Introducion A La Programacion Lineal

Facultad de Ingeniería
Seguridad y Organización Industrial
Introducción a los modelos y a la ciencia de la administración
Introducción
Actualmente la dirección de empresas afronta desafíos sin paralelos provenientes de
una sociedad con mayor nivel de educación, más solvente, más exigente, más preocupada
que nunca, y también una competencia internacional más activa. Nunca antes los retos de la
administración y los costos del fracaso han sido mayores y nunca como ahora las técnicas y
el conocimiento para afrontar estos retos, han sido tan asequibles para los administradores
de operaciones.
Con el creciente énfasis en el manejo y administración de operaciones de alta
tecnología, se ha vuelto importante que los futuros administradores e ingenieros tengan un
conocimiento claro del empleo y aplicaciones de la ciencia de la administración y la
investigación de operaciones (CA/IO) en este proceso administrativo.
Definida en términos amplios la ciencia de la administración es la aplicación de
procedimientos, técnicas y herramientas científicas a problemas operativos, con el objeto
de desarrollar y ayudar a evaluar soluciones. Como disciplina la ciencia de la
administración incluye todos los enfoques racionales que se aplican a la toma de decisiones
en administración y que se basan en la aplicación de una metodología científica.
La ciencia de la administración se basa en la filosofía de que una gran parte de la
toma de decisiones consiste en (1) identificar y analizar problemas cuantificables, (2)
comprender las relaciones entre los factores interrelacionados y (3) aislar los factores sobre
los cuales tiene el control quien toma las decisiones. El objetivo de la ciencia de la
administración es proporcionar procesos y procedimientos que ayuden a resolver
problemas.
Evolución de la ciencia de la administración.

Durante la primera mitad del siglo XX, los investigadores comenzaron a utilizar
procedimientos científicos para investigar problemas que se encontraban fuera de las
ciencias puras, pero no fue sino hasta comienzos de la Segunda Guerra Mundial que esos
esfuerzos se unificaron para perseguir un objetivo común. En 1937, en Gran Bretaña, se
reunió un equipo de matemáticos, ingenieros y científicos en áreas básicas para estudiar los
problemas estratégicos y tácticos asociados con la defensa del país. El objetivo del equipo
era determinar la forma más efectiva de utilizar recursos militares limitados. Las
actividades de este grupo, que se organizó como parte del Personal Operativo de la
organización militar británica, no se denominaron ciencia de la administración, sino más
bien investigación de operaciones, debido a que el equipo se dedicaba a analizar
operaciones (militares).
Los éxitos de los equipos de investigación de operaciones británicos en muchos de
sus esfuerzos de investigación motivaron a los Estados Unidos de Norteamérica a
emprender actividades similares. Algunas actividades exitosas de estos equipos en Estados
1 Prof. Titular: Ing. Lilia Marcela BAEZ.

Unidos incluyeron estudios de problemas logísticos complejos, el desarrollo de patrones de

vuelos para aviones, la planeación de maniobras navales y la utilización efectiva de
recursos militares.
Después de la guerra muchas de las personas asociadas con la investigación de
operaciones durante el conflicto bélico se dieron cuenta de que muchos de los métodos y
técnicas que se aplicaron a los problemas militares podían aplicarse a problemas
industriales. Al principio mucho de los problemas industriales que se estudiaron, como el
control de inventarios y los sistemas de transporte, eran semejantes a problemas militares.
Pero en la actualidad, es fácil encontrar numerosos casos en los que los conceptos de
investigación de operaciones/ciencia de la administración se han aplicado a compras,
mercadotecnia, contabilidad, planeación financiera y otras áreas.
Aunque numerosas aplicaciones de la ciencia de la administración ocurrieron en la
década de 1950, no fue sino hasta principios de la década de 1960 que se establecieron
programas académicos que ponían énfasis en esta área, y hasta mediados de esta misma
década comenzaron a salir de las universidades las primeras personas con una capacitación
formal. En consecuencia, los grupos de asesoría formales de investigación de
operaciones/ciencia de la administración no comenzaron a aparecer en las organizaciones
industriales y en las operaciones gubernamentales sino hasta finales de la década de 1960.
Durante el crecimiento de los programas académicos en ciencia de la administración se
concentró la atención en el desarrollo de técnicas y herramientas en vez de hacerlo en las
aplicaciones y estrategias para implantar esas técnicas. Y, aunque los conocimientos
avanzaron en áreas asociadas con técnicas y modelos matemáticos, la CA/IO experimentó
un éxito limitado con la aplicación de las técnicas en sus años de formación.
Ahora la investigación de operaciones/ciencia de la administración ya ha madurado
y una gran cantidad de los problemas de implante que aparecieron a finales de la década de
1960 y principios de la de 1970 se han superado, gracias a los progresos de la tecnología de
las computadoras y a cambio en los currículos académicos. Un mejor desarrollo de técnicas
y modelos, énfasis en el implante y la aplicación, y la disponibilidad de computadoras, han
ampliado en gran medida el alcance y la magnitud de los problemas que resulta posible
analizar.
Modelos y la ciencia de la administración

Ya sea que se trate del sector privado o del público, una de las principales funciones del
administrador es resolver problemas; es decir, los administradores son quienes deben
resolver los problemas. Ya sea que se dé cuenta de ello o no, el administrador aborda la
tarea de resolver problemas principalmente a través de la construcción de modelos, o
planteamiento de modelos. La construcción de modelos es un medio que permite a los
administradores analizar y estudiar problemas, así como también examinar diferentes
alternativas.
La construcción de modelos no es una idea nueva; el proceso se utiliza todos los
días, con frecuencia en forma inconsciente, en situaciones de problemas básicos. Considere
el problema de una anfitriona que desea redistribuir los muebles de la sala de su casa. El
objetivo es tener una disposición apropiada que resulte atractiva pero también funcional

para el grupo de juego de cartas que se reunirá en la noche. Una forma de abordar el
problema consiste en visualizar diferentes disposiciones de los muebles y evaluar cada
alternativa; es decir la anfitriona puede utilizar un modelo mental del problema. Un
segundo método consistiría en que la anfitriona pidiera a su esposo que moviera los
muebles en la sala hasta que encontrara una forma de acomodarlos que le agradara. Es
probable que este método fuera más apropiado por diversas razones: el modelo mental
simplemente no permite suficientes manipulaciones, existen demasiados elementos que
deben tenerse presentes, o tal vez la anfitriona no sea capaz de visualizar la apariencia de
cada una de las diferentes disposiciones. Se podría avanzar más hacia un enfoque de ciencia
de la administración al problema desarrollando un modelo a escala del cuarto y examinando
diferentes disposiciones. Este último método puede utilizarse sólo si la anfitriona acepta
que el modelo a escala es una representación válida del problema.
Es evidente que la construcción de modelos ha existido durante muchos años, en
particular en la forma de modelos mentales y modelos a escala, pero los modelos
matemáticos son relativamente nuevos, en particular en relación con la toma de decisiones
en la administración. La mayoría de los análisis de ciencia de la administración se llevan a
cabo utilizando modelos matemáticos.
Los modelos pueden ser:
• Descriptivos: Representan una relación pero no indican un curso de acción.
• Normativos: Son prescriptivos porque señalan el curso de acción que debe
seguir el administrador para alcanzar un objetivo definido.
• Determinísticos: En este tipo de modelo, las relaciones funcionales, es decir
los parámetros se conocen con certidumbre.
• Estocásticos: En este tipo de modelo, una o más variables de una relación
funcional no se conoce con certidumbre.
• Lineales: Todas las relaciones funcionales implican que la variable
dependiente es proporcional a las variables independientes.
• No lineales: Estos modelos utilizan ecuaciones curvilíneas o no
proporcionales
• Estáticos: Se definen en un punto del tiempo y se supone que las condiciones
del modelo no cambian para ese periodo específico en el proceso de solución
del modelo.
• Dinámicos: Se utilizan en situaciones en las que no pueden determinarse el
curso óptimo de acción para un número múltiple de períodos sin considerar
en forma colectiva las acciones que se emprenden en cada período.
Procesos de solución
Pueden utilizarse tres procesos o métodos de solución para llegar a soluciones
óptimas o casi óptimas para problemas basados en la ciencia de la administración:
1. Algoritmos: Es un conjunto de procedimientos o reglas que, cuando
se siguen en forma ordenada, proporciona la mejor solución para un
modelo determinado.

2. Métodos heurísticos: Este proceso de solución se basa en reglas

empíricas o intuitivas que, cuando se aplican al modelo,
proporcionan una o más soluciones. Los métodos heurísticos son
procedimientos de búsqueda que intentan pasar de un punto de
solución a otro, de manera que se mejore el objetivo del modelo con
cada movimiento sucesivo. Cuando ya no es posible encontrar
mejoras al objetivo del modelo utilizando la regla de búsqueda
elegida, la solución alcanzada se denomina solución aproximada.
Simulación: Un modelo de simulación precisamente “simula” la conducta del problema
para un conjunto definido de condiciones de entrada. Para determinar el mejor curso de
acción debe analizarse la conducta del modelo bajo diversos datos de entrada y elegir
el que proporcione el nivel deseado de resultados.
Programación lineal
La escasez de recursos puede causar, para alcanzar los objetivos, movimientos

imprevistos en las estrategias de las operaciones; además los precios de muchos de los
recursos se están elevando de manera incontrolada. Lo limitado de los recursos
disponibles y su elevado precio actúan como incentivo doble para utilizarlos al
máximo. Actualmente los gerentes de operaciones entienden que las estrategias de las
operaciones se han de alcanzar, a pesar de las restricciones impuestas sobre sus
organizaciones por esta escasez de los recursos.
Una de las maneras en que los gerentes de operaciones determinan la mejor manera
de asignar sus recursos escasos es utilizando la programación lineal.
La Programación Lineal utiliza un modelo matemático para describir el problema.

El adjetivo lineal significa que todas las funciones matemáticas del modelo deben ser
funciones lineales. En este caso, la palabra programación no se refiere a programación
en computadoras; en esencia es un sinónimo de planeación. Así, la programación
lineal, trata la planeación de las actividades para obtener un resultado óptimo, esto es,
el resultado que mejor alcance la meta especificada (según el modelo matemático)
entre todas las alternativas de solución.
Aunque la asignación de recursos a las actividades es la aplicación más frecuente, la

programación lineal tiene muchas otras posibilidades. De hecho, cualquier problema
cuyo modelo matemático se ajuste al formato general del modelo de programación
lineal, es un problema de programación lineal. Aún más se dispone de un
procedimiento de solución extraordinariamente eficiente llamado Método Simplex,
para resolver estos problemas, incluso los de gran tamaño. Estas son algunas causas del
tremendo auge de la programación lineal en las últimas décadas.

La tabla describe cada tipo de problema, haciendo tres preguntas sobre cada uno de
ellos.
Estas decisiones en el mundo real a menudo involucran cientos y a veces miles de

restricciones, gran cantidad de datos, muchos productos y servicios, muchos períodos
de tiempo, numerosas alternativas de decisión y otras complicaciones. La complejidad
de estas decisiones restringidas impulsó el desarrollo de métodos de programación
lineal.
Características de los problemas de programación lineal en la administración de la

producción y de las operaciones
1. Debe existir un objetivo único bien definido.

2. Deben existir cursos de acción alternos.
3. El logro total del objetivo debe quedar restringido por recursos escasos o por
otras limitantes
4. El objetivo y cada una de las restricciones deben quedar expresados como
funciones matemáticas lineales.

Cinco tipos comunes de problemas de programación lineal en la administración de la

producción y de las operaciones características
Tipo de decisión Objetivo (¿Cuál es el Variables de decisión Restricciones (¿Qué factores
principal objetivo (¿Qué información nos limitan para lograr nuestro
administrativo?) necesitamos para objetivo?)
lograr nuestro
objetivo?
1. Mezcla de Seleccionar la mezcla Cuánto producir y Mercado, es decir la cantidad
productos de productos o poner en el mercado de máxima de producto
servicios que brinde el cada producto o demandado y el mínimo que
máximo de utilidades servicio durante el permitirá la política.
para el período de período de planeación Capacidad, es decir, la cantidad
planeación máxima de recursos disponibles
(personal, materiales o
máquinas, servicios públicos,
efectivo, espacio de planta).
2. Mezcla de Seleccionar una Cuanto utilizar de cada Mercado, es decir la cantidad de
ingredientes mezcla de los materia prima principal productos finales demandados.
ingredientes principales o ingrediente en el Tecnología, es decir, la relación
que conforman los período de planeación entre ingredientes, y sus
productos finales que productos finales.
de cómo resultado el Capacidad, es decir, la cantidad
mínimo de costo de máxima de ingredientes y de
operación para el capacidad de producción
período de planeación disponible
3. Transporte Seleccionar el plan de Cuanto de cada Requerimientos de destino, o el
distribución de las producto embarcar de mínimo o la cantidad exacta de
fuentes a los destinos cada una de las productos requeridos en cada
con el mínimo costo de fuentes a cada uno de uno de los destinos. Capacidad
embarque durante el los destinos durante el de la fuente, o cantidad exacta o
período de planeación. período de planeación. máxima de productos
disponibles en cada una de las
fuentes
4. Plan de Seleccionar la cantidad Cuanto producir en Mercado, es decir, la cantidad

producción de productos o mano de obra ordinaria de productos demandados cada
servicios a producirse y extraordinaria durante mes. Capacidad, es decir,
tanto durante el tiempo cada mes del año cantidad máxima de productos
ordinario como en el que se pueden fabricar con
tiempo extra de la mano de obra en tiempo
mano de obra, durante ordinario y extra y la maquinaria
cada uno de los meses durante cada mes. Espacio de
del año a fin de inventarios, es decir, la
minimizar los costos capacidad máxima de
por mano de obra y de almacenamiento de cada mes
tener inventario
5. Asignación Asignar proyectos a A qué equipo se asigna Cada proyecto debe asignarse a
equipos de tal forma cada proyecto un equipo y cada equipo debe
que el costo total de asignarse a un proyecto
todos los proyectos se
minimice durante el
período de planeación

Repaso de algunos conceptos útiles: Desigualdades lineales con dos variables
El dueño de un taller metalúrgico recibe un ingreso fijo semanal de $60 por una
vieja deuda y desea invertirlos en comprar dos tipos de insumos: tubos estructurales
laminados en caliente y tubos estructurales laminados en frio. Si x1 kg de tubos
estructurales laminados en caliente cuestan 2$/kg y x2 kg de tubos estructurales laminados
en frio cuestan 3$/kg, entonces él puede distribuir su dinero según la siguiente ecuación:
2($/kg) * x1(kg) + 3($/kg) * x2(kg) = 60$ donde x1, x2 ≥ 0
Recordando la clasificación de modelos, se puede decir que esta ecuación es un

modelo matemático descriptivo.
Las soluciones de esta ecuación llamada Ecuación de presupuesto, dan las posibles
combinaciones de tubos estructurales laminados en caliente y en frio que pueden ser
comprados con 60$. La gráfica de esta ecuación es la recta de presupuesto:
X2
2 X1 + 3 X2 = 60
X2 = -2/3 X1 +20
20
15
(15,10)
10
5 10 15 20 25 30 X1
Definición:
Una desigualdad lineal con 2 variables X1 y X2 puede ser escrita en la forma:
a X 1 + b X2 + c < 0 ( o ≤0, ≥0, >0 )

donde a, b y c son constantes y a y b no son ambas cero.
Para considerar a las desigualdades lineales en general, primero notemos que la

gráfica de una recta no vertical X2 = m X1 + b, separa al plano en tres partes distintas:
1. La recta misma, que consiste en todos los puntos (X1, X2), cuyas coordenadas
satisfacen
2. La región por encima de la recta, que consiste en todos los puntos (X1, X2), cuyas
coordenadas satisfacen la desigualdad X2 > m X1 + b (esta región es llamada un
semiplano abierto)
3. El semiplano abierto por debajo de la recta, que consiste en todos los puntos (X1,
X2), cuyas coordenadas satisfacen la desigualdad X2 < m X1 + b.
X2
X2 = m X1 + b
X2 > m X1 + b
X1
X2 < m X1 + b
En la situación donde la desigualdad estricta “<” es reemplazada por “≤”, la

solución de X2 ≤ m X1 + b consiste en la recta X2 = m X1 + b así como el semiplano
debajo de ella. En este caso decimos que la solución es el semiplano cerrado. Se puede
hacer un enunciado semejante cuando “>” se reemplaza por “≥”.
Definición de Programación lineal

Algunas veces se desea maximizar o minimizar una función sujeta a ciertas
restricciones (o condiciones). Por ejemplo un fabricante puede querer maximizar una
función de utilidad sujeta a las restricciones de producción impuestas por las limitaciones
sobre el uso de la maquinaria y la mano de obra.

Ahora consideraremos como resolver tales problemas cuando la función que será
maximizada o minimizada es lineal. Una función lineal en x y y tiene la forma
Z=ax+by
Donde a y b son constantes. También requeriremos que las correspondientes restricciones

estén representadas por un sistema de desigualdades lineales (involucrando “≤” o ”≥”) o
ecuaciones lineales en x y y, además de que todas las variables sean no negativas. Un
problema que involucra a todas estas condiciones, es llamado problema de programación
lineal. Este tipo de problemas tiene una amplia aplicación en análisis industrial y
económico.
En un problema de programación lineal la función a ser maximizada o minimizada es

llamada función objetivo. Aunque por lo regular existe un número infinito de soluciones
para el sistema de restricciones (llamadas soluciones factibles o puntos factibles), la meta
es encontrar una que sea una solución óptima (esto es una que de el valor máximo o
mínimo de la función objetivo).
Método Gráfico para resolver problemas de programación lineal

Son cuatro los pasos que deben seguirse para resolver en forma gráfica un problema.
Primero plantearemos esos pasos y después los ilustraremos. Los pasos son:
1. Plantear en forma matemática el problema
2. Graficar o trazar las restricciones
3. Graficar la función objetivo
4. Determinar los valores de las variables en el punto que arroje mayores utilidades
Consideremos el problema siguiente:
Una compañía produce dos tipos de artículos, manuales y eléctricos. Cada uno requiere
para su fabricación del uso de tres máquinas, A, B, y C, de acuerdo a la información de la
tabla:
A B C Utilidad/unidad
Manual 2 horas 1 hora 1 hora $4
Eléctrico 1 hora 2 horas 1 hora $6
Horas 180 160 100
disponibles
Cada artículo manual requiere del uso de la máquina A durante 2 horas, de la máquina B
por 1 hora y de la máquina C otra hora. Un artículo eléctrico requiere 1 hora de A, 2 horas
de B y 1 hora de C. Además, suponga que el número máximo de horas disponibles por mes
para el uso de las máquinas A, B y C es 180,160 y 100, respectivamente. La utilidad o
ganancia por cada artículo manual es de $4 y por cada artículo eléctrico es de $6. Si la
compañía vende todos los artículos que pueda producir ¿cuántos artículos de cada tipo debe
producir con el fin de maximizar la utilidad mensual?
Paso 1: Plantear en forma matemática el problema

El planteamiento del problema implica un procedimiento que a su vez consta de tres pasos:
a. Definir las variables de decisión.
b. Plantear en términos matemáticos la función objetivo o de utilidad.
c. Plantear en términos matemáticos las restricciones sobre los recursos.
a. Sean x e y las variables de decisión que representan a el número de artículos

manuales y eléctricos respectivamente, fabricados en un mes. Ya que el número de
artículos producidos no es negativo,
x ≥ 0, y ≥ 0
b. La utilidad P es una función de x y y, y está dada por la función utilidad.
P = 4x + 6y
El objetivo es maximizar la función utilidad:
MAXIMIZAR P = 4x + 6y
c. La función objetivo está sujeta a las restricciones sobre los recursos. Para plantear
las restricciones de este problema, es necesario recordar que para la máquina A, el
tiempo necesario para trabajar sobre x artículos manuales es 2x horas y el tiempo
para trabajar sobre y artículos eléctricos es 1y horas. La suma de estos tiempos no
puede ser mayor que 180, de modo que:
2 x + y ≤ 180
De manera semejante, las restricciones para las máquinas B y C dan
x + 2 y ≤ 160 y x + y ≤ 100
En conjunto el problema puede plantearse de la siguiente manera:
MAXIMIZAR: P = 4x + 6y
SUJETO A: 2 x + y ≤ 180
x + 2 y ≤ 160
x + y ≤ 100
x, y ≥ 0
Paso 2: Graficar o trazar las restricciones

REGION FACTIBLE
200
180
160
140
Y(ELECTRICOS)
120
100
80
60
40
20
0
0 10 20 30 40 50 60 70 80 90 100
X (MANUALES)
2 x + y ≤ 180 x + 2 y ≤ 160 x + y ≤ 100
Paso 3: Graficar la función objetivo
Ya que la función objetivo, P = 4x + 6y, es equivalente a
y = -2/3x+ P/6
define una “familia” de rectas paralelas, cada una con pendiente de -2/3 e intersección y (0 ,
P/6). Por ejemplo, si P =Región Factible obtenemos la recta
600, entonces
y = -2/3x+ 100 mostrada en la figura.
Esta recta, llamada de isoutilidad (isoganancia ), da todas las posibles combinaciones de x

y y con que se obtiene la misma utilidad, $600.

REGION FACTIBLE
200
180
160
140
120
P=600
Y(ELECTRICOS)
100
80 Línea de
E isoutilidad
60
máxima
A
40
20 P=300 B
D
0
C
0 10 20 30 40 50 60 70 80 90 100
X (MANUALES)
2 x + y = 180 x + 2 y = 160 x + y = 100
Observe que esta línea de isoutilidad no tiene puntos en común con la región factible,
mientras que la línea de isoutilidad para P = 300 tiene un número infinito de puntos en
común con la región factible. Busquemos un miembro de la familia de curvas que tenga un
punto factible y cuyo valor de P sea máximo. Ésta será la recta cuya intersección y sea la
más lejana del origen (esto da un valor máximo de P) y que al mismo tiempo, tenga al
menos un punto en común con la región factible. No es difícil observar que tal recta
contendrá el vértice (punto extremo, esquina) A. Cualquier recta de isoutilidad con una
utilidad mayor no contendrá puntos de la región factible.

A partir de las figuras vemos que A pertenece a las rectas x + y ≤ 100 y

x + 2 y ≤ 160. Sus coordenadas pueden ser encontradas resolviendo el sistema:
x + y ≤ 100
x + 2 y ≤ 160
Esto da x = 40 y y = 60. Sustituyendo estos valores en P = 4x + 6y, encontramos que la

utilidad máxima sujeta a las restricciones es de $520, obtenida produciendo 40 artículos
manuales y 60 eléctricos cada mes.
Paso 4: Determinar los valores de las variables en el punto que arroje mayores utilidades
No necesitamos dibujar las rectas de isoutilidad para encontrar la solución óptima.

Basta evaluar la función objetivo en cada uno de los vértices de la región factible y después
seleccionar un vértice en el que la función sea óptima.
Por ejemplo, en la figura los vértices son A, B, C, D y E. Obtenemos las

coordenadas de cada uno igualando las ecuaciones de las rectas que se cortan:
A = (40,60) B = (80,20) C = (90,0) D = (0,0) E = (0,80)
Ahora evaluamos la función objetivo P = 4x + 6y en cada uno de los puntos:
P (A) = 4 (40) + 6 (60) =520

P (B) = 440
P (C) = 360
P (D) = 0
P (E) = 480
Así P tiene un valor máximo de 520$ en A, donde x =40 y y = 60.

La solución óptima para un problema de programación lineal está dada por el punto
donde ocurre el valor óptimo de la función objetivo.
Método Simplex
El método Simplex empieza con una solución factible y prueba si es o no óptima.

Si no lo es, por este método se procede a obtener una solución mejor. Decimos “mejor”
en el sentido que la nueva solución esté cerca de la optimización de la función objetivo.
Si esta nueva solución no es óptima, entonces repetimos el procedimiento. En algún
momento el método simplex conduce a una solución óptima, si existe.
Además de ser eficiente, el método simplex tiene otras ventajas. Es completamente
mecánico (usamos matrices, operaciones elementales sobre renglón y aritmética
básica). La geometría no está involucrada. Esto nos permite resolver problemas de
programación lineal que tengan cualquier número de restricciones y variables.

Para iniciar la explicación, consideraremos, solo los llamados problemas estándar

de programación lineal.
Problema:
Maximizar Z = c1x1 + c2x2 + c3x3
tal que
a11x1 + a12x2 + a13x3 ≤ b1,
a21x1 + a22x2 + a23x3 ≤ b2,
a31x1 + a32x2 + a33x3 ≤ b3,
a41x1 + a42x2 + a43x3 ≤ b4,
donde x1, x2, x3, b1, b2, b3, b4 son no negativos.
Método:
1. Configure la tabla simplex inicial
X1 X2 X3 S1 S2 S3 S4 Z b
S1 a11 a12 a13 1 0 0 0 0 b1
S2 a21 a22 a23 0 1 0 0 0 b2
S3 a31 a32 a33 0 0 1 0 0 b3
S4 a41 a42 a43 0 0 0 1 0 b4
Z -c1 -c2 -c3 0 0 0 0 1 0
indicadores
Existen cuatro variables de holgura, S1, S2, S3, S4 – una por cada restricción.
2. Si todos los indicadores en el último renglón son no negativos, entonces Z tiene

un valor máximo cuando X1 = 0, X2 = 0, X3 = 0. El valor máximo es 0. Si
existen indicadores negativos, localice la columna en la que aparezca el
indicador más negativo. Esta columna pivote proporciona la variable entrante.
3. Divida cada entrada positiva por encima de la línea punteada en la columna de
la variable entrante, con el correspondiente valor de b. (Tomando el valor de b
como dividendo y la entrada positiva como divisor).
4. Marque la entrada en la columna pivote que corresponda al cociente más
pequeño del paso 3. Ésta es la entrada pivote. La variable saliente es aquella
que está a la izquierda en el renglón pivote.
5. Utilice operaciones elementales sobre renglones para transformar la tabla en
una nueva tabla equivalente que tenga un 1 (uno) donde estaba la entrada pivote
y 0 (ceros) en las otras entradas de esa columna.
6. En el lado izquierdo de esta tabla la variable entrante reemplaza a la variable
saliente.
7. Si los indicadores de la nueva tabla son todos no negativos, tendrá usted una
solución óptima. El valor máximo de Z es la entrada en el último renglón y la

