Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SEPTIEMBRE 2018
METODO SIMPLEX.
El método Simplex es un procedimiento iterativo que
permite ir mejorando la solución paso a paso. El proceso
concluye cuando no es posible seguir mejorando más
dicha solución.
Partiendo del valor de la función objetivo en un vértice
cualquiera, el método consiste en buscar sucesivamente
otro vértice que mejore al anterior. La búsqueda se hace
siempre a través de los lados del polígono (o de las aristas
del poliedro, si el número de variables es mayor). Cómo
el número de vértices (y de aristas) es finito, siempre se
podrá encontrar la solución factible.
Interpretación Geométrica del Método Simplex
CONSIDERACIONES GENERALES DEL METODO
El método en discusión se fundamenta en el uso de matrices para
poder dar soluciones iterativa de la misma.
Una matriz puede definirse como una ordenación rectangular de
elementos, (o listado finito de elementos), los cuales pueden ser
números reales o complejos, dispuestos en forma de filas y de
columnas.
La matriz idéntica o identidad es una matriz cuadrada (que posee el
mismo número tanto de columnas como de filas) de orden n que
tiene todos los elementos diagonales iguales a uno (1) y todos los
demás componentes iguales a cero (0), se denomina matriz idéntica
o identidad de orden n, y se denota por:
CONSIDERACIONES GENERALES DEL METODO
El Método Simplex trabaja basándose en ecuaciones y las
restricciones iniciales que se modelan mediante programación
lineal no lo son, para ello hay que convertir estas inecuaciones en
ecuaciones utilizando unas variables denominadas de holgura y
exceso relacionadas con el recurso al cual hace referencia la
restricción y que en el tabulado final representa el "Slack or
surplus" al que hacen referencia los famosos programas de
resolución de investigación de operaciones, estas variables
adquieren un gran valor en el análisis de sensibilidad y juegan un
rol fundamental en la creación de la matriz identidad base del
Simplex.
Estas variables suelen estar representadas por la letra "S", se suman
si la restricción es de signo "<= " y se restan si la restricción es de
signo ">=".
Por ejemplo:
CONSIDERACIONES GENERALES DEL METODO
CONSIDERACIONES GENERALES DEL METODO
CONSIDERACIONES GENERALES DEL METODO
Para la aplicación del método simples, se realiza un tabulado inicial,
considerando las función objetivo y las restricciones establecidas en la
matematización del problema, para lo cual se establecen las columnas
y las líneas del tabulado de acuerdo a las variables de decisión y a las
variable de holgura, en caso de restricciones del tipo (≤), o variables
de excedencia cuando las restricciones se establecen como (≥). En
forma general un tabulado tendrá la siguiente configuración.
Establecemos en forma general la matematización de un problema.
Max Zj = C1X1 + C2X2 + …. Cj Xn + 0S1 + 0S2 +….. 0Sn
Sujeto a:
c11X1 + c12X2 +…. + c1nXn + S1 = V1
c21X1 + c22X2 +…. + c2nXn + S2 = V2
. . . . .
cn1X1 + cn2X2 +…. + cnnXn + Sn = Vn
Donde:
Zj = Valor iterativo de la función objetivo
C1, C2, …. Cj = Coeficientes en la Función Objetivo
X1, X2, … Xn = Variables de decisión.
c11, c12, … c1n
c21, c22, … c2n
. . . = Coeficientes en las restricciones
cn1, cn2, … cnn
Contribución
Zj 0 0 0 0 0 0 0 perdida por unidad
Contribución neta
Cj - Zj C1-0 C2-0 Cn-0 0 0 0 por unidad
ETAPAS PARA LA APLICACIÓN DEL METODO SIMPLEX
1. SELECCIÓN DE LA COLUMNA DE VALOR POSITIVO
MAS ALTO.
Se calculan los valores para el reglón final de la tabla simplex, esto
es, el reglón Cj - Zj y se selecciona la columna que tenga el
máximo valor positivo para Cj – Zj. Si no quedan más valores
positivos en el reglón Cj – Zj, es decir, si sólo quedan valores cero
o negativo, la contribución total está al máximo. Los pasos
iterativos están terminados.
2. DETERMINACION DEL REGLON DESPLAZADO.
El reglón reemplazado (antiguo) se determina dividiendo los
valores de la columna de cantidades en la tabla simplex para cada
reglón entre los elementos interseccionales de la columna óptima
(seleccionada en el paso anterior). El reglón que tenga la cantidad
positiva mas pequeña se selecciona como el reglón por remplazar.
3. CALCULO DE VALORES PARA EL REGLÓN
SUBSTITUTO.
En la siguiente tabla se calculan valores para el reglón
substituto (nuevo); este reglón toma el lugar del reglón
desplazado (antiguo) de la tabla anterior. Los nuevos
valores para el reglón substituto se calculan dividiendo
cada valor del reglón reemplazado (antiguo) entre el
elemento interseccional (pivot) del mismo reglón. La
variable de la columna de mezcla de productos del nuevo
reglón también tienen que cambiarse por la encontrada
en la columna óptima utilizando el paso anterior.
4. CALCULO DE NUEVOS VALORES PARA LOS
REGLONES RESTANTES.
Se calculan los nuevos valores para todos los reglones restantes de
la tabla iniciada en el paso anterior. La fórmula para calcular estos
nuevos valores de reglón, que no sea para los reglones Zj y Cj – Zj,
es:
0 S1 1,500 2 3 1 0 0
0 S2 1,500 3 2 0 1 0 coeficientes
0 S3 600 1 1 0 0 1
Matriz del Matriz de
Sistema Identidad
Contribución perdida
Zj 0 0 0 0 0 0 por unidad
0 S1 1,500 2 3 1 0 0
0 S2 1,500 3 2 0 1 0 coeficientes
0 S3 600 1 1 0 0 1
Matriz del Matriz de
Sistema Identidad
Contribución perdida
Zj 0 0 0 0 0 0 por unidad
MAYOR VALOR
Paso 2.- Determinar la fila (antigua) reemplazada.- Una
vez que se elaboró el tableau simplex inicial y que se ha
seleccionado (primer paso) la variable (columna óptima) que
contribuye el máximo por unidad (12 por unidad del producto
mármol), el siguiente paso es determinar cual variable debe
reemplazarse. La inspección de la columna óptima (12 para el
producto mármol) indica que debe agregarse la variable x2 a
la mezcla de productos reemplazando la fila S1, S2 ó S3. Para
determinar cual variable será la que se reemplace, divida el
valor de la columna de cantidad entre el coeficiente
correspondiente de la columna óptima. Seleccione la fila
asociada con el cociente positivo menor como la fila a
reemplazar. Como la empresa desearía producir la máxima
cantidad, pero tiene que tomarse en consideración las
restricciones del problema, Las unidades posibles se calculan
del modo siguiente:
Fila S1: 1,500 – tiempo no usado/se requieren 3 horas por unidad
del producto mármol = 500 unidades del producto mármol.
Fila S2: 1,500 – tiempo no usado/se requieren 2 horas por unidad
del producto mármol = 750 unidades del producto mármol.
Fila S3: 600 – tiempo no usado/se requiere 1 hora por unidad del
producto mármol = 600 unidades del producto mármol.
Con base en estos cálculos para el mármol se reemplazará la fila
S1, en el segundo tableau por 500 unidades del producto x2, a esto
se le llama la fila reemplazada.
Paso 3. Calcular el Valor para la Fila (nueva) Reemplazante.-
La primera fila a determinar en el segundo tableau es la nueva fila
x2 (fila reemplazante) para la fila S1 (fila reemplazada). La fila x2,
se calcula dividiendo cada valor de la fila reemplazada (S|) entre el
elemento pivot (3) de la misma fila.
Los resultados de la nueva fila serán:
TABLEA I
FILA REEMPLAZADA Elemento pivote
0 S1 1500 2 3 1 0 0
0 S2 1500 3 2 0 1 0 coeficientes
0 S3 600 1 1 0 0 1
Matriz del Matriz de
Sistema Identidad
Contribución perdida
Zj 0 0 0 0 0 0 por unidad
Elemento
Elemento Nuevo Nuevo
interseccio
anterior elemento valor
- nal x correspondie = para la
en la fila anterior
restante nte en la fila fila
de la fila
reemplazante restante
restante
TABLEA I
Contribución perdida
Zj 0 0 0 0 0 0 por unidad
Contribución perdida
Zj 6,000 8 12 4 0 0 por unidad
Mezcla de 10 12 0 0 0
Cj Productos Cantidad x1 x2 S1 S2 S3
Mezcla de 10 12 0 0 0
Cj Productos Cantidad x1 x2 S1 S2 S3
12 x2 300 0 1 1 0 -2
Fila remanente con nuevos valores
0 S2 0 0 0 1 1 -5
Fila remanente con nuevos valores
0 x1 300 1 0 -1 0 3
Fila reemplazante
Zj 6,600 10 12 2 0 6
Cj - Zj 0 0 -2 0 -6
La nueva fila reemplazante del tableau 3, se calcula dividiendo
cada número de la fila reemplazante entre el valor interseccional de
la fila reemplazada, esto es:
100/(1/3) = 300; (1/3)/(1/3) = 1; 0/(1/3) = 0; (-1/3)/(1/3) = -1;
0/(1/3) = 0; 1/(1/3) = 3.
El tercer tableau terminado indica que los valores de la fila Cj – Zj
son cero o negativos por lo tanto se da por terminado el proceso de
optimización.
Es necesario verificar que los valores obtenidos cumplen con los
requerimientos establecidos, para lo cual volvemos a las
inecuaciones originales y se calculan los valores para verificar si
guardan los lineamientos establecios:
2x1 + 3x2 ≤ 1,500
3x1 + 2x2 ≤ 1,500
x1 + x2 ≤ 600
Sustituyendo los valores adecuados para x1 y x2 en las inecuaciones
anteriores, los resultados indican que están dentro de las
restricciones del problema.
2(300) + 3(300) ≤ 1,500
600 + 900 ≤ 1,500
1,500 = 1,500
3(300) + 2(300) ≤ 1,500
900 + 600 ≤ 1,500
1,500 = 1,500
(300) + (300) ≤ 600
600 = 600
APLICACIÓN DEL METODO SIMPLEX SIMPLIFICADO
El método simplex simplificado, permite realizar la solución de los
problemas mediante iteraciones sucesivas del proceso, en forma
similar que para el método simplex convencional, tomando como
variante que en este procedimiento, el desarrollo tiene
características de la lógica matemática, utilizando los siguientes
pasos:
1. Se convierten las igualdades en desigualdades, formando el
sistema de ecuaciones estándar.
2. Por la transposición de términos se iguala la función objetivo a
cero:
Z- C1X1 - C2X2 - ……… - CnXn = 0
3. Establecer el tablero inicial simplex teniendo en consideración
todas las variable de decisión y las variables de holgura o
excedencia.
4. Se realizan las iteraciones correspondientes.
EJEMPLO N° 02 – APLICACIÓN DEL METODO SIMPLEX
SIMPLIFICADO
Maximizar Z= f(x, y)= 3x + 2y
sujeto a: 2x + y ≤ 18
2x + 3y ≤ 42
3x + y ≤ 24
x≥0,y≥0
Se consideran los siguientes pasos:
1. Convertir las desigualdades en igualdades
Se introduce una variable de holgura por cada una de las
restricciones, para convertirlas en igualdades, resultando el sistema
de ecuaciones lineales:
2x + y + h = 18
2x + 3y + s = 42
3x + y + d = 24
2. Igualar la función objetivo a cero
- 3x - 2y + Z = 0
3. Escribir la tabla inicial simplex
En las columnas aparecerán todas las variables del problema y, en
las filas, los coeficientes de las ecuaciones establecidas, una fila
para cada restricción (considerando solo las variables de holgura) y
la última fila con los coeficientes de la función objetivo:
Tabla I . Iteración Nº 1
Valores
Base Variable de decisión Variable de holgura
solución
x y h s d
h 2 1 1 0 0 18
s 2 3 0 1 0 42
d 3 1 0 0 1 24
Z -3 -2 0 0 0 0
4. Encontrar la variable de decisión que entra en la base y la
variable de holgura que sale de la base
A. Para escoger la variable de decisión que entra en la base, nos
fijamos en la última fila, la de los coeficientes de la función
objetivo y escogemos la variable con el mayor coeficiente
negativo (en valor absoluto).
En nuestro caso, la variable x de coeficiente = - 3.
Si existiesen dos o más coeficientes iguales que cumplan la
condición anterior, entonces se elige cualquiera de ellos.
Si en la última fila no existiese ningún coeficiente negativo,
significa que se ha alcanzado la solución óptima. Por tanto, lo
que va a determinar el final del proceso de aplicación del
método del simplex, es que en la última fila no haya elementos
negativos.
La columna de la variable que entra en la base se llama
columna pivote (En color azulado).
B. Para encontrar la variable de holgura que tiene que salir de la
base, se divide cada término de la última columna (valores
solución) por el coeficiente correspondiente dado en la columna
pivote, siempre que estos últimos sean mayores que cero. En
nuestro caso:
18/2 [=9] , 42/2 [=21] y 24/3 [=8]
Si hubiese algún elemento menor o igual que cero no se hace
dicho cociente. En el caso de que todos los elementos fuesen
menores o iguales a cero, entonces tendríamos una solución
no acotada y no se puede continuar con el proceso.
La fila que en la división anterior dé lugar al menor cociente
positivo, que es la fila 3, ya que 8 es el menor hallado, indica la
fila de la variable de holgura que sale de la base, en este caso
d. Esta fila se llama fila pivote (En color azulado).
Si al calcular los cocientes, dos o más son iguales, indica que
cualquiera de las variables correspondientes puede salir de la
base.
C. En la intersección de la fila pivote y columna pivote tenemos el
elemento pivote operacional, 3.
5. Encontrar los coeficientes de la nueva tabla.
Los nuevos coeficientes de x se obtienen dividiendo todos los
coeficientes de la fila d entre el pivote operacional, 3, que es el
que hay que convertir en 1.
A continuación mediante la reducción gaussiana hacemos ceros
los restantes términos de su columna, con lo que obtenemos los
nuevos coeficientes de las otras filas incluyendo los de la
función objetivo Z.
También se puede hacer utilizando el siguiente esquema:
Fila del pivote:
Nueva fila del pivote= (Vieja fila del pivote) : (Pivote)
Resto de las filas:
Nueva fila= (Vieja fila) – ((Coeficiente de la vieja fila en la
columna de la variable entrante) x (Nueva fila del pivote))
Tabla I . Coeficientes de la Nueva Fila
Valores
Base Variable de decisión Variable de holgura
solución
x y h s d
h 2 1 1 0 0 18
s 2 3 0 1 0 42
Z -3 -2 0 0 0 0
Cálculo de la Fila h, una vez calculado los coeficientes de la fila
pivote:
Variable de Valores
Base Variable de holgura
decisión solución
x y h s d
h 0 1/3 1 0 -2/3 2
s 0 7/3 0 1 -2/3 26
x 1 1/3 0 0 1/3 8
Z 0 -1 0 0 1 24
Como en los elementos de la última fila hay uno negativo,
-1, significa que no hemos llegado todavía a la solución
óptima. Hay que repetir el proceso:
A. La variable que entra en la base es y, por ser la variable
que corresponde al coeficiente -1.
B. Para calcular la variable que sale, dividimos los términos
de la última columna entre los términos correspondientes
de la nueva columna pivote:
2:1/3[=6], 26:7/3[=78/7] y 8:1/3 [=24]
y como el menor cociente positivo es 6, tenemos que la
variable de holgura que sale es h.
C. El elemento pivote, que ahora hay que hacer 1, es 1/3.
Operando de forma análoga a la anterior obtenemos la
tabla:
Tabla III . Iteración nº 3
Variable de Valores
Base Variable de holgura
decisión solución
x y h s d
y 0 1 3 0 -2 6
s 0 0 -7 0 4 12
x 1 0 -1 0 1 6
Z 0 0 3 0 -1 30
Como en los elementos de la última fila hay uno
negativo, -1, significa que no hemos llegado todavía a
la solución óptima. Hay que repetir el proceso:
A. La variable que entra en la base es d, por ser la
variable que corresponde al coeficiente -1
B. Para calcular la variable que sale, dividimos los
términos de la última columna entre los términos
correspondientes de la nueva columna pivote:
6/(-2) [=-3] , 12/4 [=3], y 6:1 [=6]
y como el menor cociente positivo es 3, tenemos que
la variable de holgura que sale es s.
C. El elemento pivote, que ahora hay que hacer 1, es 4.
Obtenemos la siguiente tabla:
Tabla IV . Final del proceso
Variable de Valores
Base Variable de holgura
decisión solución
x y h s d
y 0 1 -1/2 0 0 12
d 0 0 -7/4 0 1 3
x 1 0 -3/4 0 0 3
Z 0 0 5/4 0 0 33
Como todos los coeficientes de la fila de la función
objetivo son positivos, hemos llegado a la solución
óptima.
Los solución óptima viene dada por el valor de Z en la
columna de los valores solución, en nuestro caso: 33.
En la misma columna se puede observar el vértice
donde se alcanza este valor, observando las filas
correspondientes a las variables de decisión que han
entrado en la base: D(3,12).
Interpretación Geométrica del Método Simplex
Las sucesivas tablas que hemos construido van proporcionando el
valor de la función objetivo en los distintos vértices, ajustándose, a
la vez, los coeficientes de las variables iniciales y de holgura.
En la primera iteración (Tabla I) han permanecido todos los
coeficientes iguales, se ha calculado el valor de la función objetivo
en el vértice A(0,0), siendo este 0.
A continuación se desplaza por la arista AB, calculando el valor de
Z, hasta llegar a B. Este paso aporta la Tabla II.
En esta segunda iteración se ha calculado el valor que corresponde
al vértice B(8,0): Z=f(8,0) = 24
Sigue por la arista BC, hasta llegar a C, donde se para y despliega
los datos de la Tabla III.
En esta tercera iteración se ha calculado el valor que corresponde al
vértice C(6,6) : Z=f(6,6)=30.
Continua haciendo cálculos a través de la arista CD, hasta
llegar al vértice D. Los datos que se reflejan son los de la
Tabla IV.
Concluye con esta tabla, advirtiendo que ha terminado
(antes ha comprobado que la solución no mejora al
desplazarse por la arista DE).
El valor máximo de la función objetivo es 33, y
corresponde a: x = 3 e y = 12 (vértice D).
Si calculas el valor de la función objetivo en el vértice
E(0,14), su valor es de 28 que no supera el valor 33,
anteriormente calculado.
Problema de Minimización Aplicando el Método
Simplex
Si en lugar de maximizar se trata de un problema de
minimizar se sigue el mismo proceso, pero cambiando el
sentido del criterio, es decir, para entrar en la base se
elige la variable cuyo valor, en la fila de la función
objetivo, sea el mayor de los positivos y se finalizan las
iteraciones cuando todos los coeficientes de la fila de la
función objetivo son negativos o cero .
La siguiente programación lineal matematiza la
minimización de costos, que se plantea del modo
siguiente:
Minimizar Z = 5x1 + 6x2 + 7x3
Sujeto a:
x1 + x2 + x3 = 1,000
x1 ≤ 300
x2 ≥ 150
x3 ≥ 200
Donde:
x1 = Cantidad del elemento metálico 1.
x2 = Cantidad del elemento metálico 2.
x3 = Cantidad del elemento metálico 3.
Siguiendo con los lineamientos establecidos en el caso de
maximización, el primer paso será crear las ecuaciones de
las inecuaciones existente.
1. Para la primera restricción , las variables x1, x2 y x3,
pueden ser iguales a cero (0), pero para poder tener una
influencia sobre la metodología simplex se le asigna una
variables denominada variable artificial (A1) , al cual se
le asigna un costo bastante alto que lo denominaremos M,
la ecuación resultante viene a ser: x1 + x2 + x3 + A1 =
1,000. La variable artificial es un artificio de cálculo que
se utiliza en ecuaciones o en inecuaciones cuando las
restricciones son del tipo mayor o igual que, no siendo
necesarias su uso en inecuaciones del tipo menor o igual
que.
2. Para la segunda restricción, x1 ≤ 300, es necesario
añadir una variable de holgura (S1), por lo tanto la
inecuación se convierte en la ecuación x1 + S1 = 300.
3. Las dos últimas restricciones se convierten en
ecuaciones restándoles variables de holgura negativas o
variables excedentes, determinándose las ecuaciones:
x2 – S2 = 150
x3 – S3 = 200
4. Como deben considerarse variables artificiales en estas
dos últimas ecuaciones las ecuaciones finales serían las
siguientes:
x2 – S2 + A2 = 150
x3 – S3 + A3 = 200
5. Establecemos la función objetivo para lo cual es
necesario aplicar la norma que establece que todas las
variables intervinientes deben estar presentes en la
ecuación de minimización del costo. Para lo cual se
establece que las variables de holgura (S1, S2 y S3) deben
tener un coeficiente igual a cero (0), mientras que las
variables artificiales (A1, A2 y A3) deben tener un
coeficiente que supuestamente es un valor bastante alto y
que lo representaremos por M, lo mismo se predispone en
las restricciones pero en este caso las variables
artificiales tendrán un coeficiente igual a cero (0).
6. La matematización de la programación lineal en
discusión, queda determinada del modo siguiente:
Función Objetivo:
Minimizar Z = 5x1 + 6x2 +7x3 + MA1 + 0S1 + 0S2 + MA2 + 0S3 + MA3
(minimización de costos).
Sujeto a:
x1 + x2 + x3 +A1 + 0S1 + 0S2+ 0A2 + 0 S3 + 0A3 = 1,000
x1 + 0x2 + 0x3 + 0A1 + S1 + 0S2+ 0A2 + 0S3 + 0A3 = 300
0x1 + x2 + 0x3 + 0A1 + 0S1 - S2 + A2 + 0 S3 + 0A3 = 150
0x1 + 0x2 + x3 + 0A1 + 0S1 + 0S2+ 0A2 - S3 + A3 = 200
7. En el primer tablea únicamente se seleccionan como variables de
la mezcla de los productos A1, S1, A2 y A3, esto debido a que las
variables A1, A2, y A3 permiten mantener en equilibrio las primeras
ecuaciones y lo mismo sucede con la variable de holgura S1. Esto
debido a que las variables artificiales antes manifestadas que por
tener un costo muy alto, no estarán presentes en la solución final,
lo mismo sucede con la variable de holgura S1.
TABLEA I
Cj Mezcla de Cantid 5 6 7 M 0 0 M 0 M
Productos x1 x2 x3 A1 S1 S2 A2 S3 A3
M A1 1,000 1 1 1 1 0 0 0 0 0
0 S1 300 1 0 0 0 1 0 0 0 0
M A2 150 0 1 0 0 0 -1 1 0 0
M A3 200 0 0 1 0 0 0 0 -1 1
Zj 1,350M M 2M 2M M 0 -M M -M M
Cj Mezcla de Cantid 5 6 7 M 0 0 M 0 M
Productos x1 x2 x3 A1 S1 S2 A2 S3 A3
M A1 850 1 0 1 1 0 1 -1 0 0
0 S1 300 1 0 0 0 1 0 0 0 0
6 x2 150 0 1 0 0 0 -1 1 0 0
M A3 200 0 0 1 0 0 0 0 -1 1
1,050M+ 900 -M
Zj M 6 2M M 0 M-6 -M+6 M
Cj Mezcla de Cantid 5 6 7 M 0 0 M 0 M
Productos x1 x2 x3 A1 S1 S2 A2 S3 A3
M A1 650 1 0 0 1 0 1 -1 1 -1
0 S1 300 1 0 0 0 1 0 0 0 0
6 x2 150 0 1 0 0 0 -1 1 0 0
7 x3 200 0 0 0 0 0 0 0 -1 1
650M+ 2300 M-7 -M+7
Zj M 6 M M 0 M-6 -M+6
Cj Mezcla de Cantid 5 6 7 M 0 0 M 0 M
Productos x1 x2 x3 A1 S1 S2 A2 S3 A3
M A1 350 0 0 0 1 -1 1 -1 1 -1
5 x1 300 1 0 0 0 1 0 0 0 0
6 x2 150 0 1 0 0 0 -1 1 0 0
7 x3 200 0 0 1 0 0 0 0 -1 1
350M+ 3800 -M+5 M-7 -M+7
Zj 5 6 7 M M-6 -M+6
Cj Mezcla de Cantid 5 6 7 M 0 0 M 0 M
Productos x1 x2 x3 A1 S1 S2 A2 S3 A3
0 S2 350 0 0 0 1 -1 1 -1 1 -1
5 x1 300 1 0 0 0 1 0 0 0 0
6 x2 500 0 1 0 1 -1 0 0 1 -1
7 x3 200 0 0 1 0 0 0 0 -1 1
Zj 5,900 5 6 7 6 -1 0 0 -1 1
Cj - Zj 0 0 0 M-6 1 0 M 1 M-1