1

INVESTIGACION DE OPERACIONES

I. INTRODUCCION

La administracin de sistemas se ha tornado cada vez ms difcil debido
a la complejidad creciente que experimentan los sistemas. Complejidad que
deriva de las interacciones entre los muchos elementos de las organizaciones y
los sistemas fsicos en que estos interactan. Se ha hecho cada da mas
necesaria la utilizacin de nuevas metodologas y tcnicas que permitan
resolver sus problemas de planificacin, diseo, administracin y operacin.
La investigacin operacional es un mtodo cientfico de la toma de
decisiones que se caracteriza por su naturaleza integradora o enfoque de
sistemas, esto es, una vez definido el alcance de un cierto sistema, se da
nfasis en el conjunto e interaccin de las partes que lo constituyen y no en
algn aspecto o componente especfico.

1. Definiciones e historia de la Investigacin de Operaciones (I.O.)
No existe una definicin nica de I.O., por el contrario cada profesional del
rea puede tener su propio concepto y definicin de ella.
Una muestra de tales definiciones se da a continuacin:
i) Es la aplicacin de mtodos cientficos, tcnicas y herramientas en la
solucin de problemas de operacin de sistemas con el fin de
controlar dichas operaciones en forma ptima (Churchman, Arnoff
& Ackoff).
ii) La I.O. tiene como objetivo el optimizar el comportamiento de un
sistema cuyo propsito est orientado a la resolucin de un problema
determinado (Mc. Closkey - Coppinger).
iii) La I.O. es la aplicacin del mtodo cientfico para proveer a los
departamentos ejecutivos con bases cuantitativas para la toma de
decisiones relacionadas con operaciones bajo su mando.
iv) I.O. es la aplicacin del mtodo cientfico por grupos de trabajo
interdisciplinarios para la resolucin de problemas de control de
sistemas hombre-mquina organizados con el fin de cumplir con
objetivos establecidos por la organizacin en la mejor forma posible
(Ackkoff - Sasieni).

Como se puede observar, todas las definiciones implican el uso de mtodos
cientficos para mejorar la toma de decisiones en la organizacin.
2
Investigacin Operacional tambin se conoce con los nombres de Ciencias
de la Administracin, Anlisis de Sistemas, Ciberntica, Anlisis de Decisin,
y/o Anlisis de Operaciones.

1.1 RESEA HISTRICA:

Su origen puede remontarse desde el tiempo de la Revolucin Industrial
y tambin en cierta medida antes de esa poca, sin embargo su origen como
disciplina propiamente tal data de la Segunda Guerra Mundial, en que las
administraciones militares de Gran Bretaa y Norteamrica emplearon un
grupo de cientficos para que aplicaran el mtodo cientfico o la solucin de
problemas tcticos y estratgicos, relacionados principalmente con la
asignacin de recursos, operaciones militares, abastecimientos, etc.
Una vez terminada la Segunda Guerra Mundial, los pases comenzaron
su reconstruccin y las organizaciones comenzaron a crecer y a ser ms
complejas. La I.O., entonces, entr en un proceso de expansin y desarrollo en
un mundo no militar.
A comienzo de 1960 la I.O. lleg a ser acadmicamente aceptable y de
inters. Como consecuencia de todo esto el nmero de especialistas en I.O.
creci en forma exponencial.
Debe tenerse presente, finalmente, que la I.O., est al servicio del
administrador quien generalmente necesita ayuda en la toma de decisiones en
sistemas que son demasiados complejos para permitir buenas decisiones
tomadas exclusivamente en base a buen criterio o sentido comn.

2. PROCESO DE LA INVESTIGACIN DE OPERACIONES:

El proceso de la I.O. comprende cinco pasos principales:

i) Formulacin y definicin del problema.
ii) Construccin del modelo.
iii) Solucin del modelo.
iv) Validacin del modelo.
v) Implementacin de la solucin.






3
3. TPICOS DE LA I.O.:

En la actualidad existe una gran cantidad de tcnicas utilizadas por la I.O.
que permiten analizar y en muchos casos resolver una gran variedad de
problemas.

i) Anlisis estadstico
ii) Simulacin
iii) Programacin Lineal
iv) Redes (pert/cpm)
v) Teora de Inventarios
vi) Teora de colas
vii) Programacin no lineal
viii) Programacin Heurstica
ix) Programacin dinmica
x) Programacin entera
xi) Teora de juegos
xii) Teora de decisiones
xiii) Anlisis de riesgo

II PROGRAMACIN LINEAL

Es un modelo que tiene varios supuestos subyacentes, y la validez de los
resultados dependen de estos; los cuales seran proporcionalidad, aditividad,
divisibilidad, determinismo, nmero de objetivos.

i) PROPORCIONALIDAD:
La funcin objetivo y cada restriccin sobre
las variables de decisin debe ser lineal. Esto
es, las medidas de efectividad (utilidad o
costo) en la F.O. y, la cantidad de recurso
usado debe ser proporcional al valor de cada
variable de decisin considerada
individualmente.
Si por ejemplo para hacer una silla necesito
tabla, para fabricar 3 sillas necesitare 1.
Los recursos son proporcionales a la
produccin. Esto no es vlido en todo los
casos reales.

4
Ej: curva de reconocimiento
El modelo en la
realidad es la
curva azul, pero
podemos
linealizarlo
trazando rectas
que en cierto
intervalo se
aproxima a la
realidad, con lo
cual se reduce a una combinacin de
ecuaciones lineales.

ii) ADITIVIDAD:
La suposicin de proporcionalidad no es
suficiente para garantizar que la F.O. y las
restricciones sean lineales, por lo tanto, es
necesario que cada variable sea aditiva con
respecto a la utilidad (costo) y a la cantidad
de recurso utilizado.
Los recursos es posible sumarlos en distintas
actividades.

iii) DIVISIBILIDAD:
Algunas veces las variables de decisin
debern tener un significado fsico, que es
posible solo si ellas tienen valores enteros.
Sin embargo la solucin obtenida por la
programacin lineal con mucha frecuencia no
es entera.
Luego se debe suponer que las unidades de
las actividades pueden ser divididas en
niveles fraccionarios.






5
iv) DETERMINISMO:
La programacin lineal, est definida para
trabajar suponiendo que el comportamiento
de las variables y parmetros es conocido con
certeza.
En los problemas reales, muy pocas veces se
satisface por completo esta suposicin.

v) NUMERO DE OBJETIVOS:
La programacin lineal esta limitada a
considerar un solo objetivo.
En consecuencia, si el problema tiene
muchos objetivos que no son posibles de
agrupar en uno solo, no se puede utilizar
programacin lineal.

La clave para la aplicacin exitosa de esta tcnica es la capacidad de
reconocer cuando un problema puede ser resuelto por programacin lineal y la
capacidad de formularlo posteriormente, como tal.

El enunciado general del problema de Prog. Lineal es el sgte. Encuentre
x
1
, x
2
, , x
n
, tal que maximice la sgte funcin lineal:

Z = c
1
x
1
+ c
2
x
2
+ . . . . . + c
n
x
n
,

Sujeto a las restricciones

a
11
x
1
+ a
12
x
2
. . . . . a
1n
x
n
b
1

a
21
x
1
+ a
22
x
2
. . . . . a
2n
x
n
b
2

. .
. .
. .
a
m1
x
1
+ a
m2
x
2
. . . a
mn
x
n
b
m

x
1
0, x
2
0 , . . . . , x
n
0

donde los a
ij
, b
i
, c
j
son los parmetros que permiten relacionar las variables de
decisin con la funcin objetivo y restricciones.
** Podemos tener los casos de minimizacin, restricciones del tipo , = e
incluso la no condicin de no negatividad.
6
EJEMPLO:
Un seor tiene disponible semanalmente 7000 gr. de hilo rojo; 4000 gr.
de hilo verde y 7000 gr. de hilo amarillo y decide fabricar tela escocesa y
exportar a Escocia. Debido a los colores puede fabricar a dos clanes, los
McFarlam y los McDonald (bajo el supuesto que son cada uno lo
suficientemente grandes como para comprar cualquier produccin de tela). No
consideraremos el costo por mano de obra. El objetivo es maximizar las
utilidades.

Precio de venta
por metro [$]
Costo por
metro[$]
Utilidad por metro
[$]
McFarlam 25 20 5
McDonald 23 19 4

Un metro de tela requiere:
rojo verde Amarillo
McFarlam 2 1 1
McDonald 1 1 2

Sean:
x
1
: metros de tela McFarlam fabricados por semana
x
2
: McDonald

b
1
: gr. hilo rojo disponible por semana
b
2
: verde
b
3
: amarillo

Funcin objetivo: Maximizar utilidades:

Max Z = 5x
1
+ 4x
2


Las variables de decisin no pueden ser negativas:

x
1
, x
2
0

Rojo 2x
1
+ 1x
2
7000
Verde 1x
1
+ 1x
2
4000
Amarillo 1x
1
+ 2x
2
7000
x
1
, x
2
0
Var. Controlable
7

















Se tienen 3 fronteras tecnolgicas:











Otro aspecto a considerar es cuanto sobra de cada factor si no se esta
sobre su respectiva frontera tecnolgica. Lo cual lo obtenemos de una escala
en una recta perpendicular a esta.








