Documentos de Académico
Documentos de Profesional
Documentos de Cultura
AUTORES
ORLANDO ALEXIS ARAGON
ADRIANA MARCELA GUERRA
JAUMER ANDRES GARCIA
LUIS ALBERTO RAMIREZ CASTELLANOS
TUTOR
CURSO
PROGRAMACION LINEAL
GRUPO
100404_342
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:
funcion objetivo:
z=90000x1+110000x2+85000x3
se busca maximizar la funcion de ingresos z.
restricciones
según el uso de PVC:
100𝑥1+140𝑥2+150𝑥3≤8500
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
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
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
var. x1 x2 x3
38.3333333 33.3333333 0
form. Max. z 90000 110000 85000 7116666.67
Según Kong (2010) la formulacion del problema dual a partir del problema primal anterior es la siguiente:
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
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.
s3 soluc.
0 0
0 60.7142857
0 7000
1 7500
s3 soluc.
0 6678571.43
0 60.7142857
0 1535.71429
1 821.428571
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
ue es aproximadamente z=7.116.667
8500
7000
7500
anterior es la siguiente:
resultado
0
-90000
-110000
-85000
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
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
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
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
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
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.
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
var. x1 x2 x3
375 200 175
form. Max. z 1500000 1300000 1500000 1085000000
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.
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
8𝑥1+7𝑥2+6𝑥3≤7680
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.
s3 soluc.
25000 750000000
-2 40000
-0.33333333 5000
0.01666667 500
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
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.
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:
100000
18888.8889
30000
100000
15000
40000
7680
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.
100000
15000
30000
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
avirtual.unad.edu.co:2460/lib/unadsp/detail.action?docID=5426531
.com/watch?v=R6qj-A6VXvQ