SlideShare una empresa de Scribd logo
1 de 34
Descargar para leer sin conexión
INVESTIGACIÓN OPERATIVA
Se aplica a los problemas que se refiere a la coordinación de actividades dentro de la empresa,
también proporcionan conclusiones claras para tomar decisiones.
PROGRAMACION LINEAL
El adjetivo lineal significa que todas las funciones matemáticas del modelo deber ser funciones
lineales. En este caso, las palabra programación no se refiere a programación en
computadoras; en esencia es un sinónimo de planeación. Así, la programación lineal trata la
planeación de las actividades para obtener un resultado óptimo.
Variables de decisión:
Z= ax1 + Bx2 +………………………n
Restricciones:
a11x1 + a12x2+… + a1nxn ≤ b1
a21x1 + a22x2+ …+ a2nxn>= b2
a31x1 + a32x2 + … + a3nxn≤ b3
………………………………
am1x1 + am2x2 + … + amnxn = bm
Aunque el problema no lo diga llevara las restricciones:
x1; x2; xn>= 0
Planteamiento de un problema
1. Definir las variables de decisión
2. Construir el modelo matemático
3. Plantear las limitaciones
4. Plantear las condiciones de no negatividad
Planteamiento de un problema de la investigación operativa
1. Definir el problema
2. C.MOD
3. Resolver MO
4. S.O
5. Revalorización
Condiciones de no negatividad
Z = valor de la medida global de efectividad
Xj =nivel de la actividad j (para j = 1,2,...,n)
Cj =incremento en Z que resulta al aumentar una unidad en el nivel de la actividad j
bi = cantidad de recurso i disponible para asignar a las actividades (para i = 1,2,...,m)
aij = cantidad del recurso i consumido por cada unidad de la actividad j
GRAFICA DE DESIGUALDADES
Para graficar desigualdades realice los siguientes pasos
 Gráfica de la igualdad. Convierta la desigualdad en igualdad y grafique la recta
 Escoja un punto de ensayo
 Evalúe el primer miembro de la expresión
 Determine si el punto de ensayo satisface la desigualdad.
Ejercicios
 2X1 + 4x2<= 12 p(0,0)
2X1 + 4x2 = 12 2 (0) + 4(0) <= 2
X1, x2 => 0 0 <=12 verdad
X1 X2
O
6
3
3
 3X1 + 6x2>= 17 p(0,0)
3X1 + 6x2 = 17 3 (0) + 6(0) >= 17
X1, x2 => 0 0 <=17 falso
X1 X2
O
5.7
2.8
0
MÉTODO GRÁFICO
Es una forma fácil para resolver problemas de Programación Lineal, siempre y cuando el
modelo conste de dos variables. Para modelos con tres o más variables, el método gráfico es
imposible.
Estructura Matemática
 Variables de decisión; (x1 + x2 + x3…….. xn )
 Función objetivo:(Max o min) f(x1 + x2 +x3… ………………..xn)
 Restricciones:
1. (x1 + x2 +x3… ………………..xn) ≤ b
2. (x1 + x2 + x3… ………………..xn) ≤ b2
3. (x1 + x2 + x3… ………………..xn) ≤ bm
 Condiciones de no negatividad
Ejercicio
Una compañía de auditores se especializa en preparar liquidaciones y auditorías de empresas
pequeñas. Tienen interés en saber cuántas auditorías y liquidaciones pueden realizar
mensualmente para maximizar sus ingresos. Se dispone de 800 horas de trabajo directo y 320
horas para revisión. Una auditoría en promedio requiere de 40 horas de trabajo directo y 10
horas de revisión, además aporta un ingreso de 300 dls. Una liquidación de impuesto requiere
de 8 horas de trabajo directo y de 5 horas de revisión, produce un ingreso de 100 dls. El
máximo de liquidaciones mensuales disponibles es de 60.
Incógnitas: auditorias, liquidaciones
Variables de decisión:
 cantidad de auditorías (x1)
 Cantidad de liquidaciones (x2)
Restricciones:
 tiempo disponible de trabajo directo
 Tiempo disponible de revisión
 Número máximo de liquidaciones
Liquidaciones
X1
Auditorias
X2
Dispongo
Horas de trabajo 8 40 800
Horas de revisión 5 10 320
utilidad 100 300 60
Función Objetivo: Maximizar el ingreso total.
Maximizar Z= 100 X1 +300 X2
Restricciones:
8X1 + 40X2<= 800
5X1 + 10 X2<=320
X1<=60
X1,X2>= 0
8X1 + 40X2<= 800
8(0) + 40(0) <= 800
0<= 800
X1 X2
O
5
10
0
5X1 + 10 X2<=320
5(0) + 10 (0)<=320
0 <= 320
X1 X2
O
8
4
0
X1<= 60
Restricciones Activas; 1,2
Restricciones Inactivas; 3
Punto X1 X2 Z
A 0 0 0
B 0 20 6000
C 40 12 7600
D 60 2 6600
E 60 0 6000
Punto máximo solución factible
8 X1 + 40 X2<= 800
5 X1 + 10 X2<=320 (-4)
8 X1 + 40 X2<= 800
-20X1 + 40 X2<=1280
-12 X1 = 480
X1= 40
(40)+40X2 = 800
40X2 = 800-300
X2 = 12
X1<= 60
5(60)+10X2 = 320
X1 = 2
Z= 100(40) + 300 (12)
Z= 4000+3600
Z= 7600
Valor optimo
X1= 40
X2 = 12
NOTA: Maximizar 40 liquidaciones y 12 auditorías para tener un ingreso de 7600
Comprobación
8X1 + 40X2 <= 800
8(40) + 40(12) <= 800
800 <=800
5X1 + 10 X2<=320
5(40) + 10 (12) <= 320
320>= 320
X1<= 60
40 < = 60
H1 = 20
VARIABLES DE HOLGURA Y VARIABLES DE EXCEDENTE
Variable de holgura.
Puede interpretarse como la cantidad de recurso no usado.
6X + 3Y ≤ 12 6X+3Y+h=24
Variable de Excedente.
Es la cantidad por encima de algún nivel mínimo requerido.
2X + 3Y ≥14 2X+3Y-h =14
Ambos tipos de variables tienen que cumplir con la restricción de NO NEGATIVIDAD
Restricción activa.
Dada una solución factible, una restricción es activa si al sustituir el valor de las variables se
cumple la igualdad. Sea CERO
Restricción Inactiva.
Es inactiva si al sustituir el valor de las variables no se cumple la igualdad. DIFERENTE A
CERO
Ejercicio
Una compañía posee dos minas: la mina A produce cada día 1 tonelada de hierro de alta
calidad, 3 toneladas de calidad media y 5 de baja calidad. La mina B produce cada día 2
toneladas de cada una de las tres calidades. La compañía necesita al menos 80 toneladas de
mineral de alta calidad, 160 toneladas de calidad media y 200 de baja calidad. Sabiendo que el
coste diario de la operación es de 2000 euros en cada mina ¿cuántos días debe trabajar cada
mina para que el coste sea mínimo?.
días Alta calidad Calidad media Baja calidad Coste diario
Mina A x 1x 3x 5x 2000x
Mina B y 2y 2y 2y 2000y
80 160 200
Función Objetivo: Maximizar
Maximizar Z= 200X1 +200X2
Restricciones:
1X1 + 2X2>= 80
3X1 + 2 X2>=160
5X1 + 2X2>=200
X1,X2>= 0
1X1 + 2X2>= 80
1(0) + 2(0) >= 80
0>= 80
X1 X2
O
80
40
0
3X1 + 2 X2>=160
3(0) + 2 (0)>=160
0 >= 160
X1 X2
O
50
80
