Adria

EXTENSIÓN LATACUNGA
INVESTIGACIÓN OPERATIVA
ELABORADO POR:
ING. BYRON COCHA CARRERA MSC. MGCP.
NIVEL:
CUARTO
ABRIL - AGOSTO/2017
1
ÍNDICE
TEMA PÁGINA
Carátula………………………………………………………………………………… 1
Índice……………………………………………………………………………………. 2
Introducción…………………………………………………………………………. 3
Evolución……………………………………………………………………………… 3
Fases…………………………………………………………………………………….. 4
Programación Lineal Objetivos………………………………………………. 7
Conceptos básicos…………………………………………………………………. 8
El problema general de programación lineal………………………….. 9
Requisitos……………………………………………………………………………….. 10
Ejercicios resueltos………………………………………………………………….. 12
Análisis de sensibilidad…………………………………………………………….. 22
Análisis de sensibilidad gráfico…………………………………………………. 25
Autoevaluación………………………………………………………………………… 55
Ejercicios propuestos………………………………………………………………… 58
Método Simplex Objetivos………………………………………………………… 59
Método Simplex Introducción…………………………………………………… 59
Procedimiento…………………………………………………………………………… 60
Resolución…………………………………………………………………………………. 61
Ejercicios resueltos……………………………………………………………………. 64
Resolución por computadora……………………………………………………... 68
Ejercicios propuestos…………………………………………………………………. 69
2
Bibliografía……………………………………………………………………………….. 71
3
INVESTIGACIÓN OPERATIVA
INTRODUCCIÓN
La Investigación Operativa es un conjunto de técnicas que han surgido para

coordinar la teoría con la práctica, que han servido para solucionar problemas
cada vez más complejos que surgen en una empresa, muchos de los avances de la
investigación operativa se han debido a que se han encontrado términos
matemáticos, desarrollo de la computación y sobretodo métodos más abreviados
de cálculo matemático que han hecho factible las soluciones en problemas que
hace años se consideraba fuera de nuestras posibilidades. Es una estrategia o
técnica para llegar a un objetivo con los recursos mínimos.
La investigación operativa es tomada como una ciencia en formación, de ahí que no

existe un concepto formalizado, existen muchas inquietudes pues se puede
plantear y resolver problemas en una amplia gama de actividades, creando
fundamentalmente más y nuevas posibilidades de acción práctica en esta nueva
materia, estas características que a la vez van formando la investigación operativa
derivan interesantes utilidades para crear modelos de aplicaciones en empresas u
organizaciones de carácter público o privado.
La investigación operativa reúne un conjunto de ciencias como: la física, biología,

psicología, sociología, estadística, economía, matemáticas, entre otras que
identificadas a un problema concreto contribuyen a encontrar la causa y/o efecto
de un fenómeno y, en base de modelos matemáticos, métodos estadísticos y
criterios cualitativos, procura una definición de problemas y una solución práctica.
EVOLUCIÓN DE LA INVESTIGACIÓN OPERATIVA
La investigación operativa es tan antigua coma la conducta del hombre, pues el

avance científico es consecuencia de diferentes investigaciones en las ciencias
aplicadas.
Nace como una estrategia militar para que los barcos lleguen a su destino. Al inicio
de la segunda guerra mundial los mandos militares pidieron ayuda a un grupo de
científicos en diferentes áreas para resolver problemas estratégicos y tácticos.
Estos fueron los primeros equipos de investigación operativa procedentes de
4
diferentes disciplinas en donde surgieron 3 elementos básicos para una operación
de ataque militar:
1) ESTRATEGIA.-Objetivo a donde se quiere llegar.
2) LOGISTICA.-Recursos con los que cuenta la empresa (recursos

disponibles).
3) TÁCTICA.-Forma, habilidad para llegar a los objetivos planteados con los

recursos disponibles.
Se realizaron muchos ensayos para comprobar el desarrollo científico, intensas

investigaciones, procesos de investigación estadísticos, probabilidades llegando a
precisar una nueva forma de aplicación sobre los problemas.
FASES DE LA INVESTIGACIÓN OPERATIVA
La Investigación Operativa aspira determinar la mejor solución (solución óptima)

para un problema de decisión con la restricción de recursos limitados.
En la Investigación Operativa utilizaremos herramientas que nos permiten tomar

una decisión a la hora de resolver un problema tal es el caso de los modelos
matemáticos que se emplean según sea la necesidad.
Para llevar a cabo el estudio de la Investigación de Operaciones es necesario

cumplir con una serie de etapas o fases. Las principales etapas o fases de las que
hablamos son las siguientes:
1) Formulación de Problema
2) Construcción de un modelo matemático
3) Búsqueda de una solución(es)
4) Prueba de la solución
5) Establecimiento de controles sobre la solución
6) Ejecución (poner a trabajar la solución)
5
FORMULACION DEL PROBLEMA:
Deben estar perfectamente establecidos los objetivos, los cursos alternativos de

acción, las restricciones y los efectos de los sistemas de estudio. Debe tomarse en
cuenta que es casi imposible dar solución correcta a un problema incorrectamente
planteado.
CONSTRUCCION DEL MODELO MATEMÁTICO:
Las características esenciales de los modelos permiten describirlos de diferente

manera, los modelos pueden clasificarse por sus dimensiones, funciones,
propósitos, temas o grado de abstracción, entre los modelos básicos podemos
anotar:
1. Modelos icónicos (en dos dimensiones: planos, fotos, mapas, etc.; en tres
dimensiones: maquetas).
2. Modelos analógicos (curvas de demanda, gráficos de distribución de
frecuencias, diagramas de flujo, entre otros)
3. Modelos simbólicos o matemáticos (ecuaciones, inecuaciones, entre otros)
BUSQUEDA DE UNA SOLUCIÓN:
Una vez establecido el modelo, el siguiente paso es obtener una solución al

problema a partir del modelo.
Este paso se lo desarrolla determinando la solución óptima del modelo y luego

ampliando esta solución al problema real. Algunas ocasiones las complejidades
matemáticas del modelo impiden obtener una solución óptima. En estos casos una
buena respuesta es suficiente.
PRUEBA DE LA SOLUCIÓN:
Esta prueba se puede hacer en dos pasos:
1. Tomando datos del pasado, haciendo una comparación entre el rendimiento

lineal del sistema con la realidad de la empresa.
2. Permite operar el sistema sin cambios y comparando su rendimiento con el

del modelo.
6
ESTABLECIMIENTO DE CONTROLES SOBRE LA SOLUCIÓN:
Debe colocarse controles sobre la solución con el objeto de detectar cualquier

cambio en las condiciones en las cuales se basa el modelo; obviamente, si cambian
tanto que el modelo ya no es una representación precisa del sistema, el modelo
debe ser invalidado en esta fase se explica la solución a la administración
responsable del sistema en estudio. Es importante que la explicación de la solución
se haga en función de los procedimientos basados en el sistema real.
EJECUCIÓN (PONER A TRABAJAR LA SOLUCIÓN):
Consiste en traducir los resultados del modelo validado en instrucciones para el

usuario o los ejecutivos responsables que serán quienes deben tomar las
decisiones.
7
PROGRAMACIÓN LINEAL
La programación lineal es un método de resolución de problemas que se ha

desarrollado para ayudar a los administradores, gerentes, propietarios, entre otros
a tomar decisiones. Entre las aplicaciones más comunes podemos anotar:
- Un industrial desea elaborar un programa de producción y una política de

inventarios que satisfaga la demanda de ventas en periodos futuros.
Imaginativamente, el programa y la política le permitirán a la compañía
satisfacer la demanda y, al mismo tiempo, minimizar los costos totales de
producción e inventarios.
- Un analista financiero debe seleccionar una cartera de inversiones a partir
de diversas alternativas de inversión en bonos y acciones. Al analista le
gustaría establecer la cartera que maximice el rendimiento sobre la
inversión.
- Un gerente de mercadotecnia desea determinar la mejor forma de asignar
un presupuesto de publicidad fijo entre diversos medios publicitarios tales
como radio, televisión, periódicos y revistas. Al gerente le gustaría
determinar la combinación optima de medios que maximice la eficacia de la
publicidad es decir llega a la mayor cantidad de clientes.
- Una compañía tiene almacenes en diversos lugares de nuestro país,
considerando las demandas específicas de un conjunto de clientes para sus
productos, la compañía querría determinar qué almacén debe enviar, qué
cantidad de productos a qué clientes, de esta manera minimizar los costos
totales de transporte.
Estos son unos poquísimos ejemplos de casos en los cuales se ha utilizado la

programación lineal con éxito, a la vez ilustran la diversidad de sus aplicaciones, lo
que se desprende de todos estos es que una de las propiedades básicas de la
programación lineal o el objetivo principal o único es maximizar o minimizar
alguna cantidad.
La segunda propiedad de todos los problemas de programación lineal es que

existen limitaciones o restricciones que obstruyen la medida en que pueden
tratarse de alcanzar el objetivo.
8
Es una fase de modelos de programación destinados a la asignación eficiente de los
recursos limitados con el objeto de satisfacer las metas deseadas (maximizar
utilidades, maximizar producción, minimizar costos, minimizar tiempos, entre
otros).
Las características distintivas de los modelos de Programación Lineal son las

funciones que representan el objetivo y las restricciones son lineales es decir
ecuaciones o inecuaciones de primer grado.
El objetivo básico de la Programación Lineal es encontrar soluciones mediante la

resolución de modelos matemáticos, utilizando sistemas lineales a problemas de
carácter técnico y económico que se presentan por la limitación de los recursos.
Programación Lineal es una técnica cuantitativa ampliamente aplicada en sistemas

que representen relaciones lineales, para utilizar los recursos escasos de la mejor
manera posible. La mejor manera de usar los recursos escasos se logra utilizando
un modelo del sistema llamado Modelo de Programación Lineal. El Modelo de
Programación Lineal es un modelo matemático con variables de decisión,
coeficientes y/o parámetros, restricciones y una Función Objetivo.
Es determinístico porque todos los datos relevantes utilizados, son conocidos. Es
lineal porque las restricciones y el objetivo son funciones lineales. La contribución
de cada variable al valor total del objetivo y al lado derecho de cada restricción es
proporcional al valor de la variable. Es aditivo porque los términos de sus
restricciones y objetivo pueden sumarse (o restarse), las variables no tienen que
ser valores enteros y pueden adoptar cualquier valor fraccionario, esta hipótesis se
llama aditividad. La contribución de cada variable es independiente del valor de las
otras variables. Es divisible porque las variables de decisión pueden admitir
valores fraccionales, en caso de no aceptar valores fraccionales, sería preferible
usar Programación Lineal Entera.
Objetivos de la programación lineal
Proponer en forma cuantitativa acciones o decisiones a tomar para optimizar

sistemas donde existan recursos escasos y se presenten relaciones lineales,
mediante la teoría y la práctica de la Técnica de Programación Lineal.
9
Además al concluir este tema satisfactoriamente, usted será capaz de:
- Entender las hipótesis y propiedades básicas de la programación lineal.

- Formular y resolver modelos matemáticos a partir de las limitaciones de los
recursos que posee una empresa o institución.
- Resolver gráficamente cualquier problema de programación lineal de sólo
dos variables, por medio del método gráfico.
- Determinar las soluciones óptimas para problemas de programación lineal
utilizando el criterio pesimista, optimista y el valor esperado.
- Entender temas de programación lineal tales como infactibilidad,
ilimitación, redundancia y soluciones óptimas alternativas.
- Utilizar software para resolver problemas de programación lineal.
CONCEPTOS BÁSICOS DE PROGRAMACIÓN LINEAL
LINEALIDAD.- Todo proceso, actividad o relación lineal utilizada, se

identifica con la cantidad unitaria de cada uno de los insumos, recursos o
factores con respecto a los demás y a las cantidades de cada uno de los
productos.
Ejemplo:
Para producir zapatos Recurso principal (cuero)
H 3 pies M
M 2 pies
DISPONIBLE: 120 pies

60
3H  2M  120
Cuando M = 0
3H  0 = 120
H = 40
H
40
10
DIVISIBILIDAD.- Los procesos pueden utilizarse en extensiones positivas
divisibles mientras se disponga de recursos.
Simplificar
10000000 X 10X
5000000 Y 5Y
300000000 300
Incrementar
0,01 x 100 1
0,00005 x 100000 5
1 x 1000 1000
FINITUD.- Hay que definir tanto el número de procesos identificados

cuanto los resultados disponibles deberán corresponder a CANTIDADES
FINITAS(cantidades que tienen límite), esto es conocidas y cuantificadas en
forma determinativa, es decir, valores de datos pasados para hacer
proyecciones. En investigación operativa no se habla de cantidades infinitas,
ya que en una empresa no se tiene recursos infinitos o ilimitados.
2𝑋1 + 1𝑋2 ≤ 10
1000𝑋1 + 2000𝑋2 ≤ 10,000
ALGORITMOS O ITERACIONES
ALGORITMOS O ITERACIONES
Operaciones Aproximaciones Son aproximaciones sucesivas

matemáticas para alcanzar objetivos.
matemáticas
Sucesivas
11
La programación lineal utiliza métodos mediante operaciones sucesivas,
ensayos, intentos en los cuales se determinan pasos o etapas hasta llegar al
objetivo deseado.
EL PROBLEMA GENERAL DE PROGRAMACION LINEAL
El problema de la Programación Lineal se presenta por los limitados recursos que

se tratan de distribuir en la mejor forma. Los recursos a la vez que son limitados,
pueden ser distribuidos en tantas formas como combinaciones matemáticas
permitan relacionarlos a un mismo objetivo, de ahí que es necesario distribuirlos
adecuadamente en forma equilibrada y armónica entre los factores que
intervienen en el problema.
Los problemas de programación lineal resueltos por cualquiera de las técnicas,

debe cumplir los siguientes requisitos:
1) Función Objetivo
Está dado por maximización o minimización (Z (max.) o Z (min)). A su vez

están dados por sus coeficientes:
 MAXIMIZACIÓN Z (max.)= C1X1 + C2X2  C3X3 ……..+CnXn;
Donde: C1, C2, C3, Cn, son los coeficientes de la función objetivo, que pueden
ser: márgenes de utilidad, precios, costos, satisfacción, audiencia, entre
otros.
 MINIMIZACIÓN Z(min)= C1X1 + C2X2  C3X3 ……..+CnXn;
Donde: X1, X2, X3, Xn, son las variables que intervienen en el problema, es
decir lo que queremos lograr o lo que vamos a calcular.
2) Limitaciones o Restricciones
Son el conjunto de ecuaciones o inecuaciones que expresan las condiciones

finitas del problema, denominados también coeficientes técnicos, de
12
producción, tecnológicos, de transporte, entre otros, según sea el caso de
estudio.
Está representado por:
FILA
𝐴 1 1 𝑋1 + 𝐴 12 𝑋2 + 𝐴13 𝑋3 … . . +𝐴1 𝑛 𝑋𝑛 𝑇1 𝑏1
COLUMNA
𝐴2 1 𝑋1 + 𝐴 22 𝑋2 + 𝐴23 𝑋3 … . . +𝐴2𝑛 𝑋𝑛 𝑇2 𝑏2
𝐴31 𝑋1 + 𝐴 32 𝑋2 + 𝐴33 𝑋3 … . . +𝐴3𝑛 𝑋𝑛 𝑇3 𝑏3
𝐴𝑚 1 𝑋1 + 𝐴 𝑚2 𝑋2 + 𝐴𝑚3 𝑋3 … . . +𝐴𝑚𝑛 𝑋𝑛 𝑇𝑚 𝑏𝑚
En donde:
𝐴11, 𝐴12, 𝐴13, . . , 𝐴𝑚𝑛 Son los coeficientes técnicos de las restricciones de
problema.
𝑋1 , 𝑋2 , 𝑋3 , … . , 𝑋𝑛 Son las variables del problema.
𝑇1 , 𝑇2 , 𝑇3 , … . , 𝑇𝑛 Son las relaciones o condiciones de cada restricción y estos

pueden ser:
,  ,  ,  , 
b1, b2, b3,………, bn son los términos independientes o las disponibilidades.
3) Variables de no negatividad.- Son todas las variables que intervienen en

el problema y estos son:
X1, X2, X3,….., Xn ≥ 0
4) Condiciones de optimización.- Se va obteniendo por aproximaciones
sucesivas:
13
- Solución factible.- Es aquella que satisface las limitaciones y restricciones
del problema o también llamada solución básica o zona básica.
- Solución básica factible.- Es aquella que satisface tanto las limitaciones o
restricciones como la función objetivo del problema (optimización o
punto óptimo).
EJERCICIO
Electrolux produce dos tipos de motores eléctricos, cada uno en una línea de
ensamble separado. Las respectivas capacidades diarias de las dos líneas son 600 y
750 motores. El motor tipo 1 emplea 10 unidades de cierto componente
electrónico y el motor tipo 2 solo utiliza 8 unidades de componente electrónico. El
proveedor de los componentes electrónicos puede proporcionar 8000 piezas al
día. Las utilidades por motor para los tipos 1 y 2 son de 60 y 40 dólares,
respectivamente. Determine la mezcla óptima para la producción diaria.
Variables de decisión o variables del problema
Motor tipo 1= X1
Motor tipo 2= X2
Modelo matemático, está conformado por la función objetivo y sus respectivas

restricciones o limitaciones
FUNCIÓN OBJETIVO
Z (max) = 60X1 + 40X2
RESTRICCIONES O LIMITACIONES
Capacidad diaria MT1: X1 ≤ 600
Capacidad diaria MT2: X2 ≤ 750

