PROGRAMACIÓN LINEAL

Tarea 1. Métodos simplex primal y simplex dual

JOHN CARLOS CARVAJAL

DANIEL FERNANDO DÍAZ
JOSE MIGUEL MAHCHA RODRIGUEZ
EGNA ROCIO GUZMAN
EDGAR SEBASTIAN PEREZ GAUNA
100404_344

TUTOR
MICHAEL ALEXIS SANTOYA HERNÁNDEZ

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERIA
FORMACIÓN PROFESIONAL
Formación Interdisciplinar Básica Común
CEAD Yopal
Octubre de 2019
 INTRODUCCIÓN

Por medio del presente documento se pretende dar continuidad a las actividades del
curso programación lineal teniendo en cuenta los temas de: Método Simplex, La
solución artificial de inicio y Casos especiales del método simplex. Desarrollando
competencias para que el estudiante utilizce los métodos simplex algebraico primal y
simplex algebraico dual para la toma de decisiones que garanticen la optimización de
los recursos de sistemas productivo en problemas que pueden ser de grandes
empresas o en el ambito mas comun posible.
EJERCICIO # 1 JOHN CARLOS CARVAJAL
La junta de acció
comunal del barrio Bohórquez conformo un negocio de comidas rápidas. Para realizar una empanada requiere
gramos de harina, 2 gramos de mantequilla y 6 gramos de carne y le genera una utilidad de 400 pesos. Para realiz
buñuelo requiere 10 gramos de harina y 2 gramos de mantequilla, y le genera una utilidad de 300 pesos. Para rea
una arepa requiere 20 gramos de harina y 2 gramos de mantequilla, y le genera una utilidad de 300 pesos.
Semanalmente cuenta con 10.000 gramos de harina, 1.500 gramos de mantequilla y 15.000 gramos de carne. ¿Cu
productos de cada tipo debe producir y vender para generar mayor utilidad? ¿Este ejercicio es de maximización
minimización?

Solución:
Como lo que se requiere es gener la maxima utilidad, entonces decimos que el ejercicio es de maximización.
MODELO CANÓNICO
 
Se plantea el sisguiente sistema, con las condiciones dadas por el ejercicio:
𝑀𝑎𝑥 𝑍=400 𝑋_1+300 𝑋_2 +300𝑋_3
Variables:
𝑋_1:𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑒𝑚𝑝𝑎𝑛𝑎𝑑𝑎𝑠 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑎 𝑙𝑎 𝑠𝑒𝑚𝑎𝑛𝑎.
𝑋_2: 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑏𝑢ñ𝑢𝑒𝑙𝑜𝑠 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑎 𝑙𝑎 𝑠𝑒𝑚𝑎𝑛𝑎.
𝑋_3: 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑎𝑟𝑒𝑝𝑎𝑠 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑎 𝑙𝑎 𝑠𝑒𝑚𝑎𝑛𝑎.
 12𝑋_1 +10 𝑋_2 +20 𝑋_3 ≤ 10000
2𝑋_1 +2 𝑋_2 +2𝑋_3 ≤ 1500
6𝑋_1 ≤ 15000
𝑋_1 , 𝑋_2 , 𝑋_3≥ 0
Incluimos una variable de holgura en nuestro modelo canonico para convertir cada inecuación en una igualdad
𝑀𝑎𝑥 𝑍=400 𝑋_1+300 𝑋_2 +300𝑋_3
Sujeto a :
12𝑋_1 +10 𝑋_2 +20 𝑋_3+𝑆1=10000
2𝑋_1 +2 𝑋_2 +2 𝑋_3+𝑆2=1500
6 𝑋_1+𝑆3=15000
𝑋_1 , 𝑋_2 , 𝑋_(3, ) 𝑆1, 𝑆2, 𝑆3 ≥ 0
 Por el tipo de restriccion, menor o igual, las variables agregadas son de holgura y seran llamadas 𝑆_1,𝑆_2,𝑆_3 , el sistema tien
modificaciones:
 
𝑀𝑎𝑥 𝑍=400 𝑋_1+300 𝑋_2 +300 +0𝑆_1+ 0𝑆_2 +0𝑆_3
 

MÉTODO SIMPLEX ALGEBRAICO PRIMAL

Iniialmente tenemos la siguiente tabla, con las varibales de la base que son las de holgura agregadas anteriormente:

TABLA 1
VARIABLES X1 X2 X3 S1 S2 S3 Z
S1 12 10 20 1 0 0 0
S2 2 2 2 0 1 0 0
S3 6 0 0 0 0 1 0
 -400 -300 -300 0 0 0 1

Se debe determinar la columna y la fila pivote de la tabla, por medio de la siguietne formula, en
donde se determina que variable entra y sale de la base para poder hallar la solución del sistema
𝐶𝑂𝐸𝐹𝐼𝐶𝐼𝐸𝑁𝑇𝐸 𝑀𝐼𝑁𝐼𝑀𝑂=𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛/(𝐶𝑜𝑙𝑢𝑚𝑛𝑎 𝑝𝑖𝑣𝑜𝑡𝑒)

TABLA 1
VARIABLES X1 X2 X3 S1 S2 S3 Z
S1 12 10 20 1 0 0 0
S2 2 2 2 0 1 0 0
S3 6 0 0 0 0 1 0
-400 -300 -300 0 0 0 1

TABLA 1
VARIABLES X1 X2 X3 S1 S2 S3 Z
S1
S2 0 0 0 0 0 0 0
S3

TABLA 1
VARIABLES X1 X2 X3 S1 S2 S3 Z

S2 0 0 0 0 0 0 0

-400 -300 -300 0 0 0 1

s2 -400 -300 -300 0 0 0 0

TABLA 1
VARIABLES X1 X2 X3 S1 S2 S3 Z
12 10 20 1 0 0 0

TABLA 1
VARIABLES X1 X2 X3 S1 S2 S3 Z

6 0 0 0 0 1 0
 TABLA 1
VARIABLES X1 X2 X3 S1 S2 S3 Z
S1 0 -2 8 1 -6 0 1
X2 1 1 1 0 0.5 0 0
S3 0 -6 -6 0 -3 1 0
Z 1 0 100 100 0 200 0
 La junta de acción
izar una empanada requiere 12
dad de 400 pesos. Para realizar un
tilidad de 300 pesos. Para realizar
a una utilidad de 300 pesos.
15.000 gramos de carne. ¿Cuántos
ejercicio es de maximización o de

maximización.

