Nombre: Juan José Díaz Bravo Fecha: 28/11/2021

Métodos cuantitativos de la organización I

Actividad 1

1. Una tienda de barrio vende dos tipos de bebidas isotónicas: una de marca A
de sabor naranja y otra de marca B de sabor limón y más económica. El
margen de beneficio de la bebida A es de 5 céntimos de euro por lata,
mientras que el de la bebida B es de 7 céntimos de euro por lata. La tienda
vende de media al día no más de 500 latas de ambas bebidas isotónicas.
Debido a la diferencia de precio, las bebidas de la marca B se venden mejor
que las de la marcar A, a razón de 2 a 1, como mínimo. Se sabe, además, que
la bebida A suele vender unas 100 latas, como mínimo al día. ¿Cuántas latas
de cada marca debe haber en el almacén de la tienda diariamente para
maximizar su beneficio? Plantear el modelo de programación lineal (función
objetivo y restricciones) y resolver gráficamente.

Definimos las variables:

• x1: bebida isotónica de marca A de sabor naranja.
• x2: bebida isotónica de marca B de sabor limón.

Función objetivo: número de latas de cada marca que debe de haber en el

almacén para maximizar su beneficio:
𝟓 𝟕
𝒁𝒎á𝒙 = 𝒙𝟏 + 𝒙
𝟏𝟎𝟎 𝟏𝟎𝟎 𝟐

Restricciones:
1. La tienda vende de media al día no más de 500 latas de ambas bebidas
isotónicas: 𝒙𝟏 + 𝒙𝟐 ≤ 𝟓𝟎𝟎
2. Se sabe, además, que a bebida A suele vender unas 100 latas, como mínimo
al día: 𝒙𝟏 ≥ 𝟏𝟎𝟎
3. Debido a la diferencia de precios, las bebidas de la marca b se venden mejor
que las bebidas de la marca A, a razón de 2 a 1, como mínimo: 𝟐𝒙𝟐 ≥ 𝒙𝟏
4. El número de latas debe de ser positivo: 𝑥1 ≥ 0 𝑦 𝑥2 ≥ 0

Representación gráfica:
• Restricción 1: 𝒙𝟏 + 𝒙𝟐 ≤ 𝟓𝟎𝟎
o Sí 𝑥1 = 0 ⟶ 𝑥1 + 𝑥2 = 500 ⇒ 𝑥2 = 500
o Sí 𝑥2 = 0 ⟶ 𝑥1 + 𝑥2 = 500 ⇒ 𝑥1 = 500

• Restricción 3: 𝟐𝒙𝟐 ≥ 𝒙𝟏

𝟐𝒙𝟐 = 𝒙𝟏 ⇒ 𝒙𝟐 = 𝟏⁄𝟐 𝒙𝟏
1⁄ 𝑥 100 150 200 250 300 350 400 450 500
2 1
𝑥2 50 75 100 125 150 175 200 225 250

1
Nombre: Juan José Díaz Bravo Fecha: 28/11/2021
Métodos cuantitativos de la organización I

• Vértice A (100, 400)

5 7 5 7
𝑍𝑚á𝑥 (100, 400) = 𝑥1 + 𝑥2 ⇒ 𝑍𝑚á𝑥 (100, 400) = ( ∗ 100) + ( ∗ 400) ⇒
100 100 100 100

⇒ 𝒁𝒎á𝒙 (𝟏𝟎𝟎, 𝟒𝟎𝟎) = 𝟑𝟑€ 𝒅𝒆 𝒃𝒆𝒏𝒆𝒇𝒊𝒄𝒊𝒐

• Vértice B (333,34, 166,67)

2𝑥2 = 𝑥1
} ⇒ 2𝑥2 + 𝑥2 = 500 ⇒ 3𝑥2 = 500 ⇒ 𝒙𝟐 = 𝟏𝟔𝟔, 𝟔𝟕
𝑥1 + 𝑥2 = 500

2𝑥2 = 𝑥1 ⇒ 2 ∗ 166,67 = 𝑥1 ⇒ 𝒙𝟏 = 𝟑𝟑𝟑, 𝟑𝟒

5 7
𝑍𝑚á𝑥 (333,34, 166,67) = 𝑥1 + 𝑥 ⇒
100 100 2

5 7
⇒ 𝑍𝑚á𝑥 (333,34, 166,67) = ( ∗ 333,34) + ( ∗ 166,67) ⇒
100 100

⇒ 𝒁𝒎á𝒙 (𝟑𝟑𝟑, 𝟑𝟒, 𝟏𝟔𝟔, 𝟔𝟕) = 𝟐𝟖, 𝟑𝟑€ 𝒅𝒆 𝒃𝒆𝒏𝒆𝒇𝒊𝒄𝒊𝒐

• Vértice C (100, 50)

