Io Ejercicios12

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
(Universidad del Perú, DECANA DE AMÉRICA)
FACULTAD DE INGENIERÍA DE SISTEMAS E INFORMÁTICA

Escuela Académico Profesional de Ingeniería de Software
PROGRAMACIÓN LINEAL
INVESTIGACIÓN DE OPERACIONES
Lucio Malásquez Ruiz
Ciudad Universitaria 2019
0
TEMARIO
1) MODELAMIENTO PPL …………………………………………………..pag2
2) MÉTODO GRÁFICO PPL………………………………………………..pag29
3) MÉTODO GRÁFICO PPL (EJERCICIOS LIBRO)…………………..pag7
4) MÉTODO SIMPLEX PPL………………………………………………..pag32
5) MÉTODO DE VARIABLES ARTIFICIALES PPL…………………..pag62
6) MÉTODO SIMPLEX 3 VARIABLES…………………………..……..pag80
7) MÉTODO DUAL SIMPLEX PPL……………………………….……..pag89
8) SOLUCIÓN CON LINDO PPL…………………………………….…..pag103
9) MÉTODO SIMPLEX (PROPIEDADES TABLA) …………………..pag126
10) MÉTODO DE TRANSPORTE PPL………………………………..pag151
MODELAMIENTO (PROGRAMACIÓN LINEAL)
1
EJEMPLO 1:
RMC posee una pequeña fábrica de pinturas para interiores y exteriores de casa para su
distribución al mayoreo. Se utilizan dos materiales básicos, A y B. La disponibilidad máxima
de A es de 60 toneladas diarias, la de B es de 80 toneladas por día. La necesidad diaria de
materia prima por tonelada de pintura para interiores y exteriores se resumen en la
siguiente tabla:
Un estudio de mercado ha establecido que la demanda diaria de pintura para interiores no

puede ser mayor que las pinturas para exteriores en más de 10 toneladas. Asimismo, el
estudio señala que la demanda máxima de pintura para interiores está limitada a 20
toneladas diarias.
El precio al mayoreo es de $3000 para la pintura de exteriores y $2000 para la de

interiores.
¿Cuánta pintura para exteriores e interiores debe producir la fábrica de pinturas RMC
todos los días para maximizar el ingreso bruto?
SOLUCIÓN:
1. Variables de decisión
X1 : Toneladas de pintura de exteriores producidas por día

X2 : Toneladas de pintura para interiores producidas por día
2. Función Objetivo: Maximizar ganancia
MAX Z = 3000 X1 + 2000 X2
3. Restricciones
X1 + 2 X2  60 //Disponibilidad Máxima de A
2 X1 + X2  80 //Disponibilidad Máxima de B
X2 - X1  10 //Diferencia de Demandas
X2  20 //Demanda Máxima de Pinturas para Interiores
2
X1 , X2  0 Condición de No negatividad
4. Solución (Método Grafico)
• X1 + 2 X2  60 //Disponibilidad Máxima de A
X1 + 2 X2 = 60 // se iguala a 0 cada variable
0 + 2 X2 = 60 // X2 = 30
X1 + 0 = 60 // X1 = 60
• 2 X1 + X2  80 //Disponibilidad Máxima de B
2 X1 + X2 = 80 // se iguala a 0 cada variable
0 + X2 = 80 // X2 = 80
2X1 + 0 = 60 // X1 = 40
• X2 - X1  10 //Diferencia de Demandas
X2 - X1 = 10 // se iguala a 0 cada variable
X1 = -10 X2 = 10 (no se considera para la solución por valores negativos)
• X2  20 //Demanda Máxima de Pinturas para Interiores

X2 = 20
3
5. Analizar la Función Objetivo
MAX Z = 3000 X1 + 2000 X2

• Para (0,20) :
X1 = 0 X2 = 20
Z = 3000 (0) + 2000 (20) Z = 40000
• Para (0,20) :
X1 = 20 X2 = 20
Z = 3000 (20) + 2000 (20) Z = 100000
• Para (33.3,13.3) :
X1 = 33.3 X2 = 13.3
Z = 3000 (33.3) + 2000 (13.3) Z = 126500 Maximo
• Para (0,40) :
X1 = 40 X2 = 0
Z = 3000 (40) + 2000 (0) Z = 120000
EJEMPLO 2:
Una empresa de transportes tiene dos tipos de camiones; los de tipo A, con un espacio
refrigerado de 20 m3 y un espacio no refrigerado de 40 m3 ; los del tipo B, con igual
cubicaje total, al 50% de refrigerado y no refrigerado. A esta empresa la contratan para el
transporte de 3000 m3 de un producto que necesita refrigeración y 4000 m3 de otro
que no la necesita. El costo por kilómetro de un camión del tipo A es de S/.30 y el B de
S/.40. ¿Cuántos camiones de cada tipo han de utilizar para que el costo total sea mínimo?
Camiones del Tipo A Camiones del Tipo B TOTAL

Refrigerado 20 30 2000
No refrigerado 40 30 4000
SOLUCIÓN:
X1 : Camiones del tipo A

X2 : Camiones del tipo B
2. Función Objetivo: Minimizar costo total
4
MIN Z = 30 X1 + 40 X2
3. Restricciones
20 X1 + 30 X2  3000
40 X1 + 30 X2  4000
Condición de No negatividad
X1 , X2  0
EJEMPLO 3:
En una granja de pollos se da una dieta, para engordar, con una composición mínima de 15
unidades de una sustancia A y otras 15 de una sustancia B. En el mercado sólo se
encuentra dos clases de compuestos: el tipo X con una composición de una unidad de A y
5 de B, y el otro tipo, Y, con una composición de cinco unidades de A y una de B. El precio
del tipo X es de 10 euros y del tipo Y es de 30 euros. ¿Qué cantidades se han de comprar
de cada tipo para cubrir las necesidades con un coste mínimo?
x y MÍNIMO
Sustancia A 1 5 15
Sustancia B 5 1 15
SOLUCIÓN:
x: Compuesto x
y: Compuesto y
MIN Z = 10x + 30y
3. Restricciones
x + 5y  15 // Disponibilidad mínima de A
5x + y  15 // Disponibilidad mínima de B
5
x, y  0
EJEMPLO 4:
Una firma industrial elabora dos productos, en los cuales entran cuatro componentes en
cada uno. Hay una determinada disponibilidad de cada componente y un beneficio por
cada producto. Se desea hallar la cantidad de cada artículo que debe fabricarse, con el fin
de maximizar los beneficios.
El siguiente cuadro resume los coeficientes de transformación o sea la cantidad de cada

componente que entra en cada producto.
Producto P1 P2 Disponibilidad.
Comp. {Kg.} {Kg.} {Kg.}
A 1 3 15000
B 2 1 10000
C 2 2 12000
D 1 1 10000
4 3
Beneficio
$/{Kg.} $/{Kg.}
SOLUCIÓN:
X1 = Nro. De Unidad de Producto P1
Dado que x1 y x2 pueden tomar distintos valores, reciben el nombre de “variables”.
2. Función Objetivo: Maximizar los beneficios
Si en 1 unidad del producto P1 entra 1 Kg del componente A, en x1 unidades de P1 entrarán:
Kg de Componente A
Unidades de P 1= [ 1unidad de P1 ]
∗ X 1∗1
Y para el producto P2:
6
Kg de Componente A
∗ X 2∗3
3. Restricción:
Dado que la restricción impuesta dice que la disponibilidad del componente A es de

15,000 Kg. es evidente que la suma de las expresiones anteriores deberá ser menor, a la
suma igual a 15,000. Es decir, 15,000 Kg. constituye el máximo disponible del componente
A.
Entonces eliminado las unidades de medida, se expresan en forma matemática de la

siguiente forma:
1X1 + 3X2 ≤ 15 000
Existen 3 tipos de solución para este problema:

 El Método Gráfico
 El Método Algebraico
 El Método Simplex
1. El Método Gráfico
7
Pasos a seguir en este método:
1° Para cada restricción, dibujar la correspondiente ecuación, y si la restricción es
una inecuación, mostrar su dirección.
2° Marcar la región factible.
3° Dibujar la función objetivo, indicando la dirección necesaria para encontrar la
solución óptima.
EJEMPLO 5:
Con 80kg de acero y 120 kg de aluminio se quieren fabricar bicicletas de montaña y de
paseo que se venderán a 200 y 150 euros, respectivamente. Para la montaña se necesitan
1kg de acero y 3kg de aluminio, mientras que para la de paseo se requieren 2kg de cada
metal. ¿Cuántas bicicletas de cada clase se deben fabricar para obtener el máximo
beneficio?
X Y MÍNIMO
Acero 1 2 80
Aluminio 3 2 120
SOLUCIÓN:
X: Bicicletas de montaña
Y: Bicicletas de aluminio
MIN Z = 200X + 150Y
3. Restricciones
X + 2Y  80 // Disponibilidad mínima de acero

3X + 2Y  120 // Disponibilidad mínima de aluminio
Condición de No Negatividad
X, Y  0
8
Trabajo 1 - Modelamiento de un Problema de
Programación Lineal
Problema 1
Se hacen pedidos a una papelera de 800 rollos de papel corrugado de 30 pulgadas de
ancho, 500 rollos de 45 pulgadas y 1000 de 50 pulgadas. La papelera tiene solo rollos de
108 pulgadas de ancho. ¿Cómo deben cortarse los rollos parar surtir el pedido con el
mínimo desperdicio de papel, sabiendo que el máximo desperdicio aceptable de papel por
rollo es de 22 pulgadas?
9
10
Problema 2 :
Un distribuidor de pollos desea vender paquetes de menudencia: cuello, pata y molleja.
Cada paquete debe estar compuesto por las tres menudencias y a lo más debe pesar 1
kilo, se desea vender un lote de 400 paquetes. Al distribuidor le cuesta la porción de cuello
S/. 80, molleja S/.75 y pata S/. 50. Además:
11
Problema 3 :
Con el comienzo del curso se va a lanzar unas ofertas de material escolar. Unos almacenes
quieren ofrecer 600 cuadernos, 500 carpetas y 400 bolígrafos para la oferta,
empaquetándolo de dos formas distintas; en el primer bloque pondrá 2 cuadernos, 1
carpeta y 2 bolígrafos; en el segundo, pondrán 3 cuadernos, 1 carpeta y 1 bolígrafo. Los
precios de cada paquete serán 6.5 y 7 €, respectivamente. ¿Cuántos paquetes le conviene
poner de cada tipo para obtener el máximo beneficio?
Solución:
Sean:
12
x = Paquete P1
y = Paquete P2
Función objetivo:
f (x , y )=6.5 x+7 y
Restricciones:
Cuadernos: 2 x +3 y ≤600
Carpeta: x+ y ≤ 500
Bolígrafo: 2 x + y ≤ 400
x≥0
y≥0
Entonces nuestro PPL es :
f ( x , y )=6.5 x+7 y
sujeto a :
2 x +3 y ≤600
x+ y ≤ 500
2 x + y ≤ 400
x , y ≥0
13
EJERCICIOS:
PROBLEMA 1: LA COMPAÑÍA REDDY MIKKS
Reddy Mikks produce pinturas para interiores y exteriores con dos materias primas, M1 y M2.
La tabla siguiente proporciona los datos básicos del problema:
Toneladas de materia prima por toneladas de Disponibilidad

diaria máxima
Pintura para exteriores Pintura para interiores (toneladas)
Materia prima, M1 6 4 24
Materia prima, M2 1 2 6
Utilidad por tonelada ($1000) 5 4
Una encuesta de mercado indica que la demanda diaria de pintura para interiores no puede
exceder la de pintura para exteriores en más de una tonelada. Asimismo, que la demanda diaria
máxima de pintura para interiores es de dos toneladas. Reddy Mikks se propone determinar la
(mejor) combinación óptima de pinturas para interiores y exteriores que maximice la utilidad
diaria total.
14
SOLUCIÓN:
Variables de Decisión:
x 1=¿ Toneladas producidas diariamente de pinturas para exteriores
x 2=¿ Toneladas producidas diariamente de pinturas para interiores
Función Objetivo:
La empresa Reddy Mikks desea maximizar su utilidad en miles de dólares, teniendo como su función
objetivo lo siguiente: Max Z=5 x 1+ 4 x 2
Restricciones:
 Disponibilidad de materia prima M1 y M2 de ambas pinturas:
6 x 1+ 4 x 2 ≤ 24
x 1+2 x 2 ≤ 6
 Límite según la encuesta de mercado:

x 2−x 1 ≤ 1
 Límite según la demanda:
x2 ≤ 2
 No negatividad:
x1 , x2 ≥ 0
Entonces nuestro PPL es:

Max Z=5 x 1+ 4 x 2
Sujeto a:
6 x 1+ 4 x 2 ≤ 24 … L1
x 1+2 x 2 ≤ 6 … L2
x 2−x 1 ≤ 1 … L3
x2 ≤ 2 …L4
x1 , x2 ≥ 0
Ahora sacaremos la región factible para poder encontrar los puntos y entre estos encontrar el punto
más óptimo que cumpla con maximizar la función objetivo:
Rectas con sus puntos tabulados:
L1: 6 x 1+ 4 x 2=24 L2: x 1+2 x 2=6
x1 x2
0 6 x1 x2
4 0 0 3
6 0 15
L3: x 2−x 1=1 L4: x 2=2
x1 x2 x1 x2
0 1 0 2
Gráfico con restricciones:
Hallando los puntos de intersección:

L4 Ω L3: L1 Ω L2:
x 2−x 1=1 , x 2=2 6 x 1+ 4 x 2=24 , x 1+ 2 x 2=6
x 1=6−2 x 2=(24−4 x 2 )÷ 6
x 2=1+ x1 =2
x2 ¿ 1.5
x 1=1
x1 ¿3
L4 Ω L2:
x 1+2 x 2=6 , x 2=2
x 2=( 6−x1 ) ÷ 2=2
x 1=2
16
Como me piden maximizar la función objetivo mi punto óptimo para que suceda esto está en el
punto E con un valor de 21.
La solución óptima es Z ¿ =21 para ( x 1 ; x 2 )=(3 ; 1.5) y tiene infinitas soluciones óptimas
alternativas.
PROBLEMA 2: BURROUGHS GARMENT COMPANY
Burroughs Garment Company fabrica camisas para caballero y blusas de dama para las tiendas
de descuento Wallmart, corporación que aceptará toda la producción surtida por Burroughs. El
proceso de producción incluye el corte, la costura y el empaque. Burroughs emplea 25
trabajadores en el departamento de corte, 35 en el de costura, y 5 en empaque. La fábrica
trabaja un turno de 8 horas, 5 días a la semana. La siguiente tabla muestra los requerimientos de
tiempo y utilidades por unidad para las dos prendas:
Minutos por unidad Utilidad
Unitaria ($)
Corte Costura Empaque
Camisas 20 70 12 8
Blusas 60 60 4 12
Determine el programa de producción semanal óptimo para Burroughs.
SOLUCIÓN:
x 1=¿ Número de camisas producidas
x 2=¿ Número de blusas producidas
Función Objetivo:
Burroughs Garment Company desea maximizar su utilidad de producción semanal, teniendo como
su función objetivo lo siguiente: Max Z=8 x 1 +12 x 2
Restricciones:
 Minutos que dura cada sección, limitado por el total de minutos de funcionamiento de la fábrica
por trabajador habido:
20 x1 +60 x 2 ≤ 25∗2400 … Sección corte
70 x1 +60 x 2 ≤ 35∗2400 …Sección costura
12 x 1 +4 x 2 ≤5∗2400 …Sección empaque
17
 No negatividad:
x1 , x2 ≥ 0
Entonces nuestro PPL es: Max Z=8 x 1 +12 x 2

Sujeto a:
20 x1 +60 x 2 ≤ 25∗2400 … L1
70 x1 +60 x 2 ≤ 35∗2400 … L2
12 x 1 +4 x 2 ≤5∗2400 … L3
x1 , x2 ≥ 0
x1 x2 L1: 20 x1 +60 x 2=25∗2400 L2:
70 x1 +60 x 2=35∗2400
0 1000 x1 x2
3000 0 0 1400
1200 0
L3: 12 x 1 +4 x 2=5∗2400
x1 x2
0 3000
1000 0
18
L1 Ω L2: L2 Ω L3:
20 x1 +60 x 2=60000, 70 x 1 +60 x 2=84000 70 x1 +60 x 2=84000 , 12 x 1 +4 x 2=12000
x 2=( 8400−7 x1 ) ÷ 6=(6000−2 x 1) ÷ 6 x 2=( 8400−7 x1 ) ÷ 6=3000−3 x 1
x 1=480 x 1=872.72
x 2=840 x 2=381.82
punto C con un valor de 13920. Este resultado dará una producción semanal óptima.
La solución óptima es
¿
Z =13920 para ( x 1 ; x 2 )=(480 ; 840) y tiene infinitas soluciones
óptimas alternativas.
PROBLEMA 3: DECISIONES SOBRE PRODUCCIÓN

Una compañía produce dos productos, A y B. Cada unidad de A requiere 2 horas en una primera
máquina y 5 horas en una segunda máquina. Cada unidad de B demanda 4 horas en la primera
máquina y 3 horas en la segunda máquina. Se dispone de 100 horas a la semana en la primera
máquina y de 110 horas en la segunda máquina. Si la compañía obtiene una utilidad de $70 por
cada unidad de A y $50 por cada unidad de B ¿Cuánto deberá de producirse de cada unidad con
objeto de maximizar la utilidad total?
Producto Hrs. Máquina 1 Hrs. Máquina 2 Utilidad
A 2 5 $ 70
B 4 3 $ 50
SOLUCIÓN:
x 1=¿ Número de productos tipo A
19
x 2=¿ Número de productos tipo B
Función Objetivo:
La compañía desea maximizar su utilidad, teniendo como su función objetivo lo siguiente:
Max Z=70 x 1+ 50 x 2
Restricciones:
 Número de horas que pueden producir cada tipo de máquina:
2 x 1 +4 x2 ≤100
5 x1 +3 x 2 ≤ 110
 No negatividad:
x1 , x2 ≥ 0
Entonces nuestro PPL es: Max Z=70 x 1+ 50 x 2

Sujeto a:
2 x 1 +4 x2 ≤100 … L1
5 x1 +3 x 2 ≤ 110 … L2
x1 , x2 ≥ 0
x1 x2 L1: 2 x 1 +4 x2 =100 L2:
5 x1 +3 x 2=110
0 25 x1 x2
50 0 0 36.7
22 0
20
L1 Ω L2:
2 x 1 +4 x2 =100 ,5 x 1+ 3 x 2=110
x 2=( 100−2 x 1 ) ÷ 4=(110−5 x 1)÷3
x 1=10
x 2=20
punto C con un valor de 320.
¿
Z =320 para ( x 1 ; x 2 )=(10 ; 20) y tiene infinitas soluciones
PROBLEMA 4: PROBLEMA DE LA DIETA
Ozark Farms consume diariamente un mínimo de 800 lb de un alimento especial, el cual es una
mezcla de maíz y soya con las siguientes composiciones:
lb por lb de forraje
Forraje Proteína Fibra Costo($/lb)

Maíz .09 .02 .30
Soya .60 .06 .90
Las necesidades dietéticas del alimento especial son un mínimo de 30% de proteína y un
máximo de 5% de fibra. El objetivo es determinar la mezcla diaria de alimento a un costo
mínimo.
x 1=¿ Número de libras de maíz de mezcla diaria
x 2=¿ Número de libras de soya de mezcla diaria
21
Función Objetivo:
Ozark Farms desea minimizar los costos de la mezcla diaria, teniendo como su función objetivo lo
siguiente: Min Z=.3 x 1+.9 x 2
Restricciones:
 Consumo diario de alimento especial:
x 1+ x 2 ≥800
 Cantidad de proteína y fibra de cada producto del alimento especial (esto se simplifica después
para poner en el PPL:
.09 x 1 +.6 x 2 ≥ .3∗(x 1+ x 2 )
.02 x 1 +.06 x 2 ≤ .05∗( x1 + x 2)
 No negatividad:
x1 , x2 ≥ 0

Min Z=.3 x 1+.9 x 2
Sujeto a:
x 1+ x 2 ≥800 … L1
.21 x 1−.3 x 2 ≤ 0 … L2
.03 x 1−.01 x 2 ≥ 0 … L3
x1 , x2 ≥ 0
más óptimo que cumpla con minimizar la función objetivo:
x1 x2 L1: x 1+ x 2=800 L2:
.21 x 1−.3 x 2=0
0 800 x1 x2
800 0 0 0
1500 1050
L3: .03 x 1−.01 x 2=0

x1 x2
0 0
500 1500
22

L1 Ω L2:
x 1+ x 2=800 , .21 x 1−.3 x 2=0
x 2=800−x 1=.7 x 1
x 1=470.59
x 2=329.41
Los puntos B y C no se consideran por estar intersectado con la recta Z que es la función objetiva.
Como me piden minimizar la función objetivo mi punto óptimo para que suceda esto está en el
punto B con un valor de 7717.64.
¿
La solución óptima es Z =7717.64 para ( x 1 ; x 2 )=(470.59 ; 329.41) y tiene infinitas
soluciones óptimas alternativas.
PROBLEMA 5: PROBLEMA DE TENSIÓN
John debe trabajar cuando menos 20 horas a la semana para complementar sus ingresos al
mismo tiempo que asiste a la escuela. Tiene la oportunidad de trabajar en dos tiendas de
menudeo, las horas se muestran en la tabla. Ambas tiendas pagan el mismo salario por hora.
Para decidir cuántas horas trabajar en cada tienda, John desea basar su decisión en la tensión
del trabajo. Basado en entrevistas con otros empleados, John estima que, en una escala del 1 al
10, los factores de tensión son 8 y 6 en las tiendas 1 y 2, respectivamente. Como la tensión
aumenta cada hora, supone que la tensión total en cada tienda al final de la semana es
proporcional a las horas que trabaja en las tiendas. ¿Cuántas horas debe trabajar John en cada
tienda?
Tiendas Horas Mínimas Horas Máximas Tensión
23
1 5 12 8
2 6 10 6
x 1=¿ Número de horas trabajadas en la tienda 1
x 2=¿ Número de horas trabajadas en la tienda 2
Función Objetivo:
Ozark Farms desea minimizar el número de horas trabajadas para disminuir la tensión por semana,
teniendo como su función objetivo lo siguiente: Min Z=8 x 1+ 6 x2
Restricciones:
 Número total de horas que se trabajan a la semana:
x 1+ x 2 ≥20
 Mínimo de horas en la tienda 1 y 2 y el máximo de horas en la tienda 1 y 2 también:
x1 ≥ 5
x 1 ≤ 12
x2 ≥ 6
x 2 ≤ 10
 No negatividad:
x1 , x2 ≥ 0

Min Z=8 x 1+ 6 x2
Sujeto a:
x 1+ x 2 ≥20 … L1
x 1 ≥ 5 … L2
Ahora sacaremos la región factible para poderxencontrar

1 ≤ 12 …losL3 puntos y entre estos encontrar el punto
más óptimo que cumpla con minimizar la función
x ≥objetivo:
6 … L4
2
x 2 ≤ 10 … L5
x1 x2 L1: x 1+ x 2=20 Ojo : Las demás rectas son igualadas como
rectas constantes
0 20
20 0
24
L1 Ω L3:
x 1+ x 2=20 , x 1=12
x 2=8
punto A con un valor de 140.
La solución óptima es Z ¿ =140 para ( x 1 ; x 2 )=(10 ; 10) y tiene infinitas soluciones
Tema: Formulación
Ejercicio 1
En una granja de chanchos se da una dieta, para engordar, con una composición mínima de 15
unidades de una sustancia A y otras 15 de una sustancia B. En el mercado sólo se encuentra dos
clases de compuestos: el tipo X con una composición de una unidad de A y 5 de B, y el otro tipo, Y,
con una composición de cinco unidades de A y una de B. El precio del tipo X es de 10 soles y del
tipo Y es de 30 soles. ¿Qué cantidades se han de comprar de cada tipo para cubrir las necesidades
con un coste mínimo?
25
1. Elección de las incógnitas.
x = compuesto X
y = compuesto Y
2. Función objetivo:
Zmínimo =f(x,y) = 10x + 30y
3. Restricciones:
X Y Mínimo
A 1 5 15
B 5 1 15
x + 5y ≥ 15
5x + y ≥ 15
x≥0
y≥0
Ejercicio 2
Se va a organizar una planta de un taller de automóviles donde van a trabajar electricistas y
mecánicos. Por necesidades del mercado, es necesario que haya mayor o igual número de
mecánicos que de electricistas y que el número de mecánicos no supere el doble que de
electricistas. En total hay disponibles 30 electricistas y 20 mecánicos.
El beneficio de la empresa por jornada es de $150 por electricistas y $120 por mecánico. ¿Cuántos
trabajadores de cada clase deben elegirse para obtener el máximo beneficio?
Variables:
X1 = número de electricistas
X2 = número de mecánicos
Restricciones:
x1, x2 ≥ 0
x1 ≤ 30 x2 ≤ 20
x2 ≥ x1 x2 ≤ 2(x1)
26
Función Objetivo:
Max Z = 150(x1) + 120(x2)
Ejercicio 3
Una compañía produce bibliotecas y escritorios para los cuales a establecido un precio de venta
por unidad de $9000 y $10000 respectivamente. Para la producción de dichos artículos, la
compañía cuenta con una disponibilidad mensual de 700 metros de madera, 800 metros de tubo y
900 pliegos de papel de lija. ¿Qué cantidad de bibliotecas y escritorios se deben fabricar
mensualmente, si se sabe que una biblioteca consume 7 metros de madera, 10 metros de tubo y 6
pliegos de papel de lija; mientras que el escritorio consume 10 metros de madera, ¿8 metros de
tubo y 15 pliegos de papel de lija?
Determinamos primero que todo, nuestras variables que son:

X1= Número de bibliotecas; X2= Número de escritorios.
Ahora, la función objetivo es:

Zmax=9000X1+10000X2
Restricciones:
· Restricción de cantidad de madera a emplear:
7X1+10X2 ≤ 700 m
· Restricción de cantidad de tubo a emplear:

10X1+8X2 ≤ 800 m
· Restricción de cantidad de papel de lija a emplear:
6X1+15X2 ≤ 900 pliegos
· Restricción de positividad:
X1, X2 ≥ 0
PLANTEAMIENTO DE PROBLEMA
Problema:
The Really Big Shoe es un fabricante de calzado deportivo para básquetbol y fútbol. El
gerente de marketing, Ed Sullivan, tiene que decidir la mejor forma de gastar los recursos
destinados a publicidad. Cada uno de los equipos de fútbol patrocinados requiere 120 pares
de zapatos. Cada equipo de básquetbol requiere 32 pares de zapatos. Los entrenadores de
fútbol reciben $300,000 por concepto de patrocinio para calzado, y los entrenadores de
básquetbol reciben $1,000,000. El presupuesto de Sullivan para promociones asciende a
$30,000,000.
27
The Really Big Shoe dispone de una provisión limitada (4 litros, o sea, 4,000 centímetros
cúbicos) de flubber, un compuesto raro y costoso que se utiliza en la fabricación del
calzado atlético de promoción. Cada par de zapatos para básquetbol requiere 3 cc de
flubber y cada par de zapatos de fútbol requiere 1 cc. Sullivan desea patrocinar el mayor
número de equipos de básquetbol y fútbol que sus recursos le permitan.
a. Formule un conjunto de ecuaciones lineales para describir la función objetivo y las
restricciones.
b. ¿Cuál es el número máximo de cada tipo de equipo que The Really Big Shoe podrá
patrocinar?
Solución:
Planteamiento:
cc = Centímetros cúbicos
x = Número de equipos de futbol a patrocinar
y = Número de equipos de básquetbol a patrocinar
Equipo de Equipo de Total

futbol básquetbol
Concepto de 300,000 1,000,000 30,000,000
patrocinio
Flubber 1cc 3cc 350
Función Objetivo:
Max Z = (x + y)
Restricciones:
 Presupuesto: 300,000x + 1,000,000y ≤ 30,000,000
 Flubber: (1*120) x + (3*32) y ≤ 4000
 No negatividad: x, y ≥ 0
28
MÉTODO GRÁFICO (PROGRAMACIÓN LINEAL)
EJEMPLO 1:
RMC posee una pequeña fábrica de pinturas para interiores y exteriores de casa para su
distribución al mayoreo. Se utilizan dos materiales básicos, A y B. La disponibilidad máxima
de A es de 60 toneladas diarias, la de B es de 80 toneladas por día. La necesidad diaria de
materia prima por tonelada de pintura para interiores y exteriores se resumen en la
siguiente tabla:
Un estudio de mercado ha establecido que la demanda diaria de pintura para interiores no

puede ser mayor que las pinturas para exteriores en más de 10 toneladas. Asimismo, el
estudio señala que la demanda máxima de pintura para interiores está limitada a 20
toneladas diarias.
El precio al mayoreo es de $3000 para la pintura de exteriores y $2000 para la de

interiores.
¿Cuánta pintura para exteriores e interiores debe producir la fábrica de pinturas RMC
todos los días para maximizar el ingreso bruto?
SOLUCIÓN:
X1 : Toneladas de pintura de exteriores producidas por día