0
5X1 + 2X2>=200
5(0) + 2 (0)>=200
0 >= 200
X1 X2
O
40
100
0
Restricciones Activas; 1,2
Restricciones Inactivas; 3
Punto C
1X1 + 2X2>= 80
-3X1 - 2 X2>=-160
-2X1 = -80
X1= 40
40+ 2X2= 80
X2 = 20
Punto G
3X1+ 2 X2>=-160
-5X1 - 2X2>= -200
-2X1 = -40
X1= 20
3X1+ 2 X2>=-160
60+ 2X2 – 160 -60
Z= 2000(20) + 200 (50)
Z= 140.000
Z= 2000(40) + 2000 (20)
Z= 120.000
Solución optimo
Z= 120.000
Valor optimo
X1= 40
X2 = 20
NOTA:debe trabajar X1= 40 y X2 = 20 para que el costo sea mínimo de 120.000
Comprobación
1 X1 + 2 X2 >= 80
40 + 2 (20) >= 80
40 +40>= 80
80>= 80
3X1 + 2 X2>=160
3(40) + 2 (20)>=160
120 + 40 >=160
160 >= 160
5X1 + 2X2>=200
5(40) + 2 (20)>=200
200+40 >=200
240>= 200
Variables De Holgura Y Variables De Excedente
1 X1 + 2 X2 + h>= 80
40 + 2 (20) +h>= 80
H1>= 0
3X1 + 2 X2 + h>=160
3(40) + 2 (20) + h>=160
H2>= 0
5X1 + 2X2 - h>=200
5(40) + 2 (20) - h>=200
240 - h3>=200
h3>=200
TIPOS DE REGIONES FACTIBLES
Un problema de programación lineal puede ser de dos tipos :
 Que tenga una región limitada o acotada
 Que tenga una región no acotada o limitada
 Región acotada
Calidad Disponibilidad Holgura Excedente
Alta 80
Media 160
Baja 200 40
1. Puede ser que tenga una sola solución
2. Puede ser que tenga múltiples soluciones
 Región no acotada
3. que tenga una solución
4. No existe solución
Ejercicios
 Minimizar Z= 2x + 3y
Sujeto a:
-3x + 2y <= 6
X + y <= 10.5
-x + 2y >= 4
X,y>= 0
3x + 2y <= 6
X Y
O
-3
-3
0
X + y <= 10.5
X Y
O
10.5
10.5
0
-x + 2y >= 4
X Y
O
-4
2
0
-3x + 2y <= 6
-3x - 2y <= 30.5
6x = 6.5
X= 1.3
Z= 2x + 3 y
Z= 2 + 6
Z= 8
Solución optimo
Z= 6
Valor optimo
X= 0
y= 2
Restricciones Activas; 3
Restricciones Inactivas; 1,2
 Maximizar Z= 5/ 2x1 + X2
Sujeto a:
3X1 + 5X2<= 15
5X1 + 2X2<= 10
X1,X2>= 0
3X1 + 5X2<= 15
X Y
O
5
3
0
5X1 + 2X2<= 10
X Y
O
2
5
0
3X1 + 5X2<= 15 (-2)
10X1 - 4X2<= 20 (5)
7x1< = 5
-6X1 - 10X2<= -30
-25X1 + 10X2<= 50
19x1< = 20
X1= 20/19
X1 = 2.37
3 (20/19)+ 5X2 =15
60/19 +5X2 = 15
5X2 = 45/19
X2
Z = 5/2(20/10) +45/19
Z = 2.5 + 2.37
Z =5
Solución optimo
Z= 5
Valor optimo
X1= 2
X2= 0
La solución es: todas las parejas de puntos que se encuentran en el intervalo
Problemas no acotadas
 Maximizar Z= 5000A + 4000B
Sujeto a:
a + b >= 5
a - 3b <= 0
3a + 10b >= 135
a,b>= 0
a + b >= 5
a b
O
5
5
0
a - 3b <= 0
a b
O
3
0
1
3a + 10b >= 135
a b
O
4.5
13.5
0
 Un frutero necesita 16 cajas de naranjas, 5 de platantas
 Maximizar Z= 150A + 300B
Sujeto a:
8a +2 b >= 16
a + b >= 5
2a + 7b >= 20
a,b>= 0
8a +2 b >= 16
a b
O
2
8
0
a + b >= 5
a b
O
5
5
0
2a + 7b >= 20
a b
O
10
3
0
El problema no está acotado pero como se trata de un problema de minimización es posible
encontrar una solución.
2a + 7b >= 20
-2a – 2b >= 10 (-2)
-5b > = 10
b = 2
a = 6
z= 1050
a = 3
b = 2
8a + 2b >= 16
-2a – 2b >= -10
6a = 6
a = 1
b = 4
z = 1380
a = 1
b = 4
Problema no factible
 Maximizar Z= 3000e + 4000f
Sujeto a:
E + F <= 5
E – 3F <= 0
10E + 15F <= 150
20E + 10F <= 160
30E + 10F >=150
E,F>= 0
E + F <= 5
E F
O
5
5
0
E – 3F <= 0
E F
6
3
2
1
10E + 15F <= 150
E F
O
15
10
0
20E + 10F <= 160
E F
O
8
16
0
30E + 10F >=150
E F
O
5
15
0
El problema no tiene solución.
MÉTODO SIMPLEX
Resolver mediante la regla de Cramer
Método de Claus
5 2 2 2 3
2 3 3 4 2
4 3 2 2 5
5 7
pibo
2 9 2
5/7 1 2/7 9/7 2/7
13/7 0 8/7 -13/7 29/7
-1/7 0 15/7 1/7 8/7
25/7 0 10/7 -4/7 -17/7
5/7
-15/7
4
1
-3
3
2/7
-6/7
2
9/7
-27/7
2
2/7 x
-6/7
5
(-3)
13/7 0 8/7 -13/7 29/7
-15/7
2
-3
3
-6/7
3
-27/7
4
-6/7
2
(-3)
-1/7 0 15/7 1/7 8/7
-10/7
5
-2
2
-4/7
2
-18/7
2
-4/7
3
=(-2)
25/7 0 10/7 -4/7 -17/7
7 2 4 6 5 3
4 3 3 5 2 3
5 6 7 8
pibo
4 2
8 9 7 6 3 3
4 3 5 2 7 7
13/4 -5/2 -5/4 0 2 3/2
7/8 -6/8 -11/8 0 1/2 7/4
5/8 6/8 7/8 1 1/2 7/2
17/4 9/2 7/4 0 0 3/2
11/4 3/2 13/4 0 6 7/3
5/8
-25/8
4
6/8
-30/8
3
7/8
-35/8
3
1
-5
5
1/2
-5/2
2
7/2
-5/2
3
x
(-5)
7/8 -6/8 -11/8 0 1/2 7/4
-15/4
7
-9/2
2
-21/4
4
-6
6
-3
5
-3/2
3
(-6)
13/4 -5/2 -5/4 0 2 3/2
-15/4
8
-9/4
9
-21/4
7
-6
6
-3
3
-3/2
3
(-6)
17/4 9/2 7/4 0 0 3/2
-5/4
4
-3/2
3
-7/4
5
-2
2
-1
7
-1/2
7
(-2)
11/4 3/2 13/4 0 6 7/3
 Maximizar Z= 20a + 30b
Sujeto a:
2a + 2b + h1 <= 5
a + b + h2<= 150
a,b >= 0
Valor entrante: el número más alto
Valor saliente: el número más pequeño que existe
Pivoteo: se encuentra entre el valor entrante y valor saliente
La variable que sale de la base es la fila de H1 y la que entra es de la columna de B
El pivoteo es: 2
NOTA: Para encontrar el valor saliente dividimos los número de la columna de valor con la columna de
valor entrante (5/2), y es el menor número
Z= 3X1 + 4X2 + 9X3
Sujeto a:
2X1 + 2X2 <= 10
2X2 + 5X3 <= 16
3X1 - 2X2 - 7X3 <= 9
Xj >= 0
Forma de ecuación
Z= -3X1 - 4X2 - 9X3 = 0
s.a
2X1 + 2X2 = 10
2X2 + 5X3 = 16
3X1 - 2X2 - 7X3 = 9
Xj >= 0
F.S
V.E A B H1 H2 VALOR
Z 20 30 0 0 0
H1 2 2 1 o 5 2.3
H2 1 1 0 1 3 3
Z= -3X1 - 4X2 - 9X3 = 0
s.a
2X1 + 2X2 + H1 = 10
2X2 + 5X3 + H2 = 16
3X1 - 2X2 - 7X3 + H3 = 9
Xj, Hj >= 0
V.B E.C Z X1 X2 X3 H1 H2 H3 VALOR
Z 0 1 -3 -4 -9 0 O O 0
H1 1 0 2 2 0 1 0 0 10
H2 2 0 0 2 5 0 1 0 10
H3 3 0 3 -2 -7 0 0 1 9
La variable que sale de la base es la fila de H3 y la que entra es de la columna de X3
El pivoteo es: -7
MÉTODO SIMPLEX
Valor entrante: el más negativo, en la fila de z
Valor saliente: el menor valor, divido para cada valor de la derecha
Pivoteo: el número que se encuentra en la intersección entre el valor entrante y valor
saliente
Si es < = se debe agregar + H (horgura)
Si es = se debe agregar + A (artificial)
Si es > = se debe agregar + A –H
Maximizar Z= 3X1 + 2X2
Sujeto a:
Forma estándar
Z= 3X1 + 2X2 + 0H1 + 0H2 + 0H3
Sujeto a:
2X1 + X2 <= 18
2X1 + 3X2 <= 42
3X1 + X2 <= 24
X1,X 2 >= 0
2X1 + X2 + H1 <= 18
2X1 + 3X2 + H2<= 42
3X1 + X2 + H3<= 24
X1,X 2 >= 0
Forma de ecuación
Z= -3X1 - 2X2 - 0H1 - 0H2 - 0H3 = 0
2X1 + X2 + H1 = 18
2X1 + 3X2 + H2 = 42
3X1 + X2 + H3 = 24
X1,X 2 = 0
V.B Z X1 X2 H1 H2 H3 VALOR
Z 1 -3 -2 0 0 O 0
H1 0 2 1 1 0 0 18
H2 0 2 3 0 1 0 42
H3 0 3 1 0 0 1 24
