• Ingeniería de Sistemas

Docente: M.Sc. Ing. Nieves Soledad Vásquez Perales

1
Ejemplo de problema dual:
El entrenador de un equipo de fútbol americano, está
interesado en preparar lo que ha bautizado como la Ensalada
Vitamínica («EV»), la cual puede integrarse a partir de cinco
verduras básicas disponibles y definidas como 1, 2, 3, 4 y 5.
Se desea que la EV contenga por lo menos diez unidades de
vitamina A y veinticinco unidades de vitamina C. La
información relevante del contenido vitamínico y costo de las
verduras se proporciona en la tabla:
Verduras
(unidades de vitamina por Kg.)
Vitamina 1 2 3 4 5

A 2 0 3 4 1

C 1 2 2 1 3
2
Costo (Bs./Kg.) 100 80 95 100 110
El problema de la preparación de la EV se puede resolver a
través del siguiente modelo de PL.
Variables
Xi= Cantidad de verdura i (donde i = 1 a 5)
Función Objetivo
Minimizar Z=100X1+80X2+95X3+100X4+110X5
Restricciones
2X1+0X2+3X3+4X4+ X5 ≥ 10
X1+2X2+2X3+ X4+3X5 ≥ 25
Xj ≥ 0 (donde j = 1 al 5)
3
Suponga que el dueño de un laboratorio farmacéutico se
entera de la EV y vislumbra la posibilidad de entablar un
negocio con el entrenador al fabricarle pastillas de vitamina
A y vitamina C. Por tanto, si logra convencerlo de que
ingiriendo pastillas, los jugadores obtendrán los
requerimientos vitamínicos solicitados y que el costo de las
mismas es competitivo con respecto al de las verduras, es
casi seguro que su idea será aceptada, sin embargo, ¿cómo
debe proceder el fabricante de vitaminas?

4
El problema del dueño del laboratorio consiste en determinar
el precio competitivo que debe asignar a cada tipo de pastilla.
Variables
Y1= Precio por pastilla de una unidad de vitamina A
Y2= Precio por pastilla de una unidad de vitamina C
Las limitaciones en el precio que puede asignar a las unidades de
vitamina A y una unidad de vitamina C por el aporte vitamínico de la
Verdura 1 es:

2Y1+Y2
Y dado que el costo es de 100 Bs., el entrenador estaría dispuesto a pagar
por tal aporte a lo sumo esa cantidad. Por lo tanto el fabricante debe
considerar como una primer limitante a sus precios que:

2Y1+Y2 ≤ 100 (Verdura 1) 5

De la misma manera se realizarán las siguientes restricciones:
2Y2 ≤ 80 (Verdura 2)
3Y1+2Y2 ≤ 95 (Verdura 3)
4Y1+Y2 ≤ 100 (Verdura 4)
Y1+3Y2 ≤ 110 (Verdura 5)
Por otra parte, si el fabricante desea maximizar sus ventas y
suponiendo que el entrenador sólo compraría los
requerimientos vitamínicos mínimos, su objetivo sería:

Maximizar W = 10Y1+25Y2

6
Por lo tanto, el modelo completo de PL para el dueño del laboratorio
quedaría así:
Variables
Y1= Precio por pastilla de una unidad de vitamina A
Y2= Precio por pastilla de una unidad de vitamina C
Función Objetivo
Maximizar W = 10Y1+25Y2
Restricciones
2Y1+ Y2 ≤ 100
2Y2 ≤ 80
3Y1+2Y2 ≤ 95
4Y1+ Y2 ≤ 100
Y1 +3Y2 ≤ 110
Y1,Y2 ≥ 0
7
Por lo tanto, los modelos quedarían de la siguiente manera:
Modelo Primal:
𝑚𝑖𝑛 𝑍 = 100𝑥1 + 80𝑥2 +95𝑥3 +100𝑥4 +110𝑥5
s.a.
2𝑥1 +3𝑥3 +4𝑥4 + 𝑥5 ≥ 10
𝑥1 + 2𝑥2 +2𝑥3 + 𝑥4 +3𝑥5 ≥ 25
𝑥𝑖 ≥ 0 donde i=1 a 5

