Вы находитесь на странице: 1из 97

ANALISIS DE SENSIBILIDAD

Mg. Giovana Valverde A.


Entorno Dinámico de los Negocios
La principal razón de la importancia del análisis de
sensibilidad para quienes toman las decisiones es que
los problemas ocurren en un entorno dinámico.
Si se ha utilizado un modelo de PL en un entorno de
este tipo, puede esperarse que con el paso del
tiempo algunos de los parámetros cambien. Y se
deseara determinar la forma en que esos cambios
afectan a la solución óptima del problema de PL
original.

Mg. Giovana Valverde A. 2


Predicción de las Condiciones Futuras
El trabajo del equipo de investigación de
operaciones apenas comienza cuando se ha aplicado
con éxito el método símplex para identificar una
solución óptima del modelo.
Los valores de los parámetros que se usan en el
modelo casi siempre son sólo estimaciones basadas
en una predicción de las condiciones futuras.

Mg. Giovana Valverde A. 3


Análisis de Sensibilidad

El análisis de sensibilidad es el estudio de la


forma en la que se afecta a la solución optima al
realizarse los diferentes cambios Post optímales
de un Modelo de Programación Lineal.
Utilizando este análisis podemos responder a
preguntas como las siguientes:
¿Cómo afectará a la solución óptima un cambio en
uno de los coeficientes de la función objetivo?

Mg. Giovana Valverde A. 4


Análisis de Sensibilidad
 ¿ Cómo afectará a la solución óptima cambios en los
coeficientes tecnológicos?
 ¿ Cómo afectará a la solución óptima la adición de
una nueva variable?
 ¿ Cómo afectará a la solución óptima la adición de
una nueva restricción?
 ¿ Cómo afectará a la solución óptima un cambio en el
valor del lado derecho de una restricción?

Mg. Giovana Valverde A. 5


Análisis de Post optimalidad
Ya que el análisis de sensibilidad se ocupa de la forma
en que los cambios anteriores afectan a la solución
óptima, el análisis no comienza hasta que se obtiene,
precisamente, la solución óptima al problema de PL
original. De ahí que se le denomine Análisis de Post
optimalidad.
Pese al cambio en alguno de los parámetros de la
formulación original que dan paso a un nuevo problema,
no será necesario volver a resolver el problema desde
el inicio.

Mg. Giovana Valverde A. 6


Importancia del Análisis
 Es importante llevar a cabo un Análisis de
Sensibilidad, para investigar el efecto que
tendría sobre la solución óptima el hecho de que
los parámetros tomaran otros valores posibles.

 En general, habrá algunos parámetros a los que


se les asignara un valor razonable sin que cambie
la optimalidad de la solución. Sin embargo,
habrán parámetros cuyos cambios lleven a una
nueva solución óptima.

Mg. Giovana Valverde A. 7


Parámetros Sensibles
Un objetivo fundamental del Análisis de
Sensibilidad es identificar los parámetros
sensibles, (los parámetros cuyos valores no pueden
cambiar, sin que cambie la solución óptima ).

Para los parámetros sensibles, es de gran utilidad


determinar el intervalo de valores permisibles para
el cual la solución óptima no cambia.

Mg. Giovana Valverde A. 8


Información Derivada del Análisis
Primero, identifica los parámetros, más importantes,
con los que se debe tener cuidado al hacer
estimaciones al seleccionar una solución que tenga un
buen desempeño.

Segundo, identifica los parámetros que será necesario


controlar de cerca cuando el estudio se lleve a la
practica. Ya que si un valor real de un parámetro se
encuentra fuera de su intervalo de valores permisibles,
está es una señal inminente de que es necesario
cambiar la solución.
Mg. Giovana Valverde A. 9
Análisis de Sensibilidad vs
Esfuerzo Computacional
 El análisis de sensibilidad requeriría un esfuerzo
computacional exorbitante si fuera necesario
volver a aplicar el método símplex desde el
principio para investigar cada cambio en el valor
de un parámetro.

 Por fortuna, la esencia fundamental del análisis


de sensibilidad prácticamente elimina el
esfuerzo computacional.

Mg. Giovana Valverde A. 10


Resumen del Procedimiento
para el Análisis de Sensibilidad
1.Revisión del modelo: Se hacen los cambios
deseados en el modelo que se va a investigar.
2.Revisión de la tabla simplex final: Se emplean
las propiedades fundamentales para
determinar los cambios que resultan en la tabla
simplex final.
3.Conversión a la forma apropiada: Se
convierte esta tabla en la forma apropiada
para identificar y evaluar la solución básica
actual aplicando (según sea necesario)
eliminación de Gauss.

Mg. Giovana Valverde A. 11


Resumen del Procedimiento
para el Análisis de Sensibilidad
4.Prueba de Factibilidad: Se prueba la factibilidad
de esta solución verificando que todas las variables
básicas sigan teniendo valores no negativos en la
columna del lado derecho.

5.Prueba de Optimalidad: Se verifica si esta


solución es optima, comprobando que todos los
coeficientes de las variables no básicas en el
renglón Z sigan siendo no negativos.

Mg. Giovana Valverde A. 12


Resumen del Procedimiento
para el Análisis de Sensibilidad
6. Reoptimización: Si esta solución no pasa
cualquiera de las pruebas, se puede obtener (si se
desea) la nueva solución óptima partiendo de la
tabla simplex inicial (haciendo las conversiones
necesarias) para el método simplex o el simplex –
dual.

Mg. Giovana Valverde A. 13


CAMBIOS QUE AFECTAN LA
FACTIBILIDAD
 La factibilidad de la solución óptima actual puede
ser afectada únicamente si:
 Se cambia el lado derecho de las restricciones,
b.
 Se añade una nueva restricción al modelo

 La no factibilidad ocurre cuando una o mas


variables básicas actuales se vuelve negativa.

Mg. Giovana Valverde A. 14


CAMBIOS QUE AFECTAN LA
FACTIBILIDAD
 Adición de nuevas restricciones, esto conducirá
a uno de estos 2 casos:
 La nueva restricción es redundante, lo que
significa que se satisface por la solución optima
actual.
 La nueva restricción se viola, en cuyo caso debe
usarse el método simplex dual para tratar de
recuperar la factibilidad.

