C A P Í T U L O 3

El método símplex

3.1 ESPACIO DE SOLUCIONES EN FORMA DE ECUACIÓN

1.

2.

3.1.1 Conversión de desigualdades a ecuaciones

71
72 Capítulo 3 El método símplex

6x1 + 4x2 … 24

6x1 + 4x2 + s1 = 24, s1 Ú 0

x1 + x2 Ú 800

x1 + x2 - S1 = 800, S1 Ú 0

- x1 + x2 … - 3

- x1 + x2 + s1 = -3, s1 Ú 0

x1 - x2 - s1 = 3

CONJUNTO DE PROBLEMAS 3.1A

1.

2.
 3.1 Espacio de soluciones en forma de ecuación 73

3.
10x1 - 3x2 Ú - 5

4.

5.
Minimizar z = máx{ x1 - x2 + 3x3 , - x1 + 3x2 - x3 }
x1, x2, x3 Ú 0
6.

a aij xj = bi, i = 1, 2, p , m
n

j=1

a aij xj … bi, i = 1, 2, p , m
n

j=1

a a a aij b xj Ú a bi
n m m

j=1 i=1 i=1

3.1.2 Manejo de variables no restringidas

Ejemplo 3.1-1
74 Capítulo 3 El método símplex

0.25x1 + 0.2x2 + x3 = 200, x3 sin restricciones

x3 = x+3 - x3-, donde x+3 , x3- Ú 0

x+3 7 0 x3- = 0 x+3 x3- 7 0 x+3 = 0
x3-
x+3 x3-

0.25x1 + 0.2x2 + x+3 - x3- = 200

maximizar z = 0.20x1 + 0.15x2 - 0.25x3-

CONJUNTO DE PROBLEMAS 3.1B

1.

2.

3.
xj = x+j - xj-, donde 1x+j , xj-2 Ú 0
 3.2 Transición de solución gráfica a solución algebraica 75

xj = x¿j - w, xj¿, w Ú 0

Maximizar z = -2x1 + 3x2 - 2x3

4x1 - 2x2 - 5x3 = 10

2x1 + 3x2 + 2x3 = 12
x1 Ú 0, x2, x3 sin restricción

3.2 TRANSICIÓN DE SOLUCIÓN GRÁFICA A SOLUCIÓN ALGEBRAICA

Método gráfico Método algebraico

Grafica todas las restricciones, incluyendo Representa el espacio de soluciones con m

las de no negatividad ecuaciones con n variables, y restringe a todas
las variables a valores no negativos; m< n

El espacio de soluciones consiste en una El sistema tiene infinidad de soluciones

infinidad de puntos esquina factibles factibles

Identifica puntos factibles de esquina del Determina las soluciones básicas factibles de
espacio de soluciones las ecuaciones

Los candidatos a la solución óptima corres- Las candidatas a solución óptima correspon-
ponden a una cantidad finita de puntos de den a una cantidad finita de soluciones
esquina básicas factibles

Se usa la función objetivo para determinar Se usa la función objetivo para determinar la
el punto esquina óptimo entre todos los solución básica factible óptima entre todas
candidatos las candidatas

FIGURA 3.1
Transición de la solución gráfica a la solución algebraica
76 Capítulo 3 El método símplex

Ejemplo 3.2-1

Maximizar z = 2x1 + 3x2

2x1 + x2 … 4
x1 + 2x2 … 5
x1, x2 Ú 0

Maximizar z = 2x1 + 3x2

2x1 + x2 + s1 + s2 = 4
x1 + 2x2 + s1 + s2 = 5
x1, x2, s1, s2 Ú 0

1Sila cantidad de ecuaciones m es mayor que la cantidad de variables n, entonces al menos m – n ecuaciones
deben ser redundantes.
 3.2 Transición de solución gráfica a solución algebraica 77

