Todo problema de Programacin Lineal tiene asociado un segundo problema, conocido como
su problema Dual. Ambos estn relacionados estrechamente, hasta el punto de que el modelo
de uno puede obtenerse a partir del modelo del otro y la solucin ptima del modelo del primero
proporciona informacin completa acerca de la solucin ptima del segundo.
Una de las ventajas de la existencia del problema dual es la posibilidad de reducir el esfuerzo
computacional al resolver ciertos modelos de Programacin Lineal. Pero ms importante an
es la relacin que existe entre la dualidad y el anlisis de sensibilidad, tema del prximo
capitulo, el cual estudia el efecto que las variaciones en los parmetros de un modelo tienen en
la solucin ptima de este. Adems, los valores ptimos de las variables del modelo dual
suministran informacin econmica muy importante acerca del valor implcito de los recursos
que se utilizan en el problema que se esta resolviendo.
El matemtico norteamericano John Von Neumann fue el primero en destacar la existencia de
la dualidad en la programacin lineal y a partir de all el concepto se ha usado en una gran
variedad de reas tericas y prcticas de la misma. Para comprender el concepto de dualidad
analicemos los dos casos siguientes.
CONCEPTUALIZACION DE LA DUALIDAD - CASO 1
Una compaa produce dos tipos de artculo; la unidad del tipo 1 se vende a $106 y la del tipo 2
a $144.
Para el presente mes la empresa cuenta con 2000 minutos de mano de obra en el
departamento de ensamble, 1800 en el departamento de revisin y con 1000 en el
departamento de empaque.
El nmero de minutos requeridos en cada departamento para la fabricacin de una unidad de
cada uno de los artculos se da en la siguiente tabla:
Tipo de producto Operacin
Ensamble Revision Empaque
Tipo 1 3 2 1
Tipo 2 2 3 2
El pago por minuto es de $10 a los trabajadores del departamento de ensamble, $8 a los de
revisin y de $20 a los del departamento de empaque.
El administrador de la empresa desea determinar cul es el programa de produccin que
maximiza la utilidad total en el mes.
Construccin del modelo
Tipo 2
84
con
2X1
+3X2
<
1800
(Minuto de revision)
1X1
+2X2
<
1000
(Minutos de empaque)
X1,X2
=35.000
Como se acaba de decir no se pueden fabricar ms artculos ya que se agotaron los recursos,
pero aparece entonces la inquietud de que si fuera posible disponer de minutos adicionales en
alguno de los departamentos del proceso, se pudieran fabricar ms artculos aumentando as
las utilidades del periodo.
Con el fin de conocer cmo vara la utilidad (y la solucin) al aumentar la disponibilidad de cada
recurso, vamos a efectuar clculos para tres situaciones diferentes. Primera, cuando
consideramos que se aumenta en un minuto la capacidad de ensamble mientras los minutos de
revisin y de empaque permanecen constantes, segunda cuando aumentamos en un minuto la
capacidad de empaque, pero mantenemos invariable la capacidad de revisin y de ensamble y
finalmente cuando aumentamos en uno los minutos de revisin, dejando invariable la cantidad
de minutos de ensamble y de empaque.
Aumento en la capacidad de ensamble
Al aumentar en un minuto la capacidad de ensamble, el modelo queda:
Maximizar Utilidad = 40X1 + 60X2
Sujeto a : 3X1 +2X2 < 2001
2X1
+3X2
<
1800
1X1
+2X2
<
1000
+3X2
<
1800
1X1
+2X2
<
1001
Ahora la utilidad es de $30025, que resulta ser superior en $25 a la obtenida con la cantidad
inicial de recursos. As pues la utilidad marginal de los minutos de empaque es de 25
($/minuto). Observamos que se disminuy en meda unidad el nmero de artculos de tipo 1
( X1 = 299.50) mientras que se aument en tres cuartos el nmero de unidades de tipo 2 ( X2 =
250.75) y el sobrante en la operacin de revisin se rebaj en 1.25 minutos. De nuevo se estn
consumiendo todos los minutos disponibles en ensamble y en empaque. Aumento en la
capacidad de revisin
Si los minutos disponibles en revisin se aumentan en uno, el modelo es
Maximizar Utilidad = 40X1 + 60X2
3X1
+2X2
<
2000
2X1
+3X2
<
1801
1X1
+2X2
<
1000
minutos de revisin puede disminuirse hasta un valor tal que ya empiece a escasear (Para
nuestro problema este valor es de 1750 que es el uso real) y a partir de ese valor el recurso
deber tener utilidad marginal positiva, pues estara agotado y ya seria alguno de los otros
recursos el que tendra sobrante. El fenmeno mencionado se conoce en Economa como el
concepto de los rendimientos decrecientes, tema que estudiaremos en detalle en el capitulo
dedicado al anlisis de la sensibilidad, tambin llamado anlisis de las soluciones post ptimas.
