Investigacion PDF

JI~
UNIVERSIDAD NACIONAL DEL CALLAO

FACULTAD DE INGENIERIA INDUSTRIAL Y DE SISTEMAS
INSTITUTO DE INVESTIGACION
®
R UNiVERSlDAD NACIONAL DEL CALLAO
eE 1 Vf"e.~•:.'''""'"'·
..•... ..]v"' ~" ";: '"''"'~~·'""CIÓN
7. ·~.~~'·'''\
~ 15 ~EP 2014
::,. ""'~~~-~---
... ___
O,F!RMA: -
--- .......................................................
~-:
,
CENTRO DE DOCUMEÑrACio~
CIENTIFICA YTRADUCCIONES
INFORME FINAL DEL TEXTO
"TEXTO AUTOINSTRUCTIVO
DE INVESTIGACIÓN DE OPERACIONES"
AUTORES:
PROFESOR TITULAR
Dr. Luis Whiston García Ramos
PROFESOR COLABORADOR
Mg. Anival Alfredo Torre Camones
(Periodo de ejecución del1 de Agosto del2013 al 31 de Julio del2014

Resolución de aprobación No RR-765-2013
CALLA0-2014
DEDICATORIA:
A nuestras familias, por su paciencia y

comprensión que nos brindaron.
ll
IN DICE
ÍNDICE .............................................................................................................1
11 PROLOG0 ..............................................................................................................:............................ 3
IIIINTRODUCCION ..............................................................................................................................4
UNIDAD 1 DEFINICIONES BÁSICAS ................................................................................................ 5
1.1 Definición de la Investigación de operaciones ..............................................................~ .. 7

1.2 Historia de la Investigación de operaciones ..................................................................... 8
1.3 Metodología de la Investigación de operaciones ........................................................... 11
1.4 Usos y aplicaciones de la Investigación de operaciones .............................................. 12
1.5 Autoevaluación de la Unidad 1.......................................................................................... 14
1.6 Lectura: Entrevista al creador de la programación lineal... ........................................... 15
UNIDAD 11 MODELOS MATEMATICOS ......................................................................................... 19
2.1 Definición de modelo matemático .................................................................................... 19

2.2 Clasificación de los modelos matemáticos ..................................................................... 19
2.3 Pasos para la construcción de modelos matemáticos .................................................. 20
2.3 Modelo de mezcla ...........·.................................................................................................... 21
2.5 Autoevaluación de la Unidad 11 ......................................................................................... 74
UNIDAD 111 PROGRAMACIÓN LINEAL .......................................................................................... 81
3.1 Ejercicios de programación lineal ..................................................................................... 83

3.2 Autoevaluación de la Unidad 111 ...................................................................................... 110
UNIDAD IV MÉTODO GRÁFICO ................................................................................................... 113
4. 1 Definición de método gráfico ........................................................................................... 115

4.2 Ejercicios de Método Gráfico ........... :.............................................................................. 120
4. 3 Método dual ....................................................................................................................... 169
4.4 Análisis de sensibilidad .................................................................................................... 170
4.5. Autoevaluacion cuarta unidad metodo grafico ............................................................. 184
UNIDAD V PROGRAMACION ENTERA ......................................:................................................ 193
5.1 Ejercicios resueltos usando programación entera ......... :............................................. 195

5.2. Autoevaluacion.quinta unidad programacion entera .......... ~ ........................................ 220
UNIDAD VI PROBLEMAS DE TRANSPORTE ............................................................................ 221
1
6.1 ~vlétodo Húngaro ........................................................... o •••••••••••••••••••••••••••••••••••••••••••••••••••• 223
6.2 ·Método de Vog_el ...........................................................-..-..................................-............... 227
6.2 Autoevaluación de la Sexta Unidad ............................................................................... 252
V REFERENCIALES ........................................................................................................................ 270
VI APENDICES ................................................................................................................................. 271
Vll ANf.XOS ....................................................................................................................................... 277
~·· 2
11 PROLOGO
Estimado participante:
Reciba Usted la más cordial
bienvenida a nombre de la
Universidad.
Esperamos que la experiencia de
estudio que ahora inicia sea
significativa para su ejerc1c1o
profesional y desarrollo personal.
El presente texto de lnvestigacion de Operaciones guía es un instrumento

práctico, de uso permanente y clarificador. En ella encontrará información
sobre todo aquello que le ayudará en tus estudios; los objetivos generales y
específicos, algunos requisitos previos para iniciar nuestro trabajo académico,
los medios; es decir aquellos soportes que podrá utilizar a lo largo del curso; el
contenido temático de la asignatura, el cual se encuentra dosificado en forma
semanal; la orientación bibliográfica necesaria para facilitarle una información
precisa y detallada de los temas tratados. Complementamos la guía didáctica
con las actividades o ejercicios prácticos de refuerzo, así también planteamos
la forma de evaluación y las orientaciones para el estudio de cada unidad o
tema tratado ante eventuales dificultades.
Los autores
' ' . ' . '
•
Hl INTRODUCCION
Aquí lo orientamos cómo debe utilizar el Texto autoinstructivo para tener resultados
\
favorables. Se ha distribuido en .seis unidades secuenciales:
Definiciones básicas
11 Modelos matemáticos
lil Programación lineal
IV Método gráfico
V Programación entera
VI Problemas de transporte y asignación
Explicamos los conceptos de la investigación de operaciones y sus diferentes ramas

utilizando un lenguaje propio. Resolveremos ejercicios y problemas utilizando el
método práctico para que puedas asimilar con facilidad lo que deseamos calcular.
En todas las unidades didácticas buscaremos lograr el objetivo alrededor del cual se
cumple en todo el sistema del proceso de auto instrucción. Encontrará
procedimientos simples para poder desarrollar modelos relacionados con la
especialidad. Los ejercicios propuestos, que adjuntamos al final de cada unidad,
deben resolverlo para comprender meLar la asignatura. Si esta fase logra pasar,
entonces estará capacitado para poder autoevaluase. Si el problema o ejercicio se
vuelve dificultoso, posibtemente sea. consecuencia de haber anotado algún dato
incorrecto; le recomiendo tener mucho cuidado en tratar a las variables de decisión.
Busque las condiciones ambientales más propicias para el estudio, lo que le
facilitará su concentración y su aprendizaje. Haga un cronograma de estudio que
deberá cumplir sistemáticamente.
Recuerde que debe interpretar con sus propias palabras los conceptos presentados
p_or el autor, esto ie permitirá una n:layor comprensión del tema. Recurra a los
glosarios que se encuentran al final de cada unidad didáctica; así como al
\
diccionario, que posibilitarán que enriquezca su vocabulario y entienda claramente
!as ideas expresadas en el texto. Resuelva todas las actividades: auto evaluación,
prácticas y ejercicios propuestos.
4
,
UNIDAD 1 DEFINICIONES BASICAS
:-- ~-, :.: ;·-~<· -·: · oB.J~nio .> :· -.-··:·~· >;~~-- ·:

~ • ', .:,. ~ .. r ~~ ' - ' • ' • - • • - - • ~ =- • •-' ~ - ;' :~
1.1 Definición de la investigación de operaciones
Según KambleshMathur, "la Investigación de operaciones es el uso de las

matemáticas y computadoras para ay.udar a tomar decisiones racionales
frente a problemas de administración"
Según Jorge Álvarez, "fa Investigación de Operaciones es el procedimiento

para resolver problemas relacionados con la toma de decisiones".
Podemos concluir que:

La Investigación de OperacioQes_ es el uso. de la matemática ~ informática
para resolver problemas del mundo real, tomando decisiones acertadas que
garanticen el éxito.
Ilustración 1:1 Uso de la

matemática y la informática-
en/a toma de decisiones
La Investigación de Operaciones (10) o Ciencia Administrativa (CA) es la

ciencia de admini_strar, lo que casi siempre implica toma de decisiones.
Administrar significa estar a cargo y ser capaz de predecir lo incontrolable.
·~,...-,~'-··
La ciencia es una búsqueda continua; es una generación continua de teorías,

modelos, conceptos y categorías.
La Investigación de Operaciones por lo general visualiza analíticamente una

decisión antes de su adopción. Es decir, reflexionar antes de actuar, como
dice un proverbio chino, "Para talar rápido un .árbol, dedique et doble de
tiempo a afilar el hacha." Los carpinteros dícen, "Mida dos veces, corte una".
7
Ilustración
2.1
Proceso de..
toma de
decisiones
1.2 Historia de !a Investigación de operaciones
La Investigación de operaciones se originó en Gran Bretaña durante la

Segunda Guerra Mundial cuando se formó el primer grupo de investigación ·
operacional, para abordar matemática o cuantitativamente las operaciones
militares. Desde entonces, la Investigación de operaciones ha evolucionado
hasta aplicarse a todos los aspectos de un sistema, producto o servicio, y es
por eso que con frecuencia se la menciona como Administración de Sistemas
o Investigación de Operaciones. La Fuerza Armada Estadounidense formó un
grupo similar, 5 de los cuales ganaron e'l Premio Nobel. En la actualidad, es
reconocida como aporte importante a la toma de decisiones, en una amplia
l
variedad de aplicaciones de negocios, industria y gobierno.
El término Investigación de operaciones, surgió en los años 40, cuando se

ínvestigaoan el dfseño y análisis de modelos matemáticos para las
operaciones militares. Desde entonces · se extendié el alcance de la
Investigación de operaciones incluyendo la economía (conocida como
econometría), la psicología (psicometría), la sociología (sociometría), el
marketing (investigación de mercado y ciencia del marketing), la astmlogía
(astronomía) y a los prob¡emas de planificación corporativa. La creciente
complejidad de la administración ha hecho visiblemente necesario e!
desarrollo de técnicas matemáticas sofisticadas para la planificación y la toma
de decisiones, y la Investigación de operaciones, se destaca en este ciclo
estructurado del proceso de toma de decisiones brindando una evaluación
cuantitativa de políticas, ptanes y decistones alternativas.Las disciplinas
matemáticas más utilizadas en el proceso de modelización en Investigación
~· 8
de operaciones, son programación matemática, pr-obabilidad, estad~stica e
informática. Algunas áreas de la Investigación de operaciones como por
ejemplo el control de existencias y -el control de producción, y la teoría del
scheduling, se han transformado en sub-discip1inas por propio derecho y se
han hecho en gran medida indispensables en el mundo moderno.
Las organizaciones militar-es habían pasado. por el mismo tipo de evolución .

que los demás negocios y sectores. Esta evolución de las -organizaciones tuvo
lugar durante íos veinte años desde fines de la Primer.a Guerra Mundial a
comienzos de la Segunda, cuando los líderes militares tuvieron que recurrir a
la ayuda de equipos de científicos, que eran asignados, por lo general, al
ejecutivo a cargo de las operae.fones; es por eso que esta función se comenzó
a conocer como Investigación de Operaciones en el Reino Unido y con
diferentes nombres en los Estados Unidos: Investigación de Operaciones,
Investigación Operativa, Análisis Operacional, Análisis de Sistemas y Ciencias
Administrativas. El nombre Investigación de Operaciones es el más utilizado.
Después de la 11 Guerra Mundial las Empresas reconocieron el valor de

aplicar técnicas similares en, las refinerías de petróleo, la distribución de
productos, la planeación de producción el estudio de mercado y la planeación
de'inversiones. En los últimos años con la aparición de software LINDO, se ha
facilitado la reSOLUCIÓN:de los modelos matemático.s, su versión 6.1 puede
resolver modelos de hasta 200,000 variables y 50,000 restricciones.
9
1.3 Metodoiogía de la investigación de operaciones
. . . .·. ¡··
U.~f~:~~~~~
~
Ilustración 3.2
Metodología de la
Investigación de
operaciones
Definición del problema E;s identificar, comprender y ·describir en

términos precisos, el problema que la
organización enfrenta.
Desarrollo de un modelo l;s formular un modelo matemático;
..
matemático y Identificando variables, Identificando un objetivo
recolección de datos global o Función Objetivo e Identificando las
limitaciones o restricciones.
1
ReSOLUCION:del Es resolver el modelo usando una técnica 1
modelo adecuada, es decir obtener valores numéricos

¡ para la variable de decisión.
. ., .L
¡ Vahdac1on de la 1 Es rev1sar cuJdadosamenLe los resultados para /
1
1 SOLUCIÓN: J ver que los valores tienen sentido y que !as ¡
1 decisiones resultantes puedan llevarse a cabo.
Modificación del modelo /1 Se identifica las limitaciones omitidas durante la
formulaci · .
11
1.4 Usos y aplicaciones de la investigación de operaciones
Los modelos matemáticos se usan para:
Tomar decisiones estratégicas, como por ejemplo:

-¿Debería reemplazarse un sistema existente con un nuevo sistema
propuesto?
-¿Debería cambiarse su política de Administración?
. Tomar decisiones operacionales, como por ejemplo:
-¿Cómo programar la fuerza de trabajo semanalmente?
-¿Cuál es el plan de producción mensual óptimo?
-¿Cuál es plan de embarque f!láS efectivo en costos para distribuir productos?
Algunas aplicaciones de la investigación de operaciones

Se hq podido rdentificar un pequeño conjunto de tipos ele problemas que
representan a la mayoría. Como éstos se repiten con frecuencia, se han
desarrollado técnicas prototipo par~ modelizarlos y derivar las soluciones de
esos modelos. Pueden ele~il-se y combinarse para lograr un abordaje
multidisciplinario.
Tabla 1 Aplicaciones de la Investigación de Operaciones
Pronóstico: ¿Cómo será la demanda' de productos?
¿Cuáles son los modelos de venta? ·
¿Cómo afectará las ganancias?
Finanzas e inversión: ¿Cuánto capital se necesita? ¿Cuánto costará?
1 ¿Dónde podemos obtenerlo?
Planificación y asignación 1 ¿Cuántos empleados se n_t=;cesitan?

de mano de obra:
¿Qué habilidades deberían tener?
¡ ¿Cuánto tiempo trabaJarán con nosotros?
12
Secuenciamiento: ¿Qué tarea es más importante?
1 ¿En qué orden deberían realizarse las tareas?
Localizacioo;:.asignación, ¿Cuál es la mejor localización para una

1 distribución y transporte: / operación?
¿Qué tamaño deberían tener las instalaciones?
¡ ¿Qué recursos se necesitan? ¿Existen ·

deficiencias?
1
1
¿Cómo se pueden establecer las prioridades?
1
Política de confiabilidad y ¿Cómo funciona el equipo?

sustitución:
¿Cuán confiable es?
¿Cuándo debería reemplazarse?
Control de existencias y ¿Cuánto stock deberíamos mantener?

falta de stock:
.....
...·· ¿Cuándo se pide más?
1 • .· · . .· · .
·.· •' ·...· - : ·,
¿Cuánto deberíamos pedir? 1
Regl.as de costo- ¿Qué elección debería recomendarse?

beneficio:
'•-
Planificación y control del ¿Cuánto tiempo requerirá el proyecto?

proyecto:
¿Qué actividades son las más importantes?
!
'-
·11 ¿Como debenan utilizarse los recursos?
1
l ¿Cuán largas son las colas?

congesuon:
¿Cuántos servidores deberíamos utifizar?
1
1
l ¿Qué nivel de servicio estamos brindando?
1
13
-·
1.5 Autoeva!uación de la Unidad i
01. Una definición de Investigación de oper3ciones es:
a. Un conjunto de métodos y técnicas.
b. El uso de la matemática e informática para tomar decisiones.
02. La metodología de la investigación de operaciones, implica:
a. Definición del problema, ReSOLUCIÓN:del modelo, Desarrollo del
modelo, SOLUCIÓN:, validez, implementación.
b. Definición del problema, Desarrollo del modelo, ReSOLUCIÓN:del
modelo, SOLUCIÓN:, validez e implementación.
03. La definiCión sobre la investigación de operaciones, "Método científico
por el cual la administración ejecutiva dispone de una base cuantitativa
para las decisiones de operaciones bajo su control" ¿A quién
corresponde?
a) Ackoff b) Sasieni e) Mores-Kimball d) Dantzing e) Warner
04 ¿A quién se le considera Padre de la Programación lineal?
a) Gross b) Sasieni e) Mores-Kimball d) Dantzing e) Warner
05 La definición sobre la investigación de operaciones, "Rama de la
matemática aplicada al proceso de toma de decisiones, ¿A quién
corresponde?
a) Gross b) Sasieni e) Mores-Kimball d) Dantzing
e) Kaufmann
06 El miedo a la toma de decisiones impo)iantes es un nuevo tipo de
temor, denominado decido fobia, rue reve)ado por:
a) Gross b) Sasieni e) Mores-Kimball d) Dantzing
e) Kaufmann
07 ¿Dónde se originó la Investigación de Operaciones durante ta Segunda
Guerra Mundial?
a) Francia b) EE.UU. e) Inglaterra d) Japón e) Rusia
08 ¿Qué año se originó la Investigación de Operaciones duíante la
Segunda Guerra Mundia~?
a) 1939 b) 1940 e) 1941 d)-1942 e) 1943
CLAVE DE RESPUESTAS 01 b 02b 03c 04d OSa 06e O? e 08b
14
1.6 Lectura: Entrevista ai creador de !a programación lineal
. "Los que mandan generalmente mueven las manos

y dicen 'He considerado todas las alternativas'. Pero
eso es casi siempre basura. Lo más probable es
que no pudiesen estudiar iodas las combinaciones."
George B. Dantzig, creador de la programación
lineal, en una entrevista publicada en
TheCollegeMathematicaiJournal, marzo de 19B6.
~Se presenta a continuación, parte de esta

entrevista:
"Considere el problema de asignar 70 hombres a 70 empleos. Una 'actividad' .

consiste en asignar el i-ésimo hombre a la j-ésimo empleo. Las restricciones son
dos: en primer lugar hay 70 hombres, cada uno de los cuales debe asignarse a un
puesto, y en segundo lugar, cada uno de los 70 puestos existentes debe estar
qcupado. El nivel de una actividad puede ser 1, lo cual indica que está siendo usada,
,
o O, lo cual significa que no. En consecuencia hay 2 x 70 =140 restricciones y 70 x
70 = 4900 actividades con 4900 variables correspondientes de decisión uno-cero.
Por desgracia también hay factorial de 70 permutaciones o formas de hacer las
asignaciones. El problema consiste en comparar estas factorial de 70 formas y elegir
la que sea la óptima o 'mejor' según algún criterio previa-mente establecido."
"En el ejemplo anterior, factorial de 70 es un número muy grande. A fin de tener una
idea de qué tan grande es, supóngase que se hubie?e tenido una computadora IBM
del tipo mainframe en el instante en el que ocurrió el Big Bang hace quince millones
de años. ¿Habría podido, entre ese entonces y ahora, examinar todas las
Soluciones posibles? jNo! No obstante, supóngase que se hubfese tenido una
computadora aún más poderosa, una que pudiese examinar mil miltones de
asignaciones por segundo. La respuesta seguiría siendo negativa. Aun si la Tierra se
llenase con computadoras cuyas rapideces fueran de nanosegun-dos, todas ellas
trabajando en paralelo, la respuesta aun sería no. Sin embargo, si existiesen diez
Tierras, todas llenas conll:om
' tadoras del tipo mencionado, todas programadas en
/ . 15
w
parale!o desde el instante del Big Bang hasta que el Sol fuese una esfera fría,
entonces quizás la respuesta podría ser sí. Lo notable es que el método Simplex,
con la ayuda de una computadora moderna, puede resolver este problema en una
fracción de segundo".
"Cuando el problema de la planeación fue formulado inicialmente para la Fuerza

Aérea, no existía la noción exacta de una función objetivo, la idea de una meta
claramente definida. Por supuesto, teníamos sólo un falso respeto hacia el concepto
de objetivo. En el discurso de füs militares escuché a menudo decir, 'nuestro objetivo
es ganar la guerra'. En el mundo de los negocios se escucharía quizás 'nuestro
objetivo es obtener ganancias' .. Sin embargo, era. imposible hallar alguna relación
directa entre la meta establecida y las acciones emprendidas para tal fin."
"Si se estudiaba con cuidado el paso siguiente, se podía ver que algún líder había
promulgado un montón de reglas básicas que, en su concepto, llevarían a la meta.
Esto distaba mucho de lo que sería honestamente estudiar todas las combinaciones
alternativas de las acciones a seguir para elegir la mejor combinación. Los que
mandan generalmente mueven las manos y dicen 'He considerado todas las
alternativas'. Pero eso es casi siempre basura. Lo más probable es que no pudiesen
estudiar todas las combinaciones. Antes de 1947 era inconcebible pensar en la
existencia de una herramienta como la programación lineal que permitiese examinar
millones de combinaciones. No había algoritmo o herramienta computacional que
pudiera hacer eso."
"No descubrí el modelo de la programación lineal en un instante, sino que tuvo un

proceso de evolución. Se dedicó casi un año completo a la tarea de decidir si mi
modelo podría ser utilizado en la formulación de problemas prácticos de distribución
de tiempos. Como usted sabe, !a planeación y la distribución de ti~mpos se llevaron
a una escala inmensa durante la guerra. El funcionamiento de la Fuerza Aérea fue
equivalente al funcionamiento de la economía de toda una nación. En el proceso
intervinieron cientos de miles de personas. La logística tuvo una· magnitud difícil de
entender para alguien que no haya estado aiH. Mi colega Marshall Wood y yo
revisamos miles de situaciones tomadas de nuestra experiencia durante la guerra."
16
"Las reglas básicas empleadas en la pianeación se expresaban en un formato
completamente distinto del que se emplea en la actualidad para formuiar un
programa lineal. Lo que hicimos fue revisar estas reglas una por una y demostrar
que casi todas ellas podían reformularse aceptablemente en un formato de
programación lineal. Pero no todas. En algunos casos era necesario tomar en
cuenta el caíácter discreto de las variables y !as no convexidades.""Cuando formulé
por primera vez mi modelo de programación lineal, lo hice sin una función objetivo.
Estuve luchando por algún tiempo con la adición de reglas básicas para elegir de
entre las Soluciones factibles la que en algún sentido fuese 'óptima'. Pero pronto
abandoné esta idea y la sustituí por la de una función objetivo a ser maximízada. El
modelo que formulé no estaba hecho específicamente paré;l fines militares. Podía
aplicarse a toda clase de problemas de planeación; todo lo que tenía que hace~se
era cambiar los nombres de las columnas y los renglones, y entonces era aplicable a
un problema de planeacíón económica lo mismo que a un problema de planeación
industrial."
17
UNIDAD 11: MODELO MATEMÁTICO
2.1. Definición de modelo matemático

Es la representación de los problemas del mundo real usando símbolos
matemáticos.
La programación lineal es una técnica de modelado matemático,
diseñada para optimizar el uso de los recursos limitados. La
programación lineal (PL) es aplicada en distintas disciplinas; se ha
aplicado exitosamente en el ejército, la agricultura, la industria, la
transportación, la economía, los sistemas de salud, etc.
Estos modelos, debido a su linealidad, han permitido desarrollar

algoritmos para su RESOLUCIÓN:; los cuales han sido implementados
en·paquetes informáticos.
Los cálculos en la programación lineal, por lo común son voluminosos y

tediosos y, por consiguiente, requieren del empleo de la computadora.
2.2. Ciasificación de los modelos matemáticos
Según los datos Los modelos pueden ser: Determinísticos o

Estocásticos
Según las restricciones Los modelos pueden ser: lrrestrictos o

Restringidos
Los Restringidos pueden ser: Lineales o No

lineales
Según la función objetivo Los modelos. pueden ser: Lineal o No lineal
Según las Variables Los modelos pueden ser: Continuas o

Enteras
2.3 Pasos para la construcción de modelos matemáticos
Los pasos generales para la construcción de modelos matemáticos son:

Paso 1 IDENTIFICAR LAS VARIABLES DE DECISIÓN
¿Sobre qué tengo control?
¿Qué es lo que hay que decidir?
¿Cuál sería una respuesta válida en este caso?
Paso 2 IDENTIFICAR LA FUNCIÓN OBJETIVO
¿Qué pretendemos conseguir?
Si yo fuese el jefe de la empresa, ¿qué me interesaría más?
Paso 3 IDENTIFICAR LAS RESTRICCIONES

Recursos disponibles (trabajadores, máquinas, material)
Fechas límite
Restricciones por la naturaleza de las variables (no
negatividad, enteras, binarias)
Restricciones por la naturaleza del problema.
20
2.3 Modelo de mezc!a
EJERCICIO 2.1 ·
PEPSICO, procesa jugo de naranja y lo transforma en concentrado congelado
en tres plantas localizadas en Chosica, Vitarte y Comas. De cualquiera de !os
dos huertos ubicados cerca de Huaral y Cañete se pueden enviar libras de
naranja hacia cualquier planta. El huerto que está cerca de Huarai tiene
20000 libras y el huerto que está cerca de Cañete tiene 12000 libras. La
planía de Chosica requiere al menos 8000 libras para ·cumplir su cuota de
producción. Las plantas de Vitarte y Comas requieren cada una al menos
11 000 libras. Dado el costo de transporte y el precio de venta del
concentrado, el objetivo, sujeto a ciertas restricciones de oferta y demanda, es
determinar cómo transportar estas naranjas desde los huertos a las plántas
: ··:·
procesadoras para maximizar la ganancias.
COSTO DE TRANSPORTE ($. /TON)
. . -_;..; .:.
.·_:_.
~ . '~- '.
~:-~~: :-pRI~~~G ~---_._:~-: ~--- ---~~~:~~~-:-~ ::~-.- - -~- - ~e-~~~~;~·_ ,~ .__ --~ :_:.-.:,:. :·:
..:· _- ·. . . _·. :.,:
- . ·,.. . -.
-- · ·. ..
_~;
.:. . ' - - . : - .
~hostca~---.
:_. ~
· . V•tarte.
-__: ~
· Comas_ ,.
·_;_ -
~
- -==:: . -. . ~
Huaral 50 75 60
Cañete 60 90 45
1 1
Ingresos ($/Tonelada) 550 750 600
SOLUCIÓN:
ORIGEN DESTINO
(Huerto) (planta)
CHOSICA
8000 Ilustración 4. 4
Metodología de la
Investigación de operaciones
V/TARTE
11000
COMAS
11000
21
Utilidad= Ingreso- Gasto Conversión lb= 453 gr. 1Ton= 2207 lb.
U11 = 550- 50 = 500 $/Ton. = 0,2266 $/lb
U12= 750-75 = 675 $/Ton.= 0,3058 $/lb
U13= 600-60 = 540 $!Ton.= 0,2447 $/lb
U21 = 550-60 = 490 $/Ton.= 0,2220 $/lb
U22= 750- 90 = 660 $/Ton. = 0,2990 $/lb
U23= 600-45 =555 $/Ton.= 0,2515 $/lb

MODELO MATEMÁTICO
l. Identificación de variables.
Xij = Número de libras de naranjas a enviar del huerto i a la planta j
11. Identificación de la función objetivo
MAX 0.2266X11+ 0.30Si8X12+ 0.2447X13 + 0.2220X21 + 0.2990X22

+ 0.2515X23
IH Identificación de Restricciones.
:·>···· ..::.- ·....;- - X11 + X12 + X1~ :S 20000
X21 + X22 + X23 5 12000 .
X11 + X21 ?: 8000
Xí2 + X22?: í íOOO
X13 + )(23 :? 11 000
\
Xij ?: O
SOLUCtÓN:CON LINDO 1) 8550,1 X11 =7000, Xt2=t3ooo, X2t=1·ooo,

X23=11000
22
EJERCICIO 2.2
PETROPERÚ puede comprar dos tipos de petróieo: crudo ligero· a un c~sio
de $25 por barril, y: crudo pesado a un costo de $22 por barril. Cada b?rriLcie
petróleo crudo, ya refinado, produce tres productos: gasolina, turb.9~,ti1a y
queroseno. La siguiente tabla indica las cantidades en barriles de ga_~olina,
turbosina y queroseno producidos por barril de cada tipo de petróleo
Crudo ligero 0,45 O, 18 0,30

Crudo pesado 0,35 0,36 0,20
Demanda en barriles 1260000 900000 300000
La refinería se ha comprometido a entregar 1260000 barrfles de gasolina,

900000 barriles de turbosina y 300000 barriles de queroseno. Como gerente
de producción, formule un modelo para determinar la cantidad de cada tipo de
petróleo crudo por comprar para minimizar el costo total al tiempo que se
satisfaga la demanda apropiada.
SOLUCIÓN:
1 Identificación de variables.
CL =Número de barriles a comprar del Crudo ligero
CP = Número de barriles a comprar del Crudo pesado
Identificación de la Función Objetivo

MIN 25CL + 22CP
iil. Identificación de las restricciones

Con respecto a la demanda 0.45CL + 0.35CP ;::: 1260000
0.18Cl + 0.36CP ;::: 900000
0.30CL + 0.20CP ;::: 300000
CL, CP ~ O
SOLUCIÓN:COI'J LINDO 1)74'600000 CL = 1'400000 CP =

1'800000
23
EJERCICIO 2.3
Reconsidere el ejercicio 2.2 Cada barril de petróleo crudo refinado produce un
desecho de 0.07 de barril que se tira a un costo de $1 por barril de desecho.
De manera similar, cada barril de petróieo crudo pesado produce un desecho
de 0.09 de barril y su eliminación cuesta $ 1.50 por barril. Formule un nuevo
modelo para incorporar estos costos adicionales usando los mismos datos del
ejercicio 2.3.
SOLUCIÓN:
l. Identificación de variables
CL = Número de barriles a comprar del Crudo ligero
CP = Número de barriles a comprar del Crudo pesado
11. Identificación de la Función Objetivo

MIN 26CL + 23.5CP
111. Identificación de las restricciones

Con respecto a la demanda 0.38CL + 0.26CP ~ 1260000
0.11 CL + 0.27CP ~900000
0.23CL + 0.11 CP ~300000
Con respecto a la no negatividad CL, CP ~O
SOLUCIÓN:CON LINDO
CP = 2'748,649
~1'435,135
1)1 01 '906,800
.
24
EJERCICIO 2.4
NISAN fabrica carros compactos y subcompactos. La producción de cada
carro requiere una cierta cantidad de materia prima y mano de obra, como se
especifica en la siguiente tabla:
..:-·. g;¿;~~;~;:.¿n~~~f~~~-::. _- ~~a!fDf~:~~:~;_,~l!.~. ~~ ~-~. --~~--:"·-/·

~'.,..---.-- .. Compactos 200 18
-
Subcompactos í50 20
1
Costo unitario 10 70
1
Total disponible 80000 9000
1
'
La div1s1ón de comerc~ahzac1ón ha est1mado que a lo mas 1500 compactos
pueden venderse a $ 10000 cada uno y que a lo más 200 subcompactos
pueden venderse a $ 8000 cada uno. Como vicepresidente de prograrl)ación,
formule un modelo para determinar la cantidad a fabricar de cada tipo de
carro para maximizar la ganancia total (ingresos menos gastos).
SOLUCIÓN: •',··,
CC =Número de carros compactos por fabricar
CS =Número de carros subcompactos por fabricar

MAX67 40CC -t 51 OOCS

Con respecto a la materia prima 200CC +150CS ::; 80000
Con respecto a la mano de obra 18CC + 20CS ::; 9000
Con respecto a la venta ce::; 1soo
e,::,_
,...< 200
Con- respecto a la no negatividad CC, CS ~ O, entero
\ SOLUCIÓN:CON LINDO 1)2705000 CC=250 CS=200
25
EJERCICIO 2.5
MILKITO tiene dos máquinas distintas para procesar leche pura y producir
leche descremada, mantequilla o queso. La cantidad de tiempo requerido en
cada máquina para producir cada unidad de producto íesultante y las
ganancias netas se proporcionan en la siguiente tabla:
0.3 min 1 gal 0.7 min 1 lb 1.2 min 1 lb

Ganancia neta 0.22$/ gal 0.38$/ lb 0.72$1 lb
Suponiendo que se dispone de 8 horas en cada máquina diariamente, como
gerente del departamento de producción, formule un modelo para determinar
un plan de producción diaria que maximice las ganancias corporativas netas y
produzca un mínimo de 300 galones de leche descremada, 200 libras de
mantequillas y 100 libras de queso.
SOLUCIÓN:
Li =Número de galones requerido para producir Leche descremada en
la máquina i
Mi=Número de libras requerido para producir Mantequilla en la máquina
Qi =Número de libras requerido para producir Queso en la máquina i

MAX 0.22(L 1+L2) + 0.38(M1 +M2) + 0.72(01 +02)
lll. Identificación de las restricciones

Con respecto a la cantidad a producir L 1+L22:300
M1+L2 2:200
Q1+Q2 2:100
Con respecto al tiempo requerido 0.2L 1 + 0.5M1 +1.501 ~480
\ 0.3L 1 +O. 7M1 + 1.201 ~480
Con respecto a la no negatividad U, Mi, Qi 2:0
SOLUCIÓN:CON LINDO 1) L1 = L2= M1 = M2= Q1 = 02=

26
EJERCICIO 2.6
El Ministerio de Salud indica que cada galón de leche, libra de queso y libra
de manzanas proporciona un número conocido de miligramos de proteínas y
vitaminas A, 8 y C. La siguiente tabla incluye esos datos junto con los
requerimientos diarios de los ingredientes nutricionales y la cantidad mínima
de cada alimento que debe incluirse en la comida y su costo.
~~!~~~~&.i~Iil~wj~Q~~if5:"~~;~~¡-~i~F1
Proteínas 40 30 íO 80
¡
Vitamina A 5 50 30 60
1 1 1 1
Vitamina 8 20 30 j 40 50
1 1 1
Vitamina C 30 50 60 30
1 1
:
Cantidad mínima 0,5n gal 0,501b 0,50
1 1
Costo unitario 2,15 2,25 1,25
1 1
Como d1et1sta de una escuela públrca, formule un modelo para determinar la
comida de costo mínimo que reúna todos los requerimientos nutricionales.
SOLUCIÓN:
1
L =Número Galones de leche a utilizar
Q =Número Libras de queso a utilizar en
M =Número Libras de manzana a utilizar
MIN 2.15L + 2.250 + 1.25M
Con respecto a los requerimiento 40L + 300 +10M ~80
5L + 500 + 30M ~60
20L + 300 + 40M ~50
30L + 500 + 60M ~30
Con respecto a La cantidad mfnima L ~ 0.5

1 Q ~ 0.5
'
M ~ ü.5
Con respecto a la no negatividad L, Q, M ~o
SOLUCIÓN:CON LINDO 1)5.147297 L=1 ,297297 M=0.50=0,770227
~
27
EJERCICIO 2.7
REPSOL, cerca de Lima, suministra gasolina a sus distribuidores en caminos.
La compañía recientemente recibió un contrato para iniciar el suministro de
800000 galones de gasolina por mes a distribuidores de Lima. La compañía
tiene $ 5000000 disponibles para crear una flota consistente en tres tipos
diferentes de camiones. En la siguiente tabla se muestra la capacidad, costo
de compra, costo operativo y número máximo de viajes por cada tipo:
2 3000 40000 650

3 2000 25000 500 30
Sobre la base del mantenimiento y la disponibilidad de conductores, la
compañía no desea comprar más de 10 vehículos para su flota. Asimismo, la
compañía desearía asegurarse que se compren al menos tres de los
camiones del tipo 3 (se requiere para su uso en las rutas de trayecto
corto/baja demanda). Finalmente, la compañía no desea que más de la mitad
de la flota sea de camiones del tipo 1. Formule un modelo para determinar la
composición de la flota que mínimice los costos operativos mensuales al
tiempo que satisfaciendo los requerimientos de las otras compañías.
SOLUCIÓN:
l. Identificación de variables.
Ci = Número de camiones a adquirir del Tipo i
MIN 800C1 + 650C2 + 500C3
1! l. Identificación de las restricciones
Según la inversión 50000C1 +40000C2 + 25000C3 ::;; 500000
Según la capacidad 120000C1 +75000C2 + 60000C3 ;:::; 800000
Según el tamaño de la flotilla C1 + C2 + C3 ::;; 1O
Según la cantidad C1- C2- C3 ::;; O
Con respecto al númeíO mínimo del tipo3 C3 ;:::; 3-
Con respecto a lano negatividad Ci ;: :; O, entero
SOLUCIÓN:CON LINDO í )6000 C1 = 4 C2 = 2 C3 = 3

28
EJERCICIO 2.8
LAN CHILE reabastece sus aeronaves en los cuatro aeropuertos en donde
da servicio. La turbosina puede comprarse a tres vendedores posibles en
cada aeropuerto. La tabla indica ( 1) el costo de entrega (compra más
embarque) por mil galones de cada vendedor a cada aeropuerto, (2) el
número disponible de miles de galones que cada vendedor puede suministrar
cada_ mes y (3) el requerimiento mensual de turbosina (en miles de galones)
en cada aeropuerto. En la tabla se muestra el costo de entrega .
.=<'2:-~·-J~q~·· ~~~?l~~(;-;~:~~.~~~.·~~:;.~~~:~~ye:>~~~i.-?~~;:?J.~e~~·,: _ ·~:.,;f::·

1 900 800 900 150
2 900 1200 1300 250
1 3 800 1300 500 350

4 1000 1400 1000 480
Provisión Max. 300 600 700
Formule un modelo para determinar las cantidades que se deben comprar y
enviar por parte de cada vendedor a cada aeropuerto para minimizar el costo
total, satisfaciendo al mismo tiempo por lo menos la demanda mensual a cada
aeropuerto y no excediendo el suministro de cualquier vendedor.
SOLUCIÓN:.
Xij =Número en miles de galones a comprar al i para el aerópuerto j
MIN 900X11 +900X12 +800X13 + 1000X14 +800X21 + 1200X22 +
1300X23 +1400X24 +900X31 + 1300X32 +500X33 + 100QX34
Con respecto a la provisión X 11 + X 12 + X 13 + X 14 :s3ü0
X21 + X22 + X23 + X24 5;600
X31 + X32 + X33 + X34 :s?OO
Con respecto al requerimiento X11+X21+X31 ~150
X12 + X22 + X32 ~250
X13 + X23 + X33 ~350
X14 + X24 + X34 ~450
Con respecto a la no negatividad Xij

SOLUCIÓN: USANDO UNDO 985000 X12 =200 X14 =100 X21 = 150 X22 =50 X33=350 X34 =350
29
EJERCICIO 2.9 ·
El Ministerio de Transportes y Comunicaciones {MTC) ha_ recibido solicitudes
de asignación de frecuencias de cuatro nuevas estaciones de radio. Dos
frecuencias de radio interfieren si están a 0.5 mega Hei'"LZ de distancia. Las
siguientes frecuencias (en mega Hertz) están actualmente disponibles: 100.0,
100.1, 100.3, 100.7, 101.0, 101.1, 101.4, 101.8. Formule un modelo para
detem1inar si el MTC puede asignar cuatro nuevas frecuencias y, si es así,
cuáles. (Sugerencia: es usted libre para asignar o no cadp frecuencia, así que
considere las variables O -1 ).
SOLUCIÓN:
A =Frecuencia Número 100.0 8 =Frecuencia
Número 100.1
C =Frecuencia Número 100.3 D =Frecuencia
Número 100.7
E =Frecuencia Número 101.0 F =Frecuencia
Número 101.1
G =Frecuencia Número 101.4 H =Frecuencia
Número 101.8
11. • Identificación de la Función Objetivo
MAX A + B + C + D + E + F +G + H
A+ 8+ e s1
C+ D s1
D+ E+ F s1
E+ F+ G s1
G+ H s1
A, B, C, D, E, F,G, H cOybinario
SOLUCIÓN: USANDO LINDO

\
1) 3 A=O 8=1 C=O D=1 E=ü- F=O G=O H=1
30
EJERCICio- 2.1 O
SERPOST indica que la ciudad de Arequipa desea determinar cuántas
subestaciones postales se requieren para dar servicio a su población. La
ciudad ha sido dividida en ocho zonas postales. Se han identificado cinco _
ubicaciones posibles para las subestaciones. Cada ubicación puede dar
servicio a un número diferente de zonas, como indica en la siguiente tabla:
1 1, 2, 3
2 1, 4, 5
3 2,4,5,8
4 3, 5, 6, 7
5 6, 7,8
Formule un modelo para determinar el menor número de subestaciones (y sus
ubicaciones) necesarias para
1
dar servicio
.
a las ocho . zonas postales.
(Sugerencia: defina una variable apropiada para cada ubicación).
SOLUCIÓN:
Ui =Ubicación de la Subestación i
MIN U1 + U2 + U3 + U4 + U5
U1 + U2 U2 + U3 + U4
U1 + U3 U4 + U5
U1 + U4 U3 + U5 ;::: 1
U2 + U3 Ui ;::: O, binario
t1 SOLUCIÓN: USANDO LINDO 1)3.000000 U1=1 U2=0 U3=1 U4=0

U5=1
31
EJERCICIO 2.11
COiv10DOY tiene tres divisiones que fabrican un producto en ei que cada
unidad completa consiste en cuatro unidades de componentes A y tres
unidades del componente B. Los componentes A y B se fabrican a partir de
dos materias primas diferentes. Existen 100 unidades de la materia prima 1 y
200 unidades de !a materia prima 2 disponibles. Cada una de las tres
divisiones usa un método diferente para fabricar los componentes, dando
como resultado distintos requerimientos de materia prima y productos. La
tabla muestra Jos requerimientos de materia prima por corrida de producción
en cada división y el número de cada componente producido por esa corrida.
:J?NJSIPN:~-~~~~- .,.. .... ~~~~-l.f.!f1!df~; e·. S~~CQRRjD:AW~!é!).

·-~·;¡:;..".,"",-"· <'-:;·"'-""·'"':.:;'""'"•':::.·~·''.:;"•>-·;:,_"',""'~'~'~?,~~"-::..!"·-·~ .,_,_, .'
,_.L)',':..'•'
1
--"-n"'"·'
. 1' .;
,·i:~,·:::---:..::_.,"-:;_:Mateq~póma·LMat~$:pnma2'- __; :.:.•: Comp. A COmp:-B _:..:; .

~,~- "'>.._--¡. -- _,,, -·- - ~ - - ·- -·-- ~~ -' ','' _-:_~ - " ~..... ·~
1 86 75
2 59 69
3 38 84
Como gerente de producción, formule un modelo para determinar el número
de corridas de producción para cada división que maximice el número total de
unidades tenminadas del producto final.
SOLUCIÓN:
J. Identificación de variables
C=Númer'o de unidades completas
A=Número de componente A
B=Número de componente B
Ri=Número de corridas en la división i
JI. Identificación de la Función Objetivo
iv1AX C
11. ldBntificación de las restricciones
Según la materia prima 1 8R1 + 5R2 + 3R3 ,;tOO
Según materia prima 2 6R1 + 9R2 + 8R3 $200
Según el componente A 7R1 + 6R2 + 8R3 -A=O
Según el Componente B 5R1 + 9R2 + 4R3 -B =O
4C-A =O 3C-B =O
Según la no negatividad R1, R2, R3, A, B, C~ O, Entero
5 R3 = 11 A= 132 B =99 C = 33
32
-EJERCICIO 2.12
QUÍMICA SUIZA, produce los productos CS-01 y CS-02, generan cantidades
excesivas de tres contaminantes diferentes: A, B y C. El gobierno ha
ordenado a la compañía que instale y emplee dispositivos anticontaminantes.
La siguiente tabla proporciona las emisiones diarias actuales en Kg./1 000
litros y el máximo de cada contaminante permitido en kilogramos.
25 40 43
B 10 15 20
e 80 60 50
El gerente del departamento de producción aprobó la instalaci9n de los

dispositivos anticontaminantes. Las emisiones de cada producto pueden ser
manejadas por cualquiera de ios dos dispositivos en cualquier proporción.
(Las emisiones se envían a través de un dispositivo solamente una vez, es
decir, la salida de un dispositivo no puede ser la entrada del otro o de sí
. mismo). La siguiente tabla muestra el porcentaje de cada contaminante
· .·. proveniente de cada producto. que es eliminado por cada dispositivo
_:.CONTAMINANTE·· - <-DISPOSITIVO 1 · .-- ·DJSPOSITJV02 · -
~
-· <-~~- ·:-_
A • ~- - ... ::._
-~:;:~-~-:---=/_; . ~<. ~~-es~~:-~,·c5-o2 .~~ ~-es-o1 :·-=-cs~2--
'7 . O - - .... 0 - ..:_ O :,__ - ... • q .._. • - "='- ~... ~ ~--. ~ ~
·
• •• ~ - -
A 40 40 30 20
B 60 60 o o
e 55 55 65 80
Por ejemplo, si la emisión de CS-01 se envía a través del dispositivo 1, se

elimina 40% del contaminante A, 60% del contaminante B y 55% del
contaminante C. Las consideraciones de fabricación dictan que CS-01 y CS-
02 deben producirse en la proporción de 2 a 1. Formule un modelo para
('\ determinar un plan que maximice la producción diaria total (cantidad de CS-01
)
más CS-02) al mismo tiempo que satisfaga los requerimientos
\
gubernamentales.
33
SOLUCiÓN:
R =Número de miles de litros a producir de CS-01
S =Número de miles de litros a producir de CS-02
11. Identificación de :a Función Objetivo

MAX R+ S
111. Identificación de ias restricciones

Con respecto al Contaminante A 15R + 24S ,; 43
Con respecto al Contaminante B 4R +6S ,; 20
Con respecto al Contaminante C 36R + 12S ,; 50
Con respecto a la Producción R = 2S
Con respecto a la no negatividad R,S 2 o
- ...
SOLUCIÓN: USANDO LINDO

1)1.785714 R=1.190476 S=0.595238
.. /
34
EJERCICIO 2.13
Burger Kin, es un restaurante que vende una gran variedad de
hamburguesas. Se encuentra ubicado en la Av. Javier Prado y tiene entre sus
variedades la ·Súper Burger Kiny a ia Mega Burger Kincomo ias más
preferidas por sus clientes.La Súper Burger Kin utiliza en su preparación
250gr. de carne molida, en tanto que la Mega__;,BURGER KIN 350gr. El
restaurante inicia el día con 200kg. De carne destinada a la preparación de
estos tipos de hamburguesas, pero puede ordenara más ·a un costo adicional
de S/.6.00 por Kg., para cubrir los costos de entrega. Cualquier sobrante de
carne al final del día se dona al comedor "San Cristóbal". Las utilidades de
Burger Kinson de S/.2.00 por una Súper Burger Kin y de S/.4.00 por una
Mega Burger Kinnoespera vender más de 100 hamburguesas de 'estos tipos
en un día.Encuentre la SOLUCIÓN:que le permita a Burger Kinconocer su
plan óptimo de trabajo.
SOLUCIÓN:
X1: Número de Hamburguesas Súper Burger Kina prepararse
diariamente.
,X2: Número de Hamburguesas Mega Burger Kina prepararse
diariamente.
X3: Número de Kg. de Carne a comprarse diariamente
Max 2X1 + 4X2 " 6X3
La carne destinada a ia producción de ambos tipos de hamburguesas
debe ser menoro igual a los 200 Kg. con los que seinicia el día más los
Kg. comprados adicionaimente:
0.25 X1 + 0.35 X2 ~ 200 + X3
No se espera vender más de 100 hamburguesas de estos dos tí pos:
X1 + X2 ~ 100
X1, X2 1 X3 ~o
35
EJERCICIO 2.14
La Casa del Llavero", elabora dos tipos de llaveros; y para producirlos utiliza
una máquina especial. Los tiempos de producción para los llaveros tipo 1 y 2
son de 10 y 12 minutos respectivamente, por unidad. El tiempo regular total
de la máquina es de 2500 minutos por día. "La Casa del Llavero "vende entre
150 y 200 unidades del tipo 1, pero no más de 45 unidades del tipo 2,
diaria-mente. Además se pueden emplear horas extras para satisfacer la
demanda a un costo adicional -de S/.010 por minuto. Si las utilidades por
unidad de los llaveros tipo 1 y 2 son S/.1.20 y S/.1.50, respectivamente.
Encuentre la SOLUCIÓN:que determine el nivel óptimo de producción para
cada tipo de llavero.
SOLUCIÓN:
Xi =Número de Llaveros del tipo i a producirse diariamente
Criterio: Maximizar las utilidades en el día (Beneficios = Utilidades por
ambos tipos de llaveros- Costo por minutos extras).
MaxZ = 1.2X1 + 1.5X2-0.1 X3
'
El tiempo utilizado en la producción de los llaveros debe ser menor o
igual al tiempo disponible en el día más los minutos extra utilizados:
10 X1 + 12 X25 2500 + X3
Vende entre 150 y 200 unidades de llaveros tipo 1: 150::;: X1s: 200
No se venden más de 45 unidades del tipo 2: X2s: 45
Modelo de Programación Lineal
1.2 + 1.5- 0.1
MaxZ =
X1 X2 X3
sujeto a 10 X1 + 12 X2- X3 S: 2500
X1 2:150
X1 5200
X2 545
X1, X2, X3
k
36
EJERCICIO 2.15
SCOTIABANK, es una institución que brinda una gran cantidad de servicios. Está en
proceso de fo1111ular una política de préstamos que incluyen un máximo de S/. 120
000. La siguiente tabla proporciona los datos pertinentes acerca de los diferentes
tipos de préstamos que ofrece el banco.
Automóvil.
Vivienda
Agrícola
Los malos créditos son irrecuperables y, por lo tanto, no produce ningún ingreso por
interés. La competencia con otras entidades bancarias de la zona, requiere que el
banco asigne por lo menos el 40% de los fondos a préstamos agrícolas y
comerciales. Para ayudar a la industria de vivienda, los préstamos para vivienda
deben ser equivalentes por lo menos a 50% de los préstamos personales, para
automóvil y para viviendas. El banco también ha declarado una política de que la
razón total de los malos créditos en {odos los préstamos no puede exceder del 4%.
Formule el problema como un modelo de programación lineal.
SOLUCIÓN:
X1: Soles destinados a los préstamos personales
X2: Soles destinados a los préstamos para
automóvil
X3: Soles destinados a los préstamos para
vivienda
X4: Soles destinados a los préstamos agiicolas
X5: Soles destinados a ios préstamos comerciales

Criterio Objetivo: Maximizar los intereses obtenidos por todos los tipos de
37
Max 14 %( 90% X1) + 13 %( 93% X2) + 12 %( 97% X3) +
12.5%(95% X4) + 10%(98% X5)- 10%X1 -7%X2- 3%X3 -·5%X4 -.2%X5
Observación: El interés obtenido por un tipo de préstamos es igual a la tasas
de interés de préstamos, multiplicando por el monto esperado de u'n buen
crédito. Los malos créditos son pérdidas que afectan a la Función Objetivo.

Máximo monto destinado a los diferentes tres tipos de préstamo.
X 1 + X2 + X3 + X4 + XS:::; 120 000
El 40% de los fondos totales serán destinados a los préstamos agrícolas y
comerciales por lo menos.
X4 + X52 40% (120 000)
Los préstamos para vivienda deberán ser por lo menos el 50 % de Jos
préstamos personales, para automóvil y para vivienda.
X32 50% (X1 + X2 + X3)
La razón total de los malos créditos en todos Jos préstamos no puede exceder
del4%.
10%X1 + 7%X2 + 3%X3 + 5%X4 + 2%X5:::; 4%( X1 + X2 + X3 + X4 + X5)
0.026X1 + 0.0509 X2 + 0.086X3 + 0.06875X4 + 0.078X5

Max
sujeto
X1 +X2 +X3 +X4 +X5 :::;120 000
a
X4 +XS 248 000
- 0.5X1 -0.5X2 +0.5X3 20
0.05X1 +0.03X2 -0.01X3 +O.OíX4 -0.02X5 ::;o
,¡'
X1, X2, X3, X4, X5 20
38
EJERCICIO 2.16
El presidente de la comunidad, el Ingeniero Osear Becerra, está estudiando la
posibilidad de urbanizar las 1 700 hectáreas. La nueva urbanización incluirá
viviendas familiares individuales, dobles y triples.
Se calcula que 15% de la superficie total se consumirá en abrir calles y en
instalaciones para servicios públicos. César también calculó las utilidades de las
diferentes unidades habitacionales:
Uti.lidad Neta 1 Unidad · SI. 1 000 SI. 1500 Sic 12 000

El costo de conectar el servicio de agua al área es proporcional al número de
unidades construidas. Sin embargo, el condado estipula que se debe cobrar un
mínimo de SI. 200 000 para que el proyecto sea económicamente factible. Además,
la expansión del sistema de agua, más allá de su capacidad actual, está limitada a
100 000m3 al día. Los siguientes datos resumen el costo de la conexión del servicio
de agua, así como el consumo de agua de una familia promedio:
-- -- - Costo del serv_@o de Co!_l~ümo de agu~
. Unidad H·abitacional
· aguaporUH
----
_POrJJr!idad (m3/día}
.- - - " - - - -~
Individual SÍ. 1 000 4DO

·Doble S/.2 000 -·6oa:·
Triple SI. 3 000 '800
#rea recreajiva SL500 -_ - 500-

- -- . '-- - ~. -= . .
"
Formule el problema como un modelo de Programación Lineal que le permita a

Osear Becerra distribuir en forma óptima toda el área de la comunidad.
SOLUCIÓN:
l. Identificación de las variables
X1: Viviendas familiares individuales a construirse.
X2: Viviendas familiares doblesa construirse.
X3: Viviendas familiares triples a construirse.
X4: Áreas recreativas a construirse.

Max Z = 1000 X 1+ 1500 X2 + 2 000 X3 (Beneficios por las viviendas)
39
Las viviendas familiares individLJales deben sumar por lo menos el 50% del
total.
Xt?: 50% (XI + X2 + X3)
Supeificies cie 2, 3 y 4 hectáreas para las viviendas familiares individuales,
dobles y triples y de 1 hectárea para las áreas recreativas. Además el 15% de
la superficie total es no utilizable. Todo esto originala siguiente distribución del
suelo: 2 X1 + 3 X2 + 4 X3 + X4:<> 85% (1 700)
Por lo menos un área recreativa por cada 200 familias.
X4¿ (X1 + 2 X2 + 3 X3) /200
Recordar que: Vivienda individual: 1 familias,
Vivienda doble: 2 familias
Vivienda triple: 3 familias
El costo de conectar el seNicio del agua debe ser de por lo menos S/. 200
OOOpara el proyecto sea factible: 1 000 X1 + 2 000 X2 + 3 000 X3 + 500
X4¿ 200 000
El consumo de agua está limitado en 100 000 m3 al día
400 X1 + 600)(2 + 800 X3 + 500 X4:<> 100 000
1 OOOX1 +500 X2 + 2 OOOX3

Max
sujeto a 0.5X1 -0.5X2 -0.5X3 ?:0
2X1 +3X2 +4X3 + X4 :<>1 445
1 OOOX1 + 2 OOOX2 + 3 OOOX3 + 500X4 ;2:200 000
X4 ;2:48 000
400X1 +600X2 + 800X3 + 500X4 ::;O
X1, X2, X3, X4 ¿Q
''
40
EJERCICIO 2.17
La Municipalidad de Lima Metropolitana está estudiando la factibilidad de introducir
un sistema de autobuses de tránsito masivo que disminuya el problema de
contaminación por gases tóxicos, reduciendo el número de vehículos que circulan
por la ciudad. El estudio inicial busca la. determinación del número mínimo de
autobuses que pueda manejar las necesidades de transporte. Después de recopilar
la información necesaria, el encargado de este proyecto observó que el número
mínimo de autobuses variaba según la hora del dia. Este hallazgo se ve reflejado en
el siguiente cuadro:
Para Cubrir estas necesidades se cuentan con unidades que operan sólo 8 horas
sucesivas al día. Fórmule el problema como un modelo de Programación Lineal.
SOLUCIÓN:
41
Identificación de las variables
Xi =Número de autobuses que inician sus labores a las i horas {i=O, 4, 8, 12, 16,20)
11. ldentjficación de la Función Objetivo

Min XO + X4 + X8 + X12 +X16 + X20

Para cada intervalo de horas se obtiene:
(1) xo +X20 ~20
(2) xo +X4 ~40
(3) X4 +X8 ~50
(4) X8 + X12 ~35
(5) X12 + X16 ~60
(6) X16 +X20 ~20
xo, X4, ~8, X12, X16, X20 ~0, Entero
SOLUCIÓN: USANDO LINDO:

1) 130 AO=O, A4=40, A8= 1O, A 12=60, A 16=0, A20=20
42
EJERCICIO 2.18
PAPELERA "SUAVE "produce rollos de papel con un ancho de 2 metros cada uno.
los pedidos especiales de los clientes, con diferentes anchos, se producen
recortando los rollos estánda.r. Diariamente, en promedio, se tienen los siguientes
pedidos:
¡300 rollos.
4DO rollos
En la práctica, un pedido se prepara fijando las cuchillas de corte en el ancho

deseado. Por lo general hay muchas formas en las que se puede' cortar un rollo
estándar. A continuación mostraremos gráficamente 3 posiciones posibles de las
cuchillas para el rollo de 2 metros:
xn
X12
e e' ~~
¡: _), 1
__,.1 ~
(
1
X13 }1
.
r
\
43
Las seis posibles -posiciones se pr-esentan en el siguiente cuadro:
Formule el problema como un modelo de Programación Linea!.

SOLUCIÓN:
Xi = Rollos estándar a cortarse de acuerdo a la posición i.

C~terio Objetivo: Minimizar el número de rollos utilizados en los distintos tipos
de corte
Min X1 + X2 + X3 + X4 + X5 + X6
Para cada tipo de rollo se tiene

Rollo 1 (50 cm): 2X2 + 2X3 +4X4 +X5 ;?:200
Roiio 2 (70 cm): X1 +X2 + 2X5 ;?:300
Rollo 3 (90 cm): X1 + X3 + 2X6 ;?:400
X1, X2, X3, X4, X5, X6 ;?:0
44
EJERCiCIO 2.19
PETROPERÚ tiene una refinería muy moderna en ~a ciudad de Trujillo, tiene una
capacidad de 500000 barriies de petróleo crudo al día. L-os productos finales de la
refinería incluyen dos tipos de gasolina sin plomo: SP y Extra SP.
El proceso de refinado consta de tres -etapas:
La primera se da en una torre de destilado que produce una base concentrada.

La segunda, en una unidad de alambiques desintegradores que produce un
concentrado de gasolina utilizando una parte de la base concentrada obtenida en la
torre de destilado; y
La tercera se realiza en una unidad de mezclado, que produce la gasolina SP y la
EXtra SP utilizando ya sea la base concentrada o el concentrado de gasolina.
Petroperú calcula que la utilidad neta por barril de gasolina SP dependiendo de si se

produce con la base concentrada o con el concentrado de gasolina esde S/. 8,50 y
SI. 6,80 respectivamente.
Del mismo modo, las utilidades correspondientes para la gasolina Extra SPsonS/.
12,20yS/.10,40.
El proceso de producción necesita de cinco barriles de petróleo crudo para producir

un barril de base de concentración. Las unidades de aiambiques desintegradores no
pueden utilizar más de 40000 barriles de base concentrada al día. Toda la base
concentrada que no es convertida en el concentrado de gasolina se utiliza en la
unidad de mezclado. La demanda máxima para la gasolina SP y Extra SPson de
40000 y 60000 barriles al día. Formule el problema como un modelo de
Programación Lineal.
SOLUCIÓN:
l. Identificación de ias variables
Xí: Barriles de gasolina SP, producidos con base concentrada.
X2: Barriles de gasolina SP, producidos con concentrado de gasolina.
X3: Barriles de gasolina Extra SP, producidos con base concentrada.
45
X4:· Barriles de gasolina Extra SP, producidos con concentrado de
·- ~.
. ~ ' . · · gasolina.
(~
~¡. ¡,.·
:, '~ . ..
. ·....
....., ldentificacion
:.. ....
de la Función Objetivo
'·_,,:;:>Criterio
- .
Objetivo:
..
Maximizar el beneficio por las gasolinas, según el tipo y el modo de
;
. . . .
.·. ''('
producción:
.·.
· · · MAX8.5 X1+ 6.8 X2 + 12.2 X3 + 10.4 X4

Se necesitade 5 barriles de petróleo crudo para producirse 1 barril de base
concentrada. Además, la base concentrada se utiliza en todo" el proceso y en Jos
distintos tipos de gasolina.
5 (X1 + X2 + X3 + X4) :S 500000
Los alambiques no pueden producirse más de 40000 barriles de base:

X2 + X4:S 40000
Demandá máxima de. SP y extra SP

X1 + ~ 4_0000 y X3 + X4:S 60000

Max Z = 8.5 X'i + 6.8 X2 + 12.2 X3 + 10.4 X4
sujeto a 5 X1 +5X2 + 5X3 +5X4 :S 500000
X2 +X4 540000
X1 +X2 ~40000
+X3 +X4 560000

X1, X2, X3, X4 ~o
46
•
~-·. El proceso de producción puede apreciarse en el siguiente gráfico:
X12
-·-·-·-·-·-·-·-·
'
j
r:. .. . -.-. ·"' ")
1-'----.....;,1
' .. .1' '-'-..-
··.:.
Posición
2:
2m Tipo 1:2
40cm Tipo 2: 1
Tipo 3: O
70cm
i..... - ..... -.-.-.-.- ,;
\
.d-
./
EJERCICIO 2.20
AZUCARERA "PARAMONGN' produce azúcar rubia, blanca e impalpable; así como
miel con el jarabe de la caña de azúcar. La compañfa compra 5 000 toneladas de
jarabe a la semana y tiene contratos para entregar un mínimo de 25 toneladas
semanales de cada tipo de azúcar, así como de miel. El proceso de producción se
inicia elaborando azúcar rubia y miel con el jarabe. Una tonelada de jarabe produce
0.3 toneladas de azúcar rubia y 0.1 toneladas de miel. Después, el azúcar blanco se
elabora procesando el azúcar rubia. Se requiere de una tonelada de azúcar rubia
para producir O. 7 toneladas de azúcar blanca. Y finalmente, el azúcar impalpabie se
produce con el azúcar blanca. en donde una tonelada de bianca produce 0.8
toneladas de pulverizada. Las utilidades por toneladas de azúcar rubia, blanca e
impalpable son de S/. 120, S/. 180 y S/. 240 respectivamente y de SI. 100 para la
tonelada de miel. Formule el modelo de Programación Lineal.
SOLUCIÓN:
X1: Ton. de miel a producirse semanalmente
.X2: Ton. de azúcar rubia a producirse semanalmente
X3: Ton. de azúcar blanca a producirse semanalmente
X4: Ton.de azúcar impal'pable a producirse semanalmente
Y1: Ton.de azúcar rubia destinadas a la preparación de blanca
Y2: Ton. de azúcar blanca destinadas a la preparación de impalpable
IL ldentfficación de la Función Objetivo
MAX100 X1 + 120 X2 + 180 X3 + 240 X4
111. identificación de las restricciones
Una tonelada de jarabe produce 0.1 toneladas de miel. Se cuenta con 5000
toneladas de jarabe a !a semana X1~ 0.1 (5 000)
Una tonelada de jarabe produce 0.3 tonelada de azúcar rubia, tanto la rubia
como la destinada a la preparación de blanca. X2 + Y1~ 0.3 (5 000)
Una ton. de azúcar rubia produce 0.7 de blanca. Tanto la blanca, como la
blanca destinada a ser pulverizada. Y2 + X3~ 0.7Y1
Una ton. de azúcar blanca produce 0.8 ton. de pulverizada
X4s 0.8 Y2
Entregar un mínimo de 25 ton. dé cada uno X1, X2, X3, X4:2:25
48
EJERCICIO 2.21
COSPI DATA, está considerando seis proyectos para su posible ejecución, a lo largo
de los próximos cuatro años. Romero está autorizado para emprender parcial o
'totalmente cualquiera de los proyectos. Toda ejecución parcial de un proyecto
generará una utilidad en su determinada proporción. A continuación se proporcionan
fas utilidades esperadas y los desembolsos de efectivo para los proyectos:
1 10 soo 12 .soo !'. ?,:R99 l 2 400 j 45 ooo

2 8 3oo 1s 4oo •T\-.8990 3 2oo . l 87 ooo
3 .· • j ... 10 200 :._¡· F' 6 700 4 2?9 •.
,8900 ' 63 000
i' 'JÜ 50o ·j a 1oo.~¡~;~?.J(l(:J ' ,¡
j J
.·.¡ 9200 soooül

12400
t· 6
Formule el. rriódeto de

.
ProgramaCión Uneat ··
SOLUCIÓN:
f. Identificación de las variables
•
X1: Porción del Proyecto 1 a ejecutarse.
X3: Porción del Proyecto 3 a ·ejecutarse.
IL Identificación de la Función Objetivo

Criterio Objetivo: Maximizar el beneficio por los proyectos
Max Z =45X1 + 87X2 + 63X3 + 50X4 + 40X5 + 75X6
lll. Identificación de las restricciones

Los fondos disponibles (en miles de soles) para el primer año son:
10.5 X1 +8.3 X2 + 10.2 X3 +9.2 X4 + 12.4 XS + 10. í X6:::; 60
49
.,·
...
-.;. ··-. ~
-~--: l'l•. _..... .·

• ...- ...!' - ....,
~- ·;-;;' . :~7 j: : _... ·, . - • -
·.: .. · -~ L~s .fondos disponibles (en miles de soles) para el segundo año son:
. ·~
12.8 X1 + 15.4 X2 +8.9 X3 + 10.5 X4 +9.6 X5 +5.2 X6~ 75
·Los fondos disponibles (en miles de soles) para el tercer año son:
3.6 X1 +8.9 X2 +6.7 X3 +8.1 X4 +5.3 X5 +9.2 X6~ 40
los fondos disponibles (en miles de soles} para el cuarto año son:
2.4 X1 +3.2 X2 +4.2' X3 +5.6 X4 +7.8 X5 +5.9 X6~ 30
Todas las variables toman valores entre O y 1:
o 9:i~ 1, \:;ji= 1, 2, 3, 4, 5, 6
..
-
50
EJERCICIO 2.22
CONFECCIONES LLOSA ha obtenido un contrato para entregar ventanas para
viviendas durante los próximos seis meses. Los pedidos sucesivos para los seis
meses son 100, 250, 200, 150, 200 y 100, respectivamente. El costo de producción
por ventana varía de un mes a otro, dependiendo de los costos de la mano de obra,
.el. material y las utilidades. El señor Flores calcula que el costo de producción
>''unitario ·en~ los próximos seis meses será de 50, 48, 52,46, 50 y 44 soles,
... : .
respectivamente. Para aprovechar esta variación en los costos de producción, el
señor Llosa puede elegir producir más de los que se necesita en un determinado
mes y tener en inventario ese exceso para entregarlo en los meses siguientes. Sin
embargo, esto traerá consigo un costo de almacenamiento de S/ . .4.00 mensuales
por ventana, evaluados en el inventario al final del mes. Formule el modelo de
·· Programación LineaL
SOLUCIÓN:
l. J. Identificación de las variables
Xi: Ventanas a producirse en el mes í (i = 1, 2, ... , 6)
!k: Ventanas en inventario al final del mes k (k= O, 1, ... , 5)
IL Identificación de la Función Objetivo

¡
Criterio Objetivo: Maximizar el beneficio por los proyectos

M in Z = 50 X 1 + 48 X2 + 52 X3 + 43 X4 + 50 X5 + 44 X6 +
10+4 11 +4 12+4 13+4 14+4 l5
IIL Identificación de las restricciones

Para un determínado mes: Lo que se produce más lo que queda del mes
anterior, deberá al menos cubrir la demanda de dicho mes, es decir:
Xi +JO~ 100 Requerimientos mínimos en el1° mes
X2 + 11~ 250 Requerimientos mínimos en el 2° mes
X3 + i2~ 200 Requerimientos mínimos en el 3° mes
X4 + 13~ 150 Requerimientos mínimos en el4° mes

xs + 14~ 200 Requerimientos mínimos en el 5° mes
X6 + 15~ 100 Requerimientos mínimos en el 6° mes

Ei inventario de productos al final de cada mes, se obtiene restando a lo que
se tiene (producción más inventario del mes anterior), el pedido de dicho mes.
J:L. 51
10 =o Inventario al inicio del1 ° mes
11 =X1 + 10-100 Inventario al final del1°mes
12 = X2 + 11 - 250 Inventario al final del 2° mes
13 =X3 + 12-200 Inventario al final del JO mes
14 =X4 +13-150 Inventario al final del 4° mes
15 = X5 + 14 - 200 Inventario al final del 5° mas
X1, X2, X3, X4, X5, X6, 10, 11' 12, 13, 14, 15
EJERCICIO 2.23
Metal-mecánica "Rodríguez" ha firmado un contrato con Automotriz "Valladares",
para proporcionar a su tienda alicates y llaves de tuerca. La demanda semanal de
Automotriz "Valladares" es de 80 llaves de tuerca y 60 alicates. La capacidad actual
de Metal-mecánica "Rodríguez" no es lo bastante grande para producir fas unidades
requeridas y debe trabajar horas extra para satisfacer la demanda e inclusive
'ccntratar los servicios de otros talleres de herramientas. El resultado es un
incremento en el cesto de producción unitario, el cual se ve reflejado en e/ siguiente
cuadro. Además el mercado indica' que la producción de llaves de tuercas a una
proporción de por lo menos 2 a 1 con los alicates.Formule el modelo de
Programación Lineal.
Horas Extra . 41 -60 1 S/.8.00

. Servicio Ext. '61 a más 'S/.10.00
' '
1
¡Alicates 1
Regular !0-30 j S/. 5.00
! 131
• Hqras extra -50 iS!. 6.00
j '
'
, Servicio Ext. '51 a más :S/. 8.00
1 '
fiL·· 52
SOLUCIÓN:
l Jdentificación de las variables

Xi: Llaves a producirse semanalmente, utilizando el modo í (i = 1:
regular, i =2: horas extras, i =3: subcontratación) .
.,':-
Yi: Aficates a producirse semanalmente, utilizando el modo i (i = 1:

_regular, i = 2: horas extras, i =3: subcontratacíón}.
~ ·~ .· ... '

Mín7 X1 + 8 X2 + 10 X3 + 5 Y1 + 6 Y2 + 8 Y3
IIL Identificación de las restricciones
Demanda semanal de llaves: X1 + X2 + X3¿ 80

Demanda semanal de alicates: Y1 + Y2 + Y3¿ 60
Máximo número de llaves por el modo regular: X1::;;40
Máximo número de llaves por el modo hora extras. )(2::;;20
Máximo número de alicatesporefm6do regular: Y1s30

1
Máximo número de alicates por el modo hora extras. Y2.::;20
Las llaves deben de producirse en una proporción deporlomenos 2 a 1 con los
alicates:
X1 + X2 + X3;;::: 2 (Y1 + Y2 + Y3)
53
EJERCICIO 2.24
ZAPATERÍA BATA, elabora cuatro modelos de z;3patos para damas. Para esto
cuenta con dos máquinas: una aparadura y un torno. La siguiente tabla proporciona
los datos pertinentes del problema.
Formule el modelo de Programación Lineal, sabiendo además que !a tabla

proporciona los datos de la producción semanal.
SOLUCIÓN:
Xi: Pares de zapatos del modelo i (í = 1, 2, 3,4) a producirse
semanalmente.
¡
Max65 X1 + 70 X2 + 60 X3 +55 X4 -10(2 X1 + 3 X2 + 4 X3 + 2 X4)
- 5(3 X1 + 2 X2 + X3 + 2 X4)
Beneficios (Z) =Ingresos- Costos debido al uso de las máquinas
lH. Identificación de las restricciones
Horas disponibles en la aparadura:
2 X1 + 3 X2 + 4 X3 + 2 X4~ 500
Horas disponibles en el tomo:
3 X 1 + 2 X2 + X3 + 2 X4 :e;; 300
Max Z = 30 X 1 + 30 X2 + 15 X3 +25X4
Sujeto a 2 X1 + 3 X2 +4X3 +2X4 sSOO
3 X1 + 2 X2 +X3 +2X4 :<;;300
X1, X2, X3, X4, ;;::O
54
EJERCICIO 2.25
COLGATE con su planta de procesamiento en la ciudad de Lima, produce tres tipos
de crema dental: Colgate Regular, Colgafe Fresh y Colgate Fresca Rica para niños.
Dichos productos se elaboran con Monoflúorfosfato de Calcio y Sulfato de Sodio. La
siguiente tabla proporciona los datos para la producción diaria:
· ELtíempo de mano de obra por unidad para

' -~. '•" :
la crema
,.
regular es el doble del tiempo
.. : . .
·.. . de la crema Fresh y el triple de Fresca

i
Rica. Todos los trabajadores de la fábrica
püeden producir el equivalente de 1 500 unidades de Colgate regular. Los
requerimientos del mercado especifican las proporciones de 3, 2 y 5 para la
producción de Colgate Regular, Fresh y Fresca Rica, respectivamente. Formule el
problema como un modelo de programación lineal.
SOLUCIÓN:
Xi: Unidades de crema dentai Colgate tipo a producirse
diariamente.
tí: Tiempo para la elaboración de la c:rema dental tipo i.
T Tiempo total disponible para la producción diaria de los tres
tipos de crema.
(i =1: Reguiar, i = 2: Fresh, i = 3: Fresca Rica)
.
1
11. Identificación de la Función Objetívo

MAX 0.3 X1 + 0.2 X2 + 0.5 X3
(] .··
55
~
1!1. Identificación de las restricciones
Disponibilidad de Monoflúorfosfato: 20 X 1 + 30 X2 + 50 X3~ 40 x 1 000
Disponibilidad de Sulfato de Sodio: 40 X 1 + 20 X2 + 70 X3~ 60 x 1 000

De los tiempos de elaboración se tiene que: t1 = 2 t2 = 3 t3
Se puede producir en el día el equivalente a 1500 unidádés>('jeltipo reg.ular: T
· .. · .. = í 500 t1 (Disponibilidad de mano de obra)
-~~.-..~..-·
,·:· :.._
-...·.<·:
Ahorá, el tiempo requerido para la elaboración de cada ün"a de .las cremas no
debe exceder al total disponible, es decir: t1 X1 + t2 X2 + t3 X3~ T
Reemplazando cada parámetro en términos de t1:
/
Eliminando t1 y simplificando se obtiene: 6 X1 + 3 X2 + 2 X3~ 9 000

Se necesitan proporciones de 3, 2, y 5 para la prod.ucción de los distintos .
X 1 =X 2 =X3
tipos de cremas: 3 2 5
De donde se obtiene las siguientes restricciones:
2 X1 = 3 X2y5 X2= 2 X3

.·,:_}·',
+0.5 X3
.
MaxZ= 0.3 X1 + 0.2 X2
Sujeto a 20 X1 + 30 X2 +50 X3 ~ 40 000
40 X1 +20X2 + 70 X3 ~ 60 000 .
X1 ~200
X2 ~ 200
X3 ~ 150
6 X1 +3X2 + 2 X3 ~ 9 000
2 X1 -3 X2 =O
5X2 - 2X3 =O
X1, X2, X3, ~o
56
EJERCIGIQ 2.26
LAN CHILE tiene el problema de asignar sus -tres ·tipos de aviones: Gomercial,
familiar y privado; a cuatro diferentes. rutas al interior del país, conforme a los
siguientes datos:
Los costos asociados, incluyen los castigos por-perder clientes debido a la falta de
espacio disponible, son:
Formule el problema como un. modelo de programación lineal.
SOLUCIÓN:

Xik: Aviones del tipo i (i = 1: Comercial, .i = 2: Familiar; i = 3: privado}
a asignarse a la ruta k (k.= 1, 2·, 3,4) diariamente
Pk: Clientes perdidos en la ruta k (k =1,2,3,4)
57
~:.. ·.

X11 + 1.2-X12-+ 1.4X13 + 0.8 X14 +
0.8 X21 + 0.9 X22 '+ X23+0.7 X24 +
0.6 X3í + 0.8 X32 + 0.9 X33 + 0.6X34 +
0.03 P1 + 0.04 P2+ 0.05 P3 + 0.045 P4
/
li l. Identificación de las restricciones

Disponibilidad de aviones comerciales: X 11 + X 12 + X 13 + X 14~ 7
Disponibilidad de aviones familiares: X21 + X22 + X23 + X24~ 10
Disponibilidad de aviones privados: X31 + X32 + X33 + X34~ 15
El. número de clientes perdidos en , uria c:fétéffiifn$.dii~,+ut~;' re_s.Uita. de la

-d-¡fJr~ncia entre la demanda de v-u~·lai·~a~:'j~iS~l~t;~i'f.fc~p,~;2;~:á~sa-~~-i~áH~porte
1
-9~~-cada tipo de avión (sin olvideir que un avión tiene diferente número de
·" . _.
vuelos en cad-a ruta), esto se resume asf:
P1 =1500-100(3X11)-60(4X21)-30(5X31)
P2 = 2 000- 100 (2 X12)- 60 (3 X22)- 30 (5 X32)
P3 = 1 000-:-100 (2 X13)- 60 (3 X23)- 30 (4 )(33)
P4 = 1 500-100 (1 X14)- 60 (2 X24)- 30 (2 X34)
Xíj, Pie O
58
EJERCICIO 2.27
Slider Perú produce dos tipos de aleaciones: Aleación 1 y 2; con 4 tipos de metales
. procesados en la misma mina: Metal 1, 2, 3 y 4; conforme a las siguientes
especificaciones:
Los cuatro metales se obtienen procesando 3 minerales extraídos de la mina; según

los datos del siguiente cuadro:
Formule el problema como un modelo de programación lineal.

SOLUCIÓN:
Xik: Toneladas del Mineral i (i = 1, 2, 3) asignados a la
elaboración de la ruta k (k= 1, 2, 3) diariamente
X1 Toneladas de la aleación 1 8 producirse
X2 Toneladas de la aleación 2 a producirse
Max Z = 2 X1 + 3 X2- 0.3 (X1 í + X12)- 0.4 (X21 + X22)- 0.5 (X31 + X32)
lll. Identificación- de las restricciones
Máxima cantidad del mineral 1: X 11 + X 12 ~ 1 500
Máxima cantidad del mineral 2: X21 + X22 ~ 2000
59
Máxima cantidad del mineral 3: X31.+X32 · ~ 2500
Especificaciones de la aleación tipo 1:
A lo más 75% de contribución del metal 1:
0.2 X11 +·0.1 X21 + 0.05 X31~ 0.75 X1
A lo más 30% de contribución del metal 2:
X11 + 0.2 X21 + 0.05 X31~ 0.3 X1
·· Al menos 35% de contribución del metal 4:
.. 0.3 X11 + 0.3 X21 + 0;2CX3:1~·0.35 X1
· ..•
Especificaciones de la aleación bpó'2: · ·'
.. -_.;.;..:..:.;....... '.:~-.. ,, •. ·- . ';_. . . ··, . ' ._· ... :.;_:_·:. ·-;-< _;.- .' ~:-~.·~:·-------_ . ,\.:,-.. _~~ ,-··: '•\·•.
Entre el60% y el 80% de contribüdóndelmétál"2:·_'

. . . . . .~ - . . .. . . ; . . . .
0;6X2~ 0.1-X21 + O.Z X21 + 0:05 X32~ 0.8 X2

Al menos 40% de contribución del metal 3:
···.;::,.. .-:.-.-::-·-- ·'··',···.
Aló~ás:7o% de.eontríbucióri d~Lm~tal4:

0.3 Xt1 + 0.3 X21 + 0~2 X32 ~ 0.7 X2
X1, X2, X11, X12, X21, X22, X31, X32 · 2::0
60
EJERCICIO 2.28
PLA.ZP, VEA, tiene un área de producción de cítricos. En este lugar se producen y
enlatan tres extractos de naranjas: Concentrado de jugo, Jugo Normal y Mermelada
marca Plaza Vea. Estos productos son para uso comercial y se fabrican en latas de
5 litros. La mermelada utiliza naranjas del tipo 1 y los otms productos del tipo 2. La
siguiente tabla enumera !os usos de la naranja, así como la demanda para el
próximo añ<?:
Una encuesta de mercado demuestra que la demanda de J_ugo Normal es por lo

\ •.
,:::,_·---~-:menos el doble que la de Concentrado de Jugo.
~J\~:)=faja este año, un productor ofrece a Santa Isabel 90000 Kg de naranja tipo 1 a
~~$Ú~2o por Kg y 180000 Kg
:;.~-=::::}(~··,¡. :~..
del tipo 2 a $0.25. El departamento de costo, presentó la
;;i}i-i- siguiente hoja de utilidades para los tres productos:
~~·~~~~: ··.~
~ff ·.
. Formule el problema como un modelo de programación lineal.

SOLUCIÓN:
X1: Latas de Mermelada de naranja a producirse en el año.
X2: Latas de Jugo de naranja a producirse en el año.
61
X3: Latas Concentrado de Jugo a producirse en el año.
Beneficios= (Ingresos por los tres tipos de productos)-
(Costos asociados a los dos tipos de naranja)
Max 13.2 X1 + 18.3 X2 + 25.7 X3- 0.2 (5 X1)- 0.5 (16 X2 + 30 X3)

Demanda máxima de mermelada: X1 :S:10000
Demanda máxima de jugo: X2 :S; 40 000
Demanda máxima de concentrado: X3 :S: 12 000
Disponibilidad de naranjas del tipo 1: 5 X1 :S: 90 000
Disponibilidad de naranjas del tipo 2: 16 X2 + 30 X3

180 000
Demanda de jugo normal por lo menos el
doble de la demanda de conc~ntrado de jugo: X.2:S: 2 X3
Max 12.2 X1 + _14.3 X2 + 18.2X3

Sujeto a X1 :S:1 o 000
X2 :S:40 000 '••.

-
X3 :S:12 000
5 X1 ~90 000
16 X2 + 30X3 :S; 180" 000
X2 -2 X3 ¿Q
X1, X2, X3, ¿Q
62
EJERCICIO 2.29
SONY VAIO, ensambla microcomputadoras para clientes particulares. Los pedidos
par~' los cuatro tíimestres siguientes son: 300, 800, 400 y 300, respectivamente.
SONY VAIO tiene la opción de producir más de la demanda para un respectivo
trimestre, en cuyo caso se incurre en un costo de $10~00 por computadora para el
almacenamiento.
La creciente producción de un trimestre al siguiente requiere la contratación de
empleados adicionales, lo que incrementa en $50 el costo de producción por
computadora en ese trimestre. Así mismo, la disminución en la producción requerirá
el despido de empleados, originando un incremento de $30 en el ~osto de
producción por computadora. Formule el problema como un modelo de
programación lineal.
SOLUCIÓN:
Xi: Computadoras a producirse en el trimestre i (i = 1, 2, 3, 4)
lk: Inventario de computadoras al final del trimestre k {k = O, 1, 2,
3)
Vp: . Variación del nivel de producción en el trimestre p (p = 2, 3, 4)
Observación: Como la variadón del nivel de producción puede ser positiva
(a~mento) o negativa (disminución), será tratada como una variable sin
restricción de signo.
Vp = Vp+- Vp-
Donde:
Vp+: Aumento en el nivel de producción.
Vp-: Disminución en el nivel de producción.

MIN10 (11 + 12 + 13) +50 (V2+ + V3+ + V4+) + 30 (V2- + V3- + V4-)

x 1 + ro;::: 30o Requerimientos mínimos en el1° trimestre
X2 + 112:: 800 Requerimientos mínimos en el~ trimestre
X3 + !22:: 400 Requerimientos m~nimos en et 3° trimestre
63
X4 + 13~ 300 Requerimientos mínimos en el 4° trimestre
10 =o Inventario al inicio del 1o trimestre
11 =X1 + 10- 300 Inventario al firial del1° trimestre
12 = X2 + 11 - 800 Inventario al final del 2° trimestre
13 =X3 + 12- 400 Inventario al final del 3° trimestre
V2+- V2- = X2- X1 Variación del Nivel de Producción enel 1°-
trimestre
V3+ - V3- = X3 - Variaciófl del Nivel de Producción en el 2°
X2 trimestre
V4+ - V4- = X4 - Variación del Nivel de Producción en el __ 3°
X3 trimestre
X1, X2, X3, X4, 10- ~o
64
EJERCICIO 2.30
MUEBLERÍA GARCÍA, fabrica y ensambla sillas, mesas y libreros. El centro de
producción cuenta con un área que produce los productos semiacabados y otra para
el ensamble final. La capacidad de producción, no ensamblada, mensual de la planta
incluye 300 sillas, í 00 mesas y 60 libreros. El área de ensamble emplea a 15
trabajadores en dos tumos de 8 horas al día, 6 días a la semana. Los tiempos
promedios de ensamble por silla, mesa y librero son 20, 30 y 40 minutos,
. respectivamente. El número de empleados en la instalación de ensamble fluctúa
debido a las vacaciones. Las solicitudes de vacaciones pendientes incluyen a 2
trabajadores en Mayo, 3 en Junio y 4 en Julio. El departamento de Marketing calcula
que el pronóstico de ventas para los meses en Mayo, Junio y Julio es:
...... 1 •
•
......
• •• ;¡
. ...,. . ~
·. :...;; ·.•
(
: .. ~· '•.,!' r •
. ' ,- ' ~
Si una unidad que no se vende en el mes en que se produce, se guarda para su

venta en un mes posterior. El costo de almacenamiento es alrededor de 10% del
costo de producción. Formule el modelo de programación lineal.
SOLUCIÓN:
Xik: Unidades del producto i a ensamblarse en el mes k
Yik: Unidades del producto i a venderse en el mes k
lip: Unidades del producto i en inventario al· final del mes p
i=1: sillas, 2: mesas, 3:1ibreros; k=1 :Mayo, 2:Junio, 3: Julio p=Q:AbFit, 1:
Mayo, 2: Junio
65
MAX50(Y11 + Y12 + Y13) + 90(Y21 + Y22 + Y23) + 100(Y31 + Y32 + Y33)
- (30(X11 + X12 + X13) + 60(X21 + X22 + X23) + 70(X31 + X32 +X33)]
:_ 0.1 [30(111 + 112) + 60(121 + 122) + 70(131 + 132)]
111. identificación de las restricciones
Para las sillas:
X11 + i10~ 280 Requerimientos mínimos en el mes de Mayo
X12 + 111~ 240 Requerimientos mínimos en el mes de Junio
X13 + 112~ 300 Requerimientos mínimos en el mes de Julio
110 = 20 Inventario al inicio de Mayo

111 =X11 + 110-Y11 Inventario al final de- Mayo
112=X12+111-Y12 Inventario al final de Junio
O= X13 + 112- Y13 Inventario al final de Julio
Para las mesas:
X21 + 120~ 50 Requerimientos mínimos en eLmes de Mayo
~:··.
X23 + 122~ 120 Requerimientos mínimos en el mes de Julio

¡
120 = 30 Inventario al inicio de Mayo

121 = X21 + 120- Y21 lnventarioal final de Mayo
122 =X22 + 121- Y22 Inventario al final de Junio
O = X23 + 122 - Y23 · Inventario al final de Julio
Para los libreros:
X31 + 130~ 40 Requerimientos mínimos en el mes de Mayo
X33 + i32~ 80 Requerimientos mínimos en el mes de Julio
. 130 =10 Inventario al inicio de Mayo
131 = X31 + 130- Y31 Inventario al final de Mayo
132 =X32 + !31- Y32 Inventario al final de Junio
O= X33 + 132- Y33 Inventario al final de Julio
Xij, Yij, lij~ O
\
66
EJERCICIO 2.31
SOUTHERN, en su planta siderúrgica del Mantaro, opera con una fundidora y dos
laminadoras. La fundidora funde tres tipos de rollos de acero que se elaboran en el
taller mecánico antes de enviarlos a la laminadora. Las laminadoras utilizan los rollos
para fabricar varios productos.
Al principio de cada trimestre, las laminadoras preparan sus necesidades mensuales
de rollos y se lo entregan a la fundidora. Después, el encargado de la fundidora traza
un plan de producción del taller. La falta de rollos se cubre mediante la compra
directa a terceros, a un precio más elevado. En el siguiente cuadro se proporcionan
los datos pertinentes a esta situación. Sin embargo, la administración observa que
esa escasez no es frecuente y que se puede afirmar que esto ocurre alrededor del
5% de veces.
Los tiempos de procesamiento en la? cuatro máquinas diferentes son:
4 6 ·. .. '8 ·.
6 3 ... O g,
5 ' -: ;;•
340
. ' ~-
--r·
La demanda de rollos para las dos laminadoras, durante los próximos tres meses es:
500" 200~ o
o 300
1
1
¡.
500 300
~ l. 200 200
o .·¡·'
¡,. ... 300 o :_ . ,..1: 400"
;;,:..,
200
67
SOLUCIÓN:
l. identificación de las variables

Xik: Rollos del tipo i a elaborarse en !a máquina k durante el primer
mes.
Yik: Rollos del tipo i a elaborarse en la máquina k durante el segundo
mes.
Vik: Rollos del tipo i a elaborarse en la máquina k durante el tercer
mes.
i = 1' 2, 3; k = 1' 2, 3

Debido a la probabilidad del 5% de tener que comprar rollos a terceros, el
costo normal de un tipo de rollo se ve afectado de la siguiente manera:
Costo del rollo tipo 1: 200 X 95% + 240 x 5% = 202
Costo del rollo tipo 2: 300 X 95% + 360 X 5% = 303·
Costo del rollo tipo 3: 400 x 95% + 480 x 5% = 404
MAX 202(X11 +X12+X13+X14+Y11 +Y12+Y13+Y14+V11 +V12
+ V13 + V14) + 303 (~1 + X22 + X23 + X24 + Y21 + Y22 + Y23 + Y24
+ V21 + V22+ V23 + V24) + 303 (X31 + X32 + X33 + X34 + Y31 + Y32
+ Y33 + Y34+ V31 + V32 + V33 + V34)
111. · Identificación de las restricciones
Primer mes:
Disponibilidad de Horas al mes
X11 +5X21 +7X31:>320x10 Máquina tipo 1
4 X22 + 6 X32:> 360 x 8 Máquina tipo 2
6 X 13 + 3 X23s: 300 X 9 Máquina tipo 3
3 X14 + 6 X24 + 9 X34:> 340 x 5 Máquina tipo 4
Demanda de rollos en ambas laminadoras

X11 + X12 + X13 + X142: 500 + Requerimiento del rolle tipo 1
200
X21 + X22 + X23 + X242: 200 + Requerimiento del rollo tipo 2
100
68
X31 + X32 + X33 + X342: 400 +O Requerimiento del rollo tipo 3
Segundo mes:
Y11 +5Y21 +7Y31~320x 10 Máquina tipo 1
4 Y22 + 6 Y32~ 360 x 8 Máquina tipo 2
6 Y 13 + 3 Y23~ 300 x 9 Máquina tipo 3
3 Y 14 + 6 Y24 + 9 Y34~ 340 x 5 Máquina tipo 4

·· •..
Y11 + Y12 + Y13 + Y142: O + 300 :Requerimiento del rollo tipo 1
Y21 + Y22 + Y23 + Y244 300 + Requerimiento del rollo tipo 2
200
Y31 + Y32 + Y33 + Y342: 500 + Requerimiento del rollo tipo 3
200
Tercer mes:
V11 +5V21 +7V31~320x10 Máquina tipo 1
4 V22 + 6 V32~ 360 x 8 Máquina tipo 2
6 V13 + 3 V23~ 300 X 9 Máquina tipo 3

3 V14 + 6 V24 + 9 V34~ 340 x 5 Máquina tipo 4
V11 + V12 + V13 + V142: 100 +O Requerimiento del rollo tipo 1.
V21 + V22 + V23 + V242: O+ 400 Requerimiento del rollo tipo 2
V31 + V32 + V33 + V342 300 + Requerimiento del rollo tipo 3
200
69
MinZ= 202 X11 + 202 X12 + 202 X13 + 202 X14 +
202 Y11 + 202 Y12 + 202 Y13 + 202 Y14 +
202 V11 + 202 V12 + 202 V13 + 202 V14 +
303 X21 + 303 X22 + 303 X23 + 303 X24 +
303 Y21 + 303 Y22 + 303 Y23 + 303 Y24 +
303 V21 + 303 V22 + 303 V23 + 303 V24 +
404 X31 + 404 X32 + 404 X33 + 404 X34 +
404 Y31 + 404 Y32 + 404 Y33 + 404 Y34 +
404 V31 + 404 V32 + 404 V33 + 404\134
Sujeto a X11 +5 X21 + 7 X31 s; 3200
4X22 + 6 X32 s 2880
. 6 X13 + 3 X23 s; 2700
3 X14 + 6 X24 + 9X34 s; 1700
·~;:,.·'=".:
X11 + X12 + X13 +X14 ¿700

X21 +X22 +X23 +X24 ¿300
X31 . + X32 +X33 + X34 ¿400

Y11 +5 Y21 + 7 Y31 s 3200
i
4 Y22 + 6 Y32 s 2880

6 Y13 + 3 Y23 s2700
3 Y14 + 6 Y24 + 9 Y34 s 1700
Y11 + Y12 + Y13 + Y14 ¿300
Y21 + Y22 +Y23 +Y24 ¿500
Y31 + Y32 + Y33 +Y34 ¿700
V11 +5 V21 + 7 V31 s 3200
4 V22 + 6 V32 s 2880
6 V13 + 3 V23 s 2700
3 V14 + 6 V24 + 9 V34 s 1700
V11 + Ví2 + V13 + Y14 ¿100
V21 +V22 +V23 +Y24 ¿100
V31 + V32 + V33 + Y34 ¿500
\
Xij, Yij, Vij, ¿O
w 70
EJERCICIO 2.32
PINTURAS VENCEDOR produce tres tipos de pinturas: Standard, Qualily y
Premium. Las instalaciones actuales pueden producir un máximo de 18000 galones
de Standard, 10000 galones de Quality y 500 galones de Premium al día. Debido a
la economía de escala, el costo de producir cada tipo de pintura disminuye al
aumentar el número de galones producidos. Por ejemplo, si se producen por galones
de pintura Standard, entonces el costo por galón es a - bx. La siguiente tabla
proporciona los valores de a y b; el precio de venta por galón, y la demanda diaria
mínima por cada tipo de pintura.
Standard 3 0.0001 6.50 10 000

; Quality 4 0.0002 8.50 6 000
!
· Premium 5 0.0003 11.00 2 500 S.'
La compañía uuc'u" un total de hasta 25000 galones de pintura

al día. Como supervisor de producción, formule un modelo para determinar la
cantidad de pintura a producir para maximizar la ganancia (ingreso menos costo}...
Use el esquema de la sección 2.3 para clasificar su modelo.
SOLUCIÓN:
S =Cantidad de pintura Standard a producir
Q =Cantidad de pintura Quality a producir
P ·=Cantidad de pintura Preniium a producir
MAX3.5001S + 4.50020 + 6.0003P
Según la cantidad total a producir S+Q+P 525000
Según la pintura Standard 10000 5 S 518000
6000 5 Q 510000
25005 p 55000
Con respecto a la no negatividad S, Q, P2 O
\ SOLUCIÓN:CON LINDO
1)110004,5S = 10000
71
EJERCICiO 2.33
MORA VE COi debe producir al menos 600000 tornillos pequeños y 400000 tornillos
grandes para satisfacer la demanda de las siguientes 4 semanas. Estos tornillos
pueden producirse en dos máquinas distintas, cada una de las cuales está
disponible 40 horas a ia semana. Los requerimientos de costos y tiempo para
producir cada tamaño de tornillo en cada máquina y el precio de venta de cada
tamaño de tornillo se muestra en la siguiente tabla:
Precio de venta ($/1 000) 27.50 32.50

Costo en la máquina 1 ($/1000) 6.25 7.75
Costo en la máquina 2($/1 000) 8.00 9.25
Tiempo en la máquina 1(min. /Lb.) 1.50 1.75
Tiempo en la máquina 2(min. /Lb.) 1.00 1.25
En cada libra hay aproximadamente 60 torni_llos pequeños y 40 tornillos grandes.
Usando fas variables:
81 =No de miles de tomillos pequeños por producir en la máquina 1
82 =No de miles de tomillos pequeños por producir en la máquina 2
L 1 =No de miles de tomillos grandes por producir en la máquina 1
L2 =No de miles de tomillos grandes por producir en la máquina 2
El gerente de producción ha formulado el siguiente modelo para maximizar la
ganancia y satisfacer la demanda con la disponibilidád limitada de tiempo de
máquina en las siguientes 4 semanas:
Max 27.5081+ 27.5082 + 32.5L2
Condicionado por:
S1 +82 ~ 600000
L1 +L2 ~ 400000
1.SS 1 + 1. 70L 1 ::; 40
1.082 + 1.25L2 ::; 40
S1, 82,L1, L2 ~O
¿Escorrectoestemodelo?Si no es así, corrija todos los errores.
72
SOLUCIÓN:
El modelo es incorrecto, a continuación está el modelo corregido:
MAX21.25S1 + 19.50S2 + 24.75L 1 + 23.25L2

Condicionado por:
S1 +S2 ~600
L1 +L2 2:400
0.4166781+ 0.7290L í ::;160
0.2777082+ 0.5208L2 ::;160
S1,S2,L1,L2 2:0
SOLUCIÓN:CON LINDO
1)16836,5951=23,83869 82=576,161316 L 1=205,8534L2=0
73
2.5 Autoevaluacién de la Unidad íi
01 DIGA SI ES VERDADERO O FALSO:

( ) La reSOLUCIÓN:del modelo implica el uso de métodos óptimos y
heurísticos.
( ) La Función objetivo puede ser lineal y no lineal.
) Las restricciones pueden e irrestrictos y restringidos.
02 PROBLEMA
Una Cooperativa ha obtenido una subvención de 500000 para desarrollar
edificios de departamentos para personas de ingresos bajos y medianos en
una extensión de 18000 pies cuadrados de terreno cada tipo. de edificio
requiere 2000 pies cuadrados. El costo estimado de cada edificio de bajos
ingresos es de 30000 y el costo estimado de cada edificio de ingresos medios
es de 60000, cada edificio de bajos ingresos proporciona 15 unidades y cada
edificio de medianos ingresos proporciona 12 Unidades. Para mantener el
vecindario bien balanceado la cooperativa requiere que la proporción de los
departamentos de ingresos medios con los de ingresos bajos sea de al menos
O.BO.Se pide desarrollar el modelo matemático.
¡
03 PROBLEMA
Cada semana Florida Citrus, lnc., usa una sola máquina durante 150 Horas
para destilar jugo de naranja y de toronja en concentrados almacenados en
dos tanques separados de 1000 gaiones antes de congelarlos. La máquina
puede procesar 2"5 galones de jugo de naranja por hora, pero solo 20 galones
de jugo de toronja. Cada galón de jugo de naranja cuesta $ 1,5 y pierde 30 %
de contenido de agua ai destilarse en concentrado. El concentrado de jugo de.
naranja se vende después en $ 6.00 por galón. Cada galón de jugo de toronja
cuesta $ 2.00 y pierde 25 % de contenido de agua al desti!arse en
concentrado. El concentrado de jugo de toronja se vende después en $ 8.00
por galón. Se pide desarrollar un modelo de programación lineal para
determinar un p!an de producción que maximice la ganancia para la siguiente
serr..ana usando las variables:
04 ASOCIE EL CARÁCTER VERDADERO (V) O FALSO W)
4.1 ( ) Un problema de pmgramación lineal, es un problema de
74
maximización o de minimización en donde la función objetivo y las
restricciones son lineales.
4.2 ( ) Para la formulación de un modelo, es necesario conocer todas las
alternativas posibles de SOLUCIÓN:.
4.3 ( ) La definición apropiada de las variables del modelo es el primer
paso esencial en la formulación del problema.
4.4 En las lll.ldentificación de las restricciones, se.deben de colocar a
todas las variables anteriormente definidas.
4.5 ( ) La función objetivo debe contener a .todas las variables
previamente definidas.
4.6 (y Las. variables del mqdelo deben reflejar
:
fielmente
.
tas necesidades
. ..·.
del problema. Para una mejor apreciación del mismo, a veces es

necesario definir parámetros que ayudarán a las variables a ·
expresar mejor el modelo.
4.7 ( ) Los parámetros, son variables que aún siendo definidas en el
modelo, no aparecen en el mismo.
4.8 ( ) Luego de definir a,propiadamente a las variables, es necesario
definir el criterio objetivo que busca alcanzar el modelo.
4.9 ( ) Las Identificación de las restricciones son todas las limitaciones
que presenta el problema y deben expresarse en función de las
variables del modelo.
4.1 O ( ) Las restricciones implícitas, aquellas que se sobreentienden, son
las denominadas restricciones de no negatividad.
05 RESPONDA LAS SIGUIENTES PREGUNTAS
5.1 ¿Qué se entiende por propiedad de PROPORCIONALIDAD, en los
modelos de programación lineal?
5.2 ¿Qué se entiende por propiedad de ADITIVIDAD?
5.3 ¿Qué es una variable sin restricción de signo o irrestricta de signo?
5.4 ¿Es posible mode~ar la situación en donde ocurre un descuento por
cantidad vendida en un modelo de programación lineal?
75
SOLUCIONARlO DE LA AUTOEVALUACIÓN DE LA SEGUNDA UNIDAD
01 V V V
02 MODELO MATEMÁTICO
8 = Número de edificios para personas de 8ájos ingresos.
- M= Número de edificios para personas de Medianos ingresos.
!! Identificación de la Función Objetivo
Max 158+12M
111 Identificación de las restricciones
38+6M s50
208 +20M s180
12M 1 158 - ;;:::0,8
B,M ;;:;:o, Entero
SOLUCIÓN:CON LINDO 1208= 4, M=5
03 MODELO MATEMÁTICO
CN = Número de galones de concentrado de naranja a producir esta
semana.
CT = Número de galones de concentrado de toronjaa producir esta
semana.
11 Identificación de la Función Objetivo
Max 3,86CN+ 5,33CT
ll! Identificación de las restricciones
0,057CN+0,067CT s150
CN s 1000
CT s 1000
CN,CT ;;:;:o
4.1 (V) Un problema de programación lineal, es un problema de

ión en donde la función objetivo y las
/
76
restricciones son lineales.
Un problema de Programación Lineal, es un problema de
optimización con restricciones de igualdad y de desigualdad con la
particularidad detener, tanto la función objetivo, como las funciones
que definen las restricciones, lineales. La reSOLUCIÓN:de esta
clase de problemas se conoce desde 1947 y es debida a G. B.
- Dantzing.
4.2 (F) Para la formulación de un modelo, es necesario conocer todas las
alternativas posibles de SOLUCIÓN:.
En un problema de toma de decisiones, es necesario tener tres
componentes principales, para la SOLUCIÓN:
1.- Las alternativas de decisión
2.- Las restricciones que afectan a la decisión
3.- El criterio objetivo para la evaluación de las alternativas.
En un problema de programación lineal, es necesario solamente
conocer el criterio objetivo que busca el problema y las restricciones
del mismo.
4.3 (V) La definición apropiada de las variables del modelo es él pnmer
paso esencial en la forrhulación del problema.
En las 111. Identificación de las restricciones, se deben de colocar
4.4 (F) a todas las variables anteriormente definidas.
En la l. Identificación de las variables, se deben de definir a
aquellos que están estrechamente relacionadas con las necesidades
del problema y a las que sirven solamente para expresar mejor estas
necesidades. Por lo general estas últimas se simplifican y no
aparecen en el modelo.
4.5 (F) La función objetivo dehe contener a todas las variables previamente
definidas.
Como se mencionó anteriormente, no todas las variables definidas
aparecen en ei modelo, por tanto la función objetivo tampoco
contendráa toda las variables. Además muchas variables que
aparecen en las restricciones no se observan en la función objetivo y
viceversa.
77
4.6 (V) Las variables del modelo deben reflejar fielmente las nec:;esidades
del problema. Para una mejor apreciación del mismo, a veces es
necesario definir parámetros que ayudarán a las variables a
expresar mejor el modelo.
Muchos de los parámetros surgen, debido a que las restricciones
son difíciles de expresar en función de ias variables del modelo. Por
-tanto estos parámetros son una ayuda para facilitar esta tareay en
su mayoría de casos, no aportan nada que favorezca a la búsqueda
del objetivo dei modelo.
4. 7 (V) Los parámetros, son variables que aún siendo definidas en el
modelo, no aparecen en el mismo.
Efectivamente, estos parámetros son variables que ayudan a
expresar mejor· el modelo; pero que sus valores no necesitan
calcular ya que son utilizados antes de la verdadera formulación del
problema. Después de las simplificaciones, estos parámetros ya no
aparecen en el modelo.
4.8 (V) Luego de definir apropiadamente a las variables, es necesario definir
el criterio objetivo que busca alcanzar el modelo.
Si, puesto que este criterio objetivo refleja exactamente la meta que
busca alcanzar el modelo. Y cuando se traduce matemáticamente
en función de las variables del modelo, se convierten en la función
objetivo del modelo.
4.9 (F) Las Identificación de las restricciones son todas las limitaciones que
presenta el problema y deben expresarse en función de las variables
del modelo.
Las 111. Identificación de las restricciones son todas !as
condiciones que debAn de satisfacer y tienen que expresarse en
función de las variables del modelo. Estas condiciones no son
solamente limitaciones, en otms casos serán condiciones de
proporcionalidad entre las variables o condiciones mínimas
necesarias que deben cumplir las variables.
\
4.1 O (F) Las restricciones implícitas, aquellas que se sobreentienden, son las
\
denominadas restricciones de no negatividad.
78
Las restricciones implícitas son aquellas que se sobreentienden y
que deben aparecer también en -el modelo. Los modelos de
Programación Lineal, en su mayoría, presentan variables que
aceptan sólo valores positivos y por ende las condiciones de no
negatividad son implícitas al modelo. Pero existen otras restricciones
como el número de días en un mes o la suma de las aportaciones
- porcentuales de un todo, las que tomarán valores de . 30 y 1
respectivamente, ambas se sobreentienden y a la vez son implícitas
al modelo.
5.1 ¿Qué se entiende por propiedad de PROPORCIONALIDAD, en lo~ modelos de

programación lineal?
Respuesta. Debido a la linealidad del modelo, se presenta la propiedad de

proporcionalidad, que indica que la contribución de cada variable del modelo, tanto
en la función objetivo como en las restricciones, sea directamente proporcionalidad
al valor de la variable.
Por ejemplo; si se tratara de un prob,ema en el cuál se dan-descuentos por cantidad,

a contrib,ución al valor de la FUNCIÓN OBJETIVO se verá disminuida si se hacen
--
compras con cantidades .muy grandes y no se comprobará la linealidad del modelo.
5.2 ¿Qué se entiende por propiedad de ADITIVIDAD?
Respuesta. La propiedad de actividad, indica que la contribución total de todas las

variables en la función objetivo y en las restricciones es igual a la suma de las
contribuciones individuales de cada variable. Por ejemplo, si en e! modelo se prestan
variables que indique el nivel de votos de varios pmductos, entonces si dos de ellos
son productos competitivos, e incremento del nivel de ven-tas de un producto traerá
consigo una disminución de nivel de ventas del otro.
\ 5.3 ¿Qué es una variab!e sin- restricción de signo o irrestricta de signo?
79
Respuesta. Una variabie sin restricciones de signo, es aquella que puede tomar un
valor positivo o negativo, por ejemplo, la variación de la producción de un mes a otro
puede ser positivo o negativa dependiendo si hay aumento o disminución en el nivel
de producción.
Matemáticamente, es difícil trabajar c~n una variable sin restricción de signo. Por
esta razón, se utiliza una sustitución estándar que convierte la variable sin restricCión
de signo en dos variables no negativas, es decir:
Sea X1, una variable sin restricción de signo; entonces la siguiente sustitución: X1 =
X1+- x·1-, donde X1+, X1-~ O, transforma a la variable en mención en dos variables
positivas.
Si X1 +> O y X1- = O, X1 es una variable positiva.
Si X1+ =O y X1-> O, X1 es una variable negativa .
,
.
5.4 ¿Es posible modelar la situación en donde ocurre un descuento por cantidad
vendida e,n un modelo de programación lineal?
Respuesta. Si es posible; considerando que el precio u'nitario de los artículos

disminuye a medida qué le núniei-o de artículos comprados crece, se deberían de
definir rangos de compra en donde un precio unitario no cambia, de acuerdo a esto,
se definirían variables por cada rango al momento de la formulación del problema.
80
UNlDAD 111 PROGRAMACIÓN LINEAL
e:s5ª tn~~·sti~facioh g~
--:; • ; • .. :_ 1. ·.... .;::- •• < ' ••
,Iograr
;- - -
qu~
.
-,o-s.-estudiantes
~- ·.. .. .
conozcan)?
.
.. befinir que
.~ .;.::::'~· .'
~- .:
definición -de la : .¡nvesti_ga'clón -de operacion~~-· :. . _
01
· -operacibne$, su · metqdolog"ía, · . su_. .. , _ • . • . • •
· · · ·. · · Conocer.la f::irstot:ia'ge·Ja:invéstígadónde
; historia, s~;i? ventaja$. y'aplicacl_ones. · · ·
operaciones.
;. : .:
:: .' deo_peraC?ione~~indicaf1dq
. • .•· --z•' •
:la~/á'se~s.., . r~ '-·· ~-
.-~ •' .. L .... • :._;, ,,._·:· ~ ..... :~" • --~~4'-'
1.1 Definiciónde Investigación de operaciones
1.2Historia de la Investigación de operaciones
1.3Metodología de la Investigación de Operaciones.
1.4Usos y ventajas de los modelos
Los é)dtosy fracasos son el re_sultado de las.decision'e.s qu~ se tomarcm;·· no existe

:·:1~'6~sualidad sino más bien la caus:a-lídad tal co~o está descrít~ en: la :obra "Los ·
. ..
,·siete prin_cipios he~méticos" de El Kybalión: ''Toda ~ausa tiene su e~ectó>todo

·efecto ·tiene su causa, todo sucede_de acuerdo con la ley; la suerte no es más que
. . '
. .. .
ei nombre que se le da a una _!ey no conocida": La mente es lo que el cerebro

hace. Las mentes realizan un3 serie de procesamientos de información para
formarestrategias
.-
necesarias
.
para vívirdiariamente
..
..
81
3.1 Ejercicios de programación linea!
Ejercicio 3.1
PETROPERÚ Tiene 14000 galones de una mezcla de gasolina y alcohol
almacenada en su instalación de La pampilla y 16000 galones almacenados en su
instalación de Bayo bar. Desde estas instalaciones, debe proveer a Primax 10000
galones y a Repsol 20000 galones. El costo en soles de embarcar 1 galón desde,
cada instalación de almacenado a cada cliente es:
SOLUCIÓN:
Identificación de las Variables
Xij = Número de gal. de mezcla a enviar del almacén í a las instalaciones j

MIN 0.04X11 + 0.06X12 + 0.05X21 + 0.03X22
111 Identificación de las Restricciones

X11 + X12:S 14000 Con respecto a la provisión
X21 + X22:S 16000 Con respecto a la provisión
X11 + X21~ 10000 Con respecto a la demanda
Xí2 -r X22~ 20000 Con respecto a la demanda
Xij~ o Con respecto a la no negatividad
SOLUCiÓN:USANDO LINDO 1)1120.000, X11=10000, X12= 4000,

X21 =O,, X22= 16000
83
Ejercicio 3.2
Nestlé está desarrollando una nueva golosina de maní y chocolate. El dulce debe
tener al menos 5 gramos de proteínas, pero no más de 5 gramos de carbohidratos y
3 gramos de grasas saturadas. Desarrolle un programa lineal para determinar la
cantidad de cada ingrediente por utilizar que satisfaga los requerimientos
nutricionales a un costo total mínimo, basándose en los siguientes datos:
, Costo($/oz.) 0.10 0.18

1 Proteínas(g/oz.) 4.00 0.80
Carbohid ratos(g/oz.) 2.50 1.00
; Grasas saturadas (g/oz.) 2.00 0.50
SOLUCIÓN:
l. Identificación de las Variables
M = Número de oz. de mantequilla
C = Número de oz. de chocolate
11. Identificación de la Función Oli>jetívo

MIN 0. 10M+ 0.18C

4M +O.BC 2:: 5 Con respecto a las proteínas ·
2.50M +C :::; 5 Con respecto a los carbohidratos
2M +0.5C:::; 3 Con respecto a las grasas saturadas
M, C 2:: O Con respecto a la no negatividad
SOLUCIÓN:USANDO LINDO 1) 0.1250000 M= 1.250000 e =

0.000000
84
Ejercicio 3.4
SIDERPERU tiene una máquina capaz de fabricar tubos de diámetros grandes y
pequeñas para contratistas de plomería. Los tubos grandes se producen a una
velocidad de 200 pies por hora y los pequeños a unos 300 pies por hora. Cada hora
que la máquina es utilizada para producir tubos grandes, generalmente ocasiona 1.5
atascamientos y cuando se producen tubos pequeños resultan 3 atascamientos por
hora. Cada -atascamiento requiere aproximadamente 5 minutos de restablecimiento
durante los cuales la máquina no puede producir tubos. La gerencia desea un
número igual de pies de ambos tamaños de tubos y la mayOí cántidad total de tubos
posible. Formule un modelo para determinar cuánto tiempo de un día de 8 horas
debe asignarse a la producción de tubos grandes y cua_nto a la de tubos pequeños.
Para las variables de decisión, use el número de horas de tiempo de maquina por
dedicar a la fabricación de tubos pequeños y grandes.
·Tubos grandes 1.5 atas 1 hora 5 min.

1
Tubos pequeños 300 pies 1 hora 3.0 atas 1 hora 5 min.
SOLUCI N:
Identificación de Variables
f
G =Número de horas máquina para fabricar tubos grandes
P.= Número de horas máquina para fabricar tubos pequeños
11 Identificación de ia Función Objetivo
MAX 175G
G+P =8 Con respecto al tiempo en horas
175G- 225P =O Con respecto a la igualdad de producción
G, P 2: O Con respecto a la no negatividad
SOLUCIÓN:USANDO LINDO
1)787.5000
VARIABLEVALUEREDUCED COST
G4.5000000. 000000
P3. 5000000.000000
85
Ejercicio 3.5
Repita· el ejercicio 3.4 usando ia fracción de 8 horas de tiempo de máquina
dedicara a fabricar tubos pequeños y grandes como las variables de decisión.
SOLUCIÓN:
G = Número de horas máquina para tubos grandes
P = Número·de horas máquina para tubos pequeños

MAX 1400G
111. Identificación de las Restricciones

G+P =1 Con respecto al tiempo en horas
1400G- 1800P =O Con respecto a la igualdad de producción
G,P ~O Con respecto a la no negatividad
1) 787.5000
VARlABLEVALUEREDUCED COST
G 0.5625000.000000
p 0.4375000.000000
86
Ejercicio 3.6
Repita el ejercicio 3.4 usando el número de pies de tubos pequeños y grandes por
fabricar en 8 horas de tiempo de maquina como las variables de decisión.
, Tubos Grandes 200 pies 1 hora 1.5 atas 1 hora ·5 min.

Tubes Pequeños 300 píes 1 hora 3.0 atas 1 hora 5 mín.
SOLUCIÓN:
G = Número de pies a producir de tubos grandes
P =Número de pies a producir de tubos pequeños

MAXG

(1/175)G + (1/225) P =8 Con respecto al tiempo en horas
'f
G -P =O CDn respecto a la producción

G,P ;::: O Con respecto a la no negatividad
SOLUCiÓN:USANDO LINDO
1) 787,5
VARI.ABLE VALUEREDUCED COST
G 787,5 0.000000
p 787.5 0.000000
87
Ejercicio 3. 7
EXPLOSIVOS S.A. mezcla azufre, carbón y salitre. para producir pólvora. El producto
final debe contener al menos 10%, pero no más de 20%, de carbón por unidad de
peso. La cantidad de salitre no puede exceder el 50% de la cantidad de carbón
usado. Para evitar una explosión accidental, la syma de 50% del azufre más 60%del
carbón mas 30% del salitre usados no puede exceder 35% del producto final. El
azufre es cen mucho ei componente más caro. Formule un modelo para determinar
la cantidad de cada ingrediente que debe utilizarse para producir cada libra de
pólvora que satisfagalas restíicciones y, a la vez que, requiera la menor cantidad de
azufre.
SOLUCIÓN:

A = Número de libras de azufre para producir pólvora.
C = Número de libras de carbón para producir pólvora.
S = Número de libras de salitre para producir pólvora.

MINA
lll Identificación de las Restricciones

C ;:: 0.1 O (A+C+S)
C s 0.20 (A+C+S)
s s o.s e
0.5A + 0.6C + 0.3S s 0.35 (A+C+S)
A +C +S =1
A,C,S 2:0
SOLUCIÓN:USANDO LINDO No tiene SOLUCIÓN:
88
Ejercicio 3.8
QUIMICA SUIZA diluye cada litro de ácido sulfúrico concentrado con 20 litros de
agua destilada para producir H2S04. De manera similar cada litro de ácido
clorhídrico concentrado se diluye con 30 litros de agua destilada para producir Cl.
Estos dos productos vendidos a escuelas de segunda enseñanza a $0.1 O por botelia
de 100 mililitros (estoes 0.1 litros). La compañía actualmente tie¡:¡e 50000 botellas
vacías en inventario. Suponga que existe una cantidad virtualmente ilimitada de
agua destilada que cuesta $0.15 por litro y que se dispone a los siguientes datos:
Costo ($ 1 oz.) 12.00 18.00 0.15

Suministro 200.00 150.00
¡(litros)
Formule un modelo para determinarla cantidad de cada ácido concentrado por diluir
para maximizar las ganancias totales.
SOLUCIÓN:
Mezcla de ácido Sulfúrico

Costo de Prod.: Agua destilada (20) litros*(0.15) $/litros = 3$
Ácido Sulfúrico (1) litro*(12) $/litros= 12$
21 litros= 15$
Ingreso: 21 litros *(1) $/litro = 21$
Ganancia: G =Ingreso-Costo =21 $- 15$ = 6$
Mezcla de ácido Clorhídrico

Costo de Producción: Agua destilada (30) litros*(0.15) $/litros = 4.5$
Ácido Clorhídrico (1) litro*(18) $/litms = 18$
31 litros= 22.5$
"' Ingreso: 31 litros *( 1) $/litro = 31$
Ganancia: G =Ingreso-Costo :::31$- 22.5$ = 8.5$

89
AS = Número de mezc!a de ácido sulfúrico a producir
AC =Número de mezcla de ácido ciorhídrico a producir

MAX 6AS + 8.5AC
!1!. Identificación de las Restricciones
AS+ AC = 5000 · Con respecto a los envases
AS s; 4200 Con respecto al suministro
AC s; 4650 Con respecto al suministro
AS,AC ;:::; O Con respecto a la no negatividad
1)41625.00 AS=350 AC =4650
90
Ejercicio 3 ..9
BASA S.A.usa una base y dos productos de goma,_ todos en cantidades iguales,
para producir su autoclave. La compañía puede producir un total combinado de
hasta 800 libras de la base y dos productos de goma. De manera alternativa, puede
comprar estos ingredientes en el mercado abierto en las siguientes cantidades de
dólares por iibra:
Base 1.75 3.00

GP-1 2.00 3.25
GP-2- 2.25 3.75
Formule un modelo para determinar el plan de producción de costo mínimo" 1 compra
para satisfacer una demanda de 1200 libras de autoclave.
SOLUCIÓN:
BP= Número de libras de Base por producir
GP1P= Número de libras del Producto de Goma1 por producir
GP2P= Número de libras del Producto de Goma2 por producir
BC = Número de libras de Base por comprar
GP1C= Número de libras del Producto de Goma1 por Comprar
GP2C= Número de libras del Producto de Goma2 por Comprar
Mi N 1.75BP+2.00GP1 P+2.25GP2P+3.00BC+3.25GP1 C+3.75GP2C
BP +GP1P + GP2P:5 800
BP +BC =400
GP1P + GP1C = 400
GP2P + GP2C =400
BP, GP1 P, GP2P, BC, GP1 C, GP2C 2: O
1) 2900.000
VARIABLE VALUÉREDUCIDCOSTA
BP 0.000000 0.000000 GP1P 400.0000 0.000000
GP2P 400.0000 0.000000 BC 0.000000 0.000000
GP1 C 0.000000 0.000000 GP2C 0.000000 0.250000
91
Ejercicio 3.10
CIFRUT usa una sola máqujna durante 150 horas para .destilar jugo de naranja y de
toronja en concentrados almacenados en dos tanques separados de 1000 galones
antes de congelarlos. la máquina puede procesar 25 galones de jugo de -naranja por
hora, pero solo 20 galones de jugo de toronja. Cada galón de jugo de naranja cuesta
$1,50 y pierde 30% de contenido de agua al destilarse en concentrado. El
concentradq de jugo de naranja después se vende en $6,00por galón. Cada galón
de jugo de toronja cuesta $2,00 y pierde 25% de contenido de agua al destilarse en
concentrado. El concentrado de jugo de toronja se vende después en $8,00 por
galón. Formule un modelo de programación iineal para determinar un plan de
producción que maximice la ganancia para la siguiente semana usando las
variables:
JN = El número de galones de jugo de naranja por utilizar esta semana.
JT = El número de galones de jugo de toronja por utilizar esta semana.
2.0 8.00 1
0.25 gal 1 0.05 h /gal
1
l. Identificación de las Vari.ables

JN = El número de galones dejugo de naranja por utilizar.
JT = El número de galones de jugo de toronja por utilizar.
MAX 2.7JN + 4JT
0.04JN+0.05JT $150 Con respecto al tiempo
0.70JN $1000 Con respecto a la disponibilidad
0.75JT ~1000 Con respecto a !a disponibilidad
JN,JT ~O No negatividad
1)9190.477 JN = 1428.57 JT = í 333.33
92
Ejercicio 3.11
Como variables del ejercicio 3.10 formule un modeto de programación lineal para
determinar un plan de producción que maximice la ganancia para la siguiente
semana usando las variables:
CN = El número de galones de concentrado .eJe naranja por producir .esta semana.
CT = El número de galones de concentrado de toronja por producir esta semana.
SOLUCIÓN:
CN = Número de galones de concentrado de naranja por producir.
CT = Número de galones de concentrado de toronja por producir.
11. Identificación de !a Función Objetivo =
MAX 3.86CN + 5.33CT

0.057CN+ 0.067CT::; 150 Con respecto al tiempo de máquina
CN ::; 1000
CT ::; 1000
CN,CT2:0 No negatividad
1) 9190.000 CN = 1000.000 CT= 1000.000
93
Ejercicio 3.12
Como variantes del ejercicio 3.10 formule un mode!o de programación lineal para
determinara un plan de producción que maximice la ganancia de la ganancia de la
siguiente semana usando variables:
TN = Número de horas de tiempo de maquina a usarse esta semana para destilar
jugo de naranja
TT = Número de hoías de tiempo de maquina a usarse esta semana para destilar
jugo de toronja.
Naranja 25 gal /hrs. 1.5 6.00 0.30 gal 0.04 h /gal

Toronja 20 gal 1 hrs. 2.0 8.00 0.25 gel 0.05 h /gal
SOLUCIÓN:

TN =Número de Hr.Máquina a usarse esta semana para destilar jugo de
naranja
TI=Número de horas maquma a usarse esta semana para destiiar jugo de
toronja.

MAX 112.5TN + 120TI

TN+ TI s150 Con respecto a la cantidad de tiempo
TN s40 Con respecto a la disponibilidad
TT s50 Con respecto a la disponibilidad
TN,TT2::0 Con respecto a la no negatividad
1) í0500.00 TN = 40.000000 TT = 50.000000
94
Ejercicio 3. 13
PETROPERU. debe transportar 100000 barriles de cada uno de sus tres campos
petroleros·.· a su tanque de almacenamiento en La Pampilla. El petróleo puede
transportarse en camiones directamente de los campos al tanque de
almacenamiento a un costo de $0.03 por barril por milla. Hasta 150000 barriles de
petróleo también pueden enviarse desde los campos mediante duetos a un eje
central en Bayobar a un costo de $0.02 por barril por mWa y luego transportarse en
camiones a La Pampilla por $1 por barril. Formule un modelo para determinar el plan
de embarque de costo mínimo, dadas las siguientes distancias en millas:
Desde Bayo bar

Campo petrolero 1 150 50
SOLUCl N:
Xij = Número de barriles que se deben enviar del campo petrolero ia al
tanque j
1!. Identificación de la Función Objetivo
MlN 4.5X11 + 5.1X21+5.7X31+ 2X12 + 2.3X22 + 2.7X32
111 Identificación de la Restricciones
X12 + X22 +X32 :::; 150000 (tubería)
X11 + X12 = 100000 (campo 1)
X21 + X22 = 100000 (campo 2)
X31 + X32 = 100000 (campo 3)
Xij ~O No negatividad
1) 1090000.
X11 10000 X21 50000
X31 00000 X12 00000
X22 50000 X32 100000
95
Ejercicio 3. í4
COMPASS mezcla seis especias para fabricar un producto para aderezar pescados.
La siguiente tabla proporciona el costo de cada especia y los porcentajes mínimos y
máximos por unidad de peso que pueden usarse en el .producto final:
Canela 0.020 18. 20

Pimienta Negra 0.025 15 18
Semillas de hinojo 0.082 12 14
Polvo de cebolla 0.025 16 20
Ajo 0.028 12 15
Orégano 0.075 14 18
Formule un programa lineal para -determinarla cantidad de cada especia utilizada

para producir cada kilogramo de producto que minimice el costo total.
SOLUCIÓN:
l. Identificación de Variables
C = Número de gramos de Canela a utilizar para producir un Kg.
P =Número de gramos de Pimienta a utilizar para producir un Kg.
'
S= Número de gramos de Semillas a utilizar para producir un Kg.
R·= Número de gramos de Polvo a utilizar para producir un Kg .
. A= Númem de gramos de Ajo a utilizar para producir un Kg.
O = Número de gramos de Orégano a utilizar para producir un Kg.

MIN 0.020C+0.025P+0.082S+0.025R+0.028A+0.0750

Con respecto al porcentaje de uso
1so:::; e:::; 200
150:S p :S 180
120:::; S:::; 140
160:::; R:::; 200
120:::; A:::; 150
96
140::; o::;; 180
Con respecto a los productos terminados
C + P + S + R + A + O= 1000
Con respecto a la no negatividad
C ,P ,S ,R ,A ,O~ O
1) 38.79
C 200.000000P180.000000S 120.000000 R 200.000000 A
150.0000000150.000000
97
Ejercicio 3.15
TEXTIL SAN CRISTOBAL mezcla tres aditivos, A 1, A2 y A3 a una base en
diferentes proporciones para obtener distintos coiores de tintas. la tinta roja se
obtiene mezclando A 1, A2 y A3 en la proporción 3:1 :2, la tinta azul en la proporción
2:3:4 y la tinta verde en la proporción de 1:2:3. Después de mezclar estos aditivos,se
añade una cantidad igual de base para cada color. La compañía actualmente tiene
1000 galones de A 1, 1500 de A2, 2000 de A3 y 4000 de base. Dado que el precio de
venta por galón de cada tipo de tinta es el mismo, desarrolle un modelo para
determinar cómo deberían usarse estos -recursos para obtener los máximos
ingresos .
.SOLUCIÓN:
Aij =Número de galones de ad,itivo i utilizado en la tinta j
8j =Número de galones de base Outilizado .en la tinta j
R =Número de galones de tinta Roja
A =Número de galones de tinta Azul
V =Número de galones de tinta Verde
MAX R+A +V
A11 +Aí2+A13:51000 A21 + A22 + A23:::; 1500
A31 + A32 + A3;3 :::; 2000 811 + B 12 + 813 :::; 4000
A 11- 3A21 =O 2A21 -A31 =O
A 11 +A21 +A31- 81 =O A11 +A21 + A31+ 81- R =O
3A12- 2A22 =O 4A22- 3A32 =O
A12 +A22 + A32-82 =O A12 +A22 + A32+82- A =O
2A13- A23 =O 3A23- 2A33 =O
A13 + A23 +A33- 83 =O A13 + A23 +A33+83- V =O
Aij,Bj,R,A, V 2: O
1)9000 A 12= 1000 A32=2000 82=4500 A=900ü A22=1500
98
Ejercicio 3.16
El departamento de energía de Lilliput actualmente está en -el proceso de desarrollar
un plan nacional de energía para el año siguiente. Lilliput puede generar energía de
cualquiera de cinco fuentes: carbón gas natural, materiales nucleares, proyectos
hidroeléctricos y petróleo. Los datos sobre los recursos de energía, la capacidad de
generación de energía medida en mega watts-hora (MW-:-hr) y los costos unitarios de
generación _se dan en la tabla 1.Lillip~t necesita 50000 MW-he.de energía de uso
domestico, y el país tiene un compromiso para producir 10000 MW-
hr.paraexportación. Más aun, a fin de conservar los recursos de energía y proteger
el ambiente, el gobierno ha prohibido las siguientes regulaciones:
La generación proveniente de materiales nucleares no debe exceder 20% de la
energía total generada en Lilliputdebe utilizarse al menos 80% de la capacidad de
las plantas de carbón. Los efluentes que salen a la atmósfera no deben exceder los
límites especificados en la tabla 2
La cantidad de energía generada a partir de gas natural debe ser al menos 30% de
la generada a partir del petróleo. Formule un programa lineal para determinar un plan
de energía de costo mínimo.
Tabla 1 Capacidad de generación y costos
Carbón 45000 6.0

Gas Natural 15000 5.5
Nuclear 45000 4.5
·... ·.
Hidroeléctrica 24000 5.0

Petróleo 48000 7.0
Demanda 60000
Tabla 2 Datos de polución en la generación de energía
Carbón 1.5 1.2 0.7 0.4

Gas Natural 0.2 0.5
Nuclear 0.1 0.2 0.7
Hidroeléctrica
99
~
Petróleo 0.4 0.8 0.5 0.1
Kg. Máx. permitidos 75 60
l 30
1
25
SOLUCIÓN:
e= Número de MW -hr.a generar de la fuente de Carbón.
G = Número de MW -hr.a generar de la fuente de Gas Natural.
N = Número de MW -hr.a generar de la fuente de Nucleares.
H =Número de MW -hr.a generar de la fuente de Hidroeléctrica.
P =Número de MW -hr.a generar de la fuente de Petróleo.
MIN 6e + 5.5G + 4.5N + 5H + 7P '
e+G+N+H+P ~ 60000
N :::; 0,20(C+G+N+H+P)
e ~ 36ooo
G-0.3P ~O
f
e :::; 45ooo
G :::; 15000
N :::; 45000
H :::; 24000
p :::; 48000
1.5C + 0.2G + 0.4P :::; 75000
1.2e + 0.5G + 0.1 N + 0.8P :5 60000
0.2N + 0.7e + 0.5P :5 30000
0.7N + 0.4C + O.íP :5 25000
e, G,N,H,P ~O
SOLUelóN:USANDO LINDO
1) 330000 C=36000 G=O N=12000 H=12000 P=O
100
EJERCICIO 3.17
El Ministerio de Agricultura ben la Ciudad de lea tiene 50 acres de tierra en la cual
plantar cualquier cantidad de maíz, soya, lechuga, algodón y brócoli. La siguiente
tabla muestra la información relevante perteneciente a la producción, el costo de
plantación, ei precio de venta esperado y los requerimientos de agua para cada
cuitivo:
Maíz 640 1.00 1.70 8.75

Frijoles de sopa 500 0.50 1.30 5.00
Lechuga 400 0.40 1.00 2.25
Algodón 300 0.25 1.00 4.25
Brócoli 350 0.60 1.30 3.50
Para la próxima temporada, hay 100000 litros de agua disponible y la compañía ha
contratado vender al menos 5120 kilogramos de maíz. Formule un programa lineal
para determinar una estrategia de plantación optima para el Ministerio de
f\gricultura. Use el número de acres de cada cultivo para plantación como las
variables de decisión.
SOLUCIÓN:
Cálculos
Maíz Ingreso (640) Kg. /acre *(1.70) $/Kg. = ( 1088) $/acre
Costo (640) Kg. /acre *(1.00) $/Kg = (640) $/acre
Ganancia 1088-640 = (448) $/acre
Soya Ingreso (500) Kg. /acre *(1.30) $/Kg. =(650) $/acre
Ganancia 650-250 = (400) $/acre
Lechuga Ingreso (400) Kg. /acre *(1.00)$/Kg. = (400) $/acre
Ganancia 400- 160 = (240) $/acre
Algodón ingreso (300) Kg. /acre *(1.00) $/Kg. = (300) $/acre
Costo (300) Kg. /acre *(0.25) $/Kg = (75) $íacre
Ganancia 300-75 = (225) $/acre
101
Bróco!i Ingreso (350) Kg. /acre *(1.30)$/Kg. = (455) $/acre
Ganancia 455-210 =(245) $/acre
Modelo matemático
l. Identificación de ias Variables
M=. Número de kilogramos a producir de maíz.
S= Número de kilogramos a producir de soya.
L= Número de kiiogramo"s a producir de lechuga.
A= Número de kilogramos a producir de algodón.
8 = Número de kilogramos a producir de bróculi.
MAX 448C + 400S + 240L + 225N + 2458
111. Identificación de la Restricciones
C +S +L +N +8 !Ó50
5600C +2500S + 9000L + 1275N + 12758 !Ó100000
640C ;o,5120
M, S, L, A,8 ;o, O
SOLUCIÓN:
USANDO LINDO
1) ..
14 082.78 C=8 S=1.3469 L=O N=O 8=40,653
EJERCICIO 3.18
Repita el ejercicio 3.17 usando el número de kilogramos de cada cultivo por producir
como las variables de decisión.
Lechuga 400 0.40 1.00 2.25

Algodón 300 0.25 1.