Está en la página 1de 39

Ejercicio 1. Método simplex primal.

Se presenta la siguiente situación problema de programación lineal:


La empresa Microsoft Azure, tiene tres sitios de alojamiento en la nube para su lanzamiento a final del año. La uti
de US194, del sitio 2 (residencial) es de US193 y del sitio 3 (mixto) es de US180. El costo de mantenimiento del si
US68 y del sitio 3 es de US59 y la empresa cuenta con un capital inicial máximo para invertir en el desarrollo de e
US2800. La empresa dispone de un servidor con 7800 Mb de capacidad máxima para almacenar la información d
promedio, el sitio 1 consume 190 Mb, el sitio 2 consume 230 Mb y el sitio 3 consume 180 Mb. Además, la empre
en el mantenimiento del servidor, los cuales deben repartir su tiempo para lograr un buen producto, 7 h/hombre
para el sitio 2 y 19 h/hombre para el sitio 3 y en total se dispone máximo de 375 h/hombre para el mantenimient
alojamiento de cada tipo debe vender la empresa Microsoft Azure en el lanzamiento, para obtener la mayor utili
disponibles?

1. Formular el problema como un modelo de programación lineal.


Productos
Sitio 1 Sitio 2 Sitio 3
Recursos (empresarial) (residencial) (mixto) Inventario
Costos US $75 US $68 US $59 US $2800
Capacidad 190 230 180 7,800
h/hombre 7 13 19 375
Utilidad 119 125 121

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

x1 x2 x3 x4 x5
x4 75 68 59 1 0
x5 190 230 180 0 1
x6 7 13 19 0 0
Z -119 -125 -121 0 0

Maximización:

Identificar la columna pivote:


se elige la columna con el valor más negativo fila z

Identificar la fila pivote:


Se calcula columna razón= columna valor/columna pivote. se elige el menor y no se considera el cero, infinito y fi

Identificar el número pivote:


El número que queda en intersección con la fila pivote y la columna pivote le denominamos "Número pivote". En

x1 x2 x3 x4 x5
x4 75 68 59 1 0
x5 190 230 180 0 1
x6 7 13 19 0 0
Z -119 -125 -121 0 0

Identificar la variable que entre la que sale:


La variable que entra es x2 y la variable que sale es x6. La variable que entra reemplaza a la variable que sale:

Identificar la nueva fila pivote:


Dividimos la fila pivote en el número pivote. Esto con el fin de convertir el número pivote en 1.

Iteración 1:
x1 x2 x3 x4 x5
x4 75 68 59 1 0
x5 190 230 180 0 1
x2 0.53846 1 1.461538 0 0
Z -119 -125 -121 0 0

Actual -119 -125 -121 0


Z Operación 67.3075 125 182.69225 0
Nuevo -51.6925 0 61.69225 0

Actual 75 68 59 1
x4 Operación -36.61528 -68 -99.384584 0
Nuevo 38.38472 0 -40.384584 1

Actual 190 230 180 0


x5 Operación -123.8458 -230 -336.15374 0
Nuevo 66.1542 0 -156.15374 0

x1 x2 x3 x4 x5
x4 38.38472 0 -40.384584 1 0
x5 66.1542 0 -156,15374 0 1
x2 0.53846 1 1.461538 0 0
Z -51.6925 0 61.69225 0 0

El ejercicio concluye cuando todas las cifras de la fila de Z son positivas o están en cero. En este caso no hemos te

iteración 2:
Identificar columna pivote, fila pivote, número pivote, variable que entra y variable que sale:

x1 x2 x3 x4 x5
x4 38.38472 0 -40.384584 1 0
x1 66,1542 0 -156,15374 0 1
x2 0.53846 1 1.461538 0 0
Z -51.6925 0 61.69225 0 0

La variable que entra es x1 y la variable que sale es x5. La variable que entra reemplaza a la variable que sale:

x1 x2 x3 x4 x5
x4 38.38472 0 -40.384584 1 0
x1 1 0 #VALUE! #VALUE! #VALUE!
x2 0.53846 1 1.461538 0 0
Z -51.6925 0 61.69225 0 0

Dividimos la fila pivote en el número pivote. Esto con el fin de convertir el número pivote en 1.

x1 x2 x3 x4 x5
x4 38.38472 0 -40.384584 1 0
x1 1 0 #VALUE! #VALUE! #VALUE!
x2 0.53846 1 1.461538 0 0
Z -51.6925 0 61.69225 0 0

Actual -51.6925 0 61.69225 0


Z Operación 51.6925 0 #VALUE! #VALUE!
Nuevo 0 0 #VALUE! #VALUE!