Modelo Dual:
𝑚𝑎𝑥 𝑊 = 10𝑦1 + 25𝑦2
s.a.
2𝑦1 + 𝑦2 ≤ 100
2𝑦2 ≤ 80
3𝑦1 + 2𝑦2 ≤ 95
4𝑦1 + 𝑦2 ≤ 100
𝑦1 + 3𝑦2 ≤ 110 8
𝑦𝑗 ≥ 0 donde j=1 a 2
Por lo tanto, los modelos quedarían de la siguiente manera:
Modelo Primal:
𝑚𝑖𝑛 𝑍 = 100𝑥1 + 80𝑥2 + 95𝑥3 + 100𝑥4 + 110𝑥5
s.a.
2𝑥1 + 0𝑥2 +3𝑥3 +4𝑥4 +1𝑥5 ≥ 10
1𝑥1 + 2𝑥2 +2𝑥3 +1𝑥4 +3𝑥5 ≥ 25

𝑥𝑖 ≥ 0 donde i=1 a 5

Representando de manera genérica quedaría así:

𝑚𝑖𝑛 𝑍 = 𝑐1 𝑥1 +𝑐2 𝑥2 +𝑐3 𝑥3 +𝑐4 𝑥4 +𝑐5 𝑥5

s.a.
𝑎11 𝑥1 +𝑎12 𝑥2 +𝑎13 𝑥3 +𝑎14 𝑥4 +𝑎15 𝑥5 ≥ 𝑏1
𝑎21 𝑥1 +𝑎22 𝑥2 +𝑎23 𝑥3 +𝑎24 𝑥4 +𝑎25 𝑥5 ≥ 𝑏2

𝑥𝑖 ≥ 0 donde i=1 a 5 9
 Representando ahora de manera más general quedaría así
𝑚𝑖𝑛 𝑍 = 𝑐1 𝑥1 +𝑐2 𝑥2 +𝑐3 𝑥3 +𝑐4 𝑥4 +𝑐5 𝑥5 +…+𝑐𝑛 𝑥𝑛
s.a.
𝑎11 𝑥1 +𝑎12 𝑥2 +𝑎13 𝑥3 +𝑎14 𝑥4 +𝑎15 𝑥5 +… +𝑎1𝑛 𝑥𝑛 ≥ 𝑏1
𝑎21 𝑥1 +𝑎22 𝑥2 +𝑎23 𝑥3 +𝑎24 𝑥4 +𝑎25 𝑥5 +… +𝑎2𝑛 𝑥𝑛 ≥ 𝑏2
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑎𝑚1 𝑥1 +𝑎𝑚2 𝑥2 +𝑎𝑚3 𝑥3 +𝑎𝑚4 𝑥4 +𝑎𝑚5 𝑥5 +…+𝑎𝑚𝑛 𝑥𝑛 ≥ 𝑏𝑚

𝑥𝑖 ≥ 0 donde i=1 a n

Formando matrices:
𝑎11 𝑎12 … 𝑎1𝑛 𝑏1 𝑥1 0
𝑎21 𝑎22 … 𝑎2𝑛 𝑏2 𝑥2 0
𝐴= ത ; 𝑐 𝑇 = 𝑐1 𝑐2 … 𝑐𝑛
⋮ ⋮ … ⋮ ;𝑏= ⋮
;𝑥= ⋮ ;𝑂= ⋮
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛 𝑏𝑚 𝑥𝑛 0
Ahora el modelo primal se representaría así: 𝑚𝑖𝑛 𝑍 = 𝑐 𝑇 𝑥
Se denomina:
s.a.
Forma abreviada,
𝐴𝑥 ≥ 𝑏 matricial o 10
𝑥 ≥ 𝑂ത canónica
Por lo tanto, los modelos quedarían de la siguiente manera:
Modelo Dual: 𝑚𝑎𝑥 𝑊 = 10𝑦1 + 25𝑦2
s.a.
2𝑦1 + 1𝑦2 ≤ 100
0𝑦1 + 2𝑦2 ≤ 80
3𝑦1 + 2𝑦2 ≤ 95
4𝑦1 + 1𝑦2 ≤ 100
1𝑦1 + 3𝑦2 ≤ 110
𝑦𝑗 ≥ 0 donde j=1 a 2

Representando de manera genérica quedaría así:

𝑚𝑎𝑥 𝑊 = 𝑐1 𝑦1 + 𝑐2 𝑦2
s.a.
𝑎11 𝑦1 + 𝑎21 𝑦2 ≤ 𝑏1
𝑎12 𝑦1 + 𝑎22 𝑦2 ≤ 𝑏2
𝑎13 𝑦1 + 𝑎23 𝑦2 ≤ 𝑏3
𝑎14 𝑦1 + 𝑎24 𝑦2 ≤ 𝑏4
𝑎15 𝑦1 + 𝑎25 𝑦2 ≤ 𝑏5 11

𝑦 ≥ 0 donde j=1 a 2
 Representando ahora de manera más general quedaría así
𝑚𝑎𝑥 𝑊 = 𝑏1 𝑦1 +𝑏2 𝑦2 +…+𝑏𝑛 𝑦𝑛
s.a.
𝑎11 𝑦1 +𝑎21 𝑦2 +… +𝑎𝑛1 𝑦𝑛 ≤ 𝑐1
𝑎12 𝑦1 +𝑎22 𝑦2 +… +𝑎𝑛2 𝑦𝑛 ≤ 𝑐2
⋮ ⋮ ⋮ ⋮ ⋮
𝑎1𝑚 𝑦1 +𝑎2𝑚 𝑦2 +…+𝑎𝑛𝑚 𝑦𝑛 ≤ 𝑐𝑚

𝑦𝑖 ≥ 0 donde i=1 a n

Formando matrices:
𝑎11 𝑎21 … 𝑎𝑛1 𝑦1 0 𝑐1
𝑎12 𝑎22 … 𝑎𝑛2 𝑦2 0 𝑐2
𝐴𝑇 = 𝑏 𝑇 = 𝑏 𝑏2 … 𝑏𝑛 ; 𝑦 = ത
⋮ ⋮ … ⋮ ; 1 ⋮ ;𝑂= ⋮
;𝑐= ⋮
𝑎1𝑚 𝑎𝑚2 … 𝑎𝑛𝑚 𝑦𝑛 0 𝑐𝑚

Ahora el modelo dual se representaría así: 𝑚𝑎𝑥 𝑊 = 𝑏𝑇 𝑦

Se denomina:
s.a. Forma abreviada,
𝐴𝑇 𝑦 ≤ 𝑐 matricial o 12
𝑦 ≥ 𝑂ത canónica
En resumen, se tiene la siguiente regla:
Modelo Primal: Modelo Dual:
𝑚𝑖𝑛 𝑍 = 𝑐 𝑇 𝑥 𝑚𝑎𝑥 𝑊 = 𝑏𝑇 𝑦
s.a. s.a.
𝐴𝑥 ≥ 𝑏 𝐴𝑇 𝑦 ≤ 𝑐
𝑥 ≥ 𝑂ത 𝑦 ≥ 𝑂ത

A partir de la anterior relación se tiene la siguiente conclusión:

Cuando el modelo primal está en formato canónico, se tienen las
siguientes reglas:
1. La función objetivo de un problema debe ser opuesto al del otro.
2. En un modelo de minimización, todas sus restricciones deben ser del tipo
≥; y en un problema de maximización del tipo ≤.
3. Las variables de ambos modelos deben ser no negativas.
4. Cada restricción en un modelo primal tiene asociada una variable en el 13

modelo dual y viceversa.

 Otras reglas para la conversión del modelo primal a dual son:
Modelo Primal: Modelo Dual:
𝑚𝑎𝑥 𝑍 = 𝑐 𝑇 𝑥 𝑚𝑖𝑛 𝑊 = 𝑏𝑇 𝑦
s.a. s.a.
𝐴𝑥 ≤ 𝑏 𝐴𝑇 𝑦 ≥ 𝑐
𝑥 ≥ 𝑂ത 𝑦 ≥ 𝑂ത
Ejemplo 1.
Plantear el modelo dual para el siguiente modelo primal.

Modelo Primal: Modelo Dual:

𝑚𝑎𝑥 𝑍 = 10𝑥1 + 7𝑥2 + 9𝑥3 + 9𝑥4 𝑚𝑖𝑛 𝑊 = 5𝑦1 + 6𝑦2 + 8𝑦3
s.a. s.a.
𝑥1 + 5𝑥2 +3𝑥3 +5𝑥4 ≤ 5 𝑦1 + 2𝑦2 + 4𝑦3 ≥ 10
2𝑥1 + 2𝑥2 +3𝑥3 +3𝑥4 ≤ 6 5𝑦1 + 2𝑦2 + 𝑦3 ≥ 7
4𝑥1 + 𝑥2 +5𝑥3 +7𝑥4 ≤ 8 3𝑦1 + 3𝑦2 + 5𝑦3 ≥ 9
5𝑦1 + 3𝑦2 + 7𝑦3 ≥ 9
𝑥𝑖 ≥ 0 donde i=1 a 4 14
𝑦𝑗 ≥ 0 donde j=1 a 3
Ejercicio en clase 1:
Determinar el modelo dual del siguiente modelo primal
(canónico):
𝑚𝑎𝑥 𝑍 = 4𝑥1 + 7𝑥2 + 3𝑥3
s.a.
4𝑥1 − 7𝑥2 + 3𝑥3 ≤ 4
𝑥1 +3𝑥2 − 𝑥3 ≤ 3
9𝑥1 − 𝑥2 + 2𝑥3 ≤ 7

