Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Programacion lineal
Presentado a:
Martha Catalina Ospina
NAD-
ia -ECBTI
Ej
La empresa PINTURCOL LTDA., produce pintura tipo 1 a un costo de $4.000.000, la pintura tipo 2
pigmento, 5 t de aglutinante y 50 t de disolvente. La pintura tipo 2 requiere 28 t de pigmento, 35 t de
de la empresa cuenta con por lo menos 1.700 t de pigmento, 1.500 t de aglutinante y 1.100 t de disolv
costos de producción?
En hoja de cálculo (Excel), formular el problema como un modelo de programación lineal, plantear l
Costo (US)
Pigmento (t)
Aglutinante (t)
Disolvente (t)
X1 = Pintura Tipo 1
X2 = Pintura Tipo 2
X3 = Pintura Tipo 3
Z = 0
Min Z= 4,000,000 X1 + 5,700,000 X2
72 X1 + 28 X2 +
5 X1 + 35 X2 +
50 X1 + 30 X2 +
X1, X 2, X 3
En hoja de cálculo (Excel), plantear la forma estándar del método simplex dual al problema primal, d
método simplex dual.
Fun
Minimizar:
Z -4000000 X1 -5700000 X2 -6300000
Restricci
72 X1 + 28 X2 +
5 X1 + 35 X2 +
50 X1 + 30 X2 +
Minimizar:
Z -4000000 X1 -5700000 X2 -6300000
Restriccione
-72 X1 + -28 X2 +
-5 X1 + -35 X2 +
-50 X1 + -30 X2 +
IT 0 X1 X2 X3 S1
Z - 4,000,000 - 5,700,000 - 6,300,000 0
S1 -72 -28 -25 1
S2 -5 -35 -45 0
S3 -50 -30 -35 0
r 55,556 203,571 252,000
IT 1 X1 X2 X3 S1
Z 0 -4144444 -4911111 -55556
X1 1 0 0 0
S2 0 -33 -43 0
S3 0 -11 -18 -1
r 125,378 113,515
IT 2 X1 X2 X3 S1
Z 0 -392135 0 -47673
X1 1 0 0 0
X3 0 1 1 0
S3 0 3 0 -1
Solución óptima:
Z= 251,316,212
X1= 13
X2= 0
X3= 32
72 λ1 + 5 λ2 +
28 λ1 + 35 λ2 +
25 λ1 + 45 λ2 +
D
n= Número de variables m=
Fórmula.
G.L= n - m
G.L= 6 - 3 = 3
Variables No Básicas= 3
Variables Básicas= 3
Z= 1,700 λ1 + 1,500 λ2
Z - 1,700 λ1 - 1,500 λ2 - 1,100
IT 0
BV Z λ1 λ2 λ3
Z 1 -1700 -1500 -1100
h1 0 72 5 50
h2 0 28 35 30
h3 0 25 45 35
IT 1
BV Z λ1 λ2 λ3
Z 1 0 -1382 81
λ1 0 1 0 1
h2 0 0 33 11
h3 0 0 43 18
IT 2
BV Z λ1 λ2 λ3
Z 1 0 0 644
λ1 0 1 0 1
h2 0 0 0 -3
λ2 0 0 1 0
Solución óptima:
Z= 251,316,212
λ1= 47,673
λ2= 113,515
λ3= -
5. Interpretar los resultados de la solución del problema primal y del problema dual para la optimizac
De acuerdo a los resultados obtenidos, por un lado para minimizar los Costos de producción PINTUR
costos de de producción a $ 251.316.212.
De otro lado con el análisis de dualidad fue posible determinar que los valores de la pintura tipo 1 so
Ejercicio 1. Análisis de dualidad.
4.000.000, la pintura tipo 2 a un costo de $5.700.000 y la pintura tipo 3 a un costo de $6.300.000. Para la producción de pintu
re 28 t de pigmento, 35 t de aglutinante y 30 t de disolvente y la pintura tipo 3 necesita 25 t de pigmento, 45 t de aglutinante y
lutinante y 1.100 t de disolvente. ¿Qué cantidad de cada tipo de pintura debe producir PINTURCOL LTDA. con los recursos
gramación lineal, plantear la función objetivo, las restricciones por recursos y restricción de no negatividad. En adelante se d
Cuadro resumen:
X1 X2 X3
4,000,000 5,700,000 6,300,000
72 28 25
5 35 45
50 30 35
Módelo Matemático
Variables
Función objetivo:
+ 6,300,000 X3
Restricciones por recursos:
25 X3 ≥ 1,700 Restricción de Pigmento (t)
45 X3 ≥ 1,500 Restricción de Aglutinante (t)
35 X3 ≥ 1,100 Restricción de Disolvente (t)
X1, X 2, X 3 ≥ 0 Restricción de No Negatividad
x dual al problema primal, diseñar la tabla inicial del método simplex dual y construir las tablas de las iteraciones de la soluci
X3 = 0
X3 = 0
S2 S3 Sol.
