PROGRAMACION LINEAL

FASE 3

PRESENTADO POR:
LEIDY VALERIA AYA ALFARO
CÓDIGO: 1121894368

GRUPO: 100404_401

TUTOR
MANUEL ALEJANDRO LOZADA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
MAYO 2017
 TABLA DE CONTENIDO

INTRODUCCIÓN ............................................................. Error! Bookmark not defined.

OBJETIVOS ..................................................................... Error! Bookmark not defined.
1.1 GENERAL .......................................................... Error! Bookmark not defined.
1.2 ESPECÍFICOS .................................................... Error! Bookmark not defined.
PROBLEMA PLANTEADO .............................................................................................. 3
 INTRODUCCIÓN

Dentro de las diferentes disciplinas que ayudan al desarrollo del mundo industrial y de
los negocios del mundo actual, existen varias que provienen del área de las
matemáticas y que aportan grandemente, no solo en la resolución de ecuaciones
matemáticas, sino también mediante la adaptación de problemas de la vida real a
modelos matemáticos que ayudan a optimizar recursos para la adecuada solución de
problemas que diariamente se enfrentan.

La programación lineal es un enfoque de solución de problemas elaborado para

ayudar a tomar decisiones. Es un modelo matemático con una función objetivo lineal,
un conjunto de restricciones lineales variables no negativas. En el ambiente de
negocios actual, pueden encontrarse gran cantidad de aplicaciones las cuales
principalmente ayudan a tomar decisiones de asignación de recursos (es decir
problemas de maximización o minimización).

Con la realización del presente trabajo se busca darle solución de manera manual
(lápiz y papel) a los problemas presentados en el trabajo colaborativo anterior, de igual
manera darles solución a los problemas propuestos en la guía de actividades por el
método simplex, fue desarrollado por George dantzig (1947) y es un método
algebraico que se utiliza para resolver problemas de programación lineal en un
número finito de pasos en una computadora. Este método establece una solución
factible y luego prueba si es óptima o no. Si no lo es busca una mejor solución y si
esta no es óptima entonces repite el proceso hasta hallar una solución óptima.
 OBJETIVOS
OBJETIVOS GENERALES

Formular, obtener y analizar soluciones a problemas de programación lineal, como

apoyo a la industria y la ingeniería, optimizando los recursos disponibles y facilitando la

toma de decisiones.

OBJETIVOS ESPECIFICOS

- Identificar y utilizar los métodos de programación lineal para la solución de

problemas Utilizar la optimización matemática.
- Darle solución óptima a problemas simples y complejos que se nos puedan
presentar tanto en la cotidianidad como en el ejercicio de su vida profesional y/o
laboral.
- Reconocerá los diversos métodos y técnicas para solucionar problemas de
programación lineal.
- -Valorará la importancia que tiene la programación lineal en situaciones
organizacionales para las empresas en el mundo moderno.
 PROBLEMA PLANTEADO

1. Nombre del estudiante quien presenta los datos:

Leidy Valeria Aya Alfaro

2. Nombre de la empresa, dirección y teléfono.

Tienda y variedades Daniel
Mz 22 casa 02 Barrio La Madrid,
3132110839

3. Nombres y apellidos del gerente o representante Legal de la empresa visitada

Deisy Martínez

4. Actividad económica de la empresa

Venta al por menor de otros productos en pequeños almacenes no
especializados

5. Nombre y descripción del proceso en donde han identificado el problema de

programación Lineal.
En la venta de productos líquidos, exactamente en las bebidas
energizantes

6. Narración del problema, cuadro resumen y modelos matemáticos.

La dueña de la tienda y variedades Daniel, quiere saber cuántas unidades de cada
marca de las bebidas energizantes debe tener en existencia diariamente para
maximizar su utilidad, ya que vive cerca de un gimnasio y vende frecuentemente
bebidas energizantes, a continuación se presenta el problema con dos de sus bebidas
más vendidas actualmente y de las cuales ella quiere salir de dudas y empezar a
vender de solo estas dos marcas.
 La tienda y variedades Daniel, vende de dos tipos de bebidas energizantes
“Vive100” y “SpeedMax”, el margen de utilidad en la bebida “Vive100” es de 200
pesos y el margen de la bebida “SpeedMax” es de 350 pesos.
En promedio la tienda no vende más de 50 unidades, siendo el más conocido el
“Vive100” los clientes prefieren comprar más unidades de la marca “SpeedMax”,
porque sale más económica para su bolsillo.

Se calcula que la marca “SpeedMax” supera al “Vive100” en una razón de 2:1

por lo menos.