La variable que sale de la base es la fila de H3 y la que entra es de la columna de X1
El pivoteo es: 3
V.B Z X1 X2 H1 H2 H3 VALOR
Z 1 0 -1 0 0 1 24
H1 0 0 1/3 1 0 -2/3 2
H2 0 0 7/3 0 1 -4/3 26
X1 0 1 1/3 0 0 1/3 8
V.B Z X1 X2 H1 H2 H3 VALOR
-5/4
4
-3/2
3
-7/4
5
-2
2
-1
7
-1/2
7
(-2)
11/4 3/2 13/4 0 6 7/3
Z 1 0 0 3 0 -1 30
H1 0 0 1 3 0 -2 6
H2 0 0 0 -7 1 4 12
X1 0 1 0 -1 0 1 6
V.B Z X1 X2 H1 H2 H3 VALOR
Z 1 0 0 5/4 ¼ 0 33
H1 0 0 1 -1/2 ½ 0 12
H2 0 0 0 -7/4 ¼ 1 3
X1 0 1 0 3/4 3/4 0 3
Sujeto a:
Z= 33
V.O
X1= 3
X2= 12
H1= 0
H2= 0
H3= 3
Maximizar Z= 3000X1 + 4000X2
Sujeto a:
X1 + X2 <= 5
X1 - 3X2 <= 0
10X1 + 15X2 <= 150
20X1 + 10X2 <= 160
30X1 + 10X2 <= 150
Forma estándar
Z= -3000X1 - 4000X2 + 0H1 + 0H2 + 0H3
+H4+H5
X1 + X2 + H1 <= 5
X1 - 3X2 + H2<= 0
10X1 + 15X2 + H3<= 24
20X1 + 10X2 + H4<= 160
30X1 + 10X2 + H5 <= 150
V.B Z X1 X2 H1 H2 H3 H4 H5 VALOR
Z 1 -300 -400 0 0 0 0 0 0
H1 0 1 1 1 0 0 0 0 5
H2 0 1 3 0 1 0 0 0 0
H3 0 10 15 0 0 1 0 0 150
H4 0 20 10 0 0 0 1 0 160
H5 0 30 10 0 0 0 0 1 150
V.B Z X1 X2 H1 H2 H3 H4 H5 VALOR
Z 1 100 0 4000 0 0 0 0 2000
H1 0 1 1 1 0 0 0 0 5
H2 0 4 0 3 1 0 0 0 15
H3 0 -5 0 -15 1 1 0 0 75
H4 0 10 0 -10 0 0 1 10 110
H5 0 20 0 0 10 0 0 1 100
Maximizar Z= X1 + X2
Sujeto a:
X1 + 3X2 <= 26
4X1 + 3X2 <= 44
2X1 + 3X2 <= 28
Forma estándar
Z- X1 - X2 + 0H1 + 0H2 + 0H3
X1 + X2 + H1 <= 26
4X1 + 3X2 + H2<= 44
2X1 + 3X2 + H3<= 28
V.B Z X1 X2 H1 H2 H3 VALOR
Z -1 -1 -1 0 0 0 0
H1 0 1 3 1 0 0 26
H2 0 4 3 0 1 0 44
H3 0 2 3 0 0 1 28
MÉTODO SIMPLEX DE PENALIZACIÓN
V.B Z X1 X2 H1 H2 H3 VALOR
Z 1 2/3 0 -1/3 0 0 26/3
X2 0 1/3 1 1/3 0 0 26/3
H2 0 3 0 -1 1 0 18
H3 0 1 0 -1 0 1 2
V.B Z X1 X2 H1 H2 H3 VALOR
Z 1 0 0 2/3 0 2/3 10
H1 0 0 1 2/3 0 -1/3 8
H2 0 0 0 2 1 -3 12
H3 0 1 0 1 0 1 2
Maximizar Z= 5X1 + 6X2
Sujeto a:
-2X1 + 3X2 = 3
X1 + 2X2 <= 5
6X1 + 7X2 <= 3
Forma estándar
Z = 5X1 + 6X2 – M1 + 0H1 + 0H2
-2X1 + 3X2 + A1 <= 3
X1 + 2X2 + H1 <= 5
6X1 + 7X2 + H2<= 3
Z= 5X1 - 6X2 – M1- OHI –OH2 = 0
-2X1 + 3X2 + A1 = 3
X1 + 2X2 + H1<= 5
6X1 + 7X2 + H2<= 3
V.B Z X1 X2 H1 H2 A VALOR
La variable que sale de la base es la fila de H2 y la que entra es de la columna de X2
El pivoteo es: 7
Comprobación
Z= 5X1 + 6X2
Z= 5(o) + 6(3/7)
Z= 18/7
Z 1 2M-5 -3M-6 0 0 0 -3M
A1 0 -2 3 0 0 1 3
H1 0 1 2 1 0 0 5
H2 0 0 7 0 1 0 3
V.B Z X1 X2 H1 H2 A VALOR
Z 1 32/7M+ 1/7 0 0 3/7M+6/7 0 -12/7M+18/7
A1 0 -2 0 0 -3/7 1 12/7
H1 0 1 0 0 2/7 0 29/7
x2 0 0 1 0 1/7 0 3/7
Solución optima:
Z= 18/7
V.O
X1= 0
X2= 3/7
H1= 29/7
H2= 0
V.E Z X1 X2 H1 H2 A1 VALOR
Z 1 -3M-3 -5-2M 0 0 0 -18M
H1 0 1 0 1 0 0 4
H2 1 0 2 0 1 0 12
A1 0 3 2 0 0 1 18
V.E Z X1 X2 H1 H2 A1 VALOR
Z 1 0 -2M-5 3M+3 0 0 -6M+12
X1 0 1 0 1 0 0 4
H2 1 0 2 0 1 0 12
A1 0 0 2 3 0 1 6
Maximizar Z= 3X1 + 5X2
Sujeto a:
X1 < = 4
2X2 <= 12
3X1 + 2X2 <= 18
Xj >= 0
Forma estándar
Z = 3X1 + 5X2 + 0H1 + 0H2 - MA1
X1 + H1 <= 3
2X2 + H2 <= 5
3X1 + 2X2 + A<= 3
Xj >= 0
Forma canónica
Z - 3X1 - 5X2 - 0H1 - 0H2 + MA1 = 0
-3MX1 - 2M2 - MA1 – 18M
Z+X1(-3M-3)+X2(-5-2M) 0 - 18M
X1 + H1 <= 3
2X2 + H2 <= 5
3X1 + 2X2 + A<= 3
X1,x2 >= 0
V.E Z X1 X2 H1 H2 A1 VALOR
Z 1 0 0 -9/2 0 M+5/2 27
X1 0 1 0 1 0 0 4
H2 1 0 0 3 0 -1 6
X2 0 0 0 -3/2 0 ½ 3
V.E Z X1 X2 H1 H2 A1 VALOR
Z 1 0 0 0 3/2 M+1 36
H1 0 1 0 O -1/3 1/3 2
H2 1 0 0 1 1/3 -1/3 2
A1 0 0 1 0 1/2 0 6
Comprobación
Z= 3X1 + 5X2
Z= 3(2) + 5(6)
Z= 36
Solución optima:
Z= 36
V.O
X1= 2
X2= 6
H1= 2
H2= 0
Minimizar Z= 3X1 + 5X2
Sujeto a:
X1 < = 4
2X2 = 12
3X1 + 2X2 >= 18
Xj >= 0
Forma estándar
Z = 3X1 + 5X2 + 0H1 + 0H2 + MA1 + MA2
X1 + H1 <= 3
2X2 + A1 = 5 (-M)
3X1 + 2X2 + A2<= 3 (-M)
Xj >= 0
V.E Z X1 X2 H1 H2 A1 A2 VALOR
Z -1 -3M+3 -4M+5 0 0 0 0 -30M
H1 0 1 0 1 0 0 0 4
A1 0 0 2 0 0 1 0 12
A2 0 3 2 0 -1 0 1 18
V.E Z X1 X2 H1 H2 A1 VALOR
Z -1 -3M+3 0 0 M -2M-5/2 -6M+ 30
X1 0 1 0 1 0 0 4
X2 1 0 1 0 0 1/2 6
A2 0 3 0 0 -1 -1 6
V.E Z X1 X2 H1 H2 A1 VALOR
Z 1 0 0 1 M-3/2 M-1 36
X1 0 0 0 1/3 1/3 -1/3 2
H2 1 0 1 0 ½ 0 6
X2 0 1 0 -1/3 -1/3 1/3 2(3M-3)
Forma canónica
- Z + 3X1 + 5X2 + 0H1 + 0H2 + MA1 + MA1 = 0
- 2MX2 - MA1 = -12M
-3MX1 - 2MX2 -MH2 - MA2 = -18M
- Z+X1(-3M-3)+X2(-4M+5)+0H1+OH2 - 30M
X1 + H1 <= 2
2X2 + A1 <= 12
3X1 + 2X2 + A2-H2<= 18
X1,x2 >= 0
PROBLEMA DUAL
EJERCICIOS
Problema Primal
V.E Z A B H1 H2 A1 VALOR
Z 1 -400 -300 0 0 0 0
H1 0 2 1 1 0 0 60
H2 0 1 3 0 1 0 40
H3 0 1 1 0 0 1 30
V.E Z X1 X2 H1 H2 A1 VALOR
Z 1 0 100 0 0 400 12000
X1 0 0 -1 1 0 0 0
H2 0 0 -2 0 1 0 10
X2 0 1 1 0 0 1 30
Maximizar Z= 400A+ 300B
Sujeto a:
2A + B <= 60
A + 3B <= 40
A + B <= 30
Forma estándar
Z = 3X1 + 5X2 + 0H1 + 0H2 + MA1 + MA2
2A + B + H1 <= 3
A + 3B + H2 <= 40
A + B + H3<= 30
Solución optima:
Z= 12000
V.O
A= 30
B= 0
H1= 0
H2= 10
H3= 0
PROBLEMA DUAL
Problema Dual
Maximizar Z= 400A+ 300B
Sujeto a:
2A + B <= 60
A + 3B <= 40
A + B <= 30
Minimizar Z= 60y1+ 40y2+ 30y3
2y1 + y2 +y3 >= 400
y1+ 3y2 + y3 >= 3OO
Yj >=0
100+ Y3 =300
Y3 =200
2y1 +y3 = 400
y1+ y3 = 3OO
2y1 +y3 = 400
-y1 - y3 = -3OO
Y1 = 100
Solución optima:
Z= 12000
V.O
Y1= 100
Y2= 0
Y3 = 200
Z= 60y1+ 40y2+ 30y3
Z = 6000 + 6000
Z = 12000
Minimizar Z= 4X1 + 7X2
Sujeto a:
X1 < = 6
2X2 = 14
3X1 + 2X2 >= 20
Xj >= 0
Forma estándar
Z = 3X1 + 5X2 + 0H1 + 0H2 + MA1 + MA2
X1 + H1 <= 6
2X2 + A1 = 14 (-M)
3X1 + 2X2 - H2 + A2<= 20 (-M)
Xj >= 0
V.E Z X1 X2 H1 H2 A1 A2 VALOR
Z -1 -3M+4 -4M+7 0 0 0 0 0
H1 0 1 0 1 0 0 0 6
A1 0 0 2 0 0 1 0 14
A2 0 3 2 0 -1 0 1 20
V.E Z X1 X2 H1 H2 A1 VALOR
Z 1 3M+4 0 0 M M-7/2 57
H1 0 1 0 1 0 0 4
X2 1 0 1 0 0 1/2 7
H2 0 3 0 0 -1 -1 0
Problema Dual
Minimizar Z= 4X1 + 7X2
Sujeto a:
X1 < = 6
2X2 = 14
3X1 + 2X2 >= 20
Xj >= 0
Maximizar Z= 6y1+ 14y2+ 20y3
y1 + 3 y3 >= 4
2y2+ 2y3 <>7
Forma canónica
- Z + 4X1 + 7X2 + 0H1 + 0H2 + MA1 + MA1 = 0
- 2MX2 - MA1 = -12M
-3MX1 - 2MX2 -MH2 - MA2 = -18M
- Z+X1(-3M-4)+X2(-4M+7)+0H1+OH2 - Y4
Solución optima:
Z= 57
V.O
X1= 2
X2= 7
H1= 4
H2= 0
100+ Y3 =300
Y3 =200
3y3 >= 4
Y3 = 4/3
2y2 + 2(4/3) = 7
2y2 + 8/3 = 7
Y2 = 7-8/3 /2
Y2 = 13/6
Solución optima:
Z= 63
V.O
Y1= 0
Y2= 13/6
Y3 = 4/3
Z= 6(0) +14(13/6)+20(4/3)
Z = 6 +91/3 +80/3
Z = 63