0 0 0
0 0 - 1,700
1 0 - 1,500
0 1 - 1,100
S2 S3 Sol.
0 0 94444444
0 0 24
1 0 -1382
0 1 81
S2 S3 Sol.
-113515 0 251,316,212
0 0 13
0 0 32
0 1 644
ma primal como un modelo de programación lineal, plantear la función objetivo dual, las restricciones duales por recursos y re
Función objetivo:
+ 1,100 λ3
x primal del problema dual, diseñar la tabla inicial del método simplex primal del problema dual y construir las tablas de las i
.
Módelo Aumentado
50 λ3 + h1 =
30 λ3 + h2 =
35 λ3 + h3 =
h1 h2 h3 Sol. r
0 0 0 0
1 0 0 4000000 55,556
0 1 0 5700000 203,571
0 0 1 6300000 252,000
h1 h2 h3 Sol. r
24 0 0 94444444
0 0 0 55556 800,000
0 1 0 4144444 125,378
0 0 1 4911111 113,515
h1 h2 h3 Sol.
13 0 32 251,316,212
0 0 0 47,673
0 1 -1 392,135
0 0 0 113,515
stos de producción PINTURCOL LTDA. Debe producir 13 unidades de Pintura tipo 1 y 32 unidades de Pintura Tipo 2, de e
lores de la pintura tipo 1 son de $47.673 y de la Pintura Tipo 2 de $ 113.515 por cada unidad.
la producción de pintura tipo 1, se necesitan 72 t de
o, 45 t de aglutinante y 35 t de disolvente. El inventario
TDA. con los recursos disponibles para minimizar los
Total
Z
≥ 1,700
≥ 1,500
≥ 1,100
n de Pigmento (t)
n de Aglutinante (t)
n de Disolvente (t)
n de No Negatividad
Data Results
X1 X2 X3 LHS Slack/Surplus
Minimize 4,000,000 5,700,000 6,300,000 sign RHS 2.51E+08
Restricciones 1 72 28 25 > 1,700 1700 0 Restriccion
Restricciones 2 5 35 45 > 1,500 1500 0 Restriccion
Restricciones 3 50 30 35 > 1,100 1743.981 -643.9807 Restriccion
Results
Variables 13 - 32
Objective 251,316,212
Page 18
4. Problema Dual
Enter the values in the shaded area then use the Run Excel's Solver button. Alternatively, or to view
the sensitivity results, open Solver by going to the Data Tab (Excel 2007, 2010, 2013, 2016) or the
Tools menu (Excel 2003, 2011).
Linear Programming
Data Results
λ1 λ2 λ3 LHS Slack/Surplus
Maximize 1,700 1,500 1,100 sign RHS 251316211.878
Restricciones 1 72 5 50 < 4,000,000 4000000 0
Restricciones 2 28 35 30 < 5,700,000 5307865.16854 392134.8315
Restricciones 3 25 45 35 < 6,300,000 6300000 0
Results
Variables 47,673 113,515 -
Objective 251,316,212
Page 19
4. Problema Dual
vely, or to view
2016) or the
Restriccion
Restriccion
Restriccion
Page 20
Ejercicio 2.
La empresa INDUSTRIAL DEL CACAO LTDA., produce tres clases de chocolates, dulce, semidulce y ama
de $2.000.000. Para producir chocolate semidulce, requiere 10 t de cacao, 6 t de manteca de cacao y 6 t de az
cacao y 1 t de azúcar y le genera una utilidad de $2.000.000. El inventario de la empresa cuenta con una disp
chocolate debe producir INDUSTRIAL DE CACAOS LTDA. con los recursos disponibles para maximizar s
Cu
Utilidad
Cacao (t)
Manteca de Cacao (t)
Azúcar
Mód
X1 = Chocolate Dulce
X2 = Chocolate Semidulce
X3 = Chocolate Amargo
Z = Utilidad
Fu
Max Z= 2,000,000 X1 + 2,000,000 X2
Restricc
12 X1 + 10 X2 +
6 X1 + 6 X2 +
12 X1 + 6 X2 +
X1 , X 2 , X 3
Mód
12 X1 + 10 X2 +
6 X1 + 6 X2 +
12 X1 + 6 X2 +
Definición
n= Número de variables m=
Fórmula.