Sin embargo vende como mínimo 10 unidades de “Vive100” al día.

¿Cuántas unidades de cada marca debe tener en existencia la tienda
diariamente para maximizar su utilidad?

TIPO DE BEBIDAS MARGEN DE UTILIDAD

“Vive100” $ 200
“SpeedMax” $ 350

7. Evidencias de la visita realizada

 Modelo canónico

Variables:

𝑋1 : Unidades de “Vive100” que debe tener la tienda en existencia diariamente

𝑋2 : Unidades de “SpeedMax” que debe tener la tienda en existencia diariamente

Objetivo incrementar al máximo la utilidad por la venta de los dos tipos de bebidas
energizantes.

Se menciona que la utilidad es de 200 pesos por el “Vive100” y 350 pesos por el
“SpeedMax”.

Ecuación utilidad total por concepto de ventas:

𝑀𝑎𝑥(𝑧) = 200𝑋1 + 350𝑋2

Restricciones:

1. En promedio no se venden más de 50 unidades al día de energizantes.

𝑋1 + 𝑋2 ≤ 50

2. Los clientes tienden a comprar más unidades de “SpeedMax”

 𝑋2 ≥ 𝑋1
−𝑋1 + 𝑋2 ≥ 0

3. Las ventas de “SpeedMax” superan al “Vive100” en una razón de 2:1 por lo

menos.

𝑋2 ≥ 2𝑋1
−2𝑋1 + 𝑋2 ≥ 0

4. Se venden mínimo 10 unidades de “Vive100” al día.

𝑋1 ≥ 10

Y la condición de no negatividad que implica que todos las variables de decisión sean
positivas (mayores o iguales a 0)

𝑋1 , 𝑋2 ≥ 0

Modelo estándar

Ecuación utilidad total por concepto de ventas:

𝑍 = 200𝑋1 + 350𝑋2 + 0𝑋3 + 0𝑋4 + 0𝑋5 + 0𝑋6

𝑍 − 200𝑋1 − 350𝑋2 − 0𝑋3 − 0𝑋4 − 0𝑋5 − 0𝑋6 = 0

Restricciones:

𝑅1 𝑋1 + 𝑋2 + 𝑋3 = 50

𝑅2 − 𝑋1 + 𝑋2 + 𝑋4 = 0

𝑅3 − 2𝑋1 + 𝑋2 + 𝑋5 = 0

𝑅4 𝑋1 + 𝑋6 = 10

𝑋1 , 𝑋2 , 𝑋3 , 𝑋4 , 𝑋5 , 𝑋6 ≥ 0
METODO SIMPLEX
PROGRAMA EN LINEA
 PROBLEMAS DE PROGRAMACION LINEAL

1. El taller de latonería y pintura “CarDrum” tiene como actividad económica restaurar la

pintura de los vehículos de forma general. En esta empresa se llevan a cabo 4 procesos
Desarme, Pintura, Secado y ensamble, se tienen disponibles 24, 32, 40, 56 horas
respectivamente. Realizar el trabajo durante todo el proceso a los vehículos X se
requiere 4 horas de desarme, 8 horas de pintura, 6 horas de secado, 8 horas de
ensamble; los vehículos Y, se requiere 5 horas de desarme, 6 horas de pintura, 8 horas
de secado, 10 horas de ensamble.

Se calcula que las utilidades por cada vehículo domestico reparado es de $500.000 y por cada
vehículo de carga, es de $ 800.000
Calcular las ganancias máximas que puede obtener el taller, y número de vehículos de cada
tipo que se deben reparar; si tenemos clientes permanentemente.
 𝑋1 = 𝑣𝑒ℎí𝑐𝑢𝑙𝑜𝑠 𝑑𝑜𝑚𝑒𝑠𝑡𝑖𝑐𝑜𝑠 𝑥
𝑋2 = 𝑣𝑒ℎí𝑐𝑢𝑙𝑜𝑠 𝑑𝑒 𝑐𝑎𝑟𝑔𝑎 𝑦

Maximizar
𝑍 = 500.000 𝑋1 + 800.000 𝑋2

X1 X2
Desarme 4 5 24
Pintura 8 6 32
Secado 6 8 40
Ensamble 8 10 56
$ 500.000 $ 800.000

4𝑋1 + 5𝑋2 <= 24

8𝑋1 + 6𝑋2 <= 32
6𝑋1 + 8𝑋2 <= 40
8𝑋1 + 10𝑋2 <= 56

El PPL debe transformarse eliminando las inecuaciones (o restricciones del modelo) y

convirtiéndolas en ecuaciones, para lo cual debemos agregar en cada inecuación una variable
de holgura, variable de exceso y además adicionaremos una variable artificial según sea el
caso:

Como la restricción 1 es del tipo '≤' se agrega la variable de holgura X3

5𝑋1 + 5𝑋2 + 𝑋3 = 24

Como la restricción 2 es del tipo '≤' se agrega la variable de holgura X4

8 𝑋1 + 6 𝑋2 + 1 𝑋4 = 32

Como la restricción 3 es del tipo '≤' se agrega la variable de holgura X5.