X2 : Toneladas de pintura para interiores producidas por día
MAX Z = 3000 X1 + 2000 X2
8. Restricciones
X1 + 2 X2  60 //Disponibilidad Máxima de A
2 X1 + X2  80 //Disponibilidad Máxima de B
29
X2 - X1  10 //Diferencia de Demandas
X2  20 //Demanda Máxima de Pinturas para Interiores
• X1 + 2 X2  60 //Disponibilidad Máxima de A
X1 + 2 X2 = 60 // se iguala a 0 cada variable
0 + 2 X2 60 // X1 = 0 X2 = 30 (0,30)
X1 + 0 = 60 // X1 = 60 X2 = 0 (60,0)
• 2 X1 + X2  80 //Disponibilidad Máxima de B
2 X1 + X2 = 80 // se iguala a 0 cada variable
0 + X2 = 80 // X1 = 0 X2 = 80 (0,80)
2X1 + 0 = 80 // X1 = 40 X2 = 0 (40,0)
• X2 - X1  10 //Diferencia de Demandas
X2 - X1 = 10 // se iguala a 0 cada variable
X1 = -10 X2 = 10 (no se considera para la solución por valores negativos)
• X2  20 //Demanda Máxima de Pinturas para Interiores

X2 = 20
30
MAX Z = 3000 X1 + 2000 X2

• Para (0,20) :
X1 = 0 X2 = 20
Z = 3000 (0) + 2000 (20) Z = 40000
• Para (0,20) :
X1 = 20 X2 = 20
Z = 3000 (20) + 2000 (20) Z = 100000
• Para (33.3,13.3) :
X1 = 33.3 X2 = 13.3 X1 = 33 X2 = 13
Z = 3000 (33.3) + 2000 (13.3) Z = 126500 Maximo
• Para (0,40) :
X1 = 40 X2 = 0
Z = 3000 (40) + 2000 (0) Z = 120000
EJEMPLO 2:
Una empresa de transportes tiene dos tipos de camiones; los de tipo A, con un espacio
refrigerado de 20 m3 y un espacio no refrigerado de 40 m3 ; los del tipo B, con igual
cubicaje total, al 50% de refrigerado y no refrigerado. A esta empresa la contratan para
transportar un mínimo de 3000 m3 de un producto que necesita refrigeración y un
mínimo de 4000 m3 de otro que no la necesita. El costo por kilómetro de un camión del
tipo A es de S/.30 y el B de S/.40. ¿Cuántos camiones de cada tipo han de utilizar para que
el costo total sea mínimo?
Camiones del Tipo A Camiones del Tipo B TOTAL

Refrigerado 20 30 2000
No refrigerado 40 30 4000
SOLUCIÓN:
31
X1 : Camiones del tipo A

X2 : Camiones del tipo B
MIN Z = 30 X1 + 40 X2
6. Restricciones
20 X1 + 30 X2  3000 // Disponibilidad mínima de refrigerado

40 X1 + 30 X2  4000 // Disponibilidad mínima de no refrigerado
X1 , X2  0
 20 X1 + 30 X2  3000 // Disponibilidad mínima de refrigerado

20 X1 + 30 X2 = 3000 // se iguala a 0 cada variable
0 + 30 X2 = 3000 // X2 = 100
20X1 + 0 = 3000 // X1 = 150
 40 X1 + 30 X2  4000 // Disponibilidad mínima de no refrigerado

40 X1 + 30 X2 = 4000 // se iguala a 0 cada variable
0
+ 30X2
= 4000
// X2 =
400/3
40X1 + 0
= 4000
// X1 =
100
X2
32
X1
MIN Z = 30 X1 + 40 X2
• Para (0,400/3):
X1 = 0 , X2 = 400/3
Z = 30 (0) + 40 (400/3) Z = 5333.332
• Para (150,0):
X1 = 150 , X2 = 0
Z = 30 (150) + 40 (0) Z = 4500
• Como X1 y X2 han de ser números naturales, redondeamos el valor de X2 ,

entonces:
Para (50,67):
X1 = 50 , X2 = 67
Z = 30 (50) + 40 (67) Z = 4180 Mínimo
El costo mínimo es s/. 4180 para X1 = 50 y X2 = 67.
33
EJEMPLO 3:
En una granja de pollos se da una dieta, para engordar, con una composición mínima de 15
unidades de una sustancia A y otras 15 de una sustancia B. En el mercado sólo se
encuentra dos clases de compuestos: el tipo X con una composición de una unidad de A y
5 de B, y el otro tipo, Y, con una composición de cinco unidades de A y una de B. El precio
del tipo X es de 10 euros y del tipo Y es de 30 euros. ¿Qué cantidades se han de comprar
de cada tipo para cubrir las necesidades con un coste mínimo?
x y MÍNIMO
Sustancia A 1 5 15
Sustancia B 5 1 15
SOLUCIÓN:
x: Compuesto x
y: Compuesto y
MIN Z = 10x + 30y
6. Restricciones
x + 5y  15 // Disponibilidad mínima de A
5x + y  15 // Disponibilidad mínima de B
x, y  0
 x + 5y  15 // Disponibilidad mínima de A
x + 5y = 15 // Se iguala a cero cada variable
0 + 5y = 15  y = 3
x + 0 = 15  x = 15
34
 5x + y  15 // Disponibilidad mínima de B
5x + y = 15 // Se iguala a cero cada variable
0 + y = 15  y = 15
5x + 0 = 15  x = 3
Región Factible
8. Analizar la Función Objetivo y

MIN Z = 10x + 30y
 Para (0;15):
x = 0, y = 15
Z = 10(0) + 30(15)  Z = 450
 Para (15;0):
x = 15, y = 0
Z= 10(15) + 30 (0)  Z = 150
 Para (2,5;2,5):
x = 2,5, y = 2,5
35
Z= 10(2,5) + 30(2,5)  Z = 100 (MÍNIMO)
El coste mínimo son 100 € para X = 2,5 e Y = 2,5.
EJEMPLO 4:
Una firma industrial elabora dos productos, en los cuales entran cuatro componentes en
cada uno. Hay una determinada disponibilidad de cada componente y un beneficio por
cada producto. Se desea hallar la cantidad de cada artículo que debe fabricarse, con el fin
de maximizar los beneficios.
El siguiente cuadro resume los coeficientes de transformación o sea la cantidad de cada

componente que entra en cada producto.
Producto P1 P2 Disponibilidad.
Comp. {Kg.} {Kg.} {Kg.}
A 1 3 15000
B 2 1 10000
C 2 2 12000
D 1 1 10000
4 3
Beneficio
$/{Kg.} $/{Kg.}
SOLUCIÓN:
Dado que x1 y x2 pueden tomar distintos valores, reciben el nombre de “variables”.
5. Función Objetivo: Maximizar los beneficios
Si en 1 unidad del producto P1 entra 1 Kg del componente A, en x1 unidades de P1 entrarán:
Kg de Componente A
Unidades de P 1=
[ 1unidad de P1 ]
∗X 1∗1
36
Y para el producto P2:
Kg de Componente A
∗ X 2∗3
6. Restricción:
Dado que la restricción impuesta dice que la disponibilidad del componente A es de

15,000 Kg. es evidente que la suma de las expresiones anteriores deberá ser menor, a la
suma igual a 15,000. Es decir, 15,000 Kg. constituye el máximo disponible del componente
A.
Entonces eliminado las unidades de medida, se expresan en forma matemática de la

siguiente forma:
1X1 + 3X2 ≤ 15 000
Existen 3 tipos de solución para este problema:

 El Método Gráfico
 El Método Algebraico
 El Método Simplex
2. El Método Gráfico
37
Pasos a seguir en este método:
1° Para cada restricción, dibujar la correspondiente ecuación, y si la restricción es
una inecuación, mostrar su dirección.
2° Marcar la región factible.
3° Dibujar la función objetivo, indicando la dirección necesaria para encontrar la
solución óptima.
EJEMPLO 5:
Con 80kg de acero y 120 kg de aluminio se quieren fabricar bicicletas de montaña y de
paseo que se venderán a 200 y 150 euros, respectivamente. Para la montaña se necesitan
1kg de acero y 3kg de aluminio, mientras que para la de paseo se requieren 2kg de cada
metal. ¿Cuántas bicicletas de cada clase se deben fabricar para obtener el máximo
beneficio?
X Y MÍNIMO
Acero 1 2 80
Aluminio 3 2 120
SOLUCIÓN:
38
X: Bicicletas de montaña
Y: Bicicletas de aluminio
MIN Z = 200X + 150Y
6. Restricciones
X + 2Y  80 // Disponibilidad mínima de acero

3X + 2Y  120 // Disponibilidad mínima de aluminio
Condición de No Negatividad
X, Y  0
 X + 2Y  80 // Disponibilidad mínima de acero

X + 2Y = 80 // se iguala a 0 cada variable
0 + 2Y = 80 // Y = 40
X + 0 = 80 // X = 80
 3X + 2Y  120 // Disponibilidad mínima de aluminio

3X + 2Y = 120 // se iguala a 0 cada variable
0 + 2Y = 120 // Y = 60
3X + 0 = 120 // X = 40
a Región
Factible
b
39
MIN Z = 200X + 150Y
 Para (0; 60):

X = 0, Y = 60
Z = 200(0) + 150(60)  Z = 9000
 Para (80; 0):

X = 80, Y = 0
Z= 200(80) + 150 (0)  Z = 16000
 Para (20; 30):

X = 20, Y = 30
Z= 200(20) + 150(30)  Z = 8500 (MÍNIMO)
Se deben fabricar 20 bicicletas de montaña y 30 bicicletas de aluminio para obtener el

máximo beneficio.
40
Trabajo 2 - Metodo grafico para Problema de Programación
Lineal
Ejercicio 1:
Un trabajador de una juguería puede guardar en la nevera mangos y fresas.
La nevera tiene espacio para 30 mangos, ó 50 fresas ó 20 plátanos o cualquier combinación.
Considerando la siguiente relación. Los beneficios por cada fruta son S/. 5, S/.4 respectivamente.
Solución:
Variables de deisión:
X(1): Cantidad de mangos
X(2): Cantidad de fresas
Función objetivo:
Maximizar la utilidad
Max z = 5X(1)+4X(2)
Restricciones:
Hay un espacio límite en la nevera
Sacamos el mínimo común múltiplo de las cantidades que acepta la nevera

de cada fruta como máximo siendo la única en la nevera.
MCM(30,50) = 150 espacio en unidades
30 mangos <> 150 espacio  1 mango ocupa 5 espacios
50 fresas <> 150 espacio  1 fresa ocupa 3 espacios
Frutas Espacio Utilidad

Mango 5 S/.5
Fresa 3 S/.4
Espacio total 150
Cómo debe el espacio máximo es de 150 unidades:
5X(1)+3X(2) <= 150
41
Limitaciones por capacidad
X(1) <= 30
X(2) <= 50
No negatividad:
X(1), X(2) >= 0
Entonces el PPL es:
Max Z = 5X(1)+4X(2)
Sujeto a:
5X(1)+3X(2) <= 150
X(1) <= 30
X(2) <= 50
X(1), X(2) >= 0
Para 5X(1)+3X(2) = 150 ….. L1
X(1) X(2)
0 50
30 0
Para X(1) = 30 ………………… L2
X(1) X(2)
30 0
Para X(2) = 50 …………………. L3
X(1) X(2)
0 50
42
Puntos Z
(0,0) 0
(30,0) 150
(0,50) 200
Entonces la solución óptima de Z es:
Z*=200 5(0)+4(50)=200
X(1) = 0
X(2) = 50
Ejercicio 2:
Con el comienzo del curso se va a lanzar unas ofertas de material escolar. Unos almacenes quieren
ofrecer 600 cuadernos, 500 carpetas y 400 bolígrafos para la oferta, empaquetándolo de dos
formas distintas; en el primer bloque pondrá 2 cuadernos, 1 carpeta y 2 bolígrafos; en el segundo,
pondrán 3 cuadernos, 1 carpeta y 1 bolígrafo. Los precios de cada paquete serán 6.5 y 7 €,
respectivamente. ¿Cuántos paquetes le conviene poner de cada tipo para obtener el máximo
beneficio?
Solución:
Sean:
x = Paquete P1
y = Paquete P2
Función objetivo:
f (x , y )=6.5 x+7 y
Restricciones:
43
Cuadernos: 2 x +3 y ≤600
Carpeta: x+ y ≤ 500
Bolígrafo: 2 x + y ≤ 400
x≥0
y≥0
Zona de soluciones factibles:
Vértices:
A (0, 200)
B intersección de cuadernos y bolígrafo:
2 x +3 y ≤ 600 B(150,100)
2 x+ y ≤ 400 }
C(200,0)
Los valores de la función objetivo son:
f (A )=6.5 ·200+7 · 0=1300 €

f (C)=6.5 · 0+7 · 200=1 400 €
f (B)=6.5· 150+7 · 100=1 675 € Máximo
44
La solución óptima son 150 P1 y 100 P2 con la que se obtienen 1 675 €
Ejercicio 3:
Una Juguetería fabrica figuras de Iron Man y Hulk, estos pasan por los departamentos de corte,
armado y calidad. El departamento de corte dispone de 600 horas maquina a la semana, armado
700 y calidad 400. La figura Iron Man pasa 4 horas en corte, 3 en armado y 2 en calidad. La figura
Hulk pasa 2 horas en corte, 3 en armado y 6 en calidad. El costo por la figura Hulk es de 110
dólares y el de Iron Man de 90 dólares.
¿Qué cantidad de cada figuras se debe fabricar, para obtener la máxima utilidad posible?
Departamento Iron Man Hulk Horas por semana
Corte 4 2 140
Armado 3 3 120
Calidad 2 6 180
Ganancia 90 110 -
Función objetivo:
Max Z = 90* x 1 + 110* x 2
Definimos las restricciones:

Restricciones:
4* x 1 + 2* x 2 ≤ 140 Restricciones:
3* x 1 + 3* x 2 ≤ 120 4* x 1 + 2* x 2 = 140
2* x 1 + 6* x 2 ≤ 180 3* x 1 + 3* x 2 = 120
x1 , x2 ≥ 0 2* x 1 + 6* x 2 = 180
Tabulamos:
L1
4* x1 + 2* x2 = 140
Si x 1=0 x 2=70
45
x 2=35 x1=0
L2
3* x1 + 3* x2 = 120
Si x 1=0 x 2=40
x 2=40 x 1=0
L3
2* x1 + 6* x2 = 180
Si x 1=0 x 2=30
x 2=90 x 1=0
Graficamos
80
70
60
50
L1
40
L2
L3
30
B P
20
10 Q
0
A0 10 20 R
30 40 50 60 70 80 90 100
A=(0,0) L2 ∩ L3 L2 ∩ L1
B=(0,30) Hallamos P Hallamos Q

3* x 1 + 3* x 2 = 120 3* x 1 + 3* x 2 =
C=(15,25)
2* x 1 + 6* x 2 = 180 120
Q=(30,10) x 1=15 x 2 = 25 4* x 1 + 2* x 2 =
140
R=(35,0)
x 1=30 x2 =
46
Solución
x1 x2 Z
A 0 0 0
B 0 30 3300
P 15 25 4100
Q 30 10 3800
R 35 0 3150
Se debe fabricar 15 Ironman y 25 Hulk, para obtener la mayor utilidad posible.
Ejercicio 4:
Un taller tiene tres (3) tipos de máquinas A, B y C; puede fabricar dos (2)
productos 1 y 2, todos los productos tienen que ir a cada máquina y cada uno
va en el mismo orden: Primero a la máquina A, luego a la B y luego a la C. La
siguiente tabla muestra
Las horas requeridas en cada máquina, por unidad de producto
Las horas totales disponibles para cada máquina, por semana
La ganancia por unidad vendida de cada producto
Tipo de maquina Producto 1 Producto 2 Horas disponible

por semana
A 2 2 16
B 1 2 12
C 4 2 28
Ganancia por 1 1.5
unidad
Formule y resuelva a través del método grafico un modelo de programación

lineal para la situación anterior que permite obtener la máxima ganancia para
el taller.
Solución:
Variables de decisión:
X1: Unidades a producir del producto 1 semanalmente
X2: Unidades a producir del producto 2 semanalmente
47
Función objetivo:
X1 + 1.5x2
Restricciones:
2x1 + 2x2 <= 16
X1 + 2x2 <= 12
4x1 + 2x2 <= 28
X1, x2 >= 0
Paso 1: Definimos a cada restricción como una recta L1, L2, L3
2x1 + 2x2 <= 16 L1
X1 + 2x2 <= 12 L2
4x1 + 2x2 <= 28 L3
Paso 2: Tabulamos
2x1 + 2x2 = 16  x1 = 0, x2 = 8 ∧ x2 = 0, x1 = 8, L1: P1 (0,

8) P2 (8, 0)
X1 + 2x2 = 12  x1 = 0, x2 = 6 ∧ x2 = 0, x1 = 12, L2: P1 (0,

6) P2 (12, 0)
4x1 + 2x2 = 28  x1 =0, x2 = 14 ∧ x2 = 0, x1 = 7, L3:P1

(0,14) P2 (7,0)
Paso 3: Graficamos donde las variables de decisión serán los ejes del plano
48
Del área intersectada nos falta hallar 2 puntos estos se hallaran de acuerdo a
la intersección de estas.
-Para el primer punto faltante

2x1 + 2x2 = 16
X1 + 2x2 = 12
X1 = 4 , x2 = 4 P’(4,4)
-Para el Segundo Punto faltante
2x1 + 2x2 = 16
4x1 + 2x2 = 28
X1 = 6 , X2 = 2  P’’(6,2)
Paso 4: Una vez encontrado los puntos reemplazamos en la función objetivo

(0,0)  X1 + 1.5x2 = 0
(0,6)  X1 + 1.5x2 = 0 + 1.5*6 = 9
(7,0)  X1 + 1.5x2 = 7 +1.5*0 = 7
49
(4,4)  X1 + 1.5x2 = 4 + 1.5*4 = 10
(5,2)  X1 + 1.5x2 = 5 + 1.5*2 = 8
Rpta: Por lo tanto la máxima ganancia es 10
Ejercicio 5:
Un estudiante dedica parte de su tiempo al reparto de propaganda

publicitaria. La empresa A le paga 5 ptas. por cada impreso repartido y
la empresa B, con folletos más grandes, le paga 7 ptas. por impreso. El
estudiante lleva dos bolsas: una para los impresos A, en la que caben
120, y otra para los impresos B, en la que caben 100. Ha calculado que
cada día es capaz de repartir 150 impresos como máximo. Lo que se
pregunta el estudiante es: ?Cuántos impresos habrá que repartir de cada
clase para que su beneficio diario sea máximo?
Llamemos:
x= n: de impresos diarios tipo A repartidos.
y= n: de impresos diarios tipo B repartidos.
La función objetivo es:
f(x, y)=5x+7y
Las restricciones:
La zona de soluciones factibles es:
50
Vértices:
A(0, 100)
B intersección de s,t:
C intersección de r,t:
D (120, 0)
Siendo los valores de la función objetivo:
Debe repartir 50 impresos tipo A y 100 tipo B para una ganancia máxima
diaria de 950 ptas..
51
Tema2: Solución con método gráfico:
Ejercicio:
En una pastelería se hacen dos tipos de tartas: T1 y T2. Cada tarta T1 necesita un cuarto de relleno por
cada k g. de bizcocho y produce un beneficio de 250 soles, mientras que una tarta T2 necesita medio k g.
de relleno por cada k g. de bizcocho y produce 400 soles de beneficio. En la pastelería se pueden hacer
diariamente hasta 150 k g. de bizcocho y 50 k g. de relleno, aunque por problemas de maquinaria no
pueden hacer mas de 125 tartas de cada tipo. ¿Cuántas tartas T1 y cuantas T2 deben vender al día para
que sea máximo el beneficio?
Solución:
Datos
Tipo tarta Cantidad Bizcocho Relleno Beneficio

T1 x x 0.250x 250x
T2 y y 0.500y 400y
150 50
Función objetivo: Zmáx = f(x, y)=250x+ 400y
52
Restricciones:
 x + y ≤ 150
 0.250x + 0.500y ≤ 50
 x ≤ 125
 y ≤ 125
 x≥0 ,y≥0
Para:
 0.250x + 0.500y ≤ 50 :
◦ x + 2y = 200
X y
0 10
200 0
 x + y ≤ 150 :
◦ x + y = 150
X y
0 150
150 0
La
gráfica :
53
Los vértices son:
A(0, 0) B(0, 100) C(m, n) D(p, q) E(125, 0)
Resolviendo el sistema
 Para el punto C:
x + 2y = 200
x + y = 150
→ y = 50, x = 100 C(100, 50), m=100 n = 50
 Para el punto D:
x + y = 150
x = 125
→ y=25 D(125, 25), p=125 q = 25
Reemplazando los valores en la función objetivo:
Punto x y Valor de Z(250x+400y)

A 0 0 0
B 0 100 40000
C 100 50 45000
D 125 25 41250
E 125 0 31250
54
El máximo beneficio se obtiene al vender 100 tartas T1 y 50 tartas T2
Ejercicio 2
Un comerciante acude a cierto mercado a comprar naranjas con $500. Le ofrecen dos tipos de
naranjas: las de tipo A a $0,5 el kg y las de tipo B a $0,8 el kg. Sabemos que solo dispone de su
furgoneta de espacio para transportar 700 kg de naranjas como máximo y que piensa vender el
kilo de naranjas de tipo A a $0,58 y el de tipo B a $0,9 ¿Cuántos kilogramos de cada tipo deberá
comprar para obtener beneficio máximo?
Variables:
X1 = cantidad de kilos tipo A de naranja que se compra
X2 = cantidad de kilos tipo B de naranja que se compra
Restricciones:
x1, x2 ≥ 0
x1 + x2 ≤700
0,5(x1) + 0,8(x2) ≤500 → 5(x1) + 8(x2) ≤ 5000
La función que nos daría el beneficio sujeta a las restricciones anteriores seria:
Max Z = f(x,y) = (0,58(x1) + 0,9(x2)) – (0,5(x1) + 0,8(x2))
→ 0,08(x1) + 0,1(x2)
→ 4(x1) +5 (x2) = 0
El máximo beneficio se obtiene en el punto de intersección de las rectas:
x1 + x2 = 700
5(x1) + 8(x2) = 5000
4(x1) + 5(x2) = 0
55
x1 + x2 = 700 → x1 = 200 x2 = 500
5(x1) + 8(x2) = 5000
Se deben comprar 200kg del primer tipo de naranja y 500 del segundo tipo.
Ejercicio 3
Solución Por Método Grafico
Ejercicio
La fábrica de Hilados “Rodríguez” requiere fabricar dos tejidos de calidad diferente T Y T’ ; se

dispone de 500kg de hilo a ,300 kg de hilo b y 108kb de hilo c . para obtener un metro de T
diariamente se necesita 125gr de a ,150gr de b y 72 kg de c; para producir un metro de T’ por día
se necesita 200gr de a, 100gr de b y 27gr de c.
El T se vende a $4000 el metro y el T’ se vende a $5000 el metro, Si se debe obtener el máximo

beneficio, ¿Cuantos metros de T y T’ se deben fabricar?
Variables
XT: Cantidad de metros diarios de tejidos de tipo T a fabricar
XT’: Cantidad de metros diarios de tejidos de tipo T’ a fabricar
56
Restricciones
0.12XT+0.2XT’<=500 Hilo a
0.15XT +0.1XT’ <=300 Hilo b
0.072XT +0.027XT’ <= 108 Hilo c
Función Objeto
ZMAX = 400XT +5000XT’
Grafica
Igualamos restricciones
0.12XT+0.2XT’=500
0.15XT +0.1XT’ =300
0.072XT +0.027XT’ = 108
Remplazamos variables para Graficar
XT =x
XT’=y
0.12x+0.2y=500
0.15x +0.1y =300
0.072x +0.027y = 108
57
58
Resolviendo por método de eliminación
Ecuación 1: 0.12x+0.3y=500
Ecuación 2: 0.15x+0.1y=300 (X -2)
Ecuación 3: 0.30 -0.2y=-600
X= -100/(-0.18)
X = 555,55
Remplazamos X
Ecuación 1: 0.12x+0.3y=500
Y= 2166,67
Recordar que
XT =x
XT’=y
Entonces:
XT = 555,55
XT’=2166,67
Por lo tanto
Zmax = 4000(555,55) +5000(2166,67)
Zmax= 13055550
59
Ejercicio 1.- Max Z=x 1 + x 2
Sujeto a:
2 x 1 + x 2 ≤ 23 … L1
x 1+2 x 2 ≥ 25 … L2
x1 , x2 ≥ 0
Sacaremos la región factible para poder encontrar los puntos y entre estos encontrar el punto más
óptimo que cumpla con maximizar la función objetivo:
x1 x2 L1: 2 x 1 + x 2=23 L2:
x 1+2 x 2=25
0 23 x1 x2
11.5 0 0 12.5
25 0
60
L1 Ω L2:
x 1=7
x 2=9
61
punto B con un valor de 23.
¿
Z =23 para ( x 1 ; x 2 )=(0 ; 23) y tiene infinitas soluciones óptimas
alternativas.
Ejercicio 2.- Min Z=x 1+ x2

Sujeto a:
−x 1+x 2 ≤2 … L1
x 1+ x 2 ≤5 … L2
x 1 ≤ 3 … L3
x1 , x2 ≥ 0
óptimo que cumpla con minimizar la función objetivo:
x1 x2 L1: −x 1+ x 2=2 L2:
x 1+ x 2=5
0 2 x1 x2
3 5 0 5
5 0
62
L1 Ω L2: L2 Ω L3:
x 1=1.5 x 1=3
x 2=3.5 x 2=2
¿
alternativas.
Ejercicio 3.- Max Z=4 x 1+ 4 x 2

Sujeto a:
−2 x 1 +2 x2 ≤ 2 … L1
−x 1+2 x 2 ≤ 4 … L2
x1 , x2 ≥ 0
x1 x2 L1: −2 x 1 +2 x2 =2 L2:
−x 1+2 x 2=4
0 1 x1 x2
5 6 0 2
3.5 3.75
63
L1 Ω L2:
x 1=2
x 2=3
Como me piden maximizar la función objetivo mi punto óptimo para hallar dicha acción
incrementa entre más se maximice, es decir no tiene punto extremo máximo, así que por ende
este ejercicio no tiene solución óptima.
Ejercicio 4.- Min Z=8 x 1+ 3 x 2

Sujeto a:
9 x 1−2 x 2 ≤20 … L1
10 x1 +3 x 2 ≤ 32 … L2
x1 , x2 ≥ 0
L1: 9 x 1−2 x 2=20 L2: 10 x1 +3 x 2=32
x1 x2
2.225 0 x1 x2
4.67 11 0 10.7
3.2 0 64

