Ejercicios Resueltos Optimizacion PDF

Ejercicios Resueltos
Mtodos de Optimizacin
Jaime Carrasco Barra
Material en Elaboracin, 19/04/2015

ndice general
Introduccin V
I Programacin Lineal 1
1. Introduccin a la Programacin Lineal 2
1.1. Solucin Grca . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Modelacin de problemas simples . . . . . . . . . . . . . . . . . . . . . 7
1.3. Modelacin de problemas ms complejos . . . . . . . . . . . . . . . . . 10
1.4. Ejercicios Propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2. Conjuntos Convexos y Poliedros 29

2.1. Direcciones Innitas y Extremales . . . . . . . . . . . . . . . . . . . . . 29
3. El Mtodo Simplex 37
3.1. Simplex Analtico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.2. Forma Tabular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4. Dualidad 58
4.1. Teorema de Holguras Complementarias . . . . . . . . . . . . . . . . . . 61
4.2. Mtodo Dual-Simplex . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5. Post Optimizacin 72
6. Optimizacin en Redes 76
6.1. Transporte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
6.2. Problemas de Rutas Mnimas . . . . . . . . . . . . . . . . . . . . . . . 81
6.3. Digrafos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
6.4. Algoritmo del camino ms corto de Dijsktra . . . . . . . . . . . . . . . 82
ii
NDICE GENERAL iii
II Programacin No Lineal 90
7. Condiciones de Opimalidad 91
7.1. Sin Restricciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
7.2. Con Restricciones de Igualdad . . . . . . . . . . . . . . . . . . . . . . . 99
7.3. Con Restricciones de Desigualdad . . . . . . . . . . . . . . . . . . . . . 102
Prefacio
El presente texto contiene ejercicios resueltos de teora de optimizacin bsica para

alumnos de pregrado.
iv
Introduccin
v
vi INTRODUCCIN
Parte I
Programacin Lineal
1
Captulo 1
Introduccin a la Programacin
Lineal
1.1. Solucin Grca

Cuando el nmero de variables de un programa lineal es dos o tres, puede solu-
cionarse grcamente. Para ello se considera una curva de nivel de la funcin objetivo
que corte el conjunto factible, dicha curva es una recta en el caso de dos variables y un
plano en el caso de tres variables. Se desplaza, sobre el conjunto factible, dicha recta o
plano paralelamente en la direccin del gradiente de la funcin objetivo o en la direc-
cin opuesta, segn se trate de un problema de maximizar o minimizar, hasta el ltimo
punto, segmento o semirecta de corte con el conjunto factible. En el caso de que existan
dicho punto, segmento o semireecta, estos sern las soluciones del problema.
Consideremos el problema en forma cannica:
0 1
mn z = ct x
@ s:a : Ai x bi ; i = 1; : : : ; m A
x 0
Cada desigualdad Ai x bi representa un semi-espacio en Rn , y la interseccin de

todos estos semiespacios, es el conjunto factible del problema, el cual, como veremos
ms adelante, es un poliedro.
La funcin z = ct x representa una familia de hiperplanos paralelos en Rn , puesto
que el vector c es el vector normal a cada hiperplano, y cualquier curva de nivel:
ct x = k, con k 2 R
es slo una traslacin, segn sea el valor de k.
2
1.1. SOLUCIN GRFICA 3
Ejercicio 1 Sea el siguiente problema:

0 1
opt z = 4x y
B s:a : 2x + y 18 C
B C
@ 2x + 3y 26 A
x + y 16
Tenemos que c = (4; 1), el conjunto factible es el poliedro limitado por las restric-
ciones. Igualando la funcin objetivo a una constante, por ejemplo a la constante cero,
se obtiene la curva de nivel cero, recta 4x y = 0, que corta al conjunto factible.
Desplazando dicha recta en la direccin rz = (4; 1), el ltimo punto de corte con
el conjunto factible es el (22; 6) (ver Fig. 1 ), por tanto, en este punto se alcanza el
mximo. y la funcin objetivo toma el valor 94.
Desplazando la rescta 4x y = 0 en la direccin rz = ( 4; 1), el ltimo punto de
corte con el conjunto factible es el (2; 14), por tanto, en este punto se alcanza el mnimo
y la funcin objetivo toma el valor 6.
Fig. 1
Ejercicio 2 Dado el problema:

0 1
opt z = 4x y
B s:a : 2x + y 18 C
B C
@ 2x + 3y 26 A
x + y 16
4 CAPTULO 1. INTRODUCCIN A LA PROGRAMACIN LINEAL
El conjunto factible es el poliedro limitado por las restricciones, que es no acotado (ver
Fig. 2):
Fig. 2
Repitiendo el mismo procedimiento se llega a que el mximo, cuyo valor es 24, se obtiene
en el punto (7; 4), como lo indica la curva de nivel que se traz (linea punteada, ver Fig.
2) en direccin rz y a que no existe mnimo, puesto que en la direccin rz, siempre
podemos encontrar un punto que haga decrecer la funcin objetivo y pase por una curva
de nivel, este es el caso en que la funcin objetivo no est acotada inferiormente.
Ejercicio 3 0 1
max z1 = 3x1 + 2x2
B m n z2 = 2x1 2x2 C
B C
B s:a: C
B C
B 2x1 x2 2 C
B C
@ x1 + 2x2 8 A
x 1 ; x2 0
1. Encuentre el mximo y el mnimo segn corresponda.

2. Sustituya la segunda restriccin por: x1 + 2x2 8:Qu puede decir del mximo
y del mnimo de z1 ?.
3. Suponga que z1 = 4x1 + 8x2 y resuelva.
Solucin.
1.1. SOLUCIN GRFICA 5
1. Rectas: R1 : 2x1 x2 = 2; R2 : x1 + 2x2 = 8: Grcar con las tablas:
x1 x2 x1 x2
R1 : 0 2 ; R2 : 0 4
3 8 8 0
Tenemos cuatro puntos extremales:
4 18
(0; 2) ; (0; 0) ; (8; 0) ; ;
5 5
El ltimo punto sale de: R1 \ R2 : Adems tenemos que rz1 = (3; 2) y rz2 =
(2; 2) : De aqui sale que el mximo de z1 se alcanza en (8; 0) y el mnimo de z2
en (4=5; 18=5) :
2. Aqu se obtiene un poliedro no acotado, la funcin z1 es no acotada superiormente,

pero si inferiormente. El mnimo se alcanza en (4=5; 18=5) :
3. En este caso el gradiente de z1 tiene la misma direccin que el vector normal de

R2 ; esto es
rz1 = (4; 8) = 4 (1; 2)
luego estamos en el caso de mltiples soluciones. La solucin general es el segmento
que une los puntos (4=5; 18=5) y (8; 0) :(Se puede explicar que es la combinacin
convexa de estos puntos). De forma anloga tambin se pude explicar que hay
mltiples soluciones porque las curvas de nivel de la funcin objetivo son paralelas
a la recta R2 ...(hacer uso de la pendiente de la recta).
Ejercicio 4 Una compaa dispone de 9 camiones con capacidad de 4000 kilos y de

7 camiones con capacidad de 3000 kilos. Los camiones grandes tienen un coste de
transporte de 3000 pesos/kilmetro, y los pequeos de 2500 pesos/kilmetro. En una
semana la compaa debe transportar 35000 kilos en un recorrido de 1200 kilmetros.
La posibilidad de otros compromisos recomienda que por cada dos camiones pequeos
mantenidos en reserva debe quedarse por lo menos uno de los grandes. Cal es el
nmero de camiones de ambas clases que debe movilizarse para ese transporte de forma
ptima y teniendo en cuenta las restricciones? Modele y resuelva grcamente.
Una fbrica est a desarrollando una nueva lnea de galletas de avena y chocolate.
Las galletas deben tener al menos 5 gramos de protenas, pero no ms de 5 gramos de
carbohidratos, y 3 gramos de grasas saturadas. Construye un modelo lineal que permita
determinar la cantidad de cada ingrediente que se debe utilizar para que se satisfagan
los requerimientos mnimos nutricionales a un costo mnimo, basndose en los siguientes

datos
Avena Chocolate
Costo(u.m./onza) 0.10 0.18
Protenas(gr/oz) 4.00 0.80
Carbohidratos(gr/oz) 2.50 1.00
Grasas saturadas(gr/oz) 2.00 0.50
Ejercicio 5 Transforme a forma estandar el siguiente problema:

0 1
max z = 10x1 + 11x2
B s:a: C
B C
B x1 + 2x2 150 C
B C
B 3x1 + 4x2 200 C
B C
@ 6x1 + x2 175 A
x 1 ; x2 0
Solucin. Debido a que el sentido de la desigualdad de todas las restricciones son

agragamos tres variables de holguras positivas con el n de saturar la restriccin y
convertirla a igualdad. Luego el problema queda
0 1
max z = 10x1 + 11x2
B s:a: C
B C
B x1 + 2x2 + xh3 = 150 C
B C
B 3x1 + 4x2 + xh4 = 200 C
B C
@ 6x1 + x2 + xh5 = 175 A
x1 ; x2 ; xh3 ; xh4 ; xh5 0

0 1
max z = 2x1 x2 + 4x3
B s:a : C
B C
(P L) : B
B 5x1 + 2x2 3x3 7 C
C
@ 2x1 2x2 + x3 8 A
x1 0
Solucin. Para este caso lo primero que observamos que las variable x2 y x3 son
irrestrictas, por ende hacemos el cambio de variable x2 = x+
2 x2 y x3 = x+3 x3
1.2. MODELACIN DE PROBLEMAS SIMPLES 7
donde x+ +
2 ; x2 ; x3 ; x 3 0 y reemplazamos en nuestro (P L) obteniendo
0 1
max z = 2x1 x+2 x2 + 4 x+ 3 x3
B s:a : C
B C
]
(P L) : B
B 5x1 + 2 x+ 2 x2 3 x+ 3 x3 x4 = 7 C
C
@ +
2x1 2 x2 x2 + x3 x3 + x5 = 8 + A
x 1 ; x+ +
2 ; x 2 ; x3 ; x3 ; x4 ; x5 0

0 1
max z = 3x1 + 2x2 + 4x3 + 6x4
B s:a: C
B C
(P L) : B
B x 1 + 2x 2 + x 3 + x 4 10 C
C
@ 2x1 + x2 + 3x3 + 7x4 15 A
x1 ; x2 0; x3 0
Solucin. Hacemos x+ 3 = x3 0; x4 = x+ 4 x4 y agregamos nuevas variables de
h h
holguras x5 ; x6 ; luego obtenemos
0 1
max z = 3x1 + 2x2 4x3 + 6 x+ 4 x4
B s:a: C
B C
B x1 + 2x2 x+ 3 + x4
+
x4 xh5 = 10 C
B C
@ + +
2x1 + x2 3x3 + 7x4 7x4 xh6 15 A
x 1 ; x2 ; x+ + h h
3 ; x4 ; x 4 ; x 5 ; x6 0
Como comentario adicional, se puede decir que otra forma de pasar el (P L) a forma
estandar es primero asignar variables de holguras a las dos restricciones, despues de-
spejar x4 de una restriccin; y reemplazar en la otra y en la funcin objetivo, con el
cual el problema nos queda con menos una variable y menos una restriccin.
1.2. Modelacin de problemas simples

Proponga un mdelo de Optimizacin para cada Problema
Ejercicio 8 Dos mataderos se encargan de suministrar la carne consumida semanal-
mente en tres ciudades, R; S; T : 20; 22; 14 toneladas respectivamente. El matadero P
produce cada semana 26 toneladas de carne, y el Q 30. Sabiendo que los costos de
transporte por toneladas de carne, desde cada matadero a cada ciudad , son reejados
en la siguiente tabla:
R S T
P $1 $3 $1
Q $2 $1 $1
Escriba un modelo de PL que satisfaga las restricciones del problema.

Solucin. Denimos las siguientes variables:
xij :=cantidad de carne a enviar del matadero i 2 fP; Qg a la ciudad j 2 fR; S; T g
(Ton)
Observamos que el problema est equilibrado puesto que
P P
Ei = Dj
i2fP;Qg j2fR;S;T g
El modelo nos queda

0 P P 1
mn z= cij xij
B i2fP;Qg j2fR;S;T g C
B s:a C
B C
B xP R + xP S + xP T = 26 C
B C
B xQR + xQS + xQT = 30 C 1 3 1
B C , donde (cij ) =
B xP R + xQR = 20 C 2 1 1
B C
B xP S + xQS = 22 C
B C
@ xP T + xQT = 14 A
xij 0; i 2 fP; Qg ; j 2 fR; S; T g
Ejercicio 9 A una persona que quiere adelgazar se le ofrecen dos productos, A y B

para que tome una mezcla de ambos con las siguientes recomendaciones: No debe tomar
ms de 150 gr. ni menos de 50 gr., la cantidad de A debe ser igual o superior a la de B.
Si 1000 gr. de A contiene 30 mg de vitaminas y 450 caloras; y 100 gr de B contienen
20 gr. y 150 caloras:
a. Cuntos gramos de cada producto debe mezclar para obtener el preparado ms

rico en vitaminas?.
b. Y el ms pobre en caloras?.
Solucin.
a. 0 1
max z = 3 10 5 xA + 2 10 4 xB
B s:a C
B C
B 50 xA + xB 150 C
B C
@ xA xB A
x A ; xB 0
Aqu las funcin objetivo maximiza las vitaminas. Explicacin: Debido a que
1000 gr contienen 30 mg de vitaminas, xA gramos (del producto A) contienen
30mg
1000gr
xA = 3 10 5 xA vitaminas, anlogo para las vitaminas de tipo B.
1.2. MODELACIN DE PROBLEMAS SIMPLES 9
b. 0 1
450 150
max z = 1000 xA + 1000 xB
B s:a C
B C
B 50 xA + xB 150 C
B C
@ xA xB A
x A ; xB 0
Aqu las funcin objetivo minimiza las caloras. Explicacin: Debido a que 1000 gr
20mg
contienen 450 mg de caloras, xA gramos (del producto A) contienen 100gr xA =
4
2 10 xA vitaminas, anlogo para las caloras del tipo B.
Ejercicio 10 Una Empresa fabrica dos tipos de electrodomsticos, que indicaremos

por E1 y E2 . Cada unidad de E1 contribuye con e300 a los ingresos de la Empresa y
cada unidad de E2 con e400. Para la produccin se necesitan dos tipos de mquinas
(M1 y M2), y en la siguiente tabla se dan los recursos necesarios para producir cada
unidad:
horas en M1 horas en M2 Kg. acero
E1 0.8 0.6 20
E2 1 0.7 30
Actualmente la empresa dispone de varias mquinas de tipo M2 que pueden trabajar
un total de hasta 73 horas semanales y dispone de 2600 Kg de acero para la prxima
semana. Las mquinas de tipo M1 deben ser alquiladas y se puede contratar hasta
98 horas semanales a un costo de e50 la hora. Consideraciones de mercado indican
que hay que producir por lo menos 26 unidades de E2 y la cantidad a producir de E1
debe ser por lo menos 3 veces la cantidad que se produzca de E2 . Formule un modelo
de programacin lineal que, respetando las condiciones de produccin y de mercado,
permita maximizar las ganancias de la Empresa en la prxima semana.
Solucin. Denimos las variables:
x1 = Cantidad de electrodomsticos E1 a producir,

x2 = Cantidad de electrodomsticos E2 a producir.
Las restricciones se escriben en la forma siguiente:
No se puede gastar ms acero del que se dispone:
20x1 + 30x2 2600;
No se pueden emplear ms de 98 horas en las mquinas M1:
0;8x1 + x2 98;
No se pueden emplear ms de 73 horas en las mquinas M2:
0;6x1 + 0;7x2 73;
Hay que producir al menos 26 unidades de E2 :
x2 26;
Hay que producir de E1 al menos tantas unidades como 3 veces lo producido de

E2 :
x1 3x2 :
La funcin objetivo es la diferencia entre el total de ingresos menos el costo de pagar

las horas del alquiler de las mquinas M1:
z = 300x1 + 400x2 50(0;8x1 + x2 ) = 260x1 + 350x2
El modelo nal queda:

0 1
max z = 260x1 + 350x2
B s:a : 20x1 + 30x2 2600; C
B C
B 0;8x1 + x2 98; C
B C
B 0;6x1 + 0;7x2 73; C
B C
B x2 26; C
B C
@ x1 3x2 ; A
x 1 ; x2 0 ! opcional
1.3. Modelacin de problemas ms complejos

Ejercicio 11 Para la elaboracin de un producto se necesitan 4 materias primas que
contienen cierto factor F en las proporciones indicadas en la tabla siguiente, donde
tambin aparecen los costos por Kg: de cada materia prima:
mat. prima contenido de F ( %) costo por Kg ($)

A 61 4
A 11 2
C 14 5
D 36 3
La materia prima D est asociada a la materia prima C, lo que signica que por cada
Kg que se compre de C se debe adquirir 1.5 Kg de D.
1.3. MODELACIN DE PROBLEMAS MS COMPLEJOS 11
Escriba un modelo de programacin lineal que permita determinar cuanta materia prima
de cada clase debe comprarse de modo que se obtenga una tonelada de mezcla (1000
Kg.) con un contenido del facor F de por lo menos 18 %.
Solucin. Denamos las siguientes variables:
xj := cantidad de materia prima A (Kg), j 2 fA; B; C; Dg
Luego el modelo es:

0 1
mn z = 4xA + 2xB + 5xC + 3xD
B s:a C
B C
B x + x + x + x = 1000 (Kg) C
B A B C D C
B 0;61xA + 0;11xB + 0;14xC + 0;36xD 0;18 1000 C
B C
@ xD = 1;5xC A
xj 0; 8 j 2 fA; B; C; Dg
Ejercicio 12 Una Granja dispone de 10.000 ha. para el cultivo de maz, papas y frijoles,
adems de que una parte de esa supercie puede utilizarse para la cra de cerdos. El
manager de la granja debe decidir cuantas h. debe dedicar a cada cultivo y cuntas
a la cra de cerdos para maximizar la ganancia. El costo de la mano de obra es de $5
la hora/hombre para cualquiera de las tareas de cultivo y $7 la hora/hombre para la
crianza de cerdos. El nmero mximo de horas/hombre que se puede contratar es de
48.000 y las necesidades de horas/hombre por h. para cada cultivo y para los cerdos
se muestran en la siguiente tabla:
horas / hombre
Maz 3 por h
Papa 2 por h
Frijol 2 por h
Cerdo 4 por c/ 10 cerdos
El costo de cada saco de semillas de maz, papa y frijol y el rendimiento de cada saco
de semillas por hectrea viene dado por:
Rendimiento/ h Costo (saco de semilla)

Maz 5 ton. $10
Papa 8 ton. $8
Frijol 2 ton. $6
Adems, se sabe que para sembrar una h. de maz, papa o frijoles se requiere de 2,5
y 3 sacos de semillas respectivamente. La disponibilidad de semillas en el mercado es
ilimitada. Si se decide criar cerdos, estos sern alimentados con maz, el cual puede
comprarse al precio del mercado y/o puede utilizarse parte del que se cultive en la
granja. Las necesidades de maz para alimentar a los cerdos hasta que alcancen un peso
de 0,3 Ton., adecuado para la venta, es de 3 ton. por cerdo y se sabe que 10 h. es lo
que se necesita para criar 20 cerdos. El Precio de venta de cada producto(por Ton.) en
el mercado est dado en la tabla siguiente:
Precio de Mercado / ton
Maz $25
Papa $15
Frijol $10
Cerdo $200
Plantee un modelo de programacin lineal que permita resolver el problema de deter-

minar cuntas h. dedicar a cada cultivo y a la crianza de cerdos y cunto maz se debe
compar y/o cultivar para la crianza de estos, de modo de maximizar la ganancia total
de la granja.
Solucin. Para el efecto de denir variables, debemos primero que todo ver que es lo
que queremos responder:
Debemos determinar cuantas h. dedicar a cada cultivo: de aqu salen 4 variables:

2 que respondan cuantas h de papa y de frijoles vamos a cultivar; y las otras 2
que respecta al maz, se debe considerar que hay dos tipos, uno para alimentar a
los chanchos y el otro para venderse.
Por otro lado cuantas h vamos a dedicar a la crianza de cerdos: de aqu sale 2
variables: en este caso tambin hay 2 tipos (de chancho), unos que se alimentan
con maz propio y el otro con maz comprado.
y por ltimo cuanto maz se debe comprar y/o cultivar para la crianza de cerdos:
En este caso no hay que denir variables ya que el maz que se va a comprar es
proporcional a la cantidad de cerdos que se alimentan con maz comprado, y el
que se va a cultivar es proporcional a la cantidad de cerdos que se alimentan con
maz propio.
Denicin de variables:
1. xM 1 := cantidad de h de maz que se van a dedicar a la alimentacin de los

cerdos.
2. xM 1 := cantidad de h de maz que se van a dedicar a la alimentacin de los
cerdos.
3. xP := cantidad de h que se van a dedicar al cultivo de papas.
4. xF := cantidad de h que se van a dedicar al cultivo de frijoles.
5. xC1 := cantidad de h de que se van a dedicar a la crianza de cerdos con maz

propio.
6. xC2 := cantidad de h de que se van a dedicar a la crianza de cerdos con maz

comprado.
Con lo que respecta a las restricciones, tenemos 3 limitaciones: con las hora/hombre,
el terreno disponible, y el nmero de
1. Terreno disponible:
xM 1 + xM 2 + xP + xF + xC1 + xC2 10;000 (ha)
2. Horas / hombre disponibles
4
3 (xM 1 + xM 2 ) + 2xP + 2xF + 2 (xC1 + xC2 ) 48;000 (h=h)
10
3. La cantidad de maz xM 1 debe alcanzar para alimentar a los chanchos (xC1 ) :
20
3 xC1 5xM 1
10
La funcin objetivo se divide en 3 partes, debido a que se necesita maximizar la

ganancia:
a. La ganancia por las ventas (GV ):
GV = 25 5 xM 2 + 15 8 xP + 10 8 xF + 200 0;3 2 (xC1 + xC2 )
b. El costo del cultivo (materia prima) y la mantencin de los chanchos (CCM C) :
CCM C = 10 2 (xM 1 + xM 2 ) + 8 5 xP + 6 3 xF + 25 3 2 xC2
c. El costo de las horas hombre (CHH):
4
CHH = 5 (3xM 1 + 3xM 2 + 2xP + 2xF ) + 7 2 (xC1 + xC2 )
10
Luego con las consideraciones anteriores el modelo (P L) nos queda:

0 1
max z = GV CCM C CHH
B s:a : C
B C
B xM 1 + xM 2 + xP + xF + xC1 + xC2 10;000 (ha) C
B C
B 3 (xM 1 + xM 2 ) + 2xP + 2xF + 10 2 (xC1 + xC2 ) 48;000 (h=h) C
4
B C
@ 3 10 20
xC1 5xM 1 (T ) A
xM 1 ; xM 2 ; xP ; xF ; xC1 ; xC2 0
Ejercicio 13 El dueo de una empresa tiene que ir al banco a sacar dinero para pagar
el sueldo de sus empleados. El nmero de empleados que tiene junto con el sueldo
respectivo est descrito en la siguiente tabla:
Tipo Nmero Sueldo (miles de pesos)

A 25 555
B 10 351
C 25 225
El pago de los sueldos puede efectuarse utilizando billetes de 1.000, 5.000 y 10.000
pesos, pero el banco pone las siguientes restricciones para el uso de estas denomina-
ciones:
1. Los billetes de 1.000 deben ser, a lo ms, el doble de los billetes de 5.000.
2. Los billetes de 5.000 deben ser al menos, la cuarta parte de los de 10.000.
3. Los billetes de 10.000 no pueden ser ms del 40 % del total.
Escriba un modelo de PL que resuelva el problema de determinar cuntos billetes

de cada tipo debe pedir el dueo al banco de modo de poder pagar todos los sueldos,
cumplir con las disposiciones del banco y que el nmero total de billetes sea el menor
posible.
Solucin. Sin mayores detalles, denimos 9 variables:
xij := N de billetes de i 2 f1; 5; 10g a pagar al tipo j 2 fA; B; Cg :

Modelo: 0 P P 1
mn z= xij
B i2f1;5;10g j2fA;B;Cg C
B C
B s:a C
B C
B 1000x1A + 5000x5A + 10000x10A = 555 25 C
B C
B 1000x1B + 5000x5B + 10000x10 = 351 10 C
B C
B 1000x1C + 5000x5C + 10000x10C = 225 25 C
B C
B x1A + x1B + x1C 2 (x5A + x5B + x5C ) C
B C
B x5A + X5b + X5c 14 (x10A +
Px10B +P x10C ) C
B 40 C
B x10A + x10B + x10C 100
xij C
@ i2f1;5;10g j2fA;B;Cg A
xij 0; i 2 f1; 5; 10g ; j 2 fA; B; Cg
Ejercicio 14 Un productor de whisky importa el licor madre en tres distintas grad-

uaciones: A; B; C. Mediante la mezcla de stos se obtienen los whiskies de calidades
comerciales: Scotch, Kilt y Tartan. Las frmulas para mezclar los licores contienen
especicaciones y se muestran en la siguiente tabla junto con los precios de venta:
Precio Venta
Marca Especicacin
por litro
No menos del 60 % de A
A $ 680
No ms del 20 % de C
B $ 570
No ms del 80 % de C
C No ms del 50 % de C $ 450
Se conocen asimismo las disponibilidades y precios de los licores A; B; C que se indican
en el siguiente cuadro:
Litros Precio Compra
Tipo
disponibles por litro
A 2000 $ 700
B 2500 $ 500
C 1200 $ 400
Plantee (sin resolver) un modelo de Programacin Lineal que resuelva el problema
de hallar el plan de compra de licores y de mezcla de los whiskies comerciales, de modo
de maximizar la ganacia del productor. Suponga que todo el whisky que se produzca
se vender. Dena claramente las variables, restricciones y funcin objetivo.
Solucin. Denimos las variables:
xij = Cantidad de litros del licor i que se usan para obtener whisky j;
i = A; B; C; j = S; K; T:
Restricciones de mezcla:
Scotch no menos del 60 % de A :
xAS 0;6(xAS + xBS + xCS );
Scotch no ms del 20 % de C :
xCS 0;2(xAS + xBS + xCS );
Kilt no menos del 15 % de A :
xAK 0;15(xAK + xBK + xCK );
Kilt no ms del 80 % de C :
xCK 0;2(xAK + xBK + xCK );
Tartan no ms del 50 % de C :
xCT 0;2(xAT + xBT + xCT ):
Restricciones de litros disponibles:
No ms de 2000 lts. de A :
xAS + xAK + xAT 2000;
No ms de 2500 lts. de B :
xBS + xBK + xBT 2500;
No ms de 1200 lts. de C :
xCS + xCK + xCT 1200:
Restricciones de positividad:
xij 0; i = A; B; C; j = S; K; T:
Funcin objetivo:
Total de ingresos:
I = 680(xAS + xBS + xCS ) + 570(xAK + xBK + xCK ) + 450(xAT + xBT + xCT );
Total de gastos:
G = 700(xAS + xAK + xAT ) + 500(xBS + xBK + xBT ) + 400(xCS + xCK + xCT );
Total de ganancia:
z=I G:
Resumiendo, el modelo queda:

0 1
max z=I G
B s:a : C
B C
B xAS 0;6(xAS + xBS + xCS ) C
B C
B x 0;2(xAS + xBS + xCS ) C
B CS C
B xAK 0;15(xAK + xBK + xCK ) C
B C
B xCK 0;2(xAK + xBK + xCK ) C
B C
B xCT 0;2(xAT + xBT + xCT ) C
B C
B xAS + xAK + xAT 2000 C
B C
B x BS + xBK + xBT 2500 C
B C
@ xCS + xCK + xCT 1200 A
xij 0; i = A; B; C; j = S; K; T:
Ejercicio 15 Una empresa fabricante de tostadoras elctricas debe tomar una decisin
sobre la produccin de un nuevo modelo. La empresa tiene la posibilidad de emplear
3 tcnicas alternativas de produccin: manula, semi-automtica y robotizada. Los re-
querimientos de cada tcnica para fabricar una tostadora se resumen en el siguiente
cuadro:
TCNICA DE ENSAMBLADO
Manual Sem-Aut. Robot.
Mano de Obra Especializada 1 min 4 min 8 min
Mano de Obra No-Especializada 40 min 30 min 20 min
Tiempo de Taller de Ensamblado 3 min 2 min 4 min
La disponibilidad de recursos para este producto son los siguientes: 75 horas de

Mano de Obra Especializada, 60 horas de Mano de Obra No-Especializada y 45 horas
de tiempo disponible en el taller de ensamblado.
El costo total de produccin es de $7 po tostadora manual, $8 por tostadora de

produccin semi-automtica y $8.50 por tostadora de produccin robotizada.
El convenio con el gremio establece que el total de tiempo de Mano de Obra Es-
pecializada debe ser al menos el %10 del total de tiempo empleado en Mano de Obra
(especializada + No especializada).
El tiempo de Taller no utilizado (si existe ) ser alquilado a una tasa de ganancia
de $0.50 el minuto.
Formule un modelo de programacin lineal que permita determinar como producir
1000 tostadoras con un costo mnimo. Dena claramente las variables, la funcin
objetivo y las restricciones.
Ejercicio 16 Bajo las condiciones de trabajo normales una fbrica produce sobre 100
unidades de cierto producto en cada uno de los 4 periodos de tiempo consecutivos a un
costo que vara de periodo en periodo de tiempo como se muestra a continuacin.
Unidades adicionales pueden ser producidas en horas extras de trabajo. La cantidad
mxima y el costo son mostradas en la siguiente tabla, junto con el pronstico de
demanda para el producto en cada uno de los 4 periodos de tiempo
Perodo Demanda Costo Capacidad Costo

de tiempo (un) Produccin produccin Produccin
Normal tiempo extra tiempo extra
1 130 6 60 8
2 80 4 65 6
3 125 8 70 10
4 195 9 60 11
Es posible manejar 70 unidades del producto en stock desde un periodo hasta el siguiente
a un costo de $1;5 por unidad por periodo.
Formule(Sin resolver) un Problema de programacin lineal que permita determinar
el calendario de produccin y almacenamiento que satisfagan las demandas durante los
cuatro perodos de tiempo a un costo mnimo, sabiendo que al comienzo del perodo 1
tenemos 15 unidades en stock.
Solucin. Partamos deniendo las variables:

xi : Nmero de unidades producidas en un perodo de tiempo normal i, i = 1; : : : ; 4
yi : Nmero de unidades producidas en un perodo de tiempo extra i, i = 1; : : : ; 4
zi : Nmero de unidades en stock al nal del perodo i, i = 1; : : : ; 4
La funcin objetivo viene dada por
m n z = (6x1 +4x2 +8x3 +9x4 )+(8y1 +6y2 +10y3 +11y4 )+(1;5z1 +1;5z2 +1;5z3 +1;5z4 )
1.4. EJERCICIOS PROPUESTOS 19
y restricciones para manejar la demanda

x1 + y1 + 15 z1 = 130
x2 + y2 + z1 z2 = 80
restricciones de produccin:
x3 + y3 + z2 z3 = 125
x4 + y4 + z3 z4 = 195
xi 100; i = 1; 2; 3; 4 y1 60; y2 65 y3 70; y4 60
la limitaciones de la bodega: zi 70 i = 1; 2; 3; 4 nalmente hay que considerar la

positividad de las variables xi ; yi ; zi 0; i = 1; 2; 3; 4. el modelo queda:
0 1
z = (6x1 + 4x2 + 8x3 + 9x4 ) + (8y1 + 6y2 + 10y3 + 11y4 )
B m n +(1;5z1 + 1;5z2 + 1;5z3 + 1;5z4 ) C
B C
B s:a x1 + y1 + 15 z1 = 130 C
B C
B x2 + y2 + z1 z2 = 80 C
B C
B x + y + z z = 125 C
B 3 3 2 3 C
B x + y + z z = 195 C
B 4 4 3 4 C
B xi 100; zi 70 i = 1; 2; 3; 4 C
B C
@ y1 60; y2 65 y3 70; y4 60 A
xi ; yi ; zi 0; i = 1; 2; 3; 4
1.4. Ejercicios Propuestos

1. Sunco Oil produce tres tipos de gasolinas (G1, G2 y G3). Cada tipo es producido
combinando tres tipos de crudo (C1, C2 y C3). Las ventas en dlares por barril
de gasolina son: G1 en 70, G2 en 60 y G3 en 50. Los costos en dlares por barril
de crudo son: C1 en 45, C2 en 35 y C3 en 25. Sunco puede comprar hasta 5000
barriles de cada tipo de crudo al da. Los tres tipos de gasolina dieren en octanaje
y en porcentaje de azufre. Para producir G1 la combinacin de crudos debe tener
en promedio un octanaje al menos de 10 y contener no ms de 1 % de azufre. Para
producir G2, el octanaje promedio es de al menos 8 y contener no ms de 2 % de
azufre. Para producir G3, el octanaje promedio es de al menos de 6 y contener
no ms de 1 % de azufre. C1 posee un octanaje de 12 y 0.5 % azufre, C2 posee un
octanaje de 6 y 2.0 % de azufre, y C3 posee un octanaje de 8 y 3.0 % de azufre. El
costo de transformacin de un barril de crudo en uno de gasolina es de 4 dlares.
Sunco puede producir a lo ms 14.000 barriles de gasolina al da. Los clientes de
Sunco requieren 3.000 barriles de G1, 2.000 barriles de G2, y 1.000 barriles de
G3 por da. Sunco considera una obligacin satisfacer estos requerimientos. Es
un hecho que la publicidad estimula la demanda de sus productos. Cada dlar
gastado en la publicidad de uno de sus productos aumenta la demanda diaria
en 10 barriles. Formule un modelo de PL que permita a Sunco maximizar sus

ganancias diarias.
2. Una ocina postal requiere un cierto nmero mnimo de empleados de tiempo

completo dependiendo del da de la semana. La siguiente tabla muestra los requi-
sitos. La unin de trabajadores establece que un trabajador de tiempo completo
debe trabajar 5 das consecutivos y descansar los siguientes 2. Formule el proble-
ma de determinar el nmero de empleados de tiempo completo mnimo que debe
tener la ocina postal.
Da Empleados de tiempo completo requeridos

Lunes 17
Martes 13
Mircoles 15
Jueves 14
Viernes 16
Sbado 16
Domingo 11
3. Una compaa fabrica dos tipos de productos, el tipo A y el tipo B. Un producto

A se vende en $27 y requiere materia prima por un costo de $10. El costo de mano
de obra de cada producto A es de $14. Por otro lado, un producto B se vende en
$21 y requiere materia prima por un costo de $9. El costo de mano de obra de cada
producto B es de $10. La manufactura de los productos A y B requiere dos tipos
de labor: carpintera y acabado. Cada producto A requiere 2 horas de acabado y 1
de carpintera, mientras que un producto B requiere 1 hora de acabado y 1 hora de
carpintera. Cada semana la campaa dispone de 100 horas para acabado y 80
horas para carpintera. Mientras que la demanda de productos B es ilimitada, se
estima que la compaa vende a lo ms 40 productos A por semana. La compaa
desea hacer un plan de produccin semanal que maximice la ganancia.
4. A una persona que quiere adelgazar se le ofrecen dos productos, A y B para que
tome una mezcla de ambos con las siguientes recomendaciones: No debe tomar
ms de 150 gr. ni menos de 50 gr., la cantidad de A debe ser igual o superior a la
de B. Si 1000 gr. de A contiene 30 mg de vitaminas y 450 caloras; y 100 gr de B
contienen 20 gr. y 150 caloras:
a) Cuntos gramos de cada producto debe mezclar para obtener el preparado

ms rico en vitaminas?.
b) Y el ms pobre en caloras?.
5. Un productor de whisky importa el licor madre en tres distintas graduaciones:

A; B; C. Mediante la mezcla de stos se obtienen los whiskies de calidades com-
erciales: Scotch, Kilt y Tartan. Las frmulas para mezclar los licores contienen
especicaciones y se muestran en la siguiente tabla junto con los precios de venta:
Precio Venta
Marca Especicacin
por litro
A $ 680
No ms del 20 % de C
B $ 570
No ms del 80 % de C
C No ms del 50 % de C $ 450
Se conocen asimismo las disponibilidades y precios de los licores A; B; C que se

indican en el siguiente cuadro:
Litros Precio Compra

Tipo
disponibles por litro
A 2000 $ 700
B 2500 $ 500
C 1200 $ 400
Plantee (sin resolver) un modelo de Programacin Lineal que resuelva el problema

de hallar el plan de compra de licores y de mezcla de los whiskies comerciales, de
modo de maximizar la ganacia del productor. Suponga que todo el whisky que
se produzca se vender. Dena claramente las variables, restricciones y funcin
objetivo.
6. Una Empresa fabrica dos tipos de electrodomsticos, que indicaremos por E1 y

E2 . Cada unidad de E1 contribuye con e300 a los ingresos de la Empresa y cada
unidad de E2 con e400. Para la produccin se necesitan dos tipos de mquinas
(M1 y M2), y en la siguiente tabla se dan los recursos necesarios para producir
cada unidad:
horas en M1 horas en M2 Kg. acero

E1 0.8 0.6 20
E2 1 0.7 30
Actualmente la empresa dispone de varias mquinas de tipo M2 que pueden tra-

bajar un total de hasta 73 horas semanales y dispone de 2600Kg de acero para
la prxima semana. Las mquinas de tipo M1 deben ser alquiladas y se puede
contratar hasta 98 horas semanales a un costo de e50 la hora. Consideraciones de
mercado indican que hay que producir por lo menos 26 unidades de E2 y la can-
tidad a producir de E1 debe ser por lo menos 3 veces la cantidad que se produzca
de E2 . Formule un modelo de programacin lineal que, respetando las condiciones
de produccin y de mercado, permita maximizar las ganancias de la Empresa en
la prxima semana.
7. Una empresa fabricante de tostadoras elctricas debe tomar una decisin sobre
la produccin de un nuevo modelo. La empresa tiene la posibilidad de emplear 3
tcnicas alternativas de produccin: manula, semi-automtica y robotizada. Los
requerimientos de cada tcnica para fabricar una tostadora se resumen en el sigu-
iente cuadro:
TCNICA DE ENSAMBLADO
Manual Sem-Aut. Robot.
Mano de Obra Especializada 1 min 4 min 8 min
Mano de Obra No-Especializada 40 min 30 min 20 min
Tiempo de Taller de Ensamblado 3 min 2 min 4 min
La disponibilidad de recursos para este producto son los siguientes: 75 horas de

Mano de Obra Especializada, 60 horas de Mano de Obra No-Especializada y 45
horas de tiempo disponible en el taller de ensamblado.
El costo total de produccin es de $7 po tostadora manual, $8 por tostadora de
produccin semi-automtica y $8.50 por tostadora de produccin robotizada.
El convenio con el gremio establece que el total de tiempo de Mano de Obra
Especializada debe ser al menos el %10 del total de tiempo empleado en Mano de
Obra (especializada + No especializada).
El tiempo de Taller no utilizado (si existe ) ser alquilado a una tasa de ganancia
de $0.50 el minuto.
Formule un modelo de programacin lineal que permita determinar como producir
1000 tostadoras con un costo mnimo. Dena claramente las variables, la funcin
objetivo y las restricciones.
8. Para la elaboracin de un producto se necesitan 4 materias primas que contienen

cierto factor F en las proporciones indicadas en la tabla siguiente, donde tambin
aparecen los costos por Kg: de cada materia prima:
mat. prima contenido de F ( %) costo por Kg ($)

A 61 4
A 11 2
C 14 5
D 36 3
La materia prima D est asociada a la materia prima C, lo que signica que por
cada Kg que se compre de C se debe adquirir 1.5 Kg de D.
Escriba un modelo de programacin lineal que permita determinar cuanta materia

prima de cada clase debe comprarse de modo que se obtenga una tonelada de
mezcla (1000 Kg.) con un contenido del facor F de por lo menos 18 %.
9. Una Granja dispone de 10.000 ha. para el cultivo de maz, papas y frijoles, adems
de que una parte de esa supercie puede utilizarse para la cra de cerdos. El
manager de la granja debe decidir cuantas h. debe dedicar a cada cultivo y
cuntas a la cra de cerdos para maximizar la ganancia. El costo de la mano de
obra es de $5 la hora/hombre para cualquiera de las tareas de cultivo y $7 la
hora/hombre para la crianza de cerdos. El nmero mximo de horas/hombre que
se puede contratar es de 48.000 y las necesidades de horas/hombre por h. para
cada cultivo y para los cerdos se muestran en la siguiente tabla:
horas / hombre
Maz 3 por h
Papa 2 por h
Frijol 2 por h
Cerdo 4 por c/ 10 cerdos
El costo de cada saco de semillas de maz, papa y frijol y el rendimiento de cada
saco de semillas por hectrea viene dado por:
Rendimiento/ h Costo (saco de semilla)
Maz 5 ton. $10
Papa 8 ton. $8
Frijol 2 ton. $6
Adems, se sabe que para sembrar una h. de maz, papa o frijoles se requiere
de 2,5 y 3 sacos de semillas respectivamente. La disponibilidad de semillas en el
mercado es ilimitada. Si se decide criar cerdos, estos sern alimentados con maz,
el cual puede comprarse al precio del mercado y/o puede utilizarse parte del que
se cultive en la granja. Las necesidades de maz para alimentar a los cerdos hasta
que alcancen un peso de 0,3 Ton., adecuado para la venta, es de 3 ton. por cerdo
y se sabe que 10 h. es lo que se necesita para criar 20 cerdos. El Precio de venta
de cada producto(por Ton.) en el mercado est dado en la tabla siguiente:
Precio de Mercado / ton
Maz $25
Papa $15
Frijol $10
Cerdo $200
Plantee un modelo de programacin lineal que permita resolver el problema de

determinar cuntas h. dedicar a cada cultivo y a la crianza de cerdos y cunto
maz se debe compar y/o cultivar para la crianza de estos, de modo de maximizar
la ganancia total de la granja.
10. Un comerciante compra azcar a granel y vende al detalle. Para venderla tiene
dos alternativas: envases de 1 kg y envases de 5 kg. El precio de venta es $300
y $250 por kg respectivamente, y en el mercado del azcar al detalle se pueden
vender 20.000 kg en envases de 1 kg y 17.000 en envases de 5 kg. Debido a un
contrato anterior se deben entregar 5.000 kg en envases de 5 kg a un determinado
cliente. El comerciante se puede abastecer de azcar desde dos proveedores. El
primero le puede vender hasta 15.000 kg a un precio de $90 por kg, y el segundo
le ofrece la cantidad de azcar que el comerciante desee, pero a un precio de $110
por kg y debido a requerimientos de sus distribuidores el comerciante debe vender
menos del tercio del azcar en envases de 1 kg. Adems, suponga que el precio
de los envases y el proceso de envasado son nulos,y que el comerciante no tiene
azcar almacenada y vende todo el azcar que compra.
Formule un problema de programacin lineal que permita al comerciante decidir
cual es el plan de abastecimiento y ventas de modo de obtener el mayor benecio
en su negocio.
11. Los auxiliares de un curso de optimizacin de una universidad de gran prestigio,

han decidido, para hacer un bien a los alumnos de su facultad, abrir una agencia
de citas.
La cantidad de inscritos en la agencia es de M +N siendo M la cantidad de mujeres
y N la cantidad de hombres. Se tiene, dadas las caractersticas demogrcas de
la facultad, que N > M .
Todos los inscritos se ubican entre ellos (solo de vista) y han informado con-
dencialmente a la agencia que la preferencia de una mujer m por emparejarse con
un hombre n es de PMmn y la preferencia de un hombre n por emparejarse con
una mujer m es de PHnm.
Adicionalmente a cada inscrito se le hace un test te personalidad y mediante un
estudio, profundo y 100 % certero, se determina si existir compatibilidad entre
cada combinacin de parejas, obteniendo valores Cmn que sern 1 si la pareja del
hombre n con la mujer m es compatible y 0 si la pareja no es compatible. Cada
persona es compatible con al menos una pareja.
La agencia debe decidir a qu actividades enviar a cada pareja durante su cita
(ej: ir al cine, a comer, etc) para esto la agencia cuenta con una variedad de A
actividades y con un presupuesto jo dado por PSPTO y se sabe que en cada
actividad a la mujer m gastar Gma dependiendo del nivel de gasto al que est
habituado la mujer y se sabe que un hombre gasta Ka si realiza la actividad a,

este gasto es igual para todos los hombres. Se tiene adems que cada pareja no
puede realizar ms de tres actividades en su cita.
La preferencia de un hombre n por hacer la actividad a est dada por SHna y la
preferencia de una mujer m por hacer la actividad a est dada por SMma.
Se sabe que una persona solo puede ser asignada una sola vez y que todas las
mujeres deben tener pareja.
Los auxiliares del curso han decidido solicitar ayuda a sus alumnos pidindole a
cada uno que formule un modelo de programacin lineal entera para la primera
ronda de citas, que maximice el nivel de satisfaccin de preferencias.
12. Una empresa fabrica y tambin importa cierta mercanca (por ejemplo televisores)
y la distribuye entre sus clientes. Las cantidades disponibles de la mercanca en
los almacenes suministradores extranjeros y los pedidos de los clientes para los
primeros 6 meses del ao son conocidos y vienen dados en la tabla siguiente:
Enero Febrero Marzo Abril Mayo Junio

Dispon. Almacenes 50 60 40 50 30 50
Demandas de Clientes 30 40 10 25 60 100
La empresa tambin puede fabricar las mercancas, pero por su tecnologa el costo
le sale a $200 cada una y tiene un lmite de produccin de 40 unidades mensuales.
Los costos por unidad de la mercanca importada y el precio de venta varan segn
el mes de ao y estn dados por:

Costo/unidad $150 $200 $240 $200 $150 $240
Precio venta/unidad $300 $400 $500 $450 $350 $250
Suponga que las mercancas fabricadas en un mes slo pueden venderse en el mes
siguiente, que las compras se realizan a principios de cada mes y las ventas a los
clientes al nal de cada mes. Entonces es posible que haya que tener mercancas
almacenadas, con lo cual se incurrira en un costo de almacenamiento de $5 por
unidad. A principios de Enero la empresa dispone de 10 unidades de la mercanca
en almacn.
Plantee un modelo de PL que resuelva el problema de cmo planicar la produc-
cin y las compras de cada mes de modo de satisfacer las demandas de los clientes
y obtener una ganancia mxima.
13. Una empresa que fabrica computadoras debe satisfacer las demandas de los prx-
imos cuatro trimestres, que vienen dadas por:
Trimestre Demanda
1 700
2 1500
3 1000
4 800
La empresa dispone de 500 computadoras en almacn y tiene capacidad para

producir 1000 computadoras por trimestre, a un costo de $1000 cada una. Esta
produccin puede aumentarse si es necesario (pagando horas extras) en 250 com-
putadoras ms por trimestre, pero a un costo de $2000 cada una de las adicionales.
Las computadores producidas en un trimestre pueden ser usadas en otro trimestre
para satisfacer la demanda, pero entonces existe un costo de $100 por cada com-
putador en almacn durante un trimestre.
Escriba un modelo de PL que resuelva el problema de cunto debe producir esta
empresa en cada trimestre de modo de satisfacer todas las demandas con un costo
de produccin y almacenamiento mnimo.
14. Una compaa produce un ensamblado que consta de un bastidor, una barra y un
cojinete. La compaa fabrica las barras y los bastidores, pero tiene que comprar
los cojinetes a otro fabricante hasta un mximo de 20,000 cojinetes. Cada barra
debe procesarse en una mquina de forja, un torno y un esmeril. Estas operaciones
requieren de 0.5 horas, 0.2 horas y 0.3 horas por barra, respectivamente. Cada
bastidor requiere de 0.8 horas de trabajo de forja, 0.1 horas en el taladro, 0.3 horas
en la fresadora y 0.5 horas en el esmeril. La compaa tiene 5 tornos, 10 esmeriles,
20 mquinas de forja, 3 taladros y 6 fresadoras. Suponga que cada mquina opera
un mximo de 2,400 horas al ao. Plantee (sin resolver) un problema de progra-
macin lineal que permita encontrar el nmero mximo de ensamblados que es
posible producir.
15. Un aserro de la IX Regin recibe de sus proveedores solamente tablas de im-
portacin de 50 cms. de ancho cada una. La administracin del aserro recibe
solicitudes de sus clientes de 300 tablas de 28 cms. de ancho, 500 tablas de 20
cms. y 200 tablas de 16 cms. Plantee un modelo de PL que permita hallar cuntas
tablas debern cortarse y en que forma para que se logre un mnimo desperdicio
de madera y se satisfagan las solicitudes de los clientes.
16. Una empresa dispone de 100 millones de pesos y desea invertirlos de manera
ptima de forma que al cabo de un ao se haya obtenido la ganancia mxima.
Existen las siguientes posibilidades de inversin:
a) Depositar el dinero en el banco para ganar intereses. El inters es del 12 %

anual sobre el capital.
b) Comprar materias primas como madera, aluminio y accesorios para fabricar
y vender cierto tipo de muebles. La madera cuesta $4,000 el m3, el aluminio
viene en lminas y cuesta $3.500 cada lmina y los accesorios cuestan $350
el kg. Para hacer un mueble se necesitan 5 m3 de madera, 2 lminas de
aluminio, 4 kg. de accesorios y 8 horas/hombre. Estas ltimas cuestan $2.500
la hora/hombre. Cada mueble puede venderse a $60.000 en el mercado y se
sabe que durante un ao se venden no ms de 150 muebles.
c) Comprar piezas de automviles en el extranjero para revenderlas en el mer-
cado nacional. Se pueden comprar llantas, radiadores y alarmas. Las llantas
pueden comprarse a $15.000 y venderse a $20.000; los radiadores cuestan
$50.000 y se venden a $70.000 y las alarmas valen $35.000 y su precio de
venta es de $55.000. Se sabe que en un ao se venden no ms de 40 juegos
de 4 llantas, 20 radiadores y 100 alarmas.
Escriba un modelo de programacin lineal que permita resolver el problema
de como invertir mejor el dinero y que d respuesta a las siguientes preguntas:
Qu parte del capital inicial debe invertirse en cada una de las tres posibil-
idades de inversin?, Cunto debe depositarse en el banco?, Cunta mate-
ria prima se debe comprar y cuntos muebles deben fabricar para vender?,
Cuntas piezas de auto de cada tipo se deben comprar para vender?
17. La compaa de pinturas Manchita produce tres tipos de pintura adicionando a

una pintura base cuatro productos o aditivos qumicos (Q1 a Q4). Se tiene abun-
dante pintura base disponible y cuyo costo ya fue cubierto. La compaa desea
determinar la cantidad de toneladas de cada tipo de pintura que debe producir
de manera que maximice la ganancia total. Las nicas restricciones se deben a la
disponibilidad de los aditivos qumicos requeridos. Las ganancias obtenidas por
las toneladas de pintura producida aparecen en la tabla siguiente.
Ejercicio 17 Un empresario cuenta con tres millones de pesos para invertir en una
microempresa de produccin de mermelada que tiene en mente. Para empezar, fabricar
a mermelada de frutilla y frambuesa, ya que son las de mayor demanda en la zona. Un
estudio de mercado le indica que, para satisfacer la demanda de la localidad deber a
producir las siguientes cantidades mensuales de mermelada, expresada en kilos en la
siguiente tabla:

Frutilla 500 300 250 250 200 200
Frambuesa 400 400 450 350 400 300
Adems, ha descubierto que la calidad de la fruta var a dependiendo la poca del ao,
lo cual hace que el kilo de fruta rinda una cierta cantidad de kilos de mermelada, cosa
que se aprecia en la siguiente tabla:

Frutilla 0.5 0.55 0.6 0.6 0.65 0.65
Frambuesa 0.6 0.55 0.45 0.4 0.4 0.3
Como la frambuesa se va deteriorando en el tiempo, el individuo ha evaluado la

opcin de congelar frambuesa para usar los meses siguientes, aunque cada mes que
la frambuesa se mantenga congelada, pierde un 10 % de eciencia en la generacin de
mermelada. El empresario ha estimado que el precio del kilo de frutilla ser a de mil
pesos y el de frambuesa mil quinientos, los cuales ir a comprando mes a mes con el
capital inicial ms las ganancias obtenidas.
Si los precios de venta que tiene contemplado son de dos mil pesos para el kilo de
mermelada de frutilla y tres mil para el de frambuesa, realice un modelo de progra-
macin lineal que entregue la mxima ganancia posible a lo largo de los seis meses.
Captulo 2
Conjuntos Convexos y Poliedros
2.1. Direcciones Innitas y Extremales

Ejercicio 18 Considere el siguiente poliedro:
P = x 2 R2 : x 1 + x 2 4; x2 4; x1 1
1. Deermine si los siguientes puntos son extremales:
a) x1 = (2; 3)T
b) x2 = (2; 2)T
c) x3 = (1; 3)T
d) x4 = (1; 2)T
2. Determine si las siguientes direcciones son extremales.
a) d1 = (0; 1)T
b) d2 = (1; 1)T
c) d3 = (1; 2)T
d) d4 = (2; 0)T
3. Identique los puntos y direcciones obtenidas en el item 1 y 2, en un grco del

poliedro P. Concluya que
n o
Ext (P) = (2; 2)T ; (1; 3)T
n o
e T T
P1 = (0; 1) ; (2; 0) .
Por ltimo, use el teorema de Caratheodory, para expresar el punto x = (3; 4) co-
mo una combinacin convexa de los puntos extremales y una combinacin positiva
de las direcciones extremales de P.
29
30 CAPTULO 2. CONJUNTOS CONVEXOS Y POLIEDROS
Solucin.
1. Para poder ocupar los teoremas de caracterizacin, debemos obligatoriamente

poner el poliedro en forma estandar:
8 9 0 1
< x1 + x2 x3 = 4 = 1 1 1 0 0
e = x 2 R5 :
P x2 x4 = 4 aqu A = @ 0 1 0 1 0 A
: ;
x1 x5 = 1 1 0 0 0 1
a) Primero busquemos las componentes que faltan, en el poliedro estandarizado,

e esto
para ellos reemplacemos las primeras componentes de x1 = (2; 3) en P,
es:
2+3 xh3 = 4 =) xh3 = 1

3 xh4 = 2 =) xh4 = 1
2 xh5 = 1 =) xh5 = 1;
luego
x1 = (2; 3)T ! x1 = (2; 3; 1; 1; 1)T
x1 no es extremal, ya que al menos n m=5 3 = 2 de sus componentes
deberian ser nulas.
b) x2 = (2; 2) : Anlogo al caso anterior, busquemos las componentes que faltan:
2+2 xh3 = 4 =) xh3 = 0

2 xh4 = 2 =) xh4 = 0
2 xh5 = 1 =) xh5 = 1
luego x2 = (2; 2; 0; 0; 1)T , tenemos que x2 0, tiene al menos n m =

5 3 = 2 componentes nulas y la matriz B que corresponde a las columnas
de la matriz A asociadas a las componentes distintas de cero es
0 1
1 1 0
B=@ 0 1 0 A
1 0 1
y es invertible, puesto que
det (B) = 1 6= 0.
Se concluye que x2 es un punto extremal de P.

2.1. DIRECCIONES INFINITAS Y EXTREMALES 31
c) x3 = (1; 3)T . Procediendo de la misma forma que en el item anterior:

1+3 xh3 = 4 =) xh3 = 0
3 xh4 = 2 =) xh4 = 1
1 xh5 = 1 =) xh5 = 0
luego x3 = (1; 3; 0; 1; 0)T 0, tiene al menos 2 ceros en sus componentes y
la matriz B, cuyas columnas son la 1,2 y 4, de la matriz A; es
0 1
1 1 0
B=@ 0 1 1 A ; y det (B) = 1
1 0 0
) x3 es un punto extremal de P.
d) x4 = (1; 2)T : Este punto no es extremal por que ni siquiera es falctible, viola
las restricciones: x1 + x2 4; x2 4 de P. Otra forma de obtener una
conclusin anloga, es encontrar las componentes faltantes en el poliedro
estandarizado, esto es: x4 = (1; 2; 1; 0; 0)T 0.
2. Recordemos que :
d 2 Pe1 () Ad = 0; d 0y
B 1 aj
d 2 Pe1
e
() d 2 Pe1 y 9B, A = [B; N ] : d = ; 0, det (B) 6= 0;
ej
B 1 aj 0, aj 2 N
a) d1 = (0; 1)T . Busquemos el equivalente en Pe; esto es, debemos buscar las
componentes en el poliedro homogneo:
8 9
< d1 + d2 d3 = 0 =
d 2 R5 : d2 d4 = 0 ; d 0 ;
: ;
d1 d5 = 10
0+1 d3 = 0 =) d3 = 1
1 d4 = 0 =) d4 = 1
0 d5 = 0 =) d5 = 0
luego obtenemos el punto (0; 1; 1; 1; 0)T 0; debemos vericar que al menos
tiene n m 1 = 1 ceros, los cual es el caso, adems haciendo e4 = (1; 0) y
tomando B como
0 1
1 1 1
B = @ 0 1 0 A =) det (B) = 1
1 0 0
e
luego el punto d1 2 P1 :
b) Sin mayores detalles el equivalente a d2 en P e es (1; 1; 2; 1; 1)T lo cual no

contiene ningn cero, por tanto slo es direccin innita.
c) Anlogo al caso anterior 2, es innita pero no extremal.
d) Aqu d4 = (2; 0) = 2 (1; 0) luego solo necesitamos vericar para (1; 0) : El
e
equivalente a esta direccin en P es (1; 0; 1; 0; 1)T ; y aqu se sigue anlogo
al caso 1, con 0 1
1 1 1
B= @ 0 1 0 A y e5 = (0; 1)T
1 0 0
Ejercicio 19 Sea el siguiente poliedro:
P = fX = (x1 ; x2 ) 2 R2 : 2x1 + x2 6; x1 + 2x2 2; x1 2 R; x2 0g:
a) Determine, utilizando el teorema de caracterizacin, cules de los puntos X1 =

(2; 0); X2 = (3; 0) y X3 = 15 ; 12 son puntos extremales de P:
7 7
b) Compruebe, utilizando el teorema de caracterizacin, que el vector D = ( 2; 1)

es una direccin extremal de P.
Solucin.
a) Para aplicar los teoremas de caracterizacin necesitamos escribir el poliedro en for-

ma estndar. Para ello introducimos las variables de holgura x3 y x4 y separamos
la variable x1 ; irrestricta en signo, en la diferencia de dos positivas x1 = x11 x12 :
8 9
< 2x11 2x12 + x2 + x3 = 6; =
e = X 2 R5 : x11 x12 + 2x2 x4 = 2;
P
: ;
X = (x11 ; x12 ; x2 ; x3 ; x4 ) 0:
La matriz A y el vector b del sistema son:
2 2 1 1 0 6
A= ; b= :
1 1 2 0 1 2
El rango de A es m = 2 y por lo tanto, podemos aplicar el teorema de caracteri-
e
zacin. Calculemos los vectores asociados a X1 ; X2 y X3 en P:
X1 = (2; 0) ! X1 = (2; 0; 0; 2; 0)t ;

X2 = (3; 0) ! X2 = (3; 0; 0; 0; 1)t ;
t
15 12 15 12 25
X3 = ; ! X3 = ; 0; ; 0; :
7 7 7 7 7
X1 y X2 son puntos extremales de P e porque son soluciones positivas del sistema

AX = b y las matrices asociadas a las componentes > 0 son:
2 1 2 0
B1 = y B2 =
1 0 1 1
respectivamente. Ambas son no singulares pues det(B1 ) = 1 y det(B2 ) = 2.

Adems, ambas soluciones tienen n m = 5 2 = 3 componentes nulas. Sin
embargo, el punto X3 no es un punto extremal porque tiene slo 2 componentes
iguales a cero. En conclusin, slo X1 y X2 son puntos extremales de P.
e que debe satisfacer:

b) Al vector D le corresponde el vector D en el poliedro P,
0 1
D11
B D12 C
2 2 1 1 0 B C
AD = B D2 C = 0
1 1 2 0 1 B @ D3 A
C 0
D4
y tener todas sus componentes positivas. Por lo tanto:
2D11 2D12 + D2 + D3 = 0;
D11 D12 + 2D2 D4 = 0:
Sustituyendo D11 = 0; D12 = 2; D2 = 1; obtenemos:
4 + 1 + D3 = 0;
2 + 2 D4 = 0;
con lo cual D3 = 3 y D4 = 0. En conclusin, al vector D le corresponde el vector

e Es una solucin del sistema homogneo AD = 0 con
D = (0; 2; 1; 3; 0)t en P.
componentes positivas D 05 y la submatriz asociada a las componentes que
escogemos como bsicas f2; 4g es no singular:
2 1
B= ; det(B) = 1:
1 0
Como tiene adems, n m 1 = 5 2 1 = 2 componentes iguales a cero y un

vector unitario (0; 1; 0) en las componentes no bsicas f1; 3; 5g, la direccin D es
una direccin extremal de P e y por lo tanto D = ( 2; 1) es una direccin extremal
de P.
Ejercicio 20 a) Dibuje un poliedro P en R2 que tenga 3 puntos extremales y una

nica direccin extremal dt = (1; 0).
b) Halle la matriz A y el vector b que permitan escribir el poliedro P hallado en a)
en la forma cannica:
P = x 2 R2 : Ax b; x 0 :
Solucin.
a) Una posible grca en R2 del poliedro se muestra en la gura. Los puntos ex-
tremales estn marcados y las rectas paralelas y = 0; y = 3 obligan a que la nica
direccin extremal sea d = (1; 0)t : Pueden construirse multitud de ejemplos de
esta forma, poniendo una recta paralela al eje X e intersectando otras dos rectas
en un punto que est entre el eje X y la recta paralela al eje.
F ig:
b) Una recta intersecta los ejes en los puntos (0; 3); (1; 0) y la otra en los puntos
(3; 0); (0; 1). Las respectivas ecuaciones se escriben:
y = 3(x 1);
1
y = (x 3):
3
Por lo tanto, el poliedro se dene por las desigualdades:
8 9
>
> 3x + y 1 >
>
< =
x + 3y 3
P = (x; y) : ;
>
> 0 y 3 > >
: ;
x 0:
y las matrices que lo representan en forma cannica sern:
0 1 0 1
3 1 1
A= @ 1 3 A; b = @ 3 A
0 1 3
P = x 2 R2 : Ax b; x 02 :
Ejercicio 21 Considere el poliedro siguiente:
P = (x1 ; x2 ) 2 R2 : 3x1 5x2 15; 5x1 + 2x2 10; x1 ; x2 0

a) Dibuje el grco de P y halle, con ayuda del grco, todos los puntos extremales
y todas las direcciones extremales de P:
b) Utilice el teorema que caracteriza los puntos extremales para vericar que el vector
(x1 ; x2 ) = (0; 5)t es un punto extremal de P:
c) Utilice el teorema que caracteriza las direcciones extremales para vericar que el
vector (d1 ; d2 )t = (2; 5)t es una direccin extremal de P:
Solucin.
a) En el grco:
GRAFICO 1
se encuentran fcilmente los puntos extremales x1 = (0; 3)t y x2 = (0; 5)t . Las
direcciones extremales son los vectores directores de las rectas 5x1 + 2x2 = 10 y
3x1 5x2 = 15, en la direccin del cuadrante positivo. Son entonces d1 = (2; 5)t
y d2 = (5; 3), o cualquier mltiplo positivo de ellas.
b) El poliedro en forma estndar se escribe:
P~ = x 2 R4 : 3x1 + 5x2 xh3 = 15; 5x1 + 2x2 + xh4 = 10; xi 0; i = 1; 4 ;
que tiene:
3 5 1 0 15
A= ; b= :
5 2 0 1 10
Con respecto a P~ , los puntos extremales hallados tienen coordenadas:
x1 = (0; 3; 0; 4)t ; x2 = (0; 5; 10; 0)t ;
las que se obtienen resolviendo el sistema Ax = b.

La matriz A tiene rango 2 evidentemente y por eso el teorema de caracterizacin
puede ser aplicado. El punto x2 = (0; 5; 10; 0)t satisface las condiciones de un
punto extremal porque:
1. Es solucin del sistema de ecuaciones,

2. Tiene n m=4 2 = 2 componentes iguales a 0,
3. La submatriz B de A, asociada a las componentes diferentes de cero:
5 0
B=
2 1
es no singular, det(B) = 5 6= 0.
4. Tiene todas sus componentes positivas.

~ las coordenadas de las direcciones extremales halladas son:
c) Con respecto a P,
d1 = (2; 5; 4; 0)t ; d2 = (5; 3; 0; 29)t ;
las que se obtienen resolviendo el sistema homogneo Ax =0.
5 3
El vector d2 = 29 ( 29 ; 29 ; 0; 1)t satisface las condiciones de direccin extremal
porque:
1. Es solucin del sistema homogneo,
2. Tiene n m 1 = 4 2 1 = 1 componente igual a 0,
3. La submatriz B de A; asociada a las componentes f1; 2g, diferentes de cero:
3 5
B=
5 2
es no singular det(B) = 6 + 25 = 19 6= 0:
4. Tiene todas sus componentes positivas,
5 3
5. Es un mltiplo positivo = 29 del vector ( 29 ; 29 ; 0; 1)t cuyas componentes
f3; 4g forman un vector unitario.

Ejercicio 22 Solucin.
1.
2. Considere la siguiente familia de poliedros, dependiente de los parmetros y :
8 9
< x1 x2 + x3 x4 = 6 =
P( ; ) = x 2 R4 : 2x1 x2 x3 + x4 = 4
: ;
xi 0; i = 1; 2; 3; 4
a) Para qu valores de y el vector (2; 8; 0; 0)T es un punto extremal de

P( ; )?.
b) Halle todos los valores de y para los cuales el vector (2; 3; 1; 0)T es una
direccin extremal de P( ; ).
c) Si ct = (1; 3; 2; 0), compruebe que para = = 1, la funcin z = ct x no
est acotada inferiormente sobre P( ; ).
Captulo 3
El Mtodo Simplex
3.1. Simplex Analtico

Consideremos el problema de PL en forma estandar:
0 1
m n z = cT x
(P L) : @ s:a Ax = b A
x 0
Supongamos B una base. La SFB asociada a B de (P L) es:
B 1b xB
x= =
0 0
donde A = [B; N ]: El problema en forma explcita respecto de la base B se escribe:

0 1
m n z = cTB B 1 b cTB B 1 N cTN xN
B s:a C
(P L)F E :B
@ 1
C
A
xB = xB B N xN
(xB ; xN ) 0
llamando z = cTB B 1 b; zN
T
= cTB B 1 N y Y = B 1 N nos queda
0 T
1
mn z=z zN cTN xN
B s:a C
(P L)F E :B
@
C
A
x B = x B Y xN
(xB ; xN ) 0
Ejercicio 23 Resuelva el siguiente (P L) por el mtodo simplex analtico, partiendo
37
38 CAPTULO 3. EL MTODO SIMPLEX
del punto inicial (0; 0) :

0 1
m n z = 10x1 11x2
B s:a C
B C
B x + 2x 150 C
(P L) : B
B
1 2 C
B 3x1 + 4x2 200 C C
@ 6x1 + x2 175 A
x 1 ; x2 0
Solucin. Transformemos el problema a forma estandar:

0 1
mn z = 10x1 11x2
B s:a C
B C
B R1 : x1 + 2x2 + x3 = 150 C
]
(P L) : B
B R2 : 3x1 + 4x2 + x4 = 200
C
C
B C
@ R3 : 6x1 + x2 + x5 = 175 A
x 1 ; x 2 ; x3 ; x4 ; x5 0
El punto equivalente ]
a (0; 0) en (P L) es x = (0; 0; 150; 200; 175)T . Los datos del
problema son
0 1 0 1
1 2 1 0 0 150
A= @ 3 4 0 1 0 A ; b = @ 200 A ; c = (10; 11; 0; 0; 0)T
6 1 0 0 1 175
La base asociada a este punto es B1 = I (que es invertible). Expresemos el (P ] L) en

forma explcita con respecto a esta base, para ello las variables bsicas (IB1 = f3; 4; 5g)
deben quedar en funcin de las variables no bsicas (IN1 = f1; 2g) ; y la funcin objetivo
en funcin de las variables no bsicas. Luego
0 1
mn z = 10x1 11x2
B s:a C
B C
B x = 150 x 2x C
]
(P L)B1 : B
B
3 1 2 C
C
B x 4 = 200 3x 1 4x 2 C
@ x5 = 175 6x1 x2 A
x 1 ; x2 ; x 3 ; x4 ; x 5 0
Aqu 0 1
1 2
N1 = @ 3 4 A
6 1
Puesto que z2 c2 = 11 es mayor que cero, la variable bsica que debe ingresar a la base
es x2 : Y la que sale, la determinamos de la siguiente manera: Introducimos la variable
3.1. SIMPLEX ANALTICO 39
no bsica xj0 en la base con el valor

xi0 xi
xj0 = =mn : i 2 IB ; Yij0 > 0
Yi0 j0 Yij0
x4 150 200 175
x2 = =mn ; ; = 50
Y22 2 4 1
O de otra forma (equivalente), preguntarse hasta cuanto puedo aumentar x2 de tal
forma de no violar las restricciones, esto es:
150
x3 = 150 2x2 0 =) x2 = 75
2
200
x4 = 200 4x2 0 =) x2 = 50 ! (Esta es la que sale)
4
175
x5 = 175 x2 0 =) x2 = 175
1
Obtenemos una nueva SFB: (0; 50; 50; 0; 125)T ; donde IB2 = f2; 3; 5g y IN2 = f1; 4g :
Ahora debemos expresar nuestro problema en trminos de esta SFB para vericar si es
o no solucin ptima. Hagmoslo matricialmente a modo de ejemplo:
0 1 0 1 0 1
2 1 0 1 0 0 14 0
B2 = @ 4 0 0 A ; N2 = @ 3 1 A =) B2 1 = @ 1 1
2
0 A
1
1 0 1 6 0 0 4
1
luego
0 1
10 1 0 3 1
1
0 4
0 1 2 1 0 0 4
1 0 4
0
1
B2 A = @ 1 1
0 A@ 3 4 0 1 0 A = @ 1
0 1 1
0 A
2 2 2
1 21 1
0 4
1 6 1 0 0 1 4
0 0 4
1
y
0 10 1
1 0 1
0 0 4
150 50
1
B2 b = @ 1 1
0 A @ 200 A = @ 50 A ;
2
1
0 4
1 175 125
0 1 0 3 1
0 14 0 1
4 4
Y = B2 N2 = @ 1
1 1
2
0 A=@ 1
2
1
2
A
1 21 1
0 4
1 4 4
y por ltimo z nos queda:

0 1 0 3 1
1
50 4 4 x1
z = ( 11; 0; 0) @ 50 A (( 11; 0; 0) @ 1
2
1
2
A (10; 0))
21 1 x4
125 4 4
73 11
= 550 + x1 + x4
4 4
luego nuestro sistema en forma explcita nos queda:

0 1
m n z = 550 + 73 x + 11
4 1 4 4
x
B s:a C
B C
B x2 = 50 43 x1 14 x4 C
]
(P L)B2 : B
B
C
C
B x3 = 50 + 21 x1 + 12 x4 C
@ x5 = 125 21 x + 41 x4 A
4 1
x 1 ; x2 ; x 3 ; x4 ; x 5 0
Luego estamos en el ptimo, ya que z1 c1 = 73 4
y z4 c4 = 411 son menores o
iguales a cero.
Otra forma mucho ms fcil, es despejar las variables haciendo sumas y productos entre
las restricciones (Escalonar). Veamos como se hace. Haciendo 2 R1 R2 obtenemos:
1 1
x3 = 50 + x1 + x4
2 2
Luego haciendo ( 3) R1 + R2 y reemplazando x3 donde corresponda, obtenemos:
3 1
x2 = 50
x1 x4
4 4
Ahora si despejamos x5 de R3 y reemplazamos x2 obtenemos
21 1
x5 = 125 x1 + x2
4 4
Por ltimo reemplazando x2 en la funcin objetivo obtenemos:
3 1 73 11
z = 10x1 11x2 = 10x1 11 50 x1 x4 = 550 + x1 + x4
4 4 4 4
500 225
Observacin 3.1 Si partimos en el punto ; 7
21 0
obtenemos
1 el punto equivalente en
1 2 1
]
(P L) : 500 ; 225 ; 1300 ; 0; 0 con base asociada B = @ 3 4 0 A luego IB = f1; 2; 3g ; IN 0 =
21 7 21
6 1 0
f4; 5g luego tenemos
0 1 4
10 1 0 1 4
1
0 21 21
1 2 1 0 0 1 0 0 21 21
@ 0 2 1 A@
3 4 0 1 0 A = @ 0 1 0 72 1 A
,
7 7 7
11 2 11 2
1 21 21
6 1 0 0 1 0 0 1 21 21
as z viene dado por

500 1 4 225 2 1
z = 10 + x4 x5 11 x4 + x5
21 21 21 7 7 7
2425 76 73
= + x4 x5
21 21 21
3.1. SIMPLEX ANALTICO 41
Luego el problema en forma explcita nos queda:

0 1
m n z = 2425 21
+ 76 x
21 4
73
21 5
x
B s:a C
B C
B x1 = 500 + 21 1
x4 21 4
x5 C
B 21 C
B x = 225 2
x + 1
x C
B 2 7 7 4 7 5 C
@ x3 = 1300 + 11
x 4
2
x A
21 21 21 5
x 1 ; x2 ; x 3 ; x4 ; x5 0
Debemos entrar a la base x5 con el n de disminuir z: Luego necesitamos:

500 4 500
x5 0 =) x5 = 125
21 21 4
1300 2 1300
x5 0 =) x5 = 625
21 21 2
Luego x1 sale de la base. Tenemos que IB = f2; 3; 5g y IN = f1; 4g : El PL en forma
explcita nos queda: 0 1
m n z = 550 + 73 4
x 1 + 11
4
x 4
B s:a C
B C
B x = 50 3
x 1
x C
B 2 4 1 4 4 C
B x3 = 50 + 2 x1 + 2 x4 C
1 1
B C
@ x5 = 125 21 x 1 + 1
x 4
A
4 4
x 1 ; x2 ; x 3 ; x4 ; x 5 0
con SFB optimal (0; 50; 50; 0; 125) :
Ejercicio 24 Resuelva el siguiente problema por el mtodo simplex analtico.

0 1
max z = 3x1 + 2x2
B s:a C
B C
(P L) : B
B 2x1 x2 2 C
C
@ x1 + 2x2 8 A
x 1 ; x2 0
Solucin. Su forma estandar viene dada por:
0 1
m n z = 3x1 + 2x2
B s:a C
B C
]
(P L) : B
B 2x1 + x2 + x3 = 2 C
C
@ x1 + 2x2 x4 = 8 A
x 1 ; x2 ; x 3 ; x4 0
Aqu los datos son:

2 1 1 0 2
A= ;b =
1 2 0 1 8
1 2 1 4
1 2 1
B = = 1
5 5
2 y B 1b = 5
18
1 2 5 5 5
luego el punto x = 45 ; 18 ]
; 0; 0 es una SFB de (P L): Expresemos el problema en forma
5
explcita con respecto a esta base:
2 1 2 1
5 5
2 1 1 0 1 0 5 5
1 2 = 1 2
5 5
1 2 0 1 0 1 5 5
luego
4 2 1
x1 = + x3 + x4
5 5 5
18 1 2
x2 = x3 + x4
5 5 5
Reemplazando en la funcin objetivo, obtenemos:
4 2 1 18 1 2
z = 3 + x3 + x4 + 2 x3 + x4
5 5 5 5 5 5
4 7 48
= x3 x4
5 5 5
El problema es no acotado debido a que
1 7
Y4 = 5 0 y z4 c4 = >0
2
5 5
Explicar esto ltimo con ms detalles. Tenemos adems una direccin extremal visible:
1 2
d= Y 4T ; e4 = ; ; 0; 1
5 5
puesto que
T
2 1 1 0 1 2 0
; ; 0; 1 =
1 2 0 1 5 5 0
con
2 1
B= ; y e4 = (0; 1) .
1 2
3.2. FORMA TABULAR 43
3.2. Forma Tabular

Ejercicio 25 Resuelva por el mtodo Simplex Tabular el siguiente PL:
0 1
m n z = 2x1 + 5x2 x3
B s:a: C
B C
B 2x + 3x x 3 C
(P L)1 : B
B
1 2 3 C
B x1 + 2x2 + x3 4 C C
@ x1 + 3x2 9 A
x 1 ; x 2 ; x3 0
Solucin. Tomemos IB0 = f4; 5; 6g ; IN0 = f1; 2; 3g ; x0 = (0; 0; 0; 3; 4; 9)T
x1 x2 x3 x4 x5 x6 b
x4 h2i 3 1 1 0 0 3
x5 1 2 1 0 1 0 4
x6 1 3 0 0 0 1 9
z 2 5 1 0 0 0 0
IB1 = f1; 5; 6g ; IN1 = f4; 2; 3g ; x1 = (3=2; 0; 0; 3; 11=2; 15=2)T :
x1 x2 x3 x4 x5 x6 b
x1 1 3=2 1=2 1=2 0 0 3=2
x5 0 7=2 h1=2i 1=2 1 0 11=2
x6 0 3=2 1=2 1=2 0 1 15=2
z 0 8 2 1 0 0 3
IB2 = f1; 3; 6g ; IN2 = f4; 2; 5g ; x2 = (7; 0; 11; 0; 0; 2)T :
x1 x2 x3 x4 x5 x6 b
x1 1 5 0 1 1 0 7
x3 0 7 1 1 2 0 11
x6 0 2 0 1 1 1 2
z 0 22 0 3 4 0 25
Como los zj cj 0; j 2 IN = f4; 2; 5g, se concluye que x2 = (7; 0; 11; 0; 0; 2)T = x es

el ptimo.

0 1
m n z = 5x1 3x2
B s:a : C
B C
B x1 + 2x2 6 C
(P L) : B
B
C
C
B 2x1 + x2 4 C
@ 5x1 + 3x2 15 A
x 1 ; x2 0
Solucin. Tomemos IB0 = f3; 4; 5g ; IN0 = f1; 2; 3g con x0 = (0; 0; 6; 4; 15)T :

x1 x2 x3 x4 x5 b
x3 1 2 1 0 0 6
x4 2 1 0 1 0 4
x5 h5i 3 0 0 1 15
z 5 3 0 0 0 0
luego, IB1 = f3; 4; 1g ; IN1 = f2; 5g y x1 = (3; 0; 3; 10; 0)T :

x1 x2 x3 x4 x5 b
x3 0 h7=5i 1 0 1=5 3
x4 0 1=5 0 1 2=5 10
x1 1 3=5 0 0 1=5 3
z 0 0 0 0 1 0
Puesto que los zj cj 0; 8j 2 IN1 , tenemos que x1 es un ptimo para el problema.

Sin embargo existe un zj cj = 0, a saber z2 c2 = 0. Ingresemos la variable x2 a la
base, con lo que ahora tenemos la siguiente tabla:
x1 x2 x3 x4 x5 b
x2 0 1 5=7 0 1=7 15=7
13 73
x4 0 0 1=7 1 35 7
2 12
x1 1 0 3=7 0 7 7
z 0 0 0 0 1 0
con IB2 = f2; 4; 1g ; IN2 = f3; 5g y x2 = (12=7; 15=7; 0; 73=7; 0)T , como observamos el
la tabla simplex anterior, los zj cj 0, 8j 2 IN2 = f3; 5g, luego tambin x2 es un
ptimo para el problema. Concluimos que estamos en precencia de solucin mltiple, y
de hecho cualquier punto que tomemos del segmento que une x1 con x2 es un ptimo,
es decir, cualquier punto que se pueda escribir como combinacin convexa de dichos
puntos:
x1 + (1 ) x2 ; con 2 [0; 1] :

0 1
max z = 3x1 + 2x2 + x3
B s:a : C
B C
(P L) : B
B 2x 1 3x 2 + 2x 3 3 C
C
@ x1 + x2 + x3 5 A
x 1 ; x2 ; x3 0
Solucin. Llevando el problema a forma estandar, tenemos:

0 1
mn z = 3x1 2x2 x3
B s:a : C
B C
(P L) : B
B 2x1 3x2 + 2x3 + xh4 = 3 C
C
@ x1 + x2 + x3 + xh5 = 5 A
x1 ; x2 ; x3 ; xh4 ; xh5 0
Tomamos IB0 = f4; 5g ; IN0 = f1; 2; 3g ; x0 = (0; 0; 0; 3; 5)T :
x1 x2 x3 x4 x5 b
x4 h2i 3 2 1 0 3
x5 1 1 1 0 1 5
z 3 2 1 0 0 0
IB1 = f1; 5g ; IN1 = f2; 3; 4g ; x1 = (3=2; 0; 0; 0; 13=2)T
x1 x2 x3 x4 x5 b
x1 1 3=2 1 1=2 0 3=2
x5 0 1=2 2 1=2 1 13=2
z 0 13=2 2 3=2 0 9=2
Se concluye que el problema es no acotado, ya que 9j0 = 2 2 IN : z2 c2 > 0

y Y:2 = ( 3=2; 1=2) 0: Adems podemos identicar la direccin extremal: d =
T e
(3=2; 1; 0; 0; 1=2) . Se puede comprobar que d 2 P1 rpidamente, ya que
2 3 2 1 0
A=
1 1 1 0 1
y 0 1
3=2
B 1 C
2 3 2 1 0 B C 0
Ad = B 0 C= :
1 1 1 0 1 B C 0
@ 0 A
1=2
Ejercicio 28 Considere el siguiente problema de programacin lineal:

0 1
m n z = 2x1 6x2 + 3x3
B s:a : x1 + x2 + x3 = 4 C
(P L1 ) : B
@
C
A
x1 + 3x2 4
x 1 ; x2 ; x 3 0
^
a) Escriba el problema (P L1 ) en la forma estndar (P L1 ):
b) Compruebe que el punto X t = (2; 2; 0) es una solucin factible bsica de (P L1 ),

^
indicando cul es la base B asociada en (P L1 ).
^
c) Escriba el problema (P L1 ) en forma explicita con respecto a la base obtenida en
b).
d) Resuelva el problema (P L1 ) usando el mtodo Simplex. Hay solucin ptima

mltiple?
Solucin.
a) La forma estndar del problema (P L1 ) es la siguiente:

0 1
m n z = 2x1 6x2 + 3x3
B s:a : x1 + x2 + x3 = 4; C
^
(P L1 ) : B
@
C
A
x1 + 3x2 xh4 = 4;
x1 ; x2 ; x3 ; xh4 0:
b) Al punto X t = (2; 2; 0) le corresponde el vector X0t = (2; 2; 0; 0) en la forma

estndar. La base B asociada a X0 en (P ^L1 ) est formada por las columnas de A
de ndices bsicos IB = f1; 2g; correspondientes a las componentes estrictamente
positivas:
1 1 1 0 1 1
A= ; B= :
1 3 0 1 1 3
Como B es no singular, pues det(B) = 3 + 1 = 4 6= 0; el vector X0 tiene n m=
4 2 = 2 componentes nulas y es una solucin positiva del sistema:
1 1 2 4
B x0B = b () = ;
1 3 2 4
^
se deduce que X0 es un punto extremal de (P L1 ) y por lo tanto X es un punto
extremal de (P L1 ):
^
c) Para obtener la forma explcita de (P L1 ) debemos calcular la inversa de B :
t
1 cofactores(B)t 1 3 1
B = =
det(B) 4 1 1
3=4 1=4
=) B 1 = :
1=4 1=4
Entonces:
3=4 1=4 1 1 1 0 1 0 3=4 1=4
B 1A = = ;
1=4 1=4 1 3 0 1 0 1 1=4 1=4
3=4 1=4 4 2
B 1b = = ;
1=4 1=4 4 2
y el sistema en forma explcita se escribe:
x1 + 43 x3 + 14 xh4 = 2;
x2 + 41 x3 41 xh4 = 2:
Eliminando de z = 2x1 6x2 + 3x3 las variables bsicas, tendremos:
3 1 h 1 1
z = 2 2 x3 x 6 2 x3 + xh4 + 3x3 ;
4 4 4 4 4
=) z= 8 + 3x3 2xh4 :
El problema en forma explcita con respecto a la base B ser:
0 1
m n z = 8 + 3x3 2xh4
B s:a : x1 + 3 x3 + 1 xh4 = 2 C
B 4 4 C
@ x2 + 14 x3 14 xh4 = 2: A
x 0
]
d) Resolvamos el problema (P L1) a partir de la solucin factible bsica X0 : La tabla
Simplex correspondiente ser:
x1 x2 x3 xh4 b
x1 1 0 3=4 1=4 2
x2 0 1 1=4 1=4 2
z 0 0 3 2 8
xh4 es la variable que entra a la base y x1 es la variable que sale. Transformando,
nos queda la siguiente tabla:
x1 x2 x3 xh4 b
xh4 4 0 3 1 8
x2 1 1 1 0 4
z 8 0 9 0 24
]
La solucin X1 = (0; 4; 0; 8)t es ptima para (P L1) y por tanto Xopt = (0; 4; 0)t
es solucin ptima de (P L1), con valor zopt = 24. Como no hay (zj cj ) = 0
para los ndices j no bsicos, se tiene que NO hay solucin mltiple.
Ejercicio 29 Resuelva el siguiente problema de Programacin Lineal:

0 1
mn z = 2x1 x2 + 4x3
B s:a : x1 + x2 3 C
B C
(P L2 ) : B
B 5x1 + 3x2 15 C C
@ 5x1 + 2x2 + x3 = 10 A
x1 ; x2 ; x3 0:
por dos mtodos:

1er mtodo:
a) Escriba el problema en forma estndar.
b) Halle una solucin factible bsica inicial donde aparezca x3 como variable bsica,
adems de las variables de holgura y articiales adecuadas.
c) Resuelva el problema por el mtodo Simplex (dos fases) a partir de la solucin

inicial hallada en b).
2do mtodo:
d) Elimine la variable x3 del problema utilizando la tercera ecuacin de modo que el

problema en dos variables que se obtenga sea equivalente al inicial.
e) Resuelva el problema en dos variables grcamente. Compare si la solucin es la

misma que con el 1er. mtodo.
Solucin.
a) El problema escrito en forma estndar es:

0 1
mn z = 2x1 x2 + 4x3
B s:a : x1 + x2 xh4 = 3 C
B C
(PgL2 ) : B
B 5x1 + 3x2 + xh5 = 15 C
C
@ 5x1 + 2x2 + x3 = 10 A
x1 ; x2 ; x3 ; xh4 ; xh5 0:
b) Aadimos una variable articial xa6 en la primera ecuacin para obtener la base
inicial unitaria: 0 1
1 0 0
B=@ 0 1 0 A
0 0 1
correspondiente a los ndices bsicos IB = f6; 5; 3g, en ese orden. La SFB inicial
ser:
x1 = x2 = xh4 = 0;
x3 = 10; xh5 = 15; xa6 = 3:
c) La tabla inicial del Simplex, en su primera fase (minimizando za = xa6 ) ser:

cB x1 [x2 ] x3 xh4 xh5 xa6 b
1 [xa6 ] [ 1] [[1]] [0] [ 1] [0] [1] [3]
0 xh5 5 [3] 0 0 1 0 15
0 x3 5 [2] 1 0 0 0 10
za 1 [1] 0 1 0 0 3
donde los zj cj = cB B 1 A j cj , se han calculado por su denicin.
La varible que entra es x2 y la que sale es xa6 . Despus de transformar, obtenemos
la tabla siguiente:
x1 [x2 ] x3 xh4 xh5 xa6 b
x2 1 1 0 1 0 1 3
xh5 2 0 0 3 1 0 6
x3 3 0 1 2 0 0 4
za 0 0 0 0 0 1 0
que resulta ptima de la primera fase. Eliminando la columna ariticial y la za
auxiliar e introduciendo la z original tendremos:
cB x1 [x2 ] x3 xh4 xh5 b
1 x2 1 1 0 [ 1] 0 3
0 xh5 2 0 0 [3] 1 6
4 [x3 ] [ 3] [0] [1] [[2]] [0] [4]
z 13 0 0 [9] 0 13
La variable que entra es xh4 y la que sale (hay empate) es la de ndice menor x3 .
Transformando, obtenemos la tabla:
x1 [x2 ] x3 xh4 xh5 b
x2 [ 5=2] 1 1=2 0 0 5
xh5 [[5=2]] [0] [ 3=2] [0] [1] [0]
xh4 [ 3=2] 0 1=2 1 0 2
z [1=2] 0 9=2 0 0 5
que todava no es ptima. La variable que entra es x1 y la que sale es xh5 . Trans-
formando, obtenemos la tabla:
x1 [x2 ] x3 xh4 xh5 b
x2 0 1 1 0 1 5
x1 1 0 3=5 0 2=5 0
xh4 0 0 2=5 1 3=5 2
z 0 0 7=2 0 1=5 5
que es ptima. La solucin, en las variables originales, es el vector (x1 ; x2 ; x3 ) =
(0; 5; 0)t con valor z = 5.
d) Eliminando la variable x3 utilizando la ecuacin x3 = 10 + 5x1 2x2 , pero re-
spetando la restriccin x3 0, se obtiene el problema equivalente:
0 1
m n z = 22x1 9x2 + 40
B s:a : x1 + x2 3 C
B C
(P L2 ) : B
B 5x 1 + 3x 2 15 C
C
@ 5x1 + 2x2 10 A
x1 ; x2 0:
e) El problema (P L2 ) tiene el grco:
La solucin ptima (mnima) es evidentemente (x1 ; x2 ) = (0; 5)t , y utilizando la

ecuacin para x3 = 10 + 5x1 2x2 se obtiene la solucin (x1 ; x2 ; x3 ) = (0; 5; 0)t ,
que es ptima del problema original (P L2 ) con valor z = 5, la cual coincide con
la obtenida en c).

Ejercicio 30 Considere el siguiente problema lineal:
0 1
m n z = 9x2 x3 x4 2x5 x6
B s:a C
B C
B 5x2 + 15x3 + x4 + x5 = 10 C
(P L) : B
B
C
C
B x1 15x2 + 2x3 = 2 C
@ x2 + x3 + x5 + x6 = 6 A
xi 0; i = 1; : : : ; 6
a) Escriba el problema en forma explcita con respecto a la base formada por los
ndices IB = f1; 3; 6g
b) Determine si la solucin obtenida en el item anterior es optimal. De no serlo

calcule la solucin optima del problema.
c) La solucin obtenida en el item b) es nica? De no serlo calcule todas las solu-

ciones del problema.
Ejercicio 31 Considere el siguiente Poliedro:

8 9
>
> 2x1 + x2 + x3 = 1 >
>
< =
2x1 + x2 2
P = x 2 R3 :
>
> x1 2x2 2 >
>
: ;
xi 0; i = 1; :::; 3
2 1 3
1. Demuestre que d = ; ; ; 1; 0
5 5 5
es una direccin extremal de P.
2. Exprese el problema articial (Pa ) en forma explcita con respecto al punto xT =

(0; 0; 1; 0; 2; 2) y responda si P es factible.
3. Considere la siguiente funcin objetivo z = 2x1 x2 +x3 . Resuelva con el mtodo

Simplex el problema:
m n z = cT x
(P L1 ) :
s:a : x 2 P
4. Si cambiamos la funcin objetivo del tem anterior por z = x1 x2 + x3 , existe

solucin ptima?. En caso armativo, encuentre todas las soluciones optimales
del problema.
Ejercicio 32 Sea el problema

0 1
max z = 2x1 x2 + 5x3
B s:a : x1 + 2x2 + x3 = 3 C
B C
@ x1 + 5x2 + x3 = a A
x 1 ; x 2 ; x3 0
siendo a un parmetro real. Existe solucin bsica asociada a
2 1
B=
5 1
para algn valor de a?Ser factible?.
Ejercicio 33 Dado el conjunto
S = (x; y) 2 R2 j x y 4; 2x y+3 0, x y 3
a) Representar grcamente el conjunto S:
b) Escribir razonadamente una funcin lineal que:
i) alcance su valor mximo en un nico punto de S:

ii) alcance su valor mnimo en un segmento de S:
iii) alcance su valor mximo enuna semirrecta de S.
iv) no est acotada superiormente en S.
v) no est acotada superiormente en S.
Explique en cada caso.
Ejercicio 34 Dado el problema:

0 1
max z = x1 + Ax2
B s:a : x1 + x2 6 C
B C
@ x1 + 2x2 8 A
x 1 ; x2 0
Para qu valores del parmetros A es el punto (4; 2) una solucin ptima del problema
anterior?
Ejercicio 35 Resolver el siguiente programa lineal segn los valores del parmetro real
a. 0 1
max z = ax1 + 3x2
B s:a : x1 + x 2 C
B C
B x + x 4 C
B 1 2 C
@ x1 + 2x2 1 A
x 1 ; x2 0
Ejercicio 36 Considerar el programa lineal:

0 1
mn z = x1 2x2
B s:a : x1 x2 + x3 = 4 C
B C
B 2x1 + x2 + x4 = 3 C
B C
@ x1 + 2x2 + x5 = 4 A
x 1 ; x 2 ; x3 ; x 4 ; x5 0
a) Comprobar que (0; 2; 6; 1; 0) es una solucin bsica factible del programa.
b) Completar la siguiente tabla que corresponde a la solucin (0; 2; 6; 1; 0).
x1 x2 x3 x4 x5 b
1 1
x3 2
0 2
3
x4 2
0 0 1
x2 0
z 0 0
c) Resolver el programa.
Ejercicio 37 Una empresa produce mermelada de manzana y sidra, disponiendo cada

da de 600 horas de mquina de embalaje y 400 horas de trabajo. En la produccin de
una caja de tarros de mermelada se utilizan 2 horas de mquinas de embalaje y 1 hora
de trabajo y en la produccin de una caja de botellas de sidra se requieren 2 horas de
mquina de embalaje y 2 de trabajo. Adems, por la estrategia comercial de la empresa,
el nmero de cajas de mermelada que se produce diariamente nunca es inferior al doble
del nmero de cajas de sidra. Supongamos que se vende todo lo que se produce, calcular
cuntas cajas de mermelada y cuntas cajas de sidra deben fabricarse diariamente para
que la empresa obtenga un ingreso mximo, en los siguientes casos:
a) Si el precio de una caja de mermelada es 2.000 pesetas y el de una caja de sidra

es de 3.000 pesetas.
b) Si el precio de venta de ambos productos es el mismo.

Resuelva los siguientes problemas con el Mtodo Simplex.
0 1
max z = x1 + 9x2 + x3
B s:a : x1 + 2x2 + 3x3 9 C
1. B
@
C
3x1 + 2x2 + 2x3 15 A
x 1 ; x 2 ; x3 0
0 1
m n z = 2x1 + 5x2 x3
B s:a : 2x1 + 3x2 x3 3 C
B C
2. B
B x 1 + 2x 2 + x 3 4 C
C
@ x1 + 3x2 9 A
x 1 ; x 2 ; x3 0
0 1
m n z = x1 + x2 4x3
B s:a : x1 + x2 + 2x3 9 C
B C
3. B
B x1 + x2 x3 2 C
C
@ x1 + x2 + x3 4 A
x 1 ; x2 ; x3 0
0 1
m n z = 5x1 3x2
B s:a : x1 + 2x2 6 C
B C
4. B
B 2x1 + x2 4 C
C
@ 5x1 + 3x2 15 A
x 1 ; x2 0
0 1
max z = 3x1 + 2x2 + x3
B s:a : 2x1 3x2 + 2x3 3 C
5. B
@
C
x1 + x2 + x3 5 A
x 1 ; x2 ; x 3 0
0 1
max z = 4x1 6x2 18x3
B s:a : 2x1 + 3x3 3 C
B C
6. B
B 3x 2 + 2x3 5 C
C
@ x1 + 3x2 9 A
x 1 ; x 2 ; x3 0
0 1
max z = 2x1 + 3x2 + 5x3 + 6x4
B s:a : x1 + 2x2 + 3x3 0 C
7. B
@
C
x1 x2 + x3 3x4 3 A
x 1 ; x2 ; x3 ; x 4 0
0 1
m n z = x1 2x2
B s:a : x1 + x2 2 C
8. B
@
C
x1 + x2 1 A
x 1 ; x2 0
0 1
m n z = 3x1 + 4x2
B s:a : x1 + x2 4 C
B C
9. B
B 2x 1 + 3x2 18 C
C
@ x2 3 A
x 1 ; x2 0
10. Considere el siguiente problema de Programacin Lineal

0 1
max z = x1 + 2x2 + 4x3 + x4 x5
B s:a : x1 + x2 + x3 + 3x4 x5 35 C
B C
B 2x + x + 3x 1 C
B 1 2 5 C
B 2x3 2x5 4 C
B C
B 3x + x + x 3 C
B 1 4 5 C
@ 2x1 x2 + 3x3 x4 + x5 3 A
xi 0; i = 1; :::; 5
a) Compruebe si el vector x = (0; 1; 2; 3; 0) es una solucin factible bsica.

b) Resuelva el problema (P L) utilizando el mtodo Simplex partiendo de la
SFB del tem anterior.
11. Considere el siguiente problema de Programacin Lineal:

0 1
max z = x1
B s:a : x1 + 3x2 + 4x3 + x4 = 20 C
B C
B 2x1 + x3 = 5 C
B C
@ 7x1 + 3x2 + 4x4 = 0 A
xi 0; i = 1; :::; 4
a) Aplique la Fase I del mtodo Simplex para hallar una solucin factible bsica
del problema.
b) Al nal de la Fase I deben quedar variables articiales en la base con valor
0. Determine si existen restricciones redundantes y elimnelas.
c) Aplique la Fase II del mtodo Simplex y resuelva el problema completamente.
Diga si existe solucin nica.
12. Considere el siguiente problema de Programacin Lineal en forma estndar:

0 1
m n z = x1 x2 + x3 x4 6x5
B s:a : 1
x + 5x2 + x4 + 6x5 = 7 C
B 2 1 C
@ 1
x 1 x 2 + x 3 + 3x 5 = 3 A
2
xi 0; i = 1; :::; 5
a) Explique por qu el vector x = (6; 0; 0; 10; 0) es una solucin factible bsica

del problema.
b) Escriba el problema en forma explcita respecto de la base asociada a la
solucin x:
c) Utilice el mtodo Simplex para hallar una solucin ptima x del problema.
13. La tabla nal ptima del mtodo Simplex (incluyendo los costos bsicos cB ) que
resolvi cierto problema de PL es el siguiente:
x1 x2 x3 x4 xh5 xa6 xa7 xB

cB
x2 0 1 2 0 1 1 2 6
2
x1 1 0 1 0 0 1 12 4
8
x4 0 0 2 1 0 0 1 12
1
z 0 0 2 0 2 6 9 56
donde xh5 es una variable de holgura y xa6 , xa7 son variables articiales, las cuales
integraban la solucin bsica inicial(en ese orden).
1
a) Cul es la matriz inversa B de la base nal ptima B?
b) Escriba en forma estndar el problema inicial cuya ltima tabla es la anterior.
14. La tabla inicial del simplex de un PPL de minimizacin es la siguiente:
x1 x2 x3 xh4 xh5 b
xh4 1 0 6
xh5 1 2 0 1 1
z 1 3 0 0 0
donde xh4 , xh5 son variables de holgura positivas. La tabla que se obtiene a partir
de ella despus de una iteracin del mtodo Simplex es la siguiente:
x1 x2 x3 xh4 xh5 b
x1 2=3 2=3 1=3 0
xh5 1=3 1=3 1 3
z 1 4
En ambas tablas se observa que faltan nmeros de las casillas marcadas con
asterisco( ).Halle los nmeros faltantes en cada tabla teniendo en cuenta las fr-
mulas del mtodo Simplex.
Captulo 4
Dualidad
Recordemos la tabla de conversiones entre el Problema Dual y el Primal:
Primal m n (P L) max (P L0 ) Dual

0
Restricciones 0 Variables
= 2R
0
Variables 0 Restricciones
2R =
Ejercicio 38 Determine el Dual del siguiente problema.

0 1
mn z = 2x1 + 3x2 + 5x3
B s:a : C
B C
B 2x1 + x2 + 3x3 + x4 5 C
B
(P L) : B C
2x + x 4 C
B 1 3 C
@ 2x2 + x3 + x4 = 6 A
x1 0; x2 ; x3 0
Solucin. Usando la tabla de convesin, obtenemos que
0 1
max w = 5y1 + 4y2 + 6y3
B s:a : C
B C
B 2y1 + 2y2 2 C
0 B
B C
(P L) : B y1 + 2y3 3 C
C
B 3y1 + y2 + y3 5 C
B C
@ y1 + y3 = 0 A
y1 0; y2 0; y3 2 R
Recordemos:
58
59
1. si B es una base optimal para (P L) ; entonces y = cTB B 1

es la solucin ptima
de (P L0 ) :
2. Si se conservan las columnas de las columnas asociadas a la primera identidad en
la tabla simplex, entonces la inversa de B se obtiene como la matriz que ocupa la
posicin de esa identidad en la ltima tabla.
3. Es de vital importancia recordar la formula de los zj cj : Esto es
zj cj = cTB B 1 aj cj :
Cuando aj = ej (generalmente para las columnas asociadas a las variables de
holgura) y tambin cj = 0, se tiene
zj cj = cTB B 1
= yj ,
es decir, podemos encontrar la solucin ptima dual, en la tabla ptima del primal.
Ejercicio 39 La siguiente tabla simplex muestra la solucin ptima de un problema

de programacin lineal. Se sabe que x4 y x5 son variables de holgura en la primera y
segunda restriccin del problema original. Las restricciones son del tipo :
x1 x2 x3 x4 x5 b
x3 0 1=4 1 1=2 0 5=2
x1 1 1=2 0 1=6 1=3 5=2
z 0 2 0 3 2 35
Responda:
a) Cul es el problema original?.

b) Cul es el dual del problema original?.
c) Obtenga la solucin ptima del problema dual de la tabla anterior.
Solucin.
a) Tenemos IB = f3; 1g, adems, puesto que A 4 y A 5 son las columnas asociadas
a las variables de holgura, debemos tener que
1 1=2 0 2 0
B = =) B = :
1=6 1=3 1 3
Llamemos T a la primeras dos las de la tabla nal:
0 1=4 1 1=2 0 5=2
T =
1 1=2 0 1=6 1=3 5=2
60 CAPTULO 4. DUALIDAD
luego
1
2 0 0 1=4 1 1=2 0 5=2 0 2
2 1 0 5
= 5 ;
1 3 1 1=2 0 1=6 1=3 5=2 3 4
1 0 1 10
adems c4 = c5 = 0, se tiene que
1 2 0
(c3 ; c1 ) B = ( 3; 2) =) (c3 ; c1 ) = ( 3; 2) = 8 6
1 3
1
z2 = 8 6 4 = 1 =) z2 c2 = 2 =) c2 = 1 + 2 = 3
1
2
luego el problema original es
0 1
m n z = 6x1 + 3x2 8x3
B s:a C
B C
B 1
x + 2x3 5 C
B 2 2 C
@ 3x1 54 x2 + x3 10 A
x 1 ; x2 ; x 3 0
b) El dual es 0 1
max w = 5y1 + 10y2
B s:a : C
B C
B 3y2 6 C
B C
B 1
y 5
y 11 C
B 2 1 4 2 2 C
@ 2y1 + y2 2 A
y 1 ; y2 0
c) La solucin ptima la podemos obtener de dos formas:
1. Con Teorema de Daulidad:

1=2 0
y T = cTB B 1
= 8 6 = 3 2
1=6 1=3
2. Con la tabla ptima: Puesto que como dato, nos dicen que las variables
x4 y x5 son variables de holguras, basta mirar las los zj cj correspondientes
a estas variables en la tabla ptima, esto es:
y T = (z4 c4 ; z5 c5 ) = ( 3; 2) :
4.1. TEOREMA DE HOLGURAS COMPLEMENTARIAS 61
4.1. Teorema de Holguras Complementarias

Aqu se usa el hecho que si x e y son soluciones factibles del problema primal y dual
respectivamentes, entonces son equivalentes
T
x ey son optimales ssi y T (Ax b) = 0 y c AT y x = 0:
Ejercicio 40 Considere el problema:

0 1
m n z = 2x1 + 15x2 + 5x3 + 6x4
B s:a : C
B C
(P L) : B
B x1 + 6x2 + 3x3 + x4 2 C
C
@ 2x1 + 5x2 x3 + 3x4 3 A
x 1 ; x 2 ; x3 ; x4 0
a) Determine el Problema Dual.
b) Resuelva el dual geomtricamente.
c) Utilice la informacin obtenida en b) para obtener la solucin del primal.
Solucin. Equivalentemente, el problema lo podemos escribir:
0 1
m n z = 2x1 + 15x2 + 5x3 + 6x4
B s:a : C
B C
(P L) : B
B x1 + 6x2 + 3x3 + x4 2 C
C
@ 2x1 5x2 + x3 3x4 3 A
x 1 ; x 2 ; x3 ; x4 0
a) El dual, lo obtenemos directamente de la decicin para el problema cannico:
0 1
max w = 2y1 + 3y2
B s:a : C
B C
B H1 : y1 + 2y2 2 C
B C
B H2 : 6y1 5y2 15 C
B C
B H3 : 3y1 + y2 5 C
B C
@ H4 : y1 3y2 6 A
y 1 ; y2 0
b) Llamemos a los semiespacios, denidos por las restricciones:

H1 : y1 + 2y2 2
H2 : 6y1 5y2 15
H3 : 3y1 + y2 5
H4 : y1 3y2 6
En este problema tenemos 3 posibles puntos ptimos, estos son:
8 1
(1; 0) 2 H1 ; ; 2 H1 \ H3 ; (0; 5=3) 2 H3
5 5
De los cuales
w (1; 0) = 2;
8 1 26
w ; = ;
5 5 5
w (0; 5=3) = 5:
8 1
Es claro que el punto ptimo es y T = ;
5 5
:
c) Debido a que y 2 H1 \ H3 =)
T
c AT y = (0; ; 0; )
T
y debido a que c AT y x = 0; necesariamente debemos tener que x2 = 0; x4 =
0: Adems tambin y T (Ax b) = 0, pero y > 0 =) Ax b = 0 esto es
x1 + 6x2 + 3x3 + x4 = 2 x1 + 3x3 = 2

()
2x1 5x2 + x3 3x4 = 3 2x1 + x3 = 3
=) x3 = 1=5 y x1 = 7=5
luego, el ptimo del primal es:
xT = (7=5; 0; 1=5; 0) :
Ejercicio 41 Considere el siguiente problema de programacin lineal:

0 1
max z = 2x1 2x2
B s:a : x1 + x2 1 C
B C
B
(P L) : B x1 + x2 1 C C
@ x1 + 2x2 = 4 A
x1 0; x2 0
a) Resuelva (P L) usando el mtodo grco.
b) Escriba el problema dual (P L)0 correspondiente a (P L).

c) Usando la informacin del inciso a), encuentre la solucin ptima del problema
dual (P L)0 :
Solucin.
a) La grca del poliedro (segmento) factible del problema y el punto ptimo se

muestran en la gura.
?
El ptimo (mximo) corresponde a la interseccin de las dos rectas:
x1 + x2 = 1;
x1 + 2x2 = 4:
2 5 t
La solucin del sistema de ecuaciones lineales es Xmax = ;
3 3
y el valor
ptimo es zmax = 43 10 3
= 143
:
b) El problema dual se calcula usando la denicin. Transformamos el problema a

minimizar, cambiamos el signo de la primera desigualdad y ponemos x1 = x1
para tener todas las variables positivas:
0 1 0 1
max z = 2x1 2x2 m n z = 2x1 + 2x2
B s:a : x1 + x2 1 C B s:a : x1 x2 1 C
B C B C
B x1 + x2 1 C () B x + x 1 C
B C B 1 2 C
@ x1 + 2x2 = 4 A @ x1 + 2x2 = 4 A
x1 0; x2 0 x1 0; x2 0
0 1
m n z = 2x1 + 2x2
B s:a : x1 x2 1 C
B C
() B
B x 1 + x 2 1 C
C
@ x1 + 2x2 = 4 A
x1 0; x2 0
El dual ser entonces:

0 1
max w = y1 + y2 + 4y3
B s:a : y1 + y2 + y3 2; C
(P L)0 : B
@
C
A
y1 + y2 + 2y3 2;
y1 0; y2 0; y3 2 R
Opcionalmente, si queremos regresar a los datos originales de (P L) ; transfor-

mamos el problema a minimizar, cambiamos el signo de la segunda desigualdad
y ponemos y2 = y2 ; y 3 = y3 :
0 1
max w = y1 + y2 + 4y3
B s:a : y1 + y2 + y3 2; C
(P L)0 : B C ()
@ y1 + y2 + 2y3 2; A
y1 0; y2 0; y3 2 R
0 1
m n w = y1 y2 4y3
B s:a : y1 + y2 + y3 2; C
() (P L)0 : B @
C
A
y1 y2 2y3 2;
y1 0; y2 0; y3 2 R
0 1
m n w = y1 + y2 + 4y3
B s:a: y1 y2 y3 2; C
() (P L)0 : B @
C
A
y1 + y2 + 2y3 2;
y1 0; y2 0; y3 2 R
En conclusin:
0 1
max z = 2x1 2x2
B s:a : x1 + x2 1 C
B C
(P L) : BB x 1 + x 2 1 C =)
C
@ x1 + 2x2 = 4 A
x1 0; x2 0
0 1
m n w = y1 + y2 + 4y3
B s:a : y1 y2 y3 2; C
=) (P L)0 : B
@
C
A
y1 + y2 + 2y3 2;
y1 0; y2 0; y3 2 R
Ntese que los datos del problema (P L) son:
0 1 0 1
1 1 1
2
A = @ 1 1 A; b = @ 1 A; c = ;
2
1 2 4
y entonces, si (P L2) se escribe:
0 1
0
max z = ct x; s:a : Ax @ A b; con x ;
0
=
el dual (P L2)0 se escribe con los mismos parmetros A; b; c:
0 1
0
m n w = bt y; s:a : At y c; con y @ 0 A:
2R
c) La solucin ptima del dual puede calcularse por dos vas:
c.1) Usando la solucin ptima del problema (P L) correspondiente a la forma