6 𝑋1 + 8 𝑋2 + 1 𝑋5 = 40
Como la restricción 4 es del tipo '≤' se agrega la variable de holgura X6.

8 𝑋1 + 10 𝑋2 + 1 𝑋6 = 56

𝑋1, 𝑋2, 𝑋3, 𝑋4, 𝑋5, 𝑋6 ≥ 0

𝑀𝑎𝑥𝑖𝑚𝑖𝑧𝑎𝑟 500000 𝑋1 + 800000 𝑋2 + 0 𝑋3 + 0 𝑋4 + 0 𝑋5 + 0 𝑋6

Ahora que hemos convertido las inecuaciones en ecuaciones, debemos agregar las nuevas la
función objetivo o función de optimización, de la siguiente manera:
Las variables de holguras de adicionan con coeficIente cero.

ESTAMOS LISTOS PARA CONSTRUIR LA PRIMERA TABLA

Cj 0 500000 800000 0 0 0 0
XB CB b X1 X2 X3 X4 X5 X6 RAZON
X3 0 24 4 5 1 0 0 0 4.8
X4 0 32 8 6 0 1 0 0 5.33333333
X5 0 40 6 8 0 0 1 0 5
X6 0 56 8 10 0 0 0 1 5.6
Zj 0 0 0 0 0 0 0
Zj-Cj 0 -500000 -800000 0 0 0 0

Iteración 1:

Una vez que hemos llenado el tabloide procedemos a realizar el Proceso de optimización (1ra
Fase) para lo cual se debe:

1. Observamos la octava fila y buscamos los Zj-Cj< 0 y podemos ver que hay 2 valores,
seleccionando al más negativo osea –800000 correspondiente a la variable X2, que
será la variable que entrará a ser básica.
2. Una vez seleccionada X1 procederemos obtener los cocientes de cada b entre los
coeficientes de X1 EN LA COLUMNA RAZON.
El cociente más pequeño es 4.8, esto indica que la variable básica que saldrá es X3.
 3. El número pivote es 5; dividimos F1/5

4. Ahora debemos hacer cero los valores debajo del valor pivote para ello multiplicamos
(ver tabloide 2)

𝐹2 − 6𝐹1
𝐹3 − 8𝐹1
𝐹4 − 10𝐹1

5. Ahora calculamos los Z en cada columna de las variables del tabloide (ver tabloide 2)
6. Calculamos los Cj–Zj y los resultados los vemos en el tabloide

2.

Cj 0 500000 800000 0 0 0 0
XB CB b X1 X2 X3 X4 X5 X6
X2 800000 4.8 0.8 1 0.2 0 0 0
X4 0 3.2 3.2 0 -1.2 1 0 0
X5 0 1.6 -0.4 0 -1.6 0 1 0
X6 0 8 0 0 -2 0 0 1
Zj 3840000 640000 800000 160000 0 0 0
Zj-Cj 3840000 140000 0 160000 0 0 0

COMO TODOS LOS ELEMENTOS DE Zj - Cj SON MAYORES QUE 0, terminamos las

iteraciones

𝑍 = $3.840.000

𝑋1 = 0
𝑋2 = 4.8

La mayor ganancia que puede obtener Cardrum es de $3.840.000, centrándose en los

mantenimientos de los vehículos de carga y; realizando 4 o 5 mantenimientos y ninguno de los
vehículos domésticos.
PHPSIMPLEX
 2. En esta panadería, aparte de vender pan, también se preparan menús especiales para
el desayuno, aunque se pueden pedir a cualquier hora del día. El primero es de $5.000,
el cual consiste en 2 huevos (preparados de la forma que se prefiera), 2 panes y una
bebida. El segundo es a $6.000 con 3 huevos, 3 panes y una bebida. Al día se tiene un
límite de 1.500 huevos, 1.200 panes y 1.800 bebidas para preparar. ¿Cuántos menús
del primer y segundo tipo deben vender para obtener el máximo ganancias?

