Ejemplo 1:: Investigación de Operaciones Programación Lineal

INVESTIGACIN DE OPERACIONES Programacin Lineal
EJEMPLO 1:
Supngase que el problema original (PO) consiste en producir un Volumen X de un producto
qumico A que se vende a 5 dlares por litro y otro volumen Y de un producto qumico B que se
vende a 3 dlares el litro. Dos tipos de restricciones se consideran en ste ejemplo, personal y costo
de produccin. En lo que se refiere a la primera restriccin se tiene un mximo de 15 personas,
mientras que en lo segundo se tiene un mximo de 10 dlares por hora de trabajo. Los coeficientes
tecnolgicos estn dadas por:
Producto Qumico A Producto Qumico B

Personal 3 5
Costo de produccin 5 2
Las variables representan:

X1 : Representa el nmero de litros del producto qumico A a ser producidos por hora.
X2 : Representa el nmero de litros del producto qumico B.
El programa lineal original es:
Mx Z 5X1 3X 2
sujeto a :
3X1 5X 2 15
5X1 2X 2 10
X1 0, X 2 0 (PO)
El tablero original es el siguiente:
Z X1 X2 X3 X4
1 5 3 0 0 0
a3 0 3 5 1 0 15
a4 0 5 2 0 1 10
Aplicando el algoritmo del mtodo simplex se obtiene el tablero ptimo que resulta ser:
Z X1 X2 X3 X4
1 0 0 5 19 16 19 235/19
a2 0 0 1 5 19 3 19 45 / 19
a1 0 1 0 2 19 5 19 20 / 19
O sea
X 2 45 19
X B X1 20 19
X
X X3 0
N
X 0
4
Z 235 19
5 19 3 19
B 1
2 19 5 19
Supngase que por una deprecin econmica el nmero de empleados debe reducirse a 5 y el costo
mximo de produccin a 5 dlares por hora. El nuevo vector de disponibilidad de recursos es
15 10 5
b b
10 5 5
Manuel Alvarado Contreras Ramn Vera Roalcaba 161
el nuevo programa lineal a resolver sera

Mx Z 5X1 3X 2
sujeto a :
3X1 5X 2 5
5X1 2X 2 5
X1 0, X 2 0 (NP)
No es necesario resolver el programa desde el principio, sino que utilizando el anlisis de
sensibilidad se estudia el cambio B 1 (b b) y se determina si el nuevo vector
X B B 1 ( b b) es factible o no. Si lo es, tambin es ptimo para el (NP). Si no lo es, habr
que reestablecer la factibilidad y la optimilidad, utilizando el dual simplex a partir del tablero ptimo
de (PO).
5 19 3 19 5
X B B 1 (b b)
2 19 5 19 5
10 19 0

15 19 0
y por lo tanto el nuevo vector X B
X B B 1 (b b)
X 10 19
X B 2
X1 15 19
La nueva solucin es ptimo. La nueva utilidad ptima es

Z c BX B
X
c2 , c1 2
X1
10 19
3, 5
15 19
105/19
$ 5.53
Ntese que una reduccin en la disponibilidad de recursos a causado una disminucin en la

produccin ptima de ambos productos qumicos, as como en la utilidad.
EJEMPLO 2:
Supngase ahora que el personal se reduce a 10 personas, pero el costo mximo por hora de
produccin se aumenta a $ 20. El nuevo programa a resolver sera
Mx Z 5X1 3X 2
sujeto a :
3X1 5X 2 10
5X1 2X 2 20
X1 0, X 2 0 (NP)
Utilizando el analisis de sensibilidad se tiene que

X B B 1 ( b b)
5 19 3 19 10

2 19 5 19 20
10 19 0

80 19 0
y por lo tanto se hace necesario utilizar el dual simplex para restaurar la factibilidad y obtener
optimalidad del nuevo problema. Utilizando el tablero ptimo del programa original, con la nueva
columna X B se tiene
Siguiendo el Algoritmo del Dual Simplex se tiene que:
Variable que sale de la base es a2.
Variable que ingresa a la base es a4.
Z X1 X2 X3 X4
1 0 0 5 19 16 19
a2 0 0 1 5 19 3 19 -10/19
0 1 0 2 19 5 19 80/19
a1
Tablero ptimo
1 0 16 3 80 57 0
a4 0 0 19 3 5 3 1 10/3
0 1 5 3 13 0 10/3
a1
Se observa que el segundo tablero es el ptimo.

La nueva solucin es producir
X1 = 10/3 litros del producto qumico A por hora,

X2 = 0 litros del producto qumico B por hora,
Generando una utilidad ptima de
Z cBX B
X
c4 , c1 4
X1
10 3
0, 5
10 3
$ 50/3
$ 16.66.
Ntese que la produccin de 10/3 litros del producto qumico A implican el uso de
10
3 5 0 10
3
obreros, que son los que se tienen, originando que la holgura X 3=0, mientras que por el lado de la
restriccin del costo se tiene que
10 50
5 2 0
3 3
generando una holgura en el costo de

50
X 4 20
3
10

3
3.8.3 CAMBIO EN EL VECTOR C
3.8.3.1 ALGORITMO DE CAMBIOS EN EL VECTOR C
Paso1. Supngase que el programa original (PO), cuya solucin ptima se tiene a la mano es
Mx Z cX
sujeto a :
AX b
X 0. (PO)
se cambiar en forma discreta el vector c, cuyo nuevo valor ser c c , donde c , es
el vector con n componentes.
Paso2. El nuevo problema (NP) a resolver es
Mx Z c c X
sujeto a :
AX b
X 0. (NP)
el anlisis de sensibilidad para este tipo de cambio toma como punto de partida la solucin
ptima de (PO). Supngase que B-1 es la inversa de la base ptima asociada a (PO).

Paso3. Entonces se tiene al cambiar c por c c , las z j c j cambian a z j c j c j o sea

z j c j c j c B B 1a j c j c j

a j c j c j
donde aj es la columna j de la matriz A.
Paso4. Se sabe que en condiciones de optimalidad z j (c j - c j ) deben ser no negativos para
cualquier j en B. Si esas dos condiciones se cumplen, la X B asociada al tablero ptimo de
(PO) permanece ptimo y el nuevo valor de la funcin objetivo ser
Z (c B c B )X B , ir al paso5.
En caso contrario se deber primero hacer la z j (c j c j ) igual a cero, para j en B,
mediante operaciones matriciales elementales y despus obtener las condiciones de
optimalidad, z j c j 0, para j en A, j no en B, mediante el mtodo simplex, ir al paso5.
Paso5. Fin

DIAGRAMA DE FLUJO DE CAMBIOS EN EL VECTOR c
Inicio
Dado el P.O. en su
forma cannica y hallar
la solucin ptima
Hacer el cambio del Vector

C por uno nuevo y hallar
los nuevos z j
-c j
Cumplen las
No condiciones de Si
optimalidad?
Aplicar el mtodo La solucin sigue
simplex, para obtener siendo ptima
la nueva solucin
fin
EJEMPLO 1:
Tmese como problema original el siguiente programa lineal.
Mx Z 5X1 3X 2
sujeto a :
3X1 5X 2 15
5X1 2X 2 10
X1 0, X 2 0 (PO)
cuyo tablero ptimo es
Z X1 X2 X3 X4
1 0 0 5 19 16 19 235/19
a2 0 0 1 5 19 3 19 45/19
0 1 0 2 19 5 19 20/19
a1
Supngase que el precio unitario del producto qumico B, se reduce de $ 3 a $ 1. El nuevo problema
lineal es
Mx Z 5X1 X 2
sujeto a :
3X1 5X 2 15
5X1 2X 2 10
X1 0, X 2 0 (NP)
Ntese que
c c 5, 3, 0, 0 0, 2, 0, 0
5, 1, 0, 0
Cmo la nica componente de c que cambi es c2, nicamente z 2 c 2 cambia a

z 2 c 2 c 2 a 2 c 2 c 2
5
5 19 , 16 19 1 2
2

Pero z 2 c 2 c 2 0 en condiciones de optimalidad porque j=2 est en la base original ptima
de (PO). Entonces, mediante operaciones matriciales elementales se transforma el siguiente tablero.
Z X1 X2 X3 X4
1 0 2 5 19 16 19 235/19
a2 0 0 1 5 19 3 19 45/19
0 1 0 2 19 5 19 20/19
a1
En
Z X1 X2 X3 X4
1 0 0 5 19 22 19 145/19
a2 0 0 1 5 19 3 19 45/19
0 1 0 2 19 5 19 20/19
a1
Que no es ptimo porque z 3 c 3 5 19 0.

