Documente Academic
Documente Profesional
Documente Cultură
Dr en Ciencias de la Educación
Docente U.P.C.
PROGRAMACION LINEAL
DEFINICION
TERMINOLOGIA
Investigación de Operaciones
Se requiere para la toma de decisiones ejecutivas, que consiste en: – El arte de modelar
situaciones complejas, – La ciencia de desarrollar técnicas de solución para resolver
dichos modelos. – La capacidad de comunicar efectivamente los resultados en la
planeación , programación y ejecución .
OBJETIVO GENERAL
OBJETIVOS ESPECÍFICOS
PROGRAMACION LINEAL
Dados los números reales o parámetros Cj, bi, aij, ( i = 1, 2, 3, ....m ; j = 1, 2, 3, ... n). Se
desea optimizar el objetivo. Sujeto a m restricciones, por los recursos escasos.
1.1.2. Variables de decisión
1.1.4. Restricciones
1.1.5. Linealidad
Las relaciones entre las variables en la función objetivo, al igual que en las
restricciones deben ser lineales; es decir, debe formularse el problema como un
modelo de programación lineal.
Z = C1 X1 + C2 X2 + ... + Cn Xn
Sujeto a:
. . .
. . .
. . .
am1 X1 + am2x2 + ... +am1xn bm
xj 0 para j = 1, 2, …n
Éste modelo lo podemos expresar en forma condensada como sigue: haciendo
uso de sumatorias o de anotación matricial.
Maximizar Z Cj X j j = 1, 2, ... n
Sujeto a:
Xj 0 para j = 1, 2, ... n
Max. Z = c x
Sujeto a :
AX b
X 0
Cj , a ij y bi son parámetros
El vector renglón Cj = C1 , C2 , . . . , Cn ]
X1
X2
.
X Las variables de
.
Decisión .
X es un vector columna Xn
A= a1 a2 a3 ... an
a j = Vector formado por el vector correspondiente a cada columna de la matriz
Xj 0 para j = 1, 2, . . . n
Problema de producción
La compañía P G. produce dos tipos de radios y compra distintas partes de los
radios a otra compañía local y los arma en su planta. El radio tipo I necesita 5
horas de montaje y el tipo II necesita 3 horas. Se dispone diariamente de 105
horas en el departamento de montaje, la compañía puede gastar hasta U$ 70
para comprar los elementos de los radios. Utiliza U$ 2 de material para el radio
tipo I y U$ 4 para el radio tipo II, se pueden vender todos los que se producen y
gana U$ 20 netos al vender cada unidad de radio tipo I y U$ 16 al vender cada
unidad tipo II.
Planteamiento
Variables de decisión
F. O.1
Maximizar Z = 20 X1 + 16 X2
Sujeto a: Restricciones.
1. 5 X1 + 3 X2 105
2. 2 X1 + 4 X2 70
N. N. 2 X1 X2 0
Problema de mezcla
1
Función Objetivo
2 No Negatividad
16. La Compañía Moreno Ltda.. fabrica fertilizantes especiales para clientes del mercado
de cítricos. La Compañía acaba de recibir un pedido de 1000 toneladas de un fertilizante
que debe satisfacer las siguientes especificaciones.
Porcentaje de
Fertilizante
Básico
1 40 20 10
2 30 10 5
3 20 40 5
4 5 5 30
El porcentaje restante de cada fertilizante básico consta de ingredientes inertes.
Los costos de los fertilizantes básicos respectivos son $16, $12, $15, y $ 8 por
tonelada. El objetivo es minimizar los costos. Plantear el modelo matemático.
MODELO MATEMÁTICO P. L.
VARIABLES DE DECISIÓN
Sea: Xj = El número de toneladas de cada uno de los fertilizantes básicos
que deben incluirse en la mezcla de las 1000 toneladas.
j = 1, 2, 3, 4
FUNCIÓN OBJETIVO
Sujeto a:
4) X1 + X2 + X3 + X4 = 1000
X1 , X2 , X 3 , X4 0
Problema de publicidad
19. El Gerente de Mercadotecnia de una compañía que vende productos
alimenticios dietéticos está considerando la promoción de un nuevo producto. El
presupuesto de publicidad de la compañía incluye U$ 80000 para este fin.
Cada anuncio de revista cuesta U$ 6500, se estima que 35000 personas ven esos
anuncios. Debido a que la compañía controladora de la empresa que vende
alimentos dietéticos también tiene inversiones en diversas imprentas, los
administradores de primer nivel han dado instrucciones al Gerente de
mercadotecnia de que coloque cuando menos tres anuncios de revistas.
MODELO MATEMÁTICO P. L.
VARIABLES DE DECISIÓN
FUNCIÓN OBJETIVO
UN PROBLEMA DE INVERSION
Solución
Tipo A X 0,1x
Tipo B Y 0,08y
Condición de no negatividad
B 100 10 10
C 10 100 10
MODELO MATEMÁTICO P. L.
VARIABLES DE DECISIÓN
FUNCIÓN OBJETIVO
Sujeto a :
Restricciones
1) X1 + X2 + 10X3 1
X1 , X2 , X3 0
LA SOLUCION GRAFICA
SOLUCIONES GRAFICAS
Gráficamente Se puede resolver un problema de programación lineal que tenga sólo dos
variables de decisión, ya que en un plano solamente contamos con dos dimensiones, el
método de solución grafico es restringido, pero lo utilizamos
PROCEDIMIENTO
1. Graficar todas las restricciones, una por una y de finir el área de soluciones factibles
para cada restricción.