G.L= n - m
G.L= 6 - 3 = 3
Variables No Básicas= 3
Variables Básicas= 3
Igua
Z= 2,000,000 X1 + 2,000,000 X2
Z - 2,000,000 X1 - 2,000,000
Mode
IT 0
BV Z X1 X2 X3
Z 1 -2000000 -2000000 -2000000
h1 0 12 10 10
h2 0 6 6 6
h3 0 12 6 1
IT 1
BV Z X1 X2 X3
Z 1 400000 0 0
X2 0 1 1 1
h2 0 -1 0 0
h3 0 5 0 -5
Solución óptima:
Z= 100,000,000
X1= 0 Chocolate Dulce
X2= 50 Chocolate Semidulce
X3= 0 Chocolate Amargo
3. Realizar el análisis de sensibilidad a la solución óptima simplex primal del modelo de programación lineal.
En hoja de cálculo (Excel), tomar el Informe de Sensibilidad que arroja Excel QM luego de encontrar la solución óptim
a. Analizar los cambios de aumento y reducción de los coeficientes de las variables de la función objetivo.
De acuerdo al análisis realizado, es posible determinar que la variable X 2 correspondiente al Chocolate semidulce es u
permisible aumentar su producción de manera infinita y no implica reducción, mientras que las variables X 1 correspo
llegara a producir se podría perder $ 400.000, esto ocurre también con la variable X 3, al producirla generaría pérdidas
4. Interpretar los resultados del análisis de sensibilidad para la optimización de los recursos.
Una vez analizados los resultados es posible determinar que para maximizar las utilidades la empresa INDUSTRIAL DE
su vez si se quisiera aumentar las ganancias se debería ampliar el recurso de la restricción 1 correspondiente a Cacao
Ejercicio 2. Análisis de sensibilidad.
olates, dulce, semidulce y amargo. Para producir chocolate dulce, requiere 12 t de cacao, 6 t manteca de cacao y 12 t de azúca
e manteca de cacao y 6 t de azúcar y le genera una utilidad de $2.000.000. Para elaborar el chocolate amargo, requiere 10 t d
a empresa cuenta con una disponibilidad máxima de 500 t de cacao, 500 t de manteca de cacao y 500 t de azúcar. ¿Qué cantid
s disponibles para maximizar sus utilidades?
ación lineal, plantear la función objetivo, las restricciones por recursos y restricción de no negatividad.
Cuadro resumen:
X1 X2 X3
$ 2,000,000 $ 2,000,000 $ 2,000,000
12 10 10
6 6 6
12 6 1
Módelo Matemático
Variables
Función objetivo:
+ 2,000,000 X3
Restricciones por recursos:
10 X3 ≤ 500 Restricción de Cacao
6 X3 ≤ 500 Restricción de Manteca de Ca
1 X3 ≤ 500 Restricción de Azúcar
X1, X 2, X 3 ≥ 0 Restricción de No Negatividad
mal al modelo de programación lineal, diseñar la tabla inicial del método simplex primal y construir las tablas de las iteracione
Módelo Aumentado
10 X3 + h1
6 X3 + h2
1 X3 +
h1 h2 h3 Sol. r
0 0 0 0
1 0 0 500 50
0 1 0 500 83
0 0 1 500 83
h1 h2 h3 Sol.
200000 0 0 100,000,000
0 0 0 50
-1 1 0 200
-1 0 1 200
de programación lineal.
go de encontrar la solución óptima para:
e la función objetivo.
ente al Chocolate semidulce es una variable en equilibrio económico y que su producción óptima para maximizar sus utilidades es de
ras que las variables X 1 correspondiente al Chocolote dulce no es económicamente viable de producir para la empresa, ya que, por ca
, al producirla generaría pérdidas para la empresa lo que la hace no viable para producción.
ciones.
nancia de $200.000, a su vez permite un aumento de 333,3' t y una disminución de 500t, la restricción 2 y 3 son un recurso abundante
los recursos.
dades la empresa INDUSTRIAL DE CACAOS LTDA. Sólo debe producir Chocolate Semidulce y su producción óptima con el recurso dispo
cción 1 correspondiente a Cacao.
ca de cacao y 12 t de azúcar y le genera una utilidad
te amargo, requiere 10 t de cacao, 6 t de manteca de
00 t de azúcar. ¿Qué cantidad de cada clase de
dad.
