4.

- Representacin Estndar de un PPL

(segn Mtodo de Solucin a Conocer)
F.O. es Max o Min
Restricciones como ecuaciones
Variables no negativas
Lado derecho, constantes no negativas
: .
... ) (
2 2 1 1
a s
x c x c x c z Min Max
n n
+ + + =
Modelo Estndar de un PPL
Desagregado (1)


, 0 ,..., 0 , 0
0 ,..., 0 , 0
...
...
...
2 1
2 1
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11
> > >
> > >
= + + +
= + + +
= + + +
m
n
m n mn m m
n
n
b b b
x x x
b x a x a x a
b x a x a x a
b x a x a x a
n j m i
b x
b x a a s
x c z Min Max
i j
n
j
i j ij
n
j
j j
,... 1 ; ,... 1
0 ; 0
: .
) (
1
1
= =
> >
=
=

=
=
Modelo Estndar de un PPL
Desagregado (2)


Modelo Estndar de un PPL
MATRICIAL
Estndar
0
0
>
>
=
b
x
b Ax
Matrices:

: .
) (
a s
cx z Min Max =
( )
n
m n mn m
n
c c c
b
b
b
x
x
x
a a
a a
A
....
. .
...
. . .
...
1
1 1
1
1 11
=
(
(
(

=
(
(
(

=
(
(
(

=
A: Matriz de coeficientes Tecnolgicos
B: Vector de restricciones, vector lado derecho
c: Vector fila beneficios, costos o rendimientos
X: Vector de decisiones
SISTEMA DE ECUACIONES
Transformar a Forma Estndar
Lado derecho no negativo
Reducir Desigualdades
Variables negativas
Variables no restringidas en signo

Ejercitar los casos
Ejercicios Estandarizacin
0 , 0 ,
5 2 3
2
7 .
3 2
3 2 1
3 2 1
3 2 1
3 2 1
3 2 1
s> >
=
> +
s + +
+ =
x x x
x x x
x x x
x x x a s
x x x z Max
0 , 0 , 0 ,
2 2 3 2
14 3
2 2 4 .
5 2 4 3
4 3 2 1
4 3 2 1
4 3 2 1
4 3 2 1
4 3 2 1
s> s >
> + +
s + +
= +
+ + =
x x x x
x x x x
x x x x
x x x x a s
x x x x z Max
Ejercicio n 1 Ejercicio n 2
{ }
0 , 0 ,
5 2 3
2
7 .
, 3 2
3 2 1
3 2 1
3 2 1
3 2 1
3 2 2 1
s> >
=
> +
s + +
+ =
x x x
x x x
x x x
x x x a s
x x Min x x z Max Ejercicio n 3
Que pasa si en el N 3 cambiamos en la
F.O a 3max{x2,x3}
5.- Resolviendo Sistemas de
Ecuaciones Lineales
Sistema de
Ecuaciones
Cualquiera
ESTANDAR

Sistema de
Ecuaciones
Equivalente
Cannico
Base, Solucin
Bsica
Solucin Factible
(Todas las Var >= 0)

Solucin Infactible
(Algunas Var <= 0)

1
:
1

1:1
v
Variables Bsicas
Una variable x
i
se
dice bsica si le
acompaa un factor
+1 en una ecuacin y
un cero en las dems.
Solucin Bsica y
Factible: SB y factible
(X
B
>0)

Solucin Bsica:
Solucin obtenida de
un sistema cannico,
haciendo las variables
NO bsicas cero.
En cada punto
esquina encontramos
una SB
! )! (
!
m m n
n
m
n

=
|
|
.
|

\
|
S
1


Encontrar las combinaciones de VB que conforman
todas las SB:
Factible, Infactible?
Generar nuevo sistema cannico equivalente y concluir.
Nuevo sistema cannico equivalente:
Operaciones Fila (Objetivo: Despejar Variables):
* una ecuacin. por un nmero + o -
Sumar a una ec. Un mltiplo de otra ec.
Evaluar sus variables
4 3
2 2 4 2
5 4 3 2 1
5 4 3 2 1
=
= + +
x x x x x
x x x x x
Objetivo: Despejar x
1
y x
2


S
2



S
3

S
3
: Sistema Cannico
Solucin Bsica: x
1
y x
2
son
bsicas
2 3 2
2 2 4 2
5 4 3 2
5 4 3 2 1
= +
= + +
x x x x
x x x x x
2 3 2
6 4 2 3
5 4 3 2
5 4 3 1
= +
=
x x x x
x x x x
1. Comenzar con una solucin bsica inicial cannica
y factible. se podr mejorar?

2. Es factible, Mejorarla?

3. Determinar la siguiente
Cuando no es factible encontrar soluciones
mejores, la bsqueda termina
6.- SIMPLEX
Principios del Mtodo Simplex
Ejemplo. Es factible mejorarla?

Max Z = 5X
1
+ 2X
2
+ 3X
3
- X
4
+ X
5


Sujeto a:

X
1
+ 2X
2
+ 2X
3
+ X
4
= 8 ( 2.7 )

3X
1
+ 4X
2
+ X
3
+ X
5
= 7 ( 2.8 )


Solucin bsica X
1
= X
2
= X
3
= 0, X
4
= 8, X
5
= 7.


Z = 5*(0) + 2*(0) + 3*(0) - 1*(8) + 1*(7) = -1

Ve usted otras soluciones bsicas en este sistema equivalente,
cuales?
Es factible mejorarla?
Debemos pensar en un cambio de base
conveniente
Calculemos un
Indicador para esto:
Ganancia/Beneficio Relativo
=
j
c
Ganancia Relativa de la Variable x
j

a) Primero se examina si la presente es ptima.

b) Si no la es. El Simplex examina una: Solucin
bsica factible Adyacente con un mejor valor
de Z.
Mejorando la Solucin
Definicin.
Una Solucin bsica factible Adyacente difiere de
la solucin bsica factible actual, en solo una
variable bsica.
Solucin bsica factible Adyacente
1. Definir una variable bsica como no bsica.
2. Definir una no bsica de reemplazo de la bsica
saliente.

Siempre y Cuando mejore el valor de Z.

Observe que:
1. Variables bsicas asumen valores positivos y las no
bsicas cero.
2. Una no bsica se convierte en bsica aumentando
su valor de cero a una cantidad positiva.

