Asignatura:

PROGRAMACIÓN LINEAL

Actividad:
Solución de modelos de programación lineal de decisión

Autores:
Viviana Herrera - 42158038
Claudia Milena Hernandez - 24780592
Hugo Granados - 75074287
Webstter Cediel Ramirez - 1087986232
Alexander Torres

Tutor:
FERNADO SIERRA AVILA

Curso:
82

Institución:
Universidad Nacional Abierta y a Distancia

Escuela:
ECACEN

Programa:
Administración de Empresas

Año:
2022
 Información de la situación del problema. Cementos de occidente

Utilidad CEM III CEM IV CEM V Disponibi

($)
Clinker 60 48 36 lidad
(Ton)
Escoria 0.56 0.40 0.28 5000
(Ton)
Puzulona 0.16 0.24 0.32 3000
(Ton) 0.28 0.36 0.40 4000

Información de la situación problema para linealizar

X1:CEM X2 : CEM
Variables Utilidad
Xn X3: CEM V
III IV
Un ($)
Clinker U1= 60 U2= 48 U3= 36 Disponibilidad
a1n (Ton)
Escoria a11= 0.56 a12= 0.40 a13= 0.28 ≤ b1= 5000
a2n (Ton)
Puzulona a21= 0.16 a22= 0.24 a23= 0.32 ≤ b2= 3000
a3n (Ton) a31= 0.28 a32= 0.36 a33= 0.40 ≤ b3= 4000

Variables

X1 Cantidad Clinker (Ton)

X2 Cantidad Escoria (Ton)
X3 Cantidad Puzulona (Ton)
ción de
las
utilidades
es la
maximiza
U1 Utilidades CEM III
U2 Utilidades CEM IV
U3 Utilidades CEM V

Restriccio
nes

Uso de
recursos
≤
Cantidad de Clinker ≤ b1
cantidad Escoria ≤ b2
Cantidad Puzolona ≤ b3

No negatividad: X1 X2 X3 ≥ 0

Planteamiento de la función objetiva

 MaximizarU1 X1 + U2 X2+ U3 X3
Z= 60 X1 + 48 X2 + 36 X3

Sujeto a
a11 X1 + a12 X2 + a13 X3 ≤ b1 0.56 X1 + 0.40 X2 + 0.28 X3 ≤ 5000
Reemplaz
a21 X1 + a22 X2 + a23 X3 ≤ b2 0.16X1 + 0.24X2 + 0.32 X3 ≤ 3000
o de
a31 X1 + a32 X2 + a33 X3 variables
≤ b3 0.28 X1 + 0.36 X2 + 0.4 X3 ≤ 4000
X1 + X2 + X3 ≥ 0 X1 + X2 + X3 ≥ 0

Forma estándar del modelo de programación lineal

Maximizar Z -60 X1 - 48 X2 - 36 X3 + 0S1+ 0S2+OS3=0

0.56 X1 + 0.40 X2 +0. S1 = 5000

0.16X1 + 0.24X2 + 0.32 X3 + S2 = 3000
0.28 X1 + 0.36X2 + 0. S3 = 4000

X1, X2, X3, S1, S2, S3 ≥ 0

Solución
Variables
Variables No Básicas
básicas
Z X1 X2 X3 s1 s2 s3
Z 1 (-)U1 (-)U2 (-)U3 0 0 0
s1 0 a11 a12 a13 1 0 0
s2 0 a21 a22 a23 0 1 0
s3 0 a31 a32 a33 0 0 1

VB Z X1 X2 X3 s1 s2 s3
Z 1 -60 -48 -36 0 0 0
X1 0 0.56 0.4 0.28 1 0 0
s2 0 0.16 0.24 0.32 0 1 0
s3 0 0.28 0.36 0.4 0 0 1

VB Z X1 X2 X3 s1 s2 s3
Z 1 0 ### -6 ### 0 0
X1 0 1 ### 0.5 ### 0 0
s2 0 0 ### 0.24 ### 1 0
s3 0 0 0.16 0.26 -0.5 0 1
 VB Z X1 X2 X3 s1 s2 s3
Z 1 0 ### -6 ### 0 0
X1 0 1 ### 0.5 ### 0 0
s2 0 0 ### 0.24 ### 1 0
X3 0 0 0.16 0.26 -0.5 0 1