]
estndar (P L):
t
2 5 2 5 4
Xmax = ; !X= ; ; 0; ;
3 3 3 3 3
donde ponemos x1 = x1 para tener todas las variables positivas:

0 1
max z = 2x1 2x2
B s:a x1 + x2 + xh3 = 1 C
B C
]
(P L) : B
B x1 + x2 xh4 = 1 C C
@ x1 + 2x2 = 4 A
x1 0; x2 0:
Debemos hallar la inversa de la base B correspondiente a las variables bsicas

fx1 ; x2 ; xh4 g y calcular Y t = ctB B 1 . En efecto, la matriz B se escribe:
0 1
1 1 0
B=@ 1 1 1 A ; det(B) = 1 2 = 3;
1 2 0
y la inversa ser:
0 1 0 1
2 1 1 2=3 0 1=3
cof (B) = @ 0 0 3 A =) B 1
= @ 1=3 0 1=3 A :
1 1 2 1=3 1 2=3
Como el vector ctB = ( 2; 2; 0); chequeamos los (zj cj ):
ctB B 1 A ct =
0 1t
0 1t 0 10 1 2
2 2=3 0 1=3 1 1 1 0 B 2 C
=@ 2 A @ 1=3 0 1=3 A @ 1 1 0 1 A B C
@ 0 A =
0 1=3 1 2=3 1 2 0 0
0
0 1
1 0 2=3 0
= ( 2; 2; 0) @ 0 1 1=3 0 A ( 2; 2; 0; 0)
0 0 1=3 1
2 2
= 2; 2; ; 0 (2; 2; 0; 0) = 0; 0; ; 0 ;
3 3
es decir, todos los (zj cj ) son 0, lo que indica la optimalidad (mximo)

de la solucin Xmax :
La solucin ptima del dual ser:
0 1
2=3 0 1=3
@ 2 4
t
Ym n = ( 2; 2; 0) 1=3 0 1=3 A = ; 0; ;
3 3
1=3 1 2=3
cuyo valor ptimo coincide con el ptimo del primal:
2 4 14
b t Ym n = +0+4 = = ct Xmax :
3 3 3
2 5
c.2) Utilizando el Teorema de Holguras Complementarias. Como Xmax = ;
3 3
tiene las dos componentes diferentes de cero, ello indica que las dos restric-
ciones del dual de (P L)0 tienen que satisfacerse en la igualdad:
y1 y2 y3 = 2;
y1 + y2 + 2y3 = 2:
Adems, de las 3 restricciones del primal (P L); la primera y la tercera se
cumplen en la igualdad y la segunda en la desigualdad estricta:
2 5 2 5 7 2 5
+ = 1; + = > 1; + 2 = 4;
3 3 3 3 3 3 3
y por lo tanto, la segunda componente debe ser nula, y2 = 0; en la solucin
ptima del dual.
En resumen, tenemos (en el dual) el sistema de ecuaciones:
y1 y3 = 2;
y1 + 2y3 = 2;
que tiene por solucin y1 = 32 ; y2 = 34 y por lo tanto, la solucin ptima
del dual es la misma que hallamos antes: Ym n = 23 ; 0; 43 , con valor ptimo
w = 14 3
.
Ejercicio 42 Considere la siguiente familia de problemas de Programacin Lineal:

0 1
m n z = 4x1 + 3x2 + x3 + 2x4 ;
B s:a: 4x1 + 2x2 x4 8; C
(P L ) : B
@
C
A
3x1 + x2 + 2x3 3;
xi 0; i = 1; 2; 3; 4:
a) Escriba el problema dual (P L )0 de (P L ).
b) Para qu valores de el vector X1t = (1; 0; 0; 0) es solucin ptima de (P L )?:

Cul es la solucin ptima del dual en este caso?
c) Para qu valores de el vector X2t = (0; 0; 3=2; 0) es solucin ptima de (P L )?:

Cul es la solucin ptima del dual en este caso?
d) Existen valores de para los cuales el problema (P L ) no est acotado inferior-

mente?
Solucin.
a) Escribimos el problema dual de (P L ) recordando que el vector c pasa a ser los

trminos independientes y el vector b pasa a la funcin objetivo. La matriz se
traspone y las desigualdades de las restricciones son contrarias a los signos de
las variables en el primal. Las variables del dual tienen los mismos signos de las
desigualdades del primal.
0 1
max w = 8y1 + 3y2 + 4y3 ;
B s:a : 4y1 + 3y2 4; C
B C
B 2y1 + y2 3; C
B C
B 2y2 ; C
B C
@ y1 2: A
y1 0; y2 0:
b) La primera tabla del mtodo Simplex (primera fase), incluyendo variables arti-
ciales es:
x1 x2 x3 x4 xh5 xh6 xa7 b
xh5 4 2 0 1 1 0 0 8
xa7 3 1 2 0 0 1 1 3
za 3 1 2 0 0 1 0 3
y donde los zj cj = ctB Y j cj de za fueron calculados por la denicin.
Entra la variable x1 y sale la variable articial xa7 y obtenemos una tabla nal
ptima de la primera fase:

xh5 0 2=3 8=3 1 1 4=3 4=3 4
x1 1 1=3 2=3 0 0 1=3 1=3 1
za 0 0 0 0 0 0 1 0
Eliminando la la de za e incluyendo la funcin objetivo original z; calculando los

zj cj igual que antes, obtenemos:

xh5 0 2=3 8=3 1 1 4=3 4=3 4
x1 1 1=3 2=3 0 0 1=3 1=3 1
z 0 5=3 8=3 2 0 4=3 4=3 4
Hemos conservado la columna de la variable articial porque ella nos servir para
hallar la segunda componente de la solucin ptima del dual. Es claro que la
solucin factible bsica que tenemos X1 = (1; 0; 0; 0; 4; 0)t es ptima si 8=3
pues en tal caso todos los zj cj seran negativos o nulos. Por lo tanto, X1 es
ptima para todo 8=3: La solucin ptima del dual ser Y1 = (0; 4=3)t : El
valor ptimo = 4 coincide en ambas funciones primal y dual.
c) Si < 8=3; tenemos z3 c3 > 0 y la solucin X1 no es ptima. La variable x3

entra a la base y sale la variable x1 . La nueva tabla transformada ser:

xh5 4 2 0 1 1 0 8=3 8
3 3
x3 2
1=2 1 0 0 1=2 1=2 2
3
z 4+ 2
3 + 12 0 2 0 1
2
1
2
3
2
que tiene todos los zj cj negativos o nulos si 2 [0; 8=3]. En conclusin, X2 =

(0; 0; 3=2; 0)t es solucin ptima para 2 [0; 8=3]. La solucion ptima del dual
ser Y2 = (0; =2)t : El valor ptimo = 23 coincide en ambas funciones primal y
dual.
d) Si < 0 el z6 c6 se convierte en positivo y la ltima solucin X2 no es ptima. En

este caso el problema no est acotado porque el vector Y 6 asociado a la variable
x6 en la tabla tiene todas las componentes negativas o nulas. En n, el problema
no est acotado para < 0.
Ejercicio 43 Considere el siguiente (P L):

0 1
mn x1 + + xn
@ s:a a1 x1 + an x n = 1 A
x1 ; :::; xn 0
donde 0 < a1 < a2 < < an :

a) Escriba el problema dual, y encuentre una solucin para el dual en trminos de

a1 ; :::; an :
b) Use el Teorema de holguras complementarias para encontrar la solucin del primal.
c) Supongamos que aplicamos el algoritmo simplex al problema primal. Mostrar que

si empezamos en una solucin factible bsica no optimal, el algoritmo (simplex)
termina en un paso (No olvidar que entra que la variable no bsica que entra a la
base se escoge de tal forma que su costo reducido es el ms negativo).
Ejercicio 44 Usando el teorema de Dualidad. Mostrar que el problema
mn cT x
s:a : x 0; x 2 Rn
tiene solucin ssi c 0: Adems muestre que la solucin es x = 0:
Ejercicio 45 Una compaia enlatadora ha formulado un problema de programacin

lineal como auxiliar para la planicacin para el proceso de enlatado de la cosecha de
duraznos. Hay dos productos (mitades y rebanadas de durazno) y dos categoras, (A,
B). Las mitades se obtienen de duraznos de categora A y las rebanadas se pueden
obtener de una mezcla de duraznos de categora A y B.
Las variables de decisin son:
x1 : = N o de kilogramos de duraznos de categora A que se usan en las mitades.

x2 : = N o de kilogramos de duraznos de categora A que se usan en las rebanadas.
x3 : = N o de kilogramos de duraznos de categora B que se usan en las rebanadas.
Todas las unidades se expresan en miles de kilogramos.

El objetivo es maximizar la contribucin al benecio del enlatado de la cosecha de
duraznos. El problema de programacin lineal se ha formulado como sigue:
Funcin objetivo: max z = 0;15x1 + 0;12x2 + 0;12x3
Demanda de mitades: x1 180:
Demanda de Rebanadas: x2 + x3 125:
Categora A disponible: x1 + x2 225:
Categora B disponible: x3 75:
Mezcla de categoras para rebanadas: 4x2 + x3 0

Condiciones de positividad: x1 ; x2 ; x3 0.
En base a la siguiente tabla y al problema anterior, responda las siguientes preguntas

en forma independiente usando WinQSB si estima conveniente, adems investigue los
conceptos que desconozca y denalos brevemente.
x1 x2 x3 x4 x5 x6 x7 x8 b
x1 1 0 0 1 0 0 0 0 180
x5 0 0 0 1 1 1 1 0 5
x2 0 1 0 1 0 1 0 0 45
x3 0 0 1 0 0 0 1 0 75
x8 0 0 0 4 0 4 1 1 105
z 0 0 0 0;03 0 0;12 0;12 0 41;4
a) Cul es el precio mximo que estara dispuesta a pagar la enlatadora por duraznos
adicionales de categora A?, Cunto comprara a ese precio?.
b) Cul es el valor marginal de los duraznos adicionales de categora B?, En qu

intervalo es vlido este valor marginal?.
c) El gerente de mercadotecnia de la enlatadora ha modicado la demanda estimada

de las mitades, de 180.000 a 200.000 kilogramos. Afectar este cambio a la
solucin del problema de enlatado?Cul ser el incremento de benecio asociado
con el cambio?.
d) Suponga que el gerente de mercadotecnia ha modicado su estimacin de la de-

manda de las rebanadas, de 125.000 a 145.000 kilogramos. Afectar a la solucin
del problema de enlatado?Cul ser el incremento de benecio asociado con el
cambio?.
e) Cunto tendra que variar el precio de las mitades de duraznos para que cambiara
la solucin ptima?.
4.2. Mtodo Dual-Simplex

Ejercicio 46 Resuelva por el mtodo dual-simplex
0 1
mn z = 2x1 + 3x2 + 5x3 + 6x4
B s:a : C
B C
B x1 + 2x2 + 3x3 + x4 6 C
B C
@ x1 2x2 + 2x3 + x4 x5 3 A
xi 0; i = 1; :::; 5
4.2. MTODO DUAL-SIMPLEX 71
Solucin. Aadiendo una variable de holgura x6 a la 1era restriccin y una x7 a la 2da

y multiplicandola por 1; obtenemos:
x1 x2 x3 x4 x5 x6 x7 b
x6 1 2 3 1 0 1 0 6
x7 1 2 2 1 1 0 1 3 !
z 2 3 5 6 0 0 0 0
"
Es tabla dual-simplex, ya que los zj cj 0; 8j 2 IN :

1era iteracin:
x1 x2 x3 x4 x5 x6 x7 b
x6 5=2 1 0 1=2 3=2 1 3=2 3=2
x3 1=2 1 1 1=2 1=2 0 1=2 3=2
z 9=2 8 0 7=2 5 0 5 15=2
Y estamos en el ptimo.
Captulo 5
Post Optimizacin
Ejercicio 47 Sea la siguiente tabla de un problema de programacin lineal
x1 x2 x3 xh4 xh5 b
x1 1 1 1 1 0 6
xh5 0 3 1 1 1 10
z 0 3 1 2 0 12
a) Encuentre el problema original (P L) sabiendo que xh4 y xh5 son la base inicial
(positivas).
b) Reemplazar en (P L) c2 por e
c2 = 5:
c) Reemplazar en (P L) c1 por e
c1 = 0:
d) Cambiar b en (P L) por eb = ( 1; 4)T :
e) Agregar una nueva variable x6 0 en (P L) con c6 = 1 y a6 = ( 1; 2)T :
f) Agregar una nueva restriccin a (P L) : 2x1 2x2 2x3 12:
g) Agregar un nueva restriccin a (P L) : x1 + 2x3 2:
Solucin.
a) Se tiene que
1 1 0 1 0
B = =) B =
1 1 1 1
Luego llamando a la tabla nal (correspondientes a las primeras las) Tf in a
1 1 1 1 0 6 1 1 1 1 0 6
Tf in = =) Tini = BTf in =
0 3 1 1 1 10 1 2 0 0 1 4
72
73
Adems tenemos que
c1 c2 = 3
c1 c3 = 1
c1 = 2
=) c1 = 2; c2 = 1; c3 = 1:
Luego el problema original es
0 1
m n z = 2x1 + x2 x3
B s:a : C
B C
B x1 + x2 + x3 6 C
B C
@ x1 + 2x2 4 A
x 1 ; x2 ; x3 0
b) Primero, c2 no es un costo bsico luego solo cambia z2 c2 por z2 e

c2 : Tenemos
que
1
z2 = ( 2; 0) = 2 =) z2 e c2 = 2 5 = 7:
3
y la tabla sique siendo ptima.
c) Tenemos que c1 es un costo bsico. luego cambian todos los zj cj y adems

cambia la z:
z1 e
c1 = (0; 0)T Y1 e
c1 = 0
z2 c2 = c2 = 1
z3 c3 = c3 = 1
z4 c4 = c4 = 0
z5 c5 = 0
luego nuestra tabla nos queda
x1 x2 x3 xh4 xh5 b
x1 1 1 1 1 0 6
xh5 0 3 1 1 1 10
z 0 1 1 2 0 0
se observa que perdimos optimalidad. Hay que aplicar simplex, entrando la vari-
able x3 y sacando x1 de la base.
74 CAPTULO 5. POST OPTIMIZACIN
d) En este caso se modica la ltima columna, luego tenemos que

1 0 1 1
B 1eb = =
1 1 4 3
1
cTB B 1eb = ( 2; 0) =2
3
y perdimos optimalidad, aplicar dual simplex.
e) Hacemos x+ 6 = x6 0 (con el n de llevarlo a forma estandar) con lo que cambia
e
c6 y e
a6 a e a6 = (1; 2)T : Luego nuestro problema nos queda
c6 = 1 y e
1 0 1 1
B 1e
a6 = = y z6 c6 = 2 ( 1) = 1
1 1 2 1
x1 x2 x3 xh4 xh5 x+6 b

x1 1 1 1 1 0 1 6
xh5 0 3 1 1 1 1 10
z 0 1 1 2 0 1 0
f) Como el ptimo x = (6; 0; 0) satisface la restriccin 2x1 2x2 2x3 12; el

ptimo es el mismo.
g) El punto x = (6; 0; 0) no satisface la x1 + 2x3 2; agragamos una variables de
holgura x6 a esta restriccin y la multiplicamos por 1; nos queda
x1 2x3 + x6 = 2
Luego la tabla nos queda
x1 x2 x3 xh4 xh5 x6 b
x1 1 1 1 1 0 0 6
xh5 0 3 1 1 1 0 10
x6 1 0 2 0 0 1 2
z 0 3 1 2 0 0 12
Notar que la la 3 no esta en forma explcita, luego multiplicamos la la 1 por
1 y se la sumamos a la la 3; con lo que nos queda
x1 x2 x3 xh4 xh5 x6 b
x1 1 1 1 1 0 0 6
xh5 0 3 1 1 1 0 10
x6 0 1 3 1 0 1 8
z 0 3 1 2 0 0 12
Y aplicamos el mtodo dual-simplex.
75
Ejercicio 48 Considere la siguiente tabla ptima de un problema de programacin

lineal:
x1 x2 x3 x4 x5 x6 x7 b
x1 1 0 3 1 1 2 0 8
x2 0 1 1 2 0 1 0 0
x7 0 0 4 2 2 3 1 5
z 0 0 1 1 2 3 0
Programe una rutina en MATLAB que determine lo siguiente:
a) Encuentrar el problema original, es decir, encuentre los parmetros c; A y b:
b) Resolver el problema utiizando la instruccin linprog y compruebe que la solucin

ptima de la tabla es la misma, adems encuentre la solucin dual.
c) Comprobar el Teorema de Holguras Complementarias.
d) Cambiar el vector c por c0 = (1; 2; 3; 4)T , obtener los nuevos zj cj . Si la solucin

deja de ser ptima, calcular la nueva solucin.
e) Cambiar el vector b por el nuevo vector b0 = (3; 2; 4), si la solucin deja de ser
factible, obtenga la nueva solucin.
e) Agregar una variable x8 0 con costo c8 = 8 y A 8 = (1; 3; 7)T .
Compruebe sus resultados analticamente.

Captulo 6
Optimizacin en Redes
6.1. Transporte
Resuelva los siguientes problemas usando el mtodo de transporte.
1. Una compaia petrolera ha contratado el suministro de gasolina a cuatro aerop-

uertos A1 ; A2 ; A3 y A4 , los que necesitan 110, 235, 285, 445 miles de galones re-
spectivamente. La gasolina debe ser trabsportada desde los almacenes O1 ; O2 ; O3
los que disponen de 275, 350 y 345 miles de galones. El costo de transporte por
galn de cada aeropuerto est dado por la siguiente:
O1 O2 O3 O4
A1 10 10 9 11
A2 7 11 12 13
A3 8 14 4 9
a) Escriba las ecuaciones y funcin objetivo del modelo de transporte asociado

a este problema.
b) Determine una solucin factible bsica inicial por el mtodo del costo mnimo
y aplique el algoritmo stepping-stone para hallar la solucin ptima del prob-
lema y el costo total. Considerando que el aeropuerto A4 debe ser siempre
satisfecho.
c) Suponga que el administrador del almacn O3 tiene problemas personales

con el administrador del aeropuerto A4 , el cual se niega completamente en
enviarle gasolina al aeropuerto A4 , en cambio lo nico que desea el admin-
istrador del aeropuerto A4 que su demanda sea cumplida.
76
6.1. TRANSPORTE 77
2. Considere la siguiente tabla de costos de algn problema de transporte:
D1 D2 D3 D4
A1 9 7 12 8
A2 15 12 12 15
A3 8 9 6 12
A4 14 12 11 12
Y la siguiente tabla muestra una solucin factible de dicho problema de transporte
D1 D2 D3 D4 Ai
A1 4 14 18
A2 4 4
A3 2 4 6
A4 7 5 12
Dj 6 14 15 5
a) Es una solucin factible bsica?.

b) Demuestre que la solucin es optimal y encuentre la base asociada.
c) El problema tiene otra solucin ptima?
d) Escriba el problema dual.
e) Cul es la solucin ptima del problema dual?.
3. En un problema de transporte con 3 almacenes y 4 clientes, se tiene la siguiente

tabla de datos:
Costos C1 C2 C3 C4 Existencias
A1 9 6 4 7 35
A2 2 4 6 3 20
A3 8 1 8 6 45
Demandas 30 40 10 20
a) Sabiendo que los vectores columna de la base optimal B del problema equi-
librado son los siguientes:
0 1
1 1 1 0 0 0 0
B 0 0 0 1 0 0 0 C
B C
B 0 0 0 0 1 1 0 C
B C
B=B B 1 0 0 1 0 0 0 C
C
B 0 0 0 0 1 0 0 C
B C
@ 0 1 0 0 0 0 0 A
0 0 1 0 0 1 1 7 7
78 CAPTULO 6. OPTIMIZACIN EN REDES
halle los valores de las variables bsicas asociadas a la base B y el costo total
de transporte.
b) Compruebe que la SFB correspondiente a B es ptima, calculando los zij cij
no bsicos. Solucin nica? De no serlo calcule otra solucin ptima.
Solucin: Como el problema de transporte es equilibrado se puede escribir en la

tabla de transporte. Atendiendo a que los vectores columna de la matriz A (i;j)
son de la forma ei + em+j ; los vectores de la matriz B dada indican cules son las
casillas bsicas en la tabla de transporte:
(1; 1); (1; 3); (1; 4); (2; 1); (3; 2); (3; 4)
y por tanto:
9 6 4 7
? ? ?
2 4 6 3
?
8 1 8 6
? ?
Para hallar los valores de las variables bsicas utilizamos las restricciones del
modelo de transporte; ellas indican que la suma por la y por columna debe
coincidir con las existencias y las demandas. Por consiguiente, tenemos una nica
SFB posible:
C1 C2 C3 C4 Ei
9 6 4 7
O1 10 10 15 35
2 4 6 3
O2 20 20
8 1 8 6
O3 40 5 45
Dj 30 40 10 20
b) Calculemos los ui ; vj y los zij cij :
C1 C2 C3 C4 Ei ui
9 6 4 7
O1 10 4 10 15 35 0
2 4 6 3
O2 20 9 9 3 20 -7
8 1 8 6
O3 0 40 5 5 45 -1
Dj 30 40 10 20
vj 9 2 4 7
y como todos son 0, ello indica que la SFB dada es ptima. La solucin no es
6.1. TRANSPORTE 79
nica pues z31 c31 = 0 por lo cual

C1 C2 C3 C4 Ei ui
9 6 4 7
O1 10 4 10 15+ 35 0
2 4 6 3
O2 20 9 9 3 20 -7
8 1 8 6
O3 0+ 40 5 5 45 -1
Dj 30 40 10 20
vj 9 2 4 7
y la nueva solucin
C1 C2 C3 C4 Ei ui
9 6 4 7
O1 5 4 10 20 35 0
2 4 6 3
O2 20 9 9 3 20 -7
8 1 8
O3 5 40 5 6 45 -1
Dj 30 40 10 20
vj 9 2 4 7
4. Considere las siguientes tablas asociadas a un problema de transporte entre cuatro

orgenes O1-O4 y cuatro destinos D1-D4.
Existencia Demandas Costos D1 D2 D3 D4
O1 4 D1 3 O1 1 6 3 8
O2 2 D2 5 O2 6 24 12 20
O3 8 D3 4 O3 9 14 9 17
O4 7 D4 9 O4 2 25 12 18
a) Muestre que el siguiente plan de transporte X1 es una solucin optimal del

problema y calcule el costo mnimo de transporte.
0 1
0 0 0 4
B 0 0 1 1 C
X1 = B
@ 0 5 3 0 A
C
3 0 0 4
b) Partiendo desde X1 encuentre otra solucin optimal X2 6= X1 .
5. Resuelva el problema de transporte siguiente, con datos:

0 1
10 5 6 7
E = (25; 25; 50) D = (15; 20; 30; 35) C = @ 8 2 7 6 A
9 3 4 8
6. Considere el problema de transporte correspondiente a la siguiente tabla

A1 4 3 6 5 20
A2 7 10 5 6 30
A3 8 9 7 7 50
a) Encuentre la solucin ptima usando el algoritmo Simplex-Transporte.

b) Suponga que c24 se sustituye por 4. Sin resolver el problema, encuentre la
nueva solucin ptima.
c) Cun grande debe hacerse c12 antes de violar alguna condicin de optimal-
idad de la solucin del tem a)?
7. Considere los siguientes datos para un problema de transporte

A1 14 56 48 27 71
A2 82 35 21 81 47
A3 99 31 71 63 93
a) Indique una solucin bsica inicial aplicando la regla de la esquina noroeste.

Trace el rbol bsico.
b) Indique una solucin bsica inicial aplicando la regla del costo mnimo. Trace
el rbol.
c) Encuentre la solucin ptima primero empezando de la SFB del tem a) y
luego la del tem b).
8. Una empresa forestal tiene cuatro bodegas, A, B, C y D. Al comenzar cada da

hay ocho, seis, cuatro y siete tractores en las bodegas respectivas. Durante la
noche anterior se cargaron los remolques en los predios E, F, G, H e I con las
siguientes cantidades: tres, seis, cinco, seis y cinco, respectivamente. La distancia
entre las bodegas y predios se indican en la tabla siguientes:
Kilmetros entre las terminales y las plantas

BodegasnPredios E F G H I
A 20 47 17 41 62
B 74 13 52 40 32
C 60 31 51 71 68
D 39 41 37 21 38
6.2. PROBLEMAS DE RUTAS MNIMAS 81
a) De qu bodegas a qu predios hay que enviar los tractores si debe mini-

mizarse la distancia total que recorran todos los tractores para recoger los
remolques?. Utilice el mtodo de costo mnimo, para encontrar una SFB con
WinQSB o MATLAB. Despus haga lo mismo, pero encuentre una SFB con
el mtodo de la esquina noroeste.
b) Resuelva el problema, utilizando WinQSB o MATLAB, y compare el nmero
de iteraciones que tuvo que realizar el mtodo para calcular la solucin op-
timal partiendo de las SFB encontradas en a). Encuentre la solucin Dual,
y los precios sombras (investigue).
c) Encuentre la base asociada al ptimo.
d) Haga un anlisis de sensibilidad que diga cuanto puede variar los costos, de
tal forma que el ptimo se mantenga.
9. Una empresa produce un producto en tres plantas ubicadas en los lugares L1 ; L2 y

L3 y distribuye sus productos a los almacenes W1 ; W2 ; W3 ; W4 y W5 . La capacidad
de cada planta, las necesidades de almacn y el coste unitario de transporte se da
en la siguiente tabla:
W1 W2 W3 W4 W5 Capacidad
L1 6 6 4 8 4 900
L2 7 6 5 4 7 500
L3 6 6 3 5 8 800
Requerimientos 500 400 800 400 400
a) Utilice el mtodo de costo mnimo, para encontrar una SFB con WinQSB, y
compruebe el Teorema de Dualidad Dbil en este punto utilizando MATLAB.
b) Resuelva el problema, utilizando WinQSB y MATLAB, calcule la solucin
Dual.
c) Encuentre la base asociada al ptimo.
d) Haga un anlisis de sensibilidad que diga cuanto puede variar los costos, de
tal forma que el ptimo se mantenga.
6.2. Problemas de Rutas Mnimas

6.3. Digrafos
Denicin 6.1 Sea V un conjunto nito no vaco, y sea A V V . El par (V; A)
es un grafo dirigido (sobre V ), o digrafo sobre V , donde V es el conjunto de vrtices o
nodos y A es su conjunto de aristas. Escribimos G = (V; A) para denotar el digrafo.
Ejemplo:
La siguiente gura muestra un ejemplo de un grafo dirigido sobre V = fa; b; c; d; eg
con A = f(a; a) ; (a; b) ; (a; d) ; (b; c)g : La direccin de una arista se indica al colocar
una echa dirigida sobre ella, como se muestra aqu. Para cualquier arista, como (b; c),
decimos que la arista es incidente con los vrtices b; c; b es adyacente hacia c, mientras
que c es adyacente desde b. Adems el vrtice c es el origen, o fuente de la arista (b; c)
y el vrtice c es el trmino, o vrtice terminal. La arista (a; a) es un ejemplo de un lazo,
y el vrtice e que no tiene aristas es un vrtice aislado.
Cuando no importa la direccin de las aristas, la estructura G = (V; A), donde A
es ahora un conjunto de pares no ordenados sobre V , es un grafo no dirigido. La gura
siguiente muestra un grafo no dirigido sobre V = fa; b; c; dg.
6.4. Algoritmo del camino ms corto de Dijsktra

Comenzaremos con un grafo digido conexo1 sin lazos G = (V; A). A cada arista
e = (a; b) de este grafo le asignamos un nmero real positivo llamado peso de e, que
denotaremos por p (e) o p (a; b). Si (x; y) 62 A; denimos p (x; y) = 1.
Cualquier e = (a; b) 2 A; p (e) podra representar la longitud de la carretera de a a
b; el tiempo que tarda en recorrer esta carretera de a a b, o el costo del viaje de a a b
por esta carretera.
Un grafo G = (V; A) con una funcin de peso asociada a las aristas, lo llamaremos
grafo ponderado.
Resumen del Algoritmo del camino ms corto de Dijsktra:
Paso 1 Hacemos el contador i = 0; S0 = fv0 g : Etiquetamos v0 con (0; ) y cada v 6= v0

con (1; ).
Si n = 1; entonces V = fv0 g y el problema est resuelto.
Si n > 1, continuamos con el paso 2.
Paso 2 Para cada v 2 Si , reemplazamos (cuando sea posible), la etiqueta de v por la

nueva etiqueta nal (L (v) ; y) ; donde
L (v) = m n fL (v) ; L (v) + p (u; v)g ;

u2Si
e y es un vrtice en Si que produce el L (v) mnimo. (Si efectivamente hacemos

un reemplazo, esto se debe al hecho de que podemos ir de v0 a v y recorrer una
distancia ms corta si recorremos un camino que incluye una arista (y; v) ).
1
Un grafo es conexo cuando no tiene vrtices aislados.
6.4. ALGORITMO DEL CAMINO MS CORTO DE DIJSKTRA 83
11
7
6
3 4
9
6
11
4 4 9 4 5
1
3
5
5 2
6
11
17
Paso 3 Si cada vrtice de Si (para algn 0 i n 2) tiene la etiqueta (1; ), entonces

el grafo etiquetado contiene la informacin que estamos buscando.
Si no, existe al menos un vrtice v 2 Si que no est etiquetado como (1; ) y
realizamos las siguientes tareas:
1. Seleccionamos un vrtice vi+1 , tal que L (vi+1 ) sea mnimo (para todo v de
este tipo). Puede haber varios de estos vrtices, en cuyo caso podemos elegir
cualquiera de los posibles candidatos. El vrtice vi+1 es un elemento de Si
que es el ms cercano a v0 .
2. Asignamos Si [ fvi+1 g a Si+1 .
a) Incrementamos el contador i en 1.
Si i = n 1, el grafo etiquetado contiene la informacin deseada. Si i < n 1:
Regresamos al paso 2.
Ejercicio 49 Aplique el algoritmo Dijkstra al siguiente digrafo:

Solucin. Los vrtices del digrafo 1, 2, 3, 4, 5 y 6 los identicamos con las letras a; b;
c; h; f; g respectivamente.
Inicializacin:
i = 0; n = 6; S0 = fcg ; S0 = fa; b; h; f; gg ;
tambin etiquetamos c con (0; ) y todo el grafo con ( 1; ) y (0; ).

Iteracin 1:
S0 = fa; b; h; g; f g ; i = 0
L (a) = m n fL (a) ; L (c) + p (c; a)g = m n f1; 0 + 1g = 1
L (b) = m n fL (b) ; L (c) + p (c; b)g = m n f1; 0 + 1g = 1
L (h) = m n fL (h) ; L (c) + p (c; h)g = m n f1; 0 + 11g = 11
L (g) = 1
L (f ) = 6
As etiquetamos el vrtice f con (6; c) y el vrtice h con (11; c). Los dems vrtices de
S0 siguen etiquetados con (1; ). En el paso 3 vemos que f es el vrtice v1 en el S0 ms
cercano a v0 por lo que asignamos a S1 el conjunto S0 [ ff g = fc; f g e incrementamos
el contador i a 1. Como i = 1 < 5(= 6 1); regresamos al paso 2.
Iteracin 2:
S1 = fc; f g ; S1 = fa; b; h; gg , i = 1
L (a) = m n fL (a) ; L (c) + p (c; a) ; L (f ) + p (f; a)g
u2S1
= m n f1; 0 + 1; 6 + 11g = 17
L (b) = m n fL (b) ; L (c) + p (c; b) ; L (f ) + p (f; b)g
u2S1
= m n f1; 0 + 1; 6 + 1g = 1
L (g) = m n fL (g) ; L (c) + p (c; g) ; L (f ) + p (f; g)g
u2S1
= m n f1; 0 + 1; 6 + 9g = 15
L (h) = m n fL (h) ; L (c) + p (c; h) ; L (f ) + p (f; h)g
= m n f11; 0 + 11; 6 + 4g = 10
Sin mayores detalles, tenemos que
S2 = S1 [ fhg = fc; f; hg
Iteracin 3:
S2 = fc; f; hg , S2 = fa; b; gg ; i = 2
L (a) = m n fL (a) ; L (c) + p (c; a) ; L (f ) + p (f; a) ; L (h) + p (h; a)g
u2S2
= m n f17; 0 + 1; 6 + 1; 10 + 11g = 17
u2S2
L (b) = m n fL (b) ; L (c) + p (c; b) ; L (f ) + p (f; b) ; L (h) + p (h; b)g
u2S2
= m n f1; 0 + 1; 6 + 1; 10 + 1g
L (g) = m n fL (g) ; L (c) + p (c; g) ; L (f ) + p (f; g) ; L (h) + p (h; b)g
= m n f15; 0 + 1; 6 + 9; 10 + 4g = 14
u2S2
Iteracin 4:S3 = fc; f; h; gg ; S3 = fa; bg ; i = 3

Resumiendo, quedan las siguientes etiquetas:
As, las etiquetas no cambian durante esta iteracin. Hacemos v4 = a; y S4 =
S3 [ fag = fc; f; h; g; ag, en el paso 3 del algoritmo. Entonces incrementamos i a 4 (<5)
y regresamos al paso 2.
Iteracin 5:
S4 = fc; f; h; g; bg ; S4 = fbg
En este caso, i = 4 en el paso 2, y vemos que
L (b) = L (a) + p (a; b)

= 17 + 5 = 22:
La etiqueta de b cambia por (22; 1). Entonces, v5 = b en el paso 3, S5 en fc; f; h; g; a; bg

e i e incrementa a 5. Pero ahora que i = 5 = jV j 1; el proceso termina.
De las etiquetas de la gura anterior, obtenemos las siguientes distancias ms cortas
de c a los otros cinco vrtices de G:
d (c; f ) = L (f ) = 6
d (c; g) = L (g) = 14
d (c; b) = L (b) = 22
d (c; h) = L (h) = 10
d (c; a) = L (a) = 17
Ahora bien, para determinar una camino dirigido ms corto desde c a b, partimos del
vrtice b, que tiene la etiqueta (22; a). El vrtice que lo precede es (17; f ) y despus
(6; c). As el camino es:
(c; f ) ! (f; a) ! (a; b) .
Ejercicio 50 Resuelva el problema anterior usando usando MATLAB.

Solucin. Considerando el digrafo de la f ig 1, mostraremos como calcular el camino
ms corto entre el nodo 3 y el nodo 5, siguiendo una serie de rutinas en el programa
matlab.
11
7
6
3 4
9
6
11
4 4 9 4 5
1
3
5
5 2
6
11
17
Fig. 1
Para una mejor comprensin, detallaremos el procedimiento de generar la imagen del

digrafo y su posterior resolucin mediante el algotmo Dijkstra mediante los siguientes
pasos:
1. Primero debemos ingresar los pesos de cada arista en un vector de Matlab:
>> W=[6,5,17,4,3,7,6,11,7,11,4,9,5,11,9,4];
2. Relacionar cada arista con los pesos, cada vrtice del cual sale una arista se ingresa
en un vector y cada componente de este vector esta relacionada con los vertices
de incidencia. Por ejemplo la arista a12 y a34 se relaciona a travs de los vectores
[1; 3] y [2; 4] donde cada componente del primer vector son los nodos de los cuales
salen las aristas que inciden en 2 y 4 respectivamente. Para generar la estructura
del grafo se utiliza la funcin sparce a continuacin mostramos la rutina:
>> DG=sparse([1,1,1,2,2,2,3,3,4,4,4,4,5,6,6,6],[3,2,5,3,1,6,4,6,3,1,6,5,6,1,4,5],W);
De esta forma se genera la estructura:
DG =
(2; 1) 3
(4; 1) 11
(6;1) 11
(1; 2) 5
(1; 3) 6
(2; 3) 4
(4; 3) 7
(3; 4) 6
(6; 4) 9
(1; 5) 17
(4; 5) 9
(6; 5) 4
(2; 6) 7
(3; 6) 11
(4; 6) 4
(5; 6) 5
3. En el siguiente paso generamos el objeto "digrafo"que utilizaremos en la resolucin

del problema. A travs de la siguiente sentencia de matlab.
>>h=view(biograph(DG,[],0 ShowWeights0 ,0 on0 ))
Biograph object with 6 no desand 16 edges.
En la gura 2 mostramos el digrafo, generado por MATLAB.
4. Ahora resolveremos el problema de seleccionar el camino mas corto, partiendo

del nodo 3 y llegando al nodo 5, para indicarle a matlab que utilice el algoritmo
Dijkstra debemos colocar la sentencia:
>>[DistanciaMin,Camino,pred]=graphshortestpath(DG,3,5,0 Method0 ,0 Dijkstra0 );
DistanciaMin = 14
Camino = 3 4 6 5
pred = 4 1 0 3 6 4
Node1
5
3
11
Node2
6
4
11
Node6
9 17
4
Node4 4
4 11 5
7 9
6
Node3 Node5
Fig. 2
5. Para mostrar la solucin grcamente podemos recurrir a algunas funciones del

objeto "digrafo"de matlab, que nos permiten pintar el camino mas corto entre
el nodo 3 y el nodo 5, a continuacin mostraremos la rutina (la variable que se
utiliza es Camino).
>> set(h.Nodes(Camino),Color,[1 0.4 0.4]);
>> edges = getedgesbynodeid(h,get(h.Nodes(Camino),ID));
>> set(edges,LineColor,[1 0 0]);
>> set(edges,LineWidth,1.5);
La solucin grca generada por la rutina anterior se muestra a continuacin:
Node 1
5
3
11
Node 2
6
7
11
Node 6
9 17
4
Node 4 4
5
4 11
7 9
6
Node 3 Node 5
Parte II
Programacin No Lineal
90
Captulo 7
Condiciones de Opimalidad
7.1. Sin Restricciones

Ejercicio 51 Encuentre los puntos crticos de f (x1 ; x2 ) = x21 x22 y analice si es un
mximo o un mnimo:
P
n
Ejercicio 52 Encuentre los puntos crticos de f (x) = x4i y analice si los puntos
i=1
obtenidos cumplen condiciones para mximo o mnimo.
Ejercicio 53 Consideremos la funcin f : R2 ! R dada por
2 5 3
f (x) = xT x + xT + 7:
1 1 4
a) Encuentre la derivada direccional de f en (0; 1) en la direccin (1; 0).
b) Encontrar todos los puntos que satisfacen las CN1O para (m n f (x) ; x 2 R2 ). f
tiene un mnimo? Si tiene, encuntrelos todos; en caso contrario explicar por qu
no existen.
Ejercicio 54 Considere la funcin:
f (x1 ; x2 ) = x41 + 2x31 + 2x21 2x1 x2 + x22
a) Halle todos los puntos estacionarios de f resolviendo el sistema rf = 0:
b) Determine cules de los puntos estacionarios de f son de mnimo local, de mximo

local y de ensilladura, utilizando las condiciones sucientes de segundo orden.
Solucin.
91
92 CAPTULO 7. CONDICIONES DE OPIMALIDAD
1.
a) Tenemos:
@
f (x1 ; x2 ) = 4x31 + 6x21 + 4x1 2x2 ;
@x1
@
f (x1 ; x2 ) = 2x2 2x1
@x2
@
(a) : @x1
f (x1 ; x2 ) = 4x31 + 6x21 + 4x1 2x2 = 0
rf (x; y) = 0 () @
(b) : @x2
f (x1 ; x2 ) = 2x2 2x1 = 0
de (b) ; se tiene x1 = x2 , luego reemplazando en (b):
4x31 + 6x21 + 2x1 0 =) x1 = 0 o 4x21 + 6x1 + 2 = 0

=
1
=) x1 = 0; 1 o :
2
1 1
Tenemos 3 puntos crticos: (0; 0) ; ( 1; 1) y 2
; 2
:
b) La matriz hesiana es:
12x21 + 12x1 + 4 2
H (x1 ; x2 ) = r2 f (x1 ; x2 ) = ;
2 2
luego
4 2
H (0; 0) = H ( 1; 1) =
2 2
=) det H1 (0; 0) = 4; det H2 (0; 0) = 4
1 1 1 2
H ; =
2 2 2 2
1 1 1 1
=) det H1 ; = 1; det H2 ; = 1
2 2 2 2
1 1
Concluimos que los puntos (0; 0)y ( 1; 1) son puntos de mnimos y 2
; 2
es un punto de silla.
Ejercicio 55 Considere el siguiente problema irrestricto:
optf (x) = 2x21 x1 x2 + x22 3x1 + e2x1 +x2

7.1. SIN RESTRICCIONES 93
1. Encuentre los puntos crticos del problema anterior.

2. Pruebe condiciones necesarias o sucientes en los puntos encontrados y diga cules
son mximos o mnimos.
3. El punto (0; 0)T es una solucin optimal?. Si no, identica una direccin d en
que la funcin puede decrecer ms.
Ejercicio 56 Supongamos que c es el costo unitario por orden, co el costo por sobre
stock y cu el costo por quiebres de stock, luego el costo total es:
(x; D) = cx + c0 (x D)+ + cu (D x)+
donde D es la demanda aleatoria del producto cuya funcin de distribucin la denotamos
por F . As se requiere encontrar el pedido ptimo x que minimice los costos:
m n (x; D)
x 0
No obstante, minimizamos el problema determinstico siguiente:

m n (x) := ED [ (x; D)]
x 0
Z x Z 1
(x) = cx + co (x y) f (y) dy + cu (y x) f (y) dy:
0 x
Recordamos la Regla de Leibniz:
d
R g(x) R g(x) d
dx y0
(x; y) dy = (x; g (x)) g 0 (x) + y0 dx
(x; y) dy
Usando la regla de Leibniz, obtenemos:

Z x Z 1
d (x)
= c + cu f (y) dy co f (y) dy
dx 0 x
= c + co P (D < x) cu P (D x)
= c + co P (D < x) cu (1 P (D < x))
= c + co F (x) cu + cu F (x)
x es un punto de mnimo para m nx 0 ED [ (x; D)], entonces satisface:
d (x ) c0 c
= 0 , P (D < x ) = .
dx co + cu
Luego el punto de ptimo viene dado por:
1 c0 c
x =F .
co + cu
Este punto es de ptimo porque
d2 (x )
= (c0 + cu ) f (x ) > 0;
dx2
por lo que se satisfacen condiciones sucientes de segundo orden.
Ejercicio 57 Considere la familia de funciones siguiente, dependiente del parmetro

2 R:
1
f (x) = (x21 + x22 + x23 ) x1 x2 + (1 )x2 x3 + x3
2
1. Determine todos los vectores X( )t = (x( ); y( )) con 6= 0 que satisfacen
condiciones necesarias de 1er. orden.
2. Determine para cules valores de 6= 0, los vectores hallados en a) son mximos

o mnimos locales de f .
3. Realice una iteracin del mtodo de Newton modicado con BLE a partir del
punto xt0 = (0; 1; 0) considerando = 0.
Ejercicio 58 Encuentre los puntos crticos del problema

3 2
opt f (x1 ; x2 ) = x + x22 + (1 + a) x1 x2 (x1 + x2 ) + bx2 ;
2 1
en funcin de los parmetros a, b y determine qu condiciones deben cumplir para que
los puntos encontrados sean mnimos o mximos.
Ejercicio 59 Considere la familia de funciones siguientes, dependiente del parmetro