𝑋1 = 𝐷𝑒𝑠𝑎𝑦𝑢𝑛𝑜 𝑡𝑖𝑝𝑜 1
𝑋2 = 𝐷𝑒𝑠𝑎𝑦𝑢𝑛𝑜 𝑡𝑖𝑝𝑜 2

X1 X2
Huevos 2 3 1500
Panes 2 3 1200
bebidas 1 1 1800
5000 6000

𝑍 = 5000 𝑋1 + 6000 𝑋2

𝐻𝑢𝑒𝑣𝑜𝑠 = 2 𝑋1 + 3𝑋2 <= 1500

𝑃𝑎𝑛𝑒𝑠 = 2𝑋1 + 3𝑋2 <= 1200

𝐵𝑒𝑏𝑖𝑑𝑎𝑠 = 𝑋1 + 𝑋2 <= 1800

El PPL debe transformarse eliminando las inecuaciones (o restricciones del modelo) y

convirtiéndolas en ecuaciones, para lo cual debemos agregar en cada inecuación una variable
de holgura, variable de exceso E o una variable artificial dependiendo del caso:

Como la restricción 1 es del tipo '≤' se agrega la variable de holgura X3

2 𝑋1 + 3 𝑋2 + 1 𝑋3 = 1500

Como la restricción 2 es del tipo '≤' se agrega la variable de holgura X4.

 2 𝑋1 + 3 𝑋2 + 1 𝑋4 = 1200

Como la restricción 3 es del tipo '≤' se agrega la variable de holgura X5.

1 𝑋1 + 1 𝑋2 + 1 𝑋5 = 1800

𝑀𝐴𝑋𝐼𝑀𝐼𝑍𝐴𝑅: 5000 𝑋1 + 6000 𝑋2 + 0 𝑋3 + 0 𝑋4 + 0 𝑋5

Estamos listos para construir la primera tabla:

Cj 0 5000 6000 0 0 0
XB CB b X1 X2 X3 X4 X5 RAZON
X3 0 1500 2 3 1 0 0 500
X4 0 1200 2 3 0 1 0 400
X5 0 1800 1 1 0 0 1 1800
Zj 0 0 0 0 0 0
Zj-Cj 0 -5000 -6000 0 0 0

Iteración 1:

Una vez que hemos llenado el tabloide procedemos a realizar el Proceso de optimización para
lo cual se debe:

1. Observamos la segunda fila y buscamos los Zj – Cj < 0 y podemos ver que hay 2
valores, seleccionando al más negativo osea -6000 correspondiente a la variable X2,
que será la variable que entrará a ser básica.

2. Una vez seleccionada X2 procederemos obtener los cocientes de cada b entre los
coeficientes de X2 EN LA COLUMNA RAZON.
El cociente más pequeño es 400, esto indica que la variable básica que saldrá es X4.

3. El número pivote es 3, por lo que se debe dividir toda la fila por 3

4. Ahora debemos hacer cero los valores encima y abajo del valor pivote para ello
multiplicamos (ver tabloide 2)
 𝐹1 − 3𝐹2
𝐹3 − 𝐹2

5. Ahora calculamos los Z en cada columna de las variables del tabloide (ver tabloide 2)
6. .Calculamos los Zj – Cj y los resultados los vemos en el tabloide 2.

Cj 0 5000 6000 0 0 0
XB CB b X1 X2 X3 X4 X5 RAZON
x3 0 300 0 0 1 -1 0 #¡DIV/0!
X2 6000 400 0.66666667 1 0 0.33333333 0 600
X5 0 1400 0.33333333 0 0 -0.33333333 1 4200
Zj 2400000 4000 6000 0 2000 0
Zj-Cj 2400000 -1000 0 0 2000 0

La variable que sale es X2 y la variable que entra es X1; el elemento pivote es 0.6666667, con
operaciones sencillas convertimos los elementos de la columna pivote en ceros y el pivote en
1.
𝐹2/0.66666667
𝐹3 − 0.33333333𝐹2

Cj 0 5000 6000 0 0 0
XB CB b X1 X2 X3 X4 X5
x3 0 300 0 0 1 -1 0
X1 5000 600 1 1.5 0 0.5 0
X5 0 1200 0 -0.5 0 -0.5 1
Zj 3000000 5000 7500 0 2500 0
Cj - ZJ 3000000 0 1500 0 2500 0

Con las materias primas que tiene disponible la panadería la opción que le genera mayor
ganancia es la de hacer y vender 600 desayunos del tipo 1, obteniendo así una ganancia de $
3.000.000.
PHPSIMPLEX