n en una igualdad

das 𝑆_1,𝑆_2,𝑆_3 , el sistema tiene las siguientes

regadas anteriormente:

SOLUCIÓN
0
10000
1500
 15000

mula, en
l sistema

SOLUCIÓN 𝑋_1 es la variable que entra a la

10000 base y 𝑆_2 es la variable de
holgura que sale de la base
1500
15000
0

SOLUCIÓN

0 0.5

SOLUCIÓN

0 S2*400+SOLUCION

0
0

SOLUCIÓN
10000

SOLUCIÓN

15000
SOLUCIÓN
1000
750
10500
30000
 EJERCICIO 2 DANIEL FERNANDO DIAZ

La panaderia EL Horno Caliente maneja tres productos los cuales

serán descritos en la siguiente tabla:

Ingredientes
Variables Producto Utilidad pesos Harina gr Azucar gr Mantequilla gr
x1 Pan aliñado 60 5 3 2
x2 Pan liso 60 6 2 2
x3 Pan de arroz 60 5 3 3

El ejercicio anteriormente mencionado es de MAXIMIZACIÓN pues se desea generar

la MAYOR UTILIDAD con los recursos disponibles

Dicho ejercicio se debe resolver por SIMPLEX PRIMAL por lo tanto:

Se halla el modelo canónico que describe el comportamiento de las

variables

z=60x1+60x2+60x3
MAXIMIZACIÓN

5x1+6x2+5x3≤35000
RESTRICCIONES
3x1+2x2+3x3≤12000
2x1+2x2+3x3≤10000
x1,x2,x3≥0

Se halla el módelo estándar que describe el comportamiento de las

variables de holgura

MAXIMIZACIÓN
FUNCIÓN OBJETIVO
z-60x1-60x2-60x3=0

SUJETO A LAS 5x1+6x2+5x3+x4=35000 Dónde x4,x5,x6 son variables de holgura

RESTRICCIONES 3x1+2x2+3x3+x5=12000
2x1+2x2+3x3+x6=10000
x1,x2,x3,x4,x5,x6≥0

Según el método Simplex se procede de la siguiente manera

Variables z x1 x2 x3 x4 x5
x4 0 5 6 5 1 0
 x5 0 3 2 3 0 1
x6 0 2 2 3 0 0
z 1 -60 -60 -60 0 0

Se desea encontrar la columna pivote por lo tanto se busca el número más negativo de la función objetivo como
toma cualquiera
Variables z x1 x2 x3 x4 x5
x4 0 5 6 5 1 0
x5 0 3 2 3 0 1
x6 0 2 2 3 0 0
z 1 -60 -60 -60 0 0

Se desea encontrar la fila pivote por lo tanto se busca el numero menor de la operación cocientre entre resulta

Variables z x1 x2 x3 x4 x5
x4 0 5 6 5 1 0
x5 0 3 2 3 0 1
x6 0 2 2 3 0 0
z 1 -60 -60 -60 0 0

Se desea que el cruce entre columna pivote y fila pivote halladas sea 1 y que el resto de numeros de la columna
las siguientes operaciones:

Variables z x1 x2 x3 x4 x5
x4 0 5 6 5 1 0
x5 0 3 2 3 0 1
x6 0 2 2 3 0 0
z 1 -60 -60 -60 0 0

Variables z x1 x2 x3 x4 x5
x4 0 5 6 5 1 0
x5 0 3 2 3 0 1
x3 0 0.66666666667 0.66666667 1 0 0
z 1 -60 -60 -60 0 0

Variables z x1 x2 x3 x4 x5
x4 0 1.66666666667 2.66666667 0 1 0
x5 0 3 2 3 0 1
x3 0 0.66666666667 0.66666667 1 0 0
z 1 -60 -60 -60 0 0

Variables z x1 x2 x3 x4 x5
x4 0 1.66666666667 2.66666667 0 1 0
x5 0 1 0 0 0 1
x3 0 0.66666666667 0.66666667 1 0 0
 z 1 -60 -60 -60 0 0

Variables z x1 x2 x3 x4 x5
x4 0 1.66666666667 2.66666667 0 1 0
x5 0 1 0 0 0 1
x3 0 0.66666666667 0.66666667 1 0 0
z 1 -20 -20 0 0 0

Al seguir teniendo negativos la función objetivo se debe encontrar la nueva columna pivote y fila piv

Variables z x1 x2 x3 x4 x5
x4 0 1.66666666667 2.66666667 0 1 0
x5 0 1 0 0 0 1
x3 0 0.66666666667 0.66666667 1 0 0
z 1 -20 -20 0 0 0

Variables z x1 x2 x3 x4 x5
x4 0 1.66666666667 2.66666667 0 1 0
x5 0 1 0 0 0 1
x3 0 0.66666666667 0.66666667 1 0 0
z 1 -20 -20 0 0 0

Como el cruce entre la columna y fila pivote ya es uno hay que realizar solo las operaciones para que el resto de

Variables z x1 x2 x3 x4 x5
x4 0 0 2.66666667 0 1 -1.66666667
x1 0 1 0 0 0 1
x3 0 0.66666666667 0.66666667 1 0 0
z 1 -20 -20 0 0 0

Variables z x1 x2 x3 x4 x5
x4 0 0 2.66666667 0 1 -1.66666667
x1 0 1 0 0 0 1
x3 0 0 0.66666667 1 0 -0.66666667
z 1 -20 -20 0 0 0

Variables z x1 x2 x3 x4 x5
x4 0 0 2.66666667 0 1 -1.66666667
x1 0 1 0 0 0 1
x3 0 0 0.66666667 1 0 -0.66666667
z 1 0 -20 0 0 20

Al seguir teniendo negativos la función objetivo se debe encontrar la nueva columna pivote y fila piv
 Al seguir teniendo negativos la función objetivo se debe encontrar la nueva columna pivote y fila piv

Variables z x1 x2 x3 x4 x5
x4 0 0 2.66666667 0 1 -1.66666667
x1 0 1 0 0 0 1
x3 0 0 0.66666667 1 0 -0.66666667
z 1 0 -20 0 0 20

Variables z x1 x2 x3 x4 x5
x4 0 0 2.66666667 0 1 -1.66666667
x1 0 1 0 0 0 1
x2 0 0 0.66666667 1 0 -0.66666667
z 1 0 -20 0 0 20