última columna. Ocurre cuando las variables a la izquierda de la tabla son

iguales a las correspondientes entradas en la última columna. Todas las demás
variables son iguales a cero. Si al menos uno de los indicadores es negativo,
repita el proceso empezando con el paso 2 aplicado a la nueva tabla.
Variables Artificiales
Hasta ahora hemos visto el Método Simplex con la suposición de que el problema se
encuentra en la forma estándar (maximizar Z sujeta a restricciones de forma ≤ y
restricciones de no negatividad sobre todas las variables) con bi ≥0 para toda i=1,2,…,m.
El único problema serio que introducen las otras formas de restricciones funcionales
(=, ≥ o que tienen lados derechos negativos) es identificar una solución inicial básica
factible. Antes, esta solución inicial se encontraba en forma muy conveniente al hacer que
las variables de holgura, fueran las variables básicas iniciales, donde cada una era igual a la
constante no negativa del lado derecho de la ecuación correspondiente. Ahora debe hacerse
algo más, el enfoque estándar que se utiliza en estos casos es la técnica de variables
artificiales. Ésta construye un problema artificial más conveniente introduciendo una
variable ficticia (llamada Variable artificial) en cada restricción que lo requiera. Esta nueva
variable se introduce sólo con el fin de que sea la variable básica inicial para esa ecuación.
Las restricciones usuales de no negatividad también se aplican sobre estas variables y la
función objetivo se modifica para que imponga una penalización exorbitante en el caso de
que adquieran valores mayores que cero. Las iteraciones del método simplex
automáticamente fuerzan a las variables artificiales a desaparecer (a volverse cero) una a
una, hasta que todas quedan fuera de la solución; después de esto se resuelve el problema
real.
Considere el problema siguiente:

Maximizar Z = x1 + 2x2
Sujeta a
x1 + x2 ≤ 9, (1)
x1 - x2 ≥ 1, (2)
x1, x2 ≥ 0
Ya que la restricción (2) no puede ser escrita como a1x1 + a2x2 ≤ b, donde b es no
negativa, este problema no puede ser puesto en forma estándar. Observe que (0,0) no
es un punto factible. Para resolver este problema, empezamos, escribiendo las
restricciones (1) y (2) como ecuaciones. La restricción (1) se convierte en
x1 + x2 + s1= 9 (3)
donde s1 es una variable de holgura y s1≥ 0. Para la restricción (2), x1 - x2 será igual
a 1 si restamos una variable de excedencia no negativa s2 de x1 - x2. Esto es, restando s2
complementamos el excedente sobre el miembro izquierdo de (2) de modo que
tengamos la igualdad. De esta manera

x1 - x2 - s2= 1, (4)
donde s2 ≥ 0. Podemos ahora volver a plantear el problema:
Maximizar Z = x1 + 2x2 (5)
Sujeta a
x1 + x2 + s1= 9 (6)
x1 - x2 - s2= 1, (7)
y x1, x2, s1, s2 ≥ 0
Ya que (0, 0) no está en la región factible, no tenemos una solución factible básica
(S.F.B) en la que x1= x2 = 0. De hecho, si x1= 0 y x2 = 0 son sustituidas en la ecuación
(7), entonces 0-0- s2= 1, lo que da s2= -1. Pero esto contradice la condición de que
s2≥0.
Para iniciar el método simplex, necesitamos una S.F.B. inicial. Aunque ninguna es
obvia, existe un método ingenioso para llegar a una artificialmente. Requiere que
consideremos un problema de programación lineal relacionado llamado problema
artificial. Primero, se forma nueva ecuación sumando una variable no negativa t al lado
izquierdo de la ecuación en la que el coeficiente de la variable de excedencia es (-1).
La variable t es llamada variable artificial. En nuestro caso, reemplazamos la ecuación
(7) por x1 - x2 - s2 + t = 1 así las ecuaciones (6) y (7) se convierten en:
x1 + x2 + s1= 9 (8)
x1 - x2 - s2 + t = 1 (9)
donde x1, x2, s1, s2, t ≥ 0
Una solución obvia para las ecuaciones (8) y (9) se encuentra tomando
x1= x2 = s2=0, s1= 9, t = 1
Observe que estos valores no satisfacen las ecuaciones (6) y (7). Sin embargo, es claro
que cualquier solución de las ecuaciones (8) y (9) para la cual t = 0, dará una solución
para las ecuaciones 6) y (7) recíprocamente.
Podemos eventualmente forzar a t a ser 0 si alteramos la función objetivo original

como
W = Z – Mt = x1 + 2x2 – Mt, (10)
donde la constante M es un numero positivo grande. No nos preocuparemos por el
valor particular de M y procederemos a maximizar W por medio del método Simplex.
Ya que hay m=2 restricciones (excluyendo las condiciones de no
negatividad) y n=5 variables en las ecuaciones (8) y (9), cualquier S.F.B. debe tener al
menos n-m =3 variables iguales a cero. Iniciamos con la siguiente S.F.B.:
x1= x2 == s2 0, s1 = 9 t=1 (11)
En esta S.F.B. inicial, las variables no básicas son las estructurales y las de
holgura con coeficiente – 1 en las ecuaciones (8) y (9). El correspondiente valor de W
es W = x1 + 2x2 – Mt = – M, lo cual es un número extremadamente negativo. Una
mejora significativa de W ocurrirá si podemos encontrar otra S.F.B. para la cual t = 0.
Ya que el método simplex busca mejorar los valores de W en cada etapa, lo

aplicaremos hasta que lleguemos a tal S.F.B., si es posible. Esa solución será una
S.F.B. inicial para el problema original.
Para aplicar el método simplex al problema artificial, primero escribimos la
ecuación (10) como
-x1 - 2x2 + Mt +W = 0 (12)
La matriz aumentada de las ecuaciones (8), (9) y (12) es
X1 X2 S1 S2 t W b
S1 1 1 1 0 0 0 9 (13)
t 1 -1 0 -1 1 0 1
-1 -2 0 0 M 1 0
Una S.F.B. inicial está dada por (11). Observe que del renglón 1, cuando x1= x2
= s2 = 0, podemos leer correctamente el valor de s1, a saber s1= 9. del renglón 2
obtenemos t=1. Del renglón 3, Mt + W = 0. Ya que t =1, entonces W= - M. Pero en
una tabla simplex queremos que el valor de W aparezca en el último renglón en la
última columna. Esto no es así en (13) y, por tanto , modificamos esa matriz.
Para hacer esto transformamos (13) en una matriz equivalente cuyo último
renglón tiene la forma
X1 X2 S1 S2 t W b
? ? 0 ? 0 1 ?
Esto es, la M en la columna de t es reemplazada por cero. Como resultado, si
x1= x2 = s2 = 0, entonces W es igual a la última entrada. Procediendo para
obtener tal matriz, tenemos
TABLA I
X1 X2 S1 S2 t W b
-MR2+R3 S 1 1 1 1 0 0 0 9
t 1 -1 0 -1 1 0 1
-1-M -2+M 0 M 0 1 -M
Ahora revisaremos algunas cosas. Si x1= x2 = s2=0, entonces del renglón 1 obtenemos
s1= 9; del renglón 2 t = 1y del renglón 3, W=-M. Así ahora tenemos la tabla simplex
inicial y desde este punto podemos utilizar los procedimientos del método simplex. Ya
que M es un número positivo grande, el indicador más negativo es -1-M. De este modo
la variable entrante es x1. A partir de los cocientes seleccionamos a t como la variable
saliente. La entrada pivote está sombreada. Utilizando operaciones elementales sobre
renglón para obtener 1 en la posición del pivote y 0 en todas las demás entradas en esa
columna, obtenemos la siguiente tabla II:
TABLA II
X1 X2 S1 S2 t W b
S1 0 2 1 1 -1 0 8
X1 1 -1 0 -1 1 0 1
0 -3 0 -1 1+M 1 1

En esta tabla II, tenemos la siguiente S. F. B.:
s1= 8, x1 =1, x2=0, s2 =0, t=0

Ya que t = 0, ¡los valores s1= 8, x1 =1, x2=0, s2 =0 forman una S.F.B. para el
problema original! La variable artificial ha servido para su propósito. Para las tablas
siguientes eliminaremos la columna t (ya que queremos resolver el problema original)
y cambiamos las W por Z (ya que W=Z para t=0). De la tabla II, la variable entrante es
x2, la variable salientes es s1 y la entrada pivote está sombreada. Utilizando
operaciones elementales sobre renglón (omitiendo la columna t), obtenemos la tabla
III.
TABLA III
X1 X2 S1 S2 Z b
X2 0 1 1/2 1/2 0 4
X1 1 0 1/2 -1/2 0 5
Z 0 0 2/3 1/2 1 13
Ya que todos los indicadores son no negativos, el valor máximo de Z es 13. Ocurre
cuando x1 =5, x2=4.
Minimización
Hasta aquí hemos utilizado el método simplex para maximizar funciones objetivo.
En general, para minimizar una función es suficiente con maximizar su negativo. Para
entender por qué, considere la función f(x)= x2 – 4. En la figura (a) observe que el
valor mínimo de f es -4 y ocurre cuando x = 0. La figura (b) muestra la gráfica
g(x) = - f(x) = -(x2 – 4). Esta gráfica es la relación con respecto al eje x de la gráfica de
f. Observe que el valor máximo de g es 4 y ocurre cuando x = 0. Por tanto, el valor
mínimo de x2 – 4 es el negativo del valor máximo de -(x2 – 4).

y y
4
g(x) = - f(x)
= -(x2 – 4)
x x
f(x)= x2 – 4
-4
(a) (b)
Esto es,
mín f = - máx (-f)
Análisis de Sensibilidad
El trabajo apenas comienza, cuando se ha aplicado con éxito el método simplex para hallar una solución
óptima. Una suposición de la programación lineal es que todos los parámetros del modelo son constantes
conocidas. En realidad, los valores de los parámetros que se usan en el modelo casi siempre son sólo
estimaciones basadas en una predicción de las condiciones futuras. Los datos obtenidos para desarrollar estas
estimaciones con frecuencia son bastante imperfectos o no existen, así que los parámetros de la formulación
original pueden representar poco más que algunas reglas cortas proporcionadas por el personal de línea, el que
tal vez se sintió presionado para dar su opinión. Los datos pueden incluso representar estimaciones optimistas
o pesimistas que protegen los intereses de los estimadores.
Por todo esto, un gerente razonable y el personal de investigación de operaciones mantendrán cierto
escepticismo saludable respecto a los números originales que salen de la computadora y, en muchos casos, los
tomarán nada más como un punto de partida para el análisis posterior del problema. Una solución “óptima” es
óptima nada más en lo que se refiere al modelo específico que se está usando para representar el problema
real, y tal solución no se convierte en una guía confiable para la acción hasta que se verifica que su
comportamiento es bueno para otras representaciones razonables del problema. Todavía más, algunas veces
los parámetros del modelo (en particular las bi) se establecen como resultado de decisiones por políticas
gerenciales (por ejemplo, la cantidad de ciertos recursos que se ponen a la disposición de las actividades), y
estas decisiones deben revisarse después de detectar sus consecuencias potenciales.
Por estas razones es importante llevar a cabo un análisis de sensibilidad, para investigar el efecto que
tendría sobre la solución óptima proporcionada por el método simplex el hecho de que los parámetros
tomarán otros valores posibles. En general, habrá algunos parámetros a los que se les pueda asignar cualquier

valor razonable sin que afecten la optimalidad de esta solución. Sin embargo, también habrá parámetros con
valores probables que lleven a una nueva solución óptima. Esta situación es particularmente seria, si la
solución original adquiere valores sustancialmente inferiores en la función objetivo, ¡o tal vez no factibles!
Estudio del caso de la empresa Agro-Técnica.

La última vez que supimos algo del gerente de producción de la empresa Agro-Técnica, necesitaba planear
la combinación de fertilizantes para el próximo mes y debía definir la mezcla de producción de los
fertilizantes 5-5-10 y 5-10-5 que fuera más redituable. El primero se vendía a $71.50 por tonelada y el 5-10-5
a $69. En el proceso de planificación, este gerente debía trabajar dentro de la estructura de la disponibilidad
de las materias primas escasas que se usan en la producción de los fertilizantes. Las materias primas eran
nitrato, fosfato y potasio. Los precios eran $200, $80, y $160 por tonelada, respectivamente; y había
disponibles 1100, 1800 y 2000 toneladas de los recursos correspondientes. Utilizando esta información junto
con el precio de $10 por tonelada de cantidades ilimitadas de relleno y un precio de $15 la tonelada por
concepto de mezclado, se calcularon contribuciones a las utilidades de $18.50 por tonelada del 5-5-10 y $20
por tonelada del 5-10-5. Después se planteó el problema en forma de programación lineal con dos variables y
tres restricciones y se resolvió a través del método simplex. Los resultados de este planteamiento y su
solución óptima fueron que la política óptima consistiría en fabricar 8000 toneladas de 5-5-10 y 14000
toneladas del 5-10-5. La producción y venta de estas cantidades daría como resultado una contribución de
$428000 a las utilidades de la empresa Agro-Técnica.
Este mes el gerente de producción tiene un nuevo problema. Aunque las disponibilidades y costos de la
materia prima han permanecido iguales, la compañía desea considerar la fabricación de un tercer producto, un
fertilizante 5-5-5, que puede venderse en $60 la tonelada. Ahora, el gerente debe considerar tres productos, en
vez de dos, en su decisión sobre producción. Dado que la empresa Agro-Técnica no tiene pedidos atrasados o
comprometidos que deba surtir para cualquiera de los productos, el gerente desea fabricar la combinación de
fertilizantes que proporcione la combinación máxima de utilidades.
Para plantear el problema, emplea los siguientes símbolos:
X1 = toneladas de 5-5-10 que deben fabricarse

Utilizando el precio de venta de $60 por tonelada y la mezcla de ingredientes (5-5-5) para el tercer
producto, su contribución a las utilidades es de $14,50 por tonelada. Dado que no se han añadido restricciones
adicionales, el gerente planteó el problema de la siguiente manera:
MAXIMIZAR:
Z = 18.5 X1 + 20 X2+ 14.5 X3
SUJETO A:
0.05 X1 + 0.05X2+ 0.05 X3 ≤ 1100
0.05 X1 + 0.10X2+ 0.05 X3 ≤ 1800
0.10 X1 + 0.05X2+ 0.05 X3 ≤ 2000
X 1, X 2, X 3 ≥ 0
Al resolver el problema anterior utilizando el método simplex, se obtiene una solución exactamente igual
que el problema original con dos productos; es decir, la compañía debe fabricar 8000 toneladas del fertilizante
5-5-10 y 14000 toneladas del 5-10-5. Las utilidades esperadas serían de nuevo $428000. Este resultado
asombró un poco al gerente porque la solución significa que el programa de producción puede quedar sin
modificarse, pero no le resulta irrazonable aceptar la solución.

Sin embargo, existen otros departamentos en la empresa que podrían afectar la decisión de este gerente de
producción de quedarse con el programa que ya se tiene. A Débora del departamento de Marketing de la
empresa Agro-Técnica, le preocupa el hecho de que si acepta la solución obtenida, no se fabricaría nada
nuevo del fertilizante 5-5-5. Débora acepta que la solución de programación lineal para el problema
proporcione la mezcla de producción con utilidades máximas, pero también sabe que fabricar el nuevo
fertilizante 5-5-5 es de importancia por razones de mercadotecnia. Débora no puede obligar al departamento
de producción a sacrificar utilidades para fabricar alguna cantidad del 5-5-5, pero tiene la capacidad de
aumentar su precio de venta para que resulte lo suficientemente redituable para quedar incluido en la mezcla
óptima de producción para el mes siguiente. Por ello le gustaría saber cuánto tendría que aumentar el precio
para hacer que la producción del 5-5-5 resulte redituable.
Al mismo tiempo que Débora está considerando aumentar el precio del 5-5-5, Eduardo, que es el encargado
de compras de la empresa, está considerando un posible cambio en las materias primas. Tal vez el mes
siguiente se reduzca la disponibilidad de nitrato. Eduardo no está seguro de cual será la magnitud de la
reducción y, por ello, no puede proporcionarle al gerente de producción un valor que pueda utilizar para
planear la producción.
Otro cambio que está considerando es una posible reducción en el precio del 5-5-10. Los vendedores
informan que una compañía de la competencia ha reducido su precio para el mismo fertilizante y, como
resultado, la Agro-Técnica debe considerar reducir su precio para enfrentar la competencia.
Desde el punto de vista general de la compañía, debe volverse a examinar la decisión del gerente de
producción de continuar fabricando sólo dos fertilizantes para incluir en el análisis las cuestiones planteadas
por los departamentos de marketing y compras. Puede utilizarse el análisis de sensibilidad para ayudar a
continuar estudiando el problema.
Resuelvo el problema por el método simplex:
X1 X2 X3 S1 S2 S3 Z b
S1 0.05 0.05 0.05 1 0 0 0 1100
S2 0.05 0.10 0.05 1 1 0 0 1800
S3 0.10 0.05 0.05 0 0 1 0 2000
Z -18.5 -20 -14.5 0 0 0 1 0
X1 X2 X3 S1 S2 S3 Z b
S1 0.025 0 0.025 1 -0.5 0 0 200
X2 0. 5 1 0. 5 0 10 0 0 18000
S3 0.075 0 0.025 0 -0.5 1 0 1100
Z -8.5 0 -4.5 0 200 0 1 360000
X1 X2 X3 S1 S2 S3 Z b
X1 1 0 1 40 -20 0 0 8000
X2 0 1 0 -20 20 0 0 14000
S3 0 0 -0.05 -3 1 1 0 500
Z 0 0 4 340 30 0 1 428000

a) Cambio en el coeficiente de la función objetivo de una variable no básica

Se comienza el análisis considerando el impacto de cambiar el valor de las utilidades (coeficiente de la
función objetivo) para una de las variables que de momento no es básica (es decir, para una variable no básica
que es igual a cero)
Una variable no básica no se encuentra en la solución óptima porque las utilidades que se obtienen al fabricar
el producto son inferiores a lo que se perdería por hacerlo. Para cambiar esa relación, es necesario aumentar
la contribución a las utilidades hasta que sean iguales o mayores que lo que se perdería por fabricarlo.
Antes de que x3 pueda volverse básica, el valor que toma su coeficiente en el renglón de los indicadores debe
volverse negativo.
Recordando que Cj, son los coeficientes de las variables en la función objetivo:
Cj 18.5 20 14.5+D3 0 0 0
X1 X2 X3 S1 S2 S3 Z b
X1 1 0 1 40 -20 0 0 8000
X2 0 1 0 -20 20 0 0 14000
S3 0 0 -0.05 -3 1 1 0 500
Z 0 0 4-D3 340 30 0 1 428000
X3 seguirá siendo no básica mientras su coeficiente en el renglón de los indicadores sea no negativo,
por lo tanto para convertirla en básica
4-D3 ≤ 0
-D3 ≤ -4
D3 ≥ 4
Para determinar D3, en vez de ejecutar el análisis anterior, podría determinarse el límite superior del
coeficiente simplemente tomando el valor que corresponde al indicador en la columna de la variable que se
está analizando. Esto resulta cierto para todas las variables no básicas.
Si D3 > 4,
Cj + D3 = 14.5 + 4 = 18.5 indica que si el precio de X3 se elevara un poco más de los $4, es decir, que si su
contribución a las utilidades fuera mayor que $18.50, entonces la producción de X3 se volvería más redituable
que la mezcla actual de producción de 8000 X1 y 14000 X2.
Si el precio se aumentara exactamente $4 cuando D3 = 4, entonces se llegaría a un punto de decisión en el que
podría fabricarse X3, pero no se obtendrían utilidades adicionales.
b) Cambio en el coeficiente de la función objetivo de una variable básica
Ahora, consideraremos un cambio en el coeficiente de utilidades de una variable básica, es decir, una
variable que es básica en una solución óptima de programación lineal. Se utilizará el problema que enfrenta la
empresa agro-técnica, con respecto al fertilizante 5-5-10; pero al igual que en el caso del coeficiente de
utilidad de la variable no básica, estamos interesados en saber cuál es el valor máximo en el que puede
cambiar este coeficiente básico de utilidades, antes de cambiar las variables básicas restantes en la solución
óptima.
Si cambia la contribución de una variable básica a las utilidades, entonces puede producirse uno de dos
resultados. Si el coeficiente de contribución de la variable básica disminuye, entonces es posible que la
variable tuviera que dejar la base puesto que tal vez no fuera suficientemente redituable para seguir siendo
básica. Por otro lado, si la contribución a las utilidades de una variable básica aumenta, podría obtenerse un
mayor nivel de contribución para la variable que se considera. A diferencia de los cambios en los coeficientes
de contribución para variables no básicas, en el caso de variables que si son básicas deben considerarse tanto

aumentos como disminuciones en los coeficientes de contribución. Y también, a diferencia de los casos de las
variables no básicas, los cambios en los coeficientes de la contribución a la utilidad de las variables básicas
tendrán de alguna manera algún impacto sobre la solución existente.
Para analizar el efecto que tienen los cambios en la contribución a las utilidades para una variable básica es
posible, como se hizo en el caso de las variables no básicas, añadir un coeficiente Dj al coeficiente Cj que ya
se tiene, denotamos las nueva contribución a las utilidades como, Cj+Dj. En el caso de la variable no básica, la
adición afectó sólo una columna de la tabla. Sin embargo, en el caso de una variable básica, puede resultar
afectada más de una columna.
Cj 18.5+D1 20 14.5 0 0 0
X1 X2 X3 S1 S2 S3 Z b
X1 1 0 1 40 -20 0 0 8000
X2 0 1 0 -20 20 0 0 14000
S3 0 0 -0.05 -3 1 1 0 500
Z 0 0 4+D1 340+40D130-20D1 0 1 428000+8000D1 Este
segundo termino significa el aporte
a las ganancias de la misma cantidad a producir con un
D1 en el precio.
Para que la solución siga siendo óptima debe asegurarse que ningún valor de los indicadores sea negativo.
4 + D1 ≥ 0 → D1 ≥ -4
340 + 40D1 ≥ 0 → D1 ≥ -340/40 = -8.5
30 - 20D1 ≥ 0 → D1 ≤ 1.5
-4≤ D1 ≤ 1.5
La contribución de X1 a las utilidades no puede aumentar más de $1.5 o disminuir en más de $4 las utilidades
están limitadas a quedar entre:
C1 - 4 y C1 + 1.5
14,5 $ ≤ C1 ≤ 20 $
c) Cambio en el valor de uno de los recursos
Para calcular el efecto de modificar el nivel de un recurso, se añade una cantidad Di al recurso que se
quiere cambiar y después se vuelve a aplicar el proceso de solución.
X1 X2 X3 S1 S2 S3 Z b
S1 0.05 0.05 0.05 1 0 0 0 1100+DN
S2 0.05 0.10 0.05 1 1 0 0 1800
S3 0.10 0.05 0.05 0 0 1 0 2000
Z -18.5 -20 -14.5 0 0 0 1 0
X1 X2 X3 S1 S2 S3 Z b
S1 0.025 0 0.025 1 -0.5 0 0 200+DN
X2 0. 5 1 0. 5 0 10 0 0 18000
S3 0.075 0 0.025 0 -0.5 1 0 1100
Z -8.5 0 -4.5 0 200 0 1 360000

La tabla óptima para el nivel de recursos es:

X1 X2 X3 S1 S2 S3 Z b
X1 1 0 1 40 -20 0 0 8000+40DN
X2 0 1 0 -20 20 0 0 14000-20DN
S3 0 0 -0.05 -3 1 1 0 500-3DN
Z 0 0 4 340 30 0 1 428000+340DN
8000 + 40 DN ≥ 0 → DN ≥ -200
14000 - 20DN ≥ 0 → DN ≤ 700
500 - 3DN ≥ 0 → DN ≤ 166.67
-200≤ DN ≤ 166.67
Si fuera necesario volver a resolver el problema de PL cada vez que hubiera un cambio en el nivel de
un recurso, no habría ventaja en el método. Por fortuna, no es necesario resolver el problema de nuevo,
porque las funciones de DN pueden calcularse directamente a partir de la tabla óptima que se tiene. Observe
que los coeficientes de DN en la tabla óptima son los mismos que los coeficientes en la columna S1. Esto no
debe resultar sorprendente ya que S1 es la variable de holgura asociada con el nitrato. Siempre será cierto
que los coeficientes de Di en una tabla óptima serán los mismos que los de la variable de holgura Si. Para las
variables de excedente, los signos se invierten. Entonces, esto permite hacer cálculos para las cotas superior e
inferior de Di en forma directa a partir de la tabla óptima que se tiene.
Otro resultado importante que se puede determinar es que el valor de Zj para la holgura
correspondiente proporciona el valor marginal de una unidad adicional de ese recurso al mismo costo. En
nuestro ejemplo, el valor de Zj para S1 fue 340; por ello, una unidad adicional de nitrato valía $340. Esto
también puede interpretarse de otra manera. Si cada unidad adicional de nitrato aumentara las utilidades de la
Agro Técnica en $340, entonces esta empresa estaría dispuesta a pagar $340 más lo que actualmente paga por
el nitrato. Por ejemplo si hubiera nitrato adicional disponible al precio de $400 por tonelada ($200 más de lo
que antes valía), la Agro Técnica seguiría comprando el nitrato adicional, dándose cuenta de que entonces
tendría solo $340 - $200 =$140 de utilidades por cada tonelada adicional de fertilizante.
Debido a que los valores de Zj de cada holgura indican el valor de una unidad adicional del recurso
correspondiente, con frecuencia estos valores se denominan los precios sombra. La relación entre los precios
sombra como recurso y la función objetivo puede expresarse de la siguiente manera: el precio sombra para un
recurso determinado refleja el impacto que tiene sobre la función objetivo un cambio unitario en el recurso,
este impacto en el precio se mantiene mientras el cambio en el recurso se encuentre dentro de los límites
determinados por el análisis de sensibilidad.
Si en el análisis anterior, el cambio se hubiera dado, fuera de los límites fijados por las desigualdades,
entonces, se tendría, una solución, no factible. Por ejemplo, si DN = 200, el nuevo valor de S3 sería 500-
3*(200) = -100 < 0. En este caso, sería necesario volver a resolver el problema en forma completa porque la
mezcla óptima de productos cambiaría. Bajo la nueva solución, se obtendría un conjunto diferente de precios
sombra.
Como ejercicio adicional, determinaremos los límites de cambio para el fosfato, DF. La información
pertinente para la segunda variable de holgura, S2, se presenta en la siguiente tabla:
Variable básica Segundo término S2
X1 8000 -20
X2 14000 +20

S3 500 +1
Utilizando la información de la tabla, las desigualdades para el problema se expresan de la siguiente

manera:
X1: 8000 - 20DF ≥ 0 → DF ≤ 400
X2: 14000 + 20DF ≥ 0 → DF ≥ -700
S3: 500 + DF ≥ 0 → DF ≥ -500
-500≤ DF ≤ 400
El cambio en la disponibilidad de fosfato podría entonces reducirse en 500 toneladas o aumentarse en
400 sin obligar que las variables óptimas actuales conduzcan a una solución no factible. Dentro de estos
límites de cambio, podrían calcularse los nuevos óptimos de X1, X2 y S3, sin tener que volver a resolver el
problema completo.
d) Cambios obligados en las variables.
Con frecuencia surge la cuestión: ¿Qué haríamos si deseáramos fabricar cantidades de las variables que sean
diferentes a las que aparecen en la tabla óptima? Para responder esta pregunta, es necesario recordar que los
números que aparecen en el cuerpo de cualquier tabla de PL son tasas físicas de sustitución. En la tabla
inicial estos coeficientes señalan la tasa o ritmo al cual las materias primas se convierten en los productos
finales. Si en la tabla inicial se tienen sólo restricciones de menor o igual, las variables básicas son variables
de holgura y las variables de holgura equivalen a la cantidad de recursos disponibles, es decir, Sk, señala la
cantidad del recurso k que no se utiliza. En este caso las tasas físicas de sustitución convierten variables
básicas (las de holgura) en variables no básicas (los productos finales). Dado que esta relación sigue siendo
cierta durante todas las tablas subsecuentes, pueden hacerse las siguientes afirmaciones: Los coeficientes de
una tabla de PL, son tasas físicas de sustitución para transformar asignaciones actuales de recursos (variables
básicas) en asignaciones nuevas de recursos (variables no básicas). Si aij es el coeficiente para el i-ésimo
renglón la j-ésima columna, entonces aij señala la tasa en la que la i-ésima variable básica puede convertirse
en la j-ésima variable no básica. Un coeficiente positivo significa que el valor de la variable básica se reducirá
al aumentar el valor de la variable no básica. Un coeficiente negativo señala lo contrario, es decir, que el valor
de la variable básica aumentará al aumentar el valor de la variable no básica.
Para comprender las formas en que funcionan las tasas físicas de sustitución, considere la tabla óptima para
el problema de los tres fertilizantes de la Agro técnica. Esto se muestra en la siguiente tabla simplex, que es
una repetición de la tabla simplex óptima del problema:
Variables en la base X1 X2 X3 S1 S2 S3 Z b
X1 1 0 1 40 -20 0 0 8000
X2 0 1 0 -20 20 0 0 14000
S3 0 0 -0.05 -3 1 1 0 500
Z 0 0 4 340 30 0 1 428000
Para una variable no básica, por ejemplo X3, debe examinarse la columna X3 de la tabla y la columna
de variables en la base:
Variables en la base X3
X1 1
X2 0

S3 -0.05
Z 4
En este caso la variable básica X1 puede convertirse en una variable no básica X3 en una base 1 a 1 (es
decir, puede convertirse una unidad de X1 en una unidad de X3, reduciendo la producción de X1 en una
unidad). La variable básica X2 no se convertiría en ninguna X3, puesto que el correspondiente coeficiente es
cero. Por último la producción de una unidad de X3 da como resultado la liberación (adición) de 0.05
toneladas de S3. Ocurre esto porque se tiene una cantidad limitada del recurso escaso, y la producción de una
variable no básica debe hacerse a costa de la producción de variables básicas existentes.
Si la producción de una unidad de X3 fuera necesaria, se fabricaría una tonelada menos de X1 y la misma
cantidad de X2, y se aumentaría el nivel del recurso 3 que no se utiliza en 0.05toneladas.
Si la Agro Técnica se viera obligada a fabricar el fertilizante del tipo 3 (5-5-5) sin tener aumento en las
utilidades, habría una reducción de la utilidad total de $4 por cada tonelada de 5-5-5 que se fabricara.
Si los administradores decidieran que es necesario fabricar 1000 toneladas de 5-5-5 para un cliente
importante, utilizando la siguiente tabla se podría calcular con facilidad el efecto de esa producción,
suponiendo que no hay recursos nuevos disponibles.
Fertilizante Antiguo nivel de producción Nivel de producción impuesto
o materia
prima
5-5-10 8000 7000
5-10-5 14000 14000
5-5-5 0 1000
Potasio 500 550
La producción del fertilizante tipo 1 (5-5-10) se reduciría en (1)*(1000)=1000; la producción del

fertilizante tipo 2 (5-10-5) no cambiaría; y la cantidad de potasio no utilizado aumentaría en (0.05)*(1000)
=50. El plan resultante es el que se muestra en la tabla anterior. La utilidad para este plan modificado se
reduciría en (4)*(1000)=$4000, para convertirse en $424000.
Dualidad
Para todo problema de maximización de programación lineal existe un problema equivalente de
minimización; y a la inversa, para todo problema de minimización de programación lineal existe un
problema equivalente de maximización.
La dualidad es importante por diversas razones. En primer lugar, el planteamiento dual de un problema
de programación lineal puede dar como resultado una reducción considerable en los cálculos para
resolver el problema. En segundo lugar, la relación dual tiene un nexo importante con el análisis de
sensibilidad. Por último, es posible obtener importante información económica acerca del valor de los
recursos escasos que se utilizan examinando el problema dual.
El planteamiento dual
El concepto fundamental de la dualidad radica en la relación matemática que existe entre lo que se
conoce como problema primario y el problema dual. La mecánica de las matemáticas nos permite

convertir un problema lineal de maximización (el primario) en un problema relacionado de

minimización (el dual). El planteamiento original del problema se denomina problema primario y el
planteamiento alternativo el dual.
La forma general de la relación dual se expresa de la siguiente manera. Para un problema (primario) de
maximización como
Maximizar Zp = c1x1 + c2x2 + c3x3
tal que
a11x1 + a12x2 + a13x3 ≤ b1,
a21x1 + a22x2 + a23x3 ≤ b2,
a31x1 + a32x2 + a33x3 ≤ b3,
x 1, x2, x3≥ 0
el problema correspondiente de minimización (dual) es
Minimizar Zd = b1y1 + b2y2 + b3 y3
tal que
a11y1 + a21y2 + a31y3 ≥ c1
a12y1 + a22y2 + a32y3 ≥ c2
a13y1 + a23 y2 + a33y3 ≥ c3,
y 1, y2, y3≥ 0
donde y 1, y2 y y3 representan las variables duales.
El planteamiento dual del problema primario se obtiene de la siguiente manera:
1. Reemplazar las variables xj del primario por variables yi en el dual.

2. Colocar los coeficientes de la función objetivo del primario como los valores del segundo
término en el dual.
3. Colocar los valores del segundo término del primario como los coeficientes de la función
objetivo en el dual.
4. Transponer los renglones de los coeficientes de restricción del primario para convertirlos en
columnas de coeficientes en el dual.
5. Invertir la dirección de las desigualdades, es decir, si las desigualdades del primario son de
mayor o igual, las desigualdades en el dual serán de menor o igual.
Una vez que se ha planteado el problema dual es posible resolverlo utilizando el algoritmo simplex. Un
concepto importante de la relación entre el primario y el dual es que si el problema primario tiene una
solución óptima, entonces el problema dual relacionado también debe tener una solución óptima. Asimismo
es cierto que el valor óptimo de la función objetivo del primario es igual al valor óptimo de la función
objetivo del dual.
Para ilustrar la relación entre el primario y el dual, examinaremos el problema original de dos
fertilizantes, que tenía el gerente de producción de la empresa Agro-Técnica, en el problema nº2 de la Guia de
trabajos prácticos (Se utiliza este problema porque el número de restricciones no es igual al número de
variables.) Recuérdese que el planteamiento del gerente para el problema de maximización fue:
MAXIMIZAR:
Z = 18.5 X1 + 20 X2
SUJETO A:
0.05 X1 + 0.05X2 ≤ 1100
0.05 X1 + 0.10X2 ≤ 1800
0.10 X1 + 0.05X2 ≤ 2000

X 1, X 2≥ 0
Donde X1 y X2 son las toneladas de 5-5-10 y 5-10-5 que deben fabricarse, y 1100, 1800 y 2000 son
las toneladas disponibles de recurso (nitrato, fosfato y potasio).
Al plantear el dual, el objetivo es minimizar el uso de recursos disponibles, de manera que el valor de
los recursos que se usan en la fabricación de cada uno de los productos respectivos sea igual o mayor que la
contribución a las utilidades para los productos.
Para comenzar el planteamiento utilizaremos:
y1= valor marginal del recurso 1 (nitrato) en pesos por tonelada
y2= valor marginal del recurso 2 (fosfato) en pesos por tonelada
y3= valor marginal del recurso 3 (potasio) en pesos por tonelada
Dado que los recursos tienen valor para la empresa (debido a que se utilizan en la fabricación de los
productos), para maximizar las utilidades, los recursos deben asignarse a la combinación más redituable de los
productos finales. Eso requiere que los recursos se empleen de tal forma que el valor marginal de unidades
adicionales de los recursos sea mínimo. Si esto no fuera cierto, las unidades adicionales de los recursos serían
de mayor valor que los que ya se están utilizando, condición que sólo podría existir si los recursos que se
usan no se utilizaran en forma óptima. El objetivo en el planteamiento dual del problema es, por ello, asignar
los recursos a la fabricación de fertilizantes de manera que se minimice el uso total de los recursos. Puesto
que existen disponibles 1100, 1800 y 2000 toneladas de los recursos respectivos, la función objetivo es
Minimizar Zd = 1100y1 + 1800y2 + 2000 y3
Utilizando los procedimientos que se mencionaron antes, las restricciones del planteamiento dual se
expresan de la siguiente manera:
0.05y1 + 0.05y2 + 0.10y3 ≥ 18.5

0.05y1 + 0.10y2 + 0.05y3 ≥ 20
y 1, y2, y3≥ 0
Cada restricción del dual se relaciona con un producto final (un tipo de fertilizante) en vez de hacerlo con
un recurso, como fue el caso con el primario. Por tanto los renglones del dual son los mismos que las
columnas del primario. Si se verifica la disposición estructural de las restricciones, pueden examinarse las
unidades de medición de cada lado de las desigualdades. Recuerde que los coeficientes de la tasa física de
sustitución (los aij) tienen unidades de medición en toneladas de recurso por tonelada de fertilizante, y los yi se
expresan en pesos por tonelada de recurso. Utilizando la primera restricción como un ejemplo del caso, se
tiene
æ toneladasdenitrato ö æ pesos ö
ç 0.05 * ÷ * ç y1 ÷+
è toneladasde5 - 5 - 10 ø è toneladasdenitrato ø
æ toneladasdefosfato ö æ pesos ö
ç 0.05 * ÷ * çç y 2 ÷+
è toneladasde5 - 5 - 10 ø è toneladasdefosfato ÷ø
æ toneladasdepotasio ö æ pesos ö pesos
ç 0.10 * ÷ * çç y3 ÷÷ ³ 18.5
è toneladasde5 - 5 - 10 ø è toneladasdepotasio ø toneladasde5 - 5 - 10
Puesto que las unidades de medición son iguales en ambos lados de la desigualdad, la restricción es
apropiada.

Para comprender por completo las restricciones del dual, debe considerarse la cantidad de los recursos que
se utilizan para fabricar cada producto y el valor de esos recursos. En el ejemplo anterior, en la ecuación:
0.05y1 + 0.05y2 + 0.10y3 ≥ 18.5
El término 0.05 y1 es el valor en pesos con que el recurso 1 (nitrato) contribuye a la producción de
una tonelada de fertilizante 1; el 0.05 y2 es el valor de la contribución en pesos del recurso 2(fosfato); y el
0.10 y3 es el valor de la contribución en pesos del recurso 3(potasio). La dirección de la desigualdad garantiza
que el valor total de los recursos que se consumen en la fabricación de una tonelada del fertilizante 1 debe ser
cuando menos igual a la contribución a las utilidades (es decir 18,5) del fertilizante. Si el valor que tiene para
la empresa utilizar los recursos para fabricar el fertilizante 5-5-10 excede la contribución a las utilidades,
entonces la empresa podría usar en forma más redituable los recursos para fabricar los otros fertilizantes.
En la siguiente tabla se comparan los planteos del primario y del dual y se resumen las diferencias entre
ellos:
Primario Dual
MAXIMIZAR: MINIMIZAR:
Zd = 1100y1 + 1800y2 + 2000 y3
Z = 18.5 X1 + 20 X2
SUJETO A:
SUJETO A:
0.05 X1 + 0.05X2 ≤ 1100
0.05y1 + 0.05y2 + 0.10y3 ≥ 18.5
0.05 X1 + 0.10X2 ≤ 1800
0.05y1 + 0.10y2 + 0.05y3 ≥ 20
0.10 X1 + 0.05X2 ≤ 2000
y 1, y2, y3≥ 0
X 1, X 2≥ 0
Variables: Unidades de producto final que se Variables: Valor marginal por tonelada del recurso
fabrican
Función Objetivo: Maximizar utilidades = (unidades Función Objetivo: Minimizar valor marginal =
del producto)*(utilidad por unidad) (toneladas del recurso que se utilizan) * (valor
marginal por tonelada del recurso)
Restricción: Limitación sobre el uso de los recursos Restricción: Requerimientos de utilidad por unidad
escasos para cada producto
Al plantear el dual a partir del primario deben tenerse presente los siguientes hechos:
1. El número de variables del dual será igual al número de restricciones en el primario.
2. El número de restricciones en el dual será igual al número de variables en el primario.
3. La función objetivo del dual estará formada por los valores del segundo término del primario.
4. Los valores del segundo término del dual serán los coeficientes de las utilidades del primario.
5. Los coeficientes de las restricciones del dual serán las columnas del primario.
En este análisis es fácil observar que si un problema tiene, por ejemplo, 15 variables de decisión y 5
restricciones en el primario, tendrá 5 variables de decisión y 15 restricciones en el dual. Es probable que
esto hiciera que fuera más sencillo resolver el dual porque sólo habría 5 variables básicas en
comparación con las 15 variables básicas del primario. Por tanto, si el problema primario tiene un
número grande de variables de decisión y menos restricciones, es posible que fuera más fácil resolver el
dual.
Es necesario hacer comentarios sobre las restricciones de “mayor o igual” y de “igualdad”, puesto
que hemos considerado sólo problemas primarios en los cuales las restricciones son desigualdades de
“menor o igual”. Suponga que se tiene la siguiente forma para el problema primario.


tal que
a11x1 + a12x2 + a13x3 ≤ b1,
a21x1 + a22x2 + a23x3 ≥ b2,
a31x1 + a32x2 + a33x3 = b3,
x 1, x2, x3≥ 0
Observe que el problema primario contiene una restricción en forma de desigualdad de menor o igual,
otra de mayor o igual y una igualdad. Antes de poder plantear el problema primario en forma dual, las
dos últimas restricciones deben convertirse en restricciones del tipo de menor o igual. La segunda
desigualdad puede convertirse multiplicando ambos miembros de la desigualdad por -1 e invirtiendo el
signo de la desigualdad, con lo que se obtiene,
-a21x1 - a22x2 - a23x3 ≤ -b2
La restricción de igualdad se modifica reemplazando la ecuación con dos restricciones en forma de
desigualdad
a31x1 + a32x2 + a33x3 ≤ b3
-a31x1 - a32x2 - a33x3 ≤ -b3
Entonces, el planteamiento de primario modificado del problema puede plantearse de la siguiente
manera:
tal que
a11x1 + a12x2 + a13x3 ≤ b1
-a21x1 - a22x2 - a23x3 ≤ -b2
a31x1 + a32x2 + a33x3 ≤ b3
-a31x1 - a32x2 - a33x3 ≤ -b3
x 1, x2, x3≥ 0
Utilizando y3’ para representar la variable dual de la cuarta restricción, entonces el planteo dual es
Minimizar Zd = b1y1 - b2y2 + b3 y3 - b3 y3’
tal que
a11y1 - a21y2 + a31y3- a31y3’≥ c1
a12y1 - a22y2 + a32y3- a32y3’ ≥ c2
a13y1 - a23 y2 + a33y3- a33y3’≥ c3,
y 1, y2, y3, y3’≥ 0
La variable dual + y3, - y3’ para una restricción de igualdad no tiene restricción de signo, es decir puede
ser positiva o negativa.
- Relación entre la solución óptima primaria y la solución óptima dual

Cualquier problema dual puede resolverse utilizando el algoritmo simplex, pero esta no es la ventaja
clave de la dualidad. La principal importancia de la dualidad radica en la relación que existe entre los
problemas primarios y dual. Para explorar esta relación, continuaremos examinando el problema de la
Agro Técnica. Para resolver el problema dual de la Agro Técnica usando el método simplex, se
requieren dos variables de excedente y dos variables artificiales. Después de añadir estas variables, el
problema se expresa como sigue:
Minimizar Zd = 1100y1 + 1800y2 + 2000 y3
0.05y1 + 0.05y2 + 0.10y3 – r1 + t1 = 18.5
0.05y1 + 0.10y2 + 0.05y3 – r2 + t2 = 20
y 1, y2, y3≥ 0

La solución del problema dual da como resultado un valor Zd de 428000, que es igual al valor óptimo
de la función objetivo del problema primario, Zp.
Y1 Y2 Y3 R1 R2 Z b
Y1 1 0 3 -40 20 0 340
Y2 0 1 -1 20 -20 0 30
Z 0 0 500 8000 14000 1 -428000
Y recordando los resultados de la tabla óptima del primal:
X1 X2 X3 S1 S2 S3 Z b
X1 1 0 1 40 -20 0 0 8000
X2 0 1 0 -20 20 0 0 14000
S3 0 0 -0.05 -3 1 1 0 500
Z 0 0 4 340 30 0 1 428000
Es evidente que en el caso de la solución dual, los cálculos necesarios para obtener la solución pueden
ser más laboriosos, puesto que se requieren variables artificiales en el proceso de solución. Sin embargo
el concepto importante que debe observarse es la relación que existe entre el primario y el dual en el
óptimo. En la solución óptima, los valores de la función objetivo de ambos problemas son iguales. Para
cualquier otra solución dual (que no sea óptima) el valor dual de la función objetivo (Zd) será siempre
mayor que el de cualquier valor primario factible (Zp). Esto se muestra en forma gráfica en la siguiente
figura.

Valor de la
función
objetivo
Problema Dual
Zd
Valor
óptimo
Zp
Problema
Primario
Número de
iteración
La relación entre los valores de la función objetivo en el problema primario y en el dual, tiene una
implicación importante para determinar el efecto que tienen cambios en los niveles de los recursos. Para
el problema de la Agro Técnica la función objetivo en el dual es:
Minimizar Zd = 1100y1 + 1800y2 + 2000 y3
Puesto que el nivel óptimo del valor primario de la función objetivo Zp es igual al valor dual Zd
puede determinarse el efecto de un cambio en un solo recurso escaso, por ejemplo el nitrato. En esos
momentos la disponibilidad de nitrato es 1100 y la contribución al valor de la función objetivo en el dual
es 1100 y1. Si se aumenta la disponibilidad de nitrato en una unidad, el aumento resultante en Zd es
(1100+1) y1 o 1100y1+y1. El aumento en las utilidades en el dual para un aumento de una unidad en
el nitrato es, por ello, numéricamente igual al valor de la variable dual correspondiente, y1. Dado que Zp
es igual a Zd en el nivel óptimo, un aumento de una unidad en el nitrato dará como resultado un aumento
en el valor de la función objetivo del primario en una cantidad equivalente a y1. Así, se tiene una forma
sencilla de determinar el efecto que tiene un cambio unitario en un recurso determinado. Si el cambio es
un aumento unitario, la utilidad, Zp aumentará en una cantidad equivalente al valor óptimo de la variable
dual correspondiente Una disminución unitaria en el nivel de un recurso dará como resultado una
disminución correspondiente en el valor de la función objetivo en la solución óptima del problema
primario.
Para la Agro Técnica esto significa, como se verá que un aumento de una tonelada en la
disponibilidad de nitrato da como resultado $340 de aumento en las utilidades, en tanto que un aumento
de una tonelada en el uso de fosfato da como resultado un aumento de $30 en las utilidades. Un aumento
en la disponibilidad de potasio no tendría impacto sobre las utilidades. Este último resultado es el que se
esperaría, puesto que en la solución primaria existen 500 toneladas de potasio que no se utilizaron.
Al resolver el problema dual (es decir, al determinar las variables y1) puede determinarse el efecto
que tiene un cambio en un recurso sobre la función objetivo. Para resolver el dual, además de resolver el
primario, se requiere un esfuerzo doble. Por fortuna, los valores de las variables duales pueden
encontrarse en tabla óptima del primario. Esto se debe a que existe una variable de holgura para cada

restricción primaria y una variable dual asociada con cada una de las restricciones primarias. A partir de
esto, se forma una correspondencia de uno a uno entre las variables duales y las variables primarias de
holgura.
Este concepto puede ilustrarse considerando de nuevo las tablas de solución del primal y del dual
asociadas al problema de la Agro Técnica. En la tabla óptima del primario, los valores de las variables
duales están dados en el renglón de los indicadores Zj. Las variables duales son iguales al valor que
aparece en el renglón Zj para las variables de holgura del primario (columnas S1, S2 y S3 de la tabla).
Estos valores dan y1=340, y2 =30 y y3 =0, ya que s1 corresponde a la primera restricción del primario, s2
a la segunda y s3 a la tercera. Debido a la relación tan estrecha entre los planteamientos primarios y
dual, también es posible obtener la solución al problema primario en la tabla óptima del dual, donde los
valores óptimos para las variables de decisión primarias, es decir, x1 y x2 , son iguales a los valores que
parecen en el renglón Zj para las variables de excedente r1 y r2. Los valores son x1= 8000 y x2= 14000.
Los valores de las variables artificiales en el dual no tienen ningún significado en el problema
primario. Las variables artificiales se utilizan sólo para tener una solución factible básica inicial y no
tienen interpretación física en el problema. El valor de las variables artificiales de la solución factible
óptima siempre será cero.
- Interpretación económica del dual

Las variables duales tienen importantes interpretaciones económicas. Recuerde que cada una de las
variables duales equivale a la utilidad adicional que puede obtenerse de una unidad adicional del recurso
correspondiente. Es decir y1=340 implica que cada tonelada adicional de nitrato produce $340
adicionales de utilidad; y2 =30 implica que cada tonelada adicional de fosfato produce $30 adicionales
de utilidad; y y3 =0 implica que no se obtienen utilidades adicionales al añadir toneladas extras de
potasio. Cada uno de estos valores presupone que los demás permanecen iguales. Desde el punto de vista
de la toma de decisiones en la administración, las variables duales indican la cantidad extra que se
estaría en disponibilidad de pagar por una unidad adicional de un recurso específico. En otras palabras,
estaríamos dispuestos a pagar un precio más elevado por un recurso escaso, hasta por el valor de la
variable dual. Sólo nos interesa el excedente sobre el precio normal, puesto que el precio original del
recurso se incluye en el cálculo de las variables. Por ejemplo, cada tonelada adicional de fosfato vale
$30, y por ello estaríamos dispuestos a pagar a nuestro proveedor hasta $110 por tonelada ($80 del
precio actual más $30 adicionales) por cada tonelada adicional de fosfato. En este caso, el aumento neto
en la utilidad por tonelada adicional de recurso será la diferencia entre $30 y el precio más elevado que
se pague. Si el proveedor cobrara 10$ adicionales por todo el fosfato que exceda 1800 toneladas, se
obtendrían $20 por cada tonelada adicional de fosfato. Si el cargo extra fueran $31, no estaríamos
dispuestos a comprar el fosfato puesto que el excedente del precio estaría por encima de las utilidades
adicionales que se obtendrían.
Este análisis explica porqué se utilizó el valor Zj en las columnas de holgura para determinar el valor
de una unidad adicional de recurso en el análisis de sensibilidad.
El método de las variables duales que se utilizó aquí y el método de los precios sombra que se usó
antes son el mismo. De hecho, precio sombra es otro término para la variable dual.
BIBLOGRAFIA:
-Everett E. ADAM, Jr – Ronald J. EBERT (1991) Administración de la Producción y las
Operaciones. Prentice Hall Hispanoamericana, S.A.
- K. Roscoe Davis, Patrick G. Mckeown, Alfredo Diaz Mata (1986) Modelos cuantitativos para
administración. Grupo Editorial Iberoamericana.
- Haeussler, Ernest F., Jr. Paul, Richard S. (2003) Matemáticas para administracion y
economía. Pearson Prentice Hall

Guía de Trabajos Prácticos Programación Lineal
Método Gráfico y Simplex
1. Como identificar un problema de Programación Lineal:
Como parte de su proceso estratégico de planeación, una empresa fabricante de sierras, debe
determinar para el siguiente año la mezcla de productos a fabricar. La empresa produce dos líneas
principales de productos para la industria de la construcción comercial: una línea de sierras circulares para
uso pesado y una línea de sierras de mesa de precisión. Las dos líneas comparten una misma capacidad de
producción y se venden a través de los mismos canales de ventas. Aunque dentro de la línea de productos
existe alguna diversidad, la utilidad promedio es de $900 por cada sierra circular y de $600 por cada sierra
de mesa. La capacidad de producción está limitada de dos maneras: capacidad de fabricación y capacidad
de ensamble. Todos los meses está disponible un máximo de 4000 horas de capacidad de fabricación; cada
sierra circular requiere dos horas y cada sierra de mesa una hora. Hay disponible al mes un máximo de
5000 horas de capacidad de ensamble y cada sierra circular requiere una hora y cada sierra de mesa
requiere dos horas. El departamento de comercialización estima que existirá en el mercado para el año que
viene una demanda máxima de 3500 sierras al mes para ambas líneas de productos combinadas. ¿Cuántas
sierras circulares y cuántas sierras de mesa deberán producirse mensualmente el próximo año para
maximizar la utilidad?
a) Existe un objetivo gerencial único?
b) Existen cursos alternos de acción gerencial?
c) El logro total del objetivo está restringido por recursos escasos o por alguna otra limitación? De
ser así ¿cuál es la naturaleza de las restricciones?
Rta: X1:1000, X2: 2000, Z: 2100 000 de $
2. Nutrientes de Fertilizantes: Caso de la empresa Agro-Técnica.
El gerente de producción de la empresa Agro-Técnica, necesita planear la combinación de

fertilizantes para el próximo mes y no tiene claro cómo va a proceder para elaborar el plan.
La empresa Agro-Técnica es una empresa pequeña de productos químicos que fabrica entre otros
artículos, dos tipos de fertilizantes que se elaboran combinando ingredientes que se compran con
proveedores externos. Cada mes, el gerente tiene que planear la cantidad de cada fertilizante que tiene que
producirse. Su plan debe tomar en consideración el costo de los ingredientes, el precio de venta de los
fertilizantes, cualesquier pedido que deban surtirse y las restricciones impuestas al uso de los recursos de
la empresa: mano de obra, materias primas o tiempo de máquina. El proceso de planeación para este mes
es más difícil que lo normal. Por lo general la compañía fabrica fertilizantes de acuerdo con los pedidos de
los clientes, pero este mes los fertilizantes se venderán a través de un mayorista. Esto complica las cosas
porque el gerente debe elaborar un plan de producción que conduzca a las mayores utilidades posibles
para la empresa, al mismo tiempo que se utiliza sólo la cantidad de ingredientes que están disponibles para
el mes.

Los dos fertilizantes que la empresa fabrica son las mezclas denominadas 5-5-10 y 5-10-5. En cada
caso, el primer valor se refiere al porcentaje que el producto final tiene de nitrato químico, el segundo
valor se refiere al porcentaje de fosfato que aparece en el producto final y el tercer valor da el porcentaje
de potasio. El fertilizante se estabiliza con un material de relleno que podría ser barro. El mayorista
comprará cualquier cantidad de ambos fertilizantes que la compañía pueda fabricar. Está dispuesto a pagar
$71.50 por tonelada del 5-5-10 y $69 por tonelada del 5-10-5. Este mes, la disponibilidad y costos de
materia prima son 1100 toneladas de nitrato a $200 por tonelada, 1800 toneladas de fosfato a $80 por
tonelada y 2000 toneladas de potasio a $160 cada una. El relleno está disponible en cantidades ilimitadas a
$10 por tonelada, pero para los otros tres ingredientes sólo se dispone de las cantidades mencionadas
antes. No hay restricciones para el uso de la mano de obra ni tampoco para el empleo de la maquinaria
durante el mes, pero se tiene un costo de $15 por tonelada por concepto de mezclado de los fertilizantes.
La pregunta que el gerente debe resolver es: ¿como utilizar los escasos recursos (nitrato, fosfato y potasio)
de que dispone la empresa Agro Técnica, de manera que se obtengan las mayores utilidades para la
compañía?
Rta:X1:8000, X2:14000, Z:$428000
3. Formulación de dieta
Una dieta debe contener al menos 16 unidades de carbohidratos y 20 de proteínas. El alimento A contiene
2 unidades de carbohidratos y 4 de proteínas; el alimento B contiene 2 unidades de carbohidratos y 1 de
proteínas. Si el alimento A cuesta $1.20 por unidad y el B $0.80 por unidad, ¿cuántas unidades de cada
alimento deben comprarse para minimizar el costo? ¿cuál es el costo mínimo?
Rta:4 unidades de alimento A , 4 unidades de alimento B; $8
4. Programa de producción.
Una compañía petrolera, que tiene dos refinerías, necesita al menos 800, 1400 y 500 barriles de petróleo
de grado bajo, medio y alto respectivamente. Cada día la refinería I produce 200 barriles de grado bajo,
300 de medio y 100 de alto grado, mientras que la refinería II produce 100 barriles de grado alto, 100 de
bajo y 200 de grado medio. Si los costos diarios son de $2500 para operar la refinería I y de $2000 para la
refinería II, ¿cuántos días debe ser operada cada refinería para satisfacer los requerimientos de producción
a un costo mínimo? ¿Cuál es el costo mínimo? (Suponga que existe un costo mínimo)
Rta: X1: 4 dias, X2: 1 dia, C: $12000
5. Costo de construcción
Una compañía química está diseñando una planta para producir dos tipos de polímeros, P1 y P2. La planta
debe ser capaz de producir al menos 100 unidades de P1 y 420 de P2 cada día. Existen dos posibles diseños
para las cámaras principales de reacción que serán incluídas en la planta. Cada cámara de tipo A cuesta
$600.000 y es capaz de producir 10 unidades de P1 y 20 unidades de P2 por día; el tipo B es un diseño más
económico, cuesta $300000 y es capaz de producir 4 unidades de P1 y 30 unidades de P2 por día. A causa
de los costos de operación, es necesario tener al menos 4 cámaras de cada tipo en la planta. ¿Cuántas
cámaras de cada tipo deben ser incluidas para minimizar el costo de construcción y satisfacer el programa
de producción requerido? (Suponga que existe un costo mínimo).
Rta:6 cámaras tipo A y 10 cámaras tipo B

6. Control de contaminación.
A causa de nuevas reglamentaciones federales sobre contaminación, una compañía química ha introducido
en sus plantas un nuevo y más caro proceso para complementar o reemplazar un proceso anterior en la
producción de un químico en particular. El proceso anterior descarga en la atmósfera 15g de dióxido de
azufre y 40g de partículas por cada litro de químico producido. El nuevo proceso descarga a la atmósfera
5g de dióxido de azufre y 20 g de partículas por cada litro de químico producido. La empresa obtiene una
utilidad de 30 y 20 centavos por litro de químico en los procesos viejo y nuevo respectivamente. Si el
gobierno permite a la planta descargar no más de 10500g de dióxido de azufre y no más de 30000g de
partículas a la atmósfera por cada día. Cuántos litros de químico deben ser producido diariamente en cada
proceso, para maximizar la utilidad diaria?. Cuál es la utilidad diaria?
Rta:X1:0, X2:1500, Z: $300
7. Envío de mercancías
Una empresa de transportes administra envíos para dos compañías, A y B, localizadas en Resistencia. La
compañía A envía cajas que pesan cada una 3 Kg y tienen un volumen de 2 m3; la B envía cajas de 1 m3 que
pesan 5 Kg cada una. Tanto A como B envían al mismo destino. El precio de transporte por cada caja de A es
de $0.75 y el de B es de $0.50. La empresa de transportes tiene en una flota de camiones con 2400 m3 de
espacio para carga y una capacidad máxima de 9200 kg. En un trayecto; ¿cuántas cajas de cada compañía
debe transportar esta flota de camiones de modo que la empresa de transportes reciba un ingreso máximo?
Cuál es el ingreso máximo?
Rta:400 de A, 1600 de B, Z: $1100
8. Producción
Una empresa fabrica tres productos: Cada producto requiere tiempo de máquina y tiempo de acabado como se indica en la
siguiente tabla. El número de horas de tiempo de máquina y de acabado disponibles por mes son 900 y 5000,
respectivamente. La utilidad unitaria sobre X, Y y Z es de $3, $4 y $6, respectivamente.. ¿Cuál es la utilidad máxima
mensual que puede ser obtenida?
tiempo de máquina tiempo de acabado
X 1 hora 4 horas
Y 2 horas 4 horas
Z 3 horas 8 horas
Rta: X:900, Y:0, Z:0 U: $2700
9. Producción
Una carpintería en Machagai fabrica tres tipos de muebles para patio: sillas, sillones y silletas. Cada uno requiere madera,
plástico y aluminio como se indica en la siguiente tabla. La carpintería tiene disponibles 400 unidades de madera, 500
unidades de plástico y 1450 unidades de aluminio. Cada silla, sillon y silleta se venden a $7, $8 y $12 respectivamente.
Suponiendo que todos los muebles pueden ser vendidos, determine el plan de producción de modo que el ingreso total sea
maximizado. ¿Cuál es el ingreso máximo?
madera plástico aluminio

sillas 1 unidad 1 unidad 2 unidades
sillones 1 unidad 1 unidad 3 unidades

silletas 1 unidad 2 unidades 5 unidades
Rta:0 sillas, 300 sillones, 100 silletas Z: $3600
Variables Artificiales a resolver con el Método Simplex
10. Inversiones
El folleto informativo de un fondo de inversión establece que todo el dinero es invertido en bonos que
están considerados como A, AA, AAA; no más del 30% de la inversión total está en bonos A y AA, y al
menos el 50% está en bonos AA y AAA. Los bonos A, AA y AAA respectivamente obtienen un 8, 7 y 6
% anual. Determine los porcentajes de la inversión total que serán comprometidos a cada tipo de bono de
modo que el fondo maximice el rendimiento anual. ¿Cuál es ese rendimiento?
Rta:X1:30%, X2:0%, X3:70%, Z: 6,6%
Problemas de minimización a resolver con el Método Simplex
11. Control de emisiones

Una planta de cemento produce 2.500.000 barriles de cemento por año. Los hornos emiten 2 libras de
polvo por cada barril producido. Una agencia gubernamental para protección del ambiente requiere que la
planta reduzca sus emisiones a no más de 800.000 libras anuales. Existen dos dispositivos de control de
emisiones disponibles, A y B. El dispositivo A reduce las emisiones a ½ libra por barril y su costo es de
$0.20 por barril de cemento producido. Para el dispositivo B, las emisiones son reducidas a 1/5 de libra por
barril y el costo es de $0.25 por barril de cemento producido. Determine el plan de acción más económico
que la planta debe tomar de modo que cumpla con el requerimiento gubernamental y también mantenga su
producción anual de 2.500.000 barriles de cemento.
Rta: X1:1000000, X2:1500000, Z:575000$
12. Costo de Transporte:

Un comerciante tiene tiendas en Chaco y Formosa, y almacenes A y B en otras dos ciudades. Cada tienda,
requiere de exactamente 30 refrigeradores. En el almacén A hay 50 refrigeradores y en el B hay 20. Los
costos de transporte para enviar los refrigeradores desde los almacenes a las tiendas están dados en la
siguiente tabla. Por ejemplo, el costo de enviar un refrigerador desde A hasta la tienda en Chaco es de $15.
¿Cómo debe solicitar los refrigeradores el comerciante de modo que los requerimientos se satisfagan y el
costo total del transporte se minimice? ¿Cuál es el costo mínimo de transporte?
Chaco Formosa
Almacén A $15 $13
Almacén B $11 $12
Rta: X1:30, X2:10, X3:20, X4:0, C:760$
13. Compra de baterías:

Un fabricante de tractores se abastece de baterías de dos proveedores, Energy y Superarranque.

El fabricante tiene dos plantas, una en Córdoba y otra en La Pampa, y requiere exactamente de 6000
baterías para la planta en Córdoba y de exactamente 4000 para la planta en La Pampa.
El proveedor de baterías Energy carga $30 y $32 por batería (incluyendo costos de transporte) a Córdoba
y a La Pampa, respectivamente. Para estos precios, el proveedor de baterías Energy requiere que el
fabricante de tractores ordene al menos un total de 2000 baterías. Sin embargo, el proveedor de baterías
Energy no puede proveer más de 4000 baterías.
El proveedor de baterías Superarranque carga $34 y $28 por batería a Córdoba y a La Pampa,
respectivamente, y requiere una orden mínima de 6000 baterías.
Para saber cómo debe hacer el pedido de baterías el fabricante de tractores a fin de que su costo total sea
mínimo:
a) Plantee el problema
b) Resuelva el problema
Rta:X1:4000, X2:0, X3:2000, X3: 4000, C:300000$
14. Producción de papel para envoltura:

Una compañía de papel almacena su papel para envoltura en rollos de 48 pulgadas de ancho, llamados rollos de almacenamiento, y los
corta en anchos más pequeños dependiendo de los pedidos de los clientes. Suponga que se recibe un pedido de 50 rollos de papel de 15
pulgadas de ancho y un pedido de 60 rollos de 10 pulgadas de ancho. De un rollo de almacenamiento la compañía puede cortar tres rollos
de 15 pulgadas de ancho y un rollo de 3 pulgadas de ancho (ver detalle en la figura). Como el rollo de 3 pulgadas de ancho no puede ser
utilizado en esta orden, es llamado el recorte desperdiciado de este rollo.
48”
15” 15” 15” 3”
Del mismo modo, de un rollo de almacenamiento, se pueden cortar dos rollos de 15 pulgadas de ancho, un rollo de 10 pulgadas de
ancho y otro de 8 pulgadas de ancho. Aquí el recorte sería de ocho pulgadas. La siguiente tabla indica el número de rollos de 15 y 10
pulgadas, junto con el desperdicio, que pueden cortarse de un rollo de almacenamiento.
Ancho del 15 pulgadas 3 2 1 ¿ ?

rollo 10 pulgadas 0 1 ¿ ? ¿ ?
Desperdicio 3 8 ¿ ? ¿ ?
a) Complete las últimas dos columnas de la tabla.

b) Suponga que la compañía tiene suficientes rollos de almacenamiento para cubrir la orden y que al menos 50 rollos de 15 pulgadas
de ancho y al menos 60 rollos de 10 pulgadas de ancho de papel para envoltura serán cortados. Si x1, x2, x3, x4 son los números de
rollos de almacenamiento que son cortados en una de las formas descritas en las columnas de la 1 a la 4 de la tabla, respectivamente,
determine los valores de las x de tal forma que el desperdicio total sea minimizado.
c) ¿Cuál es la mínima cantidad de desperdicio total?
Rta:X1:10, X2:0, X3:20, X4: 0, D:90

Problemas de Análisis de Sensibilidad
15. Para el siguiente problema se muestra la tabla simplex óptima.
Maximizar: 3 X1 + 4 X2 + 10 X3
Sujeto a:
X1 + X2 + X3 ≤ 10
5X1 + 3 X2 ≤ 15
X1, X2, X3 ≥ 0
X1 X2 X3 S1 S2 Z b
X3 1 1 1 1 0 0 10
S2 5 3 0 0 1 0 15
Z 7 6 0 10 0 1 100
(Suponga que todos los cambios son independientes entre si)

a) Para este problema, determine el aumento en las utilidades de X1 que sería necesario para que esta variable ingrese a la base.
b) Haga lo mismo para X2.
c) Determine la cantidad que puede cambiar el coeficiente de utilidad X3 antes de que la solución óptima cambie.
d) Determine la cantidad en que se puede aumentar o reducir la disponibilidad del primer recurso antes de que la solución óptima
que se tiene se vuelva no factible.
e) Haga lo mismo para el recurso 2.
f) Suponga que se viera obligado a fabricar 4 unidades de X2. Calcule la nueva solución.
Rta: a)Δ1≥7, b)Δ2≥6, c)4≤C3≤10, d) Δ1≥-10, e) Δ2≥-15, f) X2=4, X3=6, S2=3, Z=76
16. Mano de Obra

La empresa “Tejidos de Salta” fabrica dos tipos de alfombras, afelpadas y para interiores y exteriores. Ambos tipos tienen gran
demanda y la compañía puede vender cualquier cantidad que fabrique.
Los dos tipos pasan primero a la sección de teñido y después a las salas de tejido. La restricción de capacidad en la sección de teñido es
320 horas por semana. En el tejido de las alfombras afelpadas la restricción es de 400 horas por semana, en tanto que el tejido para
alfombras de interiores y exteriores es de 160 horas por semana. Pueden fabricarse seis productos, cuatro de tipo afelpado y dos de tipo
interior y exterior. Consulte la tabla, resuelva este problema por el método simplex y llenen los espacios en blanco que aparecen
enseguida. El objetivo es maximizar las utilidades.
Tabla: Horas requeridas de capacidad por metro
Producto
N° 1 N° 2 N° 3 N° 4 N° 5 N° 6
Sección de teñido 0.5 1.2 0.8 1 0.5 0.5
Tejido de alfombras afelpadas 0.7 1.2 0.5 1 0 0
Tejido de alfombras para 0 0 0 0 1 1
interiores y exteriores
Contribución ($ por mts) 6 7 7 10 20 30
a) Solución óptima
Producto N° de metros producidos

N° 1 ________
N° 2 ________
N° 3 ________
N° 4 ________
N° 5 ________
N° 6 ________
b) La contribución total de la solución óptima: $________
c) Cuantas hs. de capacidad no utilizada existen en

Sección de teñido ____________ horas
Tejido de alfombras afelpadas ____________ horas
Tejido de alfombras para interiores y exteriores ____________ horas

d) Si un cliente importante solicita 50 mts del producto N° 2, ¿qué contribución perderá para satisfacer el pedido?
e) Si el personal que fabrica las alfombras interior y exterior trabajara una hora extra, ¿qué resultados tendría esto? Es decir
¿cómo cambiaría la solución óptima?
f) Si el personal de la sección de teñido estuviera de acuerdo en trabajar horas extra, ¿cuántas horas extra podrían trabajar sin
cambiar el precio sombra para la capacidad de holgura de la sección de teñido?
g) Qué contribución extra se obtendría si el personal de alfombras de interior y exterior trabajara 60 horas extra por $5
adicionales por hora?
Rta: a)X1=480, X6=160 b)7680$, c) S2=64, d) 370$, e) X1=479, X6=161, S2=64,6 Z=7704$, f) 80≤b1≤365.71, g) $1140
17. Ejercicio
Considere el siguiente problema de PL:

MAXIMIZAR: Z = 2 X1 - X2 + X3
Sujeto a:
3X1 + X2 + X3 ≤ 60
X1 - X2 + 2X3 ≤ 10
X1 + X2 - X3 ≤ 20
X1, X2, X3 ≥ 0
a) Resolver por el método simplex
b) Para la solución óptima del problema de programación lineal se fabricarían _______unidades de X1, _______unidades de X2,
y _______unidades de X3, dando como resultado una utilidad óptima de Z = _____________. Para esta solución habrá
___________unidades del recurso Nº1 que no se utilizan, __________ unidades del recurso Nº2 que no se utilizan y
__________ unidades del recurso Nº3 que no se utilizan. Si nos viéramos obligados a fabricar una unidad más de X3, los
nuevos valores de X1, X2, X3 y Z serían.
X1____________ X3_____________
X2____________ Z _____________
c) De manera similar, si existiera disponible una unidad más del recurso Nº 2, estaríamos dispuestos a pagar un precio adicional
de $ ______para obtenerlo. Si se obtuviera una unidad adicional del recurso Nº 2 al precio original (no al precio con cargo
adicional), los nuevos valores de X1, X2, X3 y Z serían.
X1____________ X3_____________
X2____________ Z _____________
d) Por último, ¿cuánto tendría que aumentar la utilidad de X3 para que estuviéramos dispuestos a fabricarlo? Aumento =
_________. ¿Cuánto podría cambiar la utilidad de X2 antes de que se afectara la tabla óptima? Aumentar en _________ y
disminuir en_________. También, ¿cuánto puede cambiar la disponibilidad del recurso Nº3 sin afectar la tabla óptima?
Aumentar_______ y disminuir______.
Guía de Trabajos Prácticos: El Dual

18. Producción
Una empresa industrial fabrica dos tipos de artículos, manuales y eléctricos y cada uno requiere el uso de las
máquinas A y B para su producción.
Máquina A Máquina B Utilidad /Unidad

Manual 1 hora 1 hora $10
Eléctrico 2 horas 4 horas $ 24
Horas disponibles 120 180
La tabla indica que un artículo manual requiere el uso de A durante 1 hora y de B durante otra hora. Un
artículo eléctrico requiere de A durante 2 horas y de B durante 4 horas. Los números máximos de horas
disponibles por mes para las máquinas A y B son 120 y 180, respectivamente. La utilidad por un artículo
manual es de $10 y un artículo eléctrico es de $24. Ahora, veamos la situación desde un punto de vista

diferente. Suponga que la empresa desea alquilar sus máquinas A y B. ¿Cuál es el valor del alquiler mensual
mínimo que debe cobrar?
Rta: y1=8, y2=2 Zd= 1320$
19. Resuelva utilizando el dual y el método simplex.
Minimizar:
Z = 2X1 + 7X2 + 8X3
Sujeto a:
X1 + 2X2 + 3X3 ³ 35
X1 + X2 + X3 ³ 25
X 1, X 2, X 3 ³ 0
Rta: x1=35, x2, x3=0 Z= 70
20. Mezcla de Ingredientes

La empresa Metálica del Norte fabrica un tipo especial de molde que debe contener cuando menos 20 % de
hierro y 5% de plomo. La empresa tiene dos tipos de mineral a partir del cual puede fabricar los moldes. Los
contenidos de hierro y plomo (expresados en porcentaje) de los dos minerales aparecen en la tabla. El costo
por tonelada del mineral N° 1 es $260 y del mineral N° 2 es $80. La compañía desea minimizar el costo total
de los moldes.
Hierro Plomo
Mineral N° 1 60% 10%
Mineral N° 2 13% 3%
Utilizando:
X1: porcentaje del mineral N°1 en el molde
X2: porcentaje del mineral N°2 en el molde
Entonces el problema puede plantearse de la siguiente manera:
Minimizar:
Z: 260 X1 + 80 X2
Sujeto a:
0.60 X1 + 0.13 X2 ≥ 0.20
0.10 X1 + 0.03 X2 ≥ 0.05
X1 + X2 = 1
X1 , X2 ≥ 0
a. Plantee la forma primaria del problema anterior poniéndolo primero en la forma dual estándar.
b. Resuelva el problema dual
Rta: x1=29%, x2=71% Z= 131.42$
21. Costo de Mano de Obra
Una compañía paga a trabajadores calificados y semicalificados en su departamento de ensamblado
$7 y $4 por hora, respectivamente. En el departamento de embarques, a los empleados se les paga $5 por hora
y a los aprendices $2 por hora. La compañía requiere al menos de 90 trabajadores en el departamento de
ensamblado y al menos 60 empleados en el departamento de embarques. Debido a acuerdos sindicales, debe
ser empleado al menos el doble de trabajadores semicalificados que de calificados. También deben ser
contratados al menos dos veces empleados de embarques que de aprendices. Utilice el dual y el método
simplex para determinar el número de trabajadores de cada tipo que la compañía debe emplear de modo que
el total en salarios pagados por hora sea mínimo. ¿Cuál es el total en salarios por hora mínimo?
Rta: 20 aprendices, 40 empleados de envío, 90 trabajadores semicalificados, 0 trabajadores calificados Z= $600

22. Costos de Publicidad

Una compañía está comparando los costos de publicidad en dos medios: periódico y radio. Por cada dólar de
publicidad, la tabla siguiente muestra el número de personas, por grupo de ingresos, que cada uno de esos
medios alcanza. La compañía quiere captar al menos 8000 personas con ingresos menores de $20000 y al
menos 6000 con ingresos de $20000 o más. Utilice el dual y el método simplex para determinar las cantidades
que la compañía debe gastar en publicidad en periódico y en radio, de modo que capte este número de
personas con un costo de publicidad mínimo. ¿Cuál es el costo mínimo de publicidad?
Menos de $20000 $20000 o más

Periódico 40 100
Radio 50 25
Rta: $25 en publicidad en periódico, $140en publicidad en radio Z= $165

Introducion A La Programacion Lineal

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Introducion A La Programacion Lineal

Uploaded by

Copyright:

Available Formats

Facultad de Ingeniería

Seguridad y Organización Industrial

Introducción a los modelos y a la ciencia de la administración

Evolución de la ciencia de la administración.

1 Prof. Titular: Ing. Lilia Marcela BAEZ.

Unidos incluyeron estudios de problemas logísticos complejos, el desarrollo de patrones de

Modelos y la ciencia de la administración

2 Prof. Titular: Ing. Lilia Marcela BAEZ.

3 Prof. Titular: Ing. Lilia Marcela BAEZ.

2. Métodos heurísticos: Este proceso de solución se basa en reglas

La escasez de recursos puede causar, para alcanzar los objetivos, movimientos

La Programación Lineal utiliza un modelo matemático para describir el problema.

Aunque la asignación de recursos a las actividades es la aplicación más frecuente, la

4 Prof. Titular: Ing. Lilia Marcela BAEZ.

Estas decisiones en el mundo real a menudo involucran cientos y a veces miles de

Características de los problemas de programación lineal en la administración de la

1. Debe existir un objetivo único bien definido.

5 Prof. Titular: Ing. Lilia Marcela BAEZ.

Cinco tipos comunes de problemas de programación lineal en la administración de la

4. Plan de Seleccionar la cantidad Cuanto producir en Mercado, es decir, la cantidad

6 Prof. Titular: Ing. Lilia Marcela BAEZ.

Repaso de algunos conceptos útiles: Desigualdades lineales con dos variables

Recordando la clasificación de modelos, se puede decir que esta ecuación es un

7 Prof. Titular: Ing. Lilia Marcela BAEZ.

donde a, b y c son constantes y a y b no son ambas cero.

Para considerar a las desigualdades lineales en general, primero notemos que la

En la situación donde la desigualdad estricta “<” es reemplazada por “≤”, la

Definición de Programación lineal

8 Prof. Titular: Ing. Lilia Marcela BAEZ.

Donde a y b son constantes. También requeriremos que las correspondientes restricciones

En un problema de programación lineal la función a ser maximizada o minimizada es

Método Gráfico para resolver problemas de programación lineal

Paso 1: Plantear en forma matemática el problema

9 Prof. Titular: Ing. Lilia Marcela BAEZ.

a. Sean x e y las variables de decisión que representan a el número de artículos

En conjunto el problema puede plantearse de la siguiente manera:

Paso 2: Graficar o trazar las restricciones

10 Prof. Titular: Ing. Lilia Marcela BAEZ.

2 x + y ≤ 180 x + 2 y ≤ 160 x + y ≤ 100

Paso 3: Graficar la función objetivo

Ya que la función objetivo, P = 4x + 6y, es equivalente a

y = -2/3x+ 100 mostrada en la figura.

Esta recta, llamada de isoutilidad (isoganancia ), da todas las posibles combinaciones de x

11 Prof. Titular: Ing. Lilia Marcela BAEZ.

2 x + y = 180 x + 2 y = 160 x + y = 100

12 Prof. Titular: Ing. Lilia Marcela BAEZ.

A partir de las figuras vemos que A pertenece a las rectas x + y ≤ 100 y

Esto da x = 40 y y = 60. Sustituyendo estos valores en P = 4x + 6y, encontramos que la

No necesitamos dibujar las rectas de isoutilidad para encontrar la solución óptima.

Por ejemplo, en la figura los vértices son A, B, C, D y E. Obtenemos las

Ahora evaluamos la función objetivo P = 4x + 6y en cada uno de los puntos:

P (A) = 4 (40) + 6 (60) =520

Así P tiene un valor máximo de 520$ en A, donde x =40 y y = 60.

El método Simplex empieza con una solución factible y prueba si es o no óptima.

13 Prof. Titular: Ing. Lilia Marcela BAEZ.

Para iniciar la explicación, consideraremos, solo los llamados problemas estándar

2. Si todos los indicadores en el último renglón son no negativos, entonces Z tiene

14 Prof. Titular: Ing. Lilia Marcela BAEZ.

última columna. Ocurre cuando las variables a la izquierda de la tabla son

Considere el problema siguiente:

15 Prof. Titular: Ing. Lilia Marcela BAEZ.

Podemos eventualmente forzar a t a ser 0 si alteramos la función objetivo original

16 Prof. Titular: Ing. Lilia Marcela BAEZ.