TAREA 1 – SOLUCIÓN DE MODELOS DE DECISIÓN EN PROGRAMACIÓN LINE

Actividad

Rubén Darío Álvarez Osorio

Estudiantes

Jose Leonardo Montealegre Quijano

Tutor

PROGRAMACION LINEAL 100404A_1391

Curso

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

Mar-23
GRAMACIÓN LINEAL
Ejercicio 1. Método simplex primal.

Se presenta la siguiente situación problema de programación lineal:

La empresa Atlantic Flooring Company, produce piso Stone Plastic Composite SPC. tipo I, tipo II y tipo III para detg
Producir piso Stone Plastic Composite SPC tipo 1, genera una utilidad de USD 13.000 y requiere 0,50 toneladas de po
estabilizadores.
Producir piso Stone Plastic Composite SPC tipo II, genera una utilidad de USD 13.500 y requiere 0,55 toneladas de p
estabilizadores.
Producir piso Stone Plastic Composite SPC tipo III, genera una utilidad de USD 14.000 y requiere 0,60 toneladas de
de estabilizadores.
La empresa, en su planta de producción dispone como máximo de 800 toneladas de polvo piedra caliza, de 420 tonela

Industrial de Cementos Co.

Recursos Stone Plastic Stone Plastic Stone Plastic

Composite SPC Composite SPC Composite SPC
tipo I tipo II tipo III
Restricciones
Polvo de piedra caliza 0,50 Ton 0,55 Ton 0,60 Ton
Cloruro de polivinilo 0,35 Ton 0,33 Ton 0,30 Ton
Estabilizadores 0,15 Ton 0,12 Ton 0,10 Ton
Utilidad USD 13.000 USD 13.500 USD 14.000

* Formular el problema como un modelo de programación lineal

𝐹𝑢𝑛𝑐𝑖ó𝑛 𝑂𝑏𝑗𝑒𝑡𝑖𝑣𝑜 → 𝑀𝑎𝑥 𝑍=13.000𝑥_1+13.500𝑥_2+14.000𝑥_3
𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 1 →0,50𝑥_1+0,55𝑥_2+0,60𝑥_3≤800
𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 2 →0,35𝑥_1+0,33𝑥_2+0,30𝑥_3≤420
𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 3 →0,15𝑥_1+0,12𝑥_2+0,10𝑥_3≤150
𝑁𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑 →𝑃𝑎𝑟𝑎 𝑥_1,𝑥_2,𝑥_3≥0

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

𝐹𝑢𝑛𝑐𝑖ó𝑛 𝑂𝑏𝑗𝑒𝑡𝑖𝑣𝑜 → 𝑀𝑎𝑥 𝑍−13.000𝑥_1−13.500𝑥_2−14.000𝑥_3+0𝑠_1+0𝑠_2+0𝑠_3=0
𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 1 →0,50𝑥_1+0,55𝑥_2+0,60𝑥_3+𝑠_1=800
𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 2 →0,35𝑥_1+0,33𝑥_2+0,30𝑥_3+𝑠_2=420
𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 3 →0,15𝑥_1+0,12𝑥_2+0,10𝑥_3+𝑠_3=150
𝑁𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑 →𝑃𝑎𝑟𝑎 𝑥_1,𝑥_2,𝑥_3,𝑠_1,𝑠_2,𝑠_3≥0

Tabla 1
Variables Basicas Z X1 X2 X3
Z 1 -13,000 -13,500 -14,000
S1 0 0.50 0.55 0.60
S2 0 0.35 0.33 0.30
S3 0 0.15 0.12 0.10

Variable de entrada: 𝑥_1→ 𝑉𝑎𝑙𝑜𝑟 𝑚á𝑠 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑜 𝑒𝑛 𝑍

Variable de salida: 𝑠_1→𝑀𝑒𝑛𝑜𝑟 𝑣𝑎𝑙𝑜𝑟 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜 𝑑𝑒𝑙 𝑐𝑜𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜 𝑒𝑛𝑡𝑟𝑒 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎
Numero Pibote: 0,6 →𝐸𝑙 𝑛𝑢𝑚𝑒𝑟𝑜 𝑢𝑏𝑖𝑐𝑎𝑑𝑜 𝑒𝑛 𝑙𝑎 𝑖𝑛𝑡𝑒𝑟𝑠𝑒𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑓𝑖𝑙𝑎 𝑐𝑜𝑛 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑝𝑖𝑏𝑜𝑡𝑒.

Tabla 2
Variables Basicas Z X1 X2 X3
Z 1 0 800 1600
X1 0 1 1.1 1.2
S2 0 0 -0.055 -0.12
S3 0 0 -0.045 -0.08

Variable de entrada: 𝑥_3→ 𝑉𝑎𝑙𝑜𝑟 𝑚á𝑠 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑜 𝑒𝑛 𝑍

Variable de salida: 𝑠_3→𝑀𝑒𝑛𝑜𝑟 𝑣𝑎𝑙𝑜𝑟 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜 𝑑𝑒𝑙 𝑐𝑜𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜 𝑒𝑛𝑡𝑟𝑒 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎
Numero Pibote: 0,28 →𝐸𝑙 𝑛𝑢𝑚𝑒𝑟𝑜 𝑢𝑏𝑖𝑐𝑎𝑑𝑜 𝑒𝑛 𝑙𝑎 𝑖𝑛𝑡𝑒𝑟𝑠𝑒𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑓𝑖𝑙𝑎 𝑐𝑜𝑛 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑝𝑖𝑏𝑜𝑡𝑒.

Anexa para X1
Antigua 0 0.5 0.55 0.60
Numero Pibote 0.5 0.5 0.50 0.50
Resultado 0 1 1.1 1.2

Anexa para Z
Nueva 0 13000 14300 15600
Antigua 1 -13000 -13500 -14000
Resultado 1 0 800 1600

Anexa para S2
Nueva 0 -0.35 -0.385 -0.42
Antigua 0 0.35 0.33 0.3
Resultado 0 0 -0.055 -0.12

Anexa para S3
Nueva 0 -0.15 -0.165 -0.18
Antigua 0 0.15 0.12 0.10
Resultado 0 0 -0.045 -0.08

Tabla 3
Variables Basicas Z X1 X2 X3
Z 1 0 -100 0
X1 0 1 0.425 0
S2 0 0 0.0125 0
X3 0 0 0.5625 1
Variable de entrada: 𝑥_2→ 𝑉𝑎𝑙𝑜𝑟 𝑚á𝑠 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑜 𝑒𝑛 𝑍
Variable de salida: 𝑥_1→𝑀𝑒𝑛𝑜𝑟 𝑣𝑎𝑙𝑜𝑟 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜 𝑑𝑒𝑙 𝑐𝑜𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜 𝑒𝑛𝑡𝑟𝑒 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎
Numero Pibote: 0,533333333 →𝐸𝑙 𝑛𝑢𝑚𝑒𝑟𝑜 𝑢𝑏𝑖𝑐𝑎𝑑𝑜 𝑒𝑛 𝑙𝑎 𝑖𝑛𝑡𝑒𝑟𝑠𝑒𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑓𝑖𝑙𝑎 𝑐𝑜𝑛 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑝𝑖𝑏𝑜𝑡𝑒.

Anexa para X3
Antigua 0 0 -0.045 -0.08
Numero Pibote -0.08 -0.08 -0.08 -0.08
Resultado 0 0 0.5625 1

Anexa para Z
Nueva 0 0 -900 -1600
Antigua 1 0 800 1600
Resultado 1 0 -100 0

Anexa para X1
Nueva 0 0 -0.675 -1.2
Antigua 0 1 1.1 1.2
Resultado 0 1 0.425 0

Anexa para S2
Nueva 0 0 0.0675 0.12
Antigua 0 0 -0.055 -0.12
Resultado 0 0 0.0125 0

Tabla 4
Variables Basicas Z X1 X2 X3
Z 1 235.2941176471 0 0
X2 0 2.352941176471 1 0
S2 0 -0.029411764706 0 0
X3 0 -1.323529411765 0 1

Fin del ejercicio dado que no existen mas valores negatios en Z.

Anexa para X2
Antigua 0 1 0.425 0
Numero Pibote 0.425 0.425 0.425 0.425
Resultado 0 2.352941176471 1 0

Anexa para Z
Nueva 0 235.2941176471 100 0
Antigua 1 0 -100 0
Resultado 1 235.2941176471 0 0

Anexa para X3
Nueva 0 -1.323529411765 -0.5625 0
Antigua 0 0 0.5625 1
Resultado 0 -1.323529411765 0 1

Anexa para S2
Nueva 0 -0.029411764706 -0.0125 0
Antigua 0 0 0.0125 0
Resultado 0 -0.029411764706 0 0

* Solver

Stone Plastic Stone Plastic Stone Plastic

Composite SPC Composite SPC Composite SPC
tipo I tipo II tipo III
0 10781.250 1272.321
$ 13,000 $ 13,500 $ 14,000

RESTRICCIONES IZQUIERDA
Polvo de piedra caliza 0.5 0.55 0.6 6693.080357143
Cloruro de polivinilo 0.35 0.33 0.3 3939.508928571
Estabilizadores 0.15 0.12 0.1 1420.982142857

* Interpretar los resultados de la solución del modelo de programación lineal para la toma de decisiones.
Finalmente podemos concluir que la empresa en pro de optimizar la utilidad, o alcanzar la maxima ganancia debe co
tipo II y cemento Portland tipo III, respectivamente, de esta manera la disponibilidad de materia prima se invierte de
problema es buena idea realizar nuevamente el ejercicio, ya que el mas minimo cambio en dichas restricciones camb
o I, tipo II y tipo III para detgerminados y decoración.
requiere 0,50 toneladas de polvo piedra caliza, 0,35 toneladas de cloruro de polivinilo y 0,15 toneladas de

requiere 0,55 toneladas de polvo piedra caliza, 0,33 toneladas de cloruro de polivinilo y 0,12 toneladas de

y requiere 0,60 toneladas de polvo piedra caliza, 0,30 toneladas de cloruro de polivinilo y 0,10 toneladas

o piedra caliza, de 420 toneladas de cloruro de polivinilo y de 150 toneladas de estabilizadores.