Beneficio Relativo: (Referido a una variable no bsica j).
Para la base actual, la optimalidad es chequeada
calculando los beneficios relativos de todas las
variables no bsica y en caso de no cumplirse; la nueva
base se empieza a formar eligiendo aquella de mejor
aporte.
Chequeo de optimalidad
j
j
x
z
c
A
A
=
Hacer estas operaciones calculando el indicador de optimalidad:
Resumen del Mtodo Simplex

Paso 1. Comenzar con una S. B. F.cannica
.
Paso 2. Optimalidad?

Paso 3 Seleccionar VNB que ingresa a la base

Paso 4 Determinar VB. Que abandona la base
Aplicar regla razn mnima

Paso 5 Generar nuevo sistema. Y volver a Paso 2.
Mtodo Simplex en Forma de Tableu
(4) (3)
(2) (1)
0
7 4 3
8 2 2
. .
3 2 5
5 3 2 1
4 3 2 1
5 4 3 2 1
>
= + + +
= + + +
+ + + =
j
x
x x x x
x x x x
a s
x x x x x z Max
(5)
Resumen de pasos. (Max z, Min z)

1. Expresar el problema en forma estndar.

2. Comenzar con una solucin factible bsica inicial en forma cannica y
plantear la Tabla inicial.

3. Usar producto interno para encontrar los beneficios relativos

4. Si todos los no aportan al objetivo la solucin actual es ptima. De otro
modo seleccionar la no bsica para que entre a la base.

5. Aplicar razn mnima para determinar la variable que deja la base.

6. Ejecutar operacin pivote para obtener la nueva tabla.

7. Calcular beneficios relativos. Retorne al paso 4.
j
c
j
c
Resolver por el mtodo Simplex
el siguiente problema (Caso 1):
0 ; 3
14 2 3
4 2 . .
2 3
2 1
2 1
2 1
2 1
> s
s +
s +
+ =
j
x x x
x x
x x a s
x x z Max
(1)
(3)
(4)
(2)
0 ; ;
40 3 2 2
30 3 3 .
6 3 4
3 2 1
3 2 1
3 2 1
3 2 1
>
s + +
s + +
+ + =
x x x
x x x
x x x a s
x x x z Max
EJERCICIO
(Caso 2)
0 ; ;
7 2 2
8 4
10 5 3 .
4 2
3 2 1
3 1
3 2 1
3 2 1
3 2 1
>
s +
s + +
s + +
+ + =
x x x
x x
x x x
x x x a s
x x x z Max
EJERCICIO (Caso 3)
Casos especiales
0 , ,
1
5
10 3 2
: .
3 2
3 2 1
1
2 1
3 2 1
3 2 1
>
s
s +
s + +
+ + =
x x x
x
x x
x x x
a s
x x x z Max
0 ,
8 4
8 4
12 3 4
: .
2 3
2 1
2 1
2 1
2 1
2 1
>
s
s +
s +
+ =
x x
x x
x x
x x
a s
x x z Max
ptimos
alternativos
Solucin
Degenerada
0 , ,
20 4
10
50 5 3 3
: .
10 20
3 2 1
3 2 1
3 1
3 2 1
3 2 1
>
s +
s +
s +
+ + =
x x x
x x x
x x
x x x
a s
x x x z Max
Solucin No
Acotada
Problemas Computacionales: Empate en la Razn Mnima
0 0 0 2 0
3/2
1 0 0 1 -1 0 2
0 1 0 2 0 1 4
0 0 1 1 1 1 3
1
x
2
x
3
x
4
x
5
x
6
x
0 0 0 2 0
3/2
1 0 0 1 -1 0 2
0 1 0 2 0 1 4
0 0 1 1 1 1 3
1
x
2
x
3
x
4
x
5
x
6
x
0 0 0 2 0
3/2
1 0 0 1 -1 0 2
0 1 0 2 0 1 4
0 0 1 1 1 1 3
1
x
2
x
3
x
4
x
5
x
6
x
0 0 0 2 0
3/2
1 0 0 1 -1 0 2
0 1 0 2 0 1 4
0 0 1 1 1 1 3
1
x
2
x
3
x
4
x
5
x
6
x
Problemas Computacionales
Soluciones No Acotadas
0 ; 4 3
2
. .
3 2
2 1
2 1
2 1
> s +
s
+ =
j
x x x
x x
a s
x x z Max


Max Z = -3X
1
+ X
2
+ X
3


X
1
- 2X
2
+ X
3
<= 11
-4X
1
+ X
2
+ 2X
3
>= 3
2X
1
- X
3
= -1


Convertir a forma estndar.

Max Z = -3X
1
+ X
2
+ X
3


Sujeto a:

X
1
- 2X
2
+ X
3
+ X
4
= 11
-4X
1
+ X
2
+ 2X
3
- X
5
= 3
-2X
1
+ X
3
= 1

X
i
>= 0 , i=1,5

7.- Uso de Variables Artificiles en el SIMPLEX
Cul es la Base X
B
?


Max Z = -3X
1
+ X
2
+ X
3


X
1
- 2X
2
+ X
3
<= 11
-4X
1
+ X
2
+ 2X
3
>= 3
2X
1
- X
3
= -1

Convertir a forma estndar.

Max Z = -3X
1
+ X
2
+ X
3


Sujeto a:

X
1
- 2X
2
+ X
3
+ X
4
= 11
-4X
1
+ X
2
+ 2X
3
- X
5
= 3
-2X
1
+ X
3
= 1

X
i
>= 0 , i=1,5

7.- Uso de Variables Artificiales en el SIMPLEX
Cul es la Base X
B
?
Que Hacemos, No tenemos una Solucin Bsica, Inmediata?
Variables que no son parte del Problema, esto no es una cambio en la
forma si no un cambio en el fondo. El modelo que resulta representa
una realidad que no es nuestro problema
Este es un Modelo Artificial
X
1
- 2X
2
+ X
3
+ X
4
= 11
- 4X
1
+ X
2
+ 2X
3
- X
5
+ X
6
= 3
-2X
1
+ X
3
+ X
7
= 1

X
i
>= 0 , i=1,7
X
B
= (X
4
, X
6
, X
7
) X
6
y X
7
son V. Artificiales
Agregamos Dos V. Artificiales:
Cual es la Funcin Objetivo que se usar?



