UNIVERSIDAD NACIONAL DE

INGENIERIA
FACULTAD DE INGENIERIA QUIMICA Y TEXTIL

SEPARATA N° 3

CURSO : INVESTIGACION DE OPERACIONES I

TEMA : DUALIDAD - ANÁLISIS DE SENSIBILIDAD - ANÁLISIS
POST-ÓPTIMO
PROF. : Mg. ING. MAURO PEREZ ESTRELLA
1) Sensibilidad de los Coeficientes de la Función Objetivo (cj)

a) Coeficientes de V.N. Básicas en la función objetivo para el siguiente problema:

maxZ = 3x1 + 2x2 + x3

s.a:
x1 + 2x2 + x3  100
x1 + x2 + 2x3  90
2x1 + 3x3  120
 xj  0 ; j = 1,2,3

Tablero óptimo

cj 3 2 1 0 0 0

ck xk bi x1 x2 x3 S1 S2 S3

0 x2 20 0 1 -1/4 1/2 0 -1/4

0 S2 10 0 0 3/4 -1/2 1 -1/4

3 X1 60 1 0 3/2 0 0 1/2

Zj 220 3 2 4 1 0 1

cj Zj 0 0 -3 -1 0 -1

V.N. Básicas : x3 , S1, S3

Caso de maximización: Caso minimización

   c j  c j  c j c j  c j  c j  

- Considerando para x 3  c3

    c3  c3  c3

Hallamos:
c3  Z3  c3  3
    c3  1  3     c3  4

- Considerando para S1  c4

    c4  c4  c4
  c4  Z 4  c4  1     c4  0 1

    c4  1

- Considerando para S3  c6

    c6  c6  c6

 c6  Z 6  c6  1

    c6  0  1     c6  1

b) Coeficientes de V. Básicos en la fun..obj.

Coeficiente ck Objetivo del Problema

Maximizar Minimizar
Positivo +  aij < 0 aij > 0
- aij > 0 aij < 0

Negativo +  aij > 0 aij < 0

- aij < 0 aij > 0

Z j cj
ck'  ck  ck donde : ck 
aij
m in

Relación que deben cumplir los coeficientes de la función objetivo, su signo, su variación y el signo de esta, el
signo de los aij y el objetivo del problema para provocar variaciones de la solución óptima.

Para el caso de maximización

Cuando:
aij  0    cj
No existe:
aij  0  cj  

Para el caso de minimización

Cuando:
 aij  0  cj  
No existe:
aij  0    cj

En nuestro ejemplo:

V. Básicas : x1, x2, S2

Caso maximización:

 c j  c 'j  c j  c j  c 'j

Z j cj
c 'j 
aij
m in

aij  0 ( Límite Superior)

aij  0 ( Límite Inferior )

- Considerando para x 1  c1

 c1  c1'  c1  c1  c1'

Límite Superior:

Z1  c1
c1'  ; aij  0 
aij
aij 0 min

 c1  

0 3
Límite Inferior: c1'  0 c1'  2
aij 0 1 3/ 2

1
c1'  2  el menor es c1  0
'

1/ 2
 c1  c1'  c1  c1  c1'  3  0  c1  

Luego 3  c1  

Para S2 : c5

c5  c5'  c5  c5  c5'

Límite Superior
 1 1
c 5'   2 ; c 5'  4
 1/ 2  1/ 4

 el menor es c5'  2

Límite Inferior:

Z j cj
c5' 
aij
aij 0 min

0 3
 c5   0 ; c5'  4
'

1 3/ 4

 el menor es c5'  0

 0  0  c5  0  2  0  c5  2

Considerando para x 2  c2

c2  c2'  c2  c2  c2'

Límite Superior:

Z j cj 3
c2'  ;  c2'   12
aij aij 0  1/ 4
aij 0 min

1  el menor es c2'  4
c2'  4 ;
 1/ 4

Límite Inferior:

Z j cj 0 1
c2'  c2'  0 ; c2'  2
aij 1/ 2 1/ 2
aij 0 min

 el menor es c2  0
'

 2  0  c2  2  4  2  c2  6

2. Sensibilidad en las constantes del lado derecho (bi)

Procedimiento:

1) Formular el dual del primal correspondiente

2) Determinar el tablero óptimo dual
3) Encontrar el rango de variación de las V:B. y V.N.B. del modelo dual, ya que los coeficientes de la
función objetivo del dual constituyen las constantes del lado derecho del modelo primal.

bi  bi  bi  bi  bi

g i  bi
bi  g i  bi ; bi' 
aij
m in

La Regla del 100%

El análisis de sensibilidad para variaciones simultáneas de las variables se pueden realizar mediante la
regla del 100 %.
Aquí se verifican los siguientes casos:
1. Variación de coeficientes en la función objetivo.
2. Variación de coeficientes del lado derecho.

Variación simultánea de coeficientes de la función objetivo

Caso 1 coeficientes de variables no básicas.

Caso 2 coeficientes de variables básicas (al menos una de las variables es básica)

Caso 1.
Todas las variables están dentro de su rango de optimalidad, por lo que la base actual permanece
óptima y el valor de las variables básicas no cambia por lo que tampoco se ve afectado el valor de la
función objetivo.
Si la variacióon de al menos una de las variables está fuera del rango de optimalidad, la solución deja
de ser óptima.

Caso 2.
Si:
cj = coefiiente original de xj en la función objetivo
Δcj = variación de cj
Z j cj
c 'j  =Ij incremento máximo de cj para que se mantenga la base óptima
aij
m in

Z j cj
c 'j  = Dj = decremento máximo de cj para que se mantenga la base óptima
aij
m in

Para cada variable xj se puede definir la razón rj como:

Si Δcj ≥ 0 entonces

Si Δcj ≤ 0

Si cj no cambia, rj = 0. La razón rj mide la proporción entre el cambio real de cj y el máximo cambio

admisible para cj para mantener la base óptima. Si solo se cambia un coeficiente de la función
objetivo, la base permanecerá óptima mientras rj ≤ 1 (un cambio inferior al 100 %). La regla del 100%
es una generalización de la idea anterior, es decir si:

…….. (1)

Se puede asegurar que la base actual sigue siendo la óptima y los valores de las variables tampoco
cambian, pero la función objetivo podría variar. Si la expresión (1) es mayor a 1 no se puede asegurar
que se mantenga como óptima, pero tampoco hay seguridad de que vaya a cambiar.

Ejemplo
Considerando el siguiente modelo:
Max z = 60x1 + 30x2 + 20x3
s.a:
8x1 + 6x2 + x3 + s1 = 48 (1)
4x1 + 2x2 + 1;5x3 + s2 = 20 (2)
2x1 + 1;5x2 + 0;5x3 + s3 = 8 (3)

Aplicando el método Smplex obtenemos el tablero óptimo siguiente.

Con Z = 280, s1 = 24, x3 = 8, x1 = 2 y x2 = s2 = s3 = 0.

cj 60 30 20 0 0 0
ck xk bi x1 x2 x3 S1 S2 S3
0 S1 24 0 -2 0 1 2 -8
20 X3 8 0 -2 1 0 2 -4
60 X1 2 1 1.25 0 0 -0.5 1.5
Zj 280 60 35 20 0 10 10
Cj - Zj 0 -5 0 0 -10 -10
C1 = 60 cambia a C1 = 70
C3 = 20 cambia a C3 = 18
Δc1 = 70 – 60 = 20 ≥ 0
Z j cj
c 'j  = I1 = 20 entonces
aij
m in

Δc2 =0
ΔC3 = 18 – 20 = - 2 ≤ 0

Z j cj
c 'j  = D3 = 5 entonces
aij
m in

Luego r1 + r2 + r3 = 0,9 < 1, por lo que la solución sigue siendo óptima.

ANALISIS POST-OPTIMAL
Para el siguiente problema

Max Z = 3x1 + 2x2+ x3

s.a:
x1 + 2x2 + x3 ≤ 100
x1 + x2 + 2x3 ≤ 90
2x1 + 3x3 ≤ 120
 xi  0

Tablero óptimo

cj 3 2 1 0 0 0
ck xk bi x1 x2 x3 S1 S2 S3
2 X2 20 0 1 -1/4 1/2 0 -1/4
0 S2 10 0 0 3/4 -1/2 1 -1/4
3 X1 60 1 0 3/2 0 0 1/2
Zj 220 3 2 4 1 0 1
Cj - Zj 0 0 -3 -1 0 -1

Análisis post-optimal

A) Modificación de los coeficientes de la F.O. correspondientes a V.N.B.

Variables no básicas: x3, S1, S3

Para x3  c3
c3 = 1 cambiar por c 3' = 5

Cálculo:
Zj - c 'j = ( Zj - cj ) + ( cj - c 'j )

 Zj - c 'j = 3 + ( 1 - 5 )

Zj - c 'j = -1

Como: Zj - cj  0  la solución óptima se modifica, ingresa x3 a la base

B) Modificaciones en los coeficientes de la F.O. correspondiente a V.B.

Variables básicas: x1, x2, S2

Cálculo:
 Zj - c 'j = ( Zj - cj ) - (c ' j - c j )
 
Cambio neto

Para x1  c1

 c1 =3 cambiar por 6  c 1' = 6

Luego  el cambio neto = c 'j - cj = 6 -3 = 3

Para obtener el nuevo reglón de x1, multiplicar cada término del reglón x1 por el cambio neto y sumar
luego esta cantidad a cada término del reglón x1 original, excepto los términos de la matríz identidad.

cj 6 2 1 0 0 0
ck xk bi x1 x2 x3 x4 x5 x6
2 x2 20 0 1 -1/4 1/2 0 -1/4
0 x5 10 0 0 3/4 -1/2 1 -1/4
6 x1 60 1 0 6 0 0 2
Zj 400 6 2 71/2 1 0 23/2
Cj - Zj 0 0 -69/2 -1 0 -23/2

Nuevos términos:

(3/2) x 3 + 3/2 = 6
Z se incrementa apreciablemente.
0 x 3 + 0 = 0  La base permanece óptima.

1/2 x 3 + 1/2 = 2
cambio neto

C) Modificación en la matriz de restricciones.

1) Columna no básica : x3, S1, S3

Para x3 :

 1   3 
   
a3   2  cambiar por a3   1 
'

 3   4 
   

 1/ 2 0  1/ 4   3   1/ 2 
 1
    
 x  B a    1/ 2 1  1/ 4 
'
3
'
3  1     3/ 2 
 0 0 1/ 2   4   
     2 
  1/ 2 
 
c kT .B 1.a3'  c3  c B .B 1
.a3'  c3   2,0,3    3/ 2  1

 
Z3  2 
Zj – Cj = 7-1 = 6  sigue siendo óptima.

2) Columna básica: x1, x2, S2

Cálculo:


 si x j  0 :
1
' La base sigue siendo óptima, analizar la siguiente iteración
x B a 
'
j
'
j
 si x j  0 :

' Añadir una variable artificial, se modifica la base

a) Si consideramos para la columna de x1

 1   3 
   
a1   1  cambiar por a1   2 
'

 2   4 
   

 1/ 2 0  1/ 4  3   1/ 2   x2
 1
    
 x  B a    1/ 2 1  1/ 4
'
j
'
1  2    1/ 2   S2
 0 0 1 / 2   4    x
    2  1

vemos que:
x1'  0
 1/ 2 
 
 c B .B .a  c1   2,0,3
1 '
   1/ 2 3  73  4
   1
 2 
Z3
 
Zj – Cj = 4 ; sigue siendo óptima, la solución es columna x1' .

b) Si consideramos:

 1   1 
   
a1   1  por a   2 
'
1
 2   0 
   

 1/ 2 0  1/ 4  1   1/ 2   x2
     
 x 'j  B 1 a1'    1 / 2 1  1 / 4   2    3/ 2   S2
 0 0 1 / 2   0   0  x
     1
 x1'  0
 1/ 2 
 
 c B .B .a  c1   2,0,3
1 '
  3/ 2   3  1 3
  1
 0 
 
Z1– C1 = -2 , se modifica la solución

Solución previa es columna x1' : x1'

x2 = 1/2
S2 = 3/2
x1 == 0

En el tablero simplex (reemplazar el reglón x1 por q1)

cj 3 2 1 0 0 0 M
ck xk bi x1 x2 x3 S1 S2 S3 q1
2 X2 20 1/2 1 -1/4 1/2 0 -1/4 0
0 S2 10 3/2 0 3/4 -1/2 1 -1/4 0
-M Q1 60 0 0 3/2 0 0 1/2 1
60M+
Zj 1 2 3/2M-1/2 1 0 M/2-1/2 M
400
Cj - Zj -2 0 3/2M-3/2 1 0 M/2-1/2 0

↑ingresa

E) Adición de una nueva actividad

Podemos considerar que la adición de una nueva actividad es una actividad no básica que se inició
originalmente en el modelo con todos los coeficientes cero en la función objetivo y en las restricciones.

Los coeficientes de la nueva actividad representarán entonces los cambios de cero a los nuevos valores.

Nueva actividad : xn+1

Coeficiente : cn+1
Columna de consumo : an+1
¿Conviene producir xn+1 ?
 xn1  x4  0; c4  5
 3 
 
a4   1 
 1 
 
Calculamos:

x4  B 1.a4  ?
  1/ 2 0  1/ 4  3   5/ 4 
     
x 4  B 1 a 4'    1 / 2 1  1 / 4   1     3/ 2 
 0 0 1 / 2   1   1/ 2 
    

 5/ 4 
1
 
cb .B .a  c 4  (2,0,3)   3 / 4
'
  5  1
  4
 1/ 2 
Z4
 

 Zj – Cj < 0 ingresa x4 a la base.

cj 3 2 1 5 0 0 0
ck xk bi x1 x2 x3 x4 S1 S2 S3 θ
-
2 X2 20 0 1 -1/4 5/4 1/2 0
1/4
- -
0 S2 10 0 0 3/4 -3/4 1
1/2 1/4
3 X1 60 1 0 3/2 1/2 0 0 1/2
Zj 3 2 4 4 1 0 1
Cj - Zj 0 0 -3 1 -1 0 -1
↑
ingresa

No se puede admitir una nueva actividad en la solución a menos que esta mejore el valor de la función
objetivo.

F) Adición de una nueva restricción.

La adición de una nueva restricción puede dar origen a una de dos condiciones:
1. La restricción satisface la solución actual y en este caso, la restricción es de no enlace o
redundante, y por lo tanto, su adición no altera la solución.
2. La solución actual no satisface la restricción por lo tanto se volverá de enlace y la nueva solución
tiene un valor menos óptimo de Z original.

Ejemplo: Sea la nueva restricción:

x1  70

 x1 + S4 = 70
Luego:
cj
ck xk bi x1 x2 x3 S1 S2 S3 S4
2 x2 20 0 1 -1/4 1/2 0 -1/4 0
0 S2 10 0 0 3/4 -1/2 1 -1/4 0
3 x1 60 1 0 3/2 0 0 1/2 0
0 S4 70 1 0 0 0 0 0 1

debe ser “cero” para formar la matriz identidad, entonces se multiplica el
reglón x1  por -1 y luego se suma a los términos iniciales del reglón S4.
 Así:
60(-1) + ; 4(-1)+ ; 0+ ; -3/2+ ; 0+ ; 0+ ; -1/2+ ; 0+
70 1 0 0 0 0 0 1
10 0 0 -3/2 0 0 -1/2 1

cj 3 2 1 0 0 0 0
ck xk bi x1 x2 x3 S1 S2 S3 S4
2 x2 20 0 1 -1/4 1/2 0 -1/4 0
0 S2 10 0 0 3/4 -1/2 1 -1/4 0
3 x1 60 1 0 3/2 0 0 1/2 0
0 S4 10 0 0 -3/2 0 0 0 1
Zj 220 3 2 4 1 0 1 0
cj - Zj 0 0 -3 -1 0 -1 0

La solución sigue siendo óptima.

Desarrollo de la tercera practica calificada tomada en la facultad de ingenieria Química y Textil de la

Universidad Nacional de Ingeniería

Problema 1

Fred Marvin administra la granja de su familia. Para complementar varios alimentos que se cultivan en la
granja, Fred también cría cerdos para venta y desea determinar las cantidades de los distintos tipos de alimentos
disponibles (maíz, grasas y alfalfa) que debe dar a cada cerdo. Como los cerdos se comerán cualquier mezcla de
estos tipos de alimento, el objetivo es determinar qué mezcla cumple ciertos requisitos nutritivos a un costo
mínimo. En la siguiente tabla se dan las unidades de cada tipo de ingrediente nutritivo básico contenido en 1
kilogramo de cada tipo de alimento, junto con los requisitos de nutrición diarios y los costos de los alimentos.

Ingrediente Kilogramo de Kilogramo de Kilogramo de Requisito

nutritivo maíz grasas alfalfa mínimo diario
Carbohidratos 90 20 40 940
Proteínas 30 80 60 450
Vitaminas 10 20 60 170
Costo (pesos) 68 76 78
a) Formular y resolver el problema. Utilice el método simplex.
b) Formular el Dual y elaborar el tablero óptimo dual a partir del tablero óptimo primal.
c) Determine el rango de variación para los coeficientes de la función objetivo y de los términos del lado
derecho
d) Si se desea incrementar la cantidad de carbohidratos en 22 unidades cuál sería la contribución a la
utilidad de la mezcla óptima. Usar análisis de sensibilidad.
 e) El incremento de la producción de maíz en el mercado hace que el precio de la misma se reduce un
40%, se modifica la mezcla óptima hallada en a)? justifique su respuesta utilizando análisis de
sensibilidad.
f) Se desea utilizar un cuarto tipo de alimento (afrecho) cuyo costo es de 56 pesos; se sabe que cada
kilogramo de la misma contiene 80 unidades de carbohidrato, 40 unidades de proteínas y 20 unidades
de vitaminas. Modifica la solución actual?. Si es así muestre la nueva solución.
g) Si el requisito mínimo diario de proteínas es de 590 unidades, se modifica la solución actual; si es así
muestre la nueva solución óptima.
h) Si el contenido de ingredientes nutritivos por kilogramo de maíz se modifica a 80, 20 y 25 unidades de
carbohidratos, proteínas y vitaminas respectivamente, muestre la nueva solución si se modifica.

Solución

a)

Variables de decisión:

X 1 : Cantidad de kilogramos de maíz

X 2 : Cantidad de kilogramos de grasas
X 3 : Cantidad de kilogramos de alfalfa

Función objetivo:

Min Z= 68 X 1 +76 X 2 +78 X 3

Restricciones:

90 X 1 +20 X 2 +40 X 3 ≥940

30 X 1 +80 X 2 +60 X 3 ≥450
60 X 1 +20 X 2 +60 X 3 ≥170

Usando el método simplex obtenemos la siguiente tabla óptima:

Cj 68 76 78 0 0 0 0 0 0

Ck Xk bi X X2 X3 E1 E2 E3 Q3 Q2 Q1
1
68 X1 9.8 1 0 0 -1.23 1.37 6.85 -6.85 -1.37 1.23
x10-2 x10-3 x10-3 x10-3 x10-3 x10-2
76 X2 1.4 0 1 0 4.1 -1.71 1.44 -1.44 1.71 4.1
x10-3 x10-2 x10-2 x10-2 x10-2 x10-3
78 X3 0.73 0 0 1 6.85 5.48 -0.023 0.023 5.48 6.85
x10-4 x10-3 x10-3 x10-4
Zj 830.31 68 76 78 -0.47 -0.78 -0.2 0.2 0.78 0.2

Zj-Cj 0 0 0 -0.47 -0.78 -0.2 - - -

999.8 999.2 999.5
3

Y los siguientes resultados:

X 1 =9.8 Kg.
X 2 =1.4 Kg.
X 3 =0.73 Kg.
Min Z = 830.31 pes

b) formando el dual y obteniendo el tablero optimo dual partir del primal:

Max G= 940 W1 +450 W2 +170 W3

Restricciones:

90 W1 +30 W2 +10 W3 ≤68

20 W1 +80 W2 +20 W3 ≤76
40 W1 +60 W2 +60 W3 ≤78

Cj 940 450 170 0 0 0

bk Wk bi W1 W2 W3 S1 S2 S3

68 W1 0.47 1 0 0 1.23 - -
2
 10 4.1 6.85
 10 3  10 3
76 W2 0.78 0 1 0 - 1.7 -
2
1.37  10 5.48
 10 3  10 3

78 W3 0.2 0 0 1 - - 0.023
6.85 1.44
 10 4  10 2
Gi 830.31 940 450 170 9.8 1.4 0.73

Gi-bi 0 0 0 9.8 1.4 0.73

Y los siguientes resultados:

W1 = 0.47
W2 = 0.78 Max G = 830.31
W3 =0.2

c)

Para determinar el rango de variación de los coeficientes de la función objetivo procedemos de la siguiente
forma:

Tomando en cuenta que X 1 , X 2 , X 3 son variables básicas , la forma de hallar los límites tanto superior e
inferior es la siguiente:
 Zj  Cj
Cj 
aij
Para X 1 sus límites son:

Superior Inferior
 0.47  0.78
Cj  = 38.2 Cj  =569.3
 1.23  10  2 1.37  10 3

 999 .8 0 .2
Cj  = 1459.35 Cj  =29.2
 6.85  10 3 6.85  10 3

 999 .2  999 .2
Cj  = 729343.1 Cj  =81235.8
 1.37  10 3 1.23  10  2

68 – 29.2 ≤ C1 ≤ 69 +38.2

38.8 ≤ C1 ≤106.2

Para X 2 sus límites son:

Superior

- 0.78
Cj  = 45.6
- 1.71  10 2

- 999.8
Cj  = 69430.5
 1.44  10  2

Inferior

 0.47  0.2
Cj  = 114.63 Cj  =13.88
4.1  10 3 1.44  10  2

- 999.53 - 999.2
Cj  = 243787.8 Cj  =58432.74
4.1  10  3 1.71  10  2

76 – 13.88 ≤ C2 ≤ 76 + 45.6

62.12 ≤ C2 ≤121.6

Para X 3 sus límites son:

Superior
0 .2
Cj  = 8.69
 0.023

Inferior
  0.47
Cj  =686.13
6.85  10  4

 0.78
Cj  =142.33
5.48  10  3

78 – 8.69≤ C3 ≤ 78 + 142.33

-64.33≤ C3 ≤ 220.33

Para saber el rango de variación del lado derecho lo trabajaremos como los coeficientes de la función objetivo
del dual , para lo cual utilizamos el tablero óptimo dual.

Para W1 sus límites son:

Superior Inferior
1.4 9. 8
Cj  =341.46 Cj  = 796.75
 4.1  10 3 1.23  10  2

0.73
Cj  = 106.57
 6.85  10 3

143.25≤ W1 ≤1046.57

Para W2 sus límites son:

Superior Inferior
9.8 1 .4
Cj  = 7153.28 Cj  =82.35
1.37  10 3 1.7  10  2

0.73
Cj  = 133.21
 5.48  10 3

367.65≤ W2 ≤583.21

Para W3 sus límites son:

Superior Inferior
9.8 0.73
Cj  = 14306.6 Cj  =31.74
 6.85  10  4 0.023

1 .4
Cj  = 97.22
 1.44  10  2

138.26≤ W3 ≤267.22
d)

940  962
Usando el análisis post-optimal: b   450 b´ 450
170  170 

Se conoce, según la tabla optima la matriz B 1

 1.23  10 2 1.37  10 3 6.85  10 3 

 
B 1   4.1  10 3  1.71  10  2 1.44  10  2 
 6.85  10  4 5.48  10 3  0.023 

Entonces operando:

 1.23  10 2 1.37  10 3 6.85  10 3  962 10.05

 
B 1 × b´=  4.1  10 3  1.71  10  2 1.44  10  2  × 450 = 1.3 
 6.85  10  4 5.48  10 3  0.023  170  0.79 


X 1 = 10.05Kg.
X 2 =1.3 Kg.
X 3 =0.79 Kg.

Remplazando en la función objetivo obtenemos: Min Z= 824.98 pesos

e)

Si los precios se reducen quiere decir que los coeficientes de la función objetivo han disminuido, veremos si
esta variación se encuentra dentro del rango anteriormente hallado:

Cj´ ( X 1 )= 40.8
Cj´ ( X 2 )=45.6
Cj´ ( X 3 )=46.8

Vemos que para el caso de X 1 y X 3 se encuentran dentro del rango de variación, pero X 2 esta fuera del
rango (62.12 ≤ C2 ≤121.6) así que la solución óptima cambia.

f)

Si aumentamos un cuarto tipo de alimento tendremos:

Cj ( X 4 )= 56

80 
a 4   40
 20
 Usando el método simplex obtenemos la siguiente tabla óptima:

Cj 68 76 78 56 0 0 0 M M M

Ck Xk bi X1 X2 X3 X4 E1 E2 E3 Q3 Q2 Q1

M E2 20 15 -70 -40 0 -0.5 1 0 0 -1 0.5

M E3 65 12.5 15 -50 0 -0.25 0 1 -1 0 0.25

56 X4 11.75 1.12 0.75 0.5 1 -1.25 0 0 0 1 0.25

5  10 2
Zj 657.9 63 14 28 56 -0.7 0 0 0 0 0.7

Zj-Cj -5 -62 -50 0 -0.7 0 0 - - -999.3

1000 1000 Min Z= 657.9
pesos

Tablero óptimo utilizando WINQSB

Final Simplex Tableau

X1 X2 X3 X4 SurpC1 SurpC2 SurpC3 Art_C1 Art_C2 Art_C3

Basis C(j) 68,0 76,0 78,0 56,0 0 0 0 0 0 0 R. H. S.

Surp_C2 0 15,0 -70,0 -40,0 0 -0,5 1,0 0 0,5 -1,0 0 20,0
Surp_C3 0 -37,5 -15,0 -50,0 0 -0,25 0 1,0 0,25 0 -1,0 65,0
X4 56,0 1,125 0,25 0,5 1,0 -0,0125 0 0 0,0125 0 0 11,75
C(j)-Z(j) 5,0 62,0 50,0 0 0,7 0 0 -0,7 0 0 658,0
* Big M 0 0 0 0 0 0 0 1,0 1,0 1,0 0

g)

940  940
b   450 b´ 590
170  170 

Se conoce, según la tabla optima la matriz B 1

 1.23  10 2 1.37  10 3 6.85  10 3 

 
B 1   4.1  10 3  1.71  10  2 1.44  10  2 
 6.85  10  4 5.48  10 3  0.023 

Entonces operando:
  1.23  10 2 1.37  10 3 6.85  10 3  940 9.59
 
B 1 × b´=  4.1  10 3  1.71  10  2 1.44  10  2  × 590 = 3.79
 6.85  10  4 5.48  10 3  0.023  170  0.03

X 1 = 9.59Kg.
X 2 =3.79Kg.
X 3 =0.03Kg.

Remplazando en la función objetivo obtenemos: Min Z= 942.5 pesos

h) Función objetivo:

Min Z= 68 X 1 +76 X 2 +78 X 3

Restricciones:
80 X 1 +20 X 2 +40 X 3 ≥940
20 X 1 +80 X 2 +60 X 3 ≥450
25 X 1 +20 X 2 +60 X 3 ≥170

Usando el método simplex obtenemos la siguiente tabla óptima:

Cj 68 76 78 0 0 0 0 0 0

Ck Xk Bi X1 X2 X3 E1 E2 E3 Q3 Q2 Q1

0 E2 16.3 0 0 -38.3 -0.26 - 1 1 0.183 0.27

2 0.183
76 X2 2.86 0 1 0.66 003. - 0 0 01.37 -003.33
33 01.33
78 X1 11.0 1 0 0.33 - 003.3 0 0 -003.33 01.33
3 01.3 3
3
Zj 968. 68 76 73.3 - -0.79 0 0 0.79 0.65
1 0.65
3
Zj-Cj 0 0 -4.66 - -0.79 0 - - -999.35
0.65 1000 999.21
3 3

Min Z= 968.1 pesos