Simplex Ejerciciosggiigigfogo

Programacin lineal: simplex
Captulo II
Programacin lineal mtodo simplex
2.1
Introduccin
El mtodo simplex cuya gran virtud es su sencillez, mtodo

muy prctico, ya que solo trabaja con los coeficientes de la
funcin objetivo y de las restricciones. Ilustraremos su
funcionamiento mediante un ejemplo, pero previamente
mostraremos las reglas de decisin para determinar la variable que
entra, la que sale, la gran M, y cmo determinar que llegamos a la
ptima solucin.
Reglas y criterios de decisin para maximizar o minimizar:
Criterio de
decisin
Gran M en la
funcin objetivo
Variable que entra
Variable que sale
(En ambos casos se
aplica la misma
regla)
Solucin ptima
Maximizar
Minimizar
M xj
M xj
La ms negativa de los
La ms positiva de los
Zj Cj
Zj Cj
La menos positiva de los

b/a, siendo a > 0 , de lo
contrario no restringe a la
variable que entra
Cuando todos los
Zj Cj> 0
La menos positiva de los

b/a, siendo a > 0 , de lo
contrario no restringe a la
variable que entra
Cuando todos los
Zj Cj< 0
61
Investigacin de operaciones I gua prctica
2.2
Procedimiento de clculo:
Para efectos de representacin del problema, en su forma

general, supondremos que:
1. El nmero de incgnitas es n.
2. El nmero de restricciones es m.
Una consecuencia inmediata del primer supuesto es que, tanto
en la funcin econmica como en las restricciones, existir el
mismo nmero de coeficientes que de incgnitas, toda vez que
cada variable lleva un coeficiente.
Con lo dicho representaremos la funcin objetivo de la
siguiente manera:
= 1 1 + 2 2 + +
Donde 1 , 2 son los coeficientes de las incgnitas y,
por lo tanto, datos conocidos del problema.
Cada restriccin es una desigualdad con n incgnita y n
coeficientes. Adems cada restriccin tienen un trmino
independiente, que lo representamos con una dotada de un
subndice que denotara la restriccin a la que corresponde.
62
Problema general de maximizacin:
( Max) Z C1 x1 C2 x2 ... Cn xn
sujeto a las restriccio nes :
a11x1 a12 x2 ... a1n xn b1
a21x1 a22 x2 ... a2 n xn b2
am1 x1 am 2 x2 ... amn xn bm

Donde , y son constantes del problema. Se observa que las
restricciones son desigualdades, cuyo primer miembro es menor o
igual que el segundo.
Razonamiento: Si el primer miembro de la primera desigualdad
es menor, al agregarle una cantidad +1 , obtendremos la
igualdad. Llamaremos a +1 , primera variable de holgura o
faltante para la igualdad. As se obtiene:
a11x1 a12 x2 ... a1n xn xn1 b1

Grficamente vemos la restriccin uno:
b1
Primer miembro de
la restriccin
xn 1
Holgura
Esto ocurre cuando existen desigualdades en lugar de

igualdades, por lo que se tendr que agregar m variables de
holgura.
63
Variables de holgura: Son siempre positivas, hacen que una

restriccin que sea desigualdad se transforme en igualdad y sus
coeficientes en la funcin objetivo son ceros.
Al aumentar variables de holgura en las restricciones implica
tambin aumentarlas en la funcin objetivo; sin embargo, para que
dicha funcin no sea alterada, las variables de holgura sern
agregadas con coeficiente cero.
Por lo cual nuestro modelo quedar as:
( Max) Z C1 x1 C2 x2 ... Cn xn 0 xa 1 0 xa 2 ... 0 xa m

Sujeto a las restriccio nes :
a11x1 a12 x2 ... a1n xn xa 1
a21x1 a22 x2 ... a2 n xn
am1 x1 am 2 x2 ... amn xn
b1
xa 2
b2
xa m bm
Con objeto de que los clculos sean ms sencillos

reordenamos el modelo intercambiando posiciones de la siguiente
manera:
64
( Max) Z C1 x1 C 2 x2 ... C n xn 0 xa 1 0 xa 2 ... 0 xa m

a11x1 a12 x2 ... a1n xn xa 1
a 21x1 a 22 x2 ... a 2 n xn
b1
xa 2
a m1 x1 a m 2 x2 ... a mn xn
b2
xa m bm
Con lo que el modelo quedara as:
( Max) Z 0 xa 1 0 xa 2 ... 0 xa m C1 x1 C2 x2 ... Cn xn

b1 xa 1
a11x1 a12 x2 ... a1n xn
b2
a21x1 a22 x2 ... a2 n xn
bm
xa 2
xa m
am1 x1 am 2 x2 ... amn xn
65
Ahora procedemos a elaborar un cuadro preparatorio de la

siguiente manera:
Cj
B
Seguidamente introducimos los coeficientes de la funcin

objetivo, diferenciando las variables que forman la matriz
identidad y las dems variables del modelo; en este caso,
quedando de la siguiente forma:
Cj
B
x n 1
xn 2
xn m
c1
x1
c2
x2
cn
xn
Finalmente ingresamos los coeficientes de las restricciones e

inicializamos los valores de las columnas 1 y 2 con las mismas
variables y coeficientes del cuadro de holgura quedando de la
siguiente forma:
66
(1)
(2)
Cj
B
x n 1
xn 2
x n 1
xn 2
b1
b2
xn m
bm
c1
x1
c2
x2
a11
a 21
a1 2
a 22
a m1
am 2
xn m
0
cn
xn
a1n
a2n
a mn
Con lo cual se ha obtenido una primera solucin inicial, y

para ver el procedimiento de clculo de los siguientes cuadros lo
explicamos con un ejemplo:
Se tiene el siguiente modelo matemtico:
( Max) Z 3x1 2 x2 1x3

x1 2 x2 x3 10
x1 x2 2 x3 9
2 x1
3x3 12
Calcular los valores de 1 , 2 ,y 3 que maximicen la funcin

Z, para lo cual seguimos los siguientes pasos:
Primero.-Agregamos las variables de holgura en las restricciones
y convertimos nuestras desigualdades en igualdades; as como
tambin agregamos las variables de holgura en la funcin
econmica y nuestro modelo quedara de la siguiente manera:
67
( Max) Z 3x1 2 x2 x3 0 x4 0 x5 0 x6
x1 2 x2 x3 x4
x1 x2 2 x3
x5
3x3
2 x1
10
9
x6 12
Segundo.- Reordenamos el modelo como se explic

anteriormente:
( Max) Z 0 x4 0 x5 0 x6 3x1 2 x2 x3
10 x4
x1 2 x2 x3
9
12
x1 x2 2 x3
x5
x6
2 x1
3 x3
Tercero.- Pasamos al cuadro preparatorio en el orden

establecido en el segundo paso y verificamos la primera
solucin al problema donde x 4 10 , x5 9 y x6 12 , el
resto de variables que no figuran en dicha rea tienen un
valor de cero, es decir x1 x2 x3 0 , los cuales satisfacen
las condiciones del modelo.
Adems se han agregado dos filas en el cuadro. La fila Zj
que se obtiene por la suma de los productos de cada
elemento de la columna Cj por el correspondiente de la
columna a que se refiere la Zj. En nuestro ejemplo
68
ZB =0x10+0x9+0x12=0,
Z4 =0x1+0x0+0x0=0 de la misma forma el resto de
columnas a las que se refiere Z.
Finalmente la fila Zj-Cj se obtiene restando de cada
elemento de Zj, el correspondiente del rengln Cj, y
obtenemos el siguiente cuadro:
Cj
10
12
-3
-2
-1
Zj
Zj-Cj
Cuarto.-Para pasar al siguiente cuadro preparatorio

evaluamos el elemento ms negativo de Zj-Cj con
excepcin de las variables de holgura. En nuestro caso el
ms negativo de -3, -2 y -1 es -3 el cual apunta a la
variable que ingresa por lo cual marcamos dicha columna,
ya que es la variable que mejora el resultado de nuestra
funcin objetivo (Z) a diferencia de los dems. Si no
existiera valores negativos indicara que ya no se puede
pasar al siguiente cuadro preparatorio, por ende seria el
cuadro solucin ptimo.
Una vez obtenida la variable que entra en la solucin
es hora de definir, cul ser la variable que salga de la
solucin. Para ello dividimos la columna de B entre el
69
elemento correspondiente de la columna marcada. Es decir

