PROGRAMACION LINEAL

PRESENTADO POR:

MAYCOL STICK MONTIEL LOSADA

Codigo: 7.730.629
ARLEY ACEVEDO
Codigo:
CURSO 100404-34

Tarea 1. Métodos simplex primal y simplex dual

TUTOR:

DIEGO FERNANDO VEGA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

UNAD

20 ENERO 2019
 Ejercicio 1. Método simplex primal.

Se presenta la siguiente situación problema de programació

Una planta alimenticia, elabora tres clases de pasta dulce, la pasta A genera
la pasta B, genera utilidades de $2.000 y la pasta C, genera utilidad
Para el proceso de elaboración, la pasta A, utiliza 50 gramos d
30 gramos de azúcar y 20 gramos de margarina, la pasta B, utiliza 60 gramos de h
y 20 gramos de margarina, la pasta C, utiliza 50 gramos de harina, 30 gramos de azú
Semanalmente la planta procesa 350.000 gr de harina, 120.000 gr de azúcar y
¿Cuántas clases de pasta dulce debe producir semanalmente para generar la mayor utilidad

Construcción del modelo:

• Información del enunciado:

Producto A Producto B Producto C

Utilidad $ $ 2,500 $ 2,000 $ 2,500 Disponible
Harina Gr 50 Gr 60 Gr 50 Gr 3500.00 Gr
Azucar Gr 30 Gr 20 Gr 30 Gr 120.000 Gr
Marganina Gr 20 Gr 20 Gr 30 Gr 100.000 Gr

• Información para la realización:

X1: Pasta A X2: Pasta B X3: Pasta C

Utilidad $ �_1 = $2,500 �_2 = $2,000�_3 = $2,500 Disponibilidad semanal
Harina Gr �_11=50 �_12=60 �_13=50 ≤ 350.000 Gr H
Azucar Gr �_21=30 �_22=20 �_23=30 ≤ 120.000 Gr A
Marganina Gr �_31=20 �_32=20 �_33=30 ≤ 100.000 Gr M

• Identificacion de las variables:

Sea,
�� :�������� �� �������� � (��������)
�� : �������� �� �������� � (��������)
��:�������� �� �������� � (��������)

• Plantiamiento de restricciones
Si,
��� �� �������� ≤ ������������ �á����

𝐻�𝑟𝑖𝑛� : �_11 𝑋_1+�_12 �_2+�_13 �_3≤𝐺𝑟𝐻

𝐴𝑧𝑢𝑐�𝑟: �_21 𝑋_1+�_22 �_2+�_23 �_3≤𝐺𝑟 𝐴
𝐴𝑧𝑢𝑐�𝑟: �_21 𝑋_1+�_22 �_2+�_23 �_3≤𝐺𝑟 𝐴
𝑀�𝑟𝑔�𝑟𝑖𝑛�: �_31 𝑋_1+�_32 �_2+�_33 �_3≤𝐺𝑟 𝑀
𝑁𝑜 𝑁𝑒𝑔�𝑡𝑖𝑣𝑖𝑑�𝑑: 𝑋_1, �_2, �_3≥0

Entonces, remplazando la información, las restricciones son:

𝐻�𝑟𝑖𝑛� :50𝑋_1+60�_2+50�_3≤350.000
𝐴𝑧𝑢𝑐�𝑟: 30𝑋_1+20�_2+30�_3≤ 120.000
𝑀�𝑟𝑔�𝑟𝑖𝑛�:20𝑋_1+20�_2+30�_3≤ 100.000
𝑁𝑜 𝑁𝑒𝑔�𝑡𝑖𝑣𝑖𝑑�𝑑: 𝑋_1, �_2, �_3≥0

• Plantiamiento de Funcion Objetivo

Si, la optimización de la
Utilidad es la maximizacion
La función objetivo es:
��������� � = �� �� + �� �� + �� ��

Entonces, remplazando la información, la función objetivo es:

��������� � = �.����� + �.����� + �.��� ��

Por último,

El problema como modelo de programación lineal es:

Función objetivo:

��������� � = �.����� + �.����� + �.��� ��

Sugeto A:

50𝑋_1+60�_2+50�_3≤350.000
30𝑋_1+20�_2+30�_3≤ 120.000
20𝑋_1+20�_2+30�_3≤ 100.000
𝑁𝑜 𝑁𝑒𝑔�𝑡𝑖𝑣𝑖𝑑�𝑑: 𝑋_1, �_2, �_3≥0

• Modelo aumentado (agregar variable de olgura)

50𝑋_1+60𝑋_2+50𝑋_3+�_1 = 350.000
30𝑋_1+20𝑋_2+30𝑋_3 +�_2 = 120.000
20𝑋_1+20𝑋_2+30𝑋_3 + �_3 = 100.000
𝑋_1, 𝑋_2, 𝑋_3≥0

• Definición de variables basicas

n = numero de variables (6) m = Numero de ecuaciones (3) G.L = Grado de libertad
G.L = n - m G.L = 6 - 3 G.L = 3
Variables no basicas = 3
Variables Basicas = 3

• Igualamos Z a cero

� = �.����� + �.����� + �.��� ��

Z - 2.500X1 - 2.000X2 - 2.500X3 = 0
x primal.

de programación lineal:

la pasta A genera utilidades de $2.500,

C, genera utilidades de $2.500.
iliza 50 gramos de harina,
za 60 gramos de harina, 20 gramos de azúcar
30 gramos de azúcar y 30 gramos de margarina.
00 gr de azúcar y 100.000 gr de margarina.
r la mayor utilidad posible con los recursos disponibles?
 INTERACION 0
VB Z X1 X2 X3 S1 S2
Z 1 -2,500 -2,000 -2,500 0 0
S1 0 50 60 50 1 0
S2 0 30 20 30 0 1
S3 0 20 20 30 0 0

• Buscamos la columna pivote

Seleccionamos en la fila de Z el valor mas Negativo

VB Z X1 X2 X3 S1 S2
Z 1 -2,500 -2,000 -2,500 0 0
S1 0 50 60 50 1 0
S2 0 30 20 30 0 1
S3 0 20 20 30 0 0

• Buscamos la fila pivote

Sacamos el coheficiente r, tras dividir la columna solucion por la columna pivote
Seleccionamos la fila donde este el coheficiente r menor (que no sea negativo y que no sea cero)

VB Z X1 X2 X3 S1 S2
Z 1 -2,500 -2,000 -2,500 0 0
S1 0 50 60 50 1 0
S2 0 30 20 30 0 1
S3 0 20 20 30 0 0

Entra a la solucion la variable X1 y sale de la solucion la variable S2

Mediante Gauss Jordan hacemos que el 30 de la columna pivote sea 1, y los demas numeros de la colunma sean ceros

INTERACION 1
VB Z X1 X2 X3 S1 S2
F1 = -F1*F3+F1 Z 1 0 -333 1/3 0 0 83 1/3
F2 = -F2*F3+F2 S1 0 0 26 2/3 0 1 -1 2/3
S2/30 X1 0 1 2/3 1 0 0
F4 = -F4*F3+F4 S3 0 0 6 2/3 10 0 - 2/3

Al revisar las soluciones anteriores, podemos darnos cuenta de que es una solucion posible pero no es una solucion optima
Para que sea solucion posible: en la columna de las variables basicas (VB), no debe haber negativos (S1, S3, X1)
Para que sea solucion obtima: en Z no debe haber ningun negativo

Sacamos el coheficiente r, tras dividir la columna solucion por la columna pivote

Seleccionamos la fila donde este el coheficiente r menor (que no sea negativo y que no sea cero)

VB Z X1 X2 X3 S1 S2
 Z 1 0 -333 1/3 0 0 83 1/3
S1 0 0 26 2/3 0 1 -1 2/3
X1 0 1 2/3 1 0 0
S3 0 0 6 2/3 10 0 - 2/3

Entra a la solucion la variable X2 y sale de la solucion la variable S3

Mediante Gauss Jordan hacemos que el 6 2/3 de la columna pivote sea 1, y los demas numeros de la colunma sean ceros

