Programación Lineal

Solución del sistema de ecuaciones lineales

PRESENTADO POR:
Angela Maria Monsalve Huerfano
Jhesica Natalia Vargas Camelo
Julian Guillermo Cuervo Ramirez
Miller Alexander Parra Martinez
(Estudiante)

GRUPO:
100404_296

CURSO:
PROGRAMACIÓN LINEAL

PRESENTADO A:
Santiago Ochoa
(Tutor)

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERA
INGENIERIA INDUSTRIAL
BOGOTA D.C
2022
NCIA
GENIERA
 METODO SIMPLEX PRIMAL - TAREA 2

Sea, el modelo de programación lineal:

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 = 𝟕𝟓𝟎𝑿_𝟏 + 𝟔𝟑𝟎𝑿_𝟐 +𝟓𝟏𝟎𝑿_𝟑

Función objetivo:

𝟎,𝟔𝟎𝑿_𝟏+𝟎,𝟒𝟒𝑿_𝟐+𝟎,𝟐𝟖𝑿_𝟑≤𝟓𝟏𝟎𝟎
Sujeto a:

0,14𝑿_𝟏+𝟎,𝟐𝟐𝑿_𝟐+𝟎.𝟑𝟎𝑿_𝟑≤𝟐𝟖𝟎𝟎

𝑿_𝟏,𝑿_𝟐,𝑿_𝟑≥𝟎
0,30𝑿_𝟏+𝟎,𝟑𝟒𝑿_𝟐+0,42𝑿_𝟑≤𝟒𝟐𝟎𝟎

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

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁−𝟕𝟓𝟎𝑿_𝟏−𝟔𝟑𝟎𝑿_𝟐−𝟓𝟏𝟎𝑿_𝟑−𝟎𝑺_𝟏−𝟎𝑺_𝟐−𝟎𝑺_𝟑=𝟎
Función objetivo:

Sujeto a:
𝟎,𝟔𝟎𝑿_𝟏+𝟎,𝟒𝟒𝑿_𝟐+𝟎,𝟐𝟖𝑿_𝟑+𝑺_𝟏=𝟓𝟏𝟎𝟎
"0,14" 𝑿_𝟏+𝟎,𝟐𝟐𝑿_𝟐+𝟎.𝟑𝟎𝑿_𝟑+𝑺_𝟐=𝟐𝟖𝟎𝟎
"0," 𝟑𝟎𝑿_𝟏+𝟎,𝟑𝟒𝑿_𝟐+"0,42" 𝑿_𝟑+𝑺_𝟑=𝟒𝟐𝟎𝟎
" " 𝑿_𝟏,𝑿_𝟐,𝑿_𝟑,𝑺_𝟏,𝑺_𝟐,𝑺_𝟑≥𝟎

Aplicando el metodo simplex primal al modelo de programación lineal de maximización:

Tabla inicial:

VARIABLES VARIABLES NO BASICAS

BASICAS Z X1 X2 X3 S1
Z 1 -750 -630 -510 0
S1 0 0.6 0.44 0.28 1
S2 0 0.14 0.22 0.3 0
S3 0 0.3 0.34 0.42 0

Valor más negativo -750 -630 -510 0

VE

Iteración 1:

VARIABLES VARIABLES NO BASICAS

BASICAS Z X1 X2 X3 S1
Z 1 0 -80 -160 1250
 X1 0 1 0.73333333 0.46666667 1.66666667
S2 0 0 0.11733333 0.23466667 -0.23333333
S3 0 0 0.12 0.28 -0.5

Valor más negativo 0 -80 -160 1250

VE

Iteración 2:

VARIABLES VARIABLES NO BASICAS

BASICAS Z X1 X2 X3 S1
Z 1 0 -11.4285714 0 964.285714
X1 0 1 0.53333333 0 2.5
S2 0 0 0.0167619 0 0.18571429
X3 0 0 0.42857143 1 -1.78571429

Valor más negativo 0 -11.4285714 0 964.285714

VE

Iteración 3:

VARIABLES VARIABLES NO BASICAS

BASICAS Z X1 X2 X3 S1
Z 1 21.4285714 0 0 1017.85714
X2 0 1.875 1 0 4.6875
S2 0 -0.03142857 0 0 0.10714286
X3 0 -0.80357143 0 1 -3.79464286

21.4285714 0 0 1017.85714
o simplex primal:

de maximización:

ICAS
SOLUCIÓN
S2 S3 Razón más pequeña
0 0 0
0 0 5100 8500 VS
1 0 2800 20000
0 1 4200 14000

0 0

ICAS
SOLUCIÓN
S2 S3 Razón más pequeña
0 0 6375000
 0 0 8500 18214.2857
1 0 1610 6860.79545
0 1 1650 5892.85714 VS

0 0

ICAS
SOLUCIÓN
S2 S3 Razón más pequeña
0 571.428571 7317857.143
0 -1.66666667 5750 10781.25 VS
1 -0.83809524 227.1428571 13551.1364
0 3.57142857 5892.857143 13750

0 571.428571

ICAS
SOLUCIÓN
S2 S3
0 535.714286 7441071.429 Solución optima
0 -3.125 10781.25
1 -0.78571429 46.42857143 La empresa debe producir 0 unidades del producto tipo I,
0 4.91071429 1272.321429 10781,25 unidades del producto tipo II con una utilidad de $63
la unidad y 1272,32143 unidades del producto tipo III con una
utilidad de $510 la unidad para maximizar las utilidades de
0 535.714286 producción a $7441071,43.
 unidades del producto tipo I,
ucto tipo II con una utilidad de $630
ades del producto tipo III con una
ara maximizar las utilidades de
 METODO SIMPLEX PRIMAL

Sea, el modelo de programación lineal:

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 = 𝟕𝟓𝟎𝑿 _𝟏 + 𝟔𝟑𝟎𝑿 _𝟐 +𝟓𝟏𝟎𝑿 _𝟑

Función objetivo:

sujeto a:

𝟎,𝟔𝟎 _ 𝟏+𝟎 ,𝟒𝟒 _ 𝟐+𝟎 ,𝟐𝟖 𝟑 _𝟓≤𝟏𝟎𝟎

0,14𝑿 _𝟏+𝟎 ,𝟐𝟐_ 𝟐+𝟎,𝟑𝟎 _ 𝟑≤𝟐𝟖𝟎𝟎
0,30𝑿 _𝟏+𝟎 ,𝟑𝟒𝑿_𝟐+0,42𝑿 _𝟑≤𝟒𝟐𝟎𝟎
𝑿 _𝟏,𝑿 _𝟐,𝑿 _𝟑≥𝟎

La solución en solver es:

FUNCIÓN OBJETIVO Max Z 7441071.429

X1 X2 X3
0 10781.25 1272.32143
750 630 510

RESTRICCIONES
LADO IZQ
0.6 0.44 0.28 5100 ≤
0.14 0.22 0.3 2753.571429 ≤
0.3 0.34 0.42 4200 ≤
LADO DER Solución optima
5100
2800 La empresa debe producir 0 unidades del producto A, 10781,25
4200 unidades del producto B con una utilidad de $630 la unidad y
1272,32143 unidades del producto C con una utilidad de $510 la
unidad para maximizar las utilidades de producción a
$7441071,43.
 METODO SIMPLEX ARTIFICIAL

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 =𝟏𝟒𝟎𝟎𝑿 _𝟏 +𝟏𝟔𝟎𝟎𝑿 _𝟐 +𝟏𝟖𝟎𝟎𝑿 _𝟑

Función objetivo:

𝟎,𝟗𝟎_ 𝟏+𝟏𝟐 _(𝟐 +) 𝟏,𝟐𝟑 _𝟑 ≥𝟓𝟑𝟎

Sujeto a:

" " 𝟏𝟐𝟎𝑿 _𝟏+𝟏𝟐𝟓𝟐 _𝟐 +𝟏𝟓𝟎𝟑 _𝟑 ≤𝟕𝟎𝟎𝟎𝟎

"150" 𝑿 _𝟏+𝟏𝟕𝟎𝑿 _𝟐+"190" 𝑿 _𝟑≤𝟗𝟎𝟎𝟎𝟎
" " 𝑿 _𝟏,𝑿 _𝟐,𝑿 _𝟑≥𝟎

FASE I Minimizar R

𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 𝐑+𝟎,𝟗𝟎𝟏 _𝟏 +𝟏𝟐 _𝟐 +𝟏,𝟐𝟑 _𝟑 −𝟏 _𝟏 +𝟎𝑹_𝟏+𝟎𝑺_𝟐+𝟎𝑺_𝟑=𝟓𝟑𝟎

Función objetivo:

Sujeto a:
𝟎,𝟗𝟎_ 𝟏+𝟏𝟐 _𝟐 +𝟏,𝟐𝟑 _𝟑 −𝑺_𝟏+𝑹_𝟏=𝟓𝟑𝟎
" " 𝟏𝟐𝟎𝑿 _𝟏+𝟏𝟐𝟓𝟐 _𝟐 +𝟏𝟓𝟎 𝟑 _𝟑 +𝑺_𝟐=𝟕𝟎𝟎𝟎𝟎
"150" 𝑿 _𝟏+𝟏𝟕𝟎𝑿 _𝟐+"190" 𝑿 _𝟑+𝑺_𝟑=𝟗𝟎𝟎𝟎𝟎
" " 𝑿 _𝟏,𝑿 _𝟐,𝑿 _𝟑,𝑺_𝟏,𝑹_𝟏,𝑺_𝟐,𝑺_𝟑≥𝟎

Tabla inicial:
VARIABLES
BASICAS
VARIABLES NO BASICAS
R X1 X2 X3 S1 R1
R 1 0.9 1 1.2 -1 0
R1 0 0.9 1 1.2 -1 1
S2 0 120 125 150 0 0
S3 0 150 170 190 0 0

Coeficiente más positivo 0.9 1 1.2 -1 0

VE

Iteración 1

VARIABLES VARIABLES NO BASICAS

BASICAS R X1 X2 X3 S1 R1
R 1 0 0 0 0 -1
X3 0 0.75 0.83333333 1 -0.8333333 0.83333333
S2 0 7.5 0 0 125 -125
S3 0 7.5 11.6666667 0 158.333333 -158.33333

FASE II Maximizar Z
 Remplazando la función objetivo del problema original en la solución óptima de la minimización y suprimiendo la

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 =𝟏𝟒𝟎𝟎𝑿 _𝟏 +𝟏𝟔𝟎𝟎𝑿 _𝟐 +𝟏𝟖𝟎𝟎𝑿 _𝟑

Función objetivo:

Función objetivo:
𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁−𝟏𝟒𝟎𝟎𝑿 _𝟏−𝟏𝟔𝟎𝟎𝟐 _𝟐 −𝟏𝟖𝟎𝟎𝟑 _𝟑 −𝟎𝑺_𝟏−𝟎𝑺_𝟐−𝟎𝑺_𝟑=𝟎

Tabla inicial

VARIABLES VARIABLES NO BASICAS

BASICAS Z X1 X2 X3 S1
Z 1 -1400 -1600 -1800 0
X3 0 0.75 0.83333333 1 -0.8333333
S2 0 7.5 0 0 125
S3 0 7.5 11.6666667 0 158.333333

Coeficiente más negativo -1400 -1600 -1800 0 0

VE

Iteración 1

VARIABLES VARIABLES NO BASICAS

BASICAS Z X1 X2 X3 S1
Z 1 -50 -100 0 -1500
X3 0 0.75 0.83333333 1 -0.8333333
S2 0 7.5 0 0 125
S3 0 7.5 11.6666667 0 158.333333

Coeficiente más negativo -50 -100 0 -1500 0

VE

Iteración 2

VARIABLES VARIABLES NO BASICAS

BASICAS Z X1 X2 X3 S1
Z 1 40 -100 0 0
X3 0 0.8 0.83333333 1 0 0
S1 0 0.06 0 0 1
S3 0 -2 11.6666667 0 0 0
Coeficiente más negativo 40 -100 0 0 0
VE

Iteración 3

VARIABLES VARIABLES NO BASICAS

BASICAS Z X1 X2 X3 S1
Z 1 22.8571429 0 0 0 0
X3 0 0.94285714 0 1 0 0
S1 0 0.06 0 0 1 0
X2 0 -0.1714286 1 0 0 0
 SOLUCIÓN
S2 S3
0 0 530 Razón más pequeña
0 0 530 VS 441.666667
1 0 70000 466.666667
0 1 90000 473.684211

0 0

AS
SOLUCIÓN
S2 S3
0 0 0 Solución optima
0 0 441.6666667
1 0 3750
0 1 6083.333333
nimización y suprimiendo la variable artificial R1:

AS
SOLUCIÓN
S2 S3
0 0 0 Razón más pequeña
0 0 441.6666667 VS 441.666667
1 0 3750
0 1 6083.333333

0 0

AS
SOLUCIÓN
S2 S3
0 0 795000 Razón más pequeña
0 0 441.6666667 -530
1 0 3750 VS 30
0 1 6083.333333 38.4210526

0 0

AS
SOLUCIÓN
S2 S3
12 0 840000 Razón más pequeña
0.00666667 0 466.6666667 560
0.008 0 30 #DIV/0!
-1.2666667 1 1333.333333 VS 114.285714
 12 0

AS
SOLUCIÓN
S2 S3
1.14285714 8.5714285714 851428.5714 Solución óptima de la maximización
0.09714286 -0.071428571 371.4285714
0.008 0 30 La empresa Industrial debe producir 0 unidades del producto grado
-0.1085714 0.0857142857 114.2857143 114,285714 unidades de acero al manganeso grado B-2 con una uti
$1600 la unidad y unidades 371,428571 de acero al manganeso g
con una utilidad de $1800 la unidad para maximizar las utilidades d
producción a $851428,571.
idades del producto grado B-1,
neso grado B-2 con una utilidad de
de acero al manganeso grado B-3
maximizar las utilidades de
 METODO SIMPLEX ARTIFICIAL

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 =𝟏𝟒𝟎𝟎𝑿 _𝟏 +𝟏𝟔𝟎𝟎𝑿 _𝟐 +𝟏𝟖𝟎𝟎𝑿 _𝟑

Función objetivo:

sujeto a:

" " 𝟏𝟐𝟎𝑿 _𝟏+𝟏𝟐𝟓𝟐 _𝟐 +𝟏𝟓𝟎 𝟑 _𝟑 ≤𝟕𝟎𝟎𝟎𝟎

𝟎,𝟗𝟎_ 𝟏+𝟏𝟐 _(𝟐 +) 𝟏,𝟐𝟑 _𝟑 ≥𝟓𝟑𝟎

" 150" 𝑿 _𝟏+𝟏𝟕𝟎𝑿 _𝟐+"190" 𝑿 _𝟑≤𝟗𝟎𝟎𝟎𝟎

" " 𝑿 _𝟏,𝑿 _𝟐,𝑿 _𝟑≥𝟎

La solución en solver es:

FUNCIÓN OBJETIVOMax Z 851428.571

X1 X2 X3
0 114.285714 371.428571
1400 1600 1800

RESTRICCIONES
LADO IZQ LADO DER
0.9 1 1.2 560 ≥ 530
120 125 150 70000 ≤ 70000
150 170 190 90000 ≤ 90000
ADO DER Solución optima

La empresa Industrial debe producir 0 unidades del producto grado B-1,

114,285714 unidades de acero al manganeso grado B-2 con una utilidad de
$1600 la unidad y unidades 371,428571 de acero al manganeso grado B-3
con una utilidad de $1800 la unidad para maximizar las utilidades de
producción a $851428,571.
 METODO SIMPLEX DUAL

El problema como modelo de programación lineal:

𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 =𝟏𝟖𝟎𝟎𝑿 _𝟏 +𝟏𝟕𝟎𝟎𝑿 _𝟐 +𝟏𝟔𝟎𝟎𝑿 _𝟑

Función objetivo:

sujeto a:

_𝟏+𝟎,𝟑𝟏𝑿 _𝟐+𝟎,𝟐𝟒𝟑 _𝟑 ≥𝟒𝟓

_𝟏+𝟎,𝟏𝟓𝑿 _𝟐+𝟎,𝟏𝟕𝟑 _𝟑 ≥𝟑𝟎
𝑿

_𝟏+𝟎,𝟓𝟒𝑿 _𝟐+"0,59" 𝑿 _𝟑≥𝟏𝟎𝟓

𝑿
𝑿
𝑿 _𝟏,𝑿 _𝟐,𝑿 _𝟑≥𝟎

Forma estándar del método simplex dual:

𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 𝒁−𝟏𝟖𝟎𝟎𝑿 _𝟏 −𝟏𝟕𝟎𝟎𝑿 _𝟐 −𝟏𝟔𝟎𝟎𝑿 _𝟑+𝟎𝑺_𝟏+𝟎𝑺_𝟐+𝟎𝑺_𝟑=𝟎

Función objetivo:

Sujeto a:

−𝟎,𝟑𝟕𝟏 _𝟏 −𝟎,𝟑𝟏𝟐 _𝟐 −𝟎,𝟐𝟒𝟑 _𝟑 +𝟏 _𝟏 =−𝟒𝟓

" "−𝟎,𝟏𝟑𝑿 _𝟏−𝟎,𝟏𝟓𝟐 _𝟐 −𝟎,𝟏𝟕𝟑 _𝟑 +𝑺_𝟐=−𝟑𝟎
" " 〖−𝟎 ,𝟓𝟎𝑿 〗 _𝟏−𝟎,𝟓𝟒𝑿 _𝟐−"0,59" 𝑿 _𝟑+𝑺_𝟑=−𝟏𝟎𝟓
" " 𝑿 _𝟏,𝑿 _𝟐,𝑿 _𝟑,𝑺_𝟏,𝑺_𝟐,𝑺_𝟑≥𝟎

Solución del modelo por el método simplex dual:

Tabla inicial:

ghjk

VARIABLES VARIABLES NO BASICAS

BASICAS Z X1 X2 X3 S1 S2
Z 1 -1800 -1700 -1600 0 0
S1 0 -0.37 -0.31 -0.24 1 0
S2 0 -0.13 -0.15 -0.17 0 1
S3 0 -0.5 -0.54 -0.59 0 0

Razón más pequeña 3600 3148.14815 2711.86441 #DIV/0! #DIV/0!

VE

Iteración 1

VARIABLES VARIABLES NO BASICAS

BASICAS
VARIABLES
BASICAS Z X1 X2 X3 S1 S2
Z 1 -444.0678 -235.59322 0 0 0
S1 0 -0.1666102 -0.090339 0 1 0
S2 0 0.0140678 0.00559322 0 0 1
X3 0 0.84745763 0.91525424 1 0 0

Razón más pequeña 2665.31027 2607.87992 #DIV/0! 0 #DIV/0!

VE

Iteración 2

VARIABLES VARIABLES NO BASICAS

BASICAS Z X1 X2 X3 S1 S2
Z 1 -9.5684803 0 0 -2607.8799 0
S1 0 1.84427767 1 0 -11.069418 0
S2 0 0.00375235 0 0 0.0619137 1
X2 0 -0.8405253 0 1 10.1313321 0

Razón más pequeña 11.3839286 #DIV/0! 0 -257.407407 #DIV/0!

 Condición de factibilidad:
SOLUCIÓN
S3
0 0 Valor más negativo
0 -45 -45
0 -30 -30
1 -105 -105 VS

Condición de factibilidad:
SOLUCIÓN
 SOLUCIÓN
S3
-2711.8644 284745.7627 Valor más negativo
-0.4067797 -2.288135593 -2.2881356 VS
-0.2881356 0.254237288 0.25423729
-1.6949153 177.9661017 177.966102

6666.66667

Condición de factibilidad:
SOLUCIÓN
S3
-1651.0319 290712.9456 Valor más negativo
4.50281426 25.32833021 25.3283302
-0.3133208 0.112570356 0.11257036 VS
-5.8161351 154.7842402 154.78424

283.870968
VE
 METODO SIMPLEX DUAL

El problema como modelo de programación lineal:

𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 =𝟏𝟖𝟎𝟎𝑿 _𝟏 +𝟏𝟕𝟎𝟎𝑿 _𝟐 +𝟏𝟔𝟎𝟎𝑿 _𝟑

Función objetivo:

sujeto a:

𝑿 _𝟏+𝟎 ,𝟑𝟏𝑿 _𝟐+𝟎 ,𝟐𝟒 𝟑 _𝟑 ≥𝟒𝟓

𝑿 _𝟏+𝟎 ,𝟏𝟓𝑿 _𝟐+𝟎 ,𝟏𝟕𝟑 _𝟑 ≥𝟑𝟎

〖 𝑿〗 _𝟏,𝑿 _𝟐,𝑿 _𝟑≥𝟎

𝑿 _𝟏+𝟎 ,𝟓𝟒𝑿 _𝟐+"0,59" 𝑿 _𝟑≥𝟏𝟎𝟓

Función objetivo:

290712.946

X1 X2 X3
0 25.3283302 154.78424
1800 1700 1600

RESTRICCIONES
LADO IZQ LADO DER
0.37 0.31 0.24 45 ≥ 45
0.13 0.15 0.17 30.1125704 ≥ 30
0.5 0.54 0.59 105 ≥ 105
 Referencias bibliograficas

Rojas, A. y Hernández, O. (2022).

Solución de un problema de programación lineal de maximización en Solver (Excel)
[OVI]. [Link]
Rojas, A. y Hernández, O. (2022).
Solución de un problema de programación lineal de minimización en Solver (Excel)
[OVI]. [Link]
Rojas, A. y Lozada, M. (2020). Problema de maximización como modelo de programación lineal
[OVI]. [Link]
Rojas, A. y Lozada, M. (2020). Problema de minimización como modelo de programación lineal [OVI].
[Link]
Rojas, A. y Lozada, M. (2020).
Solución de un problema de programación lineal de maximización en Excel QM
[OVI]. [Link]
Rojas, A. y Lozada, M. (2020).
Solución de un problema de programación lineal de minimización en Excel QM
[OVI]. [Link]
lver (Excel)

ver (Excel)

gramación lineal

ramación lineal [OVI].

cel QM

cel QM