Mg. Giovana Valverde A. 15


CAMBIOS QUE AFECTAN LA
OPTIMALIDAD
 La solución actual dejara de ser optima solo si
los coeficientes de la función objetivo zj–cj
violan la condición de optimalidad.
 El efecto de hacer cambios en Cj sobre la
optimalidad implica volver a calcular zj–cj
únicamente para las variables no básicas. La
razón por la cual no necesitamos volver a calcular
zj–cj para las variables básicas es que siempre
serán igual a cero, sin importar los cambios que
se hagan en Cj

Mg. Giovana Valverde A. 16


Ejemplo 1
1.-Una empresa textil se esta dedicando a la producción de
3 artículos diferentes que son: juego de cortinas,
cubrecamas y juego de sabanas.
Dispone de 36 metros de tela por semana
Para cada juego de cortinas se utiliza 4 metros de tela.
Para cada cubrecama se utiliza 4 metros de tela.
Para cada juego de sabanas se utiliza 2 metros de tela.
Dispone de 48 horas semanales de mano de obra
Para cada juego de cortinas utiliza 3 horas de mano de obra.
Para cada cubrecama dispone de 6 horas de mano de obra.
Para cada juego de sabanas requiere de 3 horas de mano de obra.
Sabiendo que las utilidades por las ventas de sus productos
son las siguientes:
La ganancia por cada juego de cortinas es de S/20
La utilidad por cada cubrecama es de S/30
La utilidad por cada juego de sabanas es de S/15
Mg. Giovana Valverde A. 17
Solución
Variables de decisión:
X1: numero de juegos de cortinas a producir
X2: numero de cubrecamas a producir
X3: numero de juegos de sabanas a producir
F.O.: Maximizar los beneficios
Max Z= 20 x1 + 30 x2 +15 x3
s.a:
Según las limitaciones de la tela
4 x1 + 4 x2 + 2 x3 ≤ 36
Según mano de obra:
3 x1 + 6 x2 + 3 x3 ≤ 48
Restricción de No negatividad
x1, x2, x3 ≥ 0
Mg. Giovana Valverde A. 18
Estandarizando
Max Z = 20X1 + 30X2 + 15X3+ 0S1 + 0S2
s.a:
Solución
4x1 + 4x2 +2x3 + S1 = 36
básica
3x1 + 6x2 +3x3 + S2 = 48 inicial
x1, x2, x3, S1, S2 ≥ 0

Z - 20x1 - 30x2 –15x3 - 0S1 - 0S2 = 0

Mg. Giovana Valverde A. 19


Resolviendo por el Método Simplex

Var. no básicas Var. básicas

Var.
Básica
Z X1 X2 X3 S1 S2 bj
Z 1 -20 -30 -15 0 0 0
S1 0 4 4 2 1 0 36
S2 0 3 6 3 0 1 48
Z 1 -5 0 0 0 5 240
S1 0 2 0 0 1 -2/3 4
X2 0 1/2 1 ½ 0 1/6 8
Z 1 0 0 0 5/2 10/3 250

(Ultima X1 0 1 0 0 ½ -1/3 2
Iteración)
X2 0 0 1 ½ -1/4 1/3 7
Mg. Giovana Valverde A. 20
Tabla óptima

V.B. Z X1 X2 X3 S1 S2 bj

Z 1 0 0 0 2.5 10/3 250

X1 0 1 0 0 ½ -1/3 2
X2 0 0 1 ½ -1/4 1/3 7

X1=2 : juego de cortinas a producir


X2=7 : cubrecamas a producir

Mg. Giovana Valverde A. 21


1. Haciendo cambios en los coeficientes (Ci) de una
variable básica

¿Qué pasa si la utilidad por cubrecamas pasa de 30


a S/40?

Max z= 20 x1 + 30 x2 +15 x3

Cambia por:

Max z= 20 x1 + 40 x2 +15 x3

X1  C1 = 20
X2  C2 = 40
Mg. Giovana Valverde A. 22
1.2. Haciendo cambios en los coeficientes (Ci) de
una variable básica

Por la Propiedad 1:
 Paso 1: x1 x2
 
20 40  (20 , 40)
Multiplicadores
 Paso 2: Simplex
121
3
(
20
, 
40
)
 

(0
,
203
)
1
413

 Paso 3:
Coef S1: 0 –0 = 0
Coef S2: 20/3 – 0 = 20/3

Mg. Giovana Valverde A. 23


1.3. Haciendo cambios en los coeficientes (Ci) de una
variable básica

Por propiedad 2:
Coef X1= 4 y1 + 3 y2 – 20= 4 (0) + 3 (20/3) – 20 = 0
Coef X2= 4 y1 + 6 y2 – 40= 4 (0) + 6 (20/3) – 40 = 0
Coef X3= 2 y1 + 3 y2 – 15= 2 (0) + 3 (20/3) – 15 = 5
V.B. Z X1 X2 X3 S1 S2 bj
Z 1 0 0 5 0 20/3 250
X1 0 1 0 0 ½ -1/3 2
X2 0 0 1 ½ -1/4 1/3 7

Con los cambios el valor de la F.O sigue siendo 250 por lo


tanto concluimos que no ha variado

Mg. Giovana Valverde A. 24


1. Haciendo cambios en los coeficientes (Ci) de
una Variable No básica

¿Qué pasa si la utilidad por juego de sabana


cambia de 15 a S/20?

Max Z= 20 x1 + 30 x2 +15 x3
Cambia por:
Max Z= 20 x1 + 30 x2 +20 x3
X1  C1 = 20
X2  C2 = 30

Mg. Giovana Valverde A. 25


2.1. Haciendo cambios en los coeficientes (Ci)
de la Variable No básica

Por Propiedad 1:
 Paso 1: x1 x2
 
20 30  (20 , 30)
 Paso 2:
121
3
(
20
, 
30
)
 

(2
.
5,
103
)
1
413

 Paso 3:
Coef S1: 5/2 – 0 = 5/2
Coef S2: 10/3 – 0 = 10/3

Mg. Giovana Valverde A. 26


2.2. Haciendo cambios en los coeficientes (Ci) de una
variable No básica

Por propiedad 2:
Coef X1= 4 y1 + 3 y2 – 20= 4 (5/2) + 3 (10/3) – 20 = 0
Coef X2= 4 y1 + 6 y2 – 40= 4 (5/2) + 6 (10/3) – 40 = 0
Coef X3= 2 y1 + 3 y2 – 20= 2 (5/2) + 3 (10/3) – 20 = -5
V.B. Z X1 X2 X3 S1 S2 bj
Z 1 0 0 -5 5/2 10/3 250
X1 0 1 0 0 ½ -1/3 2
X2 0 0 1 ½ -1/4 1/3 7
No satisface la condición de optimalidad. Por lo tanto se
debe volver a iterar.

