DUALIDAD Y ANÁLISIS POST-ÓPTIMO

TAREA 2: TRABAJO COLABORATIVO

ALEJANDRO JOSÉ ACOSTA FERNÁNDEZ

CÉSAR AUGUSTO GIRALDO

CURSO:

PROGRAMACIÓN LINEAL - 100404A_616

GRUPO: 100404_38

TUTORA:

LIDA MARGARITA ZAMBRANO

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA –UNAD

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
MARZO DE 2020
AD
ERÍA
 INTRODUCCIÓN

El presente documento contiene el desarrollo de los cuatro ejercicios solicitados en la guía

de actividad correspondiente a la unidad 2 del curso; en éste se puede evidenciar el cuadro
resumen elaborado para cada ejercicio así como la exposición de las variables, la pregunta a
responder de cada problema, se presenta el modelo canónico y estándar así como el adjunto
de cada uno de los pantallazos del desarrollo en el software PHP simplex como evidencia
de su uso y la presentación de las respectivas respuestas a los interrogantes planteados; lo
anterior como producto del consenso grupal y de previa verificación de los aportes
individuales de desarrollo de los problemas
 1- FORMULACIÓN DEL PROBLEMA COMO MODELO DE PROGRAMACIÓN LINEAL - PROBL

REPLANTEAMIENTO DEL PROBLEMA INFORMACIÓ

* Una charcutería hace Base A, Base B y Base C C Res

* Se cuenta con tres tipos de carne: res, cerdo y grasa Base A 120
* Hacer Base A requiere 120 g de C res, 20 g de C Cerdo y 60 g
Base B 100
de grasa
* Hacer Base B requiere 100 g de C res, 20 g de C Cerdo y 0 g Base C 200
de grasa Cantid 100000
* Hacer Base C requiere 200 g de C Res, 20 g de C Cerdo y 0 g
de grasa
* Diariamente cuenta con 100000 g de C de Res, 15000 y
150000 de grasa
* La venta de Base A genera utilidad de 1400
* La venta de Base B genera utilidad de 1300
* La venta de Base C genera utilidad de 1300
* ¿Cuántas bases de cada tipo debe producir y vender para
obtener mayor utilidad? FUNC OBJETIVO: 𝑴𝒂𝒙 𝒁=𝟏𝟒𝟎𝟎𝑿_𝟏+
Z= utilidades

Restricciones por recurso:

C Res: 120X1 + 100X2 + 200X3 ≤ 100.000
C Cerdo: 20X1 + 20X2 + 20X3 ≤ 15.000
Grasa: 60X1 + 0X2 + 0X3 ≤ 150.000
Restricciones de no negatividad:
X 1 , X2 , X3 ≥ 0

2A- Solucionar por el método de simplex primal

Pasar a modelo estandar

Z-1400X1-1300X2-1300X3=0
120X1+100X2+200X3+S1=100.000
20X1+20X2+20X3+S2=15.000
60X1+S3=150.000

Organizar la tabla

X1 X2 X3 S1 S2 S3
S1 120 100 200 1 0 0
S2 20 20 20 0 1 0
S3 60 0 0 0 0 1
Z -1400 -1300 -1300 0 0 0
Identificar columna pivote, fila pivote y elemento pivote

X1 X2 X3 S1 S2 S3
S1 120 100 200 1 0 0
S2 20 20 20 0 1 0
S3 60 0 0 0 0 1
Z -1400 -1300 -1300 0 0 0

Convertir elemento pivote en 1.

X1 X2 X3 S1 S2 S3
S1 120 100 200 1 0 0
S2 1 1 1 0 0.05 0
S3 60 0 0 0 0 1
Z -1400 -1300 -1300 0 0 0

Sale S2 y entra X1. Convertir en ceros los demás números de columna pivote
Para S1
: S2*-120 -120 -120 -120 0 -6 0
: + S1 0 -20 80 1 -6 0

Para S3
: S2*-60 -60 -60 -60 0 -3 0
: +S3 0 -60 -60 0 -3 1

Para Z
:S2*1400 1400 1400 1400 0 70 0
: +Z 0 100 100 0 70 0

Nueva tabla
X1 X2 X3 S1 S2 S3
S1 0 -20 80 1 -6 0
X1 1 1 1 0 0.05 0
S3 0 -60 -60 0 -3 1
Z 0 100 100 0 70 0

Ya no hay en Z valores negativos. Por tanto la solución es X1 = 750 y Z=1.050.000

2B-Solución problema primal en complemento Solver

X1 X2 X3 Resultados Fórmula
Func Objetivo 1400 1300 1300 1050000
Desigualdad 1 120 100 200 <= 100000 90000
Desigualdad 2 20 20 20 <= 15000 15000
Desigualdad 3 60 0 0 <= 150000 45000

X1 750
X2 0
X3 0
Z 1050000

La solución encontrada con el complemento Solver en Excel, coincide con la encontrada con el método Simplex P

3- Formular el problema dual a partir del problema primal

Problema Primal:
Función Objetivo: Max Z=1400X1+1300X2+1300X3
Restricciones:
R1: 120X1 + 100X2 + 200X3 ≤ 100.000
R2: 20X1 + 20X2 + 20X3 ≤ 15.000
R3: 60X1 + 0X2 + 0X3 ≤ 150.000

Formulación del problema dual

Función Objetivo:
W min =100000 Y1+15000 Y2+ 150000 Y3
Restricciones:
R1: 120Y1+20Y2 +60Y3 >= 1400
R2: 100Y1+20Y2 >=1300
R3: 200Y1+20Y2 >=1300

Restricción de no negatividad
Y1, Y2, Y3 >= 0

4A. Solucionar el problema dual por el método simplex dual

Planteamos el modelo estandar para así trabajar con el método simplex. Incluimos variables de holgura en las re
W-100000Y1-15000Y2-150000Y3=0
R1: 120Y1+20Y2+60Y3-1S1=1400
R2: 100Y1+20Y2-1S2=1300
R3: 200Y1+20Y2-1S3=1300

Simplex no trabaja con holguras negativas, por tanto hay que convertir a cada restricción. Multiplico por -1
R1: -120Y1-20Y2-60Y3+1S1=-1400
R2: -100Y1-20Y2+1S2=-1300
R3: -200Y1-20Y2+1S3=-1300
W queda: W-100000Y1-15000Y2-150000Y3-0S1-0S2-0S3=0
Tabla
 Y1 Y2 Y3 S1 S2
W -100000 -15000 -150000 0 0
S1 -120 -20 -60 1 0
S2 -100 -20 0 0 1
S3 -200 -20 0 0 0

Identificar fila pivote. Se escoge de la columna Res o solución el valor más negativo (sin contar a W) (-1400) S1 se
Para columna pivote, dividimos los coeficientes de las variables de la función objetivo entre los coeficientes de la
: -100000/-120=833; -15000/-20=750; -150000/-60=2500. Tomamos el menor cociente: 750, es decir Y2
Número o elemento pivote: cruce fila y columna = -20
Sale variable S1 y entra Y2
Y1 Y2 Y3 S1 S2 S3
W -100000 -15000 -150000 0 0 0
Y2 -120 -20 -60 1 0 0
S2 -100 -20 0 0 1 0
S3 -200 -20 0 0 0 1

Convertir el pivote en 1. Dividimos la fila pivote (Y2 de la tabla anterior) entre -20
Y1 Y2 Y3 S1 S2 S3
W -100000 -15000 -150000 0 0 0
Y2 6 1 3 -0.05 0 0
S2 -100 -20 0 0 1 0
S3 -200 -20 0 0 0 1

Convertir en cero los demás números de columna pivote

Para W
: Y2*15000 90000 15000 45000 -750 0 0
:+W -10000 0 -105000 -750 0 0

Para S2
: Y2*20 120 20 60 -1 0 0
: + S2 20 0 60 -1 1 0

Para S3
: Y2*20 120 20 60 -1 0 0
: +S3 -80 0 60 -1 0 1

Nueva tabla
Y1 Y2 Y3 S1 S2 S3
W -10000 0 -105000 -750 0 0
Y2 6 1 3 -0.05 0 0
S2 20 0 60 -1 1 0
S3 -80 0 60 -1 0 1

Pregunta: ¿Todas las cifras de la columna Res son positivas? Sí

Pregunta : ¿Todas las cifras de la columna W están en cero o son negativas, a excepción del resultado? Sí
Por tanto se ha llegado a la solución:
W= 1.050.000
Y2=70

4B- En complemento Solver, encontrar la solución al problema dual

Y1 Y2 Y3 Resultados Fórmula
Función Objetivo 100000 15000 150000 1050000
Desigualdad 1 120 20 60 >= 1400 1400
Desigualdad 2 100 20 0 >= 1300 1400
Desigualdad 3 200 20 0 >= 1300 1400

Y1 0
Y2 70
Y3 0
W 1050000

Los resultados obtenidos con Solver, coinciden con los obtenidos con el método simplex dual

5 - Interpretar los resultados de la solución del problema primal y de la solución del pro

Resultados problema Primal Resultados problema Dual

Z=10.050.000 W = 10.050.000
X1= 750 Y1=0
Y2=70
INTERPRETACIÓN Y3=0
Se necesitan 750 porciones de Base A para
obtener utilidad de 10.050.000 INTERPRETACIÓN
Y2 es el incremento en la contribución total a las
(1400 x 750=10,050,000 ) OK utilidades, por incorporar en la producción
15001 gramos de carne de cerdo.
Si se aumenta un gramo, la UTILIDAD va a pasar
de 10.050.000 a 10.050.070
obtener utilidad de 10.050.000
(1400 x 750=10,050,000 ) OK
Y2 es el incremento en la contribución total a las
utilidades, por incorporar en la producción
15001 gramos de carne de cerdo.
Si se aumenta un gramo, la UTILIDAD va a pasar
de 10.050.000 a 10.050.070
IÓN LINEAL - PROBLEMA PRIMAL

INFORMACIÓN

C Cerdo Grasa Utilidad

20 60 1400
20 0 1300
20 0 1300
15000 150000

ETIVO: 𝑴𝒂𝒙 𝒁=𝟏𝟒𝟎𝟎𝑿_𝟏+𝟏𝟑𝟎𝟎𝑿_𝟐+𝟏𝟑𝟎𝟎𝑿_𝟑

Res
100000
15000
150000
0
Res
100000 833.333333
15000 750
150000 2500
0

Res
100000
750
150000
0

-90000
10000

-45000
105000

1050000
1050000

Res
10000
750
105000
1050000
da con el método Simplex Primal

iables de holgura en las restricciones R

ón. Multiplico por -1

 S3 Res
0 0
0 -1400
0 -1300
1 -1300

n contar a W) (-1400) S1 será la variable básica de salida

entre los coeficientes de las variables básicas de salida
e: 750, es decir Y2

Res
0
-1400
-1300
-1300

Res
0
70
-1300
-1300

1050000
1050000

1400
100

1400
100

Res
1050000
70
100
100
 n del resultado? Sí

de la solución del problema dual

al

contribución total a las

en la producción
e cerdo.
a UTILIDAD va a pasar
70
contribución total a las
en la producción
e cerdo.
a UTILIDAD va a pasar
70
1. Formulación del problema como modelo de programación lineal. P

información
Carb Av Carb Mv Carb Bv costo viaje
1 viaje Mina A 80 ton 70 ton 65 ton 250 millon
1 viaje Mina B 60 ton 50 ton 40 ton 150 millon
1 viaje Mina C 40 ton 30 ton 20 ton 90 millon
se requiere 5000 ton 4000 ton 3000 ton
¿Cuántos viajes de cada mina se deben recibir mensualmente para suplir los requerimientos mínimos y gen

Variables de decisión:
X1: # Viajes procedentes de mina A
X2: # Viajes procedentes de mina B
X3: # Viajes procedentes de mina C

Modelo canónico
Función Objetivo: Zmin=250.000.000X1+150.000.000X2+90.000.000X3

Restricciones

Carb Av 80X1+60X2+40X3>=5000
Carb Mv 70X1+50X2+30X3>=4000
Carb Bv 65X1+40X2+20X3>=3000

Restricciones de no negatividad:
X1,X2,X3>=0

2- Solucionar el problema primal por el método simplex dual

Modelo Estandar (Para poder trabajar con simplex)

Función Objetivo: Zmin-250000000X1-150000000X2-90000000X3=0

Restricciones. (Para trabajar con igualdades, hay que introducir variables de holgura S, que resten y equili

80X1+60X2+40X3-S1=5000
70X1+50X2+30X3-S2=4000
65X1+40X2+20X3-S3=3000

Conversión de holguras en positivas. (Multiplicar los términos por menos 1)

R1: -80X1-60X2-40X3+S1=-5000
R2: -70X1-50X2-30X3+S2=-4000
R3: -65X1-40X2-20X3+S3=-3000

Matriz inicial
X1 X2 X3 S1 S2
Z -250000000 -150000000 -90000000 0 0
S1 -80 -60 -40 1 0
S2 -70 -50 -30 0 1
S3 -65 -40 -20 0 0

Identificar fila pivote: Número menor en columna Res, sin contar Z: -5000
Identificar columna pivote: dividir las cifras de las variables X1, X2, X3 entre las cifras de fila pivote.
Se toma el número más cercano a 0. -250000000/-80= 3.125.000; -150000000/-60=2.500.000; -90.000.00
Número pivote: cruce columna y fila pivotes: -40
Sale S1 y es reemplazada por la variable X3

X1 X2 X3 S1 S2
Z -250000000 -150000000 -90000000 0 0
X3 -80 -60 -40 1 0
S2 -70 -50 -30 0 1
S3 -65 -40 -20 0 0

Convertir en 1 el número pivote y en ceros los demás números de la columna pivote.

X1 X2 X3 S1 S2
Z -250000000 -150000000 -90000000 0 0
X3 2 1.5 1 -0.025 0
S2 -70 -50 -30 0 1
S3 -65 -40 -20 0 0

Para Z
: X3*90 Mill 180000000 135000000 90000000 -2250000 0
: +Z -70000000 -15000000 0 -2250000 0

Para S2
: X3*30 60 45 30 -0.75 0
: +S2 -10 -5 0 -0.75 1

Para S3
: X3*20 40 30 20 -0.5 0
: +S3 -25 -10 0 -0.5 0

Nueva tabla
X1 X2 X3 S1 S2
Z -70000000 -15000000 0 -2250000 0
X3 2 1.5 1 -0.025 0
: +S2 -10 -5 0 -0.75 1
: +S3 -25 -10 0 -0.5 0

Para saber si ya se terminó, hay que resolver dos preguntas:

Todas las cifras de la columna Res son positivas? R. NO
Todas las cifras de la fila de Z están en cero o son negativas? (excepto el resultado) R. SÍ
Debe hacerse una nueva iteración.

Identificar fila, columna y número pivote. Fila: Número menor de Res: -500 (S3)
Columna: Variables X1, X2, X3 de fila Z, divididas entre cifras de fila pivote.
Número más cercano a cero: -70M/-25=2.800.000; -15000000/10=1.500.000
Número pivote: cruce fila y columna pivotes: -10
Sale S3 y es reemplazada por X2

X1 X2 X3 S1 S2
Z -70000000 -15000000 0 -2250000 0
X3 2 1.5 1 -0.025 0
S2 -10 -5 0 -0.75 1
X2 -25 -10 0 -0.5 0

Convertir pivote en 1, y los demás números de la columna pivote en ceros

X1 X2 X3 S1 S2
Z -70000000 -15000000 0 -2250000 0
X3 2 1.5 1 -0.025 0
S2 -10 -5 0 -0.75 1
X2 2.5 1 0 0.05 0

Para Z
: X2*15Mill 37500000 15000000 0 750000 0
: +Z -32500000 0 0 -1500000 0

Para X3
:X2*-1,5 -3.75 -1.5 0 -0.075 0
: +X3 -1.75 0 1 -0.1 0

Para S2
: X2*5 12.5 5 0 0.25 0
:+S2 2.5 0 0 -0.5 1

Nueva tabla
X1 X2 X3 S1 S2
Z -32500000 0 0 -1500000 0
X3 -1.75 0 1 -0.1 0
 S2 2.5 0 0 -0.5 1
X2 2.5 1 0 0.05 0

Todas las cifras de la columna Res son positivas? R. Sí

Todas las cifras de la fila de Z están en cero o son negativas? (excepto el resultado) R. SÍ

Solución:
Z min =12.000.000.000
X3: 50
X2: 50

2A- Encontrar la solución con Solver

Función Objetivo: Zmin=250.000.000X1+150.000.000X2+90.000.000X3

s.a. 80X1+60X2+40X3>=5000
70X1+50X2+30X3>=4000
65X1+40X2+20X3>=3000

X1 X2 X3 Resultados Fórmula
Func Objetivo 250000000 150000000 90000000 12000000000
Desigualdad 1 80 60 40 >= 5000 5000
Desigualdad 2 70 50 30 >= 4000 4000
Desigualdad 3 65 40 20 >= 3000 3000

X1 0
X2 50
X3 50
Z 12000000000

Los resultados coinciden

3- Formular el problema dual a partir del problema primal

Problema primal
Función Objetivo: Zmin=250.000.000X1+150.000.000X2+90.000.000X3
Restricciones:
80X1+60X2+40X3>=5000
70X1+50X2+30X3>=4000
65X1+40X2+20X3>=3000 No negatividad X1,X2,X3>=0

Formulación del problema dual

(Transponer los coeficientes de las filas de las desigualdades a columnas, cambiar los nombres de las variables, de X pasa
las cifras de resultados de las desigualdades pasan a ser coeficientes de las variables Y.
Los coeficientes de la función objetivo del primal quedan como parámetros de la columna del dual
La relación >= de las desigualdades del primal, se vuelven <= en el dual
y en la función objetivo se cambia de minimizar a maximizar)

Canónico
Función objetivo. Wmax=5000Y1+4000Y2+3000Y3
Sujeto a:
R1: 80Y1+70Y2+65Y3<=250000000
R2: 60Y1+50Y2+40Y3<=150000000
R3: 40Y1+30Y2+20Y3<=90000000
Restricción de no negatividad:Y1,Y2,Y3>=0

4- Solucionar el problema dual por el método simplex primal

Se transforma el modelo canónico en modelo estandar para poder trabajar con simplex primal
Función Objetivo: W-5000Y1-4000Y2-3000Y3=0
R1: 80Y1+70Y2+65Y3+S1=250000000
R2: 60Y1+50Y2+40Y3+S2=150000000
R3: 40Y1+30Y2+20Y3+S3=90000000

Primera tabla
Identificar columna pivote: Número menor o más negativo de los valores de la fila W: -5000
Identificar fila pivote. Los valores de la columna de Res se dividen entre los valores de columna pivote. Se escoge el meno
Fila pivote S3.
Y1 Y2 Y3 S1 S2 S3
W -5000 -4000 -3000 0 0 0
S1 80 70 65 1 0 0
S2 60 50 40 0 1 0
S3 40 30 20 0 0 1
Sale S3 y entra Y1
Convertir número pivote en 1 y los demás de esa columna en ceros
Y1 Y2 Y3 S1 S2 S3
W -5000 -4000 -3000 0 0 0
S1 80 70 65 1 0 0
S2 60 50 40 0 1 0
Y1 1 0.75 0.5 0 0 0.025

Para W
: Y1*5000 5000 3750 2500 0 0 125
: +W 0 -250 -500 0 0 125

Para S1
: Y1*-80 -80 -60 -40 0 0 -2
: +S1 0 10 25 1 0 -2
Para S2
: Y1*-60 -60 -45 -30 0 0 -1.5
: +S2 0 5 10 0 1 -1.5

Nueva tabla
Y1 Y2 Y3 S1 S2 S3
W 0 -250 -500 0 0 125
S1 0 10 25 1 0 -2
S2 0 5 10 0 1 -1.5
Y1 1 0.75 0.5 0 0 0.025

Pregunta: Las cifras de W son positivas o están en cero? NO

Se requiere una nueva iteración
Identificar columna pivote: Número menor o más negativo de los valores de la fila W = -500
Identificar fila pivote. Los valores de la columna de Res se dividen entre los valores de columna pivote. Se escoge el meno
Sale S2, entra Y3
Y1 Y2 Y3 S1 S2 S3
W 0 -250 -500 0 0 125
S1 0 10 25 1 0 -2
Y3 0 5 10 0 1 -1.5
Y1 1 0.75 0.5 0 0 0.025

Convertir número pivote en 1 y los otros números de la columna pivote en cero

Y1 Y2 Y3 S1 S2 S3
W 0 -250 -500 0 0 125
S1 0 10 25 1 0 -2
Y3 0 0.5 1 0 0.1 -0.15
Y1 1 0.75 0.5 0 0 0.025

Para W
: Y3*500 0 250 500 0 50 -75
: +W 0 0 0 0 50 50

Para S1
: Y3*-25 0 -12.5 -25 0 -2.5 3.75
: +S1 0 -2.5 0 1 -2.5 1.75

Para Y1
: Y3*-0,5 0 -0.25 -0.5 0 -0.05 0.075
: +Y1 1 0.5 0 0 -0.05 0.1

Nueva tabla
Y1 Y2 Y3 S1 S2 S3
W 0 0 0 0 50 50
S1 0 -2.5 0 1 -2.5 1.75
Y3 0 0.5 1 0 0.1 -0.15
Y1 1 0.5 0 0 -0.05 0.1
X2 X3
Los valores de la fila W son 0 o positivos, por tanto se llegó a la solución:
Wmax: 12.000.000.000
Y1: 1.500.000
Y3: 1.500.000

4A- En complemento Solver, encontrar la solución del problema dual.

Y1 Y2 Y3 Resultados Fórmula
Func Objetivo 5000 4000 3000 12000000000
Desigualdad 1 80 70 65 <= 250000000 217500000
Desigualdad 2 60 50 40 <= 150000000 150000000
Desigualdad 3 40 30 20 <= 90000000 90000000

Y1 1500000
Y2 0
Y3 1500000
W 12000000000

Los resultados coinciden.

5- Interpretación de resultados de la solución del problema primal y solución del problema du

Problema Primal:
Si se reciben 50 viajes procedentes de mina B, 50 viajes procedentes de mina C y 0 de mina A, se obtiene un menor costo
No deben realizarse viajes procedentes de la mina A
En cuanto al costo mínimo
Los 50 viajes procedentes de la mina B representan un costo de $7.500.000.000
Los 50 viajes procedentes de la mina C representan un costo de $4.500.000.000
Los viajes, en total, suman un costo de $12.000.000.000
En cuanto al tipo de carbón Av
Si se requiere un mínimo de 5000 toneladas de carbón Av, la mina B proporciona en sus 50 viajes, un total de 3000 tonela
Y la mina C proporciona 2000 toneladas. Es decir entre la mina B y la mina C satisfacen justamente el requirimento mínim
En cuanto al tipo de carbón Mv
Si se requiere un mínimo de 4000 toneladas de carbón Mv, la mina B proporciona en sus 50 viajes, un total de 2500 tonel
Y la mina C proporciona 1500 toneladas. Es decir, entre las minas B y C satisfacen justamente el requerimiento mínimo
En cuanto al tipo de carbón Bv
Si se requiere un mínimo de 3000 toneladas de carbón Bv, la mina B proporciona 2000 toneladas y la C proporciona 1000
Entre las minas B y C satisfacen justamente el requerimiento mínimo.

Problema dual
El menor costo es de 12 mil millones de pesos.
La variable Y1 de la función objetivo en el Dual, está relacionada o referida a las restricciones sobre el carbón de Alta vola
para el cual se requiere un mínimo de 5000 toneladas. El precio sombra para este tipo de carbón es de 1.500.000 por ton
por tanto, si se tiene en cuenta un total de 5.000 toneladas, el precio total sería de $7.500.000.000
La variable Y3 de la función objetivo en el Dual, está relacionada o referida a las restricciones sobre el carbón de Baja vola
para el cual se requiere un mínimo de 3000 toneladas. El precio sombra para este tipo de carbón es de 1.500.000 por ton
por tanto, si se tiene en cuenta un total de 3.000 toneladas, el precio total sería de $4.500.000.000
Al sumar las dos cantidades anteriores, se obtiene la correspondencia con el total de W, pues para la restricción Y2, no hu
respuesta, es decir es 0.
W= 1500000Y1+0Y2+1500000= 12.000.000
W= 1500000*5000+0Y2+1500000*3000= 12.000.000

Con fundamento en lo anterior, se tiene que para obtener el menor costo de 12 mil millones, se hace necesario 50 viajes
de la mina B, es decir, el suministro de 3000 toneladas de carbón de alta volatilidad, más 2.500 toneladas de carbón de m
más 2000 toneladas de carbón de baja volatilidad, e igualmente, 50 viajes procedentes de la mina C, es decir, el suministr
2000 toneladas de carbón de alta, 1500 toneladas de carbón de media y 1000 toneladas de carbón de baja.
Con lo cual, se satisfacen las tres restricciones, sin tener que acudir a la mina A.
 ación lineal. Problema primal

mientos mínimos y generar el menor costo de transporte?

ura S, que resten y equilibren)

 S3 Res
0 0
0 -5000
0 -4000
1 -3000

ras de fila pivote.

60=2.500.000; -90.000.000/-40=2.250.000

S3 Res
0 0
0 -5000
0 -4000
1 -3000

S3 Res
0 0
0 125
0 -4000
1 -3000

0 11250000000
0 11250000000

0 3750
0 -250

0 2500
1 -500

S3 Res
0 11250000000
 0 125
0 -250
1 -500

S3 Res
0 11250000000
0 125
0 -250
1 -500

S3 Res
0 11250000000
0 125
0 -250
-0.1 50

-1500000 750000000
-1500000 12000000000

0.15 -75
0.15 50

-0.5 250
-0.5 0

S3 Res
-1500000 12000000000
0.15 50
 -0.5 0
-0.1 50

e las variables, de X pasa a Y,

vote. Se escoge el menor positivo

Res
0
250000000 3125000
150000000 2500000
90000000 2250000

Res
0
250000000
150000000
2250000

11250000000
11250000000

-180000000
70000000
 -135000000
15000000

Res
11250000000
70000000
15000000
2250000

vote. Se escoge el menor positivo

Res
11250000000 -22500000
70000000 2800000
15000000 1500000
2250000 4500000

Res
11250000000
70000000
1500000
2250000

750000000
12000000000

-37500000
32500000

-750000
1500000

Res
12000000000
 32500000
1500000
1500000

ón del problema dual

obtiene un menor costo posible de 12 mil millones.

, un total de 3000 toneladas

e el requirimento mínimo

s, un total de 2500 toneladas

equerimiento mínimo

y la C proporciona 1000
re el carbón de Alta volatilidad
es de 1.500.000 por tonelada

re el carbón de Baja volatilidad

es de 1.500.000 por tonelada

a la restricción Y2, no hubo

hace necesario 50 viajes procedentes

oneladas de carbón de mediana volatilidad,
a C, es decir, el suministro de
 Una fábrica produce detergente en gel a $10.000 la unidad y para su producción requiere 100 Kg de grasa anim
soda caustica, detergente solido a $8.000 la unidad y para su producción requiere 80 Kg de grasa animal, 100
caustica y detergente en polvo $8.500 la unidad y para su producción requiere 90 Kg de grasa animal, 140 Kg d
caustica. La disponibilidad máxima de materia prima es de 7.000 Kg de grasa animal, 8.000 Kg de grasa vegeta
requiere optimizar los ingresos percibidos por detergente y evaluar la cantidad optima de cada detergente a p

1- Formular el problema como un modelo de programación lineal

Grasa Anim Grasa Veg Soda Caus Valor unidad

D Gel 100 150 120 10000
D Sólido 80 100 100 8000
D Polvo 90 140 110 8500
Cant Dispon 7000 8000 7000
Optimizar ingresos percibidos y evaluar la cantidad óptima de cada detergente a producir

Variables de decisión:
X1: Unidades de Detergente Gel
X2: Unidades de Detergente Sólido
X3: Unidades de Detergente Polvo

Función Objetivo
Max Z=10000X1+8000X2+8500X3
Restricciones por recurso
G Animal: 100X1+80X2+90X3<=7000
G Vegetal: 150X1+100X2+140X<=8000
Soda Caus: 120X1+100X2+110X3<=7000

Restricciones no negatividad
X1,X2,X3 >=0

2- Solucionar el modelo de programación lineal por el método simplex primal

Hay que pasar del modelo canónico al modelo estandar para trabajar con simplex

Z-10000X1-8000X2-8500X3=0
Se incluyen variables de holgura, para trabajar con igualdades
100X1+80X2+90X3+S1=7000
150X1+100X2+140X3+S2=8000
120X1+100X2+110X3+S3=7000
Restricciones de no negatividad
X1, X2, X3, S1, S2, S3 >=0

Matriz inicial
 X1 X2 X3 S1 S2
Z -10000 -8000 -8500 0 0
S1 100 80 90 1 0
S2 150 100 140 0 1
S3 120 100 110 0 0

columna pivote: número menor o más negativo de los valores de la fila Z: -10000
Fila pivote: Razón mínima , valores de Res/valores columna pivote
Elemento pivote, cruce fila y columna pivotes: 150
Sale S2 y entra X1
X1 X2 X3 S1 S2
Z -100000 -8000 -8500 0 0
S1 100 80 90 1 0
X1 150 100 140 0 1
S3 120 100 110 0 0

Convertir en 1 el número pivote y en ceros los otros números de la columna pivote.

X1 X2 X3 S1 S2
Z -10000 -8000 -8500 0 0
S1 100 80 90 1 0
X1 1 0.666666667 0.93333333 0 0.006666666667
S3 120 100 110 0 0

Para Z
: X1*10000 10000 6666.666667 9333.33333 0 66.66666666667
:+Z 0 -1333.33333 833.333333 0 66.66666666667

Para S1
: X1*-100 -100 -66.6666667 -93.3333333 0 -0.66666666667
: +S1 0 13.33333333 -3.33333333 1 -0.66666666667

Para S3
: X1*-120 -120 -80 -112 0 -0.8
: +S3 0 20 -2 0 -0.8

Nueva tabla
X1 X2 X3 S1 S2
Z 0 -1333.33333 833.333333 0 66.66666666667
S1 0 13.33333333 -3.33333333 1 -0.66666666667
X1 1 0.666666667 0.93333333 0 0.006666666667
S3 0 20 -2 0 -0.8

Pregunta: Las cifras de Z son positivas o están en cero? R. NO

Se requiere una nueva iteración
columna pivote: número menor o más negativo de los valores de la fila Z: -1333,333
Fila pivote: Razón mínima , valores de Res/valores columna pivote : 30
Elemento pivote, cruce fila y columna pivotes: 20
Sale S3 y entra X2

Convertir en 1 el número pivote y en ceros los demás números de la columna pivote

X1 X2 X3 S1 S2
Z 0 -1333.33333 833.333333 0 66.66666666667
S1 0 13.33333333 -3.33333333 1 -0.66666666667
X1 1 0.666666667 0.93333333 0 0.006666666667
X2 0 1 -0.1 0 -0.04

Para Z
: X2*1333,333 0 1333.333333 -133.333333 0 -53.3333333333
: +Z 0 0 700 0 13.33333333333

Para S1
: X2*-13,333 0 -13.3333333 1.33333333 0 0.533333333333
: +S1 0 0 -2 1 -0.13333333333

Para X1
: X2*-0,6667 0 -0.66666667 0.06666667 0 0.026666666667
:+X1 1 0 1 0 0.033333333333

Nueva tabla
X1 X2 X3 S1 S2
Z 0 0 700 0 13.33333333333
S1 0 0 -2 1 -0.13333333333
X1 1 0 1 0 0.033333333333
X2 0 1 -0.1 0 -0.04

Pregunta: Las cifras de Z son positivas o están en cero? R. SÍ

Se ha llegado a la solución.
Z max = 573333,333
X1= 33,3333333
X2= 30
X3=0

2B- En complemento Solver, encontrar la solución del modelo de programación lineal

X1 X2 X3 Resultados
Func Objet 10000 8000 8500
Desiguald 1 100 80 90 <= 7000
Desiguald 2 150 100 140 <= 8000
Desiguald 3 120 100 110 <= 7000
X1 33.3333333
X2 30
X3 0
Z 573333

Los resultados coinciden.

3- Realizar el análisis de sensibilidad a la solución óptima simplex primal del modelo de

Microsoft Excel 14.0 Informe de confidencialidad

Hoja de cálculo: [Ejerc 1 Dualidad A Acosta.xlsx]Ejercicio 3
Informe creado: 14/02/2020 05:20:44 p.m.

Celdas de variables
Final Reducido Objetivo
Celda Nombre Valor Coste Coeficiente
$C$131:$C$133
$C$131 X1 33.3333333 0 10000
$C$132 X2 30 0 8000
$C$133 X3 0 -700 8500

Restricciones
Final Sombra Restricción
Celda Nombre Valor Precio Lado derecho
$H$127:$H$129 <= $G$127:$G$129
$H$127 <= Fórmula 5733.33333 0 7000
$H$128 <= Fórmula 8000 13.3333333 8000
$H$129 <= Fórmula 7000 66.6666667 7000

A- Analizar los cambios de aumento y reducción de los coeficientes de las variables de la función objetivo.

X1 son las unidades de detergente gel y X2 son las unidades de detergente sólido (X3: unidades detergente polvo
Inicialmente, al resolver el problema los resultados nos dicen que para lograr un ingreso óptimo de $ 573,333
se deben producir 33,3333 unidades de detergente gel, 33 unidades de detergente sólido y 0 unidades de deterg

En el informe de confidencialidad en la columna Final Valor, aparece que para X1 el número de unidades a produ
es de 33,3333 y para X2, el número a producir es de 33, lo cual coincide los resultados obtenidos
En la columna "Objetivo coeficiente" encontramos que 10000, 8000 y 8500 corresponden a los coeficientes
de las variables de la función objetivo.
Las columnas "permisible aumentar" y "permisible reducir" nos indican los valores entre los cuales puede aumen
disminuir el coeficiente de las variables de la función objetivo, de tal manera que los óptimos sigan siendo los val
33,3333 y 33 respectivamente
De acuerdo con lo anterior, podemos tomar el coeficiente de X1, que es 10000 y lo podemos subir hasta 12000,
porque el informe dice que es permisible aumentarlo hasta en 2000, es decir, tal aumento no deberá afectar el r
si modificamos el coeficiente de X1 dentro del rango permisible, al aplicar nuevamente el solver la solución tendr
Lo dicho significa que el detergente Gel puede ser producido hasta 12.000 la unidad y los óptimos encontrados n
o sea que seguirán siendo 33.3333 y 33 las cantidades óptimas de gel, si se producen, por ejemplo 11.900 unidad

En el mismo orden de ideas, el detergente sólido puede ser producido hasta 333,33 por encima de 8000, es deci
hasta 8333,33 por unidad y los valores óptimos seguirán siendo 33,3333 y 33 respectivamente a gel y sólido
Y dentro de la misma lógica podrá reducirse los coeficientes, de 10.000 a 9600 para X1
y de 8000 a 6666,67 para X2, sin que las cantidades óptimas se modifiquen, aunque el valor de Z sí cambie

B- Analizar los cambios de aumento y reducción de las disponibilidades de las restricciones

Las restricciones están referidas a: 1) sólo se cuenta con 7000 Kg de grasa animal; 2) 8000 Kg de grasa vegetal y 3
El precio sombra de la restricción de grasa animal es 0, permisible aumentar infinito y permisible reducir 1266,66
En el lado derecho de la restricción (cantidad disponible de grasa animal) puedo aumentar cualquier cantidad y e
será el mismo. Si el precio sombra es cero, significa que a pesar de cualquier incremento que se haga, el valor de
Z max, seguirá siendo 573333,333 y la solución seguirá siendo 33,3333 y 33

En cuanto a la reducción, sólo se puede hasta el permisible reportado por el informe, es decir 1266,66, es decir, s
dicha cantidad, el precio sombra seguirá siendo cero, porque el cambio hecho en el lado derecho de la restricción
dentro del margen permitido.

Observamos que el valor reducible permitido para la restricción es de 1266,67, porque se tiene disponibles 7000
la columna de restricción lado derecho) y lo que se utilizó fue 5733.33 (que muestra la columna "final valor") es d
7000 disponibles menos 5733,33 = 1266,67 que es la cifra permitida para reducir
La tabla del informe dice que para la restricción de grasa vegetal, el lado derecho estaba en 8000, pero que se pu
750 o reducir hasta 1000, sin que el precio sombra de 13,33 sufra variación alguna

4- Realizar el análisis post-óptimo a la solución del modelo de programación lineal por el método simplex prim
A- Cambios que afectan la factibilidad
Cambios en los coeficientes del lado derecho. Variación de los recursos.
Tabla inicial:
X1 X2 X3 S1 S2
F. Objetivo -10000 -8000 -8500 0 0
Restricciones
S1 100 80 90 1 0
S2 150 100 140 0 1
S3 120 100 110 0 0

La cifra 7000 del lado derecho, se reemplaza por la constante b1 y se aplica el método simplex

X1 X2 X3 S1 S2
F. Objetivo -10000 -8000 -8500 0 0
Restricciones
S1 100 80 90 1 0
S2 150 100 140 0 1
S3 120 100 110 0 0

Tomar -10000 como valor más negativo y aplicar criterio de razón mínima para seleccionar fila y columna
X1 X2 X3 S1 S2
F. Objetivo -10000 -8000 -8500 0 0
Restricciones
S1 100 80 90 1 0
S2 150 100 140 0 1
S3 120 100 110 0 0

Se busca obtener las mismas variables de la solución óptima

: b1/100= 53,3333
b1>=5333,33
Entra X1, sale S2
Obtener la misma tabla generada por simplex, excepto la solución
Aplicar: b1-100(53,3333)= b1-5333,33
Tomar el valor más negativo de la función objetivo y aplicar el criterio de la razón mínima.
La tabla queda:
X1 X2 X3 S1 S2
F. Objetivo 0 -1333.33 833.3333 0 66.66667
Restricciones
S1 0 13.3333 -3.33333 1 -0.66667
X1 1 0.666667 0.933333 0 0.006667
S3 0 20 -2 0 -0.8

Se genera:
:(b1-5333,3333)/13,3333>=30
: b1>=400+5333,3333
: b1>= 5733,3333
Entra X2 y sale S3
Obtener la misma tabla generada por simplex, excepto la solución
Aplicar: b1-53,3333

Nueva tabla
X1 X2 X3 S1 S2
F. Objetivo 0 0 700 0 13.33333
Restricciones

S1 0 0 -2 1 -0.133333
X1 1 0 1 0 0.0333333
S3 0 1 -0.1 0 -0.04

: b1-5733,3333>=0
:b1>=5733,3333

Interpretación
Si se toma en cuenta que la cantidad de grasa animal tiene inicialmente una disponibilidad total de 7000 kg, es p
dicha cantidad disminuya hasta un valor límite de 5733,33 Kg sin que el valor encontrado para la solución óptima
Este resultado coincide con lo arrojado por el informe de confidencialidad, según el cual para el recurso grasa an
reducir hasta en 1266,67 sin que la solución óptima varíe.

B- Cambios que afectan la optimalidad

Los coeficientes de las variables de la función objetivo son: 10000, 8000 y 8500
Tomamos la tabla de la solución óptima encontrada con el método simplex primal:

X1 X2 X3 S1 S2
Z 0 0 700 0 13.33333333333
S1 0 0 -2 1 -0.13333333333
X1 1 0 1 0 0.033333333333
X2 0 1 -0.1 0 -0.04

Se van a aplicar cambios en los coeficientes de X1, X2 y X3 de la fila Z (Función objetivo)

El coeficiente de X1, se reemplaza con la constante C1
Los coeficientes de X2 y X3 serán 8000 y 8500, es decir los que tiene la función objetivo planteada al iniciar el eje
Los coeficientes de S1, S2 y S3 serán cero.
En Res o solución, va cero
La tabla queda así:
X1 X2 X3 S1 S2
Z C1 8000 8500 0 0
Restricciones
S1 0 0 -2 1 -0.13333333333
X1 1 0 1 0 0.033333333333
X2 0 1 -0.1 0 -0.04

Se realizan las siguientes operaciones

C1-(1*C1)=0
8000-(0*C1)=8000
8500-(1*C1)=8500-C1
0-(0*C1) =0
0-(0.033333*C1)= -0,033333*C1
0-(-0,03333*C1)=0,033333*C1
0-(33,33333333*C1)=-33,33333333*C1

La tabla queda:
X1 X2 X3 S1 S2
Z C1 8000 8500-C1 0 :-0,033333*C1
Restricciones
S1 0 0 -2 1 -0.13333333333
X1 1 0 1 0 0.033333333333
X2 0 1 -0.1 0 -0.04

Se multiplican por -1 los coeficientes de la función objetivo

X1 X2 X3 S1 S2
Z 0 -8000 :-8500+C1 0 :0,033333*C1
S1 0 0 -2 1 -0.13333333333
X1 1 0 1 0 0.033333333333
X2 0 1 -0.1 0 -0.04

Se convierte en 0 a -8000
Se realizan las siguientes operaciones
:-8000*-(1*-8000)=0
:-8500+c1-(0,1*-8000)=-7700+c1
: 0,03333*c1-(-0,04*-8000)=0,03333*c1-320
: -0,03333*c1-(0,05*-8000=-0,03333c1+400
: 33,3333*c1-(30*-8000)=33,3333c1+240000

Se obtiene:

X1 X2 X3 S1 S2
Z 0 0 : -7700+c1 0 :0,03333*C1-320
Restricciones
S1 0 0 -2 1 -0.13333
X1 1 0 1 0 0.033333
X2 0 1 -0.1 0 -0.04

Sólo X3 tiene coeficiente. Por tanto se plantea:

:-7700 +c1>=0
c1>=7700

:0.03333c1-320>=0
:0.03333c1>=320
:c1>= 320/0.03333
:c1>= 9600
:-0,03333c1+400>=0
:-0,03333c1>=-400
: -0,03333c1 (-1)>=-400*-1
:c1<=-400/-0,03333
: c1<=12000
(Este resultado coincide con el informe de confidencialidad pues el objetivo coeficiente 10000 se puede aumenta

Interpretación:
El ingreso por unidad de detergente gel sin que se afecte la solución óptima debe estar en el rango: 9600<=c1<=1
Es decir, es permisible reducir el coeficiente 10000 hasta en 400 y es permisible aumentarlo hasta en 2000
(Lo cual coincide con lo arrojado por el informe solver de confiabilidad)
oducción requiere 100 Kg de grasa animal, 150 Kg de grasa vegetal y 120 Kg de
n requiere 80 Kg de grasa animal, 100 Kg de grasa vegetal y 100 Kg de soda
quiere 90 Kg de grasa animal, 140 Kg de grasa vegetal y 110 Kg de soda
grasa animal, 8.000 Kg de grasa vegetal y 7.000 Kg de soda caustica. Se
antidad optima de cada detergente a producir.

programación lineal

ente a producir

todo simplex primal

S3 Res o sol
0 0
0 7000
0 8000
1 7000

S3 Res o sol
0 0
0 7000 70
0 8000 53.3333333
1 7000 58.3333333

S3 Res
0 0
0 7000
0 53.3333333333333
1 7000

0 533333.333333333
0 533333.333333333

0 -5333.33333333333
0 1666.66666666667

0 -6400
1 600

S3 Res o Sol
0 533333.333333333
0 1666.66666666667 125
0 53.3333333333333 80
1 600 30
 S3 Res o Sol
0 533333.333333333
0 1666.66666666667
0 53.3333333333333
0.05 30

66.666666666665 39999.999999999
66.666666666665 573333.333333332

-0.666666666666665 -399.999999999999
-0.666666666666665 1266.66666666667

-0.033333333333335 -20.000000000001
-0.033333333333335 33.3333333333323

S3 Res
66.666666666665 573333.333333332
-0.666666666666665 1266.66666666667
-0.033333333333335 33.3333333333323
0.05 30

delo de programación lineal

Fórmula
573333
5733.33333333333
8000
7000
simplex primal del modelo de programación lineal.

Permisible Permisible
Aumentar Reducir

2000 399.999999999999
333.333333333332 1333.33333333333
700.000000000001 1E+030

Permisible Permisible
Aumentar Reducir

1E+030 1266.66666666667
750 999.999999999999
999.999999999999 600

variables de la función objetivo.

sólido (X3: unidades detergente polvo)

ar un ingreso óptimo de $ 573,333
ergente sólido y 0 unidades de detergente polvo

ara X1 el número de unidades a producir

resultados obtenidos
corresponden a los coeficientes

valores entre los cuales puede aumentar o

ra que los óptimos sigan siendo los valores
 000 y lo podemos subir hasta 12000,
cir, tal aumento no deberá afectar el resultado del problema;
nuevamente el solver la solución tendrá que ser la misma
la unidad y los óptimos encontrados no variarán
producen, por ejemplo 11.900 unidades de Detergente Gel

a 333,33 por encima de 8000, es decir, podrá ser producido

33 respectivamente a gel y sólido
600 para X1
, aunque el valor de Z sí cambie

e las restricciones

animal; 2) 8000 Kg de grasa vegetal y 3) 7000 Kg de soda caústica

ar infinito y permisible reducir 1266,66
uedo aumentar cualquier cantidad y el precio sombra
er incremento que se haga, el valor de la función objetivo

el informe, es decir 1266,66, es decir, si se reduce hasta

cho en el lado derecho de la restricción está

,67, porque se tiene disponibles 7000 (que muestra

muestra la columna "final valor") es decir

erecho estaba en 8000, pero que se puede aumentar hasta

ón lineal por el método simplex primal.

S3 Res (Sol)
0 0
Lado derecho
0 7000
0 8000
1 7000

el método simplex

S3 Res (Sol)
0 0
 Lado derecho
0 b1
0 8000
1 7000

para seleccionar fila y columna

S3 Res (Sol)
0 0
Lado derecho
0 b1
0 8000 53.3333333
1 7000 58.3333333

razón mínima.

S3 Res (Sol)
0 0
Lado derecho
0 b1-100(53,3333)= b1-5333,33

0 53.33333333 80
1 600 30

S3 Res (Sol)
66.66667 0
Lado derecho
(b1-53,3333)-13,33333(30)=
-0.66667 b1-5733,33333
-0.03333 33.33333333
0.05 30
a disponibilidad total de 7000 kg, es posible que
or encontrado para la solución óptima se modifique.
según el cual para el recurso grasa animal es permisible

S3 Res o Sol
66.666666666665 573333.333333332
-0.666666666666665 1266.66666666667
-0.033333333333335 33.3333333333323
0.05 30

ión objetivo)

ción objetivo planteada al iniciar el ejercicio

S3 Res o Sol
0 0
Lado derecho
-0.666666666666665 1266.66666666667
-0.033333333333335 33.3333333333323
0.05 30

S3 Res o Sol
:0,033333*C1 :-33,33333333*C1
Lado derecho
-0.666666666666665 1266.66666666667
 -0.033333333333335 33.3333333333323
0.05 30

S3 Res o Sol
:-0,033333*C1 :33,33333333*C1
-0.666666666666665 1266.66666666667
-0.033333333333335 33.3333333333323
0.05 30

S3 Res o sol
:-0,03333*C1+400 :33,3333*C1+240000
Lado derecho
-0.66667 1266.66666666667
-0.03333 33.3333333333323
0.05 30

o coeficiente 10000 se puede aumentar hasta en 2000)

a debe estar en el rango: 9600<=c1<=12000

sible aumentarlo hasta en 2000
 CONCLUSIONES

El desarrollo del trabajo permitió aplicar y reforzar los conceptos de Programación lineal al
analizar e identificar problemas dentro de una empresa u organización para un proceso
específico buscando minimizar los costos o maximizar la utilidad, para lo cual se plantea el
problema de Programación Lineal de acuerdo a las variables y restricciones de la función
Objeto del Problema, para posteriormente formular los modelos matemáticos canónicos y
estándar para cada caso de estudio presentado dentro del trabajo individual de cada
miembro del grupo colaborativo.

La programación Lineal nos permite establecer dentro de los procesos en una empresa,
mecanismos de control que podemos tomar para optimizar los recursos y así mismo tener
una mayor productividad y manejo de la materia prima.

En la Programación Lineal cuando se da una asignación de recursos para la optimización de

un objetivo al que se debe llegar para mejorar notablemente las funciones de la empresa

La Programación Lineal es un procedimiento matemático, que resuelve un problema

determinado, formulado a través de ecuaciones y optimizando la función objetivo
REFERENCIAS

UNAD (2018) Red Tutores Programación Lineal. Minimización por el método simplex dual. Archivo de

EdudisFCE (2017). Dualidad Parte 1. Archivo de video. Recuperado de https://www.youtube.com/watch

EdudisFCE (2017). Dualidad Parte 2. Archivo de video. Recuperado de https://www.youtube.com/watch

Excel Cartagena (2019). Método Simplex en Excel - Solver. Archivo de video. Recuperado de https://ww

Unad (2017). Red Tutores Programación Lineal. Simplex primal a Dual. Archivo de video. Recuperado d

Hillier, F. (2011). Introducción a la investigación de operaciones (pp. 198-220), México D.F.,

México: Editorial Mc Graw Hill. Recuperado de: http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/det

Kong, M. (2010). Investigación de operaciones: Programación lineal. Problemas de transporte. Análisis d

Recuperado de: http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/detail.action?docID=3214857
odo simplex dual. Archivo de video. Recuperado de https://www.youtube.com/watch?v=R6qj-A6VXvQ

ps://www.youtube.com/watch?v=EzW3zqLneh8

ps://www.youtube.com/watch?v=BH4njs8sMNs

eo. Recuperado de https://www.youtube.com/watch?v=LzzPtsS3IN4

chivo de video. Recuperado de https://www.youtube.com/watch?v=5GzgRpXppPo&t=183s

20), México D.F.,

ad.edu.co:2460/lib/unadsp/detail.action?docID=3214887

emas de transporte. Análisis de redes (pp. 95-139), Lima, Perú: Fondo editorial

action?docID=3214857