Solución artificial

Método M
min z  4 x1  x2 min z  4 x1  x2
s.a s.a
3x1  x2  3, 3x1  x2  3,
4 x1  3x2  6 4 x1  3x2  x3  6
x1  2 x2  4, xi  0, i  1,2 x1  2 x2  x4  4, xi  0, i  1,2

min z  4 x1  x2  MR1  MR2

s.a Podemos elegir a 𝑀 = 100

3x1  x2  R1  3,
4 x1  3x2  x3  R2  6
x1  2 x2  x4  4, xi  0, i  1,2
 Solución por el método simplex

Bás 𝑥1 𝑥2 𝑥3 𝑅1 𝑅2 𝑥4 Soluc
Bási 𝑥1 𝑥2 𝑥3 𝑅1 𝑅2 𝑥4 Soluc ica
ca
z 696 399 -100 0 0 0 900
z -4 -1 0 -100 -100 0 0
𝑅1 3 1 0 1 0 0 3
𝑅1 3 1 0 1 0 0 3
𝑅2 4 3 -1 0 1 0 6
𝑅2 4 3 -1 0 1 0 6
𝑥4 1 2 0 0 0 1 4
𝑥4 1 2 0 0 0 1 4

Nueva fila z= Anterior fila O sustituir 𝑅1 = 3 − 3𝑥1 − 𝑥2 y

z+ 100𝑅1 +100𝑅2 𝑅2 = 6 − 4𝑥1 − 3𝑥2 + 𝑥3 , en la fila z
max 60 x1  30 x2  20 x3
s.a Tarea 21 febrero
8 x1  6 x2  x3  48
4 x1  2 x2  1.5 x3  20
2 x1  1.5 x2  0.5 x3  8

max 5 x1  x2  3 x3  4 x4
s.a
x1  2 x2  4 x3  3 x4  20
 4 x1  6 x2  5 x3  4 x4  40
2 x1  3 x2  3 x3  8 x4  50
Análisis de sensibilidad
● El estudio de la manera en que la solución óptima de un
PL depende de sus parámetros se llama análisis de
sensibilidad.

● Dado un cambio (o cambios) en un PL, se quiere

determinar si el conjunto de variables básicas VB sigue
siendo óptima en la tabla óptima.

● Una tabla simplex (en el caso de un problema de

maximización) para un conjunto de variables básica (VB)
es óptimo si y sólo si el lado derecho de cada restricción
es no negativo y cada variable tiene un coeficiente no
negativo en el renglón 0.
Análisis de sensibilidad
max 60 x1  30 x2  20 x3
s.a
8 x1  6 x2  x3  48
4 x1  2 x2  1.5 x3  20
2 x1  1.5 x2  0.5 x3  8
Tabla óptima
z  5 x2  10 s2  10 s3  280
 2 x2  s1  2 s2  8s3  24
 2 x2  x3  2 s2  4 s3  8
x1  1.25 x2  0.5s2  1.5s3  2
Tipos de cambios en los parámetros de un PL.
● Cambio 1. Modificación del coeficiente de una variable no básica de la
función objetivo.
● Cambio 2. Modificación del coeficiente de una variable básica de la función
objetivo.
● Cambio 3. Modificación del lado derecho de una restricción.
● Cambio 4. Modificación de la columna de una variable no básica.
● Cambio 5. Suma de una nueva variable o actividad
● Cambio 6. Adición de una nueva restricción.
Método del gradiente

f(x)  4 x1  3 x2  4 x1 x2  x1 , x 0  (0,0)
2 2

f  (8 x1  4 x2  1, 6 x2  4 x1 )
f (0,0)  (1,0)

( k 1) ( k 1)
)  ( x1 , x2 )   k f ( x1 , x2 )
(k ) (k ) (k ) (k )
( x1 , x2
minimizar x1 2  x 2 2

s.a
 x  x  1.
 1 2

L( x1 , x 2 )  x1  x 2  ( x1  x 2  1)
2 2

1 1
Sea el punto regular ( , )
2 2
Calcular el hessiano de L y verificar si
es positivo en el subespacio M