Actual 38.38472 0 -40.384584 1


x4 Operación -38.38472 0 #VALUE! #VALUE!
Nuevo 0 0 #VALUE! #VALUE!

Actual 0.53846 1 1.461538 0


x2 Operación -0.53846 0 #VALUE! #VALUE!
Nuevo 0 1 #VALUE! #VALUE!

x1 x2 x3 x4 x5
x4 0 0 50.2206623 1 -0.58023104
x1 1 0 -2.36045089 0 0.0151162
x2 0 1 2.73254638 0 -0.00813947
Z 0 0 -60.3253574 0 0.78139408

El ejercicio concluye cuando todas las cifras de la fila de Z son positivas o están en cero. En este caso no hemos te

iteración 3:
Identificar columna pivote, fila pivote, número pivote, variable que entra y variable que sale:

x1 x2 x3 x4 x5
x4 0 0 50.2206623 1 -0.58023104
x1 1 0 -2.36045089 0 0.0151162
x2 0 1 2.73254638 0 -0.00813947
Z 0 0 -60.3253574 0 0.78139408

La variable que entra es x3 y la variable que sale es x4. La variable que entra reemplaza a la variable que sale:

x1 x2 x3 x4 x5
x4 0 0 50.2206623 1 -0.58023104
x1 1 0 -2.36045089 0 0.0151162
x2 0 1 2.73254638 0 -0.00813947
Z 0 0 -60.3253574 0 0.78139408

x1 x2 x3 x4 x5
x3 0 0 50.2206623 1 -0.58023104
x1 1 0 -2.36045089 0 0.0151162
x2 0 1 2.73254638 0 -0.00813947
Z 0 0 -60.3253574 0 0.78139408

Dividimos la fila pivote en el número pivote. Esto con el fin de convertir el número pivote en 1.

x1 x2 x3 x4 x5
x3 0 0 1 0.019912122891 -0.01155363
x1 1 0 -2.36045089 0 0.0151162
x2 0 1 2.73254638 0 -0.00813947
Z 0 0 -60.3253574 0 0.78139408

Actual 0 0 -60.32535742 0
Z Operación 0 0 60.32535742 1.20120593
Nuevo 0 0 0 1.20120593

Actual 1 0 -2.36045089 0
x1 Operación 0 0 2.36045089 0.04700159
Nuevo 1 0 0 0.04700159

Actual 0 1 2.732546384 0
x2 Operación 0 0 -2.732546384 -0.0544108
Nuevo 0 1 0 -0.0544108

x1 x2 x3 x4 x5
x3 0 0 1 0.019912123 -0.01155363
x1 1 0 0 0.04700159 -0.01215558
x2 0 1 0 -0.0544108 0.02343136
Z 0 0 0 1.20120593 0.08441711

Sabemos que hemos terminado cuando todas las cifras de la fila de Z son positivas o están en cero. En este caso

"La solución óptima es Z=4711,3126 "


𝑥_1 "=25,243096 "
𝑥_2 "=10,5313458 "
𝑥_3 "=3,23112346 "

3. Interpretar los resultados de la solución del modelo de programación lineal para la toma de decisiones.

La utilidad máxima que deja la producción de los sitios es de $4711,3126. Para obtener la mayor utilidad con los
disponibles se debe vender 25,24 unidades del sitio empresarial1, 10,53 unidades del sitio residencial y 3,23 unid
mixto.
nzamiento a final del año. La utilidad del sitio 1 (empresarial) es
costo de mantenimiento del sitio 1 es de US75, del sitio 2 es de
ra invertir en el desarrollo de estos sitios de alojamiento de
ara almacenar la información de los usuarios en los sitios. En
me 180 Mb. Además, la empresa cuenta con personal experto
un buen producto, 7 h/hombre para el sitio 1, 13 h/hombre
/hombre para el mantenimiento de los sitios. ¿Cuántos sitios de
nto, para obtener la mayor utilidad posible con los recursos
x6 Resultados
0 2,800
0 7,800
1 375
0 0

se considera el cero, infinito y fila z.

ominamos "Número pivote". En este caso ese número es el 10

x6 Resultados Razón
0 2,800
0 7,800
1 375
0 0

plaza a la variable que sale:

o pivote en 1.