De nuevo se desea que el cruce entre columna pivote y fila pivote halladas sea 1 y que el resto de numeros de la
se haran las siguientes operaciones:

Variables z x1 x2 x3 x4 x5
x4 0 0 2.66666667 0 1 -1.66666667
x1 0 1 0 0 0 1
x2 0 0 1 1.5 0 -1
z 1 0 -20 0 0 20

Variables z x1 x2 x3 x4 x5
x4 0 0 0 -4 1 1
x1 0 1 0 0 0 1
x2 0 0 1 1.5 0 -1
z 1 0 -20 0 0 20

Variables z x1 x2 x3 x4 x5
x4 0 0 0 -4 1 1
x1 0 1 0 0 0 1
x2 0 0 1 1.5 0 -1
z 1 0 0 30 0 0

Observando la función objetivo se nota que todas sus variables son positivas lo que implica que se debe vender
$3000 PAN LISO y se obtendrá una utilidad de $300000
 DISPONIBILIDAD DE
INGREDIENTES
35000 gr de Harina
12000 gr de Azucar
10000 gr de Mantequilla

variables de holgura

x6 Resultados
0 35000
 0 12000
1 10000
0 0

a función objetivo como son igual de negativos se

x6 Resultados
0 35000
0 12000
1 10000
0 0

n cocientre entre resultados y la columna pivote

x6 Resultados
0 35000 7000
0 12000 4000
1 10000 3333.33333
0 0

numeros de la columna pivote sean cero por lo tanto se haran

s:

x6 Resultados
0 35000
0 12000
1 10000
0 0

x6 Resultados
0 35000
0 12000
0.333333333333333 3333.33333
0 0

x6 Resultados
-1.66666666666667 18333.3333
0 12000
0.333333333333333 3333.33333
0 0

x6 Resultados
-1.66666666666667 18333.3333
-1 2000
0.333333333333333 3333.33333
 0 0

x6 Resultados
-1.66666666666667 18333.3333
-1 2000
0.333333333333333 3333.33333
20 200000

columna pivote y fila pivote entonces:

x6 Resultados
-1.66666666666667 18333.3333
-1 2000
0.333333333333333 3333.33333
20 200000

x6 Resultados
-1.66666666666667 18333.3333 11000
-1 2000 2000
0.333333333333333 3333.33333 5000
20 200000

es para que el resto de números de la columna pivote sean cero

x6 Resultados
0 15000
-1 2000
0.333333333333333 3333.33333
20 200000

x6 Resultados
0 15000
-1 2000
1 2000
20 200000

x6 Resultados
0 15000
-1 2000
1 2000
0 240000

columna pivote y fila pivote entonces:

columna pivote y fila pivote entonces:

x6 Resultados
0 15000
-1 2000
1 2000
0 240000

x6 Resultados
0 15000 5625
-1 2000
1 2000 3000
0 240000

resto de numeros de la columna pivote sean cero por lo tanto

ones:

x6 Resultados
0 15000
-1 2000
1.5 3000
0 240000

x6 Resultados
-4 7000
-1 2000
1.5 3000
0 240000

x6 Resultados
-4 7000
-1 2000
1.5 3000
30 300000

ica que se debe vender $2000 de PAN ALIÑADO y

$300000
EJERCICIO 3 MIGUEL MAHECHA

La empresa Carbones de oriente debe ingre

diario de carbón de 5000 kg de carbón de alt
de bajo volátil para su debido proceso y tras
siguiente manera: De la mina sur en un viaj
medio volátil y 65 kg de bajo volátil, de la min
volátil, 50 kg de medio volátil y 40kg de ba
reciben 40kg de alto volátil, 30kg de med
trasporte de un viaje de cada mina es de 2
respectivamente. ¿Cuántos viajes de cada m
requerimientos mínimos y generar el meno
maximización o d

Mina sur Mina norte

Mina
central
(Unidades) (Unidades) (Unidades)
Carbón alto
volátil (Kg) 80 60 40
Carbón
medio
volátil (Kg) 70 50 30
Carbón bajo

volátil (Kg) 65 40 20
Costo de un
viaje ($) $ 2,500 $ 1,500 $ 900

Variables:
X1: Viajes mina sur (cantidades)
X2: Viajes mina norte (cantidades)
X3: Viajes mina central (cantidades)

Restricciones:
Cantidad de carbon >= requerimiento mínimo

Carbón alto
volátil 80X1+60X2 + 40X3>=5000
Carbón
medio
volátil 70X1+ 50X2 + 30X3>=4000
Carbón bajo
volátil 65X1+ 40X2 + 20X3>=3000
No
negatividad X1,X2,X3>=0
 Función
objetivo Costos: Minimización

C1=2500
C2=1500
C3=900

Minimizar Z=C1X1+C2X2+C3X3
Minimizar Z=2500X1+1500X2+900X3

El problema como modelo de programación li

Minimizar Z=2500X_1+1500X_2+900X_3
Sujeto a:
80X_1+60X_2+40X_3≥5000
70X_1+50X_2+30X_3≥4000
65X_1+40X_2+20X_3≥3000

Minimización por el metodo ALGEBRAICO

MODELO ESTANDAR
Función objetivo
Minimizar Z-2500X1-1500X2-900X3=0
Restricciones
80X1+60X2 + 40X3 -S1=5000
70X1+ 50X2 + 30X3-S2=4000
65X1+ 40X2 + 20X3-S3=3000

NUEVO MODELO ESTANDAR

Función objetivo

MinimizarZ-2500X_1-1500X_2-900X_3=0
Sujeto a:
-80X_1-60X_2-40X_3+S_1=-5000
-70X_1-50X_2+-30X_3+S_2=-4000
-65X_1-40X_2-20X_3+S_3=-3000

X1 X2 X3 S1 S2
Z -2500 -1500 -900 0 0
S1 -80 -60 -40 1 0
S2 -70 -50 -30 0 1
s3 -65 -40 -20 0 0

Valor más negativo de las filas

X1 X2 X3 S1 S2
Z -2500 -1500 -900 0 0
S1 -80 -60 -40 1 0
S2 -70 -50 -30 0 1
S3 -65 -40 -20 0 0

Dividimos los valores de Z entre los valores de S1 y escogemos el más negativo

31.25 25 22.5

X1 X2 X3 S1 S2
Z -2500 -1500 -900 0 0
S1 -80 -60 -40 1 0
S2 -70 -50 -30 0 1
S3 -65 -40 -20 0 0

dividimos La fila S1 entre -40

X1 X2 X3 S1 S2
Z -2500 -1500 -900 0 0
X3 2 1.5 1 -0.025 0
S2 -70 -50 -30 0 1
S3 -65 -40 -20 0 0

Se multiplica la fila S1 por 900 y se suma a la fila Z

X1 X2 X3 S1 S2
Z -700 -150 0 -22.5 0
X3 2 1.5 1 -0.025 0
S2 -70 -50 -30 0 1
S3 -65 -40 -20 0 0

Multiplicamos la fila S1 por 30 y la sumamos a la fila S2

X1 X2 X3 S1 S2
Z -700 -150 0 -22.5 0
X3 2 1.5 1 -0.025 0
S2 -10 -5 0 -0.75 1
S3 -65 -40 -20 0 0

Multiplicamos la fila S1 por 20 y la sumamos a la fila S3

X1 X2 X3 S1 S2
Z -700 -150 0 -22.5 0
X3 2 1.5 1 -0.025 0
S2 -10 -5 0 -0.75 1
S3 -25 -10 0 -0.5 0
Elegimos el valor más negativo de Resultado

X1 X2 X3 S1 S2
Z -700 -150 0 -22.5 0
X3 2 1.5 1 -0.025 0
S2 -10 -5 0 -0.75 1
S3 -25 -10 0 -0.5 0

dividimos los valores de Z entre los valores de S3 y escogemos el más negativo

28 15

X1 X2 X3 S1 S2
Z -700 -150 0 -22.5 0
X3 2 1.5 1 -0.025 0
S2 -10 -5 0 -0.75 1
S3 -25 -10 0 -0.5 0

dividimos por (-10) la fila S3

X1 X2 X3 S1 S2
Z -700 -150 0 -22.5 0
X3 2 1.5 1 -0.025 0
S2 -10 -5 0 -0.75 1
X2 2.5 1 0 0.05 0

multiplicamos la fila S3 por 5 y la sumamos a la fila S2

X1 X2 X3 S1 S2
Z -700 -150 0 -22.5 0
X3 2 1.5 1 -0.025 0
S2 2.5 0 0 -0.5 1
X2 2.5 1 0 0.05 0

multiplicamos la fila S3 por 150 y la sumamos a la fila Z

X1 X2 X3 S1 S2
Z -325 0 0 -15 0
X3 2 1.5 1 -0.025 0
S2 2.5 0 0 -0.5 1
X2 2.5 1 0 0.05 0

Multiplicamos la fila S3 por (-1,5) y la sumamos a la fila S1

X1 X2 X3 S1 S2
Z -325 0 0 -15 0
X3 -1.75 0 1 -0.1 0
S2 2.5 0 0 -0.5 1
X2 2.5 1 0 0.05 0

Escogemos el valor más pequeño de la columna resultado

X1 X2 X3 S1 S2
Z -325 0 0 -15 0
X3 -1.75 0 1 -0.1 0
S2 2.5 0 0 -0.5 1
X2 2.5 1 0 0.05 0

Dividimos los valores de Z entre los valores de S2 y escogemos el menor

-130

X1 X2 X3 S1 S2
Z -325 0 0 -15 0
X3 -1.75 0 1 -0.1 0
S2 2.5 0 0 -0.5 1
X2 2.5 1 0 0.05 0

dividimos la fila S2 entre (2,5)

X1 X2 X3 S1 S2
Z -325 0 0 -15 0
X3 -1.75 0 1 -0.1 0
X1 1 0 0 -0.2 0.4
X2 2.5 1 0 0.05 0

Esta es la solución ya que no hay negativos en la columna de resultado

Respuesta:
Z 120000
X1 0
X2 50
X3 50

Rta. Los viajes que se deben realizar en cada mina para suplir los requerimientos mínimos y
generar el menor costo de transporte son:

X1 0 Cantidad de viajes de la mina del sur

X2 50 Cantidad de viajes de la mina del norte
X3 50 Cantidad de viajes de la mina central

¿Este ejercicio es maximización o de minimización? Rta. Este ejercicio es de minimización

de costos del transporte
es de oriente debe ingresar a la empresa un requerimiento mínimo
000 kg de carbón de alto volátil, 4000 kg de medio volátil y 3000 kg
u debido proceso y trasformación. La entrada de estos se da de la
De la mina sur en un viaje se reciben 80 kg de alto volátil, 70 kg de
de bajo volátil, de la mina norte en un viaje se reciben 60kg de alto
dio volátil y 40kg de bajo volátil, de la mina central en un viaje se
alto volátil, 30kg de medio volátil y 20 de bajo volátil, el costo del
je de cada mina es de 2500 dólares, 1500 dólares y 900 dólares,
uántos viajes de cada mina se deben recibir a diario para suplir los
nimos y generar el menor costo de transporte? ¿Este ejercicio es
maximización o de minimización?

Relación

>= 5000

>= 4000

>= 3000
Requerimiento
mínimo (kg)

r (cantidades)
rte (cantidades)
ntral (cantidades)

erimiento mínimo
 modelo de programación lineal:
2500X_1+1500X_2+900X_3
Sujeto a:
+60X_2+40X_3≥5000
+50X_2+30X_3≥4000
+40X_2+20X_3≥3000

S3 Resultado
0 0
0 -5000
0 -4000
1 -3000

S3 Resultado
0 0
 0 -5000
0 -4000
1 -3000

más negativo

S3 Resultado
0 0
0 -5000
0 -4000
1 -3000

S3 Resultado
0 0
0 125
0 -4000
1 -3000

S3 Resultado
0 112500
0 125
0 -4000
1 -3000

S3 Resultado
0 112500
0 125
0 -250
1 -3000

S3 Resultado
0 112500
0 125
0 -250
1 -500
 S3 Resultado
0 112500
0 125
0 -250
1 -500

más negativo

S3 Resultado
0 112500
0 125
0 -250
1 -500

S3 Resultado
0 112500
0 125
0 -250
-0.1 50

S3 Resultado
0 112500
0 125
-0.5 0
-0.1 50

S3 Resultado
-15 120000
0 125
-0.5 0
-0.1 50

S3 Resultado
-15 120000
0.15 50
-0.5 0
 -0.1 50

S3 Resultado
-15 120000
0.15 50
-0.5 0
-0.1 50

cogemos el menor

S3 Resultado
-15 120000
0.15 50
-0.5 0
-0.1 50

S3 Resultado
-15 120000
0.15 50
-0.2 0
-0.1 50

querimientos mínimos y

ajes de la mina del sur

ajes de la mina del norte
ajes de la mina central

icio es de minimización
 Ejercicio 4:
El supermercado EL Porvenir maneja tres tipos de promociones de refrigerios para niños y cada uno de ellos est
manera: Primera Promoción: 1 fruta, 1 bocadillo y 1 yogurt, Segunda Promoción: 2 frutas y 1 yogurt, Tercera Pr
Diariamente cuenta con 50 frutas, 45 bocadillos y 70 Yogures. Teniendo en cuenta que las promociones se vende
promociones de cada tipo debe vender para generar mayor utilidad con los recursos disponibles? ¿Este ejercicio
minimización?

