EJEMPLOS

Ejemplo de mtodo Simplex

EL PROBLEMA
La empresa el SAMN Ltda. Dedicada a la fabricacin de muebles, ha ampliado
su produccin en dos lneas ms. Por lo tanto actualmente fabrica mesas, sillas,
camas y bibliotecas. Cada mesa requiere de 2 piezas rectangulares de 8 pines, y
2 piezas cuadradas de 4 pines. Cada silla requiere de 1 pieza rectangular de 8
pines y 2 piezas cuadradas de 4 pines, cada cama requiere de 1 pieza rectangular
de 8 pines, 1 cuadrada de 4 pines y 2 bases trapezoidales de 2 pines y finalmente
cada biblioteca requiere de 2 piezas rectangulares de 8 pines, 2 bases
trapezoidales de 2 pines y 4 piezas rectangulares de 2 pines. Cada mesa cuesta
producirla $10000 y se vende en $ 30000, cada silla cuesta producirla $ 8000 y se
vende en $ 28000, cada cama cuesta producirla $ 20000 y se vende en $ 40000,
cada biblioteca cuesta producirla $ 40000 y se vende en $ 60000. El objetivo de la
fbrica es maximizar las utilidades.

PASO 1: MODELACIN MEDIANTE PROGRAMACIN LINEAL

Las variables:

X1 = Cantidad de mesas a producir (unidades)

X2 = Cantidad de sillas a producir (unidades)
X3 = Cantidad de camas a producir (unidades)
X4 = Cantidad de bibliotecas a producir (unidades)
Las restricciones:
2X1 + 1X2 + 1X3 + 2X4 <= 24
2X1 + 2X2 + 1X3 <= 20
2X3 + 2X4 <= 20
4X4 <= 16
La funcin Objetivo:
ZMAX = 20000X1 + 20000X2 + 20000X3 + 20000X4
PASO 2: CONVERTIR LAS INECUACIONES EN ECUACIONES
En este paso el objetivo es asignar a cada recurso una variable de Holgura, dado
que todas las restricciones son "<=".
2X1 + 1X2 + 1X3 + 2X4 + 1S1 + 0S2 + 0S3 + 0S4 = 24
2X1 + 2X2 + 1X3 + 0X4 + 0S1 + 1S2 + 0S3 + 0S4 = 20
0X1 + 0X2 + 2X3 + 2X4 + 0S1 + 0S2 + 1S3 + 0S4 = 20
0X1 + 0X2 + 0X3 + 4X4 + 0S1 + 0S2 + 0S3 + 1S4 = 16
De esta manera podemos apreciar una matriz identidad (n = 4), formado por las
variables de holgura las cuales solo tienen coeficiente 1 en su respectivo recurso,
por el ejemplo la variable de holgura "S1" solo tiene coeficiente 1 en la restriccin
correspondiente a el recurso 1.
La funcin objetivo no sufre variaciones:

ZMAX = 20000X1 + 20000X2 + 20000X3 + 20000X4

PASO 3: DEFINIR LA SOLUCIN BSICA INICIAL
El Mtodo Simplex parte de una solucin bsica inicial para realizar todas sus
iteraciones, esta solucin bsica inicial se forma con las variables de coeficiente
diferente de cero (0) en la matriz identidad.
1S1 = 24
1S2 = 20
1S3 = 20
1S4 = 16
PASO 4: DEFINIR LA TABLA SIMPLEX INICIAL

Solucin: (segundo trmino)= En esta fila se consigna el segundo trmino de la

solucin, es decir las variables, lo ms adecuado es que estas se consignen de
manera ordenada, tal cual como se escribieron en la definicin de restricciones.
Cj = La fila "Cj" hace referencia al coeficiente que tiene cada una de las variables
de la fila "solucin" en la funcin objetivo.
Variable Solucin = En esta columna se consigna la solucin bsica inicial, y a
partir de esta en cada iteracin se van incluyendo las variables que formarn parte
de la solucin final.

Cb = En esta fila se consigna el valor que tiene la variable que se encuentra a su

derecha "Variable solucin" en la funcin objetivo.
Zj = En esta fila se consigna la contribucin total, es decir la suma de los
productos entre trmino y Cb.
Cj - Zj = En esta fila se realiza la diferencia entre la fila Cj y la fila Zj, su
significado es un "Shadow price", es decir, la utilidad que se deja de recibir por
cada unidad de la variable correspondiente que no forme parte de la solucin.
Solucin inicial:

PASO 5: REALIZAR LAS ITERACIONES NECESARIAS

Este es el paso definitivo en la resolucin por medio del Mtodo Simplex, consiste
en realizar intentos mientras el modelo va de un vrtice del poliedro objetivo a otro.
El procedimiento a seguir es el siguiente:
1. Evaluar que variable entrar y cual saldr de la solucin ptima:

Variable

que

entra

Maximizar

Minimizar

La ms positiva de los Cj - Zj

La ms negativa de los Cj - Zj

Siendo b los valores bajo la celda Siendo b los

Variable
sale

que

solucin

y a el

valor celda

valores

solucin

y a el

la

valor

correspondiente a la interseccin correspondiente a la interseccin

entre b y la variable que entra. La entre b y la variable que entra.
menos positiva de los b/a.

La ms positiva de los b/a.

2. El hecho de que una variable distinta forme parte de las variables solucin
implica una serie de cambios en el tabulado Simplex, cambios que se explicarn a
continuacin.
- Lo primero es no olvidar el valor del "a" correspondiente a la variables a entrar,
en este caso el "a = 4".

bajo

- Lo siguiente es comenzar a rellenar el resto de la tabla, fila x fila.

- Se repite este procedimiento con las dos filas restantes, ahora se harn los
clculos correspondientes en el resto de las celdas.

De esta manera se culmina la primera iteracin, este paso se repetir cuantas

veces sea necesario y solo se dar por terminado el mtodo segn los siguientes
criterios.
Maximizar
Solucin

Minimizar

Cuando todos los Cj - Zj sean Cuando todos los Cj - Zj sean

ptima
<= 0
>= 0
- Continuamos con las iteraciones para lo cual tenemos que repetir los pasos
anteriores.

En esta ltima iteracin podemos observar que se cumple con la consigna Cj - Zj

<= 0, para ejercicios cuya funcin objetivo sea "Maximizar", por ende hemos
llegado a la respuesta ptima.
X1 = 3
X2 = 4
X3 = 6
X4 = 4
Con una utilidad de: $ 340000

Sin embargo una vez finalizado el Mtodo Simplex se debe observar una matriz
identidad en el rectngulo determinado por las variables de decisin, el hecho de
que en este caso no se muestre la matriz identidad significa que existe una
solucin ptima alterna.

La manera de llegar a la otra solucin consiste en alterar el orden en que cada una
de las variables entro a la solucin bsica, recordemos que el proceso fue
decidido al azar debido a la igualdad en el Cj - Zj del tabulado inicial. Aqu les
presentamos una de las maneras de llegar a la otra solucin.

Podemos observar como existe una solucin ptima alternativa en la cual la

combinacin de variables es distinta y existe un menor consumo de recursos,
dado que el hecho de que se encuentre la variable "S1" en la solucin ptima con

un coeficiente de "3" significa que se presenta una holgura de 3 unidades del

recurso (pieza rectangular de 8 pines).
X1 = 0 (Cantidad de mesas a producir = 0)
X2 = 7 (Cantidad de sillas a producir = 7)
X3 = 6 (Cantidad de camas a producir = 6)
X4 = 4 (Cantidad de bibliotecas a producir = 4)
S1 = 3 (Cantidad de piezas rectangulares de 8 pines sin utilizar =3)
Con una utilidad de: $ 340000

Ejemplo de mtodo dual Simplex

Minimizar
Sujeto a:

Minimizar
Sujeto a:

V. Bsica

X1

X2

S1

S2

Solucin

-2000

-1000

S1

-3

-1

-40

S2

-2

-2

-60

V. Bsica

X1

X2

S1

S2

Solucin

-1000

-500

30000

S1

-2

-1/2

-10

X2

-1/2

30

V. Bsica

X1

X2

S1

S2

Solucin

-1000

-500

-250

35000

S1

-1

-1/2

1/ 4

S2

-2

1/ 2

-5/4

25

Ejemplo de herramienta WinQSB

El PROBLEMA
Un herrero con 80 Kg. de acero y 120 Kg. de aluminio quiere hacer bicicletas de
paseo y de montaa que quiere vender, respectivamente a 20.000 y 15.000 pesos
cada una para sacar el mximo beneficio. Para la de paseo emplear 1 Kg. De
acero y 3 Kg. de aluminio, y para la de montaa 2 Kg. de ambos metales.
Cuntas bicicletas de paseo y de montaa deber fabricar para maximizar las
utilidades?

EL MODELO MATEMTICO

Acero

Aluminio

Precio de Venta

Bicicleta de paseo (x)

1 kg

3 kg

$ 20.000

Bicicleta de montaa (y)

2 kg

2 kg

$ 15.000

Disponibilidad

80 kg

120 kg

Declaracin de variables

x = Cantidad de bicicletas de paseo a producir

y = Cantidad de bicicletas de montaa a producir

Restricciones de capacidad

Aluminio:
x + 2y <= 80

Acero:
3x + 2y <= 120

Funcin Objetivo

Zmax = 20000x + 15000y

INGRESANDO A LINEAR AND INTEGER PROGRAMMING (WINQSB)

Una vez se haya ingresado al mdulo Linear and Integer Programming, se abrir
una ventana de inicio del mdulo, tal como se muestra a continuacin:

En esta ventana podremos entonces crear un nuevo problema, o cargar uno que
ya hayamos desarrollado. Una vez demos clic en "Nuevo Problema" se abrir un
men emergente que nos permitir ingresar los parmetros bsicos del problema:

El programa requiere que se definan las especificaciones del problema, que

incluye el nombre de problema, el nmero de variables, el nmero de
restricciones, el criterio de la funcin objetivo, los tipos de variable por defecto, y el
formato de entrada de datos, ya sea en forma de matriz o en forma de modelo
normal. El nombre de problema, los nombres de variables, nombres de restriccin,
el nmero de variables, nmero de restricciones , el criterio de la funcin objetivo,
tipos de variables, y la entrada de datos formato se pueden modificar mediante el
men Formato y men Editar una vez se haya abierto el modelo.
Para el problema que estamos abordando es necesario que ingresemos los
siguientes parmetros:

Nmero de variables: 2 (x , y )
Nmero de restricciones: 2 (Disponibilidad de Aluminio y Acero)

Funcin Objetivo: Maximizar (Utilidades)

Tipos de variables por defecto: Enteras no negativas (Sern bicicletas, unidades
enteras)
Formato de entrada: Matriz (Recomendado)
Una vez se registren los parmetros y al dar clic en el botn OK, se mostrar
la siguiente ventana, en aras de utilizar las mismas variables que en el modelo,
mostraremos el mtodo de renombrar las variables:

Desde el men EDIT, tambin podremos modificar el nombre de las restricciones,

tal como se aprecia en la siguiente imagen:

La interfaz para ingresar los valores que controlan el problema es la siguiente:

En ella hemos registrado los datos que controlan nuestro problema de estudio. El
siguiente paso, consiste en resolver el problema, para ello damos clic en el botn
"Solve and Analize": Este comando resuelve el problema. Si se especifica alguna
variable como un entero o binario, el programa utilizar automticamente el
mtodo de Branch and Bound (Rama y Cotas) para resolver el problema.
El mtodo

simplex modificado es

utilizado

para resolver problemas

de

programacin lineal continua.

Esta opcin mostrar automticamente un tabulado resumen de la solucin si el

problema tiene una solucin ptima, mostrar la inviabilidad de anlisis si el
problema no es factible, o mostrar si el anlisis no acotacin si el problema no
est acotado en funcin objetivo o valores de las variables.

Este mensaje nos indica que el problema ha sido resuelto, y que existe una
solucin ptima que ha sido encontrada. Al dar clic en Aceptar, nos llevar al
cuadro resumen de la solucin:

Interpretar cada uno de los valores del cuadro solucin, es cuan o ms importante
que obtener la solucin ptima, dado que de dicha interpretacin podremos
extraer un buen anlisis de sensibilidad:
Solution value: Valor solucin, es el valor que toman las variables de decisin en
nuestra solucin ptima, en este caso nos indica que se debern producir 20
bicicletas tipo paseo y 30 bicicletas tipo montaa.

Unit Cost or Profit: El costo unitario o contribucin es el valor que les fue
asignado a las variables por nosotros en la funcin objetivo.

Total Contribution: Es la contribucin total a la solucin objetivo, es el producto

del valor solucin * costo unitario o contribucin.

Basic Status: Despus de que el problema se resuelve, esto representa si la

variable es una variable de base, en el lmite inferior, o en el lmite superior en
la tabla simplex final.

Allowable MIN, MAX C (j): Para un coeficiente de la funcin objetivo en particular.

Este es el rango en que la base actual de la solucin sigue siendo la misma.

Objective Function: Nos muestra el resultado de nuestra funcin objetivo, en este

caso la solucin ptima tiene una funcin objetivo (utilidad) de $ 850.000

Left Hand Side: Del lado izquierdo, es el valor que toma la ecuacin de cada
restriccin luego de reemplazar las variables que la componen por los valores
solucin. Por ejemplo, la ecuacin de la restriccin de Acero que es x + 2y <= 80,
al reemplazar los valores solucin quedar: (20) + 2(30) <= 80, el valor del lado
izquierdo ser entonces 80.

Right Hand Side: Del lado derecho, es el valor asignado por nosotros a las
restricciones como mximo o mnimo recurso disponible.

Slack o Surplus: Cuando la restriccin en cuestin tiene el operador <=,

corresponde a una holgura, es decir, se puede interpretar como el recurso no
utilizado. Cuando la restriccin en cuestin tiene el operador >=, corresponde a un
exceso, es decir, se puede interpretar como el recurso utilizado por encima de la
restriccin de mnimo uso.

Shadow Price: El precio sombra de una restriccin, es el cambio marginal de la

funcin objetivo cuando el valor del lado derecho de la restriccin aumenta en una
unidad. En nuestro ejemplo sera as: por cada kg de acero adicional que
tengamos disponible, la funcin objetivo aumentar en $ 1250.

Ejemplo de la herramienta Solver

El PROBLEMA

Un herrero con 80 Kg. de acero y 120 Kg. de aluminio quiere hacer bicicletas de
paseo y de montaa que quiere vender, respectivamente a 20.000 y 15.000 pesos
cada una para sacar el mximo beneficio. Para la de paseo emplear 1 Kg. De
acero y 3 Kg. de aluminio, y para la de montaa 2 Kg. de ambos metales.
Cuntas bicicletas de paseo y de montaa deber fabricar para maximizar las
utilidades?
EL MODELO MATEMTICO

Acero

Aluminio

Precio de Venta

Bicicleta de paseo (x)

1 kg

3 kg

$ 20.000

Bicicleta de montaa (y)

2 kg

2 kg

$ 15.000

Disponibilidad

80 kg

120 kg

Declaracin de variables
x = Cantidad de bicicletas de paseo a producir
y = Cantidad de bicicletas de montaa a producir
Restricciones de capacidad
Aluminio:
x + 2y <= 80
Acero:
3x + 2y <= 120
Funcin Objetivo
Zmax = 20000x + 15000y

INGRESANDO LOS DATOS A EXCEL

Tal cmo se mencion, la importancia de una correcta organizacin de la
informacin es vital, proponemos la siguiente plantilla para ingresar los datos de
nuestro problema:

El siguiente paso corresponde a registrar la informacin en la plantilla, de acuerdo

a los datos que tenemos en el problema:

El siguiente paso consiste en formular la plantilla, para ello debemos considerar

qu pasara si cambiaran las variables de decisin?... Pues, en caso tal de que

las variables sufrieran cambios se alterara la contribucin total, y el inventario de

recursos. Por ello, debemos formular en consecuencia:

Ahora que ya tenemos nuestra plantilla formulada, el siguiente paso consiste en

utilizar Solver para resolver el modelo, para ello, vamos a la pestaa Datos (En
cualquier versin de Office), y seleccionamos el complemento Solver:

Una vez iniciemos Solver se abrir una ventana emergente llamada "Parmetros
de Solver", en ella como primera medida seleccionaremos nuestra celda objetivo
(Contribucin Total) y seleccionaremos el criterio Maximizar:

El siguiente paso, es indicarle a Solver que debe alcanzar el mximo valor para la
celda objetivo mediante la variacin de las siguientes celdas (Cambiando las
celdas), es decir, le indicaremos cuales son las variables de decisin:

El siguiente paso consiste en asignarle las restricciones a las que el modelo est
sujeto, las cuales son restricciones de disponibilidad de recursos:

Lo que nos muestra la imagen anterior es la forma de indicarle la restriccin a

Solver, para que el inventario usado sea menor o igual al inventario disponible. De
igual forma debe hacerse para el recurso de Aluminio.

La siguiente restriccin es la de no negatividad, es decir, que las variables de

decisin no puedan tomar valores menores que cero.

Si quisiramos resolver el modelo tal cual como est pudisemos hacerlo, y

obtendramos quiz una respuesta que distara de su aplicacin prctica, dado
que es probable que la respuesta nos de variables continuas, y en la prctica
vender 0,6 bicicletas es un poco complicado. Por tal razn, agregaremos una
restriccin que hace que el ejercicio se resuelva mediante programacin lineal
entera, indicando que las variables de decisin deban ser enteras:

Hecho esto, damos clic en Aceptar y en Resolver... Podemos observar como las
variables de decisin, las restricciones (inventario usado) y la contribucin total
(celda objetivo) han tomado valores, estos son los valores ptimos segn el
modelo formulado. Ahora nos aparecer un cuadro de dilogo que nos preguntar
si deseamos utilizar la solucin de Solver y unos informes que debemos
seleccionar para obtener una tabla resumen de la respuesta y un anlisis de
sensibilidad que se insertarn como hojas al archivo de Excel:

El informe de sensibilidad arrojado por Solver es mucho ms bsico que el que

nos puede proporcionar WinQSB, sin embargo destacamos la informacin
referente al "Multiplicador de LaGrange" que corresponde al "Shadow Price de
WinQSB" conocido como el precio sombra, es decir, el cambio marginal de la
funcin objetivo cuando el valor del lado derecho de la restriccin aumenta en una
unidad, en este caso, por cada kg de Acero adicional que dispongamos, la funcin
objetivo aumentara en $ 1250.
Ejemplo de la herramienta TORA

El PROBLEMA

Un herrero con 80 Kg. de acero y 120 Kg. de aluminio quiere hacer bicicletas de
paseo y de montaa que quiere vender, respectivamente a 20.000 y 15.000 pesos
cada una para sacar el mximo beneficio. Para la de paseo emplear 1 Kg. De
acero y 3 Kg. de aluminio, y para la de montaa 2 Kg. de ambos metales.
Cuntas bicicletas de paseo y de montaa deber fabricar para maximizar las
utilidades?

EL MODELO MATEMTICO

Acero

Aluminio

Precio de Venta

Bicicleta de paseo (x)

1 kg

3 kg

$ 20.000

Bicicleta de montaa (y)

2 kg

2 kg

$ 15.000

Disponibilidad

80 kg

120 kg

Declaracin de variables

x = Cantidad de bicicletas de paseo a producir

y = Cantidad de bicicletas de montaa a producir

Restricciones de capacidad

Aluminio:
x + 2y <= 80

Acero:
3x + 2y <= 120

Funcin Objetivo

Zmax = 20000x + 15000y

INGRESANDO LOS DATOS A TORA

Una vez iniciado TORA nos mostrar su men principal de opciones, en l
seleccionamos la opcin "Linear Programming":

Una vez seleccionada la opcin de programacin lineal, nos mostrar un men

desde el cual podemos elegir si iniciar un nuevo modelo, o abrir un archivo
existente; adems de seleccionar el formato de ingreso de datos, en el cual
recomendamos el formato decimal:

El siguiente paso consiste en completar la informacin solicitada en la nueva

ventana, correspondiente al nombre del problema, la cantidad de variables y
restricciones:

Una vez consignada la informacin anterior, y luego de teclear ENTER, nos

mostrar la siguiente interfaz, en la cual debemos consignar la informacin del
modelo, se trata de un formato tipo matricial muy similar al utilizado por WinQSB:

Una vez completa la informacin de la matriz, procedemos a resolver el modelo,

presionando el botn SOLVE. Una vez hagamos esto nos mostrar un men en el
que podemos modificar el formato numrico de la solucin. Luego de esto, nos
mostrar un men emergente en el que podemos elegir el tipo de solucin que
queremos visualizar, se encuentra la solucin grfica y la algebraica, elegimos la
algebraica en este caso y seleccionamos que se nos muestre el tabulado final:

En el tabulado solucin podemos observar como la funcin objetivo toma el mismo

valor obtenido con los programas de solucin de Solver y WinQSB. A partir de este
tabulado podemos efectuar un anlisis de sensibilidad teniendo en cuenta que:

Objective Value: Nos muestra el resultado de nuestra funcin objetivo, en este

caso la solucin ptima tiene una funcin objetivo (utilidad) de $ 850.000.

Value: El valor que toman las variables de decisin.

Obj Val Contrib: Es la contribucin unitaria de las variables de decisin en la

funcin objetivo.

Slack-/Surplus+: Cuando la restriccin en cuestin tiene el operador <=,

corresponde a una holgura, es decir, se puede interpretar como el recurso no
utilizado. Cuando la restriccin en cuestin tiene el operador >=, corresponde a un
exceso, es decir, se puede interpretar como el recurso utilizado por encima de la
restriccin de mnimo uso.

Min and Max Obj Coeff: Para un coeficiente de la funcin objetivo en particular.
Este es el rango en que la base actual de la solucin sigue siendo la misma.

Dual price: Llamado en WinQSB como Shadow Price, y en Solver como

Multiplicador de LaGrange, corresponde al cambio marginal de la funcin objetivo
cuando el valor del lado derecho de la restriccin aumenta en una unidad. En
nuestro ejemplo sera as: por cada kg de acero adicional que tengamos
disponible, la funcin objetivo aumentar en $1250.

Ejemplo de la herramienta LINGO

El PROBLEMA
Un herrero con 80 Kg. de acero y 120 Kg. de aluminio quiere hacer bicicletas de
paseo y de montaa que quiere vender, respectivamente a 20.000 y 15.000 pesos
cada una para sacar el mximo beneficio. Para la de paseo emplear 1 Kg. De
acero y 3 Kg. de aluminio, y para la de montaa 2 Kg. de ambos metales.
Cuntas bicicletas de paseo y de montaa deber fabricar para maximizar las
utilidades?
EL MODELO MATEMTICO

Acero

Aluminio

Precio de Venta

Bicicleta de paseo (x)

1 kg

3 kg

$ 20.000

Bicicleta de montaa (y)

2 kg

2 kg

$ 15.000

Disponibilidad

80 kg

120 kg

Declaracin de variables
x = Cantidad de bicicletas de paseo a producir
y = Cantidad de bicicletas de montaa a producir
Restricciones de capacidad
Aluminio:
x + 2y <= 80
Acero:
3x + 2y <= 120
Funcin Objetivo
Zmax = 20000x + 15000y
INGRESANDO LOS DATOS A LINGO
La interfaz de LINGO es quiz la ms simple de todas las aplicaciones de
resolucin de modelos matemticos, y en el caso de los modelos de programacin
lineal el ingreso de los datos es muy sencillo, en su ventana inicial es suficiente
con utilizar un comando de apertura "MODEL:" y uno de cierre "END", en medio
de estos comandos se escribe el modelo tal como mostramos a continuacin:

Como podemos observar, el comando "MAX:" se utiliza para consignar la funcin

objetivo y su criterio (en caso de minimizar se utilizar MIN:). Para separar cada
lnea de cdigo es necesario utilizar el caracter ";". Una vez tenemos el cdigo con
nuestras restricciones establecidas, procedemos a resolver, dando clic en el botn
Solve:

Al resolver obtendremos el reporte solucin, con base en sus datos podremos

efectuar un anlisis de sensibilidad, hay que tener en cuenta que los datos
expresados en el reporte se encuentran en funcin de la lnea de cdigo
ingresada, por lo tanto hay que considerar en que lnea se escribi cada
restriccin y funcin objetivo para hacer un adecuado anlisis.

Objective Function: Nos muestra el resultado de nuestra funcin objetivo, en este

caso la solucin ptima tiene una funcin objetivo (utilidad) de $ 850.000.
Value: Es el valor que toman las variables de decisin en la funcin objetivo.
Slack or Surplus: Cuando la restriccin en cuestin tiene el operador <=,
corresponde a una holgura, es decir, se puede interpretar como el recurso no
utilizado. Cuando la restriccin en cuestin tiene el operador >=, corresponde a un
exceso, es decir, se puede interpretar como el recurso utilizado por encima de la
restriccin de mnimo uso.

Dual Price: El precio sombra de una restriccin, es el cambio marginal de la

funcin objetivo cuando el valor del lado derecho de la restriccin aumenta en una
unidad. En nuestro ejemplo sera as: por cada kg de acero adicional que
tengamos disponible, la funcin objetivo aumentar en $ 1250.

BIBLIOGRAFIA
http://www.phpsimplex.com/teoria_metodo_simplex.htm
http://www.ingenieriaindustrialonline.com/herramientas-para-el-ingenieroindustrial/investigacion-de-operaciones/metodo-simplex/
http://es.wikipedia.org/wiki/Algoritmo_simplex
http://www.investigaciondeoperaciones.net/metodo_simplex_dual.html
http://www.itlalaguna.edu.mx/Academico/Carreras/industrial/invoperaciones1/UNID
AD%203.HTML
http://www.academia.edu/8912801/METODO_DUAL_SIMPLEX