Se comienza: 1. graficando todas las restricciones una a una, sobre un sistema de ejes
coordenados, colocamos los valores de X1, (x) en el eje horizontal y los valores de X2,(y)
en el eje vertical.( la gráfica de una igualdad es una recta, la gráfica de una desigualdad
es un semiplano, a un lado de la recta) El siguiente paso consiste en determinar qué
puntos solución corresponden al área de soluciones factibles para el programa lineal. Se
requiere que tanto X1 (x)como X2 (y) : sean no negativas, y por ello sólo es necesario
considerar la porción de la gráfica en la que X1 ≥0 y X2 ≥0.
Solo nos interesa la Grafica en el cuadrante X 1 ≥0 y X2 ≥0. Es el
único cuadrante del sistema coordenado que cumple con el concepto de no
negatividad.
Como siempre se requiere que las variables decisorias de la programación lineal sean no
negativas. la gráfica que se obtengan en cada restricción o general, mostrarán sólo la
porción de la región de soluciones factibles que corresponde a los valores no negativos de
las variables de decisión.
Para trazar una recta buscamos dos puntos solución que satisfagan la ecuación y
trazamos una recta por tales puntos.
Para buscar un punto solución le damos un valor cualquiera a una de las variable y
despejamos la otra. Luego le damos un valor cualquiera a la otra variable y
despejamos la anterior.
Por conveniencia le podemos dar valores cero a las variable para obtener los dos puntos
cuando la recta no pasa por el origen. Si la recta pasa por el origen ( por ejemplo 2x ≥0.
0 sea que el valor a la derecha del signo sea cero ) solo para el primer valor le podemos
dar un valor de cero, para el segundo valor debe dársele un valor diferente de cero Y
obtenemos
coordenados(por conveniencia).
NOTA:
25 x 40 + ½ x 30 <= 20
200 + 15 <= 20
215 <= 20 no es consecuente por que 215 no es menor que 20 el punto p (40, 30) no
pertenece al semiplano solución luego la el semiplano solución es el del otro lado de la
recta
Grafica de la desigualdad 25 x 40 + ½ x 30 <= 20
Grafica de la inecuación 1/5 X2 <= 5
Para encontrar la solución optima buscamos los valores de la función objetiva f(z) en los
puntos extremos del aérea de las soluciones factibles y si estamos maximizando la
solución optima será el mayor valor encontrado ., pero si estamos minimizando será el
menor valor la solución optima.
ANALISIS
una ecuación con signo o que excedente si se trata de una restricción del o si se
cumplen las proporcionalidades en la igualdad.=
Solución
Tipo A X 0,1x
Tipo B Y 0,08y
Condición de no negatividad
X y X y x y x y
D
A
C
B
Grafica N° 1
PUNTOS X Y Z
EXTREMOS
A 0 60 000 4 800
E 0 21 0000 16 800
Z(E) = 16.800
Tomamos los valores de la mayor Z porque estamos maximizando
Y* = 80.000
ANALISIS
Tomamos la R1
Tenemos :
Significa:
Sigue la R2
Tenemos :
Sigue la R3
Tenemos
Óptima
PROBLEMA 2
En una pastelería se hacen dos tipos de tortas: Vienesa y Real. Cada
torta Vienesa necesita un cuarto de relleno por cada Kg. de bizcocho y
produce un beneficio de $,250 mientras que una torta Real necesita
medio Kg. de relleno por cada Kg. de bizcocho y produce $400 . de
beneficio. En la pastelería se pueden hacer diariamente hasta 150 Kg.
de bizcocho y 50 Kg. de relleno, aunque por problemas de maquinaria
no pueden hacer mas de 125 tortas de cada tipo. ¿Cuántas tortas
Vienesas y cuantas Reales deben vender al día para que sea máximo el
beneficio?
Solución
150 50
r1 x+y 150
r2 0,25x + 0,5y 50
r3 x 125 biscocho
r4 y 125 relleno
CNN X ≥0 y ≥0.
Para r1 x + y =150
X Y
0 150
150 0
x Y
0 100
200 0
Al eje Ox y =125
r3
r4
D
B
r2
O
r1
Grafica N° 2
X+y=150
X=125
r1 x+y 150
r2 x + 2y 200
C( 100,50)
PUNTOS X Y Z
EXTREMOS
0 0 0 0
A 125 0 31.250
B 125 25 41.250
D 0 100 40.000
Encontramos :
Z(D) = 40.000
Y* = 50
Se ve gráficamente que la solución es el punto C* (100, 50), ya que es
el vértice mas alejado (el último que nos encontramos al desplazar la
rectas 250x+400y=0 )
ANALISIS:
Tomamos la r1
Tenemos :
Consumió
Sigue la r2
r2 0,25x + 0,5y 50
Tenemos :
25 + 25 <= 50
Sigue la R3
r3 x 125
Remplazamos los valores de la solución optima en ella
Tenemos :
100 + 25 = 125
Optima
r4 y 125 vienesa
Tenemos :
50 125 tortas
50 + 75 = 125
Optima
Solución
Por lo tanto las restricciones que nos van a permitir calcular la región
factible (conjunto de puntos solución donde se cumplen todas las
condiciones) son
r1 x 8
r2 y 10
r3 x+ y 9
r4 4x + 5y ≥ 40.
