TAREA 2.

Dualidad y
análisis post-óptimo

Lian Fernando Moreno

Código: 1114459363

Grupo: 100404_23

Diego Fernando Vega

Tutor del curso

Universidad Nacional Abierta y a Distancia UNAD

Escuela de Ciencias Básicas, Tecnología e
Ingeniería
 CONSTRUCCIÓN DEL MODELO:

INFORMACIÓN DEL ENUNCIADO:

BASE A BASE B BASE C

UTILIDADES($) $ 1,400 $ 1,300 $ 1,300 DISPONIBILIDAD

CARNE DE
RES 120 100 200 100000
(GRAMOS)

CARNE DE
CERDO 20 20 20 15000
(GRAMOS)
GRASA 60 0 0 150000
(GRAMOS)

INFORMACIÓN PARA LA LINEALIZACIÓN:

X1: BASE A X2:BASE B X3: BASE C

UTILIDADES($) C1: 1400 C2: 1300 C3: 1300 DISPONIBILIDAD MÁXIMA

Disponibilidad
CARNE DE
en gramos de
RES a11=120 a12=100 a13=200 <=
carne de res:
(GRAMOS) Dgcr=100000
 Disponibilidad
CARNE DE
en gramos de
CERDO a21=20 a22=20 a23=20 <=
carne de cerdo:
(GRAMOS)
Dgcc=15000

Disponibilidad
GRASA en gramos de
a31=60 a32=0 a33=0 <=
(GRAMOS) grasa:
Dgg=150000

IDENTIFICACIÓN DE VARIABLES:
SEA,
𝑿_𝟏:𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝒅𝒆 𝒃𝒂𝒔𝒆 𝑨 (𝒕𝒊𝒑𝒐𝒔)

𝑿_𝟐:𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝒅𝒆 𝒃𝒂𝒔𝒆 𝑩 (𝒕𝒊𝒑𝒐𝒔)

𝑿_𝟑:𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝒅𝒆 𝒃𝒂𝒔𝒆 𝑪 (𝑪𝒍𝒂𝒔𝒆𝒔)

PLANTEAMIENTO DE RESTRICCIONES
SI,
𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝒅𝒆 𝒓𝒆𝒄𝒖𝒓𝒔𝒐𝒔≤𝒅𝒊𝒔𝒑𝒐𝒏𝒊𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝒎𝒂𝒙𝒊𝒎𝒂

𝑪𝑨𝑹𝑵𝑬 𝑫𝑬 𝑹𝑬𝑺:𝒂_𝟏𝟏 𝑿_𝟏+𝒂_𝟏𝟐 𝑿_𝟐+𝒂_𝟏𝟑 𝑿_𝟑≤𝑫𝒈𝒄𝒓

𝑪𝑨𝑹𝑵𝑬 𝑫𝑬 𝑪𝑬𝑹𝑫𝑶:𝒂_𝟐𝟏 𝑿_𝟏+𝒂_𝟐𝟐 𝑿_𝟐+𝒂_𝟐𝟑 𝑿_𝟑≤𝑫𝒈𝒄𝒄

𝑮𝑹𝑨𝑺𝑨:𝒂_𝟑𝟏 𝑿_𝟏+𝒂_𝟑𝟐 𝑿_𝟐+𝒂_𝟑𝟑 𝑿_𝟑≤𝑫𝒈𝒈

𝑵𝑶 𝑵𝑬𝑮𝑨𝑻𝑰𝑽𝑰𝑫𝑨𝑫:𝑿_𝟏, 𝑿_𝟐, 𝑿_𝟑≥𝟎

Entonces reemplazando la información las restricciones son;

𝑪𝑨𝑹𝑵𝑬 𝑫𝑬 𝑹𝑬𝑺:𝟏𝟐𝟎𝑿_𝟏+𝟏𝟎𝟎𝑿_𝟐+𝟐𝟎𝟎𝑿_𝟑≤𝟏𝟎𝟎𝟎𝟎𝟎

𝑪𝑨𝑹𝑵𝑬 𝑫𝑬 𝑪𝑬𝑹𝑫𝑶:𝟐𝟎𝑿_𝟏+𝟐𝟎𝑿_𝟐+𝟐𝟎𝑿_𝟑≤𝟏𝟓𝟎𝟎𝟎

𝑮𝑹𝑨𝑺𝑨:𝟐𝟎𝑿_𝟏+𝟎𝑿_𝟐+𝟎𝑿_𝟑≤𝟏𝟓𝟎𝟎𝟎𝟎

𝑵𝑶 𝑵𝑬𝑮𝑨𝑻𝑰𝑽𝑰𝑫𝑨𝑫:𝑿_𝟏, 𝑿_𝟐, 𝑿_𝟑≥𝟎

PLANTEAMIENTO DE LA FUNCIÓN
OBJETIVO
SI LA OPTIMIZACIÓN DE LAS
𝑼𝑻𝑰𝑳𝑰𝑫𝑨𝑫𝑬𝑺 𝑬𝑺 𝑳𝑨 𝑴𝑨𝑿𝑰𝑴𝑰𝒁𝑨𝑪𝑰Ó𝑵

EL OBJETIVO ES:
𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁=𝑪_𝟏 𝑿_𝟏+𝑪_𝟐 𝑿_𝟐+𝑪_𝟑 𝑿_𝟑
 Entonces reemplazando la información la función objetivo es;

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁=𝟏𝟒𝟎𝟎𝑿_𝟏+𝟏𝟑𝟎𝟎𝑿_𝟐+𝟏𝟑𝟎𝟎𝑿_𝟑

por esto;
El problema como modelo de programacion lineal es;

FUNCIÓN OBJETIVO

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁=𝟏𝟒𝟎𝟎𝑿_𝟏+𝟏𝟑𝟎𝟎𝑿_𝟐+𝟏𝟑𝟎𝟎𝑿_𝟑

Sujeto a:
𝟏𝟐𝟎𝑿_𝟏+𝟏𝟎𝟎𝑿_𝟐+𝟐𝟎𝟎𝑿_𝟑≤𝟏𝟎𝟎𝟎𝟎𝟎

𝟐𝟎𝑿_𝟏+𝟐𝟎𝑿_𝟐+𝟐𝟎𝑿_𝟑≤𝟏𝟓𝟎𝟎𝟎

𝟐𝟎𝑿_𝟏+𝟎𝑿_𝟐+𝟎𝑿_𝟑≤𝟏𝟓𝟎𝟎𝟎𝟎

𝑿_𝟏, 𝑿_𝟐, 𝑿_𝟑≥𝟎

Forma estandar
𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁=𝟏𝟒𝟎𝟎𝑿_𝟏+𝟏𝟑𝟎𝟎𝑿_𝟐+𝟏𝟑𝟎𝟎𝑿_𝟑

