Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TAREA 2
SOLUCIÓN DE MODELOS DE PROGRAMACIÓN LINEA
Entregado por:
LAURA VALENTINA GAITAN
DIEGO ALEJANDRO VELOSA PEREZ
PETER JAHIR ACOSTA
JENNY MARGARITA CHAVES
DIANNE LORIETH JIMENEZ
Grupo:
100404_125
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANC
Octubre 2020
Programación Lineal
TAREA 2
ELOS DE PROGRAMACIÓN LINEAL DE DECISIÓN
Entregado por:
LAURA VALENTINA GAITAN
GO ALEJANDRO VELOSA PEREZ
PETER JAHIR ACOSTA
JENNY MARGARITA CHAVES
DIANNE LORIETH JIMENEZ
Grupo:
100404_125
NACIONAL ABIERTA Y A DISTANCIA - UNAD
Octubre 2020
INTRODUCCIÒN
En el presente trabajo cuenta con el desarrollo de los tres ejercicios plantados por el tutor en la guía Solución
de decisión los cuales nos muestran que Para llegar a la solución de un problema de Programación Lineal
solución algunos de estos son:
El método simplex este método se trabajara en el ejercicio #1 el cual veremos como se aplica, este es ana
programación lineal, y es capaz de resolver modelos mas complejos que los resultados mediante el método gr
de programación lineal asociados a problemas de procesos de producción y servicios.
El método simplex primal, artificial lo veremos desarrollado en el ejercicio #2 este es un truco matemáti
ecuaciones.
El ejercicio #3 sera desarrollado por el Método Simplex Dual, los problemas de programación lineal tienen un se
esto se le denomina primal y al otro dual.
N
FUNCIÓN OBJETIVO
MODELO CANONICO
Restricción 1. 110X1 + 90X2 + 100X3 ≤ 500.000
Restricción 2. 20000X1 + 50000X2 + 17000X3 ≤ 125.000.000
Restricción 3. 10X1 + 5X2 + 10X3 ≤ 20.000
Restricción 4. x1, x2, x3 > 0
MODELO ESTANDAR
Restricción 1. 110X1 + 90X2 + 100X3 + h1 = 500.000
Restricción 2. 20000X1 + 50000X2 + 17000X3 + h2 = 125.000.000
Restricción 3. 10X1 + 5X2 + 10X3 + h3 = 20.000
Restricción 4. x1, x2, x3, h1, h2, h3 > 0
VARIABLES
Video Juego ARCADE: X1
Video Juego ESTRATEGIA: X2
Video Juego SIMULACIÓN: X3
Variables Z X1 X2 X3 h1 h2
S1 0 110 90 100 1 0
S2 0 20000 50000 17000 0 1
S3 0 10 5 10 0 0
Z 1 -170 -140 -150 0 0
Variables Z X1 X2 X3 h1 h2
h1 0 110 90 100 1 0
h2 0 20000 50000 17000 0 1
h3 0 10 5 10 0 0
Z 1 -170 -140 -150 0 0
Variables Z X1 X2 X3 h1 h2
h1 0 110 90 100 1 0
h2 0 20000 50000 17000 0 1
h3 0 10 5 10 0 0
Z 1 -170 -140 -150 0 0
Variables Z X1 X2 X3 h1 h2
h1 0 0 35 -10 1 0
h2 0 0 40000 -3000 0 1
X1 0 1 0.5 1 0 0
Z 1 0 -55 20 0 0
Variables Z X1 X2 X3 h1 h2
h1 0 0 35 -10 1 0
h2 0 0 40000 -3000 0 1
X1 0 1 0.5 1 0 0
Z 1 0 -55 20 0 0
Variables Z X1 X2 X3 h1 h2
h1 0 0 35 -10 1 0
h2 0 0 40000 -3000 0 1
X1 0 1 0.5 1 0 0
Z 1 0 -55 20 0 0
Variables Z X1 X2 X3 h1 h2
h1 0 0 0 -7.375 1 -0.000875
X2 0 0 1 -0.075 0 2.5E-05
X1 0 1 0 1.0375 0 -1.25E-05
Z 1 0 0 15.875 0 0.001375
Solucion optima
Variable Soluciòn
Z 456875
X2 2125
X1 937.5
H1 205625
Los resultados por el método simplex primal nos dio que se deben fabricar solamente los dos primeros
video juegos, el tercer video juego no influyó cuando se encontró el máximo de utilidades, la empresa
puede concluir que se puede enfocar solamente en la fabricación de los dos primeros juegos ya que el 3 no
tiene relevancia, puede parar su producción o desecharlo. En este caso se tomó la ecuación despues de
costos para encontrar la utilidad neta.