7000
4000
3500
3500
4000
7000
X
2
X
1
Frontera tecnolgica por el hilo rojo
Frontera tecnolgica por el hilo verde
Frontera tecnolgica por el hilo amarillo
Polgono de las soluciones factibles
8
Por ejemplo: Para la frontera tecnolgica por el hilo rojo:























La cantidad de recurso sobrante es la cantidad de recursos disponibles
no utilizados, se llama variable de holgura.
En el ejemplo anterior:

x
3
: gr. de hilo rojo no utilizado por semana
x
4:
verde
x
5:
amarillo

Con x
3
, x
4
, x
5
0, variables de holguras positivas, con lo cual se
transforman las inecuaciones en:

2x
1
+ 1x
2
+ x
3
= 7000
1x
1
+ 1x
2
+ x
4
= 4000
1x
1
+ 2x
2
+ x
5
= 7000
x
1
, x
2
, x
3
, x
4
, x
5
0

x
2
x
1
7000
3500
x
3
Frontera tecnolgica
Variable de holgura relacionada al hilo rojo
9
Tengamos siempre presente que el objetivo es maximizar Z = 5x
1
+ 4x
2























Al iniciar la semana el producto se encuentra en I, es decir:

x
1
= 0
x
2
= 0
x
3
= 7000
x
4
= 4000
x
5
= 7000 Z = 0

Como primera reaccin es producir el mximo de uno de los dos
productos ir al pto. II ya que x
1
tiene una utilidad de $5, que es mayor a la que
nos da x
2
($4), con lo que se tiene:

x
1
= 3500
x
2
= 0
x
3
= 0
x
4
= 500
x
5
= 3500 Z = 17500
x
2
x
1
rojo
verde
amarillo
Pto. factible
x
5 x
4
x
3
I
II
III
IV
V
10
Analizando el ingreso marginal, es decir, ver que implicaciones tiene
producir 1m menos de tela McFarlam.

x
1
= 3499 x
3
= 2
x
4
= 501
x
5
= 3501 Con los cuales se puede fabricar
2m de tela McDonald.

x
2
= 2 x
3
= 0

x
4
= 499
x
5
= 3497

Como al sacrificar un metro de tela 1 se pierden $5 y al producir dos
metros de tela 2 se ganan $8, se tiene que por cada metro de tela 2 que se
fabrique sacrificando tela 1 aumentan las utilidades en $1.5 (-5+8=3/2m que
se fabrican = 1.5$/m), es decir, el valor marginal de fabricar tela 2 es de $1.5
por metro. es ms racional fabricar menos tela 1 y ms tela 2 con el
sacrificio de la anterior, lo cual nos lleva a situarnos en el pto. III con: x
3
= 0,
x
4
= 0, reemplazando en las ecuaciones se tiene:

x
1
= 3000
x
2
= 1000
x
3
= 0
x
4
= 0
x
5
= 2000 Z = 19000

Anlogamente al caso anterior, analizamos el valor marginal:

x
1
= 2999 x
3
= 2
x
4
= 1
x
5
= 2001 Con lo cual se puede fabricar 1
metro de tela 2.
x
2
= 2001 x
3
= 1
x
4
= 0
x
5
= 1999

Pero al sacrificar un metro de tela 1 nos significa una perdida de $5, y el
producir un metro mas de tela 2 nos aporta $4, tenemos una merma de $1 en la
utilidad, es decir, un valor marginal de 1, por lo cual no nos movemos del
pto. anterior y decimos estar en el pto. optimo de produccin.

11
2.1 Solucin Grfica de Modelos de Programacin Lineal

La solucin grfica no es el mejor mtodo de resolver problemas de
programacin lineal en la vida real, dado que solo permite trabajar a lo mas en
tres dimensiones. Sin embargo, desde un pto. de vista didctico esta forma de
resolucin permite entender la estructura de los modelos de PL.
Para mostrar esta forma de solucin se utilizar el sgte. problema:

La fbrica de muebles FMT fabrica dos tipos de comedores: clsicos y
modernos. Logra una utilidad de 200 UM y 240 UM por la venta de cada tipo
de comedor respectivamente. En la actualidad existe una alta demanda para
ambos comedores. En consecuencia el Gerente General cree que puede vender
todos los comedores que produzca. Los requerimientos y capacidades de
produccin diarios se muestran en la sgte. tabla:

Recursos requeridos para
producir una unidad
Producto
clsico
Producto
moderno
Recurso
disponible
Tpo. de construccin [h] 12 6 120
Tpo. de pintura [h] 4 8 64
Cul debe ser la cantidad a producir de cada tipo de comedor para
maximizar la utilidad?

2.1.1 Formulacin del Problema

Esta es la etapa inicial en la cual se definirn las variables y relaciones
matemticas.

Sea C nmero de comedores clsicos a producir
M modernos

Funcin Objetivo: Max Z = 200C + 240M
Sujeto a las sgtes. Restricciones:

i) tpo. de construccin 12C + 6M 120
ii) tpo. de pintura 4C + 8M 64
iii) no negatividad C 0, M 0




12
2.1.2 Graficar las restricciones

Para poder graficar cada restriccin, solo es necesario encontrar dos
ptos. que estn sobre la recta que define a cada restriccin.

Restriccin i) 12C + 6M 120

Pto. 1 sea C = 0 6M 120 M 20
Pto. 2 sea M = 0 12C 120 C 10

Restriccin ii) 4C + 8M 64

Pto.1 sea C = 0 8M 64 M 8
Pto.2 sea M = 0 4C 64 C 16


Siendo su representacin grfica la sgte.:



















En el caso particular de PL la regin de soluciones factibles tiene las
siguientes caractersticas:


16 10
8
20
M
C
12C + 6M 120 4C + 8M 64
Regin de soluciones Factibles
13
i) La regin de soluciones factibles es un conjunto convexo
Un conjunto X es convexo si para cualquier par de ptos. x
1
, x
2
en el
segmento de lnea que une esos ptos. esta tambin en el conjunto.
En forma matemtica esto es, si x
1
, x
2
X, entonces cualquier pto.
x = x
2
+ (1-)x
1
, 0 1 debe tambin pertenecer al conjunto.











ii) Si la interseccin de dos o ms regiones de soluciones factibles existe,
entonces tambin es un conjunto convexo.

iii) Dado que la FO del problema de PL forma un hiperplano, la solucin
optima siempre va a estar localizada en uno de los ptos. extremos de la regin
de soluciones factibles.

Para el caso particular del problema en anlisis los ptos. extremos son:

C = 10 y M = 0
C = 0 y M = 8
C = 0 y M =0
C = 8 y M = 4

2.1.3 Determinar la Solucin Optima del Problema en Forma Grfica

Para determinar la solucin optima del problema hay dos formas
alternativas. La primera es evaluar la funcin objetivo para todos los ptos.
extremos y elegir entre ellas la mejor.

Si C = 0 M=0 f. objetivo igual 0
C = 10 M = 0 2000
C = 0 M = 8 1920
C = 8 M = 4 2560
x
1

x
2

x
1
x
2

Si es convexo No es convexo
14
Luego la solucin optima es fabricar 8 comedores clsicos y 4
comedores modernos con una utilidad de 2560 UM

La segunda alternativa es utilizar la caracterstica del hiperplano que
forma la FO, graficarla y desplazarla en forma paralela a la lnea graficada en
el sentido que se acerque al optimo, hasta topar el pto. extremo que la
satisfaga.











desplazar







De la figura se puede observar que la FO se debe desplazar hasta el pto.
donde un pequeo incremento hace que la solucin sea infactible.
En rigor el procedimiento grfico utiliza la 2 alternativa

2.1.4 Casos Especiales de Solucin

Los problemas de PL no siempre entregan una solucin nica. Hay
casos con mltiples soluciones o simplemente sin solucin.

i) Mltiples soluciones

Si la pendiente de la FO es igual a la de alguna de las restricciones, el
problema presenta mltiples soluciones, por ejemplo:

M
8
10
C
16
20
Z = 800
Z = 2560
Z = 0
pto. optimo
Sea Z = 800 = 200C + 240M
Si C = 0 M = 800/240 = 3.3
M = 0 C = 800/200 = 4
15
Sea max Z = x
1
+ 1,5x
2

s.a.
(1) 2x
1
+ 3x
2
6
(2) x
1
+ 4x
2
4
(3) x
1
, x
2
0



En este caso la pendiente de la FO es igual a la de restriccin (1)



















ii) Problema sin solucin

Hay dos posibilidades para que un problema de PL no tenga soluciones. La
primera es cuando el conjunto convexo no es cerrado respecto a la direccin
en que se mueve la FO, tratando de acercarse al optimo. En otras palabras
cuando el conjunto de soluciones no es acotado.

