24 Sanchez Hernandez Jesus Daniel 6cm8 Apuntes Segundo Parcial

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 31

INSTITUTO POLITECNICO NACIONAL

ESCUELA SUPERIOR DE

INGENIERIA Y ARQUITECTURA

UNIDAD ZACATENCO

ACADEMIA DE SISTEMAS

MATERIA:

INGENIERÍA DE SISTEMAS I

GRUPO: 6CM9

APUNTES SEGUNDO PARCIAL

MAESTRO:

PEREZ REYES OBED

ALUMNO:

SANCHEZ HERNANDEZ JESUS DANIEL

FECHA DE ENTREGA:

26 DE ABRIL DEL 2022


Contenido
GRAFICO. ....................................................................................................................................................... 3
Ejercicio. .................................................................................................................................................... 3
METODO DUAL SIMPLEX. .............................................................................................................................. 8
Ejercicio. .................................................................................................................................................... 8
MÉTODO SIMPLEX ....................................................................................................................................... 12
EJERCICIO................................................................................................................................................. 12
METODO FASE DOBLE MAXIMIZAR ............................................................................................................. 14
EJERCICIO................................................................................................................................................. 14
MÉTODO DOBLE FASE MINIMIZAR.............................................................................................................. 18
EJERCICIO................................................................................................................................................. 18
METODO GRAN M MAXIMIZAR................................................................................................................... 23
EJERCICIO................................................................................................................................................. 23
METODO GRAN M MINIMIZAR ................................................................................................................... 26
EJERCICIO................................................................................................................................................. 26

INTRODUCCIÓN
En estos apuntes vamos a ver los tanto el procedimiento como la teoría del método
gráfico, Dual simplex, Simplex, Doble fase maximizar y minimizar, Gran M maximizar y
minimizar, Transporte maximizar y minimizar, método de esquina N-W, método costo
mínimo, aproximación de Vogel, método Russell, Circuitos dirigidos y Modi.

Cada uno de los temas y métodos con sus respectivos ejercicios tomados de los videos
proporcionados por el profesor y los apuntes tomados en clases.
GRAFICO.
Ejercicio.
Resuelva por el método gráfico (anote paso a paso el procedimiento para obtener la
solución óptima) explique el resultado:

Los costos de manejo de cuentas de tres inversiones (A,B y C) son de $100.00,


$120.00 y $170.00, respectivamente. Estas inversiones se encuentran bajo las
siguientes condiciones:

• El índice de rendimiento de cada una es de 10, 12 y 15 puntos por unidad


monetaria invertida, por lo que al determinar la cantidad a invertir se debe
obtener un puntaje total de por lo menos 1,000 puntos.
• El índice de eficiencia comercial es de 3, 1 y 2 puntos por unidad monetaria en
inversión, respectivamente, y se espera una eficiencia total de por lo menos 500
puntos.
• Es requisito de la agencia de inversiones que el importe de inversión en A más el
doble de la inversión en C sea mínimo de $250.00.

Con esta información indica las cantidades a invertir en A, B y C así como el monto total
de los costos de manejo de cuentas.

SOLUCIÓN:

En este problema lo que tenemos que hacer es minimizar, ya que tenemos que
encontrar cual es la mejor inversión para nosotros.

Entonces tenemos que:

𝑀𝑖𝑛 𝑧 = 100𝑋1 + 120𝑋2 + 170𝑋3

Y ponemos nuestras restricciones:

10𝑋1 + 12𝑋2 + 15𝑋3 ≥ 1000


3𝑋1 + 1𝑋2 + 2𝑋3 ≥ 500
1𝑋1 + 0𝑋2 + 2𝑋3 ≥ 250

Sabiendo que:

𝑋𝑖 ≥ 0

Teniendo en cuenta que en la restricción 3 no participa nuestra X2 entonces vamos a


omitirla para que nuestras nuevas restricciones queden de la siguiente manera:

10𝑋1 + 15𝑋3 ≥ 1000


3𝑋1 + 2𝑋3 ≥ 500
1𝑋1 + 2𝑋3 ≥ 250

Después de esto vamos con nuestra primera restricción:

10𝑋1 + 15𝑋3 ≥ 1000


10𝑋1 + 15𝑋3 = 1000

Teniendo en cuenta que si:

𝑋1 = 0

Entonces:

10(0) + 15𝑋3 = 1000


15𝑋3 = 1000
1000
𝑋3 =
15
𝑋3 = 66.67

Y si:

𝑋3 = 0

Entonces:

10𝑋1 + 15(0) = 1000


10𝑋1 = 1000
1000
𝑋1 =
10
𝑋1 = 100

Segunda restricción:
3𝑋1 + 2𝑋3 = 500
3𝑋1 + 2𝑋3 = 500

Si:

𝑋1 = 0
3(0) + 2𝑋3 = 500
2𝑋3 = 500
500
𝑋3 =
2
𝑋3 = 250

Si:

𝑋3 = 0
3𝑋1 + 2(0) = 500
3𝑋1 = 500
500
𝑋1 =
3
𝑋1 = 166.67

Tercera restricción:

1𝑋1 + 2𝑋3 ≥ 250


1𝑋1 + 2𝑋3 = 250

Si:

𝑋1 = 0
1(0) + 2𝑋3 = 250
2𝑋3 = 250
250
𝑋3 =
2
𝑋3 = 125

Si:

𝑋3 = 0
1𝑋1 + 2(0) = 250
1𝑋1 = 250
𝑋1 = 250

Teniendo esto se hace el gráfico.