Utilizando el mtodo simplex tenemos:
Variable que ingresa a la base es X3.
Variable que sale de la base X2.
Luego se obtiene la nueva solucin ptima que es:
Z X1 X2 X3 X4
1 0 1 0 1 10
a3 0 0 19 5 1 3 5 9
0 1 2 5 0 15 2
a1
Osea
X3 9
X X 2
X B 1
X N X2 0

X4 0
Z 10.
El lector podr comprobar en efecto que la solucin satisface las restricciones del problema.
EJEMPLO 2:
Supngase que el precio de ambos productos qumicos es de $1. El nuevo problema a resolver sera
Mx Z X1 X 2
sujeto a :
3X1 5X 2 15
5X1 2X 2 10
X1 0, X 2 0
El nuevo vector c c es
c c 5, 3, 0, 0 4, 2, 0, 0
1, 1, 0, 0
O sea, slo z1 c1 y z 2 c 2 han cambiado a
z 1 c1 c1 a 1 c1 c1
3
5 19 , 16 19 1 4
5
z 2 c 2 c 2 a 2 c 2 c 2
5
5 19 , 16 19 1 2
2
Como tanto el vector a1 y a2 estn en la base ptima correspondiente a (PO), la z1 c1 c1 y
z 2 c 2 c 2 deben ser cero. Los vectores unitarios a1 y a2 se restablecen del tablero.
Z X1 X2 X3 X4
1 4 2 5 19 16 19 235/19
a2 0 0 1 5 19 3 19 45/19
0 1 0 2 19 5 19 20/19
a1
Al tablero indicado a continuacin mediante el uso de operaciones matriciales elementales.
Z X1 X2 X3 X4
1 0 0 3 19 2 19 65/19
a2 0 0 1 5 19 3 19 45/19
0 1 0 2 19 5 19 20/19
a1
Ntese que el tablero es ptimo, dando como resultado

X 2 45 19
X X 20 19
X B 1
X N X 3 0
X 0
4
Z 65 19 .
EJEMPLO 3 :
Sea el problema original
Mx Z 3X1 5X 2
sujeto a :
X1 4
3X1 2X 2 18
X1 0, X 2 0 (PO)
siendo su tablero ptimo el siguiente :
Z X1 X2 X3 X4
1 9 2 0 0 5 2 45
a3 0 1 0 1 0 4
0 3 2 1 0 12 9
a2

Supngase que el precio unitario de la primera actividad es $ 6, el nuevo problema a resolver es

Mx Z 6X1 5X 2
sujeto a :
X1 4
3X1 2X 2 18
X1 0, X 2 0 (NP)
El nuevo vector c c es
c c 3, 5, 0, 0 3, 0, 0, 0
6, 5, 0, 0
Cmo la nica z j c j cambia a
z1 c1 c1 a 1 c1 c1
1
0, 5 2 6 3 2
3
el nuevo tablero quedara
Z X1 X2 X3 X4
1 3 2 0 0 5 2 45
a3 0 1 0 1 0 4
0 3 2 1 0 12 9
a2
Y por lo tanto es ptimo. Como se ve en este ejemplo, al cambiar el precio unitario de X 1 (que no es
bsico) de $3 a $6, no ha cambido la solucin ptima que es
X3 4
X B X 2 9
X X 0 y Z 45.
XN 1

X4 0
La razn es muy sencilla. Como X 1 no es bsico, su nivel de utilizacin es cero. El cambio hecho en
su precio unitario no es lo suficientemente atractivo para que el nivel de utilizacin de X 1 se
incremente de su valor cero.

3.8.4 CAMBIO DE UN COEFICIENTE TECNOLGICO Aij .
Hay dos casos:

CUANDO J ES NO BSICO:
Se soluciona por el algoritmo de anlisis de sensibilidad, cambios en a ij, j no bsico.
CUANDO J ES BSICO:
Se recomienda resolver el nuevo problema (NP) desde el inicio (Existen otros mtodos de
solucin).
8.1.1 ALGORITMO DE CAMBIO DE UN COEFICIENTE TECNOLOGICO

Para cambios en aij, j no bsico.
Paso1. Dado el P.O. de la forma
Mx Z cX
sujeto a :
AX b
X 0. (PO)
y hallar la solucin.
Paso2. Un cambio de las componentes del vector a j, j en N ocasiona un cambio en el trmino z j-cj, j
en N puesto que
z j c j c B B 1a j c j
a 1 c j
Paso3. Si el vector aj se cambia por uno nuevo a j , se halla el nuevo trmino z j c j sera
z j c j a j c j
Paso4. Si z j c j 0 j en N, la solucin sigue siendo ptima. Entonces el nuevo tablero es
ptimo y la solucin ptima del (PO) continua siendo solucin ptima de (NP), ir al Paso5.
En caso contrario, es decir, si z j c j <0 para j en N, hay que aplicar el mtodo simplex,
para obtener la nueva solucin ptima del (PN) teniendo en cuenta que el vector Y j del
tablero ptimo de (PO) sea actualizado por otro Y j , donde Y j B 1a j . ir al paso5.
Paso5. Fin
DIAGRAMA DE FLUJO DE CAMBIO DE UN COEFICIENTE TECNOLOGICO
Inicio
Dado el P.O. en su
la solucin ptima
Hacer el cambio del Vector

a j , j pertenece a N, y
hallar los nuevos z j
-c j
no si
Los nuevos zj-cj
son mayor e igual
que cero?
Aplicar el mtodo La solucin sigue
simplex, para obtener la siendo ptima
nueva solucin ptima
fin
EJEMPLO 1

Paso1. Sea el problema original el siguiente
Mx Z 3X1 5X 2
sujeto a :
X1 4
3X1 2X 2 18
X1 0, X 2 0 (PO)
Por el mtodo simplex el tablero ptimo es:
Z X1 X2 X3 X4
1 9 2 0 0 5 2 45
a3 0 1 0 1 0 4
0 3 2 1 0 12 9
a2
1
Paso2. Supngase que el vector a 1 , X1 es no bsico en la solucin ptima de P.O. entonces
3
2
se cambia a a 1 , el nuevo problema a resolver es
2
Mx Z 3X 1 5X 2
sujeto a :
2X 1 4
2X 1 2X 2 18
X 1 0, X 2 0 (NP)
Paso3. Como nicamente se cambi el vector a1, entonces se modifica solamente z1 c1 .

z1 c1 a 1 c1
2
0, 5 2 3 2
2
Paso4. Como z1 c1 2 0 , el nuevo tablero es ptimo y la solucin ptima del P.O. contina
siendo la solucin ptima del NP.
Z X1 X2 X3 X4
1 2 0 0 5 2 45
a3 0 1 0 1 0 4
0 3 2 1 0 12 9
a2
La solucin ptima del (PN)

X3 4
XB X2 9
X X 0
N 1
X
X 0
4
Z 45.
EJEMPLO 2:
Paso1. Supngase que en el tablero original (PO) anterior, se realiza el cambio.

1 10
Paso2. Se cambia el vector a 1 , que no es bsico, por a a 1 . El nuevo problema a
3
1
resolver es
Mx Z 3X 1 5X 2
sujeto a :
10X1 4
X 1 2X 2 18
X 1 0, X 2 0 (NP)
Paso3. Como cambia el vector a1, entonces se halla el nuevo elemento z1 c1 sera
z 1 c1 a 1 c1
10
0, 5 2 3 1 / 2.
1
Paso4. Como z1 c1 1 / 2 0 hay que aplicar el mtodo simplex teniendo en cuenta de

1
actualizar el vector Y1 del tablero ptimo de (PO) por otro nuevo Y1 , dado por
3 2
Y B 1a 1
1 0 10

0 1 2

1
10

1 2

El mtodo simplex se aplica al siguiente tablero, que difiere del tablero ptimo de (PO) en el
trmino z1 c1 y el la columna Y1.
Variable que ingresa a la base es X1
Variable que sale de la base X3.
Z X1 X2 X3 X4
1 1 2 0 0 5 2 45
a3 0 10 0 1 0 4
0 12 1 0 12 9
a2
Despus de aplicar el algoritmo del mtodo simplex se obtiene el siguiente tablero que es ptimo:
1 0 0 1 20 5 2 45.2

a1 0 1 0 1 10 0 4 10
0 0 1 1 20 1 2 8.8
a2
X1 0.4
X X 8.8
X B 2
La nueva solucin ptima es X N X3 0
X 0
4
Z 45.2.
3.8.5 ADICIN DE NUEVAS ACTIVIDADES XJ
3.8.5.1 ALGORITMO DE ADICION DE NUEVAS ACTIVIDADES
Paso1. Dado el P.O. de la forma

Mx Z cX
sujeto a :
AX b
X 0. (PO)
y hallar la solucin.
Paso2. La adicin de nuevas actividades X j, crea nuevos trminos z j c j y nuevas columnas YJ.
en el tablero. Si asociado a la nueva actividad X j, se conoce su precio unitario c j y su vector
de coeficientes tecnolgicos aj, los nuevos elementos se calculan as:
z j c j a j c j y Y j B 1 a j
Paso3. Si el nuevo trmino z j c j 0, la variable Xj no debe entrar a la base y su valor de
utilizacin es cero, ir al paso4. En caso contrario, es decir, z j c j 0, se introduce el
vector Yj en el tablero y se aplica el mtodo simplex hasta obtener optimalidad, ir al paso4.
Paso4. Fin.
DIAGRAMA DE FLUJO DE ADICION DE NUEVAS ACTIVIDADES
Inicio
Dado el P.O. en su
la solucin ptima
Aadir nuevas
actividades
El nuevo zj-cj es
No Si
mayor o igual cero
La nueva actividad
Aplicar el mtodo
no entra a la base y
simplex, hasta obtener
su valor de
la optimalidad
utilizacin es cero
fin
EJEMPLO 1:
Supngase que el problema original es

Mx Z 3X1 5X 2
sujeto a :
X1 4
3X1 2X 2 18
X1 0, X 2 0 (PO)
Conviene producir una nueva actividad X 5 cuyo precio unitario es $7 y su vector de coeficientes
1
tecnolgicos a 5 ?
2

Paso1. Dado el programa lineal anterior, se aade una variable X5.

