SOLUCION DE MODELOS DE PROGRAMACION LINEAL DE

OPTIMIZACION

TAREA 3

PRESENTADO A:

MANUEL ALEJANDRO LOZADA

TUTOR

ENTREGADO POR:

FRANCISCO ANDRADE BECERRA

COD. 1088274791
RICARDO SEBASTIAN LINARES GONZALEZ
COD. 1113040692
JEFFERSON ANGULO RIASCOS
COD. 1111747270

Grupo:

100404_211

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ESCUELA DE CIENCIAS BÁSICAS, INGENIERÍAS Y TECNOLOGÍAS

PROGRAMACION LINEAL
NOVIEMBRE DE 2020
 Ejercicio 1. Analisis de dualidad

Se presenta la siguiente situación problema de programación lineal:

La empresa PAINTCOL Co., produce pintura tipo A a un costo de USD1.120, la pintura tipo B a un co
Para la producción de pintura tipo A, se necesitan 72 t de pigmento, 5 t de aglutinante y 50 t de disolve
aglutinante y 30 t de disolvente y la pintura tipo C necesita 25 t de pigmento, 45 t de aglutinante y 35 t
menos 1.700 t de pigmento, 1.500 t de aglutinante y 1.100 t de disolvente.

¿Qué cantidad de cada tipo de pintura debe producir PAINTCOL Co. con los recursos disponibles para

A partir de la situación problema:

1. Formular el problema como un modelo de programación lineal. En hoja de cálculo (Excel), formular el proble
por recursos y restricción de no negatividad. En adelante se denominará el problema primal.

2. Solucionar el problema primal por el método simplex dual. En hoja de cálculo (Excel), plantear la fo
método simplex dual y construir las tablas de las iteraciones de la solución problema primal por el mét
lineal.

Ejercicio 1. Analisis de dualidad (simplex dual)

Formular el problema como un modelo de programación lineal.

Funcion objetivo:
𝑀𝑖𝑛 𝑍=1120𝑥_1+1596𝑥_2+1764𝑥_3

Sujeto a:
72𝑥_1+28𝑥_2+25𝑥_3≥1700
5𝑥_1+35𝑥_2+45𝑥_3≥1500
50𝑥_1+30𝑥_2+35𝑥_3≥1100
𝑥_1 𝑥_2,𝑥_3≥0

Forma estandar del metodo simplex dual:

𝑴𝒊𝒏 𝒁−𝟏𝟏𝟐𝟎𝒙_𝟏−𝟏𝟓𝟗𝟔𝒙_𝟐−𝟏𝟕𝟔𝟒𝒙_𝟑=𝟎
−72𝑥_1−28𝑥_2−25𝑥_3+𝑆_1=−1700
−5𝑥_1−35𝑥_2−45𝑥_3+𝑆_2=−1500
−50𝑥_1−30𝑥_2−35𝑥_3+𝑆_3=−1100
𝑥_1 𝑥_2,𝑥_3,𝑆_1,𝑆_2,𝑆_3≥0

Solucionar el modelo de programación lineal por el método simplex dual.

Interacion 0:
VARIABLES VARIABLES NO BASICAS
BASICAS Z X1 X2 X3
Z 1 -1120 -1596 -1764
S1 0 -72 -28 -25
S2 0 -5 -35 -45
S3 0 -50 -30 -35

Razon 15.5555556 57 70.56

Interacion 1:
VARIABLES VARIABLES NO BASICAS
BASICAS Z X1 X2 X3
Z=1120*X1+Z' Z 1 0 -1160.44444 -1375.11111
S1'/-72 X1 0 1 0.38888889 0.34722222
S2=5*X1+S2' S2 0 0 -33.0555556 -43.2638889
S3=500*X1+S3' S3 0 0 -10.5555556 -17.6388889

Razon 0 35.1058824 31.7842697

Interacion 2:
VARIABLES VARIABLES NO BASICAS
BASICAS Z X1 X2 X3
Z=1375*X3+Z' Z 1 0 -109.797753 0
X1=-0.35*X3+X1' X1 0 1 0.12359551 0
S2'/-43.3 X3 0 0 0.76404494 1
S3=17.6*X3+S3' S3 0 0 2.92134831 0

Razon

NOTA 1: Para que la solucion sea una solucion optima se deben de cumplir dos condiciones:

1. Todas la cifras de la columna resultado deben de ser positivas

2. Todas las cifras de la fila Z deben ser cero o negativas(X1,X2,X3,S1,S2,S3).

SOLUCION OPTIMA:

Z 70368.539326
X1 12.520064205
 X2 0
X3 31.942215088

Interpretar los resultados de la solución del modelo de programación lineal para la toma de decisiones.

¿Qué cantidad de cada tipo de pintura debe producir PAINTCOL Co. con los recursos disponibles para minimizar l

R// Las cantidad del tipo de pintura seria:

TIPO DE PINTURA Unidades Para garantizar un costo minimo de producc

TIPO A 13
Costo
TIPO B 0 minimo de
TIPO C 32 produccion

3. Formular el problema dual a partir del problema primal. En hoja de cálculo (Excel), formular el pro
plantear la función objetivo dual, las restricciones duales por recursos y restricción de no negatividad

4. Solucionar el problema dual por el método simplex primal. En hoja de cálculo (Excel), plantear la forma está
simplex primal del problema dual y construir las tablas de las iteraciones de la solución del problema dual por
primal. En Excel QM, encontrar la solución del problema dual.

