Unidad 2 optimización

Clase 05/05 – Recording 17:

𝑀𝑎𝑥 𝑍 = 2𝑋1 + 3𝑋2 𝑀𝑎𝑥 𝑍 = 2𝑋1 + 3𝑋2 + 0𝑋3 + 0𝑋4
4𝑋1 + 3𝑋2 ≤ 10 4𝑋1 + 3𝑋2 + 𝑋3 = 10
𝑋1 + 2𝑋2 ≤ 15 𝑋1 + 2𝑋2 + 𝑋3 = 15
𝑋1 , 𝑋2 ≥ 0 𝑋𝑖 ≥ 0
En forma matricial se tiene:

𝑀𝑎𝑥 𝑍 = 𝐶 ∗ 𝑋 ; C = CB;CR CB: Coef. De variables básicas XB: Variables básicas

; X = (XB;XR) CR: Coef. De variables No básicas XR: Variables No básicas

También tenemos A:
4 3 1 0
𝐴=[ ] ➔ A = (B : R)
1 2 0 1
De este modo vimos que Ax = b
𝑋
(𝐵 𝑅 ) ∗ (𝑋𝐵 ) = 𝑏
𝑅

B*XB + R*XR = b / B-1

B-1* B*XB + B-1* R*XR = B-1 b

XB = B-1* B - B-1* R*XR ; como XR = 0

XB = B-1* B y XB ≥ 0 Es una solución básica referida a una base

También vimos los costos

𝑋𝐵
𝐶 ∗ 𝑋 = (𝐶𝐵 𝐶𝑅 ) ∗ ( ) = 𝐶𝐵 𝑋𝐵 + 𝐶𝑅 𝑋𝑅 pero como XB= B-1*b – B-1*RXR
𝑋𝑅
CB(B-1*b – B-1*RXR) + CRXR = z

Arreglando la expresión (factorizando)

XR(CR – CBB-1R) = -CBB-1b

Costos reducidos optimalidad

Teorema: una solución básica factible es óptima:

➔ C̅J = 0 ; ꓯ J no – básico.

Nota: las expresiones usuales son:

XB = B-1*b ; B: base canónica

C̅J = CR – CBB-1R = Cj – CBB-1AJ ꓯ J no – básico ; AJ: columna de coeficientes de la variable J

Análisis de sensibilidad:
Estudia el cambio en la solución óptima, al cambiar el valor de los parámetros. Lo importante es determinar
los parámetros sensibles, es decir, aquellos que sí varían, hacen variar de manera importante la función
objetivo, inclusive puede cambiar la base óptima.
I. Cambio en el vector B
II. Cambio en el vector de coeficiente C
III. Incorporación de nuevas variables
IV. Cambio en el vector Aij
V. Incorporación de nuevas restituciones
Analizando los cambios

I) Cambio en el vector de recursos (bi)

Dado el P.P.L

𝑀𝑎𝑥 𝑍 = 𝑋1 + 0,8𝑋2 + 1,2𝑋3

𝑋1 + 𝑋2 + 2𝑋3 ≤ 200
𝑋1 + 2𝑋2 + 𝑋3 ≤ 160
𝑋𝑖 ≥ 0
La tabla óptima es:

V.B X1 X2 X3 X4 X5 bi
X3 0 -1 1 1 -1 40
X1 1 3 0 -1 2 120
-z 0 -1 0 -0,2 -0,8 -168

i) Cuanto puede variar la disponibilidad del recurso 1 de modo que no cambie la base óptima.