14
Disponibilidad de componentes electrónicos: 10X1 + 8X2 ≤ 8000
VARIABLES DE NO NEGATIVIDAD
X1, X2  0
SOLUCIÓN GRÁFICA
INTERPRETACIÓN
Electrolux debe producir 600 motores tipo 1(X1) y 250 motores tipo 2 (X2) para
alcanzar una utilidad máxima de 46000 dólares.
También podemos determinar si existe holgura o excedente en los recursos o

insumos que intervienen en el problema, todo dependerá de la relación que se dé
15
entre lo que se utiliza y el término independiente o disponibilidad. En este
problema resuelto podemos decir:
Capacidad diaria de motores tipo 1, X1 ≤ 600 y como X1 = 600, significa que la

capacidad diaria de los motores tipo 1 está agotada esta utilizada en su totalidad.
Capacidad diaria de motores tipo 2, X2 ≤ 750, luego de resolver tenemos que

X2 = 250, esto significa que tenemos disponibilidad en la capacidad de motores tipo
dos para ensamblar 500 motores de este tipo (holgura).
Componentes electrónicos: 10X1 + 8X2 ≤ 8000, reemplazando los valores

obtenidos tenemos: 10(600) + 8(250) ≤ 8000
8000 = 8000
Es decir los componentes electrónicos están consumidos en su totalidad.
Con los datos obtenidos se puede realizar algunas recomendaciones:
No se puede ensamblar más motores de los obtenidos numéricamente por que los
componentes electrónicos están agotados.
Se recomienda disminuir la capacidad de motores tipo 2 a 250 motores máximo

para no desperdiciar su capacidad.
Si nosotros aumentamos la disponibilidad de componentes electrónicos estamos

hablando de una nueva producción (otro ciclo de producción) y por ende
tendríamos que aumentar la capacidad de producción de motores tipo 1, el
objetivo es maximizar las utilidades con los recursos disponibles, en conclusión la
producción optima es ensamblar 600 motores tipo 1 y 250 motores tipo 2 para
alcanzar la máxima utilidad de 46.000 (USD) unidades monetarias.
Otro método de resolución es la técnica algebraica y gráfica, es decir graficando las

ecuaciones o inecuaciones lineales y resolviendo el modelo matemático obtenido
(sistema de ecuaciones), este gráfico nos dará como resultado una solución básica
o zona factible (en el gráfico anterior la zona básica es la que está de color rosado)
16
pero que ecuaciones trabajamos o resolvemos para obtener la solución básica
factible o punto óptimo o producción optima o punto ideal, nos ayudamos del
gráfico obtenido y trabajamos las ecuaciones (líneas) que se intersecan o se cortan,
puede resolver por cualquier técnica que usted conoce el método de sustitución,
reducción o igualación, esto nos dará como resultado los valores de X 1 y X2, estos
valores obtenidos reemplazamos en la función objetivo, esto nos proporciona otros
valores en Z(max) de estos resultados escogemos el mayor por qué, porque es
maximización. Los valores de la intersección con los ejes son considerados los
mínimos, estos valores si reemplazamos en la función objetivo van a ser menores
que la solución básica factible (punto óptimo).
EJERCICIO
Suponga que tratamientos medicinales y por radiación están disponibles para un

paciente, cada onza de medicamento contiene 500 unidades curativas y 400
unidades tóxicas; cada minuto de radiación proporciona 1000 unidades curativas y
600 unidades tóxicas. El paciente requiere al menos de 2000 unidades curativas y
puede tolerar no más de 1400 unidades tóxicas; si cada onza de la medicina
provoca el mismo malestar que cada minuto de radiación. Determine la dosis de
medicamento y radiación de modo que el malestar en el paciente sea minimizado.
Curativas Tóxicas
Tratamiento medicinal = X1 500 400
Tratamiento por radiación = X2 1000 600
Requerimientos y disponibilidades  2000 1400
MODELO MATEMÁTICO
FUNCIÓN OBJETIVO
Z (min) = X1 + X2
17
Requerimiento de unidades curativas 500 X1 + 1000 X2 ≥ 2000
Máximo de unidades tóxicas que puede soportar 400 X1 + 600 X2 ≤ 1400
X1, X2 ≥ 0
SOLUCIÓN Y GRÁFICO
INTERPRETACIÓN
El tratamiento optimo que debe recibir el paciente y minimizar el dolor es 0

unidades de unidades de tratamiento medicinal (X1) y de 2 unidades de
tratamiento por radiación (X2), con este tratamiento se minimizará el dolor en el
paciente.
18
Con este tratamiento se está cubriendo con el requerimiento mínimo de unidades
curativas (500*0 + 1000*2) = 2000
2000 ≥ 2000 (primera restricción)
Segunda restricción 4000*0 + 600*2 = 1200
De donde 1200 ≤ 1400, es decir tenemos una disponibilidad de 200 unidades

tóxicas que el paciente puede soportar (holgura).
EJERCICIO
El Ministerio de Obras Públicas ha decidido añadir exactamente 200 km de

carretera y exactamente 100 km de autopista en el sector de la costa, el precio
estándar para la construcción de la carretera es de $ 1’000.000 por km de
carretera y de $ 5’000.000 por km de autopista. Solo dos contratistas, la compañía
Hidalgo & Hidalgo y el Cuerpo de Ingenieros del Ejército pueden realizar este tipo
de construcciones, así que estos 300 km de camino deben ser construidos por estas
compañías.
Sin embargo, la compañía Hidalgo puede construir a lo más 200km de carretera y

auto pista. Y la segunda compañía puede construir a lo más 150 km. Por razones
políticas a cada compañía debe adjudicarse de un contrato de al menos de $
250’000.000 (antes de descuento).
La primera compañía ofrece un descuento de 1.000 dólares por km de carretera y

6.000 dólares por km de autopista. La segunda compañía ofrece un descuento de
2.000 dólares por km de carretera y de 5.000 dólares por km de autopista.
a) Si X1 y X2 representan el número de km de carretera y autopista

respectivamente adjudicados a la compañía Hidalgo & Hidalgo demuestre que el
descuento total D recibido de ambas compañías de miles de dólares está dada por
D = 900000 – 1000X1 + 1000X2.
b) El Ministerio de Obras Públicas desea maximizar el descuento total D, resuelva

el problema mediante el método gráfico.
19
Carretera = X1
Autopista = X2
FUNCIÓN OBJETIVO
Z (max) = 900000 –1000 X1 +1000 X2
DATOS
Hidalgo & Hidalgo
Carretera X1 ≤ 200
Autopista X2 ≤ 100
Cuerpo de Ingenieros del Ejército
Carretera (200 - X1) ≤ 200
Autopista (100 - X2) ≤ 100
CONSTRUCCIÓN CARRETERA DE LAS DOS COMPAÑÍAS X1+ (200 - X1) ≤ 200
CONSTRUCCIÓN AUTOPISTA DE LAS DOS COMPAÑÍAS X2+ (100 - X2) ≤ 100
Demostración del Descuento:
D = 1000X1 + 6000X2 + 2000(200 – X1) + 5000(100- X2)
D = 1000 X1 + 6000 X2 + 400000 – 2000 X1 + 500000 – 5000 X2
D = 900000 – 1000 X1 + 1000 X2
Contratos Hidalgo & Hidalgo 1’000.000 X1 + 5’000.000 X2 ≥ 250’000.000
Contratos Cuerpo Ingenieros 1’000.000(200 – X1) + 5’000.000(100 - X2) ≥

250’000.000
Construcción máxima carretera Hidalgo & Hidalgo X1 + X2 ≤ 200
Construcción máxima Cuerpo Ingenieros (200 – X1) + (100- X2) ≤ 150
20
RESTRICCIIONES (Reducidas) ABSTRACCIONES O IGUALDADES (Reducidas)
X1 + 5X2 ≥ 250 X1 + 5X2 = 250
X1 + 5 X2 ≤ 450 X1 + 5 X2 = 450
X1 + X2 ≤ 200 X1 + X2 = 200
X1 + X2 ≥ 150 X1 + X2 = 150
GRÁFICO
21
900000 – [1000(187.5) + 2000(12.5)] + [6000(12.5) + 5000(87.5)]
Z (max) = 1’200.000
900000 – [1000(137.15) + 2000(62.5)] + [6000(62.5) + 5000(37.5)]
Z (max) = 1’200.350
900000 – [1000(75) + 2000(75)] + [6000(75) + 5000(75)]
Z (max) = 1’500.000
Z (max)= descuento total = 900.000 dólares
X1 = 75 Km. de carretera
X2 = 75 Km. de autopista
Solución óptima: Es decir se quiere alcanzar el máximo descuento entonces

900000 -1000*75+1000*75 igual al descuento total. El Ministerio de OO.PP. debe
construir 75 Km de carretera y 75 Km. de autopista con la compañía Hidalgo &
Hidalgo; y, 125 Km de carretera y 25 Km de autopista debe construir el Cuerpo de
Ingenieros del Ejército.
Este problema tiene varias soluciones, dependiendo de lo que se solicite.

(Soluciones múltiples).
EJERCICIO
Una compañía fabrica dos tipos de productos A y B. El volumen de venta de A es

por lo menos 80% de las ventas totales de A y B. Sin embargo la compañía no
puede vender más de 100 unidades de A por día. Los dos productos usan una
materia prima cuya disponibilidad máxima diaria se limita a 240 libras al día. Las
proporciones de la utilización de la materia prima son 2 libras para cada unidad de
22
A y 4 libras para cada unidad de B. Los precios unitarios de A y B son de 20 y 50
dólares respectivamente. Determine la mezcla óptima de los dos productos.
Producto A = X1
Producto B = X2
FUNCIÓN OBJETIVO
Z (max) = 20 X1 + 50 X2
RESTRICCIONES
Volumen de ventas de A X1 ≥ 0.80(X1 + X2)
0.2 X1 - 0.8 X2 ≥ 0
Ventas máximas de A X1 ≤ 100
Disponibilidad máxima diaria MP 2X1 + 4X2 ≤ 240
X1, X2  0
RESOLUCIÓN GRÁFICA
23
INTERPRETACIÓN
La compañía debe fabricar 80 productos del tipo A y 20 productos del tipo B para
alcanzar un ingreso máximo de 2600 dólares por ventas.
En la primera restricción no tenemos excedente (80 ≥80)
La segunda restricción 80 ≤ 100, no están cubiertas las ventas de A
La materia prima se ha consumido en su totalidad (2*80+4*20=240)
EJERCICIO
Dos productos tienen el siguiente proceso. Hay un taller que lo más que puede
hacer es 200 productos del tipo A o 100 del tipo B por día. El taller de pintura tiene
una capacidad diaria de 120 productos del tipo A o 160 del tipo B. También el
tratamiento técnico puede producir un total de 90 artículos del tipo A por día. El
producto A tiene una utilidad de 4 dólares y el producto B de 6 dólares. Determine
la producción óptima que maximice las utilidades.
Producto A = X1
Producto B = X2
FUNCIÓN OBJETIVO
Z (max) = 4X1 + 6X2
24
RESTRICCIONES O DISPONIBILIDADES≤
Producción por día X1/200 + X2/100 ≤ 1 ≌ X1 + 2X2 ≤ 200
Capacidad taller pintura X1/120 + X2/160 ≤ 1 ≌ 160X1+120X2 ≤ 19200 ≌

16X1+12X2 ≤ 1920
Capacidad taller técnico X1 = 90
X1, X2  0
25
INTERPRETACIÓN
La compañía debe fabricar 90 productos del tipo A y 40 productos del tipo B para
obtener una utilidad máxima de 600 dólares.
En la primera restricción tenemos una disponibilidad de 30 unidades en la

capacidad de producción por que 90+2*40 = 170 ⇒170 ≤ 200
La capacidad del taller de pintura está siendo utilizada en su totalidad, debido a

16*90 + 12*40 = 1920 ⇒ 1920 ≤ 1920 (no tenemos disponibilidad ni excedente)
La capacidad del taller de tratamiento técnico esta utilizado en su totalidad,

90 = 90 (no hay holgura)
Nota.- Como podemos observar en este problema la solución básica se representa

en una línea, esto se debe a que en este ejercicio tenemos una restricción con una
relación de igualdad (X1 = 90). Consecuentemente todos los problemas que tengan
una o varias restricciones con la relación de igualdad, su solución estará
representada por una línea.
26
ANÁLISIS DE SENSIBILIDAD
En Programación Lineal, los parámetros (datos de entrada o restricciones) del

modelo pueden cambiar dentro de ciertos límites sin que cambie la solución
óptima. Esto se conoce como análisis de sensibilidad y será el tema de este análisis.
Más adelante, estudiaremos el análisis post óptimo, el cual tiene que ver con la
determinación de la nueva solución óptima cuando se cambian ciertos datos de
entrada.
El siguiente gráfico explica las ideas básicas del análisis de sensibilidad por medio
de la solución gráfica, y después se extienden al problema general de PL con base
en los resultados que aparecen en la tabla simplex.
El análisis de sensibilidad consiste en:
27
El modelo es formulado por una oficina de correos que puede contratar hasta 10
empleados para manejar el correo. La oficina conoce que un empleado (hombre)
puede manejar 300 cartas y 80 paquetes por día y una empleada (mujer) puede
manejar 400 cartas y 50 paquetes en un día. No menos de 3.400 cartas y de 680
paquetes se esperan por día. A cada empleado hombre (X1), se le paga $ 2.500 por
día y a una empleada mujer (X2) se le paga $ 2.200 por día.
Se quiere determinar la cantidad de hombres (X1) y mujeres (X2) que se deben
contratar para satisfacer las restricciones y lograr el objetivo establecido de
minimizar los costos de la nómina.
Ejemplo: Z (min)=2500X1 + 2200X2 (costos)
Restricciones:
Empleados temporales X1+ X2 ≤ 10
Cartas 300 X1 + 400X2  3400
Paquetes 80X1 + 50X2  680
GRÁFICO
Se observa una región de soluciones posibles de un solo punto común para todas
las restricciones y por lo tanto un único punto extremo A.
Esto indica que existe una única combinación posible y además óptima, de
cantidad de empleados X1(X en el gráfico) y X2(Y en el gráfico) que satisface las
restricciones y optimiza el objetivo.
28
Como ya hemos analizado la definición de modelo, podemos contestar las
siguientes preguntas:
¿Qué representa el coeficiente de la variable X2 en la Función Objetivo y en la

segunda restricción?
El coeficiente de la variable X2 en la Función Objetivo representa lo que se le paga

diariamente a cada trabajadora (mujer), es decir, el costo de contratar una
trabajadora al día es de $ 2.200. En la segunda restricción representa la cantidad
de cartas que puede manejar al día cada mujer contratada, es decir, 400 cartas al
día puede manejar cada mujer contratada.
¿Qué tipo de solución presenta el modelo?, ¿Por qué? y ¿Cómo se reconoce en

el gráfico?
Única y degenerada. Normalmente la solución de un modelo contiene una variable
(Estructural o de holgura) con valor mayor que cero por cada restricción del
29
modelo. En este caso, más variables de las normales toman valor cero, para poder
satisfacer mayor número de restricciones, en el punto óptimo.
Hay entonces menor cantidad de variables con valor mayor que cero con relación
al número de restricciones. Por eso se le llama Solución Degenerada en
contraposición a la Solución Normal. Además es única porque una sola
combinación de empleados, hombres y mujeres, proporciona el mínimo costo.
Se debe a la presencia de restricciones redundantes en el modelo y se reconoce en
el gráfico porque más de dos restricciones cruzan sobre el punto óptimo. Del total
de restricciones que cruzan el punto óptimo, sólo dos son necesarias para calcular
sus coordenadas. En este caso sólo hay una restricción redundante, por ello la
Solución es Degenerada. Se reconoce que es única porque hay un solo punto
extremo que proporciona el valor óptimo del objetivo.
¿Cuál es la solución y la decisión que se recomendaría con la solución
encontrada?
La solución es X1 = 6, X2 = 4, F.O. = 23.800. La decisión sería contratar 6 empleados
hombres y 4 mujeres para minimizar los costos diarios de contratación en 23.800
unidades monetarias: 2.500(6) + 2.200 (4).
Analice las restricciones en el punto óptimo y presente la información que se
obtiene.
Restricción 1
X1 + X2 = 10; 6 + 4 = 10 Con esta decisión se contrata el máximo de empleados que
se estaba dispuesto a contratar.
Restricción 2
300X1 + 400X2 = 3.400; 300(6) + 400(4) = 3.400 Con esta decisión se manejará el
mínimo de cartas que se espera.
Restricción 3
80X1 + 50X2 = 680
80(6) + 50 (4) = 680 Con esta decisión se manejará el mínimo de paquetes que se
espera.
¿Qué efecto tendría, sobre la solución óptima encontrada, un cambio en el
número de cartas esperadas. Suponga que cambia a 2.400. Explique y
muestre sobre el gráfico. ¿Cómo se llama este Análisis?
30
El análisis a efectuar se denomina Análisis de Sensibilidad.
Sobre el gráfico está graficada la nueva restricción: 300X1 + 400X2  2.400
Se observa que no cambia el espacio de soluciones posibles y por lo tanto la
solución óptima seguirá siendo la misma.
En general, disminuir la cantidad del lado derecho de una restricción tipo, es
rebajar la restricción y hacerla más fácil de satisfacer.
Esto puede expandir el conjunto convexo o dejarlo igual. En este caso quedó igual.
Análisis de sensibilidad gráfico
Esta sección demuestra la idea general del análisis de sensibilidad. Se considerarán

dos casos:
1. La sensibilidad de la solución óptima a los cambios de la disponibilidad de los
recursos (lado derecho de las restricciones).
2. La sensibilidad de la solución óptima a los cambios en la utilidad unitaria o el
costo unitario (coeficientes de la función objetivo).
Demostraremos a través de un ejemplo.
JOBCO fabrica dos productos en dos máquinas. Una unidad del producto 1 requiere
2 horas en la máquina 1, y 1 hora en la máquina 2. Una unidad del producto 2
requiere 1 hora en la máquina 1, y 3 horas en la máquina 2. Los ingresos por
unidad de los productos 1 y 2 son de $30 y $20, respectivamente. El tiempo de
procesamiento diario total disponible en cada máquina es de 8 horas.
31
Si X1 y X2 son las cantidades diarias de unidades de los productos 1 y 2,
respectivamente, el modelo de PL se da como:
Z (max) = 30X1 + 20X2
Restricciones o sujeto a:
2X1 + X2 ≤ 8 (Máquina 1)
X1 + 3X2 ≤ 8 (Máquina 2)
X1, X2  0
La siguiente figura ilustra el cambio de la solución óptima cuando se cambia la

capacidad de la máquina:
1. Si la capacidad diaria se incrementa de 8 a 9 horas, el nuevo óptimo se moverá a
otro punto. La tasa de cambio en la z óptima a consecuencia del cambio de la
capacidad de la máquina 1 de 8 a 9 horas se calcula como:
Tasa de cambio del ingreso

A consecuencia del incremento
Zg−Zc 142−128
De la capacidad de la máquina 1 = (cambio de la capacidad) = 9−8
= $ 14/h.
En 1 hora 1punto C a punto 2
Sensibilidad gráfica de la solución óptima a cambios en la disponibilidad de

recursos
(Lado derecho de las restricciones)
Esta es la solución y gráfico con los datos originales.
32
Cambiamos la restricción 1:
2X1 + X2 ≤ 9 (Máquina 1)
X1 + 3X2 ≤8 (Máquina 2), tenemos el siguiente gráfico y la nueva solución;
33
La nueva solución la máquina 1 debe producir 3.8 u. y la máquina 2 debe producir
1.4 u., para obtener un ingreso máximo de 142 unidades monetarias.
La tasa calculada proporciona un vínculo directo entre los datos de entrada al

modelo (recursos) y sus resultados (ingreso total). Se dice que un incremento
unitario (reducción) en la capacidad de la máquina 1 aumentará (reducirá) el
ingreso en $14.00.
El nombre valor unitario de un recurso es una descripción apropiada de la tasa
de cambio de la función objetivo por cambio unitario de un recurso. No obstante,
los primeros desarrollos de la Programación Lineal acuñaron el nombre abstracto
de precio dual (o sombra), y ahora este nombre es un estándar en toda la
literatura de PL y en paquetes de “software”.
34
En la figura anterior podemos ver que el precio dual de $14/h permanece válido
para cambios (incrementos o reducciones) en la capacidad de la máquina 1 que
mueven su restricción paralela a sí misma a cualquier punto sobre el segmento de
línea. Calculamos las capacidades de la máquina 1 en los puntos como sigue:
Capacidad mínima de la máquina 1 [(0.267)]= 2.67 h

Capacidad máxima de la máquina 1 [(8,0)] = 16 h
La conclusión es que el precio dual de $14/h permanece válido en el intervalo
2.67 h ≤ Capacidad de la máquina 1 ≤ 16 h
Los cambios fuera de este intervalo producen un precio dual diferente (valor por
unidad).
Elaborando cálculos similares podemos verificar que el precio dual para la
capacidad de la máquina 2 es de $2,00/h, y que no cambia cuando su capacidad se
mantiene dentro del segmento de línea. Ahora:
Capacidad mínima de la máquina 2 [(4,5)] = 4,5 h

Capacidad máxima de la máquina 2 [(27)] = 27 h
Por lo tanto, el precio dual de $2,00/h para la máquina 2 no cambia dentro del
intervalo.
4,5h ≤ Capacidad de la máquina 2 ≤ 27 h
Los límites calculados para las máquinas 1 y 2 se conocen como intervalos de

factibilidad. Todos los paquetes de “software” proporcionan información sobre
los precios duales y sus intervalos de factibilidad. Los precios duales permiten
tomar decisiones económicas sobre el problema de PL, como las siguientes
preguntas lo demuestran:
Pregunta 1. Si JOBCO puede incrementar la capacidad de ambas máquinas, ¿cuál

máquina tendrá la prioridad?
Según los precios duales para las máquinas 1 y 2, cada hora adicional de la
máquina 1 incrementa el ingreso en $14, en comparación con sólo $2 para la
máquina 2. Por lo tanto, la máquina 1 debe tener la prioridad.
Pregunta 2. Se sugiere incrementar las capacidades de las máquinas 1 y 2 al costo

adicional de $10/h para cada máquina. ¿Es esto aconsejable?
Para la máquina 1, el ingreso neto adicional por hora es 14 - 10 = $4, y para la

máquina 2, es $2-$10= -$8. Por consiguiente, sólo la máquina 1 debe considerarse
para el incremento de capacidad.
Pregunta 3. Si la capacidad de la máquina 1 se incrementa de 8 a 13 horas, ¿cómo

impactará este incremento al ingreso óptimo?
El precio dual para la máquina 1 es $14 y es válido en el intervalo (2.67, 16) h. El

incremento propuesto de 13 horas queda comprendido dentro del intervalo de
35
factibilidad. Por consiguiente, el incremento del ingreso es $14(13 - 8) = $70, lo
que significa que el ingreso total se incrementará de $128 a $198 (= $128 + $70).
Pregunta 4. Suponga que la capacidad de la máquina 1 se incrementa a 20 horas,

¿cómo afectará este incremento al ingreso óptimo?
El cambio propuesto queda fuera del intervalo de factibilidad (2.67; 16) h. Por lo
tanto, sólo podemos hacer una conclusión inmediata con respecto a un incremento
hasta de 16 horas. Más allá de eso, se requieren más cálculos para hallar la
respuesta. Recuerde que quedar fuera del intervalo de factibilidad no significa que
el problema no tenga solución, sino que la información disponible no es suficiente
para llegar a una conclusión completa.
Pregunta 5. ¿Cómo podemos determinar los nuevos valores óptimos de las

variables asociadas con el cambio de un recurso?
Los valores óptimos de las variables cambiarán. Sin embargo, el procedimiento

para determinar estos valores requiere más cálculos, como se demostrará en los
siguientes temas.
Con estos antecedentes el estudiante está en capacidad de resolver los siguientes

ejercicios.
EJERCICIO
Popeye Canning tiene un contrato para recibir 60.000 libras de tomates maduros a
7centavos de dólar por libra, con las cuales produce jugo de tomate enlatado, así
como pasta de tomate. Los productos enlatados se empacan en cajas de 24 latas.
Una lata de jugo requiere una libra de tomates frescos y una lata de pasta solo
requiere 1/3 de libra. La participación de mercado de las compañías se limita a
2.000 cajas de jugo y 6.000 cajas de pasta. Los precios de mayoreo por caja de jugo
y pasta son de 18 y 9 dólares respectivamente.
Lata de jugo = X1
Lata de pasta = X2
RESTRICCIONES
Participación en el mercado de jugo X1 ≤ 2.000
Participación en el mercado de pasta X2 ≤ 6.000
Disponibilidad de tomate 24X1+ 8 X2 ≤ 60.000
FUNCIÓN OBJETIVO
Z (Max) = 18 X1+9 X2
36
X1, X2 ≥ 0
RESOLUCIÓN GRÁFICA Y SOLUCIÓN
INTERPRETACIÓN
Popeye Canning debe producir 500 latas de jugo de tomate y 6.000 latas de pasta
de tomate para obtener un ingreso máximo de 63.000 dólares.
37
La participación en el mercado de jugo de tomate no ha sido satisfecha, ya que la
producción es solo de 500 latas de jugo. (Holgura 1.500 latas)
La participación en el mercado de pasta ha sido cubierta en su totalidad.
El tomate se ha consumido en su totalidad.
EJERCICIO
Dean´s Furniture Company ensambla dos tipos de gabinetes de cocina de madera

pre cortada: regulares y de lujo. Los gabinetes regulares están pintados de blanco y
los de lujo están barnizados. Tanto la pintura como el barnizado se llevan a cabo en
un departamento. La capacidad diaria del departamento de ensamble puede
producir un máximo de 200 gabinetes regulares y 150 gabinetes de lujo. El
barnizado de un gabinete de lujo se lleva el doble de tiempo que pintar una regular.
Si el departamento de pintura/barnizado se dedica únicamente a las unidades de
lujo, terminaría 180 unidades diarias. La compañía calcula que las utilidades por
unidad de los gabinetes regulares y de lujo son $100 y $140 dólares,
respectivamente.
a) Formule el problema como un programa lineal y encuentre el programa de

producción óptima por día.
b) Supongamos que debido a la competencia las utilidades por unidad de las
regulares y de lujo, deben reducirse a 80 y 110 respectivamente. Utilice al
análisis de sensibilidad para determinar si la solución óptima en (a) se
mantiene inalterada.
FUNCIÓN OBJETIVO
Z (Max)= 100X1+ 140 X2
RESTRICCIONES
Gabinetes regulares = X1 Gabinetes de lujo = X2
Capacidad ensamble gabinetes regulares X1 ≤ 200
Capacidad ensamble gabinetes lujo X2 ≤ 150
Capacidad de barnizado/pintura 0.5 X1 +X2 ≤ 180
X1, X2 ≥ 0
RESOLUCIÓN ALGEBRAICA
Restricciones 2 y 3 (trabajamos como abstracciones)
38
X2=150
0.5X1+X2=180
0.5X1+150=180
0.5X1=30
X1=60
Z (max)= 100X1+ 140 X2=27000
3y1
X1=200
X1+X2=180
0.5X1+ X2=180
X2=80
Z (max) = 100 X1 + 140 X2 = 31200
De estos dos valores de Z (max) tomamos el mayor y este es el punto óptimo

o solución básica factible. (X1=200 y X2=80 ⇒ Z (max) = 31.200)
RESOLUCIÓN GRÁFICA (a)
39
INTERPRETACIÓN
Dean´s Forniture Company debe producir 200 gabinetes regulares y 80 gabinetes

de lujo por día, para obtener una utilidad máxima de $ 31.200
En la restricción uno no tenemos holgura, se ensamblan los 200 g. regulares.
En la restricción dos tenemos una holgura de 70 g. de lujo, porque se ensamblan

solo 80 gabinetes de lujo.
La restricción tres está cubierta en su totalidad, es decir la capacidad del

departamento de barnizado y pintura está agotada.
Por qué no podemos ensamblar más gabinetes de lujo, porque no tenemos

capacidad en el departamento de pintura y barnizado.
Solución literal (b)
40
La nueva solución para la Dean´s Forniture Company, la producción no varía, lo
que varía es Z (max), en este caso la utilidad máxima será de $ 24,800.
Por favor que recomendación haría Ud. A la compañía?
EJERCICIO
Wild West produce dos tipos de sombreros estilo vaquero. El sombrero tipo 1
requiere el doble de tiempo de trabajo que el de tipo 2. Si todos los sombreros
producidos únicamente son de tipo 2, la compañía puede producir un total de 400
sombreros al día. Los limites diarios del mercado son de 150 y 200 sombreros de
41
los de tipo 1 y 2 respectivamente. La utilidad del sombrero tipo 1 es de $ 8 dólares
y del sombrero tipo 2 es de $ 5 dólares.
a) Utilice la solución óptima gráfica para determinar el número de sombreros

de cada tipo que se debe producir.
Sombreros T1=X1 Sombreros T2 = X2
FUNCIÓN OBJETIVO
Z (max.)= 8X1 + 5X2
𝑋1 ≤ 150 Venta diaria tipo 1
𝑋2 ≤ 200 Venta diaria tipo 2
2𝑋1 + 𝑋2 = 400 Producción total diaria
VARIABLE DE NO NEGATIVIDAD.
𝑋1 , 𝑋2 ≥ 0
42
INTERPRETACIÓN
Wild West tiene que producir 100 sombreros tipo 1 y 200 sombreros tipo 2 para
obtener una utilidad máxima de 1.800 unidades monetarias.
La restricción uno tiene una holgura de 50 sombreros tipo 1, porque estamos

produciendo solo 100 sombreros de ese tipo.
La restricción dos está cubierta en su totalidad, es decir están cubiertas las ventas
diarias de los sombreros tipo 2.
La capacidad de producción diaria esta utilizada en su totalidad.
EJERCICIO
Una fábrica produce dos tipos de camisas A y B, las camisas tipo A requiere 2.5 min
para cortarlas y 5 min para confeccionarlas, las de tipo B requieren 4 min para
cortarlas y 4 min para confeccionarlas. Se dispone de 1 hora y 40 min para corte y
2 horas para confeccionar. El beneficio es de $2.50 para cada camiseta tipo A y $3
para cada camiseta tipo B. ¿Cuántas camisas de cada clase debe producirse para
obtener la máxima ganancia?
FUNCIÓN OBJETIVO
Z (MAX) = 2.5X1 + 3X2
RESTRICCIONES
Disponibilidad de Corte 2.5X1 + 4X2 ≤ 100
43
Disponibilidad de Confección 5 X1 + 4 X2 ≤ 120
Variables de No Negatividad X1, X2 ≥ 0
SOLUCIÓN Y GRÁFICO
INTERPRETACIÓN
La fábrica tiene que producir 8 camisas tipo A y 20 camisas tipo B para obtener
una ganancia máxima de 80 unidades monetarias.
La disponibilidad del departamento de corte esta utilizado en su totalidad.
La disponibilidad del departamento de confección esta utilizado en su totalidad.
EJERCICIO
Una empresa fabrica dos productos A y B. El beneficio para A es 25 dólares por

toneladas y para B 20 dólares. La planta consta de tres departamentos de
producción, cortado, mezclado y enlataje. El equipo en cada departamento puede,
44
emplearse 1.5 horas diarias en el primer departamento, 4 horas en el segundo, y en
el tercero al menos 4. El proceso de producción es el siguiente. El producto A
emplea ¼ hora de la capacidad de cortado y mezclado y 0.5 hora de enlataje por
tonelada. El producto B requiere 0.5 horas por tonelada de la capacidad de
mezclado y 1/3 de hora de la capacidad de enlataje ¿Qué combinación de producto
deberá elaborar la empresa para maximizar su beneficio?
FUNCIÓN OBJETIVO
Z (max)= 25X1 +20X2
RESTRICCIONES
Disponibilidad de Cortado ¼ X1 ≤ 1.5
Disponibilidad de Mezclado ¼X1+ 0.5 X2 ≤ 4
Requerimiento de Enlataje ½ X1+ 1/3X2 ≥ 4
X1, X2 ≥ 0
RESOLUCIÓN GRAFICA
45
INTERPRETACIÓN
Esta empresa debe producir 6 toneladas del producto del tipo A y 5 toneladas del
producto tipo B para obtener un beneficio máximo de 250 unidades monetarias.
El tiempo en el departamento de cortado está agotado, no tenemos disponibilidad.
El tiempo en el departamento de mezclado esta consumido en su totalidad.
En el departamento de enlataje tenemos un excedente de 2/3 de hora sobre el
mínimo requerido.
Ejercicio
Una compañía produce dos tipos de pantalones A y B cada pantalón tipo A requiere
el doble de mano de obra que el de tipo B. Se debe producir por lo menos 250
pantalones combinados. El mercado limita la venta diaria de pantalones tipo A, a
un máximo de 75 y los de clase B a un total de 125 pantalones. Los beneficios por
pantalón son 6 dólares para el tipo A y 4 dólares para el tipo B. Determinar el
número de pantalones de cada clase que maximice la ganancia.
Pantalón A = X1
Pantalón B = X2
FUNCIÓN OBJETIVO
46
Z (Max) = 6X1 + 4X2
Capacidad mínima de producción 2 X1 + X2 ≥ 250

Ventas máximas diarias de A X1 ≤ 75
Ventas de totales de B X2 = 125
X1; X2 ≥ 0
RESOLUCIÓN E INTERPRETACIÓN
INTERPRETACIÓN
La compañía debe producir 75 pantalones tipo A y 125 pantalones tipo B para

obtener los máximos beneficios que ascienden a 950 unidades monetarias.
47
En la primera restricción tenemos un excedente de 25 pantalones, sobre la
capacidad de producción.
Las ventas máximas de pantalones tipo A están cubiertas.
Las ventas totales de pantalones tipo B están cubiertas.
EJERCICIO
Dos productos tienen el siguiente proceso. Hay un taller que lo más que puede
hacer es 200 productos de tipo A o 100 del tipo B por día. El taller de pintura tiene
una capacidad diaria de 120 productos del tipo A o 160 del tipo B. También el
tratamiento técnico puede procesar un total de 90 artículos del tipo A por día. El
producto A tiene una utilidad de 4 dólares y el producto B de 6 dólares. Determinar
la producción optima que maximice los beneficios.
Producción Pintura Técnico Utilidad
Producto A=X1 200 120 90 $4
Producto B=X2 100 160 - $6
FUNCION OBJETIVO
Z (max) = 4X1  6X2
RESTRICCIONES
Capacidad de producción por día X1 /200 + X2 /100 ≤ 1 ≌ X1 + 2 X2 ≤ 200

Capacidad del taller de pintura diaria X1 /120 + X2 /160 ≤ 1 ≌
160X1 + 120X2  19200
Tratamiento técnico/procesamiento diario productos tipo A X1 = 90
X1  X2  0
ABSTRACCIONES
X1 + 2X2 = 200 16 X1 + 12 X2 = 1920

X2 = 0; X1 = 0 X2 = 0; X1 = 0 ; X1 = 90
48
X1 = 200; X2 = 100 X1 = 120; X2 = 160
INTERPRETACIÓN
La empresa debe producir 90 unidades del producto A y 40 unidades del producto

B para obtener una utilidad máxima de 600 dólares.
La capacidad de producción no está agotada, tenemos una disponibilidad de 30

unidades.
49
La capacidad del taller de pintura está agotada, es decir esta consumida en su
totalidad.
La capacidad del departamento técnico de procesamiento diario esta consumido en

su totalidad.
EJERCICIO
Se producen dos artículos A y B los mismos que son procesados por tres máquinas
M1, M2 y M3. La máquina 1 procesa 0,5 unidades de A y 0,5 de B; M2 procesa 1 de
A y 0,5 de B; M3 procesas 0,5 de A y 2 de B. Se dispone al menos de 65 horas
semanales para M1, 95 para M2 y 100 para M3.
El costo de A es de 3 dólares y 5 dólares el de B. ¿Cuántas unidades de A y B se

debe producir para que el costo sea mínimo?
DATOS
Máquinas Artículo A(X1) Artículo B(X2) Disponibilidad
Máquina 1 0,5 0,5 65 h/semanal
Máquina 2 1 0,5 95 h/semanal
Máquina 3 0,5 2 100h/semanal
Costo $ 3,00 $ 5,00
FUNCIÓN OBJETIVO
Z (min) = 3X1+ 5X2
1) Máquina 1 0,5 X1 + 0,5 X2 ≥ 65 X1=130 ; X2=130

2) Máquina 2 X1 + 0,5 X2 ≥ 95 X1=95 ; X2=190
3) Máquina 3 0,5 X1 + 2 X2 ≥ 100 X1=200 ; X2=50
X1  X2 ≥ 0
RESOLUCIÓN ALGEBRÁICA
50
1) y 2) 1) y 3)
X1 = 95 – 0,5 X2 X2 = 130 – X1
X1= 60 X2 = 23,33
0,5(95 – 0,5 X2) + 0,5 X2= 65 0,5 X1 + 2(130 – X1) = 100
47,5 – 0,25 X2 + 0,5 X2= 65 0,5 X1 + 260 – 2 X1= 100
0,25 X2= 17,5 - 1,5 X1 = -160
X2= 70 X1= 106,67
Z (min) = 3(60) + 5(70) Z (min) = 3(106,67) + 5(23,33)

= 530 = 436,67
51
INTERPRETACIÓN
La empresa debe producir 107 artículos de tipo A y 23 artículos de tipo B, con una
inversión de 436,67 (unidades monetarias) dólares.
La capacidad de procesamiento de la máquina 1 está operando en el mínimo

requerido.
La capacidad de procesamiento de la máquina 2 está operando 118.5 unidades más

sobre el mínimo exigido.
La capacidad de procesamiento de la máquina 3 está operando en el mínimo

requerido.
EJERCICIO
Un fabricante de gasolina para aviación vende dos clases de combustible A y B. El

combustible A tiene 12.5% de grado 1 y 2 y 25% de gasolina grado 3. El
combustible B tiene 25% de gasolina grado 2 y 3. Disponible para la producción
hay 25 galones/ hora grado 1, 100 galones/hora grado 2 y 3. Los costos son 15
centavos por galón de grado 1, el galón de grado 2 cuesta 30 centavos y 45
centavos por galón grado 3. El combustible A puede venderse a 66.88 dólares por
galón, mientras que el combustible B alcanza a 58.75 dólares por galón. ¿Qué
cantidad debe fabricarse de cada combustible para obtener el mayor beneficio?
Grado 1 Grado 2 Grado 3 Precio de

venta
Combustible A 12.5% 12.5% 25% 66.88
Combustible B - 25% 25% 58.75
Disponibilidad 25 gal 100 gal 100 gal
Costos A Costos B
15*0.125=1.88 30*0.25= 7.5
30*0.125=3.75 45*0.25=11.25
45*0.25=11.25 18.75
16.88
52
PV – C = U PV – C = U
66.88-16.88=50 58.75-18.75=40
FUNCIÓN OBJETIVO
Z (max)= 50X1 + 40 X2
RESTRICCIONES
Disponibilidad combustible grado 1 0.125 X1 ≤ 25
Disponibilidad combustible grado 2 0.125 X1 + 0.25 X2 ≤ 100
Disponibilidad combustible grado 3 0.25 X1 + 0.25 X2 ≤ 100
X1  X2 ≥ 0
SOLUCIÓN GRÁFICA
53
INTERPRETACIÓN
Esta empresa fabricante de combustible para aviones debe producir 200 galones
de combustible tipo A y 200 galones de combustible tipo B para obtener una
utilidad máxima de 18000 dólares.
La disponibilidad de gasolina grado 1 ha sido utilizado en su totalidad.
La restricción dos nos dice que tenemos una disponibilidad de 25 galones de

gasolina grado 2, porque 0.125(200) + 0.25 (200) ≤ 100 ⇒ 75 ≤ 100
La gasolina de grado 3 esta consumida en su totalidad.
EJERCICIO
Un laboratorio farmacéutico desea preparar un tónico de tal manera que cada

frasco contenga al menos 32 unidades de vitamina A, 10 de vitamina B y 40 de
vitamina C. Para suministrar estas vitaminas el laboratorio emplea aditivo X1, a un
costo de 2 dólares por onza, el cual contiene 15 unidades de vitamina A, 2 de B y 4
de C; un aditivo X2, a un costo de 4 dólares por cada onza, que contiene 4 unidades
de vitamina A, 2 de B y 14 de C. ¿Cuántas onzas de cada aditivo se deben incluir en
el frasco para minimizar el costo?
54
X1= aditivo X1 X2= aditivo X2
FUNCIÓN OBJETIVO
Z (min) = 2X1+4X2
RESTRICCIONES
Requerimiento mínimo de vitamina A 15 X1+4X2 ≥ 32
Requerimiento mínimo de vitamina B 2 X1+2X2 ≥ 10
Requerimiento mínimo de vitamina C 4 X1+14X2 ≥ 40
X1; X2 ≥ 0
ABSTRACCIONES
15 X1+4 X2 = 32
2 X1+2 X2 = 10
4 X1+14 X2 = 40
55
INTERPRETACIÓN
El laboratorio farmacéutico debe incluir 3 onzas de aditivo de X1 y 2 onzas de

aditivo X2, con una inversión de 14 dólares.
En la restricción 1, tenemos un excedente de 21 onzas sobre el mínimo requerido
que es de 32 onzas de vitamina A. (total 53 onzas)
En la restricción 2 la vitamina B está cumpliendo con el mínimo requerido (10
onzas de vitamina B)
La restricción 3 está aportando con el mínimo requerido es decir 40 onzas de
vitamina C en la composición del tónico.
EJERCICIO
Para el modelo (DE LA DIETA) Ozark Farms utiliza diariamente por lo menos 800
libras de alimento especial. El alimento especial es una mezcla de maíz y semilla de
soya, con las siguientes composiciones:
LIBRA POR LIBRA DE ALIMENTO PARA GANADO
ALIMENTO PARA PROTEINAS FIBRA COSTO

GANADO (LIBRAS)
MAIZ 0,09 0,02 0,30
56
SEMILLA DE SOYA 0,60 0,06 0,90
Los requerimientos dietéticos diarios del alimento especial estipulan por lo menos
un 30% de proteínas y cuando mucho 5% de fibra. Ozark Farms desea determinar
el costo mínimo diario de la mezcla de alimento, supongamos que la disponibilidad
diaria de maíz se limita a 450 libras. Identifique el nuevo espacio de solución y
determine la nueva solución óptima.
Maíz = X1
Semilla de soya = X2
FUNCION OBJETIVO
Z (min)= 0.30X1+0.90X2
Requerimiento diario de alimento especial X1 + X2 ≥ 800
Requerimiento mínimo de proteína 0.09X1+0.6X2 ≥ 30%( X1 + X2)

0.09X1+0.6X2 ≥ 0.3X1+0.3X2 ⇒ -0.21X1+0.3X2 ≥ 0
Requerimiento máximo de fibra 0.02X1+0.06X2 ≤ 5%( X1 + X2)

0.02X1+0.06X2 ≤ 0.05X1+0.05X2 ⇒ -0.03X1+0.01X2 ≤ 0
Disponibilidad máxima de maíz X1 ≤ 450
ABSTRACCIONES
1) Alimento X1 + X2 = 800
2) Proteína -0.21X1+0.3X2 = 0
3) Fibra -0.03X1+0.01X2 = 0
4) Disponibilidad de maíz X1 = 450
57
INTERPRETACIÓN
Ozark Farms debe mezclar 450 libras de maíz y 350 libras de semilla de soya con
una inversión de 450 dólares, para cumplir con los requerimientos mínimos
exigidos.
La empresa está cumpliendo con los requerimientos mínimos diarios solicitados.
La empresa esta con un 10.5% de proteína sobre el mínimo requerido.
La restricción tres tenemos una disponibilidad del 10% para llegar al máximo de
fibra permitido.
El maíz esta consumido en su totalidad.
EJERCICIO
Para el modelo de la dieta anterior. ¿Qué tipo de solución óptima diaria tendría el
modelo si la mezcla de alimento no excediera de 800 libras al día? ¿Tiene sentido
esta solución?
FUNCIÓN OBJETIVO
Z (min)= 0.3X1 +0.9X2
RESTRICCIONES
Libras de alimento X1 + X2 ≤ 800
58
Proteínas 0.21 X1-0.3X2 ≤ 0 -0.21X1+0.3X2 ≥ 0
Fibras 0.03 X1- 0.01X2 ≥ 0 -0.03X1+0.01X2 ≤ 0
Disponibilidad de maíz X1 ≤ 450
X1, X2 ≥ 0
59
INTERPRETACIÓN:
Este ejercicio planteado de esta forma no tiene solución, porque el punto óptimo o
la solución básica factible son cero y en una empresa no podemos hablar de
producción nula, consecuentemente esta solución no tiene sentido.
EJERCICIO
Joselyn Villafuerte debe trabajar por lo menos 20 horas a la semana para

completar su ingreso mientras asiste a la escuela. Tiene la oportunidad de trabajar
en dos tiendas al detalle: en la tienda 1 Joselyn puede trabajar entre 5 y 12 horas a
la semana, y en la tienda 2 le permiten trabajar entre 6 y 10 horas. Ambas tiendas
pagan lo mismo por hora. De manera que Joselyn quiere basar su decisión a cerca
de cuantas horas debe trabajar en cada tienda en un criterio diferente: el factor de
estrés en el trabajo. Basándose en entrevistas con los empleados actuales. Viviana
calcula que en una escala del 1 al 10, los factores del estrés son de 8 y 6 en las
tiendas 1 y 2 respectivamente. Debido a que el estrés aumenta por hora, ella
supone que el estrés total al final de la semana es proporcional al número de horas
que trabaja en la tienda.
¿Cuántas horas debe trabajar en cada tienda?
FUNCIÓN OBJETIVO
Z (max)= 8X1 +6X2
Tienda 1 = X1
Tienda 2 = X2
RESTRICCIONES
Tiempo mínimo y máximo en la Tienda 1 5≤X1≤12 ≌ X1≥5 y X1≤12
Tiempo mínimo y máximo en la Tienda 2 6≤X2≤10 ≌ X2≥6 y X2≤10
Tiempo mínimo requerido X1+ X2 ≥ 20
X1, X2 ≥ 0
60
INTERPRETACIÓN
Joselyn Villafuerte debe trabajar 12 horas en la tienda 1 y 10 horas en la tienda 2,

por ende el factor de estrés será mayor (156).
Trabajando 12 y 10 horas respectivamente Joselyn está trabajando 2 horas más del

mínimo requerido y cumple con las restricciones uno y dos.
61
Este ejercicio también puede ser resuelto si nosotros consideramos el factor de
estrés sea mínimo, entonces la función objetivo sería minimización, es decir si
Joselyn no quiere estresarse demasiado a causa de su trabajo extra para poder
seguir estudiando. (Solución en el siguiente gráfico)
Joselyn si no desea estresarse a causa de trabajo extra debe trabajar 10 horas en la

tienda 1 y 10 horas en la tienda 2 y su factor de estrés será de 140.
EJERCICIO
En el modelo de la dieta, determine la cantidad de excedente de alimento que

consiste en 500 libras de maíz y 600 libras de semillas de soya.
Maíz = X1
Semilla de soya = X2
62
FUNCIÓN OBJETIVO
Z (mín.) = 0.3 X1 + 0.9X2
RESTRICCIONES
Cantidad mínima de proteínas: -0.21X1+0.3 X2>=0
Cantidad máxima de fibra: -0.03X1+0.01X2<=0
Disponibilidad de maíz: X1<=500
Disponibilidad de Soya: X2<=600
Requerimiento de alimento especial X1+X2>=800
DIETA Solution
SEMILLA DE
MAÍZ RHS Dual
SOYA
Minimize 0,3 0,9
Cantidad de proteínas -0,21 0,3 >= 0, -1,1765
Cantidad de fibra -0,03 0,01 <= 0, 0,
Libras de maíz 1, 0, <= 500, 0,
Libras de soya 0, 1, <= 600, 0,
Cantidad total de M y S 1, 1, >= 800, -0,5471
Solution-> 470,5883 329,4117 $437,65
63
INTERPRETACIÓN
La mezcla óptima para mantener los requerimientos dietéticos exigidos serán de

