Tarea 3 - 100404 - 51

Solución de modelos de programación lineal de optimizacion
Programacion lineal
Roney Johan Rodriguez Montañez

Cód. 111855304
Grupo: 100404_51
Presentado a:
Martha Catalina Ospina
Universidad Nacional Abierta y a Distancia -UNAD-

Escuela de Ciencias Basiscas Tecnologia e Ingenieria -ECBTI
Ingenieria Industrial
7/23/2020
imizacion
NAD-
ia -ECBTI
Ej
Se presenta la siguiente situación problema de programación lineal:
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?
A partir de la situación problema:
1. Formular el problema como un modelo de programación lineal.
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
2. Solucionar el problema primal por el método simplex dual.
En hoja de cálculo (Excel), plantear la forma estándar del método simplex dual al problema primal, d
método simplex dual.
En Excel QM, encontrar la solución del problema programación lineal.
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
3. Formular el problema dual a partir del problema primal.

En hoja de cálculo (Excel), formular el problema dual a partir del problema primal como un modelo
irrestrictas.
Max G(x)= 1,700 λ1 + 1,500 λ2
72 λ1 + 5 λ2 +
28 λ1 + 35 λ2 +
25 λ1 + 45 λ2 +
4. Solucionar el problema dual por el método simplex primal.

En hoja de cálculo (Excel), plantear la forma estándar del método simplex primal del problema dual,
problema dual por el método simplex primal.
En complemento Solver (Excel), encontrar la solución del problema dual.
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:
Pintura Tipo 1 Pintura Tipo 2 Pintura Tipo 3
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
Función objetivo: Modelo Estándar
X3 = 0
Restricciones por recursos: Modelo Estándar

25 X3 - 1S1 =
45 X3 - 1S2 =
35 X3 - 1S3 =
Nuevo Modelo Estándar
X3 = 0
Restricciones por recursos: Nuevo Modelo Estándar

-25 X3 + 1S1 =
-45 X3 + 1S2 =
-35 X3 + 1S3 =
Modelo Simplex Dual
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

50 λ3 ≤ 4,000,000 Restricción de Pigmento (t)
30 λ3 ≤ 5,700,000 Restricción de Aglutinante (t)
35 λ3 ≤ 6,300,000 Restricción de Disolvente (t)
λ1, λ2, λ3 ≥ 0
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 =
Definición de variables básicas

Número de ecuaciones G.L= Grado de Libertad
Igualar Z a cero (0)

+ 1,100 λ3
λ3 = 0
Modelo Simplex Primal
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
lema dual para la optimización de recursos.
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
idad. En adelante se denominará el problema primal.
Total
Z
≥ 1,700
≥ 1,500
≥ 1,100
n de Pigmento (t)
n de Aglutinante (t)
n de Disolvente (t)
n de No Negatividad
teraciones de la solución problema primal por el
1,700 Restricción de Pigmento (t)

1,500 Restricción de Aglutinante (t)
1,100 Restricción de Disolvente (t)
- 1,700 Restricción de Pigmento (t)

- 1,500 Restricción de Aglutinante (t)
- 1,100 Restricción de Disolvente (t)
duales por recursos y restricción de no negatividad o
truir las tablas de las iteraciones de la solución del

4,000,000
5,700,000
6,300,000
de Pintura Tipo 2, de esta manera minimizará los
2. Simplex 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
Use one of the three signs below for each constraint

< less than or equal to
= equals (You need to enter an apostrophe first.)
> greater than or equal to
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 -
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

En hoja de cálculo (Excel), formular el problema como un modelo de programación lineal, plantear la funció
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
2. Solucionar el modelo de programación lineal por el método simplex primal:

En hoja de cálculo (Excel), plantear la forma estándar del método simplex primal al modelo de programación
modelo de programación lineal por el método simplex primal.
Mód
12 X1 + 10 X2 +
6 X1 + 6 X2 +
12 X1 + 6 X2 +
Definición
Fórmula.
G.L= n - m
G.L= 6 - 3 = 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
b. Analizar los cambios de aumento y reducción de las disponibilidades de las restricciones.

