Materia: Investigación operativa

Trabajo práctico N°3: Casos particulares en PL programación dual

Problema de minimización
1. Una empresa elabora una bebida carbonatada de sabor naranja que se llama Oranj,
mediante la combinación de agua carbonatada de naranja y jugo de naranja. Cada onza de
agua carbonatada de naranja contiene 2 onzas de azúcar y 4 mg de vitamina C. Cada 4 onza
de jugo de naranja contiene 1 onzas de azúcar y 12 mg de vitamina C. A la empresa le cuesta
8 UM (unidades monetarias) para producir 1 onza de agua carbonatada de naranjada y 12
UM por elaborar 1 onza de jugo naranja. El departamento de mercadotecnia decidió que la
botella de 40 onzas de Oranj debe contener por lo menos 80 mg de vitamina C y cuando
mucho 16 onzas de azúcar.

a. Utilice la programación lineal para determinar la empresa puede cumplir los requisitos
del departamento de mercadotecnia a un costo mínimo. Realice la formulación completa
(función objetivo, variables y restricciones, todo con sus respectivas unidades)
OACN: Onza de agua carbonatada de naranjada OAz: =Onzas de azúcar
OJN: Onza de jugo naranja OOranj: onzas de Oranj
1. FUNCIÓN OBJETIVO
Min z = 8 [UM/OACN] * X1 [OACN] + 12 [UM/OJN] * X2 [OJN]
2. VARIABLES
X1 = Onzas de agua carbonatada de naranjada en una botella de Oranj.
X2= Onzas de jugo naranja en una botella de Oranj.
3. RESTRICCIONES
4. 4 [mg VC/OACN]* X1 [OACN] + 3 [mg VC/OJN]* X2[OJN] ≥ 80 [mg VC]
5. 2 [Oaz/OACN]* X1 [OACN] + 0.25 [OAz/OJN]* X2[OJN] ≤16 [OAz]
6. X1[OACN] + X2[OJN] = 40 [OOranj]

7. CONDICION DE NO NEGATIVIDAD
X1, X2 ≥ 0

b. Resuélvalo utilizando el método de la M.

Forma estándar
Min z = 8 * X1 + 12 * X2
4* X1 + 3 *X2= 80
2 *X1 + 0.25* X2=16
X1+ X2= 40
 Agregamos variable de holgura para completar la igualdad (S1 y S2)
4* X1 + 3 *X2 – S1 = 80
2 *X1 + 0.25* X2 + S2 =16
X1 + X2 = 40
 Agregamos variables artificiales (R1 y R2)
4* X1 + 3 *X2 – S1 + R1 = 80
2 *X1 + 0.25* X2 + S2 =16
X1 + X2 +R2 = 40

X1, X2, S1, S2, R1, R2 ≥ 0

  Función nueva: Como estamos minimizando vamos a sumar Ma1 y Ma2 por lo que la
nueva función objetivo
Min z = 8 * X1 + 12 * X2 + MR1 + MR2

Amplicando metodo simplex

Solución Básica Solució
X1 X2 S1 R1 R2 S2
Factible n
Z -8 -12 0 -M -M 0  
R1 4 3 -1 1 0 0 80
R2 1 1 0 0 1 0 40
S2 2 0.25 0 0 0 1 16
Tomando M=100 para mayor facilidad de resolución.
Solución Básica Solució
X1 X2 S1 R1 R2 S2
Factible n
Z -8 -12 0 -100 -100 0  
R1 4 3 -1 1 0 0 80
R2 1 1 0 0 1 0 40
S2 2 0.25 0 0 0 1 16

Solución Básica Solució

X1 X2 S1 R1 R2 S2
Factible n
Z 392 288 -100 0 -100 0 8000
R1 4 3 -1 1 0 0 80
R2 1 1 0 0 1 0 40
S2 2 0.25 0 0 0 1 16

Solución Básica Solució

X1 X2 S1 R1 R2 S2
Factible n
Z 492 388 -100 0 0 0 12000
R1 4 3 -1 1 0 0 80
R2 1 1 0 0 1 0 40
S2 2 0,25 0 0 0 1 16

  Entrada            
Solución Básica Solució
X1 X2 S1 R1 R2 S2
Factible n  
Z 492 388 -100 0 0 0 12000  
R1 4 3 -1 1 0 0 80  
R2 1 1 0 0 1 0 40  
S2 2 0,25 0 0 0 1 16 Salida