300

250

200

R1
150
R2
R3
100

50

0
0 50 100 150 200 250 300

Como todos eran mayor que entonces las líneas van hacia afuera.

Y hacemos nuestro polígono solución:

300

250

200

R1
150
R2
R3
100

50

0
0 50 100 150 200 250 300

Vemos que nuestro polígono solución tiene un punto entre la restricción 2 y 3, entonces:
3𝑋1 + 2𝑋3 = 500
1𝑋1 + 2𝑋3 = 250

Se cambia uno de signo:

3𝑋1 + 2𝑋3 = 500


−1𝑋1 − 2𝑋3 = 250

Esto es igual a:

2𝑋1 = 250
𝑋1 = 125

Se sustituye:

1(125) + 2𝑋3 = 250


2𝑋3 = 250 − 125
2𝑋3 = 125
125
𝑋3 =
2
𝑋3 = 62.5

Después de tener todos nuestros puntos haremos nuestra solución óptima.

X1 X3 z = + 100 ( X1 ) + 120 ( X2 ) + 170 ( X3 ) Min z=


300 0 z = + 100 ( 300 ) + 120 ( 0 ) + 170 ( 0 ) 30000
250 0 z = + 100 ( 250 ) + 120 ( 0 ) + 170 ( 0 ) 25000
125 62.5 z = + 100 ( 125 ) + 120 ( 0 ) + 170 ( 62.5 ) 23125
0 250 z = + 100 ( 0 ) + 120 ( 0 ) + 170 ( 250 ) 42500
0 300 z = + 100 ( 0 ) + 120 ( 0 ) + 170 ( 300 ) 51000

Entonces tenemos que nuestra solución optima es de:

𝑀𝑖𝑛 𝑧 = 23125

𝑋1 = 125

𝑋2 = 0

𝑋3 = 62.5
METODO DUAL SIMPLEX.
Ejercicio.
Resuelva por el método gráfico (anote paso a paso el procedimiento para obtener la
solución óptima) explique el resultado:

Los costos de manejo de cuentas de tres inversiones (A,B y C) son de $100.00,


$120.00 y $170.00, respectivamente. Estas inversiones se encuentran bajo las
siguientes condiciones:

• El índice de rendimiento de cada una es de 10, 12 y 15 puntos por unidad


monetaria invertida, por lo que al determinar la cantidad a invertir se debe
obtener un puntaje total de por lo menos 1,000 puntos.
• El índice de eficiencia comercial es de 3, 1 y 2 puntos por unidad monetaria en
inversión, respectivamente, y se espera una eficiencia total de por lo menos 500
puntos.
• Es requisito de la agencia de inversiones que el importe de inversión en A más el
doble de la inversión en C sea mínimo de $250.00.

Con esta información indica las cantidades a invertir en A, B y C así como el monto total
de los costos de manejo de cuentas.

SOLUCIÓN:

En este método analítico se van a presentar las tres variables y lo primero que se tiene
que encontrar es la dualidad del modelo general.

Entonces ahora en vez de minimizar, vamos a maximizar, y los datos se rotaran a 90


grados en el sentido de las manecillas del reloj, se cambia el operador de igual o mayo
que por menor que.

𝑀𝑖𝑛 𝑧 = 100𝑋1 + 120𝑋2 + 170𝑋3


10𝑋1 + 12𝑋2 + 15𝑋3 ≥ 1000
3𝑋1 + 1𝑋2 + 2𝑋3 ≥ 500
1𝑋1 + 0𝑋2 + 2𝑋3 ≥ 250

Ahora será el modelo de programación dual:


𝑀𝑎𝑥 𝑧 = 1000𝑌1 + 500𝑌2 + 250𝑌3
10𝑌1 + 3𝑌2 + 1𝑌3 ≤ 100
12𝑌1 + 1𝑌2 + 0𝑌3 ≤ 120
15𝑌1 + 2𝑌2 + 2𝑌3 ≤ 170

Recordando que:

𝑌𝑖 ≥ 0

Ahora nos dice el simplex que para cada restricción una variable.

Entonces quedaría:

𝑀𝑎𝑥 𝑧 = 1000𝑌1 + 500𝑌2 + 250𝑌3 + 0𝑌4 + 0𝑌5 + 0𝑌6


10𝑌1 + 3𝑌2 + 1𝑌3 + 1𝑌4 = 100
12𝑌1 + 1𝑌2 + 0𝑌3 + 1𝑌5 = 120
15𝑌1 + 2𝑌2 + 2𝑌3 + 1𝑌6 = 170

𝑌𝑖 ≥ 0

Se integran a la función objetivo con el valor de cero para no alterar la función objetivo.

