Tarea 2 – Análisis de modelos de programación lineal

Nombre del estudiante:

Asbleidi Yohana Garzon Reyes
Codigo:1073533914

Presentado al tutor:
Derney Eduardo Sosa

Universidad Nacional Abierta y a Distancia

ECBTI
Programación Lineal
Noviembre
2023
Ejercicio 1. Análisis de dualidad.
Se presenta la siguiente situación problema de programación lineal:

La compañía United Industrial Group, produce tela mezclilla ajustable drill, tela mezclilla
ajustable denim y tela mezclilla ajustable jeans para la industria textil, de la confección y de
la moda.

Producir tela mezclilla ajustable drill, genera un costo de USD12.500 y requiere 0,66
toneladas de algodón, 0,28 toneladas de poliéster y 0,06 toneladas de elastano.
Producir tela mezclilla ajustable denim, genera un costo de USD12.700 y requiere 0,71
toneladas de algodón, 0,25 toneladas de poliéster y 0,04 toneladas de elastano.
Producir tela mezclilla ajustable jeans, genera un costo de USD12.900 y requiere 0,77
toneladas de algodón, 0,21 toneladas de poliéster y 0,02 toneladas de elastano.
La compañía dispone en su planta de producción como mínimo de 260 toneladas de
algodón, de 100 toneladas de poliéster y de 18 toneladas de elastano.
La gerencia financiera de United Industrial Group, requiere optimizar los costos percibidos
por cada clase de tela mezclilla ajustable a producir y solicita a la gerencia de producción,
realizar el análisis de dualidad para optimizar los recursos.

A partir de la situación problema:

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

En hoja de cálculo (Excel), formular el problema primal como un modelo de programación
lineal, plantear la función objetivo primal, las restricciones primales y restricción de no
negatividad.

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, diseñar la tabla inicial del método simplex dual y construir las tablas de las
iteraciones de la solución del problema primal por el método simplex dual.

3. Comprobar los resultados del problema primal.

En hoja de cálculo (Excel) utilizar el complemento Solver (Excel) para encontrar y comprobar
los resultados de la solución del problema primal obtenidos en la hoja de cálculo (Excel).

4. 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 de programación lineal, plantear la función objetivo dual, las restricciones duales y
restricción de no negatividad o irrestrictas.

5. 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, diseñar la tabla inicial del método simplex primal del problema dual y
construir las tablas de las iteraciones de la solución del problema dual por el método
simplex primal.

6. Comprobar los resultados del modelo de programación lineal.

En hoja de cálculo (Excel) utilizar el complemento Solver (Excel) para encontrar y comprobar
los resultados de la solución del problema dual obtenidos en la hoja de cálculo (Excel).

7. Relacionar la optimización de recursos en los modelos de programación lineal.

En hoja de cálculo (Excel) relacionar la interpretación de los resultados de la solución del
problema primal y de la solución del problema dual a partir de la situación problema para la
optimización de recursos en el sistema de producción en español y en inglés.
EJERCICIO 1

Sea el problema como modelo de programación lineal:

Función objetivo:
𝑀𝑖𝑛 𝑧=12.500𝑥_1+12.700𝑥_2+12.900𝑥_3

Variables
X1: Toneladas de Algodón
X2: Toneladas de Poliester
X3: Toneladas de Elastano
𝑥_1;𝑥_2;𝑥_3≥0

Sea la forma estándar del modelo de programación lineal por el método simplex primal:

Función objetivo:
𝑀𝑖𝑛 𝑧=12.500𝑥_1+12.700𝑥_2+12.900𝑥_3

Sujeto a:

-0,66𝑥_1−0,71𝑥_2−0,77𝑥_3+ 𝑆_1= -260

-0,28𝑥_1+0,25𝑥_2−0,21𝑥_3+𝑆_2= -100

-0,06𝑥_1−0,04𝑥_2−0,02𝑥_3+𝑆_3=−18

Condicion de no negatividad
𝑥_1;𝑥_2;𝑥_3;𝑆_1;𝑆_2;𝑆_3≥0

Aplicando el metodo simplex dual al modelo de programación lineal:

Tabla inicial:

VARIABLES VARIABLES NO BASICAS

BASICAS Z X1 X2 X3 S1
Z 1 -12500 -12700 -12900 0
S1 0 -0.66 -0.71 -0.77 1
S2 0 -0.28 -0.25 -0.21 0
S3 0 -0.06 -0.04 -0.02 0

Razón mas pequeña 18939.393939 17887.32394 16753.24675 0

VE

Iteración 1:

VARIABLES VARIABLES NO BASICAS

BASICAS
 VARIABLES
BASICAS Z X1 X2 X3 S1
Z 1 -1442.8571429 -805.194805 0 -16753.2468
X1 0 0.8571428571 0.922077922 1 -1.2987013
S2 0 -0.1 -0.05636364 0 -0.27272727
X3 0 -0.0428571429 -0.02155844 0 -0.02597403

Razón mas pequeña 14428.571429 14285.71429 #DIV/0! 61428.57143

VE

Iteración 2:

VARIABLES VARIABLES NO BASICAS

BASICAS Z X1 X2 X3 S1
Z 1 -14.285714286 0 0 -12857.1429
X1 0 -0.7788018433 0 1 -5.76036866
S2 0 1.7741935484 1 0 4.838709677
X3 0 -0.0046082949 0 0 0.078341014

Razón mas pequeña 18.343195266 #DIV/0! 0 2232

VE
Interación 3:

VARIABLES VARIABLES NO BASICAS

BASICAS Z X1 X2 X3 S1
Z 1 0 0 -18 -12,751
X1 0 1 0 -1.284023669 7.396449704
X2 0 0 1 2.278106509 -8.28402367
S3 0 0 0 -0.00591716 0.112426036
mplex primal:

S
SOLUCION
S2 S3 Valor más negativo
0 0 0
0 0 -260 -260
1 0 -100 -100
0 1 -18 -18

#DIV/0! #DIV/0!

S
SOLUCION
 SOLUCION
S2 S3 Valor más negativo
0 0 4355844.156
0 0 337.6623377 337.6623377
1 0 -29.0909091 -29.0909091 VS
0 1 -11.2467532 -11.2467532

0 #DIV/0! -149732.143

S
SOLUCION
S2 S3 Valor más negativo
-14285.7143 0 4771428.571
16.359447 0 -138.248848 -138.248848 VS
-17.7419355 0 516.1290323 516.1290323
-0.38248848 1 -0.11981567 -0.11981567

-873.239437 #DIV/0!

S SOLUCIÓN OPTIMA
SOLUCIÓN
S2 S3
-14,586 0 4773964.50
-21.0059172 0 177.51
19.52662722 0 201.18
-0.47928994 1 0.70
EJEMPLO METODO SIMPLEX DUAL

Sea el problema como modelo de programación lineal:

Función objetivo:
𝑀𝑖𝑛 𝑧=12.500𝑥_1+12.700𝑥_2+12.900𝑥_3

Sujeto a:
X1: Toneladas de Algodón -0,66𝑥_1−0,71𝑥_2−0,77𝑥_3+ 𝑆_1= -260
X2: Toneladas de Poliester -0,28𝑥_1+0,25𝑥_2−0,21𝑥_3+𝑆_2= -100
X3: Toneladas de Elastano -0,06𝑥_1−0,04𝑥_2−0,02𝑥_3+𝑆_3=−18

Condicion de no negatividad
𝑥_1;𝑥_2;𝑥_3≥0

FUNCION OBJETIVO Max Z 4773964.5

X1 X2 X3
177.514793 201.183432 0
12500 12700 12900

RESTRICCIONES
LADO IZQ LADO DER
0.66 0.71 0.77 260 ≥ 260
0.28 0.25 0.21 100 ≥ 100
0.06 0.04 0.02 18.6982249 ≥ 18
SOLUCION OPTIMA
Ejercicio 2. Análisis de sensibilidad.

La compañía United Industrial Group, produce piso SPC tráfico alto, piso SPC tráfico medio y
piso SPC tráfico bajo, utilizados en acabados y decoración de espacios arquitectónicos y
diseño de interiores.
Producir piso SPC tráfico alto, genera una utilidad de USD15.400 y requiere 0,62 toneladas
de polvo de piedra caliza, de 0,28 toneladas de cloruro de polivinilo y de 0,10 toneladas de
estabilizadores.
Producir piso SPC tráfico medio, genera una utilidad de USD14.700 y requiere 0,55
toneladas de polvo de piedra caliza, de 0,33 toneladas de cloruro de polivinilo y de 0,12
toneladas de estabilizadores.
Producir piso SPC tráfico bajo 3, genera una utilidad de USD 14.000 y requiere 0,48
toneladas de polvo de piedra caliza, de 0,37 toneladas de cloruro de polivinilo y de 0,15
toneladas de estabilizadores.
La compañía, en su planta de producción dispone como máximo de 820 toneladas de polvo
de piedra caliza, de 440 toneladas de cloruro de polivinilo y de 150 toneladas de
estabilizadores.
La gerencia financiera de United Industrial Group, requiere optimizar las utilidades
percibidas por cada clase de piso SPC a producir y solicita a la gerencia de producción,
realizar el análisis de sensibilidad para optimizar los recursos.
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 la función objetivo, las restricciones por recursos y restricción de no negatividad.

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 lineal, diseñar la tabla inicial del método simplex primal y construir las
tablas de las iteraciones de la solución del modelo de programación lineal por el método
simplex primal.

3. Comprobar los resultados del modelo de programación lineal.

En hoja de cálculo (Excel) utilizar el complemento Solver (Excel) para encontrar y comprobar
los resultados de la solución del modelo de programación lineal obtenidos en la hoja de
cálculo (Excel).

4. Realizar el análisis de sensibilidad a la solución óptima simplex primal del modelo de

programación lineal.
En hoja de cálculo (Excel), generar el informe de sensibilidad y a partir de este, determinar
los valores máximos y mínimos cuando se presenta costos reducidos de cero y precios
sombra de cero para asignar los nuevos coeficientes de las variables de la función objetivo y
las nuevas disponibilidades de las restricciones, respectivamente:
Por reducción: valor que se encuentre entre el valor mínimo y el coeficiente original.
Por aumento: valor que se encuentre entre el coeficiente original y el valor máximo, para:
a. Analizar los cambios de aumento y reducción de los coeficientes de las variables de la
función objetivo:
En hoja de cálculo (Excel) utilizar el complemento Solver (Excel) para encontrar los
resultados de la solución de los nuevos modelos de programación lineal por aumento y
reducción de los coeficientes de las variables de la función objetivo.
b. Analizar los cambios de aumento y reducción de las disponibilidades de las restricciones:
En hoja de cálculo (Excel) utilizar el complemento Solver (Excel) para encontrar los
resultados de la solución de los nuevos modelos de programación lineal por aumento y
reducción de las disponibilidades de las restricciones.

5. Relacionar la optimización de recursos en los modelos de programación lineal.

En hoja de cálculo (Excel) relacionar la interpretación de los resultados de la solución del
modelo de programación lineal y de los nuevos modelos de programación lineal surgidos en
el análisis de sensibilidad a partir de la situación problema para la optimización de recursos
en el sistema de producción en español y en inglés.
reducción de las disponibilidades de las restricciones.

5. Relacionar la optimización de recursos en los modelos de programación lineal.

En hoja de cálculo (Excel) relacionar la interpretación de los resultados de la solución del
modelo de programación lineal y de los nuevos modelos de programación lineal surgidos en
el análisis de sensibilidad a partir de la situación problema para la optimización de recursos
en el sistema de producción en español y en inglés.
EJERCICIO 1

Sea el problema como modelo de programación lineal:

Función objetivo:
𝑀𝑎𝑥 𝑧=15.400𝑥_1+14.700𝑥_2+14.000𝑥_3

Definición de las variables:

X1: Producción de piso SPC tráfico alto
X2: Producción de piso SPC tráfico Medio
X3: Producción de piso SPC tráfico Bajo
𝑥_1;𝑥_2;𝑥_3≥0

Sea la forma estándar del modelo de programación lineal por el método simplex primal:

Función objetivo:
𝑀𝑎𝑥 𝑧=15.400𝑥_1+14.700𝑥_2+14.000𝑥_3

Sujeto a:
0,62𝑥_1+0,55𝑥_2+0,48𝑥_3+ 𝑆_1= 820
0,28𝑥_1+0,33𝑥_2+0,37𝑥_3+ 𝑆_2= 440
0,10𝑥_1+0,12𝑥_2+0,15𝑥_3+ 𝑆_3= 150
𝑥_1;𝑥_2;𝑥_3;𝑆_1;𝑆_2;𝑆_3≥0

Aplicando el metodo simplex primal al modelo de programación lineal:

Tabla inicial:

VARIABLES VARIABLES NO BASICAS

BASICAS Z X1 X2 X3 S1 S2
Z 1 -15,400 -14,700 -14,000 0 0
S1 0 0.62 0.55 0.48 1 0
S2 0 0.28 0.33 0.37 0 1
S3 0 0.1 0.12 0.15 0 0

Valor más negativo -15,400 -14700 -14000

VE

Iteración 1:
VARIABLES VARIABLES NO BASICAS
BASICAS Z X1 X2 X3 S1 S2
Z 1 0 -1,039 -2,077 24,839 0
X1 0 1 0.88709677 0.77419355 1.61290323 0
S2 0 0 0.0816129 0.15322581 -0.4516129 1
 S3 0 0 0.03129032 0.07258065 -0.16129032 0

Valor más negativo 0 -1,039 -2,077 24,839 0

VE
Iteración 2:
VARIABLES VARIABLES NO BASICAS
BASICAS Z X1 X2 X3 S1 S2
Z 1 0 -143 0 20,222 0
X1 0 1 0.55333333 0 3.33333333 0
S2 0 0 0.01555556 0 -0.11111111 1
X3 0 0 0.43111111 1 -2.22222222 0

Valor más negativo 0 -143 0 20,222 0

VE
Iteración 3:
VARIABLES VARIABLES NO BASICAS
BASICAS Z X1 X2 X3 S1 S2
Z 1 0 0 332 19,485 0
X1 0 1 0 -1.28350515 6.18556701 0
S2 0 0 0 -0.03608247 -0.03092784 1
X2 0 0 1 2.31958763 -5.15463918 0
 Razón más pequeña
SOLUCIÓN
S3
0 0
0 820 1322.58065 VS
0 440 1571.42857
1 150 1500

Razón más pequeña

SOLUCIÓN
S3
0 20,367,742
0 1322.58065 1708.33333
0 69.6774194 454.736842
 1 17.7419355 244.444444 VS

Razón más pequeña

SOLUCIÓN
S3
28,622 20,875,556
-10.6666667 1133.33333 2048.19277
-2.11111111 32.2222222 2071.42857
13.7777778 244.444444 567.010309 VS

28,622

SOLUCIÓN OPTIMA
SOLUCIÓN
S3
33,196 ###
-28.3505155 611.51
-2.60824742 323.74
31.9587629 35.25
EJEMPLO METODO SIMPLEX PRIMAL

Sea el problema como modelo de programación lineal:

Función objetivo:
𝑀𝑎𝑥 𝑧=15.400𝑥_1+14.700𝑥_2+14.000𝑥_3

Sujeto a:
0,62𝑥_1+0,55𝑥_2+0,48𝑥_3+ 𝑆_1≤ 820
0,28𝑥_1+0,33𝑥_2+0,37𝑥_3+ 𝑆_2≤ 440
0,10𝑥_1+0,12𝑥_2+0,15𝑥_3+ 𝑆_3≤ 150

𝑋_1;𝑋_2;𝑋_3≥0

FUNCION OBJETIVO Max Z 20956701

X1 X2 X3
819.587629 567.010309 0
15400 14700 14000

RESTRICCIONES
LADO IZQ LADO DER
0.62 0.55 0.48 820 ≤ 820
0.28 0.33 0.37 416.597938 ≤ 440
0.1 0.12 0.15 150 ≤ 150
SOLUCION OPTIMA
Microsoft Excel 16.0 Informe de sensibilidad
Hoja de cálculo: [Asbleidi Garzon (1).xlsx]SOLVER EJERCICIO 2
Informe creado: 11/11/2023 8:42:08 p. m.

Celdas de variables
Final Reducido Objetivo Permisible Permisible
Celda Nombre Valor Coste Coeficiente Aumentar Reducir
$B$19 X1 819.58762887 0 15400 258.63453815 3150
$C$19 X2 567.01030928 0 14700 3780 143.11111111
$D$19 X3 0 -331.95876289 14000 331.95876289 1E+030

Restricciones
Final Sombra Restricción Permisible Permisible
Celda Nombre Valor Precio Lado derecho Aumentar Reducir
$F$24 LADO IZQ 820 19484.536082 820 110 132.5
$F$25 LADO IZQ 416.59793814 0 440 1E+030 23.402061856
$F$26 LADO IZQ 150 33195.876289 150 8.9723320158 17.741935484
 Coeficiente
Valor Mínimo Un Valor Máximo
X1 12250 15400 15658.6345382
X2 14556.8888889 14700 18480
X3

Disponibilidad
Valor Mínimo bn Valor Máximo
b1
b2 416.597938144 440 1E+030
b3
 Nuevo coeficiente por reducción Nuevo coeficiente por aumento
Valor Mínimo < Nueva Un < Un Un < Nueva Un < Valor Máximo
15390 15650
14680 18400

Nueva disponibilidad por reducción Nueva disponibilidad por aumento

Valor Mínimo < Nueva bn < bn bn < Nueva bn < Valor Máximo

420 950
EJEMPLO METODO SIMPLEX PRIMAL

Sea el problema como modelo de programación lineal:

Función objetivo:
𝑀𝑎𝑥 𝑧=15390𝑥_1+14.680𝑥_2+14.000𝑥_3

Sujeto a:
0,62𝑥_1+0,55𝑥_2+0,48𝑥_3+ 𝑆_1≤ 820
0,28𝑥_1+0,33𝑥_2+0,37𝑥_3+ 𝑆_2≤ 440
0,10𝑥_1+0,12𝑥_2+0,15𝑥_3+ 𝑆_3≤ 150

𝑋_1;𝑋_2;𝑋_3≥0

FUNCION OBJETIVO Max Z 20937164.9

X1 X2 X3
819.587629 567.010309 0
15390 14680 14000

RESTRICCIONES
LADO IZQ LADO DER
0.62 0.55 0.48 820 ≤ 820
0.28 0.33 0.37 416.597938 ≤ 440
0.1 0.12 0.15 150 ≤ 150

CAMBIO POR AUMENTO EN LOS COEFICIENTES DE LA FUNCIÓN OBJETIVO

Función objetivo:
𝑀𝑎𝑥 𝑧=15650𝑥_1+18400𝑥_2+14.000𝑥_3

Sujeto a:

0,62𝑥_1+0,55𝑥_2+0,48𝑥_3+ 𝑆_1≤ 820

0,28𝑥_1+0,33𝑥_2+0,37𝑥_3+ 𝑆_2≤ 440
0,10𝑥_1+0,12𝑥_2+0,15𝑥_3+ 𝑆_3≤ 150
𝑋_1;𝑋_2;𝑋_3≥0
FuncIón objetivo MAX W 23259536.1

X1 X2 X3
819.587629 567.010309 0
15,650 18,400 14,000

Restricciones LAD IZQ LAD DER

0.62 0.55 0.48 820 ≤ 820

0.28 0.33 0.37 416.597938 ≤ 440
0.1 0.12 0.15 150 ≤ 150
 Coeficiente Nuevo coeficiente
Nuevopor
coeficiente
reducciónpor aumento
Valor Mínimo Un ValorValor MínimoUn
Máximo < Nueva
< NuevaUnUn
< Un
< Valor Máximo
X1 12250 15400 15658.6345 15390 15650
X2 14556.8889 14700 18480 14680 18400
X3

SOLUCION OPTIMA
La compañía United Industrial Group, debe producir pasta mecánica de papel , cantidad
de 323,74 y debe generar la cantidad de 611,51 de pasta termo quimica

Coeficiente Nuevo coeficiente

Nuevopor
coeficiente
reducciónpor aumento
Valor Mínimo Un ValorValor MínimoUn
Máximo < Nueva
< NuevaUnUn
< Un
< Valor Máximo
X1 12250 15400 15658.6345 15390 15650
X2 14556.8889 14700 18480 14680 18400
X3
La solución permanece óp
Aumenta la función objeti
La solución de las variables Xn perman

SOLUCIÓN OPTIMA
EJEMPLO METODO SIMPLEX PRIMAL

Sea el problema como modelo de programación lineal:

Función objetivo:
𝑀𝑎𝑥 𝑧=15.400𝑥_1+14.700𝑥_2+14.000𝑥_3

Sujeto a:
0,62𝑥_1+0,55𝑥_2+0,48𝑥_3+ 𝑆_1≤ 820
0,28𝑥_1+0,33𝑥_2+0,37𝑥_3+ 𝑆_2≤ 420
0,10𝑥_1+0,12𝑥_2+0,15𝑥_3+ 𝑆_3≤ 150