Para la restricción 1 por cada Unidad de recurso que se adicione se obtendrá una ganancia de $200.000, a su vez perm
no implica ningún tipo de ganancia.
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:
Chocolate Dulce Chocolate Semidulce Chocolate Amargo
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
10 X3 ≤ 500 Restricción de Cacao
6 X3 ≤ 500 Restricción de Manteca de Ca
1 X3 ≤ 500 Restricción de Azúcar
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 +

Número de ecuaciones G.L= Grado de Libertad

+ 2,000,000 X3
X2 - 2,000,000 X3 = 0
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.
Chocolate Amargo Total
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
las tablas de las iteraciones de la solución del
= 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
3 son un recurso abundante, por ende su modificación
óptima con el recurso disponible es de 50 Unidades, a

Microsoft Excel 16.0 Informe de sensibilidad
Hoja de cálculo: [Tarea 3 _Roney.xlsx]LP_max
Informe creado: 17/07/2020 10:58:22 p. m.
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
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
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
Page 31
LP_max
. Alternatively, or
2007, 2010,
Slack/Surplus
Restriccion
Restriccion
Restriccion
Page 32
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 $22.000.000. El piso clase C, requiere 150
máxima de 8.500 t de PVC, 7.000 t de fibra de vidrio y 7.500 t de otros materiales. ¿Qué cantidad de
En hoja de cálculo (Excel), formular el problema como un modelo de programación lineal, plantear l
Piso clase A Piso clase B
X1 X2
Utilidad ($) 18,000,000 22,000,000
PVC (t) 100 140
Fibra de Vidrio (t) 80 90
Otros Materiales (t) 100 110
X1 = Piso clase A
X2 = Piso clase B
X3 = Piso clase C
Z = Utilidad ($)
Max Z= 18,000,000 X1 + 22,000,000 X2

100 X1 + 140 X2 +
80 X1 + 90 X2 +
100 X1 + 110 X2 +
X1, X 2, X 3
2. Solucionar el modelo de programación lineal por el método simplex primal:
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 +
Fórmula.
G.L= n - m
G.L= 6 - 3 = 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
a. Realizar los cambios que afectan la factibilidad:

1. Cambios en el lado derecho.
Al realizar cambios en el ado derecho disminuyendo la cantidasd permisble en "1" para las restriccio
Solución incial
Piso clase A
X1
Utilidad ($) 18,000,000
PVC (t) 100
Fibra de Vidrio (t) 80
Otros Materiales (t) 100
X1 = Piso clase A
X2 = Piso clase B
X3 = Piso clase C
Z = Utilidad ($)
Max Z= 18,000,000 X1 + 22,000,000 X2
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 +
Fórmula.
G.L= n - m
G.L= 6 - 3 = 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
X1 X2
Utilidad ($) 18,000,000 22,000,000
PVC (t) 100 140
Nueva Restricción (t) 800 150
X1 = Piso clase A
X2 = Piso clase B
X3 = Piso clase C
Z = Utilidad ($)
Max Z= 18,000,000 X1 + 22,000,000 X2
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 +
Fórmula.
G.L= n - m
G.L= 7 - 3 = 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 ($) 15,900,000 22,000,000
PVC (t) 100 140
X1 = Piso clase A
X2 = Piso clase B
X3 = Piso clase C
Z = Utilidad ($)
Max Z= 15,900,000 X1 + 22,000,000 X2
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 +
Fórmula.
G.L= n - m
G.L= 6 - 3 = 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
2. Adición de una nueva actividad.
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
Max Z= 18,000,000 X1 + 22,000,000 X2
100 X1 + 140 X2 +
80 X1 + 90 X2 +
100 X1 + 110 X2 +
100 X1 + 140 X2 +
80 X1 + 90 X2 +
100 X1 + 110 X2 +
Fórmula.
G.L= n - m
G.L= 7 - 3 = 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:
Piso clase B Piso clase C Total
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
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)
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

Número de ecuaciones

+ 24,000,000 X3
X3 = 0
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
del modelo de programación lineal.
a Excel QM luego de encontrar la solución óptima para:
isble en "1" para las restricciones 1 y 2 respectivamente, se obtine un menor valor de utildiad y un cambio en las cantidades f
ial Solución después de realizar cambios en el la
Cuadro resumen Cambios en el lado derecho

