METODO SIMPLEX PRIMAL – TAREA 1

1. CONSTRUCCION DEL MODELO PARA LINEALIZAR

1. Variables: Qué busca determinar el modelo, cuáles son las incógnitas del problema:

𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅𝒆𝒔 (𝒖𝒏𝒊𝒅𝒂𝒅𝒆𝒔)
𝑿𝟏 , 𝑿𝟐 , 𝑿𝟑 , … , 𝑿𝒏
2. Restricciones: Qué restricciones deben imponerse a las variables a fin de satisfacer las
limitaciones del sistema representado por el modelo:

𝑼𝒔𝒐 𝒅𝒆 𝒓𝒆𝒄𝒖𝒓𝒔𝒐𝒔 ≤ 𝑫𝒊𝒔𝒑𝒐𝒏𝒊𝒃𝒊𝒍𝒊𝒅 𝒎á𝒙𝒊𝒎𝒂

Entre otras:

𝑼𝒔𝒐 𝒅𝒆 𝒎𝒂𝒕𝒆𝒓𝒊𝒂 𝒑𝒓𝒊𝒎𝒂 ≤ 𝑫𝒊𝒔𝒑𝒐𝒏𝒊𝒃𝒊𝒍𝒊𝒅 𝒎𝒂𝒙𝒊𝒎𝒂 𝒅𝒆 𝒎𝒂𝒕𝒆𝒓𝒊𝒂 𝒑𝒓𝒊𝒎𝒂

𝒂𝟏𝟏 𝑿𝟏 + 𝒂𝟏𝟐 𝑿𝟐 + 𝒂𝟏𝟑 𝑿𝟑 ≤ 𝒃𝟏
𝑼𝒔𝒐 𝒅𝒆 𝒎𝒂𝒏𝒐 𝒅𝒆 𝒐𝒃𝒓𝒂 ≤ 𝑫𝒊𝒔𝒑𝒐𝒏𝒊𝒃𝒊𝒍𝒊𝒅 𝒎á𝒙𝒊𝒎𝒂 𝒅𝒆 𝒎𝒂𝒏𝒐 𝒅𝒆 𝒐𝒃𝒓𝒂
𝒂𝟐𝟏 𝑿𝟏 + 𝒂𝟐𝟐 𝑿𝟐 + 𝒂𝟐𝟑 𝑿𝟑 ≤ 𝒃𝟐
𝑼𝒔𝒐 𝒅𝒆 𝒎𝒂𝒒𝒖𝒊𝒏𝒂𝒓𝒊𝒂 𝒚 𝒆𝒒𝒖𝒊𝒑𝒐 ≤ 𝑫𝒊𝒔𝒑𝒐𝒏𝒊𝒃𝒊𝒍𝒊𝒅 𝒎á𝒙𝒊𝒎𝒂 𝒅𝒆 𝒎𝒂𝒒𝒖𝒊𝒏𝒂𝒓𝒊𝒂 𝒚 𝒆𝒒𝒖𝒊𝒑𝒐
𝒂𝟑𝟏 𝑿𝟏 + 𝒂𝟑𝟐 𝑿𝟐 + 𝒂𝟑𝟑 𝑿𝟑 ≤ 𝒃𝟑
𝑵𝒐 𝒏𝒆𝒈𝒂𝒕𝒊𝒗𝒊𝒅𝒂𝒅 ≥ 𝟎
𝑿𝟏 , 𝑿𝟐 , 𝑿𝟑 ≥ 𝟎
3. Función Objetivo: Cuál es el objetivo (meta) que necesita alcanzarse para determinar la solución
óptima (mejor) de entre todos los valores factibles de las variables.

𝑶𝒑𝒕𝒊𝒎𝒊𝒛𝒂𝒄𝒊ó𝒏: 𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒄𝒊ó𝒏
𝑼𝒕𝒊𝒍𝒊𝒅𝒂𝒅𝒆𝒔 (𝑼𝒏 ): 𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒄𝒊ó𝒏
𝑰𝒏𝒈𝒓𝒆𝒔𝒐𝒔 (𝑼𝒏 ): 𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒄𝒊ó𝒏
𝑩𝒆𝒏𝒆𝒇𝒊𝒄𝒊𝒐𝒔 (𝑼𝒏 ) ∶ 𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒄𝒊ó𝒏
𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 = 𝑼𝟏 𝑿𝟏 + 𝑼𝟐 𝑿𝟐 + 𝑼𝟑 𝑿𝟑
2. FORMULACION DEL PROBLEMA COMO UN MODELO DE PROGRAMACION LINEAL

Función objetivo:

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 = 𝑼𝟏 𝑿𝟏 + 𝑼𝟐 𝑿𝟐 + 𝑼𝟑 𝑿𝟑
Sujeto a

𝒂𝟏𝟏 𝑿𝟏 + 𝒂𝟏𝟐 𝑿𝟐 + 𝒂𝟏𝟑 𝑿𝟑 ≤ 𝒃𝟏

Álvaro Javier Rojas Baracaldo Director de curso

Red de curso Programación Lineal 100404 (16-01) 2023
 𝒂𝟐𝟏 𝑿𝟏 + 𝒂𝟐𝟐 𝑿𝟐 + 𝒂𝟐𝟑 𝑿𝟑 ≤ 𝒃𝟐
𝒂𝟑𝟏 𝑿𝟏 + 𝒂𝟑𝟐 𝑿𝟐 + 𝒂𝟑𝟑 𝑿𝟑 ≤ 𝒃𝟑
𝑿𝟏 , 𝑿𝟐 , 𝑿𝟑 ≥ 𝟎

3. FORMA ESTANDAR PRIMAL DEL MODELO DE PROGRAMACION LINEAL

• Propiedades:

1. Todas las restricciones son ecuaciones [con segundos miembros no negativos].

2. Todas las variables son no negativas.
3. La función objetivo puede ser de maximización o minimización.

a. Restricciones:

Una restricción del tipo ≤ puede convertirse en una ecuación mediante la suma de una variable
de holgura 𝑺𝒏 en el primer miembro de la restricción, variable de holgura que debe agregarse a
la restricción de la no negatividad:

𝒂𝟏𝟏 𝑿𝟏 + 𝒂𝟏𝟐 𝑿𝟐 + 𝒂𝟏𝟑 𝑿𝟑 ≤ 𝒃𝟏

𝒂𝟐𝟏 𝑿𝟏 + 𝒂𝟐𝟐 𝑿𝟐 + 𝒂𝟐𝟑 𝑿𝟑 ≤ 𝒃𝟐

𝒂𝟑𝟏 𝑿𝟏 + 𝒂𝟑𝟐 𝑿𝟐 + 𝒂𝟑𝟑 𝑿𝟑 ≤ 𝒃𝟑
𝑿𝟏 , 𝑿𝟐 , 𝑿𝟑 𝟎

𝒂𝟏𝟏 𝑿𝟏 + 𝒂𝟏𝟐 𝑿𝟐 + 𝒂𝟏𝟑 𝑿𝟑 + 𝑺𝟏 = 𝒃𝟏

𝒂𝟐𝟏 𝑿𝟏 + 𝒂𝟐𝟐 𝑿𝟐 + 𝒂𝟐𝟑 𝑿𝟑 + 𝑺𝟐 = 𝒃𝟐
𝒂𝟑𝟏 𝑿𝟏 + 𝒂𝟑𝟐 𝑿𝟐 + 𝒂𝟑𝟑 𝑿𝟑 + 𝑺𝟑 = 𝒃𝟑
𝑿𝟏 , 𝑿𝟐 , 𝑿𝟑 , 𝑺𝟏 , 𝑺𝟐 , 𝑺𝟑 ≥ 𝟎
b. Función objetivo:

La función objetivo de maximización debe igualarse a cero

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 = 𝑼𝟏 𝑿𝟏 + 𝑼𝟐 𝑿𝟐 + 𝑼𝟑 𝑿𝟑 𝑰𝒈𝒖𝒂𝒍𝒂𝒏𝒅𝒐 𝒂 𝑪𝒆𝒓𝒐

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 − 𝑼𝟏 𝑿𝟏 − 𝑼𝟐 𝑿𝟐 − 𝑼𝟑 𝑿𝟑 = 𝟎

Álvaro Javier Rojas Baracaldo Director de curso

Red de curso Programación Lineal 100404 (16-01) 2023
La forma estándar primal del modelo de programación lineal es:

Función objetivo:

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 − 𝑼𝟏 𝑿𝟏 − 𝑼𝟐 𝑿𝟐 − 𝑼𝟑 𝑿𝟑 = 𝟎
Sujeto a

𝒂𝟏𝟏 𝑿𝟏 + 𝒂𝟏𝟐 𝑿𝟐 + 𝒂𝟏𝟑 𝑿𝟑 + 𝑺𝟏 = 𝒃𝟏

𝒂𝟐𝟏 𝑿𝟏 + 𝒂𝟐𝟐 𝑿𝟐 + 𝒂𝟐𝟑 𝑿𝟑 + 𝑺𝟐 = 𝒃𝟐
𝒂𝟑𝟏 𝑿𝟏 + 𝒂𝟑𝟐 𝑿𝟐 + 𝒂𝟑𝟑 𝑿𝟑 + 𝑺𝟑 = 𝒃𝟑
𝑿𝟏 , 𝑿𝟐 , 𝑿𝟑 , 𝑺𝟏 , 𝑺𝟐 , 𝑺𝟑 ≥ 𝟎

4. SOLUCION DEL MODELO DE PROGRAMACION LINEAL POR EL METODO SIMPLEX PRIMAL

METODO SIMPLEX PRIMAL

CONDICION DE OPTIMALIDAD:

• Para maximización:

La variable entrante en una maximización es la variable no básica, con el coeficiente más

negativo en la ecuación Z objetivo. Un empate se rompe arbitrariamente. El óptimo se
alcanza cuando los coeficientes no básicos en la ecuación Z son no negativos.

• Para minimización:

La variable entrante en una minimización es la variable no básica, con el coeficiente más

positivo en la ecuación Z objetivo. Un empate se rompe arbitrariamente. El óptimo se
alcanza cuando los coeficientes no básicos en la ecuación Z son no positivos.

CONDICION DE FACTIBILIDAD:

• Tanto en problemas de maximización como de minimización, la variable saliente es la

variable básica actual, con la menor intersección (razón mínima con denominador
estrictamente positivo) en dirección de la variable entrante. Un empate se rompe
arbitrariamente.

Pasos iterativos formales del método simplex primal:

Paso 0: Usando la forma estándar (con los segundos miembros no negativos) determine una
solución inicial factible.

Álvaro Javier Rojas Baracaldo Director de curso

Red de curso Programación Lineal 100404 (16-01) 2023
Paso 1. Seleccione una variable entrante entre las variables actuales no básicas, usando la
condición de optimalidad.

Paso 2. Seleccione la variable saliente entre las variables actuales básicas, usando la condición de
factibilidad.

Paso 3. Determine los valores de las nuevas variables básicas, haciendo a la variable entrante
básica y a la variable saliente no básica. Vuelva al Paso 1.

Paso 4. Identificadas las variables entrantes y salientes, determinar la nueva solución básica
aplicando el MÉTODO DE ELIMINACIÓN DE GAUSS JORDAN. El método comienza identificando la
columna de la variable entrante como columna entrante. El renglón asociado con la variable
saliente se denominará ecuación pivote, y el elemento en la intersección de la columna entrante y
la ecuación pivote se denominará elemento pivote.

Con el método de eliminación de Gauss Jordan se efectúa un cambio de base empleando dos
operaciones de cálculo:

1. Ecuación pivote:

𝒏𝒖𝒆𝒗𝒂 𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒑𝒊𝒗𝒐𝒕𝒆 = 𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒑𝒊𝒗𝒐𝒕𝒆/𝒆𝒍𝒆𝒎𝒆𝒏𝒕𝒐 𝒑𝒊𝒗𝒐𝒕𝒆

2. Las demás ecuaciones, incluyendo Z:

𝒏𝒖𝒆𝒗𝒂 𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏
= (𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒂𝒏𝒕𝒆𝒓𝒊𝒐𝒓) − (𝒄𝒐𝒆𝒇𝒊𝒄𝒊𝒆𝒏𝒕𝒆 𝒅𝒆 𝒍𝒂 𝒄𝒐𝒍𝒖𝒎𝒂𝒏 𝒆𝒏𝒕𝒓𝒂𝒏𝒕𝒆)
∗ (𝒏𝒖𝒆𝒗𝒂 𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒑𝒊𝒗𝒐𝒕𝒆)

Tabla inicial del método simplex primal:

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒄𝒊ó𝒏: 𝑼𝒕𝒊𝒍𝒊𝒅𝒂𝒅𝒆𝒔, 𝑰𝒏𝒈𝒓𝒆𝒔𝒐𝒔 , 𝑩𝒆𝒏𝒆𝒇𝒊𝒄𝒊𝒐𝒔

Variables Variables No Básicas Solución

Básicas Z X1 X2 X3 S1 S2 S3
Z 1 - U1 - U2 - U3 0 0 0 0
S1 0 a11 a12 a13 1 0 0 b1
S2 0 a21 a22 a23 0 1 0 b2
S3 0 a31 a32 a33 0 0 1 b3

5. EJEMPLO SOLUCION DE UN MODELO DE PROGRAMACION LINEAL POR EL METODO SIMPLEX

PRIMAL

Sea la situación problema de programación lineal:

La empresa Industrial de Cementos Co., produce cemento Portland tipo I, cemento Portland tipo
II y cemento Portland tipo III para la industria de la construcción.

Álvaro Javier Rojas Baracaldo Director de curso

Red de curso Programación Lineal 100404 (16-01) 2023
Producir cemento Portland tipo I, genera una utilidad de USD750 y requiere 0,60 toneladas de
clinker, 0,1 toneladas de escoria y 0,30 toneladas de puzolana.

Producir cemento Portland tipo II, genera una utilidad de USD630 y requiere 0,44 toneladas de
clinker, 0,22 toneladas de escoria y 0,34 toneladas de puzolana.

Producir cemento Portland tipo III, genera una utilidad de USD510 y requiere 0,28 toneladas de
clinker, 0,30 toneladas de escoria y 0,42 toneladas de puzolana.

La empresa, en su planta de producción dispone como máximo de 5.100 toneladas de clinker, de

2.800 toneladas de escoria y de 4.200 toneladas de puzolana.

¿Qué cantidad de cemento Portland de cada tipo, debe producir la empresa Industrial de
Cementos Co., para tomar decisiones y obtener la mayor utilidad posible con los recursos
disponibles?

1. Construcción del modelo:

• Información de la situación problema:

Cemento Cemento Cemento

Portland tipo I Portland tipo II Portland tipo III
Utilidades Disponibilidad
750 630 510
(USD) (como máximo)
Uso de Clinker
0,60 0,44 0,28 5.100
(toneladas)
Uso de Escoria
0,10 0,22 0,30 2.800
(toneladas)
Uso de Puzolana
0,30 0,34 0,42 4.200
(toneladas)

• Información de la situación problema para linealizar:

𝑿𝟏 : Cemento 𝑿𝟐 : Cemento 𝑿𝟑 : Cemento

Portland Tipo I Portland Tipo II Portland Tipo III
(unidades) (unidades) (unidades)
Utilidades Disponibilidad Máxima
𝑼𝟏 = 750 𝑼𝟐 = 630 𝑼𝟑 = 510
(USD)
Uso de Disponibilidad de
Clinker 𝒂𝟏𝟏 = 0,60 𝒂𝟏𝟐 = 0,44 𝒂𝟏𝟑 = 0,28 ≤ Clinker:
(toneladas) 𝒃𝟏 = 𝟓. 𝟏𝟎𝟎
Uso de Disponibilidad de
Escoria 𝒂𝟐𝟏 = 0,10 𝒂𝟐𝟐 = 0,22 𝒂𝟐𝟑 = 0,30 ≤ Escoria:
(toneladas) 𝒃𝟐 = 𝟐. 𝟖𝟎𝟎

Álvaro Javier Rojas Baracaldo Director de curso

Red de curso Programación Lineal 100404 (16-01) 2023
 Uso de Disponibilidad de
Puzolana 𝒂𝟑𝟏 = 0,30 𝒂𝟑𝟐 = 0,34 𝒂𝟑𝟑 = 0,42 ≤ Puzolana:
(toneladas) 𝒃𝟑 = 𝟒. 𝟐𝟎𝟎

• Identificación de Variables:

Sea,

𝑿𝟏 : 𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝒅𝒆 𝑪𝒆𝒎𝒆𝒏𝒕𝒐 𝑷𝒐𝒓𝒕𝒍𝒂𝒏𝒅 𝒕𝒊𝒑𝒐 𝑰 (𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠)

𝑿𝟐 : 𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝒅𝒆 𝑪𝒆𝒎𝒆𝒏𝒕𝒐 𝑷𝒐𝒓𝒕𝒍𝒂𝒏𝒅 𝒕𝒊𝒑𝒐 𝑰𝑰 (𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠)
𝑿𝟑 : 𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝒅𝒆 𝑪𝒆𝒎𝒆𝒏𝒕𝒐 𝑷𝒐𝒓𝒕𝒍𝒂𝒏𝒅 𝒕𝒊𝒑𝒐 𝑰𝑰𝑰 (𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠)

• Planteamiento de la función objetivo:

Si, la optimización de los 𝑼𝒕𝒊𝒍𝒊𝒅𝒂𝒅𝒆𝒔 𝒆𝒔 𝒍𝒂 𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒄𝒊ó𝒏

La función objetivo es:

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 = 𝑼𝟏 𝑿𝟏 + 𝑼𝟐 𝑿𝟐 + 𝑼𝟑 𝑿𝟑

Entonces, remplazando la información de la situación problema a linealizar, la función

objetivo es:

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 = 𝟕𝟓𝟎 𝑿𝟏 + 𝟔𝟑𝟎 𝑿𝟐 + 𝟓𝟏𝟎 𝑿𝟑

• Planteamiento de Restricciones:

Si,

𝑼𝒔𝒐 𝒅𝒆 𝒓𝒆𝒄𝒖𝒓𝒔𝒐𝒔 ≤ 𝑫𝒊𝒔𝒑𝒐𝒏𝒊𝒃𝒊𝒍𝒊𝒅 𝒎á𝒙𝒊𝒎𝒂

𝑼𝒔𝒐 𝒅𝒆 𝑪𝒍𝒊𝒏𝒌𝒆𝒓: 𝒂𝟏𝟏 𝑿𝟏 + 𝒂𝟏𝟐 𝑿𝟐 + 𝒂𝟏𝟑 𝑿𝟑 ≤ 𝒃𝟏

𝑼𝒔𝒐 𝒅𝒆 𝑬𝒔𝒄𝒐𝒓𝒊𝒂: 𝒂𝟐𝟏 𝑿𝟏 + 𝒂𝟐𝟐 𝑿𝟐 + 𝒂𝟐𝟑 𝑿𝟑 ≤ 𝒃𝟐
𝑼𝒔𝒐 𝒅𝒆 𝑷𝒖𝒛𝒐𝒍𝒂𝒏𝒂: 𝒂𝟑𝟏 𝑿𝟏 + 𝒂𝟑𝟐 𝑿𝟐 + 𝒂𝟑𝟑 𝑿𝟑 ≤ 𝒃𝟑
𝑵𝒐 𝒏𝒆𝒈𝒂𝒕𝒊𝒗𝒊𝒅𝒂𝒅: 𝑿𝟏 , 𝑿𝟐 , 𝑿𝟑 ≥ 𝟎

Entonces, remplazando la información de la situación problema a linealizar, las

restricciones son:

𝑼𝒔𝒐 𝒅𝒆 𝑪𝒍𝒊𝒏𝒌𝒆𝒓: 𝟎, 𝟔𝟎 𝑿𝟏 + 𝟎, 𝟒𝟒 𝑿𝟐 + 𝟎, 𝟐𝟖 𝑿𝟑 ≤ 𝟓. 𝟏𝟎𝟎

𝑼𝒔𝒐 𝒅𝒆 𝑬𝒔𝒄𝒐𝒓𝒊𝒂: 𝟎, 𝟏𝟎 𝑿𝟏 + 𝟎, 𝟐𝟐 𝑿𝟐 + 𝟎, 𝟑𝟎 𝑿𝟑 ≤ 𝟐. 𝟖𝟎𝟎

Álvaro Javier Rojas Baracaldo Director de curso

Red de curso Programación Lineal 100404 (16-01) 2023
 𝑼𝒔𝒐 𝒅𝒆 𝑷𝒖𝒛𝒐𝒍𝒂𝒏𝒂: 𝟎, 𝟑𝟎 𝑿𝟏 + 𝟎, 𝟑𝟒 𝑿𝟐 + 𝟎, 𝟒𝟐 𝑿𝟑 ≤ 𝟒. 𝟐𝟎𝟎
𝑵𝒐 𝒏𝒆𝒈𝒂𝒕𝒊𝒗𝒊𝒅𝒂𝒅; 𝑿𝟏 , 𝑿𝟐 , 𝑿𝟑 ≥ 𝟎

2. Formulación del problema como modelo de programación lineal:

Función objetivo:

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 = 𝟕𝟓𝟎 𝑿𝟏 + 𝟔𝟑𝟎𝑿𝟐 + 𝟓𝟏𝟎 𝑿𝟑

Sujeto a:

𝑼𝒔𝒐 𝒅𝒆 𝑪𝒍𝒊𝒏𝒌𝒆𝒓: 𝟎, 𝟔𝟎 𝑿𝟏 + 𝟎, 𝟒𝟒 𝑿𝟐 + 𝟎, 𝟐𝟖 𝑿𝟑 ≤ 𝟓. 𝟏𝟎𝟎

𝑼𝒔𝒐 𝒅𝒆 𝑬𝒔𝒄𝒐𝒓𝒊𝒂: 𝟎, 𝟏𝟎 𝑿𝟏 + 𝟎, 𝟐𝟐 𝑿𝟐 + 𝟎, 𝟑𝟎 𝑿𝟑 ≤ 𝟐. 𝟖𝟎𝟎
𝑼𝒔𝒐 𝒅𝒆 𝑷𝒖𝒛𝒐𝒍𝒂𝒏𝒂: 𝟎, 𝟑𝟎 𝑿𝟏 + 𝟎, 𝟑𝟒 𝑿𝟐 + 𝟎, 𝟒𝟐 𝑿𝟑 ≤ 𝟒. 𝟐𝟎𝟎
𝑵𝒐 𝒏𝒆𝒈𝒂𝒕𝒊𝒗𝒊𝒅𝒂𝒅; 𝑿𝟏 , 𝑿𝟐 , 𝑿𝟑 ≥ 𝟎

3. Forma estándar primal del modelo de programación lineal

a. Igualando la función objetivo a Cero:

Función objetivo:

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 = 𝟕𝟓𝟎 𝑿𝟏 + 𝟔𝟑𝟎𝑿𝟐 + 𝟓𝟏𝟎 𝑿𝟑 𝑰𝒈𝒖𝒂𝒍𝒂𝒏𝒅𝒐 𝒂 𝑪𝒆𝒓𝒐

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 − 𝟕𝟓𝟎 𝑿𝟏 − 𝟔𝟑𝟎𝑿𝟐 − 𝟓𝟏𝟎 𝑿𝟑 = 𝟎

b. Sumando la variable de holgura 𝑺𝒏 a cada una de las restricciones porque son del tipo ≤
para transformarlas en ecuaciones y agregando las variables de holgura a la restricción
de la no negatividad, se tiene:

𝟎, 𝟔𝟎 𝑿𝟏 + 𝟎, 𝟒𝟒 𝑿𝟐 + 𝟎, 𝟐𝟖 𝑿𝟑 ≤ 𝟓. 𝟏𝟎𝟎
𝟎, 𝟏𝟎 𝑿𝟏 + 𝟎, 𝟐𝟐 𝑿𝟐 + 𝟎, 𝟑𝟎 𝑿𝟑 ≤ 𝟐. 𝟖𝟎𝟎
𝟎, 𝟑𝟎 𝑿𝟏 + 𝟎, 𝟑𝟒 𝑿𝟐 + 𝟎, 𝟒𝟐 𝑿𝟑 ≤ 𝟒. 𝟐𝟎𝟎
𝑿𝟏 , 𝑿𝟐 , 𝑿𝟑 ≥ 𝟎

𝟎, 𝟔𝟎 𝑿𝟏 + 𝟎, 𝟒𝟒 𝑿𝟐 + 𝟎, 𝟐𝟖 𝑿𝟑 + 𝑺𝟏 = 𝟓. 𝟏𝟎𝟎
𝟎, 𝟏𝟎 𝑿𝟏 + 𝟎, 𝟐𝟐 𝑿𝟐 + 𝟎, 𝟑𝟎 𝑿𝟑 + 𝑺𝟐 = 𝟐. 𝟖𝟎𝟎
𝟎, 𝟑𝟎 𝑿𝟏 + 𝟎, 𝟑𝟒 𝑿𝟐 + 𝟎, 𝟒𝟐 𝑿𝟑 + 𝑺𝟑 = 𝟒. 𝟐𝟎𝟎

Álvaro Javier Rojas Baracaldo Director de curso

Red de curso Programación Lineal 100404 (16-01) 2023
 𝑿𝟏 , 𝑿𝟐 , 𝑿𝟑 , 𝑺𝟏 , 𝑺𝟐 , 𝑺𝟑 ≥ 𝟎
La forma estándar del modelo de programación lineal es:

Función objetivo:

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 − 𝟕𝟓𝟎 𝑿𝟏 − 𝟔𝟑𝟎𝑿𝟐 − 𝟓𝟏𝟎 𝑿𝟑 = 𝟎

Sujeto a:

𝟎, 𝟔𝟎 𝑿𝟏 + 𝟎, 𝟒𝟒 𝑿𝟐 + 𝟎, 𝟐𝟖 𝑿𝟑 + 𝑺𝟏 = 𝟓. 𝟏𝟎𝟎
𝟎, 𝟏𝟎 𝑿𝟏 + 𝟎, 𝟐𝟐 𝑿𝟐 + 𝟎, 𝟑𝟎 𝑿𝟑 + 𝑺𝟐 = 𝟐. 𝟖𝟎𝟎
𝟎, 𝟑𝟎 𝑿𝟏 + 𝟎, 𝟑𝟒 𝑿𝟐 + 𝟎, 𝟒𝟐 𝑿𝟑 + 𝑺𝟑 = 𝟒. 𝟐𝟎𝟎
𝑿𝟏 , 𝑿𝟐 , 𝑿𝟑 , 𝑺𝟏 , 𝑺𝟐 , 𝑺𝟑 ≥ 𝟎

4. Solución del modelo de programación lineal por el método simplex primal en hoja de
cálculo (Excel), Excel QM y Solver (Excel):

• En hoja de cálculo (Excel):

Llevando la información de la forma estándar primal del modelo de programación lineal

a la Tabla inicial del método simplex primal:

Variables Variables No Básicas

Solución
Básicas Z X1 X2 X3 S1 S2 S3
Z 1 -750 -630 -510 0 0 0 0
S1 0 0,60 0,44 0,28 1 0 0 5.100
S2 0 0,10 0,22 0,30 0 1 0 2.800
S3 0 0,30 0,34 0,42 0 0 1 4.200

• En Excel QM y Solver (Excel):

Llevando la formulación del problema como modelo de programación lineal a Excel QM

y a Solver (Excel):

Función objetivo:

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 = 𝟕𝟓𝟎 𝑿𝟏 + 𝟔𝟑𝟎𝑿𝟐 + 𝟓𝟏𝟎 𝑿𝟑

Sujeto a:

𝑼𝒔𝒐 𝒅𝒆 𝑪𝒍𝒊𝒏𝒌𝒆𝒓: 𝟎, 𝟔𝟎 𝑿𝟏 + 𝟎, 𝟒𝟒 𝑿𝟐 + 𝟎, 𝟐𝟖 𝑿𝟑 ≤ 𝟓. 𝟏𝟎𝟎

Álvaro Javier Rojas Baracaldo Director de curso

Red de curso Programación Lineal 100404 (16-01) 2023
 𝑼𝒔𝒐 𝒅𝒆 𝑬𝒔𝒄𝒐𝒓𝒊𝒂: 𝟎, 𝟏𝟎 𝑿𝟏 + 𝟎, 𝟐𝟐 𝑿𝟐 + 𝟎, 𝟑𝟎 𝑿𝟑 ≤ 𝟐. 𝟖𝟎𝟎
𝑼𝒔𝒐 𝒅𝒆 𝑷𝒖𝒛𝒐𝒍𝒂𝒏𝒂: 𝟎, 𝟑𝟎 𝑿𝟏 + 𝟎, 𝟑𝟒 𝑿𝟐 + 𝟎, 𝟒𝟐 𝑿𝟑 ≤ 𝟒. 𝟐𝟎𝟎
𝑵𝒐 𝒏𝒆𝒈𝒂𝒕𝒊𝒗𝒊𝒅𝒂𝒅; 𝑿𝟏 , 𝑿𝟐 , 𝑿𝟑 ≥ 𝟎
Consultar:

Anexo 1 Uso de Excel QM en programación lineal (consulte aquí).

Anexo 2 Uso de Solver (Excel) en programación lineal (consulte aquí).

Consultar Ejemplo Solución de un modelo de programación lineal por el método simplex primal
en hoja de cálculo (Excel). Excel QM y Solver (Excel) (consulte aquí).

Álvaro Javier Rojas Baracaldo Director de curso

Red de curso Programación Lineal 100404 (16-01) 2023