x6 Resultados
0 2,800
0 7,800
0.07692 28.846153
0 0

0 0 0
0 9.615 3605.76913
0 9.615 3605.76913

0 0 2,800
0 -5.23056 -1961.5384
0 -5.23056 838.461596

1 0 7,800
0 -17.6916 -6634.61519
1 -17.6916 1165.38481

x6 Resultados
-5.23056 838,461596
-17.6916 1165.38481
0.07692 28.846153
9.615 3605.76913

cero. En este caso no hemos terminado porque aún hay un valor negativo.

x6 Resultados
-5.23056 838,461596
-17.6916 1165.38481
0.07692 28.846153
9.615 3605.76913

plaza a la variable que sale:

x6 Resultados
-5.23056 838,461596
#VALUE! #VALUE!
0.07692 28.846153
9.615 3605.76913

o pivote en 1.

x6 Resultados
-5.23056 838,461596
#VALUE! #VALUE!
0.07692 28.846153
9.615 3605.76913

0 9.615 3605.76913
#VALUE! #VALUE! #VALUE!
#VALUE! #VALUE! #VALUE!

0 -5.23056 838,461596
#VALUE! #VALUE! #VALUE!
#VALUE! #VALUE! #VALUE!

0 0.07692 28.846153
#VALUE! #VALUE! #VALUE!
#VALUE! #VALUE! #VALUE!

x6 Resultados
5.0346554 162.26916
-0.26742973 17.6161878
0.22092021 19.3605405
-4.20911144 4516.39392

cero. En este caso no hemos terminado porque aún hay valores negativos.

x6 Resultados
5.0346554 162.26916
-0.26742973 17.6161878
0.22092021 19.3605405
-4.20911144 4516.39392

plaza a la variable que sale:

x6 Resultados
5.0346554 162.26916
-0.26742973 17.6161878
0.22092021 19.3605405
-4.20911144 4516.39392

x6 Resultados
5.0346554 162.26916
-0.26742973 17.6161878
0.22092021 19.3605405
-4.20911144 4516.39392

o pivote en 1.

x6 Resultados
0.10025068 3.23112346
-0.26742973 17.6161878
0.22092021 19.3605405
-4.20911144 4516.39392

0.78139408 -4.20911144 4516.39392


-0.69697697 6.04765792 194.918677
0.08441711 1.83854648 4711.3126

0.0151162 -0.26742973 17.6161878


-0.02727178 0.2366368 7.62690824
-0.01215558 -0.03079293 25.243096

-0.00813947 0.22092021 19.3605405


0.03157083 -0.27393963 -8.82919471
0.02343136 -0.05301942 10.5313458

x6 Resultados
0.10025068 3.23112346
-0.03079293 25.243096
-0.05301942 10.5313458
1.83854648 4711.3126

s o están en cero. En este caso ya hemos terminado.

a la toma de decisiones.

tener la mayor utilidad con los recursos


s del sitio residencial y 3,23 unidades del sitio
QM excel ejercicio 1
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).

Use one of the three signs below for each constraint


< less than or equal to
= equals (You need to enter an apostrophe first.)
> greater than or equal to

Data Results
x1 x2 x3 LHS Slack/Surplus
Maximize 119 125 121 sign RHS 4711.312
Restriccioens 1 75 68 59 < 2800 2800 0 Restriccioe
Restriccioens 2 190 230 180 < 7800 7800 0 Restriccioe
Restriccioens 3 7 13 19 < 375 375 0 Restriccioe

Results
Variables 25.24311 10.53137 3.231072
Objective 4711.31165

Page 11
Ejercicio 2. Método simplex artificial.

Se presenta la siguiente situación problema de programación lineal:

La empresa METALMEX, ensambla tres tipos de estructuras metálicas para construcción a partir de tres clases de ch
Ton de chatarra no férrica y 11 Ton de chatarra mixta. La estructura metálica tipo 2 genera una utilidad de US$1980
metálica tipo 3 genera US$203000 y para su ensamble requiere de 15 Ton de chatarra férrica, 9 Ton de chatarra no
máximo dispone de 3200 Ton de chatarra no férrica y de 3520 Ton exactas de chatarra mixta en su planta de recicla

1. Formular el problema como un modelo de programación lineal.


Productos

Estructura metálica tipo Estructura metálica tipo Estructura metálica


Recursos 1 2 tipo 3
Chatarra férrica 13 19 15
Chatarra no férrica 13 11 9
Chatarra mixta 11 17 15
Utilidad 231000 198000 203000

2. Solucionar el modelo de programación lineal por el método simplex artificial:

x1 x2 x3
A1 13 19 15
S2 13 11 9
A2 11 17 15
Z -24M-231000 -36M-198000 -30M-203000

Identificar la columna pivote:


se elige la columna con el valor más negativo fila z

Identificar la fila pivote:


Se calcula columna razón= columna valor/columna pivote. se elige el menor y no se considera el cero, infinito y fila z

Identificar el número pivote:


El número que queda en intersección con la fila pivote y la columna pivote le denominamos "Número pivote".

Se realiza este procedimiento para cada una de las iteraciones necesarias.

Identificar la variable que entre la que sale:


Ingresa la variable X2 y sale de la base la variable A1. El elemento pivote es 19.

Identificar la nueva fila pivote:


Dividimos la fila pivote en el número pivote. Esto con el fin de convertir el número pivote en 1.

Iteración 1:
x1 x2 x3
x2 0,684210526315789 1 0,789473684210526
S2 13 11 9
A2 11 17 15
Z -24M-231000 -36M-198000 -30M-203000

Actual 13 11
S2 Operación -7.52631578947368 -11
Nuevo 5.47368421052632 0

Actual 11 17
A2 Operación -11.6315789473684 -17
Nuevo -0.631578947368414 0

Actual -24M-231000 -36M-198000


Z Nuevo 12/19M-1815000/19 0

x1 x2 x3
x2 0.684210526315789 1 0,789473684210526
S2 5.473684211 0 0.315789474
A2 -0.631578947 0 1.578947368
Z 12/19M-1815000/19 0 -30/19M-887000/19

Iteración 2:
x1 x2 x3
x3 0.866666666666666 1.26666666666667 1
S2 5.473684211 0 0.315789474
A2 -0.631578947 0 1.578947368
Z 12/19M-1815000/19 0 -30/19M-887000/19

Actual 5.473684211 0
S2 Operación -0.2736842108 -0.4000000004
Nuevo 5.2000000002 -0.4000000004

Actual -0.631578947 0
A2 Operación -1.36842105226667 -1.99999999946667
Nuevo -1.99999999926667 -1.99999999946667

Actual 12/19M-1815000/19 0
Z Nuevo 2M-165200/3 2M+177400/3

x1 x2 x3
x3 0.866666667 1.266666667 1
S2 5,2 -0,4 0
A2 -2 -2 0
Z 2M-165200/3 2M+177400/3 0

Iteración 3:
x1 x2 x3
x3 0.866666667 1.266666667 1
S2 5,2 -0,4 0
s1 -2 -2 0
Z 2M-165200/3 2M+177400/3 0

Actual 5,2 -0,4


s2 Operación 1.2 1.2
Nuevo 6.4 #VALUE!

Actual 0.866666667 1.266666667


x3 Operación -0.133333334 -0.133333334
Nuevo 0.733333333 1.133333333

Actual 2M-165200/3 2M+177400/3


Z Nuevo -246400/3 96200/3

x1 x2 x3
x3 0.733333333 1.133333333 1
S2 6,4 0,8 0
s1 -2 -2 0
Z -246400/3 96200/3 0

Iteración 4:
x1 x2 x3
x3 0.733333333 1.133333333 1
x1 1 0.125 #VALUE!
s1 -2 -2 0
Z -246400/3 96200/3 0

Actual -2 -2
s1 Operación 2 0.25
Nuevo 0 -1.75

Actual 0.733333333 1.133333333


x3 Operación -0.733333333 -0.091666666625
Nuevo 0 1.041666666375

Actual -246400/3 96200/3


Z Nuevo 0 127000/3

x1 x2 x3
x3 0 1.041666666 1
x1 1 0.125 0
s1 0 -1.75 0
Z 0 127000/3 0
Sabemos que hemos terminado cuando todas las cifras de la fila de Z son positivas o están en cero. En este caso ya h

La solución óptima es Z = 61600000

X1=170
X2= 0
X3= 110
S1= 1110
S2= 0
S3= 0
A1= 0

3. Interpretar los resultados de la solución del modelo de programación lineal para la toma de decisiones.

Para obtener la mayor utilidad en la empresa la cantidad de estructuras métalicas del tipo 1 a emsamblar son 170,
son 110, con esto se obtiene una utilidad máxima de US$61.600.000
a partir de tres clases de chatarra. La estructura metálica tipo 1 genera una utilidad de US$231000 y para su ensamble requiere de 13 Ton
ra una utilidad de US$198000 y para su ensamble requiere de 19 Ton de chatarra férrica, 11 Ton de chatarra no férrica y 17 Ton de chatarr
rica, 9 Ton de chatarra no férrica y 15 Ton de chatarra mixta. La empresa dispone como mínimo de 2750 Ton de Chatarra férrica en su pla
ixta en su planta de reciclaje. ¿Qué cantidad de estructuras metálicas de cada tipo debe ensamblar la empresa METALMEX para maximiza
Relación Requerimiento
≥ 2,750
≤ 3,200
= 3,520

s1 s2 A1 A2
-1 0 1 0
0 1 0 0
0 0 0 1
M 0 0 0

dera el cero, infinito y fila z.

os "Número pivote".

s1 s2 A1 A2
-0.052631578947369 0 0.05263158 0
0 1 0 0
0 0 0 1
M 0 0 0

9 0 1 0
#VALUE! 0.578947368421053 0 -0.578947368421053
#VALUE! 0.578947368421053 1 -0.578947368421053

15 0 0 0
#VALUE! 0.894736842105263 0 -0.894736842105263
#VALUE! 0.894736842105263 0 -0.894736842105263

-30M-203000 M 0 0
-30/19M-887000/19 -17/19M-198000/19 0 36/19M+198000/19

s1 s2 A1 A2
-0.052631578947369 0 0.05263158 0
0.578947368 1 -0.57894737 0
0.894736842 0 -0.89473684 1
-17/19M-198000/19 0 36/19M+198000/19 0

s1 s2 A1 A2
-0.0666666666666667 0 ### 0
0.578947368 1 -0.57894737 0
0.894736842 0 -0.89473684 1
-17/19M-198000/19 0 36/19M+198000/19 0

0.315789474 0.578947368 1 -0.578947368


-0.315789474 0.0210526316 0 -0.0210526316
0 0.5999999996 1 -0.5999999996

1.578947368 0.894736842 0 -0.894736842


-1.578947368 0.105263157866667 0 -0.105263157866667
0 0.999999999866667 0 -0.999999999866667

-30/19M-887000/19 -17/19M-198000/19 0 36/19M+198000/19


0 -M-40600/3 0 2M+40600/3

s1 s2 A1 A2
-0.066666667 0 0.06666667 0
0.6 1 -0.6 0
1 0 -1 1
-M-40600/3 0 2M+40600/3 0

s1 s2 A1 A2
-0.066666667 0 0.06666667 0
0.6 1 -0.6 0
1 0 -1 1
-M-40600/3 0 2M+40600/3 0

0 0.6 1 -0.6
0 -0.6 0 0.6
0 0 1 0

1 -0.066666667 0 0.066666667
0 0.066666667 0 -0.066666667
1 0 0 0

0 -M-40600/3 0 2M+40600/3
0 0 0 M

s1 s2 A1 A2
0 0 0 0.066666667
0 1 0 -0,6
1 0 -1 1
0 0 M M+40600/3

s1 s2 A1 A2
0 0 0 0.066666667
#VALUE! #VALUE! #VALUE! #VALUE!
1 0 -1 1
0 0 M M+40600/3

0 1 0 -1
#VALUE! #VALUE! #VALUE! #VALUE!
#VALUE! #VALUE! #VALUE! #VALUE!

1 0 0 0
#VALUE! #VALUE! #VALUE! #VALUE!
#VALUE! #VALUE! #VALUE! #VALUE!

0 0 0 M
0 0 38500/3 M

s1 s2 A1 A2
0 -0.114583333 0 0.135416667
0 0.15625 0 -0.09375
1 0.3125 -1 0.8125
0 38500/3 M M+17500/3
n en cero. En este caso ya hemos terminado.

ma de decisiones.

o 1 a emsamblar son 170, la cantidad de estructuras métalicas del tipo 2 son 0 y la cantidad de estructuras métalicas del tipo 3
e US$231000 y para su ensamble requiere de 13 Ton de chatarra férrica, 13
ica, 11 Ton de chatarra no férrica y 17 Ton de chatarra mixta. La estructura
mo mínimo de 2750 Ton de Chatarra férrica en su planta de ensamble, como
ebe ensamblar la empresa METALMEX para maximizar sus utilidades?
Resultados
2,750
3,200
3,520
-6270M

