Estadística I. Informática/I.

en Tecnologías de la
Información

Soluciones de los ejercicios de la Unidad 5

Dr. Víctor Hernández

Dr. Jorge Martín

Departamento de Estadística e Investigación operativa

Universidad Nacional de Educación a distancia
0.1. Soluciones de los ejercicios de la quinta unidad 1

0.1. Soluciones de los ejercicios de la quinta unidad

Ejercicio 5.1 (examen septiembre 2016)

Dado el problema de programación lineal

Minimizar z = 2x1 + 2x2 − 2x3 sujeto a:

x1 + x2 − x3 = 5
2x1 + x3 ≤ 7
−x1 − x2 + x3 ≥ −1
donde x1 ≥ 0, x2 ≥ 0 y x3 es cualquier número

1. Obtener la forma canónica del problema anterior.

Solución.
La formulación canónica de un problema de programación lineal (ver
resultado 5.10, pág. 263) es:

Maximizar z = ni=1 c i xi
sujeto a a11 x1 + a12 x2 + · · · + a1n xn ≤ b 1
a21 x1 + a22 x2 + · · · + a2n xn ≤ b 2
..
.
am1 x1 + am2 x2 + · · · + amn xn ≤ b m
x1 , · · · , xn ≥ 0

En el enunciado propuesto se observa, en primer lugar, que es necesario

modificar la función objetivo, ya que se trata de un modelo de minimiza-
ción, mientras que la formulación canónica, tal y como puede comprobarse,
precisa de una función objetivo a maximizar. Para realizar esta transforma-
ción, sólo es necesario tener en cuenta la formulación equivalente entre una
función objetivo de maximizar y una de minimizar (ver apartado formula-
ciones equivalentes - Maximización y minimización, pág 261). Esta formu-
lación establece la equivalencia entre las expresiones:

n 
n
Máximo c j x j = −Mínimo −c j x j
i i

Aplicando esta equivalencia a la función objetivo del problema de progra-

mación lineal propuesto en el enunciado, se tiene:

Minimizar z = 2x1 + 2x2 − 2x3 = Maximizarz = −2x1 − 2x2 + 2x3

Una vez resuelto el problema de maximización, el valor óptimo del proble-

ma original será el opuesto del valor obtenido al resolver el problema con la
función objetivo equivalente.
Para obtener la formulación canónica del problema, también se ha de
modificar la restricción de la variable x3 , de tal forma que pase a ser una va-
riable real (puede tomar cualquier valor real) a una variable no negativa, es
2 Estadística I. Informática/I. en Tecnologías de la Información. UNED

decir, ha de ser x3 ≥ 0. Esta transformación (apartado formulaciones equi-

valentes - No negatividad de las variables, pág 261) consiste en reemplazar
la variable x3 , que puede tomar cualquier valor, por dos variables no nega-
tivas, definidas de la manera siguiente:

x3+ = max{0, x3 } x3− = max{0, −x3 }

siendo x3 = x3+ − x3− , con x3+ ≥ 0 y x3− ≥ 0.

Si se consideran las dos transformaciones realizadas hasta este momen-
to, el problema del enunciado adopta la forma siguiente:

Max z = −2x1 − 2x2 + 2x3+ − 2x3−

sujeto a: x1 +x2 −x3+ +x3− = 5
2x1 +x3+ −x3− ≤ 7
−x1 −x2 +x3+ −x3− ≥ −1
x1 , x2 , x3+ , x3− ≥ 0

Se comprueba que esta nueva formulación del problema aún no se co-

rresponde con la formulación canónica. Para ello aún son necesarias trans-
formaciones adicionales. Por ejemplo, la primera restricciones es una igual-
dad, cuando la formulación canónica de un problema de programación li-
neal requiere que sus restricciones seal del tipo “≤”. Para adaptarla a este
formato, se transforma la ecuación original (x1 + x2 − x3+ + x3− = 5) en dos
inecuaciones (apartado formulaciones equivalentes - Cambio de ecuación
a inecuación, pág 262), de la forma siguiente (son necesarias dos inecuacio-
nes):

x1 + x2 − x3+ + x3− ≤ 5
x1 + x2 − x3+ + x3− ≥ 5

Tras esta transformación, se puede comprobar que sólo la primera de las

nuevas restricciones es de la forma “≤”. En el mismo apartado del texto
mencionado anteriormente (formulaciones equivalentes - Cambio de ecua-
ción a inecuación, pág 262), de la forma siguiente (son necesarias dos inecua-
ciones) aparece la transformación necesaria para cambiar una restricción
de la forma “≥” a “≤”, que es precisamente la que se precisa para la formu-
lación canónica solicitada. Si efectuamos esta transformación a la segunda
de las nuevas restricciones anteriores (x1 + x2 − x3+ + x3− ≥ 5), se tiene:

− x1 − x2 + x3+ − x3− ≤ −5

De esta forma ya se tiene esta restricción de una forma compatible con la

formulación canónica.
Igualmente, la tercera de las restricciones del problema, también es de
la forma “≥”, concretamente −x1 − x2 + x3+ − x3− ≥ −1. Si se aplica la trans-
formación anterior a la misma, se obtiene una restricción equivalente con
0.1. Soluciones de los ejercicios de la quinta unidad 3

la forma deseada. En concreto:

x1 + x2 − x3+ + x3− ≤ 1

Con esta última transformación, todas las restricciones y la función objetivo

se ajustan al formato que caracteriza a la formulación canónica del proble-
ma, que adopta la forma siguiente:

Max z = −2x1 − 2x2 + 2x3+ − 2x3−

sujeto a: x1 +x2 −x3+ +x3− ≤ 5
−x1 −x2 +x3+ −x3− ≤ −5
2x1 +x3+ −x3− ≤ 7
x1 +x2 −x3+ +x3− ≤ 1
x1 , x2 , x3+ , x3− ≥ 0

Ejercicio 5.2 (examen septiembre 2015)

Dado el problema de programación lineal siguiente

Minimizar z = 3x1 − 2x2 + 6

sujeto a las condiciones

3x1 + 4x2 ≥ 28
5x1 + 2x2 ≤ 42
x1 − x2 ≥ 0

1. Representarlo gráficamente y encontrar su solución.

Solución
En la figura1 siguiente se muestra la representación gráfica (pág 255) del
problema propuesto (ver figura 0.1).
A partir de los elementos representados, es posible obtener la solución
del problema. Así, los vértices del recinto definido por el conjunto de res-
tricciones son los puntos (8, 1), (4, 4) y (6, 6), que representan a los puntos
candidatos a ser la solución. A continuación, se determinan los valores que
toma la función objetivo en cada uno de estos puntos:

(8, 1) → 22
(4, 4) → 4
(6, 6) → 6

Como lo que se pretende en este problema es minimizar la función objetivo,

este valor máximo se encuentra en (4, 4) → 4. Por lo tanto la solución de este
1 En esta figura, la variable x representa a la variable de decisión x del enunciado, mientras
1
que la variable y representa a la variable de decisión x 2 .
4 Estadística I. Informática/I. en Tecnologías de la Información. UNED

Figura 0.1

problema, obtenida de forma gráfica, es un valor de la función objetivo de 4,

que se alcanza en el punto de coordenadas (4, 4), que debe interpretarse, en
términos de las variables de decisión originales en el sentido x1 = 4 y x2 = 4.

Ejercicio 5.3 (examen junio 2014)

Un fabricante de alfombras dispone de las siguientes existencias de lana:

500 kilogramos de color azul, 400 kilogramos de color verde y 225 kilogra-
mos de color rojo. Desea fabricar dos tipos de alfombra A y B. Para fabricar
una alfombra del tipo A necesita 1 kilogramo de lana azul y 2 kilogramos de
lana verde, mientras que para fabricar una alfombra de tipo B precisa de 2
kilogramos de lana azul, 1 kilogramo de lana verde y 1 kilogramo de lana
roja. Cada alfombra de tipo A se vende por 2000 euros, mientras que cada
alfombra de tipo B se vende por 3000 euros. Se supone que todas las alfom-
bras fabricadas se venden.