Solución Básica Solució

X1 X2 S1 R1 R2 S2
Factible n
 Z 0 326,5 -100 0 0 -246 8064
R1 0 2,5 -1 1 0 -2 48
R2 0 0,875 0 0 1 -0,5 32
S2 1 0,125 0 0 0 0,5 8

Entrada
Solución Básica Solució
X1 X2 S1 R1 R2 S2
Factible n
Z 0 326,5 -100 0 0 -246 8064
R1 0 2,5 -1 1 0 -2 48 Salida
R2 0 0,875 0 0 1 -0,5 32
X1 1 0,125 0 0 0 0,5 8

Solución Básica Solució

X1 X2 S1 R1 R2 S2
Factible n
Z 0 0 30,6 -131 0 15,2 1795,2
R1 0 1 -0,4 0,4 0 -0,8 19,2
R2 0 0 0,35 -0,35 1 0,2 15,2
X1 1 0 0,05 -0,05 0 0,6 5,6

Entrada
Solución Básica Solució
X1 X2 S1 R1 R2 S2
Factible n
Z 0 0 30,6 -131 0 15,2 1795,2
X2 0 1 -0,4 0,4 0 -0,8 19,2
R2 0 0 0,35 -0,35 1 0,2 15,2 Salida
X1 1 0 0,05 -0,05 0 0,6 5,6

Solución Básica Solució

X1 X2 S1 R1 R2 S2
Factible n
Z 0 0 0 -100 -87,4 -2,3 466,29
X2 0 1 0 0 1,1 -0,6 36,57
R2 0 0 1 -1 2,9 0,6 43,43
X1 1 0 0 0 -0,1 0,6 3,43

Solución Básica Solució

X1 X2 S1 R1 R2 S2
Factible n
z 0 0 0 -100 -87,4 -2,3 466,29
X1 1 0 0 0 -0,1 0,6 3,43
X2 0 1 0 0 1,1 -0,6 36,57
S2 0 0 1 -1 2,9 0,6 43,43
Verificando con el programa QA.
c. Interprete el resultado, definiendo todas las variables (reales, de holgura, de superávit,
artificiales) que lo componen, e interpretando su significado físico-económico.
X1 = 3,43 Onzas de agua carbonatada de naranjada en una botella de Oranj.
X2 = 36,57 Onzas de jugo naranja en una botella de Oranj.

S2 = 0 Onzas sobrante de azúcar para la producción de la botella de 40 onzas de Oranj.

S2 = 43,43 mg sobrante de vitamina C para la producción de la botella de 40 onzas de Oranj.

para estos valores costo mínimo será de:

Z = 8 [UM/OACN] * 3,43 [OACN] + 12 [UM/OJN] * 36,57 [OJN]

Z= 466,29 [UM]
Podemos concluir que cada botella de bebida carbonatada Oranj costara 466,29 UM
producirla y necesitara de 3,43 onzas de agua carbonatada de naranja y 36,57 onzas de jugo
naranja. Además, que sobrara solo 43,43 mg de vitamina C para la producción de la botella de
40 onzas de Oranj.

2. Enumere y explique, indicando como se detectan analítica y gráficamente, los diferentes

casos particulares (especiales) que se presentan al aplicar el Método Simplex.

Degeneración

Cuando una de las soluciones básica que está en la tabla es nula. se dice que las soluciones son
degeneradas o degradadas esto significa que una restricción al menos es redundante.

En la tabla óptima podríamos ver que al aplicar la condición de factibilidad del método
simplex, se puede presentar un empate por la relación mínima, el cual puede romperse
arbitrariamente. Cuando esto sucede, al menos una variable básica será cero en la siguiente
iteración, por lo tanto, decimos que la nueva solución está degenerada. La condición también
revela que el modelo tiene por lo menos una restricción redundante.

Por
ejemplo:
Hay dos alternativas indistintas para operar debajo de X2, y al finalizar las iteraciones el óptimo
contendrá a una de las variables de decisión convertidas en 0. Gráficamente, observamos que
las tres rectas de restricción pasan por el punto óptimo, lo cual significa y una de estas será
una restricción redundante.

Soluciones Múltiples (alternativas)

Cuando la función objetivo es paralela a una restricción que se satisface como ecuación, la
función objetivo asumirá el mismo valor óptimo en más de un punto

Se detecta que se ha llegado a una solución alternativa cuando habiendo llegado al óptimo hay
algún valor en la primera fila del z correspondiente que es igual a cero.

Esto implica que vamos a encontrar un segmento en donde vamos a tener infinitos óptimos a
los cuáles vamos a llegar a través de una combinación lineal.

Por ejemplo:
Se observa que Z es paralelo a BC, por lo tanto, la solución va a ser una combinación lineal
generada en el segmento BC.

Inicialmente el método encontrará una solución óptima en B, pero esta contendrá 0 unidades
de X1. Observamos de la segunda iteración que X1 es una variable básica. Por esto, realizamos
una iteración más poniendo a X1 en la base y así encontramos un óptimo alternativo que
estará dentro del segmento BC y será una combinación lineal entre estos dos puntos.
Soluciones no acotadas (poliedro abierto)

Hay casos particulares de programación lineal donde el espacio de soluciones es no acotado en

por lo menos una dirección, es decir que las variables pueden incrementarse de forma
indefinida sin violar ninguna de las restricciones debido a que no contamos con un recinto
cerrado. En este caso el valor objetivo asociado también puede ser no acotado.

Esto podría indicar una incorrecta construcción del modelo debido a la no inclusión de alguna
restricción o a valores incorrectos de los parámetros.

Por ejemplo:
Al plantear la tabla inicial de Simplex vemos que debajo de X2 las dos variables son cero o
negativas, es decir que ninguna de las dos me indica cuál es la variable que sale, por lo tanto,
X2 puede crecer indefinidamente y tenemos lo que se denomina un poliedro abierto. El gráfico
también nos muestra que las dos restricciones no conforman un recinto cerrado por lo que
mientras X2 crezca de la misma forma lo hará Z.

Soluciones no existentes (o no factibles)

Los modelos PL con restricciones inconsistentes no tienen una solución factible. Esta situación
no ocurre si todas las restricciones son del tipo ≤ con lados derechos no negativos porque las
holguras proporcionan una solución factible obvia. Para otros tipos de restricciones, se utilizan
variables artificiales penalizadas para iniciar la solución. Si al menos una variable artificial es
positiva en la iteración óptima, entonces la PL no tiene una solución factible. Desde el punto de
vista práctico, un espacio no factible apunta hacia la posibilidad de que el modelo se formuló
de manera incorrecta.

Por ejemplo:
En el gráfico observamos que no existe un área de factibilidad, ya que las restricciones no
encierran un área ni se cortan. En la tabla de Simplex vemos que en la iteración final
obtenemos a la variable artificial R como básica con un valor positivo, lo cual significa que la
solución no es factible. Esto se conoce como una solución “pseudo óptima”.

3. Resuelva analíticamente los siguientes problemas de PL. Identificando los casos

especiales que detecta. Represéntelos gráficamente.

a ¿ MaxZ =−3 x 1 +6 x 2

sa :

c ¿ MaxZ=3 x 1+ 9 x 2

sa :
a) Forma estándar

Max Z + 3X1 - 6X2 = 0

S.a.: 5X1 + 7X2 + S1 = 35

-X1 + 2X2 + S2 = 2

X1, X2, S1, S2 ≥ 0

Utilizando el Software QM for Windows

Aplicando la condición de optimalidad y teniendo en cuenta que es una función de

maximización, se elige la variable no básica que tenga el mayor valor en la fila de cj-zj , por
lo que la variable de entrada será X2. Luego se determina la razón dividiendo cada valor de
la columna Quantity por los respectivos valores de la columna X2 sin tener en cuenta lo
ceros y valores negativos; con esto se halla que la razon mas pequeña correspondera a la
fila de la variable de salida, que será S2.

Se puede observar que en la fila de cj-zj hay valores correspondientes a variables no

basicas iguales a cero, lo cual indica que es un caso especial de soluciones multiples o
soluciones alternativas. Las soluciones óptimas son infinitas y se expresan como
combinación lineal.

X = X(A)*α + X(B)*(1-α) siendo 0≤α≤1

Xopt = α*[X1=0; X2=1; S1=28; S2=0] + [X1=3.29; X2=2.65; S1=0; S2=0]* (1-α)

Gráficamente :

Otra manera de identificar este caso especial es graficamente observando que la recta de
la funcion objetivo es paralela a una de las restricciones. Por lo tanto las multiples
soluciones corresponden al segmento AB.
b) Forma estándar

Z – 2X2 = 0

S.a.: X1 – X2 + S1 = 4

-X1 + X2 + S2 = 1

X1, X2, S1, S2 ≥ 0

Utilizando el software QM for Windows

Aplicando la condición de optimalidad y teniendo en cuenta que es una función de

maximización, se elige la variable no básica que tenga el mayor valor en la fila cj-zj, por lo
que la variable de entrada sera X2. Luego se determina la razón dividiendo cada valor de la
columna Quantity por los respectivos valores de la columna X2 sin tener en cuenta lo ceros
y valores negativos; con esto se halla que la razón mas pequeña correspondera a la fila de
la variable de salida, que será S2.
En esta tabla se observa que al tratar de determinar la variable de salida, hay
inconveniente para obtener la razón, ya que para esta no se tienen en cuenta los valores
negativos ni los ceros y en la columna de X1 todos son negaivos y ceros. Esto indica que
estamos ante el caso especial de soluciones no acotadas.

Graficamente

c) Forma estándar

Z – 3X1 - 9X2 = 0

S.a.: X1 + 4X2 + S1 = 8

X1 + 2X2 + S2 = 4

X1, X2, S1, S2 ≥ 0

Utilizando el software QM for windows

Aplicando la condición de optimalidad y teniendo en cuenta que es una función de

maximización, se elige la variable no básica que tenga el mayor valor en la fila cj-zj, por lo
que la variable de entrada será X2. Luego para obtener la variable de salida se determina la
razón dividiendo cada valor de la columna Quantity por los respectivos valores de la
columna X2 sin tener en cuenta lo ceros y valores negativos; al realizar esto se observa
que hay un empate entre las razones ya que ambas son iguales a 2, esto significa que las
dos variables salen, por lo que una de las restricciones es redundante y se hallan dos
óptimos. Estamos ante un caso especial de solución degenerada.

Al salir S1:

En esta tabla se observa una variable básica (S2) igual a cero, lo cual tambien es una forma
de detectar que estamos ante un caso especial de solución degenerada.

Al salir S2:

En esta tabla tambien se observa que el valor de una variable básica (X1) es igual a cero,
por lo que tambien se detecta que estamos ante un caso especial de solución degenerada.

La solución óptima es: X1=0; X2=2; Z=18

Graficamente
 d) Forma estandar

Z – 3X1 – 2X2 = 0

S.a.: 2X1 + X2 + S1 = 2

3X1 + 4X2 – S2 = 12

X1, X2, S1, S2 ≥ 0

Como no tenemos restricciones exclusivamente de ≤, se deben agregar variables artificiales:

Max Z = 3X1 + 2X2 – MR2

S.a.: 2X1 + X2 + S1 = 2

3X1 + 4X2 – S2 – MR2 = 12

X1, X2, S1, S2, R2 ≥ 0

Resolviendo mediante el software QM for windows:

En esta tabla se observa que la variable artificial R2 que se agregó anteriormente no salió de la
base y tiene un valor distinto de cero, lo cual significa que la solución es infactible. Estamos en
un caso especial de soluciones inexistentes.

Gráficamente se observa que no se puede formar un recinto donde se cumplan todas las
restricciones. Esto indica un problema en la formulación del problema o ejercicio.
Problema dual
4. Una empresa produce tres tipos de barras de caramelos. Cada barra está hecha totalmente
de azúcar y chocolate. Se dispone de 5 kg. de azúcar y 10 kg. de chocolate por día. Las
utilidades de cada tipo de barra son las siguientes: 3, 7 y 5 unidades monetarias
respectivamente. Las cantidades de insumos consumidos para cada tipo de barra, así como
sus disponibilidades diarias, se dan en la siguiente tabla:

Barra de tipo 1 Barra de tipo 2 Barra de tipo 3 Disponibilidad

(g./barra) (g./barra) (g./barra) (kg./día)
Azúcar 100 100 100 5
Chocolate 200 300 100 10

a. Plantee y resuelva el problema primal e interprete física y económicamente la tabla

óptima (primera fila, última columna, solución completa considerando todas las
variables, etc.)
b. Plantee el problema dual, interpretando la relación entre las variables de decisión, la
función objetivo y las restricciones.
c. En el problema dual, interprete física y económicamente: las variables reales y de
superávit del dual
d. Resuélvalo, interpretando la solución en forma completa (física y económica).
e. Compare y analice ambas tablas óptimas, relacionando:
e.1 Las variables (básicas y no básicas) del problema primal, con las variables básicas
y no básicas del problema dual.
e.2 Las variables reales y de holgura/superávit del problema primal con las variables
reales y de holgura/superávit del problema dual
e.3 Ambas soluciones óptimas
f. Ubique en la tabla óptima del problema primal toda la información relativa al
problema dual (función objetivo, variables, restricciones, etc.)
A) Las variables son:
 B1= barra 1 = unidad
 B2= barra 2 = unidad
 B3= barra 3 = unidad
 S1= variable de holgura = gramos
 S2= variable de holgura = gramos
Por lo tanto, el problema primal queda como:
$ $ $
Max { Z=3 B 1+7 B 2+5 B3
u u u
g g g
S.a: 100 B 1+100 B 2+100 B 3+ S 1=5000 g
u u u
g g g
200 B 1+300 B 2+100 B3+ S 2=10000 g
u u u
B1 , B2 , B3 , S 1 , S 2 ≥0
Resolviendo con Excel:

Lo cual indica que se obtiene la máxima utilidad Z=300$, cuando la empresa fabrica 25 barra
de chocolate 2 (B2=25) y 25 barras del tipo 3 (B3=25). Además podemos observar que en este
punto se consume todo el azúcar disponible diariamente (S1=0) y todo el chocolate disponible
diariamente (S2=0). Es decir que utilizamos todos los recursos.

B) El problema Dual queda:

min {W =5000∗Y 1+10000∗Y 2

S.a: 100∗Y 1+200∗Y 2≥ 3

100∗Y 1+300∗Y 2≥ 7

100∗Y 1+100∗Y 2≥ 5

Y 1 ,Y 2≥ 0

Donde:

 W= es el costo que debería pagar un empresario para comprar la empresa de barras

de chocolate = $
  Y1= precio a pagar por cada gramo de azúcar = $
 Y2= precio a pagar por cada gramo de chocolate = $

La relación que existe entre las variables en la restricción es que: yo tengo que ofrecerle al
empresario un pago lo suficientemente tentador ( mayor que la utilidad conseguida si se
fabricara y vendiera la barra de chocolate ) por la combinación de materias primas ( azúcar y
chocolate ) para fabricar las barras de chocolate.

C) Aplicando el método de la M, y eligiendo M=100.000, las funciones nos quedan:

min {W =5000∗Y 1+10000∗Y 2+ 100000∗(R 1+ R 2+ R 3)

S.a: 100∗Y 1+200∗Y 2−E 1+ R 1=3

100∗Y 1+300∗Y 2−E 2+ R 2=7

100∗Y 1+100∗Y 2−E 3+ R 3=5

Y 1 ,Y 2 , E 1 , E 2, R 1 , R 2 , R 3 ≥ 0

E1,E2 y E3 es el dinero “de mas” (superior a la utilidad que le reporta vender la barra ) que
estoy pagando por la combinación de materia prima para hacer las barras de chocolate.

D) Como tuvimos problema de redondeo dado que son valores muy grandes, para obtener el
resultado, pasamos los gramos a kilogramos. Por lo tanto las funciones quedaron de la
siguiente forma, tomando M=100.

min {W =5∗Y 1+10∗Y 2+ 100∗( R 1+ R 2+ R 3)

S.a: 0,1∗Y 1+0,2∗Y 2−E 1+ R 1=3

0,1∗Y 1+0,3∗Y 2−E 2+ R 2=7

0,1∗Y 1+0,1∗Y 2−E 3+ R 3=5

Y 1 ,Y 2 , E 1 , E 2, E 3 , R 1 , R 2, R 3 ≥0

Resolviendo con Excel obtenemos:

Lo que podemos observar es que podemos gastar W=300$ comprando el azúcar y chocolate
para fabricar las barras, si compramos el Kilogramo de azúcar a Y1=40$, y el Kilogramo de
chocolate a Y2=10$. Lo que nos lleva a que paguemos un exceso de E1=3$ por las materias
primas necesarias para fabricar la barra de tipo 1.

E)

Variable Primal Variable Dual

B1 0 Y1 40
B2 25 Y2 10
B3 25 E1 3
S1 0 E2 0
S2 0 E3 0
R1 0
R2 0
R3 0
Z 300 W 300,000024

Podemos observar que el precio que vamos a pagar al empresario por comprarle su materia
prima, es muy similar a la utilidad que dicho empresario obtiene de fabricar su conjunto
óptimo de barras y de venderlas. Lo que pagamos de “mas” es tan solo 0,000024$.

F)

5. En un taller metalúrgico se fabrican dos piezas, A y B, que deben seguir los siguientes
procesos:
  Estampado en hojas metálicas
 Soldado
 Pintado

La operación de estampado consiste en preparar partes idénticas que luego serán soldadas de
a pares, formando la pieza A. El mismo proceso se realiza para la pieza B. Los insumos de
equipos son los siguientes, para la realización de cada una de las operaciones (expresados en
segundos por pieza):

Tiempo
Operación Pieza disponible
A B (seg/sem)
Estampado 3 8 48000
de c/part.
Soldado 12 6 42000
Pintado 9 9 36000

La utilidad unitaria es de 40 U.M. para la pieza A y 30 U. M. para la pieza B. Se debe

establecer el programa semanal de producción que maximice la utilidad del taller con
respecto a las piezas consideradas.

a. Formule el problema primal y dual, interpretando la relación entre las variables de

decisión, la función objetivo y las restricciones.
b. Interprete física y económicamente: las variables reales y de superávit del dual
c. Resuélvalo, interpretando la solución en forma completa (física y económica).
d. Compare y analice ambas tablas óptimas, relacionando:
d.1 Las variables (básicas y no básicas) del problema primal, con las variables
básicas y no básicas del problema dual.
d.2 Las variables reales y de holgura/superávit del problema primal con las variables
reales y de holgura/superávit del problema dual
d.3 Ambas soluciones óptimas
e. Ubique en la tabla óptima del problema primal toda la información relativa al
problema dual (función objetivo, variables, restricciones, etc.)
A)
Problema Primal

Variables de decisión:

X1: Cantidad de unidades producidas y vendidas de piezas tipo A por semana = [Pieza A/Sem]

X2: Cantidad de unidades producidas y vendidas de piezas tipo B por semana = [Pieza B/Sem]

Función Objetivo:
 Max Z=40[UM/Pieza A] * X1[Pieza A/Sem] + 30[UM/Pieza B] * X2[Pieza B/Sem]

Restricciones:

 3[Seg E/Pieza A]*Y1[UM/Seg E] + 12[Seg S/Pieza A]*Y1[UM/Seg S] + 9[Seg P/Pieza

A]*Y1[UM/Seg P] ≥ 40[UM/Pieza A]
 8[Seg E/Pieza B]*Y1[UM/Seg E] + 6[Seg S/Pieza B]*Y2[UM/Seg S] + 9[Seg P/Pieza
B]*Y3[UM/Seg P] ≥ 30[UM/Pieza B]
 Y1, Y2, Y3 ≥ 0

B)

Las variables de superávit: representan la cantidad en que los ingresos superan a los costos del
producto.
C)
Problemas resueltos por Win QSB:
Problema Primal

Análisis de solución

La solución que nos brinda el programa es la de producir X1= 3000 unidades del producto tipo
A y de X2=1000 unidades del tipo B, logrando así obtener un beneficio de Z=150000 unidades
monetarias por semana

En dicha solución notamos que además poseemos de un tiempo sobrante de C1=31000

segundos de estampado disponibles, habiendo consumido todo el tiempo de operación de
soldado y pintura (C2=C3=0).
Problema Dual

Análisis de solución

Para este problema dual se obtuvo el mismo nivel de beneficio de 150000 unidades
monetarias con los siguientes valores de variables:

Y1 = 0: En este caso, hay un excedente de este requerimiento por lo que no habrá necesidad
de adquirirlo por eso tenemos un precio de compra igual a cero.

Y2 =1,67: representa la mejora que sufre el funcional por la disminución en una unidad del
tiempo de soldadura.

Y3 =2,22: representa la mejora que sufriría el funcional por la disminución en una unidad del
tiempo de pintura.

C1= Y5 = 0: Este valor nos dice que el funcional no sufre aumento por cada unidad que se
fabrique o active del producto tipo A.

C2= Y6 = 0: Este valor nos dice que el funcional no sufre aumento por cada unidad que se
fabrique o active del producto tipo B.

D)

Variables Primal Dual Variables

REALES X1 ↔ Y4 HOLGURAS
X2 ↔ Y5
HOLGURAS C1 ↔ Y1 REALES
C2 ↔ Y2
C3 ↔ Y3
E)

Cada coeficiente de las variables

X1. X2 se convierten en las
constantes de cada restricción en
el P.D.

Cada columna forma parte de los Cada constante pasa a ser

coeficientes que acompañan a las coeficiente que acompañe a las
variables Y1, Y2, Y3 en las variables Y1, Y2, Y3 en la
restricciones. función objetivo del P.D.