VB Z X1 X2 X3 s1 s2 s3
Z 1 0 ### 0 ### 0 ###
X1 0 1 ### 0 ### 0 ###
s2 0 0 ### 0 ### 1 ###
X3 0 0 ### 1 ### 0 ###

VB Z X1 X2 X3 s1 s2 s3
Z 1 0 ### 0 ### 0 ###
X1 0 1 ### 0 ### 0 ###
s2 0 0 ### 0 ### 1 ###
X3 0 0 ### 1 ### 0 ###

VB Z X1 X2 X3 s1 s2 s3
Z 1 0 0 ### ### 0 ###
X1 0 1 0 ### ### 0 ###
s2 0 0 0 ### ### 1 ###
X2 0 0 1 1.625 -3.125 0 6.25

X1 = ### Unidades CEM III

X2 = 9375 Unidades CEM IV
X3 = 0 Unidades CEM V
Z = ### Utilidades

La empresa cementos de Occidente debe producir 2232.1 unidades de CEM III, 9375 unidad
no requiere unidades de CEM V para obtener la mayor utilidad posible con los recursos d

Solucion solver
X1:CEM X2 : CEM
Variables Xn X3: CEM V
III IV
 Utilidad
Un ($) U 1= 60 U2= 48 U3= 36 Disponibilidad
Clinker
a1n (Ton) a11= 0.56 a12= 0.40 a13= 0.28 ≤ b1= 5000
Escoria
a2n (Ton) a21= 0.16 a22= 0.24 a23= 0.32 ≤ b2= 3000
Puzulona
a3n (Ton) a31= 0.28 a32= 0.36 a33= 0.40 ≤ b3= 4000

Utilidades= ###

X1 X2 X3
2232.1 9375 0.0
60 48 36

RESTRICCIONES
LADO IZQ LADO DER
0.56 0.4 0.28 5000 ≤ 5,000
0.16 0.24 0.32 2607.143 ≤ 3,000
0.28 0.36 0.4 4000 ≤ 4,000
Solución

0
b1
b2
b3

Sol R
0 0
5000 ### Sale S1
3000 18750 Entra X1
4000 ###

Sol
###
###
###
1500
 Sol R
### Sale S3
### ### Entra X3
### ###
1500 ###

Sol
###
###
###
###

Sol R
### Sale X3
### ### Entra X2
### ###
### 9375

Sol
###
###
###
9375

M III, 9375 unidades de CEM IV y

con los recursos disponibles.
Microsoft Excel 15.0 Informe de confidencialidad
Hoja de cálculo: [Solucion de modelos de programación lineal de decision.xlsx]Metodo Simplex Primal
Informe creado: 2/04/2022 3:04:51 p. m.

Celdas de variables
Final Reducido Objetivo Permisible Permisible
Celda Nombre Valor Coste Coeficiente Aumentar Reducir
$A$131 X1 2232.142857 0 60 3.567567568 22.66666667
$B$131 X2 9375 0 48 29.14285714 1.450549451
$C$131 X3 0 -2.357142857 36 2.357142857 1E+030

Restricciones
Final Sombra Restricción Permisible Permisible
Celda Nombre Valor Precio Lado derecho Aumentar Reducir
$E$136 LADO IZQ 5000 91.071428571 5000 3000 555.5555556
$E$137 LADO IZQ 2607.142857 0 3000 1E+030 392.8571429
$E$138 LADO IZQ 4000 32.142857143 4000 500 1500
La empresa Aceros de Occidente Co., produce aceros templables al
boro grado Durabor 22MnB5, Durabor 24MnB5 y Durabor 20MnB5 para
la industria de maquinaria agrícola.
Producir acero al boro grado Durabor 22MnB5, genera una utilidad de
USD265 y requiere 0,85 toneladas de acero al carbono, 24 minutos de
recocido y 22 minutos de templado.
Producir acero al boro grado Durabor 24MnB5, genera una utilidad de
USD270 y requiere 1,1 toneladas de acero al carbono, 28 minutos de
recocido y 24 minutos de templado.
4
Producir acero al boro grado Durabor 20MnB5, genera una utilidad de
USD260 y requiere 0,9 toneladas de acero al carbono, 26 minutos de
recocido y 20 minutos de templado.
La empresa, dispone en su planta de producción como mínimo de 500
toneladas de acero al boro y como máximo de 13.000 minutos para el
proceso de recocido y de 12.000 minutos para el proceso de templado.
¿Qué cantidad de acero templable al boro de cada grado debe producir
la empresa Aceros de Occidente Co., para tomar decisiones y obtener
la mayor utilidad posible con los recursos disponibles?