Podemos inventarla?
Qu se persigue que nos oriente para inventarla?
Que Hacemos, No tenemos una Solucin Bsica, Inmediata?
Variables que no son parte del Problema, esto no es una cambio en la
forma si no un cambio en el fondo. El modelo que resulta representa
una realidad que no es nuestro problema
Este es un Modelo Artificial
X
1
- 2X
2
+ X
3
+ X
4
= 11
- 4X
1
+ X
2
+ 2X
3
- X
5
+ X
6
= 3
-2X
1
+ X
3
+ X
7
= 1

X
i
>= 0 , i=1,7
X
B
= (X
4
, X
6
, X
7
) X
6
y X
7
son V. Artificiales
Cual es la Funcin Objetivo que se usar?
Podemos inventarla?
Qu se persigue que nos oriente para inventarla?
Agregamos Dos V. Artificiales:
Se asigna un valor muy grande a cada coeficiente de
Variable Artificial presente en la funcin objetivo original
7.1.- Mtodo de la M grande.
-M si es maximizacin y M
si es minimizacin

Luego Min W = -3X
1
+ X
2
+ X
3
+ MX
6
+ MX
7

X
1
- 2X
2
+ X
3
+ X
4
= 11
- 4X
1
+ X
2
+ 2X
3
- X
5
+ X
6
= 3
-2X
1
+ X
3
+ X
7
= 1

X
i
>= 0 , i=1,7
S.a
Se asigna un valor muy grande a cada coeficiente de V.A.
presente en la funcin objetivo.
-M si es maximizacin y M si es minimizacin.

En el ejemplo anterior se asigna un valor M grande como
costo a la variables X
6
y X
7
.

Luego Min W = -3X
1
+ X
2
+ X
3
+ MX
6
+ MX
7

7.1.- Mtodo de la M grande.
X
1
- 2X
2
+ X
3
+ X
4
= 11
- 4X
1
+ X
2
+ 2X
3
- X
5
+ X
6
= 3
-2X
1
+ X
3
+ X
7
= 1

X
i
>= 0 , i=1,7
S.a
c
j
C
B
X
B
X
1
X
2
X
3
X
4
X
5
X
6
X
7
Cte.
X
X
X
j
c
c
j
C
B
X
B
X
1
X
2
X
3
X
4
X
5
X
6
X
7
Cte.
X
X
X
j
c
X
1
- 2X
2
+ X
3
+ X
4
= 11
- 4X
1
+ X
2
+ 2X
3
- X
5
+ X
6
= 3
-2X
1
+ X
3
+ X
7
= 1
X
i
>= 0 , i=1,7
Min Z = -3X
1
+ X
2
+ X
3
+ MX
6
+ MX
7
c
j
C
B
X
B
X
1
X
2
X
3
X
4
X
5
X
6
X
7
Cte.
X
X
X
j
c
c
j
C
B
X
B
X
1
X
2
X
3
X
4
X
5
X
6
X
7
Cte.
X
X
X
j
c
Fase 1. Usando un modelo artificial, encontrar una
solucin bsica inicial al problema original.

Fase 2. La solucin bsica encontrada se optimiza
con respecto a la funcin objetivo original. La Tabla final de
la fase 1 es la Tabla inicial para la fase 2.
7.2.- El Mtodo de las Dos Fases.
X
1
- 2X
2
+ X
3
+ X
4
= 11
- 4X
1
+ X
2
+ 2X
3
- X
5
+ X
6
= 3
-2X
1
+ X
3
+ X
7
= 1
X
i
>= 0 , i=1,7
Min W = X
6
+ X
7

S.a:
c
j
C
B
X
B
X
1
X
2
X
3
X
4
X
5
X
6
X
7
Cte.
X
X
X
j
c
c
j
C
B
X
B
X
1
X
2
X
3
X
4
X
5
X
6
X
7
Cte.
X
X
X
j
c
X
1
- 2X
2
+ X
3
+ X
4
= 11
- 4X
1
+ X
2
+ 2X
3
- X
5
+ X
6
= 3
-2X
1
+ X
3
+ X
7
= 1
X
i
>= 0 , i=1,7
Min W = X
6
+ X
7
c
j
C
B
X
B
X
1
X
2
X
3
X
4
X
5
X
6
X
7
Cte.
X
X
X
j
c
c
j
C
B
X
B
X
1
X
2
X
3
X
4
X
5
X
6
X
7
Cte.
X
X
X
j
c
Caso Inspectores
. .
36 40
2 1
a S
x x Z Min + =
0 ; 0
45 3 5
10
8
2 1
2 1
2
1
> >
> +
s
s
x x
x x
x
x
. .
36 40
2 1
a S
x x Z Min + =
0 ; 0
45 3 5
10
8
2 1
2 1
2
1
> >
> +
s
s
x x
x x
x
x
Global optimal solution found.
Objective value: 380.0000
Infeasibilities: 0.000000
Total solver iterations: 0
Model Class: LP
Total variables: 2
Nonlinear variables: 0
Integer variables: 0
Total constraints: 4
Nonlinear constraints: 0
Total nonzeros: 6
Nonlinear nonzeros: 0
Variable Value Reduced Cost
X1 8.000000 0.000000
X2 1.666667 0.000000
Row Slack or Surplus Dual Price
1 380.0000 -1.000000
2 0.000000 20.00000
3 8.333333 0.000000
4 0.000000 -12.00000
Modelo Inspectores
Inspectores
Ranges in which the basis is unchanged:
Objective Coefficient Ranges:
Current Allowable Allowable
Variable Coefficient Increase Decrease
X1 40.00000 20.00000 INFINITY
X2 36.00000 INFINITY 12.00000

Righthand Side Ranges:
Current Allowable Allowable
Row RHS Increase Decrease
2 8.000000 1.000000 5.000000
3 10.00000 INFINITY 8.333333
4 45.00000 25.00000 5.000000
Modelo PROTRAC
5
4
3
2
1
....... .......... 5
....... .......... 0 3
... .......... 135 10 30
... .......... 160 10 20
... .......... 150 15 10 : .
4000 5000
L F E
L F E
L F E
L F E
L F E a s
F E Z Max
> +
s
> +
s +
s +
+ =
FIN MATERIA
PRIMERA PRUEBA
DE CATEDRA
Max Z = 5X
1
+ 2X
2
+ 3X
3
- X
4
+ X
5

X
1
+ 2X
2
+ 2X
3
+ X
4
= 8
3X
1
+ 4X
2
+ X
3
+ X
5
= 7

X
1
, X
2
, X
3
, X
4
, X
5
>= 0
8.- Relaciones Algebraicas en el Simplex
(Simplex Revisado)
Cualquiera sea la base en el inicio que se est considerando, una tabla
cualquiera intermedia, obtenida aplicando Simplex, se cumple que:
Matriz Original (Base x
Bo
)



| || | b x x A A A A A
B NB B B NB NB NB
=
2 1 3 2 1
b x x
B NB
= = 0
| || | | || | b x A A x A A A
B B B NB NB NB NB
= +
2 1 3 2 1
| || | | | b x I x A A A
B NB NB NB NB
= +
3 2 1
La base original y la nueva no son iguales
b Ax=
| || | b x x A A A A A
o o
B NB
= , ;
5 4 3 2 1
Las variables relevantes son las de la base nueva
| || | b x A A A A A =
5 4 3 2 1
Ntese que es el mismo sistema pero tiene forma diferente, cada cual su
propia base, en general todas las columnas son diferentes entre si.
Matriz Original (Base x
Bo
)