5 7 5 7
𝑍𝑚á𝑥 (100, 50) = 𝑥1 + 𝑥2 ⇒ 𝑍𝑚á𝑥 (100, 50) = ( ∗ 100) + ( ∗ 50) ⇒
100 100 100 100

⇒ 𝒁𝒎á𝒙 (𝟏𝟎𝟎, 𝟓𝟎) = 𝟖, 𝟓€ 𝒅𝒆 𝒃𝒆𝒏𝒆𝒇𝒊𝒄𝒊𝒐

2
Nombre: Juan José Díaz Bravo Fecha: 28/11/2021
Métodos cuantitativos de la organización I

El beneficio máximo se obtendrá cuando en el almacén haya 100 latas de la bebida

isotónica de la marca A y 400 latas de la bebida isotónica de la marca B, por lo que
se obtendrá un beneficio en las ventas de 33€.

3
Nombre: Juan José Díaz Bravo Fecha: 28/11/2021
Métodos cuantitativos de la organización I

2. Se conoce la función objetivo y las restricciones a las que está sujeta. Se pide
obtener la solución para:

1) Maximizar la función objetivo.

2) Minimizar la función objetivo.

Función objetivo: 𝒁 = 𝟏𝟓𝒙𝟏 + 𝟐𝟓𝒙𝟐

𝟐𝒙𝟏 + 𝟔𝒙𝟐 ≥ 𝟏𝟐
𝑺𝒖𝒋𝒆𝒕𝒐 𝒂: {𝟕𝒙𝟏 + 𝟑𝒙𝟐 ≥ 𝟐𝟏
𝒙𝟏 , 𝒙𝟐 ≥ 𝟎

Representación gráfica:

• Restricción 1: 𝟐𝒙𝟏 + 𝟔𝒙𝟐 ≥ 𝟏𝟐

o Sí 𝑥1 = 0 ⟶ 2𝑥1 + 6𝑥2 = 12 ⇒ 6𝑥2 = 12 ⇒ 𝒙𝟐 = 𝟐
o Sí 𝑥2 = 0 ⟶ 2𝑥1 + 6𝑥2 = 12 ⇒ 2𝑥1 = 12 ⇒ 𝒙𝟏 = 𝟔

• Restricción 2: 𝟕𝒙𝟏 + 𝟑𝒙𝟐 ≥ 𝟐𝟏

o Sí 𝑥1 = 0 ⟶ 7𝑥1 + 3𝑥2 = 21 ⇒ 3𝑥2 = 21 ⇒ 𝒙𝟐 = 𝟕
o Sí 𝑥2 = 0 ⟶ 7𝑥1 + 3𝑥2 = 21 ⇒ 7𝑥1 = 21 ⇒ 𝒙𝟏 = 𝟑

• Vértice A (0, 7)

𝑍(0, 7) = 15𝑥1 + 25𝑥2 ⇒ 𝑍(0, 7) = (15 ∗ 0) + (25 ∗ 7) ⇒ 𝒁(𝟎, 𝟕) = 𝟏𝟕𝟓

4
Nombre: Juan José Díaz Bravo Fecha: 28/11/2021
Métodos cuantitativos de la organización I

• Vértice B (5/2, 7/6)

7 𝟓
2𝑥1 + 6𝑥2 = 12 ⇒ 𝑥1 = 6 − 3𝑥2 ⇒ 𝑥1 = 6 − (3 ∗ ) ⇒ 𝒙𝟏 =
6 𝟐

𝟕
72𝑥1 + 3𝑥2 = 21 ⇒ 42 − 21𝑥2 + 3𝑥2 = 21 ⇒ −18𝑥2 = −21 ⇒ 𝒙𝟐 =
𝟔

5 7 5 7 5 7 𝟓 𝟕
𝑍 ( , ) = 15𝑥1 + 25𝑥2 ⇒ 𝑍 ( , ) = (15 ∗ ) + (25 ∗ ) ⇒ 𝒁 ( , ) = 𝟔𝟔, 𝟔𝟕
2 6 2 6 2 6 𝟐 𝟔