ego arcade es de USD170, del videojuego
ación lineal:
do simplex primal:
h3 C.Resultados
0 500000
0 125000000
1 20000
0 0
h3 C.Resultados
0 500,000
0 125,000,000
1 20,000
0 0
h3 C.Resultados
0 500000 4545.45455 Podemos ver por medio del criterio de la razón
0 125000000 6250 minima que la variable que sale de la base es H3
y que entra a la base es X1
1 20000 2000
0 0
h3 C.Resultados
-11 280000
-2000 85000000
0.1 2000
17 340000
h3 C.Resultados
-11 280000
-2000 85000000
0.1 2000
17 340000
h3 C.Resultados
-11 280000 8000
Podemos ver por medio del criterio de la razón
-2000 85000000 2125 minima que la variable que sale de la base es H2
0.1 2000 4000 y que entra a la base es X2
17 340000
h3 C.Resultados
-9.25 205625
-0.05 2125
0.125 937.5
14.25 456875
Data Results
x1 x2 x3 LHS Slack/Surplus
Maximize 170 140 150 sign RHS 456875
Constraint 1 110 90 100 < 500000 294375 205625 Constraint
Constraint 2 20000 50000 17000 < 125000000 1.25E+08 0 Constraint
Constraint 3 10 5 10 < 20000 20000 0 Constraint
Results
Variables 937.5 2125 0
Objective 456875
Page 11
Microsoft Excel 15.0 Informe de confidencialidad
Hoja de cálculo: [Libro1.xlsx]VIDEOGAMER Co
Informe creado: 12/10/2020 17:20:31
Celdas de variables
Final Reducido Objetivo Permisible Permisible
Celda Nombre Valor Coste Coeficiente Aumentar Reducir
$B$18 Variables x1 937.5 0 170 110 15.301204819
$C$18 Variables x2 2125 0 140 211.66666667 55
$D$18 Variables x3 0 -15.875 150 15.875 1E+030
Restricciones
Final Sombra Restricción Permisible Permisible
Celda Nombre Valor Precio Lado derecho Aumentar Reducir
$K$13 Constraint 1 < constraints 294375 0 500000 1E+030 205625
$K$14 Constraint 2 < constraints 125000000 0.001375 125000000 75000000 85000000
$K$15 Constraint 3 < constraints 20000 14.25 20000 22229.72973 7500
$M$13 Constraint 1 > constraints 0 0 0 0 1E+030
$M$14 Constraint 2 > constraints 0 0 0 0 1E+030
$M$15 Constraint 3 > constraints 0 0 0 0 1E+030
Ejercicio 2. Método simplex artificial.
Formulación estandar:
Función objetivo
Maximizar Z = 61662 X1 + 52278 X2 + 56300 X3 + 0S1 + 0S2 +0S3
Sujeto a:
13 X1 + 10 X2 + 20 X3 - S1 +A1= 6000
8 X1 + 5 X2 + 4 X3 + S2 = 2000
18 X1 + 15 X2 + 20 X3 + S3 = 7000
X1, X2, X3, S1, S2, S3, A1 ≥ 0
Sujeto a:
13 X1 + 10 X2 + 20 X3 - S1 +A1= 6000
8 X1 + 5 X2 + 4 X3 + S2 = 2000
18 X1 + 15 X2 + 20 X3 + S3 = 7000
X1, X2, X3, S1, S2, S3, A1 ≥ 0
El método simplex artificial, genera una variable artificaial que se denomia A1, en donde
base y posteriormente se aplica el método simples primal al no tener esta variable artifi
VARIABLES BASE X1 X2 X3 S1
S1 13 10 20 -1
S2 8 5 4 0
S3 18 15 20 0
-61662 -52278 -56300 0
VARIABLES BASE X1 X2 X3 S1
X3 0.65 0.5 1 -0.05
S2 5.4 3 0 0.2
S3 5 5 0 1
-25067 -24128 0 -2815
VARIABLES BASE X1 X2 X3 S1
X3 0 0.13888889 1 -0.074074
X1 1 0.55555556 0 0.037037
S3 0 2.22222222 0 0.8148148
0 -10201.889 0 -1886.593
VARIABLES BASE X1 X2 X3 S1
X3 0 0 1 -0.125
X1 1 0 0 -0.166667
X2 0 1 0 0.3666667
0 0 0 1854.1
La empresa SIDERCOL Co. debe producir 116,667 unidades de acero al carbono estructural p
unidades de acero al carbono estructural para perfiles y 187,5 unidades de acero al carbono
chapas para asi poder maximizar las utilidades de la empresa en USD 421'793.850
La empresa SIDERCOL Co. debe producir 116,667 unidades de acero al carbono estructural p
unidades de acero al carbono estructural para perfiles y 187,5 unidades de acero al carbono
chapas para asi poder maximizar las utilidades de la empresa en USD 421'793.850
neal:
para barras, perfiles y chapas para utilizar en construcciones y estructuras en
Variables:
carbono estructural para barras
arbono estructural para perfiles
carbono estructural para chapas
Función objetivo
61662 X1 + 52278 X2 + 56300 X3
ujeto a:
+ 10 X2 + 20 X3 ≥ 6000
1 + 5 X2 + 4 X3 ≤ 2000
1 + 15 X2 + 20 X3 ≤ 7000
X1, X2, X3 ≥ 0
Función objetivo
78 X2 + 56300 X3 + 0S1 + 0S2 +0S3
Sujeto a:
X1 + 10 X2 + 20 X3 - S1 +A1= 6000
8 X1 + 5 X2 + 4 X3 + S2 = 2000
8 X1 + 15 X2 + 20 X3 + S3 = 7000
X1, X2, X3, S1, S2, S3, A1 ≥ 0
Sujeto a:
X1 + 10 X2 + 20 X3 - S1 +A1= 6000
8 X1 + 5 X2 + 4 X3 + S2 = 2000
8 X1 + 15 X2 + 20 X3 + S3 = 7000
X1, X2, X3, S1, S2, S3, A1 ≥ 0
O SIMPLEX ARTIFICIAL
al que se denomia A1, en donde incialmente por medio de iteraciones esta saldra de la
al al no tener esta variable artificial, como se muestra en las tablas de las iteraciones
S2 S3 Z Solución VARIABLE
-0.0625 -0.0625 0 187.5 X3
0.4166666667 -0.25 0 83.33333333 X1
-0.416666667 0.45 0 116.6666667 X2
391.25 4590.85 1 21793850 Z
VARIABLES BASE X1 X2
Podemos ver por medio del criterio de la razón minima X3 0.65 0.5
que la variable que sale de la base es S2 y que entra a la
base es X1. La variable artificial A1 sale de la base. S2 5.4 3
S3 5 5
-25067 -24128
VARIABLES BASE X1 X2
odemos ver por medio del criterio de la razón minima
e la variable que sale de la base es S3 y que entra a la X3 0 0.13889
base es X2. Usando el método simplex primal. X1 1 0.55556
S3 0 2.22222
0 -10202
X3 S1 S2 S3 Z Solución
1 -0.125 -0.0625 -0.0625 0 187.5
0 -0.166667 0.416667 -0.25 0 83.3333
0 0.366667 -0.416667 0.45 0 116.667
0 1854.1 391.25 4590.85 1 21793850
Razón min.
461.53846
148.14815
200
azón min.
SIDERCOL
Enter
Enter the
the values
values inin the
the shaded
shaded area
area then
then use
use the
the Run
Run Excel's
Excel's Solver
Solver button.
button.
Alternatively,
Alternatively, or
or to
to view
view the
the sensitivity
sensitivity results,
results, open
open Solver
Solver by
by going
going to
to the
the
Data
Data Tab
Tab (Excel
(Excel 2007,
2007, 2010,
2010, 2013,
2013, 2016)
2016) or
or the
the Tools
Tools menu
menu (Excel
(Excel 2003,
2003,
Linear Programming 2011).
2011).
Data Results
x1 x2 x3 LHS Slack/Surplus
Maximize 61662 52278 56300 sign RHS 21793850
Constraint 1 13 10 20 > 6000 6000 0 Constraint
Constraint 2 8 5 4< 2000 2000 0 Constraint
Constraint 3 18 15 20 < 7000 7000 0 Constraint
Results
Variables 83.33333 116.6667 187.5
Objective 21793850
Page 22
Microsoft Excel 15.0 Informe de confidencialidad
Hoja de cálculo: [Libro1.xlsx]SIDERCOL Co.
Informe creado: 12/10/2020 20:03:46
Celdas de variables
Final Reducido Objetivo Permisible Permisible
Celda Nombre Valor Coste Coeficiente Aumentar Reducir
$B$18 Variables x1 83.333333333 0 61662 11124.6 939
$C$18 Variables x2 116.66666667 0 52278 939 5056.6363636
$D$18 Variables x3 187.5 0 56300 6260 1E+030
Restricciones
Final Sombra Restricción Permisible Permisible
Celda Nombre Valor Precio Lado derecho Aumentar Reducir
$K$13 Constraint 1 < constraints 0 0 0 1E+030 0
$K$14 Constraint 2 < constraints 2000 391.25 2000 280 200
$K$15 Constraint 3 < constraints 7000 4590.85 7000 333.33333333 259.25925926
$M$13 Constraint 1 > constraints 6000 -1854.1 6000 318.18181818 500
$M$14 Constraint 2 > constraints 0 0 0 0 1E+030
$M$15 Constraint 3 > constraints 0 0 0 0 1E+030
3 EJERCICIO SIMP
MODELO CANONICO
Restricción 1. 0,25X1 + 0,55X2 + 0,2 X3 >= 750.000
Restricción 2. 0,25X1 + 0,2X2 + 0,55X3 >= 1.100.000
Restricción 3. 0,6X1 + 0,25X2 + 0,15X3 >= 1.000.000
Restricción 4. x1, x2, x3 > 0
MODELO ESTANDAR
Restricción 1. : -0,25X1 - 0,55X2 - 0,2 X3 + h1= -750.000
Restricción 2. : -0,25X1 - 0,2X2 - 0,55X3 + h2 = - 1.100.000
Restricción 3. : -0,6X1 - 0,25X2 - 0,15X3 + h3 = - 1.000.000
Restricción 4. x1, x2, x3, h1, h2, h3 > 0
VARIABLES
Petroleo Ligero: X1
Petorleo Mediano: X2
Petroleo Pesado: X3
ERCICIO SIMPLEX DUAL
Variables Z X1 X2 X3 h1
S1 0 -0.25 -0.55 -0.20 1
S2 0 -0.25 -0.20 -0.55 0
S3 0 -0.60 -0.25 -0.15 0
Z 1 -35 -33 -31 0
Variables Z X1 X2 X3 h1
S1 0 -0.25 -0.55 -0.2 1
S2 0 -0.25 -0.2 -0.55 0
S3 0 -0.6 -0.25 -0.15 0
Z 1 -35 -33 -31 0
140 165 56.3636364
Variables Z X1 X2 X3 h1
S1 0 -0.1590909 -0.4772727 0 1
X3 0 0.45454545 0.36363636 1 0
S3 0 -0.5318182 -0.1954545 0 0
Z 1 -20.909091 -21.727273 0 0
Variables Z X1 X2 X3 h1
S1 0 -0.1590909 -0.4772727 0 1
X3 0 0.45454545 0.36363636 1 0
S3 0 -0.5318182 -0.1954545 0 0
Z 1 -20.909091 -21.727273 0 0
Variables Z X1 X2 X3 h1
S1 0 -0.1590909 -0.4772727 0 1
X3 0 0.45454545 0.36363636 1 0
S3 0 -0.5318182 -0.1954545 0 0
Z 1 -20.909091 -21.727273 0 0
39.3162393 111.162791
Variables Z X1 X2 X3 h1
S1 0 0 -0.4188034 0 1
X3 0 0 0.1965812 1 0
X1 0 1 0.36752137 0 0
Z 1 0 -14.042735 0 0
Variables Z X1 X2 X3 h1
S1 0 0 -0.4188034 0 1
X3 0 0 0.1965812 1 0
X1 0 1 0.36752137 0 0
Z 1 0 -14.042735 0 0
Variables Z X1 X2 X3 h1
S1 0 0 -0.4188034 0 1
X3 0 0 0.1965812 1 0
X1 0 1 0.36752137 0 0
Z 1 0 -14.042735 0 0
33.5306122 0
Variables Z X1 X2 X3 h1
S1 0 0 1 0 -2.3877551
X3 0 0 0 1 0.46938776
X1 0 1 0 0 0.87755102
Z 1 0 0 0 -33.530612
odo simplex Dual: 3. Interpretar los resultados de la solución de
toma de decisiones.
h2 h3 C.Resultados
-0.3636364 0 -350000
-1.8181818 0 2000000
-0.2727273 1 -700000
-56.363636 0 62000000
h2 h3 C.Resultados
-0.3636364 0 -350000
-1.8181818 0 2000000
-0.2727273 1 -700000
-56.363636 0 62000000
h2 h3 C.Resultados
-0.3636364 0 -350000
-1.8181818 0 2000000
-0.2727273 1 -700000
-56.363636 0 62000000
206.666667
h2 h3 C.Resultados
-0.2820513 -0.2991453 -140598.2905983
-2.0512821 0.85470085 1401709.401709
0.51282051 -1.8803419 1316239.316239
-45.641026 -39.316239 89521367.52137
h2 h3 C.Resultados
-0.2820513 -0.2991453 -140598.2905983
-2.0512821 0.85470085 1401709.401709
0.51282051 -1.8803419 1316239.316239
-45.641026 -39.316239 89521367.52137
h2 h3 C.Resultados
-0.2820513 -0.2991453 -140598.2905983
-2.0512821 0.85470085 1401709.401709
0.51282051 -1.8803419 1316239.316239
-45.641026 -39.316239 89521367.52137
161.818182 131.428571
h2 h3 C.Resultados
0.67346939 0.71428571 335714.2857143
-2.1836735 0.71428571 1335714.285714
0.26530612 -2.1428571 1192857.142857
-36.183673 -29.285714 94235714.28571
ados de la solución del modelo de programación lineal para la
Data Results
X1 X2 X3 LHS Slack/Surplus
Minimize 35 33 31 sign RHS 94235714
A 0.25 0.55 0.2 > 750000 750000 0A
B 0.25 0.2 0.55 > 1100000 1100000 0B
C 0.6 0.25 0.15 > 1000000 1000000 0C
Results
Variables 1192857 335714.3 1335714
Objective 94235714
Page 30
Microsoft Excel 15.0 Informe de confidencialidad
Hoja de cálculo: [TAREA 2_Diego Velosa_100404A_764.xlsx]REFICOL Co.
Informe creado: 16/10/2020 22:00:51
Celdas de variables
Final Reducido Objetivo Permisible
Celda Nombre Valor Coste Coeficiente Aumentar
$B$18 Variables x1 1192857.1429 0 35 38.209302326
$C$18 Variables x2 335714.28571 0 33 41
$D$18 Variables x3 1335714.2857 0 31 41
Restricciones
Final Sombra Restricción Permisible
Celda Nombre Valor Precio Lado derecho Aumentar
$K$13 Constraint 1 < constraints 750000 33.530612245 750000 1359302.3256
$K$14 Constraint 2 < constraints 1100000 36.183673469 1100000 498484.84848
$K$15 Constraint 3 < constraints 1000000 29.285714286 1000000 470000
$M$13 Constraint 1 > constraints 0 0 0 0
$M$14 Constraint 2 > constraints 0 0 0 0
$M$15 Constraint 3 > constraints 0 0 0 0
Permisible
Reducir
13.666666667
14.042735043
16.570093458
Permisible
Reducir
140598.2906
611682.24299
556666.66667
1E+030
1E+030
1E+030
De esta actividad podemos concluir que la programación lineal
(PL) es un método de optimización matemática que puede
representar un modelo lineal para reducir costos o maximizar las
ganancias en diferentes áreas de la organización. Por tanto, se
puede utilizar para la gestión eficaz de procesos en diversos
campos de la economía.
Bibliografia
Martínez, I., Vértiz, G., López, J., Lozano, G. & Moncayo, L. (2014). Investigación de
operaciones . México, México: Grupo Editorial Patria. Recuperado de
https://elibro-net.bibliotecavirtual.unad.edu.co/es/ereader/unad/39452
Rojas, A. y Lozada, M. (2020). Problema de maximización como modelo de programación
lineal [OVI]. Recuperado de https://repository.unad.edu.co/handle/10596/33778
Rojas, A. y Lozada, M. (2020). Problema de minimización como modelo de programación
lineal [OVI]. Recuperado de https://repository.unad.edu.co/handle/10596/33779
Rojas, A. y Lozada, M. (2020). Solución de un problema de programación lineal de
maximización en Excel QM [OVI]. Recuperado de
https://repository.unad.edu.co/handle/10596/33780