x2

F
4
s1
0

D
Óptimo (x1 1, x2 2)
2 C

s2
0

1
FIGURA 3.2
Espacio de soluciones de
A B E la programación lineal
0 1 2 3 4 5 x1 del ejemplo 3.2-1

s1 = 4, s2 = 5

2x1 + x2 = 4
x1 + 2x2 = 5

4!
C42 = 2!2! = 6
78 Capítulo 3 El método símplex

1x1, x22 1s1, s22 A

1x1, s12 1x2, s22 -3 F
1x1, s22 1x2, s12 D
1x2, s12 1x1, s22 B
1x2, s22 1x1, s12 -6 E
1s1, s22 1x1, x22 (1, 2) C Sí 8
(óptimo)

C20
10 = 184,756

CONJUNTO DE PROBLEMAS 3.2A

1.
2.
Maximizar z = 2x1 + 3x2

x1 + 3x2 … 6
3x1 + 2x2 … 6
x1, x2 Ú 0
 3.2 Transición de solución gráfica a solución algebraica 79

3.

Maximizar z = 2x1 - 4x2 + 5x3 - 6x4

x1 + 4x2 - 2x3 + 8x4 … 2

- x1 + 2x2 + 3x3 + 4x4 … 1
x1, x2, x3, x4 Ú 0
Minimizar z = x1 + 2x2 - 3x3 - 2x4

x1 + 2x2 - 3x3 + x4 = 4
x1 + 2x2 + x3 + 2x4 = 4
x1, x2, x3, x4 Ú 0

4.
Maximizar z = x1 + x2

x1 + 2x2 … 6
2x1 + x2 Ú 16
x1, x2 Ú 0

5.
Maximizar z = 2x1 + 3x2 + 5x3

-6x1 + 7x2 - 9x3 Ú 4

x1 + x2 + 4x3 = 10
x1, x3 Ú 0
x2 no restringida
x2 = x+2 - x2-
x+2 x2-
6.
Maximizar z = x1 + 3x2
80 Capítulo 3 El método símplex

x1 + x2 … 2
- x1 + x2 … 4
x1 sin restricción
x2 Ú 0

3.3 EL MÉTODO SÍMPLEX

3.3.1 Naturaleza iterativa del método símplex

FIGURA 3.3 x2
Proceso iterativo en el método
símplex
F
4
s1
0

D
Óptimo (x1 1, x2 2)
2
C

s2
0

A B
E
0 1 2 3 4 5 x1
 3.3 El método símplex 81

Maximizar z = 2x1 + 3x2

1.

ASBSC
2.
ASDSC

ASBSC ASDSC

Punto A Punto B Punto C

Variables no básicas (x1, x2) (s1, x2) (s1, s2)

entra x1 entra x2

Variables básicas (s1, s2) (x1, s2) (x1, x2)

sale s1 sale s2 Óptimo

FIGURA 3.4
Intercambio de variables de entrada y de salida en el método símplex
82 Capítulo 3 El método símplex

CONJUNTO DE PROBLEMAS 3.3A

1.
ASBSC
ASDSC
2.

ASBSC
ASFSESDSC
3.
A, B, p J

(i) A S B S G S H
(ii) A S C S I S H
(iii) A S C S E S B S A S D S G S H
4.

FIGURA 3.5 x3
Espacio de soluciones del problema 4,
del conjunto de problemas 3.3a
G
D

J H
F
B
x1
A
I
A: (0, 0, 0)
B: (1, 0, 0)
C E C: (0, 1, 0)
D: (0, 0, 1)
x2
 3.3 El método símplex 83

5.

Maximizar z = x1 - 2x2 + 3x3

Maximizar z = 5x1 + 2x2 + 4x3
Maximizar z = -2x1 + 7x2 + 2x3
Maximizar z = x1 + x2 + x3

3.3.2 Detalles de cálculo del algoritmo símplex

Ejemplo 3.3-1

Maximizar z = 5x1 + 4x2 + 0s1 + 0s2 + 0s3 + 0s4

6x1 + 4x2 + s1 + s2 + s3 + s4 = 24 1materia prima M12

x1 + 2x2 + s1 + s2 + s3 + s4 = 6 1materia prima M22
-x1 + 2x2 + s1 + s2 + s3 + s4 = 1 1límite de demanda2
-x1 + 2x2 + s1 + s2 + s3 + s4 = 2 1límite de demanda2
x1, x2, s1, s2, s3, s4 Ú 0

z - 5x1 - 4x2 = 0

z x1 x2 s1 s2 s3 s4

z 1 -5 -4 0 0 0 0 0 z

s1 s1
s2 s2
s3 -1 s3
s4 0 0 1 0 0 0 1 2 s4
84 Capítulo 3 El método símplex

Variables no básicas 1cero2: 1x1, x22

Variables básicas: 1s1, s2, s3, s42

z = 0
s1 = 24
s2 = 6
s3 = 1
s4 = 2

x1

24
s1 x1 = 6 = 4d mínimo
6
s2 x1 = 1 = 6
1
s3 -1 x1 = -1 = -1
2
s4 0 2 x1 = 0 =
q
 3.3 El método símplex 85

x2

6 Maximizar z 5x1 4x2

sujeta a:
6x1 4x2 s1 24 1
5
x1 2x2 s2 6 2
s1

1 x1 x2 s3 1 3
0

4
3 x2 s4 2 4
0
s3 x1, x2 0
3 2
s2
0
4
2
s4 0
C

A B
x1
2 1 0 1 2 3 4 5 6
FIGURA 3.6
24
4 Interpretación gráfica de
1 6
1 6 las relaciones en el modelo
1 6
1 de Reddy Mikks

Variables no básicas 1cero2: 1s1, x22

Variables básicas: 1x1, s2, s3, s42
86 Capítulo 3 El método símplex

z x1 x2 s1 s2 s3 s4

z 1 -5 -4 0 0 0 0 0

d s1
s2
s3 -1
s4

pivote

1.

2.

1.
2.
3.
4.
5.

z x1 x2 s1 s2 s3 s4

z 1 0 - 23 5
6 0 0 0 20
2 1
x1 3 6
4
d s2 3 - 16
5 1
s3 3 6
s4 0 0 1 0 0 0 1 2
 3.3 El método símplex 87

z = 23x2 - 56s1 + 20

x2
2 2
x1 3 x2 = 4 , 3 = 6
4 4
s2 3 x2 = 2 , 3 = 1.5
5 5
s3 3 x2 = 5 , 3 = 3
s4 1 2 x2 = 2 , 1 = 2

2
3 * 1.5 = 1
z = 20 + 1 = 21

4
1. 3
2. 1- 232
3. 1232
4. 1532
5.

z x1 x2 s1 s2 s3 s4
3 1
z 1 0 0 4 2 0 0 21

1
x1 4 - 12
x2 - 18 3
4
3
2
3
s3 8 - 54 5
2
1
s4 0 0 0 8 - 34 0 1 1
2
88 Capítulo 3 El método símplex

x1

3
x2 2

z 21 La utilidad diaria es $21,000

s1 = s2 = 0, s3 = 52, s4 = 1
2

1.
2.
3.

Variable de Estado o
Recurso holgura condición

Materia prima, M1 s1 = 0 Escasa

Materia prima, M2 s2 = 0 Escasa
5
Límite de demanda 1 s3 = 2 Abundante
1
Límite de demanda 2 s4 = 2 Abundante
 3.3 El método símplex 89

Paso 0.
Paso 1.

Paso 2.
Paso 3.

CONJUNTO DE PROBLEMAS 3.3B

1.