Mg. Giovana Valverde A. 27


2.3. Haciendo cambios en los coeficientes (Ci) de
una variable No básica

V.B. Z X1 X2 X3 S1 S2 bj
Z 1 0 0 -5 2.5 10/3 250
X1 0 1 0 0 ½ -1/3 2
X2 0 0 1 ½ -1/4 1/3 7
Z 1 0 10 0 0 20/3 320
X1 0 1 0 0 ½ -1/3 2
X3 0 0 2 1 -1/2 2/3 14

Con el cambio de S/15 a S/20 en la utilidad del


juego de sabanas, vemos que el valor de la función
objetivo ha mejorado, aumentó de S/250 a S/320,
con lo cual se tendría que producir 2 juegos de
cortinas y 14 juegos de sabanas por semana.
Mg. Giovana Valverde A. 28
3. Haciendo cambios en los coeficientes
Básicos y No Básicos

¿Qué pasa si las utilidades por juego de cortinas, por


cubrecamas y por juego de sabanas cambian a S/30,
S/60 y S/20 respectivamente?

F.O: Max Z= 20x1+ 30x2 + 15x3


Por:
Max Z= 30x1+ 60x2 + 20x3

Mg. Giovana Valverde A. 29


3.2. Haciendo cambios en los coeficientes
Básicos y No Básicos

Por Propiedad 1:
(y1,y2)
12
/ 1
/3 Multiplicadores

30,
60

 

0
,
10 Simplex
1
/41
/3
S1= 0 – 0 = 0
S2=10 – 0 = 10

Por Propiedad 2:
Coef x1: 4y1 + 3y2 – 30 = 4(0) + 3(10) -30 = 0
Coef x2: 4y1 + 6y2 – 60 = 4(0) + 6(10) -60 = 0
Coef x3: 2y1 + 3y2 – 20 = 2(0) + 3(10) -20 = 10
Mg. Giovana Valverde A. 30
3.3. Haciendo cambios en los coeficientes
Básicos y No Básicos

V.B. Z X1 X2 X3 S1 S2 bj

Z 1 0 0 10 0 10 250
X1 0 1 0 0 ½ -1/3 2
X2 0 0 1 1/2 -1/4 1/3 7

Interpretación: Con los cambios realizados en


los coeficientes básicos y no básicos no se ha
modificado el valor de la FO.

Mg. Giovana Valverde A. 31


4. Haciendo cambios en los recursos bj

¿Qué pasa si la disponibilidad de tela por semana aumenta a 42


kg. y la disponibilidad de mano de obra por semana aumenta a 50
horas?
36
 42
 
48 
por
 50

   

Por la Propiedad 3:

x12 
1
3
42 
13
3


1

 




 


x
2 141
3
50 
37
6

Z= 20 (13/3) + 30 (37/6) + 15 (0) =271.67


Como observamos el cambio favorece al valor de la función
objetivo porque su valor máximo aumenta de S/250 a S/271.67

Mg. Giovana Valverde A. 32


5. Haciendo cambios en los coeficientes
tecnológicos

¿Qué pasa si la cantidad de metros de tela y horas


de mano de obra que se requieren para cada juego
de sabanas son 4 y 2 respectivamente?
Cambiamos las variables tecnológicas de la variable
no básica x3.

Max Z= 20x1+ 30x2 + 15x3 Max Z= 20x1+ 30x2 + 15x3


S.a.: 4x1 + 4x2 + 2x3≤36 S.a.: 4x1 + 4x2 + 4x3≤36
3x1 + 6x2 + 3x3≤ 48 Por: 3x1 + 6x2 + 2x3≤48
x 1, x 2 , x 3 ≥ 0 x 1, x 2 , x 3 ≥ 0

Mg. Giovana Valverde A. 33


5.2. Haciendo cambios en los coeficientes
tecnológicos

PROP I
y1 y2
Multiplicadores
(5/2,10/3) Simplex
PROP II
Coef x1: 4y1 + 3y2 – 20 = 4(5/2) + 3(10/3) -20 = 0
Coef x2: 4y + 6y – 30 = 4(5/2) + 6(10/3) -30 = 0
1 2
Coef x3: 4y + 2y – 15 = 4(5/2) + 2(10/3) -15 = 5/3
1 2
PROP IV
1
/21/
3
44/
3 

 




 


1/
4 1
/32 
 
1/3
Mg. Giovana Valverde A. 34
5.3. Haciendo cambios en los coeficientes
tecnológicos

TABLERO ÓPTIMO
V.B. Z X1 X2 X3 S1 S2 bj

Z 1 0 0 5/3 2.5 10/3 250


X1 0 1 0 4/3 ½ -1/3 2
X2 0 0 1 -1/3 -1/4 1/3 7

Interpretación:
Con los cambios realizados en los Coef. Tecnológicos no se
ha modificado el valor de la FO.

Mg. Giovana Valverde A. 35


6. Agregando una nueva variable

Ahora agregamos una variable x4 que vendría a ser la


cantidad de juegos de forros para asientos de autos, ya que la
empresa textil después de hacer un estudio de mercado se ha
enterado que hay una fuerte demanda de este articulo, la
utilidad por cada forro de asiento de auto es de 45 soles.
F.O: Max Z= 20x1+ 30x2 + 15x3
S.a.: 4x1 + 4x2 + 2x3≤36
3x1 + 6x2 + 3x3≤ 48
x 1, x 2 , x 3 ≥ 0
F.O: Max Z= 20x1+ 30x2 + 15x3 + 45x4
S.a.: 4x1 + 4x2 + 2x3 + 6x4 ≤36
3x1 + 6x2 + 3x3 + 6x4 ≤48
x 1, x 2 , x 3 , x 4 ≥ 0

Mg. Giovana Valverde A. 36


6.1. Agregando una nueva variable

PROP I
y1 y2
Multiplicadores
(2/5,10/3) Simplex
PROP II
Coef x1: 4y1 + 3y2 – 20 = 4(5/2) + 3(10/3) -20 = 0
Coef x2: 4y1 + 6y2 – 30 = 4(5/2) + 6(10/3) -30 = 0
Coef x3: 2y1 + 3y2 – 15 = 2(5/2) + 3(10/3) -15 = 0
Coef x4: 6y1 + 6y2 – 20 = 6(5/2) + 6(10/3) -45 = -10
PROP IV
1
/21/
3 
61 

 


 

 
 


1/
4 1
/3 
 
6 1/2
Mg. Giovana Valverde A. 37
6. Agregando una nueva variable

V.B. Z X1 X2 X3 X4 S1 S2 bj

Z 1 0 0 0 -10 5/2 10/3 250


X1 0 1 0 0 1 ½ -1/3 2
X2 0 0 1 1/2 1/2 -1/4 1/3 7
V.B. Z X1 X2 X3 X4 S1 S2 bj
Z 1 10 0 40/3 0 7.5 0 270
X4 0 1 0 4/3 1 ½ -1/3 2
X2 0 -1/2 1 -1 0 -1/2 1/2 6
Mg. Giovana Valverde A. 38
6. Agregando una nueva variable

INTERPRETANDO EL RESULTADO
OBTENIDO:
Como observamos la ganancia se ha
incrementado de 250 a 270 por lo tanto le
conviene a la empresa producir forros para
asientos de autos y no cortinas.

Mg. Giovana Valverde A. 39


Ejemplo 2: Tobi Toys S.A.
 Esta empresa ensambla tres tipos distintos de
juguetes: trenes camiones y automóviles.
 Cada ensamble requiere tres operaciones sucesivas.
 Se requiere determinar el numero de unidades de
cada juguete que maximizara la utilidad.
 A continuación su representación primal y dual:

Mg. Giovana Valverde A. 40


Dual
Primal
Max z = 3x1 + 2x2 + 5x3 Min y = 430y1 + 460y2 + 420y3
S.a.: s.a.:
x1 + 2x2 + x3  430 y1 + 3y2 + y3  3
3x1 + + 2x3  460 2y1 + + 4y3  2
x1 + 4x2  420 y1 + 2y2 5
x1,x2,x3  0 y1,y2,y3  0

Solución óptima: Solución óptima:


x1 = 0 , x2 = 100 , x3 = 230 , Z* = 1350 y1 = 1 , y2 = 2 , y3 = 0 , Y* = 1350

Mg. Giovana Valverde A. 41


La tabla simplex optima asociada al primal es:

Sol. Bas. x1 x2 x3 s1 s2 s3 bj
z 4 0 0 1 2 0 1350
x2 -1/4 1 0 1/2 -1/4 0 100
x3 3/2 0 1 0 1/2 0 230
s3 2 0 0 -2 1 1 20

Mg. Giovana Valverde A. 42


Supongamos que se desea ampliar sus líneas de
ensamble incrementando en 40% la capacidad diaria
de cada línea a 602, 644 y 588 minutos
respectivamente. Entonces:
x2 1/2 -1/4 0 602 140

x3 = 0 1/2 0 644 = 322

s3 -2 1 1 588 28

Las variables básicas actuales son x2, x3 y s3 son


factibles en los valores 140, 322 y 28. La utilidad
optima asociada es 1890 dólares.

Mg. Giovana Valverde A. 43


La nueva solución es atractiva desde el punto de
vista del incremento en la utilidad, pero su puesta en
practica llevara tiempo. Se hizo otra propuesta para
cambiar la capacidad de holgura de la operación 3
(s3 = 20 minutos) a la capacidad de 400. La solución
resultante es:
x2 ½ -¼ 0 450 110
x3 = 0 ½ 0 460 = 230
s3 -2 1 1 400 -40

Mg. Giovana Valverde A. 44


Esta solución es no factible debido a s3 = -20.
Aplicamos el método simplex dual para recuperar la
factibilidad.

Sol. Bas. x1 x2 x3 s1 s2 s3 bj
z 4 0 0 1 2 0 1370

x2 -¼ 1 0 ½ -¼ 0 110

x3 3/2 0 1 0 ½ 0 230

s3 2 0 0 -2 1 1 -40

De la simplex dual sale s3 y entra s1

Mg. Giovana Valverde A. 45


Sol. Bas. x1 x2 x3 s1 s2 s3 bj
z 5 0 0 0 5/2 1/2 1350

x2 ¼ 1 0 0 0 ¼ 100

x3 3/2 0 1 0 ½ 0 230

s1 -1 0 0 1 -½ -½ 20

La solución optima permanece esencialmente


inalterada. Lo cual significa que el cambio propuesto
en la asignación de la capacidad no es ventajoso en
este caso.
Mg. Giovana Valverde A. 46
Otra forma de ver el efecto que causa alterar las
disponibilidades (vector b), es hallar el rango en el
que la solución actual sigue siendo factible.
Supongamos que nos interesa determinar el rango
de factibilidad de la capacidad de la operación 1.
Esto se logra remplazando al vector b con:

430 + d1

b = 460

420

Mg. Giovana Valverde A. 47


La cantidad D1 representa el cambio en la capacidad
de la operación 1 arriba y abajo del nivel actual de
430. La solución actual seguirá siendo factible
mientras XB=B-1 b 0. Es decir:

x2 ½ -¼ 0 430 + d1 100 + d1/2 0


x3 = 0 ½ 0 460 = 230  0

s3 -2 1 1 420 20 – 2d1 0

Mg. Giovana Valverde A. 48


La primera condición nos da D1>=-200, la segunda es
independiente de D1 y la tercera nos da D1<=10.
Esto equivale a decir:

430-200  (Capacidad de la operación 1)  430+10


Es decir:
230  (Capacidad de la operación 1)  440

Para que la solución siga siendo factible podemos


variar la disponibilidad de la operación 1 a una
cantidad no mayor que 440 ni menor que 230

Mg. Giovana Valverde A. 49


Supongamos que se esta cambiando el diseño de los
artículos y que ese cambio requerirá la adición de
una cuarta operación en las líneas de producción. La
capacidad diaria de la nueva operación es de 500
minutos y los tiempos por unidad para los tres
productos en esta operación son 3, 1 y 1 minuto
respectivamente. Es decir:
3x1 + x2 + x3  500

Mg. Giovana Valverde A. 50


La solución óptima actual es x1=0, x2=100 y x3=230
y, al reemplazar esos valores en la restricción
notamos que la satisfacen. Por lo tanto, esta
restricción es redundante, no cambia la solución
óptima.
En vez de ello supongamos que los tiempos por
unidad en la cuarta operación son de hecho 3, 3 y
1minuto, respectivamente. Es decir:
3x1 + 3x2 + x3  500
Esta restricción no estará satisfecha por la solución
optima actual. Por consiguiente debemos aumentar la
nueva restricción a la tabla simplex optima actual
como sigue:

Mg. Giovana Valverde A. 51


Sol. Bas. x1 x2 x3 s1 s2 s3 s4 bj

z 4 0 0 1 2 0 0 1350
x2 -¼ 1 0 ½ -¼ 0 0 100
x3 3/2 0 1 0 ½ 0 0 230
s3 2 0 0 -2 1 1 0 20
s4 3 3 1 0 0 0 1 500

Como x2 y x3 son básicas hay que sustituir sus


coeficientes de restricción en el renglón de s4.

Mg. Giovana Valverde A. 52


Sol. Bas. x1 x2 x3 s1 s2 s3 s4 bj

z 4 0 0 1 2 0 0 1350
x2 -1/4 1 0 ½ -¼ 0 0 100
x3 3/2 0 1 0 ½ 0 0 230
s3 2 0 0 -2 1 1 0 20
s4 9/4 0 0 -3/2 1/4 0 1 -30

La aplicación del método simplex dual producirá la


nueva solución óptima x1=0, x2=90, x3=230 y
z=1330 dólares
Mg. Giovana Valverde A. 53
Supongamos que la compañía tiene una nueva
política de precios para igualar a la competencia.
Las utilidades por unidad bajo la nueva política
son de 4, 3 y 4 dólares por los artículos
respectivamente. Es decir:
Max z = 4x1 + 3x2 + 4x3

Entonces calculamos los multiplicadores simplex:


1/2 -1/4 0
( 3,4,0 ) 0 1/2 0 = ( 3/2,5/4,0 )
2 1 1

Mg. Giovana Valverde A. 54


Coeficiente de x1 = 3/2 + 3*5/4 + 0 – 4 = 5/4
Coeficiente de s1 = 3/2 – 0 = 3/2
Coeficiente de s2 = 5/4 – 0 = 5/4

Se observa que con c1 = 5/4 la solución todavía es


óptima.

Mg. Giovana Valverde A. 55


Ejemplo 3
Don Francisco quiere mejorar el negocio familiar de elaboración de
productos a partir de la papa.
Su negocio es la venta de productos derivados de la papa, de los cuales
hay cuatro tipos: Papa trozadas para ensalada, puré de papas, papas
fritas a la inglesa y papas congeladas para freír.
A su negocio, don Francisco y doña Remedios, su mujer, dedican como
máximo entre los dos, 100 horas semanales.
Para fabricar un kilo de cada producto el tiempo a dedicar es el
siguiente: Papas trozadas 3 horas, puré de papas 5 horas, papas fritas a
la inglesa 10 horas, papas congeladas 15 horas. Como su almacén es
pequeño no pueden tener almacenados semanalmente más de 15 kilos
de productos terminados ni más de 120 kilos en sacos de papas.
No todos los productos tienen igual rendimiento. Por cada kilo de producto
terminado necesita una cantidad mayor de producto bruto. Esta relación es
la siguiente:
 Para hacer un kilo de papas para ensalada se necesita 7 kilos de papa.
 Para hacer un kilo de puré de papas se necesita 5 kilos de papa.
 Para hacer un kilo de papas a la inglesa se necesita 3 kilos de papa.
 Para hacer un kilo de papas congeladas se necesita 2 kilos de papas.
La ganancia también es diferente: 4$/Kg. papas para ensalada, 5$/Kg. puré
de papas, 9$/Kg. papas fritas a la inglesa y 11$/Kg. papas congeladas para
freír.
Don Francisco desea conocer cual es la cantidad de cada producto que debe
producir para maximizar su utilidad.
Planteamiento

Variable de decisión:
Xi = cantidad de producto terminado i. (Kg..)
i = 1, 2, 3, 4
Donde:
X1 = cantidad de papas trozadas para ensalada.
X2 = cantidad de papas para puré de papas.
X3 = cantidad de papas fritas a la inglesa.
X4 = cantidad de papas congeladas para freír.
Función Objetivo (Maximizar la Utilidad):

max z  4 x1  5 x 2  9 x3  11x 4
Restricciones:

Tiempo a dedicarse semanalmente para fabricar los productos


(horas):
3 x1  5 x 2  10 x3  15 x 4  100
Cantidad de productos terminados almacenados semanalmente
(Kg.):
x1  x 2  x3  x 4  15
Cantidad de sacos de papas almacenados semanalmente (Kg.):
7 x1  5 x 2  3 x3  2 x 4  120
xi  0 i  1, 2,3, 4
Problema Primal:
max z  4 x1  5 x2  9 x3  11x4
s.a.
3 x1  5 x2  10 x3  15 x4  100
x1  x2  x3  x4  15
7 x1  5 x2  3 x3  2 x4  120
xi  0 i  1, 2,3, 4
STANDARIZANDO

max z  4 x1  5 x2  9 x3  11x4  0s1  s2  s3 


s.a.
3 x1  5 x2  10 x3  15 x4  s1  100
x1  x2  x3  x4  s2  15
7 x1  5 x2  3 x3  2 x4  s3  120
x1 , x2 , x3 , x4  0
s1 , s2 , s3  0
Solución
Función Primal

 Tablero Optimo Primal (Método Simplex)

Z0 X1 X2 X3 X4 S1 S2 S3 BJ
Z0 1 -4 -5 -9 -11 0 0 0 0
S1 0 3 5 10 15 1 0 0 100 100/15
S2 0 1 1 1 1 0 1 0 15
15/1
S3 0 7 5 3 2 0 0 1 120
Z0 1 -9/5 -4/3 -5/3 0 11/15 0 0 220/3 120/2
X4 0 1/5 1/3 2/3 0 1/15 0 0 20/3
S2 0 4/5 2/3 1/3 0 -1/15 1 0 25/3
S3 0 33/5 13/3 5/3 0 -2/15 0 1 320/3
Tablero Optimo Primal

Z0 X1 X2 X3 X4 S1 S2 S3 BJ
Z0 1 0 1/6 -11/12 0 7/12 9/4 0 1105/12
X4 0 0 1/6 7/12 1 1/12 -1/4 0 55/12
X1 0 1 5/6 5/12 0 -1/12 5/4 0 125/12
S3 0 0 -7/6 -13/12 0 5/12 -33/4 1 455/12 99.28571
Z0 1 0 3/7 0 11/7 5/7 13/7 0 695/7
X3 0 0 2/7 1 12/7 1/7 -3/7 0 55/7
X1 0 1 5/7 0 -5/7 -1/7 10/7 0 50/7
S3 0 0 -6/7 0 13/7 4/7 -61/7 1 325/7
X3= 7.85714
Valores X1= 7.14285
S3= 46.42857
Óptimos
Cambios en Coeficientes Cj – variables Básicas
 Qué pasa si nuestra ganancia por Kg. de papas para
ensalada cambia, disminuyendo en 1 unidad?
Z = 4X1 + 5X2 + 9X3 + 11X4
X1  C1 = 4

 Sólo cambiamos el coeficiente C1 = 4 por 3 y


mantenemos constante el resto.
Z = 3X1 + 5X2 + 9X3 + 11X4
Cambios en Coeficientes Cj – variables Básicas

 Por la propiedad 1:
Primero hallamos los multiplicadores Simplex:
 BASE = (X3, X1, S3) = (9, 3, 0)

 Luego:
(Y1, Y2, Y3)
 1/ 7  3 / 7 0
 
9 3 0   1 / 7 10 / 7 0   6 / 7 3 / 7 0
 4 / 7  61 / 7 1  Multiplicadores
 
Simplex
Cambios en Coeficientes Cj – variables Básicas
 Por la Propiedad 1, paso II, tenemos:
Coef S1 = 6/7 – 0 = 6/7
Coef S2 = 3/7 – 0 = 3/7
Coef S3 = 0–0= 0

 Por la Propiedad 2, reemplazando los multiplicadores Simplex en


los precios duales, se tiene que:

Coef X1 = 3(6/7) + 1(3/7) + 7(0) – 3 = 0


Coef X2 = 5(6/7) + 1(3/7) + 5(0) – 5 = - 2/7
Coef X3 = 10(6/7) + 1(3/7) + 3(0) – 9 = 0
Coef X4 = 15(6/7) + 1(3/7) + 2(0) – 11 = 16/7
Cambios en Coeficientes Cj – variables
Básicas
Z0 X1 X2 X3 X4 S1 S2 S3 BJ
Z0 1 0 -2/7 0 16/7 6/7 3/7 0 645/7
X3 0 0 2/7 1 12/7 1/7 -3/7 0 55/7
X1 0 1 5/7 0 -5/7 -1/7 10/7 0 50/7
96.30952
S3 0 0 -6/7 0 13/7 4/7 -61/7 1 325/7
Z0 1 2/5 0 0 2 4/5 1 45 4045/42
X3 0 -2/5 0 1 2 1/5 -1 0 5/12
X2 0 7/5 1 0 -1 -1/5 2 0 175/12
S3 0 6/5 0 0 1 2/5 -73/7 1 605/12 X3= 0.41666
X2=14.58333
S3=50.41666
Como se puede observar el valor de nuestra
F.O. cambia de 99.28571 a 96.30952,
disminuyendo en 2.97618 unidades con
respecto al valor de la F.O. original.
Cambios en Coeficientes Cj – variables Básicas

 Qué pasa si nuestra ganancia por Kg. de papas para freír cambia,
aumentando en 3 unidades?
Z = 4X1 + 5X2 + 9X3 + 11X4
X3  C3 = 9

 Sólo cambiamos el coeficiente C3 = 9 por 12 y mantenemos


constante el resto.
Z = 4X1 + 5X2 + 12X3 + 11X4
Cambios en Coeficientes Cj – variables Básicas

 Por la propiedad 1:
Primero hallamos los multiplicadores Simplex:
 BASE = (X3, X1, S3) = (12, 5, 0)

 Luego:
(Y1, Y2, Y3)
 1/ 7  3 / 7 0
 
12 5 0   1 / 7 10 / 7 0   1 2 0
 4 / 7  61 / 7 1  Multiplicadores
 
Simplex
Cambios en Coeficientes Cj – variables Básicas
 Por la Propiedad 1, paso II, tenemos:
Coef S1 = 1 – 0 = 1
Coef S2 = 2 – 0 = 2
Coef S3 = 0 – 0 = 0

 Por la Propiedad 2, reemplazando los multiplicadores Simplex en los


precios duales, se tiene que:

Coef X1 = 3(1) + 1(2) + 7(0) – 4 = 1


Coef X2 = 5(1) + 1(2) + 5(0) – 5 = 2
Coef X3 = 10(1) + 1(2) + 3(0) – 12 = 0
Coef X4 = 15(1) + 1(2) + 2(0) – 11 = 6
Cambios en Coeficientes Cj – variables Básicas

Z0 X1 X2 X3 X4 S1 S2 S3 BJ
Z0 1 1 2 0 6 1 2 0 130
X3 0 0 2/7 1 12/7 1/7 -3/7 0 55/7
X1 0 1 5/7 0 -5/7 -1/7 10/7 0 50/7
S3 0 0 -6/7 0 13/7 4/7 -61/7 1 325/7

 Como se puede observar el valor de


nuestra F.O. no cambia, mantiene la
misma solución óptima = 99.28571
Cambios en Coeficientes Cj – variables No Básicas

 Qué pasa si nuestra ganancia por Kg. de papas para


puré cambia, disminuyendo en 2 unidad?
Z = 4X1 + 5X2 + 9X3 + 11X4
X2  C2 = 5

 Sólo cambiamos el coeficiente C2 = 5 por 3 y


mantenemos constante el resto.
Z = 4X1 + 3X2 + 9X3 + 11X4
Cambios en Coeficientes Cj – variables No Básicas

 Por la propiedad 1:
Primero hallamos los multiplicadores Simplex:
 BASE = (X3, X1, S3) = (9, 5, 0) No cambian debido
a que la Base, se
 Luego: conserva

(Y1, Y2, Y3)


 1/ 7  3 / 7 0
 
9 5 0   1 / 7 10 / 7 0   5 / 7 13 / 7 0
 4 / 7  61 / 7 1  Multiplicadores
 
Simplex
Cambios en Coeficientes Cj – variables No Básicas

 Por la Propiedad 1, paso II, tenemos:


Coef S1 = 5/7 – 0 = 5/7
Coef S2 = 13/7 – 0 = 13/7
Coef S3 = 0–0= 0

 Por la Propiedad 2, reemplazando los multiplicadores Simplex en los


precios duales, se tiene que:

Coef X1 = 3(5/7) + 1(13/7) + 7(0) – 4 = 0


Coef X2 = 5(5/7) + 1(13/7) + 5(0) – 3 = 17/7
Coef X3 = 10(5/7) + 1(13/7) + 3(0) – 9 = 0
Coef X4 = 15(5/7) + 1(13/7) + 2(0) – 11 = 11/7
Cambios en Coeficientes Cj – variables No Básicas
99.2857
1
Z0 X1 X2 X3 X4 S1 S2 S3 BJ
Z0 1 0 17/7 0 11/7 5/7 13/7 0 695/7
X3 0 0 2/7 1 12/7 1/7 -3/7 0 55/7
X1 0 1 5/7 0 -5/7 -1/7 10/7 0 50/7
S3 0 0 -6/7 0 13/7 4/7 -61/7 1 325/7

 Como se puede observar el valor de nuestra F.O. no cambia, se


mantiene constante con respecto a la F.O. original.
Cambios en Coeficientes Cj – variables No Básicas

 Qué pasa si nuestra ganancia por Kg. de papas congeladas cambia,


aumentando en 2 unidad?
Z = 4X1 + 5X2 + 9X3 + 11X4
X4  C4 = 11

 Sólo cambiamos el coeficiente C4 = 11 por 13 y mantenemos


constante el resto.
Z = 4X1 + 5X2 + 9X3 + 13X4
Cambios en Coeficientes Cj – variables No Básicas

 Por la propiedad 1:
Primero hallamos los multiplicadores Simplex:
 BASE = (X3, X1, S3) = (9, 5, 0) No cambian debido
a que la Base, se
 Luego: conserva

(Y1, Y2, Y3)


 1/ 7  3 / 7 0
 
9 5 0   1 / 7 10 / 7 0   5 / 7 13 / 7 0
 4 / 7  61 / 7 1  Multiplicadores
 
Simplex
Cambios en Coeficientes Cj – variables No Básicas

 Por la Propiedad 1, paso II, tenemos:


Coef S1 = 5/7 – 0 = 5/7
Coef S2 = 13/7 – 0 = 13/7
Coef S3 = 0–0= 0

 Por la Propiedad 2, reemplazando los multiplicadores Simplex en los


precios duales, se tiene que:

Coef X1 = 3(5/7) + 1(13/7) + 7(0) – 4 = 0


Coef X2 = 5(5/7) + 1(13/7) + 5(0) – 5 = 3/7
Coef X3 = 10(5/7) + 1(13/7) + 3(0) – 9 = 0
Coef X4 = 15(5/7) + 1(13/7) + 2(0) – 13 = - 3/7
Cambios en Coeficientes Cj – variables No Básicas

Z0 X1 X2 X3 X4 S1 S2 S3 BJ
Z0 1 0 3/7 0 -3/7 5/7 13/7 0 695/7
X3 0 0 2/7 1 12/7 1/7 -3/7 0 55/7
X1 0 1 5/7 0 -5/7 -1/7 10/7 0 50/7 100.43154

S3 0 0 -6/7 0 13/7 4/7 -61/7 1 325/7


Z0 1 0 1/2 1/4 0 3 7/4 0 33745/336
X4 0 0 1/6 7/12 1 1/12 -1/4 0 385/144
X1 0 1 5/6 5/12 0 -1/12 5/4 0 1775/144
S3 0 0 -7/6 -13/12 0 5/12 -33/28 1 4745/144
X4= 2.67661
Como se puede observar el valor de nuestra F.O. cambia de X1=12.32638
99.28571 a 100.43154, aumentando en 1.14583 unidades con S3=32.95138
respecto al valor de la F.O. original.
Adicion de una nueva actividad

 Es equivalente a añadir una nueva variable.


 Sera deseable añadir una nueva variable solo si mejora la solucion
optima.
 Se calcula Zj-Cj para la nueva actividad ,si esta satisface la condicion,
entonces no es deseable, de lo contrario, debe incluirse en la solucion
basica, usando el metodo simplex.
Adicion de una nueva actividad

 Don francisco desea introducir un nuevo producto, que son


::no se me ocurre algo:: cuyo ganancia sera de $ 5.00 por kilo
, donde se dedican 4 horas para fabricar un kg. , se usan 4 kg.
de papa para producir un kilo ademas se sabe que el almacen
no tiene capacidad para mas de 15 kg de productos de papa.

 Como el vector basico actual no cambia los valores de y1,y2 ,y3


siguen siendo de: 5/7,13/7,0 respectivamente.
Adicion de una nueva actividad

 La variable X5 representara al nuevo producto .


X5 = cantidad de papas al hilo para freír.

Z 5  C5 = 4 y1 + y2 + 4 y3  5
Z 5  C5 = 4( 5 / 7 ) + ( 13 / 7 ) + 4( 0 )  5 = 2 / 7

 El resultado demuestra que X5 se debe incluir en la solución básica.

 1/ 7 3/ 7 0   4  1/ 7 
 1 / 7 0    6/7 
 10 / 7  1  =  

 4/7  61 / 7 1  4
 
 17 / 7 

Adicion de una nueva actividad
Z0 X1 X2 X3 X4 X5 S1 S2 S3

Z0 1 0 3/7 0 11/7 -2/7 5/7 13/7 0 695/7

X3 0 0 2/7 1 12/7 1/7 1/7 -3/7 0 55/7

X1 0 1 5/7 0 -5/7 6/7 -1/7 10/7 0 50/7

S3 0 0 -6/7 0 13/7 -11/7 4/7 -61/7 1 325/7

Z0 X1 X2 X3 X4 X5 S1 S2 S3

Z0 1 1/3 2/3 0 1/3 0 2/3 7/3 0 305/3

X3 0 -1/6 1/6 1 11/6 0 1/6 -2/3 0 20/3

X5 0 1 5/6 0 -5/6 1 -1/6 10/6 0 25/3

S3 0 17/6 7/6 0 -1/6 0 1/6 -14/3 1 200/3


Adicion de una nueva actividad

 Se sabe entonces que se produciran para x1=0, x2=0,


x3= 20/3, x4=0, x5=25/3 Kg de papas.
 La solucion optima se mejora de 695/7 a 305/3.
 Por lo tanto es conveniente introducir al mercado
este nuevo producto.
¿Hasta cuanto podemos variar nuestras disponibilidades, sin afectar
nuestro objetivo?

 Para D1  X 3  1 / 7  3 / 7 0  100  D1  0 


       
 X 1 
   1 / 7 10 / 7 0 
  15   0
 S 3   4 / 7  61 / 7 1   120   0 
       
 55 D1 
  
 1/ 7  3 / 7 0  100  D1   0
  50 D1   
7 7
  
  1 / 7 10 / 7 0    15 La  disponibilidad



 tiempo
de 0
 4 / 7  61 / 7 1   120  para 7 7  0
fabricar los productos
   
 puede
325 4 
entre 45 y 150
D 1
 
variar

 7 horas. 7 
Intersecta ndo las restriccio nes tenemos :
 55  D1  50
Entonces, la restrición puede variar desde
45  100  D1  150
¿Hasta cuanto podemos variar nuestras disponibilidades, sin
afectar nuestro objetivo?