Ejercicio 1. Analisis de dualidad (simplex primal)

Formular el problema como un modelo de programación lineal.

Funcion objetivo: SOLVER

𝑀𝑖𝑛 𝑍=1120𝑥_1+1596𝑥_2+1764𝑥_3
Funcion obje
Sujeto a: Restriccion
72𝑥_1+28𝑥_2+25𝑥_3≥1700 Restriccion
5𝑥_1+35𝑥_2+45𝑥_3≥1500 Restriccion
50𝑥_1+30𝑥_2+35𝑥_3≥1100
𝑥_1 𝑥_2,𝑥_3≥0

Sea el problema dual:

Funcion objetivo:
𝑀𝑎𝑧 𝑊=1700𝑦_1+1500𝑦_2+1100𝑦_3
Sujeto a:
72𝑦_1+5𝑦_2+50𝑦_3≤1120
28𝑦_1+35𝑦_2+30𝑦_3≤1596
25𝑦_1+45𝑦_2+35𝑦_3≤1764
𝑦_1 𝑦_2,𝑦_3 𝐼𝑟𝑟𝑒𝑠𝑡𝑟𝑖𝑐𝑡𝑎𝑠

Forma estandar del metodo simplex primal:

𝑴𝒂𝒛 𝑾−𝟏𝟕𝟎𝟎𝒚_𝟏−𝟏𝟓𝟎𝟎𝒚_𝟐−𝟏𝟏𝟎𝟎𝒚_𝟑=𝟎
72𝑦_1+5𝑦_2+50𝑦_3+𝑆_1=1120
28𝑦_1+35𝑦_2+30𝑦_3+𝑆_2=1596
25𝑦_1+45𝑦_2+35𝑦_3+𝑆_3=1764
𝑦_1 𝑦_2,𝑦_3,𝑆_1,𝑆_2,𝑆_3 𝐼𝑟𝑟𝑒𝑠𝑡𝑟𝑖𝑐𝑡𝑎𝑠

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

Interacion 0:
VARIABLES VARIABLES NO BASICAS
BASICAS W Y1 Y2 Y3
W 1 -1700 -1500 -1100
S1 0 72 5 50
S2 0 28 35 30
S3 0 25 45 35

Interacion 1:
VARIABLES VARIABLES NO BASICAS
BASICAS W Y1 Y2 Y3
W=1700*Y1+W' W 1 0 -1381.9444 80.5555556
S1'/72 Y1 0 1 0.06944444 0.69444444
S2=-28*Y1+S2' S2 0 0 33.0555556 10.5555556
S3=-25*Y1+S3' S3 0 0 43.2638889 17.6388889

Interacion 2:
VARIABLES VARIABLES NO BASICAS
BASICAS W Y1 Y2 Y3
W=1381*Y2+W' W 1 0 0 643.980738
Y1=-0.07*Y2+Y1'Y1 0 1 0 0.66613162
S2=-33.05*Y2+S2'S2 0 0 0 -2.9213483
S3'/43.3 Y2 0 0 1 0.40770465

NOTA 1: Para que la solucion sea una solucion optima se deben de cumplir dos condiciones:

1. Al revisar las columnas de las variables basicas (Y1,Y2.S2) que no tengan numeros negativos
2. La fila de W no debe de tener numeros negativos.

NOTA 2: Como Y3 no esta en las variables basicas, esto significa que Y3 es igual a cero (0).

SOLUCION OPTIMA:

W 70369 X1
Y1 13 1700 13
Y2 32
Y3 0

Interpretar los resultados de la solución del modelo de programación lineal para la toma de decisiones.

¿Qué cantidad de cada tipo de pintura debe producir PAINTCOL Co. con los recursos disponibles para m
costos de producción?

R// El costo de produccion por unidad de cada ingrediente

Ingredientes COSTO
Pigmento 13
Aglutinante 32
Disolvente 0

Para un costo de produccion de:

Costo de
produccion $ 70,369
20, la pintura tipo B a un costo de USD1.596 y la pintura tipo C a un costo de USD1.764.
aglutinante y 50 t de disolvente. La pintura tipo B requiere 28 t de pigmento, 35 t de
o, 45 t de aglutinante y 35 t de disolvente. El inventario de la empresa cuenta con por lo

os recursos disponibles para minimizar los costos de producción?

culo (Excel), formular el problema como un modelo de programación lineal, plantear la función objetivo, las restricciones
ema primal.

álculo (Excel), plantear la forma estándar del método simplex dual al problema primal, diseñar la tabla inicial del
problema primal por el método simplex dual. En Excel QM, encontrar la solución del problema programación

1120 1596 1764

tipo A tipo B tipo C inventario
pigmento 72 28 25 1700
aglutinante 5 35 45 1500
disolvente 50 30 35 1100

SOLVER
X1 X2 X3 Resultado Formula
Funcion objetivo 1120 1596 1764 70368.5393
Restriccion 1 72 28 25 >= 1700 1700
Restriccion 2 5 35 45 >= 1500 1500
Restriccion 3 50 30 35 >= 1100 1743.98074

Z 70368.5393
X1 12.5200642
X2 0
X3 31.9422151
ABLES NO BASICAS
Solucion
S1 S2 S3 Valor mas
0 0 0 0 negativo
1 0 0 -1700 -1700
0 1 0 -1500 -1500
0 0 1 -1100 -1100

ABLES NO BASICAS
Solucion
S1 S2 S3 Valor mas
-15.555555555556 0 0 26444.4444 negativo
-0.0138888888889 0 0 23.6111111 23.611111111
-0.0694444444444 1 0 -1381.94444 -1381.944444
-0.6944444444444 0 1 80.5555556 80.555555556

ABLES NO BASICAS
Solucion
S1 S2 S3 Valor mas
-13.348314606742 -31.7842697 0 70368.5393 negativo
-0.0144462279294 0.00802568 0 12.5200642
0.0016051364366 -0.02311396 0 31.9422151
-0.6661316211878 -0.40770465 1 643.980738
ra la toma de decisiones.

s disponibles para minimizar los costos de producción?

r un costo minimo de produccion que seria de:

$ 70,369

ulo (Excel), formular el problema dual a partir del problema primal como un modelo de programación lineal,
tricción de no negatividad o irrestrictas.

(Excel), plantear la forma estándar del método simplex primal del problema dual, diseñar la tabla inicial del método
lución del problema dual por el método simplex

Y1 Y2 Y3 Resultado Formula
1700 1500 1100 70368.53933
72 5 50 <= 1120 1120
28 35 30 <= 1596 1486.202247
25 45 35 <= 1764 1764

W 70368.5393
Y1 13.3483146
Y2 31.7842697
Y3 0
BLES NO BASICAS
Solucion
S1 S2 S3
0 0 0 0 Razon
1 0 0 1120 15.55555556
0 1 0 1596 57
0 0 1 1764 70.56

BLES NO BASICAS
Solucion
S1 S2 S3
23.611111111111 0 0 26444.4444 Razon
0.0138888888889 0 0 15.5555556 224
-0.388888888889 1 0 1160.44444 35.10588235
-0.347222222222 0 1 1375.11111 31.78426966

BLES NO BASICAS
Solucion
S1 S2 S3
12.520064205458 0 31.9422151 70368.5393
0.0144462279294 0 -0.0016051 13.3483146
-0.123595505618 1 -0.7640449 109.797753
 -0.008025682183 0 0.02311396 31.7842697

os condiciones:

numeros negativos

gual a cero (0).

X2 X3
1500 32 1100 0=

ra la toma de decisiones.

recursos disponibles para minimizar los

o, las restricciones

la tabla inicial del

a programación
mación lineal,

l del método
Ejercicio 2. Analisis de sensibilidad.
Se presenta la siguiente situación problema de programación lineal:

A partir de la situación problema:

La empresa CHOCOLATES Co., produce tres bases de chocolates, dulce y le genera una utilidad de US

Para producir chocolate dulce, requiere 12 t de cacao, 12 t manteca de cacao y 12 t de azúcar. Para prod
chocolate amargo, requiere 12 t de cacao, 1 t de manteca de cacao y 1 t de azúcar. El inventario de la em

¿Qué cantidad de cada base de chocolate debe producir CHOCOLATES Co. con los recursos disponibl

1. Formular el problema como un modelo de programación lineal. En hoja de cálculo (Excel), formular el pro
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), plant
modelo de programación lineal, diseñar la tabla inicial del método simplex primal y construir las tablas de las i
lineal por el método simplex primal. En Excel QM, encontrar la solución del problema programación lineal.

1700 1400 1200

dulce semidulce amargo inventario
cacao 12 12 12 1000
manteca cacao 12 6 1 500
azucar 12 1 1 700

Formular el problema como un modelo de programación lineal.

Funcion objetivo:
𝑀𝑎𝑧 𝑍=1700𝑥_1+1400𝑥_2+1200𝑥_3

Sujeto a:
12𝑥_1+12𝑥_2+12𝑥_3≤1000
12𝑥_1+6𝑥_2+1𝑥_3≤500
12𝑥_1+1𝑥_2+1𝑥_3≤700
𝑥_1 𝑥_2,𝑥_3≥0

Forma estandar del metodo simplex primal:

𝑴𝒂𝒛 𝒁−𝟏𝟕𝟎𝟎𝒙_𝟏−𝟏𝟒𝟎𝟎𝒙_𝟐−𝟏𝟐𝟎𝟎𝒙_𝟑=𝟎
 12𝑥_1+12𝑥_2+12𝑥_3+𝑆_1=1000
12𝑥_1+6𝑥_2+1𝑥_3+𝑆_2=500
12𝑥_1+1𝑥_2+1𝑥_3+𝑆_3=700
𝑥_1 𝑥_2,𝑥_3,𝑆_1,𝑆_2,𝑆_3≥0

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

Interacion 0:
VARIABLES VARIABLES NO
BASICAS Z X1 X2
Z 1 -1700 -1400
S1 0 12 12
S2 0 12 6
S3 0 12 1

Interacion 1:
VARIABLES VARIABLES NO
BASICAS Z X1 X2
Z=170*X1+Z' Z 1 0 -550
S1=-110*X1+S1' S1 0 0 6
S2=-20000*X1+S2' X1 0 1 0.5
S3'/10 S3 0 0 -5

Interacion 2:
VARIABLES VARIABLES NO
BASICAS Z X1 X2
Z=55*X2+Z' Z 1 0 27.2727273
X1=-35*X2+X1' X3 0 0 0.54545455
X2/40000 X1 0 1 0.45454545
S3=-0.5*X2+S3' S3 0 0 -5

NOTA 1: Para que la solucion sea una solucion optima se deben de cumplir dos condiciones:

1. Al revisar las columnas de las variables basicas (X1,X3.S3) que no tengan numeros negativos
2. La fila de Z no debe de tener numeros negativos.

NOTA 2: Como X3 no esta en las variables basicas, esto significa que X3 es igual a cero (0).
SOLUCION OPTIMA:

Z 118939
X1 37.9 1700
X2 0
X3 45.4545454545455

3. Interpretar los resultados de la solución del modelo de programación lineal para la toma de decisiones.

¿Cuántos videojuegos de cada tipo se deben vender en el lanzamiento para obtener la mayor utilidad pos
disponibles?

R// Las cantidades que se deberian vender serian:

Videojuego Unidades
Arcade 38
Estrategia 0
Simulacion 45

Para obtener la mayor utilidad posible con los recursos disponibles que seria de:

Mayor utilidad
Posible $ 118,939

3. Realizar el análisis de sensibilidad a la solución óptima simplex primal del modelo de programación lineal. En
para:

a. Analizar los cambios de 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

AUMENTO Y REDU
Formular el problema como un modelo de programación lineal.

Funcion objetivo:
𝑀𝑎𝑧 𝑍=13000𝑥_1+1400𝑥_2+1600𝑥_3
Sujeto a:
12𝑥_1+12𝑥_2+12𝑥_3≤1000
12𝑥_1+6𝑥_2+1𝑥_3≤500
12𝑥_1+1𝑥_2+1𝑥_3≤700
𝑥_1 𝑥_2,𝑥_3≥0

La solucion permanece optima

Aumenta la funcion objetivo (Z)
La solucion de las variables X1,X2,X3, permanecen costantes

CAMBIO DISPO
Formular el problema como un modelo de programación lineal.

Funcion objetivo:
𝑀𝑎𝑧 𝑍=1700𝑥_1+1400𝑥_2+1200𝑥_3
b1
Sujeto a: b2
12𝑥_1+12𝑥_2+12𝑥_3≤1000 b3
12𝑥_1+6𝑥_2+1𝑥_3≤500
12𝑥_1+1𝑥_2+1𝑥_3≤1000 Cambio de disponibilida
𝑥_1 𝑥_2,𝑥_3≥0
SOLVER

Funcion obje
La solucion permanece optima Restriccion
La funcion objetivo (Z) permanece constante Restriccion
La solucion de las variables X1,X2,X3, permanecen constantes Restriccion
enera una utilidad de USD1.700, semidulce y le genera una utilidad de USD1.400 y amargo y le genera una utilidad de USD1.20

12 t de azúcar. Para producir chocolate semidulce, requiere 12 t de cacao, 6 t de manteca de cacao y 1 t de azúcar. Para elaborar e
ar. El inventario de la empresa cuenta con una disponibilidad máxima de 1.000 t de cacao, 500 t de manteca de cacao y 700 t de a

n los recursos disponibles para maximizar sus utilidades?

o (Excel), formular el problema como un modelo de programación lineal, plantear la

a de cálculo (Excel), plantear la forma estándar del método simplex primal al

onstruir las tablas de las iteraciones de la solución del modelo de programación
programación lineal.

SOLVER
X1 X2 X3 Resultado
Funcion objetivo 1700 1400 1200
Restriccion 1 12 12 12 <= 1000
Restriccion 2 12 6 1 <= 500
 Restriccion 3 12 1 1 <= 700

Z 118939.394
X1 37.8787879
X2 0
X3 45.4545455

VARIABLES NO BASICAS
Solucion
X3 S1 S2 S3
-1200 0 0 0 0
12 1 0 0 1000
1 0 1 0 500
1 0 0 1 700

VARIABLES NO BASICAS
Solucion
X3 S1 S2 S3
-1058.33333333 0 141.666667 0 70833.3333333333
11 1 -1 0 500
0.083333333333 0 0.08333333 0 41.6666666666667
0 0 -1 1 200

VARIABLES NO BASICAS
Solucion
X3 S1 S2 S3
0 96.2121212 45.4545455 0 118939.393939394
1 0.09090909 -0.0909091 0 45.4545454545455
0 -0.0075758 0.09090909 0 37.8787878787879
0 0 -1 1 200

ondiciones:

eros negativos

l a cero (0).
 X1 X2 X3
38 1400 0 1200 45.4545454545455 =

a la toma de decisiones.

er la mayor utilidad posible con los recursos

e programación lineal. En hoja de cálculo (Excel), tomar el Informe de Sensibilidad que arroja Excel QM luego de encontrar la solución óptim

la función objetivo.
ones

TO Y REDUCCION COEFICIENTES

Nuevo coeficiente
 Valor Minimo Valor Maximo
X1 1640 14400 13000

X3 1150 1700 1600

SOLVER
X1 X2 X3 Resultado
Funcion objetivo 13000 1400 1600
Restriccion 1 12 12 12 <= 1000
Restriccion 2 12 6 1 <= 500
Restriccion 3 12 1 1 <= 700

Z 565151.515
X1 37.8787879
X2 0
X3 45.4545455

BIO DISPONIBILIDAD EN RESTRINCIONES

Nueva disponibilidad
Valor Minimo Valor Maximo

500 1E+030 1000

Cambio de disponibilidad en la restriccion

X1 X2 X3 Resultado Formula
1700 1400 1200 118939.394
12 12 12 <= 1000 1000
12 6 1 <= 500 500
12 1 1 <= 1000 500

Z 118939.394
X1 37.8787879
X2 0
X3 45.4545455
a una utilidad de USD1.200.

de azúcar. Para elaborar el

nteca de cacao y 700 t de azúcar.

Formula
118939.394
1000
500
 500

Razon
83.3333333
41.6666667
58.3333333

Razon
45.4545455
500
#DIV/0!
 118939

de encontrar la solución óptima

Formula
565151.515
1000
500
500
Microsoft Excel 16.0 Informe de sensibilidad
Hoja de cálculo: [Tarea 3_Francisco Andrade.xlsx]Solucion 1
Informe creado: 17/11/2020 12:48:24 p. m.

Celdas de variables
Final Reducido Objetivo Permisible Permisible
Celda Nombre Valor Coste Coeficiente Aumentar Reducir
$H$28 X1 X2 37.87878788 0 1700 12700 60
$H$29 X2 X2 0 -27.27272727 1400 27.27272727 1E+030
$H$30 X3 X2 45.45454545 0 1200 500 50

Restricciones
Final Sombra Restricción Permisible Permisible
Celda Nombre Valor Precio Lado derecho Aumentar Reducir
$L$23 <= Formula 1000 96.21212121 1000 5000 500
$L$24 <= Formula 500 45.45454545 500 200 416.6666667
$L$25 <= Formula 500 0 700 1E+030 200
 Nuevo coeficiente
Valor Minimo Valor Maximo
X1 1640 14400 13000
X2
X3 1150 1700 1700

Nueva disponibilidad
Valor Minimo Valor Maximo
b1
b2
b3 500 1E+030 1000
 Ejercicio 3. Análisis post-óptimo.
Se presenta la siguiente situación problema de programación lineal:
Containers de Colombia Co., produce tres clases de contenedores para transporte marítimo: High Cub
acero Corten cromo y acero corten níquel.

El contenedor High Cube tiene un costo de US$31.428, el contenedor Open Side tiene un costo de US
High Cube requiere 7 toneladas de acero Corten cobre, 3 toneladas de acero Corten cromo y 3 tonelad
toneladas de acero Corten cromo y 3 toneladas de acero Corten níquel y el contendor Dry Van requier
Corten níquel. Su planta de producción dispone como mínimo de 11.500 toneladas de acero Corten co

La gerencia financiera requiere optimizar los costos percibidos por contenedor y pide a la gerencia de

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 dual:

En hoja de cálculo (Excel), plantear la forma estándar del método simplex dual al modelo de programación lin
iteraciones de la solución del modelo de programación lineal por el método simplex dual.

X1 X2 X3
Contener High Contenedor Open Contenedor Dry
Cube side van
COSTOS (USD) $ 31,428.00 $ 25,714.00 $ 37,142.00
Acero corten Cobre(t) 7 3 5
Acero corten Cromo (t) 3 4 4
Acero corten Niquel (t) 3 3 6

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 fun
no negatividad.

FUNCION OBJETIVO = MINIZACION

MINIMIZAR Z = U1X1 +U2X2 + U3X3
MIN Z = 31,428X1 + 25,714X2 + 37,142X

RESTRINCIONES POR RECURSOS Y RESTRINCION DE N

 7X1 + 3X2 +
3X1 + 4X2 +
3X1 + 3X2 +

FORMA ESTANDAR DEL MODELO DE PROGRA

MIN Z - 31428 X1 - 25714 X2
- 7X1 - 3X2
- 3X1 - 4X2
- 3X1 - 3X2

X1,X2,X3,S1,S2,S3

Tabla inicial:
Condición de factibilidad: la variable saliente (VS) es la variable básica con la razon más negativa. Si to
Condición de optimidad: la variable entrante (VE) es la variable no basica asociada con la razón mas pe

VARIAB
INTERACCION 0
Z X1
1 -31428
Z
VARIABLES
S1 0 -7
BASICAS
S2 0 -3
S3 0 -3
VE
Razón 4489.714

VARIAB
INTERACCION 1
Z X1
1 0
Z
VARIABLES
X1 0 1
BASICAS
S2 0 0
S3 0 0

Razón #DIV/0!

VARIAB
INTERACCION 2
 INTERACCION 2
Z X1
1 0
Z
VARIABLES
X1 0 1
BASICAS
S2 0 0
X3 0 0

Razón #DIV/0!

VARIAB
INTERACCION 3
Z X1
1 0
Z
VARIABLES
X1 0 1
BASICAS
X2 0 0
X3 0 0

Razón 0

NOTA:
La solucion es optima porque cumple con las condiciones de :

*las columnas de las variables basicas (X1,X2.X3) no tienen numeros negativos

*En La fila de Z sus numeros son - o 0.

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

FUNCION OBJETIVO
MIN Z = 31,428X1 + 25,714X2 + 37,142X3

SUJETO A
-7X1-3X2-5X3+S1 = -11500
-3X1-4X2-4X3+S2 = -7500
-3X1-3X2-6X3+S3 = -8000
X1,X2,X3,S1,S2,S3 >= 0
-7X1-3X2-5X3+S1 = -11500
-3X1-4X2-4X3+S2 = -7500
-3X1-3X2-6X3+S3 = -8000
X1,X2,X3,S1,S2,S3 >= 0

FUNCION OBJETIVO MAX Z $ 66,637,451

X1 X2 X3
1010 578 539
31428 25714 37142

RESTRINCIONES
X1 X2 X3
7 3 5
3 4 4
3 3 6

3. Realizar el análisis post-óptimo a la solución óptima simplex dual del modelo de programación lineal.
En hoja de cálculo (Excel), tomar el Informe de Sensibilidad que arroja Excel QM luego de encontrar la solución

a. Realizar los cambios que afectan la factibilidad:

1. Cambios en el lado derecho.
2. Adición de una nueva restricción.

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

FUNCION OBJETIVO
MIN Z = 31,428X1 + 25,714X2 + 37,142X3

SUJETO A

7X1+3X2+5X3 = 16500
3X1+4X2+4X3 = 9800
3X1+3X2+6X3 = 10300
X1,X2,X3 >= 0

FUNCION OBJETIVO MAX Z $ 50,549,063

X1 X2 X3
291 874 510
 RESTRINCIONES
X1 X2 X3
31428 25714 37142
7 3 5
3 4 4
3 3 6

Con nuevos valores propuestos:

Es rentable hacer el cambio, ya que optimizariamos los costos de produccion en un 7% vamos a ma
igual a la original en totalidad de productos (2133 vs 2127), aunque nos tocaria ajustar la cantidad
tipos de contenedores y las ganacias pueden ser muy similares a las originales
2133

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

FUNCION OBJETIVO
MIN Z = 31,428X1 + 25,714X2 + 37,142X3

SUJETO A

7X1+3X2+5X3 = 11500
3X1+4X2+4X3 = 7500
3X1+3X2+6X3 = 8000
5X1 +4X2+4X3 = 9500
 FUNCION OBJETIVO
MIN Z = 31,428X1 + 25,714X2 + 37,142X3

SUJETO A

7X1+3X2+5X3 = 11500
3X1+4X2+4X3 = 7500
3X1+3X2+6X3 = 8000
5X1 +4X2+4X3 = 9500
X1,X2,X3 >= 0

FUNCION OBJETIVO MAX Z $ 66,637,451

X1 X2 X3
1010 578 539

RESTRINCIONES
X1 X2 X3
31428 25714 37142
7 3 5
3 4 4
3 3 6
5 4 4

b. Realizar los cambios que afectan la optimalidad:

1. Cambios en los coeficientes de la función objetivo.
2. Adición de una nueva actividad.

FUNCION OBJETIVO
MIN Z = 22000X1 + 19500X2 + 30000X3
SUJETO A

7X1+3X2+5X3 = 11500
3X1+4X2+4X3 = 7500
3X1+3X2+6X3 = 8000

X1,X2,X3 >= 0

F.O
 X1 X2 X3
1010 578 539
22000 19500 30000

Restricciones

7 3 5
3 4 4
3 3 6

Con los nuevos valores minimos

LA OPCION ES MUY BUENA PORQUE LOGRAMOS REDUCIR LOS COSTOS DE PRODUC
OPTIMIZAMOS LOS RECURSOS LO QUE NOS VA A GENERAR UNAS MEJORES GANAN
UNIDADES DE PRODUCCION OPTIMAS PROGRAMADAS.

La solución permanece óptima

Disminuye la fución objetivo Z
La solución de las variables Xn permanecen constantes

FUNCION OBJETIVO
MIN Z = 31,428X1 + 25,714X2 + 37,142X3+35000X4

SUJETO A

7X1+3X2+5X3+5X4 = 11500
3X1+4X2+4X3+4X4 = 7500
3X1+3X2+6X3+4X4 = 8000
 FUNCION OBJETIVO
MIN Z = 31,428X1 + 25,714X2 + 37,142X3+35000X4

SUJETO A

7X1+3X2+5X3+5X4 = 11500
3X1+4X2+4X3+4X4 = 7500
3X1+3X2+6X3+4X4 = 8000

X1,X2,X3 >= 0

F.O

X1 X2 X3 X4
1010 578 539 0
31428 25714 37142 35000

Restricciones

7 3 5 5
3 4 4 4
3 3 6 4

SOLUCION OPTIMA SIN CAMBIOS

No sucede ningun cambio significativo al adicionar un 4to contenedor a nuestra linea de productos, Si pr
va ver afectado el costo de produccion y las unidades de produccion de los demas contenedores debido a
mayor costo es menos rentable y no es viable

La solución permanece óptima

Disminuye la fución objetivo Z
La solución de las variables Xn permanecen constantes
 ineal:
s para transporte marítimo: High Cube, Open Side y Dry Van y utiliza tres tipos de acero Corten como materia prima: acero Cort

nedor Open Side tiene un costo de US$25.714 y el contenedor Dry Van tiene un costo de US$37.142. Para su producción, el con
das de acero Corten cromo y 3 toneladas de acero Corten níquel, el contenedor Open Side requiere 3 toneladas de acero Corten co
níquel y el contendor Dry Van requiere 5 toneladas de acero Corten cobre, 4 toneladas de acero Corten cromo y 6 toneladas de ac
e 11.500 toneladas de acero Corten cobre, 7.500 toneladas de acero Corten cromo y 8.000 toneladas de acero Corten níquel.

or contenedor y pide a la gerencia de producción, evaluar la cantidad óptima de cada clase de contenedor a producir.

x dual:
plex dual al modelo de programación lineal, diseñar la tabla inicial del método simplex dual y construir las tablas de las
método simplex dual.

