SlideShare una empresa de Scribd logo
1 de 33
Descargar para leer sin conexión
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
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
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
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.
Ejercicio 1
 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
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
3
Ejercicio 2
 3X1 + 6x2>= 17 p(0,0)
3X1 + 6x2 = 17 3 (0) + 6(0) >= 17
X1, x2 => 0 0 <=17 falso
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
X1 X2
O
5.7
2.8
0
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
4
Ejercicio 1
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
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
5
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
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
6
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
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
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
7
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 2
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
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
8
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
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
9
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
Calidad Disponibilidad Holgura Excedente
Alta 80
Media 160
Baja 200 40
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
10
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
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
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
11
Ejercicio 1
 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
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
12
-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
Ejercicio 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
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
13
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
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
14
Problemas no acotadas
Ejercicio 1
 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
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
15
Ejercicio 2
 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.
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
16
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
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
17
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.
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
18
MÉTODO SIMPLEX
Ejercicio 1
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
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
19
Ejercicio 2
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
-10/7
5
-2
2
-4/7
2
-18/7
2
-4/7
3
=(-2)
25/7 0 10/7 -4/7 -17/7
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
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
20
Ejercicio 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
-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
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
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
21
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
Ejercicio 3
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.Standar
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
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
22
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 (holgura)
Si es = se debe agregar + A (artificial)
Si es > = se debe agregar + A –H
Ejercicio 1
Maximizar Z= 3X1 + 2X2
Sujeto a:
2X1 + X2 <= 18
2X1 + 3X2 <= 42
3X1 + X2 <= 24
X1,X 2 >= 0
Forma estándar
Z= 3X1 + 2X2 + 0H1 + 0H2 + 0H3
Sujeto a:
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
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
23
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
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
-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
Sujeto a:
Z= 33
V.O
X1= 3
X2= 12
H1= 0
H2= 0
H3= 3
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
24
Ejercicio 2
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
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
25
Ejercicio 3
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
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
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
26
MÉTODO SIMPLEX DE PENALIZACIÓN
Ejercicio 1
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
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
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
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
27
Comprobación
Z= 5X1 + 6X2
Z= 5(o) + 6(3/7)
Z= 18/7
Ejercicio 2
Solución optima:
Z= 18/7
V.O
X1= 0
X2= 3/7
H1= 29/7
H2= 0
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
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
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
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
Solución óptima:
Z= 36
V.O
X1= 2
X2= 6
H1= 2
H2= 0
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
29
Comprobación
Z= 3X1 + 5X2
Z= 3(2) + 5(6)
Z= 36
Ejercicio 3
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
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
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
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
30
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)
PROBLEMA DUAL
EJERCICIO 1
Problema Primal
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
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
31
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
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 =20
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
Solución optima:
Z= 12000
V.O
A= 30
B= 0
H1= 0
H2= 10
H3= 0
2y1 +y3 = 400
y1+ y3 = 3OO
2y1 +y3 = 400
-y1 - y3 = -3OO
Y1 = 100
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
32
Ejercicio 2
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
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
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
INVESTIGACIÓN OPERATIVA I UNACH
| Norma Elizabeth Tarco Quito
33
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
100+ Y3 =300
Y3 =200
Solución optima:
Z= 57
V.O
X1= 2
X2= 7
H1= 4
H2= 0
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

Nonlinear Programming, Solved Problem
Nonlinear Programming, Solved ProblemNonlinear Programming, Solved Problem
Nonlinear Programming, Solved ProblemEdgar Mata
 
Clase 2 - Metodo simplex
Clase 2 - Metodo simplexClase 2 - Metodo simplex
Clase 2 - Metodo simplexguestcfb4affd5
 
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_ficoWillam Alexito
 
Clase Nº5 Programacion Lineal
Clase Nº5 Programacion LinealClase Nº5 Programacion Lineal
Clase Nº5 Programacion Linealjotape74
 
Problemas de programacion lineal
Problemas de programacion linealProblemas de programacion lineal
Problemas de programacion linealCALDE24
 
Tfm grupo4
Tfm grupo4Tfm grupo4
Tfm grupo4ysaac123
 
Investigación de operaciones y simulación
Investigación de operaciones y simulaciónInvestigación de operaciones y simulación
Investigación de operaciones y simulaciónGLSP
 