Solución:
 Como se quiere conocer cuantas promociones se deben vender, el ejercicio es de MAXIMIZACIÓN.
 
las variables son las difernetes promociones que se tiene

𝑋_1:𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑟𝑜𝑚𝑜𝑐𝑖𝑜𝑛𝑒𝑠 𝑡𝑖𝑝𝑜 1 𝑎 𝑣𝑒𝑛𝑑𝑒𝑟

𝑋_2: 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑟𝑜𝑚𝑜𝑐𝑖𝑜𝑛𝑒𝑠 𝑡𝑖𝑝𝑜 2 𝑎 𝑣𝑒𝑛𝑑𝑒𝑟
𝑋_3: 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑟𝑜𝑚𝑜𝑐𝑖𝑜𝑛𝑒𝑠 𝑡𝑖𝑝𝑜 3 𝑎 𝑣𝑒𝑛𝑑𝑒𝑟

MODELO CANÓNICO
 
Se plantea el sisguiente sistema, con las condiciones dadas por el ejercicio:
𝑀𝑎𝑥 𝑍=2000 𝑋_1+2000 𝑋_2 +2000𝑋_3

 dadas las siguientes restricciones:

𝑋_1 +2 𝑋_2 +3 𝑋_3 ≤50

𝑋_1 ≤45
𝑋_1 + 𝑋_2 ≤70
𝑋_1, 𝑋_2,𝑋_3 ≥ 0
 
MODELO ESTANDAR
 Por el tipo de restriccion, menor o igual, las variables agregadas son de holgura y seran llamadas 𝑆_1,𝑆_2,𝑆_3 ,
siguientes modificaciones:
 
𝑀𝑎𝑥 𝑍=2000 𝑋_1+2000 𝑋_2 +2000𝑋_3 +0𝑆_1+ 0𝑆_2 +0𝑆_3
 
 dadas las siguientes restricciones:
  𝑋_1 +2 𝑋_2 +3 𝑋_3 + 𝑆_1 =50
𝑋_1 + 𝑆_2 = 45
𝑋_1 + 𝑋_2 + 𝑆_3 =70
𝑋_1, 𝑋_2, 𝑋_3, 𝑆_1, 𝑆_2, 𝑆_3 ≥ 0
 

MÉTODO SIMPLEX ALGEBRAICO PRIMAL

Iniialmente tenemos la siguiente tabla, con las varibales de la base que son las de holgura agregadas anteriormen
 MÉTODO SIMPLEX ALGEBRAICO PRIMAL

Iniialmente tenemos la siguiente tabla, con las varibales de la base que son las de holgura agregadas anteriormen

TABLA 1
VARIABLES X1 X2 X3 S1 S2 S3
S1 1 2 3 1 0 0
S2 1 0 0 0 1 0
S3 1 1 0 0 0 1
-2000 -2000 -2000 0 0 0

Se debe determinar la columna y la fila pivote de la tabla, por medio de la siguietne formula, en donde se determ
sale de la base para poder hallar la solución del sistema
𝐶𝑂𝐸𝐹𝐼𝐶𝐼𝐸𝑁𝑇𝐸 𝑀𝐼𝑁𝐼𝑀𝑂=𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛/(𝐶𝑜𝑙𝑢𝑚𝑛𝑎 𝑝𝑖𝑣𝑜𝑡𝑒)
 

TABLA 2
VARIABLES X1 X2 X3 S1 S2 S3
S1 1 2 3 1 0 0
S2 1 0 0 0 1 0
S3 1 1 0 0 0 1
-2000 -2000 -2000 0 0 0

TABLA 3
VARIABLES X1 X2 X3 S1 S2 S3
S1 0 2 3 1 -1 0
X1 1 0 0 0 1 0
S3 0 1 0 0 -1 1
0 -2000 -2000 0 2000 0

TABLA 4
VARIABLES X1 X2 X3 S1 S2 S3
X2 0 1 1.5 0.5 -0.5 0
X1 1 0 0 0 1 0
S3 0 0 -1.5 -0.5 -0.5 1
 0 0 1000 1000 1000 0

VARIABLES SOLUCIÓN
X2 2.5
se deben vender 45 promociones de tipo 1 y 2,5 promociones de ti
2, para tener la maxima utilidad de $95.000 para el supermercado EL
X1 45 Porvenir
S3 22.5  
Z 95000

EL MÉTODO DE LAS DOS FASES

Por el tipo de restricciones que se manejan en el problema canonico plantedo, es decir, restricciones d
igual, no se agregar variables artificiales, por lo tanto, no es necesario aplicar el método de las dos fas
iños y cada uno de ellos está compuesto de la siguiente
rutas y 1 yogurt, Tercera Promoción: 3 frutas.
ue las promociones se venden a $2000 pesos. ¿Cuántas
disponibles? ¿Este ejercicio es maximización o de

AXIMIZACIÓN.

ran llamadas 𝑆_1,𝑆_2,𝑆_3 , el sistema tiene las

PRIMAL

lgura agregadas anteriormente:

PRIMAL

lgura agregadas anteriormente:

Z SOLUCIÓN
0 50
0 45
0 70
1 0

formula, en donde se determina que vaariable netra y

Z SOLUCIÓN COEFICIENTE MIN. 𝑋_1 es la variable que entra a

0 50 50
la base y 𝑆_2 es la variable de
holgura que sale de la base
0 45 45
0 70 70
1 0

𝑋_2 es la variable que entra a la

Z SOLUCIÓN COEFICIENTE MIN. base y 𝑆_1 es la variable de
0 5 2.5 holgura que sale de la base
0 45 0
0 25 25
1 90000

No hay ninguna variable que entre a la

Z SOLUCIÓN base, por ende, las iteraciones terminan
0 2.5 y se tiene así la solución
0 45
0 22.5
 base, por ende, las iteraciones terminan
y se tiene así la solución

1 95000

o 1 y 2,5 promociones de tipo

000 para el supermercado EL

ES

do, es decir, restricciones de tipo menor o

car el método de las dos fases.
 Ejercicio 5.

El Almacén Canino El Perro Feliz, contrata a diferentes carpinteros para cumplir con sus pedidos de casas
mascotas. Al carpintero Paco le paga 120 dólares por 1 casa grande y 3 medianas, diariamente. Al carpint
casa grande, 2 medianas y 3 pequeñas, diariamente. Al carpintero Leo le paga 150 dólares por 2 casas gra
diariamente. El almacén, tiene un pedido urgente, debe entregar como mínimo 20 casas grandes, 18 med
¿Cuántos contratos diarios puede hacer con cada carpintero a fin de cumplir lo antes posible su pedido al
maximización o de minimización?

TABLA DE VARIABLES

CARPINTERO PRODUCTOS
CASA GRANDE CASA MEDIANA CASA PEQUEÑA PAGO
PACO 1 3 0 120
RUFO 3 2 3 210
LEO 2 2 2 150
MESAS A PRODUCIR 20 18 15

X1 CONTRATOS PACO
X2 CONTRATOS RUFO
X3 CONTRATOS LEO

MODELO CANONICO

FUNCION OBJETIVO Z=120X1+210X2+150X3

RESTRICCIONES X1+3X2+2X3≥20
3X1+2X2+2X3≥18
3X2+2X3≥15
X1,X2,X3≥0
MODELO ESTÁNDAR
Z-20X1-18X2-15X3=0

1X1+3X2+2X3+S1=120
3X1+2X2+2X3+S2=210
2X1+2X2+2X3+S3=50

Z X1 X2 X3 S1 S2
R1 1 -20 -18 -15 0 0
R2 0 1 3 0 1 0
R3 0 3 2 3 0 1
R4 0 2 2 2 0 0

Z X1 X2 X3 S1 S2
R1 1 -20 -18 -15 0 0
R2 0 1 3 0 1 0
R3 0 1 2/3 1 0 1/3
R4 0 2 2 2 0 0

Z X1 X2 X3 S1 S2
R1 1 0 -4 2/3 4 0 6 1/3
R2 0 0 2 1/3 0 1 0
R3 0 1 2/3 1 0 1/3
R4 0 0 2/3 0 0 -1 1/3

COMO EN LA FILA R1 TODAVIA TENEMOS UN VALOR NEGATIVO TENEMOS QUE VOLVER A REALIZAR EL

Z X1 X2 X3 S1 S2
R1 1 0 -4 2/3 4 0 6 1/3
R2 0 0 2 1/3 0 1 0
R3 0 1 2/3 1 0 1/3
R4 0 0 2/3 0 0 -1 1/3

Z X1 X2 X3 S1 S2
R1 1 0 -4 2/3 4 0 6 1/3
R2 0 0 2 1/3 0 1 0
R3 0 1 2/3 1 0 1/3
R4 0 0 1 0 0 -2

Z X1 X2 X3 S1 S2
R1 1 0 0 4 14/3 -3
R2 0 0 0 0 1 14/3
R3 0 1 0 1 0 -1 2/3
R4 0 0 1 0 0 -2

COMO EN LA FILA R1 TODAVIA TENEMOS UN VALOR NEGATIVO TENEMOS QUE VOLVER A REALIZAR EL PROCEDIM

Z X1 X2 X3 S1 S2
R1 1 0 0 4 14/3 -3
R2 0 0 0 0 1 14/3
R3 0 1 0 1 0 -1 2/3
R4 0 0 1 0 0 -2

Z X1 X2 X3 S1 S2
R1 1 0 0 4 14/3 -3
R2 0 0 0 0 1 14/3
R3 0 1 0 - 3/5 0 1
R4 0 0 1 0 0 -2

Z X1 X2 X3 S1 S2
R1 1 3 0 2 1/5 14/3 0
R2 0 -4 2/3 0 2 4/5 1 0
R3 0 1 0 - 3/5 0 1
R4 0 2 1 -1 1/5 0 0

Z=32
X1=-36
X2=-57
X3=0
Z-20X1-18X2-15X3=0
338
con sus pedidos de casas de perro a las diferentes tiendas de
s, diariamente. Al carpintero Rufo le paga 210 dólares por 3
50 dólares por 2 casas grandes, 2 medianas y 2 pequeñas,
20 casas grandes, 18 medianas y 15 pequeñas lo antes posible.
ntes posible su pedido al menor costo? ¿Este ejercicio es

BLES

ICO

DAR

S3 SOLUCION
0 0
0 120 120
0 210 70 R2/3
 1 150 75

S3 SOLUCION
0 0 R3*20+R1
0 120 R3*(-1)+R2
0 70
1 150 R3*-2+R4

S3 SOLUCION
0 70
0 120
0 70
1 10

QUE VOLVER A REALIZAR EL PROCEDIMIENTO

S3 SOLUCION
0 70
0 120 51 3/7
0 70 105
1 10 15 R4*3/2

S3 SOLUCION
0 70 R4*14/3+R1
0 120 R4*-7/3+R2
0 70 R4*-2/3+R3
1 1/2 15

S3 SOLUCION
7 140
-3 1/2 85
-1 60
1 1/2 15

R A REALIZAR EL PROCEDIMIENTO

S3 SOLUCION
7 140
-3 1/2 85 18.214286
-1 60 -36 R3*-3/5
1 1/2 15 -7.5

S3 SOLUCION
 7 140 R3*3+R1
-3 1/2 85 R3*(-14/3)+R2
3/5 -36
1 1/2 15 R3*2+R4

S3 SOLUCION
8 4/5 32
-6 2/7 253
3/5 -36
2 5/7 -57
 Ejercicio 6
La frutería Pammy vende tres tipos de ensaladas de fruta: La ensalada junior está compuesta de 150 gramos de fruta, 1
250 gramos de fruta, 30 gramos de crema de leche, y se elabora en 15 minutos; la ensalada tropical está compuesta de
como mínimo 20000 gramos de fruta debido a que se tiene un contrato fijo con las fincas que proveen la fruta y no hay
240 horas para elaborar los pedidos. Cada ensalada genera una utilidad de $500, $700 y $600 pesos, respectivamente.
de generar la mayor utilidad posible?