Ahora se hace la tabla simplex la cual es la siguiente:

Sabiendo lo siguiente:

• Cj= Costos.
• Θ= Penalizaciones (B-/Valor de la variable que va a salir)
• V.b= Variables básicas.
• B- = Vector solución.

Cj = 1000 500 250 0 0 0


θ v.b b- Y1 Y2 Y3 Y4 Y5 Y6
10 Y4 100 10 3 1 1 0 0 R1
10 Y5 120 12 1 0 0 1 0 R2
11.33 Y6 170 15 2 2 0 0 1 R3
Zj-Cj Zj= 0 -1000 -500 -250 0 0 0 R4
Teniendo esto encontramos el valor mas bajo de todos de Zj: el cual da el -1000 que es
Y1 y la variable que va a salir es la Y4:
Cj = 1000 500 250 0 0 0
θ v.b b- Y1 Y2 Y3 Y4 Y5 Y6
10 Y4 100 10 3 1 1 0 0 R1
10 Y5 120 12 1 0 0 1 0 R2
11.33 Y6 170 15 2 2 0 0 1 R3
Zj-Cj Zj= 0 -1000 -500 -250 0 0 0 R4

Y después tomamos el menor de las penalizaciones.

Los valores tienen que ser 1, 0 y 0.


Entonces tenemos que hacer operaciones para poder llegar a ese valor, recordando
que tenemos que aplicar las operaciones a todas las restricciones para que no se altere
el resultado.

Entonces las operaciones que haremos serán:

𝑅1 = 0.1(𝑅1)

𝑅2 = −12(𝑅1) + 𝑅2

𝑅3 = −15(𝑅1) + 𝑅3

𝑅4 = 1000(𝑅1) + 𝑅4

Con estas operaciones entonces nuestra tabla queda de la siguiente manera:

Cj = 1000 500 250 0 0 0


θ v.b b- Y1 Y2 Y3 Y4 Y5 Y6
33.33 Y1 10 1 0.3 0.1 0.1 0 0 R1
0 Y5 0 0 -2.6 -1.2 -1.2 1 0 R2
-8 Y6 20 0 -2.5 0.5 -1.5 0 1 R3
Zj-Cj Zj= 10000 0 -200 -150 100 0 0 R4

Volvemos a escoger el menor valor de Zj y el menor valor de las penalizaciones,


recordando que las penalizaciones no pueden ser negativo.

Y ahora volvemos a hacer la eliminación con las siguientes operaciones.

𝑅1 = −0.3(𝑅2) + 𝑅1
𝑅2 = −0.38(𝑅2)

𝑅3 = 2.5(𝑅2) + 𝑅3

𝑅4 = 200(𝑅2) + 𝑅4

Y queda la tabla:

θ v.b b- Y1 Y2 Y3 Y4 Y5 Y6
86.67 Y1 10 1 0 -0.038 0 0.115 0 R1
0 Y2 0 0 1 0.462 0.5 -0.38 0 R2
-20.8 Y6 20 0 0 1.654 -0.3 -0.96 1 R3
Zj-Cj Zj= 10000 0 0 -57.69 192 -76.9 0 R4

𝑅1 = 8.667(𝑅1)

𝑅2 = 0.385(𝑅1) + 𝑅2

𝑅3 = 0.962(𝑅1) + 𝑅3

𝑅4 = 76.92(𝑅1) + 𝑅4

θ v.b b- Y1 Y2 Y3 Y4 Y5 Y6
-260 Y1 86.67 8.667 0 -0.333 -0.3 1 0 R1
100 Y2 33.33 3.333 1 0.333 0.3 0 0 R2
77.5 Y6 103.3 8.333 0 1.333 -0.7 0 1 R3
Zj-Cj Zj= 16667 666.7 0 -83.33 167 0 0 R4

𝑅1 = 0.333(𝑅3) + 𝑅1

𝑅2 = −0.33(𝑅3) + 𝑅2

𝑅3 = 0.75(𝑅3)

𝑅4 = 83.33(𝑅3) + 𝑅4

X1 X2 X3
θ v.b b- Y1 Y2 Y3 Y4 Y5 Y6
Y1 112.5 10.75 0 0 -0.5 1 0.25 R1
Y2 7.5 1.25 1 0 0.5 0 -0.3 R2
Y6 77.5 6.25 0 1 -0.5 0 0.75 R3
Zj-Cj Zj= 23125 1188 0 0 125 0 62.5 R4
Con esta última interacción es la que nos vamos a quedar ya que terminamos y
cumplimos con la ley de negatividad.

MÉTODO SIMPLEX
EJERCICIO
Un herrero con 80 kilogramos de acero y 120 kilogramos de aluminio quiere hacer
bicicletas de paseo y de montaña que quiere vender respectivamente a $2,000.00 y
$1,500.00 cada una para sacar el máximo beneficio. Para la de paseo empleará 1 kg de
acero y 3 kgs de aluminio y para la de montaña 2 kgs de ambos materiales. ¿Cuántas
bicicletas de paseo y de montaña venderá?

SOLUCIÓN:

Para poder resolver este ejercicio por el método simplex vamos a tener que maximizar
la función objetivo entonces vamos a hacer nuestra función objetivo y sus restricciones.

𝑀𝑎𝑥 𝑧 = 2000𝑋1 + 1500𝑋2

1𝑋1 + 2𝑋2 ≤ 80

3𝑋1 + 2𝑋2 ≤ 120

Sabiendo que:

𝑋𝑖 ≥ 0

Y que:

𝑋1 = 𝐵𝑖𝑐𝑖𝑐𝑙𝑒𝑡𝑎 𝑑𝑒 𝑝𝑎𝑠𝑒𝑜

𝑋2 = 𝐵𝑖𝑐𝑖𝑐𝑙𝑒𝑡𝑎 𝑑𝑒 𝑚𝑜𝑛𝑡𝑎ñ𝑎
Ahora hacemos el M.D.P.L estándar sabiendo que los signos de menor o igual que
tienen una variable extra para anular el signo:

𝑀𝑎𝑥 𝑧 = 2000𝑋1 + 1500𝑋2 + 0𝑋3 + 0𝑋4

1𝑋1 + 2𝑋2 + 1𝑋3 = 80

3𝑋1 + 2𝑋2 + 1𝑋4 = 120

Sabiendo que:

𝑋𝑖 ≥ 0

Tendiendo esto haremos nuestra tabla simplex:

Cj = 2000 1500 0 0
θ v.b. b- X1 X2 X3 X4
80 X3 80 1 2 1 0 R1
40 X4 120 3 2 0 1 R2
Zj-Cj Zj= 0 -2000 -1500 0 0 R3

Teniendo nuestra tabla tomaremos el menor numero en nuestra columna de Zj-Cj el


cual es -2000 y es la variable X1, calculamos nuestras penalizaciones y nos damos
cuenta que el menor es 40 en el R2, entonces la variable X4 saldrá y X1 va a entrar,
para esto tenemos que volver 1 esa casilla y las demás 0.

Con el método de eliminación lo haremos y estas son las operaciones.

Recordando que nuestro renglón pivote es R2:

1
𝑅2 = ∗ 𝑅2
3

𝑅1 = −1(𝑅2) + 𝑅1

𝑅3 = 2000(𝑅2 = +𝑅3

Ya con estas operaciones nuestra tabla queda de la siguiente manera:

θ v.b. b- X1 X2 X3 X4
30 X3 40 0 1.333 1 -0.333 R1
60 X1 40 1 0.667 0 0.333 R2
Zj-Cj Zj= 80000 0 -166.7 0 666.7 R3
Ahora nuestro valor menor es el -166.7 y su variable es X2 y la penalización mas baja
es 30 y está en el R1 entonces X3 sale y X2 entra y haremos las siguientes
operaciones:

𝑅1 = 0.75 ∗ 𝑅1

𝑅2 = −0.67 ∗ 𝑅1 + 𝑅2

166.7 ∗ 𝑅1 + 𝑅3

Quedando nuestra ultima interacción de la siguiente manera:

θ v.b. b- X1 X2 X3 X4
X2 30 0 1 0.8 -0.25 R1
X1 20 1 0 -0.5 0.5 R2
Zj-Cj Zj= 85000 0 0 125 625 R3

Entonces nuestra solución óptima queda que:

𝑍𝑗 = 85000
𝑋1 = 20
𝑋2 = 30

METODO FASE DOBLE MAXIMIZAR


EJERCICIO
En este ejercicio partiremos de un M.P.L forma general ya establecido como lo es:

𝑀𝑎𝑥 𝑧 = 3𝑋1 + 1𝑋2

1𝑋1 + 1𝑋2 ≥ 3

2𝑋1 + 1𝑋2 ≤ 4

1𝑋1 + 1𝑋2 = 3
En este método los signos ya pueden ser diferentes, pero aún hay que checar que el
vector solución sean mayor o igual a cero.

Ahora se hará la forma estándar recordando que se anexa una variable absorbiendo el
signo y se anexan en la función objetivo con el valor de 0.

Entonces queda de la siguiente manera:

𝑀𝑎𝑥 𝑧 = 3𝑋1 + 1𝑋2 + 0𝑋3 + 0𝑋4

1𝑋1 + 1𝑋2 = 3 + 1𝑋3

2𝑋1 + 1𝑋2 = 4 − 1𝑋4

1𝑋1 + 1𝑋2 = 3

Después vamos a factorizar y queda así:

𝑀𝑎𝑥 𝑧 = 3𝑋1 + 1𝑋2 + 0𝑋3 + 0𝑋4

1𝑋1 + 1𝑋2 − 1𝑋3 = 3

2𝑋1 + 1𝑋2 + 1𝑋4 = 4

1𝑋1 + 1𝑋2 = 3

Sabiendo que Xi es mayo o igual a cero.