Guía adicional del tema 4 análisis de sensibilidad
Guía adicional del tema 4 análisis de sensibilidadGuía adicional del tema 4 análisis de sensibilidad
Guía adicional del tema 4 análisis de sensibilidadSistemadeEstudiosMed
 
Ejercicios resueltos de investigacion operativa
Ejercicios resueltos de investigacion operativaEjercicios resueltos de investigacion operativa
Ejercicios resueltos de investigacion operativaALVER CARDENAS
 
Ejercicios resueltos 1, metodo grafico y simplex
Ejercicios resueltos 1, metodo grafico y simplexEjercicios resueltos 1, metodo grafico y simplex
Ejercicios resueltos 1, metodo grafico y simplexCarlos Samuel Garcia
 

La actualidad más candente (18)

Nonlinear Programming, Solved Problem
Nonlinear Programming, Solved ProblemNonlinear Programming, Solved Problem
Nonlinear Programming, Solved Problem
 
Clase 2 - Metodo simplex
Clase 2 - Metodo simplexClase 2 - Metodo simplex
Clase 2 - Metodo simplex
 
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
 
Clase Nº5 Programacion Lineal
Clase Nº5 Programacion LinealClase Nº5 Programacion Lineal
Clase Nº5 Programacion Lineal
 
Materia
MateriaMateria
Materia
 
Tarea 4 operativa luis
Tarea 4 operativa luisTarea 4 operativa luis
Tarea 4 operativa luis
 
4 tarea sergio
4 tarea sergio4 tarea sergio
4 tarea sergio
 
Problemas de programacion lineal
Problemas de programacion linealProblemas de programacion lineal
Problemas de programacion lineal
 
Tfm grupo4
Tfm grupo4Tfm grupo4
Tfm grupo4
 
Investigación de operaciones y simulación
Investigación de operaciones y simulaciónInvestigación de operaciones y simulación
Investigación de operaciones y simulación
 
Método de las 2 fases
Método de las 2 fasesMétodo de las 2 fases
Método de las 2 fases
 
Solucionariomat21 mj11
Solucionariomat21 mj11Solucionariomat21 mj11
Solucionariomat21 mj11
 
Programación lineal
Programación linealProgramación lineal
Programación lineal
 
Materia unidad ii
Materia unidad iiMateria unidad ii
Materia unidad ii
 
Guía adicional del tema 4 análisis de sensibilidad
Guía adicional del tema 4 análisis de sensibilidadGuía adicional del tema 4 análisis de sensibilidad
Guía adicional del tema 4 análisis de sensibilidad
 
Ejercicios resueltos de investigacion operativa
Ejercicios resueltos de investigacion operativaEjercicios resueltos de investigacion operativa
Ejercicios resueltos de investigacion operativa
 
Ejercio resuelto
Ejercio resueltoEjercio resuelto
Ejercio resuelto
 
Ejercicios resueltos 1, metodo grafico y simplex
Ejercicios resueltos 1, metodo grafico y simplexEjercicios resueltos 1, metodo grafico y simplex
Ejercicios resueltos 1, metodo grafico y simplex
 

Destacado

Investigacion operativa
Investigacion operativaInvestigacion operativa
Investigacion operativaFranco Snipes
 
Clase 12. modelamiento matematico problemas de mezcla en pl
Clase 12. modelamiento matematico problemas de mezcla en plClase 12. modelamiento matematico problemas de mezcla en pl
Clase 12. modelamiento matematico problemas de mezcla en plLucas Mosquera
 
Ejercicios y problemas sobre maximización y minimización por el método gráfico.
Ejercicios y problemas sobre maximización y minimización por el método gráfico.Ejercicios y problemas sobre maximización y minimización por el método gráfico.
Ejercicios y problemas sobre maximización y minimización por el método gráfico.yadipaosarchi
 
Investigación operativa, películas y neuronas espejo para resolver problemas ...
Investigación operativa, películas y neuronas espejo para resolver problemas ...Investigación operativa, películas y neuronas espejo para resolver problemas ...
Investigación operativa, películas y neuronas espejo para resolver problemas ...Gustavo Pereyra
 
El Método simplex
El Método simplexEl Método simplex
El Método simplexYesid Ariza
 