X3
2,000,000 Z
10 ≤ 500
6 ≤ 500
1 ≤ 500
ricción de Cacao
ricción de Manteca de Cacao
ricción de Azúcar
ricción de No Negatividad
= 500
= 500
h3 = 500
do de Libertad
aximizar sus utilidades es de 50 Unidades, a su vez es
a la empresa, ya que, por cada chocolate dulce que se
Celdas de variables
Final Reducido Objetivo Permisible Permisible
Celda Nombre Valor Coste Coeficiente Aumentar Reducir
$B$18 Variables X1 0 -400000 2000000 400000 1E+030
$C$18 Variables X2 50 0 2000000 1E+030 5.820766E-11
$D$18 Variables X3 0 -5.820766E-11 2000000 5.820766E-11 1E+030
Restricciones
Final Sombra Restricción Permisible Permisible
Celda Nombre Valor Precio Lado derecho Aumentar Reducir
$K$13 Restricciones 1 < constraints 500 200000 500 333.33333333 500
$K$14 Restricciones 2 < constraints 300 0 500 1E+030 200
$K$15 Restricciones 3 < constraints 300 0 500 1E+030 200
$M$13 Restricciones 1 > constraints 0 0 0 0 1E+030
$M$14 Restricciones 2 > constraints 0 0 0 0 1E+030
$M$15 Restricciones 3 > constraints 0 0 0 0 1E+030
LP_max
Enter the values in the shaded area then use the Run Excel's Solver button. Alternatively, or
to view the sensitivity results, open Solver by going to the Data Tab (Excel 2007, 2010,
2013, 2016) or the Tools menu (Excel 2003, 2011).
Linear Programming
Data Results
X1 X2 X3 LHS Slack/Surplus
Maximize 2,000,000 2,000,000 2,000,000 sign RHS 100,000,000
Restricciones 1 12 10 10 < 500 500 0
Restricciones 2 6 6 6< 500 300 200
Restricciones 3 12 6 1< 500 300 200
Results
Variables 0 50 0
Objective 100,000,000
Page 31
LP_max
. Alternatively, or
2007, 2010,
Slack/Surplus
Restriccion
Restriccion
Restriccion
Page 32
Se presenta la siguiente situación problema de programación lineal:
La empresa PVC Co Inc., produce y comercializa tres clases de piso de PVC. El piso clase A, requie
vidrio, y 110 t de otros materiales y genera una utilidad de $22.000.000. El piso clase C, requiere 150
máxima de 8.500 t de PVC, 7.000 t de fibra de vidrio y 7.500 t de otros materiales. ¿Qué cantidad de
En hoja de cálculo (Excel), formular el problema como un modelo de programación lineal, plantear l
X1 X2
Utilidad ($) 18,000,000 22,000,000
PVC (t) 100 140
Fibra de Vidrio (t) 80 90
Otros Materiales (t) 100 110
X1 = Piso clase A
X2 = Piso clase B
X3 = Piso clase C
Z = Utilidad ($)
En hoja de cálculo (Excel), plantear la forma estándar del método simplex primal al modelo de progr
método simplex primal.
100 X1 + 140 X2 +
80 X1 + 90 X2 +
100 X1 + 110 X2 +
n= Número de variables m=
Fórmula.
G.L= n - m
G.L= 6 - 3 = 3
Variables No Básicas= 3
Variables Básicas= 3
Z= 18,000,000 X1 + 22,000,000 X2
Z -18,000,000 X1 -22,000,000 X2 -24,000,000
IT 0
BV Z X1 X2 X3
Z 1 -18000000 -22000000 -24000000
h1 0 100 140 150
h2 0 80 90 100
h3 0 100 110 120
IT 1
BV Z X1 X2 X3
Z 1 -2000000 400000 0
X3 0 1 1 1
h2 0 13 -3 0
h3 0 20 -2 0
IT 2
BV Z X1 X2 X3
Z 1 0 200000 0
X3 0 0 1 1
h2 0 0 -2 0
X1 0 1 0 0
Solución óptima:
Z= 1,430,000,000
X1= 35
X2= 0
X3= 33
3. Realizar el análisis post-óptimo a la solución óptima simplex primal del modelo de programación
En hoja de cálculo (Excel), tomar el Informe de Sensibilidad que arroja Excel QM luego de encontra
Al realizar cambios en el ado derecho disminuyendo la cantidasd permisble en "1" para las restriccio
Solución incial
Piso clase A
X1
Utilidad ($) 18,000,000
PVC (t) 100
Fibra de Vidrio (t) 80
Otros Materiales (t) 100
X1 = Piso clase A
X2 = Piso clase B
X3 = Piso clase C
Z = Utilidad ($)
100 X1 + 140 X2 +
80 X1 + 90 X2 +
100 X1 + 110 X2 +
X1, X 2, X 3
100 X1 + 140 X2 +
80 X1 + 90 X2 +
100 X1 + 110 X2 +
n= Número de variables m=
Fórmula.
G.L= n - m
G.L= 6 - 3 = 3
Variables No Básicas= 3
Variables Básicas= 3
Z= 18,000,000 X1 + 22,000,000 X2
Z -18,000,000 X1 -22,000,000 X2 -24,000,000
IT 0
BV Z X1 X2 X3
Z 1 -18000000 -22000000 -24000000
h1 0 100 140 150
h2 0 80 90 100
h3 0 100 110 120
IT 1
BV Z X1 X2 X3
Z 1 -2000000 400000 0
X3 0 1 1 1
h2 0 13 -3 0
h3 0 20 -2 0
IT 2
BV Z X1 X2 X3
Z 1 0 200000 0
X3 0 0 1 1
h2 0 0 -2 0
X1 0 1 0 0
Solución óptima:
Z= 1,279,820,000
X1= 40
X2= 0
X3= 23
2. Adición de una nueva restricción.
Al adicionar una nueva restricción para los productos se afecta tanto la utilidad inicial como las canti
Solución incial
Piso clase A Piso clase B
X1 X2
Utilidad ($) 18,000,000 22,000,000
PVC (t) 100 140
Fibra de Vidrio (t) 80 90
Otros Materiales (t) 100 110
Nueva Restricción (t) 800 150
X1 = Piso clase A
X2 = Piso clase B
X3 = Piso clase C
Z = Utilidad ($)
100 X1 + 140 X2 +
80 X1 + 90 X2 +
100 X1 + 110 X2 +
800 X1 + 150 X2 +
X1, X 2, X 3
100 X1 + 140 X2 +
80 X1 + 90 X2 +
100 X1 + 110 X2 +
800 X1 + 150 X2 +
n= Número de variables m=
Fórmula.
G.L= n - m
G.L= 7 - 3 = 4
Variables No Básicas= 3
Variables Básicas= 4
Z= 18,000,000 X1 + 22,000,000 X2
Z -18,000,000 X1 -22,000,000 X2 -24,000,000
IT 0
BV Z X1 X2 X3
Z 1 -18000000 -22000000 -24000000
h1 0 100 140 150
h2 0 80 90 100
h3 0 100 110 120
h4 0 800 150 80
IT 1
BV Z X1 X2 X3
Z 1 -2000000 400000 0
X3 0 1 1 1
h2 0 13 -3 0
h3 0 20 -2 0
h4 0 747 75 0
IT 2
BV Z X1 X2 X3
Z 1 0 601786 0
X3 0 0 1 1
h2 0 0 -5 0
h3 0 0 -4 0
X1 0 1 0 0
Solución óptima:
Z= 1,363,928,571
X1= 2
X2= 0
X3= 55
b. Realizar los cambios que afectan la optimalidad:
1. Cambios en los coeficientes de la función objetivo.
Al realizar cambio en los coeficientes de la función objetivo, se determinó que al realizar una dismin
Solución incial
Cua
X1 X2
Utilidad ($) 15,900,000 22,000,000
PVC (t) 100 140
Fibra de Vidrio (t) 80 90
Otros Materiales (t) 100 110
X1 = Piso clase A
X2 = Piso clase B
X3 = Piso clase C
Z = Utilidad ($)
100 X1 + 140 X2 +
80 X1 + 90 X2 +
100 X1 + 110 X2 +
X1, X 2, X 3
100 X1 + 140 X2 +
80 X1 + 90 X2 +
100 X1 + 110 X2 +
n= Número de variables m=
Fórmula.
G.L= n - m
G.L= 6 - 3 = 3
Variables No Básicas= 3
Variables Básicas= 3
Z= 15,900,000 X1 + 22,000,000 X2
Z -15,900,000 X1 -22,000,000 X2 -23,700,000
IT 0
BV Z X1 X2 X3
Z 1 - 15,900,000 - 22,000,000 - 23,700,000
h1 0 100 140 150
h2 0 80 90 100
h3 0 100 110 120
IT 1
BV Z X1 X2 X3
Z 1 -100000 120000 0
X3 0 1 1 1
h2 0 13 -3 0
h3 0 20 -2 0
IT 2
BV Z X1 X2 X3
Z 1 0 110000 0
X3 0 0 1 1
h2 0 0 -2 0
X1 0 1 0 0
Solución óptima:
Z= 1,346,500,000
X1= 35
X2= 0
X3= 33
Al adicionar una nueva actividad se afecta la optimidad puesto que la solución cambia en cuanto a la
pude ver en el siguiente cuadro comparativo:
Solución incial
100 X1 + 140 X2 +
80 X1 + 90 X2 +
100 X1 + 110 X2 +
100 X1 + 140 X2 +
80 X1 + 90 X2 +
100 X1 + 110 X2 +
n= Número de variables m=
Fórmula.