Modelo de Programación Lineal Modelo Normal

Función Objetivo

Max Z = 265X1 + 270X2 + 260X3

Sujeto a las restricciones de disponibilidad

R1= 0,85X1 + 1,1X2 + 0,9X3 >= 500 Ton Acero

R2= 24X1 + 28X2 + 26X3 <= 13000 Min Recocido
R3= 22X1 + 24X2 + 20X3 <= 12000 Min Temp

Condición de no Negatividad

X1, X2, X3 >= 0

Estandarizamos el Modelo
Primera Fase

Se determina una solución básica que siempre minimícela suma de las

variables artificiales At, independientemente de si la PL es de
maximización o minimización. Si el valor mínimo de Z, es positivo, el
problema no tiene una solución factible. De o contrario , si el valor
mínimo de Z es cero, proceder a la fase 2
Segunda fase

Usar la solución factible de la fase 1como un solución inicial básica

factible para el problema original, teniendo en cuenta que todas la
variables artificiales son iguales a cero

Nota: Convertimos las inecuaciones en ecuaciones, sin embargo

recordemos que para una restricción de tipo >= se resta una variable de
exceso e1 al lado izquierdo de la restricción y para <= se suma una
variable de holgura a lado izquierdo de la restricción

Min Z= A1

0,85X1 + 1,1X2 + 0,9X3 - e1 +A1 = 500

24X1 + 28X2 + 26X3 + h1 = 13000

22X1 + 24X2 + 20X3 + h2 = 12000

Condición de no negatividad

X1; X2; X3; A1; e1; h1; h2 >= 0

Tabla Inicial

Cj 0 0 0
CB B bj X1 X2 X3
1 A1 500.00 0.85 1.10 0.90
0 h1 13000.00 24 28 26.00
0 h2 12000.00 22 24 20.00
Zj 500 1 1 1
Cj- Zj -0.85 -1.10 -0.90
Mas mínimo
C. Pivote

Variable que ingresa X2

Variable que sale es la Artificial A1

Cj 0 0 0
CB B bj X1 X2 X3
0 X2 454.55 0.77 1.00 0.82
0 h1 272.73 2.36 0 3.09
0 h2 1090.91 3.45 0 0.36
Zj 0 0 0 0
 Cj- Zj 0.00 0.00 0.00

Segunda fase Max Z = 265X1 + 270X2 + 260X3

Cj 265 270 260

CB B bj X1 X2 X3
270 X2 454.55 0.77 1.00 0.82
0 h1 272.73 2.36 0 3.09
0 h2 1090.91 3.45 0.00 0.36
Zj 122727.27 208.636 270 220.90909
Cj- Zj 56.36 0.00 39.09

Ingresa e1 y sale h1

Cj 265 270 260

CB B bj X1 X2 X3
270 X2 464.29 0.86 1.00 0.93
0 e1 10.71 0.09 0.00 0.12
0 h2 857.14 1.43 0.00 -2.29
Zj 125357.17 231.429 270 250.71429
Cj- Zj 33.57 0.00 9.29
C. Pivote

Ingresa X1 y sale e1

Cj 265 270 260

CB B bj X1 X2 X3
270 X2 365.38 0.00 1.00 -0.19
265 X1 115.39 1.00 0.00 1.31
0 h2 692.30 0.00 0.00 -4.15
Zj 129230.83 265.000 270 294.61538
Cj- Zj 0.00 0.00 -34.62

En este punto el proceso iterativo ya no se puede realizar mas , es decir, ya no se puede optimizar mas
ya que los valores de Cj-Zj son todos negativos o iguales a cero

Interpretación de resultados

X1 115.39 Cantidad de Acero tem al Boro Durabor 22MnB5 que se deben fabricar
X2 365.39 Cantidad de Acero tem al Boro Durabor 24MnB5 que se deben fabricar
X3 0 Cantidad de Acero tem al Boro Durabor 20MnB5 que se deben fabricar
 h2 692.3 En el proceso de templado solo se esta empleando 11308 min de los 12000 disponibles
h1 0 En el proceso de recocido se lleva todo el tiempo disponible
e1 0 La empresa se consume el mínimo de toneladas de acero disponible

Comprobar por Solver

Función Objetivo Max Z 129230.77

X1 X2 X3
115.38 365.38 0
265 270 260

Restricciones
Lado Izq
0.85 1.1 0.9 500.00 >=
24 28 26 13000.00 <=
22 24 20 11308 <=
 Planteamiento del Problema
Expresamos la información que nos da el
problema para poder identificar las variables

Utilidades Toneladas Minutos de Minutos de

USD de Acero Recocido Templado
X1 265 0.85 24 22
X2 270 1.1 28 24
X3 260 0.9 26 20
TOTALES Z 500 13000 12000
Mínimo Máximo Máximo
Donde:

X1 Cantidad de Acero tem al Boro Durabor 22MnB5

X2 Cantidad de Acero tem al Boro Durabor 24MnB5
X3 Cantidad de Acero tem al Boro Durabor 20MnB5
 0 1 0
e1 A1 h1 h2 Razón
-1.00 1.00 0.00 0.00 454.54545 Mínimo F Pivote
0.00 0.00 1.00 0.00 464.28571
0.00 0.00 0.00 1.00 500
-1 1 0 0
1.00 0.00 0.00 0.00

0 1 0 0
e1 A1 h1 h2 Razón
-0.91 0.91 0.00 0.00 454.54545
25.45 -25.45 1 0 #DIV/0!
21.82 -21.82 0 1 #DIV/0!
0 0 0 0
 0.00 1.00 0.00 0.00

0 0 0
e1 h1 h2 Razón
-0.91 0.00 0.00 -500.00
25.45 1 0 10.71 F. Pivote
21.82 0 0 50.00
-245.45 0 0.00
245.45 0.00 0.00
C. Pivote

0 0 0
e1 h1 h2 Razón
0.00 0.04 0.00 541.67
1.00 0.04 0.00 115.39 F. pivote
0.00 -0.86 0.00 600.00
0.00 9.6429 0.00
0.00 -9.64 0.00

0 0 0
e1 h1 h2 Razón
-9.23 -0.33 0.00 #DIV/0!
10.77 0.42 0.00 115.39
-15.38 -1.46 0.00 #DIV/0!
361.54 23.8462 0.00
-361.54 -23.85 0.00

puede optimizar mas

deben fabricar
deben fabricar
deben fabricar
08 min de los 12000 disponibles
ible
ro disponible

Max Z = 265X1 + 270X2 + 260X3

R1= 0,85X1 + 1,1X2 + 0,9X3 >= 500 Ton Acero

R2= 24X1 + 28X2 + 26X3 <= 13000 Min Recocido
R3= 22X1 + 24X2 + 20X3 <= 12000 Min Temp
Lado Der
500
13000
12000
Microsoft Excel 15.0 Informe de confidencialidad
Hoja de cálculo: [Solucion de modelos de programación lineal de decision.xlsx]Método simplex primal
Informe creado: 2/04/2022 2:05:38 p. m.

Celdas de variables
Final Reducido Objetivo Permisible Permisible
Celda Nombre Valor Coste Coeficiente Aumentar Reducir
$A$148 X1 115.3846154 0 265 1E+030 26.47058824
$B$148 X2 365.3846154 0 270 39.16666667 1E+030
$C$148 X3 0 -34.61538462 260 34.61538462 1E+030

Restricciones
Final Sombra Restricción Permisible Permisible
Celda Nombre Valor Precio Lado derecho Aumentar Reducir
$E$153 Lado Izq 500 -361.5384615 500 10.71428571 39.58333333
$E$154 Lado Izq 13000 23.846153846 13000 473.6842105 272.7272727
$E$155 Lado Izq 11307.69231 0 12000 1E+030 692.3076923
 Ejercicio 3. Método simplex dual.
Se presenta la siguiente situación problema de programación
lineal:
La empresa Pinturas de Occidente Co., produce pintura vinílica tipo 1,
tipo 2 y tipo 3 para decoración y terminados de interiores
Producir pintura vinílica tipo 1, requiere 0,35 toneladas de pigmento,
0,15 toneladas de aglutinante y 0,50 toneladas de disolvente, a un
costo de USD800.
Producir pintura vinílica tipo 2, requiere 0,38 toneladas de pigmento,
0,17 toneladas de aglutinante y 0,53 toneladas de disolvente, a un
costo de USD750.
Producir pintura vinílica tipo 3, requiere 0,25 toneladas de pigmento,
0,19 toneladas de aglutinante y 0,56 toneladas de disolvente, a un
costo de USD700.
La empresa, dispone en su planta de producción como mínimo de 300
toneladas de pigmento, de 130 toneladas de aglutinante y de 400
toneladas de disolvente.
¿Qué cantidad de cada tipo de pintura vinílica debe producir la empresa
Pinturas de Occidente Co., para tomar decisiones y obtener el menor
costo posible con los recursos disponibles?
SIMPLEX DUAL QM 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
Minimize 800 750 700 sign RHS 592105.263
Constraint 1 0.35 0.38 0.25 > 300 300
Constraint 2 0.15 0.17 0.19 > 130 134.210526
Constraint 3 0.5 0.53 0.56 > 400 418.421053

Results
Variables 0 789.473684 0
Objective 592105.263
Definición de variables: Planteamiento de la función objetivo y las restricciones del s
X1= Pintura vinilica tipo I al modelo canonico y estandar
X2= Pintura vinilica tipo II
X3= Pintura vinilica tipo III Min: Z = 800X1 + 750X2 + 700X3

Utilidad de pinturas del Occidente Restricción 1 0,35X1 + 0,38X2 + 0,25X3 >= 300
X1 800 USD Restricción 2 0,15X1 + 0,17X2 + 0,19X3 >= 130
X2 750 USD Restricción 3 0,50X1 + 0,53X2 + 0,56X3 >= 400
X3 700 USD
Min: Z - 800X1 - 750X2 - 700X3 = 0
Elementos que se requieren para producir cada tipo de pintura
Pingmento Aglutinante Disolvente - 0,35X1 - 0,38X2 - 0,25X3 + S4 = - 300
TIPO I 0.35 0.15 0.5 - 0,15X1 - 0,17X2 - 0,19X3 + S5 = - 130
TIPO II 0.38 0.17 0.53 - 0,50X1 - 0,53X2 - 0,56X3 + S6 = - 400
TIPO III 0.25 0.19 0.56

Disponibilidad de Recursos
Pingmento 300
Aglutinante 130
Disolvente 400

Desarrollo del Metodo Simplex Dual

Para desarrollar las iteraciones del metodo Simplex Dual, es necesario estabecer los siguientes pasos que se iran repitiendo en
En primer lugar se define la fila pivote con el valor mas negativo de los coeficientes de la columna de resultados, seguidament
se define la columna pivote con la relación entre los coeficiente de de Z y la fila pivote seleccionada, esta es identificada por se
se realizan las operaciones pertinentes y se identifican las variables que ingresan y salen del sistema
Las iteraciones continuan siempre y cuando existan numeros negativos en los coeficientes de Z

Variables Basicas
Variables no s4-s5-s6
x1-x2-x3

Columna Pivote
s4 s5
VARIABLES Z X1 X2 X3
Z 1 -800 -750 -700 0 0
S4 0 -0.35 -0.38 -0.25 1 0
S5 0 -0.15 -0.17 -0.19 0 1
fila pivote S6 0 -0.5 -0.53 -0.56 0 0
1600 1415.09434 1250

Columna Pivote
 s4 s5
VARIABLES Z X1 X2 X3
Z 1 -175 -87.5 0 0 0
fila pivote S4 0 -0.12678571 -0.14339286 0 1 0
S5 0 0.01964286 0.00982143 0 0 1
X3 0 0.89285714 0.94642857 1 0 0
1380.28169 610.211706 - 0 -