Resultados
144.736842105263
3,200
3,520
-6270M

0 3,200
0 -1592.10526315789
0 1607.89473684211

1 3,520
0 -2460.52631578947
1 1059.47368421053

0 -6270M
0 -20130/19M+544500000/19

Resultados
144.736842105263
1607.894737
1059.473684
-20130/19M+544500000/19

Resultados
183.333333333333
1607.894737
1059.473684
-20130/19M+544500000/19

0 1607.894737
0 -57.8947369
0 1550.0000001

1 1059.473684
0 -289.473684133333
1 769.999999866667

0 -20130/19M+544500000/19
0 -770M+111650000/3

Resultados
183.3333333
1550
770
-770M+111650000/3

Resultados
183.3333333
1550
770
-770M+111650000/3

0 1550
-0.6 -462
-0.6 1088

0 183.3333333
0.066666667 51.33333359
0.066666667 234.66666689

0 -770M+111650000/3
M+40600/3 142912000/3

Resultados
234.6666669
1088
770
142912000/3

Resultados
234.6666669
#VALUE!
770
142912000/3

1 770
#VALUE! #VALUE!
#VALUE! #VALUE!

0.066666667 234.6666669
#VALUE! #VALUE!
#VALUE! #VALUE!

M+40600/3 142912000/3
M+17500/3 61600000

Resultados
110.0000003
170
1110
61600000
ntidad de estructuras métalicas del tipo 3
QM excel ejercicio 2
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).

Use one of the three signs below for each constraint


< less than or equal to
= equals (You need to enter an apostrophe first.)
> greater than or equal to

Data Results
x1 x2 x3 LHS Slack/Surplus
Maximize 231000 198000 203000 sign RHS 61600000
Restricciones 1 13 19 15 > 2750 3860 -1110 Restriccion
Restricciones 2 13 11 9< 3200 3200 0 Restriccion
Restricciones 3 11 17 15 = 3520 Bad constra 3520 0 Restriccion

Results
Variables 170 0 110
Objective 61600000

Page 27
Ejercicio 3. Método simplex dual.
Se presenta la siguiente situación problema de programación lineal:
La empresa VIRULCOL, fabrica 3 tipos de tapabocas, los que se manufacturan con 3 clases de tela: Nylon, Algodó
cm2 de Poliéster, para el tapaboca tipo 2, se emplean 25 cm2 de Nylon, 19 cm2 de Algodón y 21 cm2 de Poliéste
Poliéster. Se conoce que el costo de producción de cada tapaboca corresponde a $68500, $71000 y $62000 resp
6230 cm2 de Algodón y 4150 cm2 de Poliéster. VIRULCOL, desea conocer la cantidad de cada tipo de tapaboca a
1. Formular el problema como un modelo de programación lineal. En hoja de cálculo (Excel), formular el problem
restricción de no negatividad.
2. Solucionar el modelo de programación lineal por el método simplex dual.
En hoja de cálculo (Excel), plantear la forma estándar del método simplex dual al modelo de programación lineal
modelo de programación lineal por el método simplex dual. En Excel QM, encontrar la solución del problema pro
3. Interpretar los resultados de la solución del modelo de programación lineal para la toma de decisiones.

1. Formular el problema como un modelo de programación lineal.


Productos
Tapabocas Tapabocas
Recursos tipo 1 tipo 2 Tapabocas tipo 3 Relación Requerimiento
Nylon 21 25 25 ≥ 5120
Algodón 27 19 31 ≥ 6230
Poliester 20 21 17 ≥ 4150
Costos 68500 71000 62000

2. Solucionar el modelo de programación lineal por el método simplex dual.

x1 x2 x3 x4 x5
x4 21 25 25 -1
x5 27 19 31 -1
x6 20 21 17
Z 68500 71000 62000

Minimización:

Identificar la fila pivote:


En la columna de resultado identifico el número menor o el más negativo sin tener en cuenta la fila de z.

x1 x2 x3 x4 x5
x4 -21 -25 -25 1
x5 -27 -19 -31 1
x6 -20 -21 -17
Z -68500 -71000 -62000 0 0

Identificar la columna pivote:


Tomamos las cifras de las variables X1, X2 y X3 de la fila de Z y las dividimos en las cifras correspondientes de la fi

(−68500)/(−27)=2537 (−71000)/(−19)=3736 (−62000)/(−31)=2000

El número más cercano al cero es el 2000. Esto indica que x3 es la columna pivote.
x1 x2 x3 x4 x5
x4 -21 -25 -25 1
x5 -27 -19 -31 1
x6 -20 -21 -17
Z -68500 -71000 -62000 0 0

Identificar la variable que entre la que sale:


La variable que entra es x3 y la variable que sale es x5. La variable que entra reemplaza a la variable que sale.
Iteración1:
x1 x2 x3 x4 x5
x4 -21 -25 -25 1
x3 -27 -19 -31 1
x6 -20 -21 -17
Z -68500 -71000 -62000 0 0

Hallar la nueva fila pivote:


El número -31 debe convertirse en 1, para ello, se divide la fila pivote en el número pivote.

x1 x2 x3 x4 x5
x4 -21 -25 -25 1
x3 0,8709677420,612903226 1 0 -0.032258065
x6 -20 -21 -17
Z -68500 -71000 -62000 0 0

Actual -68500 -71000 -62000 0


Z Operación ### #VALUE! 62000 0
Nuevo ### #VALUE! 0 0

Actual -21 -25 -25 1


x4 Operación ### #VALUE! 25 0
Nuevo 0.77419355 #VALUE! 0 1

Actual -20 -21 -17


x6 Operación ### #VALUE! 17 0
Nuevo ### #VALUE! 0 0

x1 x2 x3 x4 x5
x4 0,77419355 -9,67741935 0 1 -0,806451625
x3 0,8709677420,612903226 1 0 -0.032258065
x6 -5,193548386-10,58064516 0 0 -0,548387105
Z -14500 -32999,99999 0 0 -2000,00003

Iteración2:
x1 x2 x3 x4 x5
x4 0,77419355 -9,67741935 0 1 -0,806451625
x3 0,8709677420,612903226 1 0 -0.032258065
x6 -5,193548386-10,58064516 0 0 -0,548387105
Z -14500 -32999,99999 0 0 -2000,00003

La variable que entra es x1 y la variable que sale es x6. La variable que entra reemplaza a la variable que sale.

x1 x2 x3 x4 x5
x4 0,77419355 -9,67741935 0 1 -0,806451625
x3 0,8709677420,612903226 1 0 -0.032258065
x1 1 ### #VALUE! #VALUE! #VALUE!
Z -14500 -32999,99999 0 0 -2000,00003

Actual -14500 -32999,99999 0 0


Z Operación 14500 29540.3726734433 #VALUE! #VALUE!
Nuevo 0 #VALUE! #VALUE! #VALUE!

Actual 0.77419355 -9,67741935 0 1


x4 Operación -0.77419355 #VALUE! #VALUE! #VALUE!
Nuevo 0 #VALUE! #VALUE! #VALUE!

Actual 0,870967742 0,612903226 1 0


x3 Operación ### #VALUE! #VALUE! #VALUE!
Nuevo 0 #VALUE! #VALUE! #VALUE!

x1 x2 x3 x4 x5
x4 0 -11,25465838 0 1 -0,888198771
x3 0 -1,161490683 1 0 -0,124223604
x1 1 2,037267081 0 0 0,105590064
Z 0 -3459,627317 0 0 -468,9441061

Iteración3:
x1 x2 x3 x4 x5
x4 0 -11,25465838 0 1 -0,888198771
x3 0 -1,161490683 1 0 -0,124223604
x1 1 2,037267081 0 0 0,105590064
Z 0 -3459,627317 0 0 -468,9441061

La variable que entra es x2 y la variable que sale es x4. La variable que entra reemplaza a la variable que sale.
x1 x2 x3 x4 x5
x2 0 #VALUE! #VALUE! #VALUE! #VALUE!
x3 0 -1,161490683 1 0 -0,124223604
x1 1 2,037267081 0 0 0,105590064
Z 0 -3459,627317 0 0 -468,9441061

Actual 0 -3459,627317 0 0
Z Operación 0 #VALUE! #VALUE! #VALUE!
Nuevo 0 #VALUE! #VALUE! #VALUE!

Actual 1 2,037267081 0 0
x1 Operación 0 #VALUE! #VALUE! #VALUE!
Nuevo 1 #VALUE! #VALUE! #VALUE!
Actual 0 -1,161490683 1 0
x3 Operación 0 #VALUE! #VALUE! #VALUE!
Nuevo 0 #VALUE! #VALUE! #VALUE!

x1 x2 x3 x4 x5
x2 0 1 0 -0.0888521 0,078918324
x3 0 0 1 -0.10320088 -0,032560707
x1 1 0 0 0.18101545 -0,055187639
Z 0 0 0 -307.395143 -195,9161183

Sabemos que hemos terminado cuando todas las cifras de la fila de Z son negativas o están en cero y si en la fila

"La solución óptima es Z=14571076,15 "


𝑥_1 "="104,1059605
𝑥_2 " "=18,2284768
𝑥_3 "=99,12251636"