G.L= n - m
G.L= 7 - 3 = 4
Variables No Básicas= 3
Variables Básicas= 4
Z= 18,000,000 X1 + 22,000,000 X2
Z -18,000,000 X1 -22,000,000 X2 -24,000,000
IT 0
BV Z X1 X2 X3
Z 1 - 18,000,000 - 22,000,000 - 24,000,000
h1 0 100 140 150
h2 0 80 90 100
h3 0 100 110 120
IT 1
BV Z X1 X2 X3
Z 1 -2000000 400000 0
X3 0 1 1 1
h2 0 13 -3 0
h3 0 20 -2 0
IT 2
BV Z X1 X2 X3
Z 1 0 200000 0
X3 0 1 1 1
h2 0 15 -3 0
X4 0 1 0 0
Solución óptima:
Z= 1,430,000,000
X1= 0
X2= 0
X3= 51
X4= 18
4. Interpretar los resultados del modelo de programación lineal para la optimización de recursos.
Para maximizar las utilidades PVC Co. Inc debe producir y comercializar con los recursos disponible
Ejercicio 3. Análisis post-óptimo.
PVC. El piso clase A, requiere 100 t de PVC, 80 t de fibra de vidrio y 100 t de otros materiales y genera una utilidad de $18
0. El piso clase C, requiere 150 t de PVC, 100 t de fibra de vidrio y 120 t de otros materiales y genera una utilidad de $24.000
materiales. ¿Qué cantidad de cada clase de piso de PVC debe producir y comercializar con los recursos disponibles PVC Co
rogramación lineal, plantear la función objetivo, las restricciones por recursos y restricción de no negatividad.
Cuadro resumen:
X2 X3
22,000,000 24,000,000 Z
140 150 ≤ 8,500
90 100 ≤ 7,000
110 120 ≤ 7,500
Módelo Matemático
Variables
Función objetivo:
+ 24,000,000 X3
Restricciones por recursos:
150 X3 ≤ 8,500 Restricción de PVC (t)
100 X3 ≤ 7,000 Restricción de Fibra de Vidrio (t)
120 X3 ≤ 7,500 Restricción de otros Materiales (t)
X1, X 2, X 3 ≥ 0 Restricción de No Negatividad
primal:
lex primal al modelo de programación lineal, diseñar la tabla inicial del método simplex primal y construir las tablas de las it
Módelo Aumentado
150 X3 + h1
100 X3 +
120 X3
h1 h2 h3 Sol. r
0 0 0 0
1 0 0 8500 57
0 1 0 7000 70
0 0 1 7500 63
h1 h2 h3 Sol. r
160000 0 0 1360000000
0 0 0 57 85
-1 1 0 1333 100
-1 0 1 700 35
h1 h2 h3 Sol.
80000 0 100000 1,430,000,000
0 0 0 33
0 1 -1 867
0 0 0 35
isble en "1" para las restricciones 1 y 2 respectivamente, se obtine un menor valor de utildiad y un cambio en las cantidades f
X2 X3
22,000,000 24,000,000 Z
140 150 ≤
90 100 ≤
110 120 ≤
Módelo Matemático
Variables
Función objetivo:
+ 24,000,000 X3
Restricciones por recursos:
150 X3 ≤ 7,499
100 X3 ≤ 7,000
120 X3 ≤ 6,799
X1, X 2, X 3 ≥ 0
Módelo Aumentado
150 X3 + h1
100 X3 +
120 X3
h1 h2 h3 Sol. r
0 0 0 0
1 0 0 7499 50
0 1 0 7000 70
0 0 1 6799 57
h1 h2 h3 Sol. r
160000 0 0 1,199,840,000
0 0 0 50 75
-1 1 0 2001 150
-1 0 1 800 40
h1 h2 h3 Sol.
80000 0 100000 1,279,820,000
0 0 0 23
0 1 -1 1467
0 0 0 40
X2 X3
22,000,000 24,000,000 Z
140 150 ≤ 8,500
90 100 ≤ 7,000
110 120 ≤ 7,500
150 80 ≤ 6,000
Módelo Matemático
Variables
Función objetivo:
+ 24,000,000 X3
Restricciones por recursos:
150 X3 ≤ 8,500
100 X3 ≤ 7,000
120 X3 ≤ 7,500
80 X3 ≤ 6,000
X1, X 2, X 3 ≥ 0
Módelo Aumentado
150 X3 + h1
100 X3 +
120 X3
80 X3
h1 h2 h3 h4 Sol.
0 0 0 0 0
1 0 0 0 8500
0 1 0 0 7000
0 0 1 0 7500
0 0 0 1 6000
h1 h2 h3 h4 Sol.
160000 0 0 0 1,360,000,000
0 0 0 0 57
-1 1 0 0 1333
-1 0 1 0 700
-1 0 0 1 1467
h1 h2 h3 h4 Sol.
158571 0 0 2679 1,363,928,571
0 0 0 0 55
-1 1 0 0 1307
-1 0 1 0 661
0 0 0 0 2
inó que al realizar una disminución en los coeficientes por debajo de la disminución permisible se obtiene una disminución e
X2 X3
22,000,000 23,700,000 Z
140 150 ≤ 8,500
90 100 ≤ 7,000
110 120 ≤ 7,500
Módelo Matemático
Variables
Función objetivo:
+ 23,700,000 X3
Restricciones por recursos:
150 X3 ≤ 8,500 Restricción de PVC (t)
100 X3 ≤ 7,000 Restricción de Fibra de Vidrio (t)
120 X3 ≤ 7,500 Restricción de otros Materiales (t)
X1, X 2, X 3 ≥ 0 Restricción de No Negatividad
Módelo Aumentado
150 X3 + h1
100 X3 +
120 X3
h1 h2 h3 Sol.
0 0 0 0
1 0 0 8500
0 1 0 7000
0 0 1 7500
h1 h2 h3 Sol.
158000 0 0 1,343,000,000
0 0 0 57
-1 1 0 1333
-1 0 1 700
h1 h2 h3 Sol.
154000 0 5000 1,346,500,000
0 0 0 33
0 1 -1 867
0 0 0 35
olución cambia en cuanto a las opciones de productos pisos por fabricar, en este caso, al adicionar la actividad de X4 en la so
Módelo Aumentado
150 X3 + 50 X4
100 X3 + 30 X4
120 X3 + 80 X4
X4 h1 h2 h3 Sol.
- 12,000,000 0 0 0 0
50 1 0 0 8500
30 0 1 0 7000
80 0 0 1 7500
X4 h1 h2 h3 Sol.
-4000000 160000 0 0 1,360,000,000
0 0 0 0 57
-3 -1 1 0 1333
40 -1 0 1 700
X4 h1 h2 h3 Sol.
0 80000 0 100000 1,430,000,000
0 0 0 0 51
0 -1 1 0 1392
1 0 0 0 18
optimización de recursos.
zar con los recursos disponibles 35 Unidades de Piso Calse A y 33 Unidades de Piso Clase.Así obtendrá una utilidad máxima
y genera una utilidad de $18.000.000. El piso clase B, requiere 140 t de PVC, 90 t de fibra de
enera una utilidad de $24.000.000. El inventario de la empresa presenta una disponibilidad
recursos disponibles PVC Co. Inc. para maximizar sus utilidades?
no negatividad.
ción de PVC (t)
ción de Fibra de Vidrio (t)
ción de otros Materiales (t)
ción de No Negatividad
y construir las tablas de las iteraciones de la solución del modelo de programación lineal por el
= 8,500
h2 = 7,000
+ h3 = 7,500
Z
7,499
7,000
6,799
= 7,499
h2 = 7,000
+ h3 = 6,799
= 8,500
h2 = 7,000
+ h3 = 7,500
+ h4 = 6,000
57
70
63
75
85
100
35
2
se obtiene una disminución en la utilidad como podemos verlo a continuación:
vo.
57
70
63
85
100
35
nar la actividad de X4 en la solución cambian las cantidades y pisos óptimos a fabricar, como se
X4
+ h1 = 8,500
+ h2 = 7,000
+ h3 = 7,500
57
70
63
170
-400
18
Celdas de variables
Final Reducido Objetivo Permisible Permisible
Celda Nombre Valor Coste Coeficiente Aumentar Reducir
$B$18 Variables X1 35 0 18000000 2,000,000 2,000,000
$C$18 Variables X2 0 -200000 22000000 200,000 1E+030
$D$18 Variables X3 33.333333333 0 24000000 3,000,000 200,000
Restricciones
Final Sombra Restricción Permisible Permisible
Celda Nombre Valor Precio Lado derecho Aumentar Reducir
$K$13 Restricciones 1 < constraints 8500 80000 8500 875 1000
$K$14 Restricciones 2 < constraints 6133.3333333 0 7000 1E+030 866.66666667
$K$15 Restricciones 3 < constraints 7500 100000 7500 1000 700
$M$13 Restricciones 1 > constraints 0 0 0 0 1E+030
$M$14 Restricciones 2 > constraints 0 0 0 0 1E+030
$M$15 Restricciones 3 > constraints 0 0 0 0 1E+030
LP_max (2)
Enter the values in the shaded area then use the Run Excel's Solver button.
