Documentos de Académico
Documentos de Profesional
Documentos de Cultura
GUIA DE
INVESTIGACION OPERATIVA
SIMPLEX Y DUALIDAD
CIENCIAS EXACTAS
2015
OPERACIN DE MATRICES
METODO DE REDUCCION
SISTEMAS DE ECUACIONES
MATRIZ AMPLIADA
ALGEBRA
MATRICIAL
METODO
SIMPLEX
ESTANDARIZACION
MINIMIZACION
MAXIMIZACION
VARIABLES
-HOLGURA
- ARTIFICIALES
METODO
-M
-DOS FASES
ANALISIS DE
SENSIBILIDAD
ANALISIS
DE RECURSOS
PROBLEMA
DUAL
PRIMAL
DUAL
METODO SIMPLEX
El mtodo Simplex es un algoritmo de solucin muy utilizado para resolver problemas de programacin
lineal. Un algoritmo es una serie de pasos para cumplir con una tarea determinada.
El mtodo simplex es un mtodo general de solucin del problema de Programacin lineal (PL) con
cualquier nmero de variables de decisin, y consiste en partir de una Solucin Bsica Factible (SBF),
para acercarse paso a paso a una mejor solucin, hasta alcanzar la Solucin ptima Factible (SOF).
Modelo General
Funcin Objetivo
Z C1 X1 C2 X 2 ... Cn X n
Limitaciones
Mx. o Min.
: :
:
:
am1x1 am 2 x2 ... amn xn bm
En donde x1 , x 2 ,..., x n y b1 , b2 ,..., bm son no negativas
Variables de holgura X n 1
transforme en una ecuacin.
X nm
Estandarizacin.
m Ecuaciones
n m Variables
Maximizacin
Modelo General
Funcin Objetivo
Z C1 X1 C2 X 2 ... Cn X n
Limitaciones
Mx. o Min.
X n 1 X n m
m Ecuaciones
n m Variables
Ejemplo: resolver el modelo utilizando el mtodo simplex para maximizacin
Funcin Objetivo
Mx.
z 7 x1 7 x2 6 x3 9 x4
4 x1 5 x2 3x3 5 x4 30000
Restricciones
Estandarizacin:
Mx. Z = 7x1+7x2+6x3+9x4+0x5+0x6
4 x1 5 x 2 3x3 5 x 4 x5 30000
2 x1 1.5 x 2 3x3 3x 4 x 6 20000
Primera Iteracin
Cj
0
0
X1
7
X2
6
X3
9
X4
0
X5
0
Relacion
minima
X6
X5
X6
30000
20000
4
2
5
1,5
3
3
5
3
1
0
0
1
Zj
-7
-7
-6
-9
Zj - Cj
6000
6666,67
Menor valor
sale
Fila criterio(indicador)
ingresa
ING. JORGE GALIANO
0 * 30000 + 0 * 20000 = 0
0*4+0*2=0
0 * 5 + 0 * 1,5 = 0
0*3+0*3=0
0*5+0*3=0
0*1+0*0=0
0*0+0*1=0
X1 X 2 X 3 X 4 0
X 5 30000
X 6 20000
Para maximizacin la fila
son positivos o cero
X4
9
Variable entrante
X5
Variable saliente
mnima
6000
En la fila criterio elegimos el valor ms negativo, en caso de que los valores sean ceros o
positivos se ha llegado a un ptimo.
Valor del
EJE
Valor del
SEMI EJE
La posicin para la nueva iteracin donde est ubicado el eje el valor debe ser 1, por lo cual la
fila del eje le dividimos para cinco cada uno de sus elementos.
3000/5 = 6000;
ING. JORGE GALIANO
4/5;
5/5 = 1;
3/5;
5/5 = 1;
1/5;
0/5 = 0
5
semi
nueva
X6
eje
fila
20000
2
1,5
3
3
0
1
Zj:
3
3
3
3
3
3
3
* 6000
* (4/5)
1
*
* (3/5)
1
*
(1/5)
*
0
*
=
=
=
=
=
=
=
2000
-2/5
-1,5
6/5
0
-3/5
1
9 * 6000 + 0 * 2000
= 54000
9 * 4/5
+ 0 * (-2/5)
= 36/5
9*1
+ 0 * (-3/2)
=9
9 * 3/5
+ 0 * (6/5)
= 27/5
9*1
+ 0*0
=9
9 * 1/5
+ 0 * (-3/5)
= 9/5
9*0
+ 0*1
=0
9
0
Zj
X1
X2
X3
X4
X5
X6
RM
6000
4/5
3/5
1/5
10000
2000
-2/5
-3/2
6/5
-3/5
5000/3 sale
54000
36/5
27/5
9/5
1/5
-3/5
9/5
Zj - Cj
ingresa
Valores
2000
-2/5
-1/5
6/5
0
-1/5
1
*
*
*
*
*
*
*
5/6
5/6
5/6
5/6
5/6
5/6
5/6
= 1666,7
= -1/3
= -5/4
=
1
=
0
=
-
=
5/6
Fila
semi
nueva
X4
eje
fila
6000
4/5
1
3/5
1
1/5
3/5
3/5
3/5
3/5
3/5
3/5
3/5
* 1666,67 =
* (-1/3) =
* (-5/4) =
1
=
*
0
=
*
* (-1/2) =
* (5/6) =
5000
1
7/4
0
1
9 * 5000
+ 6 * 1666.67
9*1
+ 6 * (-1/3)
=7
9 * 7/4
+ 6 * (-5/4)
= 33/4
9*0
+6*1
=6
9*1
+6*0
=9
9 * 1/2
+ 6 * (-1/2)
= 3/2
9 * (-1/2)
+ 6 * 5/6
= 1/2
9
6
Zj
X1
X2
X3
X4
X6
-
5000
7/4
1666,67
-1/3
-5/4
X5
55000
33/4
3/2
5/4
3/2
Zj - Cj
RM
5/6
Como, Zj Cj solamente tiene valores positivos y/o ceros, entonces tenemos un ptimo y la
solucin ser:
Zj = 55000; X1= 0; X2= 0; X3=1666.67; X4=5000; X5=0; X6=0
En la ltima tabla se tiene cada uno de los diferentes coeficientes que tienen un significado
econmico y se denominan tasas de sustitucin, ver solamente los valores de las variables de
holgura correspondiente a su columna.
Anaqueles
3
4
2000
3500
1500
Escritorios Disponibilidad
5
240
h H/u
2
128
h H/u
2800
$/u
4600
$/u
1800
$/u
a) Establecer un programa de produccin que permita a la empresa maximizar las utilidades sin que la
compaa forme inventario.
b) Esta compaa tiene la posibilidad de ocupar la seccin de preparacin de piezas para otro artculo y
le interesa conocer si con el programa de produccin ptimo actual le queda tiempo libre en el
departamento.
IV.- Limitaciones
3x 6 y 240
4 x 2 y 128
Estandarizacin:
F.O. Mx. U 1500 x 1800 y 0S1 0S2
Dpto. I
3x 6 y S1 240
Dpto. II
4 x 2 y S2 128
Cj
0
0
X
S1
S2
B
240
128
Zj
Zj - Cj
1500 1800
x
y
3
6
4
2
0
S1
1
0
0
S2
0
1
-1500
-1800
RM
40
64
Sale
Ingresa
128
4
2
0
1
Cj
1800
0
X
y
S2
B
40
48
Zj
72000
Zj - Cj
2
2
2
2
2
1500 1800
x
y
1
3
0
*
*
*
*
*
40
1
1/6
0
0
S1
1/6
-1/3
0
S2
0
1
900
1800
300
-600
300
RM
80
16
=
=
=
=
=
48
3
0
1/3
1
Sale
Ingresa
ING. JORGE GALIANO
1
1/6
0
Cj
X
y
x
B
32
16
Zj
81600
1800
1500
Zj - Cj
Solucin:
*
*
*
*
*
16
1
0
-1/9
1/3
=
=
=
=
=
32
0
1
2/9
-1/6
1500 1800
x
y
0
1
1
0
0
S1
2/9
-1/9*
0
S2
-1/6
1/3
1500
1800
700/3
200
700/3
200
Tasas de
sustitucin
OPTIMO
X = 16 (anaqueles/semana)
Y = 32 (escritorios/semana)
S1 = 0 indica que se usa todo el tiempo disponible en el Dpto. I
S2 = 0 indica que se usa todo el tiempo disponible en el Dpto. II
U = 81600 ($/semana)
Toda tasa de sustitucin significa que para producir una unidad de la variable correspondiente a la
columna se debe sacrificar la tasa de sustitucin indicada por la variable correspondiente a la fila.
S1
x
-1/9*
Para alcanzar una unidad S1 (1 h-H) de tiempo disponible en el departamento I, necesitamos sacrificar
(usar o gastar) -1/9 anaqueles.
Demostracin: 1 h-H en el departamento I (preparacin de piezas)
La nueva produccin ser:
Dpto. I
145
286
3x 6 y 3(
) 6(
) 239 h-H/semana
9
9
Esto quiere decir, que el departamento I no completara la disponibilidad de las 240 h-H que tiene en la
semana, sobrando 1 hora para la nueva produccin.
Nueva utilidad
U n 1500 x 1800 y
145
286
U n 1500(
) 1800(
)
9
9
U n 81366.67
Entonces,
Este valor de
iteracin.
700
2100
se encuentra directamente en la fila criterio de la ltima
233.33
3
9
S2
y
700
3
-1/6
Dpto. II
4 x 2 y 4(
47
193
) 2(
) 127 h-H/semana
3
6
Esto quiere decir, que el departamento II no completara la disponibilidad original de las 128 h-H que tiene
en la semana, sobrando 1 hora para la nueva produccin, en caso de modificarle con las tasas de
sustitucin o tambin conocido como precios sombra.
Nueva utilidad
U n 1500 x 1800 y
47
193
) 1800(
)
3
6
U n 81400
U n 1500(
Entonces,
10
Para X:
Para departamento I, columna S1 para el cuadro
1500
1800
S1
S2
-1/9
1/3
1500
1800
2100/9
200
16
Usar la formula
81600
0
Valor inicial
Entonces,
2100
x
Zj*
Zj
Zj aj.
16
1500
1800
S1
S2
-1/9
1/3
2100
81600
-2100/9
1500
1800
200
2100/9
3600
Lmite superior
Para C1 = 1500
2100
3600;
16
1500
1800
S1
S2
-1/9
1/3
1500
1800
2100/9
200
0
Usar la frmula
81600
Valor inicial
Entonces,
-600
x
Zj*
Zj
Zj aj.
16
1500
1800
S1
S2
1
-600
-1/9
81600 1500
900
1/3
-200
1800
2100/9
200
0
Lmite inferior
11
600
900;
Coeficiente
Minimo
Original
Maximo
C1
900
1500
3600
600
2100
Para Y:
Para departamento II, columna S2 para el cuadro
y
Zj*
Zj
Zj aj
1200
Para C2 = 1800
32
1500
1800
S1
S2
2/9
-1/6
1200
81600
1200
3000;
1500
-200
1800
2100/9
usar la frmula
200
3000
Lmite superior
Valor inicial
-1050
y
Zj*
Zj
Zj aj.
32
1500
1800
S1
S2
-1/6
81600
1500
2/9
-1050
-2100/9
1800
2100/9
750
Usar la frmula
200
Para C2 = 1800
1050
750;
En resumen:
Coeficiente
Minimo
Original
Maximo
C2
750
1800
3000
-1050
1200
Por lo tanto, el anlisis de sensibilidad para los coeficientes de la funcin objetivo pueden tener las
siguientes variaciones:
Coeficiente
C1
Mnimo
Original
Mximo
900
1500
3600
C2
750
1800
3000
12
13
PROBLEMA DUAL
El principio llamado dualidad, permite resolver un problema de maximizacin resolviendo el problema de
minimizacin relacionado con l.
Problema
Primal (Dual)
Maximizar
Z c1x1 c2 x2 ... cn xn
Sujeto a,
x1, x2 ,....xn 0
Dual (Primal)
Minimizar
W b1 y1 b2 y2 ... bm ym
Sujeto a,
y1 , y2 ,...., ym 0
La solucin del modelo primal es igual a la del modelo dual en cuanto a su funcin objetivo.
DUAL
PRIMAL
n
m
variables
limitaciones
m
n
variables
limitaciones
Ejemplo
Modelo Primal
Funcin Objetivo
Restricciones
Modelo Dual
ING. JORGE GALIANO
14
Funcin Objetivo
Restricciones
Ejercicio
1.- Resolver por el simplex el primal, plantear el dual e indicar la solucin con la ltima tabla del simplex
del primal, indicar las tasas de sustitucin y los precios sombra, realizar el anlisis de sensibilidad.
PRIMERA ITERACION
300
2
1
1
0
0
1
1
1
1
1
1
*
*
*
*
*
*
200
1/4
1
0
1/4
0
=
=
=
=
=
=
100
1,75
0
1
-0,25
0
500
1
2
0
0
1
2
2
2
2
2
2
*
*
*
*
*
*
200
1/4
1
0
1/4
0
=
=
=
=
=
=
100
0,5
0
0
-0,5
1
SEGUNDA ITERACION
X
S1
Y
S3
Zj
0
5
0
B
100
200
100
1000
Zj - Cj
200
0,25
1
0
0,25
0
0,25
0,25
0,25
0,25
0,25
0,25
*
*
*
*
*
*
57,14
1
0
0,571
-0,14
0
3
x
1,75
0,25
0,5
1,25
-1,75
INGRESA
=
=
=
=
=
=
185,7143
0,00
1
-0,14286
0,285714
0
5
y
0
1
0
5
0
0
S1
1
0
0
0
0
100
0,5
0
0
-0,5
1
0
S2
-0,25
0,25
-0,5
1,25
1,25
0,5
0,5
0,5
0,5
0,5
0,5
0
S3
0
0
1
0
0
*
*
*
*
*
*
57,14
1
0
0,571
-0,14
0
RM
57,1428571 SALE
800
200
=
=
=
=
=
=
71,42857
0
0
-0,28571
-0,42857
1
15
3
5
0
X
X
Y
S3
Zj
B
57,1428571
185,714286
71,4285714
1100
Zj - Cj
3
x
1
0
0
3
0
H1
5
y
0
1
0
5
0
H2
0
0
S1
S2
0,57142857 -0,14285714
-0,14285714 0,28571429
-0,28571429 -0,42857143
1
1
1
1
X1
X2
0
S3
0
0
1
0
0
X3
RM
OPTIMO
X
X
Y
S3
Zj
3
5
0
3
x
1
0
0
3
0
B
400/7
1300/7
500/7
1100
Zj - Cj
Solucin:
X
Y
S3
S2
S1
Z
TASAS DE
SUSTITUCIN
3
5
0
X
X
Y
S3
400/7
1300/7
500/7
0
0
1100
PRIMAL
maxZ=3x+5y
2x+y<=300
x+4y<=800
x+2y<=500
B
57,1428571
185,714286
71,4285714
5
y
0
1
0
5
0
0
S1
4/7
-1/7
-2/7
1
1
0
S2
-1/7
2/7
-3/7
1
1
0
S3
0
0
1
0
0
57,1428571
185,714286
71,4285714
DUAL
MIN D = 300X1 + 800X2 + 500X3
2X1 +X2 + X3 >= 3
X1 + 4X2 + 2 X3 >= 5
3
x
1
0
0
5
y
0
1
0
SOLUCION
DUAL
0
0
S1
S2
0,57142857 -0,14285714
-0,14285714 0,28571429
-0,28571429 -0,42857143
X1
X2
X3
H1
H2
D
1
1
0
0
0
1100
0
S3
0
0
1
TASAS DE SUSTITUCION
PRECIOS SOMBRA
3
5
0
X
X
Y
S3
Zj
Zj - Cj
B
57,1428571
185,714286
71,4285714
1100
3
x
1
0
0
3
0
5
y
0
1
0
5
0
0
0
S1
S2
0,57142857 -0,14285714
-0,14285714 0,28571429
-0,28571429 -0,42857143
1
1
1
1
PRECIOS SOMBRA
0
S3
0
0
1
0
0
16
S1
0,57142857
-1
1
0
7y
Zj*
Zj original
Zj ajustada
y
1
7
5
12
S1
-0,14285714
-1
1
0
7X
Zj*
Zj original
Zj ajustada
x
1
7
3
10
S2
-0,14285714
-1
1
0
-3,5 y
Zj*
Zj original
Zj ajustada
y
1
-3,5
5
1,5
S2
0,28571429
-1
1
0
0X
Zj*
Zj original
Zj ajustada
x
1
0
3
3
S3
0
0
0
0
y
1
0
5
5
S3
0
0
0
0
-1,75 X
Zj*
Zj original
Zj ajustada
C1
C2
0y
Zj*
Zj original
Zj ajustada
MINIMO
1,25
1
ORIGINAL
3
5
MAXIMO
10
12
USANDO EL WINQSB
INGRESO DE DATOS
PRIMERA ITERACION
17
TERCERA ITERACION
SOLUCION GENERAL
ANALISIS DE SENSIBILIDAD
18
PRIMAL
Min Z=50x+60y
x+3y>=5000
4x+8y>=16000
50x+25y>=87500
DUAL
PRIMERA ITERACION
X
S1
S2
Zj
0
0
5000
x1
1
3
0
-5000
B
50
60
0
Zj - Cj
60
3
8
25
0
1
25
25
25
25
25
25
*
*
*
*
*
*
1
0,02
0,08
1
0,02
0
16000
x2
4
8
0
-16000
=
=
=
=
=
=
87500
x3
50
25
0
-87500
INGRESA
0
S1
1
0
0
0
0
S1
1
0
0
0
RM
1
2,4
SALE
35
2,5
6
0
-0,5
1
SEGUNDA ITERACION
87500
0
X
X3
S2
Zj
5000
x1
0,02
2,5
1750
-3250
B
1
35
87500
Zj - Cj
1
0,02
0,08
1
0,02
0
16000
x2
0,08
6
7000
-9000
INGRESA
0,08
0,08
0,08
0,08
0,08
0,08
*
*
*
*
*
*
87500
x3
1
0
87500
0
5,833333
0,416667
1
0
-0,08333
0,166667
0
S1
0,02
-0,5
1750
1750
=
=
=
=
=
=
0
S2
0
1
0
0
RM
12,5
5,83333333 SALE
0,533
-0,01
0
1
0,027
-0,01
19
87500
16000
5000
B
x1
0,53333333 -0,01333333
5,83333333 0,41666667
140000
5500
Zj - Cj
500
H1
16000
x2
0
1
16000
0
H2
87500
x3
1
0
87500
0
H3
0
0
S1
S2
0,02666667 -0,01333333
-0,08333333 0,16666667
1000
1500
1000
1500
X
Y
RM
OPTIMO
SOLUCION
PRIMAL
SOLUCION
X
Y
H1
H2
H3
Z
DUAL
SOLUCION
1000
1500
500
0
0
140000
X1
X2
X3
S1
S2
D
0
5,83333333
0,53333333
0
0
140000
0
35/6
8/15
0
0
3.- Resolver por el simplex el primal, plantear el dual e indicar la solucin con la ltima tabla
del simplex del primal, indicar las tasas de sustitucin y los precios sombra, realizar el anlisis
de sensibilidad.
X
S1
S2
S3
Zj
0
0
0
B
1000
5000
2500
0
Zj - Cj
1000
1
1
1
0
0
1
1
1
1
1
1
*
*
*
*
*
*
833,333
1/2
1
0
1/6
0
5
X1
1
3
3
0
-5
8
X2
1
6
2
0
-8
INGRESA
= 166,667
=
0,5
=
0
=
1
= -0,1667
=
0
0
S1
1
0
0
0
0
0
S2
0
1
0
0
0
2500
3
2
0
0
1
0
S3
0
0
1
0
0
2
2
2
2
2
2
*
*
*
*
*
*
RM
1000
833,333333 SALE
1250
833,333
1/2
1
0
1/6
0
= 833,333
=
2
=
0
=
0
= -0,3333
=
1
20
0
8
0
5
8
0
X
S1
X2
S3
Zj
B
166,666667
833,333333
833,333333
6666,66667
Zj - Cj
5
X1
0,50
0,5
2,00
4
-1
INGRESA
8
X2
0
1
0
8
0
0
S2
-0,16666667
0,16666667
-0,33333333
1,33333333
1,33333333
833,333
0,5
1
0
0,1667
0
0,5
0,5
0,5
0,5
0,5
0,5
*
*
*
*
*
*
333,333
1
0
2
- 1/3
0
= 666,667
=
0
=
1
=
-1
= 0,33333
=
0
833,333
2
0
0
-0,3333
1
2
2
2
2
2
2
*
*
*
*
*
*
333,333
1
0
2
- 1/3
0
= 166,667
=
0
=
0
=
-4
= 0,33333
=
1
X
X1
X2
S3
Zj
Zj - Cj
B
333,333333
666,666667
166,666667
7000
5
X1
1,00
0
0,00
5
0
SOLUCION
5
8
0
0
S1
1
0
0
0
0
X
X1
X2
S3
Zj
Zj - Cj
B
1000/3
2000/3
1000/3
7000
5
X1
1,00
0
0,00
5
0
H1
8
X2
0
1
0
8
0
0
S1
2
-1
-4
2
2
X1
X2
S1
S2
S3
1000/3
2000/3
0
0
1000/3
7000
8
X2
0
1
0
8
0
H2
0
S1
2
-1
-4
2
2
Y1
0
S3
0
0
1
0
0
RM
333,333333 SALE
1666,66667
416,666667
0
S2
-0,33333333
0,33333333
0,33333333
1
1
0
S2
-1/3
1/3
1/3
1
1
Y2
0
S3
0
0
1
0
0
Y3
0
S3
0
0
1
0
0
RM
OPTIMO
OPTIMO
21
DUAL
Min. D = 1000 Y1 + 5000 Y2 + 2500 Y3
Y1 + 3 Y2 + 3 Y3 >= 5
Y1 + 6 Y2 + 2 Y3 >= 8
SOLUCION DUAL
Y1
Y2
Y3
H1
H2
2
1
0
0
0
7000
TASAS DE SUSTITUCION
X
X1
X2
S3
Zj
Zj - Cj
5
8
0
B
1000/3
2000/3
1000/3
7000
5
X1
1,00
0
0,00
5
0
8
X2
0
1
0
8
0
0
S1
2
-1
-4
2
2
0
S2
-1/3
1/3
1/3
1
1
0
S3
0
0
1
0
0
TASAS
DE
SUSTITUCION
PRECIOS SOMBRA
X
X1
X2
S3
Zj
Zj - Cj
5
8
0
5
X1
1,00
0
0,00
5
0
B
1000/3
2000/3
1000/3
7000
8
X2
0
1
0
8
0
0
S1
2
-1
-4
2
2
0
S2
-1/3
1/3
1/3
1
1
PRECIOS
SOMBRA
0
S3
0
0
1
0
0
ANALISIS DE SENSIBILIDAD
-1 X1
Zj*
Zj original
Zj ajustada
X1
1
-1
5
4
S1
2
-2
2
0
2 X2
Zj*
Zj original
Zj ajustada
X2
1
2
8
10
S1
-4
-2
2
0
3 X1
Zj*
Zj original
Zj ajustada
X1
1
3
5
8
S2
- 1/3
-1
1
0
-3 X2
Zj*
Zj original
Zj ajustada
X2
1
-3
8
5
S2
1/3
-1
1
0
0 X1
Zj*
Zj original
Zj ajustada
X1
1
0
5
5
S3
0
0
0
0
0 X2
Zj*
Zj original
Zj ajustada
X2
1
0
8
8
S3
1
0
0
0
22
C1
C2
MINIMO
4
5
ORIGINAL
5
8
MAXIMO
8
10
UTILIZANDO EL WINQSB
INGRESO DE DATOS
SOLUCION GENERAL
23
SEGUNDA ITERACION
TERCERA ITERACION
ANALISIS DE SENSIBILIDAD
24
2.- {
1.{
3.-.- {
4.- {
25