L1 Ω L2:
x 1=2.64
x 2=1.87
La solución óptima es Z ¿ =0 para ( x 1 ; x 2 )=(0 ; 0) y tiene infinitas soluciones óptimas
alternativas.
Ejercicio 5.-
Max Z=6 x 1 +5 x2
Sujeto a: 3 x1 +2 x 2 ≤ 60 … L1
3 x1 + 4 x 2 ≤ 48 … L2
x1 , x2 ≥ 0
65
x1 x2 L1: 3 x1 +2 x 2=60 L2:
3 x1 + 4 x 2=48
0 30 x1 x2
20 0 0 12
16 0
¿
alternativas.
Ejercicio 6.- Max Z=2 x 1+2 x 2

Sujeto a:
x 1−x 2 ≤ 2 … L1
x 1+ x 2 ≥ 4 … L2
x1 , x2 ≥ 0 66
x1 x2 L1: x 1−x 2=2 L2:
x 1+ x 2=4
2 0 x1 x2
7 5 0 4
4 0
Ejercicio 7.-
Min Z=3 x 1+ 4 x 2
Sujeto a: x 1+3 x 2 ≥ 6 … L1
x 1+ x 2 ≥ 4 … L2
x1 , x2 ≥ 0
67
x1 x2 L1: x 1+3 x 2=6 L2:
x 1+ x 2=4
0 2 x1 x2
6 0 0 4
4 0
punto B con un valor de 13.
La solución óptima es Z =13 para ( x 1 ; x 2 )=(3 ; 1) y tiene infinitas soluciones óptimas
¿
alternativas.
Ejercicio 8.-
Max Z=5 x 1+ 3 x 2
Sujeto a: 2 x 1 +4 x2 ≤23 … L1
x 1+2 x 2 ≤ 25 … L2
68
x1 , x2 ≥ 0
Sacaremos la región factible para poder encontrar los puntos y entre estos encontrar el punto
L1: 2 x 1 +4 x2 =23 L2: x 1+2 x 2=25
x2 x1 x2
0 5.75 0 12.5
11.5 0 25 0
punto C con un valor de 57.5.
¿
Z =57.5 para ( x 1 ; x 2 )=(11.5 ; 0) y tiene infinitas soluciones
Ejercicio 9.- Max Z=10 x 1+ 8 x 2

Sujeto a: 7 x1 + 4 x 2 ≥ 35 … L1
3 x1 −2 x 2 ≤ 3 … L2
x1 , x2 ≥ 0 69
L1: 7 x1 + 4 x 2=35 L2: 3 x1 −2 x 2=3
x2 x1 x2
0 8.75 7 9
5 0 1 0

L1 Ω L2:
x 1=3.16
x 2=3.23
Ejercicio 10.- Max Z=8 x 1 +10 x 2

Sujeto a: 4 x 1 +3 x 2 ≤ 10 … L1
x 1+2 x 2 ≤ 5 … L2 70
x1 , x2 ≥ 0
L1: 4 x 1 +3 x 2=10 L2: x 1+2 x 2=5
x2 x1 x2
0 3.33 0 2.5
2.5 0 5 0
La solución óptima es Z ¿ =28 para ( x 1 ; x 2 )=(1;2) y tiene infinitas soluciones óptimas
alternativas.
Ejercicio 11.-
Max Z=2 x 1+3 x 2
Sujeto a: x 1+ x 2 ≤ 48 … L1
71
x 1+2 x 2 ≥ 30 … L2
9 x 1+5 x 2 ≤ 32 … L3
L1: x 1+ x 2=48 L2: x 1+2 x 2=30
x2 x1 x2
0 48 0 15
48 0 30 0
L3: 9 x 1+5 x 2=32
x2
0 6.4
3.6 0
Como no hay una intersección entre todas las inecuaciones como vemos en el gráfico, no hay
región factible y no existe solución óptima.
Ejercicio 12.- Min Z=8 x 1+ 5 x 2

Sujeto a: 2 x 1 + x 2 ≤ 500 … L1 72
x 1 ≤ 150 … L2
x ≤ 250
más óptimo que cumpla con minimizar la función objetivo:
L1: 2 x 1 + x 2=500 L2: 2 x 1=x 2
x2 x1 x2
0 500 0 0
250 0 250 500
La región factible en este caso es una recta, ya que es la intersección de cada inecuación.
73
¿
alternativas.
Ejercicio 13.-
Max Z=5 x 1+ 6 x2
Sujeto a:
3 x1 +5 x 2 ≤ 30 … L1
74
2 x 1 +3 x 2 ≤ 1 … L2
x 1+5 x 2 ≥ 1 … L3
4 x1+ x2 ≤ 8 …L4
x 1 . x2 ≥ 0
Ahora sacaremos la región factible para poder encontrar los puntos y entre estos encontrar el
punto más óptimo que cumpla con maximizar la función objetivo:
x1 x2 L1: 3 x1 +5 x 2=30 L2:
2 x 1 +3 x 2=1
0 6 x1 x2
10 0 0 1/3
1/2 0
L3: x 1+5 x 2=1 L4: 4 x 1 + x 2=8

x1 x2 x1 x2
0 1/5 0 8
1 0 2 0
Gráfico con Restricciones:
Hallando los puntos de intersección

L3 Ω L2:
2 x 1 +3 x 2=1 , x 1 +5 x 2=1
x 2=( 6−x1 ) ÷ 2=2
x 2=1/7
PUNTOS Z
A = (0,0) 0
B = (0,1/3) 2
C = (0,1/5) 1.2
D = (0.28,1/7) 2.25
Como me piden maximizar la función objetivo mi punto óptimo para que suceda esto está
en el punto D con un valor de 2.25.
La solución óptima es Z =2.25
¿
para ( x 1 ; x 2 )=(0.28 ; 0.14) y tiene infinitas
Ejercicio 14.-
Max Z=3 x 1+ 7 x2
Sujeto a:
6 x 1+11 x 2 ≤ 66 … L1
2 x 1 + x 2 ≤ 10 … L2
0.5 x1 +0.4 x2 ≥6 … L3
x 1+ x 2 ≤ 4 …L4
x 1 . x2 ≥ 0
x1 x2 L1: 6 x 1+11 x 2=66 L2:
2 x 1 + x 2=10
0 6 x1 x2
11 0 0 10
5 0
L3: 0.5 x1 +0.4 x2=10 L4: x 1+ x 2=4

x1 x2 x1 x2
0 25 0 4
20 0 4 0
1
PUNTOS Z
A = (0,0) 0
B = (0,4) 28
C = (4,0) 12
en el punto D con un valor de 28.
La solución óptima es Z ¿ =28 para ( x 1 ; x 2 )=(0 ; 4 ) y tiene infinitas soluciones
Ejercicio 15.-
Max Z=100 x 1+120 x 2
Sujeto a:
5 x1 +6 x 2 ≥ 30 … L1
8 x 1+ 4 x 2 ≤ 64 … L2
x 1 . x2 ≥ 0
x1 x2 L1: 5 x1 +6 x 2=30 L2:
8 x 1+ 4 x 2=64
0 5 x1 x2
6 0 0 16
8 0
2
PUNTOS Z
A = (0,5) 600
B = (6.0) 600
C = (0,16) 1920
D = (8,0) 800
en el punto C con un valor de 1920.
La solución óptima es Z ¿ =1920 para ( x 1 ; x 2 )=(0 ; 16) y tiene infinitas soluciones

Ejercicio 16.-
Max Z=12 x 1+10 x 2
Sujeto a:
6 x 1+ x 2 ≤6 … L1
9 x 1+ 4 x 2 ≤ 18 … L2
2 x 1 +5 x 2 ≤ 20 … L3
x 1+ x 2 ≤1 …L4
x 1 . x2 ≥ 0
x1 x2 L1: 6 x 1+ x 2=6
L2: 9 x 1+ 4 x 2=18
0 6 x1 x2
1 0 0 4.5
2 0 3
L3: 2 x 1 +5 x 2=20 L4:
x 1+ x 2=1
x1 x2 x1 x2
0 4 0 1
10 0 1 0
PUNTOS Z
A = (0,0) 0
B = (1.0) 12
C = (0,1) 10
en el punto B con un valor de 12.
¿
Z =12 para ( x 1 ; x 2 )=(1; 0) y tiene infinitas soluciones
Ejercicio 17.-
Max Z=5000 x 1+ 3000 x 2
Sujeto a:
3 x1 +5 x 2 ≤ 6 … L1
50 x1 +200 x 2 ≤ 10 … L2
x 1 . x2 ≥ 0
4
x1 x2 L1: 3 x1 +5 x 2=6 L2:
50 x1 +200 x 2=10
0 1.2 x1 x2
2 0 0 0.05
0.2 0

L1 Ω L2:
3 x1 +5 x 2=6 , 50 x1 +200 x 2=10
x 1=3.28
x 2=−3.46
PUNTOS Z
A = (0,0) 0
B = (0,1.2) 3600
C = (0.05,0) 250
D = (3.28,-3.46) 6020
en el punto D con un valor de 6020.
¿
La solución óptima es Z =6020 para ( x 1 ; x 2 )=(3.28 ;−3.46) y tiene infinitas
Ejercicio 18.-
Max Z=3 x 1+ 5 x 2
Sujeto a: 3 x1 +3 x 2 ≤ 18 … L1
x 1 ≤ 4 … L2
x 2 ≤ 6 … L3
x 1+ 4 x 2 ≤ 10 …L4
x 1 . x2 ≥ 0
5
x1 x2 L1: 3 x1 +3 x 2=18 L2:
x 1=4
0 6 x1 x2
6 0 4 0
L3: x 2=6 L4:

x1 x2 x 1+ 4 x 2=10
x1 x2
0 6
0 2.5
10 0

L2 Ω L4:
x 1=4 , x 1 +4 x 2=10
x 2=1.5
PUNTOS Z
A = (0,0) 0
B = (0,2.5) 12.5
C = (4,0) 12
D = (4,1.5) 19.5
en el punto D con un valor de 19.5.
La solución óptima es Z ¿ =19.5 para ( x 1 ; x 2 )=(4 ;1.5) y tiene infinitas soluciones

6
MÉTODO GRÁFICO (PROGRAMACIÓN LINEAL)
EJEMPLO 1:
SOLUCIÓN:
 2X1 + X2  23
Recta: 2X1 + X2 = 23 // Se iguala a 0 cada variable
0 + X2 = 23 // X1 = 0 X2 = 23 (0,23)
2X1 + 0 = 23 // X1 = 11.5 X2 = 0 (11.5,0)
 X1 + 2X2 ≥ 25
Recta: X1 + 2X2 = 25 // Se iguala a 0 cada variable
0 + 2X2 = 25 // X1 = 0 X2 = 12.5 (0,12.5)
X1 + 0 = 25 // X1 = 25 X2 = 0 (25,0)
7
Analizar la Función Objetivo:
MAX Z = X1 + X2
• Para (7,9) :
X1 = 7 X2 = 9
Z = 1 (7) + 1 (9) Z = 16
• Para (0,12.5) :
X1 = 0 X2 = 12.5
Z = 1 (0) + 1 (12.5) Z = 12.5
• Para (0,23) :
X1 = 0 X2 = 23
Z = 1 (0) + 1 (23) Z = 23 (MAXIMO)
La solución óptima es Z = 23.
EJEMPLO 2:
SOLUCIÓN:
• -X1 + X2  2
Recta: - X1 + X2 = 2 // Se iguala a 0 cada variable
0 + X2 = 2 // X1 = 0 X2 = 2 (0,2)
- X1 + 0 = 2 // X1 = -2 X2 = 0 (-2,0)
8
• X1 + X2  5
Recta: X1 + X2 = 5 // Se iguala a 0 cada variable
0 + X2 = 5 // X1 = 0 X2 = 5 (0,5)
X1 + 0 = 5 // X1 = 5 X2 = 0 (5,0)
• X1  3
Recta: X1 = 3 // Se iguala a 0 cada variable
X1 = 3 // X1 = 3 X2 = 0 (3,0)
MAX Z = X1 + X2
• Para (0,2):
X 1 = 0 ˄ X2 = 2
Z = (0) + (2)  Z = 2
• Para (1.5,3.5):
X1 = 1.5 ˄ X2 = 3.5
Z = (1.5) + (3.5)  Z = 5 (MÁXIMO)
• Para (3,2):
X 1 = 3 ˄ X2 = 2
Z = (3) + (2)  Z = 5
9
• Para (0,2):
X 1 = 3 ˄ X2 = 0
Z = (3) + (0)  Z = 3
EJEMPLO 3:
SOLUCIÓN:
• -2X1 + 2X2  2
Recta: - 2X1 + 2X2 = 2 // Se iguala a 0 cada variable
0 + 2X2 = 2 // X1 = 0 X2 = 1 (0,1)
- 2X1 + 0 = 2 // X1 = -1 X2 = 0 (-1,0)
• -1X1 +2X2  4
Recta: -X1 + 2X2 = 4 // Se iguala a 0 cada variable
0 + 2X2 = 4 // X1 = 0 X2 = 2 (0,2)
-X1 + 0 = 4 // X1 = -4 X2 = 0 (-4,0)
• X1, X 2  0
Recta: X1 = 0 y X2 = 0 // Se iguala a 0 cada variable
X1,2 = 0 // X1 = 0 X2 = 0 (0,0)
10
MAX Z = 4X1 + 4X2
• Para (0,1):
X 1 = 0 ˄ X2 = 1
Z = 4(0) + 4(1)  Z = 4
• Para (2,3):
X 1 = 2 ˄ X2 = 3
Z = 4(2) + 4(3)  Z = 20 (MÁXIMO)
• Para (0,0):
X 1 = 0 ˄ X2 = 0
Z = 4(0) + 4(0)  Z = 0
EJEMPLO 4:
SOLUCIÓN:
• 9X1 - 2X2  20
Recta: 9X1 - 2X2 = 20 // Se iguala a 0 cada variable
0 - 2X2 = 20 // X1 = 0 X2 = -10 (0,-10)
9X1 + 0 = 20 // X1 = 2.2 X2 = 0 (2.2,0)
• 10X1 + 3X2  32
11
Recta: 10X1 + 3X2 = 32 // Se iguala a 0 cada variable
0 + 3X2 = 32 // X1 = 0 X2 = 10.7 (0,10.7)
10X1 + 0 = 32 // X1 = 3.2 X2 = 0 (3.2,0)
MAX Z = 8 X1 + 3 X2
• Para (0,10.7):
X1 = 0 ˄ X2 = 10.7
Z = 8(0) + 3(10.7)  Z = 32.1 (MÁXIMO)
• Para (2.64,1.87):
X1 = 12.64 ˄ X2 = 1.84
Z = 8(2.64) + 3(1.87)  Z = 15.51
La solución óptima es Z = 32.1.
12
EJEMPLO 5:
SOLUCIÓN:
• 3X1 + 2X2  60
Recta (C, B): 3X1 + 2X2 = 60 // Se iguala a 0 cada variable
0 + 2X2 = 60 // X1 = 0 X2 = 30 (0,30)
3X1 + 0 = 60 // X1 = 20 X2 = 0 (20,0)
• 3X1 + 4X2  48
Recta (D, A): 3X1 + 4X2 = 48 // Se iguala a 0 cada variable
0 + 4X2 = 48 // X1 = 0 X2 = 12 (0,12)
3X1 + 0 = 48 // X1 = 16 X2 = 0 (16,0)
REGIÓN
FACTIBLE
MAX Z = 6 X1 + 5 X2
13
• Para (0,12):
X1 = 0 ˄ X2 = 12
Z = 6 (0) + 5 (12)  Z = 60
• Para (16,0):
X1 = 16 ˄ X2 = 0
Z = 6 (16) + 5 (0)  Z = 96 (MÁXIMO)
EJEMPLO 6:
SOLUCIÓN:
 X1 - X2  2
Recta: X1 - X2 = 2 // Se iguala a 0 cada variable
0 - X2 = 2 // X1 = 0 X2 = -2(0,-2)
X1 - 0 = 2 // X1 = 2 X2 = 0 (2,0)
 X1 + X2 ≥ 4
0 + X2 = 4 // X1 = 0 X2 = 4 (0,4)
X1 + 0 = 4 // X1 = 4 X2 = 0 (4,0)
14
No tiene solución máxima.
EJEMPLO 7:
SOLUCIÓN:
 X1 + 3X2  6
Recta (C, B): X1 + 3X2 = 6 // Se iguala a 0 cada variable
0 + 3X2 = 6 // X1 = 0 X2 = 2 (0,2)
X1 + 0 = 6 // X1 = 6 X2 = 0 (6,0)
 X1 + X2  4
Recta (D, A): X1 + X2 = 4 // Se iguala a 0 cada variable
0 + X2 = 4 // X1 = 0 X2 = 4 (0,4)
X1 + 0 = 4 // X1 = 4 X2 = 0 (4,0)
MIN Z = 3X1 + 4X2
 Para (0,4):
X 1 = 0 ˄ X2 = 4
Z = 3 (0) + 4 (4)  Z = 16
 Para (3,1):
15
X 1 = 3 ˄ X2 = 1
Z = 3 (3) + 4 (1)  Z = 13 (MINIMO)
 Para (6,0):
X 1 = 6 ˄ X2 = 0
Z = 3 (6) + 4 (0)  Z = 18
EJEMPLO 8:
SOLUCIÓN:
 7X1 + 4X2  35
0 + 4X2 = 35 // X1 = 0 X2 = 35/4 (0, 8.75)
7X1 + 0 = 35 // X1 = 5 X2 = 0 (5,0)
 3X1 - 2X2  3
Recta (A, D): 3X1 - 2X2 = 3 // Se iguala a 0 cada variable
0 - 2X2 = 3 // X1 = 0 X2 = -3/2 (0, -1.5)
3X1 - 0 = 3 // X1 = 1 X2 = 0 (1,0)
REGIÓN
FACTIBLE
16
MAX Z = 10X1 + 8X2
 Para (0,8.75):
X1 = 0 ˄ X2 = 8.75
Z = 10 (0) + 8 (8.75)  Z = 70 (MÁXIMO)
 Para (3.15,3.23):
X1 = 3.15 ˄ X2 = 3.23
Z = 10 (3.15) + 8 (3.23)  Z = 57,34
EJEMPLO 9:
SOLUCIÓN:
 4X1 + 3X2  10
0 + 3X2 = 10 // X1 = 0 X2 = 10/3 (0,3.33)
4X1 + 0 = 10 // X1 = 10/4 X2 = 0 (2.5,0)
 X1 + 2X2  5
0 + 2X2 = 5 // X1 = 0 X2 = 2.5 (0,2.5)
X1 + 0 = 5 // X1 = 5 X2 = 0 (5,0)
17
MAX Z = 8X1 + 10X2
• Para (1,2) :
X1 = 1 X2 = 2
Z = 8(1) + 10(2) Z = 28 (MAXIMO)
• Para (0,2.5) :
X1 = 0 X2 = 2.5
Z = 8(0) + 10(2.5) Z = 25
• Para (2.5,0) :
X1 = 2.5 X2 = 0
Z = 8(2.5) + 10(0) Z = 20
• Para (0,0) :
X1 = 0 X2 = 0
Z = 8(0) + 10(0) Z=0
EJEMPLO 10:
SOLUCIÓN:
• 2X1 + 4X2  23
0 + 4X2 = 23 // X1 = 0 X2 = 23/4 (0,23/4)
2X1 + 0 = 23 // X1 = 23/2 X2 = 0 (23/2,0)
• X1 + 2X2  25
Recta (D, A): X1 + 2X2 = 25 // Se iguala a 0 cada variable
18
0 + 2X2 = 25 // X1 = 0 X2 = 25/2 (0,25/2)
X1 + 0 = 25 // X1 = 25 X2 = 0 (25,0)
MAX Z = 5X1 + 3X2
• Para (0,23/4):
X1 = 0 ˄ X2 = 23/4
Z = 5 (0) + 3 (23/4)  Z = 17,25
• Para (23/2,0):
X1 = 23/2 ˄ X2 = 0
Z = 5 (23/2) + 3 (0)  Z = 57,5 (MAXIMO)
La solución óptima es Z = 57,5.
EJEMPLO 11:
SOLUCIÓN:
• X1 + X2  48
Recta (B, A): X1 + X2 = 48 // Se iguala a 0 cada variable
0 + X2 = 48 // X1 = 0 X2 = 48 (0, 48)
X1 + 0 = 48 // X1 = 48 X2 = 0 (48, 0)
19
• X1 + 2X2  30
Recta (C, D): X1 + 2X2 = 30 // Se iguala a 0 cada variable
0 + 2X2 = 30 // X1 = 0 X2 = 15 (0, 15)
X1 + 0 = 30 // X1 = 30 X2 = 0 (30,0)
• 9X1 + 5X2  32
Recta (E, F): 9X1 + 5X2 = 32 // Se iguala a 0 cada variable
0 + 5X2 = 32 // X1 = 0 X2 = -32/5 (0,-6.4)
9X1 + 0 = 32 // X1 = 32/9 X2 = 0 (3.89,0)
REGIÓN
FACTIBLE
MAX Z = 2X1 + 3X2
• Para (3.89, 0):

X1 = 3.89 ˄ X2 = 0
Z = 2 (3.89) + 3 (0)  Z = 7.78
• Para (0, 30):

X1 = 0 ˄ X2 = 30
Z = 2 (0) + 3 (30)  Z = 90 (MÁXIMO)
• Para (9.98, 10.01):

X1 = 9.98 ˄ X2 = 10.01
Z = 2 (9.98) + 3 (10.01)  Z = 49.99
20
EJEMPLO 12:
SOLUCIÓN:
 2X1 + X2  500
0 + X2 = 500 // X1 = 0 X2 = 500 (0,500)
2X1 + 0 = 500 // X1 = 250 X2 = 0 (250,0)
 X1 ≤ 150
X1 = 150 // X1 = 150 X2 = 0 (150,0)
 X2 ≤ 250
X2 = 250 // X1 = 0 X2 = 250 (0,250)
MIN Z = 8X1 + 5X2
21
• Para (125,250) :
X1 = 125 X2 = 250
Z = 8(125) + 5(250) Z = 2250
• Para (0,0) :
X1 = 0 X2 = 0
Z = 8(0) + 5(0) Z = 0 (MINIMO)
La solución mínima es Z = 23.
EJEMPLO 13:
SOLUCIÓN:
• 3X1 + 5X2  30
Recta L1: 3X1 + 5X2 = 30 // Se iguala a 0 cada variable
0 + 5X2 = 30 // X1 = 0 X2 = 6 (0,6)
3X1 + 0 = 30 // X1 = 10 X2 = 0 (10,0)
• 2X1 + 3X2  1
Recta L2: 2X1 + 3X2 = 1 // Se iguala a 0 cada variable
0 + 3X2 = 1 // X1 = 0 X2 = 1/3 (0,1/3)
2X1 + 0 = 1 // X1 = 1/2 X2 = 0 (1/2,0)
• X1 + 5X2  1
Recta L3: X1 + 5X2 = 1 // Se iguala a 0 cada variable
0 + 5X2 = 1 // X1 = 0 X2 = 1/5 (0, 1/5)
X1 + 0 = 1 // X1 = 1 X2 = 0 (1,0)
• 4X1 + X2  8
Recta L4: 4X1 + X2 = 8 // Se iguala a 0 cada variable
0 + X2 = 8 // X1 = 0 X2 = 8 (0,8)
4X1 + 0 = 8 // X1 = 2 X2 = 0 (2,0)
22
MAX Z = 5 X1 + 6 X2
• Para (0, 1/3):

X1 = 0 ˄ X2 = 1/3
Z = 5 (0) + 6 (1/3)  Z = 2
• Para (0, 1/5):

X1 = 0 ˄ X2 = 1/5
Z = 5 (0) + 6 (1/5)  Z = 1,2
• Para (2/7,1/7):
X1 = 2/7 ˄ X2 = 1/7
Z = 5 (2/7) + 6 (1/7)  Z = 2,29 (MÁXIMO)
La solución óptima es Z = 2,29.
EJEMPLO 14:
SOLUCIÓN:
23
• 6X1 + 11X2  66
0 + 11X2 = 66 // X1 = 0 X2 = 6 (0,6)
6X1 + 0 = 66 // X1 = 11 X2 = 0 (11,0)
• 2X1 +X2  10
0 + X2 = 10 // X1 = 0 X2 = 10 (0,10)
2X1 + 0 = 10 // X1 = 5 X2 = 0 (5,0)
• 0.5X1 + 0.4X2  6
Recta: 0.5X1 + 0.4X2 = 6 // Se iguala a 0 cada variable
0 + 0.4X2 = 6 // X1 = 0 X2 = 15 (0,15)
0.5X1 + 0 = 6 // X1 = 12 X2 = 0 (12,0)
• X1 + X2  4
0 + X2 = 4 // X1 = 0 X2 = 4 (0,4)
X1 + 0 = 4 // X1 = 4 X2 = 0 (4,0)
• X1, X 2  0
X1,2 = 0 // X1 = 0 X2 = 0 (0,0)
MAX Z = 3X1 + 7X2

• Para (0,4):
X 1 = 0 ˄ X2 = 4
24
Z = 3(0) + 7(4)  Z = 28
• Para (0,6):
X 1 = 0 ˄ X2 = 6
Z = 3(0) + 7(6)  Z = 42 (MÁXIMO)
• Para (2.75,4.5):
X1 = 2.75 ˄ X2 = 4.5
Z = 3(2.75) + 7(4.5)  Z = 39.75
• Para (4,0):
X 1 = 4 ˄ X2 = 0
Z = 3(4) + 7(0)  Z = 12
• Para (5,0):
X 1 = 0 ˄ X2 = 0
Z = 3(5) + 7(0)  Z = 15
EJEMPLO 15:
SOLUCIÓN:
• 5X1 + 6X2  30
0 + 6X2 = 30 // X1 = 0 X2 = 5 (0,5)
5X1 + 0 = 30 // X1 = 6 X2 = 0 (6,0)
• 8X1 + 4X2  64
0 + 4X2 = 64 // X1 = 0 X2 = 16 (0,16)
8X1 + 0 = 64 // X1 = 8 X2 = 0 (8,0)
• X1, X 2  0
Recta: X1 = 0 y X2 = 0 // se iguala a 0 cada variable
25
X1,2 = 0 // X1 = 0 X2 = 0 (0,0)
MAX Z = 100X1 + 120X2
• Para (0,5):
X 1 = 0 ˄ X2 = 5
Z = 100(0) + 120(5)  Z = 600
• Para (0,16):
X1 = 0 ˄ X2 = 16
Z = 100(0) + 120(16)  Z = 1920 (MÁXIMO)
• Para (8,0):
X 1 = 8 ˄ X2 = 0
Z = 100(8) + 120(0)  Z = 800
• Para (7.5,0):
X1 = 7.5 ˄ X2 = 0
Z = 100(7.5) + 120(0)  Z = 750
26
EJEMPLO 16:
SOLUCIÓN:
• 6X1 + X2  6
0 + X2 = 6 // X1 = 0 X2 = 6 (0,6)
6X1 + 0 = 6 // X1 = 1 X2 = 0 (1,0)
• 9X1 + 4X2  18
0 + 4X2 = 18 // X1 = 0 X2 = 4.5 (0,4.5)
9X1 + 0 = 18 // X1 = 2 X2 = 0 (2,0)
• 2X1 + 5X2  20
Recta: 2X1 + 5 X2 = 20 // Se iguala a 0 cada variable
0 + 5X2 = 20 // X1 = 0 X2 = 4 (0,4)
2X1 + 0 = 20 // X1 = 10 X2 = 0 (10,0)
• X1 + X2  1
0 + X2 = 1 // X1 = 0 X2 = 1 (0,1)
X1 + 0 = 1 // X1 = 1 X2 = 0 (1,0)
27
MAX Z = 12X1 + 10X2
• Para (0,4):
X 1 = 0 ˄ X2 = 4
Z = 12(0) + 10(4)  Z = 40
• Para (0.27,3.89):
X1 = 0.27 ˄ X2 = 3.89
Z = 12(0.27) + 10(3.89)  Z = 42.14 (MÁXIMO)
• Para (0.4,0.6):
X1 = 0.4 ˄ X2 = 0.6
Z = 12(0.4) + 10(0.6)  Z = 10.8
• Para (1,0):
X 1 = 1 ˄ X2 = 0
Z = 12(1) + 10(0)  Z = 12
EJEMPLO 17:
28
SOLUCIÓN:
• 3X1 + 5X2  1
0 + 5X2 = 1 // X1 = 0 X2 = 2 (0,2)
3X1 + 0 = 1 // X1 = 0.33 X2 = 0 (0.33,0)
• 50X1 + 200X2  10
0 + 200X2 = 10 // X1 = 0 X2 = 0.05 (0,0.05)
50X1 + 0 = 10 // X1 = 0.2 X2 = 0 (0.2,0)
MAX Z = 5000X1 + 3000X2
• Para (0,0.05):
X1 = 0 ˄ X2 = 0.05
Z = 5000(0) + 3000(0.05)  Z = 150
• Para (0.2,0):
X1 = 1.5 ˄ X2 = 3.5
29
Z = 5000(0.2) + 3000(0)  Z = 1000 (MÁXIMO)
EJEMPLO 18:
SOLUCIÓN:
• 3X1 + 3X2  18
0 + 3X2 = 18 // X1 = 0 X2 = 6(0,6)
3X1 + 0 = 18 // X1 = 6 X2 = 0 (6,0)
• X1 + 4X2  10
0 + 4X2 = 10 // X1 = 0 X2 = 2.5 (0,2.5)
X1 + 0 = 10 // X1 = 10 X2 = 0 (10,0)
• X1  4
X1 = 4 // X1 = 4 X2 = 0 (4,0)
• X2  6
X2 = 6// X1 = 0 X2 = 6 (0,6)
• X1, X 2  0
X1,2 = 0 // X1 = 0 X2 = 0 (0,0)
30
MAX Z = 3X1 + 5X2
• Para (0,2.5):
X1 = 0 ˄ X2 = 2.5
Z = 3(0) + 5(2.5)  Z = 12.5
• Para (4,1.5):
X1 = 4 ˄ X2 = 1.5
Z = 3(4) + 5(1.5)  Z = 19.5 (MÁXIMO)
• Para (4,0):
X 1 = 4 ˄ X2 = 0
Z = 3(4) + 5(0)  Z = 12
• Para (0,0):
X 1 = 0 ˄ X2 = 0
Z = 3(0) + 5(0)  Z = 0
MÉTODO SIMPLEX (PROGRAMACIÓN LINEAL)

