TAREA 2

DUALIDAD Y ANALISIS POST-OPTIMO

AUTORES
ORLANDO ALEXIS ARAGON
ADRIANA MARCELA GUERRA
JAUMER ANDRES GARCIA
LUIS ALBERTO RAMIREZ CASTELLANOS

TUTOR

EVER ANTONIO POLO

CURSO

PROGRAMACION LINEAL

GRUPO

100404_342

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

2020
UNAD
Ejercicio 1. Dualidad a un problema de maximización.

La empresa PISOS PVC DE COLOMBIA S.A., produce y comercializa tres clases de piso de PVC, el piso clase A a $90
clase A, requiere 100 t de PVC, 80 t de fibra de vidrio y 100 t de otros materiales. El piso clase B, requiere 140 t de
t de PVC, 100 t de fibra de vidrio y 120 t de otros materiales. El inventario de la empresa presenta una disponibili
materiales. ¿Qué cantidad de cada clase de piso de PVC debe producir y comercializar con los recursos disponible
1. Formulación del problema como modelo de programación lineal.
Según Pineda (2018) se inicia contruyendo la tabla de variables:

recursos Piso clase A Piso clase B Piso clase C dispon. de recur.

PVC 100 140 150 8500
Fibra de vidrio 80 90 100 7000
otros materiales 100 110 120 7500
precio lanzam $ 90000 110000 85000

Las variables de decision:

x1=cantidad de piso clase A
x2=cantidad de piso clase B
x3=cantidad de piso clase C

funcion objetivo:
z=90000x1+110000x2+85000x3
se busca maximizar la funcion de ingresos z.

restricciones
según el uso de PVC:
100𝑥1+140𝑥2+150𝑥3≤8500

según el uso de fibra de vidrio:

80𝑥1+90𝑥2+100𝑥3≤7000

según el uso de otros materiales:

100𝑥1+110𝑥2+120𝑥3≤7500
𝑥1,𝑥2,𝑥3≥0
modelo estandar
variables de holgura:
s1, s2, s3
ecuaciones del modelo estandar
𝑧−90000𝑥1−110000𝑥2−85000𝑥3=0
100𝑥1+140𝑥2+150𝑥3+𝑠1=8500
80𝑥1+90𝑥2+100𝑥3+𝑠2=7000
100𝑥1+110𝑥2+120𝑥3+𝑠3=7500

2. Solucionar el problema primal por el método simplex primal.

tabla simplex

renglon z x1 x2 x3 s1 s2
R1 1 -90000 -110000 -85000 0 0
R2 0 100 140 150 1 0
R3 0 80 90 100 0 1
R4 0 100 110 120 0 0

Columna pivote: es la que tenga en R1 el menor xn, en este caso es x2.

fila pivote: es la fila diferente a R1 en la que la division de su solucion dividido en su respectivo valor de xn en la
columna de pivote sea menor. En este caso es R2.
numero pivote: es la interseccion de la columna pivote con la fila pivote, en este caso es 140.

Ahora es necesario convertir el numero pivote en 1, esto se logra dividiendo toda la fila pivote por el numero piv
es decir toda la fila R2 dividida en 50000:

renglon z x1 x2 x3 s1 s2
R1 1 -90000 -110000 -85000 0 0
R2 0 0.71428571 1 1.07142857 0.00714286 0
R3 0 80 90 100 0 1
R4 0 100 110 120 0 0

Lo siguiente es convertir los demas valores de la columna pivote de R1, R3 y R4 en cero:

para lograr esto lo que se hace es multiplicar la fila pivote por el valor de x2 de cada fila con el simbolo invertido,
resultado sumarlo a la fila correspondiente:
renglon z x1 x2 x3 s1 s2
R1 1 -11428.5714 0 32857.1429 785.714286 0
R2 0 0.71428571 1 1.07142857 0.00714286 0
R3 0 15.7142857 0 3.57142857 -0.64285714 1
R4 0 21.4285714 0 2.14285714 -0.78571429 0

como aun existen valores negativos en la fila R1, entonces se selecciona nuevamente una columna, una fila y un
numero pivote como se hizo inicialmente, y tambien como se hizo anteriormente, se convierte el numero pivote
y los demas numeros en la columna pivote en cero.
el numero pivote se convierte en 1, dividiendo toda la fila R3 por el numeero pivote:
renglon z x1 x2 x3 s1 s2
R1 1 -11428.5714 0 32857.1429 785.714286 0
R2 0 0.71428571 1 1.07142857 0.00714286 0
R3 0 15.7142857 0 3.57142857 -0.64285714 1
R4 0 21.4285714 0 2.14285714 -0.78571429 0

renglon z x1 x2 x3 s1 s2
R1 1 -11428.5714 0 32857.1429 785.714286 0
R2 0 0.71428571 1 1.07142857 0.00714286 0
R3 0 15.7142857 0 3.57142857 -0.64285714 1
R4 0 1 0 0.1 -0.03666667 0
Lo siguiente es convertir los demas valores de la columna pivote de R1, R2 y R3 en cero, de la misma manera com
hizo anteriormente:

renglon z x1 x2 x3 s1 s2
R1 1 0 0 34000 366.666667 0
R2 0 0 1 1 0.03333333 0
R3 0 0 0 2 -0.06666667 1
R4 0 1 0 0.1 -0.03666667 0

para determinar las respuestas, se selecciona los 1 en cada columna correspondiente a una variable y se relaciona con su
solucion, sin embargo como en R3 no hay un 1 en la variable x3, quiere decir que este piso no se debe fabricar, y estas solu
se aproximan al antero mas cercano, ya que no se pueden desarrollar cantidades de pisos con decimales, asi:
variable solucion
z 7116667
x1 38
x2 33
x3 0

ahora para comprobar la respuesta se usa la funcion de utilidad:

z=90000x1+110000x2+85000x3=90000(38)+110000(33)+85000(0)= 7.050.000 que es aproximadamente z=7.116

En complemento Solver (Excel), encontrar la solución del problema primal:

var. x1 x2 x3
38.3333333 33.3333333 0
form. Max. z 90000 110000 85000 7116666.67

R1 100 140 150 8500

R2 80 90 100 6066.66667
R3 100 110 120 7500
3. Formular el problema dual a partir del problema primal.