OTRO ENFOQUE DEL MISMO PROBLEMA
Reflexionemos un poco sobre la situacin hipottica de vender los minutos disponibles en los
tres departamentos, en lugar de utilizarlos para producir unidades de los productos. Nuestra
inters se centrar en la determinacin del precio al cual debemos vender un minuto de cada
operacin para obtener la misma ganancia que obtenemos en el proceso productivo, o ms
exactamente estaremos interesados en hallar la utilidad unitaria que debo fijar a cada recurso,
para ganarme igual dinero que utilizndolos en el proceso de produccin.Naturalmente que
debemos aspirar a unas utilidades razonables para que el precio del recurso sea competitivo en
el mercado, o sea que debemos determinar el mnimo valor de la utilidad al vender o arrendar
los recursos disponibles.
Construyamos un modelo de Programacin lineal para este problema.
Sean
Yi = utilidad unitaria que debo fijar en el precio de venta del recurso i Como estamos dispuestos
a vender toda la cantidad disponible de los recursos (minutos de ensamble, de revisin y de
empaque), el objetivo ser minimizar la siguiente funcin
Utilidad = 2000Y1 + 1800Y2 + 1000Y3
En el proceso productivo se utilizan 3 minutos de ensamble, 2 de revisin y uno de empaque,
para fabricar una unidad del producto tipo 1,que da utilidad de $40, por lo cual es lgico pensar
que la venta combinada de esas cantidades de los recursos debe arrojar al menos igual
utilidad. La consideracin anterior da lugar a la siguiente restriccin en el modelo:
3Y1 + 2Y2 + 1Y3 = 40 ($) Utilidad unitaria del artculo tipo uno.
Haciendo una reflexin similar para las unidades de tipo 2, notemos que la venta de 2 minutos
de ensamble, mas 3 de revisin, mas 2 de empaque deben aportar una utilidad mnima de $60,
que es la que se obtiene actualmente fabricando con esos recursos una unidad del artculo 2.
La restriccin derivada de este anlisis es:
2Y1 + 3Y2 + 2Y3 = 60 ($) Utilidad unitaria del artculo tipo dos.
Si a todo lo anterior le agregamos el detalle de que los valores de las variables Y1, Y2, Y3
deben ser mayores o iguales que cero (la mnima utilidad neta puede ser cero), podemos
plantear el siguiente modelo de programacin lineal, para el problema en estudio:
Minimizar Utilidad = 2000Y1 + 1800Y2 + 1000Y3
Sujeto a : 3Y1 + 2Y2 + 1Y3 2000 $/unidad del P1
2Y1
3Y2
con
Y1,Y2, Y3
+ 2Y3
1800
$/unidad del P2
Hemos obtenido que la utilidad mnima que debe obtenerse al vender un minuto de ensamble
es de $5, al vender un minuto de revisin debe ser de $0, y al vender un minuto de empaque
debe ser de $25, para as obtener una utilidad de $35 000. El valor de la utilidad mnima no
debe asombrarnos, ya que el planteamiento del problema lo sugera, pero s son novedad los
valores ptimos de las variables de este nuevo modelo, puesto que coinciden con los valores
de las utilidades marginales de los recursos del problema de mezcla de produccin, analizado
en primera instancia.
El administrador de la empresa sabe ahora que si otro empresario desea comprarle sus
recursos, lo mnimo que debe cobrarle es $15 por cada minuto de ensamble (= 10 + 5; suma de
lo que debe pagar a sus operarios y lo que debe obtener de utilidad), $45 por cada minuto de
empaque (= 20 + 25). En cambio, por cada minuto de revisin solo debe cobrar los mismos $8
(= 8 + 0; suma de lo que debe pagar a sus operarios y lo que debe obtener de utilidad). Pero
recordemos que estos precios solo son vlidos para cierto intervalo, que conoceremos en el
prximo capitulo, por fuera del cual cambia la mezcla ptima de productos y tambin el valor de
las utilidades marginales. (Una vez obtenidos estos nuevos valores, tanto de las variables
bsicas, como de la utilidades marginales, se puede hacer un balance de ingresos y costos
similar al que hicimos para el problema presentado como ejemplo. Para la situacin actual, si
los precios en el mercado son inferiores a $15, a $45, o a $8, no es conveniente vender los
recursos, pero tericamente cuando son superiores, resultara mas rentable venderlos a otro
que utilizarlos en el proceso productivo.