DISPONIBILIDAD
11500
7500
8000

de programación lineal, plantear la función objetivo, las restricciones por recursos y restricción de

CION OBJETIVO = MINIZACION

IMIZAR Z = U1X1 +U2X2 + U3X3
Z = 31,428X1 + 25,714X2 + 37,142X3

RECURSOS Y RESTRINCION DE NO NEGATIVIDAD

 5X3 >= 11500 Acero corten Cobre
4X3 >= 7500 Acero corten Cromo
6X3 >= 8000 Acero corten Niquel
RESTRINCCION DE
X1,X2,X3 >=0
NO NEGATIVIDAD

NDAR DEL MODELO DE PROGRAMACION LINEAL SIMPLEX DUAL

- 37142 X3 =
- 5X3 + S1 =
- 4X3 + S2 =
- 6X3 + S3 =

X1,X2,X3,S1,S2,S3 > = 0

básica con la razon más negativa. Si todas las variables básicas son no negativas, el proceso termina
o basica asociada con la razón mas pequeña

VARIABLES NO BASICAS
X2 X3 S1 S2 S3
-25714 -37142 0 0 0
-3 -5 1 0 0
-4 -4 0 1 0
-3 -6 0 0 1

8571.333 7428.400

VARIABLES NO BASICAS
X2 X3 S1 S2 S3
-12245 -14693 -4490 0 0
0.43 0.71 -0.14 0 0
-3 -2 0 1 0
-1.71 -3.86 -0.43 0 1
VE
7143 3809

VARIABLES NO BASICAS
 X2 X3 S1 S2 S3
-5714 0 -2857 0 -3809
0 0 0 0 0
-2 0 0 1 0
0 1 0 0 0
VE
3025.3 #DIV/0!

VARIABLES NO BASICAS
X2 X3 S1 S2 S3
0 0 -2185 -3025 -2353
0 0 0 0 0
1 0 0 -1 0
0 1 0 0 0
VE
#DIV/0! #DIV/0!

s negativos

SOLUCION OPTIMA
Variable Tipo de contenedor Unidades
X1 Contener High Cube 1010

Contenedor Open
X2 578
side

X3 Contenedor Dry van 539

 11500 >= 11500
7500 >= 7500
8000 >= 8000

l modelo de programación lineal.

Excel QM luego de encontrar la solución óptima para:

CAMBIO EN EL LA
ma programación lineal. (SOLUCION POR SOLVER)

La solución permanece ópt

La fución objetivo Z no per
La solución de las variable

No es rentable hacer el cam

ademas estariamos aument
 REFERENCIA RESTRINCCION
LAD IZQ LAD DER
50549063 Z
7208 >= 7208
6407 >= 6407
6553 >= 6553

valores propuestos:
e produccion en un 7% vamos a mantener una disponibilidad casi
que nos tocaria ajustar la cantidad de produccion de los diferentes
las originales

PUEDE SER rentable hace

menor de productos frente
pero ademas vamos a redu

ADICCION DE UNA NUEVA RESTRINCION

n del problema programación lineal. (SOLUCION POR SOLVER)
 REFERENCIA RESTRINCCION
LAD IZQ LAD DER
66637451 Z
11500 >= 11500
7500 >= 7500
8000 >= 8000
9520 >= 9500

CA

Min Z $ 49,671,569
La solución permanece óptima
 Disminuye la fución objetivo Z
La solución de las variables Xn

LAD IZQ LAD DER

11500 ≥ 11500
7500 ≥ 7500
8000 ≥ 8000

Con los nuevos valores minimos:

UCIR LOS COSTOS DE PRODUCCION DE LOS CONTENEDORES EN UN 25 %, Y
NERAR UNAS MEJORES GANANCIAS Y MAYOR RENTABILIDAD SIN AFECTAR LAS
S.

ADICCION DE UNA ACTIVIDAD

 Min Z $ 66,637,451

LAD IZQ LAD DER

11500 ≥ 11500
7500 ≥ 7500
8000 ≥ 8000

SOLUCION OPTIMA SIN CAMBIOS

dor a nuestra linea de productos, Si producimos un 4to contenedor a un costo de $35,000 usd no se
n de los demas contenedores debido a que no representa una rentabilidad significativa, por lo que a
 materia prima: acero Corten cobre,

Para su producción, el contendor

neladas de acero Corten cobre, 4
cromo y 6 toneladas de acero
acero Corten níquel.

dor a producir.
 0
-11500
-7500
-8000

SOLUCION

0 Valor más
negativo
-11500 -11500
-7500 VS -7500
-8000 -8000

SOLUCION

51631714 Valor más

negativo
1642.9 1643
-2571.4 -2571
-3071.4 VS -3071

SOLUCION
SOLUCION

63332037 Valor más

negativo
1074 1074.074074074
-1093 VS -1093
796 796

SOLUCION

66637451 Valor más

negativo
1009.8 1010
578.4 578
539 VS 539

SOLUCION OPTIMA ORIGINAL

Z = $ 66,637,451
Contener
X1
High Cube = 1010
Contenedor
X2
Open side = 578
Contenedor
X3
Dry van = 539
O EN EL LADO DERECHO

a solución permanece óptima

a fución objetivo Z no permenece constante
a solución de las variables Xn no permanecen constantes

Con los nuevos valores maximos:

o es rentable hacer el cambio porque vamos a tener mayor cantidad de productos frente al problema original
emas estariamos aumentado los costos en un 35% frente a los costos originales
 2127