Destacado (6)

Investigacion operativa
Investigacion operativaInvestigacion operativa
Investigacion operativa
 
Clase 12. modelamiento matematico problemas de mezcla en pl
Clase 12. modelamiento matematico problemas de mezcla en plClase 12. modelamiento matematico problemas de mezcla en pl
Clase 12. modelamiento matematico problemas de mezcla en pl
 
Ejercicios y problemas sobre maximización y minimización por el método gráfico.
Ejercicios y problemas sobre maximización y minimización por el método gráfico.Ejercicios y problemas sobre maximización y minimización por el método gráfico.
Ejercicios y problemas sobre maximización y minimización por el método gráfico.
 
Problemas rsueltos pl
Problemas rsueltos plProblemas rsueltos pl
Problemas rsueltos pl
 
Investigación operativa, películas y neuronas espejo para resolver problemas ...
Investigación operativa, películas y neuronas espejo para resolver problemas ...Investigación operativa, películas y neuronas espejo para resolver problemas ...
Investigación operativa, películas y neuronas espejo para resolver problemas ...
 
El Método simplex
El Método simplexEl Método simplex
El Método simplex
 

Similar a Materia i.o (20)

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
 
correccion
correccion correccion
correccion
 
Ejercicios en Clase
Ejercicios en ClaseEjercicios en Clase
Ejercicios en Clase
 
unidad2
unidad2unidad2
unidad2
 
Programación lineal
Programación linealProgramación lineal
Programación lineal
 
Corrección evaluación operativa 2
Corrección evaluación operativa 2Corrección evaluación operativa 2
Corrección evaluación operativa 2
 
Unidad 2
Unidad 2Unidad 2
Unidad 2
 
Corrección de la evaluación #2
Corrección de la evaluación #2Corrección de la evaluación #2
Corrección de la evaluación #2
 
Corrección de la evaluación # 2
Corrección de la evaluación # 2Corrección de la evaluación # 2
Corrección de la evaluación # 2
 
Corrección de la evaluación
Corrección de la evaluaciónCorrección de la evaluación
Corrección de la evaluación
 
Correcion n. 2
Correcion n. 2Correcion n. 2
Correcion n. 2
 
Corrección
Corrección Corrección
Corrección
 
Investigacion Operativa
Investigacion OperativaInvestigacion Operativa
Investigacion Operativa
 
Investigacion Operativa
Investigacion OperativaInvestigacion Operativa
Investigacion Operativa
 
Ejercicios resueltosmate
Ejercicios resueltosmateEjercicios resueltosmate
Ejercicios resueltosmate
 
UNIDAD 1
UNIDAD 1 UNIDAD 1
UNIDAD 1
 
Formulacion de problemas de PL.pptx
Formulacion de problemas de PL.pptxFormulacion de problemas de PL.pptx
Formulacion de problemas de PL.pptx
 

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

PROGRAMACIÓN CURRICULAR ANUAL DE CIENCIA Y TECNOLOGÍA
PROGRAMACIÓN CURRICULAR ANUAL DE CIENCIA Y TECNOLOGÍAPROGRAMACIÓN CURRICULAR ANUAL DE CIENCIA Y TECNOLOGÍA
PROGRAMACIÓN CURRICULAR ANUAL DE CIENCIA Y TECNOLOGÍAJoaqunSolrzano
 
EL ECLIPSE DE LA PAZ (cuento literario). Autor y diseñador JAVIER SOLIS NOYOLA
EL ECLIPSE DE LA PAZ (cuento literario). Autor y diseñador JAVIER SOLIS NOYOLAEL ECLIPSE DE LA PAZ (cuento literario). Autor y diseñador JAVIER SOLIS NOYOLA
EL ECLIPSE DE LA PAZ (cuento literario). Autor y diseñador JAVIER SOLIS NOYOLAJAVIER SOLIS NOYOLA
 
Presentación del tema: tecnología educativa
Presentación del tema: tecnología educativaPresentación del tema: tecnología educativa
Presentación del tema: tecnología educativaricardoruizaleman
 
Anuncio de Remitido Colegio SEK a la comunidad pública
Anuncio de Remitido Colegio SEK a la comunidad públicaAnuncio de Remitido Colegio SEK a la comunidad pública
Anuncio de Remitido Colegio SEK a la comunidad públicaIvannaMaciasAlvarez
 