VB Z X1 X2 X3 S1 S2
F1 = -F1*F4+F1 Z 1 0 0 500 0 50
S1 0 0 0 -40 1 1
X1 0 1 0 0 0 1/9
S3/ 6 2/3 X2 0 0 1 1 1/2 0 -0.1

Al revisar las soluciones anteriores, podemos darnos cuenta de que es una solucion posible Y Ttambien es una solucion optima
Para que sea solucion posible: en la columna de las variables basicas (VB), no debe haber negativos (S1, X2, X1)
Para que sea solucion obtima: en Z no debe haber ningun negativo

Como ambas condiciones se cumplen, podemos concluir:

La solucion optima se da cuando:

como X2 y X3 No estan en la columna de las variables basicas, valen cero
X1 = 2.000 Cantidad de pasta A
X2 =3.000 Cantidad de pasta B
X3 = 0 Cantidad de pasta C
Z = 11.000.000 UTILIDAD
 S3 RESULTADO
0 0
0 350,000
0 120,000
1 100,000

S3 RESULTADO
0 0
0 350,000
0 120,000
1 100,000

S3 RESULTADO r
0 0
0 350,000 7,000.0
0 120,000 4,000.0
1 100,000 5,000.0

olunma sean ceros

S3 RESULTADO
0 10000000
0 150000
0 4000
1 20000

es una solucion optima

S3 RESULTADO
 0 10000000
0 150000 5625
0 4000 6000
1 20000 3000

colunma sean ceros

S3 RESULTADO
50 11000000
-4 70000
- 1/9 2000
1/7 3000

en es una solucion optima

basicas, valen cero

 Ejercicio 2. Método simplex dual.

Se presenta la siguiente situación problema de program

Una tienda para mascotas en línea, contrata a tres carpinteros para cumplir con sus pedidos
de casas en madera para mascotas. Al carpintero A, le paga $12.000.000 por 10 casas grand
Al carpintero B, le paga $21.000.000 por 30 casas grandes, 10 medianas y 30 pequeñas, me
Al carpintero C, le paga $15.000.000 por 20 casas grandes, 10 medianas y 20 pequeñas, me
La tienda, tiene un pedido urgente, debe entregar como mínimo 200 casas grandes, 200 me
¿Cuántos contratos semanales puede hacer con cada carpintero a fin de cumplir lo antes pos

Construcción del modelo:

• Información del enunciado:

Carpintero A Carpintero B Carpintero C

Costo Mes $ $ 12,000,000 $ 21,000,000 $ 15,000,000 Pedido Urg
Casa grand 10 30 20 200
Casa Media 30 10 10 200
Casa Pequ 40 20 20 200

• Información para la realización:

| X1: Carpint A X2: Carpint B X3: Carpint C

Costo Mes $ �_1 = $12,000,000�_2 = $21.000.000 �_3 = $15.000.000 Pedido Urgente
Casa grand �_11=10 �_12=30 �_13=20 ≥ 200
Casa Media �_21=30 �_22=10 �_23=10 ≥ 200
Casa Pequ �_31=40 �_32=20 �_33=20 ≥ 200

• Identificacion de las variables:

Sea,
�� :Carpintero � (��������)
�� :Carpintero � (��������)
��:Carpintero � (��������)

• Plantiamiento de restricciones
Si,
��� �� �������� ≤ ������������ �á����

��𝑠� 𝑔𝑟�𝑛𝑑: �_11 𝑋_1+�_12 𝑋_2+�_13 𝑋_3≥200 ��𝑠 𝐺𝑟�

��𝑠� 𝑀𝑒𝑑𝑖: �_21 𝑋_1+�_22 𝑋_2+�_23 𝑋_3≥200 ��𝑠� 𝑀𝑒𝑑
��𝑠� 𝑀𝑒𝑑𝑖: �_21 𝑋_1+�_22 𝑋_2+�_23 𝑋_3≥200 ��𝑠� 𝑀𝑒𝑑
��𝑠� 𝑃𝑒�: �_31 𝑋_1+�_32 𝑋_2+�_33 𝑋_3≥200 ��𝑠 𝑃𝑒�
𝑁𝑜 𝑁𝑒𝑔�𝑡𝑖𝑣𝑖𝑑�𝑑: 𝑋_1, 𝑋_2, 𝑋_3≥0

