CAPTULO 1.

PROGRAMACIN
LINEAL Y TRANSPORTE.
1. INTRODUCCIN.
En 1947, el estadounidense George
B. Dantzing propuso el mtodo del
simplex (proveniente de la palabra
simplejo) para modelizar
matemtica y linealmente una
realidad.

Modelo matricial y vectorial

(Max o Min) Z = cj * xj
sujeto a
A * xj ( = ) bi
xj 0

Modelo Lineal
Max o Min Z = c1 x1 + c2 x2 + ....... + cn xn

(1.3)

donde Z est sujeta a una serie de restricciones:

a11 x1 + a12 x2 + ............. + a1n xn ( = ) b1
a21 x1 + a22 x2 + ............. + a2n xn ( = ) b2
.....................................................................
am1 x1 + am2 x2 + ............. + amn xn ( = ) bm

(1.4)

y adems tenemos la restriccin de no negatividad de las variables:

x1, x2, x3,.....xn 0

(1.5)

Modelo matricial:
a 11

.
A = .

a m1

a 1n

a mn

x1

x2
X = .

xn

c1

c2
C = .

cn

b1

b2
b = .

bn

Donde:
xj (j = 1,....., n)
Matriz A:(mxn)
ai,j
bi (i =1,....,m)
cj
Z

: vector de variables de accin.

: matriz tecnolgica
: coeficientes tcnicos de la matriz A.
: disponibilidad del recurso j.
: beneficio o coste por cada componente.
: funcin objetivo, funcin econmica o de coste.

Max o Min Z = Ct X
A*X ( = ) b
X0

EJEMPLO 1.
Una oficina de correos necesita un nmero diferente
de empleados de tiempo completo, para diferentes
das de la semana. El nmero de empleados de
tiempo completo requeridos para cada da se da en el
cuadro 1.1. Las reglas sindicales sealan que cada
empleado de tiempo completo, tiene que trabajar
durante cinco das consecutivos y, despus descansar
dos das. Por ejemplo, un empleado que trabaja de
lunes a viernes, tiene que descansar el sbado y el
domingo. La oficina de correos quiere cumplir con
sus requerimientos diarios y utilizar solamente
empleados de tiempo completo. Formule un PL que
pueda utilizar la oficina de correos para minimizar el
nmero de empleados de tiempo completo que hay
que contratar.

definimos xi como el nmero de empleados

que empiezan a trabajar el da i

Min Z = x1 + x2 + x3 + x4 + x5 + x6 + x7
x1 + x4 + x5 + x6 + x7 17 (Rest. del lunes)
x1 + x2 + x5 + x6 + x7 13 (Rest. del martes)
x1 + x2 + x3 + x6 + x7 15 (Rest. del mirc.)
x1 + x2 + x3 + x4 + x7 19 (Rest. del jueves)
x1 + x2 + x3 + x4 + x5 14 (Rest. del viern.)
x2 + x3 + x4 + x5 + x6 16 (Rest. del sbado)
x3 + x4 + x5 + x6 + x7 11 (Rest. del domin.)
xi 0 (i = 1,2, ,7)

NMERO DE EMPLEADOS DE
TIEMPO COMPLETO REQUERIDOS
17
13
15
18
14
16
11

Da 1 = lunes
Da 2 = martes
Da 3 = mircoles
Da 4 = jueves
Da 5 = viernes
Da 6 = sbado
Da 7 = domingo

EJEMPLO 3.
Una empresa produce cuatro modelos de armarios metlicos. En el Cuadro 1.3 figuran las
horas tiles disponibles mensualmente en los 5 talleres de que consta la fbrica, as como los tiempos
que requiere en cada uno de estos talleres la obtencin de una unidad de cada producto.
TIEMPO DE PRODUCCIN EN HORAS POR UNIDAD
TALLER
embutic
mecaniz.
montaje
acabado
embalaje

PRODUCTO 1
0,03
0,06
0,05
0,04
0,02

PRODUCTO 2
0,15
0,12
0,10
0,20
0,06

PRODUCTO 3
0,05
0,05
0,03
0,02

PRODUCTO 4
0,10
0,10
0,12
0,12
0,05

HORAS TILES
DISPONIBLES
MENSUALMENTE
40
40
50
45
40

Cuadro 1.3

Llamamos x1 al n de armarios de tipo 1 que fabricamos

"
"
2
" "
" x2 "
"
"
3
" "
" x3 "
"
"
4
" "
" x4 "
Por otra parte, para la fabricacin de los armarios de tipo 2 y 4 se necesitan por unidad,
respectivamente, 2 metros cuadrados y 1,2 metros cuadrados de una chapa especial que escasea en el
mercado, siendo 2000 metros cuadrados la cantidad mxima disponible mensualmente. Por ltimo, en
el cuadro 1.4 figuran los precios de venta y los costes variables unitarios correspondientes a los cuatro
productos, as como las cantidades mximas que puede absorber cada mes el mercado, tanto de
mayoristas como de minoristas, y las cantidades mnimas que es preciso entregar mensualmente para
cumplir los contratos de suministro existentes con ciertos clientes mayoristas.
PRODUCTO
1
2
3
4

COSTE VARIABLE
UNITARIO en u.m.
6
15
11
14

PRECIO UNI.
VENTA u.m.
10
25
16
20

VENTAS MENSUALES
MNIMAS MXIMAS
1000
6000
500
500
3000
100
1000

Cuadro 1.4
Se pide formular un modelo lineal que permita determinar el programa mensual de produccin
ptimo.

Restricciones de fabricacin:
0,03 x1 + 0,15 x2 + 0,05 x3 + 0,10 x4 40
0,06 x1 + 0,12 x2 + 0 x3 + 0,1 x4 40
0 05 x1 + 0,1 x2 + 0,05 x3 + 0,12 x4 50
0,04 x1 + 0,2 x2 + 0,03 x3 + 0,12 x4 45
0,02 x1 + 0,06 x2 + 0,02 x3 + 0,05 x4 40
Restricciones de chapa:
2x2 + 1,2x4 2000
Cantidades mximas y mnimas a fabricar mensualmente:
1000 x1 6000
0 x2 500
500 x3 3000
100 x4 1000
Funcin objetivo: Z = (10 - 6) x1 + (25 - 15) x2 + (16 - 11) x3 + (20 - 14) x4

3. DISTINTAS REPRESENTACIONES DE LOS

MODELOS DE PROGRAMACIN LINEAL.
A) FORMA CANNICA
1.- La funcin debe ser siempre para
maximizar
2.- Todas la restricciones son
3.- Todas la variables estn obligadas a
ser no negativas

Transformaciones
Max G = Min (-Z) = (-Cj) xj
Las restricciones tienen que ser . Si tenemos f(x) b, al multiplicar por -1,
obtendramos: -f(x) -b.
Si tenemos: f(x) = b; podemos descomponer la restriccin en dos:
f(x) b
f(x) b

-f(x) -b
f(x) b

Las variables tienen que ser no negativas.

Si tenemos una xi nrs ( no restringida en signo ) reemplazamos xi por xi - xi
siendo xi,xi 0

B) FORMA ESTNDAR
1.- Las restricciones son igualdades salvo las
que se refieren a las de no negatividad, ya
que se introducen variables de holgura o
artificiales.
2.- Todas las variables son no negativas, es
decir, 0
3.- Todas las disponibilidades, bi, son no
negativas.
4.- La funcin econmica puede ser a minimizar
o maximizar. (Max Z o Min Z).

4. DEFINICIONES UTILIZADAS EN LOS

PROBLEMAS DE PROGRAMACIN LINEAL.
Solucin algebraica: Cualquier solucin
(conjunto de n valores) que satisface el
sistema de ecuaciones formado por las
restricciones, pero no necesariamente a la
restriccin de no negatividad que exige la
forma estndar.
Solucin factible: Es aquella solucin
algebraica que no contiene soluciones
negativas. Son soluciones que cumplen con las
restricciones y se representa por:
AX=b
X0

Para resolver un problema con desigualdad primero

hay que introducir variables de holgura.
Sea, por ejemplo, la siguiente restriccin:
a1 x1 + a2 x2 + ..... + an xn bk
se aade hk para convertir la desigualdad en igualdad:
a1 x1 + a2 x2 + ..... + an xn + ak hk = bk
Estas variables no entran a formar parte de la funcin econmica,
porque ck = 0
y normalmente el coeficiente de la variable de holgura ak = 1.

Otras soluciones
Soluciones bsicas: Son aquellas soluciones que
contienen n-m coordenadas nulas, donde n es el
nmero de variables y m el nmero de
ecuaciones. Veamos un caso :
Para n = 30 variables y m = 10 ecuaciones, las
soluciones que tengan 20 variables nulas o ms,
sern soluciones bsicas.
Solucin bsica factible: Es aquella solucin
bsica que no contiene ninguna coordenada
negativa y que contiene n-m coordenadas nulas.
Solucin ptima: Es una solucin bsica factible
que tiene el valor ms favorable de la funcin
objetivo.

EJEMPLO 4. Solucin grfica.

Una empresa se dedica a fabricar porcelana, para lo cual dispone de un horno que absorbe 10 t. al da
de productos. La empresa fabrica dos tipos de porcelana: A y B. Se sabe adems que de porcelana tipo
A el Departamento de Ventas no puede consumir nada ms que 8 t. al da y de las de tipo B 5 t/da. Los
beneficios obtenidos por la comercializacin de la porcelana tipo A son de 2 u.m. y de las de tipo B, 3.5
u.m. Determinar el plan de produccin ptimo.
Llamando:

x1: tonelaje diario de porcelanas tipo A

"
"
"
"
B
x2:

Solucin grfica
X2
Porcelana tipo A

C"
D

Max Z = 2x1 + 3,5x2

x1 8
x2 5
x1 + x2 10
x1, x2 0

Porcelana tipo B

B
0,3
0 0,5

5. MTODO DEL SIMPLEX.

8 A

X1
Restriccin del horno

5.1. Algoritmo del simplex.

El mtodo del Simplex consiste en un

algoritmo iterativo que permite resolver
un problema de programacin lineal.

preparacin de los datos del problema para comenzar las iteraciones

Paso de iniciacin

reptase tantas veces como se

necesite

Paso de iteracin

se ha obtenido el resultado que se desea ?

Regla de detencin
NO

S
Detenerse

Iniciacin

Construccin de la Tabla

Max Z = 3x1 + 5x2

x1
2x2
+
2x2
3x1
x1,x2 0

(0)
(1)
(2)
(3)

4
12
18

FILA
FILA
FILA
FILA

(0)
(1)
(2)
(3)

Se convierte en:

Z = -3x1 -5x2
x1
2x2
3x1
+2x2

VARIABLE
BSICA
Z
h1
h2
h3

X1
-3
1
0
3

X2
-5
0
2
2

h1
0
1
0
0

h2
0
0
1
0

h3
0
0
0
1

SEGUNDO
M IEMBRO
0
4
12
18

Cuadro 1.5

+
+
+
+

0h1
h1

+0h2
h2

+0h3
h3

=0
= 4
= 12
= 18

1 ITERACIN.
Consiste en obtener una nueva solucin
(x1, x2, h1, h2, h3). Para ello se cambia una
variable bsica por una no bsica.
Paso 1: Determinar la variable no bsica que
entra, seleccionando de las variables no
bsicas (en nuestro caso x1, o x2) aquella con
el coeficiente ms negativo en la ecuacin
(0), ya que ser quien provoque un mayor
aumento en la funcin objetivo; en este
ejemplo x2, con coeficiente -5.

Paso 1.
La columna a la que pertenece este
coeficiente se denomina columna
pivote. Dicha columna est formada por
los siguientes trminos :
0
2
2

Paso 2: Determinar la variable bsica que sale. Este

paso lo dividimos en dos partes:

a.- Seleccionar los coeficientes de la

columna anteriormente considerada que
sean estrictamente positivos (> 0).
b.- Dividir el "segundo miembro" de
cada fila (disponibilidades) entre cada
uno de los anteriores coeficientes de su
misma fila.

FILA
FILA
FILA
FILA

(0)
(1)
(2)
(3)

X1
-3
1
0
3

X2
-5
0
2
2

h1
0
1
0
0

h2
0
0
1
0

2 coeficiente de bi
12
=
= 6
2 valor de columna pivote
2
3er coeficiente de b i
3

er

valor de columna pivote

18
=9
2

luego al ser el menor valor 6, la variable bsica que sale es h2.

Paso 3: Se determina la nueva solucin bsica

factible construyendo un nuevo cuadro del simplex.

Cambios de variables
VARIABLE
BSICA
Z
h1
h2
h3

En nuestro caso las divisiones posibles son:

h3
0
0
0
1

SEGUNDO
MIEMBRO
0
4
12
18

Nueva fila pivote (2) =

fila pivote anterior = (0,2,0,1,12)

numero pivote = 2

x1 x2 h1
quedando la nueva fila (2) =

0 1 0

h2 h3 bi
1/2 0 6

Cambio de la Fila (0)

Fila (1)

para obtener un cero donde tenemos -5:

Antigua fila (0) :

x1

x2

h1

h2

h3

bi

-3

-5

6)

5/2

30

+5 ( 0
Nueva fila (0)

-3

(-2)

x2

h1

h2

h3

bi

Se deja, pues x2 ya tiene debajo un 0.

Fin primera iteracin y

comprobacin del paso 3.

Fila (3)

Antigua fila 3 :

x1

x1

x2

h1

h2

h3

bi

18

-1

FILA
FILA
FILA
FILA

(0)
(1)
(2)
(3)

V ARIAB LE
B SICA
Z
h1
X2
h3

X1
-3
1
0
3

X2
0
0
1
0

h1
0
1
0
0

h2
5/2
0
1/2
-1

h3
0
0
0
1

SEGU N D O
M IEM B RO
30
4
6
6

Cuadro 1.6

2 Iteracin

2 Iteracin

Paso 1: Determinar la variable no bsica que entra.

1
0
3
Paso 2: Determinar la variable bsica que sale.

1er coeficiente de b i
1er valor de columna pivote

3 er coeficiente de b i
3

er

valor de columna pivote

4
=4
1

X2
0
0
1
0

h1
0
1
0
0

h2
5/ 2
0
1/ 2
-1

h3
0
0
0
1

S EGU N D O
M IEM BRO
30
4
6
6

Fila (0)

fila pivote anterior = ( 3, 0, 0, 1, 1, 6)

numero pivote = 3
x1 x2 h1 h2 h3 bi

quedando la nueva fila (3) =

(0)
(1)
(2)
(3)

X1
-3
1
0
3

6
=2
3

Paso 3: Determinar la nueva

solucin bsica factible.
Nueva fila pivote (3) =

F ILA
F ILA
F ILA
F ILA

VA RIA BLE
B S ICA
Z
h1
X2
h3

Antigua fila (0) :

+3 (

x1

x2

h1

h2

h3

bi

-3
1

0
0

0
0

5/2
-1/3

0
1/3

30
2)

3/2

36

1 0 0 -1/3 1/3 2

Nueva fila (0)

Fila (1)

Fila (2)
x1

x2

h1

h2

h3

bi

1/2

x1

x2

h1

h2

h3

bi

se deja, pues ya tiene un 0 debajo de x1.

(-1) ( 1

-1/3

1/3

2)

1/3

-1/3

Antigua fila 1 :

5.2. Solucin de diferentes casos del mtodo del simplex por mtodos de penalizacin

RESUMEN
VB
Z
h1
h2
h3
Z
h1
X2
h3
Z
h1
X2
X1

X1
-3
1
0
3
-3
1
0
3
0
0
0
1

X2
-5
0
2
2
0
0
1
0
0
0
1
0

h1
0
1
0
0
0
1
0
0
0
0
0
0

h2
h3 2 Miembro
0
0
0
0
0
4
1
0
12
0
1
18
5/2
0
30
0
0
4
1/2
0
6
-1
1
6
3/2
1
36
1/3 -1/3
2
1/2
0
6
-1/3 1/3
2

5.2.1. Solucin ptima degenerada.

5.2.2. Solucin degenerada temporal.
5.2.3. Solucin no acotada.
5.2.4. Espacio de soluciones infinito, pero
hay una solucin acotada y ptima.
5.2.5. Soluciones alternativas.
5.2.6. Variable bsica que no sale: z no
acotada.

10

5.2.1. Solucin ptima

degenerada.

Cuadro de la solucin
degenerada
VB
Z
h1
h2
Z
X2
h2
Z
X2
X1

Problema 5.2.1:
Max Z= 3x1 + 9x2
x1 + 4x2 8
x1 + 2x2 4
xj 0

X1
-3
1
1
-3/4
1/4
1/2
0
0
1

X2
-9
4
2
0
1
0
0
1
0

h1
0
1
0
9/4
1/4
-1/2
3/2
1/2
-1

h2
0
0
1
0
0
1
3/2
-1/2
2

2 miembro
0
8
4
18
2
0*
18
2
0*

5.2.2. Solucin degenerada

temporal.

Grafica de la solucin degenerada

Problema 5.2.2:
Max Z= 2x1 + x2
4x1 + 3x2 12
4x1 + x2 8
4x1-x28
xj 0

X2

X1

11

Cuadro de ejemplo solucin

degenerada temporal.
VB
Z
h1
h2
h3
Z
h1
X1
h3
Z
X2
X1
h3

X1
-2
4
4
4
0
0
1
0
0
0
1
0

X2
-1
3
1
-1
-1 /2
2
1 /4
-2
0
1
0
0

h1
0
1
0
0
0
1
0
0
1 /4
1 /2
-1 /8
1

h2
0
0
1
0
1 /2
-1
1 /4
-1
1 /4
-1 /2
3 /8
-2

h3
0
0
0
1
0
0
0
1
0
0
0
1

2 M ie m b ro
0
12
8
8
4
4
2
0*
5
2
3 /2
4

5.2.3. Solucin no acotada

Problema 5.2.3:
Max Z= 2x1 + x2
x1 - x2 10
2x1 - x2 40
xj 0

Grafica de la solucin degenerada

temporal

X2
8

X1

Cuadro de ejemplo solucin no

acotada.
VB
Z
h1
h2
Z
X1
h2
Z
X1
X2

X1
-2
1
2
0
1
0
0
1
0

X2
-1
-1
-1
-3
-1
1
0
0
1

h1
0
1
0
2
1
-2
-4
-1
-2

h2
0
0
1
0
0
1
3
1
1

2 miembro
0
10
40
20
10
20
80
30
20

12

Grafica de la solucin no acotada.

5.2.4. Espacio de soluciones

infinito, pero hay una
solucin acotada y ptima.
Problema 5.2.4:
Max Z= 6x1 - 2x2
2x1 - x2 2
x1 4
xj 0

Cuadro del ejemplo de espacio de

soluciones infinito, pero hay una
solucin acotada y ptima.
VB
Z
h1
h2
Z
X1
h2
Z
X1
X2

X1
-6
2
1
0
1
0
0
1
0

X2
2
-1
0
-1
-1/2
1/2
0
0
1

h1
0
1
0
3
1/2
-1/2
2
0
-1

h2
0
0
1
0
0
1
2
1
2

2 miembro
0
2
4
6
1
3
12
4
6

Grafica de la solucin de espacio

de soluciones infinito, pero hay
una solucin acotada y ptima.
X2
solucin
6

X1
1

-2

13

5.2.5. Soluciones alternativas.

Cuadro del ejemplo de

soluciones alternativas.

VB
Z
h1
h2
Z
X2
h2
Z
X2
X1

Problema 5.2.5a:
Max Z= 4x1 + 14x2
2x1 + 7x2 21
7x1 + 2x2 4
xj 0

X1

X2

h1

h2

2 miembro

-4
2
7
0*
2/7
45/7
0
0
1

-14
7
2
0
1
0
0
1
0

0
1
0
2
1/7
-2/7
2
7/45
-2/45

0
0
1
0
0
1
0
-2/45
7/45

0
21
21
42
3
15
42
7/3
7/3

5.2.6. Variable bsica que

no sale: z no acotada.

Grafica de la solucin alternativas.

Problema 5.2.6:
X2

Max Z = 3x1 + 5x2

x1 4
xj 0

S. Bsicas

X1

14

Cuadro y grfico del ejemplo de variable bsica que no sale: z no acotada.

VB
Z
h1

X2
-3
1

X2
-5
0

h1
0
1

Max Z = 3x1 + 5x2

4
x1
12
2x2
18
3x1 + 2x2

2 miembro
0
4*

X2

F. Objetivo

6. PRECIOS SOMBRA Y
COSTES DE OPORTUNIDAD.

X1

Solucin y precios sombra con

WinQSB

VB
Z
h1
h2
h3
Z
h1
X2
h3
Z
h1
X2
X1

VB
Z
h1
h2
h3
Z
h1
X2
h3
Z
h1
X2
X1
VB
Z
h1
h2
h3
Z
h1
X2
h3
Z
h1
X2
X1

X1
-3
1
0
3
-3
1
0
3
0
0
0
1

X1
-3
1
0
3
-3
1
0
3
0
0
0
1
X1
-3
1
0
3
-3
1
0
3
0
0
0
1

X2
-5
0
2
2
0
0
1
0
0
0
1
0

X2
-5
0
2
2
0
0
1
0
0
0
1
0
X2
-5
0
2
2
0
0
1
0
0
0
1
0

h1
0
1
0
0
0
1
0
0
0
1
0
0

h1
0
1
0
0
0
1
0
0
0
1
0
0
h1
0
1
0
0
0
1
0
0
0
1
0
0

h2
0
0
1
0
5/2
1
1/2
-1
3/2
1/3
1/2
-1/3

h2
0
0
1
0
5/2
0
1/2
-1
3/2
1/3
1/2
-1/3
h2
0
0
1
0
5/2
0
1/2
-1
3/2
1/3
1/2
-1/3

h3
0
0
0
1
0
0
0
1
1
-1/3
0
1/3
h3
0
0
0
1
0
0
0
1
1
-1/3
0
1/3

h3
0
0
0
1
0
0
0
1
1
-1/3
0
1/3

2 miembro
0
4
12
18
30
4
6
6
36
2
6
2

2 miembro
0
4
13
18
32.5
4
6.5
5
37.5
7/3
6.5
5/3
2 miembro
0
4
12
19
30
4
6
7
37
5/3
6
7/3

15

6.1. Variaciones mximas de

los precios sombra.
Z
h1
X2
X1

Z
h1
X2
X1

h2

bi

El rango viene dado

por

3/2
1/3
1/2
-1/3

2
6
2

2: (1/3) = 6 mnimo
6: (1/2) = 12
2: (-1/3) = -6 mximo

h3

bi

El rango viene dado

por

1
-1/3
0
1/3

2
6
2

2 / (1/3) = -6 mximo
6/0 = INFINITO
2 / (1/3) = 6 mnimo

7. RESOLUCIN POR MTODOS DE

PENALIZACIN
CUANDO
HAY
RESTRICCIONES TIPO "IGUALDAD"
O "MAYOR O IGUAL".
7.1. Variable artificial.

Max Z = cx - M Ak

R(0)
R(3) (-M)

7.2. Caso de igualdad.

R'(0)

Max Z = 3x1 + 5x2

x1 4
2x2 12
3x1 + 2x2 = 18
Si

x1 = x2 = 0 implica

Por ello, al final queda:

Max Z = 3x1 + 5x2 - MA1
x1 + h1 = 4
2x2 + h2 = 12
3x1 + 3x2 + A1 = 8

Z - 3x1 - 5x2 = 0
x1 + h1 = 4
2x2 + h2 = 12
3x1 + 3x2 = 18

h1 = 4
h2 = 12
0 = 18 incompatible

Ak

VB
Z
h1
h2
A1
Z
X1
h2
A1
Z
X1
h2
X2
Z
X1
h1
X2

x1 x2 h1 h2 A1 bi
[ -3 -5 0 0 M 0 ]
[ 3
2 0 0 1 18 ]

[-3-3M -5-2M 0

X1
-3M-3
1
0
3
0
1
0
0
0
1
0
0
0
1
0
0

X2
-2M-5
0
2
2
-2M-5
0
2
2
0
0
0
1
0
0
0
1

h1
0
1
0
0
3M+3
1
0
-3
-9/2
1
3
-3/2
0
0
1
0

0 -18M]

h2
0
0
1
0
0
0
1
0
0
0
1
0
3/2
-1/3
1/3
1/2

A1
0
0
0
1
0
0
0
1
M+5/2
0
-1
1/2
M+1
1/3
-1/3
0

2 miembro
-18M
4
12
18
-6M+12
4
12
6
27
4
6
3
36
2
2
6

16

8. PROGRAMACIN POR
OBJETIVOS
a.- No flexibles:
n

a ij bi

j=1
n

a ij bi

j=1

b.- Flexibles:
n

+
a ij x j - 0i = Yi Yi

EJEMPLO
Supongamos que tenemos que fabricar dos artculos A1 y A2
que consumen tres recursos llamados R1, R2, R3, en las proporciones
indicadas en la tabla 1. Sabiendo que las disponibilidades de cada uno
de los recursos y los beneficios que se obtienen por cada unidad
fabricada de dichos productos son: c1 = 5 u.m. y c2 = 4 u.m. Se
pretende determinar:
1. Plan ptimo de produccin
2. Plan de produccin con los tres objetivos siguientes O1 , O2, O3
donde:
01: conseguir un beneficio mnimo de 15 uds/da.
02: saturar completamente el recurso 1.
03: la utilizacin del recurso 2 no debe sobrepasar las 20 h/d.

j=1

donde :
n

j=1

aij x j nivel real que se prev para que alcancen el objetivo i.

RECURSO
ARTICULO
A1
A2
DISPONIBILIDAD

R1

R2

R3

4
2
10

3
5
20

1
2
12

Tabla 1

0i: nivel deseado de este objetivo.

Y+i Y-i: desviaciones entre ambos, representamos por:
Y-i desviaciones por defecto, y por: Y+i desviaciones por exceso.

Para los tres objetivos:

SOLUCIN:
1) Comenzaremos con un nico objetivo, maximizar beneficios.
Max Z = 5x1 + 4x2
4x1 + 2x2 10 (R1)
3x1 + 5x2 20 (R2)
x1 + 2x2 12 (R3)
x1, x2 0
resolviendo
x1 = 0,71
x2 = 3,57
Z = 17,8
h1 = 0,92

Max Z = -MY-1 - NY+2 - NY-2 - PY+3

x1 + 2x2 + h1 = 12
5x1 + 4x2 - Y+1 + Y-1 = 15
4x1 + 2x2 - Y+2 + Y-2 = 10
3x1 + 5x2 - Y+3 + Y-3 = 20
xi, Y+j, Y-j 0

h2 = 0

17

9. EL PROBLEMA DUAL.
Resolver un problema llamado primal en el que se busca
decidir cuanto se debe de fabricar de dos productos A, B
y que consumen dos recursos O1 y O2 segn la tabla
siguiente. Siendo el beneficio obtenido por la fabricacin
del producto A, 40 unidades monetarias y 60 unidades
monetarias por producto B.
HORAS
A
3
1

OPERACIN
O1
O2

REQUERIDAS
B
2
2

CAPACIDAD
MENSUAL HORAS
2000
1000

Planteamiento primal:

Ya que 3 horas de 01 y 1 hora de 02, son necesarias para producir una unidad de A,
el valor en trminos de precios deber ser:
3y1 + 1y2
y esto debe ser como mnimo mayor o igual que el que se obtiene al producir el
artculo A que es de 40.

Min C = 2000y1 + 1000y2

2y1 + 2y2 60

3x1 + 2x2 2.000

x1 + 2x2 1.000
x1, x2 0

y1, y2 0

9.1. Ejemplos de construccin

de otros modelos primal y dual.

Soluciones:

VB
Z
x1
x2

VB
C
y1
y2

C = 2.000 y1 + 1.000 y2

3y1 + y2 40

Max Z = 40x1 + 60x2

sujeto a:

y1, y2 las rentas recibidas por hora para las operaciones

01 y 02 respectivamente.

x1
0
1
0

Y1
0
1
0

x2
0
0
1

Y2
0
0
1

h1
500
-1/2
1/2

h1
5
1/2
-1/4

h2
250
1/4
-3/4

h2
25
-1/2
3/4

A1
M-500
1/2
-1/2

Bi
35000
500
250

A2
M-250
-1/4
3/4

Bi
35000
5
25

1. Ejemplo, si el primal es:

Max Z = 2x1 + 3x2 + 2x2
x1 + 2x2 + 3x3 4
2x1 + x2 + x3 6
x1, x2, x3 0
Su dual ser:
Min C = 4y1 + 6y2
y1 + 2y2 2
2y1 + y2 3
3y1 + y2 2
y1, y2 0

18

9.2. Mtodo de Lemke.

Algoritmo dual del Simplex.
VNB
Valores (negativos) de
las variables no bsicas
=V

VB
0

VB

Regla de introduccin.
La ms negativa

bi
0

Regla de supresin.

Valores positivos de las

variables bsicas iniciales =
ujB

min
Z

VNB
Valores (positivos) de
las variables no bsicas
=V

VB
0

VB

bi
0
Valores negativos de las
variables bsicas iniciales =
ujB

bj
aij ( negativos)

Regla de parada.
Toda la parte derecha del cuadro sea positiva.

9.2.3. Ejemplo de aplicacin

del mtodo de Lemke.
Min Z = 2x1 + x2
3x1 + x2 3
4x1 + 3x2 6
x1 + 2x2 3
xj 0

Z
h1
h2
h3

X1
2
-3
-4
-1

X2
1
-1
-3
-2

h1
0
1
0
0

1 ITERACIN:
Z
h1
X2
h3

h2
0
0
1
0

h3
0
0
0
1

bi
0
-3
-6
-3

X1
2/3
-5/3
4/3
-5/3

X2
0
0
1
0

h1
0
1
0
0

h2
1/3
-1/3
-1/3
2/3

h3
0
0
0
1

bi
-2
-1
2
-1

2 ITERACIN:
Z
X1
X2
h3

X1
0
1
0
0

X2
0
0
1
0

h1
2/5
-3/5
4/5
-1

h2
1/5
1/5
-3/5
1

h3
0
0
0
1

bi
-12/5
3/5
6/5
0

19