• Vértice C (6, 0)

𝑍(6, 0) = 15𝑥1 + 25𝑥2 ⇒ 𝑍(6, 0) = (15 ∗ 6) + (25 ∗ 0) ⇒ 𝒁(𝟔, 𝟎) = 𝟗𝟎

5 7
La función objetivo se minimiza en el punto 𝐵 (2 , 6), que es punto donde se cortan
las dos rectas de las restricciones y que dicho punto se encuentra dentro de la
𝟓 𝟕
región factible, cuya Z en ese punto es: 𝒁 (𝟐 , 𝟔) = 𝟔𝟔, 𝟔𝟕

La función objetivo no se puede maximizar porque nos encontramos con que la

región factible no se encuentra acotada, por lo que no podemos obtener ningún
máximo.

5
Nombre: Juan José Díaz Bravo Fecha: 28/11/2021
Métodos cuantitativos de la organización I

3. Para el correcto funcionamiento del almacén de una gran empresa es

fundamental el tiempo que se emplea en la preparación de cada producto que
ha de enviarse al cliente. Para mejorar el tiempo de respuesta, el gerente de
la empresa ha decidido comprar un montacargas que facilite la manipulación
de los tres productos que la empresa tiene almacenados en el almacén.

El conductor del montacargas requiere para un tiempo de 2, 3 y 4 minutos,

respectivamente, para ir y volver a cada uno de los tres productos
almacenados. Una vez que el conductor ha llegado a donde se encuentra el
producto, requiere de un tiempo de proceso de 3, 2 y 1 minutos para recoger
el producto. El beneficio aportado por cada producto es, respectivamente, de
12, 10 y 15 euro. Se dispone de 100 minutos para llegar hasta los productos
y 200 para el proceso de los mismos. Determine el número óptimo de
unidades que se pueden mover en el almacén.

Resolverlo empleando el método simplex.

Definimos las variables:

• x1: producto 1.
• x2: producto 2.
• x3: producto 3.

Función objetivo: beneficio aportado por cada producto:

𝒁 = 𝟏𝟐𝒙𝟏 + 𝟏𝟎𝒙𝟐 + 𝟏𝟓𝒙𝟑

Restricciones:
1. Se dispone de 100 minutos para llegar a los productos:
2𝒙𝟏 + 𝟑𝒙𝟐 + 𝟒𝒙𝟑 ≤ 𝟏𝟎𝟎
2. Se dispone de 200 minutos para el proceso de los productos:
𝟑𝒙𝟏 + 𝟐𝒙𝟐 + 𝒙𝟏 ≤ 𝟐𝟎𝟎
3. El número de minutos debe de ser positivo: 𝑥1 ≥ 0, 𝑥2 ≥ 0 𝑦 𝑥3 ≥ 0

Reescribimos la función y las restricciones en la forma aumentada, añadiendo las

variables de holgura.

𝒁 = 𝟏𝟐𝒙𝟏 + 𝟏𝟎𝒙𝟐 + 𝟏𝟓𝒙𝟑 𝒁 − 𝟏𝟐𝒙𝟏 − 𝟏𝟎𝒙𝟐 − 𝟏𝟓𝒙𝟑 = 𝟎

𝟐𝒙𝟏 + 𝟑𝒙𝟐 + 𝟒𝒙𝟑 ≤ 𝟏𝟎𝟎
}⟹{
𝟑𝒙𝟏 + 𝟐𝒙𝟐 + 𝒙𝟏 ≤ 𝟐𝟎𝟎
𝒙𝟏 ≥ 𝟎, 𝒙𝟐 ≥ 𝟎 𝒚 𝒙𝟑 ≥ 𝟎
S2 son las variables de holgura.
𝟐𝒙𝟏 + 𝟑𝒙𝟐 + 𝟒𝒙𝟑 + 𝑺𝟏 = 𝟏𝟎𝟎
, donde S1 y
𝟑𝒙𝟏 + 𝟐𝒙𝟐 + 𝒙𝟏 + 𝑺𝟐 = 𝟐𝟎𝟎
𝒙𝟏 ≥ 𝟎, 𝒙𝟐 ≥ 𝟎, 𝒙𝟑 ≥ 𝟎, 𝑺𝟏 ≥ 𝟎 𝒚 𝑺𝟐 ≥ 𝟎

6
 Nombre: Juan José Díaz Bravo Fecha: 28/11/2021
Métodos cuantitativos de la organización I

a) Tabla inicial:

Rest. Variables Base X1 X2 X3 S1 S2 Coef. Rest.

0 Z -12,00 -10,00 -15,00 0,00 0,00
1 S1 2,00 3,00 4,00 1,00 0,00 100,00
2 S2 3,00 2,00 1,00 0,00 1,00 200,00

b) Identificar la columna de entrada y la fila de salida

Rest. Variables Base X1 X2 X3 S1 S2 Coef. Rest. Coef. Rest. /Coef. Entr.

0 Z -12,00 -10,00 -15,00 0,00 0,00
1 S1 2,00 3,00 4,00 1,00 0,00 100,00 25,00
2 S2 3,00 2,00 1,00 0,00 1,00 200,00 200,00

Para ver la columna que entra tomamos en valor absoluto el mayor de los
coeficientes de la función objetivo, en este caso la columna de entrada es la
columna X3, ya que tiene el coeficiente mayor en valor absoluto de la función
objetivo.
Seguidamente para saber cuál es la fila que sale dividimos el coeficiente de
restricción entre el coeficiente de entrada, que dichos coeficientes son los
de la columna X3. Una vez realizada la división se elige la fila que tenga en
el resultado el valor más pequeño, en este caso la fila que sale es la fila 1,
porque es la que tiene el valor más pequeño una vez realizada la división.

c) Entrada de la nueva variable base.

Rest. Variables Base X1 X2 X3 S1 S2 Coef. Rest.

0 Z -4,50 1,25 0,00 3,75 0,00 375,00
1 X3 0,50 0,75 1,00 0,25 0,00 25,00
2 S2 2,50 1,25 0,00 -0,25 1,00 175,00

Entra la variable X3 en la fila 1, primeramente, se divide toda la fila 1 entre 4

para conseguir en la columna de entrada X3 un 1, seguidamente se realizan
las siguientes operaciones para conseguir en la fila 0 y en la fila 2 de la
columna X3 un 0, las operaciones son las siguientes:
o Operaciones en la fila 0: 𝐹′0 = (𝐹1 ∗ 15) + 𝐹0 , afecta a toda la fila 0.
o Operaciones en la fila 2: F′2 = [F1 ∗ (−1)] + F2, afecta a toda la fila 2.

7
 Nombre: Juan José Díaz Bravo Fecha: 28/11/2021
Métodos cuantitativos de la organización I

d) Identificar la columna de entrada y la fila de salida

En este apartado repetimos las mismas operaciones que se han realizado
en el apartado b), con la diferencia que la columna de entrada es la columna
X1, porque es la única que tiene un número negativo en los coeficientes de
la función objetivo.

Rest. Variables Base X1 X2 X3 S1 S2 Coef. Rest. Coef. Rest. /Coef. Entr.

0 Z -4,50 1,25 0,00 3,75 0,00 375,00
1 X3 0,50 0,75 1,00 0,25 0,00 25,00 50,00
2 S2 2,50 1,25 0,00 -0,25 1,00 175,00 70,00

Seguidamente para saber cuál es la fila que sale dividimos el coeficiente de

restricción entre el coeficiente de entrada, que dichos coeficientes son los
de la columna X1. Una vez realizada la división se elige la fila que tenga en
el resultado el valor más pequeño, en este caso la fila que sale es la fila 1,
porque es la que tiene el valor más pequeño una vez realizada la división.

e) Entrada de la nueva variable base.

Rest. Variables Base X1 X2 X3 S1 S2 Coef. Rest.

0 Z 0,00 8,00 9,00 6,00 0,00 600,00
1 X1 1,00 1,50 2,00 0,50 0,00 50,00
2 S2 0,00 -2,50 -5,00 -1,50 1,00 50,00

Entra la variable X1 en la fila 1, primeramente, se multiplica toda la fila 1 por

0.5 para conseguir en la columna de entrada X 1 un 1, seguidamente se
realizan las siguientes operaciones para conseguir en la fila 0 y en la fila 2
de la columna X1 un 0, las operaciones son las siguientes:
o Operaciones en la fila 0: 𝐹′0 = (𝐹1 ∗ 4.5) + 𝐹0 , afecta a toda la fila 0.
o Operaciones en la fila 2: F′2 = [F1 ∗ (−2.5)] + F2, afecta a toda la fila 2.

Una vez que los coeficientes de la función objetivo son todos positivos, hemos
llegado a la solución óptima del problema, que queda de la siguiente forma:

𝒁 = 𝟔𝟎𝟎
𝑿𝟏 = 𝟓𝟎
𝑿𝟐 = 𝟎
𝑿𝟑 = 𝟎

8
Nombre: Juan José Díaz Bravo Fecha: 28/11/2021
Métodos cuantitativos de la organización I

4. Para el siguiente modelo de optimización:

𝒎á𝒙𝒁 = 𝟑𝒙𝟏 + 𝟖𝒙𝟐

𝒙𝟏 + 𝟐𝒙𝟐 ≤ 𝟖𝟎𝟎
𝟑𝒙 + 𝒙𝟐 ≤ 𝟖𝟓𝟎
𝑺𝒖𝒋𝒆𝒕𝒐 𝒂: { 𝟏
𝒙𝟐 ≤ 𝟑𝟓𝟎
𝒙𝟏 , 𝒙𝟐 ≥ 𝟎

Se pide:

1) Resolver el modelo mediante la formulación matricial del método

simplex.

• Introducción de las variables de holgura:

𝑥1 + 2𝑥2 ≤ 800 𝑥1 + 2𝑥2 + 𝑆1 = 800

3𝑥1 + 𝑥2 ≤ 850 3𝑥 + 𝑥2 + 𝑆2 = 850
}⟹{ 1 , donde S1, S2 y S3 son las
𝑥2 ≤ 350 𝑥2 + 𝑆3 = 350
𝑥1 , 𝑥2 ≥ 0 𝑥1 , 𝑥2 , 𝑆1 , 𝑆2 , 𝑆3 ≥ 0
variables de holgura.

a) Vamos a determinar las matrices de nuestro problema:

1. Matriz de coeficientes de las variables en las restricciones, que se
denota por la letra “[A, I]”:

𝟏 𝟐 𝟏 𝟎 𝟎
[𝑨, 𝑰] = (𝟑 𝟏 𝟎 𝟏 𝟎)
𝟎 𝟏 𝟎 𝟎 𝟏

2. Vector de términos independientes de las restricciones, que se

denota por la letra “b”:

𝟖𝟎𝟎
𝒃 = (𝟖𝟓𝟎)
𝟑𝟓𝟎

3. Matriz que proporciona la solución inicial factible y está formada

por las columnas de las variables básicas (variables de holgura),
que se encuentran en la solución, que se denota por la letra “B”:

𝟏 𝟎 𝟎
𝑩 = (𝟎 𝟏 𝟎)
𝟎 𝟎 𝟏

9
Nombre: Juan José Díaz Bravo Fecha: 28/11/2021
Métodos cuantitativos de la organización I

4. Coeficientes de las variables de la función objetivo, que se denota

por “Cj”:

𝑪 𝒋 = ( 𝟑 𝟖)

5. Coeficientes de las variables básicas (variables de holgura) en la

función objetivo, que se denota por “CB”:

𝑪𝑩 = ( 𝟎 𝟎 𝟎)

6. Valores de las variables básicas (variables de holgura), que se

denota por “XB”:

𝑿𝑩 = (𝑺𝟏 𝑺𝟐 𝑺𝟑 )

7. Variables no básicas:

𝑋𝑁𝐵 = (𝑋1 𝑋2 ) 𝑦 𝐶𝑁𝐵 = (3 8)

b) Obtenemos la matriz inversa de B:

1 0 0 1 0 0
−1
𝐵 = (0 1 0) ⟶ 𝐵 = ( 0 1 0)
0 0 1 0 0 1

c) Obtención de la variable XB:

1 0 0 800 800 + 0 + 0
𝑋𝐵 = 𝐵 −1 ∗ 𝑏 ⇒ 𝑋𝐵 = (0 1 0 ) ∗ ( 850 ) ⇒ 𝑋𝐵 = ( 0 + 850 + 0) ⇒
0 0 1 350 0 + 0 + 350

𝟖𝟎𝟎 𝑺𝟏
⇒ 𝑿𝑩 = (𝟖𝟓𝟎) = (𝑺𝟐 )
𝟑𝟓𝟎 𝑺𝟑

Una vez obtenida la variable XB, se va a calcular el valor de la función

objetivo Z:

800
𝑍 = 𝐶𝐵 ∗ 𝑋𝐵 ⇒ 𝑍 = (0 0 0) ∗ (850) ⇒ 𝒁 = (𝟎)
350

d) Determinación de la variable que entra en la base:

𝑍𝑗 = 𝐶𝐵 ∗ 𝑌𝑗 ⇒ 𝑍𝑗 = 𝐶𝐵 ∗ 𝐵 −1 ∗ 𝑎𝑗 ⇒∗∗

10
Nombre: Juan José Díaz Bravo Fecha: 28/11/2021
Métodos cuantitativos de la organización I

Cálculo de Yj:

1 0 0 1 2 𝟏 𝟐
𝑌𝑗 = 𝐵 −1 ∗ 𝑎𝑗 ⇒ 𝑌𝑗 = (0 1 0) ∗ (3 1) ⇒ 𝒀𝒋 = (𝟑 𝟏)
0 0 1 0 1 𝟎 𝟏

donde aj son los valores de la matriz [A, I] de las variables no básicas.

1 2
∗∗⇒ 𝑍𝑗 = (0 0 0) ∗ (3 1) ⇒ 𝑍𝑗 = (0 0)
0 1

Como se está resolviendo un problema de maximización, la variable

que tenga el coeficiente 𝑍𝑗 − 𝐶𝑗 más negativo es el que entra en la base.

𝑍𝑗 − 𝐶𝑗 = (0 0) − (3 8) = (−3 −8)

La variable que entra en la base es x2, porque es la que tiene el valor

más negativo.

e) Variable que sale de la base (variables básicas: 𝑋𝐵1 , 𝑋𝐵2 , 𝑋𝐵3 ; columnas
de las variables que entran: 𝑌1𝑟 , 𝑌2𝑟 , 𝑌3𝑟 ).

𝑋𝐵 𝑋𝐵 𝑋𝐵 800 850 350

𝑚𝑖𝑛 ( 1 , 2 , 3 ) = min ( , , ) = (400, 850, 350)
𝑌1𝑟 𝑌2𝑟 𝑌3𝑟 2 1 1

La variable que sale de la base es S3, porque es la que tiene el valor

más pequeño, que sale de la división de los coeficientes
independientes entre las restricciones de la columna X2.

Tenemos la nueva base: 𝑋𝐵 = (𝑆1 𝑆2 𝑋2 )

Variables no básicas: 𝑋𝑁𝐵 = (𝑋1 𝑆3 )

f) Nueva matriz B

1 0 2 1 0 −2
𝐵 = (0 1 1) ⟶ 𝐵 −1 = (0 1 −1)
0 0 1 0 0 1

1 0 −2 800 800 + 0 − 700

−1
𝑋𝐵 = 𝐵 ∗ 𝑏 ⇒ 𝑋𝐵 = (0 1 −1) ∗ (850) ⇒ 𝑋𝐵 = (0 + 850 − 350) ⇒
0 0 1 350 0 + 0 + 350

𝟏𝟎𝟎 𝑺𝟏 𝟏 𝟎
⇒ 𝑿𝑩 = (𝟓𝟎𝟎) = ( 𝑺𝟐 ). Nueva aj: 𝒂𝒋 = (𝟑 𝟎), donde S3 es la
𝟑𝟓𝟎 𝑿𝟐 𝟎 𝟏
segunda columna.