Paso2. El nuevo problema a resolver es
Mx Z 3X1 5X 2 7 X 5
sujeto a :
2X1 X5 4
2X1 2X 2 2X 5 18
X1 0, X 2 0, X 5 0 (NP)
El nuevo elemento z 5 c 5 es
z 5 c 5 a 5 c 5
1
0,
5 2 7 2
2
Paso3. Como z5-c5 toma un valor negativo, hay que calcular la columna Y 5, del nuevo tablero dado
por
Y5 B1a 5
1 0 1

0 1 2 2
1

1
El nuevo tablero donde el mtodo simplex debe aplicarse es
Z X1 X2 X5 X3 X4
1 9/2 0 2 0 5 2 45
a3 0 1 0 1 1 0 4
0 3/ 2 1 1 0 12 9
a2
El tablero ptimo
1 13 / 2 0 0 1 20 5 2 53
a5 0 1 0 1 1 0 4
0 1/ 2 1 0 1 12 5
a2
La nueva solucin ptima es que la actividad X 5 debe producirse a un nivel de 4 unidades y la

actividad X2 debe redicirse de 9 a 5 unidades, con un incremento en la utilidad de 45 a 53 unidades.
EJEMPLO 2:
Paso1. Teniendo en cuentra el programa lineal anterior, se aade una variable X5.
Paso2. Supngase que en el problema anterior el precio unitario de la nueva actividad X 5 es $4 y el
10
vector a 5 . El nuevo problema a resolver es
4
Mx Z 3X1 5 X 2 4 X 5
sujeto a :
2X1 10X 5 4
2X1 2 X 2 4 X 5 18
X1 0, X 2 0, X 5 0 (NP)
El trmino z 5 c 5 es

z 5 c 5 a 5 c 5
10
0, 5 2 4 6
4
Paso3. Como z 5 c 5 = 6 >0, el tablero ptimo correspondiente a (PO) es ptimo para (PN) y X 5
debe ser igual cero. En otras palabras, bajo las condiciones actuales, no se debe producir X 5 y la
solucin ptima de (PN) es
X3 4
X B X 2 9
X X 0
X
N 1

X4 0
Z 45
conviene terminar esta seccin explicando el significado de z j c j .
Existen dos significados, a saber :

a) z j c j es la reduccin (aumento) del valor de la funcin objetivo en el caso de
maximizacin (minimizacin), al aumentar en una unidad el valor de la actividad
X j , j N , o bien
b) z j c j es el valor que cj debe aumentar (disminuir), en el caso de maximizacin
(minimizacin), para que X j , j N se convierta de una actividad no bsica a bsica.
EJEMPLO 3:
Supngase el problema
Mx Z 5X1 3X 2
sujeto a :
3X1 5X 2 10
5X1 2X 2 20
X1 0, X 2 0 (PO)
Z X1 X2 X3 X4
1 0 16 3 5 3 0 50/3
a1 0 1 5 3 1 3 0 10/3
0 0 19 3 5 3 1 10/3
a4
10
X1 , X2 0
3
50
Z
3
Si X2=1 el nuevo valor de la funcin objetivo es:
Z Z (z 2 c 2 )
50 16 34

3 3 3

Por el otro lado, si se quiere que en la solucin ptima X 2 sea bsico, el precio unitario de X 2 debe
aumentar de $ 5 a
c c 2 (z 2 c 2 )
16 31
5
3 3
3.8.6 ADICIN DE NUEVAS RESTRICCIONES

3.8.6.1 ALGORITMO DE ADICIN DE NUEVAS RESTRICCIONES
Paso1. Sea el programa lineal de la forma cannica (PO) cuya solucin ptima se obtuvo.
Mx Z cX
sujeto a :
AX b
X 0. (PO)
Paso2. Si al aadir k (k>0) nuevas restricciones del tipo
n

a ij X j b i i m 1, , m k
j1
al problema original (PO).
Paso3. Si la solucin ptima XB asociada a (PO) las satisface, entonces X B es tambin solucin
ptima del nuevo problema. Por el contrario, si X B viola alguna de las k nuevas
restricciones, habr que restablecer la factibilidad del nuevo problema y obtener su
optimalidad por va del mtodo dual simplex.
En caso de ser necesario la aplicacin del mtodo dual simplex, cada una de las k
restricciones deben aadirse en el tablero ptimo de (PO) con su correspondiente variable
de holgura. Todos los vectores unitarios asociados al tablero ptimo de (PO) con su
correspondiente variable de holgura. Todos los vectores unitarios asociados al tablero
ptimo de (PO) deben re-establecerse por medio de operaciones elementales matriciales. El
mtodo dual simplex, debe aplicarse hasta obtener una solucin ptima.
DIAGRAMA DE FLUJO DE ADICION DE NUEVAS RESTRICCIONES

Inicio
Dado el P.O. en su
la solucin ptima
Aadir nuevas
restricciones al problema
La Solucin ptima X B
No del P.O satisface las Si
restricciones nuevas?
Aadir las nuevas La solucin ptima

restriciones y sus VH o del P.O. contina
VS al tablero del P.O y siendo ptima en el
resolver el nuevo Nuevo Problema
problema aplicando el
mtodo dual simplex
fin
EJEMPLO:
Supngase que el programa original (PO) es el siguiente:
Mx Z 5X 1 3X 2
sujeto a :
3X1 5X 2 10
5X1 2X 2 20
X 1 0, X 2 0 (PO)
Z X1 X2 X3 X 4
1 0 0 5 19 16 19 235/19
a2 0 0 1 5 19 3 19 45/19
0 1 0 2 19 5 19 20/19
a1
La solucin ptima asociada a (PO) es

X 2 45 19
X X 20 19
X B 1 y Z 235 19
X
N X 3 0

X4 0
Supngase que la nueva restriccin es X 2 1 . Obviamente la solucin ptima de (PO) viola esta
restriccin, pues X2 ptima es de 45/19 que es mayor que uno. El nuevo problema (PN) a resolver es
Mx Z 5X1 3X 2
sujeto a :
3X1 5X 2 10
5X1 2X 2 20
X2 1
X1 0, X 2 0 (PO)
en trminos del tablero ptimo de (PO) se tiene que
Z X1 X 2 X3 X4 X5
1 0 0 5 19 16 19 0 235/19
a2 0 0 1 5 19 3 19 0 45 19
a1 0 1 0 2 19 5 19 0 20 19
0 0 1 0 0 1 1
a5
Reestructurando el vector unitario e2, por medio de operaciones matriciales elementales da el

siguiente tablero.
Z X1 X 2 X3 X4 X5
1 0 0 5 19 16 19 0 235/19
a2 0 0 1 5 19 3 19 0 45 19
a1 0 1 0 2 19 5 19 0 20 19
0 0 0 5 19 3 19 1 26 19
a5
Aplicando el mtodo dual simplex se obtiene el tablero ptimo

Z X1 X 2 X3 X4 X5
1 0 0 0 1 1 11

a2 0 0 1 0 0 1 1
a1 1 0 0 15 2 5 8 5
0
0 0 1 3 5 19 5 26 5
a3 0
La nueva solucin ptima es
X2 1
X
1 85
X X 26 5
X B 3 y Z 11
XN X4 0
X5 0

3.9 SIMPLEX REVISADO
La solucin prctica de problemas reales que utilizan modelos de programacin lineal, presentan la gran
dificultad de que contienen mucha informacin que deben almacenarse en la computadora. Supngase por
ejemplo un problema con 10 000 variables de decisin y 500 restricciones. En este caso la matriz A tendra 5
millones de componentes, quiz muchas de ellas con valores de cero, que habra que guardar dentro de una
computadora. Muchas computadoras no tienen capacidad de memoria que les permita almacenar toda la
informacin requerida en la solucin de problemas lineales de tales dimensiones. Aun suponiendo que si
tuviera memoria y dispositivos especiales para guardar toda esa informacin , se consumira mucho tiempo
en el acceso de esa informacin para el calculo de los diferentes pasos del mtodo simplex. Este tiempo se
vende comercialmente a precios muy elevados.
Bajo tales problemas se han desarrollado mtodos que aprovechando las propiedades bsicas de la estructura
del mtodo simplex, permiten la solucin de problemas lineales bastante grandes, sin requerir del
almacenamiento de toda esa informacin y sin incrementar el tiempo de cmputo.
Dos de esos mtodos que se tratan son:
El mtodo Simplex Revisado.

El mtodo de Descomposicin Lineal.
El primero de esos mtodos se estudiar a continuacin.
Enseguida se analiza que elementos se utilizan en el mtodo simplex revisado
La estructura del tablero inicial de cualquier programa lineal de forma cannica es:
Z X1 X2 Xn X n 1 X n 2 X n m
1 -c 0 0
0 A I (base inicial) b
Estructura del tablero ptimo
z1 c1 z 2 c 2 z n c n z n 1 c n 1 z n m c n m
1 c B B 1A c c B B 1 Z cBXB
0 B 1A B 1 X B B 1b
En cada iteracin se tiene que el vector bsico XB est dado por:
XB = B-1 b

Donde B es la base correspondiente a esa iteracin; el valor de la funcin objetivo en cada iteracin es:
Z = CB X B
Y los valores que indican la optimalidad de la base son:
Zj - Cj = CB B-1aj-cj, j en A
Se puede entonces resumir, que en cada iteracin el nico elemento indispensable es B -1 pues conociendo B-1
se pueden calcular XB, Z y Zj - Cj .
El mtodo simplex revisado utiliza una notacin de forma matricial para hallar la solucin al problema.
Vector de actividades con n componentes

Max Z = C1 , C 2 ,, C n variables de decisin

Vector de precios o
Costos unitarios
Sujeto a:
a11 a12 a1n x1 b1
a a 22 a 2 n x b
21 2 2 Vector de Disponibilidad
de recursos

a m1 am2 a mn xn bm

Matriz de coeficientes tecnolgicos
x1 0
x 0
2
Vector columna de nceros

0
xn
A = Matriz de coeficientes tecnolgicos cada elemento a ij en la matriz A, con i = 1,...,m y j = 1,...,n, representa
la cantidad de recursos j que se necesita por unidad de actividad i.
3.9.1 ALGORITMO DEL SIMPLEX REVISADO
Paso1: Dado un programa lineal cannico, estandarizar
Mx Z = CX
Sa.
Ax b
x0
Paso 2: Establecer variables
No bsicas N={X1,X2,, Xn}

Bsicas B ={Xn+1, Xn+2,, Xn+m}
Paso 3: Hallar B-1 de la iteracin actual
Paso 4: Hallar XB y Z
Paso 5: Verificar la optimalidad:
Hallando:
Z j C j C B B 1 a j c j , j en N
Si todos Z j C j 0 la solucin X B es ptima (fin de iteracin)
Caso contrario el vector que entra a la base ser el ms negativo: X j
Paso 6: Hallar el vector que sale de la base Xr , hallando

Y1 j
Y
X
, donde Y j B 1 a j
2j
Min Bi Yij 0
i 1 m Y
ij
...
Ymj

Paso 7: Ir al paso 2, distinguiendo B-1 , Z, XB en cada iteracin
3.9.2 DIAGRAMA DE FLUJO DE SIMPLEX REVISADO :
INICIO
1) Dado un programa
lineal cannico
2) Establecer variables
Bsicas y No Bsicas
3) Hallar B-1 de la
iteracin actual
4) Hallar XB y Z
si1
5) Zj -Cj0 Fin
0
no
6) Hallar el vector que

sale de la base
7) Ir al paso 2
Ejemplo
Resolver por el mtodo simplex revisado el siguiente problema.
Mx Z 3X1 2X 2 5X 3
Sujeto a :
X1 2X 2 X 3 430
3X1 2X 3 460
X 1 4X 2 420
X1 0, X 2 0, X 3 0
Agregamos variables de holgura X4, X5 y X6 a cada restriccin con coeficientes cero (0) en la funcin
objetivo para tener el problema en la forma estandar.
El formato del tablero original es

Z X1 X2 X3 X4 X5 X6
1 -3 -2 -5 0 0 0 0
A4 0 1 2 1 1 0 0 430
A5 0 3 0 2 0 1 0 460
A6 0 1 4 0 0 0 1 420
Del tablero tenemos:

1 2 1 1 0 0 X1 X 4 430
C N 3 2 5 ; A 3 0 2 ; B 0
1

0 ; X X 2 ; X S X 5 ; b 460

1 4 0 0 0 1 X 3 X 6 420
C B 0 0 0
El mtodo simplex revisado procede de la siguiente manera:
Primera Iteracin
X 4 X1 1 0 0

X B X 5 ; X N X 2 ; B 0 1 0 B 1
X 6 X 3 0 0 1
X B B 1 b
X 4 1 0 0 430 430
X B X 5 0 1 0 460 460 C B 0 0 0
X 6 0 0 1 420 420
1 0 0 430
Z CB B b 0
1
0 0 0 1 0 460 0
0 0 1 420
X1 X2 X3
1 0 0 1 2 1
0 0 0 0 1 0 3 0 2 3 2 5 3 2 5
0 0 1 1 4 0
Por lo que el vector de entrada ser X3 (por ser el ms negativo). El vector de salida se determina por medio
de la siguiente relacin.
Y13 1 0 0 1 1
X Bi
Min Yi 3 0 , donde Y3 Y23 B 1 a3 0 1 0 2 2

i 1 m
Yi 3 Y33 0 0 1 0 0
X 4 430

Sabemos que: X B X 5 460

X 6 420
430 460
Por lo tanto Min , 230 y X5 sale de la base.
i 1 3
1 2
Segunda Iteracin
Las variables bsicas son ahora (X4, X3,X6) con matriz bsica (sustituyendo X5 por X3):
1 1 0 1 1/ 2 0
B 0 2 0 B 1
0 1/ 2 0
0 0 1 0 0 1
X B B 1b
X 4 1 1 / 2 0 430 200
X B X 3 0 1 / 2 0 460 230 C B 0 5 0
X 6 0 0 1 420 420
200
Z C B B 1b C B X B 0 5 0 230 1150
420
Para calcular los elementos que indican el criterio de optimalidad se tiene que
N X1, X 2 , X 5 , B X 4 , X 3 , X 6
1 1/ 2 0 1 2 0 X1 X2 X5
0 5 0 0 1/ 2 0 3 0 1 3 2 0 9 / 2 2 5 / 2
0 0 1 1 4 0

Y por lo tanto X2 entra a la nueva base B. El vector de salida de la base B se determina mediante el siguiente
clculo:
Y12 1 1 / 2 0 2 2
X Bi
Min Yi 2 0 , donde Y2 Y22 B a 2 0 1 / 2 0 0 0
1
i 1 m Y
i2 Y32 0 0 1 4 4
200 420
Por lo tanto Min , 100 y X4 sale de la base.
i 1 3
2 4
Tercera Iteracin
Las variables bsicas son ahora (X2, X3,X6) con matriz bsica (sustituyendo X4 por X2):
2 1 0 1 / 2 1/ 4 0
B 0 2 0 B 1 0 1/ 2 0
4 0 1 2 1 1
X B B 1b
X 2 1 / 2 1 / 4 0 200 100
X B X 3 0 1 / 2 0 230 230 C B 2 5 0
X 6 2 1 1 420 20
100
Z CB B b CB X B 2
1
5 0 230 1350
20
Para calcular los elementos que indican el criterio de optimalidad se tiene que
N= X 1 , X 4 , X 5 , B X 2 , X 3 , X 6
1 / 2 1/ 4 0 1 1 0
2 5 0 0 1/ 2 0 3 0 1 3 0 0
2 1 1 1 0 0
4 1 2
Por lo que la solucin Z , XB es ptima, es decir:

X 2 100

X 3 230
X B X 6 10
X ; Z = 1350
X N X1 0
X 0
4
X 6 0
RCYM

3.10 METODO DE DESCOMPOSICION LINEAL
El mtodo simplex revisado es un mejoramiento del mtodo simplex en cuanto a la solucin de problemas
lineales grandes que requieren gran cantidad de almacenamiento de informacin. Sin embargo, en bastantes
problemas reales, el almacenar una matriz de orden m por m (la matriz B-1 ) puede resultar una tarea, si no
imposible, s bastante complicada y que consume mucho tiempo.
El mtodo de descomposicin lineal viene a ser un mejoramiento del mtodo simplex revisado en ciertos
casos. Resulta que mientras ms grande es la matriz A, tambin es mayor el nmero de ceros de la misma. Es
decir, por regla general, a medida que la matriz de coeficientes tecnolgicos aumenta (por tenerse ms
actividades y ms restricciones), esta se va haciendo menos densa, donde la densidad es la relacin de
nmeros diferentes de cero en la matriz entre el nmero total de sus componentes. Bajo ciertas condiciones,
se pueden resolver por medio de los mtodos de descomposicin lineal, problemas que no se pueden resolver
por el mtodo simplex revisado, por cuestiones de espacio disponibles en una computadora.
A continuacin se ven las condiciones que debe tener la matriz de coeficientes tecnolgicos A, para que se
pueda aplicar la descomposicin lineal y ver tambin , cul es la estructura en donde se basa esta
descomposicin
Considere el problema lineal

Mx Z = cX
Sujeto a
AX = b
X >= 0, (1)
donde la matriz A y los vectores b y c tienen la siguiente estructura
C1 C2 C3 ... Cp-1 Cp
n1 n2 n3 ... np-1 np 1
L1 L2 L3 ... Lp-1 Lp b0
A1 0 0 ... 0 0 b1
0 A2 ... 0 0 b2
0 0 A3 ... 0 0 b3
0 0 0 ... Ap-1 0 bp-1

0 0 0 ... 0 Ap bp
Ntese que cada bloque de la estructura arriba mencionada a excepcin del primero, es un problema lineal de
la forma
AiXi = bi , i=1..p
Mientras que el primer bloque es
p
LiXi b0
i 1
Ntese que el vector b ha sido partido en p+1 componentes b0, b1 ....bp , mientras que el vector c, en p
componentes c0, c1 ....cp , El problema (2.68) puede reescribirse como :
p
Mx Z c j X j
j 1
Sujeto a :
p
L X
j 1
j j b0 (2)
A j X j bj , j 1 p
X j 0, j 1 p
Cada juego de restricciones AjXj=bj define un conjunto convexo S j idntico a la regin de factibilidad
estudiada con anterioridad. Sea X ij los puntos extremos de la regin S j Entonces, cualquier solucin bsica
factible Xj de (2.68) puede escribirse en funcin de los puntos extremos como:

Sj
X j ij X ij , j 1 p
i 1
Sj

i 1
ij 1 j 1 p (3)
ij 0, i 1 S j
j 1 p
donde Sj es el nmero de puntos extremos de la regin de factibilidad S j. Entonces reemplazando Xj en la
estructura anterior tenemos :
p Sj
Mx Z c j ij X ij
j1 i 1
Sujeto a :
p Sj

j 1 i 1
L j ij X ij b0 (4)
Sj

i 1
ij 1, j 1 p
ij 0, i 1 S j
j 1 p
Se hace el siguiente cambio de notacin
dij=LjXij, i=1..Sj
cij=cjXij j=1..p (5)
(4) en (5) da
p Sj
Mx Z c ij ij
j 1 i 1
Sujeto a :
p Sj

j 1 i 1
dij ij b0 (6)
Sj

i 1
ij 1, j 1 p
ij 0, i 1 S j
j 1 p
Las variables de decisin ene el problema (2.73) son las ij que una vez halladas permiten conocer el valor
de las Xj, utilizando la relacin (2.70). La estructura del problema lineal (2.73) se presenta a continuacin
S1 S2 Sp
..
1 1 1 0 0 0 0 0 0 0 0 1 1 ... 1 0
0
0 0 ... 0 0 0 .0 1 .... 1 ..
.. = b0
..
=1
=1

.. =1

=1
Donde 0, 1 , 2, p son los vectores duales asociados con las restricciones del
problema (6)
p p
El problema original (2) que contiene m 0 m i restricciones y ni variables de decisin ha sido
i 1 i 1
convertido en un problema equivalente (6), con menos restricciones (de hecho con m0+p ),aunque con un
p
nmero mucho mayor de decisiones, s j . Adems de que el grado de dificultad en resolver un
j1
problema lineal est ene el nmero de restricciones, en el problema (6) no se necesita necesariamente trabajar
con todas las variables ij , i=1... Sj; j=1...p al mismo tiempo, si se necesita conocer todos los puntos
extremos Xij , i=1...Sj; j=1...p. Eso acarrea que el problema (6) sea ms atractivo para resolver, que el
problema (2), en los casos que la estructura de A sea como la dada en (1).
Como la matriz en (6) tiene m0+p renglones, la base de (6) debe tener m0+p vectores. Si de alguna manera se
logra generar una solucin inicial que sea bsica y factible, se tiene como consecuencia a los indicadores
d ij
z ij c ij , j N. Si z ij c ij 0 para j en N, entonces la columna j, dad por el vector entrar en la
e j
base.
Pero
d ij
z ij 0 ,
ej
0
Donde 0 es el vector dual con m 0 componentes ( 1 , 02 , 0m ) asociado a las primeras
0
m0 restricciones primarias de (6) y es el vector dual con p componentes ( 1 , 2, p )
asociado a las ltimas p restricciones primarias de (6).
Entonces,
d ij
z ij c ij 0 , c ij
e j
0 d ij e j c ij
Si el mnimo de todos los z ij c ij 0 , la solucin asociada a ese tablero es ptima. De otra manera , es
decir, si hay algn z ij c ij 0 , habr que buscar en cada regin factible Sj el mnimo z ij c ij ,
resolviendo el siguiente problema
Mn (z ij c ij ) Mn ( 0 d ij e j c ij )
j1...p j1...p
Pero como en todas las regiones de factibilidad S j , el vector es el mismo, este puede desaparecer de la
funcin objetivo anterior ya que es una constante dejando a esta como
Mn
j1...p
( 0 d ij c ij )
O utilizando (5) se tiene

Mn ( L
j 1... p
0 j c j ) X ij
Sujeto a : X ij S j , j 1, ...., p (7)

Pero (7) es el siguiente programa lineal
Mn (
j 1... p
0 Lj c j ) X ij
Sujeto a :
A jX j bj , j 1, ...., p
X j 0
Como la funcin objetivo en (8) es alinear, el ptimo ser siempre un punto extremo X ij .Si
( 0L j c j ) X ij j 0
d ij
El vector deber entrar en la nueva base y el mtodo simplex se usar como de costumbre. Cuando se
e j
d ij
introduce el vector a la nueva base, deber ste de actualizarse, multiplicndose por la base inversa
e j
actual B-1 antes de efectuar las operaciones matriciales elementales. Si al resolver p problemas lineales de la
forma(2.75) el

Min 0 L j c j X ij j 0 para j=1...p
j1p
(9)
La solucin es ptima.
3.10.1 Algoritmo del Mtodo de Descomposicin lineal

Paso 1
Dado un problema lineal (PO), pasar a la forma estndar (1), verificar su estructura si es que se
puede aplicar el algoritmo de descomposicin lineal, si se puede aplicar el algoritmo de
descomposicin lineal continuar con el paso 2; caso contrario resulvase por otro mtodo.
Paso 2
Redzcase un problema (1) en un problema modificado (4) por medio de las formulas (3)
Paso 3
Constryase el tablero inicial y encuntrese la solucin inicial bsica y factible.
Paso 4
Con la solucin actual, resulvase p problemas lineales de la forma :

Min 0 L j c j X ij
sujeto a :
A jX j b j j 1, p
Xj 0
Si:
Min
j1p
0 L j c j X ij j 0 (9)

la solucin actual es ptima y el proceso termina. Sino continese con el paso 5
Paso 5
El mnimo obtenido en (9) corresponde a una ij . Introdzcase esta a la nueva base. Actualcese el
d ij
nuevo vector multiplicndose por B-1 . Determnese el vector a salir de la base . Actualcese
e
j
la base, tal como se hizo en el mtodo simplex revisado y regrsese al paso 3.
3.10.2 Diagrama de Flujo de Descomposicin lineal :
INICIO
Dado un PL pasar a
la forma estndar
0
Se puede aplicar el
algoritmo de DL
Reduzca el problema
de forma estndar a No se puede
uno modificado resolver por el
mtodo de DL
,resolver por otro
mtodo
Construya el tablero
inicial y encuentre la
SIBF
Determinar los Con la solucin

vectores de actual resuelva p
entrada y salida problemas lineales
de la forma (8)
no
La sol.
es
ptima
si
Manuel Alvarado Contreras Ramn Vera Fin

Roalcaba 189
Ejemplo
Resolver por el mtodo de descomposicin lineal el siguiente problema.
Mx Z X 1 2 X 2 X 3 3 X 4
Sujeto a :
X1 X2 X3 X4 200
X1 2X 2 X3 3X 4 400
X1 2X 2 100
4X1 6X 2 300
3X 3 6X 4 600
X 4 20
X i 0, i 1, ,4.
Una vez que se introducen las variables de holgura X5 y superflua X6 se tiene la siguiente estructura que
conforma a los requisitos de la descomposicin lineal.
Mx Z = X1 + 2X2 + X3 + 3X4
Sujeto a:
X1 + X2 + X3 + X4 + X5 - = 200
X1 + 2X2 + X3 + 3X4 X6 = 400
X1 + X2 + X7 = 100
4X1 + 6X2 + X8 = 300
+ 3X3 + 6X4+ X9 + = 600
X4 - X10 = 20
De la estructura de arriba se distingue lo siguiente:
c1 1, 2, 0, 0 c 2 1, 3, 0 0
1 1 0 0 1 1 0 0
L1 L2
1 2 0 0 1 3 0 0
1 2 1 0 3 6 1 0
A1 A2
4 6 0 1 0 1 0 1
200 100
b0 b1
400 300
600
b2 X1 X1 , X2, X7 , X8
20
X 2 X 3 , X 4 , X 9 , X10
Iteracin 1.
Paso 1:
Se aaden las variables artificiales X a1 , X a 2 y X a 3 y la solucin inicial del problema modificado (4)
se da a continuacin:
1,1 2,1 a1,1 1,2 2, 2 a 2 , 2
X6 X5 X a1 X a2 X a3
c1 X11 c1X 21 c1X ac12,1X1,2 c 2 X 2, 2 c 2 X a 20, 2 0 M M -M 0
L1 X11 L1X 21 L1XLa12,1X1,2 L 2 X 2,2 L 2 X a02 ,2 1 0 0 0 200

-1 0 1 0 0 400
1 1 1 0 0 0 0 0 0 1 0 1
0 0 0 1 1 1 0 0 0 0 1 1
Subproblema 1 Subproblema 2 Solucin bsica
factible inicial
Paso 2. La solucin bsica factible inicial es

B0 a 5 , a a1 , a a2 , a a3
200
400
b
1

1
1 0 0 0
0 1 0 0
B0
1
0 0 1 0

0 0 0 1
X5 1 0 0 0 200
X 0
a1 1 0 0 400
X B0 B0 b
1
X a2 0 0 1 0 1

X a 3 0 0 0 1 1
200
400
X B0
1

1

0 , 1 , 2 , 1 , 2
0, M , M , M
Paso 3.
Para j = 1 el primer subproblema (8) es


Mn 0 L1 c1 X 1
Sujeto a :
A1 X 1 b1
X1 0
o
X1
1 1 0 0 X
Mn 0, - M 1, 2, 0, 0 2
0 2 0 0 X 7
X 8
Sujeto a :
X1
1 2 1 0 X 2 100
4 6 0 1 X 300
7
X 8
X1
X
2 0
X 7

X 8
La solucin de ste subproblema lineal usando el mtodo simplex es
X1 0
X 50
X1 X1,1 2
X 7 0

X8 0
que es el primer punto extremo de la regin de factibilidad S1, con funcin objetivo igual a
0 L1 c1 X1,1 100M 100.
por tanto
0 L1 c1 X1,1 1 100M 100 M
101M 100.
Para j = 2 el segundo subproblema lineal de la forma (8) es

Mn 0 L 2 c 2 X 2
Sujeto a :
A2 X2 b2
X 2 0,
o
X3
1 1 0 0 X 4
Mn 0, - M 1, 3, 0, 0
0 3 0 0 X9

X10
Sujeto a :
X3

3 6 1 0 X 4 600
0 1 0 - 1 X 20
9

X10
X3
X
40
X9

X10
La solucin de ste problema lineal usando el mtodo simplex es
X3 0
X 100
X 2 X1, 2 4
X9 0

X10 80
que el primer punto extremo de la regin de factibilidad S2. El valor de la funcin Objetivo para ste
subproblema es
0 L 2 c 2 X1,2 300M 300.
por lo que
0 L 2 c 2 X1,2 2 300M 300 M
301M 300.
Paso 4.
El mnimo de todas las funciones objetivos de los dos subproblemas (8) resulta ser
Mn 0 L j c j X1, j j Mn 101M 100, 301M 300

j1, 2
-301M - 300 0,
que corresponde a j = 2.
Para calcular el elemento z j c j correspondiente a la variable superflua X6 que no est en la base se tiene

z 6 c 6 c B B 01a 6 c 6
0
1
0, M, M, M 0
0

0
M 0,
y por lo tanto a6 no entra en la base. Como el ms negativo de todos los z ij c ij calculado para los dos
subproblemas y la variable de holgura X6 que no estn en la base B0 es 300M-300 correspondiente al punto
extremo X12 de la regin S 2 , 12 deber entrar a la nueva base B1.
Determinando el vector que sale de la base B0 se tiene
200, 400 1
Mn ,
L 2 X12 1
donde :
0
1 1 0 0 100
L 2 X12
1 3 0 0 0

80
100

300
o sea :
200 400 1
Mn 1
100 300 1
El vector artificial aa3 sale de la base. El pivote se muestra en el tablero original.
Iteracin 2.
Paso 1.
El nuevo tablero correspondiente al problema (4) se obtiene as

B11 EB 01
1 0 0 100 1 1 0 0 0
0 1 0 300 1 0 1 0 0
B1
1
0 0 0 0 1 0 0 1 0

0 0 1 1 1 0 0 0 1
1 0 0 100
0 1 0 300
B11
0 0 1 0

0 0 0 1
X5

X
X B1 a1 B11b
X a
2
12
1 0 0 100 200 100
0 1 0 300 400 100

0 0 1 0 1 1

0 0 0 1 1 1
El coeficiente c12 de 12 se determina por medio de (5)
c12 c 2 X12
0
100
1 3 0 0 300
0

80
El tablero correspondiente al inicio de la segunda iteracin es
1,1 2,1 a1 ,1 12 2, 2 a 2 , 2 X6 X 5 X a1 X a2 X a3
300 0 -M -M 300M+300 100
0 1 0 0 100 100
0 0 1 0 300 100
0 0 0 1 0 1
1 0 0 0 1 1
Paso 2.
El vector bsico en la segunda iteracin correspondiente a la solucin del problema inicial (6) es
X 5 100
X 100
X B1 a1 ,
X a 2 1

12 1
con la base inversa, costos unitarios y precios duales
1 0 100
0
0 1 300
0
B11
0 0 1 0

0 0 0 1

c B1 c 5 , c a1 , c a 2 , c 12
0, M, M, 300
0, 1 , 2 , 1 , 2
c B1 B11
1 0 0 100
0 1 0 300
0, M, M, 300
0 0 1 0

0 0 0 1
0, M, M, 300M 300
Paso 3. El primer subprograma j=1 es

Mn 0 L1 c1 X1
Sujeto a :
A1 X1 b1
X1 0
o
X1
1 1 0 0 X 2
Mn 0, - M 1, 2, 0, 0
0 2 0 0 X 7

X 8
Sujeto a :
X1
1 2 1 0 X 2 100
4
6 0 1 X 7 300

X 8
X1
X
2 0
X 7

X8
cuya solucin usando el mtodo simplex es
X1 0
X 50
X1 X 2,1 2
X 7 0

X8 0

que corresponde al segundo punto extremo de la regin de factibilidad S1. El trmino

0 L1 c1 X 2,1 1 resulta ser de 101M-100.
Para j = 2, el segundo subproblema lineal es
Mn 0 L 2 c 2 X 2
Sujeto a :
A 2 X 2 b2
X 2 0,
o
X3
1 1 0 0 X 4
Mn 0, - M 1, 3, 0, 0
0 3 0 0 X 9
X10
Sujeto a :
X3

3 6 1 0 X 4 600
0 1
0 - 1 X9 20

X10
X3

X4 0
X9

X10
Que resulta ser idntico al segundo subproblema de la iteracin anterior con solucin ptima
X3 0
X
100
X 2 X 2, 2 4
X9 0

X10 80
correspondiente al segundo punto extremo de S2. El elemento 0 L 2 c 2 X 2 2 resulta ser
0L2 c2 X1,2 2 300M 300 300M 300

0.
por lo tanto
Mn 0 L j c j X 2, j j Mn 101M 100, 0
j1, 2
-101M - 100,
Paso 4.
La z j c j correspondiente a la variable superflua X6 que no est en la base se tiene

z 6 c 6 c B1 B11a 6 c 6
0
1
0, M, M, 300M 300 0
0

0
M 0,
y por lo tanto a6 no entra en la base. Como el ms negativo de todos los z ij c ij calculados para los dos
subproblemas y la variable de holgura X6 que no estn en la base B1 es -100M-100, correspondiente al punto
extremo X21 de la regin S1 , 21 entra a la nueva base B2.
Los elementos del tablero correspondiente a la columna a 21 son donde
1 0 0 100
0 L1 X 21
1 0 300
B11a 21 1
0 0 1 0
0
0 0 0 1
donde
0
1 1 0 0 50 50
L1 X 21
1 2 0 0 0 100

0
por lo que
1 0 0 100 50
0 1 0 300 100
B11a 21
0 0 1 0 1

0 0 0 1 0
50
100

1

0
El vector que deber salir de la base B1 para formar la base B2 se calcula por medio de
100 100 1
Mn , , 1,
50 100 1
por lo que a a 2 sale de la base B1 . El pivote se muestra a continuacin:
1,1 21 a1,1 12 2, 2 a 2 , 2 X6 X 5 X a1 X a2 X a3
300 0 -M -M 300M+300
50 0 1 0 0 100 100
100 0 0 1 0 300 100
1 0 0 0 1 0 1
0 1 0 0 0 1 1
Iteracin 3.
Paso 1.
El nuevo tablero correspondiente al problema (4) se obtiene de la siguiente manera:
B1 1
2 EB1
1 0 50 1 0 1 0 0 100
0 1 100 1 0 0 1 0 300
B 1

2
0 0 11 0 0 0 1 0

0 0 01 1 0 0 0 1
1 0 50 100
0 1 100 300
B2
1
0 0 1 0

0 0 0 1
X5 1 0 50 100 200 100
X 0 1 100 300 400 100
X B2 a1
B2 b
1

21 0 0 1 0 1 1

12 0 0 0 1 1 1
El coeficiente c 21 de 21 se determina por medio de (5)
c 21 c1 X 21
0
50
1 2 0 0 100
0

0
El tablero correspondiente al inicio de la segunda iteracin es
1,1 2,1 a1 ,1 12 2, 2 a 2 , 2 X6 X 5 X a1 X a2 X a3
100 300 0 M 100 M 100 300 M 300
0 0 1 0 50 100 50
0 0 0 1 100 300 0
1 0 0 0 1 0 1
0 1 0 0 0 1 1
Paso 2.
El vector bsico en la tercera iteracin correspondiente a la solucin del problema lineal (6) es
X 5 50
X 0
X B2 a1 ,
21 1

12 1
con la base inversa, costos unitarios y precios duales

1 0 50
100
0 1 100 300
B2
1
0 0 1 0

0 0 0 1

c B 2 c5 , ca1 , c 2,1 , c1, 2
0, M, 100, 300
0,
1 , 2 , 1 , 2
c B2 B 1
1 0 50 100
0 1 100 300
0, M, 100, 300
0 0 1 0

0 0 0 1
0, M, 100M 100, 300M 300 ,
Paso 3. El primer subprograma j=1 es
Mn 0 L1 c1 X1
Sujeto a :
A 1 X 1 b1
X1 0
cuya solucin ptima es
X1 0
X 50
X1 X 3,1 2
X 7 0

X8 0
que corresponde al tercer punto extremo de la regin de factibilidad S1.

El parmetro 0 L1 c1 X 3,1 1 resulta ser
100M - 100 + 100M + 100 = 0.
Para j = 2, el segundo subproblema lineal es

Mn 0 L 2 c 2 X 2
Sujeto a :
A2 X2 b2
X 2 0,
cuya solucin ptima es

X3 0
X 100
X 2 X 3, 2 4
X9 0

X10 80
correspondiente al tercer punto extremo de la regin de factibilidad S2.
El parmetro 0 L 2 c 2 X 3, 2 2 resulta ser de

0 L 2 c 2 X 3,2 2 300M 300 300M 300
0.
por ltimo z 6 c 6 , que correspondiente al vector superflua a6 que no est en la base B2 es

z 6 c 6 c B2 B 1
2 a 6 c6
0
1
0, M, 100M 100, 300M 300 0
0

0
M 0,
Como todos los elementos z ij c ij 0, y por lo tanto la condicin de optimalidad (9) se satisface, el
vector
X 5 50
X 0
X B2 a1
21 1

12 1
es ptima para el problema (6). la solucin ptima del problema original (2), se obtiene utilizando la
conversin (3), es decir

3
X 1 i1 X i1
i 1
11 X 11 21 X 21 31 X 31
0 X 11 1 X 21 0 X 31
X1 0
X 50
X 21 2
X 7 0

X8 0
3
X 2 i 2 X i 2
i 1
12 X 12 22 X 22 32 X 32
1 X 12 0 X 21 0 X 31
X3 0
X 100
X 12 4 ,
X9 0

X 10 80
Z c B2 X B2
X5
X

c5 , c a1 , c 21 , c12 a1
21

12
50
0
0, - M, 100, 300
1

1
400.
Note el lector cmo los puntos extremos de las regiones de factibilidad Sj, j=1, ...p, se van generando a
medida que las iteraciones van avanzando y que no es necesario conocer a priori todos los puntos extremos
Xij de Sj,i=1
Sj; j=1-p.

3.11 TCNICAS DE COTA INFERIOR Y SUPERIOR
3.11.1 COTAS INFERIORES:

El problema lineal con cota inferior se define como
Opt Z C X
Sujeto a :

AX b

h X
donde h es el vector columna de n componentes, no necesariamente mayor o igual al vector 0. Este problema
puede resolverse por el mtodo simplex, pero el precio que se paga es el de usar m+n restricciones

adicionales, las primeras n generadas por AX b y las ltimas n por h X.

Sin embargo, introduciendo el vector superfluo Y, se pueden suprimir n restricciones, tal cmo se muestran a
continuacin:
hX
h X - Y, Y 0
XhY
que una vez que se substituye en el problema original da:
Opt Z C Y Ch
Sujeto a :

AY Ah b

Y 0.
Pero como Ch es una constante, sta puede eliminarse de la funcin objetivo, quedando finalmente el
problema
Opt Z C Y
Sujeto a :

AY b Ah

Y0
Este problema difiere del formulado originalmente, en que slo tiene m restricciones y por lo tanto puede
resolverse fcilmente por el mtodo simplex.
3.11.1.1 ALGORITMO DE COTAS INFERIORES:

Paso1: Dado el problema lineal de la forma
Opt Z C X
Sujeto a :

AX b

h X
Introducir el vector suprfluo Y
hX
h=XY
Paso 2: Despejamos el vector X:
X = h + Y , y lo sustituimos en el problema original (PO)
Opt Z C Y Ch
Sujeto a :

AY Ah b

Y 0.
Paso 3: Como Ch es una constante puede eliminarse de la funcin objetivo.

Opt Z C Y
Sujeto a :

AY b Ah

Y0
Paso 4: Resolver el nuevo problema (NP) por alguno de los mtodos estudiados.
Paso 5: Fin
3.11.1.2 Diagrama de Flujo de Cota inferior:
INICIO
1) Dado un programa lineal ,

introducir el vector superfluo Y
2) Despejamos el vector X :
X=h+Y, y lo sustituimos en el
problema original
3) Como Ch es una constante

se elimina de la funcin
objetivo
4) Resolver el nuevo
problema por algn mtodo
estudiado
Fin
Ejemplo. Ejercicio Resuelto

Mx Z X1 2X 2
Sujeto a :
X1 - 4X 2 4
X2 2
X1 2
X1 0, X 2 0
se hace
X1 - Y1 = 2, Y1 >= 0,
O sea
X1 = 2 + Y1
El problema original se puede re-escribir como
Mx Z 2 Y1 2X 2
Suj eto a :
2 Y1 - 4X 2 X 3
X 2 X
Y1 0, X 2 0, X 3 0

Utilizando el mtodo simplex, se tiene
Z Y1 X2 X3 X4
1 -1 -2 0 0 2
a3 0 1 -4 1 0 2
a4 0 0 1 0 1 2
1 -1 0 0 2 6
a3 0 1 0 1 4 10
a2 0 0 1 0 1 2
1 0 0 1 6 16
ay1 0 1 0 1 4 10
a2 0 0 1 0 1 2
El resultado ptimo es
Y1 10
Xn X2 2
X X 0
N 3
X
X 0
4
Z = 16
Por lo que
X1 = 2 + Y1 = 2 + 10 = 12
3.11.2 COTAS SUPERIORES
El problema lineal con cota superior se define como

Opt Z C X
Sujeto a :

AX b

0Xu
Se trata de ver nuevamente cmo resolver un problema equivalente que tenga menos de m+n restricciones.
A diferencia del caso de la cota inferior, no se puede hacer en este caso la siguiente sustitucin:
X u
X W u, W 0
X u W,
porque aunque se garantiza que X u, no se puede garantizar que u - W 0 . Basta con que W sea mayor
que u para que u-W < 0 y por lo tanto X < 0, violando la restriccin de que X>=0, X = u W se representa
por medio de sus componentes, es decir,
X j u j Wj , j 1, , n.
Para el caso de la cosa superior se distinguen tres casos diferentes, que ameritan cada uno un trato especial, a
saber:
a) Xj es bsica y su complemento de holgura Wj es no-bsico.
b) Ambas Xj y Wj son bsicas.
c) Xj es no-bsica y su complemento de holgura Wj es bsico.
Las iteraciones del mtodo simplex en este caso pueden ser de tres tipos, a saber:
I. Cundo una variable no bsica aumenta su valor, otra variable bsica disminuye a cero. Este es el
caso normal del mtodo simplex utilizado hasta ahora en este texto.
II. Cuando una variable no bsica se incrementa, otra variable bsica aumenta hasta alcanzar su cota
superior. Este tipo de iteracin se puede convertir a una iteracin normal del simplex (Iteracin tipo
I), si es que antes de efectuar la iteracin se hace uso de una de las dos frmulas de conversin

X j u j Wj , j 1, , n.
Wj u j X j , j 1, , n
III. Cuando una variable no bsica se incrementa, sta alcanza su valor de cota superior.
El mtodo simplex comn y corriente, utilizado hasta ahora, difiere del mtodo simplex con cota superior en
slo dos fases:
a) La seleccin del vector que deber dejar la base, y
b) La iteracin que deber realizarse.
Siendo ambos mtodos exactamente iguales en el resto de las fases.
Se dan a continuacin los pasos a seguir del mtodo simplex con cota superior.
3.11.2.1 Algoritmo de cotas superiores:
Paso 1. Obtngase una solucin inicial bsica factible por medio de la adicin de variables de holgura o
artificiales.
Paso 2. Si todos las Zj Cj >= 0, para j=1, .... , n, la base actual es ptima. Si no, selecinese como vector
de entrada aqul cuya Zj C j sea la ms negativa. Sea este, el vector ak.
Paso 3. Seleccinese indicadores
.r1 = Nmero de fila utilizado en la iteracin tipo I
.r2 = Nmero de fila utilizado en la iteracin tipo II
.f1 = cociente numrico de la iteracin tipo I
.f2 = cociente numrico de la iteracin tipo II,
y hgase r1 = r2 = 0, f1 = f2 = .

X Bi

Paso 4. Encuntrese el Mn Yik Yik 0

y desgnase a r1 como la fila donde se obtuvo el
i 1,, m
mnimo y a f1 como el cociente mnimo.
X Bi u
Bi
Paso 5. Encuntrese el Mn Y
Yik 0 y desgnase a r2 como la fila donde se obtuvo el
i 1,, m ik

mnimo y a f2 como el cociente mnimo.
Paso 6. Si r1 = r2 = 0 y u k = .el problema no tiene solucin ptima acotado, si no que la solucin es

infinito. En caso contrario escoger el
Mn f1 , f 2 , u k
Paso 7. Si el mnimo es:
a) .f1, utilcese la iteracin tipo I del mtodo simplex, es decir, hgase al pivote Yr 1,k uno, y al
resto de la columna cero, contine al paso 2.
b) .f2, hgase primero el cambio de X Br2 por W Br2 y Yr2 , k por - Yr2 , k , para toda j en N
donde
WBr2 u Br2 X Br2 ,
y despus utilcese una iteracin del tipo I del simplex pivoteando sobre el elemento Yr2 ,k .
Regrsese al paso 2. El vector que sale de la base adquiere el valor de su cota superior.
c) uk, hgase los siguientes cambios y regrese al paso 2, sin iterar.
Cmbiese XBi por WBi , donde WBi = XBi uk Yik, para toda i = 1-m.
Cmbiese Yik por Yik, para toda i=1, . . . , m.
Cmbiese Zk - Ck por - Zk + Ck y Z por Z - uk( Zk - Ck ).
El vector no bsico que debera entrar a la base ( pero que no entra ) adquiere el valor de su cota
superior.

3.11.2.2 Diagrama de Flujo de Cota superior:
INICIO
Programa lineal bsico y factible
si
FIN
Zj Cj >= 0
no
Seleccinese indicadores r1, r2,

f1, f2 y hagase r1 = r2 = 0, f1 = f2
=
No
existe
X Bi soluci
Mn Yik 0 n
i 1,,m Yik
si
Si r1 = r2 = 0 y
uk =
no
1 si
7(a
no0
1 si
7(b 0 no
7(c

Ejemplo: Ejercicio Resuelto

Resuelva por el mtodo simplex de cota superior el siguiente problema lineal:
Mx Z 0.56X1 0.42X 2
Sujeto a :
X1 2X 2 240 000
1.5X1 X 2 180 000
0 X1 110 000
X2 0
Iteracin 1.
Paso 1.
Z X1 X2 X3 X4
1 -0.56 -0.42 0 0 0
.a 3 0 1 2 1 0 240 000
.a4 0 1.5 1 0 1 180 000
Paso 2. X1 entra a la base, por lo que k=1.
Paso3. r1 = r2 = 0
f1 = f2 = .
Paso 4 y 5.
Como todas las Yi1 > 0 i=1, 2 se tiene r2 = 0 y f2 = .

X

Mn YBi Yi1 0

i1
240 000 180 000
Mn , 120 000,
1 1.5
y por lo tanto r1 = 2 y f1 = 120 000.
Paso 6.
Mn f1 , f 2 , u 1 Mn 120000, , 110000
110000 .
Paso 7-C. La iteracin es del tipo III, es decir a X1 se le reemplaza por (110000 W1) y se hacen
los
siguientes cambios:
i) WBi = XBi uk Yik, i=1, 2; k = l

Es decir, para i = 1
WB1 = XB1 u1 Y11
WB1 = 240 000 110 000(1) = 130 000
Y para i = 2
WB2 = XB2 u1 Y21
WB2 = 180 000 110 000(1.5) = 15 000
ii) Yik = - Yik, i = 1, 2; k = 1,

Es decir,
Y11 = - Y11 = - 1,
Y21 = - Y21 = - 1.5,
i) zk - ck = - zk + ck
z1 - c1 = - z1 + c1 = - ( - 0.56 ) = 0.56
ii) Z = Z - uk ( z k - c k )
Z = Z - u1 ( z 1 - c 1 )
Z = 0 - 110 000(- 0.56) = 61 600.
Iteracin 2.
Paso 2. El nuevo tablero, al inicio de sta iteracin, es
Z X1 X2 X3 X4
1 0.56 -0.42 0 0 61 600
.a 3 0 -1 2 1 0 130 000
.a4 0 - 1.5 1 0 1 15 000
Y X2 entra a la nueva base, por lo que k=2. Note como X 1 ha adquirido en esta iteracin el
valor de su cota superior. En efecto X1 = 110 000 W1, pero W1 = 0, por lo que X1 = 110
000.
Paso3. r1 = r2 = 0
f1 = f2 = .
Paso 4 y 5. Como todas las Yi2 > 0, i=1, 2 se tiene r2 = 0 y f2 = .

X Bi

Mn Yi 2 Y i2 0

i 1, 2
130 000 15 000
Mn , 15 000,
2 1
y por lo tanto r1 = 2 y f1 = 15 000.
Paso 6.
Mn f1 , f 2 , u1 Mn 15000, ,
15 000.
Paso 7-a. Se realiza una iteracin tipo I del mtodo simplex sobre el pivote Y 22, generando el
siguiente
tablero.
Iteracin 3.
Paso 2.
Z W1 X2 X3 X4
1 - 0.07 0 0 0.42 67 900
.a 3 0 2 0 1 -2 100 000
.a2 0 - 1.5 1 0 1 15 000
Y W1 entra a la nueva base, por lo que k=1.
Paso3. r1 = r2 = 0
f1 = f2 = .
Paso 4.

X

Mn YBi Yi1 0

i 1, 2
i1
100 000
Mn 50 000,
2
y por lo tanto r1 = 1 y f1 = 50 000.
Paso 5.

X Bi u Bi

Mn Yik
Yik 0

i 1, 2
15 000 -
Mn ,
- 1.5
y por lo tanto
r2 = 2 y f2 = .
Paso 6.
Min f 1 , f 2 , u 1 Mn 50 000, , 110 000
50 000.
Paso 7-a. Se realiza una iteracin tipo I del mtodo simplex sobre el pivote Y 11, generando el
siguiente
tablero que es ptimo:
Z W1 X2 X3 X4
1 0 0 0.035 0.35 71 400
aw1 0 1 0 0.5 -1 50 000
a2 0 0 1 0.75 - 0.5 90 000
La solucin ptima es
W1 50 000
X X 90 000
X B 2 .
X
N X 3 0

X4 0
Z = 71 400,
Por lo que X1 = u1 W1
X1 = 110 000 50 000 = 60 000.
Ejemplo 2.
Para ilustrar una iteracin del tipo II (paso 7-b) se introduce al vector a 4 a una nueva base, en el tablero
ptimo anterior. Se tiene k = 2.
Iteracin 1.
Paso 2.
Z W1 X2 X3 X4
1 0 0 0.035 0.35 71 400
.aw1 0 1 0 0.5 -1 50 000
.a2 0 0 1 0.75 - 0.5 90 000
Paso3. r1 = r2 = 0
f1 = f2 = .
Paso 4. Por ser todas Yi4 < 0 i=1, 2 se tiene r1 = 0 y f2 = .
Paso 5.

X Bi u Bi

Mn Yi 4
Yi4 0

i 1,,m
50 000 - 110 000 90 000 -
Mn ,
-1 - 0.5
Mn 60 000, 60 000,
por lo que r2 = 1 y f2 = 60 000.
Paso 6.
Mn f1 , f 2 , u 1 Mn , 60 000,
60 000.
Paso 7-b. Se hacen los siguientes cambios:
i) WBr2 = uB2 - XB2,
Es decir,
WB1 = uB1 - XB1
WB1 = 110 000 - 50 000 = 60 000.
ii) Yr2,j = - Yr2,j , para toda j en N
Es decir,
Y1,j = - Y1,j , para j = 3,4,
Y1,3 = - 0.5
Y1,4 = - ( - 1 ) = 1
El tablero generado antes de efectuar operaciones matriciales elementales sobre el pivote Y r2,k = Y1,4
es :
Z W1 X2 X3 X4
1 0 0 0.035 0.35 71 400
aw1 0 1 0 - 0.5 1 60 000
A2 0 0 1 75 - 0.5 90 000
Y una vez efectuada las operaciones matriciales elementales, se tiene el siguiente tablero, que desde
luego no es ptimo y habr que seguir iterando. Note cmo el vector que sale de la base adquiere el valor de
su cota superior.
En efecto, W1' 110 000 - W1 , pero W1' 0 por lo que W1 110 000.
Eso, a su vez, implica que X1=0, porque X1=110 000-W1.
Z W1 X2 X3 X4
1 - 0.35 0 0.21 0 50 400
a4 0 1 0 - 0.5 1 60 000
a2 0 0.5 1 0.5 0 120 000

El mtodo simplex revisado con la tcnica de cota superior es el que se emplea en casi todos los
programas comerciales de computadoras para resolver problemas de programacin lineal.
3.12 EJERCICIOS PROPUESTOS
Dualidad:
1.-Considere el siguiente problema

Minimizar z = 3x1 + 4x2 5x3
Sujeta a: 2x1 + 3x2 5x3 10

x1 - 2x2 3x3 8
x1, x2, x3 0
El problema dual se define como:

Maximizar w = 10y1 + 8y2
2 y1 + y2 3
3 y1 -2 y2 -5
y1, y2 0
y1 y2
a) Considere los siguientes pares 1 0 de soluciones
(factibles o in factibles) 3 1
2 2
x1 x2 x3
7/6 2/3
5 0 0
6 1 0
8 2 1
Estime un intervalo
2 1 3
para el valor optimo de z.
b) Verifique que las dos siguientes soluciones son optimas para los problemas
primal y dual :
(x1, x2, x3 ) = (0, 10/3 , 0) ; (y1, y2) = (4/3 , 0)
2.- Obtenga el valor de la funcin objetivo optima del problema que sigue inspeccionando
su dual (no resuelva el dual a travs del mtodo simplex)
minimizar z = 10x1 + 4x2+ 5x3
sujeta a: 5 x1 -7 x2 +3 x3 50
x1, x2, x3 0
3.- Un problema de programacin lineal que tiene una solucin no acotada, Por qu su
dual debe ser necesariamente infactible?
4.- Considere el problema siguiente:
minimizar w = y1 - 5 y2 +6 y3
sujeta a: 2 y1 +4 y3 50
y1 +2 y2 30
y3 10
y1, y2 y1 irrestrictas

Simplex Revisado:
4.1.-Resuelva los siguientes problemas por medio del Mtodo Simplex revisado:
a. maximizar z = 6x1 2x2 + 3x3
sujeto a 2x1 -x2 + 2x3 2

x1 + 4x3 4
x1, x2, x3 0
b. maximizar z = 2x1 + x2 +2x3

sujeto a 4 x1 + 3 x2 + 8 x3 12
4 x1 + x2 + 12 x3 8
4 x1 - x2 + 3 x3 8
x1, x2, x3 0
c. minimizar z = 2 x1 + x2
sujeto a 3 x 1 + x2 = 3
4 x1 + 3 x2 6
x1 + 2x2 3
x1, x2 0
5.- Resulvase por el mtodo de descomposicin lineal el siguiente problema
max Z 4 x1 6 x 2 8 x3 5 x 4
s.a. x1 3 x 2 2 x3 4 x 4 20
2 x1 3 x 2 6 x3 4 x 4 25
x1 x 2 5
x1 2 x 2 8
4 x3 3x 4 12
x1 , x 2 , x3 , x 4 0
6.- Resuelva utilizando simultneamente las tcnicas de cota inferior y superior , el siguiente problema.
max Z 4 x1 2 x2 6 x3
s.a. 4 x1 x2 9
x1 x2 2 x3 8
3x1 x2 4 x3 12
1 x1 3
0 x2 5
0 x3 2

Ejemplo 1:: Investigación de Operaciones Programación Lineal

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Ejemplo 1:: Investigación de Operaciones Programación Lineal

Enviado por

Direitos autorais:

Formatos disponíveis

INVESTIGACIN DE OPERACIONES Programacin Lineal

Producto Qumico A Producto Qumico B

Las variables representan:

el nuevo programa lineal a resolver sera

La nueva solucin es ptimo. La nueva utilidad ptima es

Ntese que una reduccin en la disponibilidad de recursos a causado una disminucin en la

Manuel Alvarado Contreras Ramn Vera Roalcaba 162

Se observa que el segundo tablero es el ptimo.

X1 = 10/3 litros del producto qumico A por hora,

Generando una utilidad ptima de

generando una holgura en el costo de

Manuel Alvarado Contreras Ramn Vera Roalcaba 164

DIAGRAMA DE FLUJO DE CAMBIOS EN EL VECTOR c

Hacer el cambio del Vector

Manuel Alvarado Contreras Ramn Vera Roalcaba 165

Que no es ptimo porque z 3 c 3 5 19 0.

Luego se obtiene la nueva solucin ptima que es:

Al tablero indicado a continuacin mediante el uso de operaciones matriciales elementales.

Ntese que el tablero es ptimo, dando como resultado

Manuel Alvarado Contreras Ramn Vera Roalcaba 167

Supngase que el precio unitario de la primera actividad es $ 6, el nuevo problema a resolver es

Manuel Alvarado Contreras Ramn Vera Roalcaba 168

3.8.4 CAMBIO DE UN COEFICIENTE TECNOLGICO Aij .

Hay dos casos:

8.1.1 ALGORITMO DE CAMBIO DE UN COEFICIENTE TECNOLOGICO

DIAGRAMA DE FLUJO DE CAMBIO DE UN COEFICIENTE TECNOLOGICO

Hacer el cambio del Vector

Manuel Alvarado Contreras Ramn Vera Roalcaba 169

Paso1. Sea el problema original el siguiente

Por el mtodo simplex el tablero ptimo es:

Paso3. Como nicamente se cambi el vector a1, entonces se modifica solamente z1 c1 .

La solucin ptima del (PN)

Manuel Alvarado Contreras Ramn Vera Roalcaba 170

Paso1. Supngase que en el tablero original (PO) anterior, se realiza el cambio.

Paso4. Como z1 c1 1 / 2 0 hay que aplicar el mtodo simplex teniendo en cuenta de

Manuel Alvarado Contreras Ramn Vera Roalcaba 171

Paso1. Dado el P.O. de la forma

DIAGRAMA DE FLUJO DE ADICION DE NUEVAS ACTIVIDADES

Manuel Alvarado Contreras Ramn Vera Roalcaba 172

Manuel Alvarado Contreras Ramn Vera Roalcaba 173

Paso1. Dado el programa lineal anterior, se aade una variable X5.

La nueva solucin ptima es que la actividad X 5 debe producirse a un nivel de 4 unidades y la

Manuel Alvarado Contreras Ramn Vera Roalcaba 174

Existen dos significados, a saber :

Si X2=1 el nuevo valor de la funcin objetivo es:

Manuel Alvarado Contreras Ramn Vera Roalcaba 175

3.8.6 ADICIN DE NUEVAS RESTRICCIONES

DIAGRAMA DE FLUJO DE ADICION DE NUEVAS RESTRICCIONES

Aadir las nuevas La solucin ptima

La solucin ptima asociada a (PO) es

Reestructurando el vector unitario e2, por medio de operaciones matriciales elementales da el

Aplicando el mtodo dual simplex se obtiene el tablero ptimo

Manuel Alvarado Contreras Ramn Vera Roalcaba 177

3.9 SIMPLEX REVISADO

Dos de esos mtodos que se tratan son:

El mtodo Simplex Revisado.

El primero de esos mtodos se estudiar a continuacin.

Enseguida se analiza que elementos se utilizan en el mtodo simplex revisado

Estructura del tablero ptimo

En cada iteracin se tiene que el vector bsico XB est dado por:

Manuel Alvarado Contreras Ramn Vera Roalcaba 178

Y los valores que indican la optimalidad de la base son:

Vector de actividades con n componentes