Si en el ejemplo la nueva base fuese
) , (
1 3
x x x
B
=
| | b x A A x
B NB
= =
1 3
0
b Ax= | || | b x x A A A A A
o o
B NB
=
5 4 3 2 1
;
Tambin en el sistema
original es vlido aplicar
| | | | =

* /
1
1 3
b x A A
B
| | b A A x
B
1
1 3

=
b x x
B NB
= = 0
| | b A A b
1
1 3

=
| || | | | * / ;
1
1 3 5 4 3 2 1

= A A b x A A A A A
Multiplicando por la izquierda
| | | | | | | | | | | || | | | b b A A x A A A A A A A A A A A A A A A = =
1
1 3 5
1
1 3 4
1
1 3 3
1
1 3 2
1
1 3 1
1
1 3
, , , , ;
| || | b x A A A A A =
5 4 3 2 1
, , , ,
Comparando con
Resumen: Simplex Revisado
( ) | | | |
1
1 3
1
1 3 1 3

= = = A A B A A B x x x
B
| |
j j
A A A A
1
1 3

=
| | b A A b
1
1 3

=
b B x
b B b
A B A
B
j j
1
1
1

=
=
=
j B j j
j B j j
A B c c c
A c c c
1
=
=
t
1
= B c
B
t
b z b B c z
x c z cx z
B
B B
t = =
= =

;
; ;
1
Estudiantes trabajan con un caso
aplicando relaciones algebraicas.

b
x
1
x
2
S
1
S
2
S
3

S
1
0 0 1 1 -1 2
x
2
0 1 0 1 0 6
x
1
1 0 0 -1 1 2
0 0 0 -3 -2
La Tabla Final ptima de un PPL en Mx de Z con Tres
restricciones <= y dos incognitas X
1
y X
2
son:
S
1
, S
2
S
3
Son V.H.
Encuentre el valor
asociado de Z
EJERCICIO EXTRA

LD
x
1
x
2
x
3
x
4
x
5
x
6

x
5
1 1 2
x
3
-2 0 4
x
1
1 0 -1
J
C
0 , ,
; 1 2
3 2 4
2 2 2 . .
2 6
3 2 1
3 2
1
2 1
3 2
3
2 1
3 2
1
2 1
3 2 1
>
s + +
s
s + +
+ + =
x x x
x x x
x x x
x x x a s
x x x z Max
Sean x
4
, x
5
, x
6
las variables de holgura para las
restricciones respectivas. Despus de aplicar el
mtodo simplex, la siguiente es una parte de la tabla
simplex final:
Utilice los elementos del S.
Revisado, para encontrar la
respuesta
EJERCICIO EXTRA
Costo Reducido (CR) Variable (Actividad)
Una variable representa una actividad econmica que
consume (entrada) recursos para el propsito de
producir (salida).
Definicin:



CR: En el ptimo, cantidad en que debe variar el coeficiente
de la VNB para que ella pueda ingresar a la base.







=
Costo por unidad
de actividad
Costo de los recursos
consumidos por
unidad de actividad
Utilidad por unidad
de actividad

CR 0, La relacin Costo Utilidad implica actividad no conveniente, la variable

actualmente, tendr valor cero.
CR =0, Actividad atractiva, se ha llegado a un equilibrio en el cual la salida es igual a la
entrada, la variable tendr valor > 0.
=
Precio Dual; Sombra; Multiplicador
del Simplex
Precio Dual Restriccin
Representa el valor unitario de un recurso. Cual es la
contribucin econmica de los recursos a la medida
de desempeo Z. Mide el valor marginal, es decir, la
tasa a la que Z puede mejorar si se incrementa (un
poco) la cantidad que se proporciona de ese recurso.

Un poco se refiere a que debe mantenerse la base como
ptima.

Precio Dual; Sombra; Multiplicador
del Simplex
De alguna forma se relaciona a la ganancia relativa de
las V. de Holgura de las restricciones. Cmo?

Hasta cuanto estamos dispuestos a pagar extra por
unidad adicional de ese recurso.

Estaremos dispuesto a pagar en la medida que el
valor de Z mejore.
Reddy Mikks
Reddy Mikks produce pinturas tanto para interiores como para
exteriores a partir de dos materias primas.
Datos:
Toneladas de MP por tonelada de
Disponibilidad
mxima diaria
(toneladas)
Pintura para
Exteriores
Pintura para
Interiores
Materia Prima M1 6 4 24
Materia Prima, M2 1 2 6
Utilidad por Tonelada
(1000 US$)
5 4
Una encuesta de mercado restringe la demanda mxima diaria de pintura para
interiores a 2 toneladas. Adems la demanda diaria de pintura para interiores no
puede exceder a la de pintura para exteriores por mas de una tonelada. Reddy
Mikks quiere determinar la mezcla de producto que maximice la utilidad total diaria
Reddy Mikks
0 ,
2
1
2 ; 6 2
1 ; 24 4 6 . .
4 5
2 1
2
2 1
2 1
2 1
2 1
>
s
s +
s +
s +
+ =
x x
x
x x
M x x
M x x a s
x x Z Max
Solucin ptima:
X
1
=3; X
2
=1,5; Z=21, H
1
=0; H
2
=0; H
3
=5/2; H
4
=1/2
D
1
=0,75; D
2
=0,5; D
3
=D
4
=0
5 4 0 0 0 0
b
x
1
x
2
H
1
H
2
H
3
H
4

x
1
1 0 -1/2 0 0 3
x
2
0 1 -1/8 0 0 3/2
H
3
0 0 3/8 -5/4 1 0 5/2
H
4
0 0 1/8 -3/4 0 1
0 0 -3/4 -1/2 0 0 21
Donde estan
los precios
duales? y
t
Mostrar LINGO y resolver este problema.
LP OPTIMUM FOUND AT STEP 2

OBJECTIVE FUNCTION VALUE

1) 21.00000

VARIABLE VALUE REDUCED COST
X1 3.000000 0.000000
X2 1.500000 0.000000


ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 0.750000
3) 0.000000 0.500000
4) 2.500000 0.000000
5) 0.500000 0.000000

NO. ITERATIONS= 2

max 5x1+4x2
subject to
6x1+4x2<=24
x1+2x2<=6
-x1+x2<=1
x2<=2
end
Reddy Mikks,
Original
LP OPTIMUM FOUND AT STEP 2

OBJECTIVE FUNCTION VALUE

1) 21.00000

VARIABLE VALUE REDUCED COST
X1 3.000000 0.000000
X2 1.500000 0.000000
H1 0.000000 0.000000


ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 0.750000
3) 0.000000 0.500000
4) 2.500000 0.000000
5) 0.500000 0.000000

NO. ITERATIONS= 2


LP OPTIMUM FOUND AT STEP 1

OBJECTIVE FUNCTION VALUE

1) 21.04000

VARIABLE VALUE REDUCED COST
X1 2.000000 0.000000
X2 2.000000 0.000000
H1 4.000000 0.000000


ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 0.760000
3) 0.000000 0.440000
4) 1.000000 0.000000
5) 0.000000 0.080000

NO. ITERATIONS= 1
max 5x1+4x2+0.75H1
subject to
6x1+4x2+H1=24
x1+2x2<=6
-x1+x2<=1
x2<=2
end
max 5x1+4x2+0.76H1
subject to
6x1+4x2+H1=24
x1+2x2<=6
-x1+x2<=1
x2<=2
end
Reddy Mikks, CR
de H
1

LP OPTIMUM FOUND AT STEP 1

OBJECTIVE FUNCTION VALUE

1) 21.00000

VARIABLE VALUE REDUCED COST
X1 3.000000 0.000000
X2 1.500000 0.000000

H2 0.000000 0.000000


ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 0.750000
3) 0.000000 0.500000
4) 2.500000 0.000000
5) 0.500000 0.000000
NO. ITERATIONS= 1


LP OPTIMUM FOUND AT STEP 1

OBJECTIVE FUNCTION VALUE

1) 21.02000

VARIABLE VALUE REDUCED COST
X1 4.000000 0.000000
X2 0.000000 0.013333
H2 2.000000 0.000000


ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 0.748333
3) 0.000000 0.510000
4) 5.000000 0.000000
5) 2.000000 0.000000
NO. ITERATIONS= 1
max 5x1+4x2+0.5H2
subject to
6x1+4x2<=24
x1+2x2+H2=6
-x1+x2<=1
x2<=2
end
max 5x1+4x2+0.51H2
subject to
6x1+4x2<=24
x1+2x2+H2=6
-x1+x2<=1
x2<=2
end
Reddy Mikks, CR de
H
2

LP OPTIMUM FOUND AT STEP 0

OBJECTIVE FUNCTION VALUE

1) 21.00000

VARIABLE VALUE REDUCED COST
X1 3.000000 0.000000
X2 1.500000 0.000000


ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 0.750000
3) 0.000000 0.500000
4) 2.500000 0.000000
5) 0.500000 0.000000

NO. ITERATIONS= 0


LP OPTIMUM FOUND AT STEP 0

OBJECTIVE FUNCTION VALUE

1) 21.75000

VARIABLE VALUE REDUCED COST
X1 3.250000 0.000000
X2 1.375000 0.000000


ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 0.750000
3) 0.000000 0.500000
4) 2.875000 0.000000
5) 0.625000 0.000000

NO. ITERATIONS= 0
max 5x1+4x2
subject to
6x1+4x2<=25
x1+2x2<=6
-x1+x2<=1
x2<=2
end
max 5x1+4x2
subject to
6x1+4x2<=24
x1+2x2<=6
-x1+x2<=1
x2<=2
end
Reddy Mikks, VD,
M1
LP OPTIMUM FOUND AT STEP 1

OBJECTIVE FUNCTION VALUE

1) 21.00000

VARIABLE VALUE REDUCED COST

X1 3.000000 0.000000
X2 1.500000 0.000000


ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 0.750000
3) 0.000000 0.500000
4) 2.500000 0.000000
5) 0.500000 0.000000
NO. ITERATIONS= 1


LP OPTIMUM FOUND AT STEP 1

OBJECTIVE FUNCTION VALUE

1) 21.33333

VARIABLE VALUE REDUCED COST
X1 2.666667 0.000000
X2 2.000000 0.000000


ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 0.833333
3) 0.333333 0.000000
4) 1.666667 0.000000
5) 0.000000 0.666667
NO. ITERATIONS= 1
max 5x1+4x2
subject to
6x1+4x2<=24
x1+2x2<=7
-x1+x2<=1
x2<=2
end
max 5x1+4x2
subject to
6x1+4x2<=24
x1+2x2<=6
-x1+x2<=1
x2<=2
end
Reddy Mikks,
VD,M2
En este caso el
cambio en el lado
derecho, cambi
la base por tanto
lo esperable no
ocurre.
LP OPTIMUM FOUND AT STEP 1

OBJECTIVE FUNCTION VALUE

1) 21.00000

VARIABLE VALUE REDUCED COST
X1 3.000000 0.000000
X2 1.500000 0.000000


ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 0.750000
3) 0.000000 0.500000
4) 2.500000 0.000000
5) 0.500000 0.000000
NO. ITERATIONS= 1



LP OPTIMUM FOUND AT STEP 0

OBJECTIVE FUNCTION VALUE

1) 21.00000

VARIABLE VALUE REDUCED COST
X1 3.000000 0.000000
X2 1.500000 0.000000


ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 0.750000
3) 0.000000 0.500000
4) 3.500000 0.000000
5) 0.500000 0.000000
NO. ITERATIONS= 0
LP OPTIMUM FOUND AT STEP 0

OBJECTIVE FUNCTION VALUE

1) 21.00000

VARIABLE VALUE REDUCED COST
X1 3.000000 0.000000
X2 1.500000 0.000000

ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 0.750000
3) 0.000000 0.500000
4) 4.500000 0.000000
5) 0.500000 0.000000

NO. ITERATIONS= 0
max 5x1+4x2
subject to

6x1+4x2<=24
x1+2x2<=6
-x1+x2<=1
x2<=2
end
max 5x1+4x2
subject to
6x1+4x2<=24
x1+2x2<=6
-x1+x2<=2
x2<=2
end

max 5x1+4x2
subject to
6x1+4x2<=24
x1+2x2<=6
-x1+x2<=3
x2<=2
end
Reddy Mikks, VD, 3
Restriccin
CASO PROTRAC