Tomamos las sigueintes condiones para la solucion del ejercicio 3 del taller

Ensalada junior=x1 Recursos disponobles en la fruteria

Ensalada super=x2 Fruta=20000 gr
Ensalada tropical=x3 Crema de leche= 12000 gr
Tiempo= 240h = 14400 minutos

Composicion de cada ensalada

Junior=150gr de fruta, 12 gr de crema de leche, 10 minutos
Super=250gr de fruta, 30 gr de crema de leche, 15 minutos
Tropical=200gr de fruta, 10 minutos

Utilidad de cada ensalada Metodo Simplex

Ensalada junior=500 Primal-Dual
Ensalada super=700
Ensalada tropical=600

Variables x1 x2 x3 x4
Seleccionamos la fila pivote, el x4 -150 -250 -200 1
valor mas negativo de la x5 12 30 0 0
columna de resultados
x6 10 15 12 0
z -500 -700 -600 0

Seleccionamos la columna Variables x1 x2 x3 x4

pivote, el valor mas cercano al x4 -150 -250 -200 1
cero del cociente entre la fila z
y x4 x5 12 30 0 0
x6 10 15 12 0
z -500 -700 -600 0
3.3333333333 2.8 3

Variables x1 x2 x3 x4
Volvemos el valor pivote 1 y
cambiamos la variable x4 por x2 0.6 1 0.8 -0.004
x2
Volvemos el valor pivote 1 y
cambiamos la variable x4 por
x2 x5 12 30 0 0
x6 10 15 12 0
z -500 -700 -600 0

Volvemos los valores de la Variables x1 x2 x3 x4

columna pivote cero, x2 0.6 1 0.8 -0.004
empezamos por volver cero al
30 x5 -6 0 -24 0.12
x6 10 15 12 0
z -500 -700 -600 0

Ahora volvemos cero al 15 Variables x1 x2 x3 x4

x2 0.6 1 0.8 -0.004
x5 -6 0 -24 0.12
x6 1 0 0 0.06
z -500 -700 -600 0

Ahora volvemos cero al -700 Variables x1 x2 x3 x4

x2 0.6 1 0.8 -0.004
x5 -6 0 -24 0.12
x6 1 0 0 0.06
z -80 0 -40 -2.8

Seleccionamos la columna Variables x1 x2 x3 x4

pivote, el valor mas negativo x2 0.6 1 0.8 -0.004
de la fila de la variable z
x5 -6 0 -24 0.12
x6 1 0 0 0.06
z -80 0 -40 -2.8

Seleccionamos la fila pivote Variables x1 x2 x3 x4

x2 0.6 1 0.8 -0.004
x5 -6 0 -24 0.12
x6 1 0 0 0.06
z -80 0 -40 -2.8

Variables x1 x2 x3 x4
Volvemos el valor pivote 1 y
cambiamos la variable x4 por x1 1 1.666666667 1.333333333 -0.00666667
x1 x5 -6 0 -24 0.12
x6 1 0 0 0.06
z -80 0 -40 -2.8

Volvemos los valores de la Variables x1 x2 x3 x4

columna pivote cero, x1 1 1.666666667 1.333333333 -0.00666667
empezamos por volver cero al
-6 x5 0 10 -16 0.08
x6 1 0 0 0.06
 z -80 0 -40 -2.8

Ahora volvemos cero al 1 Variables x1 x2 x3 x4

x1 1 1.666666667 1.333333333 -0.00666667
x5 0 10 -16 0.08
x6 0 -1.66666667 -1.33333333 0.066666667
z -80 0 -40 -2.8

Ahora volvemos cero al -80 Variables x1 x2 x3 x4

x1 1 1.666666667 1.333333333 -0.00666667
x5 0 10 -16 0.08
x6 0 -1.66666667 -1.33333333 0.066666667
z 0 133.3333333 66.66666667 -3.33333333

Seleccionamos la columna Variables x1 x2 x3 x4

pivote, el valor mas negativo x1 1 1.666666667 1.333333333 -0.00666667
de la fila de la variable z
x5 0 10 -16 0.08
x6 0 -1.66666667 -1.33333333 0.066666667
z 0 133.3333333 66.66666667 -3.33333333

Seleccionamos la fila pivote Variables x1 x2 x3 x4

x1 1 1.666666667 1.333333333 -0.00666667
x5 0 10 -16 0.08
x6 0 -1.66666667 -1.33333333 0.066666667
z 0 133.3333333 66.66666667 -3.33333333

Variables x1 x2 x3 x4
Volvemos el valor pivote 1 y
cambiamos la variable x5 por x1 1 1.666666667 1.333333333 -0.00666667
x4 x4 0 125 -200 1
x6 0 -1.66666667 -1.33333333 0.066666667
z 0 133.3333333 66.66666667 -3.33333333

Volvemos los valores de la Variables x1 x2 x3 x4

columna pivote cero, x1 1 2.5 0 0
empezamos por volver cero al
-0,00666667 x4 0 125 -200 1
x6 0 -1.66666667 -1.33333333 0.066666667
z 0 133.3333333 66.66666667 -3.33333333

Ahora volvemos cero al Variables x1 x2 x3 x4

0,0666667 x1 1 2.5 0 0
x4 0 125 -200 1
x6 0 -10 12 0
z 0 133.3333333 66.66666667 -3.33333333
Ahora volvemos cero al Variables x1 x2 x3 x4
-3,333333 x1 1 2.5 0 0
x4 0 125 -200 1
x6 0 -10 12 0
z 0 550 -600 0

Seleccionamos la columna Variables x1 x2 x3 x4

pivote, el valor mas negativo x1 1 2.5 0 0
de la fila de la variable z x4 0 125 -200 1
x6 0 -10 12 0
z 0 550 -600 0

Seleccionamos la fila pivote Variables x1 x2 x3 x4

x1 1 2.5 0 0
x4 0 125 -200 1
x6 0 -10 12 0
z 0 550 -600 0

Volvemos el valor pivote 1 y Variables x1 x2 x3 x4

cambiamos la variable x6 por x1 1 2.5 0 0
x3
x4 0 125 -200 1
x3 0 -0.83333333 1 0
z 0 550 -600 0