Según Kong (2010) la formulacion del problema dual a partir del problema primal anterior es la siguiente:

funcion objetivo dual:

w=8500y1+7000y2+7500y3
minimizar:
w-8500y1-7000y2-7500y3=0
Restricciones duales por recursos:
100y1+80y2+100y3≥90000
"140y1+90y2+110y3"≥110000
"150y1+100y2+120y3"≥85000
Restricciones con variables de holgura:
100y1+80y2+100y3-s1=90000
"140y1+90y2+110y3"−𝑠2=110000
"150y1+100y2+120y3"−𝑠3=85000
Restriccion de las variables:
y1,y2,y3 𝑖𝑟𝑟𝑒𝑠𝑡𝑟𝑖𝑐𝑡𝑎𝑠

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

según Moreno (2018) primero se construye la matriz dual:

variables y1 y2 y3 s1 s2 s3
w -8500 -7000 -7500 0 0 0
s1 -100 -80 -100 1 0 0
s2 -140 -90 -110 0 1 0
s3 -150 -100 -120 0 0 1

fila pivote: se toma el valor menor en la columna de resultado sin considerar la fila de w, en este caso es -110000
columna pivote: se divide los valores de y1, y2 y y3 de la fila w con sus respectivos valores en la fila pivote, y se e
de como resultado el valor mas cercano a cero, en este caso es la columna de y1.
numero pivote: es la interseccion de la fila y la columna pivote.
variables y1 y2 y3 s1 s2 s3
w -8500 -7000 -7500 0 0 0
s1 -100 -80 -100 1 0 0
s2 -140 -90 -110 0 1 0
s3 -150 -100 -120 0 0 1
Ahora para hallar las nuevas tablas anexas, el numero pivote se conviete en 1, dividiendo toda la fila pivote en e

variables y1 y2 y3 s1 s2 s3
w -8500 -7000 -7500 0 0 0
s1 -100 -80 -100 1 0 0
y1 1 0.64285714 0.78571429 0 -0.00714286 0
s3 -150 -100 -120 0 0 1
Ahora los demas valores de la columna pivote, a diferencia del numero pivote, deben convertirse en cero:
variables y1 y2 y3 s1 s2 s3
w 0 -1535.71429 -821.428571 0 -60.7142857 0
s1 0 -15.7142857 -21.4285714 1 -0.71428571 0
y1 1 0.64285714 0.78571429 0 -0.00714286 0
s3 0 -3.57142857 -2.14285714 0 -1.07142857 1
Como no todas las cifras de la columna de resultados son positivas, se debe repetir el proceso anterior escogiend
variables y1 y2 y3 s1 s2 s3
w 0 -1535.71429 -821.428571 0 -60.7142857 0
y3 0 -15.7142857 -21.4285714 1 -0.71428571 0
y1 1 0.64285714 0.78571429 0 -0.00714286 0
s3 0 -3.57142857 -2.14285714 0 -1.07142857 1
se convierte el numero pivote en 1:
variables y1 y2 y3 s1 s2 s3
w 0 -1535.71429 -821.428571 0 -60.7142857 0
y3 0 0.73333333 1 -0.04666667 0.03333333 0
y1 1 0.64285714 0.78571429 0 -0.00714286 0
s3 0 -3.57142857 -2.14285714 0 -1.07142857 1
Ahora los demas valores de la columna pivote, a diferencia del numero pivote, deben convertirse en cero:
variables y1 y2 y3 s1 s2 s3
w 0 -933.333333 0 -38.3333333 -33.3333333 0
y3 0 0.73333333 1 -0.04666667 0.03333333 0
y1 1 0.06666667 0 0.03666667 -0.03333333 0
s3 0 -2 0 -0.1 -1 1
Como ya todos los valores de la columna de resultados son positivos, hasta aquí llega el proceso, y como no hay
variables solucion
w 7116667
y1 366.666667
y2 0
y3 533.333333
Confirmacion de resutado correcto con PHPSIMPLEX:

5. Interpretar los resultados de la solución de problema primal y de la solución del problema dual.
Estos son los resultados del problema primal:
variable solucion
z 7116667
x1 38
x2 33
x3 0
Estos resultados se interpretan como que para maximizar los ingresos de la venta de los pisos, se deben producir
y cero unidades del piso clase C. Al hacerlo se alcanzan los maximos ingresos que son $7.116.667

Estos son los resultados del problema dual:

variables solucion
w 7116667
y1 366.666667
y2 0
y3 533.333333
Para llegar a estos resultados se busco minimizar la funcion:
w=8500y1+7000y2+7500y3
Que se interpreta asi:
"puede verse como la minimizacion del valor total implicito de los recursos consumidos por las actividades" (Hill

Los valores encontrados en el problema dual representan los precios sombra de cada recurso, es decir su valor d
en su aporte a maximizar los ingresos. En el procesos de minimizacion del problema dual se busca encontrar el n
eficiente, de cada recurso, y según los resultados es y3=otros materiales los que aportan mas a la obtencion de b
ingresos manteniendo los precios de venta, es decir que tiene mayor valor de oportunidad, le sigue y1=pvc, y por
muestra que no aporta en la maximizacion de beneficios al minimizar a cero su aporte. Esto no significa que halla
recurso, ya que puede ser vital en la produccion de los pisos, sino que se puede buscar un reemplazo, o puede ca
fabricacion de los pisos.
piso de PVC, el piso clase A a $90.000 el m2, el piso clase B a $110.000 el m2 y el piso clase C a $85.000 el m2. El piso
El piso clase B, requiere 140 t de PVC, 90 t de fibra de vidrio, y 110 t de otros materiales. El piso clase C, requiere 150
mpresa presenta una disponibilidad máxima de 8.500 t de PVC, 7.000 t de fibra de vidrio y 7.500 t de otros
alizar con los recursos disponibles PISOS PVC DE COLOMBIA S.A. para maximizar sus ingresos?
 s3 soluc.
0 0
0 8500
0 7000
1 7500

su respectivo valor de xn en la

caso es 140.