Herbert James Drape. Erotismo y sensualidad.pptx
Herbert James Drape. Erotismo y sensualidad.pptxHerbert James Drape. Erotismo y sensualidad.pptx
Herbert James Drape. Erotismo y sensualidad.pptxArs Erótica
 
Presentación: Actividad de Diálogos adolescentes.pptx
Presentación: Actividad de  Diálogos adolescentes.pptxPresentación: Actividad de  Diálogos adolescentes.pptx
Presentación: Actividad de Diálogos adolescentes.pptxNabel Paulino Guerra Huaranca
 
Revista digital primer ciclo 2024 colección ediba
Revista digital primer ciclo 2024 colección edibaRevista digital primer ciclo 2024 colección ediba
Revista digital primer ciclo 2024 colección edibaTatiTerlecky1
 
La Congregación de Jesús y María, conocida también como los Eudistas, fue fun...
La Congregación de Jesús y María, conocida también como los Eudistas, fue fun...La Congregación de Jesús y María, conocida también como los Eudistas, fue fun...
La Congregación de Jesús y María, conocida también como los Eudistas, fue fun...Unidad de Espiritualidad Eudista
 
U2_EA2_descargable TICS PRESENCIAL 2.pdf
U2_EA2_descargable TICS PRESENCIAL 2.pdfU2_EA2_descargable TICS PRESENCIAL 2.pdf
U2_EA2_descargable TICS PRESENCIAL 2.pdfJavier Correa
 
1° GRADO UNIDAD DE APRENDIZAJE 0 - 2024.pdf
1° GRADO UNIDAD DE APRENDIZAJE 0 - 2024.pdf1° GRADO UNIDAD DE APRENDIZAJE 0 - 2024.pdf
1° GRADO UNIDAD DE APRENDIZAJE 0 - 2024.pdfdiana593621
 
CIENCIAS SOCIALES SEGUNDO TRIMESTRE CUARTO
CIENCIAS SOCIALES SEGUNDO TRIMESTRE CUARTOCIENCIAS SOCIALES SEGUNDO TRIMESTRE CUARTO
CIENCIAS SOCIALES SEGUNDO TRIMESTRE CUARTOCEIP TIERRA DE PINARES
 
sociales ciencias segundo trimestre tercero
sociales ciencias segundo trimestre tercerosociales ciencias segundo trimestre tercero
sociales ciencias segundo trimestre terceroCEIP TIERRA DE PINARES
 
Escrito administrativo técnico y comerciales
Escrito administrativo técnico y comercialesEscrito administrativo técnico y comerciales
Escrito administrativo técnico y comercialesmelanieteresacontrer
 
SECUENCIA DIDÁCTICA Matemática 1er grado
SECUENCIA  DIDÁCTICA Matemática 1er gradoSECUENCIA  DIDÁCTICA Matemática 1er grado
SECUENCIA DIDÁCTICA Matemática 1er gradoAnaMara883998
 
Tema 4 Rocas sedimentarias, características y clasificación
Tema 4 Rocas sedimentarias, características y clasificaciónTema 4 Rocas sedimentarias, características y clasificación
Tema 4 Rocas sedimentarias, características y clasificaciónIES Vicent Andres Estelles
 
TECNOLOGÍA EDUCATIVA, USO DE LAS TIC.pptx
TECNOLOGÍA EDUCATIVA, USO DE LAS TIC.pptxTECNOLOGÍA EDUCATIVA, USO DE LAS TIC.pptx
TECNOLOGÍA EDUCATIVA, USO DE LAS TIC.pptxFranciscoCruz296518
 

Último (20)

PROGRAMACIÓN CURRICULAR ANUAL DE CIENCIA Y TECNOLOGÍA
PROGRAMACIÓN CURRICULAR ANUAL DE CIENCIA Y TECNOLOGÍAPROGRAMACIÓN CURRICULAR ANUAL DE CIENCIA Y TECNOLOGÍA
PROGRAMACIÓN CURRICULAR ANUAL DE CIENCIA Y TECNOLOGÍA
 
EL ECLIPSE DE LA PAZ (cuento literario). Autor y diseñador JAVIER SOLIS NOYOLA
EL ECLIPSE DE LA PAZ (cuento literario). Autor y diseñador JAVIER SOLIS NOYOLAEL ECLIPSE DE LA PAZ (cuento literario). Autor y diseñador JAVIER SOLIS NOYOLA
EL ECLIPSE DE LA PAZ (cuento literario). Autor y diseñador JAVIER SOLIS NOYOLA
 
Presentación del tema: tecnología educativa
Presentación del tema: tecnología educativaPresentación del tema: tecnología educativa
Presentación del tema: tecnología educativa
 
Anuncio de Remitido Colegio SEK a la comunidad pública
Anuncio de Remitido Colegio SEK a la comunidad públicaAnuncio de Remitido Colegio SEK a la comunidad pública
Anuncio de Remitido Colegio SEK a la comunidad pública
 
Herbert James Drape. Erotismo y sensualidad.pptx
Herbert James Drape. Erotismo y sensualidad.pptxHerbert James Drape. Erotismo y sensualidad.pptx
Herbert James Drape. Erotismo y sensualidad.pptx
 
Presentación: Actividad de Diálogos adolescentes.pptx
Presentación: Actividad de  Diálogos adolescentes.pptxPresentación: Actividad de  Diálogos adolescentes.pptx
Presentación: Actividad de Diálogos adolescentes.pptx
 
Power Point E. Sab: Adoración sin fin...
Power Point E. Sab: Adoración sin fin...Power Point E. Sab: Adoración sin fin...
Power Point E. Sab: Adoración sin fin...
 
Revista digital primer ciclo 2024 colección ediba
Revista digital primer ciclo 2024 colección edibaRevista digital primer ciclo 2024 colección ediba
Revista digital primer ciclo 2024 colección ediba
 
La Congregación de Jesús y María, conocida también como los Eudistas, fue fun...
La Congregación de Jesús y María, conocida también como los Eudistas, fue fun...La Congregación de Jesús y María, conocida también como los Eudistas, fue fun...
La Congregación de Jesús y María, conocida también como los Eudistas, fue fun...
 
U2_EA2_descargable TICS PRESENCIAL 2.pdf
U2_EA2_descargable TICS PRESENCIAL 2.pdfU2_EA2_descargable TICS PRESENCIAL 2.pdf
U2_EA2_descargable TICS PRESENCIAL 2.pdf
 
Sesión de clase ES: Adoración sin fin...
Sesión de clase ES: Adoración sin fin...Sesión de clase ES: Adoración sin fin...
Sesión de clase ES: Adoración sin fin...
 
Actividad de bienestar docente 2016 Pereira
Actividad de bienestar docente 2016 PereiraActividad de bienestar docente 2016 Pereira
Actividad de bienestar docente 2016 Pereira
 
1° GRADO UNIDAD DE APRENDIZAJE 0 - 2024.pdf
1° GRADO UNIDAD DE APRENDIZAJE 0 - 2024.pdf1° GRADO UNIDAD DE APRENDIZAJE 0 - 2024.pdf
1° GRADO UNIDAD DE APRENDIZAJE 0 - 2024.pdf
 
CIENCIAS SOCIALES SEGUNDO TRIMESTRE CUARTO
CIENCIAS SOCIALES SEGUNDO TRIMESTRE CUARTOCIENCIAS SOCIALES SEGUNDO TRIMESTRE CUARTO
CIENCIAS SOCIALES SEGUNDO TRIMESTRE CUARTO
 
sociales ciencias segundo trimestre tercero
sociales ciencias segundo trimestre tercerosociales ciencias segundo trimestre tercero
sociales ciencias segundo trimestre tercero
 
Escrito administrativo técnico y comerciales
Escrito administrativo técnico y comercialesEscrito administrativo técnico y comerciales
Escrito administrativo técnico y comerciales
 
SECUENCIA DIDÁCTICA Matemática 1er grado
SECUENCIA  DIDÁCTICA Matemática 1er gradoSECUENCIA  DIDÁCTICA Matemática 1er grado
SECUENCIA DIDÁCTICA Matemática 1er grado
 
Tema 4 Rocas sedimentarias, características y clasificación
Tema 4 Rocas sedimentarias, características y clasificaciónTema 4 Rocas sedimentarias, características y clasificación
Tema 4 Rocas sedimentarias, características y clasificación
 
Tema 6.- La identidad visual corporativa y el naming.pdf
Tema 6.- La identidad visual corporativa y el naming.pdfTema 6.- La identidad visual corporativa y el naming.pdf
Tema 6.- La identidad visual corporativa y el naming.pdf
 
TECNOLOGÍA EDUCATIVA, USO DE LAS TIC.pptx
TECNOLOGÍA EDUCATIVA, USO DE LAS TIC.pptxTECNOLOGÍA EDUCATIVA, USO DE LAS TIC.pptx
TECNOLOGÍA EDUCATIVA, USO DE LAS TIC.pptx
 

Materia i.o

  • 1. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 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. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 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. Ejercicio 1  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. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 3 Ejercicio 2  3X1 + 6x2>= 17 p(0,0) 3X1 + 6x2 = 17 3 (0) + 6(0) >= 17 X1, x2 => 0 0 <=17 falso 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 X1 X2 O 5.7 2.8 0
  • 4. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 4 Ejercicio 1 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
  • 5. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 5 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
  • 6. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 6 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 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. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 7 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 2 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
  • 8. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 8 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
  • 9. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 9 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 Calidad Disponibilidad Holgura Excedente Alta 80 Media 160 Baja 200 40
  • 10. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 10 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 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
  • 11. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 11 Ejercicio 1  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
  • 12. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 12 -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 Ejercicio 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
  • 13. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 13 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
  • 14. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 14 Problemas no acotadas Ejercicio 1  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
  • 15. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 15 Ejercicio 2  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.
  • 16. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 16 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
  • 17. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 17 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.
  • 18. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 18 MÉTODO SIMPLEX Ejercicio 1 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
  • 19. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 19 Ejercicio 2 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 -10/7 5 -2 2 -4/7 2 -18/7 2 -4/7 3 =(-2) 25/7 0 10/7 -4/7 -17/7 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
  • 20. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 20 Ejercicio 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 -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 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
  • 21. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 21 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 Ejercicio 3 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.Standar 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
  • 22. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 22 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 (holgura) Si es = se debe agregar + A (artificial) Si es > = se debe agregar + A –H Ejercicio 1 Maximizar Z= 3X1 + 2X2 Sujeto a: 2X1 + X2 <= 18 2X1 + 3X2 <= 42 3X1 + X2 <= 24 X1,X 2 >= 0 Forma estándar Z= 3X1 + 2X2 + 0H1 + 0H2 + 0H3 Sujeto a: 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
  • 23. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 23 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 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 -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 Sujeto a: Z= 33 V.O X1= 3 X2= 12 H1= 0 H2= 0 H3= 3
  • 24. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 24 Ejercicio 2 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
  • 25. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 25 Ejercicio 3 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 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
  • 26. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 26 MÉTODO SIMPLEX DE PENALIZACIÓN Ejercicio 1 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 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 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
  • 27. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 27 Comprobación Z= 5X1 + 6X2 Z= 5(o) + 6(3/7) Z= 18/7 Ejercicio 2 Solución optima: Z= 18/7 V.O X1= 0 X2= 3/7 H1= 29/7 H2= 0 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
  • 28. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 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 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 Solución óptima: Z= 36 V.O X1= 2 X2= 6 H1= 2 H2= 0
  • 29. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 29 Comprobación Z= 3X1 + 5X2 Z= 3(2) + 5(6) Z= 36 Ejercicio 3 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 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 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
  • 30. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 30 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) PROBLEMA DUAL EJERCICIO 1 Problema Primal 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
  • 31. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 31 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 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 =20 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 Solución optima: Z= 12000 V.O A= 30 B= 0 H1= 0 H2= 10 H3= 0 2y1 +y3 = 400 y1+ y3 = 3OO 2y1 +y3 = 400 -y1 - y3 = -3OO Y1 = 100
  • 32. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 32 Ejercicio 2 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 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 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
  • 33. INVESTIGACIÓN OPERATIVA I UNACH | Norma Elizabeth Tarco Quito 33 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 <>7 100+ Y3 =300 Y3 =200 Solución optima: Z= 57 V.O X1= 2 X2= 7 H1= 4 H2= 0 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