Ahora con estos valores haremos nuestra tabla simplex de doble fase:

Cj = 3 1 0 0
θ v.b b- X1 X2 X3 X4
3 -1 3 1 1 -1 0 R1
2 X4 4 2 1 0 1 R2
3 -1 3 1 1 0 0 R3
1era Fase -6 -2 -2 1 0 R4
2da Fase Zj-Cj 0 -3 -1 0 0 R5

Recordando que:

Cj= Costos.
Θ= penalizaciones.

v.b= variables básicas.

En la columna de las variables básicas se pone un menos uno porque hay una variable
negativa y porque hay un signo igual.
Para completar la 1era fase y teniendo estas variables negativas, se multiplicarán y
sumarán las variables básicas con las todas las demás columnas.

Despues de esto también vamos a tomar el menor numero de la 2da fase y el menor
numero de las penalizaciones.

Quedando de la siguiente manera:

Cj = 3 1 0 0
θ v.b b- X1 X2 X3 X4
3 -1 3 1 1 -1 0 R1
2 X4 4 2 1 0 1 R2
3 -1 3 1 1 0 0 R3
1era Fase -6 -2 -2 1 0 R4
2da Fase Zj-Cj 0 -3 -1 0 0 R5

Ahora hacemos las operaciones necesarias para que el valor que tenemos asignado
sea 1 y la variable X4 salga por X1.

𝑅1 = −1(𝑅2) + 𝑅1

𝑅2 = 0.5 ∗ 𝑅2

𝑅3 = −1(𝑅2) + 𝑅3

𝑅4 = 2(𝑅2) + 𝑅4

𝑅5 = 3(𝑅2) + 𝑅5

Cj = 3 1 0 0
θ v.b b- X1 X2 X3 X4
2 -1 1 0 0.5 -1 -0.5 R1
4 X1 2 1 0.5 0 0.5 R2
2 -1 1 0 0.5 0 -0.5 R3
1era Fase 0 -2 0 -1 1 1 R4
2da Fase Zj-Cj 6 0 0.5 0 1.5 R5

Aquí vamos a seguir iterando hasta que la primera fase se agote y la segunda fase
sean mayor o igual a cero, entonces tenemos que para que el 0.5 se convierta en uno
tenemos que hacer las siguientes operaciones:

𝑅1 = 2(𝑅1)

𝑅2 = −0.5(𝑅1) + 𝑅2

𝑅3 = −0.5(𝑅1) + 𝑅3

𝑅4 = 1(𝑅1) + 𝑅4

𝑅5 = −0.5(𝑅1) + 𝑅5

Cj = 3 1 0 0
θ v.b b- X1 X2 X3 X4
-1 X2 2 0 1 -2 -1 R1
1 X1 1 1 0 1 1 R2
0 -1 0 0 0 1 0 R3
1era Fase 0 0 0 0 -1 0 R4
2da Fase Zj-Cj 5 0 0 1 2 R5

Ahora:

𝑅1 = 2(𝑅3) + 𝑅1

𝑅2 = −1(𝑅3) + 𝑅2

𝑅3 = 1 ∗ 𝑅3

𝑅4 = 1(𝑅3) + 𝑅4

𝑅5 = −1(𝑅3) + 𝑅5

Cj = 3 1 0 0
θ v.b b- X1 X2 X3 X4
-1 X2 2 0 1 0 -1 R1
1 X1 1 1 0 0 1 R2
0 X3 0 0 0 1 0 R3
1era Fase 0 0 0 0 0 0 R4
2da Fase Zj-Cj 5 0 0 0 2 R5

Como vemos, ya se agoto la primera fase y en la segunda todos son mayores o iguales
a cero entonces podemos decir que:

𝑍𝑗 = 5

𝑋1 = 1

𝑋2 = 2

MÉTODO DOBLE FASE MINIMIZAR


EJERCICIO
Una empresa compra a 26 locomotoras a 3 fábricas: 9 a A, 10 a B y 7 a C.

Las locomotoras deben prestar servicio en 2 estaciones distintas; 11 de ellas en la


estación N y 15 en la S.

Los costos de traslado son por cada una indicados en la tabla en miles de pesos.

COSTOS A B C
N 6000 15000 3000
S 4000 20000 5000

Ahora hacemos una matriz para saber si esta equilibrada, y si está equilibrada.

A B C
N X1 X2 X3 11
S 9-X1 10-X2 7-X3 15
9 10 7 26

Después hacemos nuestro M.D.L estándar.

𝑀𝑖𝑛 𝑧 = 6000𝑋1 + 15000𝑋2 + 3000𝑋3 + 4000(9 − 𝑋1 ) + 20000(10 − 𝑋2 ) + 5000(7 − 𝑋3 )


1𝑋1 + 1𝑋2 + 1𝑋3 ≤ 11

1𝑋1 ≤ 9

1𝑋2 ≤ 10

1𝑋3 ≤ 7

𝑋𝑖 ≥ 0

𝑀𝑖𝑛 𝑧 = 6000𝑋1 + 15000𝑋2 + 3000𝑋3 + 3600 − 4000𝑋1 + 200000 − 20000𝑋2 + 35000


− 5000𝑋3

1𝑋1 + 1𝑋2 + 1𝑋3 = 11 − 𝑋4

1𝑋1 = 9 − 𝑋5

1𝑋2 = 10 − 𝑋6

1𝑋3 = 7 − 𝑋7

𝑋𝑖 ≥ 0

𝑀𝑖𝑛 𝑧 = 2000𝑋1 − 5000𝑋2 − 2000𝑋3 + 0𝑋4 + 0𝑋5 + 0𝑋6 + 0𝑋7 + 271000

1𝑋1 + 1𝑋2 + 1𝑋3 + 1𝑋4 = 11

1𝑋1 + 1𝑋5 = 9

1𝑋2 + 1𝑋6 = 10

1𝑋3 + 1𝑋7 = 7

𝑋𝑖 ≥ 0

Habiendo factorizado toda nuestro M.P.L forma estándar, vamos a nuestra tabla de
doble fase minimizar:

Teniendo en cuenta lo siguiente:

Cj = 2000 -5000 -2000 0 0 0 0


θ v.b. b- X1 X2 X3 X4 X5 X6 X7
11 X4 11 1 1 1 1 0 0 0 R1
#¡DIV/0! X5 9 1 0 0 0 1 0 0 R2
10 X6 10 0 1 0 0 0 1 0 R3
#¡DIV/0! X7 7 0 0 1 0 0 0 1 R4
1era Fase 0 0 0 0 0 0 0 0 R5
2da Fase -1(Zj-Cj) Zj=0 2000 -5000 -2000 0 0 0 0 R6

Recordemos que para resolver nuestra tabla la primera fase debe estar anulada y la
segunda debe tener la ley de la negatividad, ósea todos los valores deben ser mayor o
igual a cero.

Entonces encontrando el valor más bajo y la penalización mas baja vamos a aplicar las
siguientes aplicaciones para que podamos eliminar el valor de -5000.

𝑅3 = 1(𝑅3)

𝑅1 = −1(𝑅3) + 𝑅1

𝑅2 = 0(𝑅3) + 𝑅2

𝑅4 = 0(𝑅3) + 𝑅4

𝑅5 = 0(𝑅3) + 𝑅5

𝑅6 = 5000(𝑅3) + 𝑅6

Entonces nuestra tabla queda de la siguiente manera:

-
Cj = 2000 -2000 0 0 0 0
5000
θ v.b. b- X1 X2 X3 X4 X5 X6 X7
1 X4 1 1 0 1 1 0 -1 0 R1
#¡DIV/0! X5 9 1 0 0 0 1 0 0 R2
#¡DIV/0! X2 10 0 1 0 0 0 1 0 R3
7 X7 7 0 0 1 0 0 0 1 R4
1era Fase 0 0 0 0 0 0 0 0 R5
2da Fase -1(Zj-Cj) Zj=50000 2000 0 -2000 0 0 5000 0 R6

Volvemos a encontrar el valor mas bajo de la fase dos y la penalización mas baja y
ahora haremos las siguientes operaciones.

𝑅1 = 1(𝑅1)

𝑅2 = 0(𝑅1) + 𝑅2

𝑅3 = 0(𝑅1) + 𝑅3

𝑅4 = −1(𝑅1) + 𝑅4

𝑅5 = 0(𝑅1) + 𝑅5

𝑅6 = 2000(𝑅1) + 𝑅6

Y ahora nuestra tabla queda de la siguiente manera:

Cj = 2000 -5000 -2000 0 0 0 0


θ v.b. b- X1 X2 X3 X4 X5 X6 X7
X3 1 1 0 1 1 0 -1 0 R1
X5 9 1 0 0 0 1 0 0 R2
X2 10 0 1 0 0 0 1 0 R3
X7 6 -1 0 0 -1 0 1 1 R4
1era Fase 0 0 0 0 0 0 0 0 R5
2da Fase -1(Zj-Cj) Zj=52000 4000 0 0 2000 0 3000 0 R6

Entonces teniendo esto, vamos a sustituir en nuestro M.D.L forma general en la forma
simplificada los valores que nos dio la tabla los cuales son:

𝑋1 = 0

𝑋2 = 10

𝑋3 = 1

M.P.L forma general simplificada:

𝑀𝑖𝑛 𝑧 = 2000𝑋1 − 5000𝑋2 − 2000𝑋3 + 271000


1𝑋1 + 1𝑋2 + 1𝑋3 ≤ 11

1𝑋1 ≤ 9

1𝑋2 ≤ 10

1𝑋3 ≤ 7

Sustituimos:

𝑀𝑖𝑛 𝑧 = 2000(0) − 5000(10) − 2000(1) + 271000

1(0) + 1(10) + 1(1) ≤ 11

1(0) ≤ 9

1(10) ≤ 10

1(1) ≤ 7

Y viendo las restricciones ya vimos que las restricciones si cumplen entonces solo
queda que:

𝑍𝑗 = 219000

𝑋1 = 0

𝑋2 = 10

𝑋3 = 1

Y por ultimo para poder explicar lo de que cuantas locomotoras de que fabricas irán
hacia el norte o hacia el sur.

A B C
N 0 10 1 11
S 9 0 6 15
9 10 7 26
METODO GRAN M MAXIMIZAR
EJERCICIO
Partimos de un M.P.L ya dado:

𝑀𝑎𝑥 𝑧 = 3𝑋1 + 1𝑋2

1𝑋1 + 1𝑋2 ≥ 3

2𝑋1 + 1𝑋2 ≤ 4

1𝑋1 + 1𝑋2 = 3

𝑋𝑖 ≥ 0

Recordemos que vamos a anexar una variable por cada restricción para que podamos
anular los signos:

𝑀𝑎𝑥 𝑧 = 3𝑋1 + 1𝑋2 + 0𝑋3 + 0𝑋4

1𝑋1 + 1𝑋2 = 3 + 1𝑋3

2𝑋1 + 1𝑋2 = 4 − 1𝑋4

1𝑋1 + 1𝑋2 = 3

𝑋𝑖 ≥ 0

Recordamos que en la restricción 3 no se anexa nada por que es neutro.

Ahora se despejan las incógnitas:

Cuando se anexa una variable negativa o igual se anexa también una variable artificial

Entonces:

𝑀𝑎𝑥 𝑧 = 3𝑋1 + 1𝑋2 + 0𝑋3 + 0𝑋4 − 𝑀𝐴1 − 𝑀𝐴2

1𝑋1 + 1𝑋2 − 1𝑋3 + 1𝐴1 = 3

2𝑋1 + 1𝑋2 + 1𝑋4 = 4


1𝑋1 + 1𝑋2 + 1𝐴2 = 3

𝑋𝑖 ≥ 0

Las variables artificiales anexadas se pondrán en la función objetivo en NEGATIVO


cuando está maximizando y con un numero MUY GRANDE.

Ahora con nuestra tabla simplex para Gran M y establecemos a M con un valor muy
grande:

M = 100

Cj = 3 1 0 0 -100 -100
θ v.b b- X1 X2 X3 X4 A1 A2
3 -100 A1 3 1 1 -1 0 1 0 R1
2 0 X4 4 2 1 0 1 0 0 R2
3 -100 A2 3 1 1 0 0 0 1 R3
Zj= -600 -200 -200 100 0 -100 -100 R4
Zj-Cj= -203 -201 100 0 0 0 R5

Vamos a iterar para anular el -203 con las siguientes operaciones:

𝑅1 = −1(𝑅2) + 𝑅1

𝑅2 = 0.5(𝑅2)

𝑅3 = −1(𝑅2) + 𝑅3

Y queda de la siguiente manera:

Cj = 3 1 0 0 -100 -100
θ v.b b- X1 X2 X3 X4 A1 A2
2 -100 A1 1 0 0.5 -1 -0.5 1 0 R1
4 3 X1 2 1 0.5 0 0.5 0 0 R2
2 -100 A2 1 0 0.5 0 -0.5 0 1 R3
Zj= -194 3 -98.5 100 101.5 -100 -100 R4
Zj-Cj= 0 -99.5 100 101.5 0 0 R5
Y seguiremos iterando hasta que el R5 no tenga ningún valor en negativo.

𝑅1 = 2(𝑅1)

𝑅2 = −0.5(𝑅1) + 𝑅2

𝑅3 = −0.5(𝑅1) + 𝑅3

Cj = 3 1 0 0 -100 -100
θ v.b b- X1 X2 X3 X4 A1 A2
-1 1 X2 2 0 1 -2 -1 2 0 R1
1 3 X1 1 1 0 1 1 -1 0 R2
0 -100 A2 0 0 0 1 0 -1 1 R3
Zj= 5 3 1 -99 2 99 -100 R4
Zj-Cj= 0 0 -99 2 199 0 R5

𝑅1 = 2(𝑅3) + 𝑅1

𝑅2 = −1(𝑅3) + 𝑅2

𝑅3 = 1(𝑅3)

Cj = 3 1 0 0 -100 -100
θ v.b b- X1 X2 X3 X4 A1 A2
1 1 X2 2 0 1 0 -1 0 2 R1
-1 3 X1 1 1 0 0 1 0 -1 R2
0 0 X3 0 0 0 1 0 -1 1 R3
Zj= 5 3 1 0 2 0 -1 R4
Zj-Cj= 0 0 0 2 100 99 R5

Y nos queda la solución optima:

𝑍𝑗 = 5

𝑋1 = 1

𝑋2 = 2
Lo sustituimos en nuestro M.P.L forma general.

𝑀𝑎𝑥 𝑧 = 3(1) + 1(2)

1(1) + 1(2) ≥ 3

2(1) + 1(2) ≤ 4

1(1) + 1(2) = 3

𝑋𝑖 ≥ 0

Y queda que:

𝑀𝑎𝑥 𝑧 = 5

3≥3

4≤4

3=3

METODO GRAN M MINIMIZAR


EJERCICIO
Para este ejercicio partimos desde un M.P.L ya dado:

𝑀𝑖𝑛 𝑧 = 2𝑋1 + 3𝑋2

2𝑋1 + 1𝑋2 ≥ 4

−1𝑋1 + 1𝑋2 ≤ 1

𝑋𝑖 ≥ 0

Vamos a anexar las variables para anular los signos de las restricciones:

𝑀𝑖𝑛 𝑧 = 2𝑋1 + 3𝑋2 + 0𝑋3 + 0𝑋4

2𝑋1 + 1𝑋2 = 4 + 1𝑋3

−1𝑋1 + 1𝑋2 = 1 − 1𝑋4


𝑋𝑖 ≥ 0

Ahora vamos a factorizar y agregar las variables artificiales, pero ahora POSITIVAS ya
que estamos minimizando.

𝑀𝑖𝑛 𝑧 = 2𝑋1 + 3𝑋2 + 0𝑋3 + 0𝑋4 + 𝑀𝐴1

2𝑋1 + 1𝑋2 − 1𝑋3 + 1𝐴1 = 4

−1𝑋1 + 1𝑋2 + 1𝑋4 = 1

𝑋𝑖 ≥ 0

Valoraremos a la M en un valor muy grande y haremos nuestra tabla simplex para Gran
M:

M = 100

Cj = 2 3 0 0 100
θ v.b b- X1 X2 X3 X4 A1
2 100 A1 4 2 1 -1 0 1 R1
-1 0 X4 1 -1 1 0 1 0 R2
Zj= 400 200 100 -100 0 100 R3
-1*(Zj-Cj) -198 -97 100 0 0 R4

Vamos a iterar para poder convertir el valor de 2 a 1 y lo haremos con las siguientes
operaciones:

𝑅1 = 0.5(𝑅1)

𝑅2 = 1(𝑅1) + 𝑅2

Y queda de la siguiente manera:

Cj = 2 3 0 0 100
θ v.b b- X1 X2 X3 X4 A1
4 2 X1 2 1 0.5 -0.5 0 0.5 R1
2 0 X4 3 0 1.5 -0.5 1 0.5 R2
Zj= 4 2 1 -1 0 1 R3
-1*(Zj-Cj) 0 2 1 0 99 R4
Entonces tenemos que:
𝑍𝑗 = 4

𝑋1 = 2

𝑋2 = 0

Sustituimos los valores en la M.P.L forma general:

𝑀𝑖𝑛 𝑧 = 2(2) + 3(0)

2(2) + 1(0) ≥ 4

−1(2) + 1(0) ≤ 1

𝑋𝑖 ≥ 0

Queda que:

𝑀𝑖𝑛 𝑧 = 4

4≥4

−2 ≤ 1

Entonces esta bien resuelto.

METODO DE TRANSPORTE MINIMIZAR


EJERCICIO
Una empresa compra 26 locomotoras a 3 fábricas; 9 a A, 10 a B y 7 a C.

Las locomotoras deben prestar servicio en 2 estaciones distintas:

11 de ellas a la estación N y 15 en la S.

Los costos del traslado son, por cada una, los que se indican en la tabla en millones de
pesos.
Determina como se deben repartir las locomotoras para que el costo del traslado sea
mínimo.

Costos en
N S
millones de pesos
A 6 4
B 15 20
C 3 5

Los modelos de transporte deben de cumplir con algunas condiciones.

Debe tener una función objetivo donde se este minimizando donde se haría la
multiplicación de los costos y estaría sumándose:
𝑛

𝑀𝑖𝑛 𝑧 = ∑ 𝐶𝑖, 𝑗(𝑋𝑖, 𝑗)


𝑖,𝑗=1

Donde esta sujeta a con respecto a las siguientes restricciones:

𝑗=𝑛

∑ 𝑋𝑖, 𝑗 = 𝑂𝑖
𝑖=1,𝑗=1

𝑗=𝑛

∑ 𝑋𝑖, 𝑗 = 𝐷𝑖
𝑖=1,𝑗=1

𝑋𝑖, 𝑗 ≥ 0; ∀𝑖, 𝑗

Y entonces la tabla de transporte debe de contener, un costo i,j una variable i,j la oferta
variable y la demanda y debe estar balanceada.

Ci,j
Oi
Xi,j
Dj ∑Oi=∑Dj
Para este ejercicio vamos a utilizar la siguiente tabla de transporte.

Estaciones N S Oferta (Oi)


Fabricas
C1,1 C1,2
A O1
X1,1 X1,2
C2,1 C2,2
B O2
X2,1 X2,2
C3,1 C3,2
C O3
X3,3 X3,2
Demanda ∑Oi
D1 D2
(Dj)= ∑Dj

Si la ∑Oi=∑Dj de la matriz esta balanceada y se escoge cualquier mpetodo de


transporte para determinar la solución inicial básica factible.

Y si la ∑Oi=∑Dj de la matriz está desbalanceada se balancea de acuerdo a:

• Si la ∑Oi>∑Dj se anexa una demanda ficticia con demanda = ∑Oi-∑Dj y costos


de cero.

También podría gustarte