Más contenido relacionado

La actualidad más candente

21066515 ejercicios-resueltos-de-programacion-lineal
21066515 ejercicios-resueltos-de-programacion-lineal21066515 ejercicios-resueltos-de-programacion-lineal
21066515 ejercicios-resueltos-de-programacion-linealAlex Hanco
 
Resumen programación lineal
Resumen programación linealResumen programación lineal
Resumen programación linealUNL
 
Programacion lineal
Programacion linealProgramacion lineal
Programacion linealWillito1495
 
METODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONES
METODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONESMETODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONES
METODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONESJuanMiguelCustodioMo
 
Programacion lineal entera
Programacion lineal enteraProgramacion lineal entera
Programacion lineal enteraLenin Melendres
 
Programación lineal ejercicios
Programación lineal  ejerciciosProgramación lineal  ejercicios
Programación lineal ejerciciosJossy Yambay
 
Análisis post óptimo y sensibilidad
Análisis post óptimo y sensibilidadAnálisis post óptimo y sensibilidad
Análisis post óptimo y sensibilidadJaime Medrano
 
Investigacion de operaciones clase 7
Investigacion de operaciones   clase 7Investigacion de operaciones   clase 7
Investigacion de operaciones clase 7JuanNicaraguaAguiler
 
Método simplex (ejercicios)
Método simplex  (ejercicios)Método simplex  (ejercicios)
Método simplex (ejercicios)Jossy Yambay
 
Ejercicios de programacion lineal-resueltos-mediante-el-metodo-simplex
Ejercicios de programacion lineal-resueltos-mediante-el-metodo-simplexEjercicios de programacion lineal-resueltos-mediante-el-metodo-simplex
Ejercicios de programacion lineal-resueltos-mediante-el-metodo-simplexSalvador Vasquez perez
 
21065991 ejercicios-resueltos-de-metodo-de-asignacion-y-metodo-de-transportes...
21065991 ejercicios-resueltos-de-metodo-de-asignacion-y-metodo-de-transportes...21065991 ejercicios-resueltos-de-metodo-de-asignacion-y-metodo-de-transportes...
21065991 ejercicios-resueltos-de-metodo-de-asignacion-y-metodo-de-transportes...joinergac
 
ejercicios método simplex
ejercicios método simplexejercicios método simplex
ejercicios método simplexLorena Llerena
 
Ejercicios resueltos de maximización: de método simplex
Ejercicios resueltos de maximización: de método simplexEjercicios resueltos de maximización: de método simplex
Ejercicios resueltos de maximización: de método simplexJuanMiguelCustodioMo
 
ejercicios-resueltos-programacion-lineal
 ejercicios-resueltos-programacion-lineal ejercicios-resueltos-programacion-lineal
ejercicios-resueltos-programacion-linealAndres Sanchez
 
Flujo max 2
Flujo max 2Flujo max 2
Flujo max 2Macogi
 

La actualidad más candente (20)

21066515 ejercicios-resueltos-de-programacion-lineal
21066515 ejercicios-resueltos-de-programacion-lineal21066515 ejercicios-resueltos-de-programacion-lineal
21066515 ejercicios-resueltos-de-programacion-lineal
 
Resumen programación lineal
Resumen programación linealResumen programación lineal
Resumen programación lineal
 
Programacion lineal
Programacion linealProgramacion lineal
Programacion lineal
 
METODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONES
METODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONESMETODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONES
METODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONES
 
Programacion lineal entera
Programacion lineal enteraProgramacion lineal entera
Programacion lineal entera
 
Programación lineal ejercicios
Programación lineal  ejerciciosProgramación lineal  ejercicios
Programación lineal ejercicios
 
Análisis post óptimo y sensibilidad
Análisis post óptimo y sensibilidadAnálisis post óptimo y sensibilidad
Análisis post óptimo y sensibilidad
 
4 tarea sergio
4 tarea sergio4 tarea sergio
4 tarea sergio
 
Investigacion de operaciones clase 7
Investigacion de operaciones   clase 7Investigacion de operaciones   clase 7
Investigacion de operaciones clase 7
 
Método simplex (ejercicios)
Método simplex  (ejercicios)Método simplex  (ejercicios)
Método simplex (ejercicios)
 
Ejercicios de programacion lineal-resueltos-mediante-el-metodo-simplex
Ejercicios de programacion lineal-resueltos-mediante-el-metodo-simplexEjercicios de programacion lineal-resueltos-mediante-el-metodo-simplex
Ejercicios de programacion lineal-resueltos-mediante-el-metodo-simplex
 
20 arbol de_extension_minima
20 arbol de_extension_minima20 arbol de_extension_minima
20 arbol de_extension_minima
 
Redes
RedesRedes
Redes
 
21065991 ejercicios-resueltos-de-metodo-de-asignacion-y-metodo-de-transportes...
21065991 ejercicios-resueltos-de-metodo-de-asignacion-y-metodo-de-transportes...21065991 ejercicios-resueltos-de-metodo-de-asignacion-y-metodo-de-transportes...
21065991 ejercicios-resueltos-de-metodo-de-asignacion-y-metodo-de-transportes...
 
Analisis de sensibilidad
Analisis de sensibilidadAnalisis de sensibilidad
Analisis de sensibilidad
 
ejercicios método simplex
ejercicios método simplexejercicios método simplex
ejercicios método simplex
 
Ejercicios resueltos de maximización: de método simplex
Ejercicios resueltos de maximización: de método simplexEjercicios resueltos de maximización: de método simplex
Ejercicios resueltos de maximización: de método simplex
 
Vbtora98
Vbtora98Vbtora98
Vbtora98
 
ejercicios-resueltos-programacion-lineal
 ejercicios-resueltos-programacion-lineal ejercicios-resueltos-programacion-lineal
ejercicios-resueltos-programacion-lineal
 
Flujo max 2
Flujo max 2Flujo max 2
Flujo max 2
 

Similar a Materia i.o (20)

Materia i.o
Materia i.oMateria i.o
Materia i.o
 
Materia i.o
Materia i.oMateria i.o
Materia i.o
 
U2
U2U2
U2
 
Unidad 2 ejercicios
Unidad 2 ejercicios Unidad 2 ejercicios
Unidad 2 ejercicios
 
ejercicios método gráfico
ejercicios método gráfico ejercicios método gráfico
ejercicios método gráfico
 
Ejercicios en Clase
Ejercicios en ClaseEjercicios en Clase
Ejercicios en Clase
 
246244973 ejercicios-en-clas1
246244973 ejercicios-en-clas1246244973 ejercicios-en-clas1
246244973 ejercicios-en-clas1
 
unidad2
unidad2unidad2
unidad2
 
Investigacion Operativa
Investigacion OperativaInvestigacion Operativa
Investigacion Operativa
 
Investigacion Operativa
Investigacion OperativaInvestigacion Operativa
Investigacion Operativa
 
Clase Nº5 Programacion Lineal
Clase Nº5 Programacion LinealClase Nº5 Programacion Lineal
Clase Nº5 Programacion Lineal
 
Ejercicios resueltosmate
Ejercicios resueltosmateEjercicios resueltosmate
Ejercicios resueltosmate
 
correccion
correccion correccion
correccion
 
Programacion Lineal
Programacion LinealProgramacion Lineal
Programacion Lineal
 
Unidad 2
Unidad 2 Unidad 2
Unidad 2
 
Método grafico. Teoría y Práctica
Método grafico. Teoría y PrácticaMétodo grafico. Teoría y Práctica
Método grafico. Teoría y Práctica
 
UTPL-INVESTIGACIÓN OPERATIVA-I-BIMESTRE-(OCTUBRE 2011-FEBRERO 2012)
UTPL-INVESTIGACIÓN OPERATIVA-I-BIMESTRE-(OCTUBRE 2011-FEBRERO 2012)UTPL-INVESTIGACIÓN OPERATIVA-I-BIMESTRE-(OCTUBRE 2011-FEBRERO 2012)
UTPL-INVESTIGACIÓN OPERATIVA-I-BIMESTRE-(OCTUBRE 2011-FEBRERO 2012)
 
Programaci n lineal_m_todo_gr_fico
Programaci n lineal_m_todo_gr_ficoProgramaci n lineal_m_todo_gr_fico
Programaci n lineal_m_todo_gr_fico
 
INVESTIGACION OPERATIVA ( I Bimestre Abril Agosto 2011)
INVESTIGACION OPERATIVA ( I Bimestre Abril Agosto 2011)INVESTIGACION OPERATIVA ( I Bimestre Abril Agosto 2011)
INVESTIGACION OPERATIVA ( I Bimestre Abril Agosto 2011)
 
Practica
PracticaPractica
Practica
 

Más de Elyzabeth Tarco

Más de Elyzabeth Tarco (20)

Caida libre-fisica
Caida libre-fisicaCaida libre-fisica
Caida libre-fisica
 
Asignacion
AsignacionAsignacion
Asignacion
 
silabo de investigacion operativa II
silabo de investigacion operativa IIsilabo de investigacion operativa II
silabo de investigacion operativa II
 
EVAUntitled.fr11.pdf evaluacion 4
EVAUntitled.fr11.pdf evaluacion 4EVAUntitled.fr11.pdf evaluacion 4
EVAUntitled.fr11.pdf evaluacion 4
 
Untitled.fr11.pdf prueba
Untitled.fr11.pdf pruebaUntitled.fr11.pdf prueba
Untitled.fr11.pdf prueba
 
Untitled.fr11.pdf 12 nov.
Untitled.fr11.pdf 12 nov.Untitled.fr11.pdf 12 nov.
Untitled.fr11.pdf 12 nov.
 
Untitled.fr11.pdf 19 enero
Untitled.fr11.pdf 19 eneroUntitled.fr11.pdf 19 enero
Untitled.fr11.pdf 19 enero
 
Untitled.fr11.pdf 8 dic
Untitled.fr11.pdf 8 dicUntitled.fr11.pdf 8 dic
Untitled.fr11.pdf 8 dic
 
Untitled.fr11.pdf nov. 29
Untitled.fr11.pdf nov. 29Untitled.fr11.pdf nov. 29
Untitled.fr11.pdf nov. 29
 
Razonamiento logico operativa
Razonamiento logico operativaRazonamiento logico operativa
Razonamiento logico operativa
 
Untitled.fr11
Untitled.fr11Untitled.fr11
Untitled.fr11
 
Contorno
ContornoContorno
Contorno
 
PROGRAMACIÓN LINEAL.
PROGRAMACIÓN LINEAL.PROGRAMACIÓN LINEAL.
PROGRAMACIÓN LINEAL.
 
PROGRAMACIÓN LINEAL.
PROGRAMACIÓN LINEAL.PROGRAMACIÓN LINEAL.
PROGRAMACIÓN LINEAL.
 
Deber operativa
Deber operativaDeber operativa
Deber operativa
 
Resumen lectura-1-historia-mcuantitativos1
Resumen lectura-1-historia-mcuantitativos1Resumen lectura-1-historia-mcuantitativos1
Resumen lectura-1-historia-mcuantitativos1
 
Silabo i.o
Silabo i.oSilabo i.o
Silabo i.o
 
Introduccion inv. oper
Introduccion inv. operIntroduccion inv. oper
Introduccion inv. oper
 
Trabajo calc
Trabajo calcTrabajo calc
Trabajo calc
 
Minitesis contabilidad
Minitesis contabilidadMinitesis contabilidad
Minitesis contabilidad
 

Último

La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...JonathanCovena1
 
Valoración Crítica de EEEM Feco2023 FFUCV
Valoración Crítica de EEEM Feco2023 FFUCVValoración Crítica de EEEM Feco2023 FFUCV
Valoración Crítica de EEEM Feco2023 FFUCVGiustinoAdesso1
 
TIPOLOGÍA TEXTUAL- EXPOSICIÓN Y ARGUMENTACIÓN.pptx
TIPOLOGÍA TEXTUAL- EXPOSICIÓN Y ARGUMENTACIÓN.pptxTIPOLOGÍA TEXTUAL- EXPOSICIÓN Y ARGUMENTACIÓN.pptx
TIPOLOGÍA TEXTUAL- EXPOSICIÓN Y ARGUMENTACIÓN.pptxlclcarmen
 
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.Alejandrino Halire Ccahuana
 
Ejercicios de PROBLEMAS PAEV 6 GRADO 2024.pdf
Ejercicios de PROBLEMAS PAEV 6 GRADO 2024.pdfEjercicios de PROBLEMAS PAEV 6 GRADO 2024.pdf
Ejercicios de PROBLEMAS PAEV 6 GRADO 2024.pdfMaritzaRetamozoVera
 
CALENDARIZACION DE MAYO / RESPONSABILIDAD
CALENDARIZACION DE MAYO / RESPONSABILIDADCALENDARIZACION DE MAYO / RESPONSABILIDAD
CALENDARIZACION DE MAYO / RESPONSABILIDADauxsoporte
 
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...JAVIER SOLIS NOYOLA
 
Estrategias de enseñanza-aprendizaje virtual.pptx
Estrategias de enseñanza-aprendizaje virtual.pptxEstrategias de enseñanza-aprendizaje virtual.pptx
Estrategias de enseñanza-aprendizaje virtual.pptxdkmeza
 
ORGANIZACIÓN SOCIAL INCA EN EL TAHUANTINSUYO.pptx
ORGANIZACIÓN SOCIAL INCA EN EL TAHUANTINSUYO.pptxORGANIZACIÓN SOCIAL INCA EN EL TAHUANTINSUYO.pptx
ORGANIZACIÓN SOCIAL INCA EN EL TAHUANTINSUYO.pptxnandoapperscabanilla
 
Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Lourdes Feria
 
Cuaderno de trabajo Matemática 3 tercer grado.pdf
Cuaderno de trabajo Matemática 3 tercer grado.pdfCuaderno de trabajo Matemática 3 tercer grado.pdf
Cuaderno de trabajo Matemática 3 tercer grado.pdfNancyLoaa
 
AFICHE EL MANIERISMO HISTORIA DE LA ARQUITECTURA II
AFICHE EL MANIERISMO HISTORIA DE LA ARQUITECTURA IIAFICHE EL MANIERISMO HISTORIA DE LA ARQUITECTURA II
AFICHE EL MANIERISMO HISTORIA DE LA ARQUITECTURA IIIsauraImbrondone
 
Ley 21.545 - Circular Nº 586.pdf circular
Ley 21.545 - Circular Nº 586.pdf circularLey 21.545 - Circular Nº 586.pdf circular
Ley 21.545 - Circular Nº 586.pdf circularMooPandrea
 
Programacion Anual Matemática5 MPG 2024 Ccesa007.pdf
Programacion Anual Matemática5    MPG 2024  Ccesa007.pdfProgramacion Anual Matemática5    MPG 2024  Ccesa007.pdf
Programacion Anual Matemática5 MPG 2024 Ccesa007.pdfDemetrio Ccesa Rayme
 
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VSOCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VSYadi Campos
 
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptxSEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptxYadi Campos
 

Último (20)

La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...
 
Valoración Crítica de EEEM Feco2023 FFUCV
Valoración Crítica de EEEM Feco2023 FFUCVValoración Crítica de EEEM Feco2023 FFUCV
Valoración Crítica de EEEM Feco2023 FFUCV
 
Unidad 3 | Metodología de la Investigación
Unidad 3 | Metodología de la InvestigaciónUnidad 3 | Metodología de la Investigación
Unidad 3 | Metodología de la Investigación
 
TIPOLOGÍA TEXTUAL- EXPOSICIÓN Y ARGUMENTACIÓN.pptx
TIPOLOGÍA TEXTUAL- EXPOSICIÓN Y ARGUMENTACIÓN.pptxTIPOLOGÍA TEXTUAL- EXPOSICIÓN Y ARGUMENTACIÓN.pptx
TIPOLOGÍA TEXTUAL- EXPOSICIÓN Y ARGUMENTACIÓN.pptx
 
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
 
Ejercicios de PROBLEMAS PAEV 6 GRADO 2024.pdf
Ejercicios de PROBLEMAS PAEV 6 GRADO 2024.pdfEjercicios de PROBLEMAS PAEV 6 GRADO 2024.pdf
Ejercicios de PROBLEMAS PAEV 6 GRADO 2024.pdf
 
CALENDARIZACION DE MAYO / RESPONSABILIDAD
CALENDARIZACION DE MAYO / RESPONSABILIDADCALENDARIZACION DE MAYO / RESPONSABILIDAD
CALENDARIZACION DE MAYO / RESPONSABILIDAD
 
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...
 
Estrategias de enseñanza-aprendizaje virtual.pptx
Estrategias de enseñanza-aprendizaje virtual.pptxEstrategias de enseñanza-aprendizaje virtual.pptx
Estrategias de enseñanza-aprendizaje virtual.pptx
 
ORGANIZACIÓN SOCIAL INCA EN EL TAHUANTINSUYO.pptx
ORGANIZACIÓN SOCIAL INCA EN EL TAHUANTINSUYO.pptxORGANIZACIÓN SOCIAL INCA EN EL TAHUANTINSUYO.pptx
ORGANIZACIÓN SOCIAL INCA EN EL TAHUANTINSUYO.pptx
 
Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...
 
Cuaderno de trabajo Matemática 3 tercer grado.pdf
Cuaderno de trabajo Matemática 3 tercer grado.pdfCuaderno de trabajo Matemática 3 tercer grado.pdf
Cuaderno de trabajo Matemática 3 tercer grado.pdf
 
AFICHE EL MANIERISMO HISTORIA DE LA ARQUITECTURA II
AFICHE EL MANIERISMO HISTORIA DE LA ARQUITECTURA IIAFICHE EL MANIERISMO HISTORIA DE LA ARQUITECTURA II
AFICHE EL MANIERISMO HISTORIA DE LA ARQUITECTURA II
 
Ley 21.545 - Circular Nº 586.pdf circular
Ley 21.545 - Circular Nº 586.pdf circularLey 21.545 - Circular Nº 586.pdf circular
Ley 21.545 - Circular Nº 586.pdf circular
 
Medición del Movimiento Online 2024.pptx
Medición del Movimiento Online 2024.pptxMedición del Movimiento Online 2024.pptx
Medición del Movimiento Online 2024.pptx
 
Programacion Anual Matemática5 MPG 2024 Ccesa007.pdf
Programacion Anual Matemática5    MPG 2024  Ccesa007.pdfProgramacion Anual Matemática5    MPG 2024  Ccesa007.pdf
Programacion Anual Matemática5 MPG 2024 Ccesa007.pdf
 
Fe contra todo pronóstico. La fe es confianza.
Fe contra todo pronóstico. La fe es confianza.Fe contra todo pronóstico. La fe es confianza.
Fe contra todo pronóstico. La fe es confianza.
 
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VSOCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
 
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdfTema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
 
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptxSEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
 

Materia i.o

  • 1. INVESTIGACIÓN OPERATIVA Se aplica a los problemas que se refiere a la coordinación de actividades dentro de la empresa, también proporcionan conclusiones claras para tomar decisiones. PROGRAMACION LINEAL El adjetivo lineal significa que todas las funciones matemáticas del modelo deber ser funciones lineales. En este caso, las palabra programación no se refiere a programación en computadoras; en esencia es un sinónimo de planeación. Así, la programación lineal trata la planeación de las actividades para obtener un resultado óptimo. Variables de decisión: Z= ax1 + Bx2 +………………………n Restricciones: a11x1 + a12x2+… + a1nxn ≤ b1 a21x1 + a22x2+ …+ a2nxn>= b2 a31x1 + a32x2 + … + a3nxn≤ b3 ……………………………… am1x1 + am2x2 + … + amnxn = bm Aunque el problema no lo diga llevara las restricciones: x1; x2; xn>= 0 Planteamiento de un problema 1. Definir las variables de decisión 2. Construir el modelo matemático 3. Plantear las limitaciones 4. Plantear las condiciones de no negatividad Planteamiento de un problema de la investigación operativa 1. Definir el problema 2. C.MOD 3. Resolver MO 4. S.O 5. Revalorización Condiciones de no negatividad
  • 2. Z = valor de la medida global de efectividad Xj =nivel de la actividad j (para j = 1,2,...,n) Cj =incremento en Z que resulta al aumentar una unidad en el nivel de la actividad j bi = cantidad de recurso i disponible para asignar a las actividades (para i = 1,2,...,m) aij = cantidad del recurso i consumido por cada unidad de la actividad j GRAFICA DE DESIGUALDADES Para graficar desigualdades realice los siguientes pasos  Gráfica de la igualdad. Convierta la desigualdad en igualdad y grafique la recta  Escoja un punto de ensayo  Evalúe el primer miembro de la expresión  Determine si el punto de ensayo satisface la desigualdad. Ejercicios  2X1 + 4x2<= 12 p(0,0) 2X1 + 4x2 = 12 2 (0) + 4(0) <= 2 X1, x2 => 0 0 <=12 verdad X1 X2 O 6 3 3
  • 3.  3X1 + 6x2>= 17 p(0,0) 3X1 + 6x2 = 17 3 (0) + 6(0) >= 17 X1, x2 => 0 0 <=17 falso X1 X2 O 5.7 2.8 0
  • 4. MÉTODO GRÁFICO Es una forma fácil para resolver problemas de Programación Lineal, siempre y cuando el modelo conste de dos variables. Para modelos con tres o más variables, el método gráfico es imposible. Estructura Matemática  Variables de decisión; (x1 + x2 + x3…….. xn )  Función objetivo:(Max o min) f(x1 + x2 +x3… ………………..xn)  Restricciones: 1. (x1 + x2 +x3… ………………..xn) ≤ b 2. (x1 + x2 + x3… ………………..xn) ≤ b2 3. (x1 + x2 + x3… ………………..xn) ≤ bm  Condiciones de no negatividad Ejercicio Una compañía de auditores se especializa en preparar liquidaciones y auditorías de empresas pequeñas. Tienen interés en saber cuántas auditorías y liquidaciones pueden realizar mensualmente para maximizar sus ingresos. Se dispone de 800 horas de trabajo directo y 320 horas para revisión. Una auditoría en promedio requiere de 40 horas de trabajo directo y 10 horas de revisión, además aporta un ingreso de 300 dls. Una liquidación de impuesto requiere de 8 horas de trabajo directo y de 5 horas de revisión, produce un ingreso de 100 dls. El máximo de liquidaciones mensuales disponibles es de 60. Incógnitas: auditorias, liquidaciones Variables de decisión:  cantidad de auditorías (x1)  Cantidad de liquidaciones (x2) Restricciones:  tiempo disponible de trabajo directo  Tiempo disponible de revisión  Número máximo de liquidaciones Liquidaciones X1 Auditorias X2 Dispongo Horas de trabajo 8 40 800 Horas de revisión 5 10 320
  • 5. utilidad 100 300 60 Función Objetivo: Maximizar el ingreso total. Maximizar Z= 100 X1 +300 X2 Restricciones: 8X1 + 40X2<= 800 5X1 + 10 X2<=320 X1<=60 X1,X2>= 0 8X1 + 40X2<= 800 8(0) + 40(0) <= 800 0<= 800 X1 X2 O 5 10 0 5X1 + 10 X2<=320 5(0) + 10 (0)<=320 0 <= 320 X1 X2 O 8 4 0 X1<= 60
  • 6. Restricciones Activas; 1,2 Restricciones Inactivas; 3 Punto X1 X2 Z A 0 0 0 B 0 20 6000 C 40 12 7600 D 60 2 6600 E 60 0 6000 Punto máximo solución factible 8 X1 + 40 X2<= 800 5 X1 + 10 X2<=320 (-4) 8 X1 + 40 X2<= 800 -20X1 + 40 X2<=1280 -12 X1 = 480 X1= 40 (40)+40X2 = 800 40X2 = 800-300 X2 = 12 X1<= 60 5(60)+10X2 = 320 X1 = 2 Z= 100(40) + 300 (12) Z= 4000+3600 Z= 7600
  • 7. Valor optimo X1= 40 X2 = 12 NOTA: Maximizar 40 liquidaciones y 12 auditorías para tener un ingreso de 7600 Comprobación 8X1 + 40X2 <= 800 8(40) + 40(12) <= 800 800 <=800 5X1 + 10 X2<=320 5(40) + 10 (12) <= 320 320>= 320 X1<= 60 40 < = 60 H1 = 20 VARIABLES DE HOLGURA Y VARIABLES DE EXCEDENTE Variable de holgura. Puede interpretarse como la cantidad de recurso no usado. 6X + 3Y ≤ 12 6X+3Y+h=24 Variable de Excedente. Es la cantidad por encima de algún nivel mínimo requerido. 2X + 3Y ≥14 2X+3Y-h =14 Ambos tipos de variables tienen que cumplir con la restricción de NO NEGATIVIDAD Restricción activa. Dada una solución factible, una restricción es activa si al sustituir el valor de las variables se cumple la igualdad. Sea CERO Restricción Inactiva.
  • 8. Es inactiva si al sustituir el valor de las variables no se cumple la igualdad. DIFERENTE A CERO Ejercicio Una compañía posee dos minas: la mina A produce cada día 1 tonelada de hierro de alta calidad, 3 toneladas de calidad media y 5 de baja calidad. La mina B produce cada día 2 toneladas de cada una de las tres calidades. La compañía necesita al menos 80 toneladas de mineral de alta calidad, 160 toneladas de calidad media y 200 de baja calidad. Sabiendo que el coste diario de la operación es de 2000 euros en cada mina ¿cuántos días debe trabajar cada mina para que el coste sea mínimo?. días Alta calidad Calidad media Baja calidad Coste diario Mina A x 1x 3x 5x 2000x Mina B y 2y 2y 2y 2000y 80 160 200 Función Objetivo: Maximizar Maximizar Z= 200X1 +200X2 Restricciones: 1X1 + 2X2>= 80 3X1 + 2 X2>=160 5X1 + 2X2>=200 X1,X2>= 0 1X1 + 2X2>= 80 1(0) + 2(0) >= 80 0>= 80 X1 X2 O 80 40 0 3X1 + 2 X2>=160 3(0) + 2 (0)>=160 0 >= 160 X1 X2 O 50 80 0 5X1 + 2X2>=200 5(0) + 2 (0)>=200 0 >= 200 X1 X2 O 40 100 0