31
EJEMPLO 1:
A B DISPONIBILIDAD
MAQUINADO 4 8 480
ARMADO 5 6 600
MONTAJE 12 8 540
BENEFICIO S/. 100 S/. 120
Modelamiento del problema:

Forma canónica :
(Maximización) Z = S/.100X1 + S/. 120X2
s.a.:
4X1 + 8X2 ≤ 480
5X1 + 6X2 ≤ 600
12X1 + 8X2 ≤ 540
X1 ≥ 0
X2 ≥ 0
SOLUCION POR EL METODO SIMPLEX
El sistema de ecuaciones será:
Forma estándar:
4X1 + 8X2 + S1 = 480 X1≥0
5X1 + 6X2 + S2 = 600 X2≥0
12X1 + 8X2 + S3 = 540
(Maximización) Z -100X1 -120X2 -0S3 - 0S4 – 0S5 = 0
Z X1 X2 S1 S2 S3 SOL.
32
Z 1 -100 -120 0 0 0 0
S1 0 4 8 1 0 0 480
S2 0 5 6 0 1 0 600
S3 0 12 8 0 0 1 540
Z 1 -40 0 15 0 0 7200
X2 0 1/2 1 1/8 0 0 60
S2 0 2 0 -3/4 1 0 240
S3 0 8 0 -1 0 1 60
Z 1 0 0 10 0 5 7500
X2 0 0 0 3/16 0 -1/16 225/4
S2 0 0 0 -1/2 1 -1/4 225
X1 0 1 0 -1/8 0 1/8 15/2
Solución Optima
Z(MAX) = 100*(15/2) + 120*(225/4) = 7500
X2 225/4
X1[ ][ ]
X B= S2 = 0
15/2
S
X N= 1 =
S2
0
[ ][]
0
EJEMPLO 2:
Con el comienzo del curso se va a lanzar unas ofertas del material escolar. Unos almacenes
quieren ofrecer 600 cuadernos, 500 carpetas y 400 bolígrafos para la oferta, empaquetándolos
de dos formas distintas; en el primer bloque pondrán 2 cuadernos, 1 carpeta y 2 bolígrafos; en
el segundo pondrán 3 cuadernos, 1 carpeta y 1 bolígrafo los precios de cada paquete serán de
S/.6,5 y S/.7, respectivamente. ¿Cuántos paquetes conviene poner de cada tipo para obtener el
máximo beneficio?
X1 : numero de paquetes de P1
X2 : numero de paquetes de P2
33
MAX Z = 6,5 X1 + 7 X2
13. Restricciones
P1 P2 disponible
Cuadernos 2 3 600
Carpetas 1 1 500
Bolígrafos 1 1 400
2 X1 + 3 X2  600
X1 + X2  500
2 X1 + X2  400
14. Solución por el Método Simplex

Forma estándar:
2 X1 + 3 X2 + S1 = 600
X1 + X2 + S2 = 500
2 X1 + X2 + S3 = 400
(Maximización) Z - 6,5 X1 - 7 X2 - S1 - S2 - S3 = 0
Z X1 X2 S1 S2 S3 SOL
Z 1 - 6,5 -7 0 0 0 0
S1 0 2 3 1 0 0 600
S2 0 1 1 0 1 0 500
S3 0 2 1 0 0 1 400
Z 1 -11/6 0 7/3 0 0 1400
X2 0 2/3 1 1/3 0 0 200
S2 0 1/3 0 -1/3 1 0 300
S3 0 4/3 0 -1/3 0 1 200
Z 1 0 0 15/8 0 11/8 1675
X2 0 0 1 1/2 0 -1/2 100
S2 0 0 0 -1/4 1 -1/4 250
X1 0 1 0 -1/4 0 3/4 150
Solución Optima
34
Z(MAX) = 6,5*(150) + 7*(100) = 1675
X 2 100 S1 0
[ ][ ]
X B= S2 = 0
X 1 150 S3 [ ][]
X N= S 2 = 0
0
EJEMPLO 3:
Una empresa de muebles planea introducir una línea para jardín que conste de sillas,
mecedoras y sillones. Cada mueble requiere madera, plástico y aluminio para su fabricación. La
empresa dispone de 400 unidades de madera, 500 de plástico y 1,450 de aluminio para iniciar
la producción. Considera que puede vender cada silla en 21 dólares, cada mecedora en $24 y
cada sillón en $36 y que puede colocar en el mercado toda su producción. Determina los
niveles de producción para cada uno de sus productos a fin de obtener el mayor ingreso
posible. Teniendo en cuenta la siguiente tabla.
SILLA MECEDORA SILLÓN TOTAL

MADERA 1 1 1 400
PLÁSTICO 1 1 2 500
ALUMINIO 2 3 5 1 450
Solución:
X1: número de sillas producidas // Unidades de madera requerida

X2 : numero de mecedoras producidas // Unidades de plástico requerida
X3: número de sillones producidos // Unidades de aluminio requerida
MAX Z = 21 X1 + 24 X2 + 36 X3
3. Restricciones
X1 + X2 + X3  400
X1+ X2+ 2 X3  500
2 X1 + 3 X2+ 5 X3  1 450
X1, X2, X3  0
35
Forma estándar:
X1 + X2 + X3 + S1 = 400
X1 + X2 + 2X3 + S2 = 500
2 X1 + 3X2 + 5X3 + S3 = 1 450
(Maximización) Z - 21 X1 - 24 X2 - 36 X3 - S1 - S2 - S3 = 0
Z X1 X2 X3 S1 S2 S3 SOL
Z 1 -21 -24 -36 0 0 0 0
S1 0 1 1 1 1 0 0 400
S2 0 1 1 2 0 1 0 500
S3 0 2 3 5 0 0 1 1 450
Z 1 -3 -6 0 0 18 0 9 000
S1 0 1/2 1/2 0 1 -1/2 0 150
X3 0 1/2 1/2 1 0 1/2 0 250
S3 0 -1/2 1/2 0 0 -5/2 1 200
Z 1 3 0 0 12 24 0 10 800
X2 0 1 1 0 2 -1 0 300
X3 0 0 0 1 -1 1 0 100
S3 0 -1 0 0 -1 -2 1 50
Solución Óptima
Z(MAX) = 21(0) + 24(300) + 36(100)= 10 800
X2 300 X1 0
[ ][ ]
X B= X 3 = 100
S3 50 S2 [ ][]
X N = S1 = 0
0
EJEMPLO 4:
36
Un negocio se dedica a la fabricación de “sillas” y “mesas”; fabricar cada uno consume
una determinada cantidad de tiempo (en horas) de los departamentos “corte” y
“ensamble”. Los departamentos tienen disponibles una limitada cantidad de horas de
trabajo: 120 horas para corte y 90 horas para ensamble.
Cada uno de los productos ofrecen a la empresa la siguiente contribución: $50 USD
para las mesas y $80 USD para las sillas.
SILLAS MESAS TOTAL

CORTE 1 2 120
ENSAMBLE 1 1 90
Solución:
X1: número de sillas a producir

X2 : numero de mesas a producir
MAX Z = 50X1 + 80X2
3. Restricciones
X1 + 2X2  120
X1 + X2  90
X1, X2  0
Forma estándar:
X1 + 2X2 + S1 = 400
X1 + X2 + S2 = 500
(Maximización) Z - 50X1 - 80X2 - S1 - S2 = 0
Z X1 X2 S1 S2 SOL
37
Z 1 - 50 -80 0 0 0
S1 0 1 2 1 0 120
S2 0 1 1 0 1 90
Z 1 -10 0 40 0 4800
X1 0 1/2 1 1/2 0 60
S2 0 1/2 0 -1/2 1 30
Z 1 0 0 30 20 5400
X1 0 0 1 1 -1 30
X2 0 1 0 -1 2 60
Solución Óptima
Z(MAX) = 50*(30) + 80*(60) =5400
X 30 S 0
[ ][ ]
X B= 1 =
X2 60 [ ][]
X N= 1 =
S2 0
38
Trabajo 4 - Método Simplex para Problemas de
Programación Lineal
Ejercicio 1:
En una juguería se hacen jugos de fresa y papaya, su producción está limitada por lo siguiente:
Él dispone por día de 9 litros de agua
-Para cada jugo de fresa se requiere 1 litro de agua
-Para cada jugo de papaya se requiere 1 litro de agua.
Él trabaja 8 horas diario
-Para cada jugo de fresa usa 3 minutos.
- Para cada jugo de papaya usa 6 minutos.
Determine la cantidad máxima de dinero que puede generar el muchacho, si:
- La utilidad por jugo de fresa es 4 soles

- La utilidad por jugo de papaya es 6 soles
SOLUCION:
Variables de decisión:
X1: Cantidad de jugos de fresa a producir
X2: Cantidad de jugos de papaya a producir
Función objetivo:
Maximizar ganancias
Max Z = 4X1 + 6X2
Restricciones:
Según limitación de agua:
X1+X2 <= 9
Según el tiempo:
X1+6X2 <= 48
Restricción de No negatividad
X1,X2 >= 0
39
Estandarizando:
Max Z – 4X1 – 6X2 – 0S1 -0S2 = 0
Sujeto a
X1+X2 + S1 = 9
3X1 + 6X2 +S2 = 480
Z X1 X2 S1 S2 Sol.
Z 1 -4 -6 0 0 0
S1 0 1 1 1 0 9
S2 0 3 6 0 1 48
Z X1 X2 S1 S2 Sol.
Z 1 -1 0 0 1 48
S1 0 1 /2 0 0 -1/6 1
X2 0 1/2 1 0 1/6 8
Z X1 X2 S1 S2 Sol.
Z 1 0 0 0 2/3 50
X1 0 1 0 0 -1/3 2
X2 0 0 1 0 1/3 7
La solución óptima básica es Z* = 50, X1= 2, X2=7
Z = 4X1+6X2
40
Z = 4(2) + 6(7)
Z = 50
Ejercicio 2:
Vemos que la función objetivo a maximizar es
Z = 10x1 + 20x2
-Definimos nuestras restricciones
4x1 + 2x2 <= 20
8x1 + 8x2 <= 20
2x2 <= 10
-Agregamos nuestras variables de holgura para convertir esta desigualdad en una

ecuación
Z – 10x1 - 20x2 = 0
4x1 + 2x2 + S1 = 20
8x1 + 8x2 +S2 = 20
2x2+S3 = 10
Tabla Simple
Z X1 X2 S1 S2 S3 CR
S1// 0 4 2 1 0 0 20 20/2=10
S2// 0 8 8 0 1 0 20 20/8=2.5
S3// 0 0 2 0 0 1 10 10/2=10
Z// 1 -10 -20 0 0 0 0
Parte sombreada:
Columna pivote (Amarilla), esta se saca comparando las 2 variables de decisión, la que
sea más menor será la columna pivote
Fila pivote (Amarilla)
Llegamos a que el elemento pivote es 20, este 20 lo convertiremos a 1 para eso

dividimos entre 20.
Z X1 X2 S1 S2 S3 CR
S1// 0 4 2 1 0 0 20
x2// 8/8=1 8/8=1 0/8=0 1/8 0/8=0 20/8=5/2
0/8=0
S3// 0 0 2 0 0 1 10
Z// 1 -10 -20 0 0 0 0
41
Z X1 X2 S1 S2 S3 CR
S1// 0 4 2 1 0 0 20
x2// 0 1 1 0 1/8 0 5/2
S3// 0 0 2 0 0 1 10
Z// 1 -10 -20 0 0 0 0
Para fabricar la nueva tabla se debe de respetar una formula la cual es :
ValorNuevo = ValorAnterior – (PosicionPivote * ValorX2)
Ejemplo para S1:
Z= 0 – (2 * 0) = 0
x1 = 4 – (2 * 1 ) = 2
x2 = 2 – (2 * 1) = 0
S1 = 1 – (2 * 0) = 1
S2= 0 – (2 * 1/8) = -1/4
S3 = 0 – (2 * 0) = 0
CR = 20 – (2 * 5/2) = 5/2
Z X1 X2 S1 S2 S3 CR
S1// 0 2 0 1 -1/4 0 15
x2// 0 1 1 0 1/8 0 5/2
S3// 0 0 0 0 0 0 0
Z// 1 0 0 0 0 0 0
Para ello reemplazamos en todos los cuadros restantes…
En S3:
Z X1 X2 S1 S2 S3 CR
S1// 0 2 0 1 -1/4 0 15
x2// 0 1 1 0 1/8 0 5/2
S3// 0 -2 0 0 -1/4 1 5
Z// 1 0 0 0 0 0 0
En Z:
Z X1 X2 S1 S2 S3 CR
S1// 0 2 0 1 -1/4 0 15
x2// 0 1 1 0 1/8 0 5/2
S3// 0 -2 0 0 -1/4 1 5
42
Z// 1 10 0 0 5/2 0 50
En Z no existen valores negativos por ello.
Comprobamos:
Z = 10x1 + 20x2
50 = 10(0) + 20(5/2)
50 = 50
X1=0
X2=5/2
Z = 50
Ejercicio 3:
En una fábrica de dulces navideños se preparan dos surtidos para lanzarlos al mercado. El
primero se vende a 450 pesetas y contiene 150 gramos de polvorones, 100 gramos de
mantecados y 80 gramos de caramelos. El segundo surtido se vende a 560 pesetas y contiene
200 gramos de polvorones, 100 gramos de mantecados y 100 gramos de caramelos. Se dispone
de un total de 200 kilogramos de polvorones, 130 kilogramos de mantecados y 104 kilogramos
de caramelos. La empresa de embalajes solo puede suministrar 1200 cajas. ¿Cuántos surtidos
de cada tipo convendría fabricar para que el beneficio sea máximo?
Solución:
Definimos las variables originales como:
X1 = número de surtidos del tipo 1.
X2 = número de surtidos del tipo 2.
La función a maximizar, beneficio obtenido, será:
f ( x 1 , x 2)=450 x 1+560 x 2
Las restricciones lineales de problemas se formulan como:
150 x 1+200 x 2 ≤200000 disponibilidad de los polvorones en gramos
100 x 1+100 x 2 ≤130000 disponibilidad de los mantecados
80 x 1+100 x 2 ≤104000 disponibilidad de los caramelos
x 1+ x 2≤ 1200 disponibilidad de las cajas
x 1 , x 2 ≥0 no negatividad
El planteamiento del problema queda de la siguiente manera:
43
max f (x 1 , x 2)=450 x 1+560 x 2
s.a: 150 x 1+200 x 2 ≤200000
100 x 1+100 x 2 ≤130000
80 x 1+100 x 2 ≤104000
x 1+ x 2≤ 1200
x 1 , x 2 ≥0
La disponibilidad de las cajas implica la restricción de disponibilidad de los

mantecados por lo que puede ser eliminada del problema, obtenemos las forma
estándar:
max f (x 1 , x 2)=450 x 1+560 x 2

3
s.a: x 1+2 x 2+ x 3 ≤ 2000
2
4
x 1+ x 2+ x 4 ≤ 1040
5
x 1+ x 2+ x 5 ≤1200
x 1 , x 2, x 3, x 4, x 5 ≥ 0
La solución factible básica inicial es:
x 1=x 2=0, x 3=200, x 4=1040, x 5=1200
Así obtenemos la tabla inicial del algoritmo de simplex:
x1 x2 x3 x4 x5
x3 2000 3/2 2 1 0 0
x4 1040 4/5 1 0 1 0
x5 1200 1 1 0 0 1
z 450 560 0 0 0
Continuamos con las siguientes iteraciones:
x1 x2 x3 x4 x5
x2 1000 3/4 1 1/2 0 0
x4 40 1/20 0 -1/2 1 0
44
x5 200 1/4 0 -1/2 0 1
z 30 0 -280 0 0
x1 x2 x3 x4 x5
x2 400 0 1 8 -15 0
x1 800 1 0 -10 20 0
x5 0 0 0 2 -5 1
z 584000 0 0 20 -600 0
La nueva tabla despues de la iteración queda así:
x1 x2 x3 x4 x5
x2 400 0 1 0 5 -4
x1 800 1 0 0 -5 5
X3 0 0 0 1 -5/2 1/2
z 584000 0 0 0 -550 -10
Obtenemos, por tanto, la solución optima cuyo valor es:
x 1=800 surtidos tipo 1, x 2=400 surtidos tipo 2, z=584000 pesetas
Ejercicio 4:
En un granja agricola se desea criar conejos y pollos como complemento en su economía, de
forma que no se superan en conjunto las 180 horas mensuales destinadas a esta actividad , Su
almacén sólo puede albergar un maximo de 1000 kilogramos de pienso, Si se supone que un
conejo necesita 20 kilogramos de pienso al mes y un pollo 10 kilogramos al mes, que las horas
mensuales de cuidado requerido por un conejo son 3 y por un pollo son 2 y que los beneficios
que reportaria su venta ascienden a 500 y 300 pesetas por cabeza respectivamente, hallar el
numero de animales que deben criarse para que el beneficio sea maximo.
Solución:
Definimos las variables originales como :
45
x 1 = numero de conejos.
x 2 = número de pollos.
La función a maximizar, beneficio obtenido , será:
f ( x 1 , x 2)=500 x 1+300 x 2
Las restricciones lineales del problema se formulan como :
20 x 1+10 x 2 ≤1000 (para la disponibilidad del pienso)
3 x 1+2 x 2 ≤180 (para la disponibilidad de horas)
Finalmente, tenemos las restriciones de no negatividad de las variables:
x 1 , x 2 ≥0
El planteamiento del problema queda por tanto de la siguiente manera:
max f ( x 1 , x 2)=500 x 1+300 x 2

s.a: 20 x 1+10 x 2 ≤1000
3 x 1+2 x 2 ≤180
x 1 , x 2 ≥0
Insertamos las variables de holgura en las restricciones verdaderas, obteniendo, una

vez realizadas las simplificaciones oportunas:
max f ( x 1 , x 2)=500 x 1+300 x 2 variables de holgura:

x3, x 4
s.a: 2 x 1+1 x 2+ x 3 ≤100
3 x 1+2 x 2+ x 4 ≤ 180
x 1 , x 2 , x 3 , x 4 ≥0
46
f ( x 1 , x 2 ) =z=500 x 1+300 x 2
z−500 x 1−300 x 2=0
z−500 x 1−300 x 2+ 0 x 3+0 x 4=0
La solución factible basica inicial es :
x 1=x 2=0, x 3=100, x 4=180, z=0
x1 x2 x3 x4
x3 100 2 1 1 0
x4 180 3 2 0 1
z 0 -500 -300 0 0
100/2=50
180/3=60
El numero 2 de la columna x 3 es el pivote .

Para la nueva tabla, a toda la fila del pivote se le dividira entre el pivote(2)
Para las demas filas:
Nueva fila= antiguaFila – (pivoteDeLaFila *nuevaFilaDelPivotePrincipal)
x1 x2 x3 x4
x1 50 1 1/2 1/2 0
x4 30 0 1/2 -3/2 1
z 25000 0 -50 250 0
47
50/(1/2)=100
30/(1/2)=60
El numero 1/2 de la columna x 4 es el nuevo pivote .

Para la nueva tabla, a toda la fila del pivote se le dividira entre el pivote(1/2)
x1 x2 x3 x4
x1 20 1 0 0 -1
x2 60 0 1 -3 2
z 28000 0 0 100 100
Obtenemos, por tanto, la solución optima cuyo valor es:
x 1=20 conejos , x 2=60 pollos , z=28000 pesetas
Ejercicio 5:
Cierto fabricante produce produce sillas y mesas para las que requiere la utilización de dos
secciones de producción:la sección de montaje y la sección de pintura. La producción de una
silla requiere 1 hora de trabajo en la sección de montaje y 2 horas en la sección de pintura.Por
su parte,la fabricación de una mesa precisa de 3 horas en la sección de montaje y de 1 hora en
la sección de pintura.La sección de montaje solo puede estar 9 horas diarias en funcionamiento
, mientras que la de pintura solo 8 horas . El beneficio produciendo mesas es doble que el de
sillas ¿Cuál ha de ser la producción diaria de mesas y sillas para que el beneficio sea maximo?
Solución
-Primero definimos las variables originales como:
X1: Numero de sillas
48
X2: Numero de mesas
-Vemos que la función objetivo a maximizar es
Z = x1 + 2x2
-Definimos nuestras restricciones
x1 + 3x2 <= 9 (Disponibilidad de horas en la sección de montaje)
2x1 + x2 <= 8 (Disponibilidad de horas en la sección de pintura)
X1, X2 >= 0
-Agregamos nuestras variables de holgura para convertir esta desigualdad en una

ecuación
Z – x1 – 2x2 =0
x1 + 3x2 + S1 =9
2x1 + x2 +S2 = 8
Tabla Simple
Z X1 X2 S1 S2 R
1 -1 -2 0 0 0
0 1 3 1 0 9 9/3 = 3
0 2 1 0 1 8 8/1 = 8
Parte sombreada:
Columna pivote (Verde), esta se saca comparando las 2 variables de decisión, la que
sea más menor será la columna pivote
Fila pivote (Azul)
Llegamos a que el elemento pivote es 3, este 3 lo convertiremos a 1 para eso dividimos

entre 20.
Z X1 X2 S1 S2 R
1 -1 -2 0 0 0 2R2 + R1
0 1/3 1 1/3 0 3 9/3 = 3
0 2 1 0 1 8 -1R2 +R3
Ahora volvemos 0 a todos los elementos arriba y debajo del elemento pivote.
Como las variables de decisión deben ser mayores o iguales a 0 , ahora trabajaremos
con X1
Z X1 X2 S1 S2 R
1 -1/3 0 2/3 0 6
0 1/3 1 1/3 0 3 3/1/3=9
0 5/3 0 -1/3 1 5 3/5/3 = 9/5
49
Elemento pivote 5/3
Ahora volvemos 1 al elemento pivote , multiplico por 3/5.Despues volvemos 0 los

elementos arriba del elemento pivote.
Z X1 X2 S1 S2 R
1 -1/3 0 2/3 0 6 1/3R3 + R1
0 1/3 1 1/3 0 3 -1/3R3 + R2
0 1 0 -1/5 3/5 3
Obteniendo:
Z X1 X2 S1 S2 R
1 0 0 3/5 1/5 7
0 0 1 2/5 -1/5 2
0 1 0 -1/5 3/5 3
Obteniendo Finalmente :
Z =7
X1 = 3
X2 = 2
50
Ejercicio:
En un fundo agrario de 100 hectáreas se desean realizar diferentes labores

como son: cultivar dos tipos de cereal (trigo y cebada), plantar dos tipos de
frutales (perales y manzanos), y reforestar, para lo cual se plantarán pinos
y chopos. Los beneficios que se obtienen por cada hectárea cultivada de
trigo y cebada son respectivamente 3 y 2.5 unidades monetarias; así
mismo, por cada hectárea de perales se obtienen 3.5 u.m. y por cada
hectárea de manzanos, 4 u.m. Por otro lado, se obtiene una subvención por
la reforestación y se otorgan 5 u.m. por cada hectárea de pinos y 4.5 u.m.
por cada hectárea de chopos. Las normas de la explotación obligan a
utilizar al menos el 40% del total de la tierra en el cultivo de los cereales, y
como máximo un 35% de la tierra en cualquiera de las otras dos labores,
frutales o reforestación. Calcular cómo ha de repartirse la tierra para
obtener un máximo beneficio
Solución:
Definir variables:
 x1: hectáreas de trigo
 x2: hectáreas de cebada
 x3: hectáreas de perales
 x4: hectáreas de manzanos
 x5: hectáreas de pinos
 x6: hectáreas de chopos
Función Objetivo: fmax(x1+x2+x3+x4+x5+x6) =

3x1+2,5x2+3,5x3+4x4+5x5+4,5x6
Restricciones:
≥≤
x1+x2+x3+x4+x5+x6 ≤ 100
x1+x2≥ 0,40(x1+x2+x3+x4+x5+x6 )
x3+x4≥ 0,40(x1+x2+x3+x4+x5+x6 )
x5+x6≥ 0,40(x1+x2+x3+x4+x5+x6 )
x1≥0 x2≥0 x3≥0 x4≥0 x5≥0 x6 ≥0
51
Agregando variables de holgura:
max: 3x1+2,5x2+3,5x3+4x4+5x5+4,5x6
x1+x2+x3+x4+x5+x6+S1= 100
-3x1-3x2+2x3+2x4+2x5+2x6 + S2=0
-7x1-7x2+13x3+13x4-7x5-7x6 +S3=0
-7x1-7x2-7x3-7x4+13x5+13x6 +S4=0
S1,S2,S3, S4 ≥ 0
La solución más factible es con S1=100 y todo los demás igual a cero
X1 X2 X3 X4 x5 X6 S1 S2 S3 S4
S1 100 1 1 1 1 1 1 1 0 0 0
S2 0 -3 -3 2 2 2 2 0 1 0 0
S3 0 -7 -7 13 13 -7 -7 0 0 1 0
S4 0 -7 -7 -7 -7 13 13 0 0 0 1
3 2,5 3,5 4 5 4,5 0 0 0 0
X1 X2 X3 X4 x5 X6 S1 S2 S3 S4
S1 100 5/2 5/2 0 0 0 0 1 -1/2 0 0
S2 0 -3/2 -3/2 1 1 1 1 0 ½ 0 0
S3 0 -35/2 -35/2 20 20 0 0 0 7/2 1 0
S4 0 25/2 25/2 -20 -200 0 0 0 -13/2 0 1
10,5 10 -1,5 -1 0 -0,5 0 -2,5 0 0
52
X1 X2 X3 X4 x5 X6 S1 S2 S3 S4
S1 100 0 0 4 4 0 0 1 4/5 0 -1/5
S2 0 0 0 -7/5 -7/5 1 1 0 -7/25 0 3/25
S3 0 0 0 -8 -8 0 0 0 -28/5 1 7/5
S4 0 1 1 -8/5 -8/5 0 0 0 - 0 2/25

