pag48
TRANSCRIPT
![Page 1: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/1.jpg)
PROGRAMACIÓN MATEMATICA I
![Page 2: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/2.jpg)
Indice
CAPITULO I : Generalidades
CAPITULO III :Programación Lineal
CAPITULO II : Algebra Lineal
![Page 3: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/3.jpg)
CAPITULO I
Los Orígenes de la Investigación de Operaciones (IO)
Análisis de las componente de la IO
Influjo de la IO
Entrenamiento para hacer carrera en IO
Formulación de Programas Lineales
Análisis de las componente de la IO
![Page 4: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/4.jpg)
Orígenes de la IO
Advenimiento de la Revolución Industrial.
Tendencia de los componentes de una organización (autonomía).
Asignación de los recursos disponibles de la manera más eficaz (IO).
El desarrollo de la IO es debido a: Técnicas disponibles en esta área
Advenimiento de las computadoras
![Page 5: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/5.jpg)
¿ QUÉ ES INVESTIGACIÓN DE OPERACIONES ?
Es la aplicación de grupos interdisciplinarios del método científico a sistemas a fin de que produzcan soluciones que mejoren los objetivos de la organización.
a) Una organización se puede interpretar como un sistema.
b) Todo sistema es una estructura que funciona.
El objetivo es el control yo modificación que se hace a los componentes en forma eficiente.
![Page 6: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/6.jpg)
Sub-sistema Sub-sistema
Sub-sistema Sub-sistema
Mundo Exterior
Sistema
Componentes
SISTEMA
Es un conjunto formado por elementos interconectados de acuerdo a a ciertos criterios de ordenamiento u
organización, para ello es necesario aislarlo del mundo exterior
SISTEMA
Sistema en estudio
Mundo Exterior
Frontera del sistema en estudio.
Universo [Conjunto de todos los Sistemas]
![Page 7: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/7.jpg)
MODELO
Es una representación de un sistema de acuerdo a los objetivos del estudio del Sistema. Es decir, para cierto objetivo de estudio, ciertas partes del sistema son relevantes.
En esencia un modelo es una imagen de un sistema y en función de las interrogantes planteadas un sistema puede tener diversos modelos.
Sistema
Pensamiento
Conjunto de Palabras
Modelo
![Page 8: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/8.jpg)
CLASIFICACION DE LOS MODELOS
Según la forma de su Presentación
Según su Estructura (Simbólicos)
![Page 9: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/9.jpg)
a) Modelos Descriptivos
Expresados por leng. convencional (español, inglés)b) Modelos Iconos o
FísicosLucen como el sist. físico correspondiente.(icono)
Clase de modelo físico es el modelo por analogía, trasl. de un S. original a uno sustituido
c) Modelos Simbólicos
Expresados en forma concisa a través de símbolos matemáticos, en forma analítica o gráfica vía en conj. de funciones en la forma de ecuaciones e inecuacionesd) Modelos Tipo
Procedimiento (Simulación)
![Page 10: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/10.jpg)
a) Modelos DeterminísticosSon aquellos que NO incluyen propiedades
relacionadas con fenómenos aleatoriosb) Modelos Estocásticos
Son aquellos que incluyen variables o relaciones funcionales que dependen de los fenómenos aleatorios.
c) Modelos Lineales
Son aquellos que incluyen sólo funciones lineales
Ejemplo: y= f(x1, x2)d) Modelos No Lineales
e) Modelos EstáticoSon aquellos que incluyen sólo funciones no lineales
Ejemplo: Z= g(x, y)= x2 + x y + y2Sistema que no
sufre alteraciones debido al tiempo.
![Page 11: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/11.jpg)
f) Modelos DinámicoSon aquellos que rpta un sistema en que el tiempo es importanteg) Modelos Continuo en el
TiempoSe caracteriza por tener var. y funciones continuas en el tiempo
y=f(t)
t0 t1
h) Modelos Discreto en el Tiempo
Es aquel que incluyen solo variables y func discretas en el tiempo
![Page 12: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/12.jpg)
Análisis de las Componentes de un Proyecto de I.O.
BENEFICIOSBENEFICIOS
Incrementa la posibilidad de tomar mejores decisiones.
Mejora la coordinación entre las múltiples componentes de la organización.
Mejora el control de sistema al instituir procedimientos sistemáticos.
Lograr un mejor sistema, operar con costos bajos.
![Page 13: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/13.jpg)
ETAPAS POR LA QUE PASA UN ETAPAS POR LA QUE PASA UN PROYECTOPROYECTO
Formulación de los Problemas de la Organización.
Construcción de Modelos.
Derivar las soluciones de modelo.
Prueba del Modelo y de las Soluciones.
![Page 14: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/14.jpg)
1.5 INFLUJO DE LA I.O
La I.O. también se usa ampliamente en otro tipo de organizaciones incluyendo la industria y el comercio.
La I.O ha tenido un creciente influjo en la administración de las organizaciones.
La P.L. se ha usado con éxito en la sol. de problemas referentes a la asignación de personal, la mezcla de materiales, la distribución y el transporte y las carteras de inversión.
La P.D. se ha aplicado con buenos resultados en áreas tales como la planeación de los gastos de comercialización, la estrategia de ventas y la planeación de la producción.
![Page 15: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/15.jpg)
1.6 LA I.O EN EL PERU
Desde los 1ros años de la década del 60 diversas Empresas y Entidades han aplicado la P.L. para la toma de decisiones en probl. específicos. La utilización de esta técnica ha sido sistematizada en unos casos y puntual en otros.
![Page 16: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/16.jpg)
Dentro de las aplicaciones conocidas en nuestro medio, mencionaremos las siguientes:
Petroperu
Nicolini Hnos S.A.
Unileche S.A.
Ministerio de Agricultura
Ministerio de Transporte
POR MENCIONAR ALGUNOS
Modelos Matematicos de Centromin- Peru
Modelo Matemático de Transporte de crudos y refinados para la asignación óptima de la flota nacional.
Modelo de refinerías para la obtención de gasolina del octanaje adecuado al mínimo costo.
Modelo de mezcla de insumos para la fabricación de alimentos balanceados para aves.
Modelo de Transporte para las asignaciones de rutas y vehículos de reparto de leche en Lima Metropolitano Modelo de Rotación de Cultivos
para los valles de la Costa Norte del Perú.
Modelo de evaluación de Proyectos de Construcción Vial considerando los efectos regionales de centros de producción y consumo
Modelo de Minas de Casapalca Modelo de Cobre y Plomo Modelo para la comercialización de concentrados de Zinc nacional
![Page 17: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/17.jpg)
1.7 ENTRENAMIENTO PARA HACER CARRERA EN IO
Debido al intenso crecimiento de la IO, parece que las oportunidades para hacer carrera en este campo son excelentes.
CAMINO POR ANDAR
La puesta en práctica de los modelos de IO para analizar problemas de sistemas complejos en la industria o el sector público.
![Page 18: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/18.jpg)
1.8 PROCESOS EN LA SOLUCIÓN DE UN PROBLEMA MEDIANTE IO
a. Definición del Sistema del Mundo Real
b. Definición del sistema a ser modelado
c. Definición del Problema
d. Formulación del Modelo
e. Solución del Modelo
f. Validación de Resultados
g. Validación del Modelo
h. Presentación de Resultados
i. Implementación del Modelo
![Page 19: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/19.jpg)
PROCESOS EN LA MODELACION DE UN PROBLEMA PRACTICO
1. Inicios: Formulación del problema
2. Existe un modelo apropiado
3. Es factible construir un modelo analítico apropiado
4. Permite experimentar con modelos numéricos
5. Desea cierta sofisticación y acepta costos de valor medios
altos6. Formular un modelo de simulación
7. Identificar alternativas
8. Buscar la mejor alternativa
![Page 20: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/20.jpg)
PROCESOS EN LA MODELACION DE UN PROBLEMA PRACTICO
9. No use modelos: tome decisiones basadas en el sentido común
10. Formular un modelo Heurístico (intuitivo)
11. Enumerar las alternativas
12. Experimentar y seleccionar una alternativa aceptable
14. Resolver el modelo
13. Especificar el problema en el formato del modelo
15. Comprobar los resultados con experimentos
16. La solución es aceptable
17. Implementar y usar el modelo
![Page 21: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/21.jpg)
DIAGRAMA DE FLUJO DE PROCESOS EN LA MODELACIÓN
1
2
4
3
516
6
8
712
11
10
9
15
14
13
17
![Page 22: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/22.jpg)
FORMULACION DE PROGRAMAS LINEALES
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
![Page 23: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/23.jpg)
1. Una firma elabora 2 productos, en las cuales entran 4 componentes en c/u. Hay una determinada disponibilidad de c/ componente y un beneficio por c/ producto. Se desea hallar la cantidad de c/ artículo que deba fabricarse, con el fin de maximizar los beneficios.
El siguiente cuadro resume los coeficientes de transformación, (cantidad de c/componente que entra en cada producto)
Producto Componente
P1 P2 Disponibilidad (kilogramos)
A B C D
1 2 2 1
3 1 2 1
15,000 10,000 12,000 10,000
Beneficios S/. Unidad
4 3
![Page 24: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/24.jpg)
Solución:x1 = Nº de unidades del Producto P1
x2 = Nº de unidades del Producto P2
Producto Componente
P1 P2 Disponibilidad (kilogramos)
A B C D
1 2 2 1
3 1 2 1
15,000 10,000 12,000 10,000
Beneficios S/. Unidad
4 3
Con respecto a la disponibilidad
Analizando cada componente (A):
1x1 + 3x2 15 000
Con respecto a la disponibilidad:Analizando cada componente (B):
Producto Componente
P1 P2 Disponibilidad (kilogramos)
A B C D
1 2 2 1
3 1 2 1
15,000 10,000 12,000 10,000
Beneficios S/. Unidad
4 3
2x1 + 1x2 10 000
![Page 25: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/25.jpg)
Aplicando el mismo análisis, a los demás componentes:
1x1 + 3x2 15 000
2x1 + 1x2 10 000
2x1 + 2x2 12 000
1x1 + 1x2 10 000
Con respecto a los Bfs de cada producto, se puede obtener el total, así: Producto
Componente P1 P2
A B C D
1 2 2 1
3 1 2 1
Beneficios S/. Unidad
4 3
Z = 4x1 + 3x2
Pero no olvidemos, que queremos el máximo beneficio
![Page 26: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/26.jpg)
Entonces el programa lineal correspondiente es:
Max Z = 4x1 + 3x2
Sujeto a:
1x1 + 3x2 15,000
2x1 + 1x2 10,000
2x1 + 2x2 12,000
1x1 + 1x2 10,000
x1, x2 0
![Page 27: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/27.jpg)
2. La Cía "PROLANSA" produce tornillos y clavos. La M.P. para los tornillos cuesta S/. 2.00 c/u, mientras que la M.P. para c/clavo cuesta S/. 2.50. un clavo requiere dos hrs de M.O. en el dpto #1 y tres hrs. en el dpto #2, mientras q´ un tornillo requiere cuatro hrs. en el dpto #1 y dos hrs. en el dpto #2. El jornal por hora en c/dpto es de S/. 2.00. Si ambos productos se venden a S/. 18.00, y el número de hrs. de M.O. disponibles por semana en los dptos es de 160 y 180 respectivamente, expresar el probl. propuesto como un P.L., tal que maximicen las utilidades.
Solución
x1 = Nº de tornillos/semanax2 = Nº de clavos/semana
![Page 28: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/28.jpg)
Costo de los clavos = 5 x 2 + 2.5 = S/. 12.5/Unid.
= S/. 12.5/Unid.Utilidad = 18 - 12.5 = S/. 5.50/Unid.
Costo de los tornillos = 6 x 2 + S/.2 Unid. = S/. 12 Unid + S/. 2
Unid. = S/. 14 Unid.Utilidad = 18 - 14 = S/. 4/Unid.
Costo/jornal
horascosto
Por lo tanto el P.l. es :
Max Z = 4x1 + 5.50x2
s. a. :4x1 + 2x2 1602x1 + 3x2 180
x1, x2 0
El jornal por hora en c/dpto es de S/. 2.00, ambos productos se venden a S/.18.00
Utilidad = venta - costo
![Page 29: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/29.jpg)
3. Un fabricante produce 3 modelos (I, II y III) de un cierto prod., y usa 2 tipos de MP. (A y B), de los cuales se tienen disponibles 2,000 y 3,000 unidades respectivamente.
Los requisitos de MP por unidad de los 3 modelos son:
REQUISITOS POR UNIDAD DE MODELO DADA MATERIA
PRIMA I II III
A B
2 4
3 2
5 7
El tiempo de M.O por c/unid. del modelo I es 2 veces el modelo II y 3 veces el modelo III. La fuerza laboral completa de la fáb. puede producir el equiv. de 700 unid. del modelo I.
Una encuesta indica que la demanda mín de los 3 modelos es 200, 250 y 150 unid respectiv. Sin embargo, las relaciones del número de unid producidas deben ser igual a 3:2:5.
Supongamos que los beneficios por unidad de los modelos I, II y III son 30, 20 y 50 unidades monetarias.
![Page 30: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/30.jpg)
Formule el problema como un modelo de PL a fin de det’ el número de unid de c/producto que maximizarán el beneficio.
Solución:x1 = Cantidad de Producc’ del Modelo I
x2 = Cantidad de Producc’ del Modelo II
x3 = Cantidad de Producc’ del Modelo III
los beneficios por unidad de los modelos I, II y III son 30, 20 y 50 unidades monetarias
Función Objetivo
Max Z = 30x1 + 20x2 + 50x3
Sujeto a: {Restricciones}
![Page 31: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/31.jpg)
REQUISITOS POR UNIDAD DE MODELO DADA MATERIA
PRIMA I II III
A B
2 4
3 2
5 7
1. Con respecto a MP
2x1 + 3x2 + 5x3 2000
4x1 + 2x2 + 7x3 3000
2x1 + 3x2 + 5x3 2000
2. Con respecto a la demanda mínima
Una encuesta indica que la demanda mín de los 3
modelos es 200, 250 y 150 unid respectiv.
x1 200
x2 250
x3 150
3. Relación a las unid. producidasSin embargo, las
relaciones del número de unid producidas deben
ser igual a 3:2:5.
x1 = 3 , x2 = 2 , x1 = 3
x2 2 x3 5 x3 5
![Page 32: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/32.jpg)
4. Condición Laboral
El tiempo de M.O por c/unid. del modelo I es 2 veces el modelo II y 3 veces el modelo III. La fuerza laboral completa de la fáb. puede producir el
equiv. de 700 unid. del modelo I
x1 + 1 x2 + 1 x3 700
2 3
5. Condiciones de no negatividad
x1 0, x2 0, x3
0
![Page 33: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/33.jpg)
4. Para una cafetería que trabaja 24 hrs se requiere las siguientes meseras:
HORAS DEL DIA NUMERO MINIMO DE MESERAS2 - 6 46 - 10 810 - 14 1014 - 18 718 - 22 1222 - 2 4
Cada mesera trabaja 8 hrs consecutivas por día. Encontrar el número más pequeño requerido para cumplir los requisitos anteriores. Formule el probl. como un modelo de P. L.
![Page 34: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/34.jpg)
4 8 10 7 12 4
horas 2 6 10 14 18 22 2 Turno
1 x1
2 x2
3 x3
4 x4
5 x5
6 x6
Nro mìn. de meseras
Cantidad de meseras q´ ingresan en el turno 1
x1 + x6 4
![Page 35: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/35.jpg)
Solución
xi = Cantidad de meseras que ingresan en el turno i. (i= 1,6)
F.O. : Min Z = x1 + x2 + x3 + x4 + x5 + x6
S. a: x1 + x6 4
x1 + x2 8
x2 + x3 10
x3 + x4 7
x4 + x5 12
x5 + x6 4
xj 0 j = 1,..,6
![Page 36: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/36.jpg)
5. Una Cía debe elaborar 2 productos en det’ período (un trimestre) la Cía puede pagar por materiales y MO, con dinero obtenido de 2 fuentes: Fondos de la Cía (propio), y préstamos. La Compañía enfrenta tres decisiones.
¿Cuántas unid debe producir del producto 1
¿Cuántas unid debe producir del producto 2?
¿Cuánto dinero debe obtener prestado para apoyar la producción de los 2 modelos?
![Page 37: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/37.jpg)
Solución:x1 = Unidades del Prod. 1
x2 = Unidades del Prod. 2
x3 = Cantidad obtenida por el Préstamo
Horas para Producir una Unidad en el Dpto.
Producto Precio de Venta
Costo de Producción
A B C 1 2
14 11
10 8
0.5 0.3
0.3 0.4
0.2 0.1
Horas Disponibles por Trimestre 500 400 200
Horas por Producir Producto P.V. C.P. Dpto A Dpto B Dpto C
1 2
14 11
10 8
0.5 0.3
0.3 0.4
0.2 0.1
Horas disponibles xj 500 400 200
![Page 38: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/38.jpg)
Del cuadro anterior, se obtiene:
U1 = (14 - 10)x1
U2 = (11 - 8)x2
U3 = -1.05x3
Donde U,sería la utilidad del producto. Así se obtiene la F.O.:
Max Z = 4x1 + 3x2 - 0.05x3
s.a:Horas por Producir Producto P.V. C.P.
Dpto A Dpto B Dpto C 1 2
14 11
10 8
0.5 0.3
0.3 0.4
0.2 0.1
Horas disponibles xj 500 400 200
0.5x1 + 0.3x2 500
0.3x1 + 0.4x2 400
0.2x1 + 0.1x2 200
![Page 39: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/39.jpg)
Se sabe que Kapital= 30000 y préstamo es x3:
10x1 + 8x2 30,000 + x3 (Fondos de la
compañía)
x3 20,000 (Préstamo)
30000 + (4x1 + 3x2 + x3) 3
x3 + 0.05x3 1
![Page 40: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/40.jpg)
6. Un agricultor requiere cultivar maíz y trigo en un terreno de 70 Ha, sabe que una Ha puede rendir 30 quintales de maíz o 25 quintales de trigo c/Ha, requiere un cap. de $ 30 si se cultiva con maíz y de $ 40 si se cultiva con trigo, el cap. total disponible es de $ 2,500, las necesidades de agua de riego son de 900 m3/Ha de maíz y de 650 m3/Ha de trigo en octubre, y de 1200 m3/Ha y 850 m3/Ha de maíz y trigo respectivamente en noviembre.
La disponibilidad de agua en octubre es de 57,000 m3 y en noviembre de 115,200 m3, si los beneficios por venta de maíz y del trigo son $ 4.50 y de $ 6 por quintal respectivamente, hay que determinar la cantidad de maíz y trigo que se debe producir para obtener el beneficio máximo
Solución
X1 = número de hectáreas (Ha) cultivadas de maízX2 = número de hectáreas (Ha) cultivadas de trigo
![Page 41: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/41.jpg)
Cuadro obtenido del enunciado
Producto Maíz Trigo Disponibi-lidad
Capital x HaAgua OctubreAgua Noviembre
30900
1 200
40650850
2 500 57 000115 200
Beneficios 4.50 6.00
una Ha puede rendir 30 quintales de maíz o 25 quintales de trigo
F.O :Max Z = (4,50)(30) x1 + 6 (25) x2
= 135 x1 + 150 x2
![Page 42: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/42.jpg)
S.A : x1 + x2 70
30x1 + 40x2 2,500
900x1 + 650 x2 57,000
1,200x1 + 850x2 115,200
x1 0, x2 0
maíz y trigo en un terreno de 70 Ha
![Page 43: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/43.jpg)
7. Un barco tiene tres bodegas en la proa, en la popa y en el centro. Las capacidades limites son
BODEGA TONELAJE PIES CUBICOS
Proa Popa
Centro
2,000 1,500 3,000
100,000 30,000 135,000
Se tiene una oferta de carga, que se puede aceptar total o parcialmente
CARGA CANTIDAD PIES CUBICOS POR TONELADA
GANANCIA (S/./Ton)
A B C
6,000 Ton 4,000 Ton 2,000 Ton
60 50 25
6 8 9
Cómo se puede distribuir la carga para Max la ganancia, si la preservación del equilibrio obliga a que el peso de cada bodega sea proporcional a la capacidad de toneladas?
![Page 44: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/44.jpg)
Solución:xj = (# de ton. de c/artículo que ira en c/ bodega, j= 1,2,...,9)
BODEGA ARTICULO
PROA CENTRO POPA PESO TON.
PIES/ TON.
BENEF./ TON.
A B C
X1 X4 X7
X2 X5 X8
X3 X6 X9
6,000 4,000 2,000
60 50 25
6 8 9
PESO (TONS.) 2,000 3,000 1,500
VOL (PIES3) 100,000 135,000 30,000
Por lo tanto el PL, es:
Max Z = 6(x1 + x2 + x3) + 8 (x4 + x5 + x6) + 9 (x7 + x8 + x9)
![Page 45: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/45.jpg)
BODEGA ARTICULO
PROA CENTRO POPA
A B C
X1 X4 X7
X2 X5 X8
X3 X6 X9
PESO (TONS.) 2,000 3,000 1,500
VOL (PIES3) 100,000 135,000 30,000
SUJETO A:
a) Restricciones debidas al ton. de bodega
x1 + x4 + x7 2,000
x2 + x5 + x8 3,000
x3 + x6 + x9 1,500
x1 + x4 + x7 2,000
x2 + x5 + x8 3,000
x3 + x6 + x9 1,500
b) Restricciones debidas al volumen de bodega
BODEGA ARTICULO
PROA CENTRO POPA PESO TON.
PIES/ TON.
A B C
X1 X4 X7
X2 X5 X8
X3 X6 X9
6,000 4,000 2,000
60 50 25
PESO (TONS.) 2,000 3,000 1,500
VOL (PIES3) 100,000 135,000 30,000
60x1 + 50x4 + 25x7 100,000
60x2 + 50x5 + 25x8 135,000
60x3 + 50x6 + 25x9 30,000
![Page 46: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/46.jpg)
c) Restricciones debidas a la oferta de los artículos
BODEGA ARTICULO
PROA CENTRO POPA PESO TON.
PIES/ TON.
A B C
X1 X4 X7
X2 X5 X8
X3 X6 X9
6,000 4,000 2,000
60 50 25
PESO (TONS.) 2,000 3,000 1,500
VOL (PIES3) 100,000 135,000 30,000
x1 + x2 + x3 6,000 x4 + x5 + x6 4,000
x1 + x2 + x3 6,000
x4 + x5 + x6 4,000
x7 + x8 + x9 2,000
d) Restricciones x Preservac’ del equilibrio
BODEGA ARTICULO
PROA CENTRO POPA PESO TON.
A B C
X1 X4 X7
X2 X5 X8
X3 X6 X9
6,000 4,000 2,000
PESO (TONS.) 2,000 3,000 1,500
VOL (PIES3) 100,000 135,000 30,000
x1 + x4 + x7 = x2 + x5 + x8 = x3 + x6 + x9
2,000 3,000 1,500
![Page 47: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/47.jpg)
8. Se hace un pedido a una papelería de 800 rollos de papel corrugado de 30 pulg. de ancho, 500 rollos de 45 pulg. de ancho y 1000 de 56 pulg. Si la papelería tiene solamente rollos de 108 pulg. de ancho, ¿Cómo deben cortarse los rollos para surtir el pedido con el mínimo desperdicio de papel.?
![Page 48: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/48.jpg)
x1 x2 x3 x4 x5
30 3 2 0 0 0 800
45 0 1 0 2 1 500
56 0 0 1 0 1 1,000
Desperdicio 18 3 52 18 7
Solución
xj = (# de rollos cortados de diferentes maneras, j = 1,2,...,5)
![Page 49: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/49.jpg)
Por lo tanto el PL es:
Min Z = 18x1 + 3x2 + 8x3 + 18x4 + 13x5
S.a:3x1 + 2x2 = 800
x2 + 2x4 + 1x5 = 500
1x3 + 1x5 = 1,000
xj 0; j = 1,2,...,5
xj = (# de rollos cortados
de diferentes maneras)
Desperdicio
Los cortes tienen que ser exactos
![Page 50: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/50.jpg)
9. Una planta fabrica prod. A y B, que pasan por procesos (1,2,3 y 4):
CENTRO
2
CENTRO
4
CENTRO
3
CENTRO
1
P.Term. A
(curso normal)
P.Term. B
P.Term A
(curso alternativ)
M. PRIMA A
M.PRIMA B
Cuando hay capac’ disponible en el Centro 3, es posible enviar el prod. A por 3 en lugar de hacerlo pasar 2 veces por el Centro 2
PRODUCTO CENTRO CAPACIDAD DE ENTRADA EN
GAL/HR
% DE RECUPERACIÓN
COSTO DE OPERACIONES
POR HR/S/. 1 300 90 1500
2 (1º paso) 450 95 2000 4 250 85 1600
2 (2º paso) 400 80 2200
A
3 (alterno) 350 75 2500 1 500 90 3000 3 480 85 2500
B
4 400 80 2400
![Page 51: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/51.jpg)
PRODUCTO COSTO/GALONES DE
MATERIA PRIMA
PRECIO DE VENTA/GALONES DE
PRODUCTO TERMINADO
MÁXIMO DE VENTAS DIARIAS EN GLS. DE
PRODUCTO TERMINADO
A 50 200 1700 B 60 180 1500
Los centros 1 y 4 trabajan hasta 16 hrs al día; los centros 2 y 3 trabajan hasta 12 hrs al día. Esta Cía efectúa la distribución de sus productos con sus propios Rs, los que permiten el transp’ de un máximo de 2,500 gal. Los 2 tipos de MPs, que se evaporan con facilidad pueden conseguirse en cualesquiera cantd en el mcado; pero no hay forma de almacenarlos, e.d. la totalidad de las MPs compradas debe usarse al día que se reciben. Los pedidos son satisfechos el mismo día que se piden y a un tiempo para su uso.
Expresar el prob’ propuesto co’ un PL, que permite decidir cuantos galones de MP deben dedicarse diariamente a c/curso posible, dado que c/centro pueda manejar el paso de un prod’ en proceso a la vez y se desea maximizar las utilidades. Ignórese el tiempo que podría requerir para cambiar de un producto a otro en cualquier de los Centros.
![Page 52: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/52.jpg)
NOTA: % de Merma = 100 - % de recuperación
Solución:XAN = # de gal de MP de A (curso normal)
XAA = # de gal de MP de A (curso alternativo)
XB = # de gal de MP de B.
Utilidad = Ingreso total - Costo MP - Costo Operación
Ingreso Total = 200[(0.90) (0.75) (0.85) (0.80)] XAN + 200[(0.90) (0.95) (0.85) (0.75)] XAA +
180 [(0.90) (0.85) (0.80)]XB
Costo MP = 50(XAN + XAA) + 60XB
![Page 53: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/53.jpg)
Costo OP = XAN 1,500 + 0.90XAN 2,000 + 1,600 0.90 x 0.95 XAN
300 450 250
+ 2,200 0.90 x 0.095 x 0.85 XAN + XAA 1,500 + 0.90XAA 2,000
400 300 450
+ 1,600 0.90 x 0.95 XAA + 2,500 0.90 x 0.95 x 0.85 XAA + XB 3,000 +
250 350 500
0.90XB 2,500 + 2,400 0.90 x 0.95 XB
480 400
Por lo tanto el PL, y simplificando la FO, es:
Max Z = 47XAN = 38.6 XAA + 34.7 XB
![Page 54: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/54.jpg)
a) Restricciones debido al transporte
(0.90) (0.8) (0.95) (0.85)XAN + (0.90) (0.95) (0.85)
(0.75) XAA + (0.90) (0.8) (0.85)XB 2,500
b) Restricciones debido a las horas disponibles en c/centro
Centro 1
XAN + XAA + XB 16
300 500
Centro 2
0.90(XAN + XAA) + (0.90) (0.95) (0.85)XAN 12
450 400
![Page 55: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/55.jpg)
Centro 3
(0.90)(0.95)(0.85)XAA + (0.90)XB 12
340 400
Centro 4
(0.90)(0.95)XAN + (0.90) (0.95)XAA + (0.90) (0.85) 16
250 400
c) Restricciones debido a Ventas
(0.90)(0.95)(0.85)(0.80)XAN + (0.90)(0.95)(0.85)(0.75)XAA 1,700
(0.90)(0.85)(0.80)XB 1,500
XAN, XAA, XB 0
![Page 56: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/56.jpg)
Luego de realizar algunas simplificaciones algebraicas, el PL es el siguiente :
Max = 47xAN + 0.38xAA + 34.7xB
S.a:
0.58 xAN + 0.54 xAA + 0.61 xB 1,500
0.003 (xAN + xAA) + 0.002xB 16
0.002(xAN + xAA) + 0.001xB 12
0.002xAA + 0.001xB 12
0.003(xAN + xAA) + 0.001xB 16
0.58xAN + 0.54 xA 1,700
0.612xB 1,500
XAN, XAA, XB 0
![Page 57: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/57.jpg)
10. Un inversionista tiene perspectivas de invertir en dos activid. A y B, siendo el horizonte económico de 5 años. c/u económica invertida es A en el comienzo de cualquier año, produce una utilidad de $. 0,40, dos años más tarde. c/u monetaria invertida en B, en el comienzo de cualquier año produce una utilidad de $. 0,70 tres años más tarde. Además tiene otras dos perspectivas C y D para el futuro.
C/u monetaria invertida en C en el comienzo del segundo año permite una utilidad de $. 1,00 al final de los 5 años, c/u monetaria invertida en D en el comienzo del quinto año produce una utilidad de $. 0,30. El inversionista dispone de $. 10,000 y desea conocer el plan de inversiones que maximice sus utilidades.
Solución:
Xij = Unidades monetarias invertidas en el i-ésimo período y la j-ésima actividad, (i = 1, 2, 3, 4, 5; j = A, B, C, D. )
![Page 58: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/58.jpg)
Esquemáticamentedos años más tarde
tres años más tarde
comienzo del segundo año
comienzo del quinto año
![Page 59: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/59.jpg)
F.O. : Max Z = 0.40 (x1A + x2A + x3A + x4A) + 0.70(x1B + x2B +x3B) +
x2C + 0.30x5D
S.A:
• Debido a la disponibilidad del capital para el primer año.x1A + x1B 10,000
Para el segundo añox2C + x1A + x1B + x2A + x2B 10,000
El inversionista dispone de $. 10,000
![Page 60: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/60.jpg)
Para el tercer año x1B + x2A + x2B + x2C + x3A - 0.40x1A 10,000
Para el cuarto año
x2B + x2C + x3A + x3B + x4A 10,000 +1.7x1B
+1.4x2A+ 1.4x1A
Para el quinto año
x2C + x3B + x4A +x5D 10,000+ 1.4x3A +1.7x2B +
1.7x2B +1.7x1B + 1.4x2A + 1.4x1A
xij 0 ; i = 1... 5 , j = A. ..D
![Page 61: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/61.jpg)
11. Un joven tenía que entretener a un visitante durante 90 minutos. Pensó que seria una buena idea que el huésped se emborrachase. Se le dio al joven S/.50. El joven sabía que la visitante le gustaba mezclar sus tragos, pero que siempre bebía menos de 8 vasos de cerveza, 10 ginebras, 12 whisky y 24 martinis. El tiempo que empleaba para beber era 15' por c/ vaso de cerveza, 6' por ginebra, 7' y 4' por whisky y martini.
Los precios de las bebidas eran (en vaso):
Cerveza S/. 1, Ginebra S/. 2,
Whisky S/. 2, Martini S/. 4
El obj’ era Max. el consumo alcohólico durante los 90' que tenía para entretener al huésped. Un químico le dio el contenido alcohólico de las bebidas en forma cuantitativa, siendo las unidades por un vaso de 17, 15, 16 y 7 por vaso. El visitante siempre bebía un mínimo de 2 whiskys.
![Page 62: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/62.jpg)
Solución:
xj = Nº de vaso de tipo (1:Cerveza , 2:Ginegra, 3: Whisky, 4: Martini)
Un químico le dio el cont’ alcoh’ de las
bebidas por vaso de 17, 15, 16 y 7
Max Z = 17 x1 + 15 x2 + 16 x3 + 7 x4 Los precios de las bebidas eran por vaso de 1, 2, 2, 4 soles
Sujeto a:
1 x1 + 2x2 + 2x3 + 4x4 50
El tiempo en beber c/vaso de bebida es de: 15, 6, 7, 4’
10x1 + 6x2 + 7x3 + 4x4 90
X1 8 ; x2 10
2 <= x2 12 ; x2 24
![Page 63: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/63.jpg)
12. El costo del avión A es de $6.7 millones, el avión B en $5 millones y el avión C de $ 3.5 millones. El directorio autoriza la compra de aviones por valor de 150 millones. El tipo A de mayor capacid. proporcionará una utilidad de $. 420,000 anuales, el avión B una utilidad de $.300,000 y el avión C una utilidad de $. 230,000 anuales. La Fuerza Aérea Peruana sólo le podría proporcionar 30 pilotos debidamente entrenados. Aero-Perú podra mantener un máximo de 40 unid.Mantener un avión B requiere 1/3 más que el avión C y que el avión A requiere 1 2/3 más que el C.
Solución
Variables de Desición : x1 = Nº de aviones A
x2 = Nº de aviones B
x3 = Nº de aviones C
![Page 64: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/64.jpg)
S.a:6.7x1 + 5x2 + 3.5 x3 150 x1 + x2 + x3 30
F.O. : Max Z = 420x1 + 300x2 + 230x3
B = 1 1 C + C = 2 1 C 3 3
2 2 x1 + 2 1 x2 + x3 ≤ 40
3 3
xj 0; j = 1, 2, 3
A = 1 2 C + C = 2 2 C 3 3
Mantener un avión B requiere 1/3 más que el avión C y que el avión A requiere 1 2/3 más que el C.
costo del avión A es de $6.7 mills, el avión B en $5 mills y el avión C de $ 3.5 mills
utilidad de $. 420,000 anuales, el avión B una utilidad de $.300,000 y el avión C una utilidad de $. 230,000 anuales.
![Page 65: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/65.jpg)
13. Una Cía de art’ electrónicos produce 3 líneas de prod’que son: Transistores, Micromódulos y Circuitos Armados y el centro de producción tiene 4 áreas de proceso:
Area 1 Producción de Transistores
Area 2 Armaduría de circuitos
Area 3 Control de transistores
Area 4 Prueba de circuitos y Embalaje
La producción de transistor requiere:
0.1 hrs - hombre en Area 1
0.5 hrs - hombre en Area 3
S/. 70.0 en costos directos
![Page 66: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/66.jpg)
La construcción de un micromódulo requiere: 0.4 hrs - hombre en Area 20.5 hrs - hombre en Area 33.0 TransistoresS/. 50.0 en costos directos
La producción de un circuito armado requiere:0.1 hrs - hombre en Area 20.5 hrs - hombre en Area 41.0 Transistor3.0 MicromódulosS/. 200.0 en costos directos
C/prod’se vende a S/ 200, 800 y 2,500 (transistores, micromódul’ y circuitos armados). La cantidad de venta es ilimitada; si hay 200 horas-hombre disponible en c/área de trabajo. Formule el PL para obtener una máx’ ganancia.
![Page 67: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/67.jpg)
Solución:x1 = Número de transistores a producirx2 = Número de micromódulos a producirx3 = Número de circuitos armados a producir
El número de horas que se necesita de cada Area para fabricar cada producto, se muestra
Transistores Micromódulos Circuitos Armados Hrs disponibles Area 1 Area 2 Area 3 Area 4
0.1
0.5
0.3 0.4 2.0
1.0 1.3 6.5 0.5
200 200 200 200
x 1 + x 3 +
Por lo tanto el programa lineal es:
Venta - CostoMax z= (200 - 70)x1 + (800 - 3 x 70 - 50)x2 + (2500 - 1x 70 - 3(3 x 70+50) - 200 )x3
x 3 +
![Page 68: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/68.jpg)
Transistores Micromódulos Circuitos Armados Hrs disponibles Area 1 Area 2 Area 3 Area 4
0.1
0.5
0.3 0.4 2.0
1.0 1.3 6.5 0.5
200 200 200 200
Del cuadro obtenemos las restricciones:
Max Z = 130x1 + 540x2 + 1450x3
S.a:
0.1x1 + 0.30x2 + 1x3 200
0.4x2 + 1.3x3 200
0.5x1 + 2x2 + 6.5x3 200
0.5x3 200
xj 0; j = 1, 2, 3
![Page 69: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/69.jpg)
14. El Plan A garantiza que c/dólar invertido retornará 70 cent. por año, el plan B garantiza que c/dólar invertido retornará $2.00 en dos años. En el plan B se invierte períodos múltiplos de dos años. ¿Cómo se invertirá $ 100,000 para maximizar los retornos al final de los 3 años? Formule el P.L.
Solución
Xi,j = Inversión del i-ésimo plan en el j-ésimo año ( i = A,B ; j = 1,2, 3)
![Page 70: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/70.jpg)
Lo que nos permite plantear el siguiente cuadro:
PERIODO INVERSION CANTIDAD ALFINAL DEL PERIODO
123
XA1 + XB1
XA2 + XB2
XA3
1.7XA1
1.7XA2 + 3 XB1
1.7XA3 + 3XB2
Gráficamente
100,000 xB1
xA1 xA2 xA3
xB2
1 2 43
En el plan B se invierte períodos múltiplos de dos
años
F.O
![Page 71: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/71.jpg)
F.O :
Max Z = 1.7 XA3 + 3 XB2
S.a:
Cantidad que ingresa Cantidad que ingresa cantidad que salecantidad que sale
100,000 XA1 + XB1
1.7 XA1 XA2 + XB2
1.7 XA2 + 3 XB1 XA3
XA1, XA2, XA3, XB1, XB2 0
maximizar los retornos al final
de los 3 años
![Page 72: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/72.jpg)
15. Faucett tiene que decidir cuantas azafatas nuevas tiene que emplear, entrenar, despedir en los 6 meses que vienen. Los requisitos en hora de vuelo de azafata son los siguientes:
Mes Enero Febrero Marzo Abril Mayo Junio Nº Hrs. 8,000 9,000 8,000 10,000 9,000 12,000
Una chica necesita un mes de entrenamiento, hay que
emplearla un mes antes de que sus servicios sean necesarios.
El entrenam’ de una chica nueva requiere el tiempo de una azafata con experiencia regular entrenada (100 hrs. aprox)
Una azafata trabaja un máx’ de 150 horas c/ mes, hay 60 azafatas disponibles el primer día de Enero.
Si la demanda es menor la Cía. puede despedirlas
![Page 73: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/73.jpg)
• Despedir un azafata cuesta $1000• Una azafata regular cuesta $ 800• Una con entrenamiento $ 400
Si el 10% (azafatas regulares) renuncian por casamiento, formular un PL para Minimizar costos.
Solución:Xij = Nº de azafatas que en el mes I (Ene(1)-Feb(2)...Jun(6)) se encuentran
en la situación J (1:regular- 2:entrenamiento – 3:despedir)
Mes Empleadas Entrenamiento Despedir
Enero Febrero Marzo Abril Mayo Junio
X11 X21 X31 X41 X51 X61
X12 X22 X32 X42 X52 X62
X13 X23 X33 X43 X53 X63
![Page 74: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/74.jpg)
Comienzo de Ene hay: (60 azaf)(150 hrs. Azaf) = 9,000 hrs.