X2 X3
22,000,000 24,000,000 Z
140 150 ≤
90 100 ≤
110 120 ≤
Módelo Matemático
Variables
Función objetivo:
+ 24,000,000 X3
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


+ 24,000,000 X3
X3 = 0
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
utilidad inicial como las cantidades de productos a producir:
ial Solución después de adicionar una nueva R

Cuadro resumen Adición de una nueva Restricción
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
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

+ 24,000,000 X3
X3 = 0
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
Solución después de cambiar los coeficientes de la f

ial
- 210.000 para X1 y - 300.000 X2
Cuadro resumen: Cambios en los coeficientes de la función objetivo.
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
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)
Módelo Aumentado
150 X3 + h1
100 X3 +
120 X3


+ 23,700,000 X3
X3 = 0
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
ial Solución después adicionar una nueva ac
Función objetivo: Adición de una nueva actividad.

+ 24,000,000 X3 + 12000000
150 X3 + 50 X4
100 X3 + 30 X4
120 X3 + 80 X4
X1,X2, X3, X4
Módelo Aumentado
150 X3 + 50 X4
100 X3 + 30 X4
120 X3 + 80 X4


+ 24,000,000 X3 + 12000000
X3 -12000000 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
G.L= Grado de Libertad

un cambio en las cantidades factibles de cada producto comparadas con la solución inicial:
de realizar cambios en el lado derecho

Total
Z
7,499
7,000
6,799
7,499 Restricción de PVC (t)

7,000 Restricción de Fibra de Vidrio (t)
6,799 Restricción de otros Materiales (t)
0 Restricción de No Negatividad
= 7,499
h2 = 7,000
+ h3 = 6,799

és de adicionar una nueva Restricción
8,500 Restricción de PVC (t)
7,000 Restricción de Fibra de Vidrio (t)
7,500 Restricción de otros Materiales (t)
6,000 Nueva Restricción (t)
0 Restricción de No Negatividad
= 8,500
h2 = 7,000
+ h3 = 7,500
+ h4 = 6,000

r
57
70
63
75
85
100
35
2
se obtiene una disminución en la utilidad como podemos verlo a continuación:
mbiar los coeficientes de la función objetivo en

0.000 para X1 y - 300.000 X2
vo.
ción de PVC (t)

ción de Fibra de Vidrio (t)
ción de otros Materiales (t)
ción de No Negatividad
= 8,500
h2 = 7,000
+ h3 = 7,500
57
70
63
85
100
35
nar la actividad de X4 en la solución cambian las cantidades y pisos óptimos a fabricar, como se
pués adicionar una nueva actividad
X4
≤ 8,500 Restricción de PVC (t)

≤ 7,000 Restricción de Fibra de Vidrio (t)
≤ 7,500 Restricción de otros Materiales (t)
≥ 0 Restricción de No Negatividad
+ h1 = 8,500
+ h2 = 7,000
+ h3 = 7,500

X4
0
57
70
63
170
-400
18
obtendrá una utilidad máxima de $ 1.430.000.000

Microsoft Excel 16.0 Informe de sensibilidad
Hoja de cálculo: [Tarea 3 _Roney.xlsx]LP_max (2)
Informe creado: 16/07/2020 10:06:06 p. m.
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
LP_max (2)
Linear Programming

Data Results
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
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
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
Linear Programming

Data Results
Results
Variables 40 0 23
Objective 1,279,820,000
Page 70
Ejercicio 3 B_2
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
Linear Programming

Data Results
Results
Variables 35 0 33
Objective 1,346,500,000
Page 73
Referencias Bibliográficas
Chediak, F. (2013). Investigación de operaciones (pp.153-169). Ibagué, Colombia: Editorial

Universidad de Ibagué. Recuperado de https://ebookcentral-proquest-
com.bibliotecavirtual.unad.edu.co/lib/unadsp/detail.action?docID=3211237
Hillier, F. & Lieberman, J. (2011). Introducción a la investigación de operaciones (pp. 179-190).

México, México: Editorial McGraw Hill Interamericana. Recuperado de https://ebookcentral-
proquest-com.bibliotecavirtual.unad.edu.co/lib/unadsp/detail.action?docID=3214887
Hillier, F. & Lieberman, J. (2011). Introducción a la investigación de operaciones (pp. 207-216).

México, México: Editorial McGraw Hill Interamericana. Recuperado de https://ebookcentral-
proquest-com.bibliotecavirtual.unad.edu.co/lib/unadsp/detail.action?docID=3214887
RED TUTORES PROGRAMACION LINEAL. (2017, 28 marzo). Simplex Primal a Dual.

YouTube. https://www.youtube.com/watch?v=5GzgRpXppPo
Rojas, A. y Hernández, O. (2020). Análisis de dualidad en programación lineal [OVI].

Recuperado de https://repository.unad.edu.co/handle/10596/33782
Rojas, A. y Hernández, O. (2020). Análisis de sensibilidad en programación lineal con Excel

QM [OVI]. Recuperado de https://repository.unad.edu.co/handle/10596/33783
é, Colombia: Editorial
11237
operaciones (pp. 179-190).

de https://ebookcentral-
ocID=3214887
operaciones (pp. 207-216).

de https://ebookcentral-
ocID=3214887
mplex Primal a Dual.
ón lineal [OVI].
mación lineal con Excel

6/33783

Tarea 3 - 100404 - 51

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tarea 3 - 100404 - 51

Cargado por

Copyright:

Formatos disponibles

Solución de modelos de programación lineal de optimizacion

Roney Johan Rodriguez Montañez

Universidad Nacional Abierta y a Distancia -UNAD-

Se presenta la siguiente situación problema de programación lineal:

A partir de la situación problema:

1. Formular el problema como un modelo de programación lineal.

2. Solucionar el problema primal por el método simplex dual.

En Excel QM, encontrar la solución del problema programación lineal.

3. Formular el problema dual a partir del problema primal.

Max G(x)= 1,700 λ1 + 1,500 λ2

4. Solucionar el problema dual por el método simplex primal.

Pintura Tipo 1 Pintura Tipo 2 Pintura Tipo 3

Función objetivo: Modelo Estándar

Restricciones por recursos: Modelo Estándar

Nuevo Modelo Estándar

Restricciones por recursos: Nuevo Modelo Estándar

Modelo Simplex Dual

Restricciones por recursos:

Definición de variables básicas

Igualar Z a cero (0)

Modelo Simplex Primal

lema dual para la optimización de recursos.

idad. En adelante se denominará el problema primal.

teraciones de la solución problema primal por el

1,700 Restricción de Pigmento (t)

- 1,700 Restricción de Pigmento (t)

truir las tablas de las iteraciones de la solución del

Use one of the three signs below for each constraint

Use one of the three signs below for each constraint

Se presenta la siguiente situación problema de programación lineal:

A partir de la situación problema:

1. Formular el problema como un modelo de programación lineal.

2. Solucionar el modelo de programación lineal por el método simplex primal:

b. Analizar los cambios de aumento y reducción de las disponibilidades de las restricciones.

Chocolate Dulce Chocolate Semidulce Chocolate Amargo

Definición de variables básicas

Igualar Z a cero (0)

Modelo Simplex Primal

Chocolate Amargo Total

las tablas de las iteraciones de la solución del

3 son un recurso abundante, por ende su modificación

óptima con el recurso disponible es de 50 Unidades, a

Use one of the three signs below for each constraint

A partir de la situación problema:

1. Formular el problema como un modelo de programación lineal.

Piso clase A Piso clase B

Max Z= 18,000,000 X1 + 22,000,000 X2

2. Solucionar el modelo de programación lineal por el método simplex primal:

En Excel QM, encontrar la solución del problema programación lineal.

a. Realizar los cambios que afectan la factibilidad:

Max Z= 18,000,000 X1 + 22,000,000 X2

Max Z= 18,000,000 X1 + 22,000,000 X2

Piso clase A Piso clase B

Max Z= 15,900,000 X1 + 22,000,000 X2

2. Adición de una nueva actividad.

Max Z= 18,000,000 X1 + 22,000,000 X2

Piso clase B Piso clase C Total

Definición de variables básicas

Igualar Z a cero (0)

Modelo Simplex Primal

del modelo de programación lineal.

a Excel QM luego de encontrar la solución óptima para: