315 MR Versión 1 Integral 1/8

Lapso 2010-2

UNIVERSIDAD NACIONAL ABIERTA

VICERRECTORADO ACADÉMICO
ÁREA INGENIERÍA

MODELO DE RESPUESTA

ASIGNATURA: Investigación de operaciones I CÓDIGO: 315

MOMENTO: Prueba Integral VERSIÓN:1
FECHA DE APLICACIÓN: 04/02/2011

MOD. I, UND. 1, OBJ. 1 CRITERIO DE DOMINIO 1/1

1- Formular un problema de Programación Lineal:

Variables de decisión:

x1 : Petróleo crudo a comprar

x2 : Petróleo pesado a comprar

Formulación:

Minimizar z = 25x1 + 22x2 (en UM.)

Sujeto a: 0,45 x1 + 0,35 x2 ≥ 1.260.000

0,18 x1 + 0,36x2 ≥ 900.000

0,30 x1 + 0,20x2 ≥ 300.000

x1 ≥ 0 x2 ≥ 0

Criterio de corrección: se logra el objetivo, si se obtiene una formulación

equivalente del problema planteado, previa definición de las variables de
decisión.

MOD. I, UND. 2, OBJ. 2 CRITERIO DE DOMINIO 1/1

2- Aplicación del Método Gráfico al problema:

Maximizar z = 3x1 + 5x2

sujeto a: -3x1 + 2x2 ≤ 6
- x1 + x2 ≤ 5
- 3x1 + 8x2 ≥ 12
3x1 + 2x2 ≥ 18

x1, x2 ≥ 0

Especialista: Jesús Espinal Ingeniería de Sistemas Evaluación: Carmen Velásquez

315 MR Versión 1 Integral 2/8
Lapso 2010-2

x2

x1
4
-5 -4 -2 0
6

El problema es no acotado ya que la región determinada por el conjunto de

restricciones es vacía.

Criterio de corrección: se logra el objetivo si se traza correctamente la

región de factibilidad y se detecta que el problema no acotado.

MOD. II, UND. 3, OBJ. 3 CRITERIO DE DOMINIO 1/1

3- Solución básica factibles, para el problema:

Maximizar z = -x1 + 2x2
Sujeto a: 6x1 - 2x2 ≤ 3
-2 x1 + 3x2 ≤ 6
x1 + x2 ≤ 3
x1, x2 ≥ 0

Cálculo de una nueva solución a partir de la SBF x B = (x3 x4 x5 )

PPL: maximizar Z = − x1 + 2x 2
6 x1 − 2 x 2 + x3 = 3
− 2 x1 + 3 x 2 + x4 = 6
Sujeto a:
x1 + x2 + x5 = 3
x1 x2 x3 x4 x5 ≥ 0

Especialista: Jesús Espinal Ingeniería de Sistemas Evaluación: Carmen Velásquez

315 MR Versión 1 Integral 3/8
Lapso 2010-2

La solución actual es:

⎛ x3 ⎞ ⎛ 1 0 0 ⎞⎛ 3 ⎞ ⎛ 3 ⎞
⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
−1
x B = ⎜ x 4 ⎟ = B b = ⎜ 0 1 0 ⎟⎜ 6 ⎟ = ⎜ 6 ⎟ Z = 0 ; C BT = (0 0 0 ) ;
⎜x ⎟ ⎜ 0 0 1 ⎟⎜ 3 ⎟ ⎜ 3 ⎟
⎝ 5⎠ ⎝ ⎠⎝ ⎠ ⎝ ⎠
⎛ 6 ⎞
−1
⎜ ⎟
y1 = B a1 = ⎜ − 2 ⎟ ; Z = C BT y1 = 0 ; Z 1 − C1 = −1
⎜ 1 ⎟
⎝ ⎠
⎛ − 2⎞
−1
⎜ ⎟
y 2 = B a 2 = ⎜ 3 ⎟ ; Z = C BT y 2 = 0 ; Z 2 − C 2 = −2
⎜ 1 ⎟
⎝ ⎠
El vector que entra en la base es x2
Vector saliente
x Br / y r1 = Min{x B / y i1 ; y i1 > 0} = Min={-;6/3; 3/1}=2 por lo que sale x4 El nuevo
valor de Z : Z N + x Br / y r1 (C1 − Z 1 ) = 0 + 6 * 2 = 12 Obviamente la nueva solución
mejorará a la anterior ya que Z aumento.

Criterio de corrección: se logra el objetivo si se obtiene correctamente una

solución básica factible, obteniendo la matriz inversa formada por los vectores
columna. Es posible también que la obtenga al representar gráficamente el
problema, hallar los puntos extremos y aplicar el Teorema que relaciona los
puntos extremos con las SBF. En todo caso debe justificar lo que hace.

MOD. II, UND. 4, OBJ. 4 CRITERIO DE DOMINIO 1/1

4- Problema de Análisis de sensibilidad en Programación Lineal:

Solución
Maximizar 3x1 + 2x2 + 5x3
Sujeto a x1 + x2 + x3 ≤ 430
3x1 + 2x3 ≤ 460
3x1 + 4x2 ≤ 420
x1, x2, x3 ≥ 0

⎛ 430 ⎞ ⎛ 500 ⎞
⎜ ⎟ ⎜ ⎟
b de ⎜ 460 ⎟ a ⎜ 400 ⎟
⎜ 420 ⎟ ⎜ 600 ⎟
⎝ ⎠ ⎝ ⎠

Especialista: Jesús Espinal Ingeniería de Sistemas Evaluación: Carmen Velásquez

315 MR Versión 1 Integral 4/8
Lapso 2010-2

⎛ x 2 ⎞ ⎛1 / 2 − 1 / 4 0 ⎞⎛ 500 ⎞ ⎛ 150 ⎞
⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ x3 ⎟ = ⎜ 0 1 / 2 0 ⎟⎜ 400 ⎟ = ⎜ 200 ⎟
⎜x ⎟ ⎜−2 1 ⎟⎠⎜⎝ 600 ⎟⎠ ⎜⎝ 0 ⎟⎠
⎝ 6⎠ ⎝ 1

Nueva solución optima x1 =0 x2 = 150 x3 = 200 Z = 1300

Observamos que con los nuevos valores del lado derecho, el valor de la
función objetivo disminuye.

Criterio de corrección: se logra el objetivo si se obtienen las mismas

conclusiones, justificadas con argumentos propios del Análisis de Sensibilidad
cuando se emplea el Método Simplex.

MOD. II, UND. 5, OBJ. 5 CRITERIO DE DOMINIO 1/1

5- Método Simplex Revisado:

Solución
Maximizar z = 3x1 + 5x2

Sujeto a
x1 + x2 ≤ 200
x1 + 2x2 ≤ 300
x1, x2 ≥ 0
El conjunto de restricciones al agregar variables de holgura (x3 x4 ) es el
siguiente
Iteración 0:
Conjunto básico: XB0 = {x3, x4} CB0 = (0 0) B0 = (P3 P4 ) = Ι B0−1 = Ι

⎛ 1 0 ⎞⎛ 200 ⎞ ⎛ 200 ⎞
Así X B 0 = B0−1b = ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ Z = C B0 X B0 = 0
⎝ 0 1 ⎠⎝ 300 ⎠ ⎝ 300 ⎠
Calculo de optimalidad:
Selección del vector entrante:
{Z j − C j } = C B 0 B0−1 (P1 P2 ) − (C1 C 2 )
{Z j C j } = (0 0) − (3 5) = (− 3 − 5)
Por consiguiente P2 es el vector entrante

Calculo de factibilidad:
Selección del vector saliente: min { 200/1; 300/2 } por lo tanto P4 es el vector
saliente.