Objective value: 50500.00


Variable Value Reduced Cost
E 4.500000 0.000000
F 7.000000 0.000000

Row Slack or Surplus Dual Price
1 50500.00 1.000000
2 0.000000 150.0000
3 0.000000 175.0000
4 70.00000 0.000000
5 16.50000 0.000000
6 6.500000 0.000000
5
4
3
2
1
....... .......... 5
....... .......... 0 3
... .......... 135 10 30
... .......... 160 10 20
... .......... 150 15 10 : .
4000 5000
L F E
L F E
L F E
L F E
L F E a s
F E Z Max
> +
s
> +
s +
s +
+ =
CASO PROTRAC, Precios Duales Y Costo Reducido
Wyndor Glass Co. EJERCICIO
EXTRA
La Wyndor Glass Corporation Co. Produce artculos de alta calidad, que
incluyen ventanas y puertas de vidrio. Tiene tres plantas. Los marcos y
molduras de aluminio se hacen en la planta 1, los de madera en la planta 2; la
3 produce el vidrio y el ensamblado de los productos.
Debido a una reduccin en las ganancias, la alta administracin ha decidido
reorganizar la lnea de produccin de la compaa. Se descontinuarn varios
productos no rentables y se dejar libre una parte de la capacidad de
produccin para emprender la fabricacin de dos productos nuevos que tienen
ventas potenciales grandes:
Producto 1: una puerta de vidrio de 8 pies con marco de aluminio.
Producto 2: una ventana de resbaln con marco de madera de 4 x 6 pies.
Wyndor Glass Co. EJERCICIO EXTRA
El producto 1 requiere parte de la capacidad de produccin en las plantas 1 y
3 y nada en la planta 2. El producto 2 slo necesita trabajo en las plantas 2 y
3. La divisin de comercializacin ha concluido que la compaa puede vender
todos los productos que se puedan fabricar en las plantas. Sin embargo, como
ambos productos competirn por la misma capacidad de produccin en la
planta 3, no est claro qu mezcla de productos sera la mas rentable. Por lo
tanto, se ha formado un equipo de I.O para estudiar este problema.
Determinar que TASAS DE PRODUCCIN deben tener los dos productos con
el fin de maximizar las utilidades totales, sujetas a las restricciones impuestas
por las capacidades de produccin limitadas disponibles en las tres plantas.
(Cada producto se fabricar en lotes de 20, de manera que la tasa de
produccin est definida como el nmero de lotes que se producen en la
semana.


Planta
Tiempo de produccin por lote, horas
Tiempo de Produccin
Disponible a la semana,
horas
Producto
1 2
1 1 0 4
2 0 2 12
3 3 2 18
Ganancia por lote $3 000 $5 000
Wyndor Glass Co. EJERCICIO EXTRA
Cul sera el modelo si la planta 3 se
decide usar a toda capacidad?
0 ,
18 2 3
12 2
4 .
5 3
2 1
2 1
2
1
2 1
>
s +
s
s
+ =
x x
x x
x
x a S
x x Z Max
3 5 0 0 0
b
x
1
x
2
H
1
H
2
H
3

0 H
1
0 0 1 1/3
-1/3
2
5 x
2
0 1 0
1/2 0
6
3 x
1
1 0 0
-1/3 1/3
2
0 0 0
-3/2 -1
36

LP OPTIMUM FOUND AT STEP 2

OBJECTIVE FUNCTION VALUE

1) 36.00000

VARIABLE VALUE REDUCED COST
X1 2.000000 0.000000
X2 6.000000 0.000000


ROW SLACK OR SURPLUS DUAL PRICES
2) 2.000000 0.000000
3) 0.000000 1.500000
4) 0.000000 1.000000

NO. ITERATIONS= 2
En lindo/Lingo los precios duales negativos
siempre significa que NO conviene aumentar el
lado derecho.
En lindo/Lingo los precios duales positivos
siempre significa que SI conviene aumentar el
lado derecho
En Maximizacin con tablas el signo de los
precios duales coincide con Lindo/Lingo
En Minimizacin es al contrario
Aclaracin Precio Dual
Diferencia LINDO/LINGO y TABLA
Ejercicio
Resolver por tabla el
siguiente ejercicio y
comparar los precios
duales con los que
entrega Lindo
0 ,
6
6 2 3
10 2
.
2 3
2 1
2 1
2 1
2 1
2 1
>
> +
s +
> +
+ =
x x
x x
x x
x x
a S
x x z Min
0 ,
6
6 2 3
10 2
.
2 3
2 1
3 3 2 1
2 2 1
1 1 2 1
2 1
>
= + +
= + +
= + +
+ =
x x
A H x x
H x x
A H x x
a S
x x z Min
3 2 0 0 0 M M
b
X
1
X
2
H
1
H
2
H
3
A
1
A
3

M A
1
2 1 -1 0 0 1 0 10
0 H
2
-3 2 0 1 0 0 0 6
M A
3
1 1 0 0 -1 0 1 6
3-3M 2-2M M 0 M 0 0
3 2 0 0 0 M M
b
X
1
X
2
H
1
H
2
H
3
A
1
A
3

3 x
1
1 -1/2 0 0 0 5
0 H
2
0 7/2 -3/2 1 0 3/2 0 21
M A
3
0 0 -1 -1/2 1 1
0 -M/2 3/2-M/2 0 M 0
3 2 0 0 0 M M
b
X
1
X
2
H
1
H
2
H
3
A
1
A
3

3 x
1
1 0 -1 0 1 1 -1 4
0 H
2
0 0 -5 1 7 5 -7 14
2 x
2
0 1 1 0 -2 -1 2 2
0 0 1 0 1 16
?
1
B
Calcular los PD, use:,
1
= B c y c
B j
t
min 3x1+2x2
s.t.
2x1+x2 >=10
-3x1+2x2<=6
x1+x2>=6
end

Variable Value Reduced Cost
X1 4.000000 0.000000
X2 2.000000 0.000000

Row Slack or Surplus Dual Price
1 16.00000 -1.000000
2 0.000000 -1.000000
3 14.00000 0.000000
4 0.000000 -1.000000

0 ,
6
6 2 3
10 2
.
12 3
2 1
3 3 2 1
2 2 1
1 1 2 1
2 1
>
= + +
= + +
= + +
+ =
x x
A H x x
H x x
A H x x
a S
x x z Min
3 12 0 0 0 M M
b
X
1
X
2
H
1
H
2
H
3
A
1
A
3

M A
1
2 1 -1 0 0 1 0 10
0 H
2
-3 2 0 1 0 0 0 6
M A
3
1 1 0 0 -1 0 1 6
3-3M 12-2M M 0 M 0 0
3 12 0 0 0 M M
b
X
1
X
2
H
1
H
2
H
3
A
1
A
3

3 x
1
1 -1/2 0 0 0 5
0 H
2
0 7/2 -3/2 1 0 3/2 0 21
M A
3
0 0 -1 -1/2 1 1
0 10-M/2 3/2-M/2 0 M (-3+3M)/2 0
3 12 0 0 0 M M
b
X
1
X
2
H
1
H
2
H
3
A
1
A
3

3 x
1
1 0 -1 0 1 1 -1 4
0 H
2
0 0 -5 1 7 5 -7 14
12 x
2
0 1 1 0 -2 -1 2 2
0 0 -9 0 21 M+9 M-21
OJO ERROR
NO FATAL
DEBE
ENTRAR H1
NO X2
1
2
3
0 ,
6
6 2 3
10 2
.
12 3
2 1
3 3 2 1
2 2 1
1 1 2 1
2 1
>
= + +
= + +
= + +
+ =
x x
A H x x
H x x
A H x x
a S
x x z Min
3 12 0 0 0 M M
b
X
1
X
2
H
1
H
2
H
3
A
1
A
3

3 x
1
1 0 -1 0 1 1 -1 4
0 H
2
0 0 -5 1 7 5 7 14
12 x
2
0 1 1 0 -2 -1 2 2
0 0 -9 0 21 M+
9
M-
21
3 12 0 0 0 M M
b
X
1
X
2
H
1
H
2
H
3
A
1
A
3

3 x
1
1 1 0 0 -1 0 1 6
0 H
2
0 5 0 1 -3 0 3 24
0 H
1
0 1 1 0 -2 -1 2 2
0 9 0 0 3 M M-
3
18
Fin Primera Etapa
X
1
H
2
X
2


1 0 1
0 1 5
0 0 1
3
4
) , , (
) , , (
) , , (
) , , (
1 2 1 4
2 2 1 3
3 2 1 2
3 2 1 1
H H x x
x H x x
A H x x
A H A x
B
B
B
B
=
=
=
=
Calcular los PD, use:,
1
= B c y c
B j
t
Usando LINGO 12.0 Min z
Modelo Original

Min 3x1+2x2
s.t.
2x1+x2>=10
-3x1+2x2<=6
x1+x2>=6
End
Global 6: 16.00000
Variable Value Reduced Cost
X1 4.000000 0.000000
X2 2.000000 0.000000

Row Slack or Surplus Dual Price
1 16.00000 -1.000000
2 0.000000 -1.000000
3 14.00000 0.000000
4 0.000000 -1.000000


Global optimal solution found.
Objective value: 15.60000
Infeasibilities: 0.000000
Total solver iterations: 3

Model Class: LP

Total variables: 2
Nonlinear variables: 0
Integer variables: 0

Total constraints: 4
Nonlinear constraints: 0

Total nonzeros: 8
Nonlinear nonzeros: 0

Variable Value Reduced Cost
X1 1.600000 0.000000
X2 5.400000 0.000000

Row Slack or Surplus Dual Price
1 15.60000 -1.000000
2 0.600000 0.000000
3 0.000000 0.2000000
4 0.000000 -2.400000


Min 3x
1
+2x
2
s.t.
2x
1
+x
2
>=8
-3x
1
+2x
2
<=6
x
1
+x
2
>=6
End
Usando LINGO 12.0 Modelo Min z
Relajando Primera Restriccin
(Disminuir lado Derecho)
En lindo/Lingo los precios duales
negativos siempre significa que NO
conviene aumentar el lado derecho.
Min 3x
1
+2x
2
s.t.
2x
1
+x
2
>=10
-3x
1
+2x
2
<=6
x
1
+x
2
>=5
End
Global optimal solution found.
Objective value: 15.000000 Infeasibilities: 0.000000
Total solver iterations: 1 Total variables: 2
Model Class: LP Nonlinear variables: 0
Integer variables: 0
Total constraints: 4
Nonlinear constraints: 0
Total nonzeros: 8
Nonlinear nonzeros: 0

Variable Value Reduced Cost
X1 5.000000 0.0000000
X2 0.000000 0.5000000
Row Slack or Surplus Dual Price
1 15.00000 -1.000000
2 0.000000 -1.500000
3 21.00000 0.000000
4 0.000000 0.000000

Usando LINGO 12.0 Modelo Min z
Relajando Tercera Restriccin
(Disminuir lado Derecho)
En lindo/Lingo los precios duales
negativos siempre significa que NO
conviene aumentar el lado derecho.
Usando LINGO 12.0 Modelo Min z
Mayor Exigencia con Primera Restriccin
(Aumentar lado Derecho)
Min 3x1+2x2
s.t.
2x1+x2>=11
-3x1+2x2<=6
x1+x2>=6
End
Global optimal solution found.
Objective value: 17.00000
Infeasibilities: 0.000000
Total solver iterations: 2
Model Class: LP
Total variables: 2
Nonlinear variables: 0
Integer variables: 0
Total constraints: 4
Nonlinear constraints: 0
Total nonzeros: 8
Nonlinear nonzeros: 0

Variable Value Reduced Cost
X1 5.000000 0.000000
X2 1.000000 0.000000

Row Slack or Surplus Dual Price
1 17.00000 -1.000000
2 0.000000 -1.000000
3 19.00000 0.000000
4 0.000000 -1.000000

Max 2X
1
+ 3X
2
+x
3
ST
X
1
+X
2
+X
3
<=3
X
1
+4X
2
+7X
3
<=9
END
Usando LINGO 12.0 Modelo Max z
Original
Global optimal solution found.
Objective value: 8.000000
Infeasibilities: 0.000000
Total solver iterations: 2

Variable Value Reduced Cost
X1 1.000000 0.000000
X2 2.000000 0.000000
X3 0.000000 3.000000

Row Slack or Surplus Dual Price
1 8.000000 1.000000
2 0.000000 1.666667
3 0.000000 0.3333333

Max 2X
1
+ 3X
2
+x
3
ST
X
1
+X
2
+X
3
<=4
X
1
+4X
2
+7X
3
<=9
END
Usando LINGO 12.0 Modelo Max z
Relajando Primera Restriccin
Aumentar Lado Derecho
Global optimal solution found.
Objective value: 9.666667
Infeasibilities: 0.000000
Total solver iterations: 2
Model Class: LP
Total variables: 3
Nonlinear variables: 0
Integer variables: 0
Total constraints: 3 Nonlinear constraints: 0
Total nonzeros: 9 Nonlinear nonzeros: 0

Variable Value Reduced Cost
X1 2.333333 0.000000
X2 1.666667 0.000000
X3 0.000000 3.000000

Row Slack or Surplus Dual Price
1 9.666667 1.000000
2 0.000000 1.666667
3 0.000000 0.3333333
Usando LINGO 12.0 Modelo Max z
Mayor exigencia Primera Restriccin
(Disminuir lado Derecho)
Max 2X1 + 3X2+x3
ST
X1+X2+X3<=2
X1+4X2+7X3<=9
END

Global optimal solution found.
Objective value: 6.000000
Infeasibilities: 0.000000
Total solver iterations: 1
Model Class: LP
Total variables: 3
Nonlinear variables: 0
Integer variables: 0
Total constraints: 3
Nonlinear constraints: 0
Total nonzeros: 9
Nonlinear nonzeros: 0
Variable Value Reduced Cost
X1 0.000000 1.000000
X2 2.000000 0.000000
X3 0.000000 2.000000

Row Slack or Surplus Dual Price
1 6.000000 1.000000
2 0.000000 3.000000
3 1.000000 0.000000

Usando LINGO 12.0 Min z
Modelo Original

Min 3x1+2x2
s.t.
2x1+x2>=10
-3x1+2x2<=6
x1+x2>=6
End
Global 6: 16.00000
Variable Value Reduced Cost
X1 4.000000 0.000000
X2 2.000000 0.000000

Row Slack or Surplus Dual Price
1 16.00000 -1.000000
2 0.000000 -1.000000
3 14.00000 0.000000
4 0.000000 -1.000000


Global optimal solution found.
Objective value: 15.60000
Infeasibilities: 0.000000
Total solver iterations: 3

Model Class: LP

Total variables: 2
Nonlinear variables: 0
Integer variables: 0

Total constraints: 4
Nonlinear constraints: 0

Total nonzeros: 8
Nonlinear nonzeros: 0

Variable Value Reduced Cost
X1 1.600000 0.000000
X2 5.400000 0.000000

Row Slack or Surplus Dual Price
1 15.60000 -1.000000
2 0.600000 0.000000
3 0.000000 0.2000000
4 0.000000 -2.400000


Min 3x
1
+2x
2
s.t.
2x
1
+x
2
>=8
-3x
1
+2x
2
<=6
x
1
+x
2
>=6
End
Usando LINGO 12.0 Modelo Min z
Relajando Primera Restriccin
(Disminuir lado Derecho)
En lindo/Lingo los precios duales
negativos siempre significa que NO
conviene aumentar el lado derecho.
Min 3x
1
+2x
2
s.t.
2x
1
+x
2
>=10
-3x
1
+2x
2
<=6
x
1
+x
2
>=5
End
Global optimal solution found.
Objective value: 15.000000 Infeasibilities: 0.000000
Total solver iterations: 1 Total variables: 2
Model Class: LP Nonlinear variables: 0
Integer variables: 0
Total constraints: 4
Nonlinear constraints: 0
Total nonzeros: 8
Nonlinear nonzeros: 0

Variable Value Reduced Cost
X1 5.000000 0.0000000
X2 0.000000 0.5000000
Row Slack or Surplus Dual Price
1 15.00000 -1.000000
2 0.000000 -1.500000
3 21.00000 0.000000
4 0.000000 0.000000

Usando LINGO 12.0 Modelo Min z
Relajando Tercera Restriccin
(Disminuir lado Derecho)
En lindo/Lingo los precios duales
negativos siempre significa que NO
conviene aumentar el lado derecho.
Usando LINGO 12.0 Modelo Min z
Mayor Exigencia con Primera Restriccin
(Aumentar lado Derecho)
Min 3x1+2x2
s.t.
2x1+x2>=11
-3x1+2x2<=6
x1+x2>=6
End
Global optimal solution found.
Objective value: 17.00000
Infeasibilities: 0.000000
Total solver iterations: 2
Model Class: LP
Total variables: 2
Nonlinear variables: 0
Integer variables: 0
Total constraints: 4
Nonlinear constraints: 0
Total nonzeros: 8
Nonlinear nonzeros: 0

Variable Value Reduced Cost
X1 5.000000 0.000000
X2 1.000000 0.000000

Row Slack or Surplus Dual Price
1 17.00000 -1.000000
2 0.000000 -1.000000
3 19.00000 0.000000
4 0.000000 -1.000000

Max 2X
1
+ 3X
2
+x
3
ST
X
1
+X
2
+X
3
<=3
X
1
+4X
2
+7X
3
<=9
END
Usando LINGO 12.0 Modelo Max z
Original
Global optimal solution found.
Objective value: 8.000000
Infeasibilities: 0.000000
Total solver iterations: 2

Variable Value Reduced Cost
X1 1.000000 0.000000
X2 2.000000 0.000000
X3 0.000000 3.000000

Row Slack or Surplus Dual Price
1 8.000000 1.000000
2 0.000000 1.666667
3 0.000000 0.3333333

Max 2X
1
+ 3X
2
+x
3
ST
X
1
+X
2
+X
3
<=4
X
1
+4X
2
+7X
3
<=9
END
Usando LINGO 12.0 Modelo Max z
Relajando Primera Restriccin
Aumentar Lado Derecho
Global optimal solution found.
Objective value: 9.666667
Infeasibilities: 0.000000
Total solver iterations: 2
Model Class: LP
Total variables: 3
Nonlinear variables: 0
Integer variables: 0
Total constraints: 3 Nonlinear constraints: 0
Total nonzeros: 9 Nonlinear nonzeros: 0

Variable Value Reduced Cost
X1 2.333333 0.000000
X2 1.666667 0.000000
X3 0.000000 3.000000

Row Slack or Surplus Dual Price
1 9.666667 1.000000
2 0.000000 1.666667
3 0.000000 0.3333333
Usando LINGO 12.0 Modelo Max z
Mayor exigencia Primera Restriccin
(Disminuir lado Derecho)
Max 2X1 + 3X2+x3
ST
X1+X2+X3<=2
X1+4X2+7X3<=9
END

Global optimal solution found.
Objective value: 6.000000
Infeasibilities: 0.000000
Total solver iterations: 1
Model Class: LP
Total variables: 3
Nonlinear variables: 0
Integer variables: 0
Total constraints: 3
Nonlinear constraints: 0
Total nonzeros: 9
Nonlinear nonzeros: 0
Variable Value Reduced Cost
X1 0.000000 1.000000
X2 2.000000 0.000000
X3 0.000000 2.000000

Row Slack or Surplus Dual Price
1 6.000000 1.000000
2 0.000000 3.000000
3 1.000000 0.000000