Entonces, remplazando la información, las restricciones son:

��𝑠� 𝑔𝑟�𝑛:10𝑋_1+30𝑋_2+20𝑋_3≥200
��𝑠� 𝑀𝑒𝑒𝑑: 30𝑋_1+10𝑋_2+10𝑋_3≥200
��𝑠� 𝑃𝑒�:40𝑋_1+20𝑋_2+20𝑋_3≥ 200
𝑁𝑜 𝑁𝑒𝑔�𝑡𝑖𝑣𝑖𝑑�𝑑: 𝑋_1, 𝑋_2, 𝑋_3≥0

• Plantiamiento de Funcion Objetivo

Si, la optimización de la
Menor costo es minimizacion
La función objetivo es:
Minimizar � = C� �� + C� �� + C� ��

Entonces, remplazando la información, la función objetivo es:

Minimizar � = 12.000.000 �� + 21.000.000 �� + 15.000.000 ��

Por último,

El problema como modelo de programación lineal es:

Función objetivo:

Minimizar � = 12.000.000 �� + 21.000.000 �� + 15.000.000 ��

Sugeto A:

10𝑋_1+30𝑋_2+20𝑋_3≥200
30𝑋_1+10𝑋_2+10𝑋_3≥ 200
40𝑋_1+20𝑋_2+20𝑋_3≥200
𝑁𝑜 𝑁𝑒𝑔�𝑡𝑖𝑣𝑖𝑑�𝑑: 𝑋_1, 𝑋_2, 𝑋_3≥0

• Modelo aumentado (agregar variable de Holgura)

10𝑋_1+30𝑋_2+20𝑋_3−�_1 =200
30𝑋_1+10𝑋_2+10𝑋_3 −�_2 =200
40𝑋_1+20𝑋_2+20𝑋_3 − �_3 =200
𝑋_1, 𝑋_2,
𝑋_3,�_1,�_2,�_3≥0

• Las variables de Holgura no pueden ir negativas:

Procedemos a multiplicar cada ecuacion por - Para hacer que los signos cambien
y las Variables de Holgura queden Positivas.

−10𝑋_1−30𝑋_2−20𝑋_3+�_1 =−200
−30𝑋_1−10𝑋_2−10𝑋_3 +�_2 =−200
−40𝑋_1−20𝑋_2−20𝑋_3 + �_3 =−200
𝑋_1, 𝑋_2, 𝑋_3,�_1,�_2,�_3≥0

• Igualamos Z a cero

� = 12.000.000 �� + 21.000.000 �� + 15.000.000 ��

Z - 12.000.000X1 - 21.000.000X2 - 15.000.000X3 = 0
Método simplex dual.

ón problema de programación lineal:

cumplir con sus pedidos

0.000 por 10 casas grandes, 30 medianas y 40 pequeñas, mensualmente.
dianas y 30 pequeñas, mensualmente.
dianas y 20 pequeñas, mensualmente.
00 casas grandes, 200 medianas y 200 pequeñas lo antes posible.
n de cumplir lo antes posible su pedido al menor costo?
 INTERACCION 0
VB Z X1 X2 X3
Z 1 -12,000,000 -21,000,000 -15,000,000
S1 0 -10 -30 -20
S2 0 -30 -10 -10
S3 0 -40 -20 -20

• Buscamos la Fila pivote

Seleccionamos en la columna de resultados el valor mas Negativo
En caso de empate se toma Arbitrariamente

