Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Metodología
Formalización de Modelos
Terminología Básica
Resolución Gráfica
DECISOR ANALISTA
problema modelo
formalización
deducción
conclusiones conclusiones
del problema interpretación del modelo
A B C Horas disponibles
H1/aparato 10 16 22 200
H2/aparato 4 2 5 120
Beneficio/ 275 325 675
aparato
t
max c x
Notación matricial s. a : Ax b
x 0
Formalización de Modelos
Ejemplo 2: Problema de transporte
Tres almacenes ofertan un producto que se demanda en cinco mercados.
Las cantidades ofertadas en origen, las demandas de los destinos
(medidas ambas en cientos de kilogramos) y los costos de transporte
(euros por unidad de producto) entre cada almacén y cada mercado,
aparecen en la siguiente tabla:
M1 M2 M3 M4 M5 Ofertas
Al1 3 5 2 4 6 38
Al2 5 2 7 6 3 44
Al3 4 6 8 9 5 69
Demandas 43 29 37 14 28
Interesa diseñar una política de transporte, que minimice los costos
globales, atendiendo las demandas de los mercados y respetando las
ofertas de los almacenes
Las variables de decisión deben ser:
min c t x
Forma
s. a : Ax b
estándar
x0
6 0 6
4 0 4
Se observa
x 0 definimos x 0
y
x 0
que si: 5 5 0
7 7 0
max c t x min c t x
Conversión a la forma estándar
Dado el problema:
Ejemplo 1
4x1 2 x2 k
(2,6)
maximizar 4x1 2 x2
sujeto a: x1 x2 4 Solución
3x1 2 x2 18 (0,4) óptima
k
3x1 x2 15 2 (4,3)
x1, x2 0
(0,0) (5,0)
Resolución Gráfica
Ejemplo 2
(2,6)
Problema no factible
Resolución Gráfica
Ejemplo 3
Problema no acotado
OPTIMIZACIÓN
Variable básica
En un sistema de m ecuaciones y n variables, 𝑛 ≥ 𝑚, una variable
se denomina básica si su coeficiente es igual a uno en una de las
ecuaciones y dicho coeficiente es igual a cero en el resto de las
ecuaciones.
A partir del sistema inicial, podríamos optar por hacer básicas la segunda
variable en la primera ecuación y la tercera variable en la segunda
ecuación:
x1 x2 2
6 x1 x3 16
Soluciones básicas
Definición: Cuando en un sistema de ecuaciones se dispone de una
variable básica en cada una de las ecuaciones, tenemos una solución
básica. Los valores de las variables básicas se calculan directamente al
hacer igual a cero el correspondiente a cada variable no básica.
6 x1 x3 16
la solución básica es x1 0, x2 2, x3 16
x1 x2 2
6 x2 x3 4
la solución básica es x1 2, x2 0, x3 4
x1 x2 2
Propiedad fundamental
Si existe, el valor óptimo de un problema de Programación Lineal se
alcanza en una solución básica factible.
Esta propiedad es la base del Método del Simplex (G. B. Dantzig, 1947).
Partiendo de una solución básica factible, dicho método recorre
eficientemente un subconjunto de soluciones básicas factibles hasta
obtener el óptimo o concluir que el problema es no acotado.
Ejemplo
Dado el siguiente problema de Programación Lineal:
min 4 x1 2 x2 2 x3
s.a: 6 x2 x3 4
x1 x2 2
x1 0, x2 0, x3 0
Operaciones algebraicas
Para la solución básica: x1 2, x2 0, x3 4 el valor de la función objetivo
es z 16.
Está claro que cuanto más crezca, mayor será el decrecimiento del valor
objetivo. Tenemos que la solución factible siguiente alcanza un valor
objetivo 28. 8 2
3 x1 , x2 , x3 0
3 3
Operaciones algebraicas
Esta solución también es básica según se deduce del siguiente sistema
equivalente al que define la región factible del problema inicial:
1 2
x2 x3
6 3
1 8
x1 x3
6 3
Por tanto, este proceso de hacer básica a la variable 𝑥2 (la variable no
básica con costo relativo negativo) en lugar de la 𝑥3 (la variable básica
que primero alcanza el valor cero cuando crece 𝑥2 ), hace posible
encontrar una solución básica factible mejor que la anterior. Se denomina
operación de pivotaje o, simplemente, pivotaje. Obviamente, si 𝑥3 puede
crecer hasta el infinito, se concluirá que el problema que se está
resolviendo es no acotado. Respecto a la nueva solución básica factible, el
5
costo relativo de la variable no básica 𝑥3 es igual a .Como este costo
3
relativo es no negativo y sólo existe una variable no básica, concluimos
que la solución básica factible actual es óptima.