la fila pivote por el numero pivote,

s3 soluc.
0 0
0 60.7142857
0 7000
1 7500

da fila con el simbolo invertido, y el

s3 soluc.
0 6678571.43
0 60.7142857
0 1535.71429
1 821.428571

ente una columna, una fila y un

, se convierte el numero pivote en 1,

ote:
s3 soluc.
0 6678571.43
0 60.7142857
0 1535.71429
1 821.428571

s3 soluc.
0 6678571.43
0 60.7142857
0 1535.71429
0.04666667 38.3333333
n cero, de la misma manera como se

s3 soluc.
533.333333 7116666.67
-0.03333333 33.3333333
-0.73333333 933.333333
0.04666667 38.3333333

na variable y se relaciona con su

so no se debe fabricar, y estas soluciones
s con decimales, asi:

ue es aproximadamente z=7.116.667

8500
7000
7500
anterior es la siguiente:

resultado
0
-90000
-110000
-85000

la de w, en este caso es -110000 de la fila s2.

 s valores en la fila pivote, y se escoge la columna cuya division

resultado
0
-90000
-110000
-85000
vidiendo toda la fila pivote en el numero pivote:

resultado
0
-90000
785.714286
-85000
eben convertirse en cero:
resultado
6678571.43
-11428.5714
785.714286
32857.1429
tir el proceso anterior escogiendo una nueva fila, columna y numero pivote:
resultado
6678571.43
-11428.5714
785.714286
32857.1429

resultado
6678571.43
533.333333
785.714286
32857.1429
ote, deben convertirse en cero:
resultado
7116666.67
533.333333
366.666667
34000
lega el proceso, y como no hay 1 en la columna y2, esto se interpreta como que y2=0. asi los resultados son:
del problema dual.
 de los pisos, se deben producir 38 unidades del piso clase A, 33 unidades del piso clase B
son $7.116.667

midos por las actividades" (Hillier, 2011, p. 188)

cada recurso, es decir su valor de referencia o de oportunidad

ma dual se busca encontrar el nivel de aportacion, en el uso
aportan mas a la obtencion de beneficios segun los maximos
ortunidad, le sigue y1=pvc, y por ultimo y2=fibra de vidrio que
porte. Esto no significa que halla que eliminar este ultimo
uscar un reemplazo, o puede cambiarse su proporsion en la
 Ejercicio 2. Dualidad a un problema de minimización.

La empresa PINTURAS DE COLOMBIA S.A., produce pintura tipo 1 a un costo de $450.000 la caneca, la pintura tip
pintura tipo 3 a un costo de $680.000 la caneca. Para la producción de pintura tipo 1, se necesitan 72 t de pigme
requiere 28 t de pigmento, 35 t de aglutinante y 30 t de disolvente y la pintura tipo 3 necesita 25 t de pigmento,
inventario de la empresa cuenta con por lo menos 17.000 t de pigmento, 15.000 t de aglutinante y 11.000 t de di
pintura debe producir PINTURAS DE COLOMBIA S.A. con los recursos disponibles para minimizar los costos de pro
1. Formular el problema como un modelo de programación lineal.
Según Pineda (2018) la formulacion del problema es la siguiente:
Tabla de variables
recursos Pintura tipo 1 Pintura tipo 2 Pintura tipo 3 dispon. de recur.
Pigmento 72 28 25 17000
Aglutinante 35 45 15000
Disolvente 50 30 35 11000
Costo unidad 450000 620000 680000
Las variables de decision:
x1=cantidad de pintura tipo 1
x2=cantidad de pintura tipo 2
x3=cantidad de pintura tipo 3
funcion objetivo dual:
z=450000x1+620000x2+680000x3
minimizar:
z-450000x1-620000x2-680000x3=0
Restricciones duales por recursos:
72x1+28x2+25x3≥17000
"0x1+35x2+45x3"≥15000
"50x1+30x2+35x3"≥11000
Restricciones con variables de holgura:
72x1+28x2+25x3-s1=17000
"0x1+35x2+45x3"−𝑠2=15000
"50x1+30x2+35x3"−𝑠3=11000
Restriccion de no negatividad:
x1,x2,x3≥0
2. Solucionar el problema primal por el método simplex dual.
según Moreno (2018) primero se construye la matriz dual:
variables x1 x2 x3 s1 s2 s3
z -450000 -620000 -680000 0 0 0
s1 -72 -28 -25 1 0 0
s2 0 -35 -45 0 1 0
s3 -50 -30 -35 0 0 1
fila pivote: se toma el valor menor en la columna de resultado sin considerar la fila de z, en este caso es -17000 d
columna pivote: se divide los valores de x1, x2 y x3 de la fila z con sus respectivos valores en la fila pivote, y se es
de como resultado el valor mas cercano a cero, en este caso es la columna de x1.
numero pivote: es la interseccion de la fila y la columna pivote.
variables x1 x2 x3 s1 s2 s3
z -450000 -620000 -680000 0 0 0
s1 -72 -28 -25 1 0 0
s2 0 -35 -45 0 1 0
s3 -50 -30 -35 0 0 1
Ahora para hallar las nuevas tablas anexas, el numero pivote se conviete en 1, dividiendo toda la fila pivote en e
variables x1 x2 x3 s1 s2 s3
z -450000 -620000 -680000 0 0 0
s1 1 0.38888889 0.34722222 -0.01388889 0 0
s2 0 -35 -45 0 1 0
s3 -50 -30 -35 0 0 1
Ahora los demas valores de la columna pivote, a diferencia del numero pivote, deben convertirse en cero:
variables x1 x2 x3 s1 s2 s3
z 0 -445000 -523750 -6250 0 0
s1 1 0.38888889 0.34722222 -0.01388889 0 0
s2 0 -35 -45 0 1 0
s3 0 -10.5555556 -17.6388889 -0.69444444 0 1
Como no todas las cifras de la columna de resultados son positivas, se debe repetir el proceso anterior escogiend
variables x1 x2 x3 s1 s2 s3
z 0 -445000 -523750 -6250 0 0
s1 1 0.38888889 0.34722222 -0.01388889 0 0
s2 0 -35 -45 0 1 0
s3 0 -10.5555556 -17.6388889 -0.69444444 0 1
Ahora para hallar las nuevas tablas anexas, el numero pivote se conviete en 1, dividiendo toda la fila pivote en e
variables x1 x2 x3 s1 s2 s3
z 0 -445000 -523750 -6250 0 0
s1 1 0.38888889 0.34722222 -0.01388889 0 0
s2 0 0.77777778 1 0 -0.02222222 0
s3 0 -10.5555556 -17.6388889 -0.69444444 0 1
Ahora los demas valores de la columna pivote, a diferencia del numero pivote, deben convertirse en cero:
variables x1 x2 x3 s1 s2 s3
z 0 -37638.8889 0 -6250 0 0
s1 1 0.11882716 0 -0.01388889 0 0
s2 0 0.77777778 1 0 -0.02222222 0
s3 0 3.16358025 0 -0.69444444 0 1
Como ya todos los valores de la columna de resultados son positivos, hasta aquí llega el proceso, y como no hay
variables solucion
z 280833333
x1 120
x2 0
x3 333