3. Interpretar los resultados de la solución del modelo de programación lineal para la toma de decisiones.

La cantidad a producir de cada tipo de tapabocas para garantizar el costo mínimo de producción son: 104 del tipo
tipo 3; para un costo mínimo de $14,571,076.05
ses de tela: Nylon, Algodón y Poliéster. Para la fabricación del tapaboca tipo 1, se emplean 21 cm de Nylon, 27 cm2 de Algodón y 20
odón y 21 cm2 de Poliéster y para el tapaboca tipo 3, se utiliza en su producción 25 cm2 de Nylon, 31 cm2 de Algodón y 17cm2 de
00, $71000 y $62000 respectivamente y que para el proceso de producción es necesario utilizar como mínimo 5120 cm2 de Nylon,
e cada tipo de tapaboca a fabricar para garantizar el costo mínimo de producción. A partir de la situación problema:
xcel), formular el problema como un modelo de programación lineal, plantear la función objetivo, las restricciones por recursos y

lo de programación lineal, diseñar la tabla inicial del método simplex dual y construir las tablas de las iteraciones de la solución del
solución del problema programación lineal.
oma de decisiones.
x6 Resultados
5121
6230
-1 4150

cuenta la fila de z.

x6 Resultados
-5121
-6230
1 -4150
0 0

s correspondientes de la fila pivote.

x6 Resultados
-5121
-6230
1 -4150
0 0

a la variable que sale.


x6 Resultados
-5121
-6230
1 -4150
0 0

x6 Resultados
-5,121
0 201
1 -4,150
0 0

0 0 0
-2000.00003 0 ###
-2000.00003 0 ###

-5,121
### 0 5024.1935475
### 0 -96.8064525

1 -4,150
### 0 3416.4516123
### 1 -733.5483877

x6 Resultados
0 -96.8064525
0 200.9677419
1 -733.5483877
0 12460000

x6 Resultados
0 -96.8064525
0 200.9677419
1 -733.5483877
0 12460000

a la variable que sale.

x6 Resultados
0 -96.8064525
0 200.9677419
#VALUE! #VALUE!
0 12460000

-2000,00003 0 12460000
#VALUE! #VALUE! #VALUE!
#VALUE! #VALUE! #VALUE!

-0,806451625 0 -96.8064525
#VALUE! #VALUE! #VALUE!
#VALUE! #VALUE! #VALUE!

-0.03225807 0 200.9677419
#VALUE! #VALUE! #VALUE!
#VALUE! #VALUE! #VALUE!

x6 Resultados
0,149068323 -206.1552807
0.16770186 77.95031039
-0,192546584 141,2422362
-2791,925466 14508012,42

x6 Resultados
0,149068323 -206.1552807
0.16770186 77.95031039
-0,192546584 141,2422362
-2791,925466 14508012,42

a la variable que sale.


x6 Resultados
#VALUE! 18,2284768
0.16770186 77.95031039
-0,192546584 141,2422362
-2791,925466 14508012,42

-468,9441061 -2791,925466 14508012,42


#VALUE! #VALUE! #VALUE!
#VALUE! #VALUE! ###

0,105590064 -0,192546584 141,2422362


#VALUE! #VALUE! #VALUE!
#VALUE! #VALUE! #VALUE!
-0,124223604 0.167701863 77.95031039
#VALUE! #VALUE! #VALUE!
#VALUE! #VALUE! #VALUE!

x6 Resultados
-0,013245033 18.2284768
0.15231788 99.12251636
-0,165562914 104,1059605
-2837,748344 14571076.15

stán en cero y si en la fila productos ningún resultado es negativo. En este caso ya hemos terminado.

oma de decisiones.

oducción son: 104 del tipo 1, 18 del tipo 2 y 99 del


cm2 de Algodón y 20
lgodón y 17cm2 de
5120 cm2 de Nylon,
ema:
ones por recursos y

es de la solución del
QM excel ejercicio 3
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, 2011).
2011).
Linear Programming

Use one of the three signs below for each constraint


< less than or equal to
= equals (You need to enter an apostrophe first.)
> greater than or equal to

Data Results
x1 x2 x3 LHS Slack/Surplus
Minimize 68500 71000 62000 sign RHS 14571076
restricciones 1 21 25 25 > 5120 5120 0 restriccion
restricciones 2 27 19 31 > 6230 6230 0 restriccion
restricciones 3 20 21 17 > 4150 4150 0 restriccion

Results
Variables 104.1059603 18.22847682 99.122516556
Objective 14571076

Page 39