Disponibilidad

800 Ton
420 Ton
150 Ton

Forma Canonica

𝑥_3+0𝑠_1+0𝑠_2+0𝑠_3=0

Forma Estandar

bla 1
S1 S2 S3 RESULTADO
0 0 0 0
1 0 0 800 1600
0 1 0 420 1200
 0 0 1 150 1000

𝑡𝑟𝑒 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑑𝑒 𝑒𝑛𝑡𝑟𝑎𝑑𝑎.

bla 2
S1 S2 S3 RESULTADO
26000 0 0 20800000
2 0 0 1600 1333.333333333
-0.7 1 0 -140 1166.666666667
-0.3 0 1 -90 1125

𝑟𝑒 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑑𝑒 𝑒𝑛𝑡𝑟𝑎𝑑𝑎.

1 0 0 800
0.5 0.5 0.5 0.50
2 0 0 1600

26000 0 0 20800000
0 0 0 0
26000 0 0 20800000

-0.7 0 0 -560
0 1 0 420
-0.7 1 0 -140

-0.3 0 0 -240
0 0 1 150
-0.3 0 1 -90

bla 3
S1 S2 S3 RESULTADO
20000 0 20000 19000000
-2.5 0 15 250 588.2352941176
-0.25 1 -1.5 -5 -400
3.75 0 -12.5 1125 2000
𝑡𝑟𝑒 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑑𝑒 𝑒𝑛𝑡𝑟𝑎𝑑𝑎.
𝑜𝑙𝑢𝑚𝑛𝑎 𝑝𝑖𝑏𝑜𝑡𝑒.

-0.3 0 1 -90
-0.08 -0.08 -0.08 -0.08
3.75 0 -12.5 1125

-6000 0 20000 -1800000

26000 0 0 20800000
20000 0 20000 19000000

-4.5 0 15 -1350
2 0 0 1600
-2.5 0 15 250

0.45 0 -1.5 135

-0.7 1 0 -140
-0.25 1 -1.5 -5

bla 4
S1 S2 S3 RESULTADO
19411.7647058824 0 23529.41176471 19058823.52941
-5.88235294117647 0 35.29411764706 588.235
-0.176470588235294 1 -1.941176470588 -12.35294117647
7.05882352941177 0 -32.35294117647 794.118

-2.5 0 15 250
0.425 0.425 0.425 0.425
-5.88235294117647 0 35.29411764706 588.2352941176

-588.235294117639 0 3529.411764706 58823.52941176

20000 0 20000 19000000
 19411.7647058824 0 23529.41176471 19058823.52941

3.30882352941177 0 -19.85294117647 -330.8823529412

3.75 0 -12.5 1125
7.05882352941177 0 -32.35294117647 794.1176470588

0.0735294117647061 0 -0.441176470588 -7.352941176471

-0.25 1 -1.5 -5
-0.176470588235294 1 -1.941176470588 -12.35294117647

F. OBJETIVO
$ 163,359,375.00

DERECHA
<= 800
<= 420
<= 150

a de decisiones.
r la maxima ganancia debe como minimo produccir 10781,25 y 1272,32 unidades de cemento Portland
materia prima se invierte de la mejor manera, de presentarse cambios en las restricciones iniciales del
en dichas restricciones cambia la respuesta que se ha encontrado.
¿Qué cantidad de cemento Portland de cada tipo, debe producir la empresa Industrial de Cementos Co., para
y obtener la mayor utilidad posible con los recursos disponibles?

La empresa Industrial de Cementos Co. Pensando en optimizar su utilidad (Ganar lo maximo posible de dinero), debe
produccir 10781,25 y 1272,32 unidades de cemento Portland tipo II y cemento Portland tipo III, respectivamente, dad
manera la materia prima se distribuyen en la producción de manera adecuada, haciendo que se encuentre lo que ya se
(Utilidad maxima). Cerca de los USD 7441071,429
ustrial de Cementos Co., para tomar decisiones

maximo posible de dinero), debe como minimo

nd tipo III, respectivamente, dado que de esa
do que se encuentre lo que ya se mencionó.
Ejercicio 2. Método simplex artificial.

Se presenta la siguiente situación problema de programación lineal:

La empresa Industrial de Aceros Co., produce aceros al manganeso grado B-1 con una utilidad de USD1.400, aceros
utilidad de USD1.600 y aceros al manganeso grado B-3 con una utilidad de USD1.800, utilizados en aplicaciones don
y contra la abrasión.
Producir acero al manganeso grado B-1, requiere 0,90 toneladas de acero al manganeso, 120 minutos de tratamiento d
tratamiento de revenido.
Producir acero al manganeso grado B-2, requiere 1 tonelada de acero al manganeso, 125 minutos de tratamiento de te
revenido.
Producir acero al manganeso grado B-3, requiere 1,2 toneladas de acero al manganeso, 150 minutos de tratamiento de
tratamiento de revenido.
La empresa, dispone en su planta de producción como mínimo de 530 toneladas de acero al manganeso y como máxim
tratamiento de templado y de 90.000 minutos para el tratamiento de revenido.

Industrial de Aceros Co.

Recursos
B-1 B-2 B-3 Disponibilidad
Restricciones
Acero 0.9 1 1.2 530
Templado 120 125 150 70,000
Revenido 150 170 190 90,000
Utilidad 1400 1600 1800

* Formular el problema como un modelo de programación lineal.

𝐹𝑢𝑛𝑐𝑖ó𝑛 𝑂𝑏𝑗𝑒𝑡𝑖𝑣𝑜 →𝑀𝑎𝑥 𝑍=1400𝑥_1+1600𝑥_2+1800𝑥_3
𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 1 →0,9𝑥_1+1𝑥_2+1,2𝑥_3≥530
𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 2 →120𝑥_1+125𝑥_2+150𝑥_3≤70000 Forma Canonica
𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 3 →150𝑥_1+170𝑥_2+190𝑥_3≤90000
𝑁𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑 →𝑃𝑎𝑟𝑎 𝑥_1,𝑥_2,𝑥_3≥0

* Solucionar el modelo de programación lineal por el método simplex artificial:

𝐹𝑢𝑛𝑐𝑖ó𝑛 𝑂𝑏𝑗𝑒𝑡𝑖𝑣𝑜 →𝑀𝑎𝑥 𝑅+1400𝑥_1+1600𝑥_2+1800𝑥_3+0𝑠_1−0𝑠_2+0𝑅_1+0𝑠_3=530
𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 1 →0,9𝑥_1+1𝑥_2+1,2𝑥_3+𝑠_1+0𝑠_2+0𝑅_1+0𝑠_3=530
𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 2 →120𝑥_1+125𝑥_2+150𝑥_3+0𝑠_1−𝑠_2+1𝑅_1+0𝑠_3=70000
𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 3 →150𝑥_1+170𝑥_2+190𝑥_3+0𝑠_1+0𝑠_2+0𝑅_1+𝑠_3=90000
𝑁𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑 →𝑃𝑎𝑟𝑎 𝑥_1,𝑥_2,𝑥_3,𝑠_1,𝑠_2,𝑅_1,𝑠_3≥0

Tabla 1
 Variables
R X1 X2 X3 S1
Basicas
R 1 0.9 1 1.2 -1
S1 0 0.9 1 1.2 -1
S2 0 120 125 150 0
S3 0 150 170 190 0
VE

Tabla 2
Variables
R X1 X2 X3 S1
Basicas
R 1 0 0 0 0
X2 0 0.9 1 1.2 -1
S2 0 7.5 0 0 125
S3 0 -3 0 -14 170

Anexa para X2
Antigua 0 0.9 1 1.2 -1
Numero Pibo 1 1 1 1 1
Resultado 0 0.9 1 1.2 -1

Anexa para R
Nueva 0 -0.9 -1 -1.2 1
Antigua 1 0.9 1 1.2 -1
Resultado 1 0 0 0 0

Anexa para S2
Nueva 0 -112.5 -125 -150 125
Antigua 0 120 125 150 0
Resultado 0 7.5 0 0 125

Anexa para S3
Nueva 0 -153 -170 -204 170
Antigua 0 150 170 190 0
Resultado 0 -3 0 -14 170

FASE II Maximizar Z

Remplazando la función objetivo del problema original en la solución óptima de la Minimización:

𝐹𝑢𝑛𝑐𝑖ó𝑛 𝑂𝑏𝑗𝑒𝑡𝑖𝑣𝑜 →𝑀𝑎𝑥 𝑍=1400𝑥_1+1600𝑥_2+1800𝑥_3+0𝑠_1+0𝑠_2+0𝑠_3=0

Tabla 1
 Variables
Z X1 X2 X3 S1
Basicas
Z 1 -1400 -1600 -1800 0
X2 0 0.9 1 1.2 -1
S2 0 7.5 0 0 125
S3 0 -3 0 -14 170

Variable de entrada: 𝑥_3→ 𝑉𝑎𝑙𝑜𝑟 𝑚á𝑠 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑜 𝑒𝑛 𝑍

Variable de salida: 𝑠_3→𝑀𝑒𝑛𝑜𝑟 𝑣𝑎𝑙𝑜𝑟 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜 𝑑𝑒𝑙 𝑐𝑜𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜 𝑒𝑛𝑡𝑟𝑒 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛
Numero Pibote: 1→𝐸𝑙 𝑛𝑢𝑚𝑒𝑟𝑜 𝑢𝑏𝑖𝑐𝑎𝑑𝑜 𝑒𝑛 𝑙𝑎 𝑖𝑛𝑡𝑒𝑟𝑠𝑒𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑓𝑖𝑙𝑎 𝑐𝑜𝑛 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑝𝑖𝑏𝑜𝑡𝑒.

Tabla 2
Variables
Z X1 X2 X3 S1
Basicas
Z 1 -1014.28571 -1600 0 -21857.14285714
X2 0 0.64285714 1 0 13.571428571429
S2 0 7.5 0 0 125
X3 0 0.21428571 0 1 -12.14285714286

Variable de entrada: 𝑠_1→ 𝑉𝑎𝑙𝑜𝑟 𝑚á𝑠 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑜 𝑒𝑛 𝑍

Variable de salida: 𝑠_2→𝑀𝑒𝑛𝑜𝑟 𝑣𝑎𝑙𝑜𝑟 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜 𝑑𝑒𝑙 𝑐𝑜𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜 𝑒𝑛𝑡𝑟𝑒 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛
Numero Pibote: 125→𝐸𝑙 𝑛𝑢𝑚𝑒𝑟𝑜 𝑢𝑏𝑖𝑐𝑎𝑑𝑜 𝑒𝑛 𝑙𝑎 𝑖𝑛𝑡𝑒𝑟𝑠𝑒𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑓𝑖𝑙𝑎 𝑐𝑜𝑛 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑝𝑖𝑏𝑜𝑡𝑒.

Anexa para X3
Antigua 0 -3 0 -14 170
Numero Pibo -14 -14 -14 -14 -14
Resultado 0 0.21428571 0 1 -12.14285714286

Anexa para Z
Nueva 0 385.714286 0 1800 -21857.14285714
Antigua 1 -1400 -1600 -1800 0
Resultado 1 -1014.28571 -1600 0 -21857.14285714

Anexa para X2
Nueva 0 -0.25714286 0 -1.2 14.571428571429
Antigua 0 0.9 1 1.2 -1
Resultado 0 0.64285714 1 0 13.571428571429

Anexa para S2
Nueva 0 0 0 0 0
Antigua 0 7.5 0 0 125
Resultado 0 7.5 0 0 125
 Tabla 3
Variables
Z X1 X2 X3 S1
Basicas
Z 1 297.142857 -1600 0 0
X2 0 -0.17142857 1 0 0
S1 0 0.06 0 0 1
X3 0 0.94285714 0 1 0

Variable de entrada: 𝑥_2→ 𝑉𝑎𝑙𝑜𝑟 𝑚á𝑠 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑜 𝑒𝑛 𝑍

Variable de salida: 𝑥_2→𝑀𝑒𝑛𝑜𝑟 𝑣𝑎𝑙𝑜𝑟 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜 𝑑𝑒𝑙 𝑐𝑜𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜 𝑒𝑛𝑡𝑟𝑒 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎
Numero Pibote: 1 →𝐸𝑙 𝑛𝑢𝑚𝑒𝑟𝑜 𝑢𝑏𝑖𝑐𝑎𝑑𝑜 𝑒𝑛 𝑙𝑎 𝑖𝑛𝑡𝑒𝑟𝑠𝑒𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑓𝑖𝑙𝑎 𝑐𝑜𝑛 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑝𝑖𝑏𝑜𝑡𝑒.

Anexa para S1
Antigua 0 7.5 0 0 125
Numero Pibo 125 125 125 125 125
Resultado 0 0.06 0 0 1

Anexa para Z
Nueva 0 1311.42857 0 0 21857.142857143
Antigua 1 -1014.28571 -1600 0 -21857.14285714
Resultado 1 297.142857 -1600 0 0

Anexa para X2
Nueva 0 -0.81428571 0 0 -13.57142857143
Antigua 0 0.64285714 1 0 13.571428571429
Resultado 0 -0.17142857 1 0 0

Anexa para X3
Nueva 0 0.72857143 0 0 12.142857142857
Antigua 0 0.21428571 0 1 -12.14285714286
Resultado 0 0.94285714 0 1 0

Tabla 4
Variables
Z X1 X2 X3 S1
Basicas
Z 1 22.8571429 0 0 0
X2 0 -0.17142857 1 0 0
S1 0 0.06 0 0 1
X3 0 0.94285714 0 1 0

Fin del ejercicio dado que no existen mas valores negatios en Z.

Anexa para X2
Antigua 0 -0.17142857 1 0 0
Numero Pibo 1 1 1 1 1
Resultado 0 -0.17142857 1 0 0

Anexa para Z
Nueva 0 -274.285714 1600 0 0
Antigua 1 297.142857 -1600 0 0
Resultado 1 22.8571429 0 0 0

Anexa para X3
Nueva 0 0 0 0 0
Antigua 0 0.94285714 0 1 0
Resultado 0 0.94285714 0 1 0

Anexa para S1
Nueva 0 0 0 0 0
Antigua 0 0.06 0 0 1
Resultado 0 0.06 0 0 1

* Solver

B-1 B-2 B-3

F. OBJETIVO
0.00 114.29 371 $ 851,428.571
$ 1,400 $ 1,600 $ 1,800

RESTRICCIONES IZQUIERDA
Acero 0.9 1 1.2 560 >=
Templado 120 125 150 70000 <=
Revenido 150 170 190 90000 <=
Finalmente podemos ver que si la empresa desea obtener una utilidad optima, debe como minimo produccir 114,285
respectivamente, ya que es ahí el momento en el cual la utilidad alcanza el valor mas alto, lo anterior es valido si y s
caso de modificar esos valores es recomendable realizar nuevamente el procedimiento para encontrar el valor optim
on una utilidad de USD1.400, aceros al manganeso grado B-2 con una
D1.800, utilizados en aplicaciones donde se requiere resistencia al impacto

nganeso, 120 minutos de tratamiento de templado y 150 minutos de

neso, 125 minutos de tratamiento de templado y 170 minutos tratamiento de

ganeso, 150 minutos de tratamiento de templado y 190 minutos de

s de acero al manganeso y como máximo de 70.000 minutos para el

Forma Canonica

+0𝑅_1+0𝑠_3=530

1
 S2 R1 S3 RESULTADO
0 0 0 530 Razón
1 0 0 530 530
0 1 0 70,000 560
0 0 1 90,000 529.411765

2
S2 R1 S3 RESULTADO
-1 0 0 0
1 0 0 530
-125 1 0 3750
-170 0 1 -100

1 0 0 530
1 1 1 1
1 0 0 530

-1 0 0 -530
0 0 0 530
-1 0 0 0

-125 0 0 -66250
0 1 0 70,000
-125 1 0 3750

-170 0 0 -90100
0 0 1 90,000
-170 0 1 -100

Minimización:
 S2 S3 RESULTADO
0 0 0
0 0 530 441.666666667
1 0 3750 #DIV/0!
0 1 -100 7.14285714286

𝑢𝑙𝑡𝑎𝑑𝑜 𝑒𝑛𝑡𝑟𝑒 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑑𝑒 𝑒𝑛𝑡𝑟𝑎𝑑𝑎.

𝑙𝑢𝑚𝑛𝑎 𝑝𝑖𝑏𝑜𝑡𝑒.

S2 S3 RESULTADO
0 -128.571429 12857.1428571
0 0.08571429 521.428571429 38.4210526316
1 0 3750 30
0 -0.07142857 7.14285714286 -0.58823529412

𝑢𝑙𝑡𝑎𝑑𝑜 𝑒𝑛𝑡𝑟𝑒 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑑𝑒 𝑒𝑛𝑡𝑟𝑎𝑑𝑎.

𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑝𝑖𝑏𝑜𝑡𝑒.

0 1 -100
-14 -14 -14
0 -0.07142857 7.14285714286

0 -128.571429 12857.1428571
0 0 0
0 -128.571429 12857.1428571

0 0.08571429 -8.57142857143
0 0 530
0 0.08571429 521.428571429

0 0 0
1 0 3750
1 0 3750
 S2 S3 RESULTADO
174.8571428571 -128.571429 668571.428571
-0.10857142857 0.08571429 114.285714286 114.285714286
0.008 0 30 #DIV/0!
0.097142857143 -0.07142857 371.428571429 #DIV/0!

𝑢𝑙𝑡𝑎𝑑𝑜 𝑒𝑛𝑡𝑟𝑒 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑑𝑒 𝑒𝑛𝑡𝑟𝑎𝑑𝑎.

𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑝𝑖𝑏𝑜𝑡𝑒.

1 0 3750
125 125 125
0.008 0 30

174.8571428571 0 655714.285714
0 -128.571429 12857.1428571
174.8571428571 -128.571429 668571.428571

-0.10857142857 0 -407.142857143
0 0.08571429 521.428571429
-0.10857142857 0.08571429 114.285714286

0.097142857143 0 364.285714286
0 -0.07142857 7.14285714286
0.097142857143 -0.07142857 371.428571429

¿Qué cantidad de acero al manganeso de cada gr

S2 S3 RESULTADO decisiones y obtener la mayor utilidad posible con

1.142857142857 8.57142857 851428.571429 La producción se debe realizar de la siguiente maner

-0.10857142857 0.08571429 114.285714286 Aceros al manganeso grado B-1 = 0
Aceros al manganeso grado B-2 = 114,285
0.008 0 30 Aceros al manganeso grado B-3 =371,428
0.097142857143 -0.07142857 371.428571429 Z = 851428,571
-0.10857142857 0.08571429 114.285714286
1 1 1
-0.10857142857 0.08571429 114.285714286

-173.714285714 137.142857 182857.142857

174.8571428571 -128.571429 668571.428571
1.142857142857 8.57142857 851428.571429

0 0 0
0.097142857143 -0.07142857 371.428571429
0.097142857143 -0.07142857 371.428571429

0 0 0
0.008 0 30
0.008 0 30

DERECHA
530
70,000
90,000
debe como minimo produccir 114,285 y 371,428 Aceros al manganeso grado B-2 y B-3
or mas alto, lo anterior es valido si y solo si se mantienen las condiciones iniciales del problema, en
imiento para encontrar el valor optimo de la utilidad.
manganeso de cada grado debe producir la empresa Industrial de Aceros Co., para tomar
yor utilidad posible con los recursos disponibles?

ar de la siguiente manera.
B-1 = 0
B-2 = 114,285
B-3 =371,428
Ejercicio 3. Método simplex dual.

Se presenta la siguiente situación problema de programación lineal:

La empresa Industrial de Refrescos Co., produce refresco en seco clase A a un costo de USD1.800, refresco en seco c
en seco clase C a un costo de USD1.600.
Producir refresco en seco clase A, requiere 0,37 toneladas de saborizante, 0,13 toneladas de colorante y 0,50 tonelada
Producir refresco en seco clase B, requiere 0,31 toneladas de saborizante, 0,15 toneladas de colorante y 0,54 tonelada
Producir refresco en seco clase C, requiere 0,24 toneladas de saborizante, 0,17 toneladas de colorante y 0,59 tonelada
La empresa, dispone en su planta de producción como mínimo de 45 toneladas de saborizante, de 30 toneladas de col

Industrial de Refrescos Co.

Recursos
Refresco A Refresco A Refresco A Disponibilidad
Restricciones
Saborizante 0.37 0.31 0.24 45
Colorante 0.13 0.15 0.17 30
Azúcar 0.5 0.54 0.59 105
Utilidad 800 750 700

* Formular el problema como un modelo de programación lineal.