En complemento Solver (Excel), encontrar la solución del problema primal.

var. x1 x2 x3
120.37037 0 333.333333
form. Min. z 450000 620000 680000 280833333
 S1 72 28 25 17000
S2 0 35 45 15000
S3 50 30 35 17685.1852

3. Formular el problema dual a partir del problema primal.

Según Kong (2010) la formulacion del problema dual a partir del problema primal anterior es la siguiente:
funcion objetivo dual:
w=17000y1+15000y2+11000y3
Maximizar:
w-17000y1-15000y2-11000y3=0
=0
Restricciones duales por recursos:
72y1+0y2+50y3≤450000
"28y1+35y2+30y3"≤620000
"25y1+45y2+35y3"≤680000
Restricciones con variables de holgura:
72y1+0y2+50y3+s1=450000
"28y1+35y2+30y3+s2=" 620000
"25y1+45y2+35y3+s3=" 680000
Restriccion de las variables:
y1,y2,y3 𝑖𝑟𝑟𝑒𝑠𝑡𝑟𝑖𝑐𝑡𝑎𝑠

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

tabla simplex
renglon w y1 y2 y3 s1 s2
R1 1 -17000 -15000 -11000 0 0
R2 0 72 0 50 1 0
R3 0 28 35 30 0 1
R4 0 25 45 35 0 0
Columna pivote: es la que tenga en R1 el menor yn, en este caso es y1.
fila pivote: es la fila diferente a R1 en la que la division de su solucion dividido en su respectivo valor de yn en la
columna de pivote sea menor. En este caso es R2.
numero pivote: es la interseccion de la columna pivote con la fila pivote, en este caso es 72.
Ahora es necesario convertir el numero pivote en 1, esto se logra dividiendo toda la fila pivote por el numero piv
renglon w y1 y2 y3 s1 s2
R1 1 -17000 -15000 -11000 0 0
R2 0 1 0 0.69444444 0.01388889 0
R3 0 28 35 30 0 1
R4 0 25 45 35 0 0
Lo siguiente es convertir los demas valores de la columna pivote en cero:
renglon w y1 y2 y3 s1 s2
R1 1 0 -15000 805.555556 236.111111 0
R2 0 1 0 0.69444444 0.01388889 0
R3 0 0 35 10.5555556 -0.38888889 1
R4 0 0 45 17.6388889 -0.34722222 0

como aun existen valores negativos en la fila R1, entonces se selecciona nuevamente una columna, una fila y un
numero pivote como se hizo inicialmente, y tambien como se hizo anteriormente, se convierte el numero pivote
y los demas numeros en la columna pivote en cero.
renglon w y1 y2 y3 s1 s2
R1 1 0 -15000 805.555556 236.111111 0
R2 0 1 0 0.69444444 0.01388889 0
R3 0 0 35 10.5555556 -0.38888889 1
R4 0 0 45 17.6388889 -0.34722222 0

renglon w y1 y2 y3 s1 s2
R1 1 0 -15000 805.555556 236.111111 0
R2 0 1 0 0.69444444 0.01388889 0
R3 0 0 35 10.5555556 -0.38888889 1
R4 0 0 1 0.39197531 -0.00771605 0

renglon w y1 y2 y3 s1 s2
R1 1 0 0 6685.18519 120.37037 0
R2 0 1 0 0.69444444 0.01388889 0
R3 0 0 0 -3.16358025 -0.11882716 1
R4 0 0 1 0.39197531 -0.00771605 0
Para determinar las respuestas, se selecciona los 1 en cada columna correspondiente a una variable y se relaciona con su
solucion, sin embargo como en R3 no hay un 1 en la variable y3, quiere decir que esta variable es cero:

variable solucion
w 280833333
y1 6250
y2 11638.8889
y3 0

En complemento Solver (Excel), encontrar la solución del problema dual.

