >= 5;
[X2] 2 * Y1 + 4 * Y3 >= 4;
[X3] Y1 + 2 * Y2 >= 7;
La solución por software al DUAL es:
Variable Value Reduced Cost
Y1 0.000000 10.00000
Y2 3.500000 0.000000
Y3 1.000000 0.000000
 Row Slack or Surplus Dual Price
1 2080.000 -1.000000
2 6.500000 0.000000
3 0.000000 -100.0000
4 0.000000 -240.0000

Dando un valor de Y1 = 0, Y2=3.5, Y3=1, z = 2080. La máxima utilidad que se puede obtener es de 2080.

Solucion b)

De la solución por software tenemos que los precios sombra son:

Row Slack or Surplus Dual Price
1 2080.000 1.000000
minutos en Operacion1 2 10.00000 0.000000
minutos en Operacion2 3 0.000000 3.500000
minutos en Operacion3 4 0.000000 1.000000

deberá de alquilar

tiempo utilizado en la operación 1=450-10=440 min

tiempo utilizado en la operación 2=480-0=480 min
tiempo utilizado en la operación 3=400-0=400 min
y el precio máximo que debería de pagar es 2080 (el valor del optimo).

Solución c)

Si aumenta sus recursos en un 20% las restricciones cambian a:

1*x1+2*x2+1*x3<=540; restricción de minutos en Operacion1

3*x1+0*x2+2*x3<=576; restricción de minutos en Operacion2
1*x1+4*x2+0*x3<=480; restricción de minutos en Operacion3

Resolviendo el modelo por software tenemos:

Variable Value Reduced Cost
X1 0.000000 6.500000
X2 120.0000 0.000000
X3 288.0000 0.000000

Row Slack or Surplus Dual Price

1 2496.000 1.000000
2 12.00000 0.000000
3 0.000000 3.500000
4 0.000000 1.000000

La nueva solución óptima para el problema es producir 120 unidades de X2, y 288 unidades de x3, dando
un valor óptimo de 2496.
Solución a)

x1=cantidad de bolsos

x2=cantidad de mochilas

x3=cantidad de estuches

el modelo queda de la siguiente manera:

max z = 29*x1+27*x2+50*x3;
3*x1+2*x2+4*x3<=46;
3*x1+2*x2+3*x3<=44;
2*x1+1*x2+2*x3<=49;
X1,x2,x3 = enteros
La solución por software es:
Variable Value Reduced Cost
X1 0.000000 11.50000
X2 19.00000 0.000000
X3 2.000000 0.000000

Row Slack or Surplus Dual Price

1 613.0000 1.000000
2 0.000000 9.500000
3 0.000000 4.000000
4 26.00000 0.000000

La solución óptima del problema es producir 19 unidades de X2 y 2 unidades de x3, dando una
ganancia de 613.
Solución b)

El recurso piel pasa de 46 a 35, el PL se cambia a:

max = 29*x1+27*x2+50*x3;
3*x1+2*x2+4*x3<=35;
3*x1+2*x2+3*x3<=44;
2*x1+1*x2+2*x3<=49;
X1,x2,x3 = enteros

La solución por software es:

Variable Value Reduced Cost
X1 1.000000 -29.00000
X2 16.00000 -27.00000
X3 0.000000 -50.00000

Row Slack or Surplus Dual Price

1 461.0000 1.000000
2 0.000000 0.000000
3 9.000000 0.000000
4 31.00000 0.000000

La solución óptima del problema es producir 16 unidades de X2 y 1 unidad de X1, dando una
ganancia de 461.
Solución c)

El recurso horas de acabado aumentan en 10 pasan de 49 a 59

max z = 29*x1+27*x2+50*x3;
3*x1+2*x2+4*x3<=35;
3*x1+2*x2+3*x3<=44;
2*x1+1*x2+2*x3<=59;
X1,x2,x3 = enteros

El software nos da como resultado

Variable Value Reduced Cost
X1 1.000000 -29.00000
X2 16.00000 -27.00000
X3 0.000000 -50.00000

Row Slack or Surplus Dual Price

1 461.0000 1.000000
2 0.000000 0.000000
3 9.000000 0.000000
4 41.00000 0.000000

La solución óptima del problema es producir 16 unidades de X2 y 1 unidad de X1, dando una
ganancia de 461, es el mismo valor porque la variable de holgura de la restricción de tiempo de
acabado es >=0
Solución d)

Como el valor de la variable de holgura de la restricción 2 (tiempo de costura) tiene un valor de 9, si se

recomienda el despido de un trabajador de costura, siempre y cuando su aporte en horas de trabajo sea
<= 9.