Alternatively, or to view the sensitivity results, open Solver by going to the Data Tab
(Excel 2007, 2010, 2013, 2016) or the Tools menu (Excel 2003, 2011).
Linear Programming
Data Results
X1 X2 X3 LHS Slack/Surplus
Maximize 18,000,000 22,000,000 24,000,000 sign RHS 1.43E+09
Restricciones 1 100 140 150 < 8,500 8500 0 Restriccion
Restricciones 2 80 90 100 < 7,000 6133.333 866.6667 Restriccion
Restricciones 3 100 110 120 < 7,500 7500 0 Restriccion
Results
Variables 35 - 33
Objective 1,430,000,000
Page 67
Ejercicio 3 A_1
Enter the values in the shaded area then use the Run Excel's Solver button. Alternatively, or to
view the sensitivity results, open Solver by going to the Data Tab (Excel 2007, 2010, 2013,
2016) or the Tools menu (Excel 2003, 2011).
Linear Programming
Data Results
X1 X2 X3 LHS Slack/Surplus
Maximize 18,000,000 22,000,000 24,000,000 sign RHS 1.36E+09
Restricciones 1 100 140 150 < 8,500 8500 0
Restricciones 2 80 90 100 < 7,000 5692.857 1307.143
Restricciones 3 100 110 120 < 7,500 6839.286 660.7143
Restricciones 4 800 150 80 < 6,000 6000 0
Results
Variables 2 0 55
Objective 1,363,928,571
Page 68
Ejercicio 3 A_1
lternatively, or to
2010, 2013,
Slack/Surplus
Restriccion
Restriccion
Restriccion
Restriccion
Page 69
Ejercicio 3 A_2
Enter the values in the shaded area then use the Run Excel's Solver button.
Alternatively, or to view the sensitivity results, open Solver by going to the Data Tab
(Excel 2007, 2010, 2013, 2016) or the Tools menu (Excel 2003, 2011).
Linear Programming
Data Results
X1 X2 X3 LHS Slack/Surplus
Maximize 18,000,000 22,000,000 24,000,000 sign RHS 1.28E+09
Restricciones 1 100 140 150 < 7,499 7499 0 Restriccion
Restricciones 2 80 90 100 < 7,000 5532.533 1467.467 Restriccion
Restricciones 3 100 110 120 < 6,799 6799 0 Restriccion
Results
Variables 40 0 23
Objective 1,279,820,000
Page 70
Ejercicio 3 B_2
Enter the values in the shaded area then use the Run Excel's Solver button.
Alternatively, or to view the sensitivity results, open Solver by going to the Data Tab
(Excel 2007, 2010, 2013, 2016) or the Tools menu (Excel 2003, 2011).
Linear Programming
Data Results
X1 X2 X3 X4 LHS Slack/Surplus
Maximize 18,000,000 22,000,000 24,000,000 12000000 sign RHS 1.43E+09
Restricciones 1 100 140 150 50 < 8,500 8500 0
Restricciones 2 80 90 100 30 < 7,000 5608.333 1391.667
Restricciones 3 100 110 120 80 < 7,500 7500 0
Results
Variables 0 0 51 18
Objective 1,430,000,000
Page 71
Ejercicio 3 B_2
Slack/Surplus
Restriccion
Restriccion
Restriccion
Page 72
Ejercicio 3 B_1
Enter the values in the shaded area then use the Run Excel's Solver button.
Alternatively, or to view the sensitivity results, open Solver by going to the Data Tab
(Excel 2007, 2010, 2013, 2016) or the Tools menu (Excel 2003, 2011).
Linear Programming
Data Results
X1 X2 X3 LHS Slack/Surplus
Maximize 15,900,000 22,000,000 23,700,000 sign RHS 1.35E+09
Restricciones 1 100 140 150 < 8,500 8500 0 Restriccion
Restricciones 2 80 90 100 < 7,000 6133.333 866.6667 Restriccion
Restricciones 3 100 110 120 < 7,500 7500 0 Restriccion
Results
Variables 35 0 33
Objective 1,346,500,000
Page 73
Referencias Bibliográficas
11237
ón lineal [OVI].