EL MODELO DUAL
Consideremos conjuntamente los modelos correspondientes a los dos enfoques del problema
que estamos analizando.
El primero busca determinar cuntas unidades producir de cada tipo de artculo para maximizar
la ganancia al utilizar unos recursos:
Maximizar Utilidad = 40X1 + 60X2
Sujeto a : 3X1 +2X2 < 2000
2X1
+3X2
<
1800
1X1
+2X2
<
1000
X1,X2
con
El segundo pretende hallar la ganancia mnima que debo fijar por unidad de cada recurso, para
obtener la mnima ganancia total que sea aceptable en lugar de producir artculos con los
recursos.
Minimizar Utilidad = 2000Y1 + 1800Y2 + 1000Y3
Sujeto a : 3Y1 + 2Y2 + 1Y3 40 $/unidad del P1
2Y1
3Y2
con
Y1,Y2, Y3
+ 2Y3
60
$/unidad del P2
Hemos observado que ambos problemas tienen soluciones ptimas que producen igual valor
de la funcin objetivo. Adems mientras que uno enfoca el problema desde el punto de vista de
los artculos (variables de decisin Xi), el otro lo analiza desde el punto de vista de los recursos
(variables de decisin Y). Adems la solucin ptima del segundo coincide con las utilidades
marginales de los recursos calculadas en el punto ptimo del primero.
El primer enfoque da lugar al llamado modelo primo, mientras el segundo origina el modelo
conocido como modelo dual. Entre estos modelos existen mltiples relaciones que nos
permiten, por ejemplo, plantear uno de ellos a partir del otro u obtener la solucin ptima de
uno conociendo la solucin optima del otro. Pero como se mencion antes, quizs lo ms
importante es el significado econmico de las variables del problema dual, cuyos valores
ptimos representan las utilidades marginales de los recursos del problema primal.
Relaciones entre las modelos PRIMO y DUAL
Observando la estructura de ambos modelos podemos citar las siguientes relaciones entre
ellos.
1. Los coeficientes objetivo de uno son los coeficientes recurso del otro.
2. Los coeficientes recurso de uno son los coeficientes objetivo del otro.
3. La matriz de coeficientes tecnolgicos de uno es la transpuesta de la matriz de coeficientes
tecnolgicos del otro.
4. Ambos problemas estn en formato cannico, como lo comprueban ms en detalle las
siguientes caractersticas
4.1 El objetivo del primo es maximizar en cambio el objetivo del dual es minimizar.
4.2 Las restricciones del Primo son del tipo = , mientras que las del dual son del tipo =.
4.3 Las variables de ambos problemas estn restringidas a ser mayores o iguales que cero
CONCEPTUALIZACION DE LA DUALIDAD - CASO 2
Cierta dietista necesita preparar una comida que contenga determinados nutrientes, al menos
en las cantidades que se indican en la siguiente tabla. Dispone de tres ingredientes cuyos
costos y contenidos de cada nutriente (unidades por gramo de ingrediente) se dan en la misma
tabla.
Justificacin e importancia
Se investiga este trabajo con el propsito de analizar y con ello comprender la
problemtica que enfoca la delincuencia juvenil, esto es necesario para conocer la
realidad y con ello saber las posibles causas de donde radica dicho problema; esto es
ineludible puesto que solamente conociendo la situacin que ameritan a la
delincuencia podremos llegar a conclusiones basadas en la realidad del caso y con
ello buscar formas de prevenir, ofrecer tratamientos y buscar soluciones factibles.
REGLAS DEL DUAL
A partir de esta forma se obtiene simtricamente el problema dual siguiendo las
siguientes reglas:
1) A toda restriccin primal le corresponde una variable dual
2) A toda variable primal le corresponde una restriccin dual
Es decir en el Dual se obtendrn n restricciones y m variables
3) Los coeficientes en las restricciones de una variable primal son los coeficientes de
la restriccin dual correspondiente
4) Los coeficientes de la funcin objetivo primal se convierten en los valores
constantes del segundo miembro de las restricciones duales.