470.58 libras de maíz y 329.41 libras de semilla de soya con una inversión de
437.65 dólares, con estas cantidades estamos cumpliendo con las exigencias
establecidas.
Tenemos una disponibilidad de 29.41 libras de maíz, además tenemos una

disponibilidad de 270.59 libras de semilla de soya.
EJERCICIO
Dos productos se fabrican en un centro de maquinado. Los tiempos de producción

por unidad de los productos 1 y 2 son de 10 y 12 minutos respectivamente. El
tiempo regular total de la máquina es de 2500 minutos por día. En un día
cualquiera el fabricante vende entre 150 y 200 unidades del producto 1, pero no
más de 45 unidades del producto 2. Se pueden emplear horas extras para
satisfacer la demanda a un costo adicional de 0,50 de dólar por minuto.
a. Suponiendo que las utilidades por unidad de los productos 1 y 2 son de

$ 6 y $ 7,50 dólares respectivamente, formule un modelo y determine el
nivel óptimo de fabricación para cada producto, así como cuales quiera
número de horas extras necesarias en el centro.
FUNCIÓN OBJETIVO
Z (máx.)= 6X1 + 7,50 X2 - 0.50X3
Tiempo de producción 10𝑋1 + 12𝑋2 − 𝑋3 = 2500
Venta diaria del producto 1 150 ≤ 𝑋1 ≤ 200
Venta del producto 2 𝑋2 ≤ 45
VARIABLE DE NO NEGATIVIDAD
𝑋1 , 𝑋2 ≥= 0
64
INTERPRETACIÓN
Debe fabricar 200 unidades de producto 1 y 45 unidades de producto 2, para

obtener una utilidad de $ 1.517,50. Con la utilización de 40 horas extras.
EJERCICIO
Baba Forniture Company emplea a cuatro carpinteros durante 10 días para

ensamblar sillas y mesas. Se requiere 30 minutos para ensamblar una silla y dos
horas para ensamblar una mesa. Por lo común, los clientes compran entre cuatro y
seis sillas con cada mesa. Las utilidades son de 13,5 dólares por mesa y 5 dólares
por silla. La compañía opera un turno de 8 horas al día
DATOS
Producción Variables Minutos Tiempo Utilidades
65
Horas
Sillas 𝑥1 30 ½ $5,00
Mesas 𝑥2 120 2 $13,5
Capacidad 19.200 320
FUNCIÓN OBJETIVO
𝑍(𝑀𝐴𝑋) = 5𝑥1 + 13,5𝑥2
RESTRICCIONES
1
Tiempo de ensamble 𝑥 + 2𝑥2 ≤ 320
2 1
Relación Ventas (4 ≤ X1/X2 ≤ 6) ≌ -𝑥1 + 4𝑥2 ≤ 0
Relación Ventas 𝑥1 − 6𝑥2 ≤ 0
𝑥1 , 𝑥2 ≥ 0
66
INTERPRETACIÓN
Baba Forniture Company debe producir 384 sillas y 64 mesas, obteniendo así una
utilidad máxima de $2784 dólares con esta producción.
El tiempo disponible para ensamble esta consumido en su totalidad.
Se cumple con la relación de ventas de sillas con mesas.
EJERCICIO
El banco del Pacifico esta asignando un máximo de $ 200.000,00 dólares para

préstamos personales y de automóviles durante el próximo mes el banco cobra el
14% por préstamos personales y 12% por préstamos para automóviles ambos
tipos de préstamos se deben liquidar al fin de un período de un año. La
experiencia muestra que alrededor del 3% de los préstamos personales y del 2%
de los préstamos para automóviles nunca se liquidan. Por lo común el banco
asigna cuando menos el doble de los préstamos personales a los préstamos para
automóvil.
Préstamos personales = X1
Préstamos para automóviles = X2
FUNCIÓN OBJETIVO
Z (max)= (Interés total) 0.14*0.97X1+0.12*0.98X2-(Deuda Impagable) (0.03X1+0.02X2)
67
Z (max)= 0.1058 X1+0.0976X2
Disponibilidad para préstamos X1 + X2 ≤ 200.000
Relación préstamos X1 ≥ 2X2
ABSTRACCIONES
Disponibilidad de préstamos X1 + X2 =200.000
Relación prestamos X1 - 2X2 = 0
X1, X2 ≥ 0
68
Interpretación:
El banco del Pacífico debe destinar los $ 200.000 a préstamos personales, ya que
éstos otorgarán el mayor rendimiento que es $ 21.160.
NOTAS, COMENTARIOS Y GLOSARIO
La no factibilidad es independiente de la función objetivo. Se da porque las

restricciones son tan limitantes que no hay región factible para el modelo de
programación lineal; por ello, cuando se encuentran condiciones de no factibilidad,
hacer cambios en los coeficientes de la función objetivo no es de ninguna utilidad;
el problema sigue siendo factible.
El no acotamiento es con frecuencia resultado de una restricción que se omite. Sin

embrago, un cambio en la función objetivo puede ocasionar que un problema que
un problema que antes no era acotado se convierta en acotado y que por ello, tenga
una solución óptima.
Se puede notar que al estudiar el método gráfico de resolución, que si existe una
solución óptima para un problema de programación lineal, se la puede encontrar
en un punto extremo de la región factible.
Variable de holgura, es una variable que se añade al lado izquierdo de una

restricción que tiene la relación menor igual que (≤), para convertirla en una
igualdad y se representa con la letra +S. El valor de esta variable puede, por lo
general, interpretarse como la cantidad que no se utilizó de un recurso.
Variable Artificial o de excedente, es una variable que se resta del lado izquierdo de
una restricción mayor igual que (≥), para convertirla en una igualdad. Por lo
general, puede interpretarse el valor de esta variable como la cantidad en la que se
sobrepasa algún nivel mínimo requerido y se representa con la letra –m.
En el siguiente tema nos familiarizaremos profundamente con estas variables en la

técnica de simplex o método simplex.
69
AUTOEVALUACIÓN
Con el propósito de que el señor estudiante afiance los conocimientos

adquiridos en el aula, es necesario que responda el siguiente auto-
evaluación:
- ¿Cuándo se utiliza un procedimiento de solución gráfica, la región

limitada por el conjunto de restricciones se llama:
a. Solución
b. Solución Básica o región factible.
c. Región infactible o solución infactible.
d. Región de utilidad máxima.
- Un problema de programación lineal tiene una región factible. Si este

problema tiene una restricción de igualdad (=), entonces:
a. Este debe ser un problema de minimización.
b. El Problema debe ser degenerado.
c. El problema debe tener más de una solución óptima.
d. La región factible debe constar de un segmento de línea.
- En un problema de programación lineal, por lo menos un punto de
esquina debe ser una solución óptima si existe una solución óptima.
a. Verdadero
b. Falso
- Si se elimina una restricción no redundante de un problema de
programación lineal, entonces:
a. La región factible crecerá.
b. La región factible se reducirá.
c. El problema se convertiría en uno no lineal.
d. El problema se volvería infactible.
- ¿Cuál de las siguientes acciones cambiaría la región factible o región
básica?
a. Incrementar el coeficiente de una función objetivo en un problema de
maximización.
b. Agregar una restricción redundante.
70
c. Cambiar el lado derecho de una restricción no redundante.
d. Incrementar el coeficiente de una función objetivo en un problema de
minimización.
- Una solución factible o región básica de un problema de programación
lineal :
a. Debe satisfacer todas las restricciones del problema al mismo tiempo.
b. Debe satisfacer todas las restricciones del problema al mismo tiempo y la
función objetivo.
c. No tiene que satisfacer todas las restricciones, sino solo algunas de ellas.
d. Debe ser un punto de esquina de la región factible.
- Si un problema de programación lineal es ilimitado, probablemente
no fue formulado correctamente. ¿Cuál factor, de entre los siguientes,
muy probablemente causaría una incorrección?
a. Se agregó una restricción innecesaria al problema.
b. Los coeficientes de la función objetivo son demasiado grandes.
c. Una restricción fue inadvertidamente omitida.
d. Los coeficientes de la función objetivo son demasiado pequeños.
- Cuando existen soluciones alternas óptimas en un problema de
programación lineal, entonces:
a. La función objetivo será paralela a una de las restricciones.
b. Una de las restricciones será redundante.
c. Dos restricciones serán paralelas.
d. El problema también será ilimitado.
- Si la región factible aumenta debido a un cambio en una de las
restricciones, el valor óptimo de la función objetivo:
a. Debe incrementarse o permanecer igual que en un problema de
maximización.
b. Debe reducirse o permanecer igual que en un problema de maximización.
c. Debe incrementarse o permanecer igual que en un problema de
minimización.
d. No puede cambiar.
- Al resolver un problema de programación lineal, no existe una
solución factible. Para resolver este problema se podría:
71
a. Agregar otra variable.
b. Agregar otra restricción.
c. Probar un programa de computadora diferente.
d. Eliminar o mitigar una restricción.
- En programación lineal, las variables no tienen que ser valores
enteros y pueden adoptar cualquier valor fraccionario. La hipótesis se
llama:
a. Proporcionalidad.
b. Aditividad.
c. Divisibilidad.
d. Certeza.
- Solo se debe utilizar un método gráfico para resolver un problema de
programación lineal cuando:
a. Existen dos restricciones.
b. Existen más de dos variables.
c. Existen más de dos restricciones.
d. Existen sólo dos variables.
- Exponga las similitudes y diferencias entre problemas de
maximización y minimización utilizando el método de solución gráfica
de programación lineal.
- Se dice que cada problema de programación lineal que tiene una región
factible o zona básica o región básica tiene un número infinito de
soluciones. Explique esta afirmación.
- El gerente de producción de una gran empresa comentó: “Me gustaría
utilizar la Investigación de Operaciones especialmente la
Programación Lineal, pero es una técnica que opera en condiciones de
certeza. Mi planta no la tiene, es un mar de incertidumbres. Por lo
tanto la programación lineal no puede ser utilizada aquí”. ¿Qué piensa
de este comentario y cuál es su mérito? Explique por qué el gerente
pudo haberlo dicho.
72
Para complementar el estudio del presente tema es necesario que
resuelva los problemas de programación lineal planteados en los textos:
- Investigación de Operaciones, Novena edición de Taha Hamdy.
Conjunto de problemas 2.2 B (pág. 26)
Conjunto de problemas 2.4 A (pág. 38)
- Métodos cuantitativos para los negocios, Novena edición de Render Barry,

Stair Ralph y Hanna Michael.
Problemas del 7-14 al 7-40 (pág. 284 a la pág. 289).
- Toma de decisiones por medio de Investigación de Operaciones, Décima

edición de Thierauf Robert, Grosse Richard.
Problemas del 8-1 al 8-6 (pág. 273 a la pág. 276).
73
MÉTODO SIMPLEX
OBJETIVOS
- El estudiante estará en capacidad de explicar detalladamente por qué el

método simplex encuentra soluciones óptimas para problemas de
programación lineal.
- Determinar cuándo un problema de programación lineal tiene múltiples
soluciones óptimas.
- Determinar cuándo un problema de programación lineal no tiene solución.
INTRODUCCIÓN
La mayoría de los problemas de programación lineal son demasiado grandes como
para solucionarlos en forma gráfica y, por ello, debe utilizarse un procedimiento
algebraico, este procedimiento más ampliamente utilizado para resolver
problemas de programación lineal es el denominado MÉTODO SIMPLEX, los
programas de computadora se basan en este método, pueden resolver fácilmente
problemas de programación lineal que tengan muchas variables y diversas
restricciones.
El Método Simplex es un procedimiento de cálculo algebraico, iterativo, para
resolver Modelos Lineales de cualquier tamaño.
El algoritmo Simplex requiere que el Modelo Lineal, para ser solucionado, cumpla
las condiciones de Forma Estándar y Sistema Canónico.
La Forma Estándar incluye:
a) una Función Objetivo a optimizar,
b) lado derecho de las restricciones con valor positivo,
c) variables de decisión no negativas y
d) las restricciones deben ser expresadas como igualdades.
Para transformar las restricciones en igualdades se deben incorporar las llamadas
variables de holgura (S).
Una variable de holgura tiene coeficiente cero en la Función Objetivo (0S). Se
suman en restricciones del Tipo ≤ (+S) y se restan en restricciones del Tipo ≥ (-S).
En términos matemáticos, expresan la diferencia entre el lado izquierdo y el lado
derecho de las restricciones. Al igual que las variables de decisión deben ser
mayores o iguales a cero.
74
En términos del modelo representan la cantidad de recurso no utilizado con
relación a un máximo disponible, o utilizado por encima de un mínimo disponible.
Esto es así cuando la restricción es de un recurso disponible.
Cuando la restricción es de una condición o requerimiento, representan la cantidad
de esa condición o requerimiento que se obtiene por encima de un mínimo o que
se deja de tener con relación a un máximo.
El Sistema Canónico en un Modelo Lineal significa que debe existir una variable
básica en cada restricción. Esto permite obtener una primera solución posible que
satisface todas las restricciones.
Una variable básica tiene coeficiente 1 positivo en una restricción y no existe en las
demás.
Las variables de decisión (estructurales) del modelo y las variables de holgura
pueden ser variables básicas. Cuando ninguna de ellas cumple con la condición de
ser básica, se incorpora una variable como artificio matemático, para cumplir con
el sistema canónico y a esa variable se le llama variable artificial (m).
Una variable artificial debe tener incorporado un coeficiente muy alto en la
Función Objetivo (Mm), con signo negativo en maximización y con signo positivo
en minimización. Con esto se logra que el procedimiento Simplex las elimine de la
solución en las primeras iteraciones. Estas variables deben valer cero en la
solución óptima del modelo.
Una Tabla Simplex es un resumen detallado de toda la información del modelo
para trabajar más fácilmente con él.
En las Tablas Simplex, el espacio Cj se utiliza para copiar los coeficientes de todas
las variables en la Función Objetivo. En fila porque ellos conforman un vector fila.
Debajo de cada coeficiente se escribe el símbolo correspondiente a la variable de
ese coeficiente. En el espacio Xj, se copian los coeficientes de las variables
correspondientes a las variables que son básicas en cada restricción. En el espacio
BASE se copian las variables que son básicas en cada restricción. Tanto los
coeficientes como las variables están colocados en el correspondiente nivel de la
restricción en la que se usan como básicas. Debajo del símbolo de cada variable se
escriben los vectores de esas variables en el modelo. Ellos conforman la matriz de
coeficientes. En el espacio bj se copian los lados derechos de las restricciones
75
conformando un vector columna, cada solución posible del modelo se leerá en este
espacio.
PROCEDIMIENTO
Cualquiera que sea el número de inecuaciones y de incógnitas de un sistema, este
por sí mismo se ajusta a un tratamiento de identificación que nos dé una idea de
que sea sujeto de solución.
Cuando el sistema reúne a un número de ecuaciones inferior al número de
incógnitas, existen muchas soluciones. Este es el caso más frecuente de los
problemas de programación lineal, de allí que es necesario introducir Variables de
Holgura (+S), en los casos de la expresión <= (menor igual); restar (-S) variables de
Holgura e introducir (+m) variables Artificiales en los casos de >= (mayor igual) y
en los casos de igualdad (=) se introduce variables artificiales con signo positivo
(+).
<= + Variables de Holgura (+S)
>= - Variables de Holgura + Variables Artificiales (-S + m)
= + Variables Artificiales (+m)
En los problemas de maximización (producción), se debe tomar en cuenta:
PLANTEAMIENTO
Identificación de variables Producto I = X1
Producto II = X2
Producto III = X3
Producto IV = X4
1) Función Objetivo
Esta dado en maximización Z (max). A su vez están dados por sus coeficientes:
MAXIMIZACIÓN; Z (max)= C1X1 + C2X2  C3X3 …...+CnXn
2) Limitaciones o Restricciones
Está representado por:
𝐴 1 1 𝑋1 + 𝐴 12 𝑋2 + 𝐴13 𝑋3 + ⋯ . . +𝐴1 𝑛 𝑋𝑛 𝑇1 𝑏1
76
𝐴2 1 𝑋1 + 𝐴 22 𝑋2 + 𝐴23 𝑋3 + ⋯ . . +𝐴2𝑛 𝑋𝑛 𝑇2 𝑏2
𝐴31 𝑋1 + 𝐴 32 𝑋2 + 𝐴33 𝑋3 + ⋯ . . +𝐴3𝑛 𝑋𝑛 𝑇3 𝑏3
𝐴𝑚 1 𝑋1 + 𝐴 𝑚2 𝑋2 + 𝐴𝑚3 𝑋3 + ⋯ . . +𝐴𝑚𝑛 𝑋𝑛 𝑇𝑚 𝑏𝑚
3) Variables de No Negatividad
Xj ≥ 0
RESOLUCIÓN
Cuando se trata de un sistema de inecuaciones, no existe solución única, si
no que implica muchas posibilidades, razón por la cual, el método simplex
va generando soluciones básicas.
Introducción de variables de holgura
Como el primer miembro de la inecuación es inferior al otro, es necesario
introducir una variable de holgura que cubra imaginariamente el valor
faltante, para convertirlo en igualdad.
S1, S2, S3,…..., Sn = Variables de Holgura
𝐴 1 1 𝑋1 + 𝐴 12 𝑋2 + 𝐴13𝑋3 + ⋯ . . +𝐴1 𝑛 𝑋𝑛 + 𝑆1 = 𝑏1
𝐴2 1 𝑋1 + 𝐴 22 𝑋2 + 𝐴23 𝑋3 + ⋯ . . +𝐴2𝑛 𝑋𝑛 + 𝑆2 = 𝑏2
𝐴31 𝑋1 + 𝐴 32 𝑋2 + 𝐴33 𝑋3 + ⋯ . . +𝐴3𝑛 𝑋𝑛 +𝑆3 = 𝑏3
Al convertir el sistema de desigualdades en un sistema de ecuaciones
mediante la introducción de variables de holgura, se ha logrado un
importante punto de partida. Estas variables en la función objetivo irán
antepuestas de un coeficiente cero de beneficio.
Z (max) = C1X1 + C2X2  C3X3 …...+CnXn + 0S1 + 0S2 + … + 0Sn
Generación de una solución básica factible
En el caso de un ejemplo de producción, el primer supuesto o alternativa
del método simplex es no fabricar nada de los productos reales (variables
fundamentales), esto quiere decir dar respuesta al sistema manteniendo
inutilizados los recursos existentes, es decir:
X1 = 0 S1 = b1
77
X2 = 0 S2 = b2
X3 = 0 S3 = b3
……………………………………………………………..
Xj = 0 Sj = bj
Proceso Iterativo
En función de los criterios del método simplex se van obteniendo ensayos,
iteraciones o algoritmos hasta lograr la respuesta ideal.
El objetivo es ir eliminando las variables de holgura e irlas reemplazando
por alternativas en función de variables fundamentales, propósito del
problema.
El proceso se lo desarrolla por tablas, cuadros o etapas. Cada una de ellas
nos representará una mejor combinación de producción y un mayor
beneficio, para lo cual se necesita aplicar el método matricial de
coeficientes.
Cj = Coeficiente de la función objetivo
Xj = Solución básica de cada etapa; es la base vectorial que da solución al
sistema.
* = Elemento pivote
° = Elementos semipivotes
bn = Parámetros, datos conocidos, nos indican la cuantificación de

recursos (términos independientes)
Zj = Valores que va tomando la función objetivo en cada posición.
Zj – Cj = Se la conoce como el “Criterio Simplex”; permite continuar o no la

generación de alternativas.
Cuando la expresión Zj – Cj corresponde en todas las posiciones a valores

POSITIVOS O CEROS, habrá terminado el problema de maximización.
Pasos para formar la nueva tabla
78
1. Se elige el elemento (Zj – Cj) de menor valor negativo, la variable que le
corresponde debe entrar a la base de la nueva tabla para mejorar la
solución.
2. Para determinar que fila sale, se obtiene el elemento pivote, el mismo que
es la intersección de la columna que ingresa y la fila que sale, para lo cual se
divide los elementos de la columna de bn para los elementos de la columna
que ingresó, se escoge el menor cociente que representará al pivote, los
restantes elementos de la columna son los semipivotes. No se toma en
cuenta la división para números negativos o cero.
3. Formar los nuevos elementos de la fila de la variable de holgura que es
reemplazada por la variable fundamental, basándose en el elemento pivote,
que se encuentra en la intersección de la columna que entra y la fila que
sale.
4. Los restantes elementos de la columna que entra se denominan semipivotes
(°).
5. Los elementos de las demás filas se obtienen restando los elementos
anteriores de dicha fila menos los elementos de la nueva fila que ingreso,
multiplicados por el semipivote correspondiente.
6. Zj se obtiene multiplicando el coeficiente de la variable fundamental que
ingreso por todos los elementos de dicha fila.
7. Obtenemos la fila Zj – Cj, restando los elementos de la fila Zj menos los
elementos de la fila Cj, si todos sus elementos son positivos o ceros el
proceso ha terminado, esto quiere decir que la tabla es óptima, caso
contrario construimos la nueva tabla eliminando el menor negativo que
exista y realizar el mismo proceso anterior.
8. El máximo beneficio está dado por el valor del elemento de Zj de la columna
bn.
RESOLUCIÓN DE PROBLEMAS (maximización)
La compañía ECASA está produciendo dos clases de refrigeradoras, tipo A y tipo B.

De estudios realizados sobre las necesidades del país, se estima que en el próximo
año los requerimientos de estos dos tipos de refrigeradoras serán:
Un máximo de 80.000 u. de A
79
Un máximo de 120.000 u. de B
La utilidad que cada refrigeradora le deja a la empresa es $ 15 por unidad de A y $

30 por unidad de B. Cuántas unidades de A y cuántas de B deben producirse para
que ECASA alcance la máxima utilidad anual, si solo se dispone de:
10.000 u. de hierro
16.000 u. de fibra de vidrio
14.000 u. de aluminio
Considerando que la composición de estas refrigeradoras debe ser la siguiente:
A = 10% de hierro, 12% fibra de vidrio, 7% de aluminio.
B = 5% de hierro, 10% fibra de vidrio, 10% de aluminio.
Función Objetivo
Z (max) = 15X1 + 30X2
Restricciones o limitaciones
Disponibilidad de hierro 0.10 X1 + 0.05 X2 <= 10000
Disponibilidad fibra de vidrio 0.12X1 + 0.10 X2 <= 16000
Disponibilidad de aluminio 0.07 X1 + 0.10 X2 <= 14000
Demanda de A X1 <= 80000
Demanda de B X2 <= 120000
Variables de No Negatividad
X1, X2 >= 0
Variables de Holgura (convertimos en ecuaciones)
Z (max) = 15 X1 + 30 X2 + 0S1 + 0S2 + 0S3 + 0S4 + 0S5
0.10 X1 + 0.05 X2 + S1 = 10000
0.12 X1 + 0.10 X2 + S2 = 16000
0.07 X1 + 0.10 X2 + S3 = 14000
X1 + S4 = 80000
X2 +S5 = 120000
80
Resolución:
Tabla I (Matriz Simplex o Matriz Original)
Cj 15 30 0 0 0 0 0
Xj bn X1 X2 S1 S2 S3 S4 S5
0 S1 10 0.10 0.05° 1 0 0 0 0
0 S2 16 0.12 0.10° 0 1 0 0 0
0 S3 14 0.07 0.10° 0 0 1 0 0
0 S4 80 1 0° 0 0 0 1 0
0 S5 120 0 1* 0 0 0 0 1
Zj 0 0 0 0 0 0 0 0
Zj-Cj ----- -15 -30 0 0 0 0 0
Determinamos la columna pivote que en este caso es X 2, porque tiene el menor

número negativo (-30); para determinar la fila pivote, dividimos los coeficientes de
la columna bn para los coeficientes de X2, pivote es el menor cociente de estos.
bn/ X2 : 10/0.05 = 200 (0.05°, Semipivote)
16/0.10 = 160 (0.10°, Semipivote)
14/0.10 = 140 (0.10°, Semipivote)
80/0 = NO se considera por la división para cero. (0°,

Semipivote)
120/1 = 120 (1*, Pivote) es la fila S5.
Los nuevos valores de la fila pivote calculamos dividiendo cada término de la fila
(S5) para el elemento pivote (1), de donde obtenemos:
Para el pivote, en este caso no cambian los valores porque el pivote es 1, es decir:
120/1=120; 0/1=0; 1/1=1; 0/1=0; 0/1=0; 0/1=0; 0/1=0; 1/1=1
Cuando el pivote es 1 los valores de la fila no cambian de mantienen.
Los nuevos valores del resto de filas calculamos de la siguiente manera: Los
valores de la fila en este caso S1 (10, 0.10, 0.05, 1, 0, 0, 0, 0), restamos (–) los
81
valores de la fila pivote (nuevos) (120, 0, 1, 0, 0, 0, 0, 1) y multiplicado por el
semipivote (0.05).
10 - 120*0.05 = 4
0.10 - 0*0.05 = 0.10
0.05 - 1*0.05= 0
1 - 0*0.05 = 1
0 - 0*0.05 = 0
0 - 0*0.05 = 0
0 - 0*0.05 = 0
0 - 1*0.05 = -0.05
De igual manera vamos calculando los valores del resto de filas, tome en cuenta lo
siguiente: cuando el pivote es 1 y el semipivote es 0, los valores no cambian, siguen
siendo los mismos, entonces no hay que hacer ningún cálculo, esto nos permite
ganar tiempo y conocer los valores de la nueva tabla.
TABLA II
Cj 15 30 0 0 0 0 0
0 S1 4 0.10° 0 1 0 0 0 -0.05
0 S2 4 0.12° 0 0 1 0 0 -0.10
0 S3 2 0.07* 0 0 0 1 0 -0.10
0 S4 80 1° 0 0 0 0 1 0
30 X2 120 0° 1 0 0 0 0 1
Zj 0 0 30 0 0 0 0 30
Zj-Cj ----- -15 0 0 0 0 0 30
82
Así sucesivamente vamos calculando, hasta llegar a tener en la fila Zj – Cj valores
positivos o ceros, esta es la señal que hemos llegado a la solución final.
En nuestro ejercicio nos toca eliminar el menor negativo (-15), columna pivote X1 y
fila pivote S3.
TABLA III
Cj 15 30 0 0 0 0 0
0 S1 1.14 0 0 1 0 -1.43 0 0.09
0 S2 0.57 0 0 0 1 -1.71 0 0.07
15 X1 28.57 1 0 0 0 14.28 0 -1.43
0 S4 51.43 0 0 0 0 -14.28 1 1.43
30 X2 120 0° 1 0 0 0 0 1
Zj 4`028.571,38 15 30 0 0 214.2 0 8.55
Zj-Cj ----- 0 0 0 0 214.2 0 8.55
Como podemos observar en la fila Zj – Cj tenemos valores positivos y ceros,

significa que hemos llegado al final, lo que corresponde es interpretar los valores
obtenidos en la tabla III. Que son los mismos valores obtenidos a través del uso de
software.
Debemos tomar en cuenta que para efectos de cálculos eliminamos tres ceros en
las cantidades independientes (10.000, 14.000, entre otros) y trabajamos solo con
10, 14, entre otros, consecuentemente en la interpretación debemos multiplicar
por 1000 (28.57 * 10000 = 28570; 120 * 1000 = 120.000; entre otros)
RESOLUCIÓN POR COMPUTADORA (QM for Windows)
83
Interpretación:
ECASA debe producir 28.571,43 u. de refrigeradoras tipo A; y, 120.000 u. de
refrigeradoras tipo B. Además esta empresa tiene disponibles 1.142,86 u. de hierro
(S1) que no fueron utilizadas; también tiene 571,43 u. de fibra de vidrio (S2)
disponibles; el aluminio (S3) se utilizó en su totalidad; la demanda de A (S4) no
está cubierta, falta por cubrir 51.428,57 u. de refrigeradoras tipo A y las demandas
de B (S5) están cubiertas en su totalidad, con esta producción ECASA tendrá una
utilidad de 4’028.571,39 dólares o unidades monetarias.
84
PROBLEMA (minimización)
PROCAN debe decidir la mezcla óptima para desarrollar un alimento para gatos
llamado COMEMÁS. Se combinaron y sometieron a prueba dos ingredientes
básicos y la firma determino que a cada lata de comemás se le debe agregar por lo
menos 30 unidades de proteína y por lo menos 80 unidades de riboflavina. Estos
dos nutrientes están disponibles en dos marcas competidoras de suplementos de
alimentos para animales. El costo por kg de suplemento marca A es de $ 9.oo, y el
de la marca B $ 15.oo; Un kg de la marca A agregado a cada lote de producción de
comemás proporciona un suplemento de 1 u. de proteína y 1 u. de riboflavina a
cada lata. Un kg de la marca B proporciona 2 u. de proteína y 4 u. de riboflavina a
cada lata. PROCAN desea satisfacer estas normas de nutrientes mínimos pero, al
mismo tiempo, mantener los costos de los suplementos a un valor mínimo.
a) Formule el modelo matemático para este problema y encuentre la mejor
combinación de los dos suplementos para satisfacer los requerimientos
mínimos al menor costo posible.
b) Resuelva este problema por medio del método simplex.
MODELO MATEMÁTICO
Suplemento marca A = X1
Suplemento marca B = X2
FUNCIÓN OBJETIVO
Z (min)= 9X1+15X2
Requerimientos de proteína X1 + 2X2 ≥ 30
Requerimiento de riboflavina X1 + 4X2 ≥ 80
X1, X2 ≥ 0
FUNCIÓN OBJETIVO CON VARIABLES DE HOLGURA Y VARIABLE ARTIFICIALES
Z (min) = 9X1+15X2 + 0S1 + 0S2 + Mm1 + Mm2
ABSTRACCIONES
Restamos variables de holgura (-S) y sumamos variables artificiales (+m)
X1 + 2X2 – S1 + 0S2 + m1 + 0m2 = 30
X1 + 4X2 + 0S1 - S2 + 0m1 + m2 = 80
Estos coeficientes técnicos los transportamos a la primera tabla del simplex:
85
Cj 9 15 0 0 M M
Xj bn X1 X2 S1 S2 m1 m2
M m1 30 1 2* -1 0 1 0
M m2 80 1 40 0 -1 0 1
Zj 110M 2M 6M -M -M M M
Zj - Cj ------ 2M 6M -M -M 0 0
Como es un problema de minimización se debe eliminar todos los valores positivos