Propiedad: Para un problema de Programación Lineal de mínimo, una
solución básica factible es óptima si los costos relativos de todas las
variables no básicas son no negativos. En el caso de máximo, la condición
de optimalidad se alcanza cuando sean no positivos los costos relativos de
las variables no básicas.Los costos relativos de las variables básicas son
siempre iguales a cero.
Método del Simplex
La búsqueda de una solución óptima de un problema de Programación
Lineal se realiza en una región definida por ecuaciones/inecuaciones
lineales. Dicha región se conoce en Geometría como politopo. La
denominación de un tipo particular de politopo, simplex, da el nombre del
método. Un esquema podría ser el siguiente:
Inicialización
Determinar una solución básica factible inicial.
Mientras
La solución básica factible actual no sea óptima, si no se detecta la no
acotación del problema, realizar el correspondiente pivotaje para
determinar una nueva solución básica factible mejor.
Nota: La operación de pivotaje intercambia el estatus entre una variable
básica y una variable no básica. Se dice que la primera sale de la base y
que la segunda entra en la base.
V. Básicas 𝑥1 𝑥2 𝑥3 -z Constantes
𝑥3 0 6 1 0 4
𝑥1 1 -1 0 0 2
-z 4 -2 2 1 0
Tablas y aplicación del método
La primera fila describe las columnas de variables básicas, coeficientes de
las distintas variables y constantes.
Las filas segundas y terceras contienen los coeficientes de las dos
ecuaciones de la región factible.
En la cuarta fila aparecen los coeficientes de la ecuación :
4x1 2x2 2x3 z 0
Si, en la tabla anterior, restamos a la tercera fila la suma de la primera
multiplicada por 2 más la segunda multiplicada por 4, obtenemos:
V. Básicas 𝑥1 𝑥2 𝑥3 -z Constantes
𝑥3 0 6 1 0 4
𝑥1 1 -1 0 0 2
-z 0 -10 0 1 -16
Nota:
Como regla general, cuando en una tabla equivalente a la inicial en la que
aparece la descripción de una solución básica, los coeficientes de las
variables básicas de la última ecuación son ceros, los que corresponden en
esa fila a variables no básicas son los respectivos costos relativos.
Además, la constante asociada a dicha última fila es igual al valor,
cambiado de signo, que alcanza la función objetivo para la solución básica
actual.
Tablas y aplicación del método
La variable no básica 𝑥2 , con costo relativo igual a -10, es candidata a
convertirse en variable básica. Según argumentamos anteriormente,
sustituye a 𝑥3 . Esto supone que la tabla anterior se debe transformar en
otra equivalente en la que la columna asociada a 𝑥2 sea exactamente la
que ahora corresponde a 𝑥3 .Por tanto, la nueva tabla es:
V. Básicas 𝑥1 𝑥2 𝑥3 -z Constantes
𝑥2 0 1 1/6 0 2/3
𝑥1 1 0 1/6 0 8/3
-z 0 0 5/3 1 -28/3
min 4x1 2 x2 2 x3 x4 x5
Ejemplo s.a: 2x1 2 x2 4 x3 x4 10
Resolver el problema:
x1 4 x2 2 x3 x5 16
x j 0, j 1,...,5
Tablas y aplicación del método
La tabla inicial asociada es:
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 -z Constantes
𝑥4 2 -2 4 1 0 0 10
𝑥5 -1 4 -2 0 1 0 16
-z -4 -2 2 1 -1 1 0
En esta tabla el bloque central describe una solución básica (con 𝑥4 y 𝑥5
como variables básicas), pero en la última fila no aparecen los costos
relativos. Si a la última fila restamos la segunda y, luego, sumamos la
tercera, obtenemos:
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 -z Constantes
𝑥4 2 -2 4 1 0 0 10
𝑥5 -1 4 -2 0 1 0 16
-z -7 4 -4 0 0 1 6
En la última fila aparecen los costos relativos y el valor objetivo
(cambiado de signo) asociados a la solución básica factible actual. Se
observa que esta solución no es óptima. La conversión de 𝑥1 o de 𝑥3 en
variables básicas haría decrecer el valor objetivo actual ya que ambas
tienen costos relativos negativos. La regla de selección de la variable no
básica con costo relativo mínimo (caso de mínimo) es conocida como
Regla de Dantzig. Según esta regla, es 𝑥1 la variable seleccionada para
convertirse en básica. Operando como hemos indicado anteriormente, 𝑥4
dejará de ser básica:
Tablas y aplicación del método
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 -z Constantes
𝑥1 1 -1 2 1/2 0 0 5
𝑥5 0 3 0 1/2 1 0 21
-z 0 -3 10 7/2 0 1 41
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 -z Constantes
𝑥1 1 0 2 2/3 1/3 0 12
𝑥2 0 1 0 1/6 1/3 0 7
-z 0 0 10 4 1 1 62
Esta última tabla contiene una solución óptima única ya que los costos
relativos de las variables no básicas son positivos.
Nota:
Cuando para una solución básica factible óptima existen costos relativos
de variables no básicas iguales a cero, existen soluciones óptimas
alternativas.
No Acotación
Detección de la no acotación
Cuando una variable candidata a ser básica puede incrementar
indefinidamente su valor, el problema es no acotado.
min 6 x1 4 x2 x3
s.a: 2x1 2 x2 x3 x4 8
x1 2 x2 3x3 x5 6
x j 0, j 1,...,5
Solución
La tabla asociada es:
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 -z Constantes
𝑥4 -2 -2 1 1 0 0 8
𝑥5 -1 2 3 0 1 0 6
-z -6 4 1 0 0 1 0
La variable 𝑥1 debe convertirse en básica. Si 𝑥1 = l≥ 0, entonces :
𝑥4 =8+2l ≥ 0, 𝑥5 =6+l ≥ 0
En este caso l puede crecer hacia el infinito.
Nota:
Cuando, en una determinada tabla, una variable candidata a ser básica
tiene una columna de términos no positivos, se detecta la no acotación
del problema.
Determinación de una solución básica factible inicial
La aplicación del Método del Simplex necesita una solución básica factible
inicial. Cuando en el problema que se va a resolver no existen tantas
variables básicas como ecuaciones, añadimos artificialmente las variables
básicas necesarias (variables artificiales) para disponer de una solución
básica factible inicial y aplicar el algoritmo del Simplex. Como no hay que
olvidar que el problema que interesa resolver es el inicial, deben usarse
mecanismos que intenten eliminar las variables artificiales.
Solución
Son necesarias dos variables básicas que añadimos de forma artificial:
2x1 x2 x3 x4 8
2 x1 2 x2 x3 x5 6
x j 0, j 1,...,5
Método de las dos fases
El intento de eliminación de dichas variables( 𝑥4 y 𝑥5 ) se puede realizar,
por ejemplo, planteando el siguiente problema auxiliar:
min x4 x5
s.a: 2x1 x2 x3 x4 8
2 x1 2 x2 x3 x5 6
x j 0, j 1,...,5
Se observa que en la función objetivo de este problema aparece la suma
de las variables artificiales. Este problema es el que corresponde a la Fase
I de un procedimiento denominado Método de las dos Fases. Es fácil
comprobar que el problema de la Fase I siempre tiene solución óptima (es
acotado). Intentemos resolver el problema anterior aplicando el Método
del Simplex. La tabla asociada es:
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 -w Constantes
𝑥4 2 1 -1 1 0 0 8
𝑥5 -2 2 1 0 1 0 6
-w 0 0 0 1 1 1 0
escribiendo en la última fila : x4 x5 w 0
(w es el valor objetivo del problema de la Fase I).
Como en la tabla anterior no aparecen calculados los costos relativos,
hemos de obtener:
Método de las dos fases
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 -w Constantes
𝑥4 2 1 -1 1 0 0 8
𝑥5 -2 2 1 0 1 0 6
-w 0 -3 0 0 0 1 -14
La variable 𝑥2 se convierte en básica en sustitución de 𝑥5 . Obtenemos la
tabla:
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 -w Constantes
𝑥4 3 0 -3/2 1 -1/2 0 5
𝑥2 -1 1 1/2 0 1/2 0 3
-w -3 0 3/2 0 3/2 1 -5
Ahora 𝑥1 pasa a ser básica en lugar de 𝑥4 . Se obtiene:
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 -w Constantes
𝑥1 1 0 -1/2 1/3 -1/6 0 5/3
𝑥2 0 1 0 1/3 1/3 0 14/3
-w 0 0 0 1 1 1 0
V. Básicas 𝑥1 𝑥2 𝑥3 -z Constantes
𝑥1 1 0 -1/2 0 5/3
𝑥2 0 1 0 0 14/3
-z 0 0 -5/2 1 -13/3
La variable 𝑥3 pretende ser básica pero, al ser no positiva la columna
actualizada de coeficientes tecnológicos, el problema inicial es no
acotado.
Método de las dos Fases
Al no disponer de una solución básica factible inicial, este método usa en
la Fase I un problema auxiliar en el que se minimiza la suma de las
variables artificiales añadidas para poder aplicar el método del Simplex.
En el caso general, el problema de la Fase I será:
m
min xn i
i 1
n
s.a : aij x j xn i bi , i 1,..., m
j 1
x j 0, j 1,..., n, xn i 0, i 1,..., m
Método de las dos fases
m m
Es claro que 0 w x
i 1
n i bi
i 1
Por tanto,m el problema de la Fase I siempre tiene solución óptima para la
que w xn i 0
i 1
Ejemplo
min x1 4 x2 2 x3
Resolver el problema: s.a: 2x1 6 x2 x3 10
4 x1 2 x2 x3 8
x j 0, j 1, 2,3
Solución
Como no está disponible una solución básica factible inicial, añadimos dos
variables artificiales y planteamos el siguiente problema auxiliar:
Método de las dos fases
min x4 x5
s.a: 2x1 6 x2 x3 x4 10
4 x1 2 x2 x3 x5 8
x j 0, j 1,...,5
La correspondiente tabla será:
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 -w Constantes
𝑥4 2 -6 -1 1 0 0 10
𝑥5 -4 2 1 0 1 0 8
-w 0 0 0 1 1 1 0
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 -w Constantes
𝑥4 2 -6 -1 1 0 0 10
𝑥5 -4 2 1 0 1 0 8
-w 2 4 0 0 0 1 -18
Esta tabla es óptima con valor objetivo igual a 18. Por tanto, es imposible
eliminar las variables artificiales añadidas y, por ello, el problema
planteado es no factible.
Método de las dos fases
Obviamente, para el caso de un problema de máximo, en la fase I se
resolverá un problema de mínimo.
Ejemplo
Resolver el problema: max 2 x1 4 x2 2 x3
s.a: 2x1 4 x2 2 x3 10
2 x1 x2 4 x3 12
x j 0, j 1,2,3
Solución
Como no está disponible una solución básica factible inicial, añadimos dos
variables artificiales y planteamos el siguiente problema auxiliar:
min x4 x5
s.a: 2x1 4 x2 2 x3 x4 10
2 x1 x2 4 x3 x5 12
x j 0, j 1,...,5
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 -w Constantes
𝑥4 2 -4 2 1 0 0 10
𝑥5 -2 1 4 0 1 0 12
-w 0 0 0 1 1 1 0
Calculando los costos relativos obtenemos:
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 -w Constantes
𝑥4 2 -4 2 1 0 0 10
𝑥5 -2 1 4 0 1 0 12
-w 0 3 -6 0 0 1 -22
La variable 𝑥3 se convierte en básica sustituyendo a 𝑥5 . La nueva tabla
es:
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 -w Constantes
𝑥4 3 -9/2 0 1 -1/2 0 4
𝑥3 -1/2 1/4 1 0 1/4 0 3
-w -3 9/2 0 0 3/2 1 -4
V. Básicas 𝑥1 𝑥2 𝑥3 -z Constantes
𝑥1 1 -3/2 0 0 4/3
𝑥3 0 -1/2 1 0 11/3
-z 0 0 0 1 10
Esta solución es óptima.
n m
min c j x j M xn i
j 1 i 1
n
s.a : aij x j xn i bi , i 1,..., m
j 1
x j 0, j 1,..., n, xn i 0, i 1,..., m
Método de Penalización (M grande)
Ejemplo. Resolver el problema:
min x1 3x2 4 x3
s.a: 2x1 x2 x3 12
4 x1 2 x2 2 x3 8
Solución x j 0, j 1,2,3
Consideramos dos variables artificiales cuyos valores positivos se penalizan
en la función objetivo multiplicando por 𝑀 > 0 suficientemente grande.
