UNIVERSIDAD NACIONAL DE SAN CRISTÓBAL DE HUAMANGA

FACULTAD DE INGENIERÍA DE MINAS GEOLOGÍA Y CIVIL

ESCUELA DE FORMACIÓN PROFESIONAL DE INGENIERÍA DE SISTEMAS

ASIGNATURA : INVESTIGACIÓN DE

OPERACIONES I

SIGLA : IS-262

PROFESOR : BAUTISTA FLORES, Ángel

ALUMNO : SOLÓRZANO HUALLANCA, Eder

FECHA DE ENTREGA : 31-07-13

AYACUCHO – PERÚ

2013
 1. Una empresa posee dos tipos de procesos A=Torno y B=Fresa que
puede utilizar para realizar tres tipos de piezas 1,2 y 3. Durante cada
mes, dispone de 120 horas de A y de 260 horas de B. para su
fabricación cada pieza requiere:
Pieza 1: 0.1 horas de A y 0.20 horas de B
Pieza 2: 0.4 horas de A y 0.30 horas de B
Pieza 3: 0.4 horas de B
Siendo el beneficio unitario de cada producto de 3,4 y 5 para las piezas
1,2 y 3 respectivamente, se desea determinar el programa a realizar
durante dicho mes, a fin de que el rendimiento obtenido sea máximo.
a. Escribir el programa PRIMAL y DUAL correspondientes
b. Compare los dos resultados (Primal y Dual)

Resolución

Formulación del problema PRIMAL.

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

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

0,1 X1 + 0,4 X2 ≥ 120

0,2 X1 + 0,3 X2 + 0,4X3 ≥ 260
X1≥ 0
Max Z = 3X1 + 4X2 + 5X3

Formulación del problema DUAL:

0,1 W 1 + 0,2 W 2 ≥ 3
0,4 W 1 + 0,3 W 2 ≥ 4
0,4 W 1 ≥5
W1 ≥ 0
Min G = 120 W 1 + 260 W2

Resolviendo el problema PRIMAL:

0,1 X1 + 0,4 X2 + X4 ≥ 120

0,2 X1 + 0,3 X2 + 0,4X3 + X5 ≥ 260

Max Z = 3X1 + 4X2 + 5X3

En la tabla final podemos leer directamente la solución que maximiza el
beneficio:
X1 = 1200 unidades a fabricar de tipo q.
X2 = 50 unidades a fabricar de tipo 3.
Max Z = 3850

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

los procesos de torno y fresa.

Solución del problema dual

Sobre las variables del problema dual debe observarse que, W1

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

0,1W 1 + 0,2W 2 – W 3 + W4 =3
0,4W 1 + 0,3W 2 - W5 + W6 =4
0,4W 2 - W7 + W8 = 5
Min G = 120W 1 + 260W2 + MX4 + MX6 + MX7

En este caso no sería practico resolver el problema dual dado que sería
necesario añadir tres variables artificiales W 4, W 6 y W 8 para poder comenzar el
algoritmo, y el número de elementos en su tabla seria (3. 8) = 24 frente a (2. 5)
= 10 del problema primal.

No obstante, resolviendo el problema dual puede observarse como

ambos problemas alcanzan su valor óptimo en el mismo punto.

G= 3850 W1 = 5 W 2 = 12,5
 2. Se tiene el siguiente modelo de programación lineal
Max Z = 5X1 + 2X2 + 3X3
s.a.
X1 + 5X2 + 2X3 ≤ b1
X1 - 5X2 - 6X3 ≤ b2
X1 , X2 , X3 ≥ 0
La siguiente tabla óptima corresponde a valores específicos de b 1 y b2:

Básica Z X1 X2 X3 X4 X5 Solución
1 0 A 7 D E 150
X1 0 1 B 2 1 0 30
X5 0 0 C -8 -1 1 10

Determine lo siguiente:
a. Los valores b1 y b2 del lado derecho
b. Los elementos a, b, c, d, e
c. La solución Dual Óptima

Resolución

Tabla 1

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

Identificando, tenemos:

a) b1= 30, b2- b1=10, b2= 40,

b) a= -23, b = 5, c= -10, d= -5, e= 0, c3= -3
3. Escribe la forma dual de los siguientes problemas:
a. Min Z = 2X1 – 3X2 + 4X3
s.a.
X1 + X2 + X3 ≥ 1
X1 – 2X2 = 1
X1 ≤ 0, X2 ≥ 0, X3 no

Resolución
Max G = Y1 + Y2 + 0Y3
S.a.
Y1 + Y2 ≤ 2
Y1 – 2Y2 ≥ -3
Y1 = 4
Y1 ≥ 0
Y2: Sin restricción
Y3 ≥ 0

b. Max Z = 2X1 + 3X2 - 5X3

s.a.
2X1 + 2X2 + 2X3 = 14
-2X1+ 5X2 – X3 ≤ -10
X1 ≥ 0, X2 ≥ 0, X3 ≥ 0

Resolución
Mín G = 14Y1 – 10Y2 + 0Y3
S.a.
2Y1 – 2Y2 ≥ 2
2Y1 + 5Y2 ≥ 3
2Y1 – Y2 = -5
Y1: No restringida
Y2 ≥ 0
Y3: No restringida
4. Resuelva el siguiente problema por el método dual simplex
Mín Z = 2X1 + 3X2
s.a.
4X1 + 6X2 ≤ 60
X1 + 4X2 ≥ 5
X1 – X2 ≥ 0
X1 ≥ 0, X2 ≥ 0
5. Considere el siguiene problema lineal
Max Z = -X1 + 3X2 – 2X3
s.a.
3X1 – X2 + 2X3 ≤ 7 Recurso A
-2X1 + 4X2 ≤ 12 Recurso B
-4X1 + 3X2 + 8X3 ≤ 10 Recurso C
X1 ≥ 0, X2 ≥ 0, X3 ≥ 0
a. Resuelva por el método simplex y dese la solución óptima. Los
siguientes cambios b, c, d, e y f se hacen en referencia al problema
original
b. Supongase que el vector de disponibilidad debe cambiarse a b =
 10 
 
6
 20 
 
Utilizando análisis de sensibilidad. ¿Cuál es la nueva solución
óptima?
c. El vector de precios se cambia a c = (2 2 1). Utilizando análisis de
sensiblidad- ¿Cuál es la nueva solución óptima?
d. El vector de coeficientes tecnológicos correspondiente a la actividad
1
X3 se cambia a  0  . Utilizando análisis de sensiblidad. ¿Cuál es la
1
 
nueva solución óptima?
e. Se desean introducir actividades X7 y X8 a precios de $10 y $20
respectivamente. Los coeficientes tecnológicos asociados a cada
 1 0
 
actividad son A7 = 1 y A8 =  1  . Utilizando análisis de sensiblidad.
 1  2
   
Determine el nivel óptimo de estas nuevas soluciones
f. Dos nuevas restricciones se añaden al sistema original, a saber, X1 ≤
2, X2 ≤ 4. Utilizando análisis de sensiblidad, determine los nuevos
óptimos.

Resolución:
a) Llevamos a la forma canónica.

Z+x1 - 3x2 + 2x3 = 0

S.a.
3X1 – X2 + 2X3 + X4 =7
-2X1 + 4X2 + X5 = 12
-4X1 + 3X2 + 8X3 + X6 = 10
X1, X2, X3, X4, X5 >= 0
Iteracion 1

Iteración 2

Iteracion 3
 b)
Max Z = -X1 + 3X2 – 2X3
S.a.
3X1 – X2 + 2X3 <= 7
-2X1 + 4X2 <= 12
-4X1 + 3X2 + 8X3 <= 10
X1, X2, X3 >= 0

Teniendo la solución óptima:

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

Ahora:
Max Z = -x1 + 3x2 – 2x3
s.a.
3x1 – x2 + 2x3 <= 7
-2x1 + 4x2 <= 12
-4x1 + 3x2 + 8x3 <= 10
X1, x2 >= 0
La solución del problema nuevo (PN) es:

X´b = B-1 (b+Δb)

Z = CB X´b

2/5 1/10 0 10 23/5

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

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

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

c)

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

sensibilidad, ¿Cuál es la nueva solución óptima?
Max Z = -x1 + 3x2 – 2x3
s.a.
3x1 – x2 + 2x3 <= 7
-2x1 + 4x2 <= 12
-4x1 + 3x2 + 8x3 <= 10
X1, x2, x3 >= 0

Teniendo como solución óptima:

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

La solución al nuevo problema es:

Max Z = 2X1 + 2X2 + X3
S.a.
3X1 – X2 + 2X3 <= 7
-2X1 + 4X2 <= 12
-4X1 + 3X2 + 8X3 <= 10
X1, X2, X3 >= 0

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

Para j = 1

Z1 – (C1 +ΔC1) = Cb B-1 aj – (C1 +ΔC1)

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

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

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

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

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

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

d)

El vector de coeficientes tecnológicos corresponde a la actividad X3 se cambia

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

Max Z = -X1+ 3X2 – 2X3

S.a.
3X1 – X2 + 2X3 <= 7
-2X1 + 4X2 <= 12
-4X1 + 3X2 + 8X3 <= 10
X1, X2, X3 >= 0 teniendo como la solución óptima.

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

El nuevo problema a resolver será.

Max Z = -X1 + 3X2 – 2X3

S.a.
3X1 – X2 + 2X3 <= 7
-2X1+ 4X2 <= 12
-4X1 + 3X2 + 8X3 <= 10
X1, X2, X3 >= 0

Como solamente cambia el vector X3, se modifica:

Z´3 – C´3 = 𝐶𝐵𝑇 B-1 a´3 – C3

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

En consecuencia la solución óptima sigue siendo la misma.

Y la tabla óptima resulta:

Z X1 X2 X3 X4 X5 X6 Z0
1 0 0 12/5 1/5 4/5 0 11
X1 0 1 0 4/5 2/5 1/10 0 4
X2 0 0 1 2/5 1/5 3/10 0 5
X6 0 0 0 10 1 -1/2 1 11
 𝑥1 4
(𝑥2) 5 𝑥1 4
𝑋𝐵
X´ = (𝑋 ) = ( 𝑥6
𝑥4 ) = 11
(0) ; 𝑍 = (𝐶1 𝐶2 𝐶6) [𝑥2] = (−1 3 0) [ 5 ]
𝑁
(𝑥5) 0 𝑥6 11
𝑥6 0

Entonces la solución será Z* = 11

e)
Se desean introducir actividades X7 y X8 a precios de $10 y $20
Respectivamente. Los coeficientes tecnológicos asociados a cada actividad
1 0
son a7 = (1) y a8 = (1). Utilizando análisis de sensibilidad determine el nivel
1 2
óptimo de estas actividades.

El nuevo problema a resolver será:

Max Z = -X1 + 3X2 – 2X3 + 10X7 + 20X8

S.a.
3X1 – X2 + 2X3 + X7 <= 7
-2X1 + 4X2 +X7 + X8 <= 12
-4X1 + 3X2 + 8X3 +X7 + 2X8 <= 10

Z7 – C7 = 𝐶𝐵𝑇 B-1 a7 – C7

1
= (1/5 4/50) (1) = 1
1
Z8 – C8 = 𝐶𝐵𝑇 B-1 a8 – C8

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

Como Z7 – C7y Z8 – C8 resulta ser mayor que cero entonces la tabla optima
corresponde al problema original resulta ser también óptima para el problema
nuevo.

f)
Dos nuevas restricciones se añaden al sistema original, a saber, X1 <= 2, X2 <=
4, utilizando análisis de sensibilidad, determine los nuevos óptimos.

Max Z = -X1 + 3X2 – 2X3

S.a.
3X1 – X2 + 2X3 <= 7
-2X1 + 4X2 <= 12
-4X1 + 3X2 + 8X3 <= 10
X1 <=2
X2 <= 4
X1, X2, X3 >= 0

Como se sabe la solución óptima en el problema original es X1 = 4 y X2 =5 y

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

Max Z = -X1 + 3X2 – 2X3

S.a.
3X1 – X2 + 2X3 + X4 <= 7
-2X1 + 4X2 + X5 <= 12
-4X1 + 3X2 + 8X3 + X6 <= 10
X1 + X7 <=2
X2 + X8 <= 4

La nueva tabla resultara

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