1. Formular un problema de programación lineal que permita establecer

el número de alfombras a fabricar de cada tipo con el fin de maximizar
el ingreso por ventas.
0.1. Soluciones de los ejercicios de la quinta unidad 5

Solución
Los elementos que conforman un problema de programación lineal son
las variables de decisión (apartado 5.2.2, pág 240), la función objetivo (apar-
tado 5.2.1, pág 239), y un conjunto de restricciones (apartado 5.2.3, pág 242).
Por lo que respecta al enunciado que nos ocupa, es necesario considerar
2 variables de decisión, a denotar por x1 y x2 , con el sentido siguiente:
x1 indica el número de alfombras A a fabricar.
x2 indica el número de alfombras B a fabricar.
Una vez fijadas estas variables, es posible establecer la función objetivo
del problema. En el enunciado se indica que la pretensión es maximizar el
ingreso por las ventas que se obtiene con la fabricación de las alfombras,
teniendo en cuenta que en el caso de una alfombra de tipo A este ingreso
asciende a 2000 euros mientras que en el caso de una alfombra del tipo B, el
ingreso asciende a 3000 euros. Por lo tanto, el beneficio que se obtiene al fa-
bricar x1 alfombras del tipo A y x2 alfombras del tipo B será 2000x1 +3000x2 ,
que es precisamente la función objetivo que se trata de maximizar. Em-
pleando la nomenclatura propia de la programación matemática, se tiene
que la función objetivo del problema propuesto es:
Max z = 2000x1 + 3000x2
Por lo que respecta al conjunto de restricciones, del enunciado se desprende
que se han de considerar las cuatro siguientes:
1. Disponibilidad de lana de color azul: Para fabricar una alfombra del
tipo A se precisa de 1 kilogramo de este tipo de lana, mientras que
la fabricación de una alfombra del tipo B requiere de 2 kilogramos de
esta lana. Por lo tanto, en la fabricación de x1 alfombras del tipo A y de
x2 alfombras del tipo B se precisarán de x1 +2x2 kilogramos de lana de
color azul. Sin embargo, solo se disponen de 500 kilogramos de lana
de esta color. En consecuencia, es necesario establecer esta condición
de disponibilidad de la forma siguiente:
x1 + 2x2 ≤ 500

2. Disponibilidad de lana de color verde: Al igual que ocurría con la lana

de color azul, en la fabricación de alfombras también se emplea lana
de color verde. La disponibilidad de lana de este color es de 400 kilo-
gramos. La fabricación de una alfombra del tipo A requiere de 2 kilo-
gramos de lana de este color, mientras que en el caso de una alfombra
del tipo B se requieren de 1 kilogramo. Por lo tanto, la fabricación de
x1 alfombras del tipo A y x2 alfombras del tipo B requerirán de 2x1 +x2
kilogramos de lana de este color. Por lo tanto, esta condición de dis-
ponibilidad de lana de color verde constituye la segunda restricción
del modelo, y se expresa de la forma siguiente:
2x1 + x2 ≤ 400
6 Estadística I. Informática/I. en Tecnologías de la Información. UNED

3. Disponibilidad de lana de color rojo: Por su parte, la fabricación de

una alfombra del tipo B requiere de 1 kilogramo de lana de color rojo,
de la que solo se disponen de 225 kilogramos. Por lo tanto en la fabri-
cación de x2 alfombras del tipo B se precisan de x2 kilogramos de lana
de este color. Esta condición de disponibilidad constituye una nueva
restricción, que se expresa de la forma siguiente:

x2 ≤ 225

4. Por último, y dada la naturaleza del enunciado, las cantidades de al-

fombras a fabricar de cada tipo ha de ser un número mayor o igual a
cero. Es decir, las variables de decisión han de verificar x1 , x2 ≥ 0. La
restricción de no negatividad de las variable x1 y x2 se establece de la
forma:

x1 , x2 ≥ 0

Una vez definidos los tres elementos que definen un problema de progra-
mación matemática, ya es posible enunciar el problema que da respuesta a
la cuestión planteada en el enunciado. En concreto sería el siguiente:

Max z = 2000x1 + 3000x2

sujeto a: x1 +2x2 ≤ 500
2x1 +x2 ≤ 400
x2 ≤ 225
x1 , x2 ≥ 0

Ejercicio 5.4 (examen junio 2014)

Dado el problema de programación lineal siguiente:

Maximizar z = 7x1 − 3x2 + x3 , sujeto a:

x1 + 2x2 + 3x3 ≤ 50
x1 + x2 = 20
x1 + x2 + x3 ≥ 5
con x1 cualquiera, x2 ≥ 0 y x3 ≥ 0

1. Obtener su forma canónica

0.1. Soluciones de los ejercicios de la quinta unidad 7

Solución
La formulación canónica de un problema de programación lineal (ver
resultado 5.10, pág. 263) es:

Maximizar z = ni=1 c i xi
sujeto a a11 x1 + a12 x2 + · · · + a1n xn ≤ b 1
a21 x1 + a22 x2 + · · · + a2n xn ≤ b 2
..
.
am1 x1 + am2 x2 + · · · + amn xn ≤ b m
x1 , · · · , xn ≥ 0

Para obtener la formulación canónica del problema, es necesario modificar

la restricción de la variable x1 , de tal forma que pase a ser una variable real
(puede tomar cualquier valor real) a una variable no negativa, es decir, ha de
ser x1 ≥ 0. Esta transformación (apartado formulaciones equivalentes - No
negatividad de las variables, pág 261) consiste en reemplazar la variable x1 ,
que puede tomar cualquier valor, por dos variables no negativas, definidas
de la manera siguiente:

x1+ = max{0, x1 } x1− = min{0, −x1 }

siendo x1 = x1+ − x1− con x1+ ≥ 0 y x1− ≥ 0.

Una vez realizada esta transformación, el problema del enunciado adop-
ta la forma siguiente:

Max z = 7x1+ − 7x1− − 3x2 + x3

sujeto a: x1+ −x1− +2x2 +3x3 ≤ 50
x1+ −x1− +x2 = 20
x1+ −x1− +x2 +x3 ≥ 5
x1+ , x1− , x2 , x3 ≥ 0

Se puede comprobar que esta nueva formulación del problema aún no

se corresponde con la formulación canónica. Para ello aún son necesarias
transformaciones adicionales. Por ejemplo, la segunda restricción es una
igualdad, cuando la formulación canónica de un problema de programa-
ción lineal requiere que sus restricciones sean del tipo “≤”. Para adaptarla a
este formato, se transforma la ecuación original (x1+ − x1− + x2 = 20) en dos
inecuaciones (apartado formulaciones equivalentes - Cambio de ecuación
a inecuación, pág 262), de la forma siguiente (son necesarias dos inecuacio-
nes):

x1+ − x1− + x2 ≤ 20
x1+ − x1− + x2 ≥ 20

Se aprecia que sólo la primera de las nuevas restricciones es de la forma “≤”.

En el mismo apartado del texto mencionado anteriormente (apartado for-
8 Estadística I. Informática/I. en Tecnologías de la Información. UNED

mulaciones equivalentes - Cambio de ecuación a inecuación, pág 262) apa-

rece la transformación necesaria para cambiar una restricción de la forma
“≥” a “≤”, que es precisamente la que se precisa para la formulación canóni-
ca solicitada. Si efectuamos esta transformación a la segunda de las nuevas
restricciones anteriores, x1+ − x1− + x2 ≥ 20, se tiene:

− x1+ + x1− − x2 ≤ −20

De esta forma ya se tiene esta restricción de una forma compatible con la

formulación canónica.
Igualmente, la tercera de las restricciones del problema, también es de
la forma “≥”, concretamente x1+ − x1− + x2 + x3 ≥ 5. Si se aplica la transforma-
ción anterior a la misma, se obtiene una restricción equivalente de la forma
deseada. En concreto:

− x1+ + x1− − x2 − x3 ≤ −5

Con esta última transformación, todas las restricciones ya se ajustan al for-

mato que caracteriza a la formulación canónica del problema, que adopta
la forma siguiente:

Max z = 7x1+ − 7x1− − 3x2 + x3

sujeto a: x1+ −x1− +2x2 +3x3 ≤ 50
+
x1 −x1− +x2 ≤ 20
+
−x1 +x1− −x2 ≤ −20
+
−x1 +x1− −x2 −x3 ≤ −5
x1+ , x1− , x2 , x3 ≥ 0

Ejercicio 5.5 (examen junio 2013)

Una empresa fabrica dos marcas de colonia, A y B. La composición de la
colonia A es 15% extracto de jazmín, 20% alcohol y el resto agua, mientras
que la composición de B es 30% extracto de jazmín, 15% alcohol y el resto
agua. Diariamente se dispone de 60 litros de extracto de jazmín y 50 litros
de alcohol. Cada día se pueden producir como máximo 150 litros de colonia
B. El precio de venta por litro de la colonia A es 500 euros mientras que el
de B es 2000 euros.