CNN X ≥0 y ≥0.
X y X y X y X y
8 0 0 10 0 9 0 8
9 0 10 0
r1 x 8
r1 x =8
A r4
r3
r2 y 10
r2 y = 10
r3 x+ y 9
r4 4x + 5y ≥ 40.
A sus coordenadas salen al resolver el sistema r3 y r4
Z (B) = 80 x 9 = 720
PUNTOS X Y Z
EXTREMOS
A 5* 4* 620*
B 0 9 720
C 0 8 640
Y* = 4
PROBLEMA 4
Solución
Mina A x 1x 3x 5x 2000x
Mina B y 2y 2y 2y 2000y
80 160 200
Los vértices son los puntos A(0, 100), B(20, 50), C(40, 20), D(80, 0),
que se encuentran al resolver el sistema que determinan dos a dos las
rectas auxiliares y (y que estén dentro de la región factible).
C(0, 100)=2000.100=200000
Sea x = nº electricistas
y = nº mecánicos
La función objetivo
f (x, y)=250x+ 200y , las restricciones
Por tanto:
Calcular cuántas tienen que ofertarse de cada clase para que las
ganancias sean máximas.
Solución
nº Ganancia
Turista x 30x
Primera y 40y
Las restricciones:
La región factible:
Los vértices, A(0, 5000), B(3750, 1250), C(4500, 500) y D(4500, 0)
(comprueba el punto B resolviendo el sistema correspondiente)
INTRODUCCIÓN
En el transcurso del desarrollo del método SIMPLEX, para cada problema se hace la
formulación, se definen las variables de decisión y se construye el modelo matemático.
Para la aplicación del programa sistematizado se prepara la tabla inicial y se somete a la
generación de la solución óptima, a través del programa computarizado.
Este método, encuentra una solución básica factible del problema y una sucesión de
soluciones básicas factibles nuevas en cada una de sus interacciones; de tal forma, que
los valores de la función lineal objetiva que estamos tratando llega progresivamente hasta
su valor óptimo (máximo o mínimo) para dar así una decisión óptima, escogida de un gran
número de decisiones posibles. La decisión óptima es la que satisface un objetivo de
administración sujeta a varias restricciones.
El método SIMPLEX con el uso del computador encuentra amplias aplicaciones efectivas,
empleadas exitosamente en la administración de las industrias petroleras, automotriz,
químicas, forestales, metalúrgicas, agrícolas, militares, de servicios, financieras y otras. Al
ser desarrollado en el centro de información durante el transcurso del programa de
programación lineal; en la Universidad Popular del Cesar, pretendo que los estudiantes
aprendan a aplicar e interpretar los modelos matemáticos y sigan la dinámica para
adaptarse a los cambios frecuentes del medio en el que los profesionales actúan.
TIPO Agregar a:
DE La La Función Objetivo
RESTRICCIÓN Restricción Maximizar Minimizar
Menor o igual V. De Holgura
+S +OS +OS
V. Excedente y
Mayor o igual Artificial
-S+A +OS-MA +OS+MA
Igualdad Variable Artificial
= A -M*A +MA
V Variable
Los signos del coeficiente M nos garantiza que la variable artificial no este en la
solución final. Si la restricción es del tipo igual se agrega una variable artificial al
lado izquierdo de la restricción y la función objetivo se afecta en -M por la
variable artificial si estamos maximizando o +M por la variable artificial si se trata
de minimizar.
X1 X2 . . . Xn Solución
CB Cj C1 C2 . . . Cn bi
LA BASE a1 a2 . . . an
. . . . .
bm
. . . . .
. . . . .
Zj - Cj
Max -C1 -C2 -Cn 0
Zj = CB x a j
CB = Vector fila formado por todos los coeficientes de las variables en la base
de la función objetivo.
Fila de Decisión Simplex: Zj - Cj, son los coeficientes para la función objetivo en la
tabla inicial y sucesivas se llama z.
4. ALGORITMO SIMPLEX
La solución básica factible que tiene el mejor valor para la función objetivo se
llama la solución óptima.
3. APLICACIÓN
PROBLEMAS
F. O.3
Maximizar Z = 20 X1 + 16 X2
Sujeto a: Restricciones.
1. 5 X1 + 3 X2 105
2. 2 X1 + 4 X2 70
N. N. 4 X1 X2 0
3
Función Objetivo
4 No Negatividad
SOLUCIÓN INICIAL SIMPLEX TABLA 3
X1 X2 X3 X4
Cj 20 16 0 0
Sale X3
CB LA BASE a1 a2 a3 a4 Solución
0 X3 5 3 1 0 105
0 X4 2 4 0 1 70 X1
ZJ =
Entra
CB a j
La tabla inicial nos enseña que la solución inicial es el origen del sistema, puesto
que la ganancia
Entraes cero y las variables de holgura X3 y X4 presentan toda la
disponibilidad de recursos; ya que estos no han sido utilizados. Para resolver el
problema tenemos que utilizar las disponibilidades, por lo tanto , se debe entrar
alguna de las variables de decisión a la base y sacar una variable de holgura.
El criterio para seleccionar la variable que entra en la base, es la de escoger
aquella variable que nos aumenta más rápidamente el valor de la función objetivo
Z, es decir, la que da el máximo valor para la función objetivo.
Z - 20 X1 - 16 X2 = 0
1. damos a X1 = 1 X2 = 0
Z - 20 X1 - 6 X 0 = 0
Z = 20
Z – 20 X 0 - 16 X 1 = 0
Z = 16
La función Z aumentaría 16 veces el valor tomado. Luego, debemos entrar a la
base X1 ya que es la variable que nos aumenta más rápidamente el valor de Z
comparado con X2, o sea que escogemos aquella con el coeficiente más negativo,
es decir, la variable que nos da la mayor utilidad por unidad.
Encontrar el mínimo
bi
a ik i = 1, … m
aik > 0
105 , 70 , 21, 35
5 2
Sale X4 este renglón se llama el renglón (r). En este caso el renglón (r) en la
intersección con la columna (k) encontramos el pivote, para este caso el 5.
Realizamos esta operación dividiendo todos los coeficientes del renglón r entre el
pivote operacional. ark
arj
arj
ark
5
5 3 1 0
Coeficient e 5 Nuevo
105
a rj 5 5 5
3.4.2. Para encontrar los nuevos valores de los demás renglones diferente al de la
variable que entra i seguimos el siguiente procedimiento:
Para la fila 2
2 x5
a 21 2 0
5
2 x3 14
a 22 4
5 5
2 x1 2
a 23 0
5 5
2 x0
a 24 1 1
5
2 x105
a 20 70 28
5
La nueva fila dos es:
0 14/5 -2/5 1 28
20 x105
a 30
0 420
5
X1 X2 X3 X4 LA
Cj 20 16 0 0 SOLUCION
CB LA BASE b
a1 a2 a3 a4
20 X1 1 3/5 1/5 0 21
0 X5 0 14/5 -2/5 1 28
Máx Zj - Cj 0 -4 0 420
i 1,...m
X Bi
a ik
aik > 0
21
3 y 28
14
5 5
Para el caso escogemos la fila 2 , la del menor valor positivo 10 sale X5, el pivote
operativo es entonces 14/5, luego aplicamos el criterio para encontrar los nuevos
valores para i = r e i r.
Encontramos la nueva solución .
CB CJ 20 16 0 0 Solución
LA BASE b
a1 a2 a3 a4
1 20 X1 1 0 2/7 -3/14 15
6 X2 0 1 -1/7 5/14 10
2
Máx Zj-Cj 0 0 30/7 10/7 460
SOLUCIÓN ÓPTIMA
1. Que los coeficientes de las variables que están en la base constituyen los
elementos de una matriz identidad en cada etapa del proceso simplex.
2. llegaremos a la solución óptima cuando los coeficientes de la función objetivo
en la tabla SIMPLEX sean positivos o cero
Zj - Cj 0
4. MINIMIZACIÓN
Zj = C B x aj j = 1, 2 . . . n
C B = vector fila de los coeficientes de las variables en la base en la función
objetivo.
Ejemplo:
La compañía D. C recibió la orden de una mezcla de 20.000 lbs que lleva cereal
y carne de res como alimento para perros. El cereal cuesta $300 c/lbs y $800 la
libra de carne. Solamente hay 8000 lbs de cereal y hay que usar al menos 6000
lbs de carne en la mezcla. Que cantidad de cada ingrediente se debe utilizar, de
tal manera que se minimice el costo y cumplir con los requisitos al mismo tiempo.
5. Modelo Matemático
Desarrollo:
Sea X1 = Cantidad de libras de cereal en la mezcla.
X2 = Cantidad de libras de carne de res en la mezcla.
Sujeto a: Restricciones
X1 8000
X2 6000
X1 + X2 = 20.000
X1, X2 0
Estandarización o igualación.
Sujeto a: Restricciones
1) X1 X3 = 8000
2) X2 -X4 + A5 = 6000
A5 = X5
3) X1 + X2 + A6 = 20000
Cj 300 800 0 0 +M +M
CB LA BASE X1 X2 X3 X4 X5 X6 Solución
0 X3 1 0 1 0 0 0 8000
M A5 0 1 0 -1 1 0 6000
M A6 1 1 0 0 0 1 20000
Min Zj - Cj M-300 2M-800 0 -M 0 0 26000M
Zj M 2M 0 -M M M 26000M
Minimizar Z = - Máx Z
Entonces el procedimiento para resolver este problema es como el caso
maximizar anterior, lo que quiere decir, que debemos hacer el cambio de signo
para el renglón de decisión simple.x (renglón m+a) de la función objetivo y como
consecuencia terminaremos cuando todos los ZJ - CJ 0, allí estaremos en la
solución óptima.
Cj 300 800 0 0 +M +M La
CB X1 X2 X3 X4 X5 X6 Solución
LA BASE a1 a2 a3 a4 a5 a6
b
0 X3 1 0 1 0 0 0 8000
+M X5 0 1 0 -1 1 0 6000
+M X6 1 1 0 0 0 1 20000
-Max Zj - Cj 300-M 800-2M 0 M 0 0 -26000M
ENTRA X2
INTERACCIÓN Nro. 1
CMAX = -1200
V. B.
X3 1 0 1 0 0 0 = 8000
X2 0 1 0 -1 1 0 = 6000
X6 1 0 0 1 -1 1 = 14000
C = -700 0 0 -2000 1200 0
Z = -1 . 88E + 07
INTERACCIÓN Nro. 2
CMAX = -700
V. B.
X1 1 0 1 0 0 0 = 8000
X2 0 1 0 -1 1 0 = 6000
X6 0 0 -1 1 -1 1 = 6000
Z = -1 .32E+07
INTERACCIÓN Nro. 3
CMAX = -200
V. B.
X1 1 0 1 0 0 0 = 8000
X2 0 1 -1 0 0 1 = 12000
X4 0 0 -1 1 -1 1 = 6000
C = 0 0 500 0 1000 200
SOLUCIÓN ÓPTIMA
X(1) = 8000
X(2) = 12000
X(4) = 6000
PROBLEMA No. 1
VARIABLES DE DECISIÓN
a consumir diariamente.
FUNCIÓN OBJETIVO
REQUERIMIENTOS DE
VALOR PRESENTE
TIPO DE PROYECTO CAPITAL
Estimado
AÑO 1 AÑO2 AÑO3 AÑ04
Expansión de la planta $180.000 $300.000 $40.000 $40.000 $30.000
Investigación sobre
72.000 30.000 20.000 20.000 20.000
nuevos productos
Ampliación del 80.000 20.000 30.000 40.000 10.000
Fondos disponibles de
$65.000 $80.000 $80.000 $50.000
capital
J = 1, 2, 3, 4
FUNCIÓN OBJETIVO
5) X1 1
6) X2 1
7) X3 1
8) X4 1
X1 , X2 , X3 , X4 0
4. La dietista de un hospital debe encontrar la combinación más barata de dos
productos A y B que contienen al menos 0.5 miligramos de Tiamina y al menos
600 calorías. Cada onza de A contiene 0.12 miligramos de Tiamina y 100 calorías
mientras que cada onza de B contiene 0.08 miligramos de Tiamina y 150 calorías.
Si el costo de cada alimento es de U$ 10 por onza. Cuántas onzas de cada uno
deberían combinarse?
MODELO MATEMÁTICO P. L.
VARIABLES DE DECISIÓN
FUNCIÓN OBJETIVO
Min Z = 10X1 + 10X2
Restricciones
Sujeto a:
X1 , X2 0
Regular 3 3 U$ 5
Lujo 6 2 U$ 8
Disponibilidad 5000 2500 H/H
MODELO MATEMÁTICO P. L.
VARIABLES DE DECISIÓN
FUNCIÓN OBJETIVO
Restricciones
Sujeto a:
1) X1 + X2 1000
2) 3X1 + 6X2 5000
3) 3X1 + 2X2 2500
X1 , X2 0
6. La ladrillera lacera desea obtener una mezcla de arena y cemento que tenga
30% de arena y 70% de cemento. En el mercado venden tres clases de
productos: Producto 1 tiene 25% de arena y 75% de cemento y vale U$ 600 ton; el
producto 2 tiene 40% de arena y 60% de cemento y vale U$ 400 ton y la producto
3 tiene 50% de arena y 50% de cemento y vale U$ 150 ton.
Qué cantidad de cada producto se debe comprar para producir una tonelada de la mezcla
deseada?
MODELO MATEMÁTICO P. L.
VARIABLES DE DECISIÓN
FUNCIÓN OBJETIVO
Restricciones
Sujeto a :
A4 = X4
1) 25X1 + 40X2 + 50X3 = 30
A5 = X5
2) 75X1 + 60X2 + 50X3 = 70 A6 = X6
3) X1 + X2 + X3 = 1
Xj 0, i = 1, 2, 3
A B C
Precio de venta U$ 25 30 40
Costos Variables 6 6 6
Costos Fijos 6 6 6
Los tres productos utilizan el mismo tipo de material directo, el cual cuesta U$ 1.50
por libra de material. La mano de obra directa se paga a la tasa de U$ 5 por hora.
Hay 2.000 horas de mano de obra directa y 20.000 libras de materiales directos
disponibles en un mes. Cuanto debe fabricar de cada producto, para maximizar la
contribución.
Plantear el modelo matemático de la P.L.
PRODUCTOS
A B C
Mat Dir. 9.0 6.0 10
M. O. Dir 7.5 10 12.5
22.5 22 29
A B C
Margen de contribución 2.5 8 11
MODELO MATEMÁTICO P. L.
VARIABLES DE DECISIÓN
Sujeto a :
X1 , X2 , X3 0
MODELO MATEMÁTICO P. L.
VARIABLES DE DECISIÓN
10 X 60 = 600 Minutos
30 X 30 = 1800 Minutos
FUNCIÓN OBJETIVO
Max Z = 2X1 + X2
Sujeto a:
X1 , X2 0
Cj 2 1 0 0
Cb La Base X1 X2 X3 X4 SOLUCIÓN
0 X3 3 6 1 0 600
0 X4 2 9 0 1 1800
Max Zj - C j -2 -1 0 0 0
PRODUCTO W5 Q2 COSTO
A 1 3 U$ 8
B 7 1 U$ 6
VARIABLES DE DESICION
Sujeto a :
1) X1 + 7X2 175 A6 = X6
2) 3X1 + X2 150 A7 = X6
3) X1 + X2 100
A8 = X8
X1 , X2 0
Es política de la compañía que el número de juguetes tipo B que se haga no debe ser
mayor a 1.5 veces el número de juguetes tipo A. los costos de producción son de U$ 30
y U$ 40 para los juguetes A y B respectivamente, y los precios de venta respectivamente
U$ 60 y U$ 90 para A y B respectivamente.
MODELO MATEMÁTICO P. L.
VARIABLES DE DECISIÓN
Pv - C = Ut
A 60 - 30 = 30
B 90 - 40 = 50
FUNCIÓN OBJETIVO
Max Z = 30X1 + 50X2
Restricciones
Sujeto a :
1) X1 + 2X2 2000
2) X1 + X2 1500
3) X2 600
4) X1 200
5) –1.5X1 + X2 0
X1 , X2 0
B 100 10 10
C 10 100 10
VARIABLES DE DECISIÓN
FUNCIÓN OBJETIVO
Restricciones
Sujeto a :
1) X1 + X2 + 10X3 1
X1 , X2 , X3 0
12. Un agricultor tiene 500 hectáreas y dispone de 4000 horas-hombre que asignará a
cultivar los siguientes productos: maíz, trigo y soya. El agricultor debe producir al menos
150 ton. de trigo debido a un contrato especial firmado con un cliente y al menos 400
toneladas de maíz.
En la siguiente tabla se asume el tonelaje y la mano de obra en horas-hombre por
hectárea para los diferentes productos:
Ton / Hect. 15 8 10
El maíz, trigo y soya lo comercializan a U$ 200, 300 y 145 / ton. cuántas hectáreas se
deben producir de cada producto por cosecha para maximizar los ingresos.
MODELO MATEMÁTICO P. L.
VARIABLES DE DECISIÓN
FUNCIÓN OBJETIVO
Máx Z = 15x200X1 + 8x300X2 + 10x145X3 Ingresos Totales
Sujeto a:
1) X1 + X2 + X3 + 500
2) 120X1 + 135 X2 + 105X3 + 40000 (Simplificado al pasar a la tabla)
3) 15X1 400
4) 8 X2x 150
X1 , X2 , X 3 0
13. La junta de planeación del municipio de Valledupar tiene tres proyectos para la
comunidad de Pueblo bello. Construir un colegio, un puesto de salud y una casa comunal.
Abre una licitación para construir estas obras, cuyo número de pliegos presentados por
los contratistas muestra las siguientes cotizaciones para las obras en millones de pesos:
PROYECTOS
CONTRATISTAS A B C
1 500 200 50
2 480 210 45
3 450 180 42
Dentro de las condiciones del pliego la Junta de Planeación especifica que se debe
asignar un proyecto a un contratista. Que proyectos adjudican a que contratista? Para
minimizar los costos.
MODELO MATEMÁTICO P. L.
VARIABLES DE DECISIÓN
.i = 1, 2, 3 j = 1, 2, 3
FUNCIÓN OBJETIVO
Min Z = 500X11 + 200X12 + 50X13
Sujeto a:
Xi j 0
Cualquier bombardeo enviado a determinada ciudad particular debe llevar cuando menos
el combustible suficiente para el viaje redondo, mas una reserva de 100 galones. El
número de bombarderos de que dispone el comandante, así como las descripciones, se
presentan en la siguiente tabla:
1 Pesado 2 48
2 Liviano 3 32
1 2 3 4
BOMBARDERO
VARIABLES DE DECISIÓN
i = 1, 2 j= 1,2,3,4
FUNCION OBJETIVO
100 (X11 + X12 + X13 + X14 + X21 + X22 + X23 + X24 ) 48000 (Combustible)
X11 0
15. Cervecería Leona tiene tres plantas que embotellan cerveza de marca genérica. La
cerveza se distribuye desde tres plantas a cuatro (4) bodegas. Los gerentes de
producción de cada una de las plantas han estimado la producción mensual esperada
para sus respectivas plantas. Se fabricará en total en las tres plantas una cantidad
suficiente de cerveza para cargar 300 camiones.
La gerencia general ha asignado la producción total a las respectivas bodegas
examinando datos de meses anteriores. En la tabla siguiente se presenta la información
de oferta (producción) y demanda (asignación), junto con los costos de transporte para
cada combinación de oferta y demanda.
BODEGAS
PLANTAS 1 2 3 4 PRODUCCIÓN (OFERTA) 1
U$ 464 513 654 867 75
ASIGNACIÓN -----------
(DEMANDA) 80 65 70 85 300
MODELO MATEMÁTICO P. L.
VARIABLES DE DECISIÓN
i = 1, 2, 3
j = 1, 2, 3, 4
FUNCIÓN OBJETIVO
Sujeto a:
Xi j 0
16. La Compañía Moreno Ltda.. fabrica fertilizantes especiales para clientes del mercado
de cítricos. La Compañía acaba de recibir un pedido de 1000 toneladas de un fertilizante
que debe satisfacer las siguientes especificaciones.
Porcentaje de
Fertilizante
1 40 20 10
2 30 10 5
3 20 40 5
4 5 5 30
MODELO MATEMÁTICO P. L.
VARIABLES DE DECISIÓN
Sea: Xj = El número de toneladas de cada uno de los fertilizantes básicos
que deben incluirse en la mezcla de las 1000 toneladas.
j = 1, 2, 3, 4
FUNCIÓN OBJETIVO
Sujeto a:
X1 , X2 , X 3 , X4 0
EL PROBLEMA DE TRANSPORTE Y ASIGNACION
EL PROBLEMA DE TRANSPORTE
Objetivo del problema es minimizar los costos de transportar los artículos desde
Sea:
m n
Minimizar Z = Cij X ij
1 1
Sujetos :
n
X ij ai i= 1, 2, 3, .. m
1
m
X ij b j j= 1, 2, 3, .. n
1
m n
ai = bj condición necesaria
1 1
Ejemplo:
PLANTA
1 X 11 6 X 12 7 X 13 5 60
2 X 21 8 X 22 20 X 23 1 80
3 X 31 X 32 4 X 33 3 40
5
Bj 50 90 70 180
210
Solución
PLANTAS CLIENTES
1 1
7
20
2 2
1
5 4
3 3
3
2. IGUALAR OFERTAS Y DEMANDAS
Si las ofertas son mayores agregamos un cliente ficticio con costos cero, para que asuma
la diferencia de las demandas, en caso contrario agregamos una planta ficticia con costos
cero para que asuma la diferencia de las ofertas, de esta forma tenemos la tabla
equilibrada o igualada o estandarizada.
CLIENTE ui
1 2 3
PLANTA
1 X 11 6 X 12 7 X 13 5 60
2 X 21 8 X 22 20 X 23 1 80
3 X 31 5 X 32 4 X 33 3 40
4 X 41 0 X 42 0 X 43 0 30
FICTICIA
Bj 50 90 70 210
210
Minimizar Z = 6X 11 + 7 X 12 + 5 X + 8 X 21 +20 X 22 + 13
X +5X +
23 31
+4X +3 X +0 X 41 + 0 X 42 + 0 X
32 33 43
Sujeto a :
1. X 11 + X 12 + X 13 = 60 0ferta
2. X 21 + X 22 + X 23 = 80 0ferta
3. X + X
31 32 + X 33 = 40 oferta
4. X 41 + X 42 + X 43 = 30 oferta
5. X 11 . + X 21 . + X . +
31 X 41 = 50 demanda
6. X 12 + X 22 + X 32 + X 42 = 90
demanda
7. X + X 13 23 + X 33 + X 43 = 70
demanda
Xij 0 i = 1, 2, 3,4 y j = 1, 2, 3
4. EQUIVALENCIA DE VARIABLES
X 11 = X1 X 12 = X2 X = X3
13
X 21 = X4 X 22 = X5 X =
23 X6
X = X7
31 X = X8
32 X = X9
33
Sujeto a :
1. X1 + X2 + X3 = 60 0ferta
2. X4 + X5 + X6 = 80 0ferta
3. X7 + X8 + X9 = 40 oferta
5. X1. + X4 + X7 + X10 = 50
demanda
6. X2 + X5 + X8 + X11 = 90 demanda
7. X3 + X6 + X9 + X12 = 70
demanda
Xj 0 j = 1, 2, 3,4,5,6,7,8,9,10,11,12
6. APLICACIÓN DE LA LA TABLA DE
IGUALAR DEL SIMPLEX
Minimizar Z = 6 X1 + 7 X2 +5 X3 + 8X4 + 20 X5 +
X6
+ 5 X7 + 4 X8 + 3 X9 + 0X10 + 0 X11 +
0X12+MX13 + MX14 + MX15 + MX16 + MX17 + MX18 +
MX19
Sujeto a :
1. X1 + X2 + X3 + X13 = 60
2. X4 + X5 + X6 + X14 = 80
3. X7 + X8 + X9 + X15 = 40
6. X2 + X5 + X8 + X11 + X18 = 90
7. X3 + X6 + X9 + X12 + X19 = 70
Xj 0
j = 1, 2,3,4,5,6,7,89,10,11,12,13,14,15,16,17,18,1
7. CONSTRUCCION DE LA TABLA DE LA
SOLUCION INICIAL
SOLUCIÓN INICIAL SIMPLEX
Cj 6 7 5 8 20 1 5 4 3 0 M M M M M M M b
0 0
Cb Base X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X16 X17 X18 X19 Solución
M X13 1 1 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 60
M X14 0 0 0 1 1 1 0 0 0 0 0 0 0 1 0 0 0 0 0 80
M X15 0 0 0 0 0 0 1 1 1 0 0 0 0 0 1 0 0 0 0 40
M X16 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 1 0 0 0 30
M X17 1 0 0 1 0 0 1 0 0 1 0 0 0 0 0 0 1 0 0 50
M X18 0 1 0 0 1 0 0 1 0 0 1 0 0 0 0 0 0 1 0 90
M X19 0 0 1 0 0 1 0 0 1 0 0 1 0 0 0 0 0 0 1 70
2M-
Min Zj - Cj 2M-6 2M-7 2M-5 2M-8 2M-5 2M-4 2M-3 2M 2M 0 0 0 0 0 0 0 420M
20
2M-1 2M
Zj 2M 2M 2M 2M 2M 2M 2M 2M 2M 2M 0 0 0 0 0 0 0 420M
2M 2M
- Zj- - - - - - - - - - - - - 0 0 0 0 0 0 0 -42000
M Cj 1 1
1 1 1 1 1 1 1 2 2 2
ax 9 9
9 9 8 9 9 9 9 0 0 0
4 5
3 2 0 9 5 6 7 0 0 0
Aplicar el software y obtiene la solución optima.
EL PROBLEMA DE ASIGNACION
ai = 1 unidad ofrecida
bj = 1 unidad Demandada
m n
Minimizar Z = Cij X ij
1 1
Sujetos:
n
X ij 1 i= 1, 2, 3, .. m
1
m
X ij 1 j= 1, 2, 3, .. n
1
m n
ai = bj condición necesaria
1 1
Trabaj 2 ui
1 3
Maquinas
1 X 11 7 X 12 5 X 13 6 1
2 X 21 8 X 22 10 X 23 9 1
3 X 31 5 X 32 3 X 33 4 1
Bj 1 1 1 3
3
Solución
MAQUINAS TRABAJADORES
1 1
5
10
2 2
9
5 3
3 3
4
2. IGUALAR OFERTAS Y DEMANDAS
Si las ofertas son mayores agregamos un cliente ficticio con costos cero, para que asuma
la diferencia de las demandas, en caso contrario agregamos una planta ficticia con costos
cero para que asuma la diferencia de las ofertas, de esta forma tenemos la tabla
equilibrada o igualada o estandarizada. En este caso ya esta igualada o estandarizada
tres maquinas y tres trabajadores.
ui
1 2 3
TRABAJADORES
MAQUINAS
1 X 11 X 12 5 X 13 6 1
7
2 X 21 X 22 10 X 23 9 1
8
3 X 31 5 X 32 3 X 33 4 1
Bj 1 1 1 3
Minimizar Z = 7X 11 + 5 X 12 + 6 X + 8 X 21 +10 X 22 +
13
+9X + 5 X + 3X +4 X
23 31 32 33
Sujeto a :
1. X 11 + X 12 + X 13 = 1 0ferta
2. X 21 + X 22 + X 23 = 1 0ferta
3. X + X
31 32 + X 33 = 1 oferta
4. X 11 . + X 21 . + X . = 1 demanda
31
5. X 12 + X 22 + X 32 = 1 demanda
6. X 13 + X 23 + X 33 = 1 demanda
Xij 0 i = 1, 2, 3 y j = 1, 2, 3
4. EQUIVALENCIA DE VARIABLES
X 11 = X1 X 12 = X2 X = X3
13
X 21 = X4 X 22 = X5 X =
23 X6
X = X7
31 X = X8
32 X = X9
33
Sujeto a :
1. X1 + X2 + X3 = 1 0ferta
2. X4 + X5 + X6 = 1 oferta
3. X7 + X8 + X9 = 1 oferta
4. X1. + X4 + X7 = 1 demanda
5. X2 + X5 + X8 = 1 demanda
6. X3 + X6 + X9 = 1 demanda
Xj 0 j = 1, 2, 3,4,5,6,7,8,9
TIPO Agregar a:
DE La La Función Objetivo
RESTRICCIÓN Restricción Maximizar Minimizar
Menor o igual V. De Holgura
+S +OS +OS
V. Excedente y
Mayor o igual Artificial
-S+A +OS-MA +OS+MA
Igualdad Variable Artificial
= A -M*A +MA
MODELO MATEMATICO SIMPLEX
Minimizar Z = 6 X1 + 7 X2 +5 X3 + 8X4 + 10 X5 +
9X6
+ 5 X7 + 3 X8 + 4 X9 + MX10 +M X11 +
MX12+MX13 + MX14 + MX15
Sujeto a :
1. X1 + X2 + X3 + X10 = 1
2. X4 + X5 + X6 + X11 = 1
3. X7 + X8 + X9 + X12 = 1
6. X 3 + X6 + X9 + X15 = 1
Xj 0 j = 1, 2, 3,4,5,6,7,8,9,10,11,12,13,14,15
7. CONSTRUCCION DE LA TABLA DE LA
SOLUCION INICIAL
Cj 6 7 5 8 10 9 5 3 4 M M M M M M b
M X10 1 1 1 0 0 0 0 0 0 1 0 0 0 0 0 1
M X11 0 0 0 1 1 1 0 0 0 0 1 0 0 0 0 1
M X12 0 0 0 0 0 0 1 1 1 0 0 1 0 0 0 1
M X13 1 0 0 1 0 0 1 0 0 0 0 0 1 0 0 1
M X14 0 1 0 0 1 0 0 1 0 0 0 0 0 1 0 1
M X15 0 0 1 0 0 1 0 0 1 0 0 0 0 0 1 1
Zj - C j
2M-
Min 2M-7 2M-5 2M-8 2M-10 2M-5 2M-3 2M-4 0 0 0 0 0 6M
6
2M-9 0
Zj 2M 2M 2M 2M 2M 2M 2M 2M 2M M M M M M M
-- Zj-Cj - - -1 - - - - - - 0 0 0 -600
Máx. 1
1 9 1 1 1 1 1 1 0 0 0
9
9 5 9 9 9 9 9 9
4
3 2 9 1 5 7 6
investigacion de operaciones Mohammad Naghi Namakforoosh Editorial Limusa 1989 Dr. ciencias
admitivas UAM Universidad Autonoma De Mexico