Reglas en el algoritno SIMPLEX:

1ra Decisión 2da Decisión

FO FO
Max Min Max Min
El mayor (Cj-Zj) El menor (Cj-Zj) El < q+

Prueba de Optimalidad:
FO
Max Min
Todo (Cj-Zj)<=0 Todo (Cj-Zj)>=0

Así mismo NO DEBE EXISTIR caso de INFACTIBILIDAD

CASOS DE INFACTIBILIDAD:
1. Cuando existe una VARIABLE ARTIFICIAL como VARIABLE BASICA
2. Cuando existe una VARIABLE BÁSICA NEGATIVA
SIGNO DEL PRECIO DUAL
Signo
FO Restricción PD
MAX ó <= +
MIN >= -

EN UNA TABLA FINAL:

Toda VARIABLE BÁSICA tiene asociado un (Cj-Zj)=0
Toda VARIABLE NO BÁSICA tiene asociado un (Cj-Zj)≠0
MÉTODO SIMPLEX Segundo. Se construye la tabla inic
Problema 1.-Hallar la solución óptima por el método simplex.
Cj ®
MAX 150X1+500X2 ¯ VB
ST F11 0 s1
X1+2X2<=400 F12 0 s2
6X1<=1200 Tabla I F13 0 s3
18X2<=2700 F14 0 s4
X1+1.5X2<=600 F15 -M A1
X2>=140 Zj
X1,X2>=0 Cj-Zj

Primero. Hay que ESTANDARIZAR EL MODELO: Donde:

Cj: Coeficientes de la función
Estadarizar. Permite asociar una matriz identidad al Modelo de VB: Columna de variables solu
Programación Lineal, haciendo uso de 3 tipos de variables: b: Disponibilidad de recursos
HOLGURA (Si), EXCESO (Si) y ARTIFICIAL (Ai).
Zj: En la columna b, es el valo
es el costo de oportunidad
Cj-Zj: Beneficio neto a obtene
Reglas de Estandarización: se define como la FILA D
Tipo Variables FO q: Definida como COLUMN
Restricción a agregar Max Min solución en función a los
<= +Si +0Si +0Si
>= -Si + Ai +0Si - MAi +0Si + MAi Nota: La tabla I representa el
= +Ai - MAi + MAi Variabes básicas (VB):
s1=400
Donde M es un valor muy grande. s2=1200
s3=2700
Modelo estandarizado: s4=600
Max 150x1+500x2+0s1+0s2+0s3+0s4+0s5-MA1 A1=140
st Z=-140M
x1+2x2+s1=400 Variables No Básicas:
6x1+s2=1200 x1=0
18x2+s3=2700 x2=0
x1+1.5x2+s4=600 s5=0
x2-s5+A1=140

Modelo estandarizado en detalle:

Max 150x1+500x2+0s1+0s2+0s3+0s4+0s5-MA1 Matriz identidad:
st s1 s2 s3 s4 A1
x1+ 2x2+ s1+0s2+0s3+0s4+0s5+0A1=400 1 0 0 0 0
6x1+ 0s1+s2+0s3+0s4+0s5+0A1=1200 0 1 0 0 0
18x2+0s1+0s2+s3+0s4+0s5+0A1=2700 0 0 1 0 0
x1+1.5x2+0s1+0s2+0s3+s4+0s5+0A1=600 0 0 0 1 0
x2 +0s1+0s2+0s3+0s4-s5+A1=140 0 0 0 0 1

El uso de una variable artificial permite crear una soluci[on factible básica para
iniciar el algoritmo simplex (genera matriz identidad).
Una variable artificial no tiene significado físico en términos de un problema de
programación lineal del mundo real, por lo tanto no se le permite aparecer en la
solución final del problema, en caso contrario estamos en un caso de solución no
factible.
El uso de una variable artificial permite crear una soluci[on factible básica para
iniciar el algoritmo simplex (genera matriz identidad).
Una variable artificial no tiene significado físico en términos de un problema de
programación lineal del mundo real, por lo tanto no se le permite aparecer en la
solución final del problema, en caso contrario estamos en un caso de solución no
factible.
ndo. Se construye la tabla inicial del simplex Tercero. Se obtiene la PRIMERA IT

150 500 0 0 0 0 0 -M Pasos:

x1 x2 s1 s2 s3 s4 s5 A1 b q 1. Elegir el PIVOTE
1 2 1 0 0 0 0 0 400 200 Para elegir el PIVOTE se aplica la
6 0 0 1 0 0 0 0 1200 inf
0 18 0 0 1 0 0 0 2700 150 REGLAS DE DECISIÓN PARA ELEGIR
1 1.5 0 0 0 1 0 0 600 400
0 1 0 0 0 0 -1 1 140 140
0 -M 0 0 0 0 M -M -140M
150 500+M 0 0 0 0 -M 0

Cj: Coeficientes de la función objetivo estandarizada La primera decisión se aplica para

VB: Columna de variables solución o básicas (se coloca todas las variables de la Matriz Identidad) La segunda decisión se aplica para
b: Disponibilidad de recursos (lados derechos) El PIVOTE es la intersección de la F
Zj: En la columna b, es el valor de la función objetivo, en las columnas restantes
es el costo de oportunidad por ingresar una determinada variable a la base. 2. En la nueva tabla (Tabla II) en la
Cj-Zj: Beneficio neto a obtener por ingresar una unidad de una determinada variable a la base. a todos sus elementos entre el
se define como la FILA DE PRIMERA DECISIÓN. F25 0
Definida como COLUMNA DE SEGUNDA DECISIÓN o valores que limitan la 3. Tomando en cuenta los valores
solución en función a los recursos disponibles. respectivas se obtienen de la si
F21=F25*(-2)+F11
Nota: La tabla I representa el origen en la solución gráfica: F22=F25*(-0)+F12
Variabes básicas (VB): F23=F25*(-18)+F13
F24=F25*(-1.5)+F14

Por ejemplo la Fila F21:

F25*(-2)

Variables No Básicas: F25*(-2)+F11

Resultados PRIMERA ITERACIÓN:

Cj ®
¯
F21 0
F22 0
Tabla II F23 0
F24 0
F25 500

4. Se hace la PRUEBA DE
 5. De no haber llegado a

Resultados SEGUNDA ITERACIÓN:

Cj ®
¯
F31 0
F32 0
Tabla III F33 0
F34 0
F35 500

Los valores en la tabla II s

F33=F23/18
F31=F33*(-2)+F21
F32=F33*(-0)+F22
F34=F33*(-1.5)+F24
F35=F33*(1)+F25

Resultados TERCERA ITERACIÓN:

Cj ®
¯
F41 150
F42 0
Tabla IV F43 0
F44 0
F45 500
 Se obtiene la PRIMERA ITERACIÓN

egir el PIVOTE se aplica las siguientes reglas:

DE DECISIÓN PARA ELEGIR EL PIVOTE:

era decisión se aplica para elegir la COLUMNA PIVOT.

nda decisión se aplica para elegir la FILA PIVOT.
E es la intersección de la FILA y COLUMNA PIVOTE

nueva tabla (Tabla II) en la fila correspondiente a la FILA PIVOT, dividir

os sus elementos entre el PIVOTE y obtendremos la FILA F25
1 0 0 0 0 -1 1 140
ndo en cuenta los valores de la COLUMNA PIVOTE, los valores de las otras FILAS
ctivas se obtienen de la siguiente manera:
F21=F25*(-2)+F11
F22=F25*(-0)+F12
F23=F25*(-18)+F13
F24=F25*(-1.5)+F14

Por ejemplo la Fila F21:

F25 1 0 0 0 0 0 -1 1 140
F25*(-2) -2 0 0 0 0 0 2 -2 -280
F11 2 1 1 0 0 0 0 0 400
F25*(-2)+F11 0 1 1 0 0 0 2 -2 120

dos PRIMERA ITERACIÓN:

150 500 0 0 0 0 0 -M Nota: La tabla II representa el punto (0,
VB x1 x2 s1 s2 s3 s4 s5 A1 b q Variabes básicas (VB):
s1 1 0 1 0 0 0 2 -2 120 60 s1=120
s2 6 0 0 1 0 0 0 0 1200 inf s2=1200
s3 0 0 0 0 1 0 18 -18 180 10 s3=180
s4 1 0 0 0 0 1 1.5 -1.5 390 260 s4=390
x2 0 1 0 0 0 0 -1 1 140 -140 x2=140
Zj 0 500 0 0 0 0 -500 500 70000 Z=70000
Cj-Zj 150 0 0 0 0 0 500 -M-500 Variables No Básicas:
x1=0
4. Se hace la PRUEBA DE OPTIMALIDAD para saber si llegó a la SOLUCIÓN ÓPTIMA s5=0
A1=0
 5. De no haber llegado a la Solución Óptima, se repite todo a partir del paso 1.

dos SEGUNDA ITERACIÓN:

150 500 0 0 0 0 0 -M Nota: La tabla III representa el punto (0
VB x1 x2 s1 s2 s3 s4 s5 A1 b q Variabes básicas (VB):
s1 1 0 1 0 -0.111 0 0 0 100 100 s1=100
s2 6 0 0 1 0 0 0 0 1200 200 s2=1200
s5 0 0 0 0 0.056 0 1 -1 10 inf s5=10
s4 1 0 0 0 -0.083 1 0 0 375 375 s4=375
x2 0 1 0 0 0.056 0 0 0 150 inf x2=150
Zj 0 500 0 0 27.78 0 0 0 75000 Z=75000
Cj-Zj 150 0 0 0 -27.78 0 0 -M Variables No Básicas:
x1=0
Como no todos los valores Cj-Zj son <=0, no es la solución óptima. s3=0
A1=0
Los valores en la tabla II se obtienen aplicando las siguientes relaciones:
F33=F23/18
F31=F33*(-2)+F21
F32=F33*(-0)+F22
F34=F33*(-1.5)+F24
F35=F33*(1)+F25

dos TERCERA ITERACIÓN:

150 500 0 0 0 0 0 -M Nota: La tabla IV representa el punto (1
VB x1 x2 s1 s2 s3 s4 s5 A1 b El Valor de las VARIABLES BÁSICAS, se e
x1 1 0 1 0 -0.111 0 0 0 100 X1=100
s2 0 0 -6 1 0.667 0 0 0 600 X2=150
s5 0 0 0 0 0.056 0 1 -1 10 S2=600 Holgura de los m2 de lino
s4 0 0 -1 0 0.028 1 0 0 275 S4=275 Holgura de las Horas máqu
x2 0 1 0 0 0.056 0 0 0 150 S5=10 Excedente de la demanda
Zj 150 500 150 0 11.11 0 0 0 90000 Todas las variables que no se encuentra
Cj-Zj 0 0 -150 0 -11.11 0 0 -M S1=0 Holgura de las Horas homb
S3=0 Holgura de los m2 de lona
Como todos los valores Cj-Zj son <=0, hemos llegado a la solución óptima.
Zóptimo=90000

Precios sombra o precio dual:

PS(RHS1)= 150
PS(RHS2)= 0
PS(RHS3)= 11.1
PS(RHS4)= 0
PS(RHS5)= 0
a II representa el punto (0,140) en la solución gráfica:
a III representa el punto (0,150) en la solución gráfica:

a IV representa el punto (100,150) en la solución gráfica:

s VARIABLES BÁSICAS, se encuentran en la columna b

Holgura de los m2 de lino

Holgura de las Horas máquina
Excedente de la demanda de x1
ables que no se encuentran en la columna VB, tienen valor CERO.
Holgura de las Horas hombre (Agotado)
Holgura de los m2 de lona (Agotado)

ra o precio dual:
Fila Cj-Zj de la Columna S1
Fila Cj-Zj de la Columna S2
Fila Cj-Zj de la Columna S3
Fila Cj-Zj de la Columna S4
Fila Cj-Zj de la Columna S5
RELACIÓN PRIMAL DUAL
MODELO PRIMAL: MODELO DUAL:
MIN W = 430Y1 + 460Y2
Problema 2.- Para el modelo matemático siguiente, el cual representa un problema de producción: Y1+ 3Y2 + Y3 >= 3
Y1 + 4Y3 >= 2
MAX Z= 3X1+2X2+5X3 ganancia en soles MODELO ESTANDARIZADO: Y1+ 2Y2 >= 5
ST MAX Z= 3X1+2X2+5X3+0S1+0S2+0S3
X1+X2+X3<=430 horas-hombre ST
3X1+2X3<=460 horas-máquina X1+X2+X3+S1=430
X1+4X2<=420 Kg. de Materia Prima 3X1+2X3+S2=460
X1,X2,X3>=0 X1+4X2+S3=420

Aplicando el método Simplex, obtenga su solución óptima

Método Simplex
Cj ®
Cj ® 3 2 5 0 0 0 ¯
¯ VB x1 x2 x3 s1 s2 s3 b q 1000
0 s1 1 1 1 1 0 0 430 430 1000
0 s2 3 0 2 0 1 0 460 230 1000
0 s3 1 4 0 0 0 1 420 M
Zj 0 0 0 0 0 0 0
Cj-Zj 3 2 5 0 0 0

0 s1 -0.5 1 0 1 -0.5 0 200 200 1000

5 x3 1.5 0 1 0 0.5 0 230 M 420
0 s3 1 4 0 0 0 1 420 105 1000
Zj 7.5 0 5 0 2.5 0 1150
Cj-Zj -4.5 2 0 0 -2.5 0

0 s1 -0.75 0 0 1 -0.5 -0.25 95

5 x3 1.5 0 1 0 0.5 0 230 Valor de X3 460
2 x2 0.25 1 0 0 0 0.25 105 Valor de X2 420
Zj 8 2 5 0 2.5 0.5 1360 FO 1000
Cj-Zj -5 0 0 0 -2.5 -0.5
Costos reducidos Precios duales

Solución del Modelo PRIMAL: Solución del Modelo DUAL: 460

X1 0 X1 0 420
X2 105 X2 2.5 0
X3 230 X3 0.5
Z 1360 W 1360
S1 95 S1 95
S2 0 S2 0
 S3 0 S3 0
PS1 0 PS1 0
PS2 2.5 PS2 105
PS3 0.5 PS3 230
CR X1 -5 CR Y1 95
CR X2 0 CR Y2 0
CR X3 0 CR Y3 0

Determinar:
a) El plan de producción óptimo. La ganancia máxima.
Plan de producción óptimo:
0 unidades de X1
105 unidades de X2
230 unidades de X3
Ganancia máxima = 1360 soles
b) Los precios sombra de cada Lado Derecho
PS(LD1)=0
PS(LD2)=+2.5
PS(LD3)=+0.5
c) La holgura o excedente de cada LD
Holgura de LD1=95 horas hombre
Holgura de LD2=0 horas máquina
Holgura de LD3=0 Kg. De materia prima
d) ¿Cuánto estaría Ud. dispuesto a pagar como máximo por una hora-hombre extra?,
¿Por una hora-máquina extra?, ¿Por un Kg. adicional de Materia Prima?
Por una hora hombre extra = 0 soles
Por una hora máquina extra = 2.5 soles
Por un kg. adicional de materia prima = 0.5 soles
e) ¿Cuánto debería de aumentar la utilidad unitaria de x1 para que justifique su producción?
Debería de aumentar una cantidad >=5 soles.
MODELO DUAL:
MIN W = 430Y1 + 460Y2 + 420Y3
Y1+ 3Y2 + Y3 >= 3
Y1 + 4Y3 >= 2
Y1+ 2Y2 >= 5

Modelo Estandarizado
MIN W = 430Y1 + 460Y2 + 420Y3 + 0S1 + 0S2 + 0S3 + MA1 + MA2 + MA3
ST
Y1+ 3Y2 + Y3 -S1 +1000A1 = 3
Y1 + 4Y3 - S2 + 1000A2 = 2
Y1 + 2Y2 -S3 + 1000A3 = 5
M al ser un valor sumamente grande, le damos el valor 1000