(2M, 6M) de la fila Zj - Cj, determinamos la columna pivote (*), en primer lugar
eliminamos el mayor valor positivo (6M es la columna pivote) consecuentemente
entra X2 y sale m1, luego calculamos la fila pivote, dividiendo los valores de la
columna bn para los valores de la columna pivote (6M), de estos valores tomamos
el menor, el mismo que será la fila pivote:
bn / X2, entonces tenemos: 30/2 = 15* y 80/4 = 200, en este caso la fila pivote es m1
porque tomamos el resultado menor de estas divisiones (15). Los otros valores son
semipivotes (40).
Los nuevos valores de la siguiente tabla calculamos de la siguiente manera:
Primero trabajamos en la fila pivote (m1), cada término de la fila pivote dividimos
para el termino pivote
30/2 = 15
½=½
2/2 = 1
-1/2 = -1/2
0/2 = 0
½=½
0/2 = 0
Calculamos los nuevos valores de la fila semipivote (m2), de la siguiente manera:
Los valores de la fila semipivote (m2) menos los nuevos valores de la fila pivote
multiplicado por el semipivote (4):
80 – 15*4 = 20
1 – ½*4 = -1
4 – 1*4 = 0
0 – (-1/2)*4 = 2
86
-1 – 0*4 = -1
0 – ½*4 = -2
1 – 0*4 = 1
La nueva tabla II es:
Cj 9 15 0 0 M M
15 X2 15 1/2 1 -1/20 0 1/2 0
M m2 20 -1 0 2* -1 -2 1
Zj 20M -M 0 2M -M -2M M
Zj - Cj ------ -M -15 2M -M -3M 0
Calculamos la siguiente tabla, la columna pivote es la que tiene el mayor valor

positivo en este caso es 2M y la fila pivote es m2, es decir entra S1 y sale m2 (si en la
división para determinar la fila pivote tenemos un valor negativo o un valor de
cero en el denominador, estos no pueden ser considerados para fila pivote),
consecuentemente los nuevos valores de la siguiente tabla son:
Fila pivote m2
20/2 = 10
-1/2 = -1/2
0/2 = 0
2/2 = 1
-1/2 = -1/2
-2/2 = -1
½=½
Fila semipivote X2:
15 – 10(-1/2) = 20
½ - (-1/2) (-1/2) = 1/4
1 – 0 (-1/2) = 1
-1/2 – 1 (-1/2) = 0
0 - (-1/2) (-1/2) = -1/4
½ - (-1) (-1/2) = 0
0 – ½ (-1/2) = 1/4
La tabla III es:
87
Cj 9 15 0 0 M M
15 X2 20 ¼* 1 0 -1/4 0 1/4
0 S1 10 -1/20 0 1 -1/2 -1 1/2
Zj 300 15/4 15 0 -15/4 0 15/4
Zj - Cj ------ -21/4 0 0 -15/4 ----- -----
Como es un problema de minimización, este termina cuando en la fila Z j - Cj

tengamos ceros y negativos, en este caso ya tenemos la solución final y vamos a
interpretar, si tuviéramos un valor positivo en Zj – Cj, debemos continuar con los
cálculos hasta eliminar todos los valores positivos y tener ceros o negativos. Si ya
se eliminaron las m ya no es necesario continuar trabajando con esas columnas
porque no podemos restar un número de una letra (0 – M y 15/4 – M), se trabaja
solo las otras columnas (X1, X2, S1, S2).
Interpretación
PROCAN debe utilizar 20u de suplemento B y ninguna unidad de suplemento A,
para cubrir los requerimientos mínimos con un costo de 300 unidades monetarias.
Análisis de las restricciones:
Restricción 1 o S1. PROCAN está utilizando 10u más del mínimo requerido en
proteínas (X1 + 2X2 ≥ 30 entonces 0 + 2*20 ≥ 30 de donde 40 ≥ 30, excedente 10u).
Restricción 2 o S2. PROCAN está cumpliendo con el mínimo requerido de
riboflavina (X1 + 4X2 ≥ 80, 0 + 4*20 ≥ 80, entonces 80 = 80).
Los valores de Zj - Cj (-21/4, 0, 0, -15/4) nos sirven para realizar el análisis de
sensibilidad que lo veremos más adelante.
RESOLUCIÓN POR COMPUTADORA SOFTWARE
88
EJERCICIO
Supermaxi ha contratado el envió de sus productos de la fábrica a los almacenes. El
volumen de entrega se mide en toneladas/kilómetro (toneladas de producto
multiplicadas por el número de kilómetros hasta el punto de entrega). Supermaxi
tiene que entregar aproximadamente 400.000 toneladas/kilómetro por mes.
Actualmente, Supermaxi paga a la Cía. de Transportes Los Andes 50 centavos por
tonelada/kilómetro para que entregue el producto, pero quiere comprar una flotilla de
vehículos para hacerse cargo de todo o una parte del servicio de entrega. Se consideran
tres tipos de vehículos: remolques, camiones medianos y camionetas. En la siguiente
tabla se presentan los detalles de cada tipo:
TIPO COSTO/COMPRA COSTO/OPERATIVO CAPACIDAD
(tonelada/kilómetro) (toneladas/kilómetro
Por mes)
REMOLQUE $ 15.000 $ 0.28 10.000
MEDIANO $ 8.000 $ 0.32 8.000
CAMIONETA $ 5.000 $ 0.40 6.000
La empresa Los Andes ha indicado que seguirá entregando los productos que
Supermaxi no pueda entregar con sus vehículos, a la misma tarifa de 50 centavos por
tonelada/kilómetro.
En Supermaxi hay escasez de fondos de capital para equipo y sólo se dispone de $
380.000 para las compras de vehículos.
Además de la limitación del presupuesto, existen otras restricciones con respecto a los
tipos de vehículos que se compren. La primera limitante es el área de carga disponible,
debido a las limitaciones del espacio de almacenamiento y de las maniobras de carga,
no caben más de 28 vehículos. Un remolque o un camión mediano ocuparían un
espacio; dos camionetas ocuparían un espacio.
Además, como consecuencia de los tipos y tamaños de las entregas, por lo menos dos
terceras partes de los vehículos que se compren tendrán que ser remolques o camiones
medianos.
Formule es ejercicio como un problema de programación lineal y resuelva por el
método simplex.
89
MODELO MATEMÁTICO
Variables de decisión:
Camiones remolques = X1
Camiones medianos = X2
Camionetas = X3
FUNCIÓN OBJETIVO
Z (max) = (0.50 – 0.28) 10.000 X1 + (0.50 – 0.32) 8.000X2 + (0.50 – 0.40) 6.000X3
= 2200X1 + 1440X2 + 600X3
Disponibilidad de presupuesto 15.000X1 + 8.000X2 + 5.000X3 ≤ 380.000
Disponibilidad espacio X1 + X2 + 0.5X3 ≤ 28
Relación vehículos X1 + X2 ≥ 2/3(X1 + X2 + X3)
1/3 X1 + 1/3X2 – 2/3X3 ≥ 0
X1, X2, X3 ≥ 0
ABSTRACCIONES
Z (max) = 2200X1 + 1440X2 + 600X3 + 0S1 + 0S2 + 0S3 + Mm3
15.000X1 + 8.000X2 + 5.000X3 + S1 + 0S2 + 0S3 = 380.000
X1 + X2 + 0.5X3 + 0S1 + S2 + 0S3 = 28
1/3 X1 + 1/3X2 – 2/3X3 +0S1 + 0S2 – S3 + m3 = 0
TABLA I
Cj 2200 1440 600 0 0 0 M
Xj bn X1 X2 X3 S1 S2 S3 m3
0 S1 380000 150000 8000 5000 1 0 0 0
0 S2 28 10 1 0.5 0 1 0 0
M m3 0 1/3* 1/3 -2/3 0 0 -1 1
Zj 0 1/3m 1/3m -2/3m 0 0 -M M
Zj - Cj ----- 1/3m 1/3m -2/3m 0 0 -M 0
Cuando tenemos problemas como en este caso en donde las relaciones son
diferentes a pesar de ser un ejercicio de maximización y las relaciones
características de éstos son menor igual (≤), en primer lugar se eliminan las m, así
90
sea un ejercicio de maximización o minimización (el mayor valor de las m), luego
de eliminar las m, se procede de igual manera que en los casos anteriores si es
maximización se eliminan los valores negativos hasta que en la fila Zj - Cj nos
quede valores positivos y ceros; y si es minimización se eliminan los valores
positivos hasta tener en la fila Zj – Cj valores ceros y negativos.
Regresamos a nuestro ejercicio, debemos eliminar las m, pero en este caso
tenemos dos valores similares con m (1/3m), que corresponde a las columnas X1 y
X2, tomamos arbitrariamente cualquiera de los dos (no se altera en nada a la
solución final), nosotros vamos a tomar X1 como columna pivote y calculamos los
nuevos valores de las filas.
Calculamos la fila pivote dividiendo bn / X1, de donde:
380000/15000 = 25,330 (semipivote)
28/ 1 = 280 (semipivote)
0 / (1/3) = 0* (pivote)
Consecuentemente sale m3 e ingresa X1
Los nuevos valores de la fila pivote (m3) son:
0 / (1/3) = 0
(1/3) / (1/3) = 1
(1/3) / (1/3) = 1
-2/3 / (1/3) = -2
0 /(1/3) = 0
0 / (1/3) = 0
-1 / (1/3) = -3
1 / (1/3) = 3
Los nuevos valores de S1 (semipivote) son:
380000 – 0 (15000) = 380000
15000 - 1 (15000) = 0
8000 -1(15000) = -7000
5000 – (-2) (15000) = 35000
91
1 - 0(15000) = 1
0 – 0 (15000) = 0
0 – (-3) (15000) = 45000
0 – 3(15000) = -45000
Los nuevos valores de S2 (semipivote) son:
28 – 0*1 = 28
1–1*1=0
1–1*1=0
0.5 – (-2) * 1 = 2.5
0–0*1=0
1–0*1=1
0 – (-3) * 1 = 3
0 – 3 * 1 = -3
TABLA II
Cj 2200 1440 600 0 0 0 M

Xj bn X1 X2 X3 S1 S2 S3 m3
0 S1 380000 0 -7000 35000 1 0 45000* -45000
0 S2 28 0 0 2.5 0 1 30 -3
2200 X1 0 1 1 -2 0 0 -30 3
Zj 0 2200 2200 -4400 0 0 -6600 6600
Zj - Cj ----- 0 760 -5000 0 0 -6600 ------
Calculamos la columna y fila pivotes. Tomamos el menor negativo de la fila Zj - Cj,

columna pivote (-6600) y la fila pivote es S1 (380000/45000 = 8.44; 28/3 = 9.33;
0/-3 = 0). De donde sale S1 e ingresa S3, los nuevos valores de la tabla III se calculan
de la siguiente manera (cálculos similares a los anteriores) (la columna m3 ya no se
considera para los siguientes cálculos):
92
La nueva fila pivote S1 es:
380000/45000 = 8.44 = 76/9
0/45000 = 0
-7000/45000 = -0.1555 = -7/45
35000/45000 = 0.7777 = 7/9
1/45000 = 1/45000
0 / 45000 = 0
45000/45000 = 1
Los nuevos valores de la fila semipivote S2 son:
28 – 76/9 (3) = 8/3
0 - 0(3) = 0
0- (-7/45) (3) = 7/15
2.5 – 7/9(3) = 1/6
0 – 1/45000(3) = -1/15000
1 - 0(3) =1
3 - 1(3) = 0
Los nuevos valores de la fila semipivote X1 son:
0 – 76/9(-3) = 76/3
1 - 0(-3) = 1
1 – (-7/45) (-3) = 8/15
-2 – 7/9(-3) = 1/3
0 – 1/45000(-3) = 1/15000
0 - 0(-3) = 0
-3 - 1(-3) = 0
93
TABLA III
Cj 2200 1440 600 0 0 0

Xj bn X1 X2 X3 S1 S2 S3
0 S3 76/9 0 -7/450 7/9 1/45000 0 1
0 S2 8/3 0 7/15* 1/6 -1/15000 1 0
2200 X1 76/3 1 8/150 1/3 1/15000 0 0
Zj 167200/3 2200 3520/3 2200/3 11/75 0 0
Zj - Cj ------- 0 -800/3 400/3 11/75 0 0
Como podemos observar en la tabla III en la fila Zj - Cj, tenemos un valor negativo,
debemos eliminar este valor o todos los valores negativos porque es un ejercicio
de maximización, cuando tenemos valores positivos o ceros en la fila Zj - Cj, es un
indicativo que hemos llegado a la solución óptima.
Realizamos los cálculos de la nueva tabla IV, columna pivote en este caso es X2 y la
fila pivote es S2, ((76/9)/ (-7/45) = No se considera pivote porque es división para
un número negativo (semipivote); (8/3)/ (7/15) = 40/7*(pivote); (76/3)/ (8/15)
= 95/20 (semipivote).
Cálculos de la nueva fila pivote:
(8/3) / (7/15) = 40/7
0 / (7/15) = 0
(7/15) / (7/15) = 1
(1/6) / (7/15) = 5/14
(-1/15000) / (7/15) = -1/7000
1 / (7/15) = 15/7
0 / (7/15) = 0
Nuevos valores de S3:
(76/9) – (40/7) * (-7/45) = 28/3
0 – 0 * (-7/45) = 0
94
(-7/45) – 1 * (-7/45) = 0
(7/9) – (5/14) * (-7/45) = 5/6
(1/45000) – (-1/7000) * (-7/45) = 0
0 – (15/7) * (-7/45) = 1/3
1 – 0 * (-7/45) = 1
Valores de X1:
(76/3) – (40/7) * (8/15) = 156/7
1 – 0 * (8/15) = 1
(8/15) – 1 * (8/15) = 0
(1/3) – (5/14) * (8/15) = 1/7
(1/15000) – (-1/7000) * (8/15) = 1/7000
0 – (15/7) * (8/15) = - 8/7
0 – 0 * (8/15) = 0
TABLA IV
Cj 2200 1440 600 0 0 0