 Para D2  X 3  1 / 7
  
 3 / 7 0   100   0 
    
 X 1     1 / 7 10 / 7 0   15  D 2    0 
 S 3   4 / 7  61 / 7 1   120   0 
       
 55 3D2 
  
 X3   1/7  3/7 0   100   7 7  0
       50 10D2   
 X1     1/7 10/7 0   15  D2    

 0
 S3   4/7  61/7 1   120   7 7  
      325 61D2   0 
La capacidad de   
almacenamiento de los  7 7 
Intersecta ndo las restriccio nes tenemos
productos :
terminados puede
 5  D 2  5.33 variar de 10 a 20.33 Kg.
Entonces, la restrición puede variar desde
10  15  D 2  20.33
¿Hasta cuanto podemos variar nuestras disponibilidades, sin afectar
nuestro objetivo?

 Para D3  X3   1/7  3/7 0   100   0 


       
 X1     1/7 10/7 0    15    0 
 S3   4/7  61/7 1  120  D3   0 
       
 55 
 
 X3   1/7  3/7 0   100   0
  50   
7
    
 X1     1/7 10/7 0    15    
 0
 S3   4/7  61/7 1  120  D3   7
      325   0 
  D3 
 7
La cantidad de sacos de papas 
Intersecta ndo las restriccio nes tenemos : semanalmente
almacenados
 46.43  D3  0 puede variar de 73.57 a 120
Kg.
Entonces, la restrición puede variar desde
73.57  120  D3  120
Cambios en Coeficientes Bj
 ¿Qué sucede si cambiamos nuestras restricciones?

100  120 
   
 15    20 
120  100 
   

 Por la Propiedad III del Primal – Dual, se tiene que:


La solución
se vuelve no
 X 3  1 / 7  3 / 7 0  120   60 / 7 
        factible.
 X 1     1 / 7 10 / 7 0    20    80 / 7 
 S 3   4 / 7  61 / 7 1  100    40 / 7 
       
Cambios en Coeficientes Bj

 Reemplazamos estos nuevos valores en F.O.:


Z= 4(80/7) +5(0) + 9(60/7) + 11(0) =122.86
 Aplicaremos el método simplex dual para
recuperar la factibilidad.
Simplex Dual

X1 X2 X3 X4 S1 S2 S3 BJ
Z0 1 0 3/7 0 11/7 5/7 13/7 0 860/7
X3 0 0 2/7 1 12/7 1/7 -3/7 0 60/7
X1 0 1 5/7 0 -5/7 -1/7 10/7 0 80/7
S3 0 0 -6/7 0 13/7 4/7 -61/7 1 -40/7
Radio -------- -1/2 -------- 11/13 -------- -------- -------- --------
Z0 1 0 0 0 5/2 1 5/2 1/2 120
X3 0 0 0 1 7/3 1/3 -10/3 1/3 20/3
X1 0 1 0 0 5/6 1/3 -35/6 5/6 20/3
X2 0 0 1 0 -13/6 -2/3 61/6 -7/6 20/3
Interpretación del Resultado
 La solución óptima ha variado del valor original de
99,29 a 120.
 Esta variación significa que el cambio propuesto en la
asignación de las capacidades es ventajosa en este
caso.
 Para lograr este aumento en el valor de la función
objetivo se debe producir 20/3 Kg. de papas
trozadas, puré de papas y papas fritas a la inglesa.
Adición de nuevas restricciones

La adición de una nueva restricción a un modelo


existente conducirá a uno de dos casos.

La nueva restricción es redundante, significa que


satisface por la solución óptima actual.
La nueva restricción se viola, en cuyo caso debe
utilizarse el método simplex dual para recuperar la
factibilidad.
Adición de nuevas restricciones

 En el ejemplo anterior se decide contratar a una


persona para mejorar la producción del negocio, y su
capacidad para fabricar un kilo de cada producto es
el siguiente: Papas trozadas 1 horas, puré de papas 3
horas, papas fritas a la inglesa 5 horas, papas
congeladas 10 horas. Sabiendo que solo trabajara 56
horas a la semana.
 La nueva restricción se da como:

x1  3 x 2  5 x3  10 x 4  56
Adición de nuevas restricciones

 Al reemplazar la solución optima en la restricción:


(50 / 7 )  3( 0 )  5 (55 / 7 )  10 ( 0 )  46 .42857  56
La solución optima no se altera, ni el valor optimo.

 Si en lugar de trabajar 56 horas semanales, se reducirá a 40, la


restricción:
x1  3 x 2  5 x3  10 x 4  40
 La solución optima no cumple la restricción:

(50 / 7 )  3( 0 )  5 (55 / 7 )  10 ( 0 )  46 .42857  40


Adición de nuevas restricciones
Z0 X1 X2 X3 X4 S1 S2 S3

Z0 1 0 3/7 0 11/7 5/7 13/7 0 695/7

X3 0 0 2/7 1 12/7 1/7 -3/7 0 55/7

X1 0 1 5/7 0 -5/7 -1/7 10/7 0 50/7

S3 0 0 -6/7 0 13/7 4/7 -61/7 1 325/7

Z0 X1 X2 X3 X4 S1 S2 S3 S4

Z0 1 0 3/7 0 11/7 5/7 13/7 0 0 695/7

X3 0 0 2/7 1 12/7 1/7 -3/7 0 0 55/7

X1 0 1 5/7 0 -5/7 -1/7 10/7 0 0 50/7

S3 0 0 -6/7 0 13/7 4/7 -61/7 1 0 325/7

S4 0 1 3 5 10 0 0 0 1 -45/7
Adición de nuevas restricciones
Z0 X1 X2 X3 X4 S1 S2 S3 S4

Z0 1 0 0 11/7 5/7 13/7 0 0 695/7


3/7
X3 0 0 2/7 1 12/7 1/7 -3/7 0 0 55/7
X1 0 1 5/7 0 -5/7 -1/7 10/7 0 0 50/7

S3 0 0 -6/7 0 13/7 4/7 -61/7 1 0 325/7

S4 0 0 6/7 0 5/7 -4/7 5/7 0 1 -45/7

Z0 X1 X2 X3 X4 S1 S2 S4
S3
Z0 1 0 3/2 0 69/28 0 77/28 0 5/4 365/4

X3 0 0 1/2 1 53/28 0 -7/28 0 1/4 25/4


-
X1 0 1 1/2 0 0 5/4 0 -1/4 35/4
25/28
S3 0 0 0 0 18/7 0 -56/7 1 40
1
S1 0 0 -3/2 0 -5/4 1 -5/4 -7/4 45/4
0
Adición de nuevas restricciones
 La nueva solución optima es de :
X1=8.75
X2=0
X3=6.25
X4=0
 El valor optimo ahora es de: Z0=91.25
 Al agregar una nueva restricción , el valor optimo permanece igual o
empeora.