Azafata regular = 150 horas
Azafata en entren. = -100 horas
Azafata despedida = -150 horas
COSTO: $800 azafata regular / $400 en entrenam / $1,000 despedida
6
1
2
i
ixMin Z = 800 + 400 + 1,000
6
1
1
i
ix
6
1
3
i
ix
Obs: las decisiones de despido, entren se toma al inicio de c/mes
En cuanto a las restricciones, vendrían a ser las demandas en c/ mes como veremos:
![Page 75: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/75.jpg)
Enero : 9000 + 150x11 - 100 x12 - 150x13 8,000
Febrero : 0.90(Enero) + 150x21 - 100x22 - 150x23 9,000
Marzo : 0.9(Feb.) + 150 x31 - 100x32 - 150x33 8,000
Abril : 0.9(Mar) + 150 x41 - 100x42 - 150x43 10,000
Mayo : 0.9(Abr) + 150 x51 - 100x52 - 150x53 9,000
Junio : 0.9(May) + 150 x61 - 100x62 - 150x63 12,000
xij 0
6
1
2
i
ixMin Z = 800 + 400 + 1,000
6
1
1
i
ix
6
1
3
i
ix
S.a
![Page 76: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/76.jpg)
16. Un vendedor tiene 2 productos A y B. El espera ser capaz de vender a lo más 20 unid. de A y a lo menos 78 unid. De B. El debe vender al menos 48 unids de B para satisfacer su cuota mínima de ventas, él recibe una comisión del 10% sobre la venta total que realiza. Pero el debe pagar sus propios costos (que son estimados en 30 soles x hr. en hacer llamadas) de su comisión. El esta dispuesto a emplear no más de 160 hrs x mes en llamar a sus clientes. Los siguientes datos están disponibles. maximice la cantidad de ganancia
PRODUCTO PRECIO VENTA
soles/unidad
TIEMPO EMPLEADOHora/llamada
PROBABILIDADDE UNA VENTAEN LLAMADA
AB
3,0001,400
31
0.50.6
![Page 77: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/77.jpg)
Solución :
xi = Nº de llamadas para vender el producto i, (i= 1..2)
S.a:
- Cantidad de productos A y B vendidos
0.5x1 20
48 0.60x2 78
- Tiempo empleado en hacer llamadas
3x1 + x2 160
x1, x2 0
F.O. :
Max z = 0.1(3,000(0.5)x1 + 1400(0.6)x2) - 30(3x1 + x2)
![Page 78: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/78.jpg)
17. Un contratista considera una propuesta pa’ la pavimentac’ de un camino. Las especificaciones requieren un espesor mín’ 12'' y un máx’de 48''. El camino debe ser pavimentado en concreto, asfalto o gravilla, o combinación de los tres.
Sin embargo, las especificaciones requieren una consistencia final = o > que la correspondiente a una superficie de concreto de 9'' de espesor. Se sabe que:
• 3'' de su asfalto son tan resistentes como 1'' de concreto,
• 6'' de gravilla son tan resistentes como 1'' de concreto.
C/ pulgada de espesor por yarda cuadrada de concreto=S/ 1,000, el asfalto S/3,800 y la gravilla S/1,500
![Page 79: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/79.jpg)
Det’ la combinación de materiales que usaría para Min costos.
Solución:x1 = Nº de pulg’ de espesor de concreto
x2 = Nº de pulg’ de espesor de asfalto
x3 = Nº de pulg’ de espesor de gravilla
Dependiendo del costo de espesor, tenemos:
Min Z = 1,000x1 + 3,800x2 + 1,500x3 S.a:
x1 + x2 + x3 12
x1 + x2 + x3 48
x1 + x2/3 + x3/6 9
xj 0; j = 1,...,3
![Page 80: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/80.jpg)
18. Una refinería mezcla 5 crudos para producir 2 grados de gasolina "A" y "B". Ver Separata ...
Crudo Número deOctanos
Barriles/día Costo por Barril(soles)
12345
7080859099
2,0004,0004,0005,0003,000
809095115200
¿Cuál debe ser la producción de gasolina "A" y "B"?
¿Cómo debemos mezclar los crudos?
![Page 81: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/81.jpg)
Solución :
xij = Nº de barriles de i-ésimo crudo dedicados al j-ésimo grado de gasolina y al crudo que no se utiliza(C).
Utilidad = Ventas - Costos F.O :
Max Z = 195x1A + 285x2A + 280x3A + 260x4A + 175 x5A +
205x1B + 190x3B + 170x4B + 85x5B + 45x1C +
35x2C + 30x3C + 160x4C + 174x5C
![Page 82: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/82.jpg)
Ventas = 375(x1A + x2A + x3A + x4A + x5A) + 285 (x1B + x2B + x3B + x4B
+ x5B) + 275(x4C + x5C) + 1250 (x3C + x2C + x1C)
Costos
= 80 (x1A + x1B + x1C) + 900 (x2A + x2B + x2C) + 95(x3A +
x3B + x3C ) + 115 (x4A + x4B + x4C) + 2000 (x5A + x5B +
x5C)
![Page 83: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/83.jpg)
Restricciones debido al octanaje de gasolina "A"
Restricciones debido al octanaje de gasolina "B"
Se debe producir al menos 8000 barriles diarios de gasolina tipo "B"
Restricciones debido a la disponibilidad de los crudos
S.A :
![Page 84: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/84.jpg)
a) Restricciones debido al octanaje de gasolina "A"
70x1A +80x2A + 85x3A + 90x4A + 99x5A 95
X1A + x2A + x3A + x4A + x5A
Simplificando
x5A + 5x4A -15x1B - 5x2B 0
![Page 85: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/85.jpg)
b) Restricciones debido al octanaje de gasolina "B"
70x1B +80x2B + 85x3B + 90x4B + 99x5B 8
x1B + x2B + x3B + x4B + x5B
Simplificando
14x5B + 5x4B +x4B + x5B 0
![Page 86: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/86.jpg)
c) Se debe producir al menos 8000 barriles diarios de gasolina tipo "B"
x1B + x2B + x3B + x4B + x5B 8000
d) Restricciones debido a la disponibilidad de los crudos
x1A + x1B + x1C = 2000
x2A + x2B + x2C = 4000
x3A + x3B + x3C = 4000
x4A + x4B + x4C = 5000
x5A + x5B + x5C = 3000
xij 0, i = 1,2,3,4,5; j = A, B, C
![Page 87: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/87.jpg)
19. Los almacenes Howard han de reabastecerse de 5 productos populares. Como se ve en la siguiente tabla:
Producto Precio de Compra
Precio de Venta
Ventas Mensuales
Espacio de Almacenamiento
de pies3/100 A B C D E
0.90 1.50 1.30 2.70 0.40
1.40 2.00 1.85 3.50 0.75
1,000 800 750
1,000 2,000
20 25 40 11 50
Se quiere maximizar las ventas bajo las sgtes. condiciones:
La empresa comprará al menos la venta de un mes, pero más de lo necesario para dos meses de cada producto.
El vendedor da dscto del 10% sobre todas las mercancías que se compren x encima de las necesidades mensuales.
![Page 88: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/88.jpg)
El almacén tiene un total de: S/. 10,000 para comprar, 2,500 pies3 de espacio para guardarlos.
Suponemos que todos los productos comprados se suministrarán inmediatamente.
¿Cuál debe ser la compra a realizar por el director de los almacenes?
Solución:
xi = Nº de prod’ comprados sin descuento.(i = A,..., E)
yj = Nº de prod’ comprados con descuento (j= A,..., E)
VENTA - COMPRA
La función objetiva se obtiene de:
![Page 89: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/89.jpg)
Producto Precio de Compra
Precio de Venta
Ventas Mensuales
Espacio de Almacenamiento
de pies3/100 A B C D E
0.90 1.50 1.30 2.70 0.40
1.40 2.00 1.85 3.50 0.75
1,000 800 750
1,000 2,000
20 25 40 11 50
1.40(xA+yA)+2(xB+yB)+1.85(xC+yC) + 3.50(xD+yD) + 0.75(xE + yE)0.90xA + 1.50xB + 1.30xC + 2.70xD + 0.40xE Max Z = 1.40(xA + yA) + 2(xB + yB) + 1.85(xC + yC) + 3.50(xD + yD) +
0.75(xE + yE) - [0.90xA + 1.50xB + 1.30xC + 2.70xD + 0.40xE +
0.90(0.90yA + 1.50yB + 1.30yC + 2.70yD + 0.40yE)]
![Page 90: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/90.jpg)
Existen tres tipos de restricciones:
Por Ventas Mensuales
1,000 xA + yA 2,000
800 xB + yB 1,600
750 xC + yC 1,500
1,000 xD + yD 2,000
2,000 xE + yE 4,100
Por Disponibilidad de dinero
0.90xA + 1.50xB + 1.30xC + 2.70xD + 0.40xE + 0.90(0.90yA +
1.50yB +1.30yC + 2.70yD + 0.40yE) 10,000
![Page 91: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/91.jpg)
Por Espacio disponible
0.20(xA + yA) + 0.25(xB + yB) + 0.40(xC + yC) +0.11(xD +
yD) +0.50(xE + yE) 2,500
![Page 92: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/92.jpg)
20. Una compañía extrae tres tipos de mineral en tres pozos distintos, para ello cuenta con tres equipos de las siguientes características:
Equipos P1 P2 P3 Días de mantenciónPor mes (30 días)
E1
E2
E3
90
65
50
70
80
70
78
65
85
5
2
2
Equipos P1 P2 P3E4 90 70 78 Ton/día
Se necesita un 4 to equipo ,que está disponible los 30 días del mes, pero no se arrienda por menos de 10 días/mes.
![Page 93: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/93.jpg)
• La empresa que recibe el material admite las capacidades siguientes:
• Los costos de operación que tiene cada equipo están en el cuadro adjunto (S/. por día)
• Los gastos en salario y jornales de la mano de obra asociada a cada equipo son:
Suponiendo que los pozos deben explotarse los 30 días del mes plantee en forma normal el P.L. de manera que el programa de explotación produzca máximas utilidades. Si el precio de cada tonelada es de S/. 3,500
![Page 94: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/94.jpg)
Mineral Pozo P1 .......... 2,500 ton/mes
Mineral Pozo P2 .......... 2,300 ton/mes
Mineral Pozo P3 .......... 2,500 ton/mes
![Page 95: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/95.jpg)
Los costos de operación que tiene cada equipo están en el cuadro adjunto (S/. por día)
Equipos P1 P2 P3E1
E2
E3
E4
120
40
90
150
250
170
100
300
220
200
210
250
![Page 96: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/96.jpg)
Los gastos en salario y jornales de la mano de obra asociada a cada equipo son:
Equipos E1 E2 E3 E4
S/. día 220 350 300 400
![Page 97: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/97.jpg)
xij = Nº de días del equipo i dedicados a la mina j por mes
1 2 3
1234
x11 x12 x13
x21 x22 x23
x31 x32 x33
x41 x42 x43
Solución :
Definición de variables
![Page 98: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/98.jpg)
Utilidad = Ingresos -C. de Operación -C. de Mano de Obra
F.O. :
Sujeto a:
Por capacidad disponible
Por número de días que trabaja cada equipo
Por número de días que trabaja la mina
![Page 99: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/99.jpg)
Ingresos = 3,500(90x11 + 65x21 + 50x31 + 90x41 + 65x12 + 80x22 + 70x32
+ 72x42 + 78x13 + 65x23 + 85x33 + 58x43)
Costo de Operación= 120x11 + 40x21 + 90x31 + 150x41 + 250x12 + 170x22 + 100x32 + 300x42 + 220x13 + 200x23 + 210x33 + 2,500x34
Costo de mano de Obra = 200(x11 + x12 + x13) + 350 (x21 + x22 + x23) + 300(x31 +
x32 + x33) + 400 (x41 + x42 + x43)
![Page 100: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/100.jpg)
Por capacidad disponible
90x11 + 65x21 + 50x31 + 90x41 2,500
65x12 + 80x22 + 70x32 + 72x42 2,300
78x13 + 65x23 + 85x33 + 58x43 2,250
![Page 101: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/101.jpg)
Por número de días que trabaja cada equipo:
x11 + x12 + x13 25
x21 + x22 + x23 28
x31 + x32 + x33 28
10 x41 + x42 + x43 30
![Page 102: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/102.jpg)
Por número de días que trabaja la mina:
x11 + x12 + x13 + x41 = 30
x12 + x22 + x32 + x42 = 30
x13 + x23 + x33 + x43 = 30
xij 0
![Page 103: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/103.jpg)
METODO SIMPLEX
SOLUCIONES OPTIMAS NO ACOTADAS
SOLUCIONES OPTIMAS MULTIPLES
METODO PENAL
METODO DE DOBLE FASE
PROBLEMAS DE MINIMIZACIÓN
PROGRAMACION PROGRAMACION LINEALLINEAL
PROBLEMAS NO SOLUBLES
![Page 104: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/104.jpg)
Max Z = Cx
s.a.
Ax b
x 0
Paso 1: Dado cualquier P.L. transfórmese por medio de las reglas de equivalencia al P.L. canónico.
ALGORITMO DEL METODO SIMPLEX
Paso 2: Reescríbase la F.O. de la siguiente manera Z - Cx =0
METODO METODO SIMPLEXSIMPLEX
![Page 105: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/105.jpg)
Paso 3: Conviértase todas las desigualdades a igualdades usando variables de holgura; entonces la forma canónica se convierte en:
Max Z - Cx = 0
Ax + x = b x = vector de variables de holgura
x 0, x 0
Escribiendo en forma desarrollada: Z - c x - c x - ... - c x = 0
a x + a x + ... + a x + x = b
a x + a x + ... + a x + x = b
........................................................
a x + a x + ... + a x + x = b
x 0, x 0, ...,
1 1 2 2 n n
11 1 12 2 1n n n+1 1
21 1 22 2 2n n n+2 2
m 1 m2 2 mn n n+m m
1 2 x 0,
x 0, ..., x m 0, .... variables de holguran
n+1 n
La adición de las variables de holgura crea la primera base B, que resulta de la matriz identidad. Esto, a su vez, genera el primer punto extremo de la región de factibilidad
![Page 106: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/106.jpg)
Paso 4: Constrúyase una tabla con los coeficientes del P.L.
Z x1, x2, ..., xn Xn+1, xn+2, ..., xn+m
1 CBB-1A-C CBB-1 CBXB
aB1
aB2
.
.
.aBm
0
B-1A
B-1
XB
![Page 107: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/107.jpg)
Paso 5: Seleccione como vector de entrada aquel cuya Zj - Cj sea
la más negativa. Si no hay candidato de entrada, es decir que todas las Zj - Cj >=0 para todo j en A, la solución xB mostrado en
la tabla es óptimo. En caso que exista un empate entre varios vectores, rómpase el empate arbitrariamente.
0/j
j
k
j
r
kk
b
kr
B yy
x
y
xmin
Paso 6: Una vez seleccionado la columna aj que entrará a la
nueva base, selecciónese el vector de salida ar de base actual
usando:
![Page 108: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/108.jpg)
Forma desarrollada del tablero SimplexForma desarrollada del tablero Simplex
Z x1, x2, ..., xn Xn+1, xn+2, ..., xn+m
1 Z1-C1 Z2-C2 ... Zn-Cn Zn+1-Cn+1 Zn+2-Cn+2 ... Zn+m-Cn+m Z0
aB1
aB2
.
.
.aBm
00...0
Y11 Y12 ... Y1n
Y21 Y22 ... Y2n
.................
.................
.................Ym1 Ym2 ... Ymn
Y1,n+1 Y1,n+2 ... Y1,n+m
Y2,n+1 Y2,n+2 ... Y2,n+m
.................
.................
.................Ym,n+1 Ym,n+2 ... Ym,n+m
XB1
XB2
.
.
.XBm
![Page 109: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/109.jpg)
NOTA:
Paso 7: La intersección en el tablero de la columna que entra con la columna que sale determina el elemento pivot yrj.
Aplíquese operaciones matriciales elementales en el pivot yrj
con el objeto de convertir a la columna aj en el vector unitario
er. Es decir, ceros en toda la columna y uno en la r-ava
componente, que resulta ser yrj. Regrese al paso 5.
En caso de que todas las ykj del denominador
sean negativos, se tiene el caso de una solución no acotada.
En caso de que exista un empate entre varios vectores candidatos hay que aplicar las reglas lexicográficas para romper el empate; una decisión arbitraria puede causar que el proceso cicle continuamente sin alcanzar la solución óptima.
Por ejemplo: si la columna seleccionada al entrar a la base es a2
y la fila a salir es a7 hágase el elemento y72 del
tablero igual a uno y al resto de componentes de la columna a2, ceros (incluyendo a Z2 - C2) mediante
el uso de operaciones elementales matriciales.
Este paso genera una nueva base B, un nuevo punto
extremo xB y un nuevo valor
de la F.O (Z).
Operaciones Matriciales Elementales.
Estas operaciones afectan únicamente a las filas de la matriz. Existen tres clases de operaciones de este tipo:
a) Multiplicar o dividir una fila de una matriz por un escalar diferente de cero.
b) Añadir o restar de una fila el múltiplo de otra.
c) Intercambiar dos filas.
![Page 110: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/110.jpg)
Transformese por medio de reglas deequivalencia a la forma canonica
Max Z=CXAX<=bX>=0
Re-escribase la FO. de lasiguiente manera:
Z-CX=0
Conviertese todas las desigualdades enigualdades agregando variables de holgura
Max Z-CX=0AX+X =b
X>=0,X>=0
Construyase un tablero conlos coeficientes del PL.
INICIO
Dado unPrograma
Lineal
Condicion deOptimalidad
Zj-C j>=0
Seleccionese como vector deentrada aquel cuyo Zj-C j sea
el mas negativo.
Seleccionese el vector de
salida a r de la base actual:XBr =min{ XBk |Ykj>0}Yrj k Y kj .
Aplique operaciones matricialeselementales en el Pivot Yrj con el
objeto de convertir la columna a jen un vector unitario
Sí
No
La solucion XBmostrada es Optima.
FIN
![Page 111: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/111.jpg)
Ejemplo: Resuelva por el método Simplex el siguiente problema:El Dueño de una planta produce únicamente dos tipos de cerveza: blanca y negra. Existen tecnologías bastante diferentes para la elaboración de cada uno de los tipos de cerveza, obviamnete cada tipo de tecnología a un costo diferente el dueño de la planta no sabe cual deba ser su producción óptima semanal de cada producto , y por lo tanto se decide a identificar dos variables de decisión.
X1 : miles de litros de cerveza blanca a producir en una semana .
X2 : miles de litros de cerveza negra a producir en una semana .El precio al mayoreo de 1000 litros de cerveza blanca es $ 5 000 , mientras que el precio al mayoreo de 1000 litros de cerveza negra es de $ 3 000.
Un estudio de tiempos y movimientos ha desmotrado que para producir mil litros de cerveza blanca se requiere un total de 3 obreros en el proceso de producción, en cambio se requiere 5 obreros para producir 1000 litros de cerveza negra, supongamos que la planta tiene un total de 15 obreros, también se sabe que para producir 1000 litros de cerveza blanca es de $ 500, mientras que 1000 litros de cerveza negra le cuesta al dueño $200 su capital no le permite gastar más de $1000 semanales en la producción de X1, X2.
¿Cuáles deben ser los niveles de producción semanal de cerveza blanca y cerveza negra que maximicen el ingreso por concepto de venta semanal ?.
![Page 112: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/112.jpg)
Solución :
02x,1 x; )produccion de costos deón (restricci 1022x15x
obra) de mano deón (restricci 1525x13x :Sa
23000x15000xMax Z
Paso 1: El P.L. es Canónico.
Generar Z – 5000x1 – 3000x2 = 0
holgura de variables4x,3x ; 04x,3x,2x,1 x
104x22x15x
153x25x13x :Sa
023000x15000x ZMax
x3 = Es la diferencia entre el nro
de obreros que se van a utilizar en la producción óptima y los que hay disponibles.
x4 = Es la diferencia entre el
capital que se va a gastar semanalmente en la producción óptima y el capital disponible.
Paso 2:
Paso 3: Generar la siguiente estructura:
![Page 113: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/113.jpg)
Paso 4: Tablero:
Z x1 x2 x3 x4 Z0
1 –5000 –3000 0 0 0
Vectoresen labase
a3
a4
0 0
3 5
5 2
1 0
0 1
15
10
Comparando este tablero con la siguiente estructura general:
1 CBB-1A-C CBB-1 Z0
0
B-1A B-1 XB
0
0,
),,(),3000,5000(),(
),0,0(),(,25
53
0,10
15,
10
01
2
1
2
1
4
3
4322111
333311
04
31
x
xx
x
xx
x
x
xx
aaBczczCABC
czczBCAB
zx
xxB
NN
B
B
B
B
![Page 114: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/114.jpg)
Paso 5 : Indica que hay que seleccionar todas las Zj - Cj < 0 para toda
columna j en A que no pertenezca a la base actual B. Las únicas columnas que no pertenecen son a1 y a2. Se debe seleccionar al más negativo de estas Zj
- Cj
Zj - Cj = Min {–5000, –3000} = –5000 entra a1 , j=1
0/min1
j
j
kr
kk
b
kr
B yy
x
y
x
sabiendo que j=1 se tiene:
43
41
a a
base la de sale 2}2,5min{5
10,
3
15min a
y
x
kr
Br
Por lo que la columna a entrar a la nueva base es a1. Para ver que vector ar
debe salir de la base actual se aplica el paso 6. Los únicos candidatos a salir están dados por la regla:
Sabiendo que el vector a1 es el que debe entrar y a4 el que va salir, el pivot
queda determinado. El pivot en este caso es el elemento y21=5, tal como se muestra
Z x1 x2 x3 x4 Z0
1 -5000 -3000 0 0 0
Vectores en la base
a3
a4
0 0
3 5 5 2
1 0 0 1
15
10
Pivot y21=5
![Page 115: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/115.jpg)
• Para encontrar la nueva base hay que convertir la columna a1 en una
columna unitaria e2, con un uno en la segunda componente y ceros en el
resto de la columna, incluyendo Zj - Cj. Esto se logra con operaciones
matriciales elementales :
Z x1 x2 x3 x4 Z0
1 0 -1000 0 1000 10 000
Vectores en la base
a3
a1
0 0
0 19/5 1 2/5
1 -3/5 0 1/5
9 2
Se ha terminado una iteración completa del método Simplex. En esta iteración, el proceso se ha movido de un punto extremo con componentes x1=0, x2=0,
x3=15 y x4=10, correspondientes a la base B=(a3,a4) y en donde la F.O. es igual a
cero, a otro punto extremo con componentes x1=2, x2=0, x3=9 y x4=0,
correspondiente a la nueva base B=( a3,a1) y a un nuevo valor de la F.O. de
10 000.
columna a1 en una columna unitaria e2
19
45
2
10,
19
45
522
,5
199
min
min2
k
kr
B
y
xrSin embargo como Z2 - C2=-1000 < 0, es negativo, el valor de la F.O. puede aún
mejorarse. Repitiendo otra iteración del método Simplex, se tiene que a2 entra a la
nueva base y que:
![Page 116: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/116.jpg)
Z x1 x2 x3 x4 Z0
1 0 -1000 0 1000 10 000
Vectoresen labase
a3
a1
0 0
1 19/5
1 2/5
1 -3/5
0 1/5
9 2
Nuevo pivotVectores
Z x1 x2 x3 x4 Z0
1 0 0 5000/19 1600/19 235 000/19
en la base
a2
a1
0 0
0 1
1 0
5/19 -3/19
-2/19 25/19
45/19
20/19columna a2 en una columna unitaria e1
La nueva solución o punto extremo correspondiente a la nueva base B=(a2, a1), que
por cierto ya es óptima porque tiene todas las Zj - Cj >= 0, es:
x =20
19= 1.052 miles de botellas de cerveza blanca.
x =45
19= 2.368 miles de botellas de cerveza negra.
x = 0 exceso de obreros.
x = 0 exceso de capotal semanal.
Z =235000
19= $12,368.42 de utilidad semanal.
1
2
3
4
![Page 117: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/117.jpg)
SOLUCIONES OPTIMAS NO ACOTADAS
Se tiene el siguiente P.L. en su forma canónica
Gráficamente : 0X0,X
42XX-
2X22X-
:.
X44X Max Z
21
21
21
21
as
(1)
Z=8
Z incrementa2
1
X14
X2
(2)
Z=0
SOLUCIONES OPTIMAS NO ACOTADAS
![Page 118: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/118.jpg)
0X
bAX :s.a
CXMax Z
Paso1. Supóngase un problema lineal en forma canónica:
Paso2. En cualquier Iteración del Método Simplex, el vector que entra a la base es el ak.
Paso3. Si todos los Yik son menores que cero para todo i=1-m la
solución del P.L. es no acotado, ir al paso4, caso contrario continuar con el algoritmo del método simplex.
PROPOSICIONSupóngase el problema lineal en forma canónica
Supóngase que en cualquier iteración del método simplex, el vector que entra a la base es ak. Entonces si todas las soluciones del P.L es no acotado.
m,,1,i
0X
bAX :s.a
CXMax Z
0,Yik
ALGORITMO
Paso4. Fin.
![Page 119: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/119.jpg)
Inicio
Dado el P. L. en suforma canónica
En cualquier iteración del MS elvector que entra a la base es a k
Todos los (Y ik <0)para todo i=1-m
Continuar conAlgoritmo del
Método Simplex
Imprimir:"Solución NoAcotada"
fin
sino
Aplicar el algoritmodel Método simplex
DIAGRAMA DE FLUJO
![Page 120: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/120.jpg)
EJEMPLO
4-1i 0,X
4X 2XX-
2 XX22X-
0X0X0X44X- Z
0X0,X
42XX-
2X22X-
:a.s
X44X Max Z
i
421
321
4321
21
21
21
21
Resuélvase por el método simplex el siguiente P.L.
Z X1 X2 X3 X4 Z
1 -4 -4 0 0 0
X3 0 -2 2 1 0 2
X4 0 -1 2 0 1 4
Tablero Inicial
Yi2>0, i=1-2
Pivot
![Page 121: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/121.jpg)
Como algunosYi1 >0, i=1-2
Primera Iteración
Z X1 X2 X3 X4 Z
1 -8 0 2 0 4
X2 0 -1 1 1/2 0 1
X4 0 1 0 -1 1 2
Pivot
Segunda Iteración
Z X1 X2 X3 X4 Z
1 0 0 -6 8 20
X2 0 0 1 -1/2 1 3
X1 0 1 0 -1 1 2
Se tiene el siguiente tablero que aún no es óptimo y se debe seleccionar el nuevo vector de entrada que es X3.
Como todos los Yi3 < 0, i=1-2 se concluye que la solución del problema es no acotado.
Como todos los Yi3 < 0, i=1-2
Nota:En la segunda Iteración X3 debe entrar, pero como los Y13 = -1/2 <0 y Y23 = -1<0, y por
lo tanto la regla de selección del vector que debe salir de la base no se puede llevar a cabo. Nótese también que esa misma condición se encuentra en el tablero inicial, si en vez de introducir X2 a la base se introduce X1. Por tal motivo se comple el algoritmo
dado y el problema tiene solución no acotada.
![Page 122: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/122.jpg)
0X0,X
204X10X
30X106X
:a.s
X2X5 Max Z
21
21
21
21
. . . (1)
. . . (2)
Existen P.L. que no tienen una solución óptima única, sino que al contrario tiene un número Infinito de soluciones. Tal es el caso del siguiente Problema Lineal.
Graficamente :
Z=0
(2)
(1)
Z=10
3
52
A
B
5
X1
X2
SOLUCIONES OPTIMAS
MULTIPLES
![Page 123: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/123.jpg)
Matemáticamente se tiene que si XA es el vector del punto A y XB es el
vector del punto B entonces se define lo siguiente:
Es también óptima. La siguiente proposición da las condiciones que permiten identificar soluciones óptimas múltiples en un tablero del método simplex.
0,1 BX1AXX
PROPOSICIONDado el problema lineal en forma canónica, Máx Z=cX, sujeto a . Si existe un vector ak que no este en la base cuyo correspondiente zk -
ck = 0, y todas las Yik > 0, i=1, ..., m entonces el programa lineal tiene
soluciones óptimas multiples y la base es óptima.
0X ,bAX
ALGORITMO
0X
bAX :s.a
CXMax Z
Paso1. Dado el problema en forma canónico:
Paso2. Aplicar el algoritmo del método simplex al programa lineal.
Paso3. Si existe un vector ak original que no está en la base
cuyo correspondiente Zk-Ck = 0 y todos los Yik > 0 para todo
i=1-m, entonces el problema lineal tiene soluciones óptimas multiples y la base es óptima, ir al paso4, caso contrario la solución encontrada es óptima
Paso4. fin
![Page 124: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/124.jpg)
DIAGRAMA DE FLUJO
Inicio
Dado el P. L. en suforma canónica
Verificar vectores a koriginales
Existe un vectororiginal que no está en la
base y su correspondientez k-c k=0 y todos los Y ik>0,
para todo i=1-mLa soluciónencontrada es
óptima
Imprimir:"SoluciónesMultiples"
fin
sino
Aplicar el Método Simplex
![Page 125: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/125.jpg)
Resuelva por el método simplex el siguiente P.L.
EJERCICIO
4-1i 0,X
20X 4X10X
30 X106X
:000X2X5- Z
0X0,X
204X10X
30X106X
:.
X2X5 Max Z
i
421
321
4321
21
21
21
21
X
XX
as
Tablero Inicial
Z X1 X2 X3 X4 Z
1 -5 -2 0 0 0
a3 0 6 10 1 0 30
a4 0 10 4 0 1 20
Primera Iteración
Z X1 X2 X3 X4 Z
1 0 0 0 ½ 10
a3 0 0 38/5 1 -6 18
a1 0 1 2/5 0 1/10 2
![Page 126: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/126.jpg)
Como Z2-C2=0 y a2 no está en la base B=( a3-a1) y todas las Yi2>0, i en B se
tiene una solución óptima multiple. Sea un punto extremo óptimo el siguiente:
Da un valor óptimo de Z=10, que se verifica en el tablero anterior en la primera iteración.Para ver cuál sería el otro punto extremo se introduce a2 a la base y queda el
siguiente tablero.
0
18
0
2
4X
3X2X1X
X
![Page 127: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/127.jpg)
Z X1 X2 X3 X4 Z
1 0 0 0 1/2 10
a2 0 0 1 5/38 -38/980 90/38
a1 0 1 0 0 125/950 20/19
CONTINUACIÓN...
X̂
El tablero anterior también es óptimo y corresponde a un punto extremo cuyas componentes son:
0
038
9019
20
4X3X2X1X
X̂
X̂
Cuyo valor de la función objetivo también es 10. Entonces cualquier combinación lineal X y también es óptimo, dando el mismo valor de la función objetivo. Matemáticamente se representa como la siguiente expresión que también es un punto óptimo.
10
0
038
9019
20
1
0
18
0
2
x
![Page 128: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/128.jpg)
0
0
38/90
19/20
4
3
2
1
Y
0
0
18
2
4
2
3
1
X
X
X
X
NX
Bx
X
X
X
X
NX
Bx
![Page 129: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/129.jpg)
A continuación se verá que tipo de problema se desarrollan en un programa de minimización. Donde de eliminan los problemas triviales que son de la forma siguiente:
0 b
0 X
b AX
: a s.
X C ZMin
PROBLEMAS DE MINIMIZACION
Estos tipos de problemas tienen como solución óptima: ,00, ,0,0, X
X ,X X NB
Como se puede ver gráficamente a continuación la solución óptima es no hacer nada.
PROBLEMAS DE
MINIMIZACION
![Page 130: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/130.jpg)
X1
X2
Z
Z
Punto Optimo
igual al vector 0. Este tipo de problemas tienen la siguiente representación canónica:
0 X
b AX
: a s.
X C ZMin
![Page 131: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/131.jpg)
EJEMPLO
02X 0, 1X
18 22X 1X 3
6 2X
4 1X
: a s.
2X 5 1X 3- ZMin
02X 0, 1X
18 - 22X - 1X 3 -
6 2X
4 1X
: a s.
2X 5 - 1X 3 ) (-Z h Max
:C .F
02X 0, 1X
18 22X 1X 3
6 2X
4 1X
: a s.
2X 5 - 1X 3 ) (-Z Max
Por el Método Simplex conduce a resolver lo siguiente.
El problema se puede reescribir.
![Page 132: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/132.jpg)
H X1 X2 X3 X4 X5 Z
1 -3 5 0 0 0 0
a3 0 1 0 1 0 0 4
a4 0 0 1 0 1 0 6
a5 0 -3 -2 0 0 1 -18
Observamos en el tablero que existe una solución que no es factible:
0
018
6
4
2X1X5X4X3X
NXBX
:siguientesolucion la tenemos0 ZCuando
Agregando varianbles de Holgura lo llevamos al tablero del Método Simplex y tenemos lo siguiente:
Esta solución no es factible por que X5
= -18 que es menor que cero, está violando la restricción de no negatividad .Se concluye que para problemas de minimización no triviales, el método simplex no funciona.
![Page 133: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/133.jpg)
0 vector Wel 0 X
b XA
: a s.
X C ZMin
P.O. al optima también Es
0 w
0 Y
0 X
b W Y - AX
: a s.
W M X C ZMin
donde:
W=Vector de variables artificiales y penalizado.
M=Vector de valores positivos arbitrarios muy elevados.
![Page 134: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/134.jpg)
Efectuaremos el Algoritmo del Método Penal juntamente con su ejemplo:
Dado el P.L. de la siguiente forma:
Paso 2 :
Opt z = CX
s.a : AX ≤ B > X ≥ 0
Convertirlo a la forma Estándar
Verificamos si el PL no viola las condiciones de no negatividad y de factibilidad.
Si es Si ir al Paso 5 ; Caso contrario continuar con el Paso 3.
![Page 135: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/135.jpg)
Reestablecer la base, se quiere que la base B esté compuesta de las variables de holgura y artificiales, se necesita que W sea un vector unitario tipo en . Para esto se convierte ZW1 – CW1
en cero, mediante el uso de operaciones matriciales elementales; haciendo así que la solución inicial es factible y básica.
Agregar un vector W a cada restricción en donde no existan variable Donde : M es un vector de valores positivos arbitrarios muy elevados (M>>> 0).
W es un vector de variables artificiales s de holgura y penalizar a la FO con un costo –MW en caso de Maximización o +MW en caso de minimización .
![Page 136: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/136.jpg)
Visualizaremos el último tablero Simplex , en donde verificaremos la condición de optimalidad.
FIN
Aplicar el método Simplex ( implementado para soluciones no acotadas)..
Observar si existe un W en la base , de ser así no hay solución óptima ir al paso 8.
Caso contrario no exista un W en la base, osea W=0 y se a retornado al problema original, cuya solución óptima está garantizada por el Método Simplex.
![Page 137: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/137.jpg)
02X 0, 1X
18 22X 1X 3
6 2X
4 1X
: a s.
2X 5 1X 3- ZMin
![Page 138: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/138.jpg)
02X 0, 1X
18 22X 1X 3
6 2X
4 1X
: a s.
2X 5 1X 3- ZMin
5-1i 0, X
18 X - 2X X 3
6 X X
4 X X
: a s.
X 5 - X 3 Z- h
i
521
42
31
21
Max
0 W5-1i 0, X
18 W X - 2X X 3
6 X X
4 X X
: a s.
MW -X 5 - X 3 Z- h Max
:tenemos Wartificial variablela ndoIntroducie
1i
1521
42
31
121
1
![Page 139: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/139.jpg)
Llevando al tablero Simplex tenemos:
H X1 X2 X3 X4 X5 W1 Z 1 -3 5 0 0 0 M 0
X3 0 1 0 1 0 0 0 4 X4 0 0 1 0 1 0 0 6
XW1 0 3 2 0 0 -1 1 18
0 W5-1i 0, X
18 W X - 2X X 3
6 X X
4 X X
: a s.
MW -X 5 - X 3 Z- h Max
:tenemos Wartificial variablela ndoIntroducie
1i
1521
42
31
121
1
![Page 140: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/140.jpg)
H X1 X2 X3 X4 X5 W1 Z 1 -3 5 0 0 0 M 0
X3 0 1 0 1 0 0 0 4 X4 0 0 1 0 1 0 0 6
XW1 0 3 2 0 0 -1 1 18
Tablero Transformado
H X1 X2 X3 X4 X5 W1 Z 1 -3-3M 5-2M 0 0 M 0 -18M X3 0 1 0 1 0 0 0 4 X4 0 0 1 0 1 0 0 6 XW1 0 3 2 0 0 -1 1 18
![Page 141: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/141.jpg)
De aquí en adelante aplicamos el Método Simplex
Primera IteraciónPrimera Iteración
Vector que ingresa a la base X2.
Vector que sale de la base Xw1
H X1 X2 X3 X4 X5 W1 Z 1 0 5-2M 3+3M 0 M 0 12-6M X1 0 1 0 1 0 0 0 4 X4 0 0 1 0 1 0 0 6 XW1 0 0 2 -3 0 -1 1 6
![Page 142: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/142.jpg)
Ultimo Ultimo tablerotablero H X1 X2 X3 X4 X5 W1 Z
1 0 0 21/2 0 5/2 M-5/2 -3 X1 0 1 0 1 0 0 0 4 X4 0 0 0 3/2 1 ½ - ½ 3 X2 0 0 1 -3/2 0 - ½ ½ 3
![Page 143: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/143.jpg)
Ahora en el último tablero óptimo se verifica si el vector W sigue en la base:
H X1 X2 X3 X4 X5 W1 Z 1 0 0 21/2 0 5/2 M-5/2 -3 X1 0 1 0 1 0 0 0 4 X4 0 0 0 3/2 1 ½ - ½ 3 X2 0 0 1 -3/2 0 - ½ ½ 3
óptimo es problema el 0 1y W 0jCj ZComo
3Z
3Zh
0
0
0
3
3
4
1W5X3X2X4X1X
NX
BX
![Page 144: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/144.jpg)
Los PL no tienen soluc’ cuando sus restricciones son inconsistentes.
Veamos la aplicación, con el ejemplo:
0 W4-1i 0, X
4 WX- X X
2 X X X
: a s.
MW- 0X0X-X 2 X 2 ZMax
: tenemosPenal Método el Por
0X 0, X
4 X X
2 X X
: a s.
X 2 X 2 ZMax
1i
1421
321
14321
21
21
21
21
![Page 145: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/145.jpg)
Tablero InicialTablero Inicial
Como W1 está en la base, se debe restablecer la base
convirtiéndolo en un vector unitario e3.
Z X1 X2 X3 X4 W1 Z 1 -2 -2 0 0 M 0
X3 0 1 1 1 0 0 2 W1 0 1 1 0 -1 1 4
Aplicando el algoritmo del M. Penal en el tablero sgte :
Z X1 X2 X3 X4 W1 Z 1 -2-M -2-M 0 M 0 -4M
X3 0 1 1 1 0 0 2 W1 0 1 1 0 -1 1 4
![Page 146: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/146.jpg)
Z X1 X2 X3 X4 W1 Z 1 -2-M -2-M 0 M 0 -4M
X3 0 1 1 1 0 0 2 W1 0 1 1 0 -1 1 4
1ra Iteración1ra Iteración
Vector que ingresa a la base X1.
Vector que sale de la base es X3.
Z X1 X2 X3 X4 X5 Z 1 0 0 2+M M 0 4-2M
X1 0 1 1 1 0 0 2 W1 0 0 0 -1 -1 1 2
![Page 147: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/147.jpg)
Como los (Zj – Cj) >=0 entonces se cumple el criterio de Optimalidad pero W1 no sale de la base(W1 =2) por lo tanto el
problema no tiene solución.
![Page 148: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/148.jpg)
es igual al M.Penal, soloque primero se introducen las variables artificiales al Problema Original.
0 W0, Y 0, X
b W Y - AX
: a s.
X C ZMin
: como Quedando
0 X
b AX
: a s.
X C ZMin
![Page 149: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/149.jpg)
Dado el P.L. de la siguiente forma:
0X
bAX
:a sujeta
CX ZMin
Si el PL puede resolverse por el M.Simplex, entonces seguir con los pasos del algoritmo del M.Simplex, e ir al paso7. Caso contrario seguir al paso3
![Page 150: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/150.jpg)
0W ,0Y 0,X
bWY-AX
:a .s
WMinp
1ii
0X
bAX
:a sujeta
CX ZMin
La Soluc Opt. de la I Fase debe ser cuando W=0
Si Obtenemos las condiciones de Optimalidad Zj-Cj >0 en la Fase I y W>0 el problema original no tiene solución, ir al paso 6.
![Page 151: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/151.jpg)
Supóngase que la Fase I es óptimo es decir W=0, y que la base asociada al tablero es B, aplicar la II Fase.
II Fase:
Se aplica el M. Simplex para resolver el siguiente modelo:
0 Y 0, X
b B Y B- AX B
: a s.
X C ZMin
1-1-1-
FIN
![Page 152: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/152.jpg)
Anteriormente se dijo que al existir un Empate para decidir que vector entra a la base esto se decide arbitrariamente sin ningún efecto
en el número de iteraciones del método simplex. En cambio un empate en el vector de salida no puede puede decidirse
arbitrariamente porque puede ocacionar un ciclaje.
![Page 153: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/153.jpg)
II Fase:
Se aplica el M. Simplex para resolver el siguiente modelo:
fdgjdgj
![Page 154: pag48](https://reader033.vdocumento.com/reader033/viewer/2022061616/557202224979599169a3051c/html5/thumbnails/154.jpg)