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

Programacion lineal entera invope
Programacion lineal entera invopeProgramacion lineal entera invope
Programacion lineal entera invopeDeysi Tasilla Dilas
 
Guia 2 metodo grafico
Guia 2 metodo graficoGuia 2 metodo grafico
Guia 2 metodo graficopuracastillo
 
Investigación de Operaciones 2/2
Investigación de Operaciones 2/2Investigación de Operaciones 2/2
Investigación de Operaciones 2/2CEMEX
 
Expo 3 analisis de sensibilidad (metodo simplex)
Expo 3 analisis de sensibilidad (metodo simplex)Expo 3 analisis de sensibilidad (metodo simplex)
Expo 3 analisis de sensibilidad (metodo simplex)Ayda Ramirez Montalvo
 
Método de transporte - Vogel
Método de transporte - VogelMétodo de transporte - Vogel
Método de transporte - VogelKarem Chérrez
 
Minimizar costos
Minimizar costosMinimizar costos
Minimizar costosINCES
 
Problema copiados de libros
Problema copiados de libros Problema copiados de libros
Problema copiados de libros crisojb
 
Semana 4 - Programación lineal para minimización.pdf
Semana 4 - Programación lineal para minimización.pdfSemana 4 - Programación lineal para minimización.pdf
Semana 4 - Programación lineal para minimización.pdfEduardoVilca8
 
EJERCICIOS RESUELTOS DE ECONOMIA - COMPETENCIA PERFECTA
EJERCICIOS RESUELTOS DE ECONOMIA - COMPETENCIA PERFECTA EJERCICIOS RESUELTOS DE ECONOMIA - COMPETENCIA PERFECTA
EJERCICIOS RESUELTOS DE ECONOMIA - COMPETENCIA PERFECTA jangsofiawook
 
Investigacion de operaciones ejercicios resueltos
Investigacion de operaciones ejercicios resueltosInvestigacion de operaciones ejercicios resueltos
Investigacion de operaciones ejercicios resueltosJhonnyJesusOsorioRey1
 
Ejercicios de Programacion Lineal, LINDO, teoria de decisiones
Ejercicios de Programacion Lineal, LINDO, teoria de decisionesEjercicios de Programacion Lineal, LINDO, teoria de decisiones
Ejercicios de Programacion Lineal, LINDO, teoria de decisionesHéctor Antonio Barba Nanfuñay
 
Ejercicios resueltos-programacion-lineal
Ejercicios resueltos-programacion-linealEjercicios resueltos-programacion-lineal
Ejercicios resueltos-programacion-linealGabriel Chavez
 
Ejercicios investigación de operaciones.
Ejercicios investigación de operaciones.Ejercicios investigación de operaciones.
Ejercicios investigación de operaciones.bris02
 
Resolución de problemas (oa)
Resolución de problemas (oa)Resolución de problemas (oa)
Resolución de problemas (oa)lineal
 
Resolucion problemas 5
Resolucion problemas 5Resolucion problemas 5
Resolucion problemas 5lineal
 

La actualidad más candente (20)

Programacion lineal entera invope
Programacion lineal entera invopeProgramacion lineal entera invope
Programacion lineal entera invope
 
Metodo simplex
Metodo simplexMetodo simplex
Metodo simplex
 
Guia 2 metodo grafico
Guia 2 metodo graficoGuia 2 metodo grafico
Guia 2 metodo grafico
 
Investigación de Operaciones 2/2
Investigación de Operaciones 2/2Investigación de Operaciones 2/2
Investigación de Operaciones 2/2
 
Expo 3 analisis de sensibilidad (metodo simplex)
Expo 3 analisis de sensibilidad (metodo simplex)Expo 3 analisis de sensibilidad (metodo simplex)
Expo 3 analisis de sensibilidad (metodo simplex)
 
Método de transporte - Vogel
Método de transporte - VogelMétodo de transporte - Vogel
Método de transporte - Vogel
 
Minimizar costos
Minimizar costosMinimizar costos
Minimizar costos
 
Problema copiados de libros
Problema copiados de libros Problema copiados de libros
Problema copiados de libros
 
Metodo Simplex
Metodo SimplexMetodo Simplex
Metodo Simplex
 
Semana 4 - Programación lineal para minimización.pdf
Semana 4 - Programación lineal para minimización.pdfSemana 4 - Programación lineal para minimización.pdf
Semana 4 - Programación lineal para minimización.pdf
 