𝐹𝑢𝑛𝑐𝑖ó𝑛 𝑂𝑏𝑗𝑒𝑡𝑖𝑣𝑜 →𝑀𝑖𝑛 𝑍=800𝑥_1+750𝑥_2+700𝑥_3
𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 1 →0,35𝑥_1+0,38𝑥_2+0,25𝑥_3≥300
𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 2 →0,15𝑥_1+0,17𝑥_2+0,19𝑥_3≥130 Forma Canonica
𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 3 →0,5𝑥_1+0,53𝑥_2+0,56𝑥_3≥400
𝑁𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑 →𝑃𝑎𝑟𝑎 𝑥_1,𝑥_2,𝑥_3≥0

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

𝐹𝑢𝑛𝑐𝑖ó𝑛 𝑂𝑏𝑗𝑒𝑡𝑖𝑣𝑜 →𝑀𝑖𝑛 𝑍−800𝑥_1−750𝑥_2−700𝑥_3+0𝑠_1+0𝑠_2+0𝑠_3=0
𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 1 →−0,35𝑥_1−0,38𝑥_2−0,25𝑥_3+1𝑠_1=−300
𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 2 →−0,15𝑥_1−0,17𝑥_2−0,19𝑥_3+1𝑠_2=−130
𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 3 →−0,5𝑥_1−0,53𝑥_2−0,56𝑥_3+1𝑠_3=−400
𝑁𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑 →𝑃𝑎𝑟𝑎 𝑥_1,𝑥_2,𝑥_3.𝑠_1,𝑠_2,𝑠_3≥0

Tabla 1
Variables
Z X1 X2 X3 S1
Basicas
Z 1 -800 -750 -700 0
S1 0 -0.37 -0.31 -0.24 1
S2 0 -0.13 -0.15 -0.17 0
S3 0 -0.5 -0.54 -0.59 0
 Razon: 1600 1388.888888889 1186.440677966

Variable de entrada: 𝑥_3→ 𝑀𝑒𝑛𝑜𝑟 𝑣𝑎𝑙𝑜𝑟 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜 𝑑𝑒𝑙 𝑐𝑜𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑙𝑎 𝑓𝑖𝑙𝑎 𝑍 𝑦 𝑙𝑎 𝑓𝑖𝑙𝑎 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒 𝑠𝑎𝑙𝑖𝑑𝑎.
Variable de salida: 𝑠_3→𝑀𝑒𝑛𝑜𝑟 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜.
Numero Pibote: −0,59 →𝐸𝑙 𝑛𝑢𝑚𝑒𝑟𝑜 𝑢𝑏𝑖𝑐𝑎𝑑𝑜 𝑒𝑛 𝑙𝑎 𝑖𝑛𝑡𝑒𝑟𝑠𝑒𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑓𝑖𝑙𝑎 𝑐𝑜𝑛 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑝𝑖𝑏𝑜𝑡𝑒.

Tabla 2
Variables
Z X1 X2 X3 S1
Basicas
Z 1 -206.7796610169 -109.3220338983 0 0
S1 0 -0.166610169492 -0.090338983051 0 1
S2 0 0.01406779661 0.005593220339 0 0
X3 0 0.847457627119 0.915254237288 1 0

Razon: 1241.098677518 1210.131332083

Variable de entrada: 𝑥_2→ 𝑀𝑒𝑛𝑜𝑟 𝑣𝑎𝑙𝑜𝑟 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜 𝑑𝑒𝑙 𝑐𝑜𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑙𝑎 𝑓𝑖𝑙𝑎 𝑍 𝑦 𝑙𝑎 𝑓𝑖𝑙𝑎 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒 𝑠𝑎𝑙𝑖𝑑𝑎.
Variable de salida: 𝑠_1→𝑀𝑒𝑛𝑜𝑟 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜.
Numero Pibote: −0,090338983 →𝐸𝑙 𝑛𝑢𝑚𝑒𝑟𝑜 𝑢𝑏𝑖𝑐𝑎𝑑𝑜 𝑒𝑛 𝑙𝑎 𝑖𝑛𝑡𝑒𝑟𝑠𝑒𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑓𝑖𝑙𝑎 𝑐𝑜𝑛 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑝𝑖𝑏𝑜𝑡𝑒.

Anexa para X3
Antigua 0 -0.5 -0.54 -0.59 0
Numero Pibo -0.59 -0.59 -0.59 -0.59 -0.59
Resultado 0 0.847457627119 0.915254237288 1 0

Anexa para Z
Nueva 0 593.2203389831 640.6779661017 700 0
Antigua 1 -800 -750 -700 0
Resultado 1 -206.7796610169 -109.3220338983 0 0

Anexa para S1
Nueva 0 0.203389830508 0.219661016949 0.24 0
Antigua 0 -0.37 -0.31 -0.24 1
Resultado 0 -0.166610169492 -0.090338983051 0 1

Anexa para S2
Nueva 0 0.14406779661 0.155593220339 0.17 0
Antigua 0 -0.13 -0.15 -0.17 0
Resultado 0 0.01406779661 0.005593220339 0 0

Tabla 3
Variables
Z X1 X2 X3 S1
Basicas
 Z 1 -5.15947467167 0 0 -1210.13133208255
X2 0 1.844277673546 1 0 -11.0694183864916
S2 0 0.003752345216 0 0 0.0619136960600378
X3 0 -0.84052532833 0 1 10.1313320825516

Fin del ejercicio dado que no existen mas valores negativos en Resultado.

Anexa para X2
Antigua 0 -0.166610169492 -0.090338983051 0 1
Numero Pibo-0.09033898 -0.090338983051 -0.090338983051 -0.090338983051 -0.090338983050847
Resultado 0 1.844277673546 1 0 -11.0694183864916

Anexa para Z
Nueva 0 201.6201863453 109.3220338983 0 -1210.13133208255
Antigua 1 -206.7796610169 -109.3220338983 0 0
Resultado 1 -5.15947467167 0 0 -1210.13133208255

Anexa para X3
Nueva 0 -1.687982955449 -0.915254237288 0 10.1313320825516
Antigua 0 0.847457627119 0.915254237288 1 0
Resultado 0 -0.84052532833 0 1 10.1313320825516

Anexa para S2
Nueva 0 -0.010315451394 -0.005593220339 0 0.0619136960600378
Antigua 0 0.01406779661 0.005593220339 0 0
Resultado 0 0.003752345216 0 0 0.0619136960600378

* Solver

Refresco A Refresco A Refresco A

F. OBJETIVO
0 25.328 154.784 $ 127,345.22
$ 800 $ 750 $ 700

RESTRICCIONES IZQUIERDA
Saborizante 0.37 0.31 0.24 45 >=
Colorante 0.13 0.15 0.17 30.11257035647 >=
Azúcar 0.5 0.54 0.59 105 >=
* interpretación de resultados de la solución del modelo de programación lineal para la toma de decisiones.
𝑥_1=0 𝑥_2=25,328 𝑥_3=155,784
Los anteriores, son los valores de las cantidades de refresco en seco de cada tipo que la empresa debe produccir par
1.800, refresco en seco clase B a un costo de USD1.700 y refresco

colorante y 0,50 toneladas de azúcar,

colorante y 0,54 toneladas de azúcar.
colorante y 0,59 toneladas de azúcar.
e, de 30 toneladas de colorante y de 105 toneladas de azúcar.

Forma Estandar

S2 S3 RESULTADO
0 0 0
0 0 -45
1 0 -30
0 1 -105
𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒 𝑠𝑎𝑙𝑖𝑑𝑎.

S2 S3 RESULTADO
0 -1186.44068 124576.271186
0 -0.40677966 -2.2881355932
1 -0.28813559 0.25423728814
0 -1.69491525 177.966101695

2916.66667

𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒 𝑠𝑎𝑙𝑖𝑑𝑎.

𝑜𝑙𝑢𝑚𝑛𝑎 𝑝𝑖𝑏𝑜𝑡𝑒.

0 1 -105
-0.59 -0.59 -0.59
0 -1.69491525 177.966101695

0 -1186.44068 124576.271186
0 0 0
0 -1186.44068 124576.271186

0 -0.40677966 42.7118644068
0 0 -45
0 -0.40677966 -2.2881355932

0 -0.28813559 30.2542372881
1 0 -30
1 -0.28813559 0.25423728814

¿Qué cantidad de cada clase de refresco en seco debe pr

S2 S3 RESULTADO decisiones y obtener el menor costo posible con los recu
 0 -694.183865 127345.21576
0 4.50281426 25.3283302064 La empresa debe produccir 25,328 refrescos en seco clase
más minimos posibles, de presentarse cambios en las restri
1 -0.31332083 0.11257035647 nuevamente el ejercicio, el costo actualmente esta cerca a l
0 -5.81613508 154.78424015

0 -0.40677966 -2.2881355932
-0.09033898 -0.09033898 -0.0903389831
0 4.50281426 25.3283302064

0 492.256813 2768.94457341
0 -1186.44068 124576.271186
0 -694.183865 127345.21576

0 -4.12121983 -23.181861545
0 -1.69491525 177.966101695
0 -5.81613508 154.78424015

0 -0.02518523 -0.1416669317
1 -0.28813559 0.25423728814
1 -0.31332083 0.11257035647

DERECHA
45
30
105
de decisiones.
𝑍=127354,22
presa debe produccir para alcanzar así un costo minimo. (Optimo)
se de refresco en seco debe producir la empresa Industrial de Refrescos Co., para tomar
nor costo posible con los recursos disponibles?
25,328 refrescos en seco clase B y 154,784 refresco en seco clase B. Si desea que los costos sean lo
esentarse cambios en las restricciones y/o condiciones iniciales del problema es conveniente realizar
osto actualmente esta cerca a los USD 127354,2158
 REFERENCIAS

Valle, S. (2012) Álgebra lineal para estudiantes de ingeniería y ciencias (pp. 24-34), Españ
de: https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/detail.action?docID=4585362

Martínez, S. (2014). Investigación de operaciones. (1a. ed.) (pp. 44-67), México: Grupo Ed
de: http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/detail.action?docID=3227913

Goberna, T. (2004). Optimización lineal: teoría, métodos y modelos (pp. 277-298), Alicant
de: http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/detail.action?docID=3195264
 REFERENCIAS

a y ciencias (pp. 24-34), España: Editorial McGraw-Hill. Recuperado

ail.action?docID=4585362

(pp. 44-67), México: Grupo Editorial Patria. Recuperado

il.action?docID=3227913

modelos (pp. 277-298), Alicante, España: Editorial Mc Graw Hill. Recuperado

il.action?docID=3195264