Ejemplo: min Z = x
1
10x
2

s.a.
x
1
10 (1)
x
1
5x
2
-5 (2)
x
2
0 (3)
x
2

x
1

2
1
3 4
Z = 1
Z = 2
mltiples soluciones
16













El 2 caso es cuando el conjunto de restricciones es inconsistente, es
decir, la interseccin de las restricciones es vaco.
Ejemplo:
Max Z = -5x
2

s.a. x
1
+ x
2
1
x
2
2
x
1
, x
2
0












III Procedimientos del Mtodo Simplex

El mtodo simplex, geomtricamente consiste en avanzar hacia el
optimo a travs de los ptos. extremos en el sentido que la funcin objetivo
aumenta. Como un proceso algebraico, consiste en encontrar una solucin
bsica factible, evaluarlo si es la optima, si no la es, extraer una variable de la
base e introducir una no bsica de manera que aumente el valor de Z, y as
sucesivamente hasta llegar al optimo.
desplazar
x
2

x
1

1
10
x
1
5x
2
-5
x
1
10
Z = 10
Z = -10
Z = ?
x
1
+ x
2
1
x
2
0 x
2
2
x
1

x
2

1
1
x
1
0
17
Para una mejor visualizacin del procedimiento se evaluar el sgte.
problema:

Max Z = 200x
1
+ 240x
2

s.a.
6x
1
+ 12x
2
120 (1)
8x
1
+ 4x
2
64 (2)
x
1
, x
2
0


Su solucin grfica se muestra en la sgte. figura:


















Donde P
1
, P
2
, P
3
y P
4
son los ptos. extremos de la regin de soluciones
factibles y su solucin optima corresponde al pto. 3.

En el desarrollo algebraico el paso inicial es transformar las
restricciones en ecuaciones adicionando la variable de holgura.

x
3
, x
4 ,
tambin llamadas en la literatura S
1
, S
2
; Xh
1
, Xh
2

6x
1
+ 12x
2
+ x
3
= 120
8x
1
+ 4x
2
+ x
4
= 64


8 4
10
20
16
8
8x
1
+ 4x
2
64
6x
1
+ 12x
2
120
x
2

x
1

(1) x
1
= 0 x
2
10
x
2
= 0 x
1
20

(2) x
1
= 0 x
2
16
x
2
= 0 x
1
8

Z* = 2720
x
1
= 0 x
2
= 11.3
x
2
= 0 x
1
= 13.6

P3
6x
1
+ 12x
2
= 120 (1)
8x
1
+ 4x
2
= 64 (2)
de (1) x
1
= 20 2x
2

en (2) 8(20 2x
2
) + 4x
2
= 64
160+16x
2
+ 4x
2
= 64
x
2
= 96/12 = 8
x
1
= 4
18
Posteriormente colocar la FO tambin como ecuacin

Z - 200x
1
240x
2
= 0

Si se analiza el sistema de ecuaciones formado por las restricciones, se
observa que el numero de variables es mayor que el numero de ecuaciones;
con lo cul como se vi anteriormente, es necesario fijarle a algunas de las
variables valor cero, tal que el nmero de incgnitas sea igual al nmero de
ecuaciones.

Para el caso en estudio existen 4 soluciones posibles:

Var. No Bsicas Var. Bsicas

P
1
: x
1
, x
2
= 0 x
3
= 120 , x
4
= 64
P
2
: x
1
, x
3
= 0 x
2
= 10 , x
4
= 24
P
3
: x
3
, x
4
= 0 x
1
= 4 , x
2
= 8
P
4
: x
2
, x
4
= 0 x
1
= 8 , x
3
= 72



Del grfico se puede observar que cada una de estas soluciones,
corresponde a alguno de los ptos. extremos de la regin de soluciones posibles
o factibles.
En base a estos elementos es posible definir el procedimiento del
mtodo simplex.

El paso inicial es elegir una solucin bsica inicial factible, para lo cual
el sistema de ecuaciones compuesto por las restricciones y funcin objetivo
debe estar en forma cannica. Al tomar como base inicial las variables de
holgura, el sistema queda automticamente en forma cannica.

Base (x
3
, x
4
) x
3
= 120, x
4
= 64 en la figura corresponde al pto.1. Para
esta solucin inicial la FO tiene un valor cero. Esta solucin no es optima ya
que el valor de Z puede ser incrementado, aumentando el valor de x
1
y/o de x
2
.

Si la solucin no es optima es necesario cambiar la base ingresando una
variable bsica.

Var no bsicas
Toman el valor 0
19
La variable de ingreso, se elige aquella que incrementa en forma ms
rpida la FO. En este caso es la variable x
2
pues en la ecuacin de la funcin
objetivo tiene un coeficiente negativo mayor.

La eleccin de la variable saliente, esta basada en el anlisis de la
restriccin que primero deja de ser vlida, al incrementar el valor de la
variable entrante (esta condicin asegura que siempre las soluciones sean
mayores iguales a cero).

La restriccin que primero deja de ser vlida nos seala cual de las
variables bsicas antiguas es la que debe salir tomando su lugar la variable
entrante. Una vez realizada esta operacin es necesario dejar el sistema en
forma cannica para la nueva base.

Para el caso en estudio, se tiene que:

FO: Z - 200x
1
240x
2
= 0
(1): 6x
1
+ 12x
2
+ x
3
= 120
(2): 8x
1
+ 4x
2
+ x
4
= 64

Como ingresa x
2
se analiza que restriccin deja de ser vlida primero.

La restriccin (1) es vlida hasta que x
2
alcanza un valor de 10 y la
restriccin (2) es vlida hasta que x
2
alcanza un valor de 16. Luego la
restriccin (1) deja de ser vlida primero, debiendo salir x
3
de la base,
quedando como nueva base (x
2
, x
4
).

FO: Z 200x
1
240x
2
= 0
(1): 6x
1
+ 12x
2
+ x
3
= 120
(2) 8x
1
+ 4x
2
+ x
4
= 64

Para dejar el nuevo sistema en forma cannica, lo primero es dejar en la
ecuacin de donde sali la variable, la nueva variable con coeficiente 1.

(1)
2
1
x
1
+ x
2
+
12
1
x
3
=10




20
Posteriormente de las otras ecuaciones incluida la FO la nueva variable
bsica.

FO (-200 + 120)x
1
+ (-240 + 240)x
2
+ (240/12)x
3
= 2400
-80x
1
+ 20x
3
= 2400

(8 -
2
4
)x
1
+ (4 4)x
2
-
12
4
x
3
+ x
4
= 64 40
6x
1
-
3
1
x
3
+ x
4
= 24

Con lo cul el nuevo sistema es:

FO Z 80x
1
20x
3
= 2400
(1)
2
1
x
1
+ x
2
+
2
1
x
3
= 10
(2) 6x
1
-
3
1
x
3
+ x
4
= 24

Esta solucin corresponde al pto. P
2
de la solucin grfica.

Si se analiza nuevamente la FO, se ve que el valor de Z an puede ser
incrementado haciendo que x
1
tome un valor positivo. Por lo tanto no se est
en el optimo y debe ingresar x
1
a la base.

De igual forma como en el caso anterior se debe analizar que variable
debe salir de la base.

La restriccin (1) es vlida hasta que x
1
alcanza un valor de 20 y la
restriccin (2) es vlida hasta que x
1
alcanza un valor de 4. Por lo tanto debe
salir la variable x
4
de la base, quedando la nueva base (x
2
, x
1
).

Dejando el sistema en forma cannica para la nueva base se tiene:

FO: Z +
9
140
x
3
+
3
40
x
4
= 2720
(1): x
2
+
36
19
x
3
-
12
1
x
4
= 8
(2): x
1
-
18
1
x
3
+
6
1
x
4
= 4
Multiplico (1) por -4 y la sumo a (2)
Multiplico por 240(1) y la sumo a la FO
21
Esta solucin corresponde al pto. P
3
de la grfica.
Si se analiza la FO, se puede apreciar que el valor de Z ya no puede ser
incrementado ya que todos los coeficientes son positivos, con lo cul est es la
solucin optima con x
1
= 4, x
2
= 8 y Z = 2720.
El esquema general de procedimientos puede resumirse en los sgtes.
pasos:

Paso 0: Se introducen variables de holgura, y se las elige como variables
bsicas iniciales.

Paso 1: Se determina si la solucin as obtenida es optima, analizando los
coeficientes de las variables no bsicas en la FO. Si son todos
positivos (no se puede incrementar el valor de Z) se ha llegado al
optimo, en caso contrario debe ir al paso 2.

Paso 2: Se selecciona como variable bsica entrante aquella que
incrementa mas rpidamente la FO (la que tiene un coeficiente
ms negativo)

Paso 3: Se determina la variable que debe salir de la base, eligiendo
aquella que llega mas rpidamente a cero, al incrementar la
variable entrante. En otras palabras debe salir la variable bsica
que aparece en la restriccin que deja de ser vlida primero al
incrementar el valor de la variable bsica entrante.

Paso 4: Se determina la nueva solucin bsica posible, transformando el
sistema a una forma cannica, en la que la variable bsica
entrante solo aparece en la ecuacin de donde sali la antigua
variable bsica. Vaya al paso 1.











22
3.1 Aplicacin a Otros Modelos de PL

El procedimiento descrito en el pto. anterior es vlido solo para el caso
particular de:

Max Z =

=
n
j
j j
c c
1

s.a.

n
j
i ij ij
b x a
1

0
j
x

Sin embargo, existen otras formas de presentacin del problema, que no
permiten la aplicacin directa del mtodo.

3.1.1 Modelos de Minimizacin

Si la FO es minimizar, existen dos alternativas para solucionar el
problema.

i) Transformar el problema de una minimizacin en una
maximizacin definiendo una nueva FO.

Max W =

n
j
j j
x c
1
, donde W = -Z

ii) Cambiar la regla para elegir la variable entrante. Se escoge
aquella que haga disminuir en mayor cantidad la FO. El ptimo
se alcanza cuando los coeficientes de las variables no bsicas en
la ecuacin de la FO son todos negativos.


3.1.2 Modelos con restricciones mayor igual

Si una o ms restricciones son del tipo:


i n in i i
b x a x a x a + + + . . . .
2 2 1 1
(1)


i = 1,2,, m

j = 1,2 , n
23
Para poder emplear el mtodo simplex, se debe restar una variable r
i
tal
que la restriccin se transforme en igualdad.


i i n in i i
b r x a x a x a = + + . . . .
2 2 1 1
(2)

La variable r
i
es denominada variable de excedente, ya que si se
substrae el excedente del lado izquierdo sobre el lado derecho la restriccin
(1) se convierte en la ecuacin equivalente (2).

Sin embargo, con esta transformacin no se puede utilizar directamente
el procedimiento del simplex, ya que, al dejar las variables de excedentes en la
base, el problema tiene una solucin bsica pero no factible. Luego es
necesario encontrar otro mecanismo que entregue una solucin inicial bsica
factible.

Una forma de obtener esta solucin bsica factible es introduciendo una
variable artificial a las restricciones con variable de excedente.


i i i n in i i
b t r x a x a x a = + + + + . . . .
2 2 1 1
(3)

donde t
i
forma parte de la base inicial.

Sin embargo, esto equivale a introducir una nueva variable sin sentido
fsico, manteniendo constante el nmero de ecuaciones. Por lo tanto, es
necesario asegurar que el procedimiento del simplex deje fuera de la base final
a todas las variables artificiales con un gran castigo, tal que el mtodo
simplex, las haga tomar el valor cero automticamente.

Ej: max Z = 3x
1
2x
2

s.a. 2x
1
+ 3x
2
6
x
1
x
2
2
x
1
, x
2
0

Utilizando el procedimiento descrito el problema queda de la sgte.
forma:
Max Z = 3x
1
2x
2
- Mt
1

2x
1
+ 3x
2
+ x
3
= 6
x
1
x
2
- r
1
+ t
1
= 2
x
1
, x
2
, x
3
, r
1
, t
1
0
24
El coeficiente M en la FO hace que la variable artificial t
1
tome un
valor cero en la solucin optima; M es un valor muy grande.

Resolucin: FO Z 3x
1
+ x
2

2x
1
+ 3x
2
+ x
3
= 6
x
1
x
2
- r
1
+ t
1
= 2

base inicial (x
3
,t
1
)

Para poder iniciar el proceso del simplex es necesario que nuestras
variables bsicas estn en forma cannica, luego es necesario eliminar t
1
en la
FO con lo cual el problema queda:

FO Z (M - 3)x
1
+ (M + 2)x
2
+ Mr
1
= -2M
(1) 2x
1
+ 3x
2
+ x
3
= 6
(2) x
1
x
2
- r
1
+ t
1
= 2

Variable que entra x
1
ya que es la con un mayor coeficiente negativo en
la FO.

Var. bsica que sale:

Restriccin (1) valida hasta que x
1
= 3
(2) x
1
= 2

Luego la restriccin (2) deja de ser valida primero, por lo tanto sale la
variable bsica t
1
.

Base actual (x
3
, x
1
)

FO Z (M + 3)x
1
+ (M + 2)x
2
+ Mr
1
= -2M
(1) 2x
1
+ 3x
2
+ x
3
= 6
(2) x
1
- x
2
+ r
1
+ t
1
= 2

Como x
1
es la variable bsica debe aparecer con coef. 1 en la ec. (2) y
con coeficiente 0 en el resto de las ecuaciones.

FO Z x
2
3r
1
+ (M + 3)t
1
= 6
5x
2
+ x
3
+ 2r
1
2t
1
= 0
x
1
x
2
r
1
+ t
1
= 0
25
entra r
1
:
restriccin (1) valida hasta r
1
= 1
(2) para cualquier valor de r
1

luego sale x
3
.

Nueva Base (r
1
, x
1
)

FO Z +
2
13
x
2
+
2
3
x
3
+ Mt
1
= 8
(1)
2
5
x
2
+
2
1
x
3
+ r
1
t
1
= 1
(2) x
1
x
2

2
1
x
3
= 3

solucin optima: x
1
= 3, r
1
= 1, Z = 9


3.1.3 Modelos con Restricciones de Igualdad

Si se tiene restricciones de la forma:
i n in i i
b x a x a x a = + + + . . . .
2 2 1 1

existen dos alternativas de transformacin al caso general.

i) Introducir dos restricciones

=
=

n
j
i j ij
n
j
i j ij
b x a
b x a
1
1


ii) Introducir directamente en la restriccin de igualdad una variable artificial
t
i
, tal que esta variable forme parte de la solucin bsica inicial del simplex.
Al igual que en el caso anterior, esta variable no tiene significado fsico,
luego en la solucin final del simplex debe aparecer con valor cero. Esto se
logra incorporndola a la FO con un coeficiente de penalizacin muy
grande y se resuelve de igual forma que el pto. 3.1.2



26
3.1.4 Modelos con Variables sin Restricciones de Signo

En algunos modelos aparecen variables x
j
que pueden ser negativos,
cero o positivas, lo que es contradictorio con la condicin de no negatividad.
El problema se elimina haciendo el sgte. reemplazo para cada una de estas
variables.
X
j
= Y
j
U
j


IV Forma Estndar del mtodo Simplex

Existe una forma abreviada de tabular los diferentes pasos del mtodo
simplex a travs de cuadros llamados tableau. El procedimiento es
exactamente el mismo, pero, hay mayor agilidad debido a la mecnica de
trabajo que posee. El tableau se forma despus de haber transformado las
inecuaciones en ecuaciones, con las variables de holgura, de excedente y
artificiales que correspondan.

Sea el problema:

Max

=
=
n
j
j j
x c Z
1

s.a.

=
+
= +
n
j
i i n j ij
b x x a
1
i = 1, , m
0
j
x j = 1, , n + m
La forma del tableau de este problema es:

a
1
(x
1
)
a
2
(x
2
)
a
n

(x
n
)
a
n+1

(x
n+1
)
a
n+m
(x
m+n
)
b

Vector en
la base
C
B
Z
1
-C
1
Z
2
-C
2
Z
n
-C
n
Z
n+1
Z
n+m
Z
B
1
C
B1
Y
11
Y
12
. . . Y
1n
Y
1, n+1
. . . Y
1
,
n+m
x
B1

B
2
C
B2
Y
21
Y
22
. . . Y
2n
Y
2, n+1
. . . . x
B2

. . . . . . .
. . . . . . .
. . . . . . .
B
m
C
Bm
Y
m1
Y
m2
. . . Y
mn
Y
m, n+1
. . . Y
m, n+m
x
Bm

C
1
C
2
. . . C
n
0 . . . 0
Figura (*)
Variables de holgura
27
Donde:

B
i
: Indican los vectores que estn en la base o, en otras palabras las
unidades que forman la base.

C
j
: Utilidad unitaria asociada a la variable x
j
en la funcin del
problema original

a
j
: j-esima columna de la matriz A aumentada con las variables de
holgura (las primeras n columnas corresponden a las variables de
holgura x
j+i
)

Y
ij
: Coeficientes que permiten expresar las variables no bsicas como
combinacin lineal de las variables bsicas.


j i
m
i
ij m mj j j
BY B Y B Y B Y a = = + + =

=0
1 1
. . . .
j j
a B Y
1
= , donde [ ]
mj j j
Y Y Y . . .
1
=

x
Bi
: Valores de las variables bsicas.

La operacin con el tableau se resume en la sgte. procedimiento.

Paso 1: Construir un tableau inicial de la forma como se muestra en la fig.
(*). Este tableau es fcilmente construible dado que x
B
= b, Y
j
= a
j


b = Cantidad disponible de los recursos (lado derecho de las
restricciones originales)
Aj = Columna j de la matriz de coeficientes tcnicos del
problema original ya incorporadas las variables de holgura.

La fila que corresponde a Z y los Z
j
- C
j
debe ser calculada de
acuerdo a las sgtes. relaciones:


B B
X C Z =

j j B j j
C a C C Z =
28
Paso 2: Aplicacin del criterio de optimalidad

Si todos los Z
j
- C
j
0 la solucin bsica factible es optima.
Si uno o ms Z
j
C
j
< 0 la solucin bsica factible no es optima,
y se debe aplicar el criterio 1 del simplex para el vector o variable
que entra a la base.

Criterio 1 del Simplex (Var. Entrante)

Calcule Z
k
C
k
= min (Z
j
C
j
), Z
j
C
j
< 0, donde el vector
a
k
ser el que entra a la base. Una vez seleccionado a
k
, se pueden
presentar dos situaciones:

i) D
ic
0 para todo i. Esto significa que existe una solucin
no acotada envolviendo los vectores en la base y A
K
.
ii) D
ic
> 0 para al menos un i. En este caso, una nueva
solucin bsica posible puede ser encontrada teniendo
Z Z

.

Paso 3: Si al menos un Y
ik
> 0, aplicar el criterio 2 del simplex para
determinar el vector (variable) que debe salir de la base (una
columna de B sea B
r
ser reemplazada por a
k
)

Criterio 2 del Simplex (Var. Saliente)

Calcule
ik
Bi
i
rk
Br
Y
X
min
Y
X
= , Y
ik
> 0
En el tableau
ik
Bi
Y
X
= , Y
ik
> 0

En otras palabras, debe salir la variable bsica asociada a la fila
con menor y ocupar su lugar a
k
.
29
Paso 4: Calcular el nuevo tableau (^)

donde:

rk
rj
rj
Y
Y
Y =

para todo j
* esto hace que la nueva variable bsica quede con valor 1
en dicha fila ( 1

=
rk
Y )

rj
rk
ik
ij ij
Y
Y
Y
Y Y = , para todo j, i = 1,, m + 1
i r

la fila m + 1 corresponde a la fila de Z y los Z
j
C
j
.

** esto hace que todos los Y
ik
excepto para i = r queden con
valor cero.
* y ** hacen que la nueva base del sistema este en forma
cannica.

Paso 5: Reemplazar en la columna de los C
B
, C
Br
por C
Bk
y retornar al
paso 2.
Una forma de chequear si el clculo del nuevo tableau est
correcto, cuando se realiza manualmente, es recalcular la fila de
los Z
j
C
j
utilizando la relacin:


B B
X C Z

= ,
j j B j j
C a C C Z =

donde ^ implica los

valores del nuevo tableau.

Ej:
Max Z = 7x
1
+ 10x
2

s.a.
7x
1
+ 7x
2
49
10x
1
+ 5x
2
50
x
1
, x
2
0




30
Primero se deben agregar las variables de holgura, quedando el
problema de la sgte. forma:

Max Z = 7x
1
+ 10x
2

s.a.
7x
1
+ 7x
2
+ x
3
= 49
10x
1
+ 5x
2
+ x
4
= 50
x
1
, x
2
, x
3
, x
4
0

a
1
x
1

a
2

x
2
a
3

x
3

a
4

x
4

b Vector en
la base
C
B

-7 -10 0 0 0
x
3
0 7 7 1 0 49
x
4
0 10 5 0 1 50

7 10 0 0



-7 -10 0 0 0
7 7 1 0 49
10 5 0 1 50

Al aplicar el paso 2 se observa que debe entrar a la base el vector a
2

(k = 2). Como los Y
ik
son mayores que cero se va al paso 3.

Del paso 3 se observa que la fila numero 1 tiene un menor, luego el
vector a
3
debe salir de la base. Luego r = 1 e ir al paso 4

3 0 10/7 0 70
1 1 1/7 0 7
5 0 -5/7 1 15

Volviendo al paso 2 vemos que esta solucin bsica factible es optima
ya que todos los Z
j
C
j
son mayores que cero.







49/7 = 7
50/5 = 10
Vamos a trabajar con:
Z
x
2

x
4

31
Resolvamos el problema de telas McFarlam y McDonald.

Max Z = 5x
1
+ 4x
2

s.a.
2x
1
+ x
2
7000 2x
1
+ x
2
+ x
3
= 7000
x
1
+ x
2
4000 x
1
+ x
2
+ x
4
= 4000
x
1
+ 2x
2
7000 x
1
+ 2x
2
+ x
5
= 7000
x
1
, x
2
0 x
1
, x
2
, x
3
, x
4
, x
5
0





-5 -4 0 0 0 0
2 1 1 0 0 7000
1 1 0 1 0 4000
1 2 0 0 1 7000

Por medio de operaciones fila se hace 1 el elemento pivote,
modificando toda la fila de salida, es decir:


2/2 1/2 1/2 0 0 7000/2

Aplicando Gauss, se anulan los restantes elementos de la columna
pivoteada


0 -3/2 5/2 0 0 17500
1 1/2 1/2 0 0 3500
0 1/2 -1/2 1 0 500
0 3/2 -1/2 0 1 3500


0 0 1 3 0 19000
1 0 1 -1 0 3000
0 1 -1 2 0 1000
0 0 1 -3 1 2000



7000/2 = 3500
4000/1 = 4000
7000/1 = 7000
El menor
0 , >
ik
ik
Bi
Y
Y
X


La con coef.
mas negativo
elemento
pivote
3500/(1/2) = 7000
500/(1/2) = 1000
3500/(3/2) = 2333
X
1
optimo
X
2
optimo
Recurso sobrante
hilo amarillo
x
1

x
2

x
5

32
Ej:
Una seora decide fabricar pasteles en forma artesanal (1, 2, 3, 4 tipos
de pasteles).
Dispone de 200 horas a la semana de mano de obra y 180 horas de
hornos a la semana.
Se asume que tiene un capital de trabajo de 120 UM/semana.

Tipo pastel Utilidad neta
UM/semana
1 4
2 10
3 9
4 12

Los insumos que se utilizan para cada docena de pastel son:

Tipo pastel

1 2 3 4
Mano de obra [h] 6 3 2 4
Horno [h] 6 0 3 4
Capital [UM] 2 3 1 4

Sea:
x
i
= docenas de pastel i a fabricar a la semana i = 1,, 4

Max Z = 4x
1
+ 10x
2
+9x
3
+ 12x
4

s.a.
6x
1
+ 3x
2
+ 2x
3
+ 4x
4
200
6x
1
+ 3x
3
+ 4x
4
180
2x
1
+ 3x
2
+ 1x
3
+ 4x
4
120
x
i
0 , i = 1, , 4

Z 4x
1
10x
2
9x
3
12x
4
= 0

6x
1
+ 3x
2
+ 2x
3
+ 4x
4
+ x
5
= 200

6x
1
+ 3x
3
+ 4x
4
+ x
6
= 180
2x
1
+ 3x
2
+ 1x
3
+ 4x
4
+ x
7
= 120
x
i
0 , i = 1,, 7


33

x
1
x
2
x
3
x
4
x
5
x
6
x
7



-4 -10 -9 -12 0 0 0 0

6 3 2 4 1 0 0 200 200/4
6 0 3 4 0 1 0 180 180/4
2 3 1 4 0 0 1 120 120/4


2 -1 -6 0 0 0 3 360

4 0 1 0 1 0 -1 80 80/1
4 -3 2 0 0 1 -1 60 60/1
1/2 3/4 1/4 1 0 0 1/4 30 30/(1/4)



14 -10 0 0 0 3 0 540

2 3/2 0 0 1 -1/2 -1/2 50 50/(3/2)
2 -3/2 1 0 0 1/2 -1/2 30
0 9/8 0 1 0 -1/8 3/8 45/2 (45/2)/(9/8)


14 0 0 80/9 0 17/9 10/3 740
2 0 0 -4/3 1 -1/3 -1 20
2 0 1 4/3 0 1/3 0 60
0 1 0 8/9 0 -1/9 1/3 20


x
1
, x
4
, x
6
, x
7
= 0 x
5
= 20
x
3
= 60
x
2
= 20 Z = 740.

Obs.:
* Si se pide fabricar una docena de x
4
mas, se pierden 80/9 9 UM
(Z
j
C
j
es llamado precio sombra).
Z
4
C
4
= 80/9 como C
j
= 12
Z
4
= 80/9 + 12 21
Es la contribucin mxima de x
4
tal que la
solucin bsica no cambie.
Esta lo hara si C
4
= 22


optimo
34
Z
4
C
4
= 21 22 = -1 , Z aumentara en una unidad, por lo
tanto, convendra fabricar mas x
4
.

* Analizando el caso de las variables que estn en la base, por
ejemplo x
2
:

0
2 2
= C Z y 10
2
= C

10
2
1
2 2
= = =

a B C Y C Z
T
B
T
B





( ) = = +
43 42 1
0
2 2 2 2
C Z C Z
en el tableau final aparece

14 0 - 0 80/9 0 17/9 10/3 740
2 0 0 -4/3 1 -1/3 -1 20
2 0 1 4/3 0 1/3 0 60
0 1 0 8/9 0 -1/9 1/3 20

Para hacerlo cero sumamos veces la ultima fila a la primera y nos
queda:

14 0 0 80/9 + (8/9) 0 17/9 (1/9) 10/3 + (1/3) 740 + 20



Para que sea la misma solucin, entindase igual base, se debe cumplir:

(x
4
) 0
9
8
9
80
+ 10
(x
6
) 0
9
1
9
17
17
(x
7
) 0
3
1
3
10
+ 10

+

Se
mantienen
35









Si x
2
disminuye x
4
y x
7
lo limitan, y si aumenta x
6
.

Ej. 2:
Min Z = 60x
1
+ 60x
2

s.a.
x
1
+ x
2
10
2x
1
+ x
2
8
x
1
+ 2x
2
10
x
1
, x
2
0






















-10 0 10 17
x
4

x
7

x
6

17 10
10
9
5
10 4
x
2
x
1
(2)
(1)
(3)
36
Max Z = -60x
1
60x
2
- Mt
1
Mt
2

s.a.
x
1
+ x
2
+ x
3
= 10
2x
1
+ x
2
- r
1
+ t
1
= 8
x
1
+ 2x
2
-r
2
+ t
2
= 10
x
1
, x
2
, x
3
, r
1
, r
2
, t
1
, t
2


0

x
1
x
2
x
3
r
1
r
2
t
1
t
2
Z
60 60 0 0 0 M M 0
1 1 1 0 0 0 0 10
2 1 0 -1 0 1 0 8
1 2 0 0 -1 0 1 10

Para convertir el sistema en cannico se hace el mov. de fila y se llega
a: FO M(2) M(3)

60 3M 60 3M 0 M M 0 0 0 18M

que se acostumbra escribir como:


60
-3
60
-3
0
0
0
1
0
1
0
0
0
0
0
-18
1 1 1 0 0 0 0 10
2 1 0 -1 0 1 0 8
1 2 0 0 -1 0 1 10

Obs.: Se miran primero los trminos asociados a M ya que son mucho
mas grandes.


0
0
30
-3/2
0
0
30
-1/2
0
1
-30
3/2
0
0
-240
-6
0 1/2 1 1/2 0 -1/2 0 6
1 1/2 0 -1/2 0 1/2 0 4
0 3/2 0 1/2 -1 -1/2 1 6

TERMINARLO



10/1
8/2
10/1

(M)
x
3

t
1

t
2

(M)
x
3

x
1

t
2
6/(1/2)
6/(3/2)
4/(1/2)
37
* No pueden aparecer en la base las var. artificiales y las variables de
holgura simultneamente.
* Si una variable artificial queda en la base significa que no hay
solucin.

Ej. 3:
Alrededor del ao 635 AC Esparta decidi reclutar tropas de reservas
para incrementar sus fuerzas armadas, pudiendo los nuevos guerreros
enrolarse en 1, 2, 3, o 4 aos.
El costo unitario asociado a cada tipo de guerrero en el ao t es C
it
con
i = 1,, 4, siendo en cada ao, la cantidad mnima de guerreros igual a R
t
.
Se desea encontrar una poltica optima para los prximos 4 aos, que
minimice los costos totales.

X
ij
: Numero de guerreros reclutados el ao i por un periodo j.

i: ao en que se recluto el guerrero.
j: periodo por el cual se recluto.



1 2 3 4

x
11
x
21
x
31
x
41

x
12
x
22
x
32

x
13
x
23

x
14


F.O. minimizar los costos

=
i j
ij ij
c x MinZ
( )
41 41 13 13 12 12 11 11
. . . c x c x c x c x + + + + =
s.a.

(Ao 1) x
11
+ x
12
+ x
13
+ x
14
R
1

(Ao 2) x
12
+ x
13
+ x
14
+ x
21
+ x
22
+ x
23
R
2
(Ao 3) x
13
+ x
14
+ x
22
+ x
23
+ x
31
+ x
32
R
3

(Ao 4) x
14
+ x
23
+ x
32
+ x
41
R
4

(No Negatividad) x
ij
0,
i
,
j
38
Ej. 4: Un agente vendedor.

Caso Agente Vendedor:

Un agente vendedor maneja dos productos. El no espera vender mas de 10
unidades/mes del producto 1 o 39 unidades/mes del producto 2. Para evitar
una multa el debe vender al menos 24 unidades del producto 2. El recibe una
comisin de 10% sobre todas las ventas y debe pagar sus propios gastos, los
cuales se estiman en $1,50 por hora gastada en hacer visitas. El trabaja solo
una parte del tiempo y puede trabajar hasta un mximo de 80 horas/mes. El
producto 1 se vende en $150 por unidad y requiere un promedio de 1,5 horas
por cada visita; la probabilidad de hacer una venta es 0,5. El producto 2 se
vende en $70 por unidad y requiere un promedio de 30 minutos por cada
visita; la probabilidad de hacer una venta es 0,6 (60%).
Cuntas visitas mensuales debe hacer a los clientes de cada producto?

Sean:
x
i
: numero de visitas para vender producto i al mes

una visita tipo x
1
0.5 unidades prod.1 vendida con un beneficio
0.1*150*0.5




con un costo de 1.5*1.5




la utilidad esperada es una visita tipo x
1


= (0.1 * 150 * 0.5 - 1.5 * 1.5) = 5.25

Anlogamente visita tipo x
2
:
(0.1 * 70 * 0.6 - 1.5 * 0.5) = 3.45




10%
comisin
precio
Prob.
xito
Costo por
hora
Horas por
visita
39
FO max Z = 5.25x
1
+ 3.45x
2


para vender 24 unidades del producto 2 requiere de 24/0.6 visitas, ya
que:
24 = 0.6x
2


x
2
24/0.6
x
2
40

como no espera vender mas de 10 prod.1 y 39 prod.2

x
1
10/0.5
x
1
20

x
2
39/0.6
x
2
65

como dispone de 80 horas

1.5x
1
+ 0.5x
2
80


y se tiene que

x
1
, x
2
0

max Z = 5.25x
1
+ 3.45x
2
Z = 5.25x
1
+ 3.45x
2
Mt
1

s.a.
x
2
40 x
2
x
3
+ t
1
= 40
x
1
20 x
1
+ x
4
= 20
x
2
65 x
2
+ x
5
= 65
1.5x
1
+ 0.5x
2
80 1.5x
1
+ 0.5x
2
+ x
6
= 80
x
1
, x
2
0 x
i
, t
1
0







40
x
1
x
2
x
3
x
4
x
5
x
6
t
1

-5.25 -3.45 0 0 0 0 M 0
0 1 -1 0 0 0 1 40
1 0 0 1 0 0 0 20
0 1 0 0 1 0 0 65
1.5 0.5 0 0 0 1 0 80


-5.25 -3.45 0 0 0 0 0 0
0 -1 1 0 0 0 0 -40
0 1 -1 0 0 0 1 40
1 0 0 1 0 0 0 20
0 1 0 0 1 0 0 65
1.5 0.5 0 0 0 1 0 80



Ej. 4:
Max X = 130x
1
+ 540x
2
+ 1450x
3

s.a.
x
1
+ 3x
2
+ 10x
3
2000
4x
2
+ 13x
3
2000
5x
1
+ 20x
2
+ 65x
3
2000
5x
3
2000
x
1
, x
2
, x
3
0

a) Desarrolle el problema encontrando el tableau optimo
b) Si la restriccin 2 tiene un aumento en su disponibilidad en b unidades.
Cunto o entre que valores se debe mover b para que no cambie la
solucin?. Qu pasa si excede ese valor?


-130 -540 -1450 0 0 0 0 0
1 3 10 1 0 0 0 2000
0 4 13 0 1 0 0 2000
5 20 65 0 0 1 0 2000
0 0 5 0 0 0 1 2000





(M)
t
1

x
4

x
5

x
6

Debo canonizar en t
1

41


-240/13 -1220/13 0 0 0 250/13 0 580000/13
3/13 -1/13 0 1 0 -2/13 0 22000/13
-1 0 0 0 1 -13/65 0 1600
1/13 4/13 1 0 0 1/65 0 400/13
-5/13 -20/13 0 0 0 -1/13 1 24000/13



5 0 305 0 0 22 0 54000
1/4 0 1/4 1 0 -39/260 0 1700
-1 0 0 0 1 -13/65 0 1600
1/4 1 13/4 0 0 1/20 0 100
0 0 5 0 0 0 1 2000


Como sobra recurso asociado a la restriccin 2, b puede variar hasta
1600.
b -1600. Si b es menor que 1600, b
2
se hace negativo lo que no cumple con
el criterio del optimo, habra que aplicar dual simplex, y ver que pasa en ese
caso.

Modelo Dual

Problema Dual:

Todo problema de programacin lineal, tiene asociado un problema
simtrico tambin lineal llamado Problema Dual. Por cada variable del
problema original Problema Primal, existe una restriccin en el Dual y para
cada restriccin del Primal una variable en el Dual.

Problema Primal: encontrar los valores de x
1
,,x
n
tal que,

=
=
n
j
j j
x c maxZ
1

s.a.

i
n
j
j ij
b x a

=1
i = 1,,m
0
j
x j = 1,, n
Restriccin 2
42
Problema Dual: encontrar los valores de w
1
, w
2
,, w
m
tal que,

i
m
i
i
w b Z min

=
=
1

s.a.

j i
m
i
ij
c w a

=1
j = 1,, n
0
i
w i = 1,, m

Ambos problemas, Primal y Dual, pueden ser representados a un mismo
tiempo en el sgte. formato de tableau:















Ejemplo:

Max Z = 4x
1
+ 3x
2

s.a.
x
1
6
x
2
8
x
1
+ x
2
7
3x
1
+ x
2
15
- x
2
1
x
1
, x
2
0



(
(
(
(
(
(

mn m
n
a a
a a
. . . .
. .
. .
. .
. . . .
1
1 11

n
x x . . . . . .
1

m
w
w
.
.
.
1

(
(
(
(
(
(

m
b
b
.
.
.
1


[ ]
n
c c . . . . . .
1

43

Problema Dual:


5 4 3 2 1
15 7 8 6 w w w w w Z Min + + + + =
. .a s

0 , , , ,
3
4 3
5 4 3 2 1
5 4 3 2
4 3 1

+ +
+ +
w w w w w
w w w w
w w w


Ejemplo 2:


2 1
4 5 x x MaxZ + =
. .a s

0 ,
7000 2
4000
7000 2
2 1
2 1
2 1
2 1

+
+
+
x x
x x
x x
x x


El fabricar telas le reportaba $19000 de utilidad, pero el puede vender
los insumos o fabricar, no ambas cosas, por lo tanto, el esperara ganar al
vender sus recursos a lo menos $19000. Si gana $19000 estara indiferente.


3 2 1
7000 4000 7000 w w w Z Min + + =
. .a s

0 , ,
4 2
5 2
3 2 1
3 2 1
3 2 1

+ +
+ +
w w w
w w w
w w w



7000
-3
4000
-2
7000
-3
0
1
0
1
0
0
0
0
0
-9
1 1 2 -1 0 1 0 5
2 1 1 0 -1 0 1 4

. . .
. . .
. . .
[ ]
19000 $
1 3 0
*
*
=
=
Z
W

Problema telas McDonald
(19000)
Este es el problema dual,
es decir, visto por la otra
cara
(M)
44
Prop. Fundamentales del Problema Dual:

Dado el Problema Primal:

x c MaxZ =
. .a s

0

x
b x A


y su respectivo dual:

W b Z Min
T
=
a s.

T
T
C W A
0 W

Se tienen las siguientes propiedades

i) Si X es cualquier solucin factible del problema primal y W es
cualquier solucin factible del problema dual, entonces:

W b X C
T
, esto es Z Z

Demostracin:
( )
i i
b x A

como los w
i
son 0 tenemos que:

( )
i i i i
b w x A w

sumando sobre
i
se tiene que:

( ) W b x A W b w x A w
T T
i
i
i i
i
i




ii) Si
*
x es una solucin factible del primal y
*
w es una solucin factible
del dual, tal que
* *
w b x c
T
= , entonces
*
x es la solucin optima del
primal y
*
w es una solucin optima del dual.
45
iii) Si el problema primal tiene una solucin bsica factible optima,
entonces el problema dual tiene una solucin factible optima, con el
mismo valor en la F.O.

iv) El dual del problema dual es el primal

v) Complementariedad de las holguras entre el problema primal y el
dual.

a) Si una variable de holgura X
n+i
la cual fue introducida en la
restriccin i) del primal, es distinta de cero en la solucin
optima, entonces la i-esima variable del dual w
i
es cero en la
solucin optima del dual. De igual manera si la variable w
i
del
dual es positiva, entonces la variable de holgura X
n+i
del
primal es cero en la solucin optima.
Luego, esta propiedad se puede resumir en la sgte. relacin
matemtica:

X
n+i
* W
i
= 0 para i = 1, ..., m

b) Si X es cualquier solucin bsica factible optima del primal y
si h W son los valores de las variables de holgura en cualquier
solucin bsica factible optima del dual, entonces:

0 = h W x o 0 =
+ j m j
w x para j = 1, ..., n

Ejercicio: Dado el problema planteado anteriormente:


2 1
10 7 x x MaxZ + =
. .a s

0 ,
50 5 10
49 7 7
2 1
2 1
2 1

+
+
x x
x x
x x


a) Desarrolle el problema dual asociado
b) Utilizando solucin grafica encuentre la solucin de ambos
problemas.
46
c) Utilizando las propiedades del problema dual, determine la
solucin optima del dual a partir del tableau asociado a la
solucin optima del primal.

Desarrollo.

a) Prob. Primal Prob. Dual







b) Resolucin grafica

























Max Z = 7x
1
+ 10x
2

s.a.
7x
1
+ 7x
2
49
10x
1
+ 5x
2
50
x
1
, x
2
0
Max Z = 49x
1
+ 50x
2

s.a.
7x
1
+ 10x
2
7
7x
1
+ 5x
2
10
x
1
, x
2
0
10
10
7
2
2 5 7
X
1
X
2
Problema Primal


70
7
0
*
*
2
*
1
=
=
=
Z
x
x

10x
1
+5x
2
50
7x
1
+7x
2
49
Z
*
=70
47
























Tableau optimo del Primal:







Solucin optima del Dual:

Z* = 70
W
1
= 10/7 r
1
= 3

W
2
= 0 r
2
= 0









x
1
x
2
x
3
x
4


3 0 10/7 0 70
x
2
1 1 1/7 0 7
x
4
5 0 -5/7 1 15
W
1
W
2
1.0
2.0

0.7

Z>70

7w
1
+5w
2
10
7w
1
+10w
2
7
Rest.1) si w
1
=0 w
2
=7/10=0.7
w
2
=0 w
1
=7/7=1.0
Rest.2) si w
1
=0 w
2
=10/5=2.0
w
2
=0 w
1
=10/7=1.429
Z=70)
Si w
1
=0 w
2
=70/50=1.4
Si w
2
=0 w
1
=70/49=1.429
Holguras dual
48
Otras Formulaciones:

Para un problema cualquiera se tiene:

Primal (Max) Dual (Min)
Restriccin i es del tipo =
Restriccin i es del tipo
Restriccin i es del tipo
Si x
j
es s.r.s
Si x
j
es
Si x
j
es
Variable w
i
es s.r.s
Variable w
i
es
Variable w
i
es
Restriccin j es del tipo =
Restriccin j es del tipo
Restriccin j es del tipo

Ejemplo:
Max Z = x
1
+ 2x
2
+ x
3

s.a.
x
1
2x
2
+ 3x
3
1 w
1

x
1
+ x
2
2x
3
2 w
2

x
1
+ x
3
= 4 w
3

x
1
0, x
2
0, x
3
s.r.s

Solucin Dual:

Min W = w
1
+ 2w
2
+4w
3

s.a.
w
1
+ w
2
+ w
3
1
-2w
1
+ w
2
2
3w
1
2w
2
+ w
3
= 1
w
1
0, w
2
0, w
3
s.r.s

Observacin:

i) El valor de la F.O. de un problema primal de maximizacin para
toda solucin factible, ser un limite inferior para la F.O. del
problema dual

Primal Dual
Soluciones bsicas
factibles suboptimas
Soluciones bsicas no
factibles supraoptimas

optimo
Z
W
49
ii) Basta resolver un solo problema (sea este primal o dual) y por
simple inspeccin obtenemos el resultado de su anlogo.

iii) Si no se cuenta con el cuadro simplex y se conoce la solucin para
uno de los problemas, el teorema de las holguras complementarias es
utilizado para obtener la solucin de su problema anlogo.

Interpretacin Econmica del Dual:

En el problema de P.L. cuyo objetivo es maximizar utilidades:

Max Z = X C
s.a.

0

X
b X A
(1)

Las unidades fsicas son:
x
j
= [articulo j (unidades de)]
b
i
= [unidades de recurso i]
a
ij
= [recurso i /articulo j]
c
j
= [unidad monetaria /articulo j]

Considerando el Dual del problema:

Min Z = W b
T

s.a.

T
T
C W A (2)
0 W

w
i
[unidad monetaria /recurso i]

entonces a cada recurso i le corresponde una variable dual w
i
que, por
dimensiones, es un precio o un costo que debe ser asociado con una unidad de
recurso i.
A la variable w
i
se le conoce tambin como valor imputable o precio
sombra de los recursos. Debe aclararse que la variable del dual no tiene
ninguna relacin con los costos reales de los recursos, mas bien las variables
del dual pueden emplearse como una manera de medir la contribucin de cada
recurso i, a la utilidad c
j

50

j i
m
i
ij
c w a =

=1


El precio sombra del recurso i (valor de la variable w
i
del dual) mide la
tasa a la cual el valor de Z puede variar (aumentar o disminuir) si se
disminuye o aumenta el recurso i en una unidad, sin variar la base optima. La
variacin del recurso i debe ser pequea de manera de no cambiar la solucin
bsica. El valor del precio sombra indica tambin el precio mximo que se
debera pagar por una unidad de ese recurso. Es en realidad una cuantificacin
del costo de oportunidad.
Las variables de holgura del problema dual, representan el costo de
oportunidad que implica producir una unidad de un producto. Es decir lo que
se deja de ganar si se produce una unidad del producto j.

Ejemplo: Precios sombra

w
i
= 0 Si se aumenta o disminuye en una unidad el
recurso i, no aumenta ni disminuye el valor
de Z.
El valor dispuesto a pagar por este recurso
es cero.
w
i
> 0 Si se aumenta el recurso i en una unidad el
valor de Z aumenta en w
i
. El precio mximo
a pagar es w
i
.

Costo oportunidad

w
m+j
> 0 que si se produce una unidad de producto j
se deja de ganar w
m+j

w
3
= 3

w
m+j
= 0 el costo de oportunidad del producto j es
cero







w
2
= 0
w
1
= 10/7
w
4
= 0
Ej. anterior
Ej. anterior
51
El Mtodo Dual Simplex

Dado el problema primal estndar y su correspondiente dual.
El mtodo dual simplex, consiste en tratar un problema de
programacin lineal como si el mtodo simplex no estuviese siendo aplicado a
el, sino a su problema dual.
Para iniciar el Mtodo Dual Simplex, todos los coeficientes de la fila de
los Z
j
C
j
deben no ser negativos, lo que garantiza un estado inicial
superoptimo. Es muy til en los casos de minimizacin, con restricciones del
tipo mayor igual, ya que evita el uso de las variables artificiales.

El procedimiento es:

Paso 1: Construir un tableau inicial de igual forma que el paso 1 del
simplex.

Paso 2: Asegurar que los coeficientes de la fila de los Z
j
C
j
sean todos
mayores o iguales a cero sin importar la factibilidad de la
solucin.

Ejemplo:
Resuelva el sgte. problema de PL utilizando el mtodo dual simplex.

Min Z = 49x
1
+ 50x
2

s.a.
7x
1
+ 10x
2
7
7x
1
+ 5x
2
10
x
1
, x
2
0

Agregando las variables de excedente:

Min Z = 49x
1
+ 50x
2

s.a.
7x
1
+ 10x
2
x
3
7
7x
1
+ 5x
2
x
4
10
x
1
, x
2
, x
3
, x
4
0




52
Este problema es equivalente a:

Max W = -49x
1
- 50x
2
donde W = -Z
s.a.
-7x
1
- 10x
2
+ x
3
= -7
-7x
1
- 5x
2
+ x
4
= -10
x
1
, x
2
, x
3
, x
4
0

llevndolo a la forma de tableau, se tiene:


49 50 0 0 0
-7 -10 1 0 -7
-7 -5 0 1 -10

Si se observa este tableau, se ve que satisface la condicin de
optimalidad del simplex, pero no de factibilidad, luego se puede utilizar el
mtodo dual simplex.
Utilizando el paso 3 vemos que debe salir x
4
, ya que es la variable
bsica con un b(x
B
) mas negativo.
Como para la fila asociada a x
4
hay mas de un Y
rk
0, se utiliza el
paso 4:


rk
k k
Y
C Z
= max { } 7 10 , 7 max
5
50
,
7
49
= =
)
`

Luego entra a la base x
1
, siendo la nueva base (x
3
, x
1
)
Utilizando el paso 5 se llega al sgte. nuevo tableau:

0 15 0 7 -70
0 -5 1 -1 3
1 5/7 0 -1/7 10/7

Luego esta solucin satisface tanto las condiciones de optimalidad como
las de factibilidad, luego a la solucin bsica factible optima conocida, con:

Z = 70 x
1
= 10/7 x
2
= 0 x
3
= 3 x
4
= 0
(W = -Z)


x
3
x
4

x
3
x
1

53
Ejemplo 2:

Max Z = 4x
1
+ 3x
2

s.a.
2x
1
+ 3x
2
18
4x
1
+ 2x
2
10
x
1
, x
2
0

Dual:

Min Z = 18w
1
+ 10w
2

s.a.
2w
1
+ 4w
2
4
3w
1
+ 2w
2
3
w
1
, w
2
0

Resolviendo el problema primal tenemos el tableau optimo:

2 0 0 3/2 15
-4 0 1 -3/2 3
2 1 0 1/2 5



Para obtener el tableau optimo del dual:

Como x
3
0 w
1
= 0
x
4
= 0 w
2
> 0 w
2
= 3/2


x
1
= 0 w
3
> 0 w
3
= 2
x
2
> 0 w
4
= 0
Z* = 15 W* = 15

0 0 -15
0 1 3/2
1 0 2



Max Z = 4x
1
+ 3x
2

s.a.
2x
1
+ 3x
2
+ x
3
= 18
4x
1
+ 2x
2
+ x
4
= 10
x
1
, x
2
, x
3
, x
4
0
Min Z = 18w
1
+ 10w
2

s.a.
2w
1
+ 4w
2
w
3
= 4
3w
1
+ 2w
2
w
4
= 3
w
i
0
x
3
x
2

Z* = 15
x
1
= 0; x
2
= 5; x
3
= 3; x
4
= 0
(recordemos que w
2
es el
precio sombra)
w
2
w
3
Recordemos las relaciones

X
i
~ W
hi

X
hi
~ W
i


En este caso
X
1
~ W
3

X
2
~ W
4

X
3
~ W
1

X
4
~ W
2
54
de forma anloga
se llega a:

3 0 0 5 -15
0 1 3/2
1 0 2

Para determinar el pto. w
1
/w
2
debemos ver en el primal el pto.
asociado es decir x
3
/x
4
en este caso
-3/2 en el dual va con signo
cambiado (3/2)

3 0 0 5 -15
3/2 0 1 3/2
1 0 2

en forma anloga:

w
1
/w
3
asociado con x
3
/x
1
-4 = 4
w
4
/w
2
x
2
/x
4
= -1/2
w
4
/w
3
x
2
/x
1
2 = -2

3 0 0 5 5
3/2 1 0 -1/2 3/2
4 0 1 -2 2

del ejemplo anterior, construir el tableau optimo del dual a partir del tableau
optimo del primal:
Dual:
Max Z = 7x
1
+ 10x
2

s.a.
7x
1
+ 7x
2
49 w
1

10x
1
+ 5x
2
50 w
2

x
1
, x
2
0






w
2
w
3
Max Z = 4x
1
+ 3x
2

s.a.
2x
1
+ 3x
2
18 w
1

4x
1
+ 2x
2
10 w
2

x
1
, x
2
0

Min Z = 18w
1
+ 10w
2

s.a.
2w
1
+ 4w
2
4 x
1

3w
1
+ 2w
2
3 x
2

w
1
, w
2
0
w
2
w
3
w
2
w
3
Min Z = 49w
1
+ 50w
2

s.a.
x
1
7w
1
+ 10w
2
7
x
2
7w
1
+ 5w
2
10
w
1
, w
2
0

x
1
*w
3
= 0
x
2
*w
4
= 0
x
3
*w
1
= 0
x
4
*w
2
= 0
55
Tableau optimo del primal:

3 0 10/7 0 70
1 1 1/7 0 7
5 0 -5/7 1 15

Solucin:



0 15 0 7 -70
0 -5 1 -1 3
1 5/7 0 -1/7 10/7



Para saber el valor de w
2
/w
3
debemos ver el valor de x
4
/x
1
, dado que w
2
esta
relacionado con x
4
y w
3
con x
1
, el valor de x
4
/x
1
= 5 w
2
/w
3
= -5

* dem w
3
w
4
asociado con x
1
x
2
= 1 w
3
w
4
= -1
w
1
w
2
x
3
x
4
= -5/7 w
1
w
2
= 5/7
w
1
w
4
x
3
x
2
= 1/7 w
1
w
4
= -1/7

Ejercicio: Resolver utilizando el mtodo dual simplex

Min Z = 2x
1
+ x
2

s.a.
3x
1
+ x
2
3
4x
1
+ 3x
2
6
x
1
+ 2x
2
3
x
1
0, x
2
0

Solucin:

Max W = -Z = -2x
1
- x
2

s.a.
-3x
1
- x
2
+ x
3
-3
-4x
1
- 3x
2
+ x
4
-6
-x
1
- 2x
2
+ x
5
-3
x
i
0
i
= 1...5
x
2
x
4
w
3
w
1
Como Z* = 70 Z = 70
dado que x
1
= 0 w
3
> 0, w
3
= 3
x
2
= 7 w
4
= 0
x
3
= 0 w
1
> 0, w
1
= 10/7
x
4
= 15 w
2
= 0
56


x
1
x
2
x
3
x
4
x
5

2 1 0 0 0 0
x
3
-3 -1 1 0 0 -3
x
4
-4 -3 0 1 0 -6
x
5
-1 -2 0 0 1 -3



x
1
x
2
x
3
x
4
x
5

2/3 0 0 1/3 0 -2
-5/3 0 1 -1/3 0 -1
4/3 1 0 -1/3 0 2

5/3 0 0 -2/3 1 1


x
1
x
2
x
3
x
4
x
5

0 0 2/5 1/5 0 -12/5
x
1
1 0 -3/5 1/5 0 3/5
x
2
0 1 4/5 -3/5 0 6/5
x
5
0 0 1 -1 1 0

Z* = 12/5 x(3/5; 6/5; 0; 0; 0)

Ejercicio: Desarrollar ejemplo anterior:

Max X = x
1
+ 130x
2
+ 540x
2
+ 1450x
3
.......









)
`

3
1
;
4
2
max
Sale x
4
y entra x
2

)
`

3 / 1
3 / 1
;
3 / 5
3 / 2
max