EJERCICIOS RESUELTOS DE ECONOMIA - COMPETENCIA PERFECTA
EJERCICIOS RESUELTOS DE ECONOMIA - COMPETENCIA PERFECTA EJERCICIOS RESUELTOS DE ECONOMIA - COMPETENCIA PERFECTA
EJERCICIOS RESUELTOS DE ECONOMIA - COMPETENCIA PERFECTA
 
Investigacion de operaciones ejercicios resueltos
Investigacion de operaciones ejercicios resueltosInvestigacion de operaciones ejercicios resueltos
Investigacion de operaciones ejercicios resueltos
 
Ejercicios de Programacion Lineal, LINDO, teoria de decisiones
Ejercicios de Programacion Lineal, LINDO, teoria de decisionesEjercicios de Programacion Lineal, LINDO, teoria de decisiones
Ejercicios de Programacion Lineal, LINDO, teoria de decisiones
 
Asignacion
AsignacionAsignacion
Asignacion
 
Ejercicios resueltos-programacion-lineal
Ejercicios resueltos-programacion-linealEjercicios resueltos-programacion-lineal
Ejercicios resueltos-programacion-lineal
 
Ejercicios investigación de operaciones.
Ejercicios investigación de operaciones.Ejercicios investigación de operaciones.
Ejercicios investigación de operaciones.
 
Distribución de los recursos
Distribución de los recursosDistribución de los recursos
Distribución de los recursos
 
Resolución de problemas (oa)
Resolución de problemas (oa)Resolución de problemas (oa)
Resolución de problemas (oa)
 
Problema hungaro
Problema hungaroProblema hungaro
Problema hungaro
 
Resolucion problemas 5
Resolucion problemas 5Resolucion problemas 5
Resolucion problemas 5
 

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

Tema 19. Inmunología y el sistema inmunitario 2024
Tema 19. Inmunología y el sistema inmunitario 2024Tema 19. Inmunología y el sistema inmunitario 2024
Tema 19. Inmunología y el sistema inmunitario 2024IES Vicent Andres Estelles
 
Historia de la iglesia cristiana y sus 6 PERIODOS.pptx
Historia de la iglesia cristiana y sus 6 PERIODOS.pptxHistoria de la iglesia cristiana y sus 6 PERIODOS.pptx
Historia de la iglesia cristiana y sus 6 PERIODOS.pptxedgarzevallos
 
PLAN DE REFUERZO ESCOLAR MERC 2024-2.docx
PLAN DE REFUERZO ESCOLAR MERC 2024-2.docxPLAN DE REFUERZO ESCOLAR MERC 2024-2.docx
PLAN DE REFUERZO ESCOLAR MERC 2024-2.docxiemerc2024
 
UNIDAD DIDACTICA nivel inicial EL SUPERMERCADO.docx
UNIDAD DIDACTICA nivel inicial EL SUPERMERCADO.docxUNIDAD DIDACTICA nivel inicial EL SUPERMERCADO.docx
UNIDAD DIDACTICA nivel inicial EL SUPERMERCADO.docxMaria Jimena Leon Malharro
 
Factores que intervienen en la Administración por Valores.pdf
Factores que intervienen en la Administración por Valores.pdfFactores que intervienen en la Administración por Valores.pdf
Factores que intervienen en la Administración por Valores.pdfJonathanCovena1
 
REGLAMENTO FINAL DE EVALUACIÓN 2024 pdf.pdf
REGLAMENTO  FINAL DE EVALUACIÓN 2024 pdf.pdfREGLAMENTO  FINAL DE EVALUACIÓN 2024 pdf.pdf
REGLAMENTO FINAL DE EVALUACIÓN 2024 pdf.pdfInformacionesCMI
 
Plan-de-la-Patria-2019-2025- TERCER PLAN SOCIALISTA DE LA NACIÓN.pdf
Plan-de-la-Patria-2019-2025- TERCER PLAN SOCIALISTA DE LA NACIÓN.pdfPlan-de-la-Patria-2019-2025- TERCER PLAN SOCIALISTA DE LA NACIÓN.pdf
Plan-de-la-Patria-2019-2025- TERCER PLAN SOCIALISTA DE LA NACIÓN.pdfcarolinamartinezsev
 
Concepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptxConcepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptxFernando Solis
 
MINEDU BASES JUEGOS ESCOLARES DEPORTIVOS PARADEPORTIVOS 2024.docx
MINEDU BASES JUEGOS ESCOLARES DEPORTIVOS PARADEPORTIVOS 2024.docxMINEDU BASES JUEGOS ESCOLARES DEPORTIVOS PARADEPORTIVOS 2024.docx
MINEDU BASES JUEGOS ESCOLARES DEPORTIVOS PARADEPORTIVOS 2024.docxLorenaHualpachoque
 
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESOPrueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESOluismii249
 
6°_GRADO_-_MAYO_06 para sexto grado de primaria
6°_GRADO_-_MAYO_06 para sexto grado de primaria6°_GRADO_-_MAYO_06 para sexto grado de primaria
6°_GRADO_-_MAYO_06 para sexto grado de primariaWilian24
 
prostitución en España: una mirada integral!
prostitución en España: una mirada integral!prostitución en España: una mirada integral!
prostitución en España: una mirada integral!CatalinaAlfaroChryso
 
UNIDAD DE APRENDIZAJE DE PRIMER GRADO DEL MES DE MAYO PARA TRABAJAR CON ESTUD...
UNIDAD DE APRENDIZAJE DE PRIMER GRADO DEL MES DE MAYO PARA TRABAJAR CON ESTUD...UNIDAD DE APRENDIZAJE DE PRIMER GRADO DEL MES DE MAYO PARA TRABAJAR CON ESTUD...
UNIDAD DE APRENDIZAJE DE PRIMER GRADO DEL MES DE MAYO PARA TRABAJAR CON ESTUD...rosalindatellodelagu
 
CONCURSO NACIONAL JOSE MARIA ARGUEDAS.pptx
CONCURSO NACIONAL JOSE MARIA ARGUEDAS.pptxCONCURSO NACIONAL JOSE MARIA ARGUEDAS.pptx
CONCURSO NACIONAL JOSE MARIA ARGUEDAS.pptxroberthirigoinvasque
 
AEC2. Egipto Antiguo. Adivina, Adivinanza.pptx
AEC2. Egipto Antiguo. Adivina, Adivinanza.pptxAEC2. Egipto Antiguo. Adivina, Adivinanza.pptx
AEC2. Egipto Antiguo. Adivina, Adivinanza.pptxhenarfdez
 
Código Civil de la República Bolivariana de Venezuela
Código Civil de la República Bolivariana de VenezuelaCódigo Civil de la República Bolivariana de Venezuela
Código Civil de la República Bolivariana de Venezuelabeltranponce75
 

Último (20)

Tema 19. Inmunología y el sistema inmunitario 2024
Tema 19. Inmunología y el sistema inmunitario 2024Tema 19. Inmunología y el sistema inmunitario 2024
Tema 19. Inmunología y el sistema inmunitario 2024
 
Usos y desusos de la inteligencia artificial en revistas científicas
Usos y desusos de la inteligencia artificial en revistas científicasUsos y desusos de la inteligencia artificial en revistas científicas
Usos y desusos de la inteligencia artificial en revistas científicas
 
Historia de la iglesia cristiana y sus 6 PERIODOS.pptx
Historia de la iglesia cristiana y sus 6 PERIODOS.pptxHistoria de la iglesia cristiana y sus 6 PERIODOS.pptx
Historia de la iglesia cristiana y sus 6 PERIODOS.pptx
 
PLAN DE REFUERZO ESCOLAR MERC 2024-2.docx
PLAN DE REFUERZO ESCOLAR MERC 2024-2.docxPLAN DE REFUERZO ESCOLAR MERC 2024-2.docx
PLAN DE REFUERZO ESCOLAR MERC 2024-2.docx
 
UNIDAD DIDACTICA nivel inicial EL SUPERMERCADO.docx
UNIDAD DIDACTICA nivel inicial EL SUPERMERCADO.docxUNIDAD DIDACTICA nivel inicial EL SUPERMERCADO.docx
UNIDAD DIDACTICA nivel inicial EL SUPERMERCADO.docx
 