2 R:
f (x; y) = 2x3 + y 3 + 6xy
1. Determine todos los vectores X ( ) = (x ( ) ; y ( ))T que satisfacen condiciones

necesarias de 1er. orden.
2. Para qu valores del parmetro los vectores X ( ) son mximos y para cules
son mnimos?
Solucin. El gradiente y la matriz hessiana de la funcin objetivo son:
6x2 + 6y 12x 6
rf (x; y) = ; r2 f (x; y) =
3 y 2 + 6x 6 6 y
a) Los puntos crticos salen de
6x2 + 6y 0 y= x2
= ()
3 y 2 + 6x 0 x= 2
y2
Reemplazando segunda ecuacin en la primera se llega a:

2
2 2 4 2 3
y= y () 4y + y = 0 () y 4 + y =0
2
Para el caso = 0, el punto es (0; 0). Para 6= 0, obtenemos

s s !2 r
4 4 2
=) y ( ) = 3 2 =) x ( ) = 3
2 =
2
r s !T
2 4
)X( )= 3
; 3
2
b) Para el punto (0; 0), la matriz hessiana es:
0 6
r2 f (0; 0) =
6 0
que es indenida, puesto que H1 = 0 y H2 = 6, y luego este punto es punto de

silla. Para 6= 0 la matriz hessiana es:
0 q 1
3 2
12 6
2
r f (X ( )) = @ q A
4
6 6 3
2
Luego
r
3
2
H1 = 12
r s ! s
3
2 3
4 3
8
H2 = 12 6 2 36 = 72 3 36 = 108
Por lo tanto el nico menor principal que cambia de signo segn es H1 , y se

tiene que
< 0 si > 0
H1 =
> 0 si < 0
Conclusin, X ( ) es mximo local si > 0 y mnimo local si < 0.
Ejercicio 60 Consideremos la funcin cuadrtica f : Rn ! R dada por

1
f (x) = xT Qx xT q
2
donde Q = QT 0: Mostrar que x es un mnimo ssi x satisface las CN1O.
Ejercicio 61 En estadstica se emplea mucho un tipo especial de estimador, conocido

como estimador de mxima verosimilitud el cul se obtiene razonando de la siguiente
forma. Sea f (x1 ; x2 ; :::; xn j ) la funcin de masa de probabilidad conjunta de las vari-
ables aleatorias X1 ; X2 ; :::; Xn cuando estas son variables aleatorias discretas, y sea sta
su funcin de densidad de probabilidad conjunta cuando stas son variables aleatorias
continuas conjuntas. Ya que suponemos que 2 Rk no se conoce, tambin escribimos
f como una funcin de . Como f (x1 ; x2 ; :::; xn j ) representa la posibilidad de que se
observen los valores x1 ; x2 ; :::; xn , cuando es el verdadero valor del parmetro, un es-
timador razonable de parece ser aquel valor para que da la mayor probabilidad de los
valores observados, es decir, es estimador de mxima verosimilitud ^ es por denicin
el valor de que maximiza f (x1 ; x2 ; :::; xn j ) donde x1 ; x2 ; :::; xn son los valores obver-
vados(datos, no incgnitas, en este caso, las incognitas a determinar son 1 ; 2 ; :::; k ).
En resumen, para encontrar ^ se debe resolver el problema de optimizacin irrestric-
to:
max f (x1 ; x2 ; :::; xn j ) .
2Rk
Una ltima nota es que si X1 ; X2 ; :::; Xn es una muestra aleatoria, entonces las Xi
son iid, as
f (x1 ; x2 ; :::; xn j ) = f (x1 j ) f (x2 j ) f (xn j ) .
a) Pruebe que max 2Rk f (x1 ; x2 ; :::; xn j ) se alcanza en el mismo punto ^ que en el
problema max 2Rk ln f (x1 ; x2 ; :::; xn j ).
b) Encuentre el estimador de mxima verosimilitud en una poblacin que se dis-

tribuye exponencialmente, es decir, se va a tener que
Xi exp ( ) ; 8i = 1; :::; n
y pruebe que se cumplen condiciones sucientes de segundo orden para mximo

en el punto.
c) Suponga que se realizan n ensayos independientes, cada uno con probabilidad p de

xito. Cul es el estimador de mxima verosimilitud de p?. Pruebe condiciones
sucientes para armar que el estimador que obtuvo es realmente un mximo.
d) Encuentre el estimador de mxima verosimilitud para y en una poblacin

que se distribuye normal. Recuerde que una variable aleatoria que se distribuye
normal, tiene distribucin:
1 1
(x ) .
2
f (x) = p e 2
2
Notar que en este caso = ( ; ) 2 R2 .
Solucin. Demos respuesta a d). En efecto, como en la nota, si X1 ; X2 ; :::; Xn es una

muestra aleatoria, entonces las Xi son iid, y as
f (x1 ; x2 ; :::; xn j ) = f (x1 j ) f (x2 j ) f (xn j ) .
donde para nuestro caso, = ( ; ) 2 R2 . Adems, como cada Xi N ( ; ) se tiene

que:
1 1
( xi )
2
f (xi j ( ; )) = p e 2
2
f (x1 ; x2 ; :::; xn j ) = f (x1 j ) f (x2 j ) f (xn j )

Yn
1 1 xi 2
= p e 2( )
i=1
2
g ( ) := ln f (x1 ; x2 ; :::; xn j )
X
n
1 2
g( ) = ln p e
1
2 ( xi )
i=1
2
!
Xn
1 xi
2 p
= ln 2
i=1
2
1X
n 2
xi p
) g( ) = n ln 2
2 i=1
Busquemos los puntos que satisfacen las CN1O, es decir, los puntos tales que
0 1
@g (^)
0
rg ^ = @ @g@ ^ A =
() 0
@
@g ( ) X
n
xi ^ 1X
n
) = =0)^= xi
@ =^ i=1
^ n i=1
!1=2
@g ( ) X
n
(xi ^ )2 n 1X
n
) = =0)^= (xi ^ )2
@ =^ i=1
^3 ^ n i=1
En conclusin, los estimadores de mxima verosimilitud, son
1X
n
^= xi (media muestral)
n i=1
!1=2
1X
n
^= (xi ^ )2 (desviacin estandar muestral)
n i=1
Probemos ahora, que efectivamente son mximos para max 2R2 g ( ), para ello probemos
que (^ ; ^ ) satisface CN2O. En efecto,
1 X
n
@2g ( ) n @g ( )
= ; = (xi )
@ 2 @ @ 2
i=1
@g ( ) 1 X
n
@2g ( ) 3 X
n
n
= 2
(xi ); = 4 (xi )2 +
@ @ i=1
@ 2 i=1
2
0 P
n 1
n 1
2 (xi )
B C
r2 g ( ) = @ P
n P
n
i=1
A
1
2 (xi ) 3
4 (xi )2 + n
2
i=1 i=1
y reemplazando en ^ = (^ ; ^ ) la matriz hessiana anterior, queda (por qu?):

0 Pn 1
n 1
^ ^2
(x i ^ )
B C
r2 g ^ = @ P
n P
n
i=1
A
1 3 2 n
^2
(x i ^ ) ^4
(x i ^ ) + ^2
i=1 i=1
n
^
0
= 2n
0 ^2
y claramente r2 g ^ 0 (por qu?), y por tanto ^ es un mximo local el proble-

ma(porque cumple CS2O).
Como slo existe un punto que satisface CN1O, este punto es adems un mximo
global.
Ejercicio 62 Suponga que usted conoce que la cantidad de individuos que entraron en
un da cualquier a un supermercado se distribuye Poisson a tasa , es decir,
n
e
P (X = n) = ; n = 0; 1; 2; :::
n!
7.2. CON RESTRICCIONES DE IGUALDAD 99
A usted le encargan estimar el parmetro para hacer inferencia del futuro. Para
ello usted toma una muestra iid fx1 ; x2 ; :::; xK g.
a) Utilice el mtodo de mxima verosimilitud para encontrar ^ en funcin de la
muestra.
b) Pruebe que el estimador obtenido en a) es efectivamente el mximo de la funcin
de verosimilitud. Utilice condiciones sucientes de segundo orden.
Ejercicio 63 Otra aplicacin en estadstica es para ajustar una curva lineal o polino-
mial a un conjunto de datos extraidos de una poblacin.
Suponga que se van a observar las respuestas Yi que corresponden a los valores de
entrada xi , i = 1; :::; n; y que se van a usar para estimar y en un modelos de
regresin lineal simple, es decir se quiere ajustar una curva de la forma y = + x
al conjunto de datos (x1 ; y1 ) ; (x2 ; y2 ) ; :::; (xn ; yn ). Para determinar los valores de y
razonamos como sigue: Si ^ y ^ son los estimadores de y , entonces el estimador de
la respuesta correspondiente a la variable de entrada xi ser ^ + ^ xi . Como la verdadera
2
respuesta es Yi , el cuadrado de la diferencia es Yi ^ ^ xi , y de esta manera si ^
y ^ son los estimadores de y respectivamente, entonces la suma de los cuadrados
de las diferencias entre los valores de la respuesta estimada y de la respuesta verdadera,
llammosle SS, est dada por
X
n
2
SS = Yi ^ ^ xi :
i=1
El mtodo de mnimos cuadrados escoge como estimadores de y a los valores ^

y que minimizan SS. Por tanto ^ y ^ son soluciones del problema de optimizacin
^
irrestricto
Xn
m n 2 SS = (Yi xi )2 .
( ; )2R
i=1
a) Encuentre los estimadores ^ y ^ que minimizan SS usando las CN1O.

b) Pruebe CNSO o CS2O en los puntos encontrados en a). Puede probar que en
realidad lo que se obtiene es un mnimo global?
7.2. Con Restricciones de Igualdad

Ejercicio 64 Encuentre en forma grca los mximos y mnimos del problema
m n g (x; y) = x2 + y 2
s:a : x+y =1
y resuelvalo si es posible, en trminos de una variable.
Ejercicio 65 Encuentre en forma grca los mximos y mnimos del problema
optimizar f (x; y) = x + y
s:a : x2 + y 2 = 1
y resuelvalo si es posible, en trminos de una variable.
Ejercicio 66 Dado el Problema de Programacin no lineal

0 1
m n f (x1 ; x2 ; x3 ) = 2ax21 + x2 x3 + bx23
@ ax1 x2 = a A
2
x1 x3 = a b
con a; b 2 R; a 6= 0. Determine los valores de los parmetros a; b de tal forma que el

punto xt = (1; a; a) cumpla condiciones necesarias y sucientes para mnimo local.
Ejercicio 67 Encuentre todos los puntos crticos del siguiente problema y compruebe
por medio de las condiciones sucientes de segundo orden, si es un mximo o un mnimo.
Optimizar f (x; y; z) = xyz

s:a : x+y+z =1
Solucin. Despejamos x = 1 y z y reemplazamos en la funcin objetivo, con lo que

nos queda un problema sin restricciones, en dos variables:
opt g (y; z) = (1 y z) yz = yz y2z yz 2
@g (y; z)
= z 2yz z2 = 0
@y
@g (y; z)
= y y2 2yz = 0
@z
Aqu salen 4 puntos crticos: (0; 0) ; (1; 0) ; (0; 1) y (1=3; 1=3) : El jacobiano de la funcin
objetivo es el siguiente:
2z 1 2y 2z
H (y; z) = r2 g (y; z) = ;
1 2y 2z 2y
7.2. CON RESTRICCIONES DE IGUALDAD 101
Evaluando los puntos y calculando los menores principales de c:
0 1
H (0; 0) = ; det H1 (0; 0) = 0; det H2 (0; 0) = 1
1 0
0 1
H (1; 0) = ; det H1 (1; 0) = 0; det H2 (1; 0) = 1
1 2
2 1
H (0; 1) = ; det H1 (0; 1) = 2; det H2 (0; 1) = 1
1 0
1 1 2 1 1 1 2 1 1 1
H ; = 3 3 ; det H1 ; = ; det H2 ; =
1 2
3 3 3 3 3 3 3 3 3 3
De aqu sale que (0; 0) ; (1; 0) ; (0; 1) son puntos de ensilladura y (1=3; 1=3) es un mximo,
puesto que H 31 ; 13 es denida negativa.
Ejercicio 68 Considere el siguiente problema:

0 1
m n f (x; y; z) = x2 y + 3z 6y + 3x
@ s:a : h (x; y; z) = y x2 1 = 0 A
h2 (x; y; z) = x y + z 1 = 0
1. Compruebe que los puntos P1 = (1; 2; 2) y P2 = (0; 1; 2) satisfacen condiciones

necesarias de primer orden.
2. Cul de estos puntos es mximo o mnimo del problema?.
Ejercicio 69 Dado el programa:
m n o max f (x; y) = ax2 + bxy ax 2by 5x

s:a : x=y
con a y b 2 R. Determinar:
a) Las condiciones que deben cumplir los parmetros a y b para que el punto (1; 1)
sea el punto critico del programa.
b) Las condiciones que deben cumplir los parmetros a y b para que en el punto
(1; 1) halla un mximo local estricto del programa.
c) Anlogo a a) pero para un mnimo estricto.

Ejercicio 70 Considere el siguiente problema de optimizacin no lineal:

0 1
opt x1 + x22 + x2 x3 + 2x23
@ s:a : A
1 2 2 2 1
2
(x1 + x2 + x3 ) = 2
a) Pruebe que el punto x1 = 1; x2 = x3 = 0 satisface condiciones necesarias de
optimalidad de primer orden.
b) Use condiciones sucientes de segundo orden para decidir si el punto es un mnimo
o mximo local.
Ejercicio 71 Dado el programa:

p
optimizar f (x; y) = 55x + 12y x
s:a : x2 + 3y = a
con a 2 R y sabiendo que (4; y0 ) es un punto crtico del mismo:
a) Calcular los valores de a y de y0 :
b) Determinar si el punto crtico obtenido en el apartado anterior es mximo, mnimo
o punto de silla.
7.3. Con Restricciones de Desigualdad

Ejercicio 72 Condidere el siguiente problema de optimizacin:
0 1
max ln (x1 + 1) + x2
@ s:a : 2x1 + x2 3 A
x 1 ; x2 0
a) Analice si puede existir un punto factible no regular.
b) Escriba las condiciones de KKT para obtener un punto estacionario del La-
grangeano.
c) Use condiciones sucientes de segundo orden para analizar si el punto obtenido
en b) es o no mximo local.

0 1
m n f (x) = x21 + 2 (x2 + 2)2
@ s:a : x21 + x2 1 A
x21 x2 1
7.3. CON RESTRICCIONES DE DESIGUALDAD 103
a) Encuentre todos los puntos que satisfacen condiciones necesarias de 1er orden
para mnimo local.
b) Usando condiciones Sucientes de 2do orden, pruebe que el o los puntos obtenidos
en a) son mnimos locales.
Solucin. a) La funcin de Lagrange para este problema es:
L (x; ) = x21 + 2 (x2 + 2)2 + 1 x21 + x2 1 + 2 x21 x2 1
Las condiciones de KKT para este problema son:
@
L (x; ) = 2x1 + 2 1 x1 + 2 2 x2 = 0
@x1
@
L (x; ) = 2 (x2 + 2) + 1 2 =0
@x2
@
L (x; ) = x21 + x2 1 0
@ 1
@
L (x; ) = x21 x2 1 0
@ 1
1 x21 + x2 1 = 0
2 x21 x2 1 = 0
De la primera igualdad se tiene que:
2x1 (1 + 1 + 2) = 0; =) x1 = 0
1 2 = 2 (x1 + x2 )
Analizando los posibles valores de 1 y 2 :
J (x) = ? : 1 = 2 = 0, y se tiene x = (0; 2) y este punto no cumple la segunda

restriccin, y por ende no es punto crtico.
J (x) = f1g : 1 > 0; 2 = 0, x21 + x2 1 = 0 y as se obtiene el punto x = (0; 1)

con multiplicadores 1 = 6; 2 = 0 y por lo tanto es punto crtico.
J (x) = f2g : 1 = 0; 2 > 0; puesto que x1 = 0, x2 = 1y 2 = 2 y no sirve

para mnimo.
J (x) = f1; 2g : No existe solucin.

Conclusin el nico punto estacionario del Lagrangeano es (x; ) = (0; 1; 6; 0) :

b) La matriz hessiana del Lagrangeano es:
2+2 +2 0
r2 L (x1 ; x2 ; 1; 2) = 1 2
0 2
Evaluando en el punto estacionario que obtuvimos en a), tenemos
8 0
r2 L (x; ) =
0 2
Esta matriz no es denida positiva ni denida negativa en todo R2 . Por lo tanto, esta-
mos obligados a calcular el subespacio tangente (en este caso, el hiperplano tangente
apliado):
^ = fd 2 Rn : rgi (x) d = 0; i = 1; :::; p; i > 0g
M
como 1 > 0; y 2 = 0, tenemos que el hiperplano tangente ampliado es:
^ = d 2 R2 : rg1 (0; 1) d = 0
M (no se considera rg2 (0; 1) d = 0, porque 2 = 0)
= f( ; 0) : 2 Rg
8 0
( ; 0) r2 L (x; ) = ( ; 0) =8 2
> 0; 6= 0:
0 0 2 0
y as el punto satisface condiciones sucientes de segundo orden para mnimo local.

0 1
opt f (x; y) = (x + 1)2 + y 2
@ s:a : x2 + y 2 = 4 A
3x + y 2
a) Si opt = min, compruebe si se cumplen las condiciones de KKT en el punto PM =

( 2; 0)T : Determine si PM es un mnimo del problema utilizando condiciones
sucientes de segundo orden.
b) Si opt = max compruebe si se cumplen las condiciones de KKT en el punto
QM = (6=5; 8=5)T : Determine si QM es un mximo del problema utilizando
condiciones sucientes.

0 1
max x2 + y 2 + z 2 + 5x 1
@ s:a : x2 + y 2 4 A
y 2
7.3. CON RESTRICCIONES DE DESIGUALDAD 105
1. Vericar que el punto (0; 2; 0) es un mnimo global del problema.
2. Vericar que el punto no cumple con las condiciones de KKT.
3. Dar una razn por qu no las cumple.

Ejercicios Resueltos Optimizacion PDF

Cargado por

Copyright:

Formatos disponibles

Ejercicios Resueltos Optimizacion PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ejercicios Resueltos Optimizacion PDF

Cargado por

Copyright:

Formatos disponibles

Ejercicios Resueltos

Jaime Carrasco Barra

Material en Elaboracin, 19/04/2015

2. Conjuntos Convexos y Poliedros 29

El presente texto contiene ejercicios resueltos de teora de optimizacin bsica para

1.1. Solucin Grca

Cada desigualdad Ai x bi representa un semi-espacio en Rn , y la interseccin de

es slo una traslacin, segn sea el valor de k.

Ejercicio 1 Sea el siguiente problema:

Ejercicio 2 Dado el problema:

1. Encuentre el mximo y el mnimo segn corresponda.

1. Rectas: R1 : 2x1 x2 = 2; R2 : x1 + 2x2 = 8: Grcar con las tablas:

Tenemos cuatro puntos extremales:

2. Aqu se obtiene un poliedro no acotado, la funcin z1 es no acotada superiormente,

3. En este caso el gradiente de z1 tiene la misma direccin que el vector normal de

Ejercicio 4 Una compaa dispone de 9 camiones con capacidad de 4000 kilos y de

los requerimientos mnimos nutricionales a un costo mnimo, basndose en los siguientes

Ejercicio 5 Transforme a forma estandar el siguiente problema:

Solucin. Debido a que el sentido de la desigualdad de todas las restricciones son

Ejercicio 6 Transforme a forma estandar el siguiente problema:

Ejercicio 7 Transforme a forma estandar el siguiente problema:

1.2. Modelacin de problemas simples

Escriba un modelo de PL que satisfaga las restricciones del problema.

El modelo nos queda

Ejercicio 9 A una persona que quiere adelgazar se le ofrecen dos productos, A y B

a. Cuntos gramos de cada producto debe mezclar para obtener el preparado ms

Ejercicio 10 Una Empresa fabrica dos tipos de electrodomsticos, que indicaremos

x1 = Cantidad de electrodomsticos E1 a producir,

Las restricciones se escriben en la forma siguiente:

No se puede gastar ms acero del que se dispone:

20x1 + 30x2 2600;

No se pueden emplear ms de 98 horas en las mquinas M1:

No se pueden emplear ms de 73 horas en las mquinas M2:

0;6x1 + 0;7x2 73;

Hay que producir al menos 26 unidades de E2 :

Hay que producir de E1 al menos tantas unidades como 3 veces lo producido de

La funcin objetivo es la diferencia entre el total de ingresos menos el costo de pagar

z = 300x1 + 400x2 50(0;8x1 + x2 ) = 260x1 + 350x2

El modelo nal queda:

1.3. Modelacin de problemas ms complejos

mat. prima contenido de F ( %) costo por Kg ($)

xj := cantidad de materia prima A (Kg), j 2 fA; B; C; Dg

Luego el modelo es:

Rendimiento/ h Costo (saco de semilla)

Plantee un modelo de programacin lineal que permita resolver el problema de deter-

Debemos determinar cuantas h. dedicar a cada cultivo: de aqu salen 4 variables:

1. xM 1 := cantidad de h de maz que se van a dedicar a la alimentacin de los

4. xF := cantidad de h que se van a dedicar al cultivo de frijoles.

5. xC1 := cantidad de h de que se van a dedicar a la crianza de cerdos con maz

6. xC2 := cantidad de h de que se van a dedicar a la crianza de cerdos con maz

xM 1 + xM 2 + xP + xF + xC1 + xC2 10;000 (ha)

2. Horas / hombre disponibles

3. La cantidad de maz xM 1 debe alcanzar para alimentar a los chanchos (xC1 ) :

La funcin objetivo se divide en 3 partes, debido a que se necesita maximizar la

a. La ganancia por las ventas (GV ):

GV = 25 5 xM 2 + 15 8 xP + 10 8 xF + 200 0;3 2 (xC1 + xC2 )

b. El costo del cultivo (materia prima) y la mantencin de los chanchos (CCM C) :

CCM C = 10 2 (xM 1 + xM 2 ) + 8 5 xP + 6 3 xF + 25 3 2 xC2

c. El costo de las horas hombre (CHH):