Siempre: XB = B-1b ≥ 0 ; XB = B-1(b + ∆b) ≥ 0

2 1 1 −1
XB = (X3 , X1) ; 𝐵 = [ ] ; 𝐵−1 = [ ]
1 1 −1 2
1 −1 200 + ∆𝑏
XB = B-1(b + ∆b) = ( )∗( ) ≥0 (Xb = B-1b ≥ 0)
−1 2 160
200 + ∆b -160 ≥ 0 ➔ ∆b ≥ -40 R1 =200 R1 + ∆b

-200 - ∆b + 320 ≥ 0 ➔ ∆b ≤ 120 R1 – 40 = 160

➔ -40 ≤ ∆b ≤ 120 R1 + 120 = 320

Variación del recurso 1: 160 ≤ R1 ≤ 320

Ejemplo 2: 𝑀𝑎𝑥 𝑍 = −5𝑋1 + 5𝑋2 + 13𝑋3

−𝑋1 + 𝑋2 + 3𝑋3 ≤ 20 (b1)

12𝑋1 + 4𝑋2 + 10𝑋3 ≤ 90 (b1)

𝑋𝑖 ≥ 0
La tabla óptima es:

V.B X1 X2 X3 X4 X5 bi
X2 -1 1 3 1 0 20
X5 16 0 -2 -4 1 10
z 0 0 2 5 0 100

i) Que sucede si b1 = 30
1 0 1 0
XB ≥ 0 ; XB = B-1b ≥ 0 ; XB = (X2, X5) ; 𝐵 = ( ) ; 𝐵 −1 = [ ]
4 1 −4 1
1 0 30 30
XB = B-1b = ( )( ) = ( ) ; Z = 150
−4 1 90 −30
Para volver al óptimo se reemplaza en la tabla óptima y se aplica simplex dual.
 V.B X1 X2 X3 X4 X5 bi
X2 -1 1 3 1 0 30
X5 16 0 -2 -4 1 -30
Z 0 0 2 5 0 150
X2 23 1 0 -5 3/2 -15
X3 -8 0 1 2 -1/2 15
Z 16 0 0 1 1 120
X4 -23/5 -1/5 0 1 -3/10 3
X3 6/5 2 1 0 1/10 9
Z 57/5 1/5 0 0 13/10 117
Óptimo

Ayudantía 3: Clase 07/05 – Recording 3

1. Ejemplo 3) una dieta establecida requiere que se ingieran 3 tipos básicos de alimentos: legumbres,
frutas y jugos. se realizaron estimaciones y cada plato de legumbres cuesta $2000, una porción de
frutas $1000 y una botella de jugo $800. Todos los días se deben ingerir al menos 60 grs de proteína,
50 grs de azúcar y 50 grs de grasa. El contenido de cada alimento lo muestra la siguiente tabla:

Alimento Proteínas Azúcar Grasa

Legumbres 25 5 10
Frutas 10 10 20
Jugo 5 30 0
Luego modelar y resolver el problema con Solver en MS Excel se obtiene el siguiente reporte final:

Resolver con solver en Excel.

www.phsimplex.com te arma la tabla simplex

Clase 10/05 – Recording 19: Revisión solemne 1. Continuación análisis de

sensibilidad (ejercicios libro hiller)
Análisis de sensibilidad
En un P.P.L los cambios que se pueden producir son:

i) Variación en los recursos

ii) Cambio en el vector C
iii) Incorporación de nuevas variables
iv) Cambio en el vector Aij
v) Incorporación de nuevas restricciones

II - Cambios en el vector de coeficientes (c)

En este caso se afecta la optimalidad ya que puede variar: C̅J = CJ – CbB-1AJ

La solución optima no cambia si los costos reducidos siguen siendo negativos. Es decir:

C̅J = (CJ + ∆CJ) – (CB + ∆CB)B-1AJ ≤ 0

Si C̅j˃0 para algún Aj no básico ➔ se reemplaza Cj por C̅j en la tabla final y se efectúa la fase II

LAB Clase 10/05 – Recording 8: Ejemplos de sensibilidad

Hemos visto:

i) XB = B-1b ≥ 0 afecta la optimalidad

-1
ii) C̅J = CJ – CBB AJ ≤ 0 afecta la optimalidad
iii) Una solución básica factible es optima si CJ ≤ 0 ꓯ J No – Básico
Ejemplo 1: dado el P.P.L