Volvemos los valores de la Variables x1 x2 x3 x4

columna pivote cero, x1 1 2.5 0 0
empezamos por volver cero al
-200 x4 0 -41.6666667 0 1
x3 0 -0.83333333 1 0
z 0 550 -600 0

Ahora volvemos cero al -600 Variables x1 x2 x3 x4

x1 1 2.5 0 0
x4 0 -41.6666667 0 1
x3 0 -0.83333333 1 0
z 0 50 0 0

Se deberan vender 1000 ensaladas junio y 366,6 ensaladas tropicales para tener la ma
e 150 gramos de fruta, 12 gramos de crema de leche, y se elabora en 10 minutos; la ensalada súper está compuesta de
pical está compuesta de 200 gramos de fruta, 0 gramos de crema de leche, y se elabora en 12 minutos. Se debe gastar
proveen la fruta y no hay espacio de almacenamiento; se debe gastar máximo 12000 gramos de crema de leche y máximo
pesos, respectivamente. ¿Cuántas ensaladas de cada tipo se deben vender diariamente con los recursos disponibles a fin

Planteamos el modelo canonico

Maximizar
z=500x1+700x2+600x3
Sujeto a las restricciones
150x1+250x2+200x3>=2000 se cambia por -150x1-250x2-200x3<=-20000
12x1+30x2<=12000
10x1+15x2+12x3<=14400

Planteamos el modelo estandar

Maximizar
z-500x1-700x2-600x3=0
Sujeto a las restricciones
-150x1-250x2-200x3+x4=-20000
12x1+30x2+x5=12000
10x1+15x2+12x3+x6=14400

x5 x6 Columna de resultados
0 0 -20000
1 0 12000
0 1 14400
0 0 0

x5 x6 Columna de resultados
0 0 -20000
1 0 12000
0 1 14400
0 0 0

x5 x6 Columna de resultados
0 0 80
1 0 12000
0 1 14400
0 0 0

x5 x6 Columna de resultados
0 0 80
1 0 9600
0 1 14400
0 0 0

x5 x6 Columna de resultados
0 0 80
1 0 9600
0 1 13200
0 0 0

x5 x6 Columna de resultados
0 0 80
1 0 9600
0 1 13200
0 0 56000

x5 x6 Columna de resultados
0 0 80
1 0 9600
0 1 13200
0 0 56000

x5 x6 Columna de resultados
0 0 80 133.3333333
1 0 9600 -1600
0 1 13200 13200
0 0 56000

x5 x6 Columna de resultados
0 0 133.333333333333
1 0 9600
0 1 13200
0 0 56000

x5 x6 Columna de resultados
0 0 133.333333333333
1 0 10400
0 1 13200
 0 0 56000

x5 x6 Columna de resultados
0 0 133.333333333333
1 0 10400
0 1 13066.6666666667
0 0 56000

x5 x6 Columna de resultados
0 0 133.333333333333
1 0 10400
0 1 13066.6666666667
0 0 66666.6666666667

x5 x6 Columna de resultados
0 0 133.333333333333
1 0 10400
0 1 13066.6666666667
0 0 66666.6666666667

x5 x6 Columna de resultados
0 0 133.333333333333 -20000
1 0 10400 130000
0 1 13066.6666666667 196000
0 0 66666.6666666667

x5 x6 Columna de resultados
0 0 133.333333333333
12.5 0 130000
0 1 13066.6666666667
0 0 66666.6666666667

x5 x6 Columna de resultados
0.083333333 0 1000
12.5 0 130000
0 1 13066.6666666667
0 0 66666.6666666667

x5 x6 Columna de resultados
0.083333333 0 1000
12.5 0 130000
-0.83333333 1 4400
0 0 66666.6666666667
 x5 x6 Columna de resultados
0.083333333 0 1000
12.5 0 130000
-0.83333333 1 4400
41.66666667 0 500000

x5 x6 Columna de resultados
0.083333333 0 1000
12.5 0 130000
-0.83333333 1 4400
41.66666667 0 500000

x5 x6 Columna de resultados
0.083333333 0 1000 #DIV/0!
12.5 0 130000 -650
-0.83333333 1 4400 366.6666667
41.66666667 0 500000

x5 x6 Columna de resultados
0.083333333 0 1000
12.5 0 130000
-0.06944444 0.083333333 366.666666666667
41.66666667 0 500000

x5 x6 Columna de resultados
0.083333333 0 1000
-1.38888889 16.66666667 203333.333333333
-0.06944444 0.083333333 366.666666666667
41.66666667 0 500000

x5 x6 Columna de resultados
0.083333333 0 1000
-1.38888889 16.66666667 203333.333333333
-0.06944444 0.083333333 366.666666666667
0 50 720000

picales para tener la mayor utilidad que sera $720.000

 CONCLUSIONES

Durante el proceso se pudo evidenciar el uso de la toma de desiciones,

teniendo en cuenta los argumentos y los enunciados mencionados en cada
ejercicio, teniendo en cuenta los requerimientos de cada uno. También cabe
resaltar el proceso de resolución por el metodo de gauss jordan realizando
operaciones para encontrar los mejores resultados, para al final
comprobarlos con el software php simplex y verificar su correcta solución.
 BIBLIOGRAFÍA

• Valle, S. (2012) Álgebra lineal para estudiantes de ingeniería y

McGraw-Hill. Recuperado de: https://bibliotecavirtual.unad.e
docID=4585362

• Pineda, R. (2018, diciembre 7). OVI – modelos de decisión en la

Recuperado de: http://hdl.handle.net/1

• Martínez, S. (2014). Investigación de operaciones. (1a. ed.) (pp.

Recuperado de: http://bibliotecavirtual.unad.edu.co:2460/lib/u
• Pineda, R. (2018, diciembre 7). OVI – modelos de decisión en la
Recuperado de: http://hdl.handle.net/1
 BIBLIOGRAFÍA

ara estudiantes de ingeniería y ciencias (pp. 24-34), España: Editorial

https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/detail.action?
docID=4585362

VI – modelos de decisión en la programación lineal [Archivo de video].

ado de: http://hdl.handle.net/10596/22660

de operaciones. (1a. ed.) (pp. 44-67), México: Grupo Editorial Patria.

virtual.unad.edu.co:2460/lib/unadsp/detail.action?docID=3227913
VI – modelos de decisión en la programación lineal [Archivo de video].
ado de: http://hdl.handle.net/10596/22660