1. Hallar el número de litros de cada marca de colonia que ha de produ-

cirse diariamente de manera que el valor de lo producido sea máximo.

Solución
Los elementos que conforman un problema de programación lineal son
las variables de decisión (apartado 5.2.2, pág 240), la función objetivo (ver
0.1. Soluciones de los ejercicios de la quinta unidad 9

apartado 5.2.1, pág 239), y un conjunto de restricciones (ver apartado 5.2.3,

pág 242).
Por lo que respecta al enunciado que nos ocupa, se necesitan 2 variables
de decisión, a denotar por x1 y x2 , con el sentido siguiente:

x1 indica el número de litros de colonia marca A a producir.

x2 indica el número de litros de colonia marca B a producir.

Una vez fijadas estas variables, es posible establecer la función objetivo

del problema. En el enunciado se indica que la pretensión es maximizar el
el valor de la colonia producida, teniendo en cuenta que en el caso de la
colonia marca A este valor asciende a 500 euros mientras que en el caso de
la colonia marca B, la venta de un litro de la misma proporciona 2000 euros.
Por lo tanto, el beneficio que se obtiene al vender x1 litros de colonia A y
x2 litros de colonia B será 500x1 + 2000x2 , que es precisamente la función
objetivo que se trata de maximizar. Empleando la nomenclatura propia de
la programación matemática, se tiene que la función objetivo del problema
propuesto es:
Maz z = 500x1 + 2000x2

Por lo que respecta al conjunto de restricciones, del enunciado se desprende

que se han de considerar las cuatro siguientes:

1. Disponibilidad de extracto de jazmín: Para producir un litro de colo-

nia A se precisa de 0.15 litros (15%) de esta esencia, mientras que la
producción de un litro de colonia B requiere de 0.3 litros (30%) de la
misma esencia. Por lo tanto, en la producción de x1 litros de colonia
A y de x2 litros de colonia B se precisarán de 0.15x1 + 0.3x2 litros de
extracto de jazmín. Sin embargo, la disponibilidad de esta esencia es
de 60 litros. En consecuencia, es necesario establecer esta condición
de disponibilidad de la forma siguiente:

0.15x1 + 0.3x2 ≤ 60

2. Disponibilidad de alcohol: Al igual que ocurría con la esencia de jaz-

mín, en la producción de la colonia interviene el alcohol. La dispo-
nibilidad de este elemento es de 50 litros. La producción de un litro
de colonia de la marca A requiere 0.2 (20%) litros de alcohol, mien-
tras que en el caso de un litro de colonia B se requiere de 0.15 litros
(15%). Por lo tanto, la producción de x1 litros de colonia A y x2 litros
de colonia B requerirán de 0.2x1 + 0.15x2 litros de alcohol. Por lo tan-
to, esta condición de disponibilidad de alcohol constituye la segunda
restricción del modelo, y se expresa de la forma siguiente:

0.2x1 + 0.15x2 ≤ 50
10 Estadística I. Informática/I. en Tecnologías de la Información. UNED

3. Producción máxima de de colonia marca B: El enunciado también es-

tablece que el número máximo de litros de colonia marca B a produ-
cir diariamente es de 150 litros. Esta condición se materializa en la
siguiente restricción:
x2 ≤ 150

4. Por último, y dada la naturaleza del enunciado, las cantidades de litros

a producir de cada marca de colonia ha de ser un número mayor o
igual a cero. Es decir, las variables de decisión han de verificar x1 , x2 ≥
0. Estas restricciones se formalizan de la forma siguiente:

x1 , x2 ≥ 0

Una vez definidos los tres elementos que definen un problema de progra-
mación matemática, ya es posible enunciar el problema que da respuesta a
la cuestión planteada en el enunciado. En concreto sería el siguiente:

Max z = 500x1 + 2000x2

sujeto a: 0.15x1 +0.3x2 ≤ 60
0.2x1 +0.15x2 ≤ 50
x2 ≤ 150
x1 , x2 ≥ 0

En cuanto a la resolución del problema anterior, la solución gráfica (pág

255) es una buena alternativa a emplear en este caso, ya que el número de
variables de decisión es 2 y es posible la representación de mismo en el
plano euclídeo. En concreto, en la figura siguiente2 la solución del problema
a través de este método gráfico (ver figura 0.2).
Los vértices del recinto definido por el conjunto de restricciones son los
puntos (160, 120), (100, 150), (250, 0), (0, 150) y (0, 20).
A continuación, se calculan los valores que toma la función objetivo en
cada uno de estos puntos:

(160, 120) → 320000

(100, 150) → 350000
(250, 0) → 125000
(0, 150) → 300000
(0, 0) → 0

Cómo lo que se pretende con este problema es maximizar la función obje-

tivo, este valor máximo se encuentra en el punto (100, 150) → 350000. Por
lo tanto, la solución de este problema de programación lineal es un valor de
z = 350000, que se alcanza en el punto de coordenadas x = 100 e y = 150. Es-
te resultado debe interpretarse en el sentido de que se deben producir 100
2 En esta figura, la variable x representa a la variable de decisión x , mientras que la variable
1
y representa a la variable de decisión x 2
0.1. Soluciones de los ejercicios de la quinta unidad 11

Figura 0.2

litros de colonia de la marca A y 150 litros de la marca B, que proporcionan

un beneficio de 350000 euros.

Ejercicio 5.6 (examen junio 2103)

De un problema de programación lineal se conoce:
   
3 0 −1 1 1
A= b= xi ≥ 0, para i = 1, 2, 3, 4
−2 −2 3 0 2

1. Encontrar todos los programas básicos.

Solución
Las soluciones básicas se obtienen formando un sistema de ecuaciones
lineales 2×2, eligiendo una submatriz de esta dimensión de entre las colum-
nas de A. Puesto que A tiene 4 columnas, el número posible
 de submatrices
4
diferentes de dimensión 2 × 2 que se pueden formar es = 6. Cada uno
2
de estos sistemas se obtiene haciendo dos variables iguales a cero. La so-
lución básica correspondiente se halla resolviendo el sistema resultante. Si
alguno de las componentes no verificase las condiciones de no negatividad,
entonces dicha solución báisca no se corresponde con un programa básico.
(resultados 5.18 y 5.19, pág 268 y ejemplo 5.14, pág 269).
12 Estadística I. Informática/I. en Tecnologías de la Información. UNED

Actuando de esta forma, se obtienen las 6 soluciones básicas siguientes:

      
3 0 x1 1 x1 = 0.33  Solución no factible
= ⇒ ⇒
−2 −2 x2 2 x2 = −1.33  Programa no básico
      
3 −1 x1 1 x1 = 0.71  Solución factible
= ⇒ ⇒
−2 3 x3 2 x3 = 1.14  Programa básico
      
3 1 x1 1 x1 = −1  Solución no factible
= ⇒ ⇒
−2 0 x4 2 x4 = 4  Programa no básico
      
0 −1 x2 1 x2 = −1  Solución no factible
= ⇒ ⇒
−2 3 x3 2 x3 = 0  Programa no básico
      
0 1 x2 1 x2 = −1  Solución no factible
= ⇒ ⇒
−2 0 x4 2 x4 = 1  Programa no básico
      
−1 1 x3 1 x3 = 0.66  Solución factible
= ⇒ ⇒
3 0 x4 2 x4 = 1.66  Programa básico

Ejercicio 5.7 (examen junio 2012)

Dado el problema de programación lineal

Minimizar z = 3x1 + 2x2 − x3 sujeto a las condiciones:

x1 − x2 ≤ 12
x1 + x3 = 17
x2 + x3 ≥ 2
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0

1. Obtener su formulación matricial.

Solución
Para poder establecer la formulación matricial del problema del enun-
ciado, previamente se ha de transformar el mismo a su forma canónica (re-
sultado 5.10, pág 263), en las que todas las restricciones son del tipo “≤”, o
bien a su forma estándar (resultado 5.11, pág 263), en la que todas las res-
tricciones han de ser del tipo “=”. En esta propuesta de solución se opta por
la segunda de estas opciones, por ser más simple.
La formulación estándar de un problema de programación lineal (resul-
tado 5.10, pág 263) es:

Maximizar z = ni=1 c i xi
sujeto a a11 x1 + a12 x2 + · · · + a1n xn = b 1
a21 x1 + a22 x2 + · · · + a2n xn = b 2
..
.
am1 x1 + am2 x2 + · · · + amn xn = b m
x1 , · · · , xn ≥ 0
0.1. Soluciones de los ejercicios de la quinta unidad 13

Se observa, en primer lugar, que es necesario modificar la función obje-

tivo, ya que el problema propuesto es un modelo de minimización, mien-
tras que la formulación estándar, tal y como puede comprobarse, precisa de
una función objetivo a maximizar. Para realizar esta transformación, sólo es
necesario tener en cuenta la formulación equivalente entre una función ob-
jetivo de maximizar por una de minimizar (apartado formulaciones equiva-
lentes - Maximización y minimización, pág 261). Esta formulación establece
la equivalencia entre las expresiones:

n 
n
Máximo c j x j = −Mínimo −c j x j
i i

Aplicando esta equivalencia a la función objetivo del problema de progra-

mación lineal propuesto en el enunciado, se tiene:

Minimizar z = 3x1 + 2x2 − x3 = Maximizarz = −3x1 − 2x2 + x3

Una vez resuelto el problema de maximización, el valor óptimo del proble-

ma original será el opuesto del valor obtenido al resolver el problema con la
función objetivo equivalente.
Respecto a las restricciones del problema, se comprueba que son ne-
cesarias realizar transformaciones en las restricciones 1 y 3, de forma que
pasen de ser inecuaciones a ser ecuaciones. Las transformaciones a realizar
(apartado formulaciones equivalentes - Cambio de inecuación a ecuación,
pág 262), son dos dependiendo del sentido de la inecuación. Para realizar
estas transformaciones, es necesario añadir dos nuevas variable no negati-
vas al modelo, a las que se denotan por x4 y x5 . Estas variables se incluyen
con coeficiente nulo en la función objetivo. En la primera de las restriccio-
nes, desigualdad de la forma “≤”, la variable x4 se incorpora a la misma de
la forma siguiente:
x1 − x2 + x4 = 12
Por lo que respecta a la tercera de las restricciones del problema, inecuación
de sentido “≥”, la transformación se materializa en la inclusión de la variable
x5 en la restricción de la forma siguiente:

x2 + x3 − x5 = 2

Con todas las transformaciones realizadas, sí es posible establece la formu-

lación estándar del problema solicitada en el enunciado, que adopta la for-
ma siguiente:
Tras determinar la forma estándar del problema, sí es posible establecer
la misma en forma matricial (resultado 5.13 y ejemplo 5.12, pág 264). Esta
formulación es la siguiente:
⎛ ⎞
x1
⎜ x2 ⎟
 ⎜ ⎟
Minimizar z = −3 −2 1 0 0 ⎜ ⎜ x3 ⎟
⎟
⎝ x4 ⎠
x5
14 Estadística I. Informática/I. en Tecnologías de la Información. UNED

Max z = −3x1 − 2x2 + x3 + 0x4 + 0x5

sujeto a: x1 −x2 +x4 = 12
x1 +x3 = 17
x2 +x3 −x5 = 2
x1 , x2 , x3 , x4 , x5 ≥ 0

sujeto al conjunto de restricciones:

⎛ ⎞
x1
⎛ ⎞ ⎛ ⎞
1 −1 0 1 0 ⎜⎜ x2 ⎟
⎟ 12
⎝ 1 0 1 0 0 ⎠⎜
⎜ x3 ⎟ = ⎝ 17 ⎠
⎟
0 1 1 0 −1 ⎝ x4 ⎠ 2
x5
⎛ ⎞ ⎛ ⎞
x1 0
⎜ x2 ⎟ ⎜ 0 ⎟
⎜ ⎟ ⎜ ⎟
⎜ x3 ⎟≥⎜ 0 ⎟
⎜ ⎟ ⎜ ⎟
⎝ x4 ⎠ ⎝ 0 ⎠
x5 0