𝑋_1;𝑋_2;𝑋_3≥0

FUNCION OBJETIVO Max Z 20956701

X1 X2 X3
819.587629 567.010309 0
15400 14700 14000

RESTRICCIONES
LADO IZQ LADO DER
0.62 0.55 0.48 820 ≤ 820
0.28 0.33 0.37 416.597938 ≤ 420
0.1 0.12 0.15 150 ≤ 150

CAMBIO POR AUMENTO EN LOS COEFICIENTES DE LA FUNCIÓN OBJETIVO

Función objetivo:
𝑀𝑎𝑥 𝑧=15.400𝑥_1+14.700𝑥_2+14.000𝑥_3

Sujeto a:

0,62𝑥_1+0,55𝑥_2+0,48𝑥_3+ 𝑆_1≤ 820

0,28𝑥_1+0,33𝑥_2+0,37𝑥_3+ 𝑆_2≤ 950
0,10𝑥_1+0,12𝑥_2+0,15𝑥_3+ 𝑆_3≤ 150
𝑋_1;𝑋_2;𝑋_3≥0
FuncIón objetivo MAX W 20956701

X1 X2 X3
819.587629 567.010309 0
15,400 14,700 14,000

Restricciones LAD IZQ LAD DER

0.62 0.55 0.48 820 ≤ 820

0.28 0.33 0.37 416.597938 ≤ 950
0.1 0.12 0.15 150 ≤ 150
 Disponibilidad Nueva disponibilidad
Nueva disponibilidad
por reducciónpor aumento
Valor Mínimo bn ValorValor Mínimobn< <Nueva
Máximo Nuevabnbn< <bnValor Máximo
b1
b2 416.597938 440 1E+030 420 950
b3

SOLUCION OPTIMA

Disponibilidad Nueva disponibilidad

Nueva disponibilidad
por reducciónpor aumento
Valor Mínimo bn ValorValor Mínimobn< <Nueva
Máximo Nuevabnbn< <bnValor Máximo
b1
b2 416.597938 440 1E+030 420 950
b3
La solución permanece óp
Aumenta la función objeti
La solución de las variables Xn perman

SOLUCIÓN OPTIMA
 EJEMPLO METODO MÉTODO SIMPLEX DUAL

Sea el problema como modelo de programación lineal:

Función objetivo:
Min 𝑧=9.400𝑥_1+8.500𝑥_2+7.600𝑥_3

Variables
X1: Cantidad de jabón de baño oclusivo
X2: Cantidad de jabón de baño emoliente
X3: Cantidad de jabón de baño humectante

Sea la forma estándar del modelo de programación lineal por el método simplex primal:

Función objetivo:
Min 𝒛=𝟗.𝟒𝟎𝟎𝒙_𝟏+𝟖.𝟓𝟎𝟎𝒙_𝟐+𝟕.𝟔𝟎𝟎𝒙_𝟑

Planteamiento de Restricciones::

C𝒐𝒔𝒕𝒐 𝑻𝒐𝒕𝒂𝒍=𝟗.𝟒𝟎𝟎𝒙_𝟏+𝟖.𝟓𝟎𝟎𝒙_𝟐+𝟕.𝟔𝟎𝟎𝒙_𝟑 ;𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓

G𝒓𝒂𝒔𝒂𝒔 𝑽𝒆𝒈𝒆𝒕𝒂𝒍𝒆𝒔=𝟎,𝟔𝟗𝒙_𝟏+𝟎,𝟕𝟐𝒙_𝟐+𝟎,𝟕𝟓𝒙_𝟑 ; 𝟔𝟓𝟎 (𝑻𝒐𝒏𝒆𝒍𝒂𝒅𝒂𝒔)

aceites esenciales =𝟎,𝟎𝟗𝒙_𝟏+𝟎,𝟎𝟕𝒙_𝟐+𝟎,𝟎𝟓𝒙_𝟑 ; 𝟓𝟎 (𝑻𝒐𝒏𝒆𝒍𝒂𝒅𝒂𝒔)

hidróxido de sodio =𝟎,𝟐𝟐𝒙_𝟏+𝟎,𝟐𝟏𝒙_𝟐+𝟎,𝟐𝟎𝒙_𝟑 ; 𝟏𝟖𝟎(𝑻𝒐𝒏𝒆𝒍𝒂𝒅𝒂𝒔)

Forma estandar

Z - 𝟗.𝟒𝟎𝟎𝒙_𝟏−𝟖.𝟓𝟎𝟎𝒙_𝟐−𝟕.𝟔𝟎𝟎𝒙_𝟑=𝟎

−𝟎,𝟔𝟗𝒙_𝟏−𝟎,𝟕𝟐𝒙_𝟐−𝟎,𝟕𝟓𝒙_𝟑+𝑺_𝟏=−𝟔𝟓𝟎
−𝟎,𝟎𝟗𝒙_𝟏−𝟎,𝟎𝟕𝒙_𝟐−𝟎,𝟎𝟓𝒙_𝟑+𝑺_𝟐=−𝟓𝟎

−𝟎,𝟐𝟐𝒙_𝟏−𝟎,𝟐𝟏𝒙_𝟐 −𝟎,𝟐𝟎𝒙_𝟑+𝑺_𝟑=−𝟏𝟖𝟎

Aplicando el metodo simplex:

Tabla inicial:

VARIABLES VARIABLES NO BASICAS

BASICAS
 VARIABLES
BASICAS Z X1 X2 X3 S1
Z 1 -9400 -8500 -7600 0
S1 0 -0.69 -0.72 -0.75 1
S2 0 -0.09 -0.07 -0.05 0
S3 0 -0.22 -0.21 -0.2 0

Razon más negativo 13,623.19 11,805.56 10,133.33 0.00

VE

Iteración 1:

VARIABLES VARIABLES NO BASICAS

BASICAS Z X1 X2 X3 S1
Z 1 -2408 -1204 0 -10133.3333
X3 0 0.92 0.96 1 -1.33333333
S2 0 -0.044 -0.022 0 -0.06666667
S3 0 -0.036 -0.018 0 -0.26666667

Razon más negativo 54,727.27 54,727.27 #DIV/0! 152,000.00

VE

Iteración 2:

VARIABLES VARIABLES NO BASICAS

BASICAS Z X1 X2 X3 S1
Z 1 0 0 0 -6484.84848
X3 0 0 0.5 1 -2.72727273
X2 0 1 0.5 0 1.515151515
S3 0 0 0 0 -0.21212121

Razon más negativo #DIV/0! #DIV/0! #DIV/0! 30,571.43

VE

Iteración 3:

VARIABLES VARIABLE NO BASICAS

BASICAS Z X1 X2 X3 S1
Z 1 0 0 0 0
X3 0 0 0.5 1 0
X2 0 1 0.5 0 0
S1 0 0 0 0 1
implex primal:

AS
SOLUCION
 SOLUCION
S2 S3 VALOR MAS NEGATIVO
0 0 0
0 0 -650 -650 VS
1 0 -50 -50
0 1 -180 -180

#DIV/0! #DIV/0!

AS
SOLUCION
S2 S3 VALOR MAS NEGATIVO
0 0 6586666.667
0 0 866.6666667 866.6666667
1 0 -6.66666667 -6.66666667 VS
0 1 -6.66666667 -6.66666667

0.00 #DIV/0!

AS
SOLUCION
S2 S3 VALOR MAS NEGATIVO
-54727.2727 0 6951515.152
20.90909091 0 727.2727273 727.2727273
-22.7272727 0 151.5151515 151.5151515
-0.81818182 1 -1.21212121 -1.21212121 VS

66,888.89 0.00

AS
SOLUCION
S2 S3
-29714.2857 -30571.4286 6988571.429 SOLUCION OPTIMA
31.42857143 -12.8571429 742.8571429
-28.5714286 7.142857143 142.8571429 Se deben generar de:
3.857142857 -4.71428571 5.714285714 jabón de baño oclusivo : 0 Ton
jabón de baño emoliente: 142 Ton
jabón de baño humectante: 742 Ton
 Ton
42 Ton
EJEMPLO METODO SIMPLEX PRIMAL

Sea el problema como modelo de programación lineal:

Función objetivo:
Min 𝑧=9.400𝑥_1+8.500𝑥_2+7.600𝑥_3

Sujeto a:

FUNCION OBJETIVO Min Z 6988571.43

X1 X2 X3
142.857143 0 742.857143
9400 8500 7600

RESTRICCIONES
LADO IZQ LADO DER
0.69 0.72 0.75 655.714286 ≥ 650
0.09 0.07 0.05 50 ≥ 50
0.22 0.21 0.2 180 ≥ 180
SOLUCION OPTIMA

Se deben generar de:

jabón de baño oclusivo : 0 Ton
jabón de baño emoliente: 142 Ton
jabón de baño humectante: 742 Ton