var. y1 y2 y3
6250 11638.8889 0
form. Max. w 17000 15000 11000 280833333

R1 72 0 50 450000
R2 28 35 30 582361.111
R3 25 45 35 680000

5. Interpretar los resultados de la solución de problema primal y solución del problema dual.
Estos son los resultados del problema primal:
variables solucion
z 280833333
x1 120
x2 0
x3 333
Esto quiere decir que para minimizar los costos se debe producir 120 unidades de la pintura tipo 1, cero unidade
2 y 333 unidades de la piintura tipo 3. Dicho costo minimo a alcanzar total es $280.833.333

Estos son los resultados del problema dual:

variable solucion
w 280833333
y1 6250
y2 11638.8889
y3 0
Puede verse como la maximizacion del valor total implicito de los recursos consumidos por las actividades para a
Los valores encontrados en el problema dual representan los precios sombra de cada recurso, es decir su valor d
en su aporte a reducir los costos. En el procesos de maximizacion del problema dual se busca encontrar el nivel d
eficiente, de cada recurso, y según los resultados es y2=aglutinante el que aporta mas a la minimizacion de los co
valor de oportunidad, le sigue y1=pigmento, y por ultimo y3=disolvente, que muestra que no aporta en la minim
en cero su valor de aporte. Esto no significa que halla que eliminar este ultimo recurso, ya que puede ser vital en
que se puede buscar un reemplazo, o puede cambiarse su proporsion en la fabricacion de la pintura.
 450.000 la caneca, la pintura tipo 2 a un costo de $620.000 la caneca y la
o 1, se necesitan 72 t de pigmento y 50 t de disolvente. La pintura tipo 2
po 3 necesita 25 t de pigmento, 45 t de aglutinante y 35 t de disolvente. El
t de aglutinante y 11.000 t de disolvente. ¿Qué cantidad de cada tipo de
para minimizar los costos de producción?

resultado
0
-17000
-15000
-11000
la de z, en este caso es -17000 de la fila s1.
s valores en la fila pivote, y se escoge la columna cuya division

resultado
 0
-17000
-15000
-11000
vidiendo toda la fila pivote en el numero pivote:
resultado
0
236.111111
-15000
-11000
eben convertirse en cero:
resultado
106250000
236.111111
-15000
805.555556
tir el proceso anterior escogiendo una nueva fila, columna y numero pivote:
resultado
106250000
236.111111
-15000
805.555556
vidiendo toda la fila pivote en el numero pivote:
resultado
106250000
236.111111
333.333333
805.555556
eben convertirse en cero:
resultado
280833333
120.37037
333.333333
6685.18519
lega el proceso, y como no hay 1 en la columna x2, esto se interpreta como que x2=0. asi los resultados son:
 17000
15000
11000

anterior es la siguiente:
 s3 soluc.
0 0
0 450000
0 620000
1 680000

su respectivo valor de yn en la

caso es 72.
la fila pivote por el numero pivote:
s3 soluc.
0 0
0 6250
0 620000
1 680000

s3 soluc.
0 106250000
0 6250
0 445000
1 523750

ente una columna, una fila y un

, se convierte el numero pivote en 1,

s3 soluc.
0 106250000
0 6250
0 445000
1 523750

s3 soluc.
0 106250000
0 6250
0 445000
0.02222222 11638.8889

s3 soluc.
333.333333 280833333
0 6250
-0.77777778 37638.8889
0.02222222 11638.8889
na variable y se relaciona con su
riable es cero:
 450000
620000
680000

oblema dual.

e la pintura tipo 1, cero unidades de la pintura tipo

0.833.333
midos por las actividades para asi alcanzar la minimizacion de los costos totales de produccion.
cada recurso, es decir su valor de referencia o de oportunidad
ual se busca encontrar el nivel de aportacion, en el uso
mas a la minimizacion de los costos, es decir que tiene mayor
estra que no aporta en la minimizacion de los costos al mostrar
curso, ya que puede ser vital en la produccion de la pintura, sino
acion de la pintura.
Ejercicio 3. Análisis de sensibilidad y post-óptimo.
La empresa CACAOS NACIONALES S.A., produce tres clases de chocolates, dulce, semidulce y amargo. Para produ
120 t de cacao, 20 t manteca de cacao y 60 t de azúcar y le genera una utilidad de $1.500.000. Para producir cho
de cacao, 20 t de manteca de cacao y 20 t de azúcar y le genera una utilidad de $1.300.000. Para elaborar el choc
cacao, 20 t de manteca de cacao y 20 t de azúcar y le genera una utilidad de $1.500.000. El inventario de la empr
disponibilidad máxima de 100.000 t de cacao, 15.000 t de manteca de cacao y 30.000 t de azúcar. ¿Qué cantidad
debe producir CACAOS NACIONALES S.A. con los recursos disponibles para maximizar sus utilidades?

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

Según Pineda (2018) se inicia contruyendo la tabla de variables:
recursos dulce semidulce amargo disp. Recur.
cacao 120 100 200 100000
manteca 20 20 20 15000
azucar 60 20 20 30000
utilidad (t) 1500000 1300000 1500000 NA
Las variables de decision:
x1=cantidad de chocolate dulce
x2=cantidad de chocolate semidulce
x3=cantidad de chocolate amargo
funcion objetivo:
z=1500000x1+1300000x2+1500000x3
se busca maximizar la funcion de utilidad z.
restricciones
según el uso de cacao:
120𝑥1+100𝑥2+200𝑥3≤100000

según el uso de manteca de cacao:

20𝑥1+20𝑥2+20𝑥3≤15000

según el uso de azucar:

60𝑥1+20𝑥2+20𝑥3≤30000
𝑥1,𝑥2,𝑥3≥0
modelo estandar
variables de holgura:
s1, s2, s3
ecuaciones del modelo estandar
𝑧−1500000𝑥1−1300000𝑥2−1500000𝑥3=0
120𝑥1+100𝑥2+200𝑥3+𝑠1=100000
20𝑥1+20𝑥2+20𝑥3+𝑠2=15000
60𝑥1+20𝑥2+20𝑥3+𝑠3=30000

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

tabla simplex
renglon z x1 x2 x3 s1 s2
R1 1 -1500000 -1300000 -1500000 0 0
R2 0 120 100 200 1 0
R3 0 20 20 20 0 1
R4 0 60 20 20 0 0
Columna pivote: es la que tenga en R1 el menor xn, en este caso se escoge x1.
fila pivote: es la fila diferente a R1 en la que la division de su solucion dividido en su respectivo valor de xn en la
columna de pivote sea menor. En este caso es R4.
numero pivote: es la interseccion de la columna pivote con la fila pivote, en este caso es 60.

Ahora es necesario convertir el numero pivote en 1, esto se logra dividiendo toda la fila pivote por el numero piv
renglon z x1 x2 x3 s1 s2
R1 1 -1500000 -1300000 -1500000 0 0
R2 0 120 100 200 1 0
R3 0 20 20 20 0 1
R4 0 1 0.33333333 0.33333333 0 0
Lo siguiente es convertir los demas valores de la columna pivote en cero:
renglon z x1 x2 x3 s1 s2
R1 1 0 -800000 -1000000 0 0
R2 0 0 60 160 1 0
R3 0 0 13.3333333 13.3333333 0 1
R4 0 1 0.33333333 0.33333333 0 0

Como aun existen valores negativos en la fila R1, entonces se selecciona nuevamente una columna, una fila y un
numero pivote como se hizo inicialmente, y tambien como se hizo anteriormente, se convierte el numero pivote
y los demas numeros en la columna pivote en cero:
renglon z x1 x2 x3 s1 s2
R1 1 0 -800000 -1000000 0 0
R2 0 0 60 160 1 0
R3 0 0 13.3333333 13.3333333 0 1
R4 0 1 0.33333333 0.33333333 0 0

renglon z x1 x2 x3 s1 s2
R1 1 0 -800000 -1000000 0 0
R2 0 0 0.375 1 0.00625 0
R3 0 0 13.3333333 13.3333333 0 1
R4 0 1 0.33333333 0.33333333 0 0

renglon z x1 x2 x3 s1 s2
R1 1 0 -425000 0 6250 0
R2 0 0 0.375 1 0.00625 0
R3 0 0 8.33333333 0 -0.08333333 1
R4 0 1 0.20833333 0 -0.00208333 0

Como aun existen valores negativos en la fila R1, entonces se selecciona nuevamente una columna, una fila y un
numero pivote como se hizo inicialmente, y tambien como se hizo anteriormente, se convierte el numero pivote
y los demas numeros en la columna pivote en cero:
renglon z x1 x2 x3 s1 s2
R1 1 0 -425000 0 6250 0
R2 0 0 0.375 1 0.00625 0
R3 0 0 8.33333333 0 -0.08333333 1
R4 0 1 0.20833333 0 -0.00208333 0

renglon z x1 x2 x3 s1 s2
R1 1 0 -425000 0 6250 0
R2 0 0 0.375 1 0.00625 0
R3 0 0 1 0 -0.01 0.12
R4 0 1 0.20833333 0 -0.00208333 0

renglon z x1 x2 x3 s1 s2
R1 1 0 0 0 2000 51000
R2 0 0 0 1 0.01 -0.045
R3 0 0 1 0 -0.01 0.12
R4 0 1 0 0 0 -0.025
Cuadro de respuestas:
variable solucion
z 1085000000
x1 375
x2 200
x3 175

En complemento Solver (Excel), encontrar la solución del problema programación lineal.

var. x1 x2 x3
375 200 175
form. Max. z 1500000 1300000 1500000 1085000000

R1 120 100 200 100000

R2 20 20 20 15000
R3 60 20 20 30000
3. Realizar el análisis de sensibilidad a la solución óptima simplex primal del modelo de programación lineal.

a. Analizar los cambios de aumento y reducción de los coeficientes de las variables de la función objetivo.
Celdas de variables
Final Reducido Objetivo Permisible
Celda Nombre Valor Coste Coeficiente Aumentar
$D$116 Dulce 375 0 1500000 2040000
$E$116 Semidulce 200 0 1300000 200000
$F$116 Amargo 175 0 1500000 800000
Interpretacion: Según el analisis de sensibilidad o confiabilidad, para mantener las mismas cantidades de produc
maximizar la funcion objetivo de utilidad, los coeficiente pueden modificarse de la manera siguiente en el rango
chocolate dulce se puede aumentar 2.040.000 o reducir 160.000 manteniendo la misma cantidad de productos,
toneladas; la utilidad del chocolate semidulce por tonelada puede aumentar 200.000 o disminuir 425.000; y la uti
puede aumentar 800.000 o disminuir 200.000.

b. Analizar los cambios de aumento y reducción de las disponibilidades de las restricciones.

Restricciones
Final Sombra Restricción Permisible
Celda Nombre Valor Precio Lado derecho Aumentar
$H$119 Cacao 100000 2000 100000 20000
$H$120 Manteca 15000 51000 15000 3888.88889
$H$121 Azucar 30000 4000 30000 10000
Interpretacion: según el analisis de sensibilidad o confiabilidad de las restricciones, en el cuadro anterior en la co
sombra, se interpreta que por cada tonela de cacao que se aumente se generara $2.000 mas de utilidad; por cad
manteca que se aumente, se ganara $51.000 mas de utilidad; y por cada tonelada mas de azucar disponble se ga
de utilidad. Sin embargo dichos aumentos no son cualquiera si se desea mantener la misma cantidad de producc
muestra que de cacao se puede aumentar 20.000 t, la manteca permite aumentar 3.888,88.. t y el azucar permit
10.000 t. Asi mismo el sistema permite disminuir la cantidad disponoble de dichos recursos, esto se observa en la
"permisible reducir", sin embargo esto no es tan relevante ya que lo que se busca es aumentar las ganancias.

4. Realizar el análisis post-óptimo a la solución óptima simplex primal del modelo de programación lineal.
a. Realizar los cambios que afectan la factibilidad:
1. Cambios en el lado derecho.
Según el analisis de sensibilidad, los cambios en los niveles de recursos son los siguientes:
 Permisible Permisible
Nombre Aumentar Reducir
Cacao 20000 17500
Manteca 3888.88889 1666.66667
Azucar 10000 15000
Según Gonzalez (2015) cambiando los niveles de recursos, estos son los resultados de aplicar el aumento en el la
Aumento en la disponibilidad de cacao:
var. x1 x2 x3
375 0 375
form. Max. z 1500000 1300000 1500000 1125000000

R1 120 100 200 120000

R2 20 20 20 15000
R3 60 20 20 30000
Aumento en la disponibilidad de manteca de cacao:
var. x1 x2 x3
277.777778 666.666667 0
form. Max. z 1500000 1300000 1500000 1283333333

R1 120 100 200 100000

R2 20 20 20 18888.8889
R3 60 20 20 30000
Aumento en la disponibilidad de manteca de azucar:
var. x1 x2 x3
625 1.36424E-13 125
form. Max. z 1500000 1300000 1500000 1125000000

R1 120 100 200 100000

R2 20 20 20 15000
R3 60 20 20 40000

2. Adición de una nueva restricción.

Supongamos que la fabricacion de los chocolates tiene restricccion de horas labor hombre, y si la empresa cuent
disponibilidad maxima total de horas en 1 año de 7680 h, donde la fabricacion de una tonelada de chocolate dulc
chocolate semidulce 7 horas, y de chocolate amargo 6 horas. Dicha restriccion se expresa con la siguiente formul

8𝑥1+7𝑥2+6𝑥3≤7680

Esta es la solucion con la nueva restriccion:

var. x1 x2 x3
375 200 175
form. Max. z 1500000 1300000 1500000 1085000000

R1 120 100 200 100000

R2 20 20 20 15000
R3 60 20 20 30000
 R4 8 7 6 5450

b. Realizar los siguientes cambios que afectan la optimalidad:

1. Cambios en los coeficientes de la función objetivo.
Según el analisis de sensibilidad, estos son los cambios posibles en las utilidades de cada tipo de chocolate en la f
Objetivo Permisible Permisible
Nombre Coeficiente Aumentar Reducir
Dulce 1500000 2040000 160000
Semidulce 1300000 200000 425000
Amargo 1500000 800000 200000
Aquí solo se considera los aumentos, ya que se busca maximizar la utilidad:
Aumento en el coeficiente de utilidad de cada producto:
var. x1 x2 x3
416.666667 0 250
form. Max. z 3540000 1500000 2300000 2050000000

R1 120 100 200 100000

R2 20 20 20 13333.3333
 R3 60 20 20 30000
Interpretacion: En este ejemplo se han modificado los coeficientes de la funcion objetivo, que representan la uti
costo de produccion y el precio de venta, y si se puede aumentar el precio de venta con respecto a los costos dic
factores del mercado, como la oferta, la demanda y la competencia. En el ejemplo desarrollado se observa que a
gran utilidad total de $2.050.000.000 y se hace necesario dejar de producir chocolate semidulce.

2. Adición de una nueva actividad.

Se puede considerar que la empresa empieza a fabricar chocolate dietetico, su utilidad y su necesidad de materia
var. x1 x2 x3 x4
416.666667 145.833333 0 208.333333
form. Max. z 1500000 1300000 1500000 1400000 1106250000

R1 120 100 200 170 100000

R2 20 20 20 18 15000
R3 60 20 20 10 30000

Interpretacion: Las caracteristicas de un nuevo producto se toman de un analisis de mercado y costos, aquí solo
según el ejemplo anterior el nuevo producto (chocolate dietetico) desplazo al chocolate amargo, ya que para aum
rentabilidad se debe suspender la fabricacion de este, y su fabricacion genera una mayor rentabilidad total de $1
Todo depende de la cantidad de materia prima que requiera y su margen de utilidad segun los precios de mercad
 semidulce y amargo. Para producir chocolate dulce, requiere
e $1.500.000. Para producir chocolate semidulce, requiere 100 t
1.300.000. Para elaborar el chocolate amargo, requiere 200 t de
00.000. El inventario de la empresa cuenta con una
.000 t de azúcar. ¿Qué cantidad de cada clase de chocolate
mizar sus utilidades?

s3 soluc.
0 0
 0 100000
0 15000
1 30000

su respectivo valor de xn en la

caso es 60.

la fila pivote por el numero pivote:

s3 soluc.
0 0
0 100000
0 15000
0.01666667 500

s3 soluc.
25000 750000000
-2 40000
-0.33333333 5000
0.01666667 500

ente una columna, una fila y un

, se convierte el numero pivote en 1,

s3 soluc.
25000 750000000
-2 40000
-0.33333333 5000
0.01666667 500

s3 soluc.
25000 750000000
-0.0125 250
-0.33333333 5000
0.01666667 500

s3 soluc.
12500 1000000000
-0.0125 250
-0.16666667 1666.66667
0.02083333 416.666667

ente una columna, una fila y un

, se convierte el numero pivote en 1,

s3 soluc.
12500 1000000000
 -0.0125 250
-0.16666667 1666.66667
0.02083333 416.666667

s3 soluc.
12500 1000000000
-0.0125 250
-0.02 200
0.02083333 416.666667

s3 soluc.
4000 1085000000
-0.005 175
-0.02 200
0.025 375

100000
15000
30000
delo de programación lineal.

bles de la función objetivo.

Permisible
Reducir
160000
425000
200000
s mismas cantidades de produccion de cada chocolate y
a manera siguiente en el rango expresado asi: la utilidad del
misma cantidad de productos, es decir 375 unidades en
000 o disminuir 425.000; y la utilidad del chocolate amargo

stricciones.

Permisible
Reducir
17500
1666.66667
15000
s, en el cuadro anterior en la columna de precio
$2.000 mas de utilidad; por cada tonelada de
a mas de azucar disponble se ganara $4.000 mas
r la misma cantidad de produccion, asi el cuadro
ar 3.888,88.. t y el azucar permite aumentar
s recursos, esto se observa en la columna
a es aumentar las ganancias.

lo de programación lineal.
os de aplicar el aumento en el lado derecho (se considera solo los aumentos, ya que se busca aumentar las ganancias:

Interpretacion: los cambios en las restricciones de los recursos, suponen un cambio

tambien en el numero de productos a producir por cada tipo para alcanzar una maxima
rentabilidad, la cual tambien se ve afectada. Según el analisis de sensibilidad, dichos
cambios deben cumplir un rango, y en este ejemplo si se aumenta al maximo el cacao o el
azucar, se mantiene el mismo numero de unidades totales a producir, y la utilidad total. Sin
embargo, si se aumenta la cantidad de manteca de cacao, aunque se puede aumentar la
120000 utilidad a $1.283.333.333, se deben producir mas unidades en total, y se debe suspender la
15000 produccion de chocolate amargo. La decision de realizar cambios depende de un estudio de
30000 mercado apropiado.

100000
18888.8889
30000

100000
15000
40000

r hombre, y si la empresa cuenta con una

una tonelada de chocolate dulce toma 8 horas, de
expresa con la siguiente formula:

Interpretacion: En la fabricacion o en procesos reales existen muchos factores restrictivos,

no solo el uso de materias primas, sino tambien restricciones de espacio, de tiempo, de
trabajo, de energia, de uso de equipos, de distribucion, de demanda, entre otros. Entre mas
restricciones se agreguen al analisis optimo, mas preciso seran los resultados.En este
ejemplo se ha agregado la restriccion de tiempo en horas de la mano de obra, dicha
restriccion puede afectar o no el resultado, en este ejemplo no afecta el resultado ya que
con el numero de unidades de cada producto encontrados no se supera el total de horas
100000 labor hombre disponibles.
15000
30000
 con el numero de unidades de cada producto encontrados no se supera el total de horas
labor hombre disponibles.

7680

de cada tipo de chocolate en la funcion objetivo:

100000
15000
 30000
objetivo, que representan la utilidad de cada unidad de cada producto fabricado, dicha utilidad se determina con el
ta con respecto a los costos dicha rentabilidad sera mayor, sin embargo en la vida real dicho aumento depende de
o desarrollado se observa que al aumentar al maximo los coeficientes segun el analisis de sensibilidad, se logra una
olate semidulce.

tilidad y su necesidad de materias primas se expresa a continuacion:

100000
15000
30000

de mercado y costos, aquí solo es suposicion, y

ocolate amargo, ya que para aumentar la
a mayor rentabilidad total de $1.106.250.000.
dad segun los precios de mercado.
Microsoft Excel 15.0 Informe de confidencialidad
Hoja de cálculo: [Tarea 2_100404_342.xlsx]Ejercicio 3
Informe creado: 10/04/2020 3:29:57 p.m.

Celdas de variables
Final Reducido Objetivo Permisible Permisible
Celda Nombre Valor Coste Coeficiente Aumentar Reducir
$D$116 x1 375 0 1500000 2040000 160000
$E$116 x2 200 0 1300000 200000 425000
$F$116 x3 175 0 1500000 800000 200000

Restricciones
Final Sombra Restricción Permisible Permisible
Celda Nombre Valor Precio Lado derecho Aumentar Reducir
$H$119 R1 s2 100000 2000 100000 20000 17500
$H$120 R2 s2 15000 51000 15000 3888.8888889 1666.6666667
$H$121 R3 s2 30000 4000 30000 10000 15000
Bibliografia

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

Hillier, F. (2011). Introducción a la investigación de operaciones (pp. 198-220), México D.F., México:
Pineda, R. (2018, diciembre 7). OVI – Análisis de dualidad [Archivo de video]. Recuperado de: http:/
Pineda, R. (2018, diciembre 7). OVA – Análisis de dualidad [Objeto Virtual de Aprendizaje]. Recuper
González, A. (2015). Manual práctico de investigación de operaciones I (pp. 177-199), Barranquilla,
Moreno, N. {RED TUTORES PROGRAMACION LINEAL}. (2018, noviembre 3). Minimización por el met
 Problemas de transporte. Análisis de redes (pp. 95-139), Lima, Perú: Fondo editorial. Recuperado de:  http://bibliotecavirtual.unad.edu.co
198-220), México D.F., México: Editorial Mc Graw Hill. Recuperado de: http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/detail.action
e video]. Recuperado de: http://hdl.handle.net/10596/22659
irtual de Aprendizaje]. Recuperado de: http://hdl.handle.net/10596/22681 
es I (pp. 177-199), Barranquilla, Colombia: Editorial Universidad del Norte. Recuperado de: http://bibliotecavirtual.unad.edu.co:2460/lib/u
mbre 3). Minimización por el metodo Simpex Dual [Archivo de video]. Recuperado de https://www.youtube.com/watch?v=R6qj-A6VXvQ
://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/detail.action?docID=3214857
o:2460/lib/unadsp/detail.action?docID=3214887

avirtual.unad.edu.co:2460/lib/unadsp/detail.action?docID=5426531
.com/watch?v=R6qj-A6VXvQ