EJEMPLO METODO SIMPLEX DUAL PARA UNA MINIMIZACION - TAREA 1

El problema como modelo de programación lineal:

Función objetivo:

Sujeto a:

Forma estándar del método simplex primal:

Función objetivo:

Sujeto a:

Tabla inicial:

Condición de optimidad: la variable entrante (VE) es la vari

VARIABLES VARIABLES NO BASICAS

BASICAS Z X1 X2 X3
Z 1 -1000 -6300 -2200
S1 0 -1 -7.5 -3
S2 0 -1 -15 -2
S3 0 -1 -5 -2
VE

Razón 1000 420 1100

Eliminación de Gauss Jordan: convertir la columna de la variable entrante en un vector identi

1. Ecuación pivote:
nueva ecuación pivote = ecuación pivote / elemento pivote
2. Las demás ecuaciones, incluyendo Z:
nueva ecuación = [nueva ecuación pivote * ( - coeficiente de la columna de la v

Iteración 1:

VARIABLES VARIABLES NO BASICAS

NO BASICAS
VARIABLES
NO BASICAS Z X1 X2 X3
Z 1 -580 0 -1360
S1 0 -0.5 0 -2
X2 0 0.06666666666667 1 0.1333333333333
S3 0 -0.6666666666667 0 -1.333333333333
VE

Razón 870 1020

Iteración 2:

VARIABLES VARIABLES NO BASICAS

BASICAS Z X1 X2 X3
Z 1 0 0 -200
S1 0 0 0 -1
X2 0 0 1 0
X1 0 1 0 2
VE

Razón 200

Iteración 3:

VARIABLES VARIABLES NO BASICAS

BASICAS Z X1 X2 X3
Z 1 0 0 0
X3 0 0 0 1
X2 0 0 1 0
X1 0 1 0 0
 variable entrante (VE) es la variable no basica asociada con la razón mas pequeña

BASICAS Condición de factibilidad: la variable saliente (VS) e

SOLUCION
S1 S2 S3
0 0 0 0 Valor más negativo
1 0 0 -150 -150
0 1 0 -200 VS -200
0 0 1 -120 -120

ble entrante en un vector identidad

mento pivote

oeficiente de la columna de la variable entrante)] + ecuación anterior

BASICAS
SOLUCION
 SOLUCION
S1 S2 S3
0 -420 0 84000 Valor más negativo
1 -0.5 0 -50 -50
0 -0.06666667 0 13.33333333
0 -0.33333333 1 -53.3333333 VS -53.3333333

BASICAS
SOLUCION
S1 S2 S3
0 -130 -870 130400 Valor más negativo
1 -0.25 -0.75 -10 VS -10
0 -0.1 0.1 8
0 0.5 -1.5 80

BASICAS
SOLUCION
S1 S2 S3
-200 -80 -720 132400
-1 0.25 0.75 10
0 -0.1 0.1 8
2 0 -3 60
tibilidad: la variable saliente (VS) es la variable básica con la razon más negativa. Si todas las variables básicas son no negativas, el pro

lor más negativo

lor más negativo

lor más negativo

Condición de optimidad: la solución óptima se alcanza cuando todas las va

sicas son no negativas, el proceso termina
se alcanza cuando todas las variables no básicas son no negativas