10/1=10, 9/1=9, 12/2=6 de los cuales nos interesa el menor
positivo. Si existiera otros valores diferentes al establecido
no se consideran. En nuestro caso escogemos 12/2=6 y
marcamos dicha fila. En caso de empates entre dos filas o
ms se calculan los cocientes, con los elementos de las
siguiente columna, es decir +1 ; si se repite el empate se
tomaran los elementos de +2 y as sucesivamente hasta
desaparecer el empate.
Antes de pasar a la segunda etapa de clculo
debemos indicar que el elemento que est entre la columna
y fila seleccionada se denomina pivote y los dems
elementos de la columna son los semipivotes. En nuestro
caso el pivote es 2 y los semipivotes 1,1 respectivamente;
por lo que nuestro cuadro quedara de la siguiente manera:
70
Cj
10
12
-3
-2
-1
Zj
Zj-Cj
Quinto.-Iniciamos el clculo de la nueva etapa con el

llenado de la segunda columna del cuadro con la insercin
de la nueva variable en la solucin en sustitucin a la
variable saliente y marcamos dicha fila. En nuestro caso
insertamos la variable x1 con su respectivo coeficiente.
0
0
3
5
1
Zj
Zj-Cj
Seguidamente llenamos la fila entrante de la siguiente

manera: en lugar de cada elemento de la etapa anterior, se
coloca el cociente que resulte de dividir dicho elemento
entre el pivote es decir 12/2=6, 0/2=0, 1/2=1/2 y as
sucesivamente. Por lo cual obtenemos:
71
1/2
3/2
Zj
Zj-Cj
Para llenar las filas 1 y 2 se hace lo siguiente: cada

elemento de la nueva etapa es igual al elemento
correspondiente en la etapa anterior menos el producto del
semipivote por el elemento de la fila entrante de la misma
columna de la que se est calculando. En nuestro caso
sera:
Fila 1
10
1
0
0
1
2
1
72
(1 x 6)
(1 x 0)
(1 x 0)
(1 x 1/2)
(1 x 1)
(1 x 0)
(1 x 3/2)
=
=
=
=
=
=
=
4
1
0
-1/2
0
2
-1/2
Fila 2
9
0
1
0
1
1
2
(1 x 6)
(1 x 0)
(1 x 0)
(1 x 1/2)
(1 x 1)
(1 x 0)
(1 x 3/2)
=
=
=
=
=
=
=
3
0
1
-1/2
0
1
1/2
Con lo que obtenemos el cuadro siguiente:

Cj
10
12
-3
-2
-1
-1/2
Zj
Zj-Cj
0
-1/2
-1/2
1/2
3/2
Zj
Zj-Cj
Completamos Zj con la suma de productos y Zj-Cj con

sus respectivas restas explicadas en el paso 3 y obtenemos
el segundo cuadro:
73
Cj
10
12
-3
-2
-1
Zj
Zj-Cj
0
-1/2
-1/2
4/2=2
-1/2
1/2
3/1=3
1/2
3/2
18
3/2
9/2
3/2
-2
7/2
Zj
Zj-Cj
Verificamos que la funcin objetivo se puede mejorar a un

valor mayor a 18, dado que existe un valor negativo de -2 en la
fila Zj-Cj por lo cual marcamos la nueva variable de entrada y la
variable saliente.
En el tercer cuadro aplicamos los mismos procedimientos de
clculo y verificamos que ya no es posible mejorar la funcin
objetivo por lo que se ha llegado a la solucin ptima y nuestros
cuadros quedaran de la siguiente forma:
74
Cj
Compr.
10
15
14
12
18
-3
-2
-1
0
Zj
Zj-Cj
0
-1/2
-1/2
-1/2
1/2
1/2
18
3/2
9/2
3/2
-2
7/2
Zj
Zj-Cj
3/2
9
27
1/2
-1/4
-1/4
-1/2
-1/4
3/4
1/2
3/2
22
33
Zj
Zj-Cj
Interpretacin del cuadro:

La solucin ptima a la cual se arribo es: 2 = 2,5 = 1,1 =
6 y las dems variables que no figuran en el ltimo cuadro valen
cero; es decir,3 = 4 = 6 = 0.
Si reemplazamos los valores obtenidos a la funcin objetivo
verificaremos que Z=22, al igual como se muestra en el ltimo
cuadro del simplex.
75
2.3
Control de clculo:
El mtodo simple cuenta con controles de clculo gracias a

los cuales es posible localizar alguna diferencia o error de clculo.
A continuacin expondremos el mtodo que permite
comprobar si los elementos de cada fila en conjunto han sido
calculados correctamente.
En la primera etapa cada elemento de la nueva columna es la
suma de todos los elementos de la fila a que pertenece, a partir de
la B; para este efecto debera obtenerse la suma de cada fila hasta
el rengln Zj inclusive.
Para las etapas siguientes los elementos de la nueva columna
debern calcularse exactamente como los dems. La
comprobacin consiste en que los elementos calculados para la
nueva columna deben ser iguales a la suma de los elementos de su
fila.
76
Ejemplo: Para este ejemplo consideraremos el ejercicio de

maximizacin resuelto en la parte anterior.
( Max) z 3x1 2 x2 x3
Sujeto a :
x1 2 x2 x3 10
x1 x 2 2 x3 9
2 x1
3x3 12
Una vez agregado las variables de holgura llegamos al

siguiente cuadro:
Cj
Compr.
10
15
14
12
18
-3
-2
-1
Zj
Zj-Cj
Como podr apreciar aumentamos una columna ms de

clculo (Comprobacin); en la cual en la primera etapa sumamos
de manera horizontal los elementos de cada fila y obtenemos:
10+1+0+0+1+2+1
9+0+1+0+1+1+2
12+0+0+1+2+0+3
0 +0+0+0+0+0+0
=15
=14
=18
=0
77
A partir del segundo cuadro se procede a efectuar el mismo tipo

de operacin realizado en cada fila.
Considerando que la fila entrante en el segundo cuadro es la
tercera fila perteneciente a la variable x1 en la cual cada elemento
anterior de su posicin fue dividido por el pivote, es decir:
12/2=6, 0/2=0, 0/2=0, 1/2, 2/2=1, 0/2=0,3/2, 18/2=9
De la misma forma recordamos las operaciones en las filas 1
y 2, y calculamos la columna de comprobacin.
10
1
0
0
1
2
1
15
78
(1x6)
(1x0)
(1x0)
(1x1/2)
(1x1)
(1x0)
(1x3/2)
(1x9)
Fila 1
= 4
= 1
= 0
= -1/2
= 0
= 2
= -1/2
= 6
9
0
1
0
1
1
2
14
(1x6)
(1x0)
(1x0)
(1x1/2)
(1x1)
(1x0)
(1x3/2)
(1x9)
Fila 2
= 3
= 0
= 1
= -1/2
= 0
= 1
= 1/2
= 5
Aplicando la suma de productos en la fila la fila Zj y

comparando con la sumatoria de fila se obtiene:
0x6+0x5+3x9 = 18+0+0+3/2+3+0+9/2 = 27.
Lo cual implica que los clculos en dicha fila fueron
realizados correctamente.
De la misma forma verificamos el procedimiento de clculo
que se hizo a cada fila comparando el resultado de la sumatoria de
dicha fila con el valor calculado en la columna de comprobacin
es decir:
4+1+0-1/2+0+2 - 1/2 = 6
3+0+1-1/2+0+1+1/2 = 5
6+0+0+1/2+1+0+3/2 = 9
Esta forma de comparar en cada cuadro y fila correspondiente
permitir verificar y validar las operaciones realizadas en una fila.
79
Cj
Compr.
10
15
14
12
18
-3
-2
-1
Zj
Zj-Cj
0
-1/2
-1/2
-1/2
1/2
1/2
18
3/2
7/2
Zj
Zj-Cj
3/2
9/2
9
27
3/2
-2
-1/4
-1/4
-1/2
-1/4
3/4
1/2
3/2
22
33
Zj
Zj-Cj
80
2.4
Uso de variables artificiales
Todos los problemas de programacin lineal deben cumplir dos

requisitos, que se observa en el cuadro preparatorio:
Cj
0
B
xn1 xn2
c1
x1
c2
x2
a12
a 22
b1
b2
a11
a21
am1
am 2
xn1
xn 2
xn m
bm
0
xn m
cn
xn
a1n
a2n
amn
Estos requisitos son:

1ro
Todo elemento de la columna B debe ser positivo.
2do
Los coeficientes de las variables de holgura deben formar

la matriz identidad, es decir una matriz cuadrada con unos
a lo largo de la diagonal principal y ceros en los dems
lugares.
81
Ejemplo 1:
( Max) z 2 x1 2 x2 5 x3
Sujeto a :
x1 2 x2 x3 100
x1 3 x2 4 x3 40
2 x1 4 x2 3x3 20
En la primera restriccin se aade la variable de holgura x 4 ;
como el sentido de la segunda y tercera restriccin es de mayor a
menor, es necesario restar para poder convertirlos en igualdades,
por lo que se aaden x 4 y x5 , los cuales se denominan
variables de exceso.
( Max) z 2 x1 2 x2 5 x3 0 x4 - 0 x5 - 0 x6
Sujeto a :
x1 2 x2
x3 x4
x1 3 x2 4 x3
2 x1 4 x2 3x3
100
- x5
40
- x6 20
Si reordenamos y pasamos la informacin al cuadro

preparatorio tenderemos:
82
Cj
100
40
-1
20
-1
En donde apreciamos que la segunda condicin no se cumple,

por la existencia de -1 en la diagonal principal de la matriz; por lo
cual agregamos variables artificiales 7 y 8 para subsanar el
problema encontrado y el modelo quedar de la siguiente manera:
( Max) z 2 x1 2 x2 5 x3 0 x5 0 x6 0 x4 - Mx7 - Mx8

Sujeto a :
x1 2 x2 1x3
x1 3 x2 4 x3 - x5
2 x1 4 x2 3x3
100
x4
- x6
x7
40
x8 20
Reordenamos el modelo para el cuadro preparatorio

obtenemos:
( Max) z 0 x 4 - Mx7 - Mx8 - 0 x5 - 0 x6 2 x1 2 x 2 5 x3

Sujeto a :
100 x 4
40
20
x1 2 x 2 1x3
x7
x8
- x5
x1 3 x 2 4 x3
- x6 2 x1 4 x 2 3x3
83
Finalmente pasamos al cuadro preparatorio y calculamos de

la misma forma como se explic en el ejercicio anterior;
obtenindose el siguiente cuadro:
Cj
-M
-M
100
-M
40
-1
-M
20
-1
-60M
-M
-M
-3M
-7M
-7M
-3M-2
-7M-2
-7M-5
Zj
Zj-Cj
0
280/3
-1/3
1/3
1/3
2/3
-M
40/3
-4/3
-1
4/3
-5/3
-7/3
20/3
1/3
-40M/3+
100/3
Zj
Zj-Cj
-M
4M/3+
5/3
M/3+
5/3
M
M
-1/3
2/3
4/3
-4M/35/3
-4M/35/3
5M/3+
10/3
5M/3+
4/3
7M/3+
20/3
7M/3+
14/3
5
0
90
-1/4
1/4
3/4
5/4
10
3/4
-1
-3/4
-5/4
-7/4
10
1/4
-1/4
1/4
3/4
50
5/4
-5/4
5/4
15/4
5/4+
M
-5/4
-3/4
7/4
Zj
Zj-Cj
0
360
-1
280
-1
100
500
10
Zj
Zj-Cj
84

La solucin ptima a la cual se arribo es: 3 = 100,5 =
360, 6 = 280y las dems variables que no figuran en el ltimo
cuadro valen cero. Es decir 1 = 2 = 4 = 0.
Las variables 7 y 8 por ser variables artificiales no deben
figurar en la solucin dada que su objetivo solo fue la operatividad
del cuadro preparatorio.
Si reemplazamos los valores obtenidos a la funcin objetivo
verificaremos que = 500, al igual como se muestra en el ltimo
cuadro del simplex.
Ejemplo 2:Sea el modelo matemtico:

( Max) Z 2 x1 1x 2 3x3
Sujeto a :
x1 x 2 x3 6
2 x1 3 x 2 x3 9
4 x1 2 x 2 x3 10
Como se puede apreciar, la tercera restriccin es una igualdad

en lugar de una desigualdad; por lo cual agregamos las variables
de holgura en las restricciones 1 y 2 para convertirlas en
igualdades; pero como la restriccin 3 ya es una igualdad,
entonces se agrega la variable artificial para formar la matriz
identidad. Con lo cual se tiene:
85
( Max) Z 2 x1 x2 3x3 0 x4 0 x5 - M x6
Sujeto a :
x1 x2 x3 x4
2 x1 3 x2 x3
4 x1 2 x2 x3
6
x5
9
x6 10
Variable artificial
Reordenando el modelo y obtenemos:
( Max) Z 0 x4 0 x5 - M x6 2 x1 x2 3x3
Sujeto a :
6 x4
x1 x2 x3
2 x1 3 x2 x3
10
x5
x6 4 x1 2 x2 x3
Finalmente pasamos al cuadro preparatorio y lo resolvemos;

quedando el cuadro de la siguiente manera:
86
Cj
-M
-M
10
-10M
-M
-4M
-2M
-M
-4M-2
-2M-1
-M-3
7/2
-1/4
1/2
3/4
Zj
Zj-Cj
0
-1/2
1/2
5/2
1/4
1/2
1/4
1/2
1/2
1/2+M
-5/2
Zj
Zj-Cj
3
14/3
4/3
-1/3
2/3
5/3
-2/3
-1/3
5/3
4/3
-1/3
1/3
1/3
50/3
10/3
-1/3
8/3
10/3
-1/3+M
5/3
2
Zj
Zj-Cj

La solucin ptima a la cual se arribo es: 3 =
5
14
3
, 5 =
, 1 = , y las dems variables que no figuran en el ltimo

3
cuadro valen cero. Es decir2 = 0, 4 = 0. La variable 6 por ser
variable artificial no figura en la solucin.
3
87
Ejercicios:
1.
El laboratorio de la facultad de Ingeniera Agroindustrial de la

Universidad Nacional Micaela Bastidas, acostumbra preparar
carne para hamburguesa, con una combinacin de carne
molida de res y carne molida de cerdo. La carne de res
contiene 80% de carne y 20% de grasa y le cuesta al
laboratorio 80 u.m. por kilo. La carne de cerdo contiene 68%
de carne y 32% de grasa y cuesta 60 u.m. por kilo.
Qu cantidad de cada tipo de carne debe emplear el
laboratorio por cada kilo de carne para hamburguesa si desea
minimizar el costo y mantener el contenido de grasa no
mayor de 25%?
2.
Una fbrica produce tres productos (1 , 2 , 3 ), en donde los

beneficios unitarios netos de fabricar cada producto son:
S/. 3.00, S/. 1.00 y S/. 4.00 respectivamente. Se dispone de 25
horas/hombre y 20 horas/mquina para la fabricacin de cada
producto. El requerimiento de horas para cada producto se
muestra en la siguiente tabla:
Productos
1
2
3
88
Horas/Hombre
6
3
5
Horas/Mquina
3
4
5
Como gerente del departamento de produccin, formule un

modelo para determinar un plan de produccin que maximice
las ganancias netas.
3.
Dado los siguientes modelos matemticos, resolver bajo el

enfoque del simplex :
a.
= 21 + 32
:
31 + 2 2
1 + 2 3
31 + 22 10
8
38
0
Respuesta: 1 = , 2 =
10
10
b.
= 1 22
:
31 + 42 = 12
21 2 12
0
Respuesta: 1 = 0, 2 = 3
= 21 2 + 3
:
1 + 42 + 43 8
41 + 42 + 43 2
21 + 32 3 4
0
Respuesta: 1 = 8, 2 = 0, 3 = 0
c.
89
2.5
Anlisis de sensibilidad bajo el enfoque del simplex
Una empresa se dedica al montaje de motocicletas de 50, 125

y 250 cm. Posee para ello una planta que est estructurada en
tres departamentos: fabricacin de los chass, pintura y montaje.
El departamento de fabricacin de chass dispone de 50
trabajadores, el de pintura 30 y el de montaje de 60. Todos los
trabajadores realizan una jornada laboral de ocho horas.
Para fabricar una motocicleta del modelo de 50 cm, es
necesaria la utilizacin de 2 horas del primer departamento, 1 hora
del segundo y 2 horas del tercero. El beneficio obtenido con la
venta de una unidad de este modelo asciende a$ 60. En la
fabricacin del Modelo de 125 cm, se emplean 4, 2 y 3 horas que
cada uno de los departamentos respectivamente.
El beneficio unitario asciende, para este caso a $120. Para
fabricar una unidad del modelo ms grande de 250 cm, se
precisan 6 horas el departamento de chass, 3 horas en el de
pintura y 8 horas en el de montaje. El beneficio obtenido con la
venta de una unidad de este modelo se eleva a $210.
Suponiendo que la empresa vende toda su produccin, se
desea conocer:
1. Cul es el nmero de motocicletas a fabricar que
maximizan el beneficio? (se admite la posibilidad de
fabricar motocicletas no completas)
90
2. Entre qu lmites puede variar el tiempo disponible en el

departamento de chass para que la solucin contine
siendo ptima?
3. Entre qu lmites puede variar el beneficio unitario del
modelo de 50 cm para que la solucin contine siendo
ptima?
4. Entre qu lmites puede variar el beneficio unitario del
Modelo de 125 cmpara que la solucin contine siendo
ptima?
5. Le interesara a la empresa el fabricar un nuevo tipo de
motocicleta de 500 cmen la que se necesitasen 5, 3 y 4
horas de cada uno de los departamentos y el beneficio
obtenido con la venta de una unidad de este modelo fuese
de $350.
91
Solucin
Modelos
Fabrica
50 cm
125 cm
250 cm
Chasis / Hrs-Hombre
Pintura / Hrs-Hombre
Montaje / Hrs Hombre
Precio $.
2
1
2
60
4
2
3
120
Disponibilidad en
Hrs-Hombre
6
3
8
210
50x8=400
30x8=240
60x8=480
Modelo matemtico:
= 601 + 1202 + 2103
:
21 + 42 + 63 400
1 + 22 + 33 240
21 + 32 + 83 480
0
Agregando variables de holgura:
= 601 + 1202 + 2103 + 04 + 05 + 06
:
21 + 42 + 63 + 4
= 400
1 + 22 + 33
+ 5
= 240
21 + 32 + 83
+ 6 = 480
Reordenando el modelo para el ingreso al cuadro
preparatorio:
92
= 04 + 05 + 06 + 601 + 1202 + 2103

:
400 = 4
240 =
5
480 =
+ 21 + 42 + 63
+ 1 + 22 + 33
6 + 21 + 32 + 83
Ingresamos los datos al cuadro preparatorio y calculamos:
Cj
60
120
210
Compr.
400
413
240
247
480
494
-60
-120
-210
Zj
Zj-Cj
0
40
-3/4
1/2
7/4
85/2
60
-3/8
1/4
7/8
247/4
210
60
1/8
1/4
3/8
247/4
12600
105/4
105/2
315/4
210
25935/2
105/4
-15/2
-165/4
Zj
Zj-Cj
120
160/7
4/7
-3/7
2/7
170/7
40
-1/2
81/2
360/7
-3/14
2/7
1/7
737/14
94800/7
330/14
60/7
450/7
120
210
97785/7
330/14
60/7
30/7
210
Zj
Zj-Cj
Precios sombra y
matriz inversa
Costos reducidos
93
Precio sombra de las restricciones:

R1: precio sombra = 330/14
R2: precio sombra = 0
R3: precio sombra = 60/7
Costo reducido de la funcin econmica
C1: costo reducido = -30/7
C2: costo reducido = 0
C3: costo reducido = 0
Nota: todos los valores de la seccin de costos reducidos, si son
mayores a cero, se convierten en negativas.
De la ltima tabla del simplex obtenemos:
4 / 7 0 3/ 7
A 1/ 2 1
0 Que viene de la matriz
3 / 14 0 2 / 7
4 0 6
A 2 1 3
3 0 8
En donde los componentes de cada columna de la matriz A

corresponden a las variables 2 ,5 y 3 de la primera tabla del
simplex, dado que dichas variables son solucin en la tabla final
del simplex (variables bsicas).
94
Ahora si podemos responder a las preguntas:

1.
Cul es el nmero de motocicletas a fabricar que maximizan

el beneficio?
Respuesta: Se debe producir

x2 160 / 7 Unidades del tipo de 125 cm y
x3 360 / 7 Unidades del tipo de 250 cm
Para obtener una ganancia de: Z $ 94800 / 7
mximo.
como
De acuerdo a la ltima tabla del simplex.

Verifiquemos tambin que los mismos resultados se pueden
obtener mediante la forma matricial siguiente:
X A1 B
Nota: La matriz inversa se obtiene de la ltima tabla del simplex
y la matriz A de la primera tabla del simplex donde a cada
columna le corresponde la variable bsica de la ltima tabla del
simplex.
x2
400 160 / 7

1
x5 A 240 40
x
480 360 / 7
3
C2 C5
Z 120 0
C3
210 . A 1 .B 94800 / 7
95
Donde son coeficientes de la funcin econmica en

concordancia con las variables de la solucin ptima.
2.
Entre qu lmites puede variar el tiempo disponible en el

departamento de chass para que la solucin contine siendo
ptima?
Para calcular el intervalo de sensibilidad de la restriccin uno

o departamento de chass, se determina resolviendo el sistema de
desigualdades:
b1
1
A . 240 0 , dado que las soluciones deben ser mayores o
480
iguales a cero.
4 / 7 0 3 / 7 b1
0 . 240 0
1/ 2 1
3 / 14 0 2 / 7 480
x2
4b1 1440
0 , entonces:
7
b1 360
x5
480 b1
0
2
, entonces:
b1 480
x3
2480 3b1
0 , entonces:
7
14
b1 640
96
360
480
640
Interceptando las desigualdades obtenemos que el intervalo

de sensibilidad del departamento de chasis es de: 360 b1 480.
Para responder las preguntas 3 y 4 tenemos que estudiar dos
casos.
Primero: cuando la variable es no bsica y
Segundo: cuando la variable es bsica.
Nota: Una variable es bsica cuando es parte de la solucin final.
3.
Entre qu lmites puede variar el beneficio unitario del

modelo de 50 cm para que la solucin contine siendo
ptima?
Para responder sta pregunta vemos que la variable x1 no
es parte de la solucin, es decir es una variable no bsica, por
lo cual calculamos los lmites del beneficio unitario bajo el
siguiente esquema:
2
120
5
0
2
3
. 1 . 1 1 0
210
2
97
2
1 corresponde a la columna de la
2
variable1 en la primera tabla del simplex.
Donde la matriz
Reemplazando sus valores y despejando C1 se tiene:

1 120
1
210 .
4 120
3 210
7
14
2
330
60
.
1
0
14
7
2
330 120
1
+
7
7
450
1
7
4/7
0
1/2 1
3/14 0
0
3/7
2
0
. 1
2/7
2
2
3 120
2 210
. 1
7
7
2
De donde obtenemos que el intervalo de sensibilidad del

coeficiente C1 de la funcin econmica corresponde al
siguiente intervalo: , 150/7
4.
Entre qu lmites puede variar el beneficio unitario del

Modelo de 125 cmpara que la solucin contine siendo
ptima?
Analizando la pregunta verificamos que la variable 2 es
bsica, entonces utilizamos todas las variables que no se
encuentran en la solucin.
98
C2
C3
C1 C4
0 210 . A1 60 0
C5
00
C6
De donde obtenemos el intervalo de sensibilidad del

coeficiente 2 de la funcin econmica: 105 2 140.
5.
Le interesara a la empresa el fabricar un nuevo tipo de

motocicleta de 500 cmen la que se necesitasen 5, 3 y 4 horas
de cada uno de los departamentos y el beneficio obtenido con
la venta de una unidad de este modelo fuese de $350.
Para verificar si es interesante la fabricacin de un nuevo
modelo, es necesario determinar su rendimiento marginal, es
decir su Zj-Cj:
5

120 0 210 . A . 3 350 0
4

1
Al ser menor que cero el rendimiento marginal del nuevo

modelo, interesa para su fabricacin.
99
2.6
Modelo Dual
En el desarrollo de la programacin lineal, se descubri la

existencia de un problema que se encuentra estrechamente
relacionado con un problema de programacin lineal dado: Dicho
problema se denomin problema dual. Cada problema dado
(problema principal, problema primal, problema primero), de
programacin lineal, tiene un problema dual que tiene las
siguientes muy interesantes caractersticas:
En algunas ocasiones resulta ms sencilla la resolucin del
problema dual que la del problema principal, en trminos de
menor nmero de iteraciones.
Los valores ptimos de las variables del dual, proporcionan
una interpretacin econmica del problema principal.
Facilita el estudio del impacto sobre la ptimalidad por
cambios en el problema original.
Para poder elaborar el problema dual a partir del primal, este
se debe presentar en su forma cannica de la siguiente forma:
= 1 1 + 2 2 + +
:
11 1 + 12 2 + + 1 1
21 1 + 22 2 + + 2 2
1 1 + 2 2 + +
100
Forma cannica y forma estndar

Un problema de programacin lineal puede ser establecido en
diferentes formas equivalentes a travs de manipulaciones
apropiadas. Dos formas en particular sern de bastante utilidad.
Estas son las formas estndar y cannica.
Un problema lineal se dice que est en la forma estndar si:
a) Todas las restricciones son igualdades
b) Todas las variables son no-negativas
c) Las limitaciones (lado derecho de la restriccin) son
positivas
Un problema de programacin lineal est en la forma
cannica si para un problema de:
Maximizacin, las variables son
restricciones son del tipo menor que ().
no-negativas
y las
Minimizacin, las variables son

restricciones son del tipo mayor que ().
no-negativas
las
101
Cmo convertir un problema primal a dual?

Para convertir un problema primal a su correspondiente dual
se procede de la siguiente forma:
1. Si el primal es un problema de maximizacin su dual ser
un problema de minimizacin y viceversa.
2. Los coeficientes de la funcin objetivo del problema
primal se convierten en los coeficientes del vector de la
disponibilidad en el problema dual.
3. Los coeficientes del vector de disponibilidad del problema
original se convierten en los coeficientes de la funcin
objetivo (vector de costo o precio) en el problema dual.
4. Los coeficientes de las restricciones en el problema primal,
ser la matriz transpuesta de los coeficientes de las
restricciones del dual.
5. Los signos de desigualdad del problema dual son
contrarios a los del primal.
6. Cada restriccin en un problema corresponde a una
variable en el otro problema. Si el primal tiene m
restricciones y n variables, el dual tendr n restricciones y
m variables. As, las variables Xn del primal se convierte
en nuevas variables Ym en el dual.
102
Ejemplo:
Considere el problema primal siguiente:
= 51 + 62
Sujeto a las restricciones:
1 + 92 60
21 + 32 45
51 22 20
2 30
0
Sea: =
1 9
2 3
5 2
0 1
Coeficientes de las restricciones

Elaborar el dual a partir del primal.
= 601 + 452 + 203 + 304
1 + 22 + 53
5
91 + 32 23 + 4 6
0
=
1 2 5 0
9 3 2 1
103
Entonces los coeficientes que conforman la matriz , para el

dual es la matriz transpuesta .
Cuando el problema primal no est en forma cannica, es
necesario hacer ajustes para poder presentarlo as.
Los cambios ms frecuentes son:
1. Si la funcin objetivo es minimizar, se puede transformar
a una funcin objetivo de maximizar de la siguiente
forma:
= 1 1 + 2 2 + +
= 1 1 2 2
2. Una restriccin mayor o igual se transforma en una
restriccin menor o igual, de la siguiente manera:
11 1 + 12 2 + + 1 1
11 1 12 2 1 1
3. Una restriccin de igualdad se transforma en 2
inecuaciones.
11 1 + 12 2 + + 1 = 1
11 1 + 12 2 + + 1 1
11 1 + 12 2 + + 1 1
104
Ejemplo 1:
= 101 + 202
:
1 + 22 4
21 32 6
0
Cambiamos la orientacin de la restriccin dos, con lo cual
queda:
= 101 + 202
:
1 + 22 4
21 + 32 6
0
Dual:
= 41 62
:
1 22 10
21 + 32 20
0
105
Ejemplo 2:
= 101 202 + 103
Sujeto a las restricciones ( ):
1 + 22 33 = 6
41 112 + 103 17
21 + 52 + 73 9
1
2
3
0
Hacemos algunos cambios en las restricciones, con lo cual
queda:
Min Z = 10x1 20x2 + 10x3
1 22 + 32 6
1 + 22 32 6
41 112 + 103 17
21 52 73 9
0
1
1
2
3
Dual:
= 61 + 61+ + 172 93
1 + 1+ + 42 23 10
21 + 21+ 112 53 20
31 31+ + 102 73 10
0
106
Ejemplo 3:
= 21 + 32 + 23
Sujeto a:
1 + 22 + 2 40
21 + 22 3 30
1 + 2 + 23 20
0
Planteamiento dual:
= 401 + 302 + 203
Sujeto a:
1 + 22 + 3 2
21 + 32 20
0
Ejemplo 4: Nos proponemos realizar una alimentacin para
ganado, alimentacin que debe contener obligatoriamente 04
componentes nutritivitos A, B, C y D.
La industria alimentacin produce precisamente
alimentos, M y N que contienen esos componentes.
dos
Un kilo de alimento M contiene 100 gramos de A, 100 gr de

C, y 200 gr de D. Un kilo de alimento N contiene 100 gr de B,
200gr de C y 100 gr de D. Un animal debe consumir diariamente
107
cuanto menos 0,4 kg de A; 0,6 kg de B; 2kg de C y 1,7 kg de D.

El alimento M cuesta S/. 10,00 por kg, y el alimento N cuesta S/.
4,00 por kg.
Qu cantidades de alimentos M y N se debe utilizar diariamente
por animal para poder realizar la alimentacin menos costosa?
Solucin: Resumimos lo enunciado en la siguiente tabla:
Alimentos
Comp.
Nutritivo
A
B
C
D
Costo
0,1
0
0,1
0,2
10
0
0,1
0,2
0,1
4
Cantidades sealadas
por Kg
= 101 + 42
Sujeto a:
0,11 + 02 0,4
01 + 0, 12 0,6
0,11 + 0,22 2
0,21 + 0,12 1,7
0
Dando solucin al problema se obtiene que:
= 76
1 = 4
108
0,4
0,6
2
1,7
2
3
4
5
6
=9
=0
= 1,2
= 0,2
=0
Estudiaremos ahora el problema que se plantea a un

competidor del vendedor de alimentos M y N. Este competidor
vende los componentes A, B, C y D en s. Sabe que sus ventas son
por da y por cabeza de ganado iguales a las cantidades prescritas.
Se desea buscar a qu precio unitario debe vender los
componentes, de tal manera que su ganancia se maximice.
Su funcin econmica ser por lo tanto:
= 0,41 + 0,62 + 23 + 1,74
Pero por otra parte, no quiere tener precios ms elevados que
aquellos de la competencia, es decir, se imponen las restricciones:
0,11 + 02 + 0, 13 + 0,24 10
01 + 0,12 + 0, 23 + 0,14 4
0
Hallando el mximo de encontramos la siguiente solucin
= 76
1 = 20
2 = 0
109
3
4
5
6
=0
= 40
=0
=0
As pues, el competidor sabe que su ganancia mxima

corresponde a los precios unitarios que se describen en la tabla:
Comp. Nutr.
Alimentos
M
N
Cantidad prescrita
B
0,1
0
0,4
C
0
0,1
0,6
D
0,1
0,2
2
Costo
0,2
0,1
1,7
10
4
Ejemplo 4: Hallaremos la solucin del primal del problema

anterior a travs del simplex y verificaremos la relacin del primal
con su dual.
Entonces sea el modelo matemtico del primal:
= 101 + 42
Sujeto a:
0,11 + 02 0,4
01 + 0, 12 0,6
0,11 + 0,22 2
0,21 + 0,12 1,7
0
110
Como vemos que el modelo es de minimizacin, hallamos su

equivalente dual (maximizacin); dado que no requiere el uso de
variables artificiales y los clculos son menores.
Dual:
= 0,41 + 0,62 + 23 + 1,74
Sujeto a:
0,11 + 02 + 0,13 + 0,24 10
01 + 0,12 + 0,23 + 0,14 4
Agregamos las variables de holgura y reordenamos el modelo, con
lo cual queda de la siguiente manera:
= 05 + 06 + 0,41 + 0,62 + 23 + 1,74
Sujeto a:
10 = 5
+ 0,11 + 02 + 0,13 + 0,24
4=
6 + 01 + 0,12 + 0,23 + 0,14
Una vez establecido en la forma estndar pasamos la informacin
al cuadro preparatorio:
Cj
4/10
6/10
17/10
Compr.
10
1/10
1/10
2/10
114/10
44
1/10
2/10
1/10
54/10
-4/10
-6/10
-2
-17/10
Zj
Zj-Cj
111
Analizamos la variable que entra y la que sale; para pasar a un

segundo, tercero y cuarto cuadro preparatorio como se ve a
continuacin:
Cj
4/10
6/10
17/10
Compr.
10
1/10
1/10
2/10
114/10
44
1/10
2/10
1/10
54/10
-4/10
-6/10
-2
-17/10
Zj
Zj-Cj
0
-1/2
1/10
-1/20
3/20
87/10
20
1/2
1/2
27
40
10
54
10
-4/10
4/10
-7/10
Zj
Zj-Cj
0
-2
1/10
-2/10
-3/10
6/10
17/10
40
10
54
68
17
17/10
34/10
17/10
918/10
17
-40/10
11/10
14/10
-2
Zj
Zj-Cj
4/10
17/10
Zj
20
10
-20
40
10
-3
2
54
76
4/10
9/10
22/10
17/10
942/10
3/10
2/10
Zj-Cj
Variables bsicas
(solucin) y valor de la
funcin econmica Z
112
Precios sombra
Costos reducidos
sin signo negativo
Por lo tanto identificamos la siguiente informacin

relacionado al modelo Dual y Primal de la ltima tabla del
simplex:
Modelo Dual:
Variables bsicas:
1 = 20
4 = 40
Valor de la funcin
objetivo:
() = 76
Variables no bsicas y variables de holgura:

2 = 3 = 5 = 6 = 0
Valen cero por no estar en la ltima
tabla del simplex.
5 y 6 son variables de holgura.
Precios sombra:
Restriccin uno = 4
Restriccin dos = 9
Costos reducidos de los coeficientes de la funcin econmica:
Coeficiente C1=0
Coeficiente C2=-3/10
Coeficiente C3=-2/10
Coeficiente C4=0
Un informe de la computadora en WinQsb nos dar el
siguiente resumen, que es exactamente igual a la informacin que
tenemos.
113
Modelo Primal:
Para hallar la solucin e informacin relacionada a ste
modelo basta relacionar con su ltima tabla del Dual hallado.
Recordemos el modelo del primal:
= 101 + 42
Sujeto a:
0,11 + 02 0,4
01 + 0, 12 0,6
0,11 + 0,22 2
0,21 + 0,12 1.7
0
Variables bsicas:
1 = 4
2 = 9
114
Valor de la funcin
objetivo:
() = 76
Nota: Los precios sombra del Dual son las variables bsicas del
Primal y el valor de la funcin objetivo en ambos casos es el
mismo.
Variables no bsicas y variables de holgura:
En este caso no existen variables no bsicas; pero si variables de
holgura las cuales son:
3 = 0
4 = 3/10
5 = 2/10
6 = 0
Nota: los valores de los costos reducidos de los coeficientes de la
funcin econmica del Dual son los valores de las variables de
holgura del Primal.
Precios sombra:
Restriccin uno = 20
Restriccin cuatro = 40
Las restricciones dos y tres vales cero por no ser parte de la
solucin del Dual.
Costo reducido:
Coeficiente C1=0
Coeficiente C2=0
Dado que son los valores de las variables no bsicas del Dual.
Si resolviramos dicho modelo en la computadora,
obtendramos el siguiente resumen que es idntico al que
deducimos del cuadro del simplex del Dual.
115
Conclusin: Podemos afirmar entonces que basta con resolver un

modelo, ya sea el primal o el dual, de manera indirecta tambin
estamos hallando valores de su respectivo primal o dual.
Entonces verificamos que:
Primal
Valor de la funcin Objetivo
Dual
= Valor de la funcin objetivo
Valor de las variables bsicas

= Valor del precio sombra
Valor de las variables no bsicas = Valor de los costos reducidos
Costos reducidos
sin signo negativo
116
Valor de las variables de

holgura o exceso
dependiendo si es
maximizacin o
minimizacin.
Programacin lineal: anlisis por computadora
2.7
Ejercicio resuelto en la computadora: anlisis de

sensibilidad
Trabajaremos el anlisis de sensibilidad con el siguiente

ejemplo:
Una carpintera fabrica mesas y sillas con un beneficio de 7
unidades monetarias por las mesas y 5 unidades monetarias por
las sillas. El nmero de horas de trabajo de dicha carpintera est
limitado a 240 horas. Para la fabricacin de una mesa se requiere
4 horas de trabajo, y para las sillas 3 horas.
Ahora el nmero de horas disponibles en la seccin de
pinturas es de 100 horas. Para pintar una mesa se requiere 2 horas
y para pintar la silla se requiere 1 hora.
= 71 + 52
Sujeto a:
41 + 32 240
21 + 2 100
0
Pasamos el problema al programa WinQsb y ste nos da el
informe combinado de soluciones.
En dicho informe la informacin que se refiere al anlisis de
sensibilidad est ubicada en la parte de la derecha y est dividido
en la zona dedicada a los coeficientes C1 y C2 y la zona dedicada a
B1 y B2.
La informacin del anlisis de sensibilidad que se refiere al
coeficiente C1 es la informacin del anlisis de sensibilidad que se
117
refiere a la fila en la que aparece la variable 1 , de la misma forma

para la variable 2 en la fila 2.
Del mismo modo la informacin de anlisis de sensibilidad

para el trmino independiente B1 se encuentra en la fila
correspondiente a la primera restriccin, la restriccin C1,
mientras que la informacin del anlisis de sensibilidad para el
trmino B2 se encuentra en la restriccin nmero 2, la restriccin
C2 .
La informacin que ofrece WinQsb sobre el anlisis de
sensibilidad de cada uno de los coeficientes es siempre del mismo
tipo, nos ofrece un rango de valores en el cual el coeficiente
podra variar sin que por ello se modifique la base ptima
resultante.
Por ejemplo en caso del coeficiente C1 que sabemos que
actualmente es 7, el rango de valores que nos ofrece WinQsb,
significa que si se modificara ese valor 7 por cualquier otro valor
de ese intervalo, entonces el problema resultante una vez que
fuera resuelto tendra la misma base ptima que el problema en el
cual el coeficiente C1 vale 7.
118
Para ver esto ms claramente vamos a ver, cual es la tabla

final del simplex del problema que hemos resuelto, es decir el
problema en el que C1 vale 7.
Vamos al men resultado, opcin tabla final del simplex, y
ah podemos comprobar que la tabla final del simplex tiene como
columna base 2 y 1
Ahora bien si modificramos el problema inicial, solamente el

coeficiente 7 por otro valor del anlisis de sensibilidad, por
ejemplo 8 y resolviramos el problema, y buscramos la tabla
final del simplex, podramos comprobar que efectivamente la
columna base sigue siendo la misma.
Esta informacin que nos proporciona WinQB es de mucha
importancia puesto que nos da una informacin de que se
conserva o no se conserva la solucin ptima del problema.
119
Anlisis de sensibilidad del coeficiente Bi
Si reemplazamos el valor de 240 por un valor dentro del

intervalo que nos seala WinQsb, significara que la base ptima
del problema no se modifica.
Consecuencias de que la base ptima del problema lineal no
cambie
Caso 1: Si se trata de un coeficiente Cj
La solucin ptima no cambia
El valor ptimo puede cambiar.
Caso 2: Si se trata de un coeficiente Bi
La solucin ptima puede cambiar

El valor ptimo puede cambiar.
Vamos a intentar calcular la solucin ptima del problema

para ello recordemos, como se obtiene la solucin ptima en
120
cualquier problema, es decir la solucin ptima se deduce de la

ltima tabla del simplex.
Cuando modificamos el coeficiente B1=240 por uno de los

valores del intervalo, entonces la base ptima del problema no
cambia, lo cual significa que la columna base se mantiene
inalterable, es decir una de las dos columnas que necesitamos se
mantiene inalterable, el problema ocurre cuando la columna
denominada R.H.S. puede verse modificada, nuestro objetivo
entonces se resume en conseguir la nueva solucin R.H.S.
Para ello recurrimos a un resultado de teora que nos dice: Al
cambiar el coeficiente Bi del problema original por un coeficiente
Bi del intervalo del anlisis de sensibilidad de Bi, la nueva
solucin del problema es:
X=B-1.B
B-1 (Matriz inversa)B1

100
121
Con el programa WinQsb lo que hacemos es regresar al

problema inicial de WinQsb resolvemos el problema paso a paso
y vemos la primera tabla del simplex:
Una vez hecho esto vemos la columna base y escribimos las

variables de la columna base respetando el orden que nos muestra
en la tabla: (Slack_C1 y Slack_C2).
Seguidamente vamos a la ltima tabla del simplex y anotamos
los valores de las variables en este caso (Slack_C1 y Slack_C2)
que formara la matriz inversa B-1.
Por lo tanto obtenemos:

1 200
2
1
2
1
1 = 1/2 3/2 . 100 = 1 + 150

2
B-1
122
2 , 1
Por lo cual si comparamos con la columna base obtenemos:

2 = 1 200
1 =
1
2
+ 150
Ahora calcularemos el valor ptimo de nuestra funcin

objetivo:
= 1 + 52
Entonces remplazamos los valores obtenidos de 1 y 2 en la
funcin econmica
3
= 2 1 + 50
En resumen si B1= 240 se reemplaza por un nuevo valor B1
que este dentro del rango 200 a 300, entonces:
1
2
3
4
= 21 + 150
= 1 200
=0
=0
3
= 2 1 + 50
Con lo cual hemos hallado mltiples soluciones en funcin de
los valores que adopte B1.
123
2.8
Otras aplicaciones del mtodo simplex
Inversin de matrices
Podemos aprovechar el algoritmo simplex ya expuesto para
hallar la inversa de una matriz.
La inversa 1 de una matriz es una matriz tal que:
. 1 = 1 . =
Donde I representa la matriz unidad
Ejemplo
1
Sea la matriz: = 2
1
2 3
5 3
0 8
Hallar la inversa de la matriz.

Para la resolucin utilizaremos el algoritmo del mtodo
simplex, en donde ordenamos el cuadro preparatorio de la
siguiente manera:
Matriz
Unidad
1
0
0
Matriz
Nota: si se desea se puede agregar opcionalmente la columna de

comprobacin.
124
El criterio a seguir para la inversin, es seleccionar

internamente la primera columna y la primera fila de la matriz ,
como se indica a continuacin:
Matriz
Unidad
1
0
0
Matriz
Observamos que el pivote es 1 y los semipivotes son 2 y 1,

ahora se llena la segunda etapa en la forma ya explicada para la
programacin lineal.
Llenamos la fila entrante dividiendo cada elemento por el
pivote.
Matriz
Unidad
1
0
0
Matriz
Seguidamente se llenan las dems filas en la forma ya

indicada; as, para la segunda fila se tiene:
0-(2x1) = -2
1-(2x0) = 1
0-(2x0) = 0
2-(2x1) = 0
125
5-(2x2) = 1
3-(2x3) = -3
Siguiendo el mismo algoritmo completamos la fila 3:
Matriz
Unidad
1
0
0
-2
-3
-1
-2
Matriz
Para el siguiente cuadro marcamos la segunda fila y la segunda

columna; as, sucesivamente para todos los cuadros que vienen:
126
Matriz
Unidad
1
0
0
-2
-3
-1
-2
Matriz A
-2
-2
-3
-5
-1
-40
16
13
-5
-3
-2
-1
Como podemos apreciar en la ltima tabla del simplex, la

matriz unidad se ha transformado en la matriz inversa y la matriz
en matriz unidad.
1 =
40 16 9
13 5 3
5
2 1
Por lo cual es fcil verificar que . 1 =

El algoritmo explicado no ser el ms apropiado; pero tiene la
ventaja de que su solo aprendizaje permite resolver problemas de
programacin lineal, inversin de matrices, y sistema de m
ecuaciones lineales con m incgnitas.
Sistemas de ecuaciones
A continuacin damos un ejemplo de cmo resolver sistemas
de ecuaciones usando el algoritmo del simplex.
Se trata de resolver el siguiente sistema de ecuaciones:
31 + 52 + 3 = 4
61 + 32 23 = 3
21 + 42 + 3 = 3
Disponemos los datos en la siguiente forma:
B
4
3
3
1
3
6
2
2
5
3
4
3
1
-2
1
Compr.
13
10
10
127
El procedimiento a seguir es seleccionar la columna x1 y la

primera fila, llenando la segunda etapa de la misma manera como
se hizo en la inversin de matrices. Despus se selecciona la
columna de x2 y la segunda fila y as sucesivamente hasta llegar a
la xm y la emesima fila.
B
4
3
3
4/3
-5
1/3
1/7
5/7
-1/7
2
-1
3
1
3
6
2
1
0
0
1
0
0
1
0
0
2
5
3
4
5/3
-7
2/3
0
1
0
0
1
0
3
1
-2
1
1/3
-4
1/3
-13/21
4/7
-1/21
0
0
1
Compr.
13
10
10
13/3
-16
4/3
11/21
16/7
-4/21
3
0
4
Una vez que se ha seleccionado hasta la columna de la ltima

incgnita, deber aparecer la matriz unidad en lugar de la matriz
de coeficientes de las incgnitas. La solucin se encuentra en la
ltima etapa de clculo de la columna B, en el orden en que se
dispusieron las incgnitas. En nuestro caso 1 = 2, 2 = 1 y
3 = 3.
128

Simplex Ejerciciosggiigigfogo

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Simplex Ejerciciosggiigigfogo

Diunggah oleh

Hak Cipta:

Format Tersedia

Programacin lineal: simplex

El mtodo simplex cuya gran virtud es su sencillez, mtodo

La menos positiva de los

La menos positiva de los

Investigacin de operaciones I gua prctica

Para efectos de representacin del problema, en su forma

Programacin lineal: simplex

Problema general de maximizacin:

am1 x1 am 2 x2 ... amn xn bm

a11x1 a12 x2 ... a1n xn xn1 b1

Esto ocurre cuando existen desigualdades en lugar de

Investigacin de operaciones I gua prctica

Variables de holgura: Son siempre positivas, hacen que una

( Max) Z C1 x1 C2 x2 ... Cn xn 0 xa 1 0 xa 2 ... 0 xa m

am1 x1 am 2 x2 ... amn xn

Con objeto de que los clculos sean ms sencillos

Programacin lineal: simplex

( Max) Z C1 x1 C 2 x2 ... C n xn 0 xa 1 0 xa 2 ... 0 xa m

Con lo que el modelo quedara as:

( Max) Z 0 xa 1 0 xa 2 ... 0 xa m C1 x1 C2 x2 ... Cn xn

a11x1 a12 x2 ... a1n xn

a21x1 a22 x2 ... a2 n xn

am1 x1 am 2 x2 ... amn xn

Investigacin de operaciones I gua prctica

Ahora procedemos a elaborar un cuadro preparatorio de la

Seguidamente introducimos los coeficientes de la funcin

Finalmente ingresamos los coeficientes de las restricciones e

Programacin lineal: simplex

Con lo cual se ha obtenido una primera solucin inicial, y

( Max) Z 3x1 2 x2 1x3

Calcular los valores de 1 , 2 ,y 3 que maximicen la funcin

Investigacin de operaciones I gua prctica

Segundo.- Reordenamos el modelo como se explic

Tercero.- Pasamos al cuadro preparatorio en el orden

Programacin lineal: simplex

Cuarto.-Para pasar al siguiente cuadro preparatorio

Investigacin de operaciones I gua prctica

elemento correspondiente de la columna marcada. Es decir

Programacin lineal: simplex

Quinto.-Iniciamos el clculo de la nueva etapa con el

Seguidamente llenamos la fila entrante de la siguiente

Investigacin de operaciones I gua prctica

Para llenar las filas 1 y 2 se hace lo siguiente: cada

Programacin lineal: simplex

Con lo que obtenemos el cuadro siguiente:

Completamos Zj con la suma de productos y Zj-Cj con

Investigacin de operaciones I gua prctica

Verificamos que la funcin objetivo se puede mejorar a un

Programacin lineal: simplex

Interpretacin del cuadro:

Investigacin de operaciones I gua prctica

El mtodo simple cuenta con controles de clculo gracias a

Programacin lineal: simplex

Ejemplo: Para este ejemplo consideraremos el ejercicio de

Una vez agregado las variables de holgura llegamos al

Como podr apreciar aumentamos una columna ms de

Investigacin de operaciones I gua prctica

A partir del segundo cuadro se procede a efectuar el mismo tipo

Programacin lineal: simplex

Aplicando la suma de productos en la fila la fila Zj y

Investigacin de operaciones I gua prctica

Programacin lineal: simplex

Uso de variables artificiales

Todos los problemas de programacin lineal deben cumplir dos