Ejercicio N° 1

Una empresa posee dos tipos de procesos A = torno y B 0 fresa que puede
utilizar para realizar tres tipos de piezas 1, 2 y 3. Durante cada mes, dispone de
120 horas de A y 260 horas de B. para su fabricación cada pieza requiere:
Pieza 1: 0,1 horas de A y 0,2 horas de B.
Pieza 2: 0,4 horas de A y 0,3 horas de B.
Pieza 3: 0,4 horas de B.

Siendo el beneficio unitario de cada producto 3, 4 y 5 para las piezas 1, 2 y 3

respectivamente, se desea determinar el programa a realizar durante dicho
mes, a fin de que el rendimiento obtenido sea máximo.
1) Escribe los programas PRIMAL y DUAL correspondientes.
2) Determine el programa de fabricación que hace máximo el beneficio de
la empresa.

SOLUCION

Formulación del problema PRIMAL.

Designando por x1, x2 y x3 el número de unidades a fabricar de cada una

de las piezas de los tipos 1, 2 y 3 respectivamente.

0,1 x1 + 0,4 x2 ≥ 120

0,2 x1 + 0,3 x2 + 0,4x3 ≥ 260
x1 ≥ 0
Max Z = 3 x1 + 4 x2 + 5 x3

Formulación del problema DUAL:

0,1 w1 + 0,2 w2 ≥ 3
0,4 w1 + 0,3 w2 ≥ 4
0,4 w1 ≥5
w1 ≥ 0
Min G = 120 w1 + 260 w2

Resolviendo el problema PRIMAL:

0,1 x1 + 0,4 x2 + x4 ≥ 120

0,2 x1 + 0,3 x2 + 0,4x3 + x5 ≥ 260

Max Z = 3 x1 + 4 x2 + 5 x3
 En la tabla final podemos leer directamente la solución que maximiza el
beneficio:
x1 = 1200 unidades a fabricar de tipo q.
x2 = 50 unidades a fabricar de tipo 3.
Max Z = 3850

Se obtiene un total empleo del mismo número de horas disponibles para

los procesos de torno y fresa.

Solución del problema dual

Sobre las variables del problema dual debe observarse que, w1

representa el coste por hora de torno y w2 el coste por hora de fresa.

0,1 w1 + 0,2 w2 – w3 + w4 =3
0,4 w1 + 0,3 w2 - w5 + w6 =4
0,4 w2 - w7 + w8 = 5
Min G = 120 w1 + 260w2 + Mx4 + Mx6 + Mx7

En este caso no sería practico resolver el problema dual dado que sería
necesario añadir tres variables artificiales w4, w6 y w8 para poder comenzar el
algoritmo, y el número de elementos en su tabla seria (3. 8) = 24 frente a (2. 5)
= 10 del problema primal.

No obstante, resolviendo el problema dual puede observarse como

ambos problemas alcanzan su valor óptimo en el mismo punto.

G= 3850 w1 = 5 w2 = 12,5
 Ejercicio 2. Considere el problema siguiente:
Max z= 5x1+2x2+3x3
st
x1+5x2+2x3 b1
x1-5x2-6x3 b2
xi 0 (i=1, 2, 3)
Para ciertos valores de los recursos, la solución es:

Calcule:

Los recursos.

b) Los valores de: a, b, c, d, e, c3.

Solución:
Tabla 1

Tabla 2
Por la información que nos proporciona la tabla del enunciado, sale de la base A4 y
entra A1

Identificando, tenemos:
a) b1= 30, b2- b1=10, b2= 40,
b) a= -23, b = 5, c= -10, d= -5, e= 0, c3= -3