Obtenemos:
min x1 3x2 4 x3 Mx4 Mx5
s.a: 2x1 x2 x3 x4 12
4 x1 2 x2 2 x3 x5 8
x j 0, j 1,2,3
min 5x1 12 x2 4 x3
s.a : 4 x1 6 x2 2 x3 x4 20
P
2 x1 4x2 4 x3 x5 16
x j 0, j 1,...,5
max bt y
s. a : At y c
Es decir:
min b y
t 1
y2
s. a : At y 1 At y 2 y 3 c
y 1 0, y 2 0, y 3 0
Primal Dual
minimizar maximizar
𝑥𝑗 ≥ 0 ≤𝑗
𝑥𝑗 ≤ 0 ≥𝑗
𝑥𝑗 sin signo
=𝑗
(libre)
≥𝑖 𝑦𝑖 ≥ 0
≤𝑖 𝑦𝑖 ≤ 0
𝑦𝑖 sin signo
=𝑖
(libre)
max 7x1 10 x2 8 x3
s.a : 2 x1 6 x2 4 x3 10
x1 3x2 5x3 12 P
4x1 2 x2 8 x3 18
x1 0, x2 0
Demostración
Demostremos a). Si (P) tiene solución óptima, sea B la base óptima.
Entonces 𝑦 = 𝑐𝐵 𝑡 𝐵−1 es:
•Solución factible del problema dual ya que
y t A cBt B1 A cBt , cBt B 1N cBt , cNt al ser cNt cNt cBt B1N 0 (por ser B
base óptima).
•Solución óptima del dual ya que y t b cBt B1b (por la condición de
equilibrio)
La demostración de b) se realiza de manera similar.
En otras palabras:
Si B es una base optima del primal (P) entonces, tenemos una solución
óptima del dual (D) dada por la expresión:
y cBt B 1
Resultados básicos
Ejemplo. Dado el siguiente problema de Programación Lineal
min 5x1 2 x2 x3
s. a : x1 2 x2 x3 10
2 x1 x2 2 x3 6
x j 0, j 1,2,3
0.5 0
𝐵 −1 = para x= (0,5,0) siendo x2 y h2 el orden de las variables
−0.5 1
básicas.
min 5x1 12 x2 4 x3
Ejemplo
s.a : 4 x1 6 x2 2 x3 x4 20
2x1 4x2 4x3 x5 16
x j 0, j 1,...,5
Método del Simplex Dual
Se observa que es fácil identificar una solución básica inicial que tiene a 𝑥4
y 𝑥5 como variables básicas. Los costos relativos de las variables no básicas
coinciden con los costos iniciales. A ser estos no negativos, la solución
básica inicial es factible dual. La tabla inicial es:
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 -z Constantes
𝑥4 -4 -6 2 1 0 0 -20
𝑥5 -2 4 -4 0 1 0 -16
-z 5 12 4 0 0 1 0
Las dos variables básicas toman valor negativo. La operación de pivotaje
pretende mejorar el estatus asociado a una de las variables básicas.En el
simplex dual se ha de efectuar sobre un elemento negativo.
Concretamente, si 𝑥4 es la variable elegida para salir de la base, 𝑥1 o 𝑥2
(pivotando sobre -4 y -6, respectivamente) serían candidatas a sustituirle.
Si en la fila asociada a la variable básica que sale de la base no hay
coeficientes negativos, el problema es no factible. Como interesa preservar
la condición de factibilidad dual para la solución básica que resulte, es
necesario calcular:
5 12 5
max ,
4 6 4
Por ello, la variable 𝑥1 debe entrar en la base. Obtenemos entonces:
Método del Simplex Dual
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 -z Constantes
𝑥1 1 3/2 -1/2 -1/4 0 0 5
𝑥5 0 7 -5 -1/2 1 0 -6
-z 0 9/2 13/2 5/4 0 1 -25
Ahora la variable 𝑥5 debe dejar de ser básica. Como:
13 / 2 5 / 4 13
max ,
5 1 / 2 10
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 -z Constantes
𝑥1 1 4/5 0 -1/5 -1/10 0 28/5
𝑥3 0 -7/5 1 1/10 -1/5 0 6/5
-z 0 68/5 0 3/5 13/10 1 -164/5
max 6 x1 6 x2 2 x3
s.a : 2 x1 3x2 4 x3 x4 12
2x1 2 x2 4 x3 x5 10
x j 0, j 1,...,5
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 -z Constantes
𝑥4 -2 -3 4 1 0 0 -12
𝑥5 -2 2 -4 0 1 0 -10