𝑪𝒋 = ( 𝟑 𝟎); 𝑪𝑩 = (𝟎 𝟎 𝟖)

11
Nombre: Juan José Díaz Bravo Fecha: 28/11/2021
Métodos cuantitativos de la organización I

g) Repetimos los pasos para volver a calcular la variable que entra:

𝑍𝑗 = 𝐶𝐵 ∗ 𝑌𝑗 ⇒ 𝑍𝑗 = 𝐶𝐵 ∗ 𝐵 −1 ∗ 𝑎𝑗 ⇒∗∗

Cálculo de Yj:

1 0 −2 1 0 𝟏 −𝟐
𝑌𝑗 = 𝐵 −1 ∗ 𝑎𝑗 ⇒ 𝑌𝑗 = (0 1 −1) ∗ (3 0 ) ⇒ 𝒀𝒋 = (𝟑 𝟎)
0 0 1 0 1 𝟎 𝟏

donde aj son los valores de la matriz [A, I] de las variables no básicas.

1 −2
∗∗⇒ 𝑍𝑗 = (0 0 8) ∗ (3 0 ) ⇒ 𝒁𝒋 = (𝟎 𝟖)
0 1

Como se está resolviendo un problema de maximización, la variable

que tenga el coeficiente 𝑍𝑗 − 𝐶𝑗 más negativo es el que entra en la base.

𝑍𝑗 − 𝐶𝑗 = (0 8) − (3 0) = (−3 8)

La variable que entra en la base es X1, porque es la que tiene el valor

negativo.

h) Repetimos los pasos para calcular la variable que sale:

𝑋𝐵 𝑋𝐵 𝑋𝐵 100 500 350

𝑚𝑖𝑛 ( 1 , 2 , 3 ) = min ( , , ) = (100, 166.67, ∞)
𝑌1𝑟 𝑌2𝑟 𝑌3𝑟 1 3 0

La variable que sale de la base es S1, porque es la que tiene el valor

más pequeño, que sale de la división de los coeficientes
independientes entre las restricciones de la columna X1.

Tenemos la nueva base: 𝑋𝐵 = (𝑋1 𝑆2 𝑋2 )

Variables no básicas: 𝑋𝑁𝐵 = (𝑆1 𝑆3 )

i) Nueva matriz B.

1 0 2 1 0 −2
−1
𝐵 = (3 1 1) ⟶ 𝐵 = (−3 1 5)
0 0 1 0 0 1

1 0 −2 800 800 + 0 − 700

𝑋𝐵 = 𝐵 −1 ∗ 𝑏 ⇒ 𝑋𝐵 = (−3 1 5 ) ∗ (850) ⇒ 𝑋𝐵 = (−2400 + 850 + 1750) ⇒
0 0 1 350 0 + 0 + 350

12
Nombre: Juan José Díaz Bravo Fecha: 28/11/2021
Métodos cuantitativos de la organización I

𝟏𝟎𝟎 𝑿𝟏 𝟏 𝟎
⇒ 𝑿𝑩 = (𝟐𝟎𝟎) = ( 𝑺𝟐 ). Nueva aj: 𝒂𝒋 = (𝟎 𝟎), donde S1 es la
𝟑𝟓𝟎 𝑿𝟐 𝟎 𝟏
segunda columna.

𝑪𝒋 = ( 𝟎 𝟎); 𝑪𝑩 = (𝟑 𝟎 𝟖)

j) Repetimos los pasos para ver la variable que entra:

𝑍𝑗 = 𝐶𝐵 ∗ 𝑌𝑗 ⇒ 𝑍𝑗 = 𝐶𝐵 ∗ 𝐵 −1 ∗ 𝑎𝑗 ⇒∗∗

Cálculo de Yj:

1 0 −2 1 0 𝟏 −𝟐
𝑌𝑗 = 𝐵 −1 ∗ 𝑎𝑗 ⇒ 𝑌𝑗 = (−3 1 5 ) ∗ (0 0) ⇒ 𝒀𝒋 = (−𝟑 𝟓)
0 0 1 0 1 𝟎 𝟏

donde aj son los valores de la matriz [A, I] de las variables no básicas.

1 −2
∗∗⇒ 𝑍𝑗 = (3 0 8) ∗ (−3 5 ) ⇒ 𝒁𝒋 = (𝟑 𝟐)
0 1

Como se está resolviendo un problema de maximización, la variable

que tenga el coeficiente 𝑍𝑗 − 𝐶𝑗 más negativo es el que entra en la base.

𝑍𝑗 − 𝐶𝑗 = (3 2) − (0 0) = (3 2)

Como todos los coeficientes son positivos, la solución es óptima y

factible.

𝑿𝟏 𝟏𝟎𝟎
𝑿𝑩 = ( 𝑺𝟐 ) = (𝟐𝟎𝟎)
𝑿𝟐 𝟑𝟓𝟎

100
Sustituyendo en: 𝑍 = 𝐶𝐵 ∗ 𝑋𝐵 ⇒ 𝑍 = (3 0 8) ∗ (200) ⇒ 𝒁 = (𝟑𝟏𝟎𝟎)
350

2) Realizar los siguientes análisis de sensibilidad.

2.1) Consideremos ahora que el lado derecho de la restricción 1
cambia de su valor original 800 a 1650. ¿Cambia la actual base
óptima?

Nuevo vector de términos independientes:

1650
𝑏′ = ( 850 )
350
13
Nombre: Juan José Díaz Bravo Fecha: 28/11/2021
Métodos cuantitativos de la organización I

Como se han modificado los términos independientes de las

restricciones, hay que comprobar su la base actual toma ahora algún
valor negativo. Por tanto, las nuevas variables básicas serán:

1 0 −2 1650 1650 + 0 − 700

𝑋𝐵 = 𝐵 −1 ∗ 𝑏′ ⇒ 𝑋𝐵 = (−3 1 5 ) ∗ ( 850 ) ⇒ 𝑋𝐵 = (−4950 + 850 + 1750) ⇒
0 0 1 350 0 + 0 + 350

𝟗𝟓𝟎 𝑿𝟏
⇒ 𝑿𝑩 = (−𝟐𝟑𝟓𝟎) = ( 𝑺𝟐 )
𝟑𝟓𝟎 𝑿𝟐

Con este cambio la variable S2 tiene valor negativo, por lo que ya no

puede formar parte de la base. Por tanto, la solución óptima que se
tenía en el apartado 1 ya no es factible.

2.2) ¿Y si modificamos de forma simultánea los lados derechos de

las estricciones 1 y 2 a 2000 y 1500, respectivamente?

Nuevo vector de términos independientes:

2000
𝑏′ = (1500)
350

Como se han modificado los términos independientes de las

restricciones, hay que comprobar su la base actual toma ahora algún
valor negativo. Por tanto, las nuevas variables básicas serán:

1 0 −2 2000 2000 + 0 − 700

𝑋𝐵 = 𝐵 −1 ∗ 𝑏′ ⇒ 𝑋𝐵 = (−3 1 5 ) ∗ (1500) ⇒ 𝑋𝐵 = (−6000 + 1500 + 1750) ⇒
0 0 1 350 0 + 0 + 350

𝟏𝟑𝟎𝟎 𝑿𝟏
⇒ 𝑿𝑩 = (−𝟐𝟕𝟓𝟎) = ( 𝑺𝟐 )
𝟑𝟓𝟎 𝑿𝟐

Con este cambio la variable S2 tiene valor negativo, por lo que ya no

puede formar parte de la base. Por tanto, la solución óptima que se
tenía en el apartado 1 ya no es factible.

14
Nombre: Juan José Díaz Bravo Fecha: 28/11/2021
Métodos cuantitativos de la organización I

5. Plantear el problema dual del siguiente modelo de programación lineal:

𝑴á𝒙 𝒁 = 𝟓𝒙𝟏 + 𝟒𝒙𝟐

𝟔𝒙𝟏 + 𝟒𝒙𝟐 ≥ 𝟐𝟒
𝒙 + 𝟐𝒙𝟐 ≤ 𝟔
𝑺𝒖𝒋𝒆𝒕𝒐 𝒂: { 𝟏
𝒙𝟐 = 𝟐
𝒙𝟏 , 𝒙𝟐 ≥ 𝟎

Primal Dual

𝑀á𝑥 𝑍 = 5𝑥1 + 4𝑥2

𝑀𝑖𝑛 𝑊 = 24𝑦1 + 6𝑦2 + 2𝑦3
6𝑥1 + 4𝑥2 ≥ 24
6𝑦1 + 𝑦2 ≤ 5
𝑥1 + 2𝑥2 ≤ 6 ⟶{
4𝑦1 + 2𝑦2 + 𝑦3 ≥ 4
𝑥2 = 2
𝑦1 , 𝑦2 ≥ 0; 𝑦3 sin 𝑟𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛
𝑥1 , 𝑥2 ≥ 0 }

15