Ejercicio 5
Considere el siguiente problema lineal

Max Z = -x1 + 3x2 – 2x3

s.a.
3x1 – x2 + 2x3 <= 7 Recurso A
-2x1 + 4x2 <= 12 Recurso B
-4x1 + 3x2 + 8x3 <= 10 Recurso C
X1>=0, x2 >=0, x3 >= 0
a. Resuelva por el método simplex y sede la solución óptima. Las
siguientes cambios b, c, d, e y f de hacen en referencia al problema
original.
 b. Supóngase que el vector de disponibilidad debe cambiarse a
10
b=( 6 ). Utilizando análisis de sensibilidad, ¿Cuál es la nueva
20
solución óptima?
c. El vector de precios se cambia a c = (2 2 1). Utilizando análisis de
sensibilidad, ¿Cuál es la nueva solución óptima?
d. El vector de coeficientes tecnológicos corresponde a la actividad x3
1
se cambia a (0). Utilizando análisis de sensibilidad, ¿Cuál es la
1
nueva solución óptima?
e. Se desean introducir actividades x7 y x8 a precios de $10 y $20
respectivamente. Los coeficientes tecnológicos asociados a cada
1 0
actividad son a7 = (1) y a8 = (1). Utilizando análisis de sensibilidad
1 2
determine el nivel óptimo de estas actividades.
f. Dos nuevas restricciones se añaden al sistema original, a saber,
x1<=2, x2<=4, utilizando análisis de sensibilidad, determine los
nuevos óptimos.

Solución:
a) Llevamos a la forma canónica.

Z+ x1 - 3x2 + 2x3 = 0
s.a.
3x1 – x2 + 2x3 + x4 =7
-2x1 + 4x2 + x5 = 12
-4x1 + 3x2 + 8x3 + x6 = 10
X1, x2, x3, x4, x5 >= 0

Iteracion 1
 Iteración 2

Iteracion 3

Solución b)
Max Z = -x1 + 3x2 – 2x3
s.a.
3x1 – x2 + 2x3 <= 7
-2x1 + 4x2 <= 12
-4x1 + 3x2 + 8x3 <= 10
X1, x2, x3 >= 0
Teniendo la solución óptima:

Z X1 X2 X3 X4 X5 X6 Z0
1 0 0 12/5 1/5 4/5 0 11
X1 0 1 0 4/5 2/5 1/10 0 4
X2 0 0 1 2/5 1/5 3/10 0 5
X6 0 0 0 10 1 -1/2 1 11
Ahora:
Max Z = -x1 + 3x2 – 2x3
s.a.
3x1 – x2 + 2x3 <= 7
-2x1 + 4x2 <= 12
-4x1 + 3x2 + 8x3 <= 10
X1, x2 >= 0
La solución del problema nuevo (PN) es:

X´b = B-1 (b+Δb)

Z = CB X´b

2/5 1/10 0 10 23/5

X´b = (1/5 3/10 0) ( 6 ) = (19/5)
1 −1/2 1 20 27

Como X´b es ≥ 0 entonces es la solución óptima del problema nuevo.

𝑋´6
Z* = CBX´b = (C1 C2 C6)(𝑋´2)
𝑋´1
23/5
Z* = (−1 3 0) (19/5) = 34/5
27

Solución c)

El vector de precios se cambia a c = (2 2 1). Utilizando análisis de

sensibilidad, ¿Cuál es la nueva solución óptima?

Max Z = -x1 + 3x2 – 2x3

s.a.
3x1 – x2 + 2x3 <= 7
-2x1 + 4x2 <= 12
-4x1 + 3x2 + 8x3 <= 10
X1, x2, x3 >= 0

Teniendo como solución óptima:

Z X1 X2 X3 X4 X5 X6 Z0
1 0 0 12/5 1/5 4/5 0 11
X1 0 1 0 4/5 2/5 1/10 0 4
X2 0 0 1 2/5 1/5 3/10 0 5
X6 0 0 0 10 1 -1/2 1 11

La solución al nuevo problema es:

Max Z = 2x1 + 2x2 + x3
s.a.
3x1 – x2 + 2x3 <= 7
-2x1 + 4x2 <= 12
-4x1 + 3x2 + 8x3 <= 10
X1, x2, x3 >= 0

C + ΔC = (−1; 3; −2; 0; 0; 0 ) + (3; −1; 3; 0; 0; 0)

Para j = 1

Z1 – (C1 + ΔC ) = Cb B-1 aj – (C1 + ΔC)

3
= (1/5 4/5 0) (−2) − 2 = −1 − 2 = −3
−4
Para j = 2

Z2 – (C2 + ΔC2 ) = Cb B-1 aj – (C2 + ΔC2)

−1
= (1/5 4/5 0) ( 4 ) − 2 = 3 − 2 = 1
3
Para j = 3

Z3 – (C3 + ΔC3 ) = Cb B-1 aj – (C3 + ΔC3)

2
2
= (1/5 4/5 0) (0) = 5 − 1 = −3/5
8

Como la solución no es óptima hacemos la 2° regla.

Solución d)

El vector de coeficientes tecnológicos corresponde a la actividad x3 se cambia

1
a (0). Utilizando análisis de sensibilidad, ¿Cuál es la nueva solución óptima?
1

Max Z = -x1 + 3x2 – 2x3

s.a.
3x1 – x2 + 2x3 <= 7
-2x1 + 4x2 <= 12
-4x1 + 3x2 + 8x3 <= 10
X1, x2, x3 >= 0 teniendo como la solución óptima.
Z X1 X2 X3 X4 X5 X6 Z0
1 0 0 12/5 1/5 4/5 0 11
X1 0 1 0 4/5 2/5 1/10 0 4
X2 0 0 1 2/5 1/5 3/10 0 5
X6 0 0 0 10 1 -1/2 1 11
El nuevo problema a resolver será.

Max Z = -x1 + 3x2 - 2x3

s.a.
3x1 – x2 + 2x3 <= 7
-2x1 + 4x2 <= 12
-4x1 + 3x2 + 8x3 <= 10
X1, x2, x3 >= 0

Como solamente cambia el vector x3, se modifica:

Z´3 – C´3 = 𝐶𝐵𝑇 B-1 a´3 – C3

1 1
(1/5 4/5 0) (0) = > 0
5
1

En consecuencia la solución óptima sigue siendo la misma.

Y la tabla óptima resulta:

Z X1 X2 X3 X4 X5 X6 Z0
1 0 0 12/5 1/5 4/5 0 11
X1 0 1 0 4/5 2/5 1/10 0 4
X2 0 0 1 2/5 1/5 3/10 0 5
X6 0 0 0 10 1 -1/2 1 11

𝑥1 4
(𝑥2) 5 𝑥1 4
𝑋
X´ = (𝑋𝐵 ) = ( 𝑥6
𝑥4 ) = (11
0) ; 𝑍 = (𝐶1 𝐶2 𝐶6) [𝑥2] = (−1 3 )
0 5]
[
𝑁
(𝑥5) 0 𝑥6 11
𝑥6 0

Entonces la solución será Z* = 11

Solución e)
Se desean introducir actividades x7 y x8 a precios de $10 y $20
Respectivamente. Los coeficientes tecnológicos asociados a cada actividad
1 0
son a7 = (1) y a8 = (1). Utilizando análisis de sensibilidad determine el nivel
1 2
óptimo de estas actividades.

El nuevo problema a resolver será:

Max Z = -x1 + 3x2 - 2x3 + 10x7 + 20x8

s.a.
3x1 – x2 + 2x3 + x7 <= 7
-2x1 + 4x2 +x7 + x8 <= 12
-4x1 + 3x2 + 8x3 +x7 + 2x8<= 10
Z7 – C7 = 𝐶𝐵𝑇 B-1 a7 – C7

1
= (1/5 4/5 0) (1) = 1
1
Z8 – C8 = 𝐶𝐵𝑇 B-1 a8 – C8

0
= (1/5 4/5 0) (1) = 4/5
2

Como Z7 – C7 y Z8 – C8 resulta ser mayor que cero entonces la tabla optima

corresponde al problema original resulta ser también óptima para el problema
nuevo.

Solución f)
Dos nuevas restricciones se añaden al sistema original, a saber, x1<=2, x2<=4,
utilizando análisis de sensibilidad, determine los nuevos óptimos.

Max Z = -x1 + 3x2 - 2x3

s.a.
3x1 – x2 + 2x3 <= 7
-2x1 + 4x2 <= 12
-4x1 + 3x2 + 8x3 <= 10
X1 <=2
X2 <= 4
X1, x2, x3 >= 0

Como se sabe la solución óptima en el problema original es x1 = 4 y x2 =5 y

viola las restricciones por ser 4 > 2, 5 > 4.

Max Z = -x1 + 3x2 - 2x3

s.a.
3x1 – x2 + 2x3 + x4 <= 7
-2x1 + 4x2 + x5 <= 12
-4x1 + 3x2 + 8x3 + x6 <= 10
X1 + x7 <=2
X2 + x8 <= 4
La nueva tabla resultara

Z X1 X2 X3 X4 X5 X6 X7 X8 Z0
1 0 0 12/5 1/5 4/5 0 0 0 11
X1 0 1 0 4/5 2/5 1/10 0 0 0 4
X2 0 0 1 2/5 1/5 3/10 0 0 0 5
X6 0 0 0 10 1 -1/2 1 0 0 11
X7 0 1 0 0 0 0 0 1 0 2
X8 0 0 1 0 0 0 0 0 1 4