Sujeto a;
𝟏𝟐𝟎𝑿_𝟏+𝟏𝟎𝟎𝑿_𝟐+𝟐𝟎𝟎𝑿_𝟑+𝑺_𝟏=𝟏𝟎𝟎𝟎𝟎𝟎

𝟐𝟎𝑿_𝟏+𝟐𝟎𝑿_𝟐+𝟐𝟎𝑿_𝟑+𝑺_𝟐=𝟏𝟓𝟎𝟎𝟎

𝟐𝟎𝑿_𝟏+𝟎𝑿_𝟐+𝟎𝑿_𝟑+𝑺_𝟑=𝟏𝟓𝟎𝟎𝟎𝟎

𝑿_𝟏, 𝑿_𝟐, 𝑿_𝟑,𝑺_𝟏,𝑺_𝟐,𝑺_𝟑≥𝟎

Igualando a cero la función objetivo

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁−𝟏𝟒𝟎𝟎𝑿_𝟏−𝟏𝟑𝟎𝟎𝑿_𝟐−𝟏𝟑𝟎𝟎𝑿_𝟑=𝟎

Agregando variables de holgura;

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁−𝟏𝟒𝟎𝟎𝑿_𝟏−𝟏𝟑𝟎𝟎𝑿_𝟐−𝟏𝟑𝟎𝟎𝑿_𝟑+𝟎𝑺_𝟏+𝟎𝑺_𝟐+𝟎𝑺_𝟑=𝟎

Se tiene:
 𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁−𝟏𝟒𝟎𝟎𝑿_𝟏−𝟏𝟑𝟎𝟎𝑿_𝟐−𝟏𝟑𝟎𝟎𝑿_𝟑+𝟎𝑺_𝟏+𝟎𝑺_𝟐+𝟎𝑺_𝟑=𝟎

𝟏𝟐𝟎𝑿_𝟏+𝟏𝟎𝟎𝑿_𝟐+𝟐𝟎𝟎𝑿_𝟑+𝑺_𝟏=𝟏𝟎𝟎𝟎𝟎𝟎

𝟐𝟎𝑿_𝟏+𝟐𝟎𝑿_𝟐+𝟐𝟎𝑿_𝟑+𝑺_𝟐=𝟏𝟓𝟎𝟎𝟎

𝟐𝟎𝑿_𝟏+𝟎𝑿_𝟐+𝟎𝑿_𝟑+𝑺_𝟑=𝟏𝟓𝟎𝟎𝟎𝟎

Llevando la información a la Tabla inicial método simplex primal:

Variables Variables no básicas

básicas Z X1 X2 X3 S1 S2
Z 1 -1400 -1300 -1300 0 0
S1 0 120 100 200 1 0
S2 0 20 20 20 0 1
S3 0 20 0 0 0 0

Aplicando el método de eliminación de Gauss Jordan:

Variables Variables no básicas

básicas Z X1 X2 X3 S1 S2
Z 1 0 100 100 0 70
S1 0 0 -20 80 1 -6
X1 0 1 1 1 0 0.05
S3 0 0 -20 -20 0 -1
El óptimo se alcanza cuando los coeficientes no básicos de la ecuación Z son no negativos.

Resultados;

𝑿_𝟏=𝟕𝟓𝟎

𝒁=$𝟏.𝟎𝟓𝟎.𝟎𝟎𝟎

Variables Variables no basicas desigualdad solucion

básicas formula
X1 X2 X3
Z 1400 1300 1300 1050000 1050000
S1 120 100 200 <= 100000 90000
S2 20 20 20 <= 15000 15000
S3 20 0 0 <= 150000 15000

x1 750
x2 0
x3 0
Z 1050000
 SEA EL PROBLEMA PRIMAL
FUNCIÓN OBJETIVO

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁=𝟏𝟒𝟎𝟎𝑿_𝟏+𝟏𝟑𝟎𝟎𝑿_𝟐+𝟏𝟑𝟎𝟎𝑿_𝟑

Sujeto a:
𝟏𝟐𝟎𝑿_𝟏+𝟏𝟎𝟎𝑿_𝟐+𝟐𝟎𝟎𝑿_𝟑≤𝟏𝟎𝟎𝟎𝟎𝟎

𝟐𝟎𝑿_𝟏+𝟐𝟎𝑿_𝟐+𝟐𝟎𝑿_𝟑≤𝟏𝟓𝟎𝟎𝟎

𝟐𝟎𝑿_𝟏+𝟎𝑿_𝟐+𝟎𝑿_𝟑≤𝟏𝟓𝟎𝟎𝟎𝟎

𝑿_𝟏, 𝑿_𝟐, 𝑿_𝟑≥𝟎

𝟏𝟎𝟎𝟎𝟎𝟎𝒀_𝟏, 𝟏𝟓𝟎𝟎𝟎𝒀_𝟐, 𝟏𝟓𝟎𝟎𝟎𝟎𝒀_𝟑

𝟏𝟐𝟎𝑿_𝟏+𝟏𝟎𝟎𝑿_𝟐+𝟐𝟎𝟎𝑿_𝟑≤𝟏𝟎𝟎𝟎𝟎𝟎

𝟐𝟎𝑿_𝟏+𝟐𝟎𝑿_𝟐+𝟐𝟎𝑿_𝟑≤𝟏𝟓𝟎𝟎𝟎

𝟐𝟎𝑿_𝟏+𝟎𝑿_𝟐+𝟎𝑿_𝟑≤𝟏𝟓𝟎𝟎𝟎𝟎

𝑿_𝟏, 𝑿_𝟐, 𝑿_𝟑≥𝟎

〖𝟏𝟐𝟎𝒀〗 _𝟏+ 〖𝟐𝟎𝒀〗 _𝟐+ 〖𝟐𝟎𝒀〗 _𝟑≥𝟏𝟒𝟎𝟎

〖𝟏𝟎𝟎𝒀〗 _𝟏+ 〖𝟐𝟎𝒀〗 _𝟐+ 〖𝟎𝒀〗 _𝟑≥𝟏𝟑𝟎𝟎

〖𝟐𝟎𝟎𝒀〗 _𝟏+𝟐𝟎𝒀_𝟐+𝟐𝟎𝒀_𝟑≥𝟏𝟑𝟎𝟎

𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 𝑾=𝟏 𝟎 𝟎 𝟎 𝟎 𝟎 𝒀_𝟏 +𝟏 𝟓 𝟎 𝟎 𝟎 𝒀_𝟐 +𝟏 𝟓 𝟎 𝟎 𝟎 𝟎 𝒀_𝟑

 𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 𝑾=𝟏 𝟎 𝟎 𝟎 𝟎 𝟎 𝒀_𝟏 +𝟏 𝟓 𝟎 𝟎 𝟎 𝒀_𝟐 +𝟏 𝟓 𝟎 𝟎 𝟎 𝟎 𝒀_𝟑

SUJETO A:
〖𝟏𝟐𝟎𝒀〗 _𝟏+ 〖𝟐𝟎𝒀〗 _𝟐+ 〖𝟐𝟎𝒀〗 _𝟑≥𝟏𝟒𝟎𝟎

〖𝟏𝟎𝟎𝒀〗 _𝟏+ 〖𝟐𝟎𝒀〗 _𝟐+ 〖𝟎𝒀〗 _𝟑≥𝟏𝟑𝟎𝟎

〖𝟐𝟎𝟎𝒀〗 _𝟏+𝟐𝟎𝒀_𝟐+𝟐𝟎𝒀_𝟑≥𝟏𝟑𝟎𝟎

FORMA ESTANDAR DEL PROBLEMA DUAL

𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 𝑾−𝟏 𝟎 𝟎 𝟎 𝟎 𝟎 𝒀_𝟏−𝟏𝟓𝟎𝟎𝟎𝒀_𝟐−𝟏𝟓𝟎𝟎𝟎𝟎𝒀_𝟑=𝟎

SUJETO A:
〖−𝟏𝟐𝟎𝒀〗 _𝟏 〖−𝟐𝟎𝒀〗 _𝟐 〖−𝟐𝟎𝒀〗 _𝟑+𝑺_𝟏=−𝟏𝟒𝟎𝟎

〖−𝟏𝟎𝟎𝒀〗 _𝟏− 〖𝟐𝟎𝒀〗 _𝟐− 〖𝟎𝒀〗 _𝟑+𝑺_𝟐=−𝟏𝟑𝟎𝟎

〖−𝟐𝟎𝟎𝒀〗 _𝟏−𝟐𝟎𝒀_𝟐−𝟐𝟎𝒀_𝟑+𝑺_𝟑=−𝟏𝟑𝟎𝟎

𝒀_𝟏,𝒀_𝟐,𝒀_𝟑,𝑺_𝟏,𝑺_𝟐,𝑺_𝟑 𝑰𝒓𝒓𝒆𝒔𝒕𝒓𝒊𝒄𝒕𝒂𝒔

Llevando la información a la Tabla inicial método simplex dual:

Variables Variables no básicas

básicas W Y1 Y2 Y3 S1 S2
W 1 -100000 -15000 -150000 0 0
S1 0 -120 -20 -20 1 0
S2 0 -100 -20 0 0 1
S3 0 -200 -20 -20 0 0
Razón 833.333333 750 7500

Aplicando el método de eliminación de Gauss Jordan:

 Variables Variables no básicas
básicas W Y1 Y2 Y3 S1 S2
W 1 -10000 0 -135000 -750 0
Y2 0 6 1 1 -0.05 0
S2 0 20 0 20 -1 1
S3 0 -80 0 0 -1 0

Si todas las variables básicas son no negativas, el proceso termina.

Resultados:
𝒀_𝟐=𝟕𝟎

𝑾=𝟏𝟎𝟓𝟎𝟎𝟎𝟎

Variables Variables no basicas desigualdad solucion

formula
básicas Y1 Y2 Y3
W 100000 15000 150000 1050000 1050000
S1 120 20 20 >= 1400 1400
S2 100 20 0 >= 1300 1400
S3 200 20 20 >= 1300 1400

Y1 0
Y2 70
Y3 0
W 1050000

SOLUCION PRIMAL SOLUCION DUAL

x1 750 Y1 0
x2 0 Y2 70
x3 0 Y3 0
Z 1050000 W 1050000

SOLUCION DEL PRIMAL

la empresa maximiza sus utilidades si se producen 750 tipos de

embutidos de base A, 0 tipos de base B y 0 tipos de base C,
generando una utilidad de $1.050.000

SOLUCION DUAL

la empresa aumenta sus utilidades por $70 pesos por cada unidad
de carne de cerdo adicional, no ve diferencias en la produccion de
carne de res y grasa.
 Solución
S3
0 0 Razón
0 100000 833.333333
0 15000 750
1 150000 7500

Solución
S3
0 1050000
0 10000
0 750
1 135000
𝟓𝟎𝟎𝟎𝟎𝒀_𝟑
 Solución
S3
0 0
0 -1400
0 -1300
1 -1300
 Solución
S3
0 1050000
0 70
0 100
1 100
 CONSTRUCCIÓN DEL MODELO:

INFORMACIÓN DEL ENUNCIADO:

MINA A (VIAJES) MINA B (VIAJES) MINA C (VIAJES)

COSTOS($) $ 250,000,000 $ 150,000,000 $ 90,000,000 DISPONIBILIDAD

CARBON ALTO
VOLATIL 80 60 40 5000
(TONELADAS)

CARBON MEDIO
VOLATIL 70 50 30 4000
(TONELADAS)

CARBON BAJO
VOLATIL 65 40 20 3000
(TONELADAS)
 INFORMACIÓN PARA LA LINEALIZACIÓN:

X1: MINA A X2: MINA B X3: MINA C

(VIAJES) (VIAJES) (VIAJES)
COSTOS($) C1: $250.000.000 C2: $150.000.00 C3: $90.000.000 REQUERIMIENTO MINIMO

Disponibilidad
CARBON ALTO
de carbon alto
VOLATIL a11=80 a12=60 a13=40 >=
(TONELADAS) volatil:
Dcav=5000

Disponibilidad
CARBON MEDIO
de carbon
VOLATIL a21=70 a22=50 a23=30 >=
medio volatil:
(TONELADAS)
Dcmv=4000

Disponibilidad
CARBON BAJO
de carbon bajo
VOLATIL a31=65 a32=40 a33=20 >=
volatil:
(TONELADAS)
Dcbv=3000

IDENTIFICACIÓN DE VARIABLES:
SEA,
𝑿_𝟏:𝑴𝑰𝑵𝑨 𝑨 (𝑽𝑰𝑨𝑱𝑬𝑺)

𝑿_𝟐:𝑴𝑰𝑵𝑨 𝑩 (𝑽𝑰𝑨𝑱𝑬𝑺)

𝑿_𝟑:𝑴𝑰𝑵𝑨 𝑪 (𝑽𝑰𝑨𝑱𝑬𝑺)

PLANTEAMIENTO DE RESTRICCIONES
SI,
𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝒅𝒆 𝒓𝒆𝒄𝒖𝒓𝒔𝒐𝒔≥𝒓𝒆𝒒𝒖𝒆𝒓𝒊𝒎𝒊𝒆𝒏𝒕𝒐 𝒎𝒊𝒏𝒊𝒎𝒐

𝑪𝒂𝒓𝒃𝒐𝒏 𝒂𝒍𝒕𝒐 𝒗𝒐𝒍𝒂𝒕𝒊𝒍:𝒂_𝟏𝟏 𝑿_𝟏+𝒂_𝟏𝟐 𝑿_𝟐+𝒂_𝟏𝟑 𝑿_𝟑≥𝑫𝒄𝒂𝒗

𝑪𝒂𝒓𝒃𝒐𝒏 𝒎𝒆𝒅𝒊𝒐 𝒗𝒐𝒍𝒂𝒕𝒊𝒍:𝒂_𝟐𝟏 𝑿_𝟏+𝒂_𝟐𝟐 𝑿_𝟐+𝒂_𝟐𝟑 𝑿_𝟑≥𝑫𝒄𝒎𝒗

𝑪𝒂𝒓𝒃𝒐𝒏 𝒃𝒂𝒋𝒐 𝒗𝒐𝒍𝒂𝒕𝒊𝒍:𝒂_𝟑𝟏 𝑿_𝟏+𝒂_𝟑𝟐 𝑿_𝟐+𝒂_𝟑𝟑 𝑿_𝟑≥𝑫𝒄𝒃𝒗

𝑵𝑶 𝑵𝑬𝑮𝑨𝑻𝑰𝑽𝑰𝑫𝑨𝑫:𝑿_𝟏, 𝑿_𝟐, 𝑿_𝟑≥𝟎

Entonces reemplazando la información las restricciones son;

𝑪𝒂𝒓𝒃𝒐𝒏 𝒂𝒍𝒕𝒐 𝒗𝒐𝒍𝒂𝒕𝒊𝒍:𝟖𝟎𝑿_𝟏+𝟔𝟎𝑿_𝟐+𝟒𝟎𝑿_𝟑≥𝟓𝟎𝟎𝟎

𝑪𝒂𝒓𝒃𝒐𝒏 𝒎𝒆𝒅𝒊𝒐 𝒗𝒐𝒍𝒂𝒕𝒊𝒍:𝟕𝟎𝑿_𝟏+𝟓𝟎𝑿_𝟐+𝟑𝟎𝑿_𝟑≥𝟒𝟎𝟎𝟎

 𝑪𝒂𝒓𝒃𝒐𝒏 𝒎𝒆𝒅𝒊𝒐 𝒗𝒐𝒍𝒂𝒕𝒊𝒍:𝟕𝟎𝑿_𝟏+𝟓𝟎𝑿_𝟐+𝟑𝟎𝑿_𝟑≥𝟒𝟎𝟎𝟎

𝑪𝒂𝒓𝒃𝒐𝒏 𝒃𝒂𝒋𝒐 𝒗𝒐𝒍𝒂𝒕𝒊𝒍:𝟔𝟓𝑿_𝟏+𝟒𝟎𝑿_𝟐+𝟐𝟎𝑿_𝟑≥𝟑𝟎𝟎𝟎

𝑵𝑶 𝑵𝑬𝑮𝑨𝑻𝑰𝑽𝑰𝑫𝑨𝑫:𝑿_𝟏, 𝑿_𝟐, 𝑿_𝟑≥𝟎

PLANTEAMIENTO DE LA FUNCIÓN OBJETIVO

SI LA OPTIMIZACIÓN DE LOS

𝑪𝑶𝑺𝑻𝑶𝑺 𝑬𝑺 𝑳𝑨 𝑴𝑰𝑵𝑰𝑴𝑰𝒁𝑨𝑪𝑰Ó𝑵
EL OBJETIVO ES:

𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 𝒁=𝑪_𝟏 𝑿_𝟏+𝑪_𝟐 𝑿_𝟐+𝑪_𝟑 𝑿_𝟑

Entonces reemplazando la información la función objetivo es;

𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 𝒁=𝟐𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟏+𝟏𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟐+𝟗𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟑

por esto;
El problema como modelo de programacion lineal es;

FUNCIÓN OBJETIVO

𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 𝒁=𝟐𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟏+𝟏𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟐+𝟗𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟑

Sujeto a:
𝟖𝟎𝑿_𝟏+𝟔𝟎𝑿_𝟐+𝟒𝟎𝑿_𝟑≥𝟓𝟎𝟎𝟎

𝟕𝟎𝑿_𝟏+𝟓𝟎𝑿_𝟐+𝟑𝟎𝑿_𝟑≥𝟒𝟎𝟎𝟎

𝟔𝟓𝑿_𝟏+𝟒𝟎𝑿_𝟐+𝟐𝟎𝑿_𝟑≥𝟑𝟎𝟎𝟎

𝑿_𝟏, 𝑿_𝟐, 𝑿_𝟑≥𝟎

FUNCIÓN OBJETIVO
𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 𝒁=𝟐𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟏+𝟏𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟐+𝟗𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟑

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

𝑿_𝟏, 𝑿_𝟐, 𝑿_𝟑,𝑺_𝟏,𝑺_𝟐,𝑺_𝟑≥𝟎

Como las variables de exceso deben ser no negativas en la forma estándar, se debe
multiplicar por (-1) ambos miembros de cada una de las ecuaciones:

FUNCIÓN OBJETIVO
𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 𝒁=𝟐𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟏+𝟏𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟐+𝟗𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟑

Sujeto a:
𝟖𝟎𝑿_𝟏+𝟔𝟎𝑿_𝟐+𝟒𝟎𝑿_𝟑−𝑺_𝟏=𝟓𝟎𝟎𝟎∗(−𝟏)

𝟕𝟎𝑿_𝟏+𝟓𝟎𝑿_𝟐+𝟑𝟎𝑿_𝟑−𝑺_𝟐=𝟒𝟎𝟎𝟎∗(−𝟏)

𝟔𝟓𝑿_𝟏+𝟒𝟎𝑿_𝟐+𝟐𝟎𝑿_𝟑−𝑺_𝟑=𝟑𝟎𝟎𝟎∗(−𝟏)

𝑿_𝟏, 𝑿_𝟐, 𝑿_𝟑,𝑺_𝟏,𝑺_𝟐,𝑺_𝟑≥𝟎

Entonces, la forma estándar del modelo de programación lineal por el método simplex dual
con segundos miembros no positivos en sus ecuaciones, es:

FUNCIÓN OBJETIVO
𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 𝒁=𝟐𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟏+𝟏𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟐+𝟗𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟑

−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

𝑿_𝟏, 𝑿_𝟐, 𝑿_𝟑,𝑺_𝟏,𝑺_𝟐,𝑺_𝟑≥𝟎

Igualando a cero (0) la función objetivo:

𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 𝒁−𝟐𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟏−𝟏𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟐−𝟗𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟑=𝟎

Agregando en la función objetivo las variables de exceso 𝑺𝒏 con coeficiente cero (0):

𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 𝒁−𝟐𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟏−𝟏𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟐−𝟗𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟑+𝟎𝑺_𝟏+𝟎𝑺_𝟐+𝟎𝑺_𝟑=𝟎
SE TIENE;
FUNCIÓN OBJETIVO
𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 𝒁−𝟐𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟏−𝟏𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟐−𝟗𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟑+𝟎𝑺_𝟏+𝟎𝑺_𝟐+𝟎𝑺_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

𝑿_𝟏, 𝑿_𝟐, 𝑿_𝟑,𝑺_𝟏,𝑺_𝟐,𝑺_𝟑≥𝟎

Llevando la información a la Tabla inicial método simplex dual:

Variables Variables no básicas

básicas Z X1 X2 X3 S1
Z 1 -250000000 -150000000 -90000000 0
S1 0 -80 -60 -40 1
S2 0 -70 -50 -30 0
S3 0 -65 -40 -20 0
Razón 3125000 2500000 2250000

Aplicando el método de eliminación de Gauss Jordan:

Variables Variables no básicas

básicas Z X1 X2 X3 S1
Z 1 -70000000 -15000000 0 -2250000
X3 0 2 1.5 1 -0.025
S2 0 -10 -5 0 -0.75
S3 0 -25 -10 0 -0.5
Razón 2800000 1500000 NA

Variables Variables no básicas

básicas Z X1 X2 X3 S1
Z 1 -32500000 0 0 -1500000
X3 0 -1.75 0 1 -0.1
S2 0 2.5 0 0 -0.5
X2 0 2.5 1 0 0.05
Razón -13000000 0 NA

Si todas las variables básicas son no negativas, el proceso termina.

Resultados:
𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝒅𝒆 𝒗𝒊𝒂𝒋𝒆𝒔 𝒎𝒊𝒏𝒂 𝑨:𝑿_𝟏=𝟎
 𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝒅𝒆 𝒗𝒊𝒂𝒋𝒆𝒔 𝒎𝒊𝒏𝒂 𝑩:𝑿_𝟐=𝟓𝟎

𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝒅𝒆 𝒗𝒊𝒂𝒋𝒆𝒔 𝒎𝒊𝒏𝒂 𝑪:𝑿_𝟑=𝟓𝟎

𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒄𝒊ó𝒏 𝒅𝒆 𝒄𝒐𝒔𝒕𝒐𝒔: 𝒁=$𝟏𝟐.𝟎𝟎𝟎.𝟎𝟎𝟎.𝟎𝟎𝟎

Variables Variables no basicas desigualdad solucion

básicas X1 X2 X3
Z 250000000 150000000 90000000 12000000000
S1 80 60 40 >= 5000
S2 70 50 30 >= 4000
S3 65 40 20 >= 3000

x1 0
x2 50
x3 50
Z $ 12,000,000,000

SEA EL PROBLEMA PRIMAL

FUNCIÓN OBJETIVO

𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 𝒁=𝟐𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟏+𝟏𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟐+𝟗𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝑿_𝟑

Sujeto a:
𝟖𝟎𝑿_𝟏+𝟔𝟎𝑿_𝟐+𝟒𝟎𝑿_𝟑≥𝟓𝟎𝟎𝟎

𝟕𝟎𝑿_𝟏+𝟓𝟎𝑿_𝟐+𝟑𝟎𝑿_𝟑≥𝟒𝟎𝟎𝟎

𝟔𝟓𝑿_𝟏+𝟒𝟎𝑿_𝟐+𝟐𝟎𝑿_𝟑≥𝟑𝟎𝟎𝟎

𝑿_𝟏, 𝑿_𝟐, 𝑿_𝟑≥𝟎

 𝟓𝟎𝟎𝟎𝒀_𝟏, 𝟒𝟎𝟎𝟎𝒀_𝟐, 𝟑𝟎𝟎𝟎𝒀_𝟑

𝟖𝟎𝑿_𝟏+𝟔𝟎𝑿_𝟐+𝟒𝟎𝑿_𝟑≥𝟓𝟎𝟎𝟎

𝟕𝟎𝑿_𝟏+𝟓𝟎𝑿_𝟐+𝟑𝟎𝑿_𝟑≥𝟒𝟎𝟎𝟎

𝟔𝟓𝑿_𝟏+𝟒𝟎𝑿_𝟐+𝟐𝟎𝑿_𝟑≥𝟑𝟎𝟎𝟎
𝑿_𝟏, 𝑿_𝟐, 𝑿_𝟑≥𝟎

〖𝟖𝟎𝒀〗 _𝟏+ 〖𝟕𝟎𝒀〗 _𝟐+ 〖𝟔𝟓𝒀〗 _𝟑≤𝟐𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎

 𝟔𝟎𝒀_𝟏+ 〖𝟓𝟎𝒀〗 _𝟐+𝟒 〖𝟎𝒀〗 _𝟑≤𝟏𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎

〖𝟒𝟎𝒀〗 _𝟏+𝟑𝟎𝒀_𝟐+𝟐𝟎𝒀_𝟑≤𝟗𝟎𝟎𝟎𝟎𝟎𝟎𝟎

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝑾=𝟓𝟎𝟎𝟎𝒀_𝟏+𝟒𝟎𝟎𝟎𝒀_𝟐+𝟑𝟎𝟎𝟎𝒀_𝟑

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝑾=𝟓𝟎𝟎𝟎𝒀_𝟏+𝟒𝟎𝟎𝟎𝒀_𝟐+𝟑𝟎𝟎𝟎𝒀_𝟑

SUJETO A:
〖𝟖𝟎𝒀〗 _𝟏+ 〖𝟕𝟎𝒀〗 _𝟐+ 〖𝟔𝟓𝒀〗 _𝟑≤𝟐𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎

𝟔𝟎𝒀_𝟏+ 〖𝟓𝟎𝒀〗 _𝟐+𝟒 〖𝟎𝒀〗 _𝟑≤𝟏𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎

〖𝟒𝟎𝒀〗 _𝟏+𝟑𝟎𝒀_𝟐+𝟐𝟎𝒀_𝟑≤𝟗𝟎𝟎𝟎𝟎𝟎𝟎𝟎
 Forma estandar
𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝑾=𝟓𝟎𝟎𝟎𝒀_𝟏+𝟒𝟎𝟎𝟎𝒀_𝟐+𝟑𝟎𝟎𝟎𝒀_𝟑

Sujeto a;
〖𝟖𝟎𝒀〗 _𝟏+ 〖𝟕𝟎𝒀〗 _𝟐+ 〖𝟔𝟓𝒀〗 _𝟑+𝑺_𝟏=𝟐𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎

𝟔𝟎𝒀_𝟏+ 〖𝟓𝟎𝒀〗 _𝟐+𝟒 〖𝟎𝒀〗 _𝟑+𝑺_𝟐=𝟏𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎

〖𝟒𝟎𝒀〗 _𝟏+𝟑𝟎𝒀_𝟐+𝟐𝟎𝒀_𝟑+𝑺_𝟑=𝟗𝟎𝟎𝟎𝟎𝟎𝟎𝟎

𝑿_𝟏, 𝑿_𝟐, 𝑿_𝟑,𝑺_𝟏,𝑺_𝟐,𝑺_𝟑≥𝟎

Igualando a cero la función objetivo

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝑾−𝟓𝟎𝟎𝟎𝒀_𝟏−𝟒𝟎𝟎𝟎𝒀_𝟐−𝟑𝟎𝟎𝟎𝒀_𝟑=𝟎

Agregando variables de holgura;

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝑾−𝟓𝟎𝟎𝟎𝒀_𝟏−𝟒𝟎𝟎𝟎𝒀_𝟐−𝟑𝟎𝟎𝟎𝒀_𝟑+𝟎𝑺_𝟏+𝟎𝑺_𝟐+𝟎𝑺_𝟑=𝟎

Se tiene:
𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝑾−𝟓𝟎𝟎𝟎𝒀_𝟏−𝟒𝟎𝟎𝟎𝒀_𝟐−𝟑𝟎𝟎𝟎𝒀_𝟑+𝟎𝑺_𝟏+𝟎𝑺_𝟐+𝟎𝑺_𝟑=𝟎

〖𝟖𝟎𝒀〗 _𝟏+ 〖𝟕𝟎𝒀〗 _𝟐+ 〖𝟔𝟓𝒀〗 _𝟑+𝑺_𝟏=𝟐𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎

𝟔𝟎𝒀_𝟏+ 〖𝟓𝟎𝒀〗 _𝟐+𝟒 〖𝟎𝒀〗 _𝟑+𝑺_𝟐=𝟏𝟓𝟎𝟎𝟎𝟎𝟎𝟎𝟎

〖𝟒𝟎𝒀〗 _𝟏+𝟑𝟎𝒀_𝟐+𝟐𝟎𝒀_𝟑+𝑺_𝟑=𝟗𝟎𝟎𝟎𝟎𝟎𝟎𝟎

Llevando la información a la Tabla inicial método simplex primal:

Variables Variables no básicas

básicas W Y1 Y2 Y3 S1
W 1 -5000 -4000 -3000 0
S1 0 80 70 65 1
S2 0 60 50 40 0
S3 0 40 30 20 0

Aplicando el método de eliminación de Gauss Jordan:

 Variables Variables no básicas
básicas W Y1 Y2 Y3 S1
W 1 0 -250 -500 0
S1 0 0 10 25 1
S2 0 0 5 10 0
Y1 0 1 0.75 0.5 0

Variables Variables no básicas

básicas W Y1 Y2 Y3 S1
W 1 0 0 0 0
S1 0 0 -2.5 0 1
Y3 0 0 0.5 1 0
Y1 0 1 0.5 0 0

El óptimo se alcanza cuando los coeficientes no básicos de la ecuación Z son no negativos.

Resultados;
𝒀_𝟏=𝟏𝟓𝟎𝟎𝟎𝟎𝟎
𝒀_𝟑=𝟏𝟓𝟎𝟎𝟎𝟎𝟎

W=$𝟏𝟐.𝟎𝟎𝟎.𝟎𝟎𝟎.𝟎𝟎𝟎

Variables Variables no basicas desigualdad solucion

básicas Y1 Y2 Y3
W 5000 4000 3000 12000000000
S1 80 70 65 <= 250000000
S2 60 50 40 <= 150000000
S3 40 30 20 <= 90000000

Y1 1500000
Y2 0
Y3 1500000
W $ 12,000,000,000

SOLUCION PRIMAL SOLUCION DUAL

x1 0 Y1 $ 1,500,000
x2 50 Y2 0
x3 50 Y3 $ 1,500,000
Z $ 12,000,000,000 W $ 12,000,000,000

SOLUCION DEL PRIMAL

la empresa minimiza sus costos si se realizan 50 viajes a la mina B y 50 viajes a la mina C,

generando un costo de $12.000.000.000

SOLUCION DUAL

la empresa aumenta los costos por $1.500.000 pesos por cada tonelada de carbon alto
volatil producido y la misma cantidad por el carbon bajo volatil, no ve diferencias en la
produccion de carbon medio volatil que afecten los costos.
 Solución
S2 S3
0 0 0
0 0 -5000
1 0 -4000
0 1 -3000

Solución
S2 S3
0 0 11250000000
0 0 125
1 0 -250
0 1 -500

Solución
S2 S3
0 -1500000 $ 12,000,000,000
0 0.15 50
1 -0.5 0
0 -0.1 50
formula

1.2E+10
5000
4000
3000
 Solución
S2 S3
0 0 0 Razón
0 0 250000000 3125000
1 0 150000000 2500000
0 1 90000000 2250000
 Solución
S2 S3
0 125 11250000000 Razón
0 -2 70000000 2800000
1 -1.5 15000000 1500000
0 0.025 2250000 4500000

Solución
S2 S3
50 50 $ 12,000,000,000 Razón
-2.5 1.75 32500000 -13000000
0.1 -0.15 1500000 3000000
-0.05 0.1 1500000 3000000

egativos.

formula

1.2E+10
217500000
150000000
90000000
 CONSTRUCCIÓN DEL MODELO:

INFORMACIÓN DEL ENUNCIADO:

DETERGENTE DETERGENTE DETERGENTE

EN GEL SOLIDO EN POLVO
UTILIDADES($$ 10,000 $ 8,000 $ 8,500 DISPONIBILIDAD

GRASA
ANIMAL 100 80 90 7000
(KG)

GRASA
VEGETAL 150 100 140 8000
(KG)

SODA
CAUSTICA 120 100 110 7000
(KG)

INFORMACIÓN PARA LA LINEALIZACIÓN:

X1: X3:
DETERGENTE X2:DETERGENTE DETERGENTE
SOLIDO
EN GEL EN POLVO
UTILIDADES($) C1: $10.000 C2: $8.000 C3: $8.500 DISPONIBILIDAD MÁXIMA
 Disponibilidad en
GRASA
kilogramos de
ANIMAL a11=100 a12=80 a13=90 <=
grasa animal:
(KG)
Dkga=7000

Disponibilidad en
GRASA
kilogramos de
VEGETAL a21=150 a22=100 a23=140 <=
grasa vegetal:
(KG)
Dkggv=8000

Disponibilidad en
SODA
kilogramos de
CAUSTICA a31=120 a32=100 a33=110 <=
soda caustica:
(KG)
Dkgsc=7000

IDENTIFICACIÓN DE VARIABLES:
SEA,
𝑿_𝟏:𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝒅𝒆 𝒅𝒆𝒕𝒆𝒓𝒈𝒆𝒏𝒕𝒆 𝒆𝒏 𝒈𝒆𝒍 (𝒖𝒏𝒊𝒅𝒂𝒅𝒆𝒔)

𝑿_𝟐:𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝒅𝒆 𝒅𝒆𝒕𝒆𝒓𝒈𝒆𝒏𝒕𝒆 𝒔𝒐𝒍𝒊𝒅𝒐 (𝒖𝒏𝒊𝒅𝒂𝒅𝒆𝒔)

𝑿_𝟑:𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝒅𝒆 𝒅𝒆𝒕𝒆𝒓𝒈𝒆𝒏𝒕𝒆 𝒆𝒏 𝒑𝒐𝒍𝒗𝒐 (𝒖𝒏𝒊𝒅𝒂𝒅𝒆𝒔)

PLANTEAMIENTO DE RESTRICCIONES
SI,
𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝒅𝒆 𝒓𝒆𝒄𝒖𝒓𝒔𝒐𝒔≤𝒅𝒊𝒔𝒑𝒐𝒏𝒊𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝒎𝒂𝒙𝒊𝒎𝒂

𝒈𝒓𝒂𝒔𝒂 𝒂𝒏𝒊𝒎𝒂𝒍:𝒂_𝟏𝟏 𝑿_𝟏+𝒂_𝟏𝟐 𝑿_𝟐+𝒂_𝟏𝟑 𝑿_𝟑≤𝑫𝒌𝒈𝐚

𝒈𝒓𝒂𝒔𝒂 𝒗𝒆𝒈𝒆𝒕𝒂𝒍:𝒂_𝟐𝟏 𝑿_𝟏+𝒂_𝟐𝟐 𝑿_𝟐+𝒂_𝟐𝟑 𝑿_𝟑≤𝑫𝒌𝒈𝒈𝒗

𝒔𝒐𝒅𝒂 𝒄𝒂𝒖𝒔𝒕𝒊𝒄𝒂:𝒂_𝟑𝟏 𝑿_𝟏+𝒂_𝟑𝟐 𝑿_𝟐+𝒂_𝟑𝟑 𝑿_𝟑≤𝑫𝒌𝒈𝒔𝒄

𝑵𝑶 𝑵𝑬𝑮𝑨𝑻𝑰𝑽𝑰𝑫𝑨𝑫:𝑿_𝟏, 𝑿_𝟐, 𝑿_𝟑≥𝟎

Entonces reemplazando la información las restricciones son;

𝒈𝒓𝒂𝒔𝒂 𝒂𝒏𝒊𝒎𝒂𝒍:𝟏𝟎𝟎𝑿_𝟏+𝟖𝟎𝑿_𝟐+𝟗𝟎𝑿_𝟑≤𝟕𝟎𝟎𝟎

𝒈𝒓𝒂𝒔𝒂 𝒗𝒆𝒈𝒆𝒕𝒂𝒍:𝟏𝟓𝟎𝑿_𝟏+𝟏𝟎𝟎𝑿_𝟐+𝟏𝟒𝟎𝑿_𝟑≤𝟖𝟎𝟎𝟎

𝒔𝒐𝒅𝒂 𝒄𝒂𝒖𝒔𝒕𝒊𝒄𝒂:𝟏𝟐𝟎𝑿_𝟏+𝟏𝟎𝟎𝑿_𝟐+𝟏𝟏𝟎𝑿_𝟑≤𝟕𝟎𝟎𝟎

𝑵𝑶 𝑵𝑬𝑮𝑨𝑻𝑰𝑽𝑰𝑫𝑨𝑫:𝑿_𝟏, 𝑿_𝟐, 𝑿_𝟑≥𝟎

PLANTEAMIENTO DE LA FUNCIÓN OBJETIVO

SI LA OPTIMIZACIÓN DE LAS
𝑼𝑻𝑰𝑳𝑰𝑫𝑨𝑫𝑬𝑺 𝑬𝑺 𝑳𝑨 𝑴𝑨𝑿𝑰𝑴𝑰𝒁𝑨𝑪𝑰Ó𝑵

EL OBJETIVO ES:
𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁=𝑪_𝟏 𝑿_𝟏+𝑪_𝟐 𝑿_𝟐+𝑪_𝟑 𝑿_𝟑

Entonces reemplazando la información la función objetivo es;

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁=𝟏𝟎𝟎𝟎𝑿_𝟏+𝟖𝟎𝟎𝟎𝑿_𝟐+𝟖𝟓𝟎𝟎𝑿_𝟑

por esto;
El problema como modelo de programacion lineal es;

FUNCIÓN OBJETIVO

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁=𝟏𝟎𝟎𝟎𝑿_𝟏+𝟖𝟎𝟎𝟎𝑿_𝟐+𝟖𝟓𝟎𝟎𝑿_𝟑

Sujeto a:
𝟏𝟎𝟎𝑿_𝟏+𝟖𝟎𝑿_𝟐+𝟗𝟎𝑿_𝟑≤𝟕𝟎𝟎𝟎

:𝟏𝟓𝟎𝑿_𝟏+𝟏𝟎𝟎𝑿_𝟐+𝟏𝟒𝟎𝑿_𝟑≤𝟖𝟎𝟎𝟎

𝟏𝟐𝟎𝑿_𝟏+𝟏𝟎𝟎𝑿_𝟐+𝟏𝟏𝟎𝑿_𝟑≤𝟕𝟎𝟎𝟎

𝑿_𝟏, 𝑿_𝟐, 𝑿_𝟑≥𝟎

Forma estandar
𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁=𝟏𝟎𝟎𝟎𝟎𝑿_𝟏+𝟖𝟎𝟎𝟎𝑿_𝟐+𝟖𝟓𝟎𝟎𝑿_𝟑

Sujeto a;

𝟏𝟎𝟎𝑿_𝟏+𝟖𝟎𝑿_𝟐+𝟗𝟎𝑿_𝟑+𝑺_𝟏=𝟕𝟎𝟎𝟎

:𝟏𝟓𝟎𝑿_𝟏+𝟏𝟎𝟎𝑿_𝟐+𝟏𝟒𝟎𝑿_𝟑+𝑺_𝟐=𝟖𝟎𝟎𝟎

𝟏𝟐𝟎𝑿_𝟏+𝟏𝟎𝟎𝑿_𝟐+𝟏𝟏𝟎𝑿_𝟑+𝑺_𝟑=𝟕𝟎𝟎𝟎

𝑿_𝟏, 𝑿_𝟐, 𝑿_𝟑,𝑺_𝟏,𝑺_𝟐,𝑺_𝟑≥𝟎

Igualando a cero la función objetivo

 𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁−𝟏𝟎𝟎𝟎𝟎𝑿_𝟏−𝟖𝟎𝟎𝟎𝑿_𝟐−𝟖𝟓𝟎𝟎𝑿_𝟑=𝟎

Agregando variables de holgura;

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁−𝟏𝟎𝟎𝟎𝟎𝑿_𝟏−𝟖𝟎𝟎𝟎𝑿_𝟐−𝟖𝟓𝟎𝟎𝑿_𝟑+𝟎𝑺_𝟏+𝟎𝑺_𝟐+𝟎𝑺_𝟑=𝟎

Se tiene:
𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁−𝟏𝟎𝟎𝟎𝟎𝑿_𝟏−𝟖𝟎𝟎𝟎𝑿_𝟐−𝟖𝟓𝟎𝟎𝑿_𝟑+𝟎𝑺_𝟏+𝟎𝑺_𝟐+𝟎𝑺_𝟑=𝟎

𝟏𝟎𝟎𝑿_𝟏+𝟖𝟎𝑿_𝟐+𝟗𝟎𝑿_𝟑+𝑺_𝟏=𝟕𝟎𝟎𝟎

:𝟏𝟓𝟎𝑿_𝟏+𝟏𝟎𝟎𝑿_𝟐+𝟏𝟒𝟎𝑿_𝟑+𝑺_𝟐=𝟖𝟎𝟎𝟎

𝟏𝟐𝟎𝑿_𝟏+𝟏𝟎𝟎𝑿_𝟐+𝟏𝟏𝟎𝑿_𝟑+𝑺_𝟑=𝟕𝟎𝟎𝟎

Llevando la información a la Tabla inicial método simplex primal:

Variables Variables no básicas

básicas Z X1 X2 X3 S1 S2
Z 1 -10000 -8000 -8500 0 0
S1 0 100 80 90 1 0
S2 0 150 100 140 0 1
S3 0 120 100 110 0 0

Aplicando el método de eliminación de Gauss Jordan:

Variables Variables no básicas

básicas Z X1 X2 X3 S1 S2
Z 1 0 -1333.3333333 833.333333 0 66.6666667
S1 0 0 13.3333333333 -3.33333333 1 -0.66666667
X1 0 1 0.66666666667 0.93333333 0 0.00666667
S3 0 0 20 -2 0 -0.8

Variables Variables no básicas

básicas Z X1 X2 X3 S1 S2
Z 1 0 0 700 0 13.3333333
S1 0 0 0 -2 1 -0.13333333
X1 0 1 0 1 0 0.03333333
X2 0 0 1 -0.1 0 -0.04

El óptimo se alcanza cuando los coeficientes no básicos de la ecuación Z son no negativos.

Resultados;
𝑿_𝟏=𝟑𝟑.𝟑𝟑𝟑
𝑿_𝟐=𝟑𝟎
𝒁=$𝟓𝟕𝟑.𝟑𝟑𝟑,𝟑𝟑
 Variables Variables no basicas desigualdad solucion
formula
básicas X1 X2 X3
Z 10000 8000 8500 573333.3333333 573333.333
S1 100 80 90 <= 7000 5733.33333
S2 150 100 140 <= 8000 8000
S3 120 100 110 <= 7000 7000

x1 33.3333333333
x2 30
x3 0
Z 573333.333333

Celdas de variables
Final Reducido Objetivo Permisible
Celda Nombre Valor Coste Coeficiente Aumentar
$B$179 x1 X1 33.3333333333 0 10000 2000
$B$180 x2 X1 30 0 8000 333.333333
$B$181 x3 X1 0 -700 8500 700

Restricciones
Final Sombra Restricción Permisible
Celda Nombre Valor Precio Lado derecho Aumentar
$G$174 <= formula 5733.33333333 0 7000 1.00E+30
$G$175 <= formula 8000 13.3333333 8000 750
$G$176 <= formula 7000 66.6666667 7000 1000

x1: detergente en gel

Permisible Permisible
Aumentar Reducir
2000 400

se puede aumentar hasta en 2000 unidades y se puede reducir hasta en 400 unidades y
no sufrir ningun tipo de variacion en el modelo no sufrir cambios en el modelo de
descrito programación lineal
x2: detergente solido
Permisible Permisible
Aumentar Reducir
333.333333 1333.333333333
se puede aumentar hasta en 333,333 unidades se puede reducir hasta en 1333,333
y no sufrir ningun tipo de variacion en el unidades y no sufrir cambios en el modelo
modelo descrito de programación lineal
x3: detergente en polvo
Permisible Permisible
Aumentar Reducir
700 1E+030

se puede aumentar hasta en 700 unidades y se puede reducir hasta un numero muy
no sufrir ningun tipo de variacion en el modelo grande de unidades sin presentar efectos
descrito en el modelo

grasa animal
Permisible Permisible
Aumentar Reducir
1.00E+30 1266.666666667

se puede reducir hasta en 1266,67 y no

se puede aumentar una cantidad grande y no sufrir cambios en el modelo de
presentar variaciones en el modelo lineal programación lineal
grasa vegetal
Permisible Permisible
Aumentar Reducir
750 1000

se puede reducir hasta en 1000 y no sufrir

se puede aumentar hasta en 750 y no sufrir cambios en el modelo de programación
ningun tipo de variacion en el modelo descrito lineal
soda caustica
Permisible Permisible
Aumentar Reducir
1000 600

se puede aumentar hasta en 1000 y no sufrir se puede reducir hasta 600 sin presentar
ningun tipo de variacion en el modelo descrito efectos en el modelo lineal
Variables
Variables no basicas
básicas
X1 X2 X3 S1 S2 S3
Z -10000 -8000 -8500 0 0 0
S1 100 80 90 1 0 0
S2 150 100 140 0 1 0
S3 120 100 110 0 0 1

Variables
Variables no basicas
básicas
X1 X2 X3 S1 S2 S3
Z -10000 -8000 -8500 0 0 0
S1 100 80 90 1 0 0
S2 150 100 140 0 1 0
S3 120 100 110 0 0 1

Variables
Variables no basicas
básicas
X1 X2 X3 S1 S2 S3
Z -10000 -8000 -8500 0 0 0
S1 100 80 90 1 0 0
S2 150 100 140 0 1 0
S3 120 100 110 0 0 1

Variables
Variables no basicas
básicas
X1 X2 X3 S1 S2 S3
Z 0 -1333.333333333 833.333333333 0 66.66666666667 0
S1 0 13.33333333333 -3.3333333333 1 -0.66666666667 0
S2 1 0.666666666667 0.93333333333 0 0.006666666667 0
S3 0 20 -2 0 -0.8 1
 Solución
S3
0 0 Razón
0 7000 70
0 8000 53.3333333
1 7000 58.3333333

Solución
S3
0 533333.3333333 Razón
0 1666.666666667 125
0 53.33333333333 80
1 600 30

Solución
S3
66.6666666666667 $ 573,333.33
-0.6666666666667 1266.666666667
-0.0333333333333 33.33333333333
0.05 30
 Permisible
Reducir
399.999999999999
1333.33333333333
1E+030

Permisible
Reducir
1266.66666666667
999.999999999999
600
 solucion

7000
8000
7000

solucion

b1
8000
7000

solucion

RAZON
b1 b1/100
8000 53.33333333333
7000 58.33333333333

solucion

533333.333333333 RAZON
b1-5333,33 b1/100
53.3333333333333 53.33333333333
600 #DIV/0!
 BIBLIOGRAFIA

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

transporte. Análisis de redes (pp. 95-139), Lima, Perú: Fondo editorial. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/detail.action?docID=3214857

Hillier, F. (2011). Introducción a la investigación de operaciones (pp. 198-220), México

D.F., México: Editorial Mc Graw Hill. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/detail.action?docID=3214887

Pineda, R. (2018, diciembre 7). OVI – Análisis de dualidad [Archivo de video]. Recuperado
de: http://hdl.handle.net/10596/22659

Pineda, R. (2018, diciembre 7). OVA – Análisis de dualidad [Objeto Virtual de Aprendizaje].
Recuperado de: http://hdl.handle.net/10596/22681