VARIABLES Z X1 X2 X3 s4 s5
Z 1 -97.633873 0 0 -610.211706 0
X2 0 0.88418431 1 0 -6.97384807 0
S5 0 0.0109589 0 0 0.06849315 1
fila pivote X3 0 0.05603985 0 1 6.60024907 0
-1742.22222 - 0 -92.4528302 -

Z X1 X2 X3 s4 s5
VARIABLES
Z 1 -109.210526 0 -206.578947 -1973.68421 0
X2 0 0.92105263 1 0.65789474 -2.63157895 0
S5 0 0.00657895 0 -0.07815789 -0.44736842 1
S6 0 -0.01184211 0 -0.21131579 -1.39473684 0

Al finalizar las iteraciones, se obtiene el siguiente resultado, con el fin de minimizar los costos de producción la em
para obtener una producción de 592.105 USD

lver button. Alternatively, or to

(Excel 2007, 2010, 2013,

Problem setup area

Slack/Surplus
< constraints > constraints
0 Constraint 1 0 0 300 300
-4.21052632 Constraint 2 0 0 134.210526 130
-18.4210526 Constraint 3 0 0 418.421053 400
 objetivo y las restricciones del sistema con base

2 + 0,25X3 >= 300

2 + 0,19X3 >= 130
2 + 0,56X3 >= 400

pasos que se iran repitiendo en cada iteración

mna de resultados, seguidamente
nada, esta es identificada por ser el menor valor

Columna de
s6
Resultados VARIABLE EN X3
0 0 VARIABLE SA S6
0 -300
0 -130
1 -400
 Columna de
s6
Resultados VARIABLE EN X2
-1250 500000 VARIABLE SA S4
-0.44642857 -121.428571
-0.33928571 5.71428571
-1.78571429 714.285714
2800

Columna Pivote
Columna de
s6 Resultados VARIABLE EN S6
-977.58406 574097.136 VARIABLE SA X3
3.11332503 846.824408
-0.36986301 -2.60273973
-4.73225405 -87.1731009
206.578947

Columna de
s6
Resultados
0 592105.263
0 789.473684
0 4.21052632
1 18.4210526

ar los costos de producción la empresa debe producir $ 789.47 de pinura tipo II

Del Valle, S. (2012) Álgebra lineal para estudiantes de ingeniería y ciencias (pp. 24-34). México, México:
Editorial McGraw-Hill Interamericana. Recuperado de
https://elibro-net.bibliotecavirtual.unad.edu.co/es/ereader/unad/93437

Martínez, I., Vértiz, G., López, J., Lozano, G. & Moncayo, L. (2014). Investigación de operaciones (pp. 44-
56). México, México: Grupo Editorial Patria. Recuperado de https://elibro-
net.bibliotecavirtual.unad.edu.co/es/ereader/unad/39452

Martínez, I., Vértiz, G., López, J., Lozano, G. & Moncayo, L. (2014). Investigación de operaciones (pp. 58-
68). México, México: Grupo Editorial Patria. Recuperado de https://elibro-
net.bibliotecavirtual.unad.edu.co/es/ereader/unad/39452

Martínez, I., Vértiz, G., López, J., Lozano, G. & Moncayo, L. (2014). Investigación de operaciones (pp. 68-
73). México, México: Grupo Editorial Patria. Recuperado de https://elibro-
net.bibliotecavirtual.unad.edu.co/es/ereader/unad/39452

Rojas, A. y Lozada, M. (2020). Problema de maximización como modelo de programación lineal [OVI].
Recuperado de https://repository.unad.edu.co/handle/10596/33778

Rojas, A. y Lozada, M. (2020). Problema de minimización como modelo de programación lineal [OVI].
Recuperado de https://repository.unad.edu.co/handle/10596/33779

Rojas, A. y Lozada, M. (2020). Solución de un problema de programación lineal de maximización en Excel

QM [OVI]. Recuperado de https://repository.unad.edu.co/handle/10596/33780

Rojas, A. y Lozada, M. (2020). Solución de un problema de programación lineal de minimización en Excel

QM [OVI]. Recuperado de https://repository.unad.edu.co/handle/10596/33781