𝑥𝑖 ≥ 0 donde i=1 a 3

15
Ahora, cuando el modelo primal está en formato libre::
Ejemplo: 𝑚𝑎𝑥 𝑍 = 4𝑥1 − 4𝑥2 + 6𝑥3
s.a.
4𝑥1 + 3𝑥2 + 8𝑥3 ≥ 9
3𝑥1 − 4𝑥2 + 5𝑥3 = 10
7𝑥1 + 8𝑥2 +10𝑥3 ≤ 8
6𝑥1 + 6𝑥2 + 7𝑥3 = 7

𝑥1 ≥ 0
𝑥2 ≤ 0
𝑥3 irrestricta
La identificación de variables duales y restricciones duales es similar a lo
visto en anteriores diapositivas.
PASO 1: Asociar una variable dual a cada restricción del modelo primal
4𝑥1 + 3𝑥2 + 8𝑥3 ≥ 9  𝑦1
3𝑥1 − 4𝑥2 + 5𝑥3 = 10  𝑦2
7𝑥1 + 8𝑥2 +10𝑥3 ≤ 8  𝑦3 16
6𝑥1 + 6𝑥2 + 7𝑥3 = 7  𝑦4
PASO 2: Cada variable del modelo primal genera una restricción dual
(Aún no se determina las relaciones de las restricciones)
𝑥1  4𝑦1 + 3𝑦2 + 7𝑦3 + 6𝑦4 ? 4
𝑥2  3𝑦1 − 4𝑦2 + 8𝑦3 + 6𝑦4 ? −4
𝑥3  8𝑦1 + 5𝑦2 + 10𝑦3 + 7𝑦4 ? 6

PASO 3: La Función Objetivo del Modelo Dual es opuesto al del Modelo

Primal y está integrada por el vector de recursos del Modelo Primal
𝑚𝑖𝑛 𝑊 = 9𝑦1 + 10𝑦2 + 8𝑦3 + 7𝑦4

17
 PASO 4: Determinar las relaciones de las restricciones
Maximizar Minimizar
Restricciones Variables
≤ ≥0
= irrestricta
≥ ≤0
Variables Restricciones

Según la tabla: ≥0 ≥
irrestricta =
Variables ≤0 ≤

• 𝑥1 ≥ 0 En max, la restricción será ≥ 𝑥1  4𝑦1 + 3𝑦2 + 7𝑦3 + 6𝑦4 ≥ 4

• 𝑥2 ≤ 0 En max, la restricción será ≤ 𝑥2  3𝑦1 − 4𝑦2 + 8𝑦3 + 6𝑦4 ≤ −4
• 𝑥3 irrestricta En max, la restricción será = 𝑥3  8𝑦1 + 5𝑦2 + 10𝑦3 + 7𝑦4 = 6
Restricciones
• 4𝑥1 + 3𝑥2 + 8𝑥3 ≥ 9  𝑦1 está asociada con una restricción ≥ entonces 𝑦1 ≤ 0
• 3𝑥1 − 4𝑥2 + 5𝑥3 = 10  𝑦2 está asociada con una restricción = entonces 𝑦2 irrestricta
• 7𝑥1 + 8𝑥2 +10𝑥3 ≤ 8  𝑦3 está asociada con una restricción ≤ entonces 𝑦3 ≥ 0 18
• 6𝑥1 + 6𝑥2 + 7𝑥3 = 7  𝑦4 está asociada con una restricción = entonces 𝑦4 irrestricta
PASO 5: Finalmente la conversión del modelo primal a dual en formato
libre quedaría así:

Modelo Primal: Modelo Dual:

𝑚𝑎𝑥 𝑍 = 4𝑥1 − 4𝑥2 + 6𝑥3
s.a.
4𝑥1 + 3𝑥2 + 8𝑥3 ≥ 9
3𝑥1 − 4𝑥2 + 5𝑥3 = 10
7𝑥1 + 8𝑥2 +10𝑥3 ≤ 8
6𝑥1 + 6𝑥2 + 7𝑥3 = 7
𝑥1 ≥ 0
𝑥2 ≤ 0
𝑥3 irrestricta
𝑚𝑖𝑛 𝑊 = 9𝑦1 + 10𝑦2 + 8𝑦3 + 7𝑦4
s.a.
4𝑦1 + 3𝑦2 + 7𝑦3 + 6𝑦4 ≥ 4
3𝑦1 − 4𝑦2 + 8𝑦3 + 6𝑦4 ≤ −4
8𝑦1 + 5𝑦2 + 10𝑦3 + 7𝑦4 = 6
𝑦1 ≤ 0
𝑦2 , 𝑦4 irrestrictas
𝑦3 ≥ 0

19
Ejercicio en clase 2:
Determinar el modelo dual del siguiente modelo primal
(formato libre):
𝑚𝑖𝑛 𝑍 = 4𝑥1 + 7𝑥2 + 3𝑥3
s.a.
4𝑥1 − 7𝑥2 + 3𝑥3 ≥ 4
𝑥1 +3𝑥2 − 𝑥3 = 3
9𝑥1 − 𝑥2 + 2𝑥3 ≤ 7

𝑥1 ≥ 0
𝑥2 irrestricta
𝑥3 ≤ 0

20
Ejemplo:
TOYCO arma tres juguetes: trenes, camiones y coches, con
tres operaciones. Los límites diarios de tiempo disponible
para las tres operaciones son 430, 460 y 420 minutos,
respectivamente, y las utilidades por tren, camión y coche de
juguete son $3, $2 y $5, respectivamente. Los tiempos de
armado por tren, en las tres operaciones son 1, 3 y 1 minutos,
respectivamente. Los tiempos respectivos por camión y por
coche son (2, 0, 4) y (1, 2, 0) minutos (un tiempo de cero
indica que no se usa la operación).

21
Solución:
𝑥1 , 𝑥2 , 𝑥3  Cantidad diaria de unidades armadas de trenes, camiones
y coches de juguete respectivamente. Su modelo primal y dual es:
Modelo Primal: Modelo Dual:
𝑚𝑎𝑥 𝑍 = 3𝑥1 + 2𝑥2 + 5𝑥3 𝑚𝑖𝑛 𝑊 = 430𝑦1 + 460𝑦2 + 420𝑦3
s.a. s.a.
𝑥1 + 2𝑥2 + 𝑥3 ≤ 430 (Operación1) 𝑦1 +3𝑦2 + 𝑦3 ≥ 3
3𝑥1 + 2𝑥3 ≤ 460 (Operación 2) 2𝑦1 + 4𝑦3 ≥ 2
𝑥1 + 4𝑥2 ≤ 420 (Operación 3) 𝑦1 +2𝑦2 ≥ 5

𝑥1 , 𝑥2 , 𝑥3 ≥ 0 𝑦1 , 𝑦2 , 𝑦3 ≥ 0

Solución óptima*: Solución óptima*:

𝑥1 = 0; 𝑥2 = 100; 𝑥3 = 230; 𝑍 = $1350 𝑦1 = 0; 𝑦2 = 2; 𝑦3 = 0; 𝑊 = $1350
22
* Aplicando el Software TORA
 La Tabla Óptima para el anterior problema primal es:

Var.
Bás. Z X1 X2 X3 S1 S2 S3 Solución

Z 1 4 0 0 1 2 0 1350

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

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

S3 0 2 0 0 -2 1 1 20

23
6.1 Cambios que afectan la factibilidad
La factibilidad de la solución óptima en el momento sólo
puede variar si 1) cambia el lado derecho de las
restricciones, o 2) se agrega al modelo una restricción
nueva. En ambos casos se tiene no factibilidad cuando al
menos un elemento del lado derecho en la tabla óptima se
hace negativo; esto es, una o más de las variables básicas
actuales se vuelve negativa.

24
1) Cambios en el lado derecho de las restricciones
Suponga que TOYCO desea ampliar sus líneas de ensamble
aumentando en 40% la capacidad diaria de cada una de las
operaciones, hasta 602, 644 y 588 minutos, respectivamente.

 Entonces, el único cambio que se realiza es en el lado

derecho de las restricciones
𝑥1 + 2𝑥2 + 𝑥3 ≤ 430 (Operación 1)
MODELO ORIGINAL 3𝑥1 + 2𝑥3 ≤ 460 (Operación 2)
𝑥1 + 4𝑥2 ≤ 420 (Operación 3)

𝑥1 + 2𝑥2 + 𝑥3 ≤ 602 (Operación 1)

MODELO MODIFICADO 3𝑥1 + 2𝑥3 ≤ 644 (Operación 2)
𝑥1 + 4𝑥2 ≤ 588 (Operación 3) 25
1) Cambios en el lado derecho de las restricciones (Cont.)
Por lo tanto, la nueva solución básica se calcula como sigue:

1 1
𝑥2 − 0 602 140
2 4
𝑥3 = 1 644 = 322
𝑆3 0 0 588 28
2
−2 1 1
Como se puede observar, las variables básicas actuales
𝑥2 , 𝑥3 , 𝑆3 siguen siendo factibles (positivas) con los nuevos
valores 140, 322 y 328. La utilidad óptima sería:
𝑍 = 3𝑥1 + 2𝑥2 + 5𝑥3
𝑍 = 3(0) + 2(140) + 5(322)
𝑍 = $1890 26
1) Cambios en el lado derecho de las restricciones (Cont.)
Ahora suponga cambiar la holgura de capacidad de la
operación 3 a la operación 1 en 20 minutos.
 Entonces, cambia la combinación de las tres
operaciones a 450, 460 y 400 minutos.

𝑥1 + 2𝑥2 + 𝑥3 ≤ 430 (Operación1)

MODELO ORIGINAL 3𝑥1 + 2𝑥3 ≤ 460 (Operación 2)
𝑥1 + 4𝑥2 ≤ 420 (Operación 3)

𝑥1 + 2𝑥2 + 𝑥3 ≤ 450 (Operación1)

MODELO MODIFICADO 3𝑥1 + 2𝑥3 ≤ 460 (Operación 2)
𝑥1 + 4𝑥2 ≤ 400 (Operación 3) 27
1) Cambios en el lado derecho de las restricciones (Cont.)
Por lo tanto, la nueva solución básica se calcula como sigue:
1 1
𝑥2 − 0 110
2 4 450
𝑥3 = 1 460 = 230
𝑆3 0 0 400 −40
2
−2 1 1
Como se puede observar, las variables básicas actuales
𝑥2 , 𝑥3 siguen siendo factibles (positivas); pero 𝑆3 es negativo
(-40). Entonces, se aplicará Simplex Dual para recuperar la
factibilidad. El valor de Z sería:
𝑍 = 3𝑥1 + 2𝑥2 + 5𝑥3
𝑍 = 3(0) + 2(110) + 5(230)
28
𝑍 = $1370
 1) Cambios en el lado derecho de las restricciones (Cont.)
Aplicando Simplex Dual: Columna
2 pivote
Variable de entrada: Se divide los coeficientes de las variables de Z entre los valores de la fila pivote
4/2=2 0/0=∞ 0/0=∞ 1/-2= -1/2 2/1=2 0/1=0 Se elige el valor más negativo

Var.
Bás. Z X1 X2 X3 S1 S2 S3 Solución

Z 1 4 0 0 1 2 0 1370

X2 0 -1/4 1 0 1/2 -1/4 0 110 Fila

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

1 pivote
Variable de salida: Se
elige el coeficiente más
S3 0 2 0 0 -2 1 1 -40 negativo de la columna
de solución.
Z 1 5 0 0 0 5/2 1/2 1350
Nueva Fila
X2 0 1/4 1 0 0 0 ¼ 110 Pivote:
Se divide todos los
X3 0 3/2 0 0 0 1/2 0 230 valores de la Fila
Pivote entre el
S1 0 -1 0 1 1 -1/2 -1/2 20 elemento Pivote
(en este caso ÷ -2)
29
Los demás valores se calculan de acuerdo a los Elemento
pasos que indica el Método Simplex pivote
1) Cambios en el lado derecho de las restricciones (Cont.)
Por lo tanto, la solución óptima queda como el modelo
original:
𝑍 = 3𝑥1 + 2𝑥2 + 5𝑥3
𝑍 = 3(0) + 2(100) + 5(230)
𝑍 = $1350
También se demuestra que no se usó la capacidad adicional
para la operación 𝑆3 = 20, por lo que la única conclusión
entonces es que la operación 2 es el cuello de botella.

30
2) Adición de una nueva restricción
Suponga que TOYCO cambia el diseño de los juguetes, y
que para el cambio se requerirá agregar una cuarta operación
en las líneas de ensamble. La capacidad diaria de la nueva
operación es 500 minutos, y los tiempos por unidad, para los
tres productos en esta operación, son 3, 1 y 1 minutos,
respectivamente. La restricción resultante se forma como
sigue:
3𝑥1 + 𝑥2 + 𝑥3 ≤ 500 (Operación 4)

Esta restricción es redundante porque queda satisfecha con

la solución óptima actual 𝑥1 = 0; 𝑥2 = 100; 𝑥3 = 230
3(0) + 100 + 230 ≤ 500 (Operación 4)
330 ≤ 500 31
2) Adición de una nueva restricción (cont.)
Ahora suponga que los tiempos por unidad, en TOYCO,
para la cuarta operación son 3, 3 y 1 minutos,
respectivamente. Todos los datos restantes del modelo
permanecen igual. En este caso, la cuarta restricción
resultante se forma como sigue:

3𝑥1 + 3𝑥2 + 𝑥3 ≤ 500 (Operación 4)

Esta restricción no queda satisfecha con la solución óptima

actual 𝑥1 = 0; 𝑥2 = 100; 𝑥3 = 230

3(0) + 3(100) + 230 ≤ 500 (Operación 4)

530 ≤ 500
32
2) Adición de una nueva restricción (cont.)
Se aumentará la nueva restricción a la tabla óptima actual,
(agregando la variable de holgura):
3𝑥1 + 𝑥2 + 𝑥3 + 𝑆4 = 500
Var.
Bás. Z X1 X2 X3 S1 S2 S3 S4 Solución

Z 1 4 0 0 1 2 0 0 1370
Las
X2 0 -1/4 1 0 1/2 -1/4 0 0 100 variables
que se
encuentran
X3 0 3/2 0 1 0 1/2 0 0 230 en la tabla
óptima son
S3 0 2 0 0 -2 1 1 0 20 x2 y x3; son
las que se
S4 0 3 3 1 0 0 0 1 500 utilizarán en
la operación

Se debe recalcular la fila 𝑆4 con la siguiente operación:

33
𝑁𝑢𝑒𝑣𝑎 𝑓𝑖𝑙𝑎 𝑆4 = 𝑓𝑖𝑙𝑎 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 𝑑𝑒 𝑆4 − {3 × fila 𝑥2 + 1 × fila 𝑥3 }
 2) Adición de una nueva restricción (cont.)
𝑁𝑢𝑒𝑣𝑎 𝑓𝑖𝑙𝑎 𝑆4 = 𝑓𝑖𝑙𝑎 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 𝑑𝑒 𝑆4 − {3 × fila 𝑥2 + 1 × fila 𝑥3 }
Fila
anterior S4 0 3 3 1 0 0 0 1 500
S4

3*x2 0 -1/4 1 0 1/2 -1/4 0 0 100

- +
1*x3 0 3/2 0 1 0 1/2 0 0 230

S4 0 3 3 1 0 0 0 1 500

3*x2 0 -3/4 3 0 3/2 -3/4 0 0 300

- +
1*x3 0 3/2 0 1 0 1/2 0 0 230

S4 0 3 3 1 0 0 0 1 500
- 3*x2+1*x3 0 3/4 3 1 3/2 -1/4 0 0 530
Nueva
fila S4 S4 0 9/4 0 0 -3/2 1/4 0 1 -30

34
2) Adición de una nueva restricción (cont.)
Entonces, la nueva tabla será:
Var.
Z X1 X2 X3 S1 S2 S3 S4 Solución
Bás.
Z 1 4 0 0 1 2 0 0 1370

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

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

S3 0 2 0 0 -2 1 1 0 20

S4 0 9/4 0 0 -3/2 1/4 0 1 -30

Se observa que se tiene en la solución 𝑺𝟒 = −𝟑𝟎 , lo que

significa que afecta a la factibilidad y se resolverá por el
método Simplex Dual, cuyo resultado es:
35
𝑥1 = 0; 𝑥2 = 90; 𝑥3 = 230; 𝑍 = $1330