  • 9. Restricciones Activas; 1,2 Restricciones Inactivas; 3 Punto C 1X1 + 2X2>= 80 -3X1 - 2 X2>=-160 -2X1 = -80 X1= 40 40+ 2X2= 80 X2 = 20 Punto G 3X1+ 2 X2>=-160 -5X1 - 2X2>= -200 -2X1 = -40 X1= 20 3X1+ 2 X2>=-160 60+ 2X2 – 160 -60 Z= 2000(20) + 200 (50) Z= 140.000 Z= 2000(40) + 2000 (20) Z= 120.000 Solución optimo Z= 120.000 Valor optimo X1= 40
  • 10. X2 = 20 NOTA:debe trabajar X1= 40 y X2 = 20 para que el costo sea mínimo de 120.000 Comprobación 1 X1 + 2 X2 >= 80 40 + 2 (20) >= 80 40 +40>= 80 80>= 80 3X1 + 2 X2>=160 3(40) + 2 (20)>=160 120 + 40 >=160 160 >= 160 5X1 + 2X2>=200 5(40) + 2 (20)>=200 200+40 >=200 240>= 200 Variables De Holgura Y Variables De Excedente 1 X1 + 2 X2 + h>= 80 40 + 2 (20) +h>= 80 H1>= 0 3X1 + 2 X2 + h>=160 3(40) + 2 (20) + h>=160 H2>= 0 5X1 + 2X2 - h>=200 5(40) + 2 (20) - h>=200 240 - h3>=200 h3>=200 TIPOS DE REGIONES FACTIBLES Un problema de programación lineal puede ser de dos tipos :  Que tenga una región limitada o acotada  Que tenga una región no acotada o limitada  Región acotada Calidad Disponibilidad Holgura Excedente Alta 80 Media 160 Baja 200 40
  • 11. 1. Puede ser que tenga una sola solución 2. Puede ser que tenga múltiples soluciones  Región no acotada 3. que tenga una solución 4. No existe solución Ejercicios
  • 12.  Minimizar Z= 2x + 3y Sujeto a: -3x + 2y <= 6 X + y <= 10.5 -x + 2y >= 4 X,y>= 0 3x + 2y <= 6 X Y O -3 -3 0 X + y <= 10.5 X Y O 10.5 10.5 0 -x + 2y >= 4 X Y O -4 2 0
  • 13. -3x + 2y <= 6 -3x - 2y <= 30.5 6x = 6.5 X= 1.3 Z= 2x + 3 y Z= 2 + 6 Z= 8 Solución optimo Z= 6 Valor optimo X= 0 y= 2 Restricciones Activas; 3 Restricciones Inactivas; 1,2  Maximizar Z= 5/ 2x1 + X2 Sujeto a: 3X1 + 5X2<= 15 5X1 + 2X2<= 10 X1,X2>= 0 3X1 + 5X2<= 15 X Y O 5 3 0 5X1 + 2X2<= 10 X Y O 2 5 0
  • 14. 3X1 + 5X2<= 15 (-2) 10X1 - 4X2<= 20 (5) 7x1< = 5 -6X1 - 10X2<= -30 -25X1 + 10X2<= 50 19x1< = 20 X1= 20/19 X1 = 2.37 3 (20/19)+ 5X2 =15 60/19 +5X2 = 15 5X2 = 45/19 X2 Z = 5/2(20/10) +45/19 Z = 2.5 + 2.37 Z =5 Solución optimo Z= 5 Valor optimo X1= 2 X2= 0 La solución es: todas las parejas de puntos que se encuentran en el intervalo
  • 15. Problemas no acotadas  Maximizar Z= 5000A + 4000B Sujeto a: a + b >= 5 a - 3b <= 0 3a + 10b >= 135 a,b>= 0 a + b >= 5 a b O 5 5 0 a - 3b <= 0 a b O 3 0 1 3a + 10b >= 135 a b O 4.5 13.5 0
  • 16.  Un frutero necesita 16 cajas de naranjas, 5 de platantas  Maximizar Z= 150A + 300B Sujeto a: 8a +2 b >= 16 a + b >= 5 2a + 7b >= 20 a,b>= 0 8a +2 b >= 16 a b O 2 8 0 a + b >= 5 a b O 5 5 0 2a + 7b >= 20 a b O 10 3 0
  • 17. El problema no está acotado pero como se trata de un problema de minimización es posible encontrar una solución. 2a + 7b >= 20 -2a – 2b >= 10 (-2) -5b > = 10 b = 2 a = 6 z= 1050 a = 3 b = 2 8a + 2b >= 16 -2a – 2b >= -10 6a = 6 a = 1 b = 4 z = 1380 a = 1 b = 4 Problema no factible  Maximizar Z= 3000e + 4000f Sujeto a: E + F <= 5
  • 18. E – 3F <= 0 10E + 15F <= 150 20E + 10F <= 160 30E + 10F >=150 E,F>= 0 E + F <= 5 E F O 5 5 0 E – 3F <= 0 E F 6 3 2 1 10E + 15F <= 150 E F O 15 10 0 20E + 10F <= 160 E F O 8 16 0 30E + 10F >=150 E F O 5 15 0 El problema no tiene solución. MÉTODO SIMPLEX Resolver mediante la regla de Cramer
  • 19. Método de Claus 5 2 2 2 3 2 3 3 4 2 4 3 2 2 5 5 7 pibo 2 9 2 5/7 1 2/7 9/7 2/7 13/7 0 8/7 -13/7 29/7 -1/7 0 15/7 1/7 8/7 25/7 0 10/7 -4/7 -17/7 5/7 -15/7 4 1 -3 3 2/7 -6/7 2 9/7 -27/7 2 2/7 x -6/7 5 (-3) 13/7 0 8/7 -13/7 29/7 -15/7 2 -3 3 -6/7 3 -27/7 4 -6/7 2 (-3) -1/7 0 15/7 1/7 8/7 -10/7 5 -2 2 -4/7 2 -18/7 2 -4/7 3 =(-2) 25/7 0 10/7 -4/7 -17/7
  • 20. 7 2 4 6 5 3 4 3 3 5 2 3 5 6 7 8 pibo 4 2 8 9 7 6 3 3 4 3 5 2 7 7 13/4 -5/2 -5/4 0 2 3/2 7/8 -6/8 -11/8 0 1/2 7/4 5/8 6/8 7/8 1 1/2 7/2 17/4 9/2 7/4 0 0 3/2 11/4 3/2 13/4 0 6 7/3 5/8 -25/8 4 6/8 -30/8 3 7/8 -35/8 3 1 -5 5 1/2 -5/2 2 7/2 -5/2 3 x (-5) 7/8 -6/8 -11/8 0 1/2 7/4 -15/4 7 -9/2 2 -21/4 4 -6 6 -3 5 -3/2 3 (-6) 13/4 -5/2 -5/4 0 2 3/2 -15/4 8 -9/4 9 -21/4 7 -6 6 -3 3 -3/2 3 (-6) 17/4 9/2 7/4 0 0 3/2 -5/4 4 -3/2 3 -7/4 5 -2 2 -1 7 -1/2 7 (-2) 11/4 3/2 13/4 0 6 7/3
  • 21.  Maximizar Z= 20a + 30b Sujeto a: 2a + 2b + h1 <= 5 a + b + h2<= 150 a,b >= 0 Valor entrante: el número más alto Valor saliente: el número más pequeño que existe Pivoteo: se encuentra entre el valor entrante y valor saliente La variable que sale de la base es la fila de H1 y la que entra es de la columna de B El pivoteo es: 2 NOTA: Para encontrar el valor saliente dividimos los número de la columna de valor con la columna de valor entrante (5/2), y es el menor número Z= 3X1 + 4X2 + 9X3 Sujeto a: 2X1 + 2X2 <= 10 2X2 + 5X3 <= 16 3X1 - 2X2 - 7X3 <= 9 Xj >= 0 Forma de ecuación Z= -3X1 - 4X2 - 9X3 = 0 s.a 2X1 + 2X2 = 10 2X2 + 5X3 = 16 3X1 - 2X2 - 7X3 = 9 Xj >= 0 F.S V.E A B H1 H2 VALOR Z 20 30 0 0 0 H1 2 2 1 o 5 2.3 H2 1 1 0 1 3 3
  • 22. Z= -3X1 - 4X2 - 9X3 = 0 s.a 2X1 + 2X2 + H1 = 10 2X2 + 5X3 + H2 = 16 3X1 - 2X2 - 7X3 + H3 = 9 Xj, Hj >= 0 V.B E.C Z X1 X2 X3 H1 H2 H3 VALOR Z 0 1 -3 -4 -9 0 O O 0 H1 1 0 2 2 0 1 0 0 10 H2 2 0 0 2 5 0 1 0 10 H3 3 0 3 -2 -7 0 0 1 9 La variable que sale de la base es la fila de H3 y la que entra es de la columna de X3 El pivoteo es: -7 MÉTODO SIMPLEX Valor entrante: el más negativo, en la fila de z Valor saliente: el menor valor, divido para cada valor de la derecha Pivoteo: el número que se encuentra en la intersección entre el valor entrante y valor saliente Si es < = se debe agregar + H (horgura) Si es = se debe agregar + A (artificial) Si es > = se debe agregar + A –H Maximizar Z= 3X1 + 2X2 Sujeto a: Forma estándar Z= 3X1 + 2X2 + 0H1 + 0H2 + 0H3 Sujeto a:
  • 23. 2X1 + X2 <= 18 2X1 + 3X2 <= 42 3X1 + X2 <= 24 X1,X 2 >= 0 2X1 + X2 + H1 <= 18 2X1 + 3X2 + H2<= 42 3X1 + X2 + H3<= 24 X1,X 2 >= 0 Forma de ecuación Z= -3X1 - 2X2 - 0H1 - 0H2 - 0H3 = 0 2X1 + X2 + H1 = 18 2X1 + 3X2 + H2 = 42 3X1 + X2 + H3 = 24 X1,X 2 = 0 V.B Z X1 X2 H1 H2 H3 VALOR Z 1 -3 -2 0 0 O 0 H1 0 2 1 1 0 0 18 H2 0 2 3 0 1 0 42 H3 0 3 1 0 0 1 24 La variable que sale de la base es la fila de H3 y la que entra es de la columna de X1 El pivoteo es: 3 V.B Z X1 X2 H1 H2 H3 VALOR Z 1 0 -1 0 0 1 24 H1 0 0 1/3 1 0 -2/3 2 H2 0 0 7/3 0 1 -4/3 26 X1 0 1 1/3 0 0 1/3 8 V.B Z X1 X2 H1 H2 H3 VALOR -5/4 4 -3/2 3 -7/4 5 -2 2 -1 7 -1/2 7 (-2) 11/4 3/2 13/4 0 6 7/3
  • 24. Z 1 0 0 3 0 -1 30 H1 0 0 1 3 0 -2 6 H2 0 0 0 -7 1 4 12 X1 0 1 0 -1 0 1 6 V.B Z X1 X2 H1 H2 H3 VALOR Z 1 0 0 5/4 ¼ 0 33 H1 0 0 1 -1/2 ½ 0 12 H2 0 0 0 -7/4 ¼ 1 3 X1 0 1 0 3/4 3/4 0 3 Sujeto a: Z= 33 V.O X1= 3 X2= 12 H1= 0 H2= 0 H3= 3 Maximizar Z= 3000X1 + 4000X2 Sujeto a: X1 + X2 <= 5 X1 - 3X2 <= 0 10X1 + 15X2 <= 150 20X1 + 10X2 <= 160 30X1 + 10X2 <= 150 Forma estándar Z= -3000X1 - 4000X2 + 0H1 + 0H2 + 0H3 +H4+H5 X1 + X2 + H1 <= 5 X1 - 3X2 + H2<= 0 10X1 + 15X2 + H3<= 24 20X1 + 10X2 + H4<= 160 30X1 + 10X2 + H5 <= 150 V.B Z X1 X2 H1 H2 H3 H4 H5 VALOR Z 1 -300 -400 0 0 0 0 0 0
  • 25. H1 0 1 1 1 0 0 0 0 5 H2 0 1 3 0 1 0 0 0 0 H3 0 10 15 0 0 1 0 0 150 H4 0 20 10 0 0 0 1 0 160 H5 0 30 10 0 0 0 0 1 150 V.B Z X1 X2 H1 H2 H3 H4 H5 VALOR Z 1 100 0 4000 0 0 0 0 2000 H1 0 1 1 1 0 0 0 0 5 H2 0 4 0 3 1 0 0 0 15 H3 0 -5 0 -15 1 1 0 0 75 H4 0 10 0 -10 0 0 1 10 110 H5 0 20 0 0 10 0 0 1 100 Maximizar Z= X1 + X2 Sujeto a: X1 + 3X2 <= 26 4X1 + 3X2 <= 44 2X1 + 3X2 <= 28 Forma estándar Z- X1 - X2 + 0H1 + 0H2 + 0H3 X1 + X2 + H1 <= 26 4X1 + 3X2 + H2<= 44 2X1 + 3X2 + H3<= 28 V.B Z X1 X2 H1 H2 H3 VALOR Z -1 -1 -1 0 0 0 0 H1 0 1 3 1 0 0 26 H2 0 4 3 0 1 0 44 H3 0 2 3 0 0 1 28
  • 26. MÉTODO SIMPLEX DE PENALIZACIÓN V.B Z X1 X2 H1 H2 H3 VALOR Z 1 2/3 0 -1/3 0 0 26/3 X2 0 1/3 1 1/3 0 0 26/3 H2 0 3 0 -1 1 0 18 H3 0 1 0 -1 0 1 2 V.B Z X1 X2 H1 H2 H3 VALOR Z 1 0 0 2/3 0 2/3 10 H1 0 0 1 2/3 0 -1/3 8 H2 0 0 0 2 1 -3 12 H3 0 1 0 1 0 1 2 Maximizar Z= 5X1 + 6X2 Sujeto a: -2X1 + 3X2 = 3 X1 + 2X2 <= 5 6X1 + 7X2 <= 3 Forma estándar Z = 5X1 + 6X2 – M1 + 0H1 + 0H2 -2X1 + 3X2 + A1 <= 3 X1 + 2X2 + H1 <= 5 6X1 + 7X2 + H2<= 3 Z= 5X1 - 6X2 – M1- OHI –OH2 = 0 -2X1 + 3X2 + A1 = 3 X1 + 2X2 + H1<= 5 6X1 + 7X2 + H2<= 3 V.B Z X1 X2 H1 H2 A VALOR
  • 27. La variable que sale de la base es la fila de H2 y la que entra es de la columna de X2 El pivoteo es: 7 Comprobación Z= 5X1 + 6X2 Z= 5(o) + 6(3/7) Z= 18/7 Z 1 2M-5 -3M-6 0 0 0 -3M A1 0 -2 3 0 0 1 3 H1 0 1 2 1 0 0 5 H2 0 0 7 0 1 0 3 V.B Z X1 X2 H1 H2 A VALOR Z 1 32/7M+ 1/7 0 0 3/7M+6/7 0 -12/7M+18/7 A1 0 -2 0 0 -3/7 1 12/7 H1 0 1 0 0 2/7 0 29/7 x2 0 0 1 0 1/7 0 3/7 Solución optima: Z= 18/7 V.O X1= 0 X2= 3/7 H1= 29/7 H2= 0
  • 28. V.E Z X1 X2 H1 H2 A1 VALOR Z 1 -3M-3 -5-2M 0 0 0 -18M H1 0 1 0 1 0 0 4 H2 1 0 2 0 1 0 12 A1 0 3 2 0 0 1 18 V.E Z X1 X2 H1 H2 A1 VALOR Z 1 0 -2M-5 3M+3 0 0 -6M+12 X1 0 1 0 1 0 0 4 H2 1 0 2 0 1 0 12 A1 0 0 2 3 0 1 6 Maximizar Z= 3X1 + 5X2 Sujeto a: X1 < = 4 2X2 <= 12 3X1 + 2X2 <= 18 Xj >= 0 Forma estándar Z = 3X1 + 5X2 + 0H1 + 0H2 - MA1 X1 + H1 <= 3 2X2 + H2 <= 5 3X1 + 2X2 + A<= 3 Xj >= 0 Forma canónica Z - 3X1 - 5X2 - 0H1 - 0H2 + MA1 = 0 -3MX1 - 2M2 - MA1 – 18M Z+X1(-3M-3)+X2(-5-2M) 0 - 18M X1 + H1 <= 3 2X2 + H2 <= 5 3X1 + 2X2 + A<= 3 X1,x2 >= 0
  • 29. V.E Z X1 X2 H1 H2 A1 VALOR Z 1 0 0 -9/2 0 M+5/2 27 X1 0 1 0 1 0 0 4 H2 1 0 0 3 0 -1 6 X2 0 0 0 -3/2 0 ½ 3 V.E Z X1 X2 H1 H2 A1 VALOR Z 1 0 0 0 3/2 M+1 36 H1 0 1 0 O -1/3 1/3 2 H2 1 0 0 1 1/3 -1/3 2 A1 0 0 1 0 1/2 0 6 Comprobación Z= 3X1 + 5X2 Z= 3(2) + 5(6) Z= 36 Solución optima: Z= 36 V.O X1= 2 X2= 6 H1= 2 H2= 0 Minimizar Z= 3X1 + 5X2 Sujeto a: X1 < = 4 2X2 = 12 3X1 + 2X2 >= 18 Xj >= 0 Forma estándar Z = 3X1 + 5X2 + 0H1 + 0H2 + MA1 + MA2 X1 + H1 <= 3 2X2 + A1 = 5 (-M) 3X1 + 2X2 + A2<= 3 (-M) Xj >= 0
  • 30. V.E Z X1 X2 H1 H2 A1 A2 VALOR Z -1 -3M+3 -4M+5 0 0 0 0 -30M H1 0 1 0 1 0 0 0 4 A1 0 0 2 0 0 1 0 12 A2 0 3 2 0 -1 0 1 18 V.E Z X1 X2 H1 H2 A1 VALOR Z -1 -3M+3 0 0 M -2M-5/2 -6M+ 30 X1 0 1 0 1 0 0 4 X2 1 0 1 0 0 1/2 6 A2 0 3 0 0 -1 -1 6 V.E Z X1 X2 H1 H2 A1 VALOR Z 1 0 0 1 M-3/2 M-1 36 X1 0 0 0 1/3 1/3 -1/3 2 H2 1 0 1 0 ½ 0 6 X2 0 1 0 -1/3 -1/3 1/3 2(3M-3) Forma canónica - Z + 3X1 + 5X2 + 0H1 + 0H2 + MA1 + MA1 = 0 - 2MX2 - MA1 = -12M -3MX1 - 2MX2 -MH2 - MA2 = -18M - Z+X1(-3M-3)+X2(-4M+5)+0H1+OH2 - 30M X1 + H1 <= 2 2X2 + A1 <= 12 3X1 + 2X2 + A2-H2<= 18 X1,x2 >= 0
  • 31. PROBLEMA DUAL EJERCICIOS Problema Primal V.E Z A B H1 H2 A1 VALOR Z 1 -400 -300 0 0 0 0 H1 0 2 1 1 0 0 60 H2 0 1 3 0 1 0 40 H3 0 1 1 0 0 1 30 V.E Z X1 X2 H1 H2 A1 VALOR Z 1 0 100 0 0 400 12000 X1 0 0 -1 1 0 0 0 H2 0 0 -2 0 1 0 10 X2 0 1 1 0 0 1 30 Maximizar Z= 400A+ 300B Sujeto a: 2A + B <= 60 A + 3B <= 40 A + B <= 30 Forma estándar Z = 3X1 + 5X2 + 0H1 + 0H2 + MA1 + MA2 2A + B + H1 <= 3 A + 3B + H2 <= 40 A + B + H3<= 30 Solución optima: Z= 12000 V.O A= 30 B= 0 H1= 0 H2= 10 H3= 0
  • 32. PROBLEMA DUAL Problema Dual Maximizar Z= 400A+ 300B Sujeto a: 2A + B <= 60 A + 3B <= 40 A + B <= 30 Minimizar Z= 60y1+ 40y2+ 30y3 2y1 + y2 +y3 >= 400 y1+ 3y2 + y3 >= 3OO Yj >=0 100+ Y3 =300 Y3 =200 2y1 +y3 = 400 y1+ y3 = 3OO 2y1 +y3 = 400 -y1 - y3 = -3OO Y1 = 100 Solución optima: Z= 12000 V.O Y1= 100 Y2= 0 Y3 = 200 Z= 60y1+ 40y2+ 30y3 Z = 6000 + 6000 Z = 12000 Minimizar Z= 4X1 + 7X2 Sujeto a: X1 < = 6 2X2 = 14 3X1 + 2X2 >= 20 Xj >= 0 Forma estándar Z = 3X1 + 5X2 + 0H1 + 0H2 + MA1 + MA2 X1 + H1 <= 6 2X2 + A1 = 14 (-M) 3X1 + 2X2 - H2 + A2<= 20 (-M) Xj >= 0
  • 33. V.E Z X1 X2 H1 H2 A1 A2 VALOR Z -1 -3M+4 -4M+7 0 0 0 0 0 H1 0 1 0 1 0 0 0 6 A1 0 0 2 0 0 1 0 14 A2 0 3 2 0 -1 0 1 20 V.E Z X1 X2 H1 H2 A1 VALOR Z 1 3M+4 0 0 M M-7/2 57 H1 0 1 0 1 0 0 4 X2 1 0 1 0 0 1/2 7 H2 0 3 0 0 -1 -1 0 Problema Dual Minimizar Z= 4X1 + 7X2 Sujeto a: X1 < = 6 2X2 = 14 3X1 + 2X2 >= 20 Xj >= 0 Maximizar Z= 6y1+ 14y2+ 20y3 y1 + 3 y3 >= 4 2y2+ 2y3 <>7 Forma canónica - Z + 4X1 + 7X2 + 0H1 + 0H2 + MA1 + MA1 = 0 - 2MX2 - MA1 = -12M -3MX1 - 2MX2 -MH2 - MA2 = -18M - Z+X1(-3M-4)+X2(-4M+7)+0H1+OH2 - Y4 Solución optima: Z= 57 V.O X1= 2 X2= 7 H1= 4 H2= 0
  • 34. 100+ Y3 =300 Y3 =200 3y3 >= 4 Y3 = 4/3 2y2 + 2(4/3) = 7 2y2 + 8/3 = 7 Y2 = 7-8/3 /2 Y2 = 13/6 Solución optima: Z= 63 V.O Y1= 0 Y2= 13/6 Y3 = 4/3 Z= 6(0) +14(13/6)+20(4/3) Z = 6 +91/3 +80/3 Z = 63