-z -6 -6 -2 0 0 1 0
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 -z Constantes
𝑥2 2/3 1 -4/3 -1/3 0 0 4
𝑥5 -10/3 0 -4/3 2/3 1 0 -18
-z -2 0 -10 -2 0 1 24
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 -z Constantes
𝑥2 0 1 -8/5 -1/5 -1/5 0 2/5
𝑥1 1 0 2/5 -1/5 -3/10 0 27/5
-z 0 0 -46/5 -12/5 -3/5 1 174/5
max 2 x1 2 x2 3x3
s.a : x1 2 x2 x3 x4 10
x1 2x2 x3 x5 8
x j 0, j 1,...,5
Solución
Problema No factible
OPTIMIZACIÓN
V. Básicas 𝑥1 𝑥2 𝑥3 -z Constantes
𝑥3 0 -2 1 0 14/3
𝑥1 1 0 0 0 22/3
-z 1 11 -5 1 0
-z 0 1 0 1 16
V. Básicas 𝑥1 𝑥2 𝑥3 -z Constantes
𝑥2 0 1 -1/2 0 1/6
𝑥1 1 0 0 0 37/3
-z 0 0 -4 1 -38/3
a
j 1
m 1 j x j bm 1
min c t x
s. a : Ax b
n
a
j 1
m 1 j x j bm 1
x0
a
j 1
m 1 j x j bm 1
a
j 1
m 1 j x j bm 1
a
j 1
m 1 j x j xm 1 bm 1
ii) De la forma a
j 1
m 1 j x j bm 1
a
j 1
m 1 j x j xm 1 bm 1
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 -z Constantes
𝑥3 0 -2 1 0 0 14/3
𝑥1 1 0 0 0 0 22/3
𝑥4 -3 0 6 1 0 5
-z 0 -8 0 0 1 16
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 -z Constantes
𝑥3 0 -2 1 0 0 14/3
𝑥1 1 0 0 0 0 22/3
𝑥4 0 12 0 1 0 -1
-z 0 -8 0 0 1 16
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 -z Constantes
𝑥3 0 -2 1 0 0 14/3
𝑥1 1 0 0 0 0 22/3
𝑥4 3 0 -3 -1 0 9
-z 0 -8 0 0 1 16
Adición de una inecuación
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 -z Constantes
𝑥3 0 -2 1 0 0 14/3
𝑥1 1 0 0 0 0 22/3
𝑥4 0 6 0 1 0 -1
-z 0 -8 0 0 1 16
Al aplicar el Método Simplex Dual, tratando de sacar de la base la
variable 𝑥4 , la correspondiente fila actualizada es no negativa: Es decir,
el problema modificado es de nuevo no factible.
a
j 1
m 1 j x j bm 1
x0
n
Si a
j 1
m 1 j x j bm 1
a
j 1
m 1 j x j xn 1 bm 1
x 0, xn 1 0
Adición de una ecuación
Ejemplo 3
Si al problema (1) se añade la x1 10 el problema modificado es:
2
restricción
max x1 2 x2 5x3
s. a : x1 2 x2 x3 12
2x1 2 x2 x3 10
3
x1 10
2
x j 0, j 1,2,3
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 -z Constantes
𝑥3 0 -2 1 0 0 14/3
𝑥1 1 0 0 0 0 22/3
𝑥4 3/2 0 0 -1 0 10
-z 1 2 -5 -M 1 0
Restituyendo el carácter básico de las variables básicas, obtenemos
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 -z Constantes
𝑥3 0 -2 1 0 0 14/3
𝑥1 1 0 0 0 0 22/3
𝑥4 0 0 0 1 0 1
-z 0 -8 0 0 1 16+M
Ejemplo
Si, al problema (1), se añade una variable cuyo beneficio por unidad es
igual a 1 y sus coeficientes tecnológicos son (2,1), el problema
modificado es:
max x1 2 x2 5x3 x4
s. a : x1 2 x2 x3 2 x4 12
2x1 2 x2 x3 x4 10
x j 0, j 1,2,3, 4
El correspondiente costo relativo es:
Adición de una variable
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 -z Constantes
𝑥3 1 -2 1 2 0 12
𝑥1 2 2 -1 1 0 10
-z 1 2 -5 1 1 0
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 -z Constantes
𝑥4 1 0 0 1 0 22/3
𝑥2 ½ 1 -½ 0 0 4/3
-z -1 0 -4 0 1 18/3
donde A a1,..., a j 1, a j , a j 1,..., an
es decir, igual a A salvo la columna j-ésima para algún 𝑗 ∈ {1, … , 𝑛}.
s. a : Ax a j xn 1 b
x 0, xn 1 0
V. Básicas 𝑥1 𝑥2 𝑥3 𝑥4 -z Constantes
𝑥3 0 -2 1 -5/3 0 14/3
𝑥1 1 0 0 -1/3 0 22/3
-z 0 -8 0 -22/3-M/3 1 22/3M+70/3
I II III DISPONIB.
CONS. DE 2 1 1 10 (A)
RECURSOS 4 3 2 22 (B)
BFCIO/UDAD 4 3 3
Solución
i) Si xi unidades producidas del tipo i ( i 1, 2,3 corresponde, respectivamente, a I, II
y III), el problema que se plantea es:
V. B. x1 x 2 x 3 x 4 x 5 z Ctes.
x4 2 1 1 1 0 0 10
x5 3 2 0 1 0 22
z 4 3 0 0 1 0
V. B. x1 x 2 x 3 x 4 x 5 z Ctes.
x1 1 0 1/2 3/2 0 4
x2 1 0 1 0 2
z 0 0 1
V. B. x1 x 2 x 3 x 4 x 5 z Ctes.
x3 2 0 1 3 0 8
x2 1 0 1 0 2
z 0 1
max 4 x1 8 x2 3x3
s.a : 2 x1 x2 x3 x4 10
4 x1 3x2 2 x3 x5 22
x j 0, j 1,...,5
V. B. x1 x 2 x 3 x 4 x 5 z Ctes.
x3 2 0 1 3 0 8
x2 1 0 1 0 2
z 8 1
V. B. x1 x2 x3 x 4 x 5 z Ctes.
x4 2/3 0 1/3 1 0 8/3
x2 1 2/3 0 22/3
z 0 1
Si, en el problema anterior, hacemos el segundo recurso igual a 14, el problema que
tenemos es:
max 4 x1 8 x2 3x3
s.a : 2 x1 x2 x3 x4 10
4 x1 3x2 2 x3 x5 14
x j 0, j 1,...,5
V. B. x1 x2 x3 x 4 x 5 z Ctes.
x4 2/3 0 1/3 1 0 16/3
x2 1 2/3 0
z 0 1
V. B. x1 x 2 x 3 x 4 x 5 x6 z Ctes.
x3 2 0 1 3 5 0 8
x2 1 0 1 0 2
z 0 1
Por tanto, esta tabla es óptima para el problema modificado. Por ello, la actividad IV no
interesa incluirla en el sistema productivo.
V.B. x1 x2 x3 x4 x5 z ctes.
x3 1/2 0 1 1/2 1/2 0 1
x2 3/2 1 0 1/2 1/2 0 5
z 0 0 0 2 3 1 -24
Sabiendo que las variables x4 y x5 son, por este orden, las variables básicas
iniciales (por ser de holgura asociadas a restricciones del tipo ≤):
i) ¿Cómo afecta a la optimalidad actual un incremento de 10 unidades en el
costo de la primera variable en el problema original?¿ Cuál es el rango de
optimalidad asociado al costo de esta variable?
ii) Supongamos que, en el problema original, el costo de la segunda variable se
cambia por 20 y que los coeficientes de las restricciones son (2,2). ¿Cómo
afecta esto a la optimalidad inicial?
iii) Se considera una nueva restricción de la forma 3x1 2 x2 x3 6 . ¿Cómo
afecta esto a la optimalidad inicial?
Solución
V.B. x1 x2 x3 x4 x5 z ctes.
x3 1/2 0 1 1/2 1/2 0 1
x2 3/2 1 0 1/2 1/2 0 5
z 10 0 0 2 3 1
V.B. x1 x2 x3 x4 x5 z ctes.
x1 1 0 2 1 1 0 2
x2 0 1 1 2 0 2
z 0 0 0 2 7 1
2
ii) Si c2 se cambia por c2 20 y a 2 por a 2 , como x2 es una variable básica en
2
la solución óptima inicial, tenemos que considerar que al problema planteado se le
añade una nueva variable x6 , con costo igual al nuevo c2 y coeficientes tecnológicos
dados por la nueva columna a 2 , y la variable básica x2 pasa a ser considerada artificial
y, por lo tanto, debe ser eliminada (si fuera posible) de la base. Para ello planteamos la
siguiente tabla en la que se contempla el correspondiente problema penalizado:
V.B. x1 x2 x3 x4 x5 x6 zM ctes.
x3 1/2 0 1 1/2 1/2 2 0 1
x2 3/2 1 0 1/2 1/2 0 0 5
z M 7 20 1
V.B. x1 x2 x3 x4 x5 x6 zM ctes.
x3 1/2 0 1 1/2 1/2 2 0 1
x2 3/2 1 0 1/2 1/2 0 0 5
zM 15/2+3M/2 22 1
V.B. x1 x2 x3 x4 x5 x6 zM ctes.
x1 1 0 2 1 1 4 0 2
x2 0 1 1 2 0 2
zM 0 1
V.B. x1 x2 x3 x4 x5 x6 zM ctes.
x6 1 1/2 1/2 1/2 1 0 3
x5 3 2 1 0 10
zM 0 1
iii) Como la nueva restricción no es satisfecha por la solución óptima dada, debemos
incorporar dicha restricción a la tabla óptima. Obtenemos:
V.B. x1 x2 x3 x4 x5 x6 z ctes.
x3 1/2 0 1 1/2 1/2 0 0 1
x2 3/2 1 0 1/2 1/2 0 0 5
x6 3 2 1 0 0 1 0 6
z 0 0 0 2 3 0 1
V.B. x1 x2 x3 x4 x5 x6 z ctes.
x3 1/2 0 1 1/2 1/2 0 0 1
x2 3/2 1 0 1/2 1/2 0 0 5
x6 0 0 1 0
z 0 0 0 2 3 0 1
V.B. x1 x2 x3 x4 x5 x6 z ctes.
x3 0 0 1 1 1 0
x2 0 1 0 3 0
x1 0 0 0
z 0 0 0 2 3 0 1
Una nueva aplicación del Método Simplex Dual hace que salga de la base la variable x3
y entre en su lugar x2 . Se obtiene la tabla:
V.B. x1 x2 x3 x4 x5 x6 z ctes.
x2 0 3 1 0
x4 0 2 0
x1 0 3 0
z 0 5 1
V.B. x1 x2 x3 x4 x5 z ctes.
x1 1 0 1 2 1 0 1
x2 0 1 2 1 1 0 1
z 0 0 3 2 4 1 16
Sabiendo que las variables x4 y x5 son, por este orden, las variables básicas iniciales:
i) ¿Cómo afecta a la optimalidad actual un incremento de 8 unidades en el
costo de la tercera variable en el problema original? Determinar, para el
costo asociado a esta variable, el rango de optimalidad.
ii) Supongamos que, en el problema original, el costo de la primera variable se
cambia por 12 y que los coeficientes de las restricciones son (1,7). ¿Cómo
afecta esto a la optimalidad inicial?
iii) Se considera una nueva restricción de la forma 3x1 2 x2 5x3 4 . ¿Cómo
afecta esto a la optimalidad dada inicialmente?
Solución
ii) Consideramos que añadimos una nueva variable, con los costos y los coeficientes de
las restricciones especificados, que sustituye a x1 . Esta última variable se considerará
artificial y, por ello, debe eliminarse. La tabla de partida es:
V.B. x1 x2 x3 x4 x5 x6 z ctes.
x1 1 0 12 1 0 1
x2 0 1 2 1 1 8 0 1
z M 0 0 1 0
V.B. x1 x2 x3 x4 x5 x6 z ctes.
x1 1 0 1 2 1 0 1
x2 0 1 2 1 1 8 0 1
z 0 10M 1 10
V.B. x1 x2 x3 x4 x5 x6 z ctes.
x4 1/2 0 1/2 1 0 1/2
x2 1/2 1 5/2 1/2 7/2 0 3/2
z 1
iii) La solución óptima actual no verifica la nueva restricción. Por tanto, hemos de
incorporar dicha restricción a la tabla óptima dada, es decir:
V.B. x1 x2 x3 x4 x5 x6 z ctes.
x1 1 0 1 2 1 0 0 1
x2 0 1 2 1 1 0 0 1
x6 3 2 0 1 0 4
z 0 0 3 2 4 0 1 16
Arreglando la tabla para restituir el carácter de básicas de las dos primeras variables,
obtenemos:
V.B. x1 x2 x3 x4 x5 x6 z ctes.
x1 1 0 1 2 1 0 0 1
x2 0 1 2 1 1 0 0 1
x6 0 0 1 0
z 0 0 3 2 4 0 1 16
V.B. x1 x2 x3 x4 x5 x6 z ctes.
x1 1 0 0 5/3 11/12 1/12 0 11/12
x2 0 1 0 4/3 7/6 1/6 0 5/6
x3 0 0 1/12 0
z 0 0 0 1 15/4 51/12 1 63/4
Esta tabla es óptima.
Ejercicio recomendado.
Dado el siguiente problema:
max 4x1 3 x2
s.a : 2 x1 2 x2 16
6 x1 x2 24
x1 0, x2 0