Xj bn X1 X2 X3 S1 S2 S3
0 S3 28/3 0 0 5/6 0 1/3 1
1440 X2 40/7 0 1 5/14 -1/7000 15/7 0
2200 X1 156/7 1 0 1/7 1/7000 -8/7 0
Zj 400800/7 2200 1440 5800/7 19/175 4000/7 0
Zj - Cj ------ 0 0 1600/7 19/175 4000/7 0
Como podemos observar en la fila Zj - Cj tenemos ceros y positivos, esto nos indica
que hemos llegado a la solución final. Estos valores los vamos a comprobar con los
obtenidos en la resolución por computadora es decir con la utilización del
software.
Supermaxi debe adquirir 22.29 ≌ 22 remolques y 5.71 ≌ 6 camiones medianos y

no se recomienda comprar camionetas.
95
Con la compra de estos vehículos se consume todo el presupuesto.
El espacio disponible de igual manera con la compra de estos vehículos se ocuparía

en su totalidad.
Con este número de vehículos cumple la relación de remolques y camiones con

relación a todos los vehículos.
Con la compra de este número de vehículos Supermaxi ahorraría mensualmente

por concepto de transporte $ 57.257,14; de donde podemos concluir que en menos
de siete meses Supermaxi recuperaría la inversión en los vehículos.
SOLUCIÓN POR COMPUTADORA SOFTWARE QM FOR WINDOWS
96
La diferencia de los cálculos que nosotros realizamos con los del software es que
nosotros restamos Zj - Cj y obtenemos valores positivos y ceros que es la solución
final, en cambio el software resta Cj – Zj y en el caso de maximización tenemos
97
ceros y negativos que es la solución final, pero en definitiva no cambia en nada.
Hay que tener en cuenta estos pequeños detalles y para el análisis se consideran
valores absolutos.
ANÁLISIS DE SENSIBILIDAD
Cuando se encuentra una solución óptima, es necesario evaluar cuál es el nivel de

sensibilidad de esa solución ante los datos e hipótesis del modelo. Generalmente se
realiza el análisis para examinar los efectos de cambios en tres áreas: 1) tasas de
contribución de cada variable (función objetivo), 2) coeficientes tecnológicos (los
números en las ecuaciones o restricciones) y 3) los recursos disponibles (los
términos independientes) lado derecho de cada restricción. Este trabajo recibe el
nombre alterno de análisis de sensibilidad, análisis de postoptimalidad,
programación paramétrica o análisis de optimalidad.
Si hablamos del análisis de sensibilidad con frecuencia se no viene a la mente una

serie de preguntas que plantean diversos escenarios como por ejemplo: ¿Qué
sucederá si la utilidad en el producto A se incrementa un 10%? ¿Qué pasaría si el
producto B se disminuye en un 5%? ¿Qué acontecerá si se disminuye o se
incrementa el término independiente o las disponibilidades de una restricción?
¿Qué pasará si modificamos los coeficientes técnicos de las restricciones? Estos
ejemplos muestran que el análisis de sensibilidad puede ser utilizado para
enfrentar, no sólo con errores cometidos al estimar parámetros de entrada al
modelo de programación lineal sino también con experimentos administrativos
con posibles cambios futuros en la firma que pudieran afectar las utilidades.
Variables básicas (mezcla de la solución o solución) son las que tenemos en la

columna Xj en los cálculos manuales que nosotros realizamos y en la tabla del
software en la columna Basic Variables, si consideramos el último ejercicio
tenemos S3, X2 y X1 (variables básicas) y variables no básicas están dadas en la fila
Zj - Cj y estas son X3, S1 y S2; que significan estos valores (X3=1600/7; S1=19/175;
S2=4000/7); estos son los denominados rangos de insignificancia, es decir nos dan
los limites hasta donde nosotros podemos ir cambiando los valores y la solución
óptima no cambiaría y esto se puede apreciar mejor en la tabla de rangos que nos
proporciona el software; si nosotros deseamos cambiar la función objetivo en los
tres tipos de vehículos lo podemos hacer en el caso de los remolques los limites
serian desde 1440 hasta 2700 la solución seguirá siendo la misma, veamos si es
cierto: en lugar de 2200 le pongo 1440 y podemos observar que el punto óptimo
no cambia sigue siendo el mismo remolques 22.28; camiones 5.71 y camionetas 0;
lógicamente que va a cambiar es la función objetivo Z (max) = 40320.
En el caso de los camiones los límites van a ser límite inferior 1173.33, límite
superior 2200.
98
En las camionetas el límite inferior es desde menos infinito, y el límite superior es
828.57
Precios sombra
El precio sombra es el valor de una unidad adicional de un recurso escaso. Los

precios sombra son una valiosa ayuda de información económica.
Los valores positivos (calculo manual) de los números de las columnas de las
variables de holgura (S1, S2 y S3) son los precios sombra, en el cálculo con software
son los valores negativos de las mismas variables.
El rango dentro del cual los precios permanecen válidos se llama rango del lado
derecho.
Los cambios de los valores del lado derecho de las restricciones pueden cambiar
los valores óptimos de las variables que están en la mezcla de solución.
Entonces analicemos considerando nuestro ejemplo y vamos cambiando el lado

derecho de las restricciones es decir los términos independientes (cambio en los
recursos), a estos cambios en los recursos (presupuesto, espacio y relación) se los
conoce como precio sombra, vamos a ver que tenemos y cuáles son los límites:
En el presupuesto que es 380000, aumentamos a 381085 o disminuimos a 378915

tendremos los siguientes valores:
99
Veamos que sucede con el espacio que tenemos para 28 vehículos en total si
aumentamos 0.57 tendremos 28.57, entonces:
Si disminuimos a 27.43, tendremos:
100
La tercera restricción va de menos infinito hasta 9.33. La decisión debe tomar
ustedes como administradores, jefes o propietarios. Las herramientas están a su
disposición.
En resumen podemos decir que:
Variables básicas son las de la mezcla de la solución (remolques y camiones)
Variables no básicas son las que se hacen igual a cero (camionetas)
La solución es óptima (Maximización calculo manual) en tanto todos los valores

Zj – Cj ≥ 0 y es óptima (Minimización calculo manual) cuando todos los valores
Zj – Cj ≤ 0; utilizando el programa o el software es lo contrario como hemos podido
observar.
El rango dentro del cual los coeficientes Cj de las variables no básicas varían sin
cambiar la mezcla de solución se llama rango de insignificancia (X3 = 1600/7, S1 =
19/175 y S2 = 4000/7)
DUAL SIMPLEX
Por lo general todo problema de programación lineal de maximización puede ser

resuelto a través del dual por minimización o viceversa. Es decir a cada problema
de programación lineal le corresponde otro problema de programación lineal al
que se le denomina dual. Al planteamiento original se le conoce como primal o
primario y a este se verá la forma de convertirlo en su dual correspondiente.
Esta asociación de los dos problemas se conoce como Dualidad o Problema Dual, el
estudio del problema dual tiene un interés matemático – económico porque:
- Nos permite entender mejor el método de la programación lineal.

- Puede ayudar a disminuir el tamaño de un modelo lineal.
- Complementa y da una fácil interpretación económica de las variables,
coeficientes de la función objetivo y términos independientes de las
restricciones.
101
Definiremos como problema primal o primario al modelo matemático que tenemos
como punto de partida; y problema dual al que surge por asociación con el
anterior.
CARACTERÍSTICAS DEL DUAL
- Si el primal es maximización, el dual será minimización o viceversa.

- Los términos independientes de las restricciones del primal pasan a ser los
coeficientes de la función objetivo del dual.
- Los coeficientes de la función objetivo del primal pasan a ser los términos
independientes del dual.
- Si las relaciones de las restricciones del primal son de tipo ≥, las
restricciones del dual serán del tipo ≤ y viceversa.
- El dual tiene restricciones como variables tiene el primal.
- Los coeficientes técnicos de variable j-exima (fila) del primal, pasan a ser los
coeficientes técnicos de la variable j-exima (columna) del dual (matriz
transpuesta solo de los coeficientes).
EJERCICIO
Consideremos el mismo ejemplo anterior el de Supermaxi, en donde ya tenemos el

modelo matemático y también está resuelto:
MODELO MATEMÁTICO
Variables de decisión:
Camiones remolques = X1
Camiones medianos = X2
Camionetas = X3
FUNCIÓN OBJETIVO
Z (max) = (0.50 – 0.28) 10.000 X1 + (0.50 – 0.32) 8.000X2 + (0.50 – 0.40) 6.000X3
= 2200X1 + 1440X2 + 600X3
Relación vehículos X1 + X2 ≥ 2/3(X1 + X2 + X3)
1/3 X1 + 1/3X2 – 2/3X3 ≥ 0
X1, X2, X3 ≥ 0
En primer lugar hay que expresar todas las restricciones con la misma
característica de relación (maximización todas las relaciones tiene que ser menor
102
igual que (≤), en este caso tenemos que cambiar la restricción tres multiplicando
por menos uno (-1) cambia de signo y cambia la relación, entonces tenemos:
PRIMAL
FUNCIÓN OBJETIVO
Z (max) = 2200X1 + 1440X2 + 600X3
Relación vehículos 1/3 X1 + 1/3X2 – 2/3X3 ≥ 0 (-1)
-1/3 X1 - 1/3X2 + 2/3X3 ≤ 0
X1, X2, X3 ≥ 0
DUAL SIMPLEX
FUNCIÓN OBJETIVO (cambiamos de variables para que no se confunda y se note

la diferencia, por cuestiones didácticas)
Los términos independientes de las restricciones pasan a ser coeficientes de la

función objetivo:
Z (min) = 380000Y1 + 28Y2 + 0Y3
15000Y1 + Y2 – 1/3Y3 ≥ 2200
8000Y1 + Y2 – 1/3Y3 ≥ 1440
5000Y1 + 0.5Y2 + 2/3Y3 ≥ 600
Y1, Y2, Y3 ≥ 0
ABSTRACCIONES
Z (min) = 380000Y1 + 28Y2 + 0Y3 + 0S1 + 0S2 + 0S3 + Mm1 + Mm2 + Mm3
15000Y1 + Y2 – 1/3Y3 – S1 + 0S2 + 0S3 + m1 + 0m2 + 0m3 = 2200
8000Y1 + Y2 – 1/3Y3 + 0S1 – S2 + 0S3 + 0m1 + m2 + 0m3 = 1440
5000Y1 + 0.5Y2 + 2/3Y3 + 0S1 + 0S2 – S3 + 0m1 + 0m2 + m3 = 600
103
Los cálculos son similares a los anteriores, eliminamos el mayor valor de M
TABLA I
Cj 380000 28 0 0 0 0 M M M
Yj bn Y1 Y2 Y3 S1 S2 S3 m1 m2 m3
M m1 2200 150000 1 -1/3 -1 0 0 1 0 0
M m2 1440 80000 1 -1/3 0 -1 0 0 1 0
M m3 600 5000* 0.5 2/3 0 0 -1 0 0 1
Zj 4240M 28000M 2.5M 0 -M -M -M M M M
Zj-Cj ------- 28000M 2.5M 0 -M -M -M 0 0 0
TABLA II
Cj 380000 28 0 0 0 0 M M M
M m1 400 0 -1/2 -7/3 -1 0 3* 1 0 -3
M m2 480 0 1/5 -7/5 0 -1 8/50 0 1 -8/5

380000 Y1 3/25 1 1/10000 1/7500 0 0 -1/50000
0 0 1/5000
Zj 880M 380000 -3/10M -56/15M

-M -M 23/5M M M -23/5M
Zj-Cj ------- 0 -3/10M -56/15M

-M -M 23/5M 0 0 -28/5M
TABLA III
Cj 380000 28 0 0 0 0 M M M
0 S3 400/3 0 -1/6 -7/9 -1/3 0 1 1/3 0 -1
M m2 800/3 0 7/15 -7/45 8/15 -1 0 -8/15 1 0

380000 Y1 11/75 1 1/15000 - -
0 0 1/15000
0 0
1/45000 1/15000
Zj 880/3M 0 7/15M -7/45M 8/15M -M 0 -8/15M

M 0
Zj-Cj ------- -380000 7/15M -7/45M 8/15M -M 0 -23/15M

0 -M
104
TABLA IV
El señor estudiante para afianzar sus conocimientos adquiridos en el aula y

para tener una capacidad de razonamiento mayor debe resolver los siguientes
ejercicios propuestos.
Investigación Operativa 1; Edición 2007 de Erazo Fierro Juan Carlos
Resolver por el método simplex los siguientes ejercicios propuestos. Páginas

238 a la 250
Métodos cuantitativos para los negocios; novena edición de Render Barry, Stair
Ralph y Hanna Michael.
Problemas 9 – 17 al 9 – 43 (pág. 381 a la 387)
105
BIBLIOGRAFÍA
Investigación de Operaciones. Novena Edición. Taha, Hamdy.
Investigación Operativa 1. Compilación. Erazo Fierro, Juan Carlos.
Toma de Decisiones por medio de Investigación de Operaciones. Thierauf,

Robert.; Grosse, Richard.
Introducción a los Modelos Cuantitativos para Administración. Anderson,

David; Sweeney, Dennis; Williams, Thomas.
Métodos Cuantitativos para los Negocios. Render, Barry; Stair, Ralph; Hanna,
Michael.
Formulación y Resolución de Modelos de Programación Matemática en

Ingeniería y Ciencia. Castillo, Enrique; Conejo, Antonio; Pedregal, Pablo; García,
Ricardo; Alguacil, Natalia.
Software QM for Windows
106
Software TORA.
107

Adria

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Adria

Cargado por

Copyright:

Formatos disponibles

EXTENSIÓN LATACUNGA

ING. BYRON COCHA CARRERA MSC. MGCP.

Programación Lineal Objetivos………………………………………………. 7

El problema general de programación lineal………………………….. 9

Análisis de sensibilidad gráfico…………………………………………………. 25

Método Simplex Objetivos………………………………………………………… 59

Método Simplex Introducción…………………………………………………… 59

Resolución por computadora……………………………………………………... 68

La Investigación Operativa es un conjunto de técnicas que han surgido para

La investigación operativa es tomada como una ciencia en formación, de ahí que no

La investigación operativa reúne un conjunto de ciencias como: la física, biología,

EVOLUCIÓN DE LA INVESTIGACIÓN OPERATIVA

La investigación operativa es tan antigua coma la conducta del hombre, pues el

1) ESTRATEGIA.-Objetivo a donde se quiere llegar.

2) LOGISTICA.-Recursos con los que cuenta la empresa (recursos

3) TÁCTICA.-Forma, habilidad para llegar a los objetivos planteados con los

Se realizaron muchos ensayos para comprobar el desarrollo científico, intensas

FASES DE LA INVESTIGACIÓN OPERATIVA

La Investigación Operativa aspira determinar la mejor solución (solución óptima)

En la Investigación Operativa utilizaremos herramientas que nos permiten tomar

Para llevar a cabo el estudio de la Investigación de Operaciones es necesario

2) Construcción de un modelo matemático

3) Búsqueda de una solución(es)

5) Establecimiento de controles sobre la solución

6) Ejecución (poner a trabajar la solución)

Deben estar perfectamente establecidos los objetivos, los cursos alternativos de

CONSTRUCCION DEL MODELO MATEMÁTICO:

Las características esenciales de los modelos permiten describirlos de diferente

BUSQUEDA DE UNA SOLUCIÓN:

Una vez establecido el modelo, el siguiente paso es obtener una solución al

Este paso se lo desarrolla determinando la solución óptima del modelo y luego

Esta prueba se puede hacer en dos pasos:

1. Tomando datos del pasado, haciendo una comparación entre el rendimiento

2. Permite operar el sistema sin cambios y comparando su rendimiento con el

Debe colocarse controles sobre la solución con el objeto de detectar cualquier

EJECUCIÓN (PONER A TRABAJAR LA SOLUCIÓN):

Consiste en traducir los resultados del modelo validado en instrucciones para el

La programación lineal es un método de resolución de problemas que se ha

- Un industrial desea elaborar un programa de producción y una política de

Estos son unos poquísimos ejemplos de casos en los cuales se ha utilizado la

La segunda propiedad de todos los problemas de programación lineal es que

Las características distintivas de los modelos de Programación Lineal son las

El objetivo básico de la Programación Lineal es encontrar soluciones mediante la

Programación Lineal es una técnica cuantitativa ampliamente aplicada en sistemas

Objetivos de la programación lineal

Proponer en forma cuantitativa acciones o decisiones a tomar para optimizar

- Entender las hipótesis y propiedades básicas de la programación lineal.

CONCEPTOS BÁSICOS DE PROGRAMACIÓN LINEAL

LINEALIDAD.- Todo proceso, actividad o relación lineal utilizada, se

Para producir zapatos Recurso principal (cuero)

DISPONIBLE: 120 pies

FINITUD.- Hay que definir tanto el número de procesos identificados

1000𝑋1 + 2000𝑋2 ≤ 10,000

Operaciones Aproximaciones Son aproximaciones sucesivas

EL PROBLEMA GENERAL DE PROGRAMACION LINEAL

El problema de la Programación Lineal se presenta por los limitados recursos que

Los problemas de programación lineal resueltos por cualquiera de las técnicas,

Está dado por maximización o minimización (Z (max.) o Z (min)). A su vez

 MAXIMIZACIÓN Z (max.)= C1X1 + C2X2  C3X3 ……..+CnXn;

 MINIMIZACIÓN Z(min)= C1X1 + C2X2  C3X3 ……..+CnXn;

Son el conjunto de ecuaciones o inecuaciones que expresan las condiciones

Está representado por:

𝐴31 𝑋1 + 𝐴 32 𝑋2 + 𝐴33 𝑋3 … . . +𝐴3𝑛 𝑋𝑛 𝑇3 𝑏3

𝑋1 , 𝑋2 , 𝑋3 , … . , 𝑋𝑛 Son las variables del problema.

Segunda restricción 40000 + 6002 = 1200

La materia prima se ha consumido en su totalidad (280+420=240)