13/2
5
0 -0,5 15,3 -15,8 0 -0,5 0 2,96 0 -
0,84
X1 X2 X3 X4 x5 X6 S1 S2 S3 S4
S1 100 0 0 1 1 0 0 1/4 1/5 0 -

1/20
S2 0 0 0 0 0 1 1 7/20 0 0 1/20
S3 0 0 0 0 0 0 0 2 -4 1 1
S4 0 1 1 0 0 0 0 2/5 -1/5 0 0
0 -0,5 -0,5 0 0 -0,5 -3,95 -0,2 0 -

0,05
Obtenemos, por tanto, la solución óptima cuyo valor es:

x1=40 (trigo)
x2=x3=x6=0
x4=25 (manzano)
x5=35 (pinos)
Entonces: beneficio: 395
53
Ejercicio:
Z = 50X1 + 80X2 (MAX)
X1 + 2X2 ≤ 120
X1 + X2 ≤ 90
X1, X2 ≥ 0
Solución
Z - 50X1 - 80X2 = 0
X1 + 2X2 + S1 = 120
X1 + X2 + S2 = 90
Tabla Simplex
Se dividen las restricciones

Z X1 X2 S1 S2 R
entre los números que quedo en
1 -50 -80 0 0 0 la columna pivote para hallar el
renglón pivote que contiene al
0 1 2 1 0 120 120/2 = 60
menor (2)
0 1 1 0 1 90 90/1 = 90
Columna pivote, la más negativa de las variables

de decisión (1)
54
El elemento pivote es el número que queda intersectado entre la columna y el renglón
(3)
Se tiene que convertir el número hallado en 1, para eso multiplicamos por ½ (4)
1 -50 -80 0 0 0
0 ½ 1 ½ 0 60
0 1 1 0 1 90
Hay que volver 0 todos los números arriba y abajo del elemento pivote, para eso se
multiplica 80 a la fila 2 y se le suma el resultado a la fila 1, de igual manera, se
multiplica -1 a la fila 2 y se le suma el resultado a la fila 3 (5)
80*[0 ½ 1 ½ 0 60] = [0 40 80 40 0 4800]

+
[1 -50 -80 0 0 0] = [1 -10 0 40 0 4800]
-1*[0 ½ 1 ½ 0 60] = [0 -½ -1 -½ 0 -60]+
[0 1 1 0 1 90] = [0 ½ 0 -½ 1 30]
La nueva matriz es:
No dividir entre números

1 -10 0 40 0 4800
negativos
0 ½ 1 ½ 0 60 60/ (½) = 120
0 ½ 0 -½ 1 30 30/ (½) = 60
Los coeficientes de las variables de decisión deben ser ceros o mayores a cero, se
observa que aún hay un -10. Entonces se elige otra vez al más negativo como
columna pivote y se hace el mismo procedimiento (6)
55
Multiplicamos por 2 para convertir en 1 al elemento pivote (7)
1 -10 0 40 0 4800
0 ½ 1 ½ 0 60
0 1 0 -1 2 60
Hay que volver 0 a todos los números arriba y abajo del elemento pivote, para eso se
multiplica 10 a la fila 3 y se suma el resultado a la fila 1, de igual manera, se multiplica
-½
A la fila 3 y se suma el resultado a la fila 2 (8)
La nueva matriz es:
Z X1 X2 S1 S2 R
1 0 0 30 20 5400
0 0 1 1 -1 30
0 1 0 -1 2 60
Respuesta
Z = 50(60) + 80(30) = 5400
Ejercicio:
En un fundo agrario de 100 hectáreas se desean realizar diferentes labores

como son: cultivar dos tipos de cereal (trigo y cebada), plantar dos tipos de
frutales (perales y manzanos), y reforestar, para lo cual se plantarán pinos
y chopos. Los beneficios que se obtienen por cada hectárea cultivada de
trigo y cebada son respectivamente 3 y 2.5 unidades monetarias; así
56
mismo, por cada hectárea de perales se obtienen 3.5 u.m. y por cada
hectárea de manzanos, 4 u.m. Por otro lado, se obtiene una subvención por
la reforestación y se otorgan 5 u.m. por cada hectárea de pinos y 4.5 u.m.
por cada hectárea de chopos. Las normas de la explotación obligan a
utilizar al menos el 40% del total de la tierra en el cultivo de los cereales, y
como máximo un 35% de la tierra en cualquiera de las otras dos labores,
frutales o reforestación. Calcular cómo ha de repartirse la tierra para
obtener un máximo beneficio
Solución:
Definir variables:
 x1: hectáreas de trigo
 x2: hectáreas de cebada
 x3: hectáreas de perales
 x4: hectáreas de manzanos
 x5: hectáreas de pinos
 x6: hectáreas de chopos
Función Objetivo: fmax(x1+x2+x3+x4+x5+x6) =

3x1+2,5x2+3,5x3+4x4+5x5+4,5x6
Restricciones:
≥≤
x1+x2+x3+x4+x5+x6 ≤ 100
x1+x2≥ 0,40(x1+x2+x3+x4+x5+x6 )
x3+x4≥ 0,40(x1+x2+x3+x4+x5+x6 )
x5+x6≥ 0,40(x1+x2+x3+x4+x5+x6 )
x1≥0 x2≥0 x3≥0 x4≥0 x5≥0 x6 ≥0
Agregando variables de holgura:

max: 3x1+2,5x2+3,5x3+4x4+5x5+4,5x6
x1+x2+x3+x4+x5+x6+S1= 100
-3x1-3x2+2x3+2x4+2x5+2x6 + S2=0
-7x1-7x2+13x3+13x4-7x5-7x6 +S3=0
-7x1-7x2-7x3-7x4+13x5+13x6 +S4=0
57
S1,S2,S3, S4 ≥ 0
La solución más factible es con S1=100 y todo los demás igual a cero
X1 X2 X3 X4 x5 X6 S1 S2 S3 S4
S1 100 1 1 1 1 1 1 1 0 0 0
S2 0 -3 -3 2 2 2 2 0 1 0 0
S3 0 -7 -7 13 13 -7 -7 0 0 1 0
S4 0 -7 -7 -7 -7 13 13 0 0 0 1
3 2,5 3,5 4 5 4,5 0 0 0 0
X1 X2 X3 X4 x5 X6 S1 S2 S3 S4
S1 100 5/2 5/2 0 0 0 0 1 -1/2 0 0
S2 0 -3/2 -3/2 1 1 1 1 0 ½ 0 0
S3 0 -35/2 -35/2 20 20 0 0 0 7/2 1 0
S4 0 25/2 25/2 -20 -200 0 0 0 -13/2 0 1
10,5 10 -1,5 -1 0 -0,5 0 -2,5 0 0
X1 X2 X3 X4 x5 X6 S1 S2 S3 S4
S1 100 0 0 4 4 0 0 1 4/5 0 -1/5
S2 0 0 0 -7/5 -7/5 1 1 0 -7/25 0 3/25
S3 0 0 0 -8 -8 0 0 0 -28/5 1 7/5
S4 0 1 1 -8/5 -8/5 0 0 0 - 0 2/25
58
13/2
5
0 -0,5 15,3 -15,8 0 -0,5 0 2,96 0 -
0,84
X1 X2 X3 X4 x5 X6 S1 S2 S3 S4
S1 100 0 0 1 1 0 0 1/4 1/5 0 -

1/20
S2 0 0 0 0 0 1 1 7/20 0 0 1/20
S3 0 0 0 0 0 0 0 2 -4 1 1
S4 0 1 1 0 0 0 0 2/5 -1/5 0 0
0 -0,5 -0,5 0 0 -0,5 -3,95 -0,2 0 -

0,05
Obtenemos, por tanto, la solución óptima cuyo valor es:

x1=40 (trigo)
x2=x3=x6=0
x4=25 (manzano)
x5=35 (pinos)
Entonces: beneficio: 395
59
METODO SIMPLEX
Min Z = -3 x 1 +8 x 2
Sujeto a:
4 x 1 +2 x 2 ≤ 12
2 x 1 +3 x 2 ≤ 6
Forma estándar:
Z + 3 x1 - 8 x2 - 0 S1 - 0 S2 = 0
4 x 1 +2 x 2 + S 1 = 12
2 x 1 +3 x 2 + S 2 = 6
Desarrollo
Tabla
Z X1 X2 S1 S2 Sol
Z 1 3 -8 0 0 0
S1 0 4 2 1 0 12
S2 0 2 3 0 1 6
Iterando:
Se eligen la variable de entrada (el más positivo de la fila Z pues se
busca minimizar la FO) y la variable de salida. Se pinta la columna de
la VE, esta será la columna pivote.
60 VE = X1
VS = S1
12/4 = 3 
6/2 = 3
Z X1 X2 S1 S2 Sol
Z 1 3 -8 0 0 0
S1 0 4 2 1 0 12
S2 0 2 3 0 1 6
Variable de salida elegida por arbitrariedad ya que los resultados de

la división son iguales.
El pivote debe ser uno, así que se divide toda la fila de S1 entre 4 y se
obtiene la fila X1 (VE remplaza a la VS):
Z X1 X2 S1 S2 Sol
Z 1 3 -8 0 0 0
X1 0 1 1/2 1/4 0 3
S2 0 2 3 0 1 6
En la columna pivote, todos los elementos deben ser cero menos el

S1 (que es el pivote en sí):
Z X1 X2 S1 S2 Sol
Z 1 0 -19/2 -3/4 0 -9
X1 0 1 1/2 1/4 0 3
S2 0 0 2 -1/2 1 0
Para eliminar 2 en S2: 2 + (-2) *1, y se realiza esta misma operación

para todos los elementos de la fila:
0 + (-2)*0 , 3 + (-2)(1/2) , etc.
Para eliminar 3 en la fila Z = 3 + (-3)*1, y se realiza lo mismo para

toda la fila:
1 + (-3)*0, -8 + (-3)*(1/2)
Eligiendo el más positivo de las Var. No básicas para la 2da iteración

(ya que aún ambos no son 0 o negativos):
2da Z X1 X2 S1 S2 Sol
Z 1 0 -19/2 -3/4 0 -9 VE = X2
X1 0 1 1/2 1/4 0 3 VS = S2
3/(1/2) = 6
S2 0 0 2 -1/2 1 0 0/2 = 0 
Convirtiendo el pivote en 1, y dividiendo a toda la fila:
61
Z X1 X2 S1 S2 Sol
Z 1 0 -19/2 -3/4 0 -9
X1 0 1 1/2 1/4 0 3
X2 0 0 1 -1/4 1/2 0
Pasando a cero todos los elementos de la columna pivote y haciendo

lo mismo en sus respectivas filas:
Z X1 X2 S1 S2 Sol
Z 1 0 0 -25/8 -19/4 -9
X1 0 1 0 3/8 -1/4 3
X2 0 0 1 -1/4 1/2 0
Entonces:
X1 = 3 X2 = 0 y Z = -9
Ya que Z = -3(3) + 8(0) = -9
MÉTODO
DE VARIABLES ARTIFICIALES
EJEMPLO 1:
(Minimización) Z = S/.5X1 + S/. 8X2
s.a.:
8X1 + 4X2  24
10 X1 + 30 X2  40
X1 ≥ 0
X2 ≥ 0
SOLUCIÓN POR EL MÉTODO M

Agregando las variables “slack” y artificiales se tiene:
(1) 8X1 + 4X2 – S1 +R1 =24
(2) 2X1 + 9X2 – S2 +R2 = 40
(Minimización) Z -5X1 -8X2 -0S1 - 0S2 – MR1 – MR2 = 0
Z X1 X2 S1 S2 R1 R2 SOL.
Z 1 -5 -8 0 0 -M -M 0
R1 0 8 4 -1 0 1 0 24
R2 0 10 30 0 -1 0 1 40
62
Z 1 18M-5 34M-8 -M -M 0 0 64M
R1 0 8 4 -1 0 1 0 24
R2 0 10 30 0 -1 0 1 40
Z 1 (20M-7)/3 0 -M (4M-8)/30 0 (8-34M)/30 (56M+32)/3
R1 0 20/3 0 -1 4/30 1 -4/30 56/3
X2 0 1/3 1 0 -1/30 0 1/30 4/3
Z 1 0 0 -7/20 -33/150 -M+7/20 -M-33/150 258/15
X1 0 1 0 -3/20 1/50 3/20 -1/50 14/5=2.8
X2 0 0 1 1/20 -4/150 -1/20 4/150 6/15=0.4
SOLUCIÓN POR EL MÉTODO DE DOS FASES

Apliquemos la 1era Fase:
Min Z = 0 X1 +0 X2 + 0S1 + 0S2 + 1R1 + 1 R2
Entonces:
Z – 0 X1 - 0 X2 – 0S1 – 0S2 - 1R1 - 1R2 =0
8 X1 + 4 X2 -S1 + R1 = 24
10 X1 + 30 X2 -S2 +R2 = 40
Z X1 X2 S1 S2 R1 R2 SOL
Z 1 0 0 0 0 -1 -1 0
R1 0 8 4
Solución -1Óptima0 1 0 24
R2 0 10 30 0 -1 0 1 40
Z 1 Z(Min)
18 = 5*(14/5)
34 + 8*(6/15)
-1 = -1
258/15=17.2
0 0 64
Z Z + R1 +R2 R1 0 8 4 -1 0 1 0 24 24/4=6
S 1 0 0
[ ][]
R2 0 10 30 0 -1 1 40 40/30 =4/3
X 1 140 /5 S 2 0 0 -17/15
Z  Z +X2*(-34)
R1 R1 +X2*(-4)
X2 R2/30
Z
R1
X2
1 X 20/3
0
0
B=
1/3
[ ][ ]
20/3X 2
=
6/15
0
1
-1
-1
0
2/15
X N= =
4/30 R1 1 0 -4/30
-1/30 R2 0 0 1/30
56/3
56/3
4/3
56/3/20/3=14/5
4/3/1/3=4
Z  Z +X1*(-20/3) Z 1 0 0 0 0 -1 -19/15 0
X1 R1/20/3 X1 0 1 0 -3/20 1/50 3/20 1/50 14/5
X2 X2 +X1*(-1/3)
X2 0 0 1 1/20 -2/75 -1/20 2/75 2/5
Apliquemos la 2da Fase:
63
Min Z = 5X1 + 8X2 + 0S1 + 0S2
Entonces:
Z -5X1 – 8X2 – 0S1 – 0S2 = 0
Z X1 X2 S1 S2 SOL
Z 1 -5 -8 0 0 0
X1 0 1 0 -3/20 1/50 14/5
X2 0 0 1 1/20 -2/75 2/5
Z  X1*5+X2*8 + Z Z 1 0 0 -7/20 -17/150 86/5
X1 0 1 0 -3/20 1/50 14/5 14/5/1/50= 140
-2/75/2/5 = -1/15
X2 0 0 1 1/20 -2/75 2/5
Z  Z +S2*(17/150) Z 1 17/3 0 -6/5 0 496/15
S2 X1/1/50 S2 0 50 0 -15/2 1 140 140/50= 14/5 = 2.8
X2 X2 + S2*(2/75) 62/15/4/3 = 31/10=3.1
X2 0 4/3 1 -3/20 0 62/15
Z  Z + X1*(-17/3) Z 1 0 0 -7/20 -17/150 86/5
X1 S2 /50 X1 0 1 0 -3/20 1/50 14/5
X2 X2 + X1*(-4/3)
X2 0 0 1 1/20 -2/75 2/5
Solución Óptima
Z= 5*(14/5) + 8*(2/5) = 86/5 = 17.2
X 14 /5 S 0
[ ][ ]
X B= 1 =
X2 2/5 [ ][]
X N= 1 =
S2 0
EJEMPLO 2:
Max Z = 2 X1 + X2
s.a.:
10 X1 + 10 X2  9
10 X1 + 5 X2  1
X1 , X2 ≥ 0
SOLUCIÓN POR EL MÉTODO M

Max Z = 2 X1 + X2 + 0 S1 + 0S2 - MR1
despejo:
Z - 2 X1 - X2 -0 S1 - 0S2 + MR1 = 0
sujeto a
10 X1 + 10 X2 + S1 = 9
10 X1 + 5 X2 – S2 + R1 = 1
64
Z X1 X2 S1 S2 R1 Sol
Z 1 -2 -1 0 0 M 0
S1 0 10 10 1 0 0 9
R1 0 10 5 0 -1 1 1
Z  R1* (-M) +Z
Z 1 -10M- -5M- 0 M 0 -M
2 1 4/1= 4
S1 0 10 10 1 0 0 9 2/1 = 2
Z  Z ant +(10M+2)*X1
R1 0 10 5 0 -1 1 1
X1 R1/2 Z 1 0 0 0 -1/5 1/5 1/5
S1 S1 ant+(-10)*X1
4/1/9/2= 8/9
S1 0 0 5 1 1 -1 8 2/1/-1/2 = X
X1 0 1 1/2 0 - 1/10 1/10
Z  Z ant +(1/5)*X2 1/10
X2 S1/1
X1 X1 ant+(1/10)*X2
Z 1 0 1 1/5 0 0 9/5
X2 0 0 5 1 1 -1 8
X1 0 1 1 1/10 0 0 9/10
Solución Óptima
Z(Max) = 2*(9/10) + (8) = 9,8
S1 0
X B=
X1
X2
=
9/10
[ ][ ]8
X N=
[ ][]
S2
R1
R2
=0
0
0
SOLUCIÓN POR EL MÉTODO DE DOS FASES

Apliquemos la 1era Fase:
Min Z = 0 X1 +0 X2 + 0S1 + 0S2 + 1R1
Entonces:
Z – 0 X1 - 0 X2 – 0S1 - 0S2 – 1R1 =0
10 X1 + 10 X2 + S1 = 9
10 X1 +5 X2 -S2 +R1 = 1
Z X1 X2 S1 S2 R1 Sol
Z 1 0 0 0 0 -1 0
S1 0 10 10 1 0 0 9
R1 0 10 5 0 -1 1 1
Z Z + R1
Z 1 10 5 0 -1 0 1
S1 0 10 10 1 0 0 9 4/1= 4
R1 0 10 5 0 -1 1 1 2/2 = 1
Z  Z ant +(-10)*X1
X1 R1/2
Z 1 0 0 0 0 -1 0
S1 S1 ant+(-10)*X1 S1 0 0 5 1 1 -1 8
X1 0 1 1/2 0 -1/10 1/10 1/10
65
Apliquemos la 2da Fase:
Max Z =2 X1 + X2 + 0S1 + 0S2
Entonces:
Z - 2X 1 – X2 – 0S1 – 0S2 = 0
Z X1 X2 S1 S2 Sol
Z 1 -2 -1 0 0 0
S1 0 0 5 1 1 8
X1 0 1 1/2 0 -1/10 1/10
Z Z +2* X1 Z 1 0 0 0 -1/5 1/5
S1 0 0 5 1 1 8 8/1= 8
1/10/-1/10 = X
X1 0 1 1/2 0 -1/10 1/10
Z  Z ant +(1/5)*S2 Z 1 0 1 1/5 0 9/5
S2 X1/2
X1 S1 ant+(1/10)*S2 S2 0 0 5 1 1 8
X1 0 0 1 1/10 0 9/10
Solución Óptima
Z(Max) = 2*(9/10) + (8) = 9,8
X1 9/10 S1 0
X B=
[ ][ ]
X2
=
8
X N=
[ ][]
S2
=
0
Trabajo 5 – Método de Variables Artificiales para

Problemas de Programación Lineal
Metodo Simpler La gran M
Problema 1 :
66
Solución:
Definimos las variables originales como :
x1 y x2
La función a maximizar, beneficio obtenido , será:
z=3 x 1+ x 2
Restricciones :
x 1+ x 2≥ 3
2 x 1+ x 2 ≤ 4
x 1+ x 2=3
x 1 , x 2 ≥0
Forma Estandar :
z=3 x 1+ x 2+ 0 s 1+0 S 2−MR 1−MR 2

Despejando :
z=3 x 1+ x 2+ 0 s 1+0 S 2−MR 1−MR 2=0
x 1+ x 2+ R 1−S 1=3
2 x 1+ x 2+ S 2=4
x 1+ x 2+ R 2=3
Entonces :
x 1+x 2=3−x 1−x 2+ s 1

R 2=3−x 1−x 2
67
La solución factible basica inicial es :
x 1=x 2=0, R 1=3, S 1=4, R 2=3
X1 X2 S1 S2 R1 R2 SOL
Z -3 -1 0 0 M M 0
R1 1 1 -1 0 1 0 3
S2 2 1 0 1 0 0 4
R2 1 1 0 0 0 0 3
Para que el M de R1 y R2 se vuelva cero:
Z + R1(M) + R2(M)
La tabla resultante es la siguiente:
Z -2M-3 -2M-1 M 0 0 0 -6M
R1 1 1 -1 0 1 0 3
S2 2 1 0 1 0 0 4
R2 1 1 0 0 0 0 3
4/2=2
3/1=3
El numero 2 de la columna S2 es el pivote .
68
Para la nueva tabla, a toda la fila del pivote se le dividira entre el pivote(2)
Z 0 (-2M+1)/2 M M+3/2 0 0 -2M+6
R1 0 1/2 -1 -1/2 1 0 1
X1 1 1/2 0 1/2 0 0 2
R2 0 1/2 0 -1/2 0 1 1
1/(1/2)=2
El numero 1/2 de la columna R2 es el pivote .
Para la nueva tabla, a toda la fila del pivote se le dividira entre el pivote(1/2)
Z 0 0 M 1 0 2M-1 5
R1 0 0 -1 0 1 -1 0
X1 1 0 0 1 0 -1 1
X2 0 1 0 -1 0 2 2
Entonces la solucion optima es :
Z=5
Donde:
X 1=1
X 2=2
69
Y nos da como resultado:
z=3 x 1+ x 2
z=3(1)+2
z=5
Método Simplex De 2 Fases

Problema 1 :
Minimizar:
Z =4 x 1+ x 2
Restricciones
3 x 1+ x 2=3
4 x 1+3 x 2 ≥6
x 1+2 x 2 ≤ 4
x 1. x 2>0
Estandarizamos la función
Z =A 1+ A 2 Z −0 x 1−0 x 2−0 H 1−0E1− A 1− A 2=0

3 x 1+ x 2+ A 1=3
4 x 1+3 x 2−E 1+ A 2 ≥6
x 1+2 x 2+ H 1≤ 4
x 1. x 2>0
Creamos la tabla
x1 x2 H1 E1 A1 A2 Lado Der .
Z 0 0 0 0 -1 -1 0
A1 3 1 0 0 1 0 3
A2 4 3 0 -1 0 1 6
70
H1 1 2 1 0 0 0 4
Para formar la solución básica factible inicial A1 y A2 deben ser cero, entonces la tabla quedaría
así. Tomamos la columna con el mayor valor de Z, en este caso X1(entra) y la fila con menor
valor de división resultante, A1 (sale).
Z 7 4 0 -1 0 0 9
A1 3 1 0 0 1 0 3 3/3 = 1
A2 4 3 0 -1 0 1 6 6/4 = 3/2
H1 1 2 1 0 0 0 4 4/1 = 4
Dividimos la fila A1 entre 3 y luego aplicamos Gauss-Jordan
Buscamos el nuevo pivote, entra la varible X2 y sale la variable A2
Z 0 5/3 0 -1 -7/3 0 2
X1 1 1/3 0 0 1/3 0 1 1/ 1/3 = 3
A2 0 1/3 0 -1 -4/3 1 2 2/ 5/3 = 6/5
H1 0 1/3 1 0 -1/3 0 3 3/ 5/3 = 9/5
Aplicamos Gauss-Jordán
Z 0 0 0 0 -1 -1 0
X1 1 0 0 1/5 3/5 -1/5 3/5
X2 0 1 0 -3/5 -4/5 3/5 6/5
H1 0 0 1 1 1 -1 1
En la base no quedan más variables artificiales en el lado derecho el valor de Z es 0, tenemos la

solución básica factible, empezamos la fase 2.
Expresamos la función en términos de variables no básicas
Z −4 x 1−x 2−0 H 1−0E1=0
71
Sumamos la función a la tabla anterior
x1 x2 H1 E1 Lado Der .
Z -4 -1 0 0 0
X1 1 0 0 1/5 3/5
X2 0 1 0 -3/5 6/5
H1 0 0 1 1 1
Hacemos que los valores de x1 yx2 en la fila Z sea cero, luego hallamos el pivote, en este caso
entra E1 y sale H1.
Z 0 0 0 1/5 18/5
X1 1 0 0 1/5 3/5 3/5 / 1/5 = 3
X2 0 1 0 -3/5 6/5 ---
H1 0 0 1 1 1 1/1 = 1
Aplicamos Gauss-Jordán
Z 0 0 -1/5 0 17/5
En Z
no X1 1 0 -1/5 0 2/5
X2 0 1 3/5 0 9/5
E1 0 0 1 1 1
hay valores positivos, por lo tanto, termina la iteración, finalmente la solución óptima es:
Z =17/5
X 1=2/5
X 2=9 /5
72
Problema 2
Dado el problema lineal
Min z = 20x1 + 28x2

s.a.
4x1 + 3x2  1
9x2  1
x1 , x2  0
Determinar su solución mediante el algoritmo del SIMPLEX. Utilizar el

método de las dos fases ante la falta de una solución factible básica inicial.
Solucion:
El programa lineal no tiene una solución factible básica inicial dado el
sentido de las desigualdades. Para obtener una solución factible básica
inicial utilizaremos el método de las dos fases introduciendo dos variables
artificiales p1 y p2 y tratando de hacer Min z’ = p1 + p2. La tabla simplex de
esta Fase I es
x1 x2 s1 s2 p1 p2 SOL
Min z’ 0 0 0 0 -1 -1 0
p1 4 3 -1 0 1 0 1
p2 0 9 0 -1 0 1 1
73
Como la tabla no tiene el formato correcto para aplicar el simplex,
pues no son nulos los coeficientes de las variables básicas en la línea de z,
sumamos la segunda y tercera fila a la primera y obtenemos
Min z’ 4 12 -1 -1 0 0 2
p1 4 3 -1 0 1 0 1
p2 0 9 0 -1 0 1 1
Pivotaremos alrededor del elemento señalado en negrita y en

cursiva (notación que utilizaremos en todo el proceso), lo que nos da la
tabla
Min z’ 4 0 -1 1/3 0 -4/3 2/3
p1 4 0 -1 1/3 1 -1/3 2/3
x2 0 1 0 -1/9 0 1/9 1/9
Siguiendo el proceso del algoritmo del simplex obtenemos la tabla
Min z’ 0 0 0 0 -1 -1 0
x1 1 0 -1/4 1/12 1/4 - 1/6
1/12
x2 0 1 0 -1/9 0 1/9 1/9
con la que se finaliza la Fase I al obtener una base factible. Recuperamos
nuestro problema sustituyendo en la fila de z’ los coeficientes de la
función objetivo original y obtenemos la tabla
x1 x2 s1 s2 SOL
Min z -20 -28 0 0 0
74
x1 1 0 -1/4 1/12 1/6
x2 0 1 0 -1/9 1/9
tabla que no se adapta a los requisitos del simplex en los que debe
aparecer un cero en la línea de z en las variables básicas. Para lograrlo
sumamos a esta fila la segunda multiplicada por 20 y la tercera
multiplicada por 28, obteniendo
x1 x2 s1 s2 SOL
Min z 0 0 -5 - 58/9
13/9
x1 1 0 -1/4 1/12 1/6
x2 0 1 0 -1/9 1/9
Tabla en la que, siendo la solución factible, ya no se puede pivotar, esto es
mejorar la solución con lo que estamos en el óptimo y ha finalizado el
proceso del simplex. La solución es por tanto
x1 = 1/6
x2 = 1/9
s1 = 0
s2 = 0
z = 58/9
75
METODO DE VARIABLES ARTIFICIALES
METODO M
Max Z = 2 x 1 + x 2
Sujeto a:
x1 + x2 =2
2 x 1 +3 x 2 ≥ 5
x1 + 2 x2 ≤3
Forma estándar:
Z = 2 x1 + x2 + 0 S1 + 0 S2 - M R1 - M R2
x1 + x2 + R1 =2
2 x 1 +3 x 2 + R2 - S1 = 5
x 1+2 x 2+ S 2 =3
Z - 2 x1 - x2 - 0 S1 - 0 S2 + M R1 + M R2 =0
Despejando R1 y R2 para eliminar coeficientes M en las variables R1 y

R2 de la tabla:
2- x1 - x2 = R1
R2 = 5 + S1 - 2 x1 - 3 x2
Reemplazando en Z:
Z + (−3 M −2)x 1 + (−1−4 M ) x 2 - M S 1 - 0 S 2 = −7 M

Desarrollo
Tabla
76
Como se pide maximizar, se elige de la fila de Z el más negativo
(columna pivote) y de esa columna se elige el menor resultado de la
división de esa columna con la columna solución.
Z X1 X2 S1 S2 R1 R2 Sol VE = X2
Z 1 -3M-2 -1-4M M 0 0 0 -7M VS = S2
2/1 = 2
R1 0 1 1 0 0 1 0 2 5/3 = 1.666
R2 0 2 3 -1 0 0 1 5 3/2 = 1.5
Pivote: 2
S2 0 1 2 0 1 0 0 3
Reemplazando la variable de salida por la de entrada (S2 por X2),

convirtiendo el pivote en 1 y el resto de elementos de la columna
pivote a 0 (1ra iteración)
Z X1 X2 S1 S2 R1 R2 Sol
-M 1/2 + 0 0 (3-
Z 1 0 M
-3/2 2M 2M)/2
R1 0 1/2 0 0 -1/2 1 0 1/2
R2 0 1/2 0 -1 -3/2 0 1 1/2
X2 0 1/2 1 0 1/2 0 0 3/2
Eligiendo columna y fila pivote para la segunda iteración:
-M 1/2 + 0 0 (3- VS = R2
Z 1 0 M 0.5/0.5 = 1
-3/2 2M 2M)/2 0.5/0.5 = 1
R1 0 1/2 0 0 -1/2 1 0 1/2 3/2 = 1.5
Pivote: 1/2
R2 0 1/2 0 -1 -3/2 0 1 1/2
X2 0 1/2 1 0 1/2 0 0 3/2
Reemplazando la variable de salida por la de entrada (X1 por R2),

pivote a 0 (2da iteración)
-3- (-8 + 0 3+2M
Z 1 0 0 3
M 4M)/2
R1 0 0 0 1 1 1 -1 0
X1 0 1 0 -2 -3 0 2 1
X2 0 0 1 1 2 0 -1 1
Como no todos los elementos de la fila Z son 0 o positivos, se sigue iterando:
Z X1 X2 S1 S2 R1 R2 Sol VE = S1
VS = R1
-3- (-8 + 0 3+2M
Z 1 0 0 3 0/1 = 0 
M 4M)/2 1/-2 = X
1/1 = 1
R1 0 0 0 1 1 1 -1 0 Pivote: 1
X1 0 1 0 -2 -3 0 2 1
77
X2 0 0 1 1 2 0 -1 1
Reemplazando la variable de salida por la de entrada (S1 por R1),

pivote a 0 (3ra iteración)
1+ (8+4M) 1
Z 1 0 0 0 3
M /2
R1 0 0 0 1 1 1 -1 0
X1 0 1 0 1 0 3 -1 1
X2 0 0 1 -1 0 -2 1 1
Entonces: Z = 3 , X1 = 1, X2 = 1
MÉTODO DE 2 FASES
Max Z = 2 x 1 + x 2
Sujeto a:
x1 + x2 =2
2 x 1 +3 x 2 ≥ 5
x1 + 2 x2 ≤3
Fase 1:
Minimiza variables artificiales y coeficientes de R serán 1:
Z = 0 x1 + 0 x2 + 0 S1 + 0 S2 + 1 R 1 + 1 R 2
Z - 0 x1 - 0 x2 - 0 S1 - 0 S2 - 1 R1 - 1 R 2 = 0
Tabla
Z 1 0 0 0 0 1 1 0
R1 0 1 1 0 0 1 0 2
R2 0 2 3 -1 0 0 1 5
S2 0 1 2 0 1 0 0 3
R1 y R2 deben ser vectores unitarios (deben ser 0):
78
Z 1 -3 -4 1 0 0 0 -7
R1 0 1 1 0 0 1 0 2
R2 0 2 3 -1 0 0 1 5
S2 0 1 2 0 1 0 0 3
Eligiendo la columna y fila pivote
Z 1 -3 -4 1 0 0 0 -7 VS = S2
R1 0 1 1 0 0 1 0 2
Pivote: 1
R2 0 2 3 -1 0 0 1 5
S2 0 1 2 0 1 0 0 3
Iterando y eligiendo siguiente pivote:
VS = R2
Z 1 -1 0 1 2 0 0 -1
R1 0 1/2 0 0 -1/2 1 0 1/2 Pivote: 1/2
R2 0 1/2 0 -1 -3/2 0 1 1/2
X2 0 1/2 1 0 1/2 0 0 3/2
Finalmente:
Z 1 0 0 -1 -1 0 2 0
R1 0 0 0 1 1 1 -1 0
X1 0 1 0 -2 -3 0 2 1
X2 0 0 1 1 2 0 -1 1
Como Z* = 0, se procede a la fase 2.
Fase 2
Maximar
Z = 2 x1 + 0 x2 + 0 S1 + 0 S2
Z - 2 x1 - x2 - 0 S1 - 0 S2 = 0
Tabla
Z X1 X2 S1 S2 Sol
Z 1 -2 -1 0 0 0
79
R1 0 0 0 1 1 0
X1 0 1 0 -2 -3 1
X2 0 0 1 1 2 1
Z X1 X2 S1 S2 Sol VE = S2
Z 1 0 0 -4 -5 3 VS = R1
R1 0 0 0 1 1 0
Pivote: 1/2
X1 0 1 0 -2 -3 1
X2 0 0 1 1 2 1
Z X1 X2 S1 S2 Sol
Z 1 0 0 1 0 3
S2 0 0 0 1 1 0
X1 0 1 0 1 0 1
X2 0 0 1 -1 2 1
Entonces, Z = 3, X1 = 1, X2 = 1
MÉTODO SIMPLEX (3 VARIABLES 3 RESTRICCIONES)
EJEMPLO 1:
Una empresa de muebles planea introducir una línea para jardín que conste de sillas,
mecedoras y sillones. Cada mueble requiere madera, plástico y aluminio para su fabricación. La
empresa dispone de 400 unidades de madera, 500 de plástico y 1,450 de aluminio para iniciar
la producción. Considera que puede vender cada silla en 21 dólares, cada mecedora en $24 y
cada sillón en $36 y que puede colocar en el mercado toda su producción. Determina los
niveles de producción para cada uno de sus productos a fin de obtener el mayor ingreso
posible. Teniendo en cuenta la siguiente tabla.
SILLA MECEDORA SILLÓN TOTAL

MADERA 1 1 1 400
PLÁSTICO 1 1 2 500
ALUMINIO 2 3 5 1 450
Solución:
X1: número de sillas producidas // Unidades de madera requerida

X2 : numero de mecedoras producidas // Unidades de plástico requerida
X3: número de sillones producidos // Unidades de aluminio requerida
80
MAX Z = 21 X1 + 24 X2 + 36 X3
3. Restricciones
X1 + X2 + X3  400
X1+ X2+ 2 X3  500
2 X1 + 3 X2+ 5 X3  1 450
X1, X2, X3  0
Forma estándar:
X1 + X2 + X3 + S1 = 400
X1 + X2 + 2X3 + S2 = 500
2 X1 + 3X2 + 5X3 + S3 = 1 450
(Maximización) Z - 21 X1 - 24 X2 - 36 X3 - S1 - S2 - S3 = 0
Z 1 -21 -24 -36 0 0 0 0
S1 0 1 1 1 1 0 0 400 400/1=400
S2 0 1 1 2 0 1 0 500 500/2=250
S3 0 2 3 5 0 0 1 1 450 1450/5=290
Z 1 -3 -6 0 0 18 0 9 000
150/1/2=300
S1 0 1/2 1/2 0 1 -1/2 0 150
250/1/2=500
X3 0 1/2 1/2 1 0 1/2 0 250 1450/1/2=2900
S3 0 -1/2 1/2 0 0 -5/2 1 200
Z 1 3 0 0 12 24 0 10 800
X2 0 1 1 0 2 -1 0 300
X3 0 0 0 1 -1 1 0 100
81
S3 0 -1 0 0 -1 -2 1 50
Solución Óptima
Z(MAX) = 21(0) + 24(300) + 36(100)= 10 800
X2 300 X1 0
[ ][ ]
X B= X 3 = 100
S3 50 [ ][]
X N = S1 = 0
S2 0
Trabajo 6 - Método Simplex con 3

variables y 3 restricciones
Problema 1 :
82
83
EJERCICIO RESUELTO CON EL METODO SIMPLEX
Un negocio se dedica al armado de cuadros decorativos, para ello se cuenta con los siguientes
recursos y procesos:
Determine la cantidad de cada tipo de cuadro que debería fabricar para alcanzar una máxima
utilidad.
84
Solución:
El modelo seria:
x 1=Cantidad de cuadros 1
Maximizar Z=11 X 1+15 X 2+9 X 3
Sujeto a:
1 X 1+2 X 2+3 X 3 ≤12

1 X 1+2 X 2+1 X 3 ≤ 10
3 X 1+ 1 X 2+1 X 3≤ 13
Condiciones de no negatividad:
X 1 , X 2 , X 3 ≥0
Trasladando el modelo a la forma canónica:
Z −11 X 1−15 X 2−9 X 3=0
1 X 1+2 X 2+3 X 3+ S 1=12

1 X 1+2 X 2+1 X 3+ S 2=10
3 X 1+ 1 X 2+1 X 3+S 3=13
85
86
Otro iteración:
Otra iteración:
87
Finalmente:
Respuesta:
Z=87
X3=1
X2=3
88
X1=3
Método De Dual Simplex

EJEMPLO 1:
(Minimización) Z = 4 X1 - 2 X2 (Minimización) Z - 4 X1 + 2 X2 = 0
s.a.: s.a.:
X1 + X2  1 - X1 - X2  - 1
3 X1 - X2  2 - 3 X1 + X2  - 2
X1 , X2 ≥ 0 X1 , X2 ≥ 0
(Minimización) Z - 4 X1 + 2 X2 - 0 S1 - 0S2 = 0
s.a.:
- X1 - X2 + S1 = - 1
- 3 X1 + X2 + S2 = - 2
X1 , X2 , S1 , S2 ≥ 0
Z X1 X2 S1 S2 Sol.
VS = Min {-1}
Z 1 -4 2 0 0 0 VE = Min { -4/-1, 2/-1}
S1 0 -1 -1 1 0 -1 + Negativo
S2 0 -3 1 0 1 -2
Z 1 -6 0 2 0 -2
VS = Min {-3}
X2 = S1/-1 VE = Min { -6/-4, 0/0}
S2 = S2ant + (-1)*X2
Z = Zant + (-2)*X2
89
+ Negativo
X1 = S2/-4
X2 = X2ant + (-1)*X1
X2 0 1 1 -1 0 1
S2 0 -4 0 1 1 -3
Z 1 0 0 1/2 -3/2 5/2
X2 0 0 1 -3/4 1/4 1/4
X1 0 1 0 -1/4 -1/4 3/4
Solución Óptima
El valor máximo de la función objetivo es
Z* = 5/2, y corresponde a
X1 1/4 S1 0
X B=
[ ][ ]
X2
=
3/4
X N=
[ ][]
S2
=
0
EJEMPLO 2:
(Minimización) Z = 160X1 + 120X2 +280X3 (Minimización) Z-160X1 -120X2 -280X3 = 0
s.a.: s.a.:
2X1 + X2 + 4X3  1 -2X1 - X2 - 4X3  -1
2X1 + 2X2 + 2X3  3/2 -2X1 - 2X2 - 2X3  -3/2
X1 , X2 , X3 ≥ 0 X1 , X2 , X3 ≥ 0
(Minimización) Z - 160X1 - 120X2 -280X3 - 0 S1 - 0S2 = 0
s.a.:
-2X1 - X2 - 4X3 +S1 = -1
-2X1 - 2X2 - 2X3 + S2= -3/2
X1 , X2 , X3 , S1 , S2 ≥ 0
Z X1 X2 X3 S1 S2 Sol.
VS = Min {-1}
Z 1 -160 -120 -280 0 0 0 VE = Min { -160/-2, -120/-2,
-280/-2}
S1 0 -2 -1 -4 1 0 -1
+ Negativo
S2 0 -2 -2 -2 0 1 - 3/2
Z 1 -40 0 -160 0 -60 90
VS = Min {-1/4}
S1 = S1ant + (1)*X2 VE = Min { -40/-1, 0/0,
X2 = S2/-2 -160/1}
Z = Zant + (120)*X2 90
+ Negativo
X1 = S1/-1
X2 = X2ant + (-1)*X1
Z = Zant + (40)*X1
S1 0 -1 0 -3 1 -1/2 -¼
X2 0 1 1 1 0 -1/2 ¾
Z 1 0 0 -40 -40 -40 100
X1 0 1 0 3 -1 ½ ¼
X2 0 0 1 -2 1 -1 ½
Solución Óptima
Z* = 100, y corresponde a
X3 0
X
X B= 1 =
X2
1 /4
[ ][ ]
1/2 [ ][]
X N= S 1 = 0
S2 0
EJEMPLO 3:
(Minimización) Z = 5X1 + 2X2 + 4X3 (Minimización) Z - 5X1 - 2X2 - 4X3 = 0
s.a.: s.a.:
3X1 + X2 + 2X3  4 -3X1 - X2 - 2X3  -4
6X1 + 3X2 + 5X3  10 -6X1 - 3X2 - 5X3  -10
X1, X2, X3 ≥ 0 X1, X2, X3 ≥ 0
(Minimización) Z - 5X1 - 2X2 - 4X3 - 0S1 - 0S2 = 0
s.a.:
-3X1 - X2 - 2X3 + S1 = -4
-6X1 - 3X2 - 5X3 + S2 = -10
X1, X2, X3, S1, S2 ≥ 0
Z X1 X2 X3 S1 S2 Sol.
VS = Min {-10}
Z 1 -5 -2 -4 0 0 0 VE = Min { -5/-6, -2/-3,
-4/-5}
S1 0 -3 -1 -2 1 0 -4
+ Negativo
S2 0 -6 -3 -5 0 1 -10
S1 = S1ant + (1)*X2
VS = Min {-2/3}
X2 = S2/-3
VE = Min { -1/-1, 0/0,
Z = Zant + (2)*X2 91
-2/3/-1/3}
+ Negativo
X1 = S1/-1
Z 1 -1 0 -2/3 0 -2/3 20/3
S1 0 -1 0 -1/3 1 -1/3 -2/3
X2 0 2 1 5/3 0 -1/3 10/3
Z 1 0 0 -1/3 -1 -1/3 22/3
X1 0 1 0 1/3 -1 1/3 2/3
X2 0 0 1 1 2 -1 2
Solución Óptima
X1 2/ 3
[ ][ ]
X B= X 2 = 2
X3 0
X N=
S1
[ ][]
S2
=
0
0
EJEMPLO 4:
(Minimización) Z = X1 + X2 (Minimización) Z - X1 - X2 = 0
s.a.: s.a.:
2X1 + X2  4 -2X1 - X2  -4
X1 + 7X2  7 -X1 - 7X2  -7
X1, X2 ≥ 0 X1, X2 ≥ 0
(Minimización) Z - X1 - X2 - 0S1 - 0S2 = 0
s.a.:
-2X1 - X2 + S1 = -4
-X1 - 7X2 + S2 = -7
X1, X2 S1, S2 ≥ 0
Z X1 X2 S1 S2 Sol.
Z 1 -1 -1 0 0 0 VS = Min {-7}
VE = Min { -1/-1, -1/-7 }
S1 0 -2 -1 1 0 -4
+ Negativo
S1 = S1ant + (1)*X2 92
X2 = S2/-7 VS = Min {-3}
X1
Z = =Zant
S1/-13/7
+ (1)*X2 VE = Min { -6/7/-13/7, 0/0 }
X2 = X2ant + (-1/7)*X1
Z = Zant + (6/7)*X1
+ Negativo
S2 0 -1 -7 0 1 -7
Z 1 -6/7 0 0 -1/7 1
S1 0 -13/7 0 1 -1/7 -3
X2 0 1/7 1 0 -1/7 1
Z 1 0 0 -6/13 -1/13 31/13
X1 0 1 0 -7/13 1/13 21/13
X2 0 0 1 1/13 -2/13 10/13
Solución Óptima
X1 21/13 S1 0
X B=
[ ][
X2
=
10/13 ] X N=
[ ][]
S2
=
0
Trabajo 7 - Método Dual Simplex
Pregunta 1 :
Solución:
Min Z -4x1 -2x2 =0
Convertimos las desigualdades de las restricciiones en <=, para eso multiplicamos por -1
-x1 – x2 <= -1
-3x1 + x2 <= -2
93
X1 , x2 >= 0
Min Z -4x1 – 2x2 – 0s1 – 0s2 = 0
Sujeto a:
-x1 -x2 + s1 = -1
-3x1 + x2 + s2 = -2
X1, x2, s1, s2 >= 0
Solucion basica s1 = -1, s2 = -2 , optima pero no factible
Aplicacion del metodo simplex dual
z X1 X2 S1 S2 Sol
Z 1 -4 -2 0 0 0
S1 0 -1 -1 1 0 -1
S2 0 -3 1 0 1 -2
1 iter 1 0 -10/3 0 -4/3 8/3
S1 0 0 -4/3 1 -1/3 -1/3
X2 0 1 -1/3 0 -1/3 2/3
2 iter 1 0 -46/9 4/3 0 4
X1 0 0 4 -4 1 1
X2 0 1 1 1/3 0 1
Como xB >= 0, por lo cual determinamos que es factible
Z =4
X1 = 1
X2 = 1
Pregunta 2 :
94
Solución:
Min Z -2000x1 -1000x2 =0
Convertimos las desigualdades de las restricciiones en <=, para eso multiplicamos por -1
-3x1 - x2 <= -40
-2x1 - 2x2 <= -60
X1, x2 >= 0
Min Z -2000x1 – 1000x2 – 0s1 – 0s2 = 0
Sujeto a:
-3x1 - x2 + S1 = -40
-2x1 - 2x2 + S2 = -60
X1 , x2 , S1, S2 >= 0
Solucion basica s1 = -40, s2 = -60, optima pero no factible
Aplicacion del metodo simplex dual
z X1 X2 S1 S2 Sol
z 1 -2000 -1000 0 0 0
S1 0 -3 -1 1 0 -40
S2 0 -2 -2 0 1 -60
1era it 1 -1000 0 0 -500 30000
S1 0 -2 0 1 -1/2 -10
X2 0 1 1 0 -1/2 30
2da it 1 0 0 -500 -250 35000
X1 0 1 0 -1/2 1/4 5
S2 0 0 1 1/2 -3/4 25
Z = 35000
95
X1 = 5
X2 = 25
Pregunta 3 :
Maximixación:
Z =−30 X 1+ 48 X 2
Restriciones :
5 X 1+12 X 2 ≥ 40
10 X 1+ 6 X 2≤ 60
X 1, X2≥0
Se cambian las restricciones a preferencia:
Z +30 X 1−48 X 2=0

−5 X 1−12 X 2≤−40
10 X 1+ 6 X 2≤ 60
X 1, X2≥0
Entonces se convierte a ecuaciones :
Z =−30 X 1+ 48 X 2−S 1−S 2

Z +30 X 1−48 X 2+ S 1+ S 2=0
Restriciones :
−5 X 1−12 X 2+ S 1=−40
10 X 1+ 6 X 2+ S 2=60
X 1, X2≥0
Se realiza la table de solución Dual Simplex:
X1 X2 S1 S2 Sol
z 30 -48 0 0 0
S1 -5 -12 1 0 -40
S2 10 6 0 1 60
1er iteracion 50 0 -4 0 160
96
X2 5/12 1 -1/12 0 10/3
S2 15/12 0 1/2 1 10
Al finalizer la primera interaccion del Dual Simplex , los coeficientes de la columna solucion ya
son positivos así que elDual simplex a concluido, pero vemos que la tabla no cumple con los
requisitos de una maximizacion, por eso se vuelve a hacer una iteración mas para satisfacer
esos requisitos
Iteración Maximización:
2da iteración 110 0 0 8 480

X2 5/3 1 0 1/6 10
S1 15 0 1 2 80
Entonces : El valor máximo de Z es 480
Siendo:
X1 = 0 y X2 = 10
Z =−30 ( 0 ) +48 ( 10 ) =480
Ejercicios Dual Simplex
A) Min Z = 4x1 + 2x2 Min Z = 4x1 + 2x2 Mín Z = 4x1 + 2x2
sujeto a : x1 + x2 ≥ 1 -x1 - x2 ≤ -1
x1 + x2 ≥ 1
3x1 - x2 ≥ 2 3x1 - x2 ≥ 2 -3x1 + x2 ≤ -2
x1 , x2 ≥ 0
x1 , x 2 ≥ 0 x1 , x2 ≥ 0
PPL estandarizado:
Mín Z - 4x1 – 2x2 – 0S1 – 0S2 = 0
-x1 - x2 + S1 = -1
-3x1 + x2 + S2 = -2
x1 , x2 , S1 , S2≥ 0
Z X1 X2 S1 S2 Sol
97
Z 1 -4 -2 0 0 0
S1 0 -1 -1 1 0 -1
S2 0 -3 1 0 1 -2
1°iter 1 0 -10/3 0 -4/3 8/3
S1 0 0 -4/3 1 -1/3 -1/3
X1 0 1 -1/3 0 -1/3 2/3
2°iter 1 0 0 -5/2 -1/2 7/6
X2 0 0 1 -3/4 1/4 1/4
X1 0 0 0 -1/4 -5/12 7/12
El valor mínimo de la función objetivo es Z*= 7/6

X1 = 1/4 X2 = 7/12
S1 = 0 S2 = 0
B) Minimizar:
Z = 7x1 + 2x2
sujeto a:
x1 + x2 ≥11
3x1 - 3x2 ≥2
x1, x2 ≥0
Utilizamos las variables de exceso y lo volveremos estandar:
Z – 7x1 – 2x2 = 0 → Z – 7x1 – 2x2 - A1 - A2 = 0
-x1 - x2 ≤ -11 → -x1 - x2 + A1 = -11
-3x1 + 3x2 ≤ -2 → -3x1 + 3x2 + A2 = -2 A1 - A2 ≥0
Ecuació Variable Variables Variables Lado

n s Originales Agregadas Derech
Básicas o
x1 x2 A1 A2
0 Z -7 -2 0 0 0
1 A1 -1 -1 1 0 -11
2 A2 -3 3 0 1 -2
Sale A1 entra x2
Ecuació Variable Variables Variables Lado

n s Originales Agregadas Derech
Básicas o
x1 x2 A1 A2
0 Z -5 0 -2 0 22
1 X2 1 1 -1 0 11
2 A2 -6 0 3 1 -35
Sale A2 entra x1
98
Z 1 8 5 1 0 0 0 0
S1 0 Ecuació
-7 Variable
0 -2 Variables
1 0 Variables
0 -2Lado
S2 0 -1n -1s -6 Originales
0 1 Agregadas
0 Derech
-4
S3 0 -1 Básicas
2 -3 0 0 1 -9 o
1 iter 1 21/2 0 17/2x 1
0 x2 0 A 1
-5/2A2 45/2
S1 0 -70 0Z -2 0 1 0 0 -9/2 0 -5/6 -2307/6
S2 0 1
-3/2 0X2 0
-15/2 0 0 1 -1/2 1/2-1/6 7/3
-17/2
2 x 1 0 -1/2 -1/6 35/6
X3 0 -1/2 11 -3/2 0 0 1/2 -9/2
2 iter 1 44/5 0 0 0 17/15 -29/15 193/15
X1 0 -103/15 0 0 1 -4/15 -2/15 4/15
X2 0 1/5 0 1 0 -2/15 -1/15 17/15

X3 0 1/5 1 0 0 -1/15 2/5 41/5
Como tenemos en la fila de Z que los valores son Z o negativos excepto el Lado
Derecho, hallamos la respuesta del problema Z=307/6 , x2 = 7/3, x1 = 35/6
C) Max Z = −8X1 − 5X2 − X3

Sujeto a
7X1 + 2X3 ≥ 2
X1 + X2 + 6X3 ≥ 4
X1 − 2X2 + 3X3 ≥ 9
X1, X2 ≥ 0
Max Z + 8X1 + 5X2 + X3 = 0

Sujeto a
-7X1 - 2X3 ≤ -2
-X1 - X2 - 6X3 ≤ -4
-X1 + 2X2 - 3X3 ≤ -9
X1, X2 ≥ 0
PPL Estandarizado
Max Z + 8X1 + 5X2 + X3 + 0S1 + 0S2 +0S3 = 0
Sujeto a
-7X1 - 2X3 + S1 = -2
-X1 - X2 - 6X3 + S2 = -4
-X1 + 2X2 - 3X3 + S3 = -9
X1, X2, S1, S2, S3 ≥ 0
Vs=min{-2,-4,-9}
VE=max{8/-1,
5/2, 1/-3}
Ya es factible
El valor mínimo de la función objetivo es Z*= 193/15
X1 = 4/15 X2 = 17/15 X3 = 41/5
S1 = 0 S2 = 17/15 S3 = -29/15
99
E ) Simplex Dual
Min Z = 2X1 + 3X2

RESTRINCIONES
5X1 + 2X2 >= 10
X1 – X2 >= 0
X1 >=2
X1, X2 >=0
Convertimos inecuaciones a ecuaciones exactas
Z – 2X1 - 3X2 = 0
5X1 + 2X2 - S1 = 10 => - 5X1 - 2X2 + S1 = -10
X1 – X2 - S2 = 0 => - X1 + X2 - S2 = 0
X1 – S3 = 2 => - X1 + S3 = -2
Método Primal – Dual

Max Z=5 X 1 +12 X 2 +14 X 3
Sujeto a:
X 1 +2 X 2 + X 3 ≤5
2 X 1−X 2 +3 X 3 =2
X i ≥0, i=1,2,3
Dual
Min Z=5 Y 1 +2Y 2
Y 1+ 2Y 2 ≥5
2Y 1−Y 2 ≥ 12
Y 1+ 3Y 2 ≥ 14
Y 1 ≥ 0, Y 2 irrestricto
Resolviendo el Primal:
Z −5 X 1−12 X 2−14 X 3−0 S1 + M R1 =0
X 1 +2 X 2 + X 3 + S1=5
100
2 X 1−X 2 +3 X 3 + R1 =2
Reemplazando R1 en Z:
Z + (−5−2 M ) X 1 + (−12+ M ) X 2 + (−14−3 M ) X 3+ 0 S 1=−2 M
Tabla:
Z X1 X2 X3 S1 R1 Sol
-14- VE = X3
Z 1 -5-2M -12+M 0 0 -2M
3M VS = R1
S1 0 1 2 1 1 0 5 Pivote: 3
R1 0 2 -1 3 0 1 2
Z 1 13/3 -50/3 0 0 14/3 + M 28/3 VE = X2

S1 0 1/3 7/3 0 1 -1/3 13/3 VS = S1
X3 0 2/3 -1/3 1 0 1/3 2/3
Pivote: 7/3
Z 1 141/21 0 0 50/7 16/7 + M 282/7

X2 0 1/7 1 0 3/7 -1/7 13/7
X3 0 5/7 0 1 1/7 2/7 9/7
Entonces Z = 282/7, X1 = 0, X2 = 13/7 y X3 = 9/7

Ya que Z = 5(0) + 12(13/7) + 14(9/7) = 282/7
Para el dual:
Y1 = 50/7, Y2 = 16/7
Ya que Z = 5(50/7) + 2(16/7) = 282/7
Método Dual Simplex
Min Z = 4x1 + 2x2

Sujeto a:
x1 + x2 >= 1
3x1 - x2 >= 2
101
x1, x2 >= 0
Solución:
Min Z: -4x1 -2x2 =0
Convertimos las desigualdades de las restricciones en <=, para eso multiplicamos por -1
-x1 – x2 <= -1
-3x1 + x2 <= -2
x1, x2 >= 0
Min Z:
-4x1 – 2x2 – 0s1 – 0s2 = 0
Sujeto a:
-x1 -x2 + s1 = -1
-3x1 + x2 + s2 = -2
X1, x2, s1, s2 >= 0
Solución básica s1 = -1, s2 = -2, optima, pero no factible
Aplicación del método simplex dual
z X1 X2 S1 S2 Sol
Z 1 -4 -2 0 0 0
S1 0 -1 -1 1 0 -1
S2 0 -3 1 0 1 -2
1 itera 1 0 -10/3 0 -4/3 8/3
S1 0 0 -4/3 1 -1/3 -1/3
X2 0 1 -1/3 0 -1/3 2/3
2 itera 1 0 -46/9 4/3 0 4
X1 0 0 4 -4 1 1
X2 0 1 1 1/3 0 1
Z =4
102
X1 = 1
X2 = 1
PROBLEMAS DE PROGRAMACIÓN LINEAL CON LINDO

Cambios en la variable básica:
EJEMPLO 01:
(Minimización) Z = 315 X1 + 110 X2 + 50 X3
s.a.:
15X1 + 2X2 + X3  200
7.5X1 + 3X2 + X3  150
5X1 + 2X2 + X3  120
X1, X2, X3 ≥ 0
103
Z*= Z
VB X1 =
Var. NO Básica 
VB X2 =
Xi=0
VB X3 =
Var. Básica Xi>0
Rest. Activa  (Holgura o (Peso
Sx=0 excedente) Dual)
Rest. NoRest.
Activa
Activa Rest1 = S1 =
 Rest2 = S2 =
Rest. Activa S3 =
Rest3 =

Rest. Activa
N° iteraciones para hallar la
OPTIMALIDAD
Variación de CX
para continuar
siendo óptimo y
Coef. FO:
-40  ∆C1 
C1 = 360
C2 = -10  ∆C2 
16
C3 =
FACTIBILIDAD
-12  ∆C3  5
Variación de BX
Lado Derecho de para continuar
Rest: siendo factible
para
Rest1 = B1 = -80 el mismo
 ∆B1 
Rest2 = B2 = 40
Rest3 = B3 = -10  ∆B2 
30
-20  ∆B3 
Incremento Reducción
¿Y si varía el valor de un Ci de una Variable NO Básica, como actúa la solución Óptima y el valor
de la F.O.?
M in Z = 315 X1 + 110 X2 + 50 X3 De C1 = 315 a C2’ = 275

ΔC1 = 275 – 315 = -40
VB  X1¿ΔC1
= 8 = -40 pertenece
-40 alΔC1
intervalo?
 360 SI
VB  X2Ya= que
10 C1 pertenece a Var.
-10  ΔC2 Básicas.
 16
 X1 = 8 no-12
VB X3 = 60 cambia.
 ΔC3  5
 Z*  Z’ cambia.
Z’ = Z* + ΔC1(X1)
Z* = 6620 Z’ = 6620 + (-40) (8) = 6300 = Z’
104
Verifiquemos en LINDO
Z’= Cambio
X1 =
X2 =
X3 =
No
Cambios en la variable no básica:

Ejemplo 02:
s MAX Z = 2X1 + 4X2 + 3X3 + 8X4
s.a.:
X1 + 9X2  7
5X1 + 7X2  9
2X3 + X4  3
4X3 +6X4  12
X1, X2, X3, X4  0
Z*= Z
Var. NO Básica VB X1 =
Xi=0  X2 =
Var. Básica Xi>0 VNB X3 =
Rest. Activa  X4 =
Sx=0 Rest. VNB
Rest. No Activa (Holgura o (Peso
Activa
Sx>0 Rest. Rest1 = S1 =
Activa Rest2 = S2 =
Rest. Rest3 = S3 =
Activa Rest4 = S4 =
Rest.
Activa OPTIMALIDAD
N° iteraciones para hallar la
Variación de CX
para105
continuar
siendo óptimo y
sin variar la
Coef. 1,5 ∆C1
solución:
+∞
Lado
C1 = Derecho -∞ ∆C2 14
C3 =
C4 = Variación
+∞ de BX
para continuar
Rest1 siendo factible
= para el mismo
Rest2 B1 = 5.2 ∆B1
precio dual:
= B2 = +∞
Rest3 B3 = -∞ ∆B2 26
= B4 = 1 ∆B3 +∞
Rest4 Incremento -∞ ∆B4 6
Reducción
= máximo máxima
106
¿Y si varía el valor de un Ci de una Variable NO Básica, como actúa la solución Óptima y el valor
de la F.O.?
Max Z = 2X1 + 4X2 + 3X3 + 8 X4 De C2 = 4 A C2’ = 0

∆C2 = C2’ -C2 = 0 – 4 =
VB X1 = 1,5  ∆C1  -4
7 +∞ ¿ ∆C2 = -4 pertenece a
Var. NO Básicas.
VNB X2 = -∞  ∆C2 
Ya que C2 pertenece a
0 14
Var. NO Básicas
VNB X3 = -∞  ∆C3 
 X2 = 0 no
Z* = 38 cambia
Verifiquemos en LINDO:
Z’= No
X1 =
X2 =
X3 =
X4 = No
107
Cambios en una restriccion no activa:
EJEMPLO 3:
Max Z = 25X1 + 20X2 + 30X3 + 30X4

sujeto a
3X1 + X2 + 4X3 + 4X4 ≤ 150
4X1 + 2X2 + 5X3 + 5X4 ≤ 200
5X1 + 5X2 + 4X3 ≤ 300
X1, X2 ≥ 0
← Z Óptimo
VNB →
VB →
VNB →
VB →
(Holgura o excedente) (Peso Dual)
Rest. NO Activa → Rest1 = S1 = Y1 =

Rest. Activa → Rest2 = S2 = Y2 =
Rest. Activa → Rest3 = S3 = Y3 =
← Nº iteraciones para hallar la solución Óptima
Coef. FO:
C1 = -α ≤ C1 ≤ 7
C2 = -7 ≤ C2 ≤ α
C3 = -α ≤ C3 ≤ 6.4
C4 = -9.41 ≤ C4 ≤ 20
Lado Derecho de Rest.:
Rest1 = B1 = -26 ≤ B1 ≤ α
Rest2 = B2 = -80 ≤ B2 ≤ 32.5
Rest3 = B3 = -216.67 ≤ B3 ≤ 200
108
Variando el valor de Bi de una restricción NO Activa.
→ B1
→ B2 De B1 = 150 a B1’ = 250
→ B3 B1 = B1’ – B1 = 250 – 150 = 100
¿ B1 = 100 pertenece al intervalo? SI
X1 = 0
X2 = 60 -26 ≤ B1 ≤ α Ya que B1 pertenece a Rest. NO Activa
X3 = 0 -80 ≤ B2 ≤ 32.5  Xi no cambia
X4 = 16 -216.67 ≤ B3 ≤ 200  Z’ → Z* no cambia
Z’ = Z* + B1 ( Y1 )
Z* = 1680 Rest. NO Activa → B1 → Y1 = 0 Z’ = 1680 + 100 ( 0 ) = 1680 = Z’ = Z*
Rest. Activa → B2 → Y2 = 6
Rest. Activa → B3 → Y3 = 1.6
Verificando en LINDO.
No cambió
No cambió
109
Trabajo 8 - Programación Lineal con Lindo
Ejercicio 1 - Máximo con Lindo
Una compañía fabrica y venden dos modelos de lámpara L 1 y L2. Para su fabricación se necesita
un trabajo manual de 4 horas para el modelo L 1 y de 5 horas para el L2; y un trabajo de máquina
de 4 horas para el modelo L1 y de 3 horas para L2. Se dispone para el trabajo manual de 1200
horas al mes y para la máquina 960 horas al mes. Sabiendo que el beneficio por unidad es de
150 y 100 euros para L1 y L2, respectivamente, planificar la producción para obtener el máximo
beneficio.
Función:
Max Z = 150x1 + 100x2
Restricción:
4x1 + 5x2 <= 1200
4x1 + 3x2 <= 960
x1,x2 >= 0
Respuesta:
Fabricando 67 lámparas de tipo 1 y 186 del tipo 2, se podrá sacar un máximo provecho
de 28650 euros.
Ejercicio 2 - Minimización dual simplex
MIN 100X1+120X2
SUBJECT TO
110
4X1+8X2>=480
5X1+6X2>=600
12X1+8X2>=540
END
De C1=100 a C1’ = 90
Variación de C1 = C’1-C1 = 90 – 100 = -10
-10 pertenece al intervalo? Si
Ya que C1 pertenece a Variables básicas:
X1 = 120.00000 no cambia
Z* != Z’
Z’ = Z* + Diferencia de C1(X1)
Z’ = 12 000 + -10(120) = 10 800
111
Verificamos con el lindo nuevamente con el C1’
112
Simplex de 3 variables Usando Lindo
Min Z = 90
S1 = 1, X1 = 0.25, X2 =0, X3 = -2.5
113
PROBLEMA CON LINDO
A) Max Z = 2X1 + 2X2 – 3X3

Sujeto a :
-X1 + X2 + X3 ≤ 4
2X1 – X2 + X3 ≤ 2
X1 + X2 + 3X3 ≤ 12
X1, X2, X3 ≥ 0
En LINDO:
MAX 2X1 + 2X2 - 3X3
SUBJECT TO
-X1 + X2 + X3 <= 4
2X1 - X2 + X3 <= 2
X1 + X2 + 3X3 <= 12
END
Mediante Simplex
Variables de holgura: SLK 2, SLK3 Y SLK4

Solución inicial: 4, 2 y 12
Se elige el más negativo: -2
Pivote: 2
114
Aún no es óptima por el -3
Pivote: 1.5
Z = 24
S1 = 1.333, X1 = 4.667, X2 = 7.333, X3 = 0
115
Ejercicio 1:
Resolver el siguiente PPL con el software LINDO y analizar sus casos.
PPL Canónico
Max Z=2 x 1+ 4 x 2+ 3 x 3 +8 x 4
s. a: x 1+ 9 x 2 ≤7
5 x1 +7 x 2 ≥ 9
2 x 3 + x 4 ≤3
4 x 3 +6 x 4 ≥ 12
x1 , x2 , x3 , x4 ≥ 0
Solución:
Ahora haremos un análisis de sensibilidad, así investigaremos para cuando varía el valor de una
variable básica y de una variable no básica como este afecta a la solución óptima y a la función
objetivo. Para esto tendremos en cuenta el siguiente cuadro:
116
Cambio de la variable básica en el ejercicio, observemos los cambios que se producen:
Max Z=2 x 1+ 4 x 2+ 3 x 3 +8 x 4 De C1 = 2 a C1’ = 3.5
VBX1 = 7 1.5≤ ∆ C 1 ∆ C 1 = C1’-C1 = 3.5 – 2 = 1.5

≤+∞ Por regla ya que X1 es una variable básica:
VNBX2 = 0 -∞≤ ∆ C 2 X1 = 7  no cambia
≤14
Z*  Z’ cambia
VNBX3 = 0 -∞≤ ∆ C 3
≤13 Z’ = Z* + ∆ C 1 (X1)
VBX4 = 3 6.5≤ ∆ C 4 Z’ = 48.5
Verificamos los cambios con LINDO:
Cambio de la variable no básica en el ejercicio, observemos los cambios que se producen:
Max Z=2 x 1+ 4 x 2+ 3 x 3 +8 x 4 De C2 = 4 a C2’ = 7.5
VBX1 = 7 1.5≤ ∆ C 1 ∆ C 1 = C2’-C2 = 7.5 – 4 = 3.5

≤+∞ Por regla ya que X2 es una variable no
VNBX2 = 0 -∞≤ ∆ C 2 básica:
≤14 X2 = 7  no cambia 117
VNBX3 = 0 -∞≤ ∆ C 3 Z*  Z’ no cambia
≤13
Z’ = Z* + ∆ C 1 (X1)
VBX4 = 3 6.5≤ ∆ C 4
Ejercicio 2:
PPL Canónico
Max Z=2 x 1+ 4 x 2+ 3 x 3 +8 x 4
s. a: x 1+ 9 x 2 ≤7
5 x1 +7 x 2 ≥ 9
2 x 3 + x 4 ≤3
118
4 x 3 +6 x 4 ≥ 12
x1 , x2 , x3 , x4 ≥ 0
Solución:
Max Z=2 x 1+ 4 x 2+ 3 x 3 +8 x 4 De C1 = 2 a C1’ = 3.5
VBX1 = 7 1.5≤ ∆ C 1 ∆ C 1 = C1’-C1 = 3.5 – 2 = 1.5

119
VNBX2 = 0 -∞≤ ∆ C 2 X1 = 7  no cambia
≤14
Z*  Z’ cambia
VNBX3 = 0 -∞≤ ∆ C 3
Max Z=2 x 1+ 4 x 2+ 3 x 3 +8 x 4 De C2 = 4 a C2’ = 7.5
VBX1 = 7 1.5≤ ∆ C 1 ∆ C 1 = C2’-C2 = 7.5 – 4 = 3.5

VNBX2 = 0 -∞≤ ∆ C 2 básica:
≤14 X2 = 7  no cambia
≤13
Z’ = Z* + ∆ C 1 (X1)
VBX4 = 3 6.5≤ ∆ C 4
Z’ = 38
120
Ejercicio 3:
PPL Canónico
Max Z=2 x 1+ 4 x 2+ 3 x 3 +8 x 4
s. a: x 1+ 9 x 2 ≤7
5 x1 +7 x 2 ≥ 9
2 x 3 + x 4 ≤3
4 x 3 +6 x 4 ≥ 12
x1 , x2 , x3 , x4 ≥ 0
Solución:
121
Max Z=2 x 1+ 4 x 2+ 3 x 3 +8 x 4 De C1 = 2 a C1’ = 3.5
VBX1 = 7 1.5≤ ∆ C 1 ∆ C 1 = C1’-C1 = 3.5 – 2 = 1.5

VNBX2 = 0 -∞≤ ∆ C 2 X1 = 7  no cambia
≤14
Z*  Z’ cambia
VNBX3 = 0 -∞≤ ∆ C 3
≤13 Z’ = Z* + ∆ C 1 (X1)
VBX4 = 3 6.5≤ ∆ C 4 Z’ = 48.5
122
Max Z=2 x 1+ 4 x 2+ 3 x 3 +8 x 4 De C2 = 4 a C2’ = 7.5
VBX1 = 7 1.5≤ ∆ C 1 ∆ C 1 = C2’-C2 = 7.5 – 4 = 3.5

VNBX2 = 0 -∞≤ ∆ C 2 básica:
≤14 X2 = 7  no cambia
≤13
Z’ = Z* + ∆ C 1 (X1)
VBX4 = 3 6.5≤ ∆ C 4
Z’ = 38
123
124
Método con Lindo
Ejecutando en LINDO:
Para producir X1 debo aumentar

en más de 3.85 unidades a C1
El aumento en 6.71 de B1, mejora

la F.O en 6.57 unidades.
OPTIMALIDAD
- ꝏ ≤ ΔC1 ≤ 3.85
-15.33 ≤ ΔC2 ≤ ꝏ
-5.4 ≤ ΔC3 ≤ ꝏ
FACTIBILIDAD
-4.33 ≤ ΔB1 ≤ ꝏ
-4.5 ≤ ΔB2 ≤ 12.999
Cambios en coeficientes de la F.O
1. Variación del Ci de una variable no básica
C1 =5 aC ' 1=8.85
∆ C 1=3.85
' ¿
Z =Z + ∆C 1 ( x 1 )
125
X1 no cambia
¿
Z →Z ' no
'
Z =35.14286+3.85 ( 0 )=35.14286 cambia
Verificando en LINDO:
No cambia
No cambia
126
MÉTODO SIMPLEX (Propiedades de la tabla)
EJEMPLO 1:

Forma canónica :
(Maximización) Z = 200X1 + 300X2
s.a.:
4X1 + 4X2 ≤ 36
3X1 + 6X2 ≤ 48
X1 ≥ 0
X2 ≥ 0
Forma estándar:
4X1 + 4X2 + S1 = 36 X1≥0
5X1 + 6X2 + S2 = 48 X2≥0
(Maximización) Z -200X1 -300X2 -0S1 - 0S2 = 0
Completar la tabla optima

Z X1 X2 S1 S2 SOL.
Z 1
X1 0 1/2 -1/3
X2 0 -1/4 1/3
T 5 =B−1= 1/2 −1/3

A= 4 4 [
−1 /4 1/3 ]
[ ]
3 6
C=[ 200 300 ]
b= 36
[ ]
48
C B=[ 200 300 ]
Reemplazando los datos en T 1 T2 T3 T4 y T6

Z X1 X2 S1 S2 SOL.
Z 1 0 0 25 100/3 2500
127
X1 0 1 0 1/2 -1/3 2
X2 0 0 1 -1/4 1/3 7
1/2 −1/3 36
−1
T 6 =B b= [−1/4 1/3 48 ][ ] = [72]
T 4=B−1 A= 1/2 −1/3 4 4

[
−1/4 1/3 3 6 ][ ] = [ 10 01 ]
1 /2
−1
T 2 =C B B =[ 200 300 ] [−1/4 −1 /3
1 /3 ] = [ 25 100/3 ]
T 3 =C B B−1 b=[ 25 100 /3 ] 36

48 [ ] =2500
T 1 =C B B
−1
A−C= [ 25 100/3 ] [ 43 46]−[ 200 300 ] = [ 0 0 ]
Completamos la tabla y verificamos si es óptima
X1 S1
X B=
[ ] X2
= 2
[]
7
X N=
[]
S2
= [ 00]
Ejemplo 2
Dada la tabla óptima encontrar el ppl original:
Z X1 X2 S1 S2 SOL.
128
Z 1 0 0 0 2 12
X1 0 1 0 -1/2 1/2 5/2
X2 0 0 1 -3/2 1/2 3/2
T 1 =[ 0 0 ] T 2 =[ 0 2 ] T 3 =[ 12 ]
T 4= 1 0 T 5 = −1/ 2 1/2
0 1[ ] [
−3 /2 1/2 ] T 6 = 5 /2
[ ]
3 /2
B
Hallamos B : −1
(¿¿−1) =B
¿
B= 1 −1
[
3 −1 ]
Hallamos A, b y C
−1 −1
T 4=B A ⇒ BT 4 =BB A ⇒ BT 4 = A
A= [ 13 −1
−1 ] [ 1 0
0 1]
= [31 −1
−1 ]

T 6 =B−1 b ⇒ BT 6=BB−1 b ⇒ BT 6=b
Forma canónica :
b= 1 −1 5/2
[
3 −1 3/2 ][ ] = [ 16] (Maximización) Z = 6X1 - 2X2
s.a.:
X1 -1X2 ≤ 1
T 1 =C B B
❑ −1
A−C ⇒T 1 ⇒ T 2 A−C ⇒ C=T 2 A−T 1
3X1 - 1X2 ≤ 6 129
X1 ≥ 0
A= 1 −1 1
[
3 −1 ] = []
b X2 ≥ 0
6 C=¿ = [ 6 −2 ]
Trabajo 9 - Método Simplex Propiedades de la Tabla
Ejercicio 1
Solución:
1. Agregamos las variables de holgura para volver las desigualdades en ecuaciones.
Z = X1 + 2X2 + 0S1 + 0S2
-2X1 + X2 + 0S1 =7
X1 – X2 +0S2 =2
X1 , X2 , S1, S2 >= 0
2. Obtenemos los valores de acuerdo a las ecuaciones .
130
−1 1 7
C=[1 2] CB=[1 0] A= 1 −1 ] b= 2 ]
¿ ¿
−1 1 0
*De la tabla podemos obtener el valor de T5= B =[ ]
1 1
Con esto ya podemos reemplazar los valores:
7
B−1 b= 1 0 ∗[7 ]  [ ]
T6 =
1 1 2[ ] 9
−1 1
1 −1 −1 1
T4 = B−1 A = 1 0
] 0 0 ]
[ ]
1 1
∗¿ ¿
7
2 7
−1
T3 = C B B b = [1 0]* ]= [1 0]* 2 ]7
1 0
[ ]
1 1
∗¿ ¿
T2 = CB B
−1
= [1 0]* [11 01] [1 0]
−1 1
T1 = C B B−1 A – C = [1 0]* 1 −1 ] - [1 2][-2 -1]
¿
3. Reemplazamos los valores hallados.
z X1 X2 S1 S2 Sol
Z 1 -2 -1 1 0 7
X1 0 -1 1 1 0 7
S2 0 0 0 1 1 9
No es optima por que Existe x1 , x2 <0,entonces resolvemos como un simplex, para eso
hallamos las variables de entrada y salida
Var. Entrada el valor mas negativo de la fila Z  v.e = -2
Var. Salida se hace dividiendo de la sol entre la columna pivote  v.s=-7
Valor pivote = -1
Lo volvemos a su forma canónica.
Z  z + 2x1
z X1 X2 S1 S2 Sol
131
Z 1 -2 -1 1 0 7
X1 0 -1 1 1 0 7
S2 0 0 0 1 1 9
Iter 1 0 -3 -1 0 -7
X1 0 1 -1 -1 0 -7
X2 0 0 0 1 1 9
Vemos que x1, x2 >= 0, por lo que la solución es optima
Z = -7
x1 −7
XB = [ ]=[ ]
x2 9
Problema 2 :
Y se obtiene la siguiente tabla optima :
Solución:
1. Agregamos las variables de holgura para volver las desigualdades en ecuaciones.
Max Z = 3X1 + 2X2 + 5x3 + 0S1 + 0S2 + 0S3
1X1 + 2X2 + 1X3 + 0S1 =430
3X1 + 2X3 + 0S2 =460
1X1 + 4X2 + 0S3 = 420
X1 , X2 , X3 >= 0
132
2. Obtenemos los valores de acuerdo a las ecuaciones .
Teniendo que :
1 2 1 430
C=[3 2 5] CB=[3 5 0] A= 3 0 2 ] b= [ 460 ]
1 4 0 420
¿
1 −1
0
2 4
*De la tabla podemos obtener el valor de T5= B−1 = [ 1 ]
0 0
2
−2 1 1
Con esto ya podemos reemplazar los valores:
−1 1
[ ]
0
4 2 430 100
−1
T6 = B b= 1 ∗[ 460 ] T 6=[ 230 ]
0 0
2 420 20
−2 1 1
1 −1 −1
[ ][ ] [ ]
0 1 0
2 4 1 2 1 2
T4 = B
−1
A = 1 ∗ 3 0 2 T 4= 1
0 0 0 10
2 1 4 0 2
−2 1 1 2 0 0
1 −1
[ ]
0
2 4
T2 = CB B
−1
= [6 5 0]* 1  T2=[1 2 0]
0 0
2
−2 1 1
430
T3 = C B B b = T2b =[1 2 0]* [ 460 ] T3 = 1350
−1
420
1 2 1
T1 = CB B
−1
A – C = =[1 2 0]*
[ ]
3 0 2 −¿ [3 2 5]
1 4 0
 T1=[4 0 0]
133
3. Reemplazamos los valores hallados.
z X1 X2 X3 S1 S2 S3 SOL
Z 1 4 0 0 1 2 0 1350
X1 0 -0.25 1 0 0.5 -0.25 0 100
X3 0 1.5 0 1 0 0.5 0 230
S3 0 2 0 0 -2 1 1 20
Una vez armada la tabla, se verifica si es optima y cumple con los requisitos, en este
caso toda la fila de Z es 0 o mayor que este, entonces cumple con los requerimientos.
Se optiene la tabla optima del problema
Ejercicios Propiedades de tabla Simplex
Dada la siguiente tabla optima, hallar el PPL original
134
Z X1 X2 S1 S2 Sol
2da ITER 1 0 0 0 2 12
X1 0 1 0 -1/2 1/2 5/2
X2 0 0 1 -3/2 1/2 3/2
T1 = [0 0] T2 = [0 2] T3 = 12
T4 = [ 10 01 ] T5 = [−1/ 2 1/2
−3/ 2 1/2 ]
T6 = [53 /2/2]
1/2
B-1 = T5 = [−1/2
−3/2 1/2 ]
, hallando la matriz inversa de B-1
(B-1)-1 = B
1
Se sabe que A-1 = . Adj (A )❑
| A|
Entonces
Determinante
1
B−1= −1/ 2 1/2 =
| |
−3/ 2 1/2 2
Adjunta
Adj ( B−1 )= 1/ 2 −1/2

[
3/ 2 −1/2 ]
Inversa
1 −1
−1 −1
B=(B ) =
1
∗
1/ 2 3
2
2
[ ][ 2
−1
2
=
1 −1
3 −1 ]
Hallando A, b y C
Si T4 = B-1A, entonces BT4 = BB-1A = A
BT4 = A
BT4 = [31 −1
−1 ] [ 1 0 = 1 −1 =A
0 1 ] [ 3 −1 ]
*
Si T6 = B-1b, entonces BT6 = BB-1b = b
BT6 = b 5
Si T1 = CBB-1A - C, entonces T1 = T2A-C, despejo C = T2A-T1

BT6 = [ 1 −1 2
]
∗ =
3 −1 3
2
[]
1
6 [] =b
T2 = CBB-1
T2A-T1 = [ 0 2 ]∗ 1 −1 −¿ [0 0] = C
[ 3 −1] 135
[ 6 −2 ] =C
Entonces con los valores hallados el PPL será:
Max Z = CX
1 −1 1
A= [ 3 −1 ] ,b= [] 6
,C= [ 6 −2 ] Sujeto a
AX ≤ b
X≥0
Max Z = 6X1 – 2X2
Sujeto a
1X1 – 1X2 ≤ 1
3X1 – 1X2 ≤ 6
X1, X2 ≥ 0
1. Max Z = 200X1 – 300X2
Sujeto a
4X1 + 4X2 ≤ 36
3X1 + 6X2 ≤ 48
X1, X2 ≥ 0
136
La solución óptima origina la siguiente tabla:
Z X1 X2 S1 S2 Sol
Z 1
X1 0 ½ -1/3
X2 0 -¼ 1/3
Completar la tabla por propiedades
Solución:
*Estandarizando el PPL:
Min Z = X1 – 2X2 /
4X1 + 4X2 +S1= 36
3X1 + 6X2 +S2= 5
X1, X2, S1, S2≥ 0
Datos del PPL:
C= ( 200 300 ) CB = ( 200 0 ) A= (34 46 ) b= (3645)

Datos de la tabla:
1/2 −1/3
T5 = B-1 = (−1/4 1 /3 )
Reemplazando los datos en T1, T2, T3, T4, T6
T1 = CBB-1 A-C = ( 200 0 ) x 1/2 −1/3 x 4 4 −( 200 300 )=( 0 −300 )

( )( )
−1/4 1/3 3 6
137
T2 = CBB-1 = ( 200 0 ) x 1/2 −1/3 =( 100 −200/3 )
( )
−1/4 1/3
T3 = CBB-1b = ( 200 0 ) x 1/2 −1/ 3 x 36 =400

( )( )
−1/4 1/3 48
1/2 −1/3 x 4
T4 = B-1A = (−1/4 1 /3 3 ) ( 46)=(12 01)
1/2 −1/3 x 36 = 2
T6 = B-1b = (−1/4 1 /3 48)( ) ()
7
Completando la tabla:
Z X1 X2 S1 S2 Sol
Z 1 0 -300 100 -200/3 400

X1 0 1 0 ½ -1/3 2
X2 0 2 1 -1/4 1/3 7
No es optima
Siguiendo el método simplex
Z X1 X2 S1 S2 Sol
Z 1 400 -100 50 0 1800

X1 0 3 1 ¼ 0 9
S2 0 6 3 -3/4 1 21
Z X1 X2 S1 S2 Sol
138
Z 1 600 0 25 100/3 2500
X1 0 1 0 ½ -1/3 2
S2 0 2 1 -1/4 1/3 7
La solución optima
Ejercicios Propiedades de tabla Simplex
1. Min Z = X1 – 2X2
Sujeto a
-X1 + X2 ≤ 2
X1 + X2 ≤ 5
X1 ,X2 ≥ 0
La solución óptima origina la siguiente tabla:
Z X1 X2 S1 S2 Sol
Z 1
X2 0 0,5 0,5
X1 0 -0,5 0,5
139
Completar la tabla por propiedades
Solución:
*Estandarizando el PPL:
Min Z = X1 – 2X2 /
-X1 + X2 +S1= 2
X1 + X2 +S2= 5
X1 ,X2 , S1,S2≥ 0
Datos del PPL:
C= ( 1 −2 ) CB = (1 0 ) A= (−11 11) b= (25)

Datos de la tabla:
0,5 0,5
T5 = B-1 = (−0,5 0,5 )
Reemplazando los datos en T1 , T2 , T3 , T4 , T6
T1 = CBB-1 A-C = ( 1 0 ) x 0,5 0,5 x −1 1 −( 1 −2 )=( 1 3 )

( )( )
−0,5 0,5 1 1
T2 = CBB-1 = ( 1 0 ) x 0,5 0,5 =( 0,5 0,5 )

( )
−0,5 0,5
T3 = CBB-1b = ( 1 0 ) x 0,5 0,5 x 2 =3,17

( )()
−0,5 0,5 5
0,5 0,5 x −1 1 = 0 1
T4 = B-1A = (−0,5 0,5 )(
1 1 1 0 )( )
140
0,5 0,5 x 2 = 3,5
T6 = B-1b = (−0,5 )() ( )
0,5 5 1,5
Completando la tabla:
Z X1 X2 S1 S2 Sol
Z 1 1 3 0,5 0,5 3,5

X2 0 0 1 0,5 0,5 3,17
X1 0 1 0 -0,5 0,5 1,5
141
EJERCICIO 1: Dado el siguiente PPL de Maximización
a) Caso 1: Completar su caso tabla óptima
Max Z=x 1 +2 x 2
Sujeto a:
−2 x 1 + x 2 ≤ 7
x 1−x 2 ≤ 2
x1 , x2 ≥ 0
Su solución óptima origina la siguiente tabla:
Z X1 X2 S1 S2 Sol
Z 1
X2 0 1 0
S2 0 1 1
Obteniendo los datos del problema
Max Z=x 1 +2 x 2 +0 s1 +0 s 2
Sujeto a:
−2 x 1 + x 2 ≤ 7
x 1−x 2 ≤ 2
x1 , x2 ≥ 0
Del PPL hallamos:
C=[ 1 2 ]
A= [−21 −11 ] b= 7
[]
2
142
Cb =[ 2 0 ]
Z X1 X2 S1 S2 Sol
1°Iter 1 -5 0 2 0 14
X2 0 -2 1 1 0 7 Obteniendo datos
de la tabla:
S2 0 -1 0 1 1 9
−1
T 5 =B = [−21 −11 ]
Remplazando los datos en T 1 ,
T2 , T3 , T 4 y T6 :
−1
T 6 =B b= [ 11 01] x [ 72]=[ 79]
1 0 −2 1 −2 1
A=[
T 4=B
−1
1 1 ] x[
1 −1 −1 0 ]
]=[
T 2 =C B B−1 =[ 2 0 ] x 1 0 =[ 2 0 ]
1 1[ ]
−1
T 3 =C B B b=T 2 b=[ 2 0 ] x [72]= [14 ]
T 1 =C B B−1 A−C=T 2 A−C=[ 2 0 ] x −2 1 −[ 1 2 ]= [−5 0 ]
1 −1 [ ]
Completamos la tabla y verificamos que sea óptima:
143
7
r 1= =∄
−2
9
r 2= =∄
−1
¿
z =14
b) Caso 2: Hallar el PPL, dada la siguiente tabla:
Z X1 X2 S1 S2 Sol
1°Iter 1 0 0 1 4 14 Remplazando los
datos en T 1 ,
X2 0 1 0 0 1 3 T2 , T3 ,
T 4 y T6 :
S2 0 0 1 -1 2 4
T 2 =[ 1 4 ]
T6= 3
4 [] T 4= [ 10 01 ]
T 3 =[ 14 ] T 1 =[ 0 0 ]
T 5 =B−1= 0 1
−1 2 [ ]
Hallamos la matriz inversa de B−1
( B−1 ) =B= 0 [−1 1 ∨1 0 = 2 −1

][ ]
−1
2 0 1 1 0
Hallamos A, b y C, si se sabe :
−1 −1
T 6 =B b→ −1 BT =B B b →T 6=b
T 1 =C B B A−C6 →T 1=T 2 A−C → C=T 2 A−T 1
T24=B
−1 −1 144
−1 A →
3=B T24=BB A → BT 4 =A
[ [ ] [ ]] [ ]
[ 14
1 ] x0
2 x−1
2 −11 01 0
=b
4 − [30 0 ]= [ 6 −1 ] =C
2 −1
[ ][ ][
1 0
x
0 1
=
1 0
=A ]
Con los valores hallados el PPL sera:
Max Z=6 x 1−x 2
Sujeto a:
2 x 1−x 2 ≤2
x1≤ 3
x1 , x2 ≥ 0
EJERCICIO 2: Dado el siguiente PPL de Maximización

a) Caso 1: Completar su caso tabla óptima
Max Z=x 1 +2 x 2
Sujeto a:
−2 x 1 + x 2 ≤ 7
x 1−x 2 ≤ 2
x1 , x2 ≥ 0
Su solución óptima origina la siguiente tabla:
Z X1 X2 S1 S2 Sol
Z 1
X2 0 1 0
S2 0 1 1
145
Obteniendo los datos del problema
Max Z=x 1 +2 x 2 +0 s1 +0 s 2
Sujeto a:
−2 x 1 + x 2 ≤ 7
x 1−x 2 ≤ 2
x1 , x2 ≥ 0
Del PPL hallamos:
C=[ 1 2 ]
A= [−21 −11 ] b= 7
2 []
Cb =[ 2 0 ]
Obteniendo datos de la tabla:
T 5 =B−1= −2 1[
1 −1 ]
Remplazando los datos en T 1 , T 2 , T 3 , T 4 y T6 :
−1
T 6 =B b= [ 11 01] x [ 72]=[ 79]
1 0 −2 1 −2 1
A=[
T 4=B
−1
1 1 ] x[
1 −1 −1 0 ]
]=[
T 2 =C B B−1 =[ 2 0 ] x 1 0 =[ 2 0 ]
1 1 [ ]
146
−1
T 3 =C B B b=T 2 b=[ 2 0 ] x [72]= [14 ]
−2 1 S2
T 1 =C B BZ−1 A−C=T
X12 A−C=
X2[ 2 0 ] xS1 Sol
[
1 −1 ]
−[ 1 2 ]= [−5 0 ]
1°Iter 1 -5 0 2 0 14
X2 0 -2 1 1 0 7
S2 0 -1 0 1 1 9
Completamos la tabla y verificamos que sea óptima:
Z X1 X2 S1 S2 Sol
1°Iter 1 0 0 1 4 14
7
r 1= =∄
X2 0 1 0 0 1 3 −2
S2 0 0 1 -1 2 4 r 2=
9
=∄
−1
z ¿=14
b) Caso 2: Hallar el PPL, dada la siguiente tabla:
Remplazando los datos en T 1 , T 2 , T 3 , T 4 y T6 :
T 2 =[ 1 4 ]
T6= 3
4[] T 4= [ 10 01 ]
147
T 3 =[ 14 ] T 1 =[ 0 0 ]
−1
T 5 =B = [−10 12]
Hallamos la matriz inversa de B−1
( B−1 ) =B= 0 [−1 1 ∨1 0 = 2 −1

][ ]
−1
2 0 1 1 0
Hallamos A, b y C, si se sabe :
−1 −1
T 4=B A → B T 4=BB A → BT 4 =A
[21 −10 ] x [ 10 01 ]=[21 −10 ]=A

−1 −1
T 6 =B b→ BT 6=B B b →T 6=b
[21 −10 ] x [ 34 ]=[32]=b

−1
T 1 =C B B A−C →T 1=T 2 A−C → C=T 2 A−T 1
[ 14 ] x 2 −1 − [ 0 0 ]= [ 6 −1 ] =C
[1 0 ]
Con los valores hallados el PPL sera:

Max Z=6 x 1−x 2
Sujeto a:
2 x 1−x 2 ≤2
x1≤ 3
148
x1 , x2 ≥ 0
Propiedades de la tabla simplex
Z x1 x2 S1 S2 Sol
Z
S1 1 -1/2
x2 0 1/2
Max Z=15 x 1+ 30 x 2
4 x 1 + x 2 ≤ 36
x 1+2 x 2 ≤ 30
x i ≥ 0 i=1,2
Estandarizando:
Max Z=15 x 1+ 30 x 2 +0 S 1 +0 S 2
4 x 1 + x 2+ S 1=36
x 1+2 x 2+ S 2=30
x i ≥ 0 i=1,2
Si ≥ 0
Del PPL:
A= [ 41 12] B=[ 3630] C=[ 15 30 ]
C B=[ 0 30 ] ( S1 , x 2 )
149
De la tabla:
−1
T 5 =B = [ 10 −1/2
1/2 ]
Reemplazando datos en:
[ 10 −11/2/2] × [ 3630]=[ 2115]

−1
T 6 =B b=
1 −1/2 4 1 7 /2 0
T =B A=[
4
−1
0 1 /2 ] ×[
1 2 ] =[
1 /2 1
]
1 −1/2
T =C B =[ 0 30 ] × [
0 1/2 ]
−1
2 B =[0 15]
36
T =C B b=T b=[ 0 15 ] × [ ]=[450]
−1
3 B 2
30
4 1
T =C B A−C=T A−C=[ 0 15 ] × [
1 2]
−1
1 B 2 −[ 15 30 ] =[ 0 0 ]
Llenando la tabla con estos datos:
Z x1 x2 S1 S2 Sol
Z 1 0 0 0 15 450
S1 0 7/2 0 1 -1/2 21
x2 0 1/2 1 0 1/2 15
Verificamos si es óptima:
x 1 , x 2 ≥ 0 , entonces es óptima
Finalmente:
¿
Z =450
x 1=0, x 2=15
150
MÉTODO TRANSPORTE
EJERCICIO 1:
Una empresa energética colombiana dispone de cuatro plantas de generación para satisfacer la
demanda diaria eléctrica en cuatro ciudades, Cali, Bogotá, Medellín y Barranquilla. Las plantas
1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45 millones de KW al día respectivamente. Las
necesidades de las ciudades de Cali, Bogotá, Medellín y Barranquilla son de 70, 40, 70 y 35
millones de Kw al día respectivamente.
Los costos asociados al envío de suministro energético por cada millón de KW entre cada
planta y cada ciudad son los registrados en la siguiente tabla.
Cali Bogota Medellin Barranquilla

Planta 1 5 2 7 3
Planta 2 3 6 6 1
Planta 3 6 1 2 4
Planta 4 4 3 6 6
Formule un modelo de programación lineal que permita satisfacer las necesidades de todas las
ciudades al tiempo que minimice los costos asociados al transporte.
SOLUCIÓN:
Cali Bogota Medellin Barranquilla Oferta

Planta 1 5 2 7 3 70
Planta 2 3 6 6 1 40
Planta 3 6 1 2 4 70
Planta 4 4 3 6 6 35
Demanda 80 30 60 45 215
Formulando el problema de otro modo
151
Plantas Ciudad
70 Cali 80
1
40 Bogotá 30
2
70 3 Medellín 60
35 4 Barranquilla 45
Oferta Demanda
Paso 1: Aplicamos el Método Nor-Oeste. Obtendremos la Matriz Cij
Cali Bogotá Medellín Barranquilla Oferta X11=70

5 2 7 3 70
Planta1 X21=10
70
3 6 6 1 40 X22=30
Planta 2
10 30
6 1 2 4 70 X33=60
Planta 3
60 10 X34=10
4 3 6 2 35
Planta 4
35 X44=35
Demand 80 30 60 45 215
a
CT = 5*70 + 3*10 + 6*30 + 2*60 + 4*10 + 2* 35 = 790
Paso 2: Considerando la Solución Inicial hallada por el método N-O. Aplicamos el Método UV
(o MODI) para hallar la solución óptima.
Iniciamos la 1era Iteración. -
Zij 5 Primero, las celdas básicas (sombreadas):

70
3 6 V1 = 0 y Z11= 5, como V1 +U1 = 5 entonces U1 = 5
10 30 U1 = 5 y Z21 =3, como U2 +V1 = 3 entonces U2 = 3
U2 = 3 y Z22 =6, como U2 +V2 = 6 entonces V2 = 3
2 4
V3 = 0 y Z33 =2, como U3+V3 = 2 entonces U3 = 2
60 10
U3 = 2 y Z34 =4, como U3 +V4 =4 entonces V4 = 2
2 V4 = 2 y Z44=2, como U4+V4 =0 entonces U4 = 0
35
Ya hallados todos los valores de ui y vj se completa las celdas vacías con la suma de los ui y vj
en la matriz Zij que contiene los costos de la variable solución.
152
V1 V2 V3 V4
0 3 0 2
5 8 5 7
U1 5
70
3 6 3 5
U2 3
10 30
0 5 2 4
U3 2
60 10
0 3 0 2
U4 0
35
Hallo F. O. Z=Cij – Zij
Cij Zij
5 2 7 3 5 8 5 7 0 6 2 4
70 70 70
3 6 6 1 3 6 3 5 0 0 3 4
10 30 - 10 30 = 10 30
6 1 2 4 0 5 2 4 6 4 0 0
60 10 60 10 60 10
4 3 6 2 0 3 0 2 4 0 6 0
35 35 35
EJERCICIO 2:
Una empresa dedicada a la importación y distribución de televisores cuenta con socios
en Inglaterra y Japón como países proveedores, y tres puntos de distribución,
identificados como Región A, Región B y Región C. Por su parte, Inglaterra
tiene disponibles 7200 televisores, mientras que en Japón la existencia alcanza las
5300. Se sabe que la Región A requiere de 5500 televisores, mientras que tanto Región
B como Región C necesitan 3500 televisores cada una. Se desea conocer de qué país y
en qué cantidad deben enviarse los televisores a cada Región, al menor costo posible.
Región A Región B Región C Oferta

Inglaterra 12 7 10 7200
Japón 17 11 9 5300
Demanda 5500 3500 3500
PASO 1
Solución
153
Básica
Inicial
Aplicando el Método Nor-Oeste.
Obtendremos la Matriz Cij
X11=5500
X12=1700
X22=1800
X23=3500
Ct = Está balanceado
5500(12) + 1700(7) + 1800(11) + 3500(9)
Ct =129299
PASO 2
Considerando la Solución Inicial hallada por el método N-O, aplicamos el Método UV (o MODI)
para hallar la solución óptima.
Iniciamos la 1era iteración. -

Planteamos la Matriz de Costos (Zij), vemos si es óptima, y de acuerdo a ello iteramos.
①Planteamos la Matriz de Costos Zij
Para construir el conjunto ui y vj.

Se construye un conjunto de número ui y vj tal que la suma será igual a los valores de la matriz
Zij (del paso 1).
Primero, las celdas básicas(sombreadas):

Iniciamos V1 = 0 y Z11 = 12, como V1 + U1 = 12 entonces U1 = 12
arbitrariamente U1 = 12 y Z12 = 7, como U1 + V2 = 7 entonces V2 = -5
con V1 = 0.
V2 = -5 y Z22 = 11, como U2 + V2 = 11 entonces U2 = 16
U2 = 16 y Z23 = 9, como U2 + V3 = 9 entonces V3 = -7
Ya hallados todos los valores de ui y vj se completa las celdas vacías con la suma de los ui y vj
en la matriz Zij que contiene los costos de la variable solución.
154
②Hallo F.O.: Z = Cij – Zij
Cij Zij
CONDICIÓN DE OPTIMALIDAD. - Cij – Zij>0

¡TODOS SON POSITIVOS!
Encontramos la Sol. Óptima.
En toda base posible las VB deben tener coeficiente cero en la F.O.
Ya no desarrollo el paso 3 porque ya es óptima la base.
Entonces la Solución Óptima será la nueva base posible de la iteración 1.
Entonces la cantidad a televisor a distribuir de cada región será:
Inglaterra Japón
Región A 5500 0
Región B 1700 1800
Región C 0 3500
Con el costo mínimo de:
Ct = 5500(12) + 1700(7) + 1800(11) + 3500(9)

Ct =129299
155
EJERCICIO 3:
Una compañía tiene 3 fábricas ubicadas en A, B y C, las cuales proveen a los almacenes
que están ubicados en D, E, F y G. La capacidad de producción de las fábricas es de 70,
90 y 115 unidades mensuales respectivamente, mientras que las capacidades de los
almacenes son de 50, 60, 70 y 95 unidades respectivamente.
El costo de envió de una unidad desde cada una de las fabricas a cada una de los
almacenes se presenta en el siguiente cuadro.
ALMACENES Oferta
D E F G
FABRICAS
A 17 20 13 12 70
B 15 21 26 25 90
C 15 14 15 17 115
Demanda 50 60 70 95 275
SOLUCIÓN:
PASO 1:
Solución
Aplicamos el Método Nor-Oeste. Básica
Obtendremos la Matriz Cij Inicial
X11 = 50
AMACENES Oferta X12 = 20
1 2 3 4 X22 = 40
17 12 X23 = 50
FABRICAS
1 50 20 20 13 70
X33 = 20
2 15 40 21 50 26 25 90 X34 = 95
3 15 14 20 15 95 17 115
Demanda 50 60 70 95 2000
CT = 17*50 + 20*20 + 21*40 + 26*50 + 15*20 + 17*95
156
PASO 2:
Considerando la Solución Inicial hallada por el método N-O
Aplicamos el Método UV (o MODI) para hallar la solución óptima.
Para construir el conjunto ui y vj.

Se construye un conjunto de número ui y vj tal que la suma será igual a los valores de la
matriz Zij (del paso 1).
Se calcula Cij - Zij
157
Se vuelve a calcular Cij - Zij
158
159
160
Ejercicio 5
Una empresa dedicada a la importación y distribución de computadoras cuentas con socios en

Inglaterra y Alemania como países proveedores, y tres puntos de distribución, identificados
como Región 1, Región 2 y Región3. Por su parte, Inglaterra tiene disponibles 7200
computadoras, mientras que en Alemania la existencia alcanza las 5300. Se sabe que la Región
1 requiere 5500 computadoras, mientras que tanto Región 2 como Región 3 necesitas 3500
computadoras cada una. Los costos de transporte unitarios asociados desde cada origen a cada
destino se muestran en la siguiente tabla:
Región 1 Región 2 Región 3

Inglaterra $12 $7 $10
Alemania $8 $11 $9
Se desea conocer de qué país y en qué cantidad deben enviarse las computadoras a cada
Región, al menor costo posible.
SOL
12
R1 5500
7200
S1 8
7
11 R2 3500
5300 10
S2
9
R3 3500
REGIONES
Oferta
R1 R2 R3
Socio
S1 12 7 10 7200
161
s
S2 8 11 9 5300
Demanda 5500 3500 3500 12700
Aplicar método Nor-Oeste
Regiones
R1 R2 R3 Oferta
Socios
12 7 10
S1 7200 1700 0
5500 1700
8 11 9
S2 5500 3700 0
1800 3500
Demanda 5500 3500 3500 12700
0 1800 0 0
Solución básica inicial
Xs1r1 = 5500 Xs1r2 = 1700 Xs2r3 = 1800 Xs2r3 = 3500
CT = 5500*12 + 1700*7 + 1800*11 + 3500*9= 129200 (Solución factible)
Hallar la solución óptima
 Método UV
1 era Iteración
Matriz de costos
12 7
5500 1700
11 9
1800 3500
162
Se construye un conjunto de números Ui y VJ
0 -5 -7
1 12 7 5
2 5500 1700
1 16 11 9
6 1800 3500
Se calcula Cij – Zij
12 7 10
8 11 9
-
12 7 5
16 11 9
=
0 0 5
-8 0 0
Se verifica que no haya valores < 0
Se selecciona la casilla que tiene el costo de entrada más pequeño, por lo tanto, debe entrar a
la base la variable s2r1
163
Se crea un circuito con todos los vértices en celdas de variables básicas. Se suma una variable
comenzando por sumar dicha variable a la celda seleccionada y en el sentido de las agujas del
reloj.
0 0 5
5500-x 1700+x
-8 0 0
1800-x 3500
x
Se plantea el sistema de desigualdades para obtener el valor de x
x≥0
5550-x≥0
1700+x≥0
1800-x≥0
El valor máximo posible de x que resuelve el sistema es:
X = 1800
La tabla ajustada es:
12 7 10
3700 3500
8 11 9
0 3500
1800
Iniciamos la 2 da iteración
0 -5 1
164
1 12 7 13
2 3700 3500
8 3 9
8
0 3500
1800
12 7 10
8 11 9
0
-
12 7 13
8 3 9
0
=
0 0 -3
0 8 0
0
Se verifica que no haya valores < 0
Se selecciona la casilla que tiene el costo de entrada más pequeño, por lo tanto, debe entrar a
la base la variable s1r3
Se crea un circuito con todos los vértices en celdas de variables básicas. Se suma una variable
comenzando por sumar dicha variable a la celda seleccionada y en el sentido de las agujas del
reloj.
165
0 0 -3
3700-x 3500 x
0 8 0
3500-x
1800+x
Se plantea el sistema de desigualdades para obtener el valor de x
x≥0
3700-x≥0
1800+x≥0
3500-x≥0
El valor máximo posible de x que resuelve el sistema es:
X = 3500
La tabla ajustada es:
12 7 10
200 3500 3500
8 11 9
0
5300
Iniciamos la 3ra iteración
0 -5 -2
1 7 10
2
200 3500 3500
12
3 6
8 8
0 3500
5300
166
12 7 10
8 11 9
-
12 7 10
8 3 6
0
=
0 0 0
0 8 3
0
Todos son positivos
Se tiene 200*12 + 3500*7 + 3500*10 + 5300*8 = 104300
Deben enviarse 200, 3500 y 3500 computadoras desde Inglaterra a la Región 1, Región
2 y Región 3, respectivamente. Desde Alemania, 5300 computadoras a la Región 1, con
un costo de transporte total de $104,300.00
Ejercicio
167
Solución:
Con 40 horas (2400 minutos)por semana, cada planta puede ofrecer:
 Planta 1: 2400/ 20 = 120

 Planta 2: 2400 / 16 = 150
 Planta 3: 2400 / 15 = 160
Tabla de transporte
Acero 1 Acero 2 Acero 3 Oferta

Planta 1 60 40 28 120
Planta 2 50 30 30 150
Planta 3 43 20 20 160
Demanda 100 100 100
Se observa:
Oferta > Demanda en 130
Acero 1 Acero 2 Acero 3 Acero Ficticio Oferta

Planta 1 60 40 28 0 120
Planta 2 50 30 30 0 150
Planta 3 43 20 20 0 160
168
Demanda 100 100 100 130 430
Acero 1 Acero 2 Acero 3 Acero Oferta

Ficticio
Planta 1 60 40 28 0 120
120
Planta 2 50 30 30 0 150
100 40 10
Planta 3 43 20 20 0 160
60 100
Demanda 100 100 100 130
El coste mínimo
100x50 + 40x30 + 60x20 + 100x200 = 27400
El coste mínimo para satisfacer los requerimientos es 27400
169

Io Ejercicios12

Cargado por

Copyright:

Formatos disponibles

Io Ejercicios12

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

Io Ejercicios12

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Perú, DECANA DE AMÉRICA)

FACULTAD DE INGENIERÍA DE SISTEMAS E INFORMÁTICA

Lucio Malásquez Ruiz

Ciudad Universitaria 2019

1) MODELAMIENTO PPL …………………………………………………..pag2

2) MÉTODO GRÁFICO PPL………………………………………………..pag29

3) MÉTODO GRÁFICO PPL (EJERCICIOS LIBRO)…………………..pag7

4) MÉTODO SIMPLEX PPL………………………………………………..pag32

5) MÉTODO DE VARIABLES ARTIFICIALES PPL…………………..pag62

6) MÉTODO SIMPLEX 3 VARIABLES…………………………..……..pag80

7) MÉTODO DUAL SIMPLEX PPL……………………………….……..pag89

8) SOLUCIÓN CON LINDO PPL…………………………………….…..pag103

9) MÉTODO SIMPLEX (PROPIEDADES TABLA) …………………..pag126

10) MÉTODO DE TRANSPORTE PPL………………………………..pag151

MODELAMIENTO (PROGRAMACIÓN LINEAL)

Un estudio de mercado ha establecido que la demanda diaria de pintura para interiores no

El precio al mayoreo es de $3000 para la pintura de exteriores y $2000 para la de

X1 : Toneladas de pintura de exteriores producidas por día

2. Función Objetivo: Maximizar ganancia

MAX Z = 3000 X1 + 2000 X2

• X2  20 //Demanda Máxima de Pinturas para Interiores

MAX Z = 3000 X1 + 2000 X2

Camiones del Tipo A Camiones del Tipo B TOTAL

X1 : Camiones del tipo A

2. Función Objetivo: Minimizar costo total

2. Función Objetivo: Minimizar costo total

MIN Z = 10x + 30y

El siguiente cuadro resume los coeficientes de transformación o sea la cantidad de cada

X1 = Nro. De Unidad de Producto P1

X2 = Nro. De Unidad de Producto P2

Dado que x1 y x2 pueden tomar distintos valores, reciben el nombre de “variables”.

2. Función Objetivo: Maximizar los beneficios

Si en 1 unidad del producto P1 entra 1 Kg del componente A, en x1 unidades de P1 entrarán:

Y para el producto P2:

Dado que la restricción impuesta dice que la disponibilidad del componente A es de

Entonces eliminado las unidades de medida, se expresan en forma matemática de la

1X1 + 3X2 ≤ 15 000

Existen 3 tipos de solución para este problema:

2. Función Objetivo: Minimizar costo total

MIN Z = 200X + 150Y

X + 2Y  80 // Disponibilidad mínima de acero

Entonces nuestro PPL es :

Toneladas de materia prima por toneladas de Disponibilidad

 Límite según la encuesta de mercado:

Entonces nuestro PPL es:

Gráfico con restricciones:

Hallando los puntos de intersección:

PROBLEMA 2: BURROUGHS GARMENT COMPANY

Determine el programa de producción semanal óptimo para Burroughs.

Entonces nuestro PPL es: Max Z=8 x 1 +12 x 2

PROBLEMA 3: DECISIONES SOBRE PRODUCCIÓN

Entonces nuestro PPL es: Max Z=70 x 1+ 50 x 2

Gráfico con restricciones:

PROBLEMA 4: PROBLEMA DE LA DIETA

Forraje Proteína Fibra Costo($/lb)

Entonces nuestro PPL es:

L3: .03 x 1−.01 x 2=0

Hallando los puntos de intersección: