Pag 48
Pag 48
Pag 48
MATEMATICA I
Indice
CAPITULO I :
Generalidades
CAPITULO III :
Programacin Lineal
CAPITULO II :
Algebra Lineal
CAPITULO I
Los Orgenes de la Investigacin de
Operaciones (IO)
Anlisis de las componente de la IO
Influjo de la IO
Entrenamiento para hacer carrera en IO
Formulacin de Programas Lineales
Anlisis de las componente de la IO
Orgenes de la IO
Advenimiento de la Revolucin Industrial.
Tendencia de los componentes de una organizacin
(autonoma).
Asignacin de los recursos disponibles de la manera ms
eficaz (IO).
El desarrollo de la IO es debido a:
Tcnicas disponibles en esta rea
Advenimiento de las computadoras
QU ES INVESTIGACIN DE OPERACIONES ?
Es la aplicacin de grupos interdisciplinarios del mtodo
cientfico a sistemas a fin de que produzcan soluciones que
mejoren los objetivos de la organizacin.
a) Una organizacin se puede interpretar como un sistema.
b) Todo sistema es una estructura que funciona.
El objetivo es el control yo modificacin que se hace a los
componentes en forma eficiente.
Sub-sistema Sub-sistema
Sub-sistema Sub-sistema
Mundo Exterior
Sistema
Componentes
SISTEMA
Es un conjunto formado por elementos interconectados de
acuerdo a a ciertos criterios de ordenamiento u
organizacin, para ello es necesario aislarlo del mundo
exterior
SISTEMA
Sistema en
estudio
Mundo Exterior
Frontera del sistema en estudio.
Universo [Conjunto de todos los
Sistemas]
MODELO
Es una representacin de un sistema de acuerdo a
los objetivos del estudio del Sistema. Es decir, para cierto
objetivo de estudio, ciertas partes del sistema son relevantes.
En esencia un modelo es una imagen de un sistema y
en funcin de las interrogantes planteadas un sistema puede
tener diversos modelos.
Sistema
Pensamiento
Conjunto de
Palabras
Modelo
CLASIFICACION DE LOS MODELOS
Segn la forma de
su Presentacin
Segn su
Estructura (
Simblicos)
a) Modelos
Descriptivos
Expresados por leng. convencional (espaol,
ingls)
b) Modelos Iconos o
Fsicos
Lucen como el sist. fsico correspondiente.(icono)
Clase de modelo fsico es el modelo por analoga,
trasl. de un S. original a uno sustituido
c) Modelos
Simblicos
Expresados en forma concisa a travs de smbolos
matemticos, en forma analtica o grfica va en conj. de
funciones en la forma de ecuaciones e inecuaciones
d) Modelos Tipo
Procedimiento
(Simulacin)
a) Modelos
Determinsticos
Son aquellos que NO incluyen propiedades
relacionadas con fenmenos aleatorios
b) Modelos Estocsticos
Son aquellos que incluyen variables o relaciones
funcionales que dependen de los fenmenos
aleatorios.
c) Modelos Lineales
Son aquellos que incluyen slo funciones lineales
Ejemplo: y= f(x1, x2)
d) Modelos No Lineales
e) Modelos Esttico
Son aquellos que incluyen slo funciones no lineales
Ejemplo: Z= g(x, y)= x
2
+ x y + y
2
Sistema que no
sufre alteraciones debido al tiempo.
f) Modelos Dinmico
Son aquellos que rpta un sistema en que el tiempo es
importante g) Modelos Continuo en el
Tiempo
Se caracteriza por tener var. y funciones
continuas en el tiempo
y=f(t)
t0 t1
h) Modelos Discreto en el
Tiempo
Es aquel que incluyen solo variables y func discretas en
el tiempo
Anlisis de las Componentes de un Proyecto de
I.O.
BENEFICIOS BENEFICIOS
Construccin de Modelos.
Petroperu
Unileche S.A.
Ministerio de Agricultura
Ministerio de Transporte
POR MENCIONAR ALGUNOS
,
_
6
1
2
i
i x
Min Z = 800 + 400 + 1,000
,
_
6
1
1
i
i x
,
_
6
1
3
i
i x
Obs: las decisiones de despido, entren se toma al inicio de c/mes
En cuanto a las restricciones, vendran a ser las demandas en c/ mes
como veremos:
Enero : 9000 + 150x
11
- 100 x
12
- 150x
13
8,000
Febrero : 0.90(Enero) + 150x
21
- 100x
22
- 150x
23
9,000
Marzo : 0.9(Feb.) + 150 x
31
- 100x
32
- 150x
33
8,000
Abril : 0.9(Mar) + 150 x
41
- 100x
42
- 150x
43
10,000
Mayo : 0.9(Abr) + 150 x
51
- 100x
52
- 150x
53
9,000
Junio : 0.9(May) + 150 x
61
- 100x
62
- 150x
63
12,000
x
ij
0
,
_
6
1
2
i
i x
Min Z = 800 + 400 + 1,000
,
_
6
1
1
i
i x
,
_
6
1
3
i
i x
S.a
16. Un vendedor tiene 2 productos A y B. El espera ser capaz de vender a lo
ms 20 unid. de A y a lo menos 78 unid. De B. El debe vender al menos 48
unids de B para satisfacer su cuota mnima de ventas, l recibe una
comisin del 10% sobre la venta total que realiza. Pero el debe pagar sus
propios costos (que son estimados en 30 soles x hr. en hacer llamadas) de su
comisin. El esta dispuesto a emplear no ms de 160 hrs x mes en llamar a
sus clientes. Los siguientes datos estn disponibles. maximice la cantidad de
ganancia
PRODUCTO PRECIO
VENTA
soles/unidad
TIEMPO
EMPLEADO
Hora/llamada
PROBABILIDAD
DE UNA VENTA
EN LLAMADA
A
B
3,000
1,400
3
1
0.5
0.6
Solucin :
x
i
= N de llamadas para vender el producto i, (i= 1..2)
S.a:
- Cantidad de productos A y B vendidos
0.5x
1
20
48 0.60x
2
78
- Tiempo empleado en hacer llamadas
3x
1
+ x
2
160
x
1
, x
2
0
F.O. :
Max z = 0.1(3,000(0.5)x
1
+ 1400(0.6)x
2
) - 30(3x
1
+ x
2
)
17. Un contratista considera una propuesta pa la pavimentac de un
camino. Las especificaciones requieren un espesor mn 12'' y un
mxde 48''. El camino debe ser pavimentado en concreto, asfalto o
gravilla, o combinacin de los tres.
Sin embargo, las especificaciones requieren una consistencia final =
o > que la correspondiente a una superficie de concreto de 9'' de
espesor. Se sabe que:
'
> 0 /
j
j
k
j
r
k
k
b
k
r
B
y
y
x
y
x
min
Paso 6: Una vez seleccionado la columna a
j
que entrar a la nueva
base, seleccinese el vector de salida a
r
de base actual usando:
Forma desarrollada del tablero Simplex
Forma desarrollada del tablero Simplex
Z x
1
, x
2
, ..., x
n
X
n+1
, x
n+2
, ..., x
n+m
1 Z
1
-C
1
Z
2
-C
2
... Z
n
-C
n
Z
n+1
-C
n+1
Z
n+2
-C
n+2
... Z
n+m
-C
n+m
Z
0
a
B1
a
B2
.
.
.
a
Bm
0
0
.
.
.
0
Y
11
Y
12
... Y
1n
Y
21
Y
22
... Y
2n
.................
.................
.................
Y
m1
Y
m2
... Y
mn
Y
1,n+1
Y
1,n+2
... Y
1,n+m
Y
2,n+1
Y
2,n+2
... Y
2,n+m
.................
.................
.................
Y
m,n+1
Y
m,n+2
... Y
m,n+m
X
B1
X
B2
.
.
.
X
Bm
NOTA:
Paso 7: La interseccin en el tablero de la columna que entra
con la columna que sale determina el elemento pivot y
rj
.
Aplquese operaciones matriciales elementales en el pivot y
rj
con el objeto de convertir a la columna a
j
en el vector unitario
e
r
. Es decir, ceros en toda la columna y uno en la r-ava
componente, que resulta ser y
rj
. Regrese al paso 5.
En caso de que todas las y
kj
del denominador
sean negativos, se tiene el caso de una
solucin no acotada.
En caso de que exista un empate entre varios
vectores candidatos hay que aplicar las
reglas lexicogrficas para romper el empate;
una decisin arbitraria puede causar que el
proceso cicle continuamente sin alcanzar la
solucin ptima.
Por ejemplo: si la columna seleccionada al entrar a la base es a
2
y
la fila a salir es a
7
hgase el elemento y
72
del tablero
igual a uno y al resto de componentes de la columna
a
2
, ceros (incluyendo a Z
2
- C
2
) mediante el uso de
operaciones elementales matriciales.
Este paso genera una nueva
base B, un nuevo punto
extremo x
B
y un nuevo valor
de la F.O (Z).
Operaciones Matriciales Elementales.
Estas operaciones afectan nicamente a las filas de la matriz.
Existen tres clases de operaciones de este tipo:
a) Multiplicar o dividir una fila de una matriz por un
escalar diferente de cero.
b) Aadir o restar de una fila el mltiplo de otra.
c) Intercambiar dos filas.
T r a n s f o r m e s e p o r m e d i o d e r e g l a s d e
e q u i v a l e n c i a a l a f o r m a c a n o n i c a
M a x Z = C X
A X < = b
X > = 0
R e - e s c r i b a s e l a F O . d e l a
s i g u i e n t e m a n e r a :
Z - C X = 0
C o n v i e r t e s e t o d a s l a s d e s i g u a l d a d e s e n
i g u a l d a d e s a g r e g a n d o v a r i a b l e s d e h o l g u r a
M a x Z - C X = 0
A X + X = b
X > = 0 , X > = 0
C o n s t r u y a s e u n t a b l e r o c o n
l o s c o e f i c i e n t e s d e l P L .
I N I C I O
D a d o u n
P r o g r a m a
L i n e a l
C o n d i c i o n d e
O p t i m a l i d a d
Z
j
- C
j
> = 0
S e l e c c i o n e s e c o m o v e c t o r d e
e n t r a d a a q u e l c u y o Z
j
- C
j
s e a
e l m a s n e g a t i v o .
S e l e c c i o n e s e e l v e c t o r d e
s a l i d a a r d e l a b a s e a c t u a l :
X B r = m i n { X B k | Y k j > 0 }
Y r j k Y k j .
A p l i q u e o p e r a c i o n e s m a t r i c i a l e s
e l e m e n t a l e s e n e l P i v o t Y r j c o n e l
o b j e t o d e c o n v e r t i r l a c o l u m n a a j
e n u n v e c t o r u n i t a r i o
S
N o
L a s o l u c i o n X B
m o s t r a d a e s O p t i m a .
F I N
Ejemplo: Resuelva por el mtodo Simplex el siguiente problema:
El Dueo de una planta produce nicamente dos tipos de cerveza: blanca y negra.
Existen tecnologas bastante diferentes para la elaboracin de cada uno de los tipos de
cerveza, obviamnete cada tipo de tecnologa a un costo diferente el dueo de la planta no
sabe cual deba ser su produccin ptima semanal de cada producto , y por lo tanto se
decide a identificar dos variables de decisin.
X
1
: miles de litros de cerveza blanca a producir en una semana .
X
2
: miles de litros de cerveza negra a producir en una semana .