430 460 420 0 0 0 1000 1000 1000

VB Y1 Y2 Y3 S1 S2 S3 A1 A2 A3 b q
Elemento a Transf
A1 1 3 1 -1 0 0 1 0 0 3 3 (ET)
A2 1 0 4 0 -1 0 0 1 0 2 0.5
A3 1 2 0 0 0 -1 0 0 1 5 inf Semipivot de Fila (
Zj --> 3000 5000 5000 -1000 -1000 -1000 1000 1000 1000 10000
Cj - Zj -- -2570 -4540 -4580 1000 1000 1000 0 0 0

VB Y1 Y2 Y3 S1 S2 S3 A1 A2 A3 b q
A1 0.75 3 0 -1 0.25 0 1 -0.25 0 2.5 0.8333 Elemento Nuevo (
Y3 0.25 0 1 0 -0.25 0 0 0.25 0 0.5 inf
A3 1 2 0 0 0 -1 0 0 1 5 2.5
Zj --> 1855 5000 420 -1000 145 -1000 1000 -145 1000 7710 Para encontra
Cj - Zj -- -1425 -4540 0 1000 -145 1000 0 1145 0 los elemntos
partir de la 2d
VB Y1 Y2 Y3 S1 S2 S3 A1 A2 A3 b q tabla, excepto
Y2 0.25 1 0 -0.3333 0.0833 0 0.3333 -0.0833 0 0.8333 -2.5 de la fila pivo
Y3 0.25 0 1 0 -0.25 0 0 0.25 0 0.5 inf puede aplicar
A3 0.5 0 0 0.6667 -0.1667 -1 -0.6667 0.1667 1 3.3333 5 siguiente
Zj --> 720 460 420 513.33 -233.33 -1000 -513.33 233.33 1000 3926.7 relación:
Cj - Zj -- -290 0 0 -513.33 233.33 1000 1513.3 766.67 0
EN=ET-SPF*SP
VB Y1 Y2 Y3 S1 S2 S3 A1 A2 A3 b
Y2 1 1 0 0 0 -1 0 0 1 3
Y3 0.25 0 1 0 -0.25 0 0 0.25 0 0.5
S1 0.75 0 0 1 -0.25 -1.5 -1 0.25 1.5 5
Zj --> 335 460 420 0 -105 -230 0 105 230 1360
Cj - Zj -- 95 0 0 0 105 230 1000 895 770
Costos reducidos Precios duales
Solución del Modelo DUAL: Solución del Modelo PRIMAL:
Y1 0 X1 0
Y2 2 X2 105
Y3 0.5 X3 230
W 1360 Z 1360
S1 5 S1 95
S2 0 S2 0
S3 0 S3 0
PS1 0 PS1 0
PS2 -105 PS2 2
PS3 -230 PS3 0.5
CR Y1 95 CR X1 5
CR Y2 0 CR X2 0
CR Y3 0 CR X3 0
 Semipivot de Columna (SPC)

Elemento a Transformar
(ET)

Semipivot de Fila (SPF)

Pivot (P)

Elemento Nuevo (EN)

Para encontrar
los elemntos a
partir de la 2da
tabla, excepto los
de la fila pivot, se
puede aplicar la
siguiente
relación:

EN=ET-SPF*SPC/P
Problema 3.- Para el modelo matemático siguiente, el cual representa un problema de minimización de costos:
MIN Z = 4X1 + 3X2
ST Modelo Estandarizado:
X1+3X2>=15 MIN Z = 4X1 + 3X2+0s1+0s2+0s3+Ma1+Ma2+Ma3
2X1+ X2>=10 ST
X1+ X2>=8 X1+3X2-s1+a1=15
X1,X2>=0 2X1+ X2-s2+a2=10
X1+ X2-s3+a3=8
Se pide:
a) El gráfico respectivo y la solución óptima (valor de las variables de decisión y valor de la función objetivo)

Z=26
X1=2
X2=6

b) Aplique el método simplex y obtenga la iteración final (óptima)

Método Simplex

Cj ® 4 3 0 0 0 M M M
¯ VB x1 x2 s1 s2 s3 a1 a2 a3 b q
M a1 1 3 -1 0 0 1 0 0 15 5
I M a2 2 1 0 -1 0 0 1 0 10 10
M a3 1 1 0 0 -1 0 0 1 8 8
Zj 4M 5M -M -M -M M M M 33M
Cj-Zj 4-4M 3-5M M M M 0 0 0

3 x2 1/3 1 -1/3 0 0 1/3 0 0 5 15

II M a2 5/3 0 1/3 -1 0 -1/3 1 0 5 3
M a3 2/3 0 1/3 0 -1 -1/3 0 1 3 9/2
Zj 1+7/3M 3 -1+2/3M -M -M 1-2/3M M M 15+15M
Cj-Zj 3-7/3M 0 1-2/3M M M -1+5/3 0 0

3 x2 0 1 -2/5 1/5 0 2/5 -1/5 0 4 -10

III 4 x1 1 0 1/5 -3/5 0 -1/5 3/5 0 3 15
M a3 0 0 1/5 2/5 -1 -1/5 -2/5 1 1 5
Zj 4 3 -2/5+M/5 -9/5+2/5M -M 2/5-1/5M 9/5-2/5M M 24+M
 Cj-Zj 0 0 2/5-M/5 9/5-2/5M M -2/5+M/5 -9/5+2/5M M

3 x2 0 1 0 1 -2 0 -1 2 6
IV 4 x1 1 0 0 -1 1 0 1 -1 2
0 s1 0 0 1 2 -5 -1 -2 5 5
Zj 4 3 0 -1 -2 0 1 2 26
Cj-Zj 0 0 0 1 2 M M-1 M-2
Precios Sombra

c) Muestre el precio sombra de los RHS.

PS1=0
PS2=-1
PS3=-2
ón de costos:
d) Construya el Modelo DUAL y resuélvalo con el algoritmo SIMPLEX:

Ma2+Ma3 Modelo dual: Modelo Estandarizado:

max 15y1+10y2+8y3 max 15y1+10y2+8y3+0s1+0s2
st st
y1+2y1+y3<=4 y1+2y1+y3+s1=4
3y1+y2+y3<=3 3y1+y2+y3+0s2=3

Método Simplex para le modelo DUAL

Cj ® 15 10 8 0 0
¯ VB y1 y2 y3 s1 s2 b q
0 s1 1 2 1 1 0 4 4
I 0 s2 3 1 1 0 1 3 1
Zj 0 0 0 0 0 0
Cj-Zj 15 10 8 0 0

0 s2 0 1.667 0.6667 1 -0.333 3 1.8

II 15 y1 1 0.333 0.3333 0 0.333 1 3
Zj 15 5 5 0 5 15
Cj-Zj 0 5 3 0 -5

10 y2 0 1 0.4 0.6 -0.2 1.8 4.5

III 15 y1 1 0 0.2 -0.2 0.4 0.4 2
Zj 15 10 7 3 4 24
Cj-Zj 0 0 1 -3 -4

10 y2 -2 1 0 1 -1 1
IV 8 y3 5 0 1 -1 2 2
Zj 20 10 8 2 6 26
Cj-Zj -5 0 0 -2 -6
Precios Sombra

Solución óptima del DUAL: Solución óptima del PRIMAL:

y1=0 X1= 2
Y2=1 X2=6
Y3=2 Z = 26
W=26 PS1=0
PS1=2 PS2=-1
PS2=6 PS3=-2
Problema 4.- Dado el siguiente modelo matemático de programación lineal:
MIN Z = 2X1 + 3X2 Modelo estandarizado:
ST MIN Z = 2X1 + 3X2+0S1+0S2+0S3+MA1
X1-3X2<=2 ST
2X1+ X2>=11 X1-3X2+s1=2
X1+ X2<=8 2X1+ X2-s2+A1=11
X1,X2>=0 X1+ X2+s3=8

a) Muestre la gráfica respectiva y la tabla de evaluación de los puntos intersección de la región factible.

Tabla:
Punto x1 x2 Z
P1 3 5 21
P2 6,5 1,5 17,5
P3 5 1 13 Min

b) Indique el valor de las variables de decisión y el valor de la función objetivo.

X1=5
X2=1
Z=13

c) Determine analíticamente el Precio sombra del RHS2

Punto óptimo P3 (R1∩R2)
R1: X1-3x2=2
R2: 2x1+x2=11+1

2*R1-R2: -7x2=-8 Þ X2=1.1428

En R1: X1-3(1.1428)=2 Þ X1= 5.4284

Z’ = 2(5.4284)+3(1.1428) = 14.26
Þ PD(RHS2)= 13 - 14.2852= -1.285
d) Muestre la salida del WinQsb:

e) Muestre las tablas del Simplex y en base a la tabla final indique:

1. El valor de las variables de decisión
2. El valor de la función objetivo
3. El estado de los lados derechos
4. Los precios sombra
5. Los costos reducidos

Método Simplex

Cj ® 2 3 0 0 0 M
¯ VB x1 x2 s1 s2 s3 a1 b q
0 s1 1 -3 1 0 0 0 2 2
I M a1 2 1 0 -1 0 1 11 5.5
0 s3 1 1 0 0 1 0 8 8
Zj 2M M 0 -M 0 M 11M
Cj-Zj 2-2M 3-M 0 M 0 0

2 x1 1 -3 1 0 0 0 2 -0.67
II M a1 0 7 -2 -1 0 1 7 1
0 s3 0 4 -1 0 1 0 6 1.5
Zj 2 -6+7M 2-2M -M 0 M 4+7M
Cj-Zj 0 9-7M -2+2M M 0 0

2 x1 1 0 0.1429 -0.429 0 0.4286 5

III 3 x2 0 1 -0.286 -0.143 0 0.1429 1
0 s3 0 0 0.1429 0.571 1 -0.571 2
Zj 2 3 -0.571 -1.286 0 1.2857 13
Cj-Zj 0 0 0.5714 1.286 0 M-1.286

Solución óptima:
x1=5
x2=1
Z=13
Estado de los lados derechos:
s1=0 (agotado)
s2=0 (agotado)
s3=2 (abundante)
Precios sombra:
PS1=0.571
PS2=-1.29
Ps3=0
Costos reducidos:
CR1=0
CR2=0
CASO ESPECIAL: SOLUCIONES OPTIMAS MULTIPLES

Modelo Estandarizado:
Max 6x1+2x2+0s1+0s2+0s3-Ma1
st
3x1+x2+s1=48
3x+4x2+s2=120
3x1+x2-s3+a1=36

Primera solución óptima Segunda solución óptima

x1 16 x1 8
x2 0 x2 24
s1 = 0 s1 = 0
s2 72 s2 0
s3 12 s3 12

Las soluciones óptimas múltiples estará dado por:

 Método Simplex

Cj ® 6 2 0 0 0 -M
¯ VB x1 x2 s1 s2 s3 a1 b q
0 s1 3 1 1 0 0 0 48 16
I 0 s2 3 4 0 1 0 0 120 40
-M a1 3 1 0 0 -1 1 36 12
Zj -3M -M 0 0 M -M -36M
Cj-Zj 6+3M 2+M -2 0 -M ###

0 s1 0 0 1 0 1 -1 12 12
II 0 s2 0 3 0 1 1 -1 84 84
6 x1 1 0.333 0 0 -0.333 0.333 12 -36
Zj 6 2 0 0 -2 2 72
Cj-Zj 0 0 0 0 2 -M-2

0 s3 0 0 1 0 1 -1 12 INF
III 0 s2 0 3 -1 1 0 0 72 24
6 x1 1 0.333 0.333 0 -3E-05 3E-05 16 48
Zj 6 2 2 0 0 0 96
Cj-Zj 0 0 -2 0 0 -M (Cj-Zj)=0 para x2 que es una VNB

Toda VNB debe tener un Cj-Zj diferente de cero.

0 S3 0 0 1 0 1 -1 12
IV 2 X2 0 1 -0.333 0.333 0 0 24
6 X1 1 3E-05 0.444 -0.111 -3E-05 3E-05 8.0004
Zj 6 2 2 7E-05 0 0 96
Cj-Zj 0 0 -2 0 0 -M (Cj-Zj)=0 para x1 que es una VNB

Las tablas III y IV tienes soluciones diferentes, pero el mismo valor de Z.

es una VNB
 Método Simplex
CASO ESPECIAL: SIN SOLUCIÓN
Cj ®
Modelo estandarizado: ¯
Max 40x1+30x2+0s1+0s2+0s3+0s4+0s5-Ma1-Ma2 0
st 0
2/5x1+1/2x2+s1=20 I 0
1/5x2+s2=5 -M
3/5x1+3/10x2+s3=21 -M
x1-s4+a1=30
x2-s5+a2=15

0
0
II 0
40
-M

0
0
III 30
40
-M

0
0
IV 30
40
-M
Método Simplex

40 30 0 0 0 0 0 -M -M
VB x1 x2 s1 s2 s3 s4 s5 a1 a2 b q
s1 0.4 0.2 1 0 0 0 0 0 0 20 50
s2 0 0.2 0 1 0 0 0 0 0 5 INF
s3 0.6 0.3 0 0 1 0 0 0 0 21 35
a1 1 0 0 0 0 -1 0 1 0 30 30
a2 0 1 0 0 0 0 -1 0 1 15 INF
Zj -M -M 0 0 0 M M -M -M -45M
Cj-Zj 40+M 30+M 0 0 0 -M -M 0 0

s1 0 0.2 1 0 0 0.4 0 -0.4 0 8 40

s2 0 0.2 0 1 0 0 0 0 0 5 25
s3 0 0.3 0 0 1 0.6 0 -0.6 0 3 10
x1 1 0 0 0 0 -1 0 1 0 30 INF
a2 0 1 0 0 0 0 -1 0 1 15 15
Zj 40 -M 0 0 0 -40 M 40 -M 1200-15M
Cj-Zj 0 30+M 0 0 0 40 -M -M-40 0

s1 0 0 1 0 -0.666667 0 0 0 0 6 INF
s2 0 0 0 1 -0.666667 -0.4 0 0.4 0 3 7.5
x2 0 1 0 0 3.333333 2 0 -2 0 10 -5
x1 1 0 0 0 0 -1 0 1 0 30 30
a2 0 0 0 0 -3.333333 -2 -1 2 1 5 2.5
Zj 40 30 0 0 100+3.3M 20+2M M -20-2M -M 1500-5M
Cj-Zj 0 0 0 0 -100-3.3M -20-2M -M 20+M 0

s1 0 0 1 0 -0.666667 0 0 0 0 6
s2 0 0 0 1 0 0 0.2 0 -0.2 2
x2 0 1 0 0 0 0 -1 0 1 15
x1 1 0 0 0 1.666667 0 0.5 0 -0.5 27.5
a1 0 0 0 0 -1.666667 -1 -0.5 1 0.5 2.5
Zj 40 30 0 0 66.6+1.66M M -10+0.5M -M 10-0.5M 1550
Cj-Zj 0 0 0 0 -66.6-1.66M -M 10-0.5M 0 -10-0.5M <=0, Solución óptima, PERO EXISTE una Variable Arti
tima, PERO EXISTE una Variable Artificial como VB
CASO ESPECIAL: SOLUCIÓN INFINITA Método Simplex

Modelo estandarizado: Cj ® 1 2
Max x1+2x2+0s1+0s2 ¯ VB x1 x2
st 0 s1 -4 3
-4x1+3x2+s1=3 I 0 s2 1 -1
x1-x2+s2=3 Zj 0 0
Cj-Zj 1 2

2 x2 -1.333 1
II 0 s2 -0.333 0
Zj -2.667 2
Cj-Zj 3.667 0
 0 0
s1 s2 b q
1 0 3 1
0 1 3 -3
0 0 0
0 0

0.333 0 1 -0.75
0.333 1 4 -12
0.667 0 2
-0.667 0 NO EXISTE UN <q+