2.
x1 + 2x2 - 2x3 + 4x4 … 40
2x1 - x2 + x3 + 2x4 … 8
4x1 - 2x2 + x3 - x4 … 10
x1, x2, x3, x4 Ú 0

z = 2x1 + x2 - 3x3 + 5x4

z = 8x1 + 6x2 + 3x3 - 2x4
z = 3x1 - x2 + 3x3 + 4x4
z = 5x1 - 4x2 + 6x3 - 8x4
z = - 4x1 + 6x2 - 2x3 + 4x4
90 Capítulo 3 El método símplex

3.
x1 + 2x2 - 3x3 + 5x4 + x5 + x6 + x7 + x8 = 4
5x1 - 2x2 - 3x3 + 6x4 + x5 + x6 + x7 + x8 = 8
2x1 + 3x2 - 2x3 + 3x4 + x5 + x6 + x7 + x8 = 3
-x1 + 3x2 + 2x3 - 2x4 + x5 + x6 + x7 + x8 = 0
x1, x2, p , x8 Ú 0

4.
Maximizar z = x1

5x1 + x2 + x3 + x4 = 4
6x1 + x2 + x3 + x4 = 8
3x1 + x2 + x3 + x4 = 3
x1, x2, x3, x4 Ú 0

5.

Maximizar z = 5x1 - 6x2 + 3x3 - 5x4 + 12x5

x1 + 3x2 + 5x3 + 6x4 + 3x5 … 90

x1, x2, x3, x4, x5 Ú 0

6.

x1 x2 x3 x4 x5 x6 x7 x8

0 -5 0 4 -1 -10 0 0 620

x8 0 3 0 -2 -3 -1 5 1 12
x3 0 1 1 3 1 0 3 0 6
x1 1 -1 0 0 6 -4 0 0 0
 3.3 El método símplex 91

7.

Maximizar z = 3x1 + 6x2

Maximizar z = 4x1 + x2

Maximizar z = x1 + 4x2
8.
Maximizar z = 16x1 + 15x2

40x1 + 31x2 … 124

- x1 + 31x2 … 1
x1 + 31x2 … 3
x1, x2 Ú 0

x2 FIGURA 3.7
Espacio de soluciones para el problema 7,
4
del conjunto de problemas 3.3b

2
F E
D
1
G C
A B
x1
1 0 1 2 3 4 5

1
92 Capítulo 3 El método símplex

9.

10.

11.

3.3.3 Iteraciones símplex con TORA

1
1 1
 3.3 El método símplex 93

FIGURA 3.8
Iteraciones símplex para el modelo de Reddy Mikks con TORA

CONJUNTO DE PROBLEMAS 3.3C

1.
Maximizar z = x1 + x2 + 3x3 + 2x4

x1 + 2x2 - 3x3 + 5x4 … 4

5x1 - 2x2 - 3x3 + 6x4 … 8
2x1 + 3x2 - 2x3 + 3x4 … 3
- x1 + 3x2 + 2x3 + 2x4 … 0
x1, x2, x3, x4 Ú 0

2.
94 Capítulo 3 El método símplex

3.4 SOLUCIÓN ARTIFICIAL DE INICIO

3.4.1 Método M

MS q

-M, en problemas de maximización

Coeficiente objetivo de la variable artificial = e
M, en problemas de minimización

Ejemplo 3.4-1
Minimizar z = 4x1 + x2

3x1 + x2 = 3
4x1 + 3x2 Ú 6
x1 + 2x2 … 4
x1, x2 Ú 0

Minimizar z = 4x1 + x2

3x1 + 3x2 - x3 + x4 = 3
4x1 + 3x2 - x3 + x4 = 6
x1 + 2x2 - x3 + x4 = 4
x1, x2, x3, x4 Ú 0
 3.4 Solución artificial de inicio 95

Minimizar z = 4x1 + x2 + MR 1 + MR 2

3x1 + 3x2 - x3 + R1 + R2 + x4 = 3
4x1 + 3x2 - x3 + R1 + R2 + x4 = 6
x1 + 2x2 = x3 + R1 + R2 + x4 = 4
x1, x2, x3, x4, R1, R2 Ú 0

x1 x2 x3 R1 R2 x4

-4 -1 -M -M

R1
R2 -1
x4

x1 x2 x3 R1 R2 x4

z -4 + 7M -1 + 4M -M 0 0 0 9M

R1
R2 -1
x4 1 2 0 0 0 1 4
96 Capítulo 3 El método símplex

x1 x2 x3 R1 R2 x4
1 + 5M 4 - 7M
z 0 3 -M 3 0 0 4 + 2M
1 1
x1 3 3
5
R2 3 -1 - 43
3
x4 0 5 0 - 13 0 1 3

x1 = 25, x2 = 95, z = 17
5

1.

2. MS q

CONJUNTO DE PROBLEMAS 3.4A

1.

2. 1

3.
 3.4 Solución artificial de inicio 97

x1 + 2x2 Ú 4
4x1 + 3x2 … 6
4x1 + 3x2 = 6
z = 4x1 + x2
4.
- 2x1 + 3x2 = 3 112
4x1 + 5x2 Ú 10 122
x1 + 2x2 … 5 132
6x1 + 7x2 … 3 142
4x1 + 8x2 Ú 5 152
x1, x2 Ú 0

z = 5x1 + 6x2
z = 2x1 - 7x2
z = 3x1 + 6x2
z = 4x1 + 6x2
z = 3x1 + 2x2
5.
x1 + x2 + x3 = 7
2x1 - 5x2 + x3 Ú 10
x1, x2, x3 Ú 0

z = 2x1 + 3x2 - 5x3

z = 2x1 + 3x2 - 5x3
z = x1 + 2x2 + x3
z = 4x1 - 8x2 + 3x3
6.
Maximizar z = 2x1 + 4x2 + 4x3 - 3x4

x1 + 4x2 + x3 + x4 = 4
x1 + 4x2 + x3 + x4 = 8
x1, x2, x3, x4 Ú 0

7.

Minimizar z = 3x1 + 2x2 + 3x3

98 Capítulo 3 El método símplex

2x1 + 4x2 + x3 + x4 Ú 70
2x1 + 4x2 + x3 + x4 Ú 10
x1, x2, x3, x4 Ú 0
8.
Maximizar z = x1 + 5x2 + 3x3

2x1 + 2x2 + x3 = 3
2x1 - 2x2 + x3 = 4
x1, x2, x3 Ú 0

9.
Maximizar z = 2x1 + 5x2

3x1 + 2x2 Ú 6
2x1 + x2 … 2
x1, x2 Ú 0

3.4.2 Método de dos fases

 3.4 Solución artificial de inicio 99

Ejemplo 3.4-2

Minimizar r = R1 + R2

3x1 + 3x2 - x3 + R1 + R2 + x4 = 3
4x1 + 3x2 - x3 + R1 + R2 + x4 = 6
4x1 + 2x2 - x3 + R1 + R2 + x4 = 4
x1, x2, x3, x4, R1, R2 Ú 0

x1 x2 x3 R1 R2 x4

r 0 0 0 -1 -1 0 0

R1
R2 -1
x4 1 2 0 0 0 1 4

x1 x2 x3 R1 R2 x4

r 0 0 0 -1 -1 0 0
1 3
x1 5 5 - 15 3
5
x2 - 35 - 45 3
5
6
5
x4 0 0 1 1 -1 1 1

x1 = 35, x2 = 6
5
x4 = 1

Minimizar z = 4x1 + x2
100 Capítulo 3 El método símplex

x1x2 + 15x3 + x4 = 3
5

x1x2 - 35x3 + x4 = 6
5

x1x2 - x3 + x4 = 1
x1, x2, x3, x4 Ú 0

x1 x2 x3 x4

z -4 -1 0 0 0
1 3
x1 5 5
x2 - 35 6
5
x4 0 0 1 1 1

x1 x2 x3 x4
1 18
z 0 0 5 0 5

1 3
x1 5 5
x2 - 35 6
5
x4 0 0 1 1 1

1.
 3.4 Solución artificial de inicio 101

2.

3.

CONJUNTO DE PROBLEMAS 3.4B

1.

2.

3.
4.

Maximizar z = 2x1 + 5x2

3x1 + 2x2 Ú 6
2x1 + x2 … 2
x1, x2 Ú 0
5.
Maximizar z = 2x1 + 2x2 + 4x3

2x1 + x2 + x3 … 2
3x1 + 4x2 + 2x3 Ú 8
x1, x2, x3 Ú 0
102 Capítulo 3 El método símplex

6.
Maximizar z = 3x1 + 2x2 + 3x3

2x1 + x2 + x3 = 2
x1 + 3x2 + x3 = 6
3x1 + 4x2 + 2x3 Ú 8
x1, x2, x3 Ú 0

7.
Maximizar z = 3x1 + 2x2 + 3x3

2x1 + x2 + x3 … 2
3x1 + 4x2 + 2x3 Ú 8
x1, x2, x3 Ú 0

x1 x2 x3 x4 x5 R

-5 0 -2 -1 -4 0 0

x2 2 1 1 0 1 0 2
R -5 0 -2 -1 -4 1 0
 3.5 Casos especiales de la aplicación del método símplex 103

8.
Minimizar z = 2x1 - 4x2 + 3x3

5x1 - 6x2 + 2x3 Ú 5

- x1 + 3x2 + 5x3 Ú 8
2x1 + 5x2 - 4x3 … 9
x1, x2, x3 Ú 0

3.5 CASOS ESPECIALES DE LA APLICACIÓN DEL MÉTODO SÍMPLEX

1.
2.
3.
4.

3.5.1 Degeneración

Ejemplo 3.5-1 (Solución óptima degenerada)

Maximizar z = 3x1 + 9x2

x1 + 4x2 … 8
x1 + 2x2 … 4
x1, x2 Ú 0
104 Capítulo 3 El método símplex

x1 x2 x3 x4

0 z -3 -9
x2 x3
x3 x4

1 z - 34 9
4
1 1
x1 x2 4 4
1
x4 x4 2 - 12
3 3
2 z 2 2
1
x2 2 - 12
x1 1 0 -1 2 0

FIGURA 3.9 x2
Degeneración de programación
lineal en el ejemplo 3.5-1 z
3x
1 9x
2
x1
Solución 4x
x1 2 8 (red
óptima undan
2x te)
degenerada 2
4
x1
 3.5 Casos especiales de la aplicación del método símplex 105

x1 = 0, x2 = 2, x3 = 0, x4 = 0, z = 18

CONJUNTO DE PROBLEMAS 3.5A

1.

2.
Maximizar z = 3x1 + 2x2

4x1 - x2 … 8
4x1 + 3x2 … 12
4x1 + x2 … 8
x1, x2 Ú 0

x2 FIGURA 3.10
Espacio de soluciones del problema 1,
D conjunto de problemas 3.5a

x1
A B
106 Capítulo 3 El método símplex

3.

4.
Maximizar z = 34x1 - 20x2 + 12x3 - 6x4

1
4 x1 - 18x2 - x3 + 9x4 … 0
1
2 x1 - 12x2 - 12x3 + 3x4 … 0
x1 - 12x2 - x3 + 3x4 … 1
x1, x2, x3, x4 Ú 0
1
1 1

3.5.2 Óptimos alternativos

Ejemplo 3.5-2 (Infinidad de soluciones)

Maximizar z = 2x1 + 4x2

x1 + 2x2 … 5
x1 + x2 … 4
x1, x2 Ú 0
 3.5 Casos especiales de la aplicación del método símplex 107

x2

z
2x
1
x1
4x
2
x2
4
x1
B 2x
2
5 Soluciones básicas óptimas

A D FIGURA 3.11
x1
Óptimos alternativos de la programación
lineal en el ejemplo 3.5-2

x1 x2 x3 x4

0 z -2 -4
x2 x3
x3 x4
1 z
1 1 5
x1 x2 2 2 2
1
x4 x4 2 - 12 3
2

2 z
x2 -1
x1 1 0 -1 2 3
5
x1 = 0, x2 = 2

5
B: x1 = 0, x2 = 2

C: x1 = 3, x2 = 1

^
x1 = 102 + 11 - 2 132 = 3 - 3
^
x2 = 1 52 2 + 11 - 2 112 = 1 + 3
2
108 Capítulo 3 El método símplex

^1, ^
= 0, 1x x 22 = 13, 12 ^1, ^
= 1, 1x x 22 = 10, 522
^1, ^
1x x 22

CONJUNTO DE PROBLEMAS 3.5B

1.

Maximizar z = x1 + 2x2 + 3x3

x1 + 2x2 + 3x3 … 10
x1 + 2x2 + 3x3 … 50
x1 + 2x2 + 3x3 … 10
x1, x2, x3 Ú 0
2.
Maximizar z = 2x1 - x2 + 3x3

x1 - x2 + 5x3 … 10
2x1 - x2 + 3x3 … 40
x1, x2, x3 Ú 0

3.

Maximizar z = 3x1 + x2

7x1 + 2x2 - 5x3 … 50

7x1 + 2x2 - 5x3 … 20
7x1 + 3x2 - 5x3 … 20
x1, x2, x3 Ú 0
 3.5 Casos especiales de la aplicación del método símplex 109

3.5.3 Solución no acotada

Ejemplo 3.5-3 (Valor objetivo no acotado)

Maximizar z = 2x1 + x2

2x1 - x2 … 10
2x1 - x2 … 40
x1, x2 Ú 0

x1 x2 x3 x4

z -2 -1
x3 -1
x4 2 0 0 1 40
110 Capítulo 3 El método símplex

x2

Valor
objetivo
Espacio no acotado
de soluciones

z
no acotado

2x 1
2x1 40

x2
10
x2
x1

FIGURA 3.12
Solución no acotada de la programación x1
lineal en el ejemplo 3.5-3

CONJUNTO DE PROBLEMAS 3.5C

1.

2.
Maximizar z = 20x1 + 10x2 + x3

3x1 - 3x2 + 5x3 … 50

3x1 - 3x2 + 5x3 … 10
3x1 - 3x2 + 4x3 … 20
x1, x2, x3 Ú 0

3.

3.5.4 Solución no factible

 3.5 Casos especiales de la aplicación del método símplex 111

Ejemplo 3.5-4 (Espacio de soluciones no factibles)

Maximizar z = 3x1 + 2x2

2x1 + x2 … 2
3x1 + 4x2 Ú 12
x1, x2 Ú 0

x1 x2 x4 x3 R

0 z -3 - 3M -2 - 4M M -12M
x2 x3
x3 R -1
1 z 1 + 5M 2 + 4M 4 - 4M
x2
R -5 0 -1 -4 1 4

x2 FIGURA 3.13
Solución no factible de la programación
lineal en el ejemplo 3.5-4

3x
1
4x
2
12
Solución
z

pseudo-óptima
3x 1
2x 1

2x 2
x2
2

0 x1
112 Capítulo 3 El método símplex

CONJUNTO DE PROBLEMAS 3.5D

1.

M1 3 5 6
M2 5 3 4

2.
Maximizar z = 3x1 + 2x1 + 3x3

2x1 + x2 + x3 … 2
3x1 + 4x2 + 2x3 Ú 8
x1, x2, x3 Ú 0
1

REFERENCIAS SELECCIONADAS

Linear Programming 1: Introduction,

PROBLEMAS INTEGRALES
 Problemas integrales 113

2Basado en un estudio hecho por el autor para una empresa de transportes a nivel nacional.