Ejemplo

Min Z= 4 X1 + 1 X2

Sujeto a.
3 X1 + 1 X2 = 3
4 X1 + 3 X2 ≥ 6
1 X1 + 2 X2 ≤ 4
X1, X2 ≥ 0

Paso #1. Constuir el modelo aumentado

3 X1 + 1 X2 + R1
4 X1 + 3 X2 + + R2 - e1
1 X1 + 2 X2 + +

Paso #2. Penalizar la funcion objetivo e igualar a 0

Min Z= 4 X1 + 1 X2 + MR1 + MR2
Z -4 X1 - 1 X2 - MR1 - MR2 = 0

Paso #3. Calcular los grados de libertad

G.L ( Grados de libertad) = n - m
n = cantidad de variables (x1,x2,R1,R2,e,h) = 6
m = cantidad de restricciones = 3
G.L ( Grados de libertad) = 6 - 3 = 3

V.B (Variables Basicas) = n - G.L

V.B (Variables Basicas) = 6 - 3 = 3

Paso #4. Construir la tabla Inicial

X1 X2 e1 R1 R2 h1 Sol
Z -4 -1 0 -M -M 0 0
R1 3 1 0 1 0 0 3
R2 4 3 -1 0 1 0 6
h1 1 2 0 0 0 1 4

Paso #5. Construir la iteracion "0"

X1 X2 e1 R1 R2 h1 Sol
Z 7M-4 4M-1 -M 0 0 0 9M
R1 3 1 0 1 0 0 3
R2 4 3 -1 0 1 0 6
h1 1 2 0 0 0 1 4
Paso #5.
Iteracion 0
X1 X2 e1 R1 R2 h1 Sol
Z -4 -1 0 0 0 0 0
M 7 4 -1 0 0 0 9
R1 3 1 0 1 0 0 3 1
R2 4 3 -1 0 1 0 6 1 1/2
h1 1 2 0 0 0 1 4 4

Iteracion 1
X1 X2 e1 R1 R2 h1 Sol
Z 0 1/3 0 1 1/3 0 0 4 Esta es la primera solucion factible, pero no es
M 0 1 2/3 -1 -2 1/3 0 0 2 Se continua iterando hasta que todos los valor
X1 1 1/3 0 1/3 0 0 1 3.00
R2 0 1 2/3 -1 -1 1/3 1 0 2 1.20
h1 0 1 2/3 0 - 1/3 0 1 3 1.80

Iteracion 2
X1 X2 e1 R1 R2 h1 Sol
Z 0 0 1/5 1 3/5 - 1/5 0 3 3/5
M 0 0 0 -1 -1 0 0
X1 1 0 1/5 3/5 - 1/5 0 3/5 3.00
X2 0 1 - 3/5 - 4/5 3/5 0 1 1/5 -2.00
h1 0 0 1 1 -1 1 1 1.00

Iteracion 3
X1 X2 e1 R1 R2 h1 Sol
Z 0 0 0 1 2/5 0 - 1/5 3 2/5
M 0 0 0 -1 -1 0 0
X1 1 0 0 2/5 0 - 1/5 2/5
X2 0 1 0 - 1/5 0 3/5 1 4/5
e1 0 0 1 1 -1 1 1

Solucion Optima
X1 2/5
X2 1 4/5
 = 3 Si evaluaramos ambas x en cero no se cumpliria la igualdad, por ende se debe agregar una variable
= 6
h1 = 4
olucion factible, pero no es la optima.
o hasta que todos los valores son 0 o negativos
e debe agregar una variable
El gerente de producción de la Dalmon Carpet Company es responsable de la fabricación de alfombras en más de 500 telares. P
yardas) de cada telar, toma una muestra de 30 telares cada día, con lo que llega a una conclusión respecto a la producción prom
se presenta más adelante exhibe la producción de cada uno de los 30 telares de la muestra. Estas cantidades son los datos sin
producción puede sacar conclusiones acerca de la toda la población de telares en su desempeño del día anterior.

Produccion en Yardas LA cantidad de clase depende de una decision que se toma o de un mandato.
15.2
Ancho de los IC = ((Valor unitario siguiente después del valor más grande de los datos)- (Valor más pequeño de lo
15.4
15.6 NC = 1+3.332xlog n 5.92
15.6 NC = n^(1/2) 5.48
15.6
15.7 Clases F FR FR(%) F. Ac.
15.7 15.2-15.4 2 0.07 7% 2
15.8 15.5-15.7 5 0.17 17% 7
15.8 15.8-16.0 11 0.37 37% 18
15.8 16.1-16.3 6 0.20 20% 24
15.9 16.4-16.6 3 0.10 10% 27
15.9 16.7-16.9 3 0.10 10% 30
15.9 30
15.9
16
16 12
16 11
16 10
16.1 9
16.2 8
16.2 7
16.3 6
16.3 5
16.3 4
16.4 3
16.4 2
16.6 1 2 5 11 6 3
16.8 15.2-15.4 15.5-15.7 15.8-16.0 16.1-16.3 16.4-16.6
16.8
16.9
ras en más de 500 telares. Para no tener que medir la producción diaria (en
specto a la producción promedio de alfombras de las 500 máquinas. La tabla que
antidades son los datos sin procesar a partir de los cuales el director de
l día anterior.

a o de un mandato.
los datos)- (Valor más pequeño de los datos))/Número total de intervalos de clase 0.28

F. Ac Rel. F. Ac. R (%)

0.07 7%
0.23 23%
0.60 60%
0.80 80%
0.90 90%
1.00 100%

3
16.7-16.9