Con los valores minimos:

UEDE SER rentable hacer el cambio, ya que se logran optimizar los costos pero vamos a tener una disponibildad
enor de productos frente al problema original, eso nos lleva a generar tambien que las ganancias sean menores
ro ademas vamos a reducir los costos de produccion en un 24 % frente a los costos originales

ESTRINCION

La solución es óptima
 La función objetivo Z permanece constante
La solución de las variables Xn permanece constante

CAMBIOS EN LOS COEFICIENTES

solución permanece óptima

sminuye la fución objetivo Z
solución de las variables Xn permanecen constantes

Con los valores maximos:

LA SOLUCION PERMANECE OPTIMA, PERO LA FUNCION OBJETIVO AUMENTA, LO
AUMENTA LOS COSTOS DE PRODUCCION, LAS VARIABLES Xn permanecen CONSTA
UNA SOLUCION ACEPTABLE PORQUE NO NOS AYUDA A OPTIMIZAR LOS COSTOS
CONTRARIO NOS AUMENTA EN MAS DE UN 41% LOS COSTOS

La solución permanece óptima

Disminuye la fución objetivo Z
La solución de las variables Xn permanecen constantes

CTIVIDAD
SOLUCION MAS OPTIMA
Si producimos un 4to contenedor a un costo de $30,000 usd, vamos a notar cambiamos significativos en la
solucion del problema, ya que las unidades de produccion de los demas contenedores cambia, el costo de
produccion se va a optimizar por lo que se va reducir el costo de produccion total en un 4%, pero a cambio de
esto dejariamos de producir unidades de contenedor 2 para distribuir las unidades producidas entre los
contenedores 1,3 y 4, para producir un total de 2039 unidades totales de contenedores vs las 2127 unidades que
se venian produciendo con los resultados de la optimizacion original, en conclusion, se optimizarian los costos
Si producimos un 4to contenedor a un costo de $30,000 usd, vamos a notar cambiamos significativos en la
solucion del problema, ya que las unidades de produccion de los demas contenedores cambia, el costo de
produccion se va a optimizar por lo que se va reducir el costo de produccion total en un 4%, pero a cambio de
esto dejariamos de producir unidades de contenedor 2 para distribuir las unidades producidas entre los
contenedores 1,3 y 4, para producir un total de 2039 unidades totales de contenedores vs las 2127 unidades que
se venian produciendo con los resultados de la optimizacion original, en conclusion, se optimizarian los costos
de produccion totales, pero perderiamos la produccion del contenedor 2, ademas de que tambien reduciriamos
en 88 contenedores las unidades de produccion pronosticadas frente a la optimizacion original.

La solución permanece óptima

Disminuye la fución objetivo Z
La solución de las variables Xn permanecen constantes
blema original
 una disponibildad
ias sean menores
 BJETIVO AUMENTA, LO QUE NOS
Xn permanecen CONSTANTES, NO ES
PTIMIZAR LOS COSTOS, POR EL
OS

ignificativos en la
mbia, el costo de
%, pero a cambio de
idas entre los
las 2127 unidades que
ptimizarian los costos
Microsoft Excel 16.0 Informe de sensibilidad
Hoja de cálculo: [TAREA 3 - PROGRAMACION LINEAL.xlsx]SOLUCION SOLVER EJE 3.
Informe creado: 18/11/2020 12:03:34 p. m.

Celdas de variables
Final Reducido Objetivo Permisible Permisible
Celda Nombre Valor Coste Coeficiente Aumentar Reducir
$B$17 X1 1009.803922 0 31428 14999 9285.5
$C$17 X2 578.4313725 0 25714 9230.153846 5714.444444
$D$17 X3 539.2156863 0 37142 12857.5 6315.368421

Restricciones
Final Sombra Restricción Permisible Permisible
Celda Nombre Valor Precio Lado derecho Aumentar Reducir
$F$24 11500 2184.823529 11500 4916.666667 4291.666667
$F$25 7500 3025.294118 7500 2291.666667 1092.592593
$F$26 8000 2352.784314 8000 2269.230769 1447.368421
 Nuevo coeficiente
Valor Minimo Valor maximo Nuevo cn < Valor minimo
X1 22143 46427 22000
X2 20000 34944 19500
X3 30827 50000 30000

Nueva disponibilidad
Valor Minimo Valor maximo Nuevo BN > Valor maximo
B1 7208 16417 16500
B2 6407 9792 9800
B3 6553 10269 10300
 BIBLIOGRAFIA

Chediak, F. (2013). Investigación de operaciones (pp.153-169). Ibagué, Colombia: Editorial

Universidad de Ibagué. Recuperado de
https://elibro-net.bibliotecavirtual.unad.edu.co/es/ereader/unad/70155

Hillier, F. & Lieberman, J. (2011). Introducción a la investigación de operaciones (pp. 179-190).

México, México: Editorial McGraw Hill Interamericana. Recuperado de
https://elibro-net.bibliotecavirtual.unad.edu.co/es/ereader/unad/101895

Hillier, F. & Lieberman, J. (2011). Introducción a la investigación de operaciones (pp. 207-216).

México, México: Editorial McGraw Hill Interamericana. Recuperado de
https://elibro-net.bibliotecavirtual.unad.edu.co/es/ereader/unad/101895

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
lombia: Editorial

aciones (pp. 179-190).

aciones (pp. 207-216).

neal [OVI].

n lineal con Excel