5) Si el primal es maximizacin, entonces: En el dual tenemos la funcin objetivo de
minimizacin, las restricciones son todas >= y las variables son irrestrictas en signo.
6) Si el primal es minimizacin, entonces: En el dual tenemos la funcin objetivo de
maximizacin, las restricciones son todas =5
2Y1 Y2 >= 12
Y1 + 3 Y2 >= 4
Y1 >= 0
Y2 irrestricta
Max w = 10 Y1 + 8 Y2
Sa Y1 + 2 Y2 = 4
Y1 >= 0
Y2 >= -M
Nota: Para resolver el dual, siendo Y2 irrestricta en signo entonces hacemos Y2 = Y2
Y2 tal que Y2 = Y2 Y2
Estandarizando el Dual, tenemos
Y2 = Y2 Y2 / Y2 = Y2 Y2
Min W =
Sa
Y1 + 2 Y2 2Y2 y3 + R1 = 5
2 Y1 Y2 + y2 y4 + R2 = 12
Y1 + 3 Y2 3Y2 Y5 + R3 = 4
Y1, y2, y2, y3, y4, y5, R1, R2, R3 >= 0
X1
X2
X3
X4
R
s optima
Z
0
0
3/5
29/5
-2/5 + m
54 4/5
X2
0
1
-0.2
2/5
- 1/5
12/5
X1
1
0
7/5
1/5
2/5
26/5
Nota: No obstante, la fuerza del mtodo grfico de las curvas de nivel no la tienen las
condiciones de K-T.
Ejemplo:
En
El punto (4,3) satisface K-T para mximo, ya que los multiplicadores son todos mayores o
iguales a cero, de lo que se deduce(*) que es un posible mximo. Sin embargo, las curvas de
nivel ponen de manifiesto que (4,3) NO es ptimo local.
(*) Las condiciones de K-T son slo necesarias en este ejemplo porque la funcin objetivo no
es cncava.
pasase a ser
Se observa que el incremento en el valor del trmino independiente de una restriccin con
signo
, representa incrementar el dominio y, por tanto, ofrece la posibilidad de
hallar nuevos puntos que mejoren los ptimos ya obtenidos: podramos encontrar un
mximo ms alto o un mnimo ms bajo.
Ejemplo:
Podemos comprobar que esta frmula concuerda con lo que acabamos de explicar, puesto que si
se trata de mximos, los multiplicadores sern positivos o nulos y obtendremos:
(pues
y
es decir, el valor mximo ser mayor
(pues
y
es decir, el valor mnimo ser menor
Ejemplo:
Repetimos en nuestro ejemplo el razonamiento para el caso en que nos propusiramos pasar
de
Ejemplo:
i.
ii.
iii.
Deduccin geomtrica
iv.
Suficiencia y convexidad
mximo local
mnimo local
NO es mximo local
NO es mnimo local
En definitiva, si un punto satisface las condiciones de K-T para mximo, slo podemos decir
que es un posible mximo local; si en cambio, no las satisface, s podremos asegurar que NO
es mximo local.
1.
(Los
2.
3.
4.
Geomtricamente, indican que en un punto de posible mximo, el gradiente de la funcin
objetivo es combinacin lineal positiva de los gradientes de las restricciones saturadas en
.
De igual forma, indican que en un punto de posible mnimo, el gradiente de la funcin objetivo
es combinacin lineal negativa de los gradientes de las restricciones que se saturan en
Nomenclatura:
Diremos que un punto satisface K-T para mximo cuando satisface las condiciones de K-T
con
Diremos que un punto satisface K-T para mnimo cuando satisface las condiciones de K-T
con
Explicacin:
Condicin 1: Obliga a que el gradiente de la funcin objetivo en x0 sea combinacin lineal de los
gradientes de las restricciones en x0 .
Condicin 4: El punto x0 debe satisfacer todas las restricciones del problema, es decir, debe
pertenecer al conjunto de soluciones factibles del problema.
forma estndar: Maximice (z), con todas las restricciones < Si tenemos un problema
de programacin lineal as:
Fjese que cada restriccin del problema principal est representada por una variable
en el dual.
Otro ejemplo numrico es el siguiente:
El problema principal tiene cuatro (4) restricciones, entonces el dual tendr cuatro (4)
variables. Cada uno de los recursos del problema principal estar representado por
una variable en el problema dual.
Entre el problema principal y el problema dual existen las siguientes relaciones:
1. El dual del dual, tiene como resultado el problema principal.
2. Una restriccin que es una igualdad en el problema principal, genera una variable
en el dual
sin restriccin en el signo
3. Una variable del problema principal, sin restriccin en el signo, genera una
restriccin de igualdad en el problema dual.
4. El nmero de restricciones del problema principal es igual al nmero de variables en
el problema dual.
5. El nmero de variables del problema principal es igual al nmero de restricciones en
el problema dual.
Caractersticas que hay que tener en cuenta para creacin del mtodo dual.
El Dual se construye a partir de problema principal as:
1. Cada restriccin en un problema, corresponde a una variable en el otro problema.
2. Los elementos del lado derecho de las restricciones en un problema, son iguales a
los respectivos coeficientes de la funcin Objetivo en el otro problema.
3. Un problema busca Maximizar y el otro busca Minimizar.
4. El problema de maximizacin tiene restricciones menor que, y el Minimizacin
tiene restricciones mayor que.
5. Las variables en ambos problemas son no negativas.
EL MTODO DUAL SIMPLEX
Una vez formulado el problema dual, debemos encontrar su solucin, el mtodo a
emplear ser el denominado Mtodo Dual-Simplex el cul empieza con una solucin
ptima o mejor que ptima (Zj Cj > 0 ; j ), pero no factible (Algunos bi son < 0), y se
mueve hacia el ptimo mediante iteraciones que mejoran su factibilidad conservando
su optimalidad. Fjese que es lo contrario al mtodo Simplex, en donde se empieza
mediante una solucin factible pero no ptima y mediante iteraciones se mejora la
optimalidad, conservando la factibilidad. Esto se ilustra mediante la siguiente grfica:
Taller
MAXIMIZAR P= 5x + 6y
c.s.r
x + y 80
3x + 2y 220
2x + 3y 210
x, y 0
MINIMIZAR Z= 7x + 3y
c.s.r
3x y -2
x+y9
x y = -1
x, y 0
donde b, c y aj son vectores respectivamente con las mismas dimensiones que los vectores b, c, aj;
, , son escalares que pueden tomar cualquier valor real. El anlisis de sensibilidad que estudia los
cambios continuos se denomina Programacin Paramtrica.
Para observar las variaciones que ocurren o no, vamos a ilustrar las diversas situaciones con el siguiente
ejemplo:
MAX Z = 50 X1+ 120 X2
Sujeta a:
Va a cambiar un nmero en la fila de Zj - Cj, desde Z*j - Cj hasta Z*j hasta C'j; la nueva solucin sigue
siendo factible ya que no se han cambiado las restricciones, ni los recursos.Cuando hay un cambio en un
Cj del primal, solamente cambia el lado derecho de la j-sima restriccin del dual; puede ocurrir que la
solucin ya no sea factible (una de las variables bsicas ser menor que cero).La funcin objetivo va a
asegurar una solucin ptima, porque los recursos del primal no se han cambiado. Ejemplo:
Se cambia la funcin objetivo de:
MAX Z = 50 X1+ 120 X2
a:
MAX Z = 80 X1+ 120 X2
El cambio en la funcin objetivo en la variable X1 es 50 por 80. Este cambio tiene un efecto sobre el valor
de Z*j - Cj en el ptimo actual
Primal: X*1 = 0; X*2 = 20; S*1 = 0; S*2 = 40; Z*= 2400
Dual: Y*1 = 30; Y*2 = 0; S*1= 10; S*2 = 0; W* = 2400 , valores que se pueden convertir en:
Si el valor actualizado de Z*j - Cj > 0 , la solucin ptima permanece igual a la del problema inicial y en el
problema dual solo cambia el valor de la variable de holgura S*1. Si el nuevo valor de Z*j - Cj = 0, la
solucin ptima permanece igual a la del problema inicial cuando se presentan soluciones mltiples y en
el problema dual solo cambia el valor de la variable de holgura S*1 cuyo valor ser cero (0). Si el valor
actualizado de Z*j - Cj < 0 la solucin deja de ser ptima por lo cual se requiere la utilizacin del simplex,
tomando X1 como la variable que se convertir en variable bsica.
La solucin ptima actual es:
Primal: X*1 = 16; X*2 = 12; S*1 = 0; S*2 = 0; Z*= 2720
Dual: Y*1 = 28; Y*2 = 8; S*1= 0; S*2 = 0; W* = 2720
Para que se mantenga la solucin actual ptima y factible basta con plantear y resolver la ecuacin que
recalcula el valor de Z1 -C1, sabiendo que en el tablero ptimo el valor de C1 debe cumplir con la
condicin que Z1 -C1 0, por lo cual C1 60.
Si Xj es bsica Z*j - Cj = 0 y Z*j - C'j 0, con lo cual se debe modificar la fila de Z -C en el ltimo tablero y
en algunos casos se debe variar toda la tabla, si la solucin del primal dej de ser la ptima.En algunos
casos cuando Z*j - C'j > 0, la solucin es an ptima.
La nueva solucin en el ptimo debe ser ptima o mejorar, pero en algunos casos puede no ser factible.
Ejemplo:
Cambiando la funcin objetivo de:
MAX Z = 50 X1+ 120 X2
a:
MAX Z = 50 X1+40 X2
El nuevo valor de Z*j - Cj corresponde a una variable bsica, cuyo valor ser cero (0).
La solucion Optima es:
Primal: X*1 = 16; X*2 = 12; S*1 = 0; S*2 = 0; Z*= 1280
Dual: Y*1 = 7; Y*2 = 12; S*1= 0; S*2 = 0; W* = 2720
Para que permanezca la solucin actual ptima y factible basta con plantear y resolver la ecuacin que
recalcula el valor de Z*j - Cj de cada una de las variables no bsicas, sabiendo que en el tablero ptimo el
valor de C1 debe cumplir con la condicin que Z*j - Cj 0, por lo cual 4 C2 + .
Cambio en Coeficientes Xj
En estos casos cambian los coeficientes de Xj en todas las filas del tablero; como Xj no es bsica, si la fila
Z -C > 0, la solucin sigue siendo ptima.
Es ms fcil investigar si la solucin anterior es todava ptima con el dual, ya que el nico cambio es en
la j-sima restriccin:
, porque los valores ptimos de las variables originales Y*1 = Z
cambian; la solucin anterior es factible y an ptima si la nueva restriccin no se viola. Ejemplo:
no
60
a:
X1+X2
60
0, por lo cual
Muchas veces es necesario analizar la sensibilidad de la solucin ptima, cuando se agrega al modelo
una restriccin que no se considero inicialmente, ya sea por olvido o por decisin de quien plante el
modelo.
El primer paso en el anlisis de los cambios que sufre la solucin ptima actual al considerar una nueva
restriccin, es determinar si esta se cumple para la solucin ptima.
Para ello deben reemplazarse los valores ptimos de las variables en la nueva restriccin y determinar si
se cumple la condicin expresada.
En caso afirmativo concluimos que la solucin actual no se altera, pues la nueva restriccin tambin se
cumple para ella. Tal caso ocurre en situaciones como la que podemos observar en la grafica 1, en donde
la nueva restriccin A no altera la regin de factibilidad. Otra situacin del mismo caso es la que se
muestra en la grfica 2 para la nueva restriccin B, que s altera la regin de factibilidad, pero sin
modificar el punto ptimo.
Pero cuando los valores ptimos no satisfacen la nueva restriccin, concluimos que la solucin ptima
actual es infactible. La grfica 3 nos permite entender como lo que ocurri fue que la nueva restriccin
afect la regin de factibilidad del problema, eliminando de ella el sector que incluye la solucin ptima
actual. Debemos entonces encontrar la nueva solucin ptima que corresponda a la nueva regin factible.
Efectuemos un anlisis del efecto. Supngase que agregamos al modelo la restriccin
am+1 , 1 X1 + am+1 , 2 X2 + ... + am+1 , nXn < bm+1
Para simplificar, definamos el vector fila Tm+1 que contenga todos los coeficientes tecnolgicos am+1,j de la
restriccin m+1 y escribamos la nueva restriccin como el siguiente producto escalar
Escribir la nueva restriccin al final de la tabla ptima. Considerando a Hn+1 como variable
bsica.
Efectuar los ajustes necesarios para que los vectores de sustitucin de
las
variables
bsicas,
sean
vectores
unitarios.
Al lograr lo anterior, se obtiene un valor negativo para la variable de
holgura que se acaba de adicionar como nueva variable bsica, lo cual significa que la solucin
actual es infactible, al considerar la restriccin adicional
3.
Utilizar el algoritmo Dual Simplex, para intercambiar la variable bsica negativa por una
positiva y obtener as una solucin ptima factible para el modelo aumentado con la nueva
restriccin.