Investigación de Operaciones Msc.

Enrique España

3. Resolución del MPL

Un MPL se puede resolver gráficamente, analíticamente o computacionalmente. El

método gráfico de resolución es limitado, pero intuitivo. El Simplex es el método
(general) analítico o algebraico para resolver un MPL, sin importar la cantidad de
variables o datos. En la práctica, dada la gran cantidad de datos que involucra un
MPL, se usa una computadora y algún programa que automatiza el método Simplex;
en particular, el complemento Solver de Microsoft Excel.

3.1 Solución Gráfica

El procedimiento de resolución gráfica está restringido a dos variables. Sin embargo,
este método (en el plano) permite generar y visualizar una figura convexa que
contiene el conjunto de soluciones posibles o factibles del MPL; y el punto óptimo
(par ordenado) si el conjunto de soluciones factibles es convexo, cerrado y
acotado.

En el diagrama cartesiano se representan todas las restricciones para generar la

figura o polígono convexo, que define la región factible de soluciones. Todos los
puntos de la región factible, satisfacen las restricciones del MPL; pero, en particular,
interesan los puntos situados en la frontera (perímetro), éstos se denominan:
Puntos extremos.

Luego de representar la función objetivo, la intersección de ésta con la figura

convexa, que cumpla con el objetivo, será la solución gráfica. Es decir, un vértice:
punto extremo superior o inferior (máximo o mínimo).

Para obtener gráficamente la solución óptima del MPL, se pueden seguir los pasos
(del procedimiento) que se indican a continuación (secciones: 3.1.1 - 3.1.4).

3.1.1 Representar las restricciones

En el plano cartesiano una inecuación (desigualdad) define un semiplano, cuyos
puntos satisfacen la desigualdad; y su frontera (cota) está dada por los puntos de la
recta de su función o ecuación asociada.

Para establecer la solución gráfica de una inecuación (semiplano), primero se grafica

la recta (frontera) de su ecuación asociada. La ecuación asociada se obtiene
cambiando la desigualdad a una relación de igualdad. Por ejemplo,

Dada la inecuación: 3x1 + 5x2 ≤ 15, la ecuación asociada es: 3x1 + 5x2 = 15

El primer cuadrante del sistema cartesiano es la intersección de los semiplanos: x1 ≥

0 y x2 ≥ 0 (restricción de no negatividad). Es decir, la condición de no negatividad
implica trabajar, la situación o problema, solo en el primer cuadrante (resultados
positivos).
Investigación de Operaciones Msc. Enrique España

Los semiejes positivos (rectas: x1 = 0 y x2 = 0) del sistema coordenado son los límites
de la condición de no negatividad del MPL. Dado esto, para determinar el semiplano
solución de las demás restricciones:

1. Graficar la ecuación asociada a la inecuación, utilizando cualquier

metodología. Para trazar una recta, son suficientes dos puntos del plano.

2. Establecer el semiplano (superior o inferior, derecho o izquierdo) solución

que satisface la restricción. Para esto, se sustituye en la inecuación cualquier
punto del plano, por ejemplo el par ordenado (0, 0); si la desigualdad se
verifica, entonces el semiplano solución debe contener el punto elegido.

3. Hecho lo anterior, se debe sombrear o utilizar flechas de dirección para

resaltar el semiplano (solución) asociado a la inecuación.

Nota Para graficar la recta de una ecuación se pueden utilizar coordenadas

positivas o negativas, para determinar dos puntos por los cuales debe pasar.
Empero, la restricción de no negatividad del modelo (no de la ecuación) implica solo
coordenadas positivas; por tanto, segmento de recta, en el primer cuadrante,
definido por los puntos de intersección de la recta y los ejes del sistema.

Así, dados dos puntos del plano: A y B; los diagramas apropiados serían:

A B

Línea recta

A B

Segmento de recta

Un segmentó está limitado por dos puntos: sus extremos, mientras que una recta
pasa por estos puntos: no tiene extremos. El segmento es un subconjunto de la
recta.

3.1.2 Establecer la región factible

La figura convexa o conjunto de soluciones factibles, es la intersección de los
semiplanos establecidos en el paso tres (3), sección anterior.

Utilizando cualquier técnica, se debe destacar o resaltar claramente el perímetro

(frontera) y/o la región factible, considerando el dominio de definición de las
variables. Si el dominio implica valores:

1. Positivos, entonces la región factible es un conjunto infinito de puntos que

están sobre o dentro la frontera.

2. Enteros positivos, entonces la región factible es un conjunto finito de puntos

que están sobre o dentro la frontera.
Investigación de Operaciones Msc. Enrique España

3.1.3 Graficar la función objetivo (FO)

Luego de establecer la región factible se representa la FO, de tal manera que pase
por el origen del sistema cartesiano. Es decir, el punto (0, 0) pertenece a la recta; el
valor de la función es cero (z = 0).

Teniendo en cuenta lo anterior:

1. Igualar la función objetivo a cero (z = 0). Así, la recta pasa por el origen del
sistema (0, 0).

2. Con la relación anterior, determinar el valor de x 2 para cualquier abscisa

diferente de cero (x1 ≠ 0), incluso un valor negativo si es necesario. De esta
manera, se tiene otro punto (x1, x2) que pertenece a la recta.

3. Ubicar los dos puntos: (0, 0) y (x1, x2), en el plano cartesiano, y trazar la recta
que pasa por estos puntos.

3.1.4 Determinar la solución óptima

Para establecer la mejor solución del MPL, se considera la representación gráfica de
la región factible (3.1.2) y de la función objetivo (3.1.3) en el plano cartesiano. Leer,
si es necesario, la sección 2.2. En general, un modelo lineal tiene solución única;
pero puede tener varias, o ninguna solución.

Solución única

Si el modelo tiene únicamente una solución, entonces queda definida una figura
convexa, cerrada y acotada; y el conjunto de puntos extremos es finito, igual al
número de vértices de la figura.

La mejor solución será uno de los vértices de la figura convexa. Se identifica como
primer (minimización) o último (maximización) punto extremo.

El dominio de definición de las variables, indica si las coordenadas de la solución

óptima (el último o primer extremo) son enteras o fraccionarias.

Considerando lo anterior:

1. Desplazar (arriba - derecha ) la recta de la función objetivo en forma paralela,

hasta alcanzar o tocar:

1.1 El último extremo de la figura convexa, si el objetivo es maximizar.

1.2 El primer extremo de la figura convexa, si el objetivo es minimizar.

2. Leer las coordenadas del punto extremo que implica la solución óptima. En
general, las componentes de la solución gráfica, no se pueden leer; a menos
que sean enteras. Empero, aunque sean fraccionarias, se pueden establecer
sus valores utilizando el modelo: resolución de sistemas de ecuaciones.

3. Gráficamente, la solución óptima (vértice o punto extremo) es la intersección

de dos rectas (restricciones). Por lo tanto, algebraicamente, se resuelve el
Investigación de Operaciones Msc. Enrique España

sistema formado por las ecuaciones asociadas a estas rectas, para determinar
el valor de las variables.

Varias soluciones

Para establecer si un MPL tiene varias soluciones, se siguen los mismos pasos del
procedimiento indicado para: Solución única.

Si al aplicar el punto uno (1), la recta de la función objetivo incluye dos vértices
adyacentes (un lado) de la figura convexa, entonces existen varias soluciones; pero
el valor óptimo (z) es el mismo.

Por lo tanto, la afirmación: "Un vértice de la figura convexa es la solución óptima del
modelo", es verdadera; aunque el MPL tenga varias soluciones.

La función objetivo alcanza su valor óptimo, máximo o mínimo, en un punto

extremo de la figura convexa, siempre y cuando dicho valor exista.

Sin solución

Si al desplazar la recta de la función objetivo, nunca se alcanza un vértice o arista

(puntos extremos) en el gráfico, entonces el MPL no tiene solución. Es decir, no
existe una situación-problema que implique un crecimiento infinito de beneficios
(maximización) o un problema que involucre costos nulos (minimización).

Dado lo anterior se puede concluir que,

1. Un modelo de programación lineal tiene o no tiene solución.

2. El MPL tiene solución si las restricciones definen una figura convexa, cerrada
y acotada.

3. La solución óptima del MPL es un vértice de la figura convexa, cerrada y

acotada.

En general, un MPL asume un valor óptimo en una región cerrada y acotada. En

consecuencia un modelo lineal, correctamente formulado, siempre tiene una
solución óptima en un punto extremo, cuando la región factible es acotada.

Ejemplos: Solución gráfica

En los ejemplos que siguen, formular el MPL y representarlo gráficamente para
ubicar o establecer la solución óptima; y, en consecuencia, el valor óptimo del
problema. Si no se pueden precisar los valores del punto óptimo, utilizar el modelo
matemático de resolución de sistemas de ecuaciones.

Ejemplo 3.1

Para el próximo mes, una empresa desea saber cuántas unidades debe producir y
vender de cada uno de sus dos productos principales (A y B). Los dos bienes se
producen en dos fases de proceso (I y II) con los siguientes coeficientes técnicos:
Investigación de Operaciones Msc. Enrique España

Producto A B Cap. Máx.

Proceso I 15 h/u 25 h/u 75 h
Proceso II 20 h/u 12 h/u 60 h

El beneficio unitario estimado por ventas es de $3.000 para A y $4.000 para B.

Ejemplo 3.2

La empresa "ABC" produce dos tipos de juguetes: Súper (S) y Normal (N). Dispone de
1.200 kilos de plástico especial y de 40 horas de producción semanal. La producción
total no puede ser mayor que 800 docenas y el número de docenas de S no puede
exceder al número de docenas de N por más de 450. Para producir una docena de S
se requieren dos kilos de plástico y tres minutos de producción por docena y N
requiere un kilo de plástico y cuatro minutos de producción por docena. La venta de
una docena de S implica una ganancia de $8 y N entrega $5 de utilidad por docena.
Determinar la utilidad máxima semanal que se puede obtener.

Ejemplo 3.3

Resolver el Ejemplo 3.1, suponiendo que no es posible producir y vender fracciones

de producto.

Ejemplo 3.4

Una unidad educativa necesita comprar cierto tipo de equipos para el laboratorio de
química. Dos fábricas pueden proveérselos. Dada la siguiente información:
Concepto Fábrica 1 Fábrica 2
Cantidad de personal auxiliar simultáneo para la atención de
2 3
cada equipo.
Cantidad de alumnos que pueden trabajar simultáneamente
10 4
por equipo.
Cantidad de experimentos distintos que pueden realizarse
1 7
simultáneamente por equipo.
Costo de cada equipo en Bs 1000 1500

Para la atención de los equipos, el colegio no dispone de más de 23 docentes

auxiliares, y desea que puedan trabajar simultáneamente en aquellos al menos 38
alumnos que realicen como mínimo 17 experimentos diferentes.

Decidir qué cantidad de equipos de cada fábrica le conviene adquirir para que el
costo total sea mínimo.

3.2 Solución algebraica: Método Simplex

El álgebra lineal o matricial y el proceso de eliminación de Gauss-Jordan, para
resolver un sistema de ecuaciones lineales, constituyen la base del método de
resolución algebraica denominado: Simplex.
Investigación de Operaciones Msc. Enrique España

El método simplex es un procedimiento iterativo (algoritmo) que permite ir mejorando

la solución a cada paso. El proceso concluye cuando no es posible seguir mejorando
más dicha solución.

Partiendo del valor de la función objetivo en un vértice cualquiera, el método

consiste en buscar sucesivamente otro vértice que mejore al anterior. La búsqueda
se hace siempre a través de los lados del polígono convexo. Cómo el número de
vértices es finito, siempre se podrá encontrar la solución del MPL.

El método simplex fue creado en 1947 por el matemático George Dantzig. Este
algoritmo se utiliza para resolver problemas de programación lineal que implican
dos o más variables; es decir, sin importar el número de variables.

La teoría del simplex asociada a las restricciones, hace referencia a éstas

identificando dos lados: Izquierdo (LI) y Derecho (LD); en orden de lectura, la parte
antes del signo de relación y la que sigue, respectivamente.

Entonces dada una restricción lineal, inecuación o ecuación (en su forma más
simple), se tiene:
LI LD
ax1 + bx2 ≤ c

3.2.1 Bases del método Simplex

Forma estándar del modelo
Un MPL está en forma estándar si todas las restricciones son igualdades, lado
derecho con constantes positivas y se conoce una solución básica factible inicial.
Para esto:
1. Todas las desigualdades del modelo deben convertirse en igualdades:
1.1 Si es ≤, entonces se agrega (LI) una variable de holgura.
1.2 Si es ≥, se quita una variable de exceso, al LI.
2. Si una igualdad (=) no tiene variable de holgura, al LI se le agrega una
variable artificial.
3. No debe haber en las restricciones ninguna variable ni ningún valor
negativo en el lado derecho (límite).
4. Debe conocerse una solución básica factible inicial.
5. Se debe expresar la función objetivo en forma implícita.

Hecho lo anterior, se tienen dos conjuntos de variables: “básicas” y “no básicas”.

Las variables de holgura y artificiales son las variables básicas que generan la
base: “solución básica factible inicial”, que es el lado derecho del modelo
estándar. El conjunto de variables no básicas está formado por las variables de
decisión o de exceso y su valor, de cada una, es cero (0).

Condiciones iniciales
Investigación de Operaciones Msc. Enrique España

En esencia, el método simplex implica: Maximizar la función objetivo,

restricciones relacionadas con menor o igual que (≤), lado derecho de las
restricciones positivo y todas las variables no negativas.

Cuando en un MPL no se den las condiciones anteriores, habrá que hacer los
ajustes correspondientes.

3.2.2 Tabla inicial del Simplex

Después de expresar el MPL en forma estándar, se construye la tabla inicial del
simplex; cuya estructura, en general, es
B Todas las variables: xj S

Variables
básicas

z 0

Donde: B = Base; S = Solución básica factible inicial; z = función objetivo

El número de columnas de la tabla inicial es igual al número total de variables (xj)

más dos. La primera columna, rotulada con B (base), contiene las variables básicas
y z de la función objetivo. La última columna, rotulada con S, muestra el lado
derecho de las igualdades y el 0 (cero) para la FO.

Las columnas entre B y S se rotulan con todas las variables del problema, en orden:
con j = 1, 2,…, n variables.

El número de filas de la tabla inicial del simplex es igual al número de variables de

holgura y artificiales más dos: la primera para los rótulos de columna y la última
para la FO. Cada variable de holgura y/o artificial identifica (rotula) una fila.

En la panza de la tabla, entre los rótulos (encabezados) de columnas y filas, se

colocan los coeficientes de las igualdades y, en la última fila, los coeficientes de la
FO.

3.2.3 Procedimiento del método simplex

Para resolver algebraicamente un MPL, usando el método simplex, se debe:

1. Expresar el modelo en forma estándar.

2. Construir la tabla inicial del simplex.

3. Identificar la variable que entra en la base, la variable que sale de la base y el

pivote operacional.

3.1 La variable que entra a la base es la que tiene el coeficiente más negativo
en la última fila (z).
Investigación de Operaciones Msc. Enrique España

La columna de la variable que entra en la base se llama columna pivote

(cp)

3.2 Para fijar la variable que debe salir de la base, se divide cada término de
la columna S por el término correspondiente de la cp, siempre que estos
últimos sean positivos.

La fila que corresponde al menor de los cocientes, se denomina fila pivote

(fp). El rótulo de la fp es la variable que sale de la base.

Si ningún elemento en la cp es positivo, entonces el modelo no tiene

solución; es una solución no acotada y no se puede seguir.

3.3 En la intersección de la fp y cp se encuentra el elemento pivote (p). Los

demás elementos de la cp se denominan coeficientes de la columna pivote
(ccp).

Cada ccp pertenece a una fila, los elementos de esta fila se denominan
coeficientes de la fila correspondiente del ccp (cfccp).

4. Elaborar una tabla nueva y calcular los nuevos coeficientes para las
diferentes filas; de tal manera que el elemento pivote (p) sea 1 y los otros, ccp,
0. Es decir, la columna de la nueva tabla que corresponde a la cp de la tabla
antigua, sólo debe contener un uno (1) y ceros (0) como nuevos elementos.

4.1 La nueva tabla tiene los mismos rótulos de columnas y filas, excepto la
fila de la variable que sale de la base que es sustituida por la variable
que entra en la base. La nueva primer columna (B) es ahora el conjunto
de las variables básicas.

4.2 Los nuevos coeficientes de la variable (fila) que entra en la base (cve) se
obtienen dividiendo todos los coeficientes de la fila pivote (fp) entre el
pivote (p), que es el que hay que convertir en 1. Es decir,
[𝒇𝒑]
[𝒄𝒗𝒆] =
𝒑

4.3 A continuación mediante la reducción gaussiana se hacen ceros los

restantes términos de su columna (ccp), con lo que se obtienen los
nuevos coeficientes de las otras filas (cov) incluyendo los de z. Esto es,
- ccp([cve])
+ [cfccp]

[cov] = - ccp([cve]) + [cfccp]

En las relaciones anteriores:

[…] : Se lee, “cada coeficiente de la fila ...“ o "elementos de una fila"
cve = Coeficientes de la variable (fila) que entra en la base
fp = Fila pivote
p = Pivote
Investigación de Operaciones Msc. Enrique España

cov = Coeficientes de las otras variables (filas) de la base

ccp = Coeficiente columna pivote (con signo contrario)
cfccp = Coeficientes de la fila del ccp

5. Repetir los pasos tres y cuatro hasta que no queden números negativos en la
última fila (z), excluyendo la columna S.

6. Si en la última fila no existiese ningún coeficiente negativo, significa que se

ha alcanzado la solución óptima. Termina el proceso.

La solución óptima se obtiene asignando a cada variable de la columna B el

valor que le corresponde en la columna S. El valor óptimo de z es el último
valor de la columna S. A las demás variables se les asigna el valor cero (0).

3.2.4 Maximización de un MPL con restricciones ≤

Si un problema implica las condiciones iniciales del simplex: Maximizar la función
objetivo y restricciones relacionadas con menor o igual que, entonces el
procedimiento del método simplex se aplica directamente; no se requiere ningún
ajuste.

Ejemplo 3.5

Para el próximo mes, una empresa desea saber cuántas unidades debe producir y
vender de cada uno de sus dos productos principales (A y B). Los dos bienes se
producen en dos fases de proceso (I y II) con los siguientes coeficientes técnicos:
Producto A B Cap. Máx.
Proceso I 15 h/u 25 h/u 75 h
Proceso II 20 h/u 12 h/u 60 h

El beneficio unitario estimado por ventas es de $3.000 para A y $4.000 para B.

Resolver algebraicamente el problema. Luego, interpretar geométricamente los

valores que resultan de cada iteración (tabla) del método simplex.

3.2.5 Minimización de un MPL

Si en lugar de maximizar se trata de un problema de minimizar recursos, se sigue el
mismo proceso pero cambiando el sentido del criterio; es decir, para entrar en la
base se elige la variable cuyo valor, en la fila de la función objetivo, sea el mayor de
los positivos y se finalizan las iteraciones cuando todos los coeficientes de la fila de
la función objetivo son negativos.

Otra opción, quizás la más eficaz, es aplicar el siguiente principio:

n n
Min z   c j x j  Max (z )   (c j )x j
j1 j1
Investigación de Operaciones Msc. Enrique España

Las dos relaciones conducen a la misma solución óptima. La razón es que, entre
más pequeña es z, más grande es –z, así que la solución que da el menor valor de z
dentro de la región factible también debe dar el mayor valor para –z en esta región.

3.2.6 MPL con restricciones: =, ≥

El algoritmo Simplex exige el conocimiento de una solución básica factible inicial.
Las variables de holgura asociadas a las desigualdades menor o igual que (≤), al
considerarlas como variables básicas iniciales, forman parte de esta solución inicial
de manera inmediata: igual a los valores positivos del lado derecho.

Por lo tanto, en todas aquellas restricciones de igualdad que no tengan una variable
de holgura deben introducirse variables artificiales, con el fin de generar una
solución básica inicial.

La idea de utilizar variables artificiales es muy simple. Es necesario sumar una

variable no negativa a todas las ecuaciones que no tengan variables básicas
iniciales. Las variables artificiales desempeñarán la misma función que una variable
de holgura. Sin embargo, como estas variables no tienen un significado físico desde
el punto de vista del problema original (de aquí el nombre de "artificial"), el
procedimiento será válido sólo si estas variables toman el valor cero cuando se
llegue a la solución óptima.

Siempre que existan variables artificiales como parte de la solución, la función

objetivo se modificará para imponer una penalización muy grande (M) en caso de que
adquieran valores mayores que cero. Las iteraciones del método simplex
automáticamente fuerzan a las variables artificiales a desaparecer (= 0) una a una
hasta que todas quedan fuera de la solución. Esta metodología se denomina:
método de la Gran M, donde M es un valor positivo muy grande; si el objetivo es
minimizar se suma: Mxj (xj: variable artificial), para maximizar se resta.

Por lo tanto, para maximizar o minimizar modelos que implican variables

artificiales se hacen los ajustes necesarios, para poder generar la tabla inicial del
simplex. Es decir, se siguen los mismos pasos del procedimiento simplex (sección
3.2.3) con una excepción: En el paso uno (1), se deben hacer los ajustes necesarios a
la función objetivo.

Ejemplo 3.6

Una unidad educativa necesita comprar cierto tipo de equipos para el laboratorio de
química. Dos fábricas pueden proveérselos. Dada la siguiente información:
Concepto Fábrica 1 Fábrica 2
Cantidad de personal auxiliar simultáneo para la atención de
2 3
cada equipo.
Cantidad de alumnos que pueden trabajar simultáneamente
10 4
por equipo.
Cantidad de experimentos distintos que pueden realizarse
1 7
simultáneamente por equipo.
Costo de cada equipo en Bs 1000 1500
Investigación de Operaciones Msc. Enrique España

Para la atención de los equipos, el colegio no dispone de más de 23 docentes

auxiliares, y desea que puedan trabajar simultáneamente en aquellos al menos 38
alumnos que realicen como mínimo 17 experimentos diferentes.

Decidir qué cantidad de equipos de cada fábrica le conviene adquirir para que el
costo total sea mínimo.

3.2.7 Método de dos faces

El método de la Gran M, en general, implica manejar fracciones a fin de evitar
problemas de redondeo. Para minimizar el error de redondeo se introducen ciertos
cambios en el proceso del método simplex, cuando existen variables artificiales, para
generar el método denominado de dos fases.

Siempre que existan variables artificiales como parte de la solución inicial, la última
fila de la tabla inicial del simplex contendrá M, a fin de evitar su presencia en las
tablas, se precisan los siguientes cambios:

1. La última fila de la tabla inicial del simplex, se descompone en dos filas: La

primera con los términos sin M y la segunda con los coeficientes de M.

2. Se aplica el método simplex a la última fila generada en el anterior cambio,

hasta que no contenga elementos negativos. Luego, se sigue con los
elementos de la penúltima fila que se encuentran situados sobre ceros de la
última fila.

3. Siempre que una variable artificial deja de ser básica (variable artificial que
sale de la base), se puede eliminar la columna que le corresponde.

4. La última fila puede eliminarse, siempre que todos sus elementos sean ceros.

5. Si en la solución final existen variables artificiales diferentes de cero, el MPL

no tiene solución.

Ejemplo 3.7

Trabajar el ejemplo anterior por el método de dos fases.

3.2.8 Procedimiento general del simplex

Para resolver un MPL que en su forma estándar presenta variables artificiales, es
necesario ajustar la función objetivo para generar la tabla inicial y seguir con el
procedimiento del método simplex; pero en los cálculos estará presente la Gran M.

Para evitar la presencia de M y, por ende, facilitar el uso de decimales en los

cálculos manuales se requiere del método de dos fases; lo cual simplemente implica
construir la tabla inicial del simplex con una fila adicional para los coeficientes M,
esa la diferencia. Luego, con esta tabla inicial ampliada, se siguen los mismos pasos
del método simplex. Entonces, el método de dos fases se puede denominar método
simplex de dos fases.
Investigación de Operaciones Msc. Enrique España

Por lo tanto, en general, aplicar el procedimiento simplex implica utilizar:

1. El método simplex si el modelo estándar no tiene variables artificiales. Este

es el método básico y simple (sección 3.2.3).

2. El método simplex de dos fases si el MPL en forma estándar tiene variables

artificiales.

Dado lo anterior, si es posible, aplicando propiedades, se debe evitar la relación

mayor o igual que (≥). Así, no se requerirá el uso de una variable artificial en la
forma estándar del modelo. Por ejemplo, dada la restricción: x2 - x1 ≥ 0,

Si se la deja así, se requiere una variable de exceso para convertirla en igualdad y

una variable artificial para generar una solución básica inicial.

En cambio, aplicando una propiedad, x2 - x1 ≥ 0 es equivalente a x1 - x2 ≤ 0 y solo

se requiere una variable de holgura para el modelo estándar.

Ejemplo 3.8

Un constructor va a edificar dos tipos de viviendas A y B. Dispone de 600 millones

de pesos y el costo de una casa de tipo A es de 13 millones y 8 millones una de tipo
B. El número de casas de tipo A ha de ser, al menos, del 40 % del total y el de tipo
B, el 20 % por lo menos. Si cada casa de tipo A se vende a 16 millones y cada una
de tipo B en 9. ¿Cuántas casas de cada tipo debe construir para obtener el beneficio
máximo?

Ejemplo 3.9

Una compañía aérea tiene dos aviones A y B para cubrir un determinado trayecto.
El avión A debe hacer igual o más veces el trayecto que el avión B pero no puede
sobrepasar 120 viajes. Entre los dos aviones deben hacer por lo menos 60 vuelos,
pero no más de 200. En cada vuelo A consume 900 litros de combustible y B 700
litros. ¿Cuántos vuelos deben hacer, para que el consumo de combustible sea
mínimo?

Ejemplo 3.10

Usted es presidente de una microempresa de inversiones que se dedica a

administrar las carteras de acciones de varios clientes. Un nuevo cliente ha
solicitado que la empresa se haga cargo de administrar para él una cartera de
$100.000. A ese cliente le agradaría restringir la cartera a una mezcla de tres tipos
de acciones únicamente: A1, A2 y A3; los datos relevantes son:
Acciones Precio ($) Rend. Anual estimado/acción ($) Inversión posible ($)
A1 25 3 25.000
A2 20 3 30.000
A3 60 7 60.000

¿Cuántas acciones de cada tipo tendría que comprar usted, con el fin de maximizar
el rendimiento anual total de esa cartera?
Investigación de Operaciones Msc. Enrique España

Diagrama de flujo del procedimiento general del Simplex

Investigación de Operaciones Msc. Enrique España

Problemas de Resolución
Trabaje los problemas 3.1 - 15, utilizando el método gráfico
3.1 La empresa GTC produce dos clases de herramientas: llaves inglesas y
alicates, para satisfacer la demanda del mercado (empresas y particulares). El
estudio, técnico y de mercado, ha estimado los parámetros que se indican en la
tabla que sigue. Dada esta información, calcular el número de llaves y alicates que
se debe fabricar parta obtener la mejor utilidad.
Datos técnicos y de mercado
Concepto Llaves Alicates Disponible
Acero 1,5 1,0 27.000 kilos
Máquina de moldeo 1,0 1,0 21.000 horas
Máquina de montaje 0,3 0,5 9.000 horas
Demanda 15.000 16.000
Beneficio unitario ($) 0,13 0,10

3.2 Una agropecuaria utiliza diariamente por lo menos 800 kilos (k) de alimento
especial para ganado. Este alimento es una mezcla de maíz y semilla de soya, con la
siguiente composición:

Alimento Proteína Fibra Costo/kilo

Maíz 0,09 0,02 0,30
Semilla de soya 0,60 0,06 0,90

Los requerimientos dietéticos diarios del alimento especial estipulan por lo menos
un 30% de proteína y cuando mucho un 5% de fibra. Determinar el costo mínimo
diario de la mezcla de alimento.

3.3 El señor Aventura se dedicará al engorde de dos tipos de ganado: A y B, con

un capital inicial de Bs150.000 y un potrero con 200 hectáreas de pasto sembrado.
Ha estimado que el costo de producción de cada res será: Tipo A, Bs1.450; y del tipo
B, Bs1.100. Dada la limitación de su potrero que puede albergar sólo 1.000 reses,
decide comprar más reses tipo A; y el total no puede ser inferior a 350 cabezas. Si
cada res tipo A puede vender en Bs2.100 y el B en Bs1.650, ¿cuántas de cada tipo
debe comprar y vender para optimizar su inversión?

3.4 Un estudiante de la universidad afirma que: "Sólo el trabajo y nada de

diversión definen un hombre aburrido". Por esto, quiere distribuir su tiempo
disponible de 10 horas al día, entre el trabajo y la diversión. Estima que el juego es
dos veces más divertido que el trabajo, pero decide estudiar por lo menos tanto
como juega. Sin embargo, asume que si quiere terminar todas sus tareas
universitarias, no puede jugar más de cuatro horas al día. ¿Cómo debe distribuir su
tiempo para maximizar su satisfacción tanto en el trabajo como en el juego?
Investigación de Operaciones Msc. Enrique España

3.5 Considérense dos alimentos: A y B. Cada unidad del alimento A contiene 20

unidades del nutriente I y 60 unidades del nutriente II. Cada unidad del alimento B
contiene 30 unidades del nutriente I y 23 unidades del nutriente II. Se ha
determinado que los niños en edad de educación primaria deben consumir
diariamente por lo menos 350 unidades del nutriente I y 700 unidades del nutriente
II, cada uno. Si a cada niño de esa edad, en un área urbana, se le va a hacer entrega
de una bolsa que contenga los alimentos A y B, determinar cuántas unidades de A y
cuantas de B debiera incluir la bolsa, a un costo total mínimo y cumpliendo los
requerimientos nutricionales. El costo de cada unidad de A es $25 y el de cada
unidad de B es de $9.

3.6 Resuelva el problema anterior considerando 1.000 niños y un presupuesto fijo

de $120.000/día

3.7 Una persona ha desarrollado dos tipos de juego de salón para adultos, hechos a
mano, que vende a tiendas en todo el país. Aunque la demanda de estos juegos
excede su capacidad de producción, la persona continúa trabajando sola y limita su
trabajo semanal a 50 horas. El juego tipo 01 se produce en 3,5 horas y arroja una
ganancia de $28, mientras que el juego 02 toma 4 horas para su producción y da
una ganancia de $31. Cuántos juegos de cada tipo deberá producir semanalmente
esta persona, si su objetivo es maximizar la ganancia total?

3.8 Se dispone en el mercado de dos productos, A y B, para alimentar cierta clase

de animales. El producto A contiene por cada kg 100g de nutriente C y 200g de
nutriente D. El producto B contiene por cada kg 200g de C y 200g de D. Se sabe que
se deben suministrar por día, a cada animal, no menos de 600g del nutriente C y no
menos de 1 kg del nutriente D. Determinar cuántos kg del producto A y cuántos del
producto B se deben suministrar a cada animal para que el gasto sea mínimo,
sabiendo que el kg del producto A cuesta $4 y que el kg del producto B cuesta $5.-
5

3.9 Un agente económico tiene disponibles $6.000 para invertir. Tiene dos ofertas
de participar como socio de dos negocios diferentes. Oferta 1, invertir $5.000 y 400
horas de su tiempo, y la ganancia estimada (ignorando el valor del dinero en el
tiempo) sería de $4.500. Oferta 2, $4.000 de inversión y 500 horas, con una
ganancia estimada de $4.500. Sin embargo, ambas ofertas son flexibles y permiten
entrar al negocio con cualquier fracción de la sociedad; la participación en las
utilidades sería proporcional a esa fracción. Como de todas maneras, este agente
está buscando un trabajo interesante para el verano y dispondrá de 600 horas a lo
sumo, ha decidido participar en una o ambas ofertas, con la combinación que
maximice la ganancia total estimada. Determine esa ganancia total.

3.10 La empresa VAM elabora artículos de vidrio de alta calidad, incluyendo

puertas y ventanas de vidrio, en tres plantas diferentes (1, 2 y 3). En la uno, se
hacen los marcos y molduras de aluminio; en la dos, los marcos de madera; en la
tres, se produce el vidrio y se ensamblan los productos. Se planifica descontinuar
los productos no rentables, para incursionar con dos nuevos productos que tienen
demanda. Uno de los productos es una puerta de vidrio con marco de aluminio, el
otro es una ventana grande con marco de madera y vidrio doble. El plan propuesto
indica en la tabla que sigue, para cada planta, el porcentaje de la capacidad
disponible y el porcentaje que requiere cada unidad producida por hora; y la
Investigación de Operaciones Msc. Enrique España

ganancia por unidad de producto/hora. Determine la tasa de producción de los dos

productos, que maximizan las ganancias.
Planta Puerta Ventana Capacidad disponible
1 1% 0% 4%
2 0% 2% 12%
3 3% 2% 18%
Utilidad $180 $300

Nota: La tasa de producción será el número de unidades producidas por hora.

3.11 Resuelva el problema anterior, suponiendo que las ganancias netas por hora
deben superar los $3.000 para que se justifique la implementación de la producción
de los dos nuevos productos.

3.12 Resuelva el problema 2.8, suponiendo que la ganancia por Ventana es $120
(en vez de $300).

3.13 Resuelva el problema 2.8, ignorando las restricciones de las Plantas dos y
tres.

3.14 A una persona le tocan 10 millones de pesos en una lotería y le aconsejan

que los invierta en dos tipos de acciones, A y B. Las de tipo A tienen más riesgo pero
producen un beneficio del 10 %. Las de tipo B son más seguras, pero producen sólo
el 7% anual. Después de varias deliberaciones decide invertir como máximo 6
millones en la compra de acciones A y, por lo menos, 2 millones en la compra de
acciones B. Además, decide que lo invertido en A sea, por lo menos, igual a lo
invertido en B. ¿Cómo deberá invertir 10 millones para que el beneficio anual sea
máximo?

3.15 Una empresa planifica construir casas con tres (TD) y dos (DD) dormitorios,
para lo cual dispone de $5,5 millones. El costo de una casa TD es de $130.000 y
$80.000 para DD. El número de TD ha de ser, al menos, el 40 % del total y el de
DD, el 20 % por lo menos. Si cada casa TD se vende a $160.000 y en $90.000 cada
unidad del tipo DD, ¿cuál sería el beneficio máximo?

Resuelva con el método simplex los problemas 3.1 - 15 y 3.16

3.16 Usted dispone de $250.000 para invertir en los activos financieros: RV (renta
variable), BB (bonos del Banco Central)) y BT (bonos del Tesoro). Cada activo RV
cuesta $900 y el rendimiento esperado es 12 %; el precio del BB es $1.000 y genera
un beneficio del 6 %; el costo de cada BT es $1.000 y rinde el 8 %. La inversión en
los activos RV y BT no debe superar al 60 % del total invertido. Lo invertido en BB
tiene que ser superior a $20.000, y la inversión en BT no puede ser inferior a la
inversión en los activos RV. Determine el máximo rendimiento monetario anual.