𝑀𝑎𝑥 𝑍 = 5𝑋1 + 3𝑋2

3𝑋1 + 5𝑋2 ≤ 15
5 3
5𝑋1 + 2𝑋2 ≤ 10 𝐵=[ ]
2 5
𝑋1 , 𝑋2 ≥ 0
La tabla óptima de este problema es: B-1

V.B X1 X2 X3 X4 bi candidato a entrar: el que tiene el

X2 0 1 5/19 -3/19 45/19 coeficiente más positivo
X1 1 0 -2/19 5/19 20/19 (Y1*= -5/19 ; Y2*= -16/19)
-Z 0 0 -5/19 -16/19 -239/19
i) Suponga que una depresión económica reduce los dos recursos a 5 unidades. Determine la
nueva utilidad (z) óptimo.
5
Sabemos que: XB = B-1b ≥ 0 ; 𝑏=( ) Nuevo problema: 𝑀𝑎𝑥 𝑍 = 5𝑋1 + 3𝑋2
5
3𝑋1 + 5𝑋2 ≤ 5
𝑋 5 3 5/19 −3/19 5𝑋1 + 2𝑋2 ≤ 5
𝑋𝐵 = ( 1 ) ; 𝑏 = [ ] ; 𝐵−1 = [ ]
𝑋2 2 5 −2/19 5/19 𝑋1 , 𝑋2 ≥ 0
𝑋 5/19 −3/19 5 10/19
( 2 ) = 𝑋𝐵 = ( )( ) = ( )≥0 ∴ 𝑁𝑜 𝑐𝑎𝑚𝑏𝑖𝑎 𝑙𝑎 𝑏𝑎𝑠𝑒. 𝐸𝑙 𝑛𝑢𝑒𝑣𝑜 𝑍 𝑒𝑠:
𝑋1 −2/19 5/19 5 15/19
Z= 5*(15/19) + 3*(10/14) = 75/14 + 30/14 = 105/14

Z*= 105/104

∂Z = ∂Z/∂b1*db1 + ∂Z/∂b2*db1

∂Z = Y1**db1+ Y2*db2

∂Z = (-5/19)*10 + (-16/19)*5 = (-50/19) – (-80/19) = -130/19

Nuevo Z = Z antiguo – Z = 235/19 – 130/19 = 105/19

si XB<0 hay cambio en las variables básicas.

Ejercicio anteriormente visto en clases:

bbjh
En estos casos SIEMPRE se ocupa simplex
dual

nb
Clase 12/05 – Recording 1 (unidad 2)
Problemas de transporte:
Veremos algunas estructuras especiales de la programación lineal que se generan
con bastante frecuencia en la realidad. Estas estructuras reciben el nombre de
estructuras de transportes y se dividen en:
i) Estructura o modelo de asignación
ii) Estructura de transporte con capacidad limitada
iii) Estructura de transbordo.
iv) Estructura de transporte generalizado
Todas las estructuras pueden solucionarse por el método simplex, pero cada una de
ellas tiene un método o algoritmo asociado que hace que el método simplex sea
ineficiente.
I. Estructura o modelo de asignación
Una municipalidad requiere efectuar 300 trabajos diferentes al mismo tiempo 300
empresas distintas han presentado proyectos. la municipalidad decide que cada
empresa debe efectuar solo un trabajo para distribuir de mejor forma el
presupuesto. la matriz que proporciona el costo del trabajo i (i= 1, ... ,300); cotizado
por la empresa j (j = 1, …, 300)
Xij: el trabajo i, es realizado por la empresa J
Clase 14/05 – Recording 20 (unidad 1)
Determinar el mínimo costo de asignación de los trabajadores a las tareas dado la siguiente tabla:

1 2 3 4
Para solucionar el problema se aplica el
A 8 6 5 7 5
B 6 5 3 4 3 algoritmo húngaro
C 7 8 4 6 4
D 6 7 5 6 5