VB Z X1 X2 X3
Z 1 -12,000,000 -21,000,000 -15,000,000
S1 0 -10 -30 -20
S2 0 -30 -10 -10
S3 0 -40 -20 -20

• Buscamos Columna pivote

Sacamos el coheficiente r, tras dividir la fila de las Z por la fila pivite correspondiente
Seleccionamos la columna donde este el coheficiente r menor (que no sea negativo y que no sea cero)

VB Z X1 X2 X3
Z 1 -12,000,000 -21,000,000 -15,000,000
S1 0 -10 -30 -20
S2 0 -30 -10 -10
S3 0 -40 -20 -20
r 300,000 1,050,000 750,000

Entra a la solucion la variable X2 y sale de la solucion la variable S1

Mediante Gauss Jordan hacemos que el -30 de la columna pivote sea 1, y los demas numeros de la colunma sean ceros

INTERACCION 1
VB Z X1 X2 X3
F1 = -F1*F2+F1 Z 1 -5000000 0 -1000000
S1/30 X2 0 1/3 1 2/3
F3 = -F3*F2+F4 S2 0 -26 2/3 0 -3 1/3
F4 = -F4*F3+F4 S3 0 -33 1/3 0 -6 2/3

Al revisar las soluciones anteriores, podemos darnos cuenta de que NO es una solucion posible
Para que sea solucion posible: en la columna de los resultados TODOS debe ser positivos
Para que sea solucion obtima: en la fila de Z Todos los resultados deben ser negativos o cero (Excepto el resultado)

• Buscamos la Fila pivote

Seleccionamos en la columna de resultados el valor mas Negativo
En caso de empate se toma Arbitrariamente

VB Z X1 X2 X3
Z 1 -5000000 0 -1000000
X2 0 1/3 1 2/3
S2 0 -26 2/3 0 -3 1/3
S3 0 -33 1/3 0 -6 2/3

• Buscamos Columna pivote

Sacamos el coheficiente r, tras dividir la fila de las Z por la fila pivite correspondiente
Seleccionamos la columna donde este el coheficiente r menor (que no sea negativo y que no sea cero)

VB Z X1 X2 X3
Z 1 -5000000 0 -1000000
X2 0 1/3 1 2/3
S2 0 -26 2/3 0 -3 1/3
S3 0 -33 1/3 0 -6 2/3
r 187,500 300,000

Entra a la solucion la variable X1 y sale de la solucion la variable S2

Mediante Gauss Jordan hacemos que el -26 2/3 de la columna pivote sea 1, y los demas numeros de la colunma sean ceros

INTERACCION 2
VB Z X1 X2 X3
F1 = -F1*F3+F1 Z 1 0 0 -375000
F2 = -F2*F3+F2 X2 0 0 1 5/8
S2/-26 2/3 X1 0 1 -0 1/8
F2 = -F4*F3+F4 S3 0 0 0 -2 1/2

Al revisar las soluciones anteriores, podemos darnos cuenta de que es una solucion posible Y Ttambien es una solucion optima
Para que sea solucion posible: en la columna de los resultados TODOS debe ser positivos
Para que sea solucion obtima: en la fila de Z Todos los resultados deben ser negativos o cero (Excepto el resultado)

Como ambas condiciones se cumplen, podemos concluir:

La solucion optima se da cuando:

como X3 No esta en la columna de las variables basicas, vale cero
X1 = 5 Carpintero A
X2 =5 Carpintero B
X3 = 0 Carpintero C
Z = 165.000.000 COSTO
 La tienda, tiene un pedido urgente, debe entregar como mínimo 200 casas grandes, 200 me
¿Cuántos contratos semanales puede hacer con cada carpintero a fin de cumplir lo antes pos

R//: La opcion mas viable para la tienda, es contratar con el Carpintero A, y con el Carpintero
5 contratos con cada uno, los cuales tendran un costo de $165.000.000
 S1 S2 S3 RESULTADO
0 0 0 0
1 0 0 -200
0 1 0 -200
0 0 1 -200

S1 S2 S3 RESULTADO
0 0 0 0
1 0 0 -200
0 1 0 -200
0 0 1 -200

S1 S2 S3 RESULTADO
0 0 0 0
1 0 0 -200
0 1 0 -200
0 0 1 -200

n la variable S1
colunma sean ceros

S1 S2 S3 RESULTADO
-700000 0 0 140,000,000
0 -0 -0 6 2/3
- 1/3 1 0 -133 1/3
- 2/3 0 1 -66 2/3

to el resultado)
 S1 S2 S3 RESULTADO
-700000 0 0 140,000,000
0 0 0 6 2/3
- 1/3 1 0 -133 1/3
- 2/3 0 1 -66 2/3

S1 S2 S3 RESULTADO
-700000 0 0 140,000,000
0 0 0 6 2/3
- 1/3 1 0 -133 1/3
- 2/3 0 1 -66 2/3

n la variable S2
e la colunma sean ceros

S1 S2 S3 RESULTADO
-637500 -187500 0 165,000,000
0 0 0 5
0 0 -0 5
- 1/4 -1 1/4 1 100

bien es una solucion optima

to el resultado)

variables basicas, vale cero

 as grandes, 200 medianas y 200 pequeñas lo antes posible.
cumplir lo antes posible su pedido al menor costo?

A, y con el Carpintero B.
 Ejercicio 3. Método simplex con variables artificiales.

Se presenta la siguiente situación problema de programación lineal:

Una empresa de alimentos artesanales produce tres tipos de fruta deshidratada A, B y C, que generan
una utilidad de $50.000, $70.000 y $60.000 respectivamente. La fruta deshidratada A, está compuesta
de 1500 gramos de fruta, requiere 120 minutos de reposo y 100 minutos de secado con calor a
temperatura predeterminada; la fruta deshidratada B, está compuesta de 2500 gramos de fruta,
requiere 300 minutos de reposo y 150 minutos de secado con calor a temperatura predeterminada, la
fruta deshidratada C, está compuesta de 2000 gramos de fruta, requiere 50 minutos de reposo y 120
minutos de secado con calor a temperatura predeterminada. Se debe utilizar como mínimo 200.000
gramos de fruta porque no debe guardar congelación; se debe gastar máximo 2000 horas en el reposo
de la fruta y 2400 horas en el secado. ¿Cuánta fruta deshidratada de cada tipo se debe producir con los
recursos disponibles a fin de generar la mayor utilidad posible?

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.

Las variables son:

X= Deshidrata A
Y=Deshidrata B
Z=Deshidrata C

MODELO PRIMAL

OBJETIVO ES:
Maximixar: W: 50000 X+ 70000 Y+ 60000 Z

Restricciones:
1500 X+2500 Y+2000 Z >200000
120 X +300 Y+ 50 Z < 2000
100 X + 150 Y + 120 Z< 2400
X, Y, Z> 0

2. Solucionar el modelo de programación lineal por el método simplex con variables

artificiales:
 2. Solucionar el modelo de programación lineal por el método simplex con variables
artificiales:

La Funcion Objetivo:

Maximixar W 50000 X + 70000 Y + 60000 Z + 0 S1 0 + S2 + 0 S3 + 0 +A1

Restricciones:

1500 X+2500 Y + 2000 Z+ S1 - A1 = 200000

120 X + 300 Y + 50 Z + S2 = 2000
100 X+ 150 Y + 120 Z + S3= 2400
X, Y, Z, S1, S2 , S3 A1>0

METODO SIMPLEX PRIMAL Con variable artificial

X Y Z s1 S2 S3
1500 2500 2000 1 0 0
120 300 50 0 1 0
100 150 20 0 0 1
-1500 -2500 -2000 0 0 0

X Y Z s1 S2 S3
500 0 1583.3333 1 -833,333 0
0.4 1 0.166666 0 0.003333 0
40 0 95 0 0.5 1
-500 0 -15,383,333 0 833,333 0

X Y Z s1 S2 S3
-166,666 0 0 1 0 -1,666,666
0.329824 1 0 0 0.00421052 0.0017544
0.421052 0 1 0 -52631 0.0105263
166,666 0 0 0 0 1,666,666