Instituto Tecnológico de Colima

Tecnológico Nacional de México

Ingeniería Industrial

Investigación de Operaciones l
ROBERTO MALDONADO GUTIERREZ

Actividad integradora
Unidad Temática 2
Parte 2 (Método simplex)

Integrantes:
 Arias Contreras Luis Gerardo
 Cruz Santiago Cristian Oswaldo
 Pérez Amezcua Juan Carlos
 Perez María Catalina

Villa de Álvarez, Colima

07 de abril de 2022
Índice
Introducción............................................................................................................................................................ 3
Actividad integradora de la unidad 2. ................................................................................................................... 4
Método simplex.................................................................................................................................................. 4
Teoría de Dualidad ........................................................................................................................................... 24
Análisis de Sensibilidad .................................................................................................................................... 25
Conclusiones ......................................................................................................................................................... 33
Bibliografía ............................................................................................................................................................ 33
Introducción
En esta actividad realizar unos ejercicios con el método simplex a resolver problemas de programación lineal
que es capaz de resolver modelos más complejos que los resueltos por métodos gráficos, sin estar limitado
por el número de variables, permitiendo mejoras en cada paso de solución. Las reglas de decisión que deciden
en qué variables entrar, en qué variables salir, la gran M y cómo determinar que estamos en un estado
óptimo, todas estas reglas de decisión provienen de métodos algebraicos, solo que aquí están ordenadas para
el tipo de tarjeta simplex que se utilizará.
Además, el método dual que surge en todo problema de programación lineal (Primal) está íntimamente
relacionado con otro problema simétrico, denominado problema dual. El análisis de sensibilidad tiene como
objetivo investigar el impacto de los cambios ambientales en el sistema. El propósito es identificar parámetros
aquellos que no se pueden cambiar sin una solución óptima para que se puedan estimar con mayor precisión y
luego, en parámetros, sensibles. Esto es necesario para que el proceso de toma de decisiones sepa dentro de
qué rango se pueden desplazar los diferentes coeficientes mencionados para mantener la solución óptima
actual
Actividad integradora de la unidad 2.
Método simplex
Use el método simplex para obtener la solución óptima de los modelos de programación lineal siguientes:

1. Max Z = 40𝑋1 + 60𝑋2 + 50𝑋3

S.A.
10𝑋1 + 4𝑋2 + 2𝑋3 ≤ 950
2𝑋1 + 2𝑋2 ≤ 410
𝑋1 + 2𝑋3 ≤ 610
𝑋1 ≥ 0, 𝑋2 ≥ 0, 𝑋3 ≥ 0
2. Max Z = 5𝑋1 + 𝑋2 + 3𝑋3
S.A.
2𝑋1 − 𝑋2 + 2𝑋3 ≤ 4
𝑋1 + 𝑋2 + 4𝑋3 ≤ 4
𝑋1 ≥ 0, 𝑋2 ≥ 0, 𝑋3 ≥ 0
3. Min Z = 𝑋1 + 3𝑋2 + 2𝑋3
S.A.
𝑋1 + 4𝑋2 + 2𝑋3 ≥ 8
2𝑋1 + 𝑋3 ≥ 10
2𝑋1 + 3𝑋2 ≤ 15
𝑋1 ≥ 0, 𝑋2 ≥ 0, 𝑋3 ≥ 0
4. Min Z = 6𝑋1 + 𝑋2 + 3𝑋3 − 2𝑋4
S.A.
𝑋1 + 𝑋2 ≤ 42
2𝑋1 + 3𝑋2 − 𝑋3 − 𝑋4 ≥ 10
𝑋1 + 2𝑋3 + 𝑋4 = 30
𝑋1 ≥ 0, 𝑋2 ≥ 0, 𝑋3 ≥ 0, 𝑋4 ≥ 0
5. Min Z = 3𝑋1 − 5𝑋2 + 4𝑋3
S.A. 4𝑋1 − 2𝑋2 + 𝑋3 = 20
3𝑋1 + 4𝑋3 ≥ 12
− 2𝑋2 + 4𝑋3 ≥ 7