(C;3): 4
(B;4): 4
1 2 3 4 1 2 3 4
(A;2): 6
A 3 1 0 2 5 A 2 0 0 1
(D;1): 6
B 3 2 0 1 3 B 2 1 0 0
C 2 3 0 1 - $20
C 3 4 0 2 4
D 1 2 0 1 5 D 0 1 0 0
1 1 1

2) Asignar las personas a los trabajos para obtener el mayor beneficio. Aplicaremos algoritmo húngaro para
obtener un máximo

1 2 3 4
A 8 6 5 7 8
B 6 5 3 4 6
C 7 8 4 6 8
D 6 7 5 6 7
 1 2 3 4
A 0 -2 -3 -1
B 0 -1 -3 -2
C -1 0 -4 -2
D -1 0 -2 -1
1 2 3 4 (B;1): 6 -2 -1
A 0 -2 -1 0 8 (C;2): 8
B 0 -1 -1 -1 6 (D;3): 5
C -1 0 -2 -1 8 (D;1): 6
D -1 0 0 0 7 - $20

Ejemplo 2: Obtener el máximo beneficio

1 2 3 4 5 1 2 3 4 5
A 3 8 2 10 3 10 A -7 -2 -8 0 -7
B 8 7 2 9 7 9 B -1 -2 -7 0 -2
C 6 4 2 7 5 7 C -1 -3 -5 0 -2
D 8 4 2 3 5 8 D 0 -4 -6 -5 -3
E 9 10 6 9 10 10 E -1 0 -4 -1 0
-4

1 2 3 4 5 (A;1)
A -7 -2 -4 0 -7 (B;2) ∄ 𝑎𝑠𝑖𝑔𝑛𝑎𝑐𝑖ó𝑛
B -1 -2 -3 0 -2 1. Tachar todos los 0 que estén en la tabla (fila,columna)
C -1 -3 -1 0 -2 2.Seleccionar el mayor de los N° no tachados (-1)
D 0 -4 -2 -5 -3 3. Restarle (-1) a los N° no tachados y sumar (-1) a los que están en
E -1 0 0 -1 0 la intersección de dos rectas
1 2 3 4 5 (A;4):
A -6 -1 -3 0 -6 (B;1):
B 0 -1 -2 0 -1
(C;3): ∄ 𝑎𝑠𝑖𝑔𝑛𝑎𝑐𝑖ó𝑛
C 0 -2 0 0 -1
(D;1): -
D 0 -4 -2 -6 -3
E -1 0 0 -2 0
Tachar la columna con + ceros y seleccionar el número no
tachado mayor

➔En la posición D4 y E4 se sumó -1 porque se intersecaron dos rectas

1 2 3 4 5 1 2 3 4 5
A -6 -1 -3 0 -6 A -6 0 -2 0 -5 (C;3): 2
B 0 -1 -2 0 -1 B 0 0 -1 0 0 (D;1): 8
C 0 -2 0 0 -1 C -1 -2 0 0 -1 (E;5): 10
D 0 -4 -2 -6 -3 D 0 -3 -1 -6 -2 (B;4): 9
E -1 0 0 -2 0 E -2 0 0 -3 0
(A;2): 8
--- 37

Clase 17/05 – Recording 2: Modelos de transporte con capacidad limitada

Es decir se tienen M fabricas que deben abastecer a N negocios, como realizarlos de manera que el costo
total sea minimo

Esto se puede resolver por medio de P.L

Xij: Cantidad de producto desde la fábrica i al negocio j

Veremos algunos algoritmos muy eficientes, pero se requiere que el problema esté equilibrado

si no es así se agregan no dos ficticios de oferta o bien de demanda que tienen cero costos de
incorporación salvo que se diga otra cosa.
para aplicar el algoritmo se necesita a partir de una base inicial básica factible

i) Método noroeste
ii) método de Vogel
iii) método de costo mínimo

I - Método noroeste: una vez que el problema está equilibrado (∑ 𝑎𝑖 = ∑ 𝑏𝑗 ) para obtener la base inicial
básica factible se aplican los 3 pasos siguientes.

