1.2 Program Lineal-Analítico-2022

1.2.
PROGRAMACIÓN LINEAL ANALÍTICO

EL OBJETIVO ES PRESENTAR LOS MÉTODOS ANALÍTICOS PARA RESOLVER MODELOS DE
PROGRAMACIÓN LINEAL, POR LO QUE, NO SE OBTIENEN EN FORMA DETALLADA LA
OBTENCIÓN DEL MODELO MATEMÁTICO.
SE COMPARA LA SOLUCIÓN MANUAL Y LA OBTENIDA POR SOFTWARE DE
COMPUTADORA (LINDO, LINGO). ESTE SOFTWARE ESTA DISPONIBLE EN FORMA
GRATUITA EN INTERNET EN SU VERSIÓN ESTUDIANTIL.
LA SOLUCIÓN ANALÍTICA SE PRESENTA CON FINES DIDÁCTICOS Y DE FORMACIÓN,
PORQUE CON EL DESARROLLO DE LAS TIC’S, ACTUALMENTE SE USA SOFTWARE POR SER
MÁS RÁPIDO SU CÁLCULO Y MENOS TEDIOSO. EL ALUMNO DEBE TENER
CONOCIMIENTO SOBRE EL FUNDAMENTO ANALÍTICO DEL SOFTWARE
1.1.2 MÉTODO ANALÍTICO SIMPLEX.
CONSIDERE NUEVAMENTE EL MODELO DE PROGRAMACIÓN LINEAL
DE ALIMENTO PARA POLLOS DE 1ª Y DE 2ª:
Sujeto a:
Restricción de harina de pescado
1.5 Restricción de nutriente
Restricción de capacidad de empaque
SOLUCIÓN: z = $9,690,00; X1 = 60,000; X2= 90,000

SE DEFINIRÁN TRES NUEVAS VARIABLES (UNA POR CADA RESTRICCIÓN) , QUE SE
AÑADEN A CADA UNA DE LAS RESTRICCIONES, CON EL OBJETO DE
TRANSFORMARLAS EN IGUALDADES ESTRICTAS. ESTAS VARIABLES VIENEN A
REPRESENTAR LA HOLGURA DE LA COMPAÑÍA EN CADA UNO DE LOS RECURSOS,
POR ESTO MISMO RECIBEN EL NOMBRE DE VARIABLES DE HOLGURA (Hi):
Sujeto a:
1.5
DEFINICIONES
A)SE LLAMA SOLUCIÓN BÁSICA A UNA SOLUCIÓN AL MODELO DE
PROGRAMACIÓN LINEAL EN FORMA ESTÁNDAR, QUE SE OBTIENE DE
FIJAR EN CERO TANTAS VARIABLES COMO SEA NECESARIO PARA
OBTENER UN SISTEMA EN IGUAL NÚMERO DE ECUACIONES QUE DE
VARIABLES.
B)UNA SOLUCIÓN BÁSICA QUE CUMPLE ADEMÁS CON LAS RESTRICCIONES

DE NO NEGATIVIDAD DE LAS VARIABLES SE LLAMA SOLUCIÓN BÁSICA
FACTIBLE.
C)AL CONJUNTO DE VARIABLES PARA LOS QUE SE RESUELVE EL SISTEMA

SE LES DENOMINA VARIABLES BÁSICAS; A LAS QUE SE FIJAN EN CERO
SE LES LLAMAN VARIABLES NO BÁSICAS.
D)AL CONJUNTO DE VARIABLES BÁSICAS SE LES DENOMINA BASE.

EL ENFOQUE DEL MÉTODO SIMPLEX ANALÍTICO ESTÁ DISEÑADO
PARA QUE PARTA DE UNA SOLUCIÓN BÁSICA FACTIBLE Y LUEGO
PASAR SUCESIVAMENTE A TRAVÉS DE UNA SUCESIÓN DE
SOLUCIONES BÁSICAS FACTIBLES, DE TAL MANERA QUE CADA
NUEVA SOLUCIÓN TENGA LA FACULTAD DE MEJORAR EL VALOR
DE LA FUNCIÓN OBJETIVO.
TENIENDO EL MODELO DE PROGRAMACIÓN EN FORMA

ESTÁNDAR, LOS PARÁMETROS SE ACOMODAN EN UNA TABLA
QUE SE CONOCE COMO TABLEAU SIMPLEX.
Max Z - 76X1 - 57X2 + 0H1 + 0H2 + 0H3 = 0
S.A.
X1 + 2X2 + H1 = 240,000
1.5 X1 + X2 + H2 = 180,000
X1 + H3 = 110,000
TABLA SIMPLEX
BÁSICA Z X1 X2 H1 H2 H3 SOLUCION
Z 1 -76 -57 0 0 0 0

H1 0 1 2 1 0 0 240,000

H2 0 1.5 1 0 1 0 180,000

H3 0 1 0 0 0 1 110,000

TODAS LAS VARIABLES Y ECUACIONES DEL MODELO MATEMÁTICO SE REPRESENTAN EN LA TABLA.LAS VARIABLES DE
HOLGURA TIENEN COEFICIENTE CERO EN LA FUNCIÓN OBJETIVO. LAS VARIABLES SE ACOMODAN DE TAL FORMA QUE
TOMANDO COMO REFERENCIA LA COLUMNA BÁSICA FORMEN UNA MATRIZ IDENTIDAD CON ESTAS MISMAS
VARIABLES. ESTO SIGNIFICA QUE LAS VARIABLES DE HOLGURA AL INICIO TOMAN EL VALOR QUE SE MUESTRA EN LA
COLUMNA DE SOLUCIÓN, PORQUE NO SE TIENE PRODUCCIÓN DE ALIMENTOS.
Variable que entra (Mayor con signo negativo)
BASICA Z X1 X2 H1 H2 H3 SOLUCION
Z 1 -76 -57 0 0 0 0

H1 0 1 2 1 0 0 240,000

H2 0 1.5 1 0 1 0 180,000

V. Sale
H3 0 1 *
0 0 0 1 110,000

VARIABLE QUE SALE:

SE DIVIDE LOS ELEMENTOS DE LA COLUMNA
SOLUCION ENTRE LOS ELEMENTOS POSITIVOS DE LA
COLUMNA DE LA VARIABLE QUE ENTRA. SALE EL
MENOR VALOR.(240/1=240; 180/1.5=120; 110/1=110)
LA VARABLE QUE ENTRA TOMA EL LUGAR DE LA QUE SALE
Z 1 0 -57 0 0 76 8,360,000

H1 0 0 2 1 0 -1 130,000

H2 0 0 1 0 1 -1.5 15,000

X1 0 1* 0 0 0 1 110,000

SE APLICA EL MÉTODO DE GAUSS-JORDAN PARA CONVERTIR EL PIVOTE EN 1

(CRUCE DE LA V.E. Y LA V.S.) Y LOS DEMÁS ELEMENTOS DE LA COLUMNA EN CEROS.
EN ESTE PRIMER CÁLCULO SE TIENE: Z = 8,360,000, H1 = 130,000,

H2 = 15,000 Y X1 = 110,000.
Variable entra
Z 1 0 -57 0 0 76 8,360,000

H1 0 0 2 1 0 -1 130,000

V.S. H2 0 0 1* 0 1 -1.5 15,000

X1 0 1 0 0 0 1 110,000

Z 1 0 0 0 57 - 9.5 9,215,000

H1 0 0 0 1 -2 2 100,000

X2 0 0 1 0 1 - 1.5 15,000

X1 0 1 0 0 0 1 110,000

EN ESTE SEGUNDO CÁLCULO SE TIENE: Z = 9,215,000, H1 =

100,000, X2 = 15,000 Y X1 = 110,000.
V.E.
Z 1 0 0 0 57 - 9.5 9,215,000

V.S.
H1 0 0 0 1 -2 2* 100,000

X2 0 0 1 0 1 - 1.5 15,000

X1 0 1 0 0 0 1 110,000

Z 1 0 0 4.75 47.5 0 9,690,000

H3 0 0 0 0.5 -1 1 50,000

X2 0 0 1 0.75 - 0.5 0 90,000

X1 0 1 0 - 0.5 1 0 60,000

COMO NO EXISTEN VALORES NEGATIVOS EN EL RENGLÓN DE

Z, SE HA ALCANZADO LA SOLUCIÓN ÓPTIMA Y EL PROCESO
TERMINA.
Z 1 0 0 4.75 47.5 0 9,690,000

H3 0 0 0 0.5 -1 1 50,000

X2 0 0 1 0.75 - 0.5 0 90,000

X1 0 1 0 - 0.5 1 0 60,000

LA SOLUCIÓN ANALÍTICA ES:

MAX Z = $ 9,690,000
X1 = 60,000 PAQUETES DE ALIMENTO DE PRIMERA
X2 = 90,000 PAQUETES DE ALIMENTO DE SEGUNDA
H3 = 50,000 BOLSAS DE EMPAQUE SOBRARON
H1 = 0 HARINA, SE UTILIZÓ TODA.
H2 = 0 NUTRIENTE, SE UTILIZÓ TODO.
CUANDO ALGUNA VARIABLE NO APARECEN EN LA COLUMNA SOLUCIÓN, TOMA EL VALOR DE CERO.
RESULTADOS DEL PROGRAMA L.I.N.D.O.
MAX 76X1 +57X2

LP OPTIMUM FOUND AT STEP 2
ST
X1 + 2X2 <= 240000 OBJECTIVE FUNCTION VALUE
1.5 X1 + X2 <= 180000
1) 9690000.
X1 <= 110000
END VARIABLE VALUE REDUCED COST
X1 60000.000000 0.000000
X2 90000.000000 0.000000
ROW SLACK OR SURPLUS DUAL PRICES

2) 0.000000 4.750000
3) 0.000000 47.500000
4) 50000.000000 0.000000
NO. ITERATIONS= 2
CONDICIÓN DE OPTIMIDAD
DADA LA ECUACIÓN Z EXPRESADA EN LA FUNCIÓN DE LAS

VARIABLES NO BÁSICAS, SOLAMENTE SE ELIGE LA VARIABLE QUE
ENTRA EN MAXIMIZACIÓN (MINIMIZACIÓN) COMO LA VARIABLE NO
BÁSICA QUE TIENE EL MAYOR COEFICIENTE NEGATIVO (EL MÁS
POSITIVO) EN LA ECUACIÓN Z. UN EMPATE SE ROMPE
ARBITRARIAMENTE. CUANDO TODOS LOS COEFICIENTES DE LA
ECUACIÓN Z SON NO NEGATIVOS (NO POSITIVOS) SE HA LLEGADO
AL ÓPTIMO.
CONDICIÓN DE FACTIBILIDAD
LA VARIABLE QUE SALE ES LA VARIABLE BÁSICA

CORRESPONDIENTE AL COCIENTE MÁS PEQUEÑO DE LOS
VALORES ACTUALES DE LAS VARIABLES NO BÁSICAS ENTRE
LOS COEFICIENTES POSITIVOS DE LAS RESTRICCIONES DE
LAS VARIABLES QUE ENTRAN. UN EMPATE SE ROMPE
ARBITRARIAMENTE.
MAXIMIZACIÓN Y MINIMIZACIÓN DEL METODO SIMPLEX ANALÍTICO
LA ÚNICA DIFERENCIA ENTRE MAXIMIZACIÓN Y MINIMIZACIÓN

OCURRE EN LA CONDICIÓN DE OPTIMIDAD. EN MINIMIZACIÓN
LA VARIABLE QUE ENTRA ES AQUELLA CON EL MAYOR
COEFICIENTE POSITIVO EN LA FUNCIÓN OBJETIVO. LA
CONDICIÓN DE FACTIBILIDAD PERMANECE IGUAL, YA QUE
DEPENDE DE LAS RESTRICCIONES Y NO DE LA FUNCIÓN
OBJETIVO.
RESUMEN DEL MÉTODO ANALÍTICO SIMPLEX
1. SE EXPRESA LA FORMA ESTÁNDAR DEL MODELO DE PROGRAMACIÓN LINEAL

EN LA TABLA SIMPLEX
2. ELIJA UNA SOLUCIÓN FACTIBLE BÁSICA INICIAL. ESTE PASO INVOLUCRA DOS
CASOS:
A) SI TODAS LAS RESTRICCIONES EN EL PROBLEMA ORIGINAL SON MENOR
O IGUAL QUE ( LAS VARIABLES DE HOLGURA (H) SE UTILIZAN PARA UNA
SOLUCIÓN DE INICIO.
B) SI TODAS LAS RESTRICCIONES DEL PROBLEMA ORIGINAL INVOLUCRAN
MAYOR O IGUAL QUE () O IGUALDAD ESTRICTA (=), UNA TÉCNICA
CONOCIDA COMO MÉTODO DE LAS VARIABLES ARTIFICIALES SE UTILIZA
PARA DAR UNA BASE DEL INICIO.
3. GENERE NUEVAS SOLUCIONES BÁSICAS FACTIBLES UTILIZANDO LAS CONDICIONES
DE OPTIMIDAD Y FACTIBILIDAD HASTA QUE SE OBTENGA LA SOLUCIÓN ÓPTIMA.
ESTE PASO SUPONE QUE LA SOLUCIÓN ÓPTIMA EXISTE Y ESTÁ ACOTADA. (LOS CASOS
DE SOLUCIONES NO EXISTENTES Y NO ACOTADOS SE TRATARÁN MÁS ADELANTE.
Un agricultor dispone de una parcela de 70 ha. Tiene la opción de poder cultivar tabaco o tomate.
Supongamos que los precios de venta para el tabaco y tomate son de $ 9 y $ 2 por Kg. (las cifras no
corresponden a los precios reales para facilitar los cálculos). Los rendimientos por hectárea que
puede obtener son 2,000 Kg. de tabaco o 15,000 Kg. de tomate. La inversión que se requiere por
hectárea, como costo de producción es de $8,000 para el tabaco y de $15,000 para el tomate. El
capital total de que dispone el agricultor es de $840,000 y las necesidades de agua de riego, en los
meses de germinación de noviembre y diciembre son, respectivamente de 1,500 y de 1,000 m3/ha,
para el tabaco y para el tomate de 1,200 y 850 m3/ha. Considerando que los volúmenes
disponibles de agua son de 100,000 m3 en noviembre y de 80,000 m3 en diciembre.
Encontrar el número de hectáreas de cada uno de los cultivos, de forma tal que la utilidad del
agricultor sea la máxima posible.
Modelo de programación lineal:
Max Z = 10,000 TA + 15,000 TO
Sujeto a:
TA + TO ≤ 70
8,000 TA + 15,000 TO ≤ 840,000
1,500 TA + 1,200 TO ≤ 100,000
1,000 TA + 850 TO ≤ 80,000
TA, TO ≥ 0
Max Z – 10,000TA + 15,000 + 0H1 + 0H2 + 0H3 + 0H4 = 0
Sujeto a:
TA + TO + H1 = 70
8,000 TA + 15,000 TO + H2 = 840,000
1,500 TA + 1,200 TO + H3 = 100,000
1,000 TA + 850 TO + +H4 = 80,000
Max Z – 10,000TA + 15,000 + 0H1 + 0H2 + 0H3 + 0H4 = 0
Sujeto a:
TA + TO + H1 = 70
8,000 TA + 15,000 TO + H2 = 840,000
1,500 TA + 1,200 TO + H3 = 100,000
1,000 TA + 850 TO + +H4 = 80,000
BASICA Z TA TO H1 H2 H3 H4 SOL.
Z 1 -10,000 -15,000 0 0 0 0 0
H1 0 1 1 1 0 0 0 70

H2 0 8,000 15,000 0 1 0 0 840,000

H3 0 100,000
1,500 1,200 0 0 1 0
H4 0 80,000
1,000 850 0 0 0 1
V. ENTRA
Z 1 -10,000 -15,000 0 0 0 0 0
H1 0 1 1 1 0 0 0 70
V.SALE
H2 0 8,000 15,000* 0 1 0 0 840,000

H3 0 100,000
1,500 1,200 0 0 1 0
H4 0 80,000
1,000 850 0 0 0 1
Z 1 -2,000 0 0 1 0 0 840,000
H1 0 0.467 0 1 0 0 0 14

TO 0 0.533 1 0 0 0 0 56

H3 0 32,800
860 0 0 -0.08 1 0
H4 0 32,400
546.667 0 0 0 0 1
V. ENTRA
Z 1 -2,000 0 0 1 0 0 840,000
V.SALE
H1 0 0.467* 0 1 0 0 0 14

TO 0 0.533 1 0 0 0 0 56

H3 0 32,800
860 0 0 -0.08 1 0
H4 0 32,400
546.667 0 0 0 0 1
Z 1 0 0 4,285.714 0.714 0 0 900,000
TA 0 1 0 2.143 0 0 0 30

TO 0 0 1 -1.143 0 0 0 40

H3 0 7,000
0 0 -1,842.857 0.043 1 0
H4 0 16,000
0 0 -1,171.429 0.021 0 1
COMO NO EXISTEN VALORES NEGATIVOS EN EL

RENGLÓN DE Z, SE HA ALCANZADO LA SOLUCIÓN
ÓPTIMA.
Z 1 0 0 4,285.714 0.714 0 0 900,000
TA 0 1 0 2.143 0 0 0 30

TO 0 0 1 -1.143 0 0 0 40

H3 0 7,000
0 0 -1,842.857 0.043 1 0
H4 0 16,000
0 0 -1,171.429 0.021 0 1
LA SOLUCIÓN ANALÍTICA ES:
MAX Z = $ 900,000
TA = 30 HA. DE TABACO PARA SEMBRAR
TO = 40 HA. DE TOMATE PARA SEMBRAR
H3 = 7,000 M3 DE AGUA SOBRAN EN NOV.
H4 = 16,000 M3 DE AGUA SOBRAN EN DIC.
SE PROCESAN 3 PRODUCTOS A TRAVÉS DE OPERACIONES
DIFERENTES. LOS TIEMPOS REQUERIDOS POR UNIDAD DE CADA
PRODUCTO, LA CAPACIDAD Y ÁREA DE OPERACIONES, ASÍ COMO EL
BENEFICIO DE CADA PRODUCTO SE MUESTRA EN LA TABLA.
DETERMINAR LA PRODUCCIÓN DIARIA ÓPTIMA PARA LOS TRES

PRODUCTOS QUE MAXIMIZA EL BENEFICIO.
OPERACIÓN TIEMPO POR UNIDAD(MIN.)

PROD.1 PROD.2
PROD.3
1 1 2 1
2 3 0 2
3 1 4 0
GANANCIA POR
UNIDAD ($) 3 2 5
Sujeto a:
Operación 1
3 Operación 2
Operación 3
Max Z - 3X1 - 2X2 -5X3 +0H1 + 0H2 + 0H3 = 0
s.a.
X1 + 2X2 + X3 + H1 = 430
3 X1 + 2X3 + H2 = 460
X1 + 4X2 + H3 = 420
BÁSICA Z X1 X2 X3 H1 H2 H3 SOLUCION
Z 1 -3 -2 -5 0 0 0 0

H1 0 1 2 1 1 0 0 430

H2 0 3 0 2 0 1 0 460

H3 0 1 4 0 0 0 1 420

V.E.
Z 1 -3 -2 -5 0 0 0 0

H1 0 1 2 1 1 0 0 430

V.S. H2 0 3 0 2* 0 1 0 460

H3 0 1 4 0 0 0 1 420

Z 1 9/2 -2 0 0 5/2 0 1,150

H1 0 -1/2 2 0 1 -1/2 0 200

X3 0 3/2 0 1 0 1/2 0 230

H3 0 1 4 0 -2 0 1 420

V.E.
Z 1 9/2 -2 0 0 5/2 0 1,150

V.S.
H1 0 -1/2 2* 0 1 -1/2 0 200

X3 0 3/2 0 1 0 1/2 0 230

H3 0 1 4 0 -2 0 1 420

Z 1 4 0 0 1 2 0 1,350

X2 0 -1/4 1 0 1/2 -1/4 0 100

X3 0 3/2 0 1 0 1/2 0 230

H3 0 2 0 0 -2 1 1 20

COMO NO EXISTEN VALORES NEGATIVOS EN EL

RENGLÓN DE Z, SE HA ALCANZADO LA SOLUCIÓN
ÓPTIMA.
Z 1 4 0 0 1 2 0 1,350

X2 0 -1/4 1 0 1/2 -1/4 0 100

X3 0 3/2 0 1 0 1/2 0 230

H3 0 2 0 0 -2 1 1 20

SOLUCIÓN:
Z = $ 1,350
X1 = 0 H1 = 0
X2 = 100 PRODUCTOS 2 H2 = 0
X3 = 230 PRODUCTOS 3 H3 = 20
MAX 3X1 + 2X2 +5X3 LP OPTIMUM FOUND AT STEP 2
ST OBJECTIVE FUNCTION VALUE

X1 + 2X2 + X3 <= 430
3 X1 + 2X3 <= 460 1) 1350.000
X1 + 4X2 <= 420 VARIABLE VALUE REDUCED COST

END X1 0.000000 4.000000
X2 100.000000 0.000000
X3 230.000000 0.000000

2) 0.000000 1.000000
3) 0.000000 2.000000
4) 20.000000 0.000000
NO. ITERATIONS= 2
MÉTODO DE LA GRAN M
EL MÉTODO SE EMPLEA PARA RESOLVER MODELOS DE

PROGRAMACIÓN LINEAL CON RESTRICCIONES DEL TIPO
). ESTE MÉTODO EMPLEA VARIABLES ARTIFICIALES Y SE
LLAMAN ASÍ, PORQUE SI EL MODELO TIENE SOLUCIÓN
ÓPTIMA DEBEN DESAPARECER DURANTE EL
TRANSCURSO DE LA SOLUCIÓN.
EL MÉTODO DE LA GRAN M (TÉCNICA DE PENALIZACIÓN)
1. AUMENTAR UNA VARIABLE DE HOLGURA (H) A TODAS LAS RESTRICCIONES DEL
TIPO .
2. RESTAR UNA VARIABLE DE HOLGURA A TODAS LAS RESTRICCIONES DEL TIPO .
3. AÑADIR UNA VARIABLE ARTIFICIAL (A) A CADA RESTRICCIÓN DEL TIPO Y UNA A
CADA RESTRICCIÓN DE IGUALDAD (=).
4. LAS VARIABLES ARTIFICIALES (A) SI APARECEN EN LA FUNCIÓN OBJETIVO CON EL
COEFICIENTE M. SE SUMA CUANDO ES UN PROBLEMA DE MINIMIZACIÓN (M) Y
SE RESTA CUANDO ES MAXIMIZACIÓN (-M). ESTA M ES UN NÚMERO MUY
GRANDE COMPARADO CON LOS QUE APARECEN EN EL PROBLEMA. NO REQUIERE
DE REPRESENTACIÓN EXPLÍCITA POR LO CUAL SE USA M.
5. CON EL PROBLEMA EN ESTA NUEVA FORMA, SE VACÍA LA INFORMACIÓN EN UNA
TABLA SIMPLEX.
6. POR MEDIO DE OPERACIONES ELEMENTALES CON LOS RENGLONES DE LA TABLA,
SE CONVIERTEN EN CERO LOS ELEMENTOS DE LAS VARIABLES ARTIFICIALES EN EL
RENGLÓN EVALUADOR DE Z.
7. SE APLICA EL ALGORITMO DEL MÉTODO SIMPLEX, MANEJANDO A LA M COMO
UNA VARIABLE ALGEBRAICA, HASTA LLEGAR A LA CONDICIÓN ÓPTIMA.
PASO 1 Y 2
Min Z = 4x1 + x2 Min Z = 4x1 + x2
Sujeto a: Sujeto a:
3x1 + x2 = 3 3x1 + x2 =3
4x1 + 3x2 ≥ 6 4x1 + 3x2 – H2 =6
x1 + 2x2 ≤ 4 x1 + 2x2 + H3 = 4
x1, x2 ≥ 0
PASO 3 Y 4
Min Z = 4x1 + x2 + MA1 + MA2
Sujeto a:
3x1 + x2 + A1 =3
4x1 + 3x2 – H2 + A2 =6
x1 + 2x2 + H3 = 4
x1, x2, A1, A2, H2, H3 ≥ 0
Min Z - 4x1 - x2 - MA1 - MA2
Sujeto a:
3x1 + x2 + A1 = 3
PASO 5
4x1 + 3x2 – H2 + A2 = 6
x1 + 2x2 + H3 = 4
x1, x2, A1, A2, H2, H3 ≥ 0
BÁSICA Z X1 X2 H2 A1 A2 H3 SOLUCION
Z 1 -4 -1 0 -M -M 0 0

A1 0 3 1 0 1 0 0 3

A2 0 4 3 -1 0 1 0 6

H3 0 1 2 0 0 0 1 4

PARA EMPEZAR A APLICAR EL METODO SIMPLEX SE REQUIERE QUE LOS
COEFICIENTES DE LAS VARIABLES ARTIFICIALES SEAN CERO.
PASO 6
X1 X2 H2 A1 A2 H3 SOL.
Z [ -4 -1 0 -M -M 0 0 ]

M[ 3 1 0 1 0 0 3 ]

M[ 4 3 -1 0 1 0 6 ]
Nueva Z (7M - 4), (4M – 1) -M 0 0 0 9M ]

PASO 6
Nueva Z 1 - 4+7M -1+4M -M 0 0 0 9M
A1 0 3 1 0 1 0 0 3
A2 0 4 3 -1 0 1 0 6
H3 0 1 2 0 0 0 1 4
PASO 7
V.E.
Z 1 - 4+7M -1+4M -M 0 0 0 9M
V.S. A1 0 3* 1 0 1 0 0 3
A2 0 4 3 -1 0 1 0 6
H3 0 1 2 0 0 0 1 4
Z 1 0 (1+5M)/3 -M (4-7M)/3 0 0 4+2M
X1 0 1 1/3 0 1/3 0 0 1
A2 0 0 5/3 -1 -4/3 1 0 2
H3 0 0 5/3 0 -1/3 0 1 3
V.E.
Z 1 0 (1+5M)/3 -M (4-7M)/3 0 0 4+2M
X1 0 1 1/3 0 1/3 0 0 1
V.S. A2 0 0 5/3* -1 -4/3 1 0 2
H3 0 0 5/3 0 -1/3 0 1 2
Z 1 0 0 1/5 (8/5–M) (-1/5– M) 0 18/5
X1 0 1 0 1/5 3/5 -1/5 0 3/5
X2 0 0 1 -3/5 - 4/5 3/5 0 6/5
H3 0 0 0 1 1 -1 1 1
V.E.
Z 1 0 0 1/5 (8/5–M) (-1/5– M) 0 18/5
X1 0 1 0 1/5 3/5 -1/5 0 3/5
X2 0 0 1 -3/5 - 4/5 3/5 0 6/5
V.S. H3 0 0 0 1* 1 -1 1 1
Z 1 0 0 0 (7/5–M) –M -1/5 17/5
X1 0 1 0 0 2/5 0 -1/5 2/5
X2 0 0 1 0 - 1/5 0 3/5 9/5
H2 0 0 0 1 1 -1 1 1
NO EXISTEN VALORES POSITIVOS EN EL RENGLÓN DE Z Y ADEMÁS SE
ELIMINARON LAS VARIABLES ARTIFICIALES DE LA BASE, POR LO
TANTO, LA SOLUCIÓN ES FACTIBLE
Z 1 0 0 0 (7/5–M) –M -1/5 17/5 = 3.4
X1 0 1 0 0 2/5 0 -1/5 2/5 = 0.4
X2 0 0 1 0 - 1/5 0 3/5 9/5 = 1.8
H2 0 0 0 1 1 -1 1 1
LA SOLUCIÓN ÓPTIMA ES : Z = 17/5 ; X1 = 2/5; X2 = 9/5;

H2 = 1; H3 = 0.
MIN 4 x1 + x2 LP OPTIMUM FOUND AT STEP 1
ST
OBJECTIVE FUNCTION VALUE
3 x1 + x2 = 3
4 x1 + 3 x2 >= 6 1) 3.400000
x1 + 2 x2 <= 4
END VARIABLE VALUE REDUCED COST
X1 0.400000 0.000000
X2 1.800000 0.000000

2) 0.000000 -1.400000
3) 1.000000 0.000000
4) 0.000000 0.200000
NO. ITERATIONS= 1
EL MÉTODO DE LA GRAN M (TÉCNICA DE
PENALIZACIÓN)
ALTERNATIVAS PARA LA SOLUCIÓN.
1. SI SE ELIMINARON DE LA BASE TODAS LAS

VARIABLES ARTFICIALES EL PROBLEMA TIENE
SOLUCIÓN FACTIBLE.
2. SI NO SE PUDIERON ELIMINAR, EL PROBLEMA NO
TIENE SOLUCIÓN FACTIBLE.
3. SI ALGUNA VARIABLE ARTIFICIAL QUEDA BÁSICA
PERO CON VALOR IGUAL A CERO ESTO INDICA
QUE LA RESTRICCIÓN EN LA QUE FUE AÑADIDA
ES REDUNDANTE.
Una compañía de inversiones tienen actualmente $10 millones para
invertir. La meta consiste en maximizar los intereses que se espera
devengar en el próximo año. Las cuatro posibilidades de inversión se
resumen en la Tabla. La compañía ha establecido que por lo menos el
30% de los fondos deberá ser colocado en acciones y en tesobonos, y no
más del 40% en el mercado de valores y cetes. Se deben colocar
completamente los $10 millones disponibles. ¿Cuánto dinero se puede
invertir en cada instancia para maximizar los intereses que se recibirán?
POSIBILIDADES DE INTERESES INVERSIÓN MÁXIMA

INVERSIÓN ESPERADOS PERMISIBLE
% (MILLONES $)
Tesobonos 8 5
Acciones 6 7
Mercado de acciones 12 2
Cetes 9 4
Modelo matemático
Variables de decisión:
T: Inversión en tesobonos
A: Inversión en acciones
M: Inversión en mercado de acciones
C: Inversión en cetes
Función objetivo
Max Z = 0.08 T + 0.06 A + 0.12 M + 0.09 C
Restricciones:
Restricción de inversión en tesobonos (millones de pesos)
T ≤5
Restricción de inversión en acciones (millones de pesos)
A ≤7
Restricción de inversión en mercado de acciones (millones de pesos)
M ≤2
Restricción de inversión en cetes (millones de pesos)
C ≤4
Restricción de inversión mínima en tesobonos y acciones (millones de pesos)
T + A ≥ 30%(10)
T+A≥ 3
Restricción de inversión máxima en mercado de acciones y cetes (millones de pesos)
M + C ≤ 40%(10)
M+C ≤4
Restricción de capital disponible a colocar (millones de pesos)
F + A + M + C = 10
Restricción de No negatividad
T, A, M, C ≥ 0
Modelo de programación lineal
Max Z = 0.08 T + 0.06 A + 0.12 M + 0.09 C
Sujeto a:
T ≤5
A ≤7
M ≤2
C≤4
T+A ≥3
M+C≤4
T + A + M + C = 10
T, A, M, C ≥ 0
Max Z = 0.08 T + 0.06 A + 0.12 M + 0.09 C – MA5 – MA7
Max Z - 0.08 T - 0.06 A - 0.12 M - 0.09 C + MA5 + MA7=0
Sujeto a:
T + H1 =5
A + H2 =7
M + H3 =2
C + H4 =4
T+A - H5 + A5 =3
M+C + H6 =4
T+A+M+C+ A7 = 10
BÁSICA Z T A M C H5 H1 H2 H3 H4 A5 H6 A7 SOLUCION
Z 1 -0.08 -0.06 -0.12 -0.09 0 0 0 0 0 M 0 M 0
H1 0 1 0 0 0 0 1 0 0 0 0 0 0 5
H2 0 0 1 0 0 0 0 1 0 0 0 0 0 7
H3 0 0 0 1 0 0 0 0 1 0 0 0 0 2
H4 0 0 0 0 1 0 0 0 0 1 0 0 0 4
A5 0 1 1 0 0 -1 0 0 0 0 1 0 0 3
H6 0 0 0 1 1 0 0 0 0 0 0 1 0 4
A7 0 1 1 1 1 0 0 0 0 0 0 0 1 10
PARA EMPEZAR A APLICAR EL METODO SIMPLEX SE REQUIERE QUE LOS
COEFICIENTES DE LAS VARIABLES ARTIFICIALES SEAN CERO.
BÁSICA T A M C H1 H2 H3 H4 A5 H6 A7 SOL.
H5
Z [ -0.08 -0.06 -0.12 -0.09 0 0 0 0 M 0 0 ]
0 M
-M[ 1 1 0 0 - 0 0 0 0 1 0 0 3 ]
- M[ 1 0 0 0 0 0 0 1 10 ]
1 1 1 1
Nueva Z[ 0 -13M]
0 0 0 0 0 0 0
(-2M-0.08), (-2M-0.06), (- M-0.12), (-M-0.09),
M
BÁSICA Z T A M C H5 H1 H2 H3 H4 A5 H6 A7 SOL.
Z 1 -0.08-2M -0.06-2M -0.12-M -0.09-M M 0 0 0 0 0 0 0 -13M
H1 0 1 0 0 0 0 1 0 0 0 0 0 0 5
H2 0 0 1 0 0 0 0 1 0 0 0 0 0 7
H3 0 0 0 1 0 0 0 0 1 0 0 0 0 2
H4 0 0 0 0 1 0 0 0 0 1 0 0 0 4
A5 0 0 0 0 0 1 0 0 3
H6 0 1 1 0 0 - 0 0 0 0 0 1 0 4
A7 0 1 10
0 0 1 1 0 0 0 0 0 0 0 1
1 1 1 1 0
V.E.
BÁSICA Z T A M C H5 H1 H2 H3 H4 A5 H6 A7 SOL.
Z 1 -0.08-2M -0.06-2M -0.12-M -0.09-M M 0 0 0 0 0 0 0 -13M
H1 0 1 0 0 0 0 1 0 0 0 0 0 0 5
H2 0 0 1 0 0 0 0 1 0 0 0 0 0 7
H3 0 0 0 1 0 0 0 0 1 0 0 0 0 2
H4 0 0 0 0 1 0 0 0 0 1 0 0 0 4
V.S.
A5 0 0 0 0 0 1 0 0 3
H6 0 1* 1 0 0 - 0 0 0 0 0 1 0 4
A7 0 1 10
0 0 1 1 0 0 0 0 0 0 0 1
1 1 1 1 0
BÁSICA T A M C H5 H1 H2 H3 H4 A5 H6 A7 SOL.
Z 0 0.02 -0.12-M -0.09-M -0.08-M 0 0 0 0 0.08+2M 0 0 0.24-7M
H1 0 -1 0 0 1 1 0 0 0 -1 0 0 2
H2 0 1 0 0 0 0 1 0 0 0 0 0 7
H3 0 0 1 0 0 0 0 1 0 0 0 0 2
H4 0 0 0 1 0 0 0 0 1 0 0 0 4
T 1 1 0 0 -1 0 0 0 0 1 0 0 3
H6 0 0 1 1 0 0 0 0 0 0 1 0 4
A7 0 0 1 1 1 7
0 0 0 0 -1 0 1
Z 0 0.02 -0.12-M -0.09-M -0.08-M 0 0 0 0 0.08+2M 0 0 0.24-7M
H1 0 -1 0 0 1 1 0 0 0 -1 0 0 2
H2 0 1 0 0 0 0 1 0 0 0 0 0 7
H3 0 0 1* 0 0 0 0 1 0 0 0 0 2
H4 0 0 0 1 0 0 0 0 1 0 0 0 4
T 1 1 0 0 -1 0 0 0 0 1 0 0 3
H6 0 0 1 1 0 0 0 0 0 0 1 0 4
A7 0 0 1 1 1 7
0 0 0 0 -1 0 1
Z 0 0.02 0 -0.09-M -0.08-M 0 0 0.12+M 0 0.08+2M 0 0 0.48-5M
H1 0 -1 0 0 1 1 0 0 0 -1 0 0 2
H2 0 1 0 0 0 0 1 0 0 0 0 0 7
M 0 0 1 0 0 0 0 1 0 0 0 0 2
H4 0 0 0 1 0 0 0 0 1 0 0 0 4
T 1 1 0 0 -1 0 0 0 0 1 0 0 3
H6 0 0 0 1 0 0 0 -1 0 0 1 0 2
A7 0 0 0 1 1 5
0 0 -1 0 -1 0 1
BÁSICA T A M C H5 H1 H2 H3 H4 A5 H6 SOL.
A7
Z 0 0.02 0 -0.09-M -0.08-M 0 0 0.12+M 0 0.08+2M 0 0 0.48-5M
H1 0 -1 0 0 1 1 0 0 0 -1 0 2
H2 0 1 0 0 0 0 7
M 0 0 1 0 0 0 1 0 0 0 0 2
H4 0 0 0 1 0 0 4
T 1 1 0 0 -1 0 0 1 0 0 0 3
H6 0 0 0 1* 0 0 2
A7 0 0 0 1 1 0 0 0 1 0 0 5
0
0 0 0 0 1 0
0
0 0 -1 0 0 1
0
0 0 -1 0 -1 0
1
BÁSICA T A M C H5 H1 H2 H3 H4 A5 H6 SOL.
A7
Z 0 0.02 0 0 -0.08-M 0 0 0.03 0 0.08+2M 0.09+M 0 0.66-3M
H1 0 -1 0 0 1 1 0 0 0 -1 0 2
H2 0 1 0 0 0 0 7
M 0 0 1 0 0 0 1 0 0 0 0 2
H4 0 0 0 0 0 0 2
T 1 1 0 0 -1 0 0 1 0 0 0 3
C 0 0 0 1 0 0 2
A7 0 0 0 0 1 0 0 1 1 0 -1 3
0
0 0 0 0 1 0
0
0 0 -1 0 0 1
0
0 0 0 0 -1 -1
1
Z 0 0.02 0 0 -0.08-M 0 0 0.03 0 0.08+2M 0.09+M 0 0.66-3M
H1 0 - 1 0 0 1* 1 0 0 0 -1 0 0 2
H2 0 1 0 0 0 0 1 0 0 0 0 0 7
M 0 0 1 0 0 0 0 1 0 0 0 0 2
H4 0 0 0 0 0 0 0 1 1 0 -1 0 2
T 1 1 0 0 -1 0 0 0 0 1 0 0 3
C 0 0 0 1 0 0 0 -1 0 0 1 0 2
A7 0 0 0 0 1 3
0 0 0 0 -1 -1 1
Z 0 -0.06-M 0 0 0 0.08+M 0 0.03 0 0.08+2M 0.09+M 0 0.82-M
H5 0 -1 0 0 1 1 0 0 0 -1 0 0 2
H2 0 1 0 0 0 0 1 0 0 0 0 0 7
M 0 0 1 0 0 0 0 1 0 0 0 0 2
H4 0 0 0 0 0 0 0 1 1 0 -1 0 2
T 1 0 0 0 0 1 0 0 0 0 0 0 5
C 0 0 -1 0 0 1 0 2
0 0 0 1 0
A7 1
0 1 0 0 0
-1 0 0 0 0 -1 1
Z 0 -0.06-M 0 0 0 0.08+M 0 0.03 0 0.08+2M 0.09+M 0 0.82-M
H5 0 -1 0 0 1 1 0 0 0 -1 0 0 2
H2 0 1 0 0 0 0 1 0 0 0 0 0 7
M 0 0 1 0 0 0 0 1 0 0 0 0 2
H4 0 0 0 0 0 0 0 1 1 0 -1 0 2
T 1 0 0 0 0 1 0 0 0 0 0 0 5
C 0 0 0 1 0 0 0 -1 0 0 1 0 2
A7 0 1* 0 0 0 1
-1 0 0 0 0 -1 1
H5
Z 0 0 0 0 0 0.02 0 0.03 0 0.08+2M 0.09+M 0 0.88
H5 0 0 0 0 1 0 0 0 0 -1 0 0 3
H2 0 0 0 0 0 1 1 0 0 0 0 0 6
M 0 0 1 0 0 0 0 1 0 0 0 0 2
H4 0 0 0 0 0 0 0 1 1 0 -1 0 2
T 1 0 0 0 0 1 0 0 0 0 0 0 5
C 0 0 0 1 0 0 0 -1 0 0 1 0 2
A 1
0 1 0 0 0
-1 0 0 0 0 -1 1
NO EXISTEN VALORES NEGATIVOS EN EL RENGLÓN DE Z Y ADEMÁS SE
ELIMINARON LAS VARIABLES ARTIFICIALES POR LO TANTO LA
SOLUCIÓN ES FACTIBLE
H5
Z 0 0 0 0 0 0.02 0 0.03 0 0.08+2M 0.09+M 0 0.88
H5 0 0 0 0 1 0 0 0 0 -1 0 0 3
H2 0 0 0 0 0 1 1 0 0 0 0 0 6
M 0 0 1 0 0 0 0 1 0 0 0 0 2
H4 0 0 0 0 0 0 0 1 1 0 -1 0 2
T 1 0 0 0 0 1 0 0 0 0 0 0 5
C 0 0 0 1 0 0 0 -1 0 0 1 0 2
A 0 1 0 0 0 1
-1 0 0 0 0 -1 1
LA SOLUCIÓN ÓPTIMA ES:

MAX Z = 0.88; M = 2; T = 5; C = 2; A = 1
H1 = 0; H2 = 6; H3 = 0; H4 = 2; H5 = 3; H6 = 0
MAX 0.08 T + 0.06 A + LP OPTIMUM FOUND AT STEP 5

1) 0.8800000
0.12 M + 0.09 C VARIABLE VALUE REDUCED COST

ST T
A
5.000000
1.000000
0.000000
0.000000
T <= 5 M 2.000000 0.000000
C 2.000000 0.000000
A <= 7
M <= 2 2) 0.000000 0.020000
C <= 4 3)
4)
6.000000
0.000000
0.000000
0.030000
T+A >= 3 5) 2.000000 0.000000
6) 3.000000 0.000000
M + C <= 4 7) 0.000000 0.030000
8) 0.000000 0.060000
T + A + M + C = 10
END NO. ITERATIONS= 5
EL OBJETIVO DE LOS PROBLEMAS DE
OPTIMIZACIÓN ES ENCONTRAR UN ÓPTIMO
GLOBAL. SIN EMBARGO, LAS CONDICIONES DE
OPTIMALIDAD SÓLO GARANTIZAN, EN GENERAL,
ÓPTIMOS LOCALES, SI ÉSTOS EXISTEN. SIN
EMBARGO, LOS PROBLEMAS LINEALES PRESENTAN
PROPIEDADES QUE HACEN POSIBLE GARANTIZAR
EL ÓPTIMO GLOBAL:
 SI LA REGIÓN FACTIBLE ESTÁ ACOTADA, EL PROBLEMA
SIEMPRE TIENE UNA SOLUCIÓN (ÉSTA ES UNA
CONDICIÓN SUFICIENTE PERO NO NECESARIA PARA
QUE EXISTA UNA SOLUCIÓN).
 EL ÓPTIMO DE UN PROBLEMA DE PROGRAMACIÓN

LINEAL ES SIEMPRE UN ÓPTIMO GLOBAL.
 SI X y Y SON SOLUCIONES ÓPTIMAS DE UN PROBLEMA
DE PROGRAMACIÓN LINEAL, ENTONCES CUALQUIER
COMBINACIÓN (LINEAL) CONVEXA DE LO MISMOS
TAMBIÉN ES UNA SOLUCIÓN ÓPTIMA. OBSÉRVESE QUE
LAS COMBINACIONES CONVEXAS DE PUNTOS CON EL
MISMO VALOR DE LA FUNCIÓN OBJETIVO PRESENTAN
EL MISMO VALOR DE LA FUNCIÓN OBJETIVO.
 LA SOLUCIÓN ÓPTIMA SE ALCANZA SIEMPRE, AL

MENOS, EN UN PUNTO EXTREMO DE LA REGIÓN
FACTIBLE.
MODELO DE PROGRAMACIÓN LINEAL CON SOLUCIÓN ÚNICA
CASOS ESPECIALES: SOLUCIÓN ÓPTIMA NO ACOTADA
LA RECTA DE LA FUNCIÓN OBJETIVO SE PUEDE DESPLAZAR HACIA ARRIBA Y HACIA

LA DERECHA TANTO COMO SE QUIERA, AUMENTANDO EL VALOR DE Z SIN LÍMITE.
SE DICE QUE LA SOLUCIÓN ÓPTIMA ESTÁ EN INFINITO Y QUE ES NO ACOTADA.
GRAFICA CON WINQSB
! SOLUCIÓN ÓPTIMA
! NO ACOTADA
Max 2x1 + 3x2
ST
x1 - x2 <= 7
- x1 + x2 <= 5
end
! SOLUCIÓN NO ACOTADA
MAX 2x1 + x2
ST
x1 - x2 <= 10
2x1 <= 40
END
Max Z = 2X1 + X2 + 0H1 + 0H2 BÁSICA Z X1 X2 H1 H2 SOL.
Max Z – 2X1 – X2 = 0
Sujeto a: Z 1 -2 -1 0 0 0
X1 – X2 + H1 = 10 H1 0 1 - 1 1 0 10
2 X1 + H2 = 40 H2 0 2 0 0 1 40
EN LA TABLA, X1 Y X2 SON CANDIDATOS PARA ENTRAR EN LA SOLUCIÓN.

COMO X1 TIENE EL COEFICIENTE MÁS NEGATIVO, NORMALMENTE SE
SELECCIONA COMO LA VARIABLE QUE ENTRA. SIN EMBARGO, NÓTESE
QUE TODOS LOS COEFICIENTES DE LAS RESTRICCIONES POR DEBAJO DE
X2 SON NEGATIVOS (O CERO), ESTO SIGNIFICA QUE X2 SE PUEDE HACER
CRECER EN FORMA INFINITA SIN QUE SE INFRINJA NINGUNA DE LAS
RESTRICCIONES, POR LO TANTO, CONCLUIMOS SIN HACER MÁS
CÁLCULOS QUE EL PROBLEMA NO TIENE SOLUCIÓN ACOTADA.
GRÁFICA CON WINQSB
CASOS ESPECIALES: SOLUCIÓN NO FACTIBLE (INFACTIBLE)
LAS REGIONES FACTIBLES DE LAS RESTRICCIONES NO SE

INTERSECTAN Y POR LO TANTO EL PROBLEMA NO ES FACTIBLE.
GRÁFICA CON WINQSB
! PROBLEMA NO FACTIBLE
MAX 2x1 + 4x2
ST
x1 - x2 >= 4
- x1 + x2 >= 4
x1 + x2 <= 4
END
! PROBLEMA INFACTIBLE
MAX 3x1 + 2x2
ST
2x1 + x2 <= 2
3x1 + 4x2 >= 12
END
GRÁFICA CON WINQSB
SI LAS RESTRICCIONES NO SE PUEDEN SATISFACER EN
FORMA SIMULTÁNEA, SE DICE QUE EL MODELO NO TIENE
SOLUCIÓN FACTIBLE. ESTA SITUACIÓN NUNCA PUEDE
OCURRIR SI TODAS LAS RESTRICCIONES SON DEL TIPO <=
(SUPONIENDO CONSTANTES NO NEGATIVAS EN EL
SEGUNDO MIEMBRO) YA QUE LA VARIABLE DE HOLGURA
PRODUCE SIEMPRE UNA SOLUCIÓN FACTIBLE.
SIN EMBARGO, CUANDO EMPLEAMOS LOS OTROS TIPOS DE

RESTRICCIONES (>= ó =) RECURRIMOS AL USO DE
VARIABLES ARTIFICIALES QUE, POR SU MISMO DISEÑO, NO
OFRECEN UNA SOLUCIÓN FACTIBLE AL MODELO ORIGINAL.
CUANDO UNA VARIABLE ARTIFICIAL ES POSITIVA EN LA

ITERACIÓN ÓPTIMA, EL PROBLEMA NO TIENE SOLUCIÓN
FACTIBLE.
Max Z = 3X1 + 2X2 – MA2
Max Z - 3X1 - 2X2 + MA2
Sujeto a:
2X1 + X2 + H1 =2
3X1 + 4X2 – H2 + A2 = 12
BÁSICA Z X1 X2 H2 H1 A2 SOLUCIÓN
Z 1 -3 - 2 0 0 M 0
H1 0 2 1 0 1 0 2
A2 0 3 4 -1 0 1 12
PARA EMPEZAR A APLICAR EL METODO SIMPLEX SE REQUIERE QUE LOS COEFICIENTES

DE LAS VARIABLES ARTIFICIALES EN EL RENGLÓN Z SEAN CERO.
Z 1 - 3 - 3M - 2 - 4M M 0 0 - 12M
H1 0 2 1 0 1 0 2
A2 0 3 4 -1 0 1 12
Z 1 - 3 - 3M - 2 - 4M M 0 0 - 12M
H1 0 2 1* 0 1 0 2
A2 0 3 4 -1 0 1 12
Z 1 1 + 5M 0 M 2 + 4M 0 4 - 4M
X2 0 2 1 0 1 0 2
A2 0 -5 0 -1 -4 1 4
COMO EN EL RENGLÓN DE Z NO HAY VALORES NEGATIVOS,

SE TERMINA EL PROCESO.
LA SOLUCIÓN ÓPTIMA TIENE LA VARIABLE ARTIFICIAL A2 = 4,
POR LO QUE EL ESPACIO DE SOLUCIONES ES INFACTIBLE.
CASOS ESPECIALES:
PROBLEMA CON SOLUCIONES
MÚLTIPLES.
LA FUNCIÓN OBJETIVO ES PARALELA A

UNA DE LAS RESTRICCIONES. EL PUNTO
ÓPTIMO SE OBTIENE EN DOS PUNTOS
(X1 = 8, X2 = 6) Y (X1 = 10, X2 = 3), ASÍ
COMO EN CUALQUIER PUNTO DEL
SEGMENTO DE RECTA QUE LOS UNE,
DANDO UN VALOR DE Z = 180 EN
TODOS LOS CASOS. SE DICE QUE HAY
UN NÚMERO INFINITO DE SOLUCIONES
ÓPTIMAS.
GRÁFICA CON WINQSB
! SOLUCIONES MÚLTIPLES SOLUCIÓN GRÁFICA
MAX 15x1 + 10x2
Z = 180
ST
x1 + 2x2 <= 20 X1 = 10, X2 = 3 ó
1.5 x1 + x2 <= 18 X1 = 8, X2 = 6
x1 <= 10
end

1) 180.0000
VARIABLE VALUE REDUCED COST
X1 10.000000 0.000000
X2 3.000000 0.000000

2) 4.000000 0.000000
3) 0.000000 10.000000
4) 0.000000 0.000000
NO. ITERATIONS= 2
MAX Z = 2X1 + 4X2
SUJETO A:
X1 + 2X2 ≤ 5
X1 + X2 ≤ 4
X1, X2 ≥ 0
GRÁFICA CON WINQSB
! SOLUCIONES MÚLTIPLES SOLUCIÓN GRÁFICA
MAX 2x1 + 4x2 Z = 10
ST X1 = 0, X2 = 2.5
x1 + 2x2 <= 5 ó
x1 + x2 <= 4
end X1 = 3, X2 = 1

1) 10.00000
X1 0.000000 0.000000
X2 2.500000 0.000000
2) 0.000000 2.000000
3) 1.500000 0.000000
NO. ITERATIONS= 1
Max Z = 2X1 + 4X2 + 0H1 + 0H2
Max Z – 2X1 – 4X2 = 0
Sujeto a:
X1 + 2X2 + H1 =5
X1 + X2 + H2 = 4
ENTRA
BÁSICA Z X1 X2 H1 H2 SOLUCIÓN
Z 1 -2 -4 0 0 0
SALE H1 0 1 2 1 0 5
H2 0 1 1 0 1 4
Z 1 0 0 2 0 10
X2 0 0.5 1 0.5 0 2.5
H2 0 0.5 0 - 0.5 1 1.5
TODOS LOS VALORES DE Z SON POSITIVOS, POR LO

QUE, Z = 10, X1 = 0, X2 = 2.5, H1 = 0, H2 = 1.5
SIN EMBARGO, OBSÉRVESE QUE EL COEFICIENTE DE X1 (NO

BÁSICA) ES 0, LO QUE INDICA QUE X1 PUEDE ENTRAR EN LA
SOLUCIÓN BÁSICA SIN ALTERAR EL VALOR DE Z, PERO
PROVOCA UN CAMBIO EN LOS VALORES DE LAS VARIABLES,
ESTO ES:
ENTRA
Z 1 0 0 2 0 10
X2 0 0.5 1 0.5 0 2.5
SALE H2 0 0.5 0 - 0.5 1 1.5
Z 1 0 0 2 0 10
X2 0 1 1 1 -1 1
X1 0 1 0 -1 2 3
OBTENIÉNDOSE UN NUEVO PUNTO DE SOLUCIÓN,

POR LO QUE, Z = 10, X1 = 3, X2 = 1, H1 = 0, H2 = 0
CASOS ESPECIALES: PROBLEMA CON SOLUCIONES MÚLTIPLES.
EL MÉTODO SIMPLEX SOLO DETERMINA LOS PUNTOS EXTREMOS

DE LA RECTA(X1=0 y X2=2.5; X1=3 y X2=1). MATEMÁTICAMENTE
PODEMOS DETERMINAR TODOS LOS PUNTOS (XP1,XP2) DEL
SEGMENTO DE RECTA, COMO UN PROMEDIO PONDERADO NO
NEGATIVO DE SUS PUNTOS EXTREMOS. ESTO ES, DADA LA
RELACIÓN 0 ≤ α ≤ 1 Y X1=0 y X2=2.5; X1=3 y X2=1, ENTONCES TODOS
LOS PUNTOS SITUADOS SOBRE EL SEGMENTO DE RECTA ÓPTIMO
ESTÁN DADOS POR:
XP1 = α(0) + (1- α)(3) = 3 - 3α

XP2 = α(2.5) + (1- α)(1) = 1 + 3α/2
OBSÉRVESE QUE CUANDO α = 0, (XP1,XP2) = (3,1) Y CUANDO α = 1,

(XP1,XP2) = (0, 5/2).
CASOS ESPECIALES: SOLUCIÓN DEGENERADA
La solución óptima está en un punto

que es la intersección de más de dos
restricciones. Se dice que la solución
es degenerada y una de las
restricciones es redundante. Este
tipo de problemas da origen a que el
método analítico pueda ciclar.
GRÁFICA CON WINQSB
! SOLUCIÓN DEGENERADA
MAX 2X1 + 0.3333X2 SOLUCIÓN GRÁFICA
ST Z = 3.6667
4X1 + 3X2 <= 12 X1 = 1.5, X2 = 2
4X1 + X2 <= 8
4X1 - X2 <= 4
END

1) 3.666600
X1 1.500000 0.000000
X2 2.000000 0.000000

2) 0.000000 0.208325
3) 0.000000 0.000000
4) 0.000000 0.291675
NO. ITERATIONS= 2
Max Z = 2X1 + 1/3X2 + 0H1 + 0H2
Max Z – 2X1 – 0.3333X2 = 0
Sujeto a:
4X1 + 3X2 + H1 = 12
4X1 + X2 + H2 = 8
4X1 - X2 + H3 = 4
BÁSICA Z X1 X2 H1 H2 H3 SOLUCIÓN
Z 1 -2 - 1/3 0 0 0 0
H1 0 4 3 1 0 0 12
H2 0 4 1 0 1 0 8
H3 0 4 -1 0 0 1 4
Z 1 -2 - 1/3 0 0 0 0
H1 0 4 3 1 0 0 12
H2 0 4 1 0 1 0 8
H3 0 4 -1 0 0 1 4
Z 1 0 - 5/6 0 0 1/2 2
H1 0 0 4 1 0 -1 8
H2 0 0 2 0 1 -1 4
X1 0 1 - 1/4 0 0 1/4 1
Z 1 0 - 5/6 0 0 1/2 2
H1 0 0 4 1 0 -1 8
H2 0 0 2 0 1 -1 4
X1 0 1 - 1/4 0 0 1/4 1
HAY EMPATE ENTRE LA VARIABLE QUE SALE H1 Y H2. SE ROMPE ARBITRARIAMENTE
Z 1 0 0 0 0 1/2 2
X2 0 0 1 1/4 0 - 1/4 2
H2 0 0 0 - 1/2 1 - 1/2 0
X1 0 1 0 1/16 0 3/16 1.5
POR EL EMPATE, LA VARIABLE BÁSICA H2 TIENE UN VALOR DE 0 EN EL

CÁLCULO ANTERIOR, CON LO QUE SE PRODUCE UNA SOLUCIÓN BÁSICA
DEGENERADA.
SUPONGAMOS AHORA QUE LA VARIABLE QUE SALE ES H2
Z 1 0 - 5/6 0 0 1/2 2
H1 0 0 4 1 0 -1 8
H2 0 0 2 0 1 -1 4
X1 0 1 - 1/4 0 0 1/4 1
Z 1 0 0 0 5/12 11/3
1/12
H1 0 0 0 1 -2 1 0
X2 0 0 1 0 1/2 - 1/2 2
LA VARIABLE
X1 BÁSICA
0 H1
1 TIENE0 UN VALOR DE 0 EN EL CÁLCULO1.5
ANTERIOR, CON
LO QUE SE PRODUCE UNA SOLUCIÓN BÁSICA DEGENERADA.
ESTO CONFIRMA QUE NO IMPORTA 0 1/8QUE 1/8
VARIABLE SALGA, LA
DEGENERACIÓN SE PRESENTA.
! SOLUCIÓN DEGENERADA SOLUCIÓN GRÁFICA
MAX 3X1 + 9X2 Z = 18
ST
X1 + 4X2 <= 8 X1 = 0, X2 = 2
X1 + 2X2 <= 4
END

1) 18.00000
X1 0.000000 1.500000
X2 2.000000 0.000000

2) 0.000000 0.000000
3) 0.000000 4.500000
NO. ITERATIONS= 1
GRÁFICA CON WINQSB
Max Z = 3X1 + 9X2 + 0H1 + 0H2
Max Z – 3X1 – 9X2 = 0
Sujeto a:
X1 + 4X2 + H1 =8
X1 + 2 X2 + H2 = 4
Z 1 -3 -9 0 0 0
H1 0 1 4 1 0 8
H2 0 1 2 0 1 4
ENTRA
Z 1 -3 -9 0 0 0
SALE H1 0 1 4 1 0 8
H2 0 1 2 0 1 4
HAY EMPATE ENTRE LA VARIABLE QUE SALE H1 Y H2. SE ROMPE ARBITRARIAMENTE
BÁSICA Z X1 X2 H1 SOLUCIÓN
H2
Z 1 - 3/4 0 9/4 0 18
X2 0 1/4 1 1/4 0 2
H2 0 1/2 0 - 1/2 1 0
POR EL EMPATE AL INICIO, LA VARIABLE BÁSICA H2 TIENE UN VALOR DE 0 EN
EL CÁLCULO ANTERIOR, CON LO QUE SE PRODUCE UNA SOLUCIÓN BÁSICA
DEGENERADA.
BÁSICA Z X1 X2 H1 SOLUCIÓN
H2
Z 1 - 3/4 0 9/4 0 18
X2 0 1/4 1 1/4 0 2
H2 0 1/2 0 - 1/2 1 0
Z 1 0 0 3/2 3/2 18
X2 0 0 1 1/2 - 1/2 2
X1 0 1 0 - 1/2 1 0
SE HA LLEGADO AL ÓPTIMO Y UNA VARIABLE BÁSICA X1 TIENE UN VALOR DE

0, POR LO QUE UNA RESTRICCIÓN ES REDUNDANTE.
NO CONFUNDIR CON EL CASO EN QUE LA VARIABLE NO APARECE EN LA
COLUMNA BÁSICA AL CONCLUIR EL PROCESO, Y AL FINAL SE LE ASIGNA UN
VALOR DE CERO.

1.2 Program Lineal-Analítico-2022

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

1.2 Program Lineal-Analítico-2022

Cargado por

Copyright:

Formatos disponibles

1.2.

PROGRAMACIÓN LINEAL ANALÍTICO

SOLUCIÓN: z = $9,690,00; X1 = 60,000; X2= 90,000

B)UNA SOLUCIÓN BÁSICA QUE CUMPLE ADEMÁS CON LAS RESTRICCIONES

C)AL CONJUNTO DE VARIABLES PARA LOS QUE SE RESUELVE EL SISTEMA

D)AL CONJUNTO DE VARIABLES BÁSICAS SE LES DENOMINA BASE.

TENIENDO EL MODELO DE PROGRAMACIÓN EN FORMA

VARIABLE QUE SALE:

SE APLICA EL MÉTODO DE GAUSS-JORDAN PARA CONVERTIR EL PIVOTE EN 1

EN ESTE PRIMER CÁLCULO SE TIENE: Z = 8,360,000, H1 = 130,000,

EN ESTE SEGUNDO CÁLCULO SE TIENE: Z = 9,215,000, H1 =

COMO NO EXISTEN VALORES NEGATIVOS EN EL RENGLÓN DE

LA SOLUCIÓN ANALÍTICA ES:

MAX 76X1 +57X2

ROW SLACK OR SURPLUS DUAL PRICES

DADA LA ECUACIÓN Z EXPRESADA EN LA FUNCIÓN DE LAS

LA VARIABLE QUE SALE ES LA VARIABLE BÁSICA

LA ÚNICA DIFERENCIA ENTRE MAXIMIZACIÓN Y MINIMIZACIÓN

1. SE EXPRESA LA FORMA ESTÁNDAR DEL MODELO DE PROGRAMACIÓN LINEAL

H1 0 0.467 0 1 0 0 0 14

Z 1 0 0 4,285.714 0.714 0 0 900,000

TA 0 1 0 2.143 0 0 0 30

COMO NO EXISTEN VALORES NEGATIVOS EN EL

Z 1 0 0 4,285.714 0.714 0 0 900,000

TA 0 1 0 2.143 0 0 0 30

DETERMINAR LA PRODUCCIÓN DIARIA ÓPTIMA PARA LOS TRES

OPERACIÓN TIEMPO POR UNIDAD(MIN.)

COMO NO EXISTEN VALORES NEGATIVOS EN EL

MAX 3X1 + 2X2 +5X3 LP OPTIMUM FOUND AT STEP 2

ST OBJECTIVE FUNCTION VALUE

X1 + 4X2 <= 420 VARIABLE VALUE REDUCED COST

ROW SLACK OR SURPLUS DUAL PRICES

EL MÉTODO SE EMPLEA PARA RESOLVER MODELOS DE

Nueva Z (7M - 4), (4M – 1) -M 0 0 0 9M ]

Nueva Z 1 - 4+7M -1+4M -M 0 0 0 9M

Z 1 0 (1+5M)/3 -M (4-7M)/3 0 0 4+2M

Z 1 0 (1+5M)/3 -M (4-7M)/3 0 0 4+2M

V.S. A2 0 0 5/3* -1 -4/3 1 0 2

Z 1 0 0 1/5 (8/5–M) (-1/5– M) 0 18/5

X1 0 1 0 1/5 3/5 -1/5 0 3/5

X2 0 0 1 -3/5 - 4/5 3/5 0 6/5

Z 1 0 0 1/5 (8/5–M) (-1/5– M) 0 18/5

X1 0 1 0 1/5 3/5 -1/5 0 3/5

X2 0 0 1 -3/5 - 4/5 3/5 0 6/5

Z 1 0 0 0 (7/5–M) –M -1/5 17/5

X1 0 1 0 0 2/5 0 -1/5 2/5

X2 0 0 1 0 - 1/5 0 3/5 9/5

Z 1 0 0 0 (7/5–M) –M -1/5 17/5 = 3.4

X1 0 1 0 0 2/5 0 -1/5 2/5 = 0.4

X2 0 0 1 0 - 1/5 0 3/5 9/5 = 1.8

LA SOLUCIÓN ÓPTIMA ES : Z = 17/5 ; X1 = 2/5; X2 = 9/5;

MIN 4 x1 + x2 LP OPTIMUM FOUND AT STEP 1

ROW SLACK OR SURPLUS DUAL PRICES

1. SI SE ELIMINARON DE LA BASE TODAS LAS

POSIBILIDADES DE INTERESES INVERSIÓN MÁXIMA

LA SOLUCIÓN ÓPTIMA ES:

MAX 0.08 T + 0.06 A + LP OPTIMUM FOUND AT STEP 5

0.12 M + 0.09 C VARIABLE VALUE REDUCED COST

 EL ÓPTIMO DE UN PROBLEMA DE PROGRAMACIÓN

 LA SOLUCIÓN ÓPTIMA SE ALCANZA SIEMPRE, AL

LA RECTA DE LA FUNCIÓN OBJETIVO SE PUEDE DESPLAZAR HACIA ARRIBA Y HACIA

EN LA TABLA, X1 Y X2 SON CANDIDATOS PARA ENTRAR EN LA SOLUCIÓN.

LAS REGIONES FACTIBLES DE LAS RESTRICCIONES NO SE