Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROGRAMACION LINEAL
GRUPO:100404A_764
PRESENTADO POR:
ANA MARIA SANCHEZ
CODIGO: 1140833263
PRESENTADO AL TUTOR:
ALVARO JAVIER ROJAS BARACALDO
La programación lineal como lo hemos visto durante el desarrollo de las actividades presentadas en el
curso, es el campo de las matemáticas que se dedica al estudio y análisis de problemas.
El presente trabajo consta de dar solución a los problemas planteados en la guia de actividades y rubrica
de la tarea 3, utilizando la programación lineal para estudiar el problema y darle solución a través del
metodo simplex primal para encontrar su solución por medio del problema dual
Se prensenta el la situación problema a dar solución y resuelve a traves de tres tipos de ejericicios ya
planteados: Análisis de Dialidad, Análisis de sensibilidad y Análisis post-óptimo
OBJETIVOS
Aportar de manera individual los conocimientos adquiridos para solucionar los ejercicios propuestos en
esta tarea 3 y así sean compartidos en el foro colaborativo para ir construyendo el trabajo grupal.
SITUACION PROBLEMA DE PROGRAMACION LINEAL
La empresa PAINTCOL Co., produce pintura tipo A a un costo de USD1.120, la pintura tipo B a un costo de USD1.596 y la pintu
Para la producción de pintura tipo A, se necesitan 72 t de pigmento, 5 t de aglutinante y 50 t de disolvente. La pintura tipo B re
disolvente y la pintura tipo C necesita 25 t de pigmento, 45 t de aglutinante y 35 t de disolvente. El inventario de la empresa cu
aglutinante y 1.100 t de disolvente.
¿Qué cantidad de cada tipo de pintura debe producir PAINTCOL Co. con los recursos disponibles para minimizar los costos de p
¿Qué cantidad de cada tipo de pintura debe producir PAINTCOL Co. con los recursos disponibles para minimizar los costos de p
Variables de decisión
(X1,X2,X3…Xn)
Tipo A Tipo B Tipo C Disponibilidad
Recurso
Pigmento 72 t 28 t 25 t 1700
Aglutinante 5t 35 t 45 t 1500
Disolvente 50 t 30 t 35 t 1100
Costo 1120 1596 1764
Función Objetivo
Minimizar Z = -1120X1 - 1596X2 - 1764X3
Definir restricciones
Sujeto a: R1: -72X1 - 28X2 - 25X3 <= -1700
R2: -5X1 - 35X2 - 45X3 <= -1500
R3: -50X1 - 30X2 - 35X3 <= -1100
No negatividad X1 + X2 + X3 >= 0
Transformar las funciones: agregar variables de holgura, exceso y artificiales según corresponda
Variables
Sn = holgura
An= artificial
Iteración 2, calculamos numeros de variable entrante dividiendo cada uno de los numeros de la variable saliente entre el pivot
Variable Decisión Variable Holgura
Var Basicas Z X1 X2 X3 S1 S2 S3
X1 X2 X3 S1 S2 S3
S2 0 0 -33.0555556 -43.2638888889 -0.06944 1 0
S3 0 0 -10.5555556 -27.6388888889 -0.69444 0 1
X1 0 1 0.388888889 0.34722222222 -0.01389 0 0
Z 1 0 -1133.44444 -1375.11111111 -15.5556 0 0
Iteración 3
Variable Decisión Variable Holgura
Var Basicas Z X1 X2 X3 S1 S2 S3
X1 X2 X3 S1 S2 S3
S3 0 0 -19.57397 0 0.001115 1 80.55556
X2 0 0 0.764044944 1 0.001605 -0.02311 0
X1 0 1 0.702871411 0 0.346598 -0.0049 0
Z 1 0 -82.7977528 0 -13.3483 -31.7843 0
¿Qué cantidad de cada tipo de pintura debe producir PAINTCOL Co. con los recursos disponibles para minimizar los costos de
producción?
Z = 70368.539
X1 = -12.421 Pintura tipo A
X2 = 31.942 Pintura tipo B
X3 = 0 Pintura tipo C
Reemplazamos
Z = -1700(12.421) - 1500(31.942) - 1100(0) 21115.7
Z = 21115.7 + 47913 47913
Z = 69028.7 69028.7
costo de USD1.596 y la pintura tipo C a un costo de USD1.764.
disolvente. La pintura tipo B requiere 28 t de pigmento, 35 t de aglutinante y 30 t de
El inventario de la empresa cuenta con por lo menos 1.700 t de pigmento, 1.500 t de
Valor Razón
Valor Razón
-1700 15.5555556
-1500 56.0357143
-1100 70.56
0
-1381.94444 0 0
80.5555556 59.7575309
23.6111111 -0.2160494
26444.4444
0
Valor Razón
-2513.36535 0
31.9422151 0
-12.4219725 0
70368.5393
Data Results
x1 x2 x3 LHS Slack/Surplus
Minimize -1120 -1596 -1764 sign RHS -64891
Constraint 1 -72 -28 -25 > -1700 -1788.688 88.688 Constraint
Constraint 2 -5 -35 -45 > -1500 -1180.075 -319.925 Constraint
Constraint 3 -50 -30 -35 > -1100 -1579.31 479.31 Constraint
Results
Variables 12.421 31.942 0
Objective -64891
Page 8
1. Formular el problema como un modelo de programación lineal.
A este lo llamaremos Problema Primal
Sujeto a:
R1: 72 Y1 + 5 Y2 + 50 Y3 < = 1120
R2: 28 Y1 + 35 Y2 + 30 Y3 <= 1596
R3: 25 Y1 + 45 Y2 + 35 Y3 <= 1764
R4: Y1, Y2, Y3 >= 0: no rest.
Iteración 2, calculamos numeros de variable entrante dividiendo cada uno de los numeros de la variable saliente entre el piv
Variable Decisión Variable Holgura
Var Basicas
Y1 Y2 Y3 S1 S2 S3
W 914.285714 85.7142857 0 0 0 31.4285714
S1 -36.2857143 59.2857143 0 1 0 -1.42857143
S2 -3.57142857 3.57142857 0 0 1 -0.85714286
Y3 0.71428571 1.28571429 1 0 0 -0.02857143
Razon -256 24 0
Iteración 3
Variable Decisión Variable Holgura
Var Basicas
Y1 Y2 Y3 S1 S2 S3
W 1000 0 0 0 -24 52
S1 23 0 0 1 -16.6 12.8
Y2 -1 1 0 0 0.28 -0.24
Y3 2 0 1 0 -0.36 0.28
Iteración 4
Variable Decisión Variable Holgura
Var Basicas
Y1 Y2 Y3 S1 S2 S3
W 0 0 0 0 -24 52
Y1 0 0 0 0 0 0
Y2 1 0 0 0.04347826087 -0.72173913 0.55652174
Y3 2 0 1 0 -0.36 0.28
¿Qué cantidad de cada tipo de pintura debe producir PAINTCOL Co. con los recursos disponibles para minimizar
los costos de producción?
W = -53424
Y1 = 0 Pintura tipo A
Y2 = 121.495652 Pintura tipo B
Y3 = 80.64 Pintura tipo C
Reemplazamos
Z = -1700(0) - 1500(121.495652) - 1100(80.64) 182243.478
Z = 21115.7 + 47913 88704
Z = 270947.478 270947.478
e indicará que para la
que las llamaremos Y
Valor
-1120
-1596
-1764
-55440
1400
-84
50.4
Valor
-53424
2794.4
-23.52
80.64
Valor
-53424
0
121.495652
80.64
Data Results
Y1 Y2 Y3 LHS Slack/Surplus
Maximize 1700 1500 1100 sign RHS 70368.54
Constraint 1 72 5 50 < 1120 1120 0 Constraint
Constraint 2 28 35 20 < 1596 1486.202 109.7978 Constraint
Constraint 3 25 45 35 < 1764 1764 0 Constraint
Results
Variables 13.34831 31.78427 0
Objective 70368.54
Page 13
OBJETIVOS
En el presente trabajo se evidencia el desarrollo del problema planteado inicialmente, dandole solución
por medio de los tres metodo solicitado "Análisis de dualidad", a través del modelo de programación
lineal y esto me permitío entregar las actividad individual correspondiente.
BIBLIOGRAFIA
Rojas, A. y Hernández, O. (2020). Análisis de sensibilidad en programación lineal con Excel QM [OVI].
Recuperado de https://repository.unad.edu.co/handle/10596/33783
Hillier, F. & Lieberman, J. (2011). Introducción a la investigación de operaciones (pp. 179-190). México,
México: Editorial McGraw Hill Interamericana. Recuperado de https://elibro-
net.bibliotecavirtual.unad.edu.co/es/ereader/unad/101895