+ +
+ +
x
3
= Es la diferencia entre el nro de obreros
que se van a utilizar en la produccin
ptima y los que hay disponibles.
x
4
= Es la diferencia entre el capital que se
va a gastar semanalmente en la produccin
ptima y el capital disponible.
Paso 2:
Paso 3: Generar la siguiente estructura:
Paso 4: Tablero:
Z x
1
x
2
x
3
x
4
Z
0
1 5000 3000 0 0 0
Vectores
en la
base
a
3
a
4
0
0
3
5
5
2
1
0
0
1
15
10
Comparando este tablero con la siguiente estructura
general:
1 C
B
B
-1
A-C C
B
B
-1
Z
0
0
B
-1
A B
-1
X
B
1
]
1
1
]
1
1
1
1
1
]
1
1
]
1
1
]
1
1
]
1
1
]
1
1
]
1
0
0
,
), , ( ), 3000 , 5000 ( ) , (
), 0 , 0 ( ) , ( ,
2 5
5 3
0 ,
10
15
,
1 0
0 1
2
1
2
1
4
3
4 3 2 2 1 1
1
3 3 3 3
1 1
0
4
3 1
x
x
x
x
x
x
x
x
x
x
a a B c z c z C A B C
c z c z B C A B
z
x
x
x B
N
N
B
B
B
B
Paso 5 : Indica que hay que seleccionar todas las Z
j
- C
j
< 0 para toda
columna j en A que no pertenezca a la base actual B. Las nicas columnas
que no pertenecen son a
1
y a
2
. Se debe seleccionar al ms negativo de estas Z
j
- C
j
Z
j
- C
j
= Min {5000, 3000} = 5000 entra a
1
, j=1
'
> 0 /
min
1
j
j
k r
k
k
b
k
r
B
y
y
x
y
x
sabiendo que j=1 se
tiene:
4 3
4
1
a a
base la de sale 2 } 2 , 5 min{
5
10
,
3
15
min
a
y
x
k
r
B
r
'
'
'
k
k
r
B
y
x
r
Sin embargo como Z
2
- C
2
=-1000 < 0, es negativo, el valor de la F.O. puede an
mejorarse. Repitiendo otra iteracin del mtodo Simplex, se tiene que a
2
entra a la
nueva base y que:
Z x
1
x
2
x
3
x
4
Z
0
1 0 -1000 0 1000 10 000
Vectores
en la
base
a
3
a
1
0
0
1 19/5
1 2/5
1 -3/5
0 1/5
9
2
Nuevo pivot
Vectores
Z x
1
x
2
x
3
x
4
Z
0
1 0 0 5000/19 1600/19 235 000/19
en la
base
a
2
a
1
0
0
0 1
1 0
5/19 -3/19
-2/19 25/19
45/19
20/19
columna a
2
en una columna unitaria e
1
La nueva solucin o punto extremo correspondiente a la nueva base B=(a
2
, a
1
), que por
cierto ya es ptima porque tiene todas las Z
j
- C
j
>= 0, es:
x =
20
19
=1.052 mile s de botel las de cer veza blanc a.
x =
45
19
= 2.368 mile s de botel las de cer veza negra .
x = 0 exceso d e obreros.
x = 0 exceso d e capotal semanal.
Z =
235000
19
= $12,368.42 de utili dad semana l.
1
2
3
4
SOLUCIONES OPTIMAS NO ACOTADAS
Se tiene el siguiente P.L. en su forma cannica
Grficamente :
0 X 0, X
4 2X X -
2 X 2 2X -
: .
X 4 4X Max Z
2 1
2 1
2 1
2 1
+
+
+
a s
(1)
Z=8
Z incrementa
2
1
X
1
4
X
2
(2)
Z=0
SOLUCIONES
OPTIMAS NO
ACOTADAS
0 X
b AX : s.a
CX Max Z
0, Y
ik
ALGORITMO
Paso4. Fin.
I n i c i o
D a d o e l P . L . e n s u
f o r m a c a n n i c a
E n c u a l q u i e r i t e r a c i n d e l M S e l
v e c t o r q u e e n t r a a l a b a s e e s a
k
T o d o s l o s ( Y
i k
< 0 )
p a r a t o d o i = 1 - m
C o n t i n u a r c o n
A lg o r i t m o d e l
M t o d o S i m p l e x
I m p r im i r :
" S o l u c i n N o
A c o t a d a "
f i n
s i n o
A p l i c a r e l a l g o r i t m o
d e l M t o d o s i m p l e x
DIAGRAMA DE FLUJO
EJEMPLO
4 - 1 i 0, X
4 X 2X X -
2 X X 2 2X -
0 X 0 X 0 X 4 4X - Z
0 X 0, X
4 2X X -
2 X 2 2X -
: a . s
X 4 4X MaxZ
i
4 2 1
3 2 1
4 3 2 1
2 1
2 1
2 1
2 1
+ +
+ +
+
+
+
Resulvase por el mtodo simplex el siguiente P.L.
Z X
1
X
2
X
3
X
4
Z
1 -4 -4 0 0 0
X
3
0 -2 2 1 0 2
X
4
0 -1 2 0 1 4
Tablero Inicial
Y
i2
>0, i=1-2
Pivot
Como algunos
Y
i1
>0, i=1-2
Primera Iteracin
Z X
1
X
2
X
3
X
4
Z
1 -8 0 2 0 4
X
2
0 -1 1 1/2 0 1
X
4
0 1 0 -1 1 2
Pivot
Segunda Iteracin
Z X
1
X
2
X
3
X
4
Z
1 0 0 -6 8 20
X
2
0 0 1 -1/2 1 3
X
1
0 1 0 -1 1 2
Se tiene el siguiente tablero que an no es ptimo y se debe seleccionar el
nuevo vector de entrada que es X
3
.
Como todos los Y
i3
< 0, i=1-2 se concluye que la solucin del
problema es no acotado.
Como todos los
Y
i3
< 0, i=1-2
Nota:
En la segunda Iteracin X
3
debe entrar, pero como los Y
13
= -1/2 <0 y Y
23
= -1<0, y por lo
tanto la regla de seleccin del vector que debe salir de la base no se puede llevar a cabo.
Ntese tambin que esa misma condicin se encuentra en el tablero inicial, si en vez de
introducir X
2
a la base se introduce X
1.
Por tal motivo se comple el algoritmo dado y el
problema tiene solucin no acotada.
0 X 0, X
20 4X 10X
30 X 10 6X
: a . s
X 2 X 5 Max Z
2 1
2 1
2 1
2 1
+
+
+
. . . (1)
. . . (2)
Existen P.L. que no tienen una solucin ptima nica, sino que al contrario
tiene un nmero Infinito de soluciones. Tal es el caso del siguiente Problema
Lineal.
Graficamente :
Z=0
(2)
(1)
Z=10
3
5
2
A
B
5
X
1
X
2
SOLUCIONES
OPTIMAS
MULTIPLES
Matemticamente se tiene que si X
A
es el vector del punto A y X
B
es el
vector del punto B entonces se define lo siguiente:
Es tambin ptima. La siguiente proposicin da las condiciones que
permiten identificar soluciones ptimas mltiples en un tablero del mtodo
simplex.
( ) [ ] 0,1
B
X 1
A
X X +
PROPOSICION
Dado el problema lineal en forma cannica, Mx Z=cX, sujeto a
. Si existe un vector a
k
que no este en la base cuyo correspondiente z
k
-
c
k
= 0, y todas las Y
ik
> 0, i=1, ..., m entonces el programa lineal tiene
soluciones ptimas multiples y la base es ptima.
0 X , b AX
ALGORITMO
0 X
b AX : s.a
CX Max Z
1
1
1
1
]
1
Z X
1
X
2
X
3
X
4
Z
1 0 0 0 1/2 10
a
2
0 0 1 5/38 -38/980 90/38
a
1
0 1 0 0 125/950 20/19
CONTINUACIN...
X
1
1
1
1
]
1
0
0
38
90
19
20
4
X
3
X
2
X
1
X
X
+
1
1
1
1
]
1
1
1
1
1
]
1
1
1
1
1
]
1
1
1
]
1
1
1
1
1
]
1
1
1
1
1
]
1
1
1
]
1
0
0
38 / 90
19 / 20
4
3
2
1
Y
0
0
18
2
4
2
3
1
X
X
X
X
N
X
B
x
X
X
X
X
N
X
B
x
A continuacin se ver que tipo de problema se desarrollan en un
programa de minimizacin. Donde de eliminan los problemas triviales que
son de la forma siguiente:
0 b
0 X
b AX
: a s.
X C Z Min
PROBLEMAS DE MINIMIZACION
Estos tipos de problemas tienen como solucin ptima:
( )
( ) ,0 0, ,0, 0, X
X , X X
N B
EJEMPLO
0
2
X 0,
1
X
18
2
2X
1
X 3
6
2
X
4
1
X
: a s.
2
X 5
1
X 3 - Z Min
+
+
0
2
X 0,
1
X
18 -
2
2X -
1
X 3 -
6
2
X
4
1
X
: a s.
2
X 5 -
1
X 3 ) (-Z h Max
: C . F
0
2
X 0,
1
X
18
2
2X
1
X 3
6
2
X
4
1
X
: a s.
2
X 5 -
1
X 3 ) (-Z Max
1
1
1
1
1
1
1
1
]
1
1
1
]
1
0
0
18
6
4
2
X
1
X
5
X
4
X
3
X
N
X
B
X
: siguiente solucion la tenemos 0 Z Cuando
Agregando varianbles de Holgura lo llevamos al tablero del Mtodo Simplex
y tenemos lo siguiente:
Esta solucin no es factible por que X
5
= -18 que es menor que cero, est
violando la restriccin de no
negatividad .Se concluye que para
problemas de minimizacin no
triviales, el mtodo simplex no
funciona.
0 vector W el 0 X
b X A
: a s.
X C Z Min
P.O. al optima tambin Es
0 w
0 Y
0 X
b W Y - AX
: a s.
W M X C Z Min
+
+
donde:
W=Vector de variables artificiales y penalizado.
M=Vector de valores positivos arbitrarios muy elevados.
Efectuaremos el Algoritmo del Mtodo Penal juntamente con su
ejemplo:
Dado el P.L. de la siguiente forma:
Paso 2 :
Opt z = CX
s.a : AX B
>
X 0
Convertirlo a la forma Estndar
Verificamos si el PL no viola las condiciones de
no negatividad y de factibilidad.
Si es Si ir al Paso 5 ; Caso contrario continuar
con el Paso 3.
Reestablecer la base, se quiere que la base B est
compuesta de las variables de holgura y artificiales,
se necesita que W sea un vector unitario tipo e
n
.
Para esto se convierte Z
W1
C
W1
en cero, mediante
el uso de operaciones matriciales elementales;
haciendo as que la solucin inicial es factible y
bsica.
Agregar un vector W a cada restriccin en donde
no existan variable Donde : M es un vector de
valores positivos arbitrarios muy elevados (M>>>
0).
W es un vector de variables artificiales s de
holgura y penalizar a la FO con un costo MW
en caso de Maximizacin o +MW en caso de
minimizacin .
Visualizaremos el ltimo tablero Simplex , en
donde verificaremos la condicin de optimalidad.
FIN
Aplicar el mtodo Simplex ( implementado para
soluciones no acotadas)..
Observar si existe un W en la base , de ser as no
hay solucin ptima ir al paso 8.
Caso contrario no exista un W en la base, osea
W=0 y se a retornado al problema original, cuya
solucin ptima est garantizada por el Mtodo
Simplex.
0
2
X 0,
1
X
18
2
2X
1
X 3
6
2
X
4
1
X
: a s.
2
X 5
1
X 3 - Z Min
+
+
0
2
X 0,
1
X
18
2
2X
1
X 3
6
2
X
4
1
X
: a s.
2
X 5
1
X 3 - Z Min
+
+
5 - 1 i 0, X
18 X - 2X X 3
6 X X
4 X X
: a s.
X 5 - X 3 Z - h
i
5 2 1
4 2
3 1
2 1
+
+
+
Max
0 W 5 - 1 i 0, X
18 W X - 2X X 3
6 X X
4 X X
: a s.
MW - X 5 - X 3 Z - h Max
: tenemos W artificial variable la ndo Introducie
1 i
1 5 2 1
4 2
3 1
1 2 1
1
+ +
+
+
Llevando al tablero Simplex tenemos:
H X
1
X
2
X
3
X
4
X
5
W
1
Z
1 -3 5 0 0 0 M 0
X
3
0 1 0 1 0 0 0 4
X
4
0 0 1 0 1 0 0 6
X
W1
0 3 2 0 0 -1 1 18
0 W 5 - 1 i 0, X
18 W X - 2X X 3
6 X X
4 X X
: a s.
MW - X 5 - X 3 Z - h Max
: tenemos W artificial variable la ndo Introducie
1 i
1 5 2 1
4 2
3 1
1 2 1
1
+ +
+
+
H X
1
X
2
X
3
X
4
X
5
W
1
Z
1 -3 5 0 0 0 M 0
X
3
0 1 0 1 0 0 0 4
X
4
0 0 1 0 1 0 0 6
X
W1
0 3 2 0 0 -1 1 18
Tablero Transformado
H X
1
X
2
X
3
X
4
X
5
W
1
Z
1 -3-3M 5-2M 0 0 M 0 -18M
X
3
0 1 0 1 0 0 0 4
X
4
0 0 1 0 1 0 0 6
X
W1
0 3 2 0 0 -1 1 18
De aqu en adelante aplicamos el Mtodo Simplex
Primera Iteracin
Primera Iteracin
Vector que ingresa a la base X
2
.
Vector que sale de la base X
w1
H X
1
X
2
X
3
X
4
X
5
W
1
Z
1 0 5-2M 3+3M 0 M 0 12-6M
X
1
0 1 0 1 0 0 0 4
X
4
0 0 1 0 1 0 0 6
X
W1
0 0 2 -3 0 -1 1 6
Ultimo
Ultimo
tablero
tablero
H X
1
X
2
X
3
X
4
X
5
W
1
Z
1 0 0 21/2 0 5/2 M-5/2 -3
X
1
0 1 0 1 0 0 0 4
X
4
0 0 0 3/2 1 - 3
X
2
0 0 1 -3/2 0 - 3
Ahora en el ltimo tablero ptimo se verifica si el vector W sigue
en la base:
H X
1
X
2
X
3
X
4
X
5
W
1
Z
1 0 0 21/2 0 5/2 M-5/2 -3
X
1
0 1 0 1 0 0 0 4
X
4
0 0 0 3/2 1 - 3
X
2
0 0 1 -3/2 0 - 3
ptimo es problema el 0
1
y W 0
j
C
j
Z Como
3 Z
3 Z h
0
0
0
3
3
4
1
W
5
X
3
X
2
X
4
X
1
X
N
X
B
X
1
1
1
1
1
1
]
1
1
1
1
1
1
1
]
1
1
]
1
0 X
b AX
: a sujeta
CX Z Min
FIN
Anteriormente se dijo que al existir un Empate para decidir que vector
entra a la base esto se decide arbitrariamente sin ningn efecto en el
nmero de iteraciones del mtodo simplex. En cambio un empate en el
vector de salida no puede puede decidirse arbitrariamente porque
puede ocacionar un ciclaje.
II Fase:
Se aplica el M. Simplex para resolver el siguiente modelo:
fdgjdgj