Paso 1: en la posición (1,1) de la matriz aseguramos el mínimo (a1,b1= x 11 de restos X11 de la oferta a 1 y
de la demanda B1, obviamente alguna de estas dos cantidades se convertirá en cero.

Paso 2: si a 1 se convierte en cero pasa a la posición (2,1) y hacer X21 = min{b1-x11,a2). Sí Por otro lado es B
1 el que se convierte en cero en el paso anterior se pasa a la función (1,2) y X12= min{a1-x11;b2)

Paso 3: continuar con la misma lógica hasta llegar a la posición (m,n). la matriz de flujos que se obtenga
será una factible y básica.

Ejemplo: sea la matriz:

Cij a b c Capacidad
1 3 2 1 6 ∑ 𝑎𝑖 = 20
2 2 1 5 9
3 2 4 3 5
Demanda 5 5 10
∑ 𝑏𝑗 = 20

Como: ∑ 𝑎𝑖 = ∑ 𝑏𝑗 se aplica nororeste.

Cij a b c Capacidad
1 5 1 0
2 4 5 0
3 5 0
Demanda 0 0 0

II – Método de Vogel: para obtener una solución inicial básica factible de un problema de transporte. este
método proporciona una solución inicial más cercana al punto óptimo. Una vez que el problema está
equilibrado (∑ 𝑎𝑖 = ∑ 𝑏𝑗 ) se aplican los siguientes pasos:

Paso 1: construir una matriz de costos y de flujos asociado al problema balanceado y váyase al paso 3.

Paso 2: utilizar el remanente de la matriz de costos y flujos una vez que estos últimos se hayan asignado.

Paso 3: se entiende por diferencia de fila (de columna) a la diferencia que hay entre los dos números más
pequeños que existen en la fila (columna). Calcular todas las diferencias de fila y de columna de la matriz de
costos.

Paso 4: seleccionar aquella fila o columna con mayor diferencia, los empates se deciden en forma arbitraria.

Paso 5: localizar el costo más pequeño en la matriz de costos la fila o columna seleccionada en el paso
anterior. sea esta la posición Cij.

Paso 6: es la matriz de flujo hacer Xij = min{ai,bj} donde la posición (i,j) se identifica en el paso anterior. Hacer
la oferta ai igual a ai-Xij y la demanda bj igual a bj-Xij.

Paso 7: sí ai-Xij = 0, llenar la fila i de la matriz de flujos con ceros, a excepción de la posición (i,j) eliminar esa
fila de cualquier consideración futura. Por otro lado sí bj-Xij = 0, llenar la columna j de la matriz de flujos con
ceros, a excepción de la posición (i,j) y eliminar esa columna de cualquier consideración futura. Regrese al
paso 2.

Ejemplo: sea la matriz:

Cij a b c Capacidad
1 3 2 1 6 ∑ 𝑎𝑖 = 20
 2 2 1 5 9
3 2 4 3 5
Demanda 5 5 10
∑ 𝑏𝑗 = 20

Aplicamos método de Vogel:

1) Formamos dos matrices una de costos y otra de flujo

Cij a b c ∆ ∆ ∆
1 3 2 1 1 0
2 2 1 5 1 1 Xij a b c
3 2 4 3 1 1 3 1 0 0 6 0
∆ 0 1 2 1 1 1 2 5 4
∆ 0 3 2 3 0 5
∆ 0 2 0 0 4
∆ 2 3

1- Diferencia entre los números más pequeños de las

filas y columnas
2- Menor costo de las filas (1C)
3- Volver al 1er paso y ver el menor costo

Ct= 1*6 + 2*4 + 1*4 + 1*5 + 2*1 + 3*4 = 33

Número de flujos Xij es igual a:

m + n -1 = 3+ 3 -1 = 5

LAB Clase 17/05 – Recording 1 – Ejercicios de modelos de transporte

Ejemplo 1: problema de transporte con capacidad limitada.

Dada la siguiente tabla, determine la solución inicial básica factible.

Cij a b c d Capacidad 1) El problema debe estar

1 5 6 3 2 20 equilibrado
2 1 7 4 5 40
3 2 8 4 3 50 ∑ 𝑎𝑖 = 150
4 6 3 5 2 10
5 4 3 1 7 30
Demanda 50 20 40 10 2) Aplicamos método Noroeste
∑ 𝑏𝑗 = 120

Cij a b c d e Cap Cij a b c d e Cap

1 5 6 3 2 0 20 1 20 0
2 1 7 4 5 0 40 2 30 10 0
3 2 8 4 3 0 50 3 10 40 0
4 6 3 5 2 0 10 4 0 10 0 0
5 4 3 1 7 0 30 5 30 0
Demanda 50 20 40 10 30 Demanda 0 0 0 0 30

m + n – 1 Flujos Xij ≥ 0 ➔ 5+5-1 = 9

CT = 5*20 + 1*30 + 7*10 + 8*10 + 4*40 + 5*0 + 2*10 + 0*0 + 0*30 = 460

II) Resolver el ejemplo 1 por Vogel

Cij a b c d e Cap
1 5 6 3 2 0 20
2 1 7 4 5 0 40
3 2 8 4 3 0 50
4 6 3 5 2 0 10
 5 4 3 1 7 0 30
Demanda 50 20 40 10 30

1- Se forman 2 matrices, una de costos y otra de flujos

Cij a b c d e ∆ ∆ ∆ ∆ ∆ ∆ ∆ ∆
1 5 6 3 2 0 2 1 1 1 1 1 1 3
2 1 7 4 5 0 1 3
3 2 8 4 3 0 2 1 1 1 1 1 1 4
4 6 3 5 2 0 2 1 1 1 1
5 4 3 1 7 0 1 2 2
∆ 1 0 2 0 0
∆ 1 0 2 0
∆ 2 0 2 0
∆ 3 3 1 0
∆ 3 1 0
∆ 2 1 1
∆ 1 1

CT = 6*10 + 3*0 + 2*10 + 1*40 + 2*10 + 4*10 + 0*30 + 3*10 + 1*30 = 240

III) Aplicando método de costo mínimo

Cij a b c d e Xij a b c d e
1 5 6 3 2 0 20 1 20 0
2 1 7 4 5 0 40 2 30 10 0
3 2 8 4 3 0 50 3 20 0 0
4 6 3 5 2 0 10 4 10 0
5 4 3 1 7 0 30 5 30 0
50 20 40 10 30 0 0 0 0 0

CT = 0*20 + 1*30 + 2*20 + 8*20 + 4*10 + 3*0 + 2*10 + 1*30 = 320

Clase 19/05 – Recording 3: Modelos de transporte

Hemos visto el problema de modelo de transporte con capacidad limitada

Clase 31/05 – Recording 4:

Hemos visto el problema de modelo de transporte con capacidad limitada se debe partir:

i) Problema debe estar equilibrado

ii) Obtener una base inicial básica factible: - Noroeste
- Costo mínimo
- Vogel
iii) Iterar por medio del Teorema de Holgura Complementaria hasta obtener la solución óptima

Hay que recordar que el T.H.C nos dice: (µi + VJ – CIJ) * XIJ = 0

Luego si:

i) Xij ≥ 0 ; Variable Básica ➔ Cij = µi + VJ

ii) Xij = 0 ; Variable No básica ➔∆IJ = Cij - µi – Vj

Aplicación:
Ejemplo: Determinar el costo mínimo óptimo de transporte sabiendo que la fábrica 1 no puede enviar
productos al negocio a. La tabla de envío es:

a b c
1. Agregar un número donde no hay nada y que sea mayor a la fila
1 - 3 5 4
2 7 4 9 7 2. Se debe ver si es que está equilibrada
3 1 8 6 19
5 6 19 3.Obtener una solución básica factible (en este caso aplicamos Vogel)

