Vous êtes sur la page 1sur 25

UNIVERSIDAD TECNOLOGICA EQUINOCCIAL

GUIA DE
INVESTIGACION OPERATIVA
SIMPLEX Y DUALIDAD
CIENCIAS EXACTAS

2015

UNIVERSIDAD TECNOLOGICA EQUINOCCIAL


DEPARTAMENTO ACADEMICO DE CIENCIAS EXACTAS

Unidad 3.- METODO SIMPLEX Y DUALIDAD


3.1 El mtodo simplex, revisin de matrices, solucin de ecuaciones
3.2 Revisin del programa informtico
3.3 Aplicacin de las tablas del SIMPLEX con un programa informtico.
3.4 Maximizacin: mtodo de solucin matricial
3.5 Minimizacin: mtodo de solucin matricial
3.6 Uso de un programa informtico para el simplex y en casos especiales
3.7 Anlisis de recursos y sensibilidad
3.8 Tasas de sustitucin y precios sombra
3.9 Problema dual, transformaciones, resolucin, interpretaciones min.- mx. y mx. min.
3.10 Aplicaciones de programacin lineal, mtodo simplex, casos especiales

OPERACIN DE MATRICES
METODO DE REDUCCION
SISTEMAS DE ECUACIONES
MATRIZ AMPLIADA

ALGEBRA
MATRICIAL

METODO
SIMPLEX

ESTANDARIZACION

MINIMIZACION

MAXIMIZACION

VARIABLES
-HOLGURA
- ARTIFICIALES

METODO
-M
-DOS FASES

ANALISIS DE
SENSIBILIDAD

ANALISIS
DE RECURSOS

PROBLEMA
DUAL

PRIMAL

ING. JORGE GALIANO

DUAL

UNIVERSIDAD TECNOLOGICA EQUINOCCIAL


DEPARTAMENTO ACADEMICO DE CIENCIAS EXACTAS

METODO SIMPLEX
El mtodo Simplex es un algoritmo de solucin muy utilizado para resolver problemas de programacin
lineal. Un algoritmo es una serie de pasos para cumplir con una tarea determinada.
El mtodo simplex es un mtodo general de solucin del problema de Programacin lineal (PL) con
cualquier nmero de variables de decisin, y consiste en partir de una Solucin Bsica Factible (SBF),
para acercarse paso a paso a una mejor solucin, hasta alcanzar la Solucin ptima Factible (SOF).

Modelo General
Funcin Objetivo

Z C1 X1 C2 X 2 ... Cn X n

Limitaciones

a11x1 a12 x2 ... a1n xn b1


a21x1 a22 x2 ... a2n xn b2
a31x1 a32 x2 ... a3n x3 b3

Mx. o Min.

: :
:
:
am1x1 am 2 x2 ... amn xn bm
En donde x1 , x 2 ,..., x n y b1 , b2 ,..., bm son no negativas
Variables de holgura X n 1
transforme en una ecuacin.

X nm

son las que se aaden a una inecuacin para que se

Estandarizacin.

a11x1 a12x2 ... a1n xn xn 1 b1


a21x1 a22x2 ... a2n xn xn 2 b2
a31x1 a32x2 ... a3n x3 xn 3 b3
: :
:
:
am1x1 am2 x2 ... amn xn xn m bm

m Ecuaciones
n m Variables

Maximizacin
Modelo General

Funcin Objetivo

Z C1 X1 C2 X 2 ... Cn X n

Limitaciones

a11x1 a12 x2 ... a1n xn b1

Mx. o Min.

a21x1 a22 x2 ... a2n xn b2


a31x1 a32 x2 ... a3n x3 b3
:
:
:
:
am1x1 am 2 x2 ... amn xn bm
ING. JORGE GALIANO

UNIVERSIDAD TECNOLOGICA EQUINOCCIAL


DEPARTAMENTO ACADEMICO DE CIENCIAS EXACTAS

En donde x1 , x 2 ,..., x n y b1 , b2 ,..., bm son no negativas


Variables de holgura

X n 1 X n m

son las que se aaden a una inecuacin para que se

transforme en una ecuacin.


Estandarizacin.

a11x1 a12x2 ... a1n xn xn 1 b1


a21x1 a22x2 ... a2n xn xn 2 b2
a31x1 a32x2 ... a3n x3 xn 3 b3
:
:
:
:
:
am1x1 am2 x2 ... amn xn xn m bm

m Ecuaciones
n m Variables
Ejemplo: resolver el modelo utilizando el mtodo simplex para maximizacin
Funcin Objetivo

Mx.

z 7 x1 7 x2 6 x3 9 x4

4 x1 5 x2 3x3 5 x4 30000

Restricciones

2 x1 1.5 x2 3x3 3x4 20000

Estandarizacin:
Mx. Z = 7x1+7x2+6x3+9x4+0x5+0x6

4 x1 5 x 2 3x3 5 x 4 x5 30000
2 x1 1.5 x 2 3x3 3x 4 x 6 20000

Primera Iteracin
Cj

0
0

X1

7
X2

6
X3

9
X4

0
X5

0
Relacion
minima

X6

X5
X6

30000
20000

4
2

5
1,5

3
3

5
3

1
0

0
1

Zj

-7

-7

-6

-9

Zj - Cj

6000
6666,67

Menor valor

sale

Fila criterio(indicador)

ingresa
ING. JORGE GALIANO

UNIVERSIDAD TECNOLOGICA EQUINOCCIAL


DEPARTAMENTO ACADEMICO DE CIENCIAS EXACTAS
Clculos:
Zj:

0 * 30000 + 0 * 20000 = 0
0*4+0*2=0
0 * 5 + 0 * 1,5 = 0
0*3+0*3=0
0*5+0*3=0
0*1+0*0=0
0*0+0*1=0

Solucin bsica factible:

X1 X 2 X 3 X 4 0
X 5 30000
X 6 20000
Para maximizacin la fila
son positivos o cero

indica si se lleg a un ptimo, cuando todos los valores de la

X4
9

Variable entrante

X5

Variable saliente
mnima

El valor ms negativo de la fila criterio

6000

Menor valor positivo de la relacin

En la fila criterio elegimos el valor ms negativo, en caso de que los valores sean ceros o
positivos se ha llegado a un ptimo.

Valor del
EJE

Valor del
SEMI EJE

La posicin para la nueva iteracin donde est ubicado el eje el valor debe ser 1, por lo cual la
fila del eje le dividimos para cinco cada uno de sus elementos.
3000/5 = 6000;
ING. JORGE GALIANO

4/5;

5/5 = 1;

3/5;

5/5 = 1;

1/5;

0/5 = 0
5

UNIVERSIDAD TECNOLOGICA EQUINOCCIAL


DEPARTAMENTO ACADEMICO DE CIENCIAS EXACTAS
Otras variables: el elemento de la anterior etapa menos el producto del semieje por el valor de la
nueva variable.
Valores
Fila

semi

nueva

X6

eje

fila

20000
2
1,5
3
3
0
1

Zj:

3
3
3
3
3
3
3

* 6000
* (4/5)
1
*
* (3/5)
1
*
(1/5)
*
0
*

=
=
=
=
=
=
=

2000
-2/5
-1,5
6/5
0
-3/5
1

9 * 6000 + 0 * 2000

= 54000

9 * 4/5

+ 0 * (-2/5)

= 36/5

9*1

+ 0 * (-3/2)

=9

9 * 3/5

+ 0 * (6/5)

= 27/5

9*1

+ 0*0

=9

9 * 1/5

+ 0 * (-3/5)

= 9/5

9*0

+ 0*1

=0

El cuadro de la iteracin seria:


Cj
X
X4
X6

9
0
Zj

X1

X2

X3

X4

X5

X6

RM

6000

4/5

3/5

1/5

10000

2000

-2/5

-3/2

6/5

-3/5

5000/3 sale

54000

36/5

27/5

9/5

1/5

-3/5

9/5

Zj - Cj

ingresa
Valores

2000
-2/5
-1/5
6/5
0
-1/5
1

*
*
*
*
*
*
*

5/6
5/6
5/6
5/6
5/6
5/6
5/6

= 1666,7
= -1/3
= -5/4
=
1
=
0
=
-
=
5/6

Fila

semi

nueva

X4

eje

fila

6000
4/5
1
3/5
1
1/5

ING. JORGE GALIANO

3/5
3/5
3/5
3/5
3/5
3/5
3/5

* 1666,67 =
* (-1/3) =
* (-5/4) =
1
=
*
0
=
*
* (-1/2) =
* (5/6) =

5000
1
7/4
0
1

UNIVERSIDAD TECNOLOGICA EQUINOCCIAL


DEPARTAMENTO ACADEMICO DE CIENCIAS EXACTAS
Zj:

9 * 5000

+ 6 * 1666.67

= 55000 Mejora el valor

9*1

+ 6 * (-1/3)

=7

9 * 7/4

+ 6 * (-5/4)

= 33/4

9*0

+6*1

=6

9*1

+6*0

=9

9 * 1/2

+ 6 * (-1/2)

= 3/2

9 * (-1/2)

+ 6 * 5/6

= 1/2

Entonces, la siguiente iteracin ser:


Cj
X
X4
X6

9
6
Zj

X1

X2

X3

X4

X6
-

5000

7/4

1666,67

-1/3

-5/4

X5

55000

33/4

3/2

5/4

3/2

Zj - Cj

RM

5/6

Como, Zj Cj solamente tiene valores positivos y/o ceros, entonces tenemos un ptimo y la
solucin ser:
Zj = 55000; X1= 0; X2= 0; X3=1666.67; X4=5000; X5=0; X6=0
En la ltima tabla se tiene cada uno de los diferentes coeficientes que tienen un significado
econmico y se denominan tasas de sustitucin, ver solamente los valores de las variables de
holgura correspondiente a su columna.

Anlisis de sensibilidad y tasas de sustitucin y precios sombra


Ejercicio:
Un fabricante de muebles elabora anaqueles y escritorios en su empresa, que tiene dos departamentos,
en los cuales los requerimientos en horas hombre por departamento y en unidad se indican a
continuacin:

Dpto. I Preparacin de piezas


Dpto. II Ensamblaje y terminado
Costos por unidad
Precio de venta
Utilidad por unidad

Anaqueles
3
4
2000
3500
1500

Escritorios Disponibilidad
5
240
h H/u
2
128
h H/u
2800
$/u
4600
$/u
1800
$/u

a) Establecer un programa de produccin que permita a la empresa maximizar las utilidades sin que la
compaa forme inventario.
b) Esta compaa tiene la posibilidad de ocupar la seccin de preparacin de piezas para otro artculo y
le interesa conocer si con el programa de produccin ptimo actual le queda tiempo libre en el
departamento.

ING. JORGE GALIANO

UNIVERSIDAD TECNOLOGICA EQUINOCCIAL


DEPARTAMENTO ACADEMICO DE CIENCIAS EXACTAS
c) Suponiendo que la competencia vende escritorios similares a $300 la unidad que poltica deber
adoptar el gerente si se llega a una competencia muy marcada.
Desarrollo:
I.- Datos, la tabla resume toda la informacin
II.- Variables:
X: nmero de anaqueles a producir por semana
Y: nmero de escritorios a producir por semana
S1: Tiempo NO usado en el departamento I, preparacin
S2: Tiempo NO usado en el departamento II, terminado
III.- Funcin Objetivo

Mx. U = 1500 X + 1800 Y + 0 S1 + 0 S2

IV.- Limitaciones

3x 6 y 240
4 x 2 y 128

Estandarizacin:
F.O. Mx. U 1500 x 1800 y 0S1 0S2
Dpto. I

3x 6 y S1 240

Dpto. II

4 x 2 y S2 128

Cj
0
0

X
S1
S2

B
240
128

Zj

Zj - Cj

1500 1800
x
y
3
6
4
2

0
S1
1
0

0
S2
0
1

-1500

-1800

RM
40
64

Sale

Ingresa

128
4
2
0
1
Cj
1800
0

X
y
S2

B
40
48

Zj

72000

Zj - Cj

2
2
2
2
2

1500 1800
x
y

1
3
0

*
*
*
*
*

40

1
1/6
0

0
S1
1/6
-1/3

0
S2
0
1

900

1800

300

-600

300

RM
80
16

=
=
=
=
=

48
3
0
1/3
1

Sale

Ingresa
ING. JORGE GALIANO

UNIVERSIDAD TECNOLOGICA EQUINOCCIAL


DEPARTAMENTO ACADEMICO DE CIENCIAS EXACTAS
40

1
1/6
0

Cj
X
y
x

B
32
16

Zj

81600

1800
1500

Zj - Cj

Solucin:

*
*
*
*
*

16
1
0
-1/9
1/3

=
=
=
=
=

32
0
1
2/9
-1/6

1500 1800
x
y
0
1
1
0

0
S1
2/9
-1/9*

0
S2
-1/6
1/3

1500

1800

700/3

200

700/3

200

Tasas de
sustitucin

OPTIMO

X = 16 (anaqueles/semana)
Y = 32 (escritorios/semana)
S1 = 0 indica que se usa todo el tiempo disponible en el Dpto. I
S2 = 0 indica que se usa todo el tiempo disponible en el Dpto. II
U = 81600 ($/semana)

Toda tasa de sustitucin significa que para producir una unidad de la variable correspondiente a la
columna se debe sacrificar la tasa de sustitucin indicada por la variable correspondiente a la fila.

S1
x

-1/9*

Para alcanzar una unidad S1 (1 h-H) de tiempo disponible en el departamento I, necesitamos sacrificar
(usar o gastar) -1/9 anaqueles.
Demostracin: 1 h-H en el departamento I (preparacin de piezas)
La nueva produccin ser:

Dpto. I

X = 16 (-1/9) = 145/9 = 16.11 anaqueles


Y = 32 (2/9) = 286/9 = 31.77 escritorios

145
286
3x 6 y 3(
) 6(
) 239 h-H/semana
9
9

Esto quiere decir, que el departamento I no completara la disponibilidad de las 240 h-H que tiene en la
semana, sobrando 1 hora para la nueva produccin.
Nueva utilidad

U n 1500 x 1800 y

145
286
U n 1500(
) 1800(
)
9
9
U n 81366.67

ING. JORGE GALIANO

UNIVERSIDAD TECNOLOGICA EQUINOCCIAL


DEPARTAMENTO ACADEMICO DE CIENCIAS EXACTAS
U U MAX U n 81600 81366.67 233.33

Entonces,
Este valor de
iteracin.

700
2100
se encuentra directamente en la fila criterio de la ltima
233.33
3
9

S2
y

700
3

Para alcanzar 1 unidad S2 (1 h-H) de tiempo disponible en el


departamento II, necesitamos sacrificar (usar o gastar) -1/6 de escritorios.

-1/6

Demostracin: 1 h-H en el departamento II (ensamblaje y terminado)


La nueva produccin ser:

Dpto. II

4 x 2 y 4(

X = 16 (1/3) = 47/3 = 15.67 anaqueles


Y = 32 (-1/6) = 193/6 = 32.16 escritorios

47
193
) 2(
) 127 h-H/semana
3
6

Esto quiere decir, que el departamento II no completara la disponibilidad original de las 128 h-H que tiene
en la semana, sobrando 1 hora para la nueva produccin, en caso de modificarle con las tasas de
sustitucin o tambin conocido como precios sombra.
Nueva utilidad

U n 1500 x 1800 y
47
193
) 1800(
)
3
6
U n 81400
U n 1500(

Entonces,

U U MAX U n 81600 81400 200

Este valor de 200 se encuentra directamente en la fila criterio de la ltima iteracin.

En el anlisis de sensibilidad tratamos de determinar la variacin de los coeficientes de la funcin


objetivo.
En general Max. Z = C1 x + C2 y
Para el anlisis de sensibilidad: en la tabla siguiente se debe busca un nmero que haga cero en Zj
ajustada (Zj aj.), usar la frmula:

Zj. Valor de la ltima iteracin, valor original


Zj* valor calculado

ING. JORGE GALIANO

10

UNIVERSIDAD TECNOLOGICA EQUINOCCIAL


DEPARTAMENTO ACADEMICO DE CIENCIAS EXACTAS

Para X:
Para departamento I, columna S1 para el cuadro

Valor final a buscar


x
Zj*
Zj
Zj aj.

1500

1800

S1

S2

-1/9

1/3

1500

1800

2100/9

200

16

Usar la formula
81600

0
Valor inicial

Entonces,

2100

x
Zj*
Zj
Zj aj.

16

1500

1800

S1

S2

-1/9

1/3

2100
81600

-2100/9

1500

1800

200

2100/9

3600
Lmite superior

Para C1 = 1500

2100

3600;

si, C1 > 3600 S1 ingresa

Con el otro departamento, columna S2 para el cuadro


Valor final a buscar
x
Zj*
Zj
Zj aj.

16

1500

1800

S1

S2

-1/9

1/3

1500

1800

2100/9

200
0

Usar la frmula
81600

Valor inicial

Entonces,

-600

x
Zj*
Zj
Zj aj.

16

1500

1800

S1

S2

1
-600

-1/9

81600 1500
900

1/3
-200

1800

2100/9

200
0

Lmite inferior

ING. JORGE GALIANO

11

UNIVERSIDAD TECNOLOGICA EQUINOCCIAL


DEPARTAMENTO ACADEMICO DE CIENCIAS EXACTAS
Para C1 = 1500
En resumen,

600

900;

si, C1 < 900 S1 ingresa

Coeficiente

Minimo

Original

Maximo

C1

900

1500

3600

600

2100

Para Y:
Para departamento II, columna S2 para el cuadro

y
Zj*
Zj
Zj aj

1200

Para C2 = 1800

32

1500

1800

S1

S2

2/9

-1/6

1200
81600

1200

3000;

1500

-200

1800

2100/9

usar la frmula

200

3000

Lmite superior

Valor inicial

si, C2 > 3000 S2 ingresa

Para departamento I, columna S1 para el cuadro


Valor final a buscar

-1050

y
Zj*
Zj
Zj aj.

32

1500

1800

S1

S2
-1/6

81600

1500

2/9

-1050

-2100/9

1800

2100/9

750

Usar la frmula

200

Lmite inferior Valor inicial

Para C2 = 1800

1050
750;

si, C2 < 750 S2 ingresa

En resumen:
Coeficiente

Minimo

Original

Maximo

C2

750

1800

3000

-1050

1200

Por lo tanto, el anlisis de sensibilidad para los coeficientes de la funcin objetivo pueden tener las
siguientes variaciones:

ING. JORGE GALIANO

Coeficiente
C1

Mnimo

Original

Mximo

900

1500

3600

C2

750

1800

3000

12

UNIVERSIDAD TECNOLOGICA EQUINOCCIAL


DEPARTAMENTO ACADEMICO DE CIENCIAS EXACTAS
Casos especiales del mtodo simplex
1. Degeneracin.- Una o ms soluciones de las variables de decisin son cero, el modelo tiene por
lo menos una restriccin redundante
2. Soluciones no acotadas.- Las variables pueden tomar valores que se incrementan
indefinidamente cumpliendo con las restricciones. El espacio solucin es no acotado en una
direccin.
3. ptimos alternativos.- Si una funcin objetivo es paralela a una de las restricciones no acotadas,
la F.O. asume el punto ptimo en ms de un punto de la solucin, infinidad de soluciones.
4. Solucin no factible.- Esto sucede cuando existen restricciones combinadas de mayor igual y
menor igual en algunas ocasiones. En la tabla del simplex se encuentra cuando debiendo salir la
variable artificial sale la variable de holgura.
Ejercicios de investigacin
Como identificar en una tabla del simplex si un problema corresponde a un caso especial y a cual caso
especial corresponde, usar un ejemplo para cada caso, resolverlo y concluir con un comentario
sealando el procedimiento. Entregar su resolucin

ING. JORGE GALIANO

13

UNIVERSIDAD TECNOLOGICA EQUINOCCIAL


DEPARTAMENTO ACADEMICO DE CIENCIAS EXACTAS

PROBLEMA DUAL
El principio llamado dualidad, permite resolver un problema de maximizacin resolviendo el problema de
minimizacin relacionado con l.
Problema
Primal (Dual)
Maximizar

Z c1x1 c2 x2 ... cn xn
Sujeto a,

a11x1 a12 x2 ... a1n xn b1


a21x1 a22 x2 ... a2 n xn b2

am1x1 am 2 x2 ... amn xn bm

x1, x2 ,....xn 0
Dual (Primal)
Minimizar

W b1 y1 b2 y2 ... bm ym
Sujeto a,

a11 y1 a21 y2 ... am1 ym c1


a12 y1 a22 y2 ... am 2 ym c2

a1n y1 a2n y2 ... anm ym cn

y1 , y2 ,...., ym 0
La solucin del modelo primal es igual a la del modelo dual en cuanto a su funcin objetivo.
DUAL

PRIMAL
n
m

variables
limitaciones

m
n

variables
limitaciones

Ejemplo
Modelo Primal
Funcin Objetivo
Restricciones

Modelo Dual
ING. JORGE GALIANO

14

UNIVERSIDAD TECNOLOGICA EQUINOCCIAL


DEPARTAMENTO ACADEMICO DE CIENCIAS EXACTAS

Funcin Objetivo
Restricciones

Min. D = 240 X1 + 128 X2


3 Y1 + 4 Y2 1500
6 Y1 + 2 Y2 1800

Ejercicio
1.- Resolver por el simplex el primal, plantear el dual e indicar la solucin con la ltima tabla del simplex
del primal, indicar las tasas de sustitucin y los precios sombra, realizar el anlisis de sensibilidad.

PRIMERA ITERACION

300
2
1
1
0
0

1
1
1
1
1
1

*
*
*
*
*
*

200
1/4
1
0
1/4
0

=
=
=
=
=
=

100
1,75
0
1
-0,25
0

500
1
2
0
0
1

2
2
2
2
2
2

*
*
*
*
*
*

200
1/4
1
0
1/4
0

=
=
=
=
=
=

100
0,5
0
0
-0,5
1

SEGUNDA ITERACION

X
S1
Y
S3
Zj

0
5
0

B
100
200
100
1000
Zj - Cj

200
0,25
1
0
0,25
0

ING. JORGE GALIANO

0,25
0,25
0,25
0,25
0,25
0,25

*
*
*
*
*
*

57,14
1
0
0,571
-0,14
0

3
x
1,75
0,25
0,5
1,25
-1,75
INGRESA

=
=
=
=
=
=

185,7143
0,00
1
-0,14286
0,285714
0

5
y
0
1
0
5
0

0
S1
1
0
0
0
0

100
0,5
0
0
-0,5
1

0
S2
-0,25
0,25
-0,5
1,25
1,25

0,5
0,5
0,5
0,5
0,5
0,5

0
S3
0
0
1
0
0

*
*
*
*
*
*

57,14
1
0
0,571
-0,14
0

RM
57,1428571 SALE
800
200

=
=
=
=
=
=

71,42857
0
0
-0,28571
-0,42857
1

15

UNIVERSIDAD TECNOLOGICA EQUINOCCIAL


DEPARTAMENTO ACADEMICO DE CIENCIAS EXACTAS
TERCERA ITERACION

3
5
0

X
X
Y
S3
Zj

B
57,1428571
185,714286
71,4285714
1100
Zj - Cj

3
x
1
0
0
3
0
H1

5
y
0
1
0
5
0
H2

0
0
S1
S2
0,57142857 -0,14285714
-0,14285714 0,28571429
-0,28571429 -0,42857143
1
1
1
1
X1
X2

0
S3
0
0
1
0
0
X3

RM

OPTIMO

La ltima tabla de la iteracin del Simplex, considerando fracciones en la respuesta es:

X
X
Y
S3
Zj

3
5
0

3
x
1
0
0
3
0

B
400/7
1300/7
500/7
1100
Zj - Cj

Solucin:

X
Y
S3
S2
S1
Z

TASAS DE
SUSTITUCIN

3
5
0

X
X
Y
S3

400/7
1300/7
500/7
0
0
1100

PRIMAL
maxZ=3x+5y
2x+y<=300
x+4y<=800
x+2y<=500

B
57,1428571
185,714286
71,4285714

5
y
0
1
0
5
0

0
S1
4/7
-1/7
-2/7
1
1

0
S2
-1/7
2/7
-3/7
1
1

0
S3
0
0
1
0
0

57,1428571
185,714286
71,4285714

DUAL
MIN D = 300X1 + 800X2 + 500X3
2X1 +X2 + X3 >= 3
X1 + 4X2 + 2 X3 >= 5

3
x
1
0
0

5
y
0
1
0

SOLUCION
DUAL

0
0
S1
S2
0,57142857 -0,14285714
-0,14285714 0,28571429
-0,28571429 -0,42857143

X1
X2
X3
H1
H2
D

1
1
0
0
0
1100

0
S3
0
0
1

TASAS DE SUSTITUCION

PRECIOS SOMBRA

3
5
0

ING. JORGE GALIANO

X
X
Y
S3
Zj
Zj - Cj

B
57,1428571
185,714286
71,4285714
1100

3
x
1
0
0
3
0

5
y
0
1
0
5
0

0
0
S1
S2
0,57142857 -0,14285714
-0,14285714 0,28571429
-0,28571429 -0,42857143
1
1
1
1
PRECIOS SOMBRA

0
S3
0
0
1
0
0

16

UNIVERSIDAD TECNOLOGICA EQUINOCCIAL


DEPARTAMENTO ACADEMICO DE CIENCIAS EXACTAS
ANALISIS DE SENSIBILIDAD
x
1
-1,75
3
1,25

S1
0,57142857
-1
1
0

7y
Zj*
Zj original
Zj ajustada

y
1
7
5
12

S1
-0,14285714
-1
1
0

7X
Zj*
Zj original
Zj ajustada

x
1
7
3
10

S2
-0,14285714
-1
1
0

-3,5 y
Zj*
Zj original
Zj ajustada

y
1
-3,5
5
1,5

S2
0,28571429
-1
1
0

0X
Zj*
Zj original
Zj ajustada

x
1
0
3
3

S3
0
0
0
0

y
1
0
5
5

S3
0
0
0
0

-1,75 X
Zj*
Zj original
Zj ajustada

C1
C2

0y
Zj*
Zj original
Zj ajustada

MINIMO
1,25
1

ORIGINAL
3
5

MAXIMO
10
12

USANDO EL WINQSB

INGRESO DE DATOS

PRIMERA ITERACION

ING. JORGE GALIANO

17

UNIVERSIDAD TECNOLOGICA EQUINOCCIAL


DEPARTAMENTO ACADEMICO DE CIENCIAS EXACTAS
SEGUNDA ITERACION

TERCERA ITERACION

SOLUCION GENERAL

ANALISIS DE SENSIBILIDAD

ING. JORGE GALIANO

18

UNIVERSIDAD TECNOLOGICA EQUINOCCIAL


DEPARTAMENTO ACADEMICO DE CIENCIAS EXACTAS
2.- RESOLVER POR EL SIMPLEX UTILIZANDO EL DUAL

PRIMAL
Min Z=50x+60y
x+3y>=5000
4x+8y>=16000
50x+25y>=87500
DUAL

PRIMERA ITERACION
X
S1
S2
Zj

0
0

5000
x1
1
3
0
-5000

B
50
60
0
Zj - Cj

60
3
8
25
0
1

25
25
25
25
25
25

*
*
*
*
*
*

1
0,02
0,08
1
0,02
0

16000
x2
4
8
0
-16000

=
=
=
=
=
=

87500
x3
50
25
0
-87500
INGRESA

0
S1
1
0
0
0

0
S1
1
0
0
0

RM
1
2,4

SALE

35
2,5
6
0
-0,5
1

SEGUNDA ITERACION

87500
0

X
X3
S2
Zj

5000
x1
0,02
2,5
1750
-3250

B
1
35
87500
Zj - Cj

1
0,02
0,08
1
0,02
0

ING. JORGE GALIANO

16000
x2
0,08
6
7000
-9000
INGRESA

0,08
0,08
0,08
0,08
0,08
0,08

*
*
*
*
*
*

87500
x3
1
0
87500
0

5,833333
0,416667
1
0
-0,08333
0,166667

0
S1
0,02
-0,5
1750
1750

=
=
=
=
=
=

0
S2
0
1
0
0

RM
12,5
5,83333333 SALE

0,533
-0,01
0
1
0,027
-0,01

19

UNIVERSIDAD TECNOLOGICA EQUINOCCIAL


DEPARTAMENTO ACADEMICO DE CIENCIAS EXACTAS
TERCERA ITERACIN
X
X3
X2
Zj

87500
16000

5000
B
x1
0,53333333 -0,01333333
5,83333333 0,41666667
140000
5500
Zj - Cj
500
H1

16000
x2
0
1
16000
0
H2

87500
x3
1
0
87500
0
H3

0
0
S1
S2
0,02666667 -0,01333333
-0,08333333 0,16666667
1000
1500
1000
1500
X
Y

RM

OPTIMO

SOLUCION
PRIMAL
SOLUCION

X
Y
H1
H2
H3
Z

DUAL
SOLUCION

1000
1500
500
0
0
140000

X1
X2
X3
S1
S2
D

0
5,83333333
0,53333333
0
0
140000

0
35/6
8/15
0
0

3.- Resolver por el simplex el primal, plantear el dual e indicar la solucin con la ltima tabla
del simplex del primal, indicar las tasas de sustitucin y los precios sombra, realizar el anlisis
de sensibilidad.

X
S1
S2
S3
Zj

0
0
0

B
1000
5000
2500
0
Zj - Cj

1000
1
1
1
0
0

ING. JORGE GALIANO

1
1
1
1
1
1

*
*
*
*
*
*

833,333
1/2
1
0
1/6
0

5
X1
1
3
3
0
-5

8
X2
1
6
2
0
-8
INGRESA

= 166,667
=
0,5
=
0
=
1
= -0,1667
=
0

0
S1
1
0
0
0
0

0
S2
0
1
0
0
0

2500
3
2
0
0
1

0
S3
0
0
1
0
0

2
2
2
2
2
2

*
*
*
*
*
*

RM
1000
833,333333 SALE
1250

833,333
1/2
1
0
1/6
0

= 833,333
=
2
=
0
=
0
= -0,3333
=
1

20

UNIVERSIDAD TECNOLOGICA EQUINOCCIAL


DEPARTAMENTO ACADEMICO DE CIENCIAS EXACTAS

0
8
0

5
8
0

X
S1
X2
S3
Zj

B
166,666667
833,333333
833,333333
6666,66667
Zj - Cj

5
X1
0,50
0,5
2,00
4
-1
INGRESA

8
X2
0
1
0
8
0

ING. JORGE GALIANO

0
S2
-0,16666667
0,16666667
-0,33333333
1,33333333
1,33333333

833,333
0,5
1
0
0,1667
0

0,5
0,5
0,5
0,5
0,5
0,5

*
*
*
*
*
*

333,333
1
0
2
- 1/3
0

= 666,667
=
0
=
1
=
-1
= 0,33333
=
0

833,333
2
0
0
-0,3333
1

2
2
2
2
2
2

*
*
*
*
*
*

333,333
1
0
2
- 1/3
0

= 166,667
=
0
=
0
=
-4
= 0,33333
=
1

X
X1
X2
S3
Zj
Zj - Cj

B
333,333333
666,666667
166,666667
7000

5
X1
1,00
0
0,00
5
0

SOLUCION

5
8
0

0
S1
1
0
0
0
0

X
X1
X2
S3
Zj
Zj - Cj

B
1000/3
2000/3
1000/3
7000

5
X1
1,00
0
0,00
5
0
H1

8
X2
0
1
0
8
0

0
S1
2
-1
-4
2
2

X1
X2
S1
S2
S3

1000/3
2000/3
0
0
1000/3

7000

8
X2
0
1
0
8
0
H2

0
S1
2
-1
-4
2
2
Y1

0
S3
0
0
1
0
0

RM
333,333333 SALE
1666,66667
416,666667

0
S2
-0,33333333
0,33333333
0,33333333
1
1

0
S2
-1/3
1/3
1/3
1
1
Y2

0
S3
0
0
1
0
0
Y3

0
S3
0
0
1
0
0

RM

OPTIMO

OPTIMO

21

UNIVERSIDAD TECNOLOGICA EQUINOCCIAL


DEPARTAMENTO ACADEMICO DE CIENCIAS EXACTAS
PRIMAL
Max. Z = 5 X1 + 8 X2
X1 + X2 <= 1000
3 X1 + 6 X2 <= 5000
3 X1 + 2 X2 >= 2500

DUAL
Min. D = 1000 Y1 + 5000 Y2 + 2500 Y3
Y1 + 3 Y2 + 3 Y3 >= 5
Y1 + 6 Y2 + 2 Y3 >= 8

SOLUCION DUAL
Y1
Y2
Y3
H1
H2

2
1
0
0
0

7000

TASAS DE SUSTITUCION
X
X1
X2
S3
Zj
Zj - Cj

5
8
0

B
1000/3
2000/3
1000/3
7000

5
X1
1,00
0
0,00
5
0

8
X2
0
1
0
8
0

0
S1
2
-1
-4
2
2

0
S2
-1/3
1/3
1/3
1
1

0
S3
0
0
1
0
0

TASAS
DE
SUSTITUCION

PRECIOS SOMBRA

X
X1
X2
S3
Zj
Zj - Cj

5
8
0

5
X1
1,00
0
0,00
5
0

B
1000/3
2000/3
1000/3
7000

8
X2
0
1
0
8
0

0
S1
2
-1
-4
2
2

0
S2
-1/3
1/3
1/3
1
1
PRECIOS
SOMBRA

0
S3
0
0
1
0
0

ANALISIS DE SENSIBILIDAD

-1 X1
Zj*
Zj original
Zj ajustada

X1
1
-1
5
4

S1
2
-2
2
0

2 X2
Zj*
Zj original
Zj ajustada

X2
1
2
8
10

S1
-4
-2
2
0

3 X1
Zj*
Zj original
Zj ajustada

X1
1
3
5
8

S2
- 1/3
-1
1
0

-3 X2
Zj*
Zj original
Zj ajustada

X2
1
-3
8
5

S2
1/3
-1
1
0

0 X1
Zj*
Zj original
Zj ajustada

X1
1
0
5
5

S3
0
0
0
0

0 X2
Zj*
Zj original
Zj ajustada

X2
1
0
8
8

S3
1
0
0
0

ING. JORGE GALIANO

22

UNIVERSIDAD TECNOLOGICA EQUINOCCIAL


DEPARTAMENTO ACADEMICO DE CIENCIAS EXACTAS

C1
C2

MINIMO
4
5

ORIGINAL
5
8

MAXIMO
8
10

UTILIZANDO EL WINQSB

INGRESO DE DATOS

SOLUCION GENERAL

ING. JORGE GALIANO

23

UNIVERSIDAD TECNOLOGICA EQUINOCCIAL


DEPARTAMENTO ACADEMICO DE CIENCIAS EXACTAS
PRIMERA ITERACION

SEGUNDA ITERACION

TERCERA ITERACION

ANALISIS DE SENSIBILIDAD

ING. JORGE GALIANO

24

UNIVERSIDAD TECNOLOGICA EQUINOCCIAL


DEPARTAMENTO ACADEMICO DE CIENCIAS EXACTAS
Ejercicios

2.- {

1.{

3.-.- {

4.- {

Problemas para su resolucin:


1.- Una compaa de cemento produce 2500000 barriles de cemento por ao. Los hornos emiten 2 libras
de polvo por cada barril producido. Una agencia gubernamental para proteccin del ambiente requiere
que la planta reduzca sus emisiones de polvo a no ms de 800000 libras anuales. Existen dos
dispositivos de control de emisiones disponibles, A y B. El dispositivo A reduce las emisiones a 0,5 libras
por barril y su costo es de $0,20 por barril de cemento producido. Para el dispositivo B, las emisiones son
reducidas a 0,2 libras por barril y el costo es de $0,25 por barril de cemento producido. Determine el plan
de accin ms econmico que la planta debe tomar de modo que cumpla con el requerimiento de la
agencia gubernamental y tambin mantenga su produccin anual de 2500000 barriles de cemento.
2.- Una compaa petrolera, que tiene dos refineras necesita de al menos 800, 1400 y 500 barriles de
petrleo de grado bajo, medio y alto, respectivamente. Cada da, la refinera I produce 200 barriles de
grado bajo, 300 de medio y 100 de grado alto, mientras que la refinera II produce 100 barriles de grado
alto, 100 de bajo y 200 de grado medio. Si los costos diarios son de $2500 para operar la refinera I y de
$2000 para la refinera II, Cuntos das debe ser operada cada refinera para satisfacer los
requerimientos de produccin a un costo mnimo?Cual es el costo mnimo? Cul es la variacin de los
mrgenes de contribucin?cul es el anlisis de recursos y sensibilidad, con su interpretacin?
3.- Un agricultor compra fertilizantes que contienen tres nutrientes A, B y C. las necesidades mnimas son
160 unidades de A, 200 de B y 80 de C. En el mercado existen dos marcas populares de fertilizan5tes.
Rpido Crecimiento RC, con un costo de $4 por bolsa con tres unidades de A, 5 de B y 1 unidad de C.
Fcil Crecimiento FC, con un costo de $3 por bolsa con 2 unidades de cada nutriente. Si el agricultor
desea minimizar el costo mientras se mantenga el requerimiento de nutrientes, Cuntas bolsas de cada
marca debe comprar?
4.- Para satisfacer las necesidades de vitaminas B1, B2 y B3 un hombre debe comprar 100 pldoras que
contengan al menos 750 unidades de B1, 600 unidades de B2 y 280 unidades de B3. Cuestan $0,50 las
pldoras de la clase I que contiene 10 unidades de B1, 5 unidades de B2 y 3 de B3; mientras que cuestan
$0,60 las pldoras de la clase II que contienen 12 unidades de B1, 2 de B2 y 11 de B3 y por ltimo, a
$0,40 consigue las pldoras de la clase III que contienen 6 unidades de B1, 7 de B2 y 2 de B3. Cuntas
pldoras de cada clase debe consumir para satisfacer sus necesidades vitamnicas a un mnimo costo?

ING. JORGE GALIANO

25