𝑋1 ≥ 0, 𝑋2 ≥ 0, 𝑋3 ≥ 0
6. Min Z = −2𝑋1 − 𝑋2 − 4𝑋3 − 5𝑋4
S.A.
𝑋1 + 3𝑋2 + 2𝑋3 + 5𝑋4 ≤ 20
2𝑋1 + 16𝑋2 + 𝑋3 + 𝑋4 ≥ 4
3𝑋1 − 𝑋2 − 5𝑋3 + 10𝑋4 ≤ −10
𝑋1 ≥ 0, 𝑋2 ≥ 0, 𝑋3 ≥ 0, 𝑋4 ≥ 0
7. Max Z = 5000𝑋1 + 4000𝑋2
S.A.
𝑋1 + 𝑋2 ≥ 5
𝑋1 − 3𝑋2 ≤ 0
30𝑋1 + 10𝑋2 ≥ 135
𝑋1 ≥ 0, 𝑋2 ≥ 0
8. Max Z = 5000𝑋1 + 4000𝑋2
S.A.
𝑋1 + 𝑋2 ≥ 5
𝑋1 − 3𝑋2 ≤ 0
10𝑋1 + 15𝑋2 ≤ 150
20𝑋1 + 10𝑋2 ≤ 160
30𝑋1 + 10𝑋2 ≥ 135
𝑋1 ≥ 0, 𝑋2 ≥ 0
9. Min Z = 5𝑋1 + 2𝑋2
S.A.
3𝑋1 + 6𝑋2 ≥ 18
5𝑋1 + 4𝑋2 ≥ 20
8𝑋1 + 2𝑋2 ≥ 16
7𝑋1 + 6𝑋2 ≤ 42
𝑋1 ≥ 0, 𝑋2 ≥ 0
10. Min Z = 15𝑋1 + 12𝑋2
S.A.
3𝑋1 + 6𝑋2 ≥ 18
5𝑋1 + 4𝑋2 ≥ 20
8𝑋1 + 2𝑋2 ≥ 16
7𝑋1 + 6𝑋2 ≤ 42
𝑋1 ≥ 0, 𝑋2 ≥ 0
11. Max Z = 600𝑋1 + 1000𝑋2
S.A.
100𝑋1 + 60𝑋2 ≤ 21000
4000𝑋1 + 800𝑋2 ≤ 680000
𝑋1 + 𝑋2 ≤ 290
12𝑋1 + 30𝑋2 ≤ 6000
𝑋1 ≥ 0, 𝑋2 ≥ 0
12. Min Z = 4𝑋1 + 5𝑋2
S.A.
4𝑋1 + 4𝑋2 ≥ 20
6𝑋1 + 3𝑋2 ≥ 24
8𝑋1 + 5𝑋2 ≤ 40
𝑋1 ≥ 0, 𝑋2 ≥ 0
13. Max Z = 3𝑋1 + 4𝑋2
S.A.
−2𝑋1 + 4𝑋2 ≤ 16
2𝑋1 + 4𝑋2 ≤ 24
−6𝑋1 − 3𝑋2 ≥ −48
𝑋1 ≥ 0, 𝑋2 ≥ 0
14. Min Z = 5𝑋1 + 𝑋2
S.A.
3𝑋1 + 𝑋2 ≤ 12
6𝑋1 + 5𝑋2 ≥ 60
𝑋1 ≥8
𝑋1 ≥ 0, 𝑋2 ≥ 0
Teoría de Dualidad
15. Para el modelo primal del ejercicio 8, obtener su correspondiente modelo dual. A
partir de la tabla de la solución óptima del modelo primal, obtener los valores
óptimos para las variables duales y para la función objetivo, así como las demás
variables del modelo dual.

16. Para el modelo primal del ejercicio 9, obtener su correspondiente modelo dual. A
partir de la tabla de la solución óptima del modelo primal, obtener los valores
óptimos para las variables duales y para la función objetivo, así como las demás
variables del modelo dual.

17. Para el modelo primal del ejercicio 10, obtener su correspondiente modelo dual.
A partir de la tabla de la solución óptima del modelo primal, obtener los valores
óptimos para las variables duales y para la función objetivo, así como las demás
variables del modelo dual.
18. Para el modelo primal del ejercicio 11, obtener su correspondiente modelo dual.
A partir de la tabla de la solución óptima del modelo primal, obtener los valores
óptimos para las variables duales y para la función objetivo, así como las demás
variables del modelo dual.

Análisis de Sensibilidad
19. Considere el modelo de Buster Sod: Buster Sod opera una granja de riego de 800
acres en el Red River Valley de Arizona. Las principales actividades de Sod son el
cultivo de trigo y alfalfa, y la cría de ganado vacuno. La Autoridad de Aguas del
Red River Valley acaba de indicar las asignaciones de agua para el siguiente año
(a Sod se le asignaron 1,000 pies-acre) y Sod está ocupado en la preparación de
su plan de producción para el siguiente año. Él calcula que los precios del ganado
vacuno se conservarán en $500 aproximadamente por tonelada y que el trigo se
venderá a $2 por paca. Las estimaciones más precisas indican que la alfalfa podría
venderse a $22 por tonelada, pero si Sod llegara a necesitar más alfalfa de la que
puede producir para alimentar su ganado, tendría que pagar $28 por cada
tonelada que adquiera para esos propósitos. Algunas características tecnológicas
del negocio de Sod son: rendimiento de trigo, 70 pacas por acre; rendimiento de
alfalfa, 4 toneladas por acre. Otras características aparecen en la siguiente tabla.
Defina las variables:
 ACTIVIDAD MANO DE OBRA, REQUERIMIENTO REQUERIMIENTO DE REQUERIMIENTO DE
MAQUINARIA Y DE AGUA TERRENO ALFALFA
OTROS COSTOS ($) (PIES-ACRE) (ACRES) (TONELADAS)
1 acre de trigo 20 2 1

1 acre de alfalfa 28 3 1

1 tonelada de 50 0.05 0.1 5

ganado vacuno

- Trigo = trigo cultivado y vendido (acres)

- Acres de alfalfa = alfalfa cultivada (toneladas)
- Ganado vacuno = ganado vacuno criado y vendido (toneladas)
- Alfalfa comprada = alfalfa comprada (toneladas)
- Alfalfa vendida = alfalfa vendida (toneladas)
Con base en la información, conteste las siguientes preguntas.

• Muestre los cálculos que expliquen los valores del coeficiente Trigo de la función objetivo y los
coeficientes de Acres de alfalfa de la primera y segunda restricciones.

Variables de decisión:
X1 = Acres de trigo cultivado y vendido.
X2 = Acres de alfalfa cultivada y vendida.
X3 = Toneladas de ganado vacuno criado y vendido.
X4 = Toneladas de alfalfa comprada.
X5 = Toneladas de alfalfa vendida.

MAX Z = (70 pacas/acre X $2 /acre - $20 /acre) X1 - ($28 /acre / 4 ton/acre) X2 + ($500 /ton - $50 /ton) X3– ($28
/ton) X4 + ($22 /ton) X5
MAX Z = $120 X1 - $7 X2 + $450 X3 – $28 X4 + $22 X5
Sujeto a:
X1 + 0.25 X2 + 0.1 X3 ≤ 800 Límite de acres.
2X1 + 0.75 X2 + 0.05 X3 ≤ 1000 Límite de agua.
- X2 + 5 X3 – X4 + X5 = 0 Balance.

• ¿Cuánta agua se está empleando?

Se está empleando 400 pies –acres
• ¿Cuánto ganado vacuno se está produciendo?
Se está produciendo 8000 cabezas de ganado vacuno
• ¿Sod compra o vende alfalfa?
La empresa Sod compra alfalfa en una cantidad de 8000 toneladas
• ¿Cuánto debería pagar Sod para comprar un pie-acre adicional de agua?
La empresa Sod debe pagar $ = por pie-acre adicional
• Interprete el precio sombra del “Límite de acres” de 800.
La función objetivo aumenta en 3100 por cada unidad de acre
• ¿Qué sucede con la política óptima de cultivo si se triplica el precio del trigo? ¿Qué le sucede a la FO?
Si el precio del trigo de triplica una suma de $360 no pasa nada con los valores iniciales de la respuesta y la
función objetivo permanece igual con un valor de $2, 480,000
• ¿Cuánto recibirá Sod por concepto de ganancias de la operación óptima de su granja?
La empresa Sod recibirá en concepto de ganancia la suma de $2, 400,000
• ¿Qué sucede con el valor óptimo de la función objetivo si el costo de la compra de alfalfa aumenta de
$28 a $29? Nota: el coeficiente de Alfalfa comprada actualmente es –$28 y se volverá –$29. Por tanto,
el coeficiente disminuirá en $1.
La función objetivo no va a cambiar, permanece con los valores iniciales
• ¿Cuánto puede disminuir el precio de compra de alfalfa antes de que cambie la política óptima actual de
cultivo?
El precio de compra de alfalfa puede disminuir hasta un costo de $83 y la solución inicial se mantendrá igual a
la original.

20. Una planta puede fabricar cualquier combinación de cinco productos diferentes.
La fabricación de cada producto requiere cierto tiempo en tres máquinas
diferentes, como se indica en la siguiente tabla. Todas las cifras están expresadas
en minutos por libra de producto.

PRODUCTO TIEMPO – MAQUINA (MIN/LB)

1 2 3
A 12 8 5
B 7 9 10
C 8 4 7
D 10 0 3
E 7 11 2
Cada máquina está disponible durante 128 horas por semana. Los productos A, B, C, D y E son muy competitivos
y puede venderse cualquier cantidad que se produzca a precios por libra de $5, $4, $5, $4 y $4, respectivamente.
Los costos variables de mano de obra son $4 por hora para las máquinas 1 y 2 y $3 por hora para la máquina 3.
Los costos de material son $2 por cada libra de los productos A y C y $1 por cada libra de los productos B, D y E.
Lo que usted desea es maximizar las ganancias de la compañía. La solución de PL y el Informe de sensibilidad
correspondiente aparecen en la figura 5.20.
PRODUCTO TIEMPO – MAQUINA (HRS/LB)
1 2 3
A 0.20 0.13 0.08
B 0.12 0.15 0.17
C 0.13 0.07 0.12
D 0.17 0.00 0.05
E 0.12 0.18 0.03
Costo para la maquina 1 y 2 = $4.00
Costo para la maquina 3= $3.00
PRODUCTO Tiempo – Maquina (h/lb) COSTO COSTO PRECIO DE UTILIDAD
1 2 3 MAT. TOTAL VENTA
A $0.800 $0.533 $0.250 $2.00 $3.563 $5.00 $1.417
B $0.476 $0.600 $0.500 $1.00 $2.597 $4.00 $1.433
C $0.533 $0.267 $0.350 $2.00 $3.150 $5.00 $1.850
D $0.667 $0.000 $0.150 $1.00 $1.817 $4.00 $2.183
E $0.467 $0.733 $0.100 $1.00 $2.300 $4.00 $1.700
Variables de decisión:
A = Lbs. Del producto A.
B = Lbs. Del producto B.
C = Lbs. Del producto C.
D = Lbs. Del producto D.
E = Lbs. Del producto E.
Max Z= $1.417 X1 + $1.433 X2 + $1.850 X3 + $2.183 X4 + $1.700 X5
Sujeto a:
R1 12 X1 + 7 X2 + 8 X3 + 10 X4 + 7X5 ≤ 7680
R2 8 X1 + 9 X2 + 4 X3 + 0 X4 + 11 X5 ≤ 7680
R3 5 X1 + 10 X2 + 7X3 + 3 X4 + 2 X5 ≤ 7680
X1,X2,X3,X4,X5 ≥ 0

a) ¿Cuántas horas de trabajo se destinan a cada una de las tres máquinas?

C1=7680
C2=7680
C3=4608
b) ¿Cuáles son las unidades de los precios sombra correspondientes a las restricciones de las cuales
depende la capacidad de las máquinas?
C1=0.2258 [4887.27-10351.30]
C2=0.0108 [3840-12068.57]
C3=0 [4608-M]
c) ¿Cuánto debería estar dispuesta a gastar la compañía para disponer de una hora adicional en la máquina
2?
Para disponer de una hora adicional de la maquina 2 debería gastar C2=0.0108
d) ¿Cuánto puede aumentar el precio de venta del producto A antes de que cambie el plan óptimo de
producción? Exprese su respuesta en las unidades adecuadas.
COSTO TOTAL PRECIO DE VENTA UTILIDAD MAXIMO NUEVO PRECIO DE VENTA
 $3.583 $5.00 $1.417 $2.7967 $6.380
$2.567 $4.00 $1.433
$3.150 $5.00 $1.850
$1.817 $4.00 $2.183
$2.300 $4.00 $1.700

21. Modelo de mezcla de productos/selección de procesos. Dos productos, A y B, se procesan en tres máquinas.
Ambos productos tienen dos rutas posibles. La ruta 1 procesa el producto en las máquinas 1 y 2, mientras
que la ruta 2 procesa el producto en las máquinas 1 y 3. Los tiempos de procesamiento en horas por unidad
aparecen en la siguiente tabla.

TIEMPO-MÁQUINA (HRS/UNIDAD)

PRODUCTO RUTA 1 2 3
A 1 2 1 -
A 2 2 - 1.5
B 1 1 2 -
B 2 1 - 3

Los costos por hora en las máquinas 1, 2 y 3 son $20, $30 y $18, respectivamente. Cada máquina está
disponible 40 horas a la semana. La compañía puede vender cualquier cantidad de los productos A y B a
$110 y $150 por unidad, respectivamente.

Ai = unidades de A producidas por la ruta i (i = 1, 2)

Bi = unidades de B producidas por la ruta i (i = 1, 2)

• Formule el modelo de PL y haga el Informe de sensibilidad correspondiente.

• Muestre cálculos que expliquen los valores de los coeficientes de la primera función objetivo.
• ¿Cuánto producto B se está produciendo? ¿Cuánto se produce por la primera ruta? (Interprete los
números como razones de producción. Por tanto, 4.44 representaría 4.44 unidades por semana. Esto
podría lograrse produciendo la primera semana 4 unidades y comenzando la 5ª, en la primera semana
terminando la 5ª y produciendo hasta la 8ª y comenzando la 9ª, en la segunda semana, etc.).
VARIABLES DE DECISIÓN:
Ai = unidades de A producidas por la ruta i (i = 1, 2)
Bi = unidades de B producidas por la ruta i (i = 1, 2)

MAX Z = (110 – ((2*20) + 30)) A1 + (110 – ((2*20) + (1.5*18))) A2 + (150 – (20 + (2*30))) B1 + (150 – (20 + (3*18)))
B2

MAX Z = 40 A1 + 43 A2 + 70 B1 + 76 B2
SUJETO A:
2 A1 + 2 A2 + B1 + B2 ≤ 40 MAQUINA 1
A1 + B1 ≤ 40 MAQUINA 2
+ 1.5 A2 + 3 B2 ≤ 40 MAQUINA 3
A1 , A2 , B1 , B2 ≥ 0

• ¿Cuántas horas se emplea cada una de las máquinas?

40 horas
 • ¿Cuáles son las unidades de los precios sombra en las restricciones de capacidad de las máquinas?
110 Y 150
• Suponga que hay la oportunidad de trabajar hasta 8 horas de tiempo extra en la máquina 2, con un
costo de $45 por hora (50% más que el costo de tiempo normal de $30 por hora). ¿Debería programarse
la máquina 2 para trabajar 8 horas más?
No convendría, porque las ganancias serian negativas, si se trabajara un mayor número de horas, si sería
conveniente.
Conclusiones
Arias Contreras Luis Gerardo
En conclusión, con el método dual se nos hi o and fácil y más comprensible porque a la hora de capturas los
datos en el software aparecen toda la información que nosotros necesitamos, con la ayuda de herramientas
computacionales o software se nos facilita hacer las cosas, claro siempre y cuando saber capturar los datos en
dicha plataforma. Es de gran ayuda tener herramientas que nos pueden facilitar más los trabajos y así tener un
poquito más de eficacia
Cruz Santiago Cristian Oswaldo
A lo largo de esta unidad utilizamos diferentes métodos para la resolución de un conjunto de ecuaciones, esto
con la finalidad de maximizar o minimizar la producción, en el caso del método Simplex, conocimos y
aplicamos este método, en casos reales. También aprendimos a utilizar variables artificiales y su relación
prima dual. El método simplex es un método analítico de solución de problemas de programación lineal, capaz
de resolver modelos más complejos que los resueltos mediante el método gráfico, sin restricción en el número
de variables y con una mayor capacidad de análisis de sensibilidad. También aprendimos a interpretar estos
resultados mediante un programa, el cual nos facilitaba comprender el tema mejor. y poder hacer un análisis
mejor.
Pérez Amezcua Juan Carlos
Conclusión con ayuda de método simplex se puede observar la segura que los excedentes de tiempo los
ahorros y beneficios que tiene la empresa. En un mundo cada vez más demandante se necesitan más metros
de control numérico por ejemplo aquí usamos Los métodos de programación lineal para sacar ecuaciones que
nos ayude a maximizar of minimizar.
Perez María Catalina
En conclusión, el método simplex es un proceso algebraico. En cada iteración, pasa de la solución factible
básica actual a una mejor solución adyacente eligiendo las variables base de entrada y salida, y luego
resolviendo el sistema de ecuaciones lineales usando la eliminación gaussiana. Cuando la solución actual no
tiene mejores soluciones factibles básicas adyacentes, la solución actual es óptima y el algoritmo se detiene.
Hay ciertas relaciones útiles entre el problema original y su dual que mejoran la capacidad de analizar el
problema primario. Los paquetes de software basados en Simplex para computadoras están ampliamente
disponibles y se pueden usar para manejar problemas grandes y a menudo se usan para resolver y analizar
problemas con cientos o incluso miles de variables y funciones de restricción.

Bibliografía
No hay ninguna fuente en el documento actual.