PP_Comunicacion en Salud: Objetivación de signos y síntomas
PP_Comunicacion en Salud: Objetivación de signos y síntomasPP_Comunicacion en Salud: Objetivación de signos y síntomas
PP_Comunicacion en Salud: Objetivación de signos y síntomas
 
Factores que intervienen en la Administración por Valores.pdf
Factores que intervienen en la Administración por Valores.pdfFactores que intervienen en la Administración por Valores.pdf
Factores que intervienen en la Administración por Valores.pdf
 
REGLAMENTO FINAL DE EVALUACIÓN 2024 pdf.pdf
REGLAMENTO  FINAL DE EVALUACIÓN 2024 pdf.pdfREGLAMENTO  FINAL DE EVALUACIÓN 2024 pdf.pdf
REGLAMENTO FINAL DE EVALUACIÓN 2024 pdf.pdf
 
Plan-de-la-Patria-2019-2025- TERCER PLAN SOCIALISTA DE LA NACIÓN.pdf
Plan-de-la-Patria-2019-2025- TERCER PLAN SOCIALISTA DE LA NACIÓN.pdfPlan-de-la-Patria-2019-2025- TERCER PLAN SOCIALISTA DE LA NACIÓN.pdf
Plan-de-la-Patria-2019-2025- TERCER PLAN SOCIALISTA DE LA NACIÓN.pdf
 
Concepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptxConcepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptx
 
MINEDU BASES JUEGOS ESCOLARES DEPORTIVOS PARADEPORTIVOS 2024.docx
MINEDU BASES JUEGOS ESCOLARES DEPORTIVOS PARADEPORTIVOS 2024.docxMINEDU BASES JUEGOS ESCOLARES DEPORTIVOS PARADEPORTIVOS 2024.docx
MINEDU BASES JUEGOS ESCOLARES DEPORTIVOS PARADEPORTIVOS 2024.docx
 
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESOPrueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
 
6°_GRADO_-_MAYO_06 para sexto grado de primaria
6°_GRADO_-_MAYO_06 para sexto grado de primaria6°_GRADO_-_MAYO_06 para sexto grado de primaria
6°_GRADO_-_MAYO_06 para sexto grado de primaria
 
prostitución en España: una mirada integral!
prostitución en España: una mirada integral!prostitución en España: una mirada integral!
prostitución en España: una mirada integral!
 
UNIDAD DE APRENDIZAJE DE PRIMER GRADO DEL MES DE MAYO PARA TRABAJAR CON ESTUD...
UNIDAD DE APRENDIZAJE DE PRIMER GRADO DEL MES DE MAYO PARA TRABAJAR CON ESTUD...UNIDAD DE APRENDIZAJE DE PRIMER GRADO DEL MES DE MAYO PARA TRABAJAR CON ESTUD...
UNIDAD DE APRENDIZAJE DE PRIMER GRADO DEL MES DE MAYO PARA TRABAJAR CON ESTUD...
 
CONCURSO NACIONAL JOSE MARIA ARGUEDAS.pptx
CONCURSO NACIONAL JOSE MARIA ARGUEDAS.pptxCONCURSO NACIONAL JOSE MARIA ARGUEDAS.pptx
CONCURSO NACIONAL JOSE MARIA ARGUEDAS.pptx
 
Novena de Pentecostés con textos de san Juan Eudes
Novena de Pentecostés con textos de san Juan EudesNovena de Pentecostés con textos de san Juan Eudes
Novena de Pentecostés con textos de san Juan Eudes
 
AEC2. Egipto Antiguo. Adivina, Adivinanza.pptx
AEC2. Egipto Antiguo. Adivina, Adivinanza.pptxAEC2. Egipto Antiguo. Adivina, Adivinanza.pptx
AEC2. Egipto Antiguo. Adivina, Adivinanza.pptx
 
Lecciones 06 Esc. Sabática. Los dos testigos
Lecciones 06 Esc. Sabática. Los dos testigosLecciones 06 Esc. Sabática. Los dos testigos
Lecciones 06 Esc. Sabática. Los dos testigos
 
Código Civil de la República Bolivariana de Venezuela
Código Civil de la República Bolivariana de VenezuelaCódigo Civil de la República Bolivariana de Venezuela
Código Civil de la República Bolivariana de Venezuela
 

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