Iteración 1:
Conjunto básico: X B1 = {x3 x2 }
⎛1 1⎞ ⎛ 1 − 1/ 2⎞
C B1 = (0 5) B1 = (P3 P2 ) = ⎜⎜ ⎟⎟ B1−1 = ⎜⎜ ⎟⎟
⎝0 2⎠ ⎝ 0 1/ 2 ⎠

Especialista: Jesús Espinal Ingeniería de Sistemas Evaluación: Carmen Velásquez

315 MR Versión 1 Integral 5/8
Lapso 2010-2

⎛ 1 − 1 / 2 ⎞⎛ 200 ⎞ ⎛ 50 ⎞ ⎛ 50 ⎞
X B1 = B1−1b = ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ Z = C B1 X B1 = (0 5)⎜⎜ ⎟⎟ = 750
⎝ 0 1 / 2 ⎠⎝ 300 ⎠ ⎝150 ⎠ ⎝150 ⎠

Calculo de optimalidad:
Selección de la variable entrante:

⎛ 1 − 1/ 2⎞
C B1 B1−1 = (0 5)⎜⎜ ⎟⎟ = (0 5 / 2)
⎝ 0 1/ 2 ⎠

{Z j − C j } = C B1 B1−1 (P3 P2 ) − (C1 C2 )

⎛1 1⎞
{Z − C j } = (0 5 / 2 )⎜⎜
j ⎟⎟ − (0 5) = (0 0 )
⎝0 2⎠
Como todos los zj – cj son positivos o ceros no se puede mejorar la solución por
lo que la solución actual es óptima. X1 =0 X2 = 150 Z = 750

Criterio de corrección: se logra el objetivo si se aplica correctamente el MSR,

obteniendo en cada iteración lo solicitado (hasta dos iteraciones). No se
aceptan soluciones en forma tabular.

MOD. II, UND. 6, OBJ. 6 CRITERIO DE DOMINIO 1/1

6- Problema de Transporte: Aplicación del Método del mínimo costo

Distribuidores
Imprenta 1 2 3 4 Suministro
1 0,07 0,05 0,10 0,05
2.000 1.500 1.500 5.000
2 0,03 0,11 0,04 0,08
4.000 1.000 5.000
Demanda
4.000 2.000 2.500 1.500 10.000

Ruta de envío Suministro Costo Costo total

1–2 2.000 0,05 100
1–3 1.500 0,10 150
1–4 1.500 0,05 75
2–1 4.000 0,03 120
2–3 1.000 0,04 40
Total 485

Criterio de corrección: se logra el objetivo, si se aplica correctamente al

problema planteado el Método del costo mínimo.

Especialista: Jesús Espinal Ingeniería de Sistemas Evaluación: Carmen Velásquez

315 MR Versión 1 Integral 6/8
Lapso 2010-2

MOD. III, UND. 7, OBJ. 7 CRITERIO DE DOMINIO 1/1

7- Aplicación del Método Simplex para óptimos alternativos, al problema:

Maximizar z = x1 + 2x2 + 3x3

Sujeto a x1 + 2x2 + 3x3 ≤ 10

x1 + 2x2 ≤ 5
x1 ≤ 1
x1 x2 x3 ≥ 0
Solución:

Maximizar z = x1 + 2x2 + 3x3 + 0x4 + 0x5 + 0x6

Sujeto a x1 + 2x2 + 3x3 + x4 = 10

x1 + 2x2 x5 = 5
x1 x6 =1
xi i = 1, 2, 3, 4, 5, 6 ≥ 0

Tabla de inicio

Interac. Básicas Z X1 X2 X3 X4 X5 X6 Solución

0 Z 1 -1 -2 -3 0 0 0 0
Ent. X3 X4 0 1 2 3 1 0 0 10
Sal. X4 X5 0 1 1 0 0 1 0 5
X6 0 1 0 0 0 0 1 1

Iteración 1:
Interac. Básicas Z X1 X2 X3 X4 X5 X6 Solución
1 Z 1 0 0 0 1 0 0 10
Ent. X3 X3 3 1/3 2/3 1 1/3 0 0 10/3
Sal. X4 X5 0 1 1 0 0 1 0 5
X6 0 1 0 0 0 0 1 1

La solución es óptima en el punto x1 =0 x2 = 0 x3 = 10/3 Z = 10

Cuando la función objetivo es paralela a una restricción obligatoria, la

función objetivo asumirá el mismo valor óptimo, llamándose éste óptimo
alternativo en más de un punto solución. Se observa en esta iteración que el
coeficiente de x1 no básica es cero, lo que indica que x1 puede entrar a la
solución básica sin cambiar el valor de z pero causando un cambio en los
valores de las variables.

Especialista: Jesús Espinal Ingeniería de Sistemas Evaluación: Carmen Velásquez

315 MR Versión 1 Integral 7/8
Lapso 2010-2

Iteración 2:
Interac. Básicas Z X1 X2 X3 X4 X5 X6 Solución
2 Z 1 0 0 0 1 0 0 10
Ent. X1 X3 3 0 2/3 1 1/3 0 -1/3 3
Sal. X6 X5 0 0 1 0 0 1 -1 4
X1 4 1 0 0 0 0 1 1

La solución óptima sigue siendo Z = 10 cuando x1 = 1 x2 = 0 x3 = 3

Se observa en esta iteración que el coeficiente de x2 no básica es cero, lo

que indica que x2 puede entrar a la solución básica sin cambiar el valor de z
pero causando un cambio en los valores de las variables.

Iteración 3:
Interac. Básicas Z X1 X2 X3 X4 X5 X6 Solución
0 Z 1 0 0 0 1 0 0 10
Ent. X2 X3 3 0 0 1 1/3 0 1/3 1/3
Sal. X5 X2 2 0 1 0 0 1 -1 4
X1 1 1 0 0 0 0 1 1

La solución óptima sigue siendo Z = 10 cuando x1 = 1 x2 = 4 x3 = 1/3

Criterio de corrección: se logra el objetivo si se aplica el Método Simplex para

óptimos alternativos y encuentra las tres soluciones. Es obligatorio especificar
los criterios de selección de variables entrantes y salientes.

MOD. III, UND. 8, OBJ. 8 CRITERIO DE DOMINIO 1/1

8- Aplicación del Algoritmo Complementario para resolver el PLC:
Expresemos el problema en forma tabular

w1 W2 z1 z2 q
w1 1 0 5 6 -5
w2 0 1 7 8 -7

Se introduce la variable artificial z0

w1 W2 z1 z2 z0 q
w1 1 0 5 6 -1 -5
w2 0 1 7 8 -1 -7

La componente más negativa del vector q es -7 luego el elemento pivote (*)

esta en la intersección del vector columna de la tabla correspondiente a z0 y la
segunda fila. La variable que entra z0 y sale w2 al igual que en el método simple

Especialista: Jesús Espinal Ingeniería de Sistemas Evaluación: Carmen Velásquez

315 MR Versión 1 Integral 8/8
Lapso 2010-2

se realizan las operaciones necesarias para lograr un 1 en la posición del

elemento pivote.

w1 W2 z1 z2 z0 q
w1 1 -1 -2 -2 0 2
z0 0 -1 -7 -8 1 7

El algoritmo establece que debemos seleccionar como variable que entra a la

variable complementaria que ha salido de la base, en este caso al salir w1
⎛ − 2⎞
debemos hacer entrar a la complementaria z1 donde la columna pivote es ⎜⎜ ⎟⎟
⎝− 7⎠
y la variable que sale se obtiene a partir de la regla del menor cociente, como
todos los valores son negativos en la columna pivote el algoritmo no es capaz
de resolver este PLC.

Criterio de corrección: se logra el objetivo si se aplica correctamente el

Algoritmo para resolver el PLC, al menos hasta dos iteraciones (tres tablas).

FIN DEL MODELO

Especialista: Jesús Espinal Ingeniería de Sistemas Evaluación: Carmen Velásquez