4. Vogel: - ver la diferencia entre los dos números menores en las filas
a b c y en las columnas
1 10 3 5 4
2 7 4 9 7 ∑ 𝑎𝑖 = 30 - Luego ver donde está la posición del menor número en la
3 1 8 6 19 matriz de flujos y restárselo a la fila en la matriz de flujos
5 6 19

∑ 𝐵𝐽 = 30

Cij a b c ∆ ∆ ∆
1 10 3 5 2 2 5 5
2 7 4 9 3 5 9
3 1 8 6 5 2 6 6
6 1 1
1 1
1
1
CT1 = 20 + 24 + 9 + 5 + 84 = 142

¿Cuántos flujos debe haber siempre?: m + n -1: 3 + 3 – 1 = 5

Aplicando el T.H.C para variables básicas:

a b c Para Variables No básicas aplicaremos

1 10 3 5 µ1=5
2 3 4 9 µ2=9 ∆ij = Cij - µi – Vj
3 1 7 6 µ3=6
V1=-5 V2=-5 V3=0

Como todos los costos son positivos estamos en el óptimo y la tabla óptima de envío es:

LAB Clase 31/05 – Recording 2:

Resolver dado el problema de transporte que tiene la siguiente tabla de costos y requerimiento:

Origen 1 2 3 Recursos 1.Obtener el costo mínimo óptimo de envío

1 6 3 5 4
2 4 8 7 3 ∑ 𝑎𝑖 = 9 a) El problema debe estar equilibrado. Si lo está
3 3 4 3 2 b) Obtener una solución inicial básica factible
Demanda 4 2 3
2.Aplicaremos método noroeste.
∑ 𝑏𝑗 = 9
m + n – 1: 3 + 3 – 1 = 5
Xij 1 2 3
1 4 0 CT1= 24 + 0 + 16 + 7 + 6 = 53
2 2 1
3 2 3.Aplicamos T.H.C

4.Se debe cumplir: Cij = µi + VJ

5.Ahora aplicamos para las var. No básicas: ∆ij = Cij - µi – Vj

Xij 1 2 3
1 6 3 3 µ1=2
2 -7 8 7 µ2=7
a
 3 -7 0 3 µ3=3
V1=4 V2=1 V3=0

Como hay valores negativos en la tabla, entra a la base el más negativo, ósea X21= α = mín {2,4} = X21 = 2

La nueva tabla de flujos es:

Xij 1 2 3
1 2 2
2 2 1 CT2 = 12 + 6 + 8 + 7 + 6 = 39
3 2
➔
Cij 1 2 3
1 6 3 -4 µ1=9
2 4 7 7 µ2=7
3 3 7 3 µ3=3
V1=-3 V2=6 V3=0

Como hay valores negativos en la tabla, entra a la base el más negativo, ósea X13= α = mín {1,2} = X13 = 1

La nueva tabla de flujos es:

Xij 1 2 3
1 1 2 1
2 3 CT3 = 6 + 6 + 5+ 12 + 6 = 35
3 2

➔
Cij 1 2 3
1 6 3 5 µ1=5
2 4 7 4 µ2=3 ∆ij = Cij - µi – Vj
3 -1 3 3 µ3=3
V1=1 V2=-2 V3=0

Como hay valores negativos en la tabla, entra a la base el más negativo, ósea X31= α = mín {1,2} = X13 = 1

La nueva tabla de flujos es:

Xij 1 2 3
1 2 2 CT4 = 6 + 10 + 12+ 3 + 3 = 34
2 3
3 1 1

➔
Cij 1 2 3 Como todos los Cij ≥ 0 estamos en el
1 1 3 5 µ1=5 optimo
2 4 6 3 µ2=4
3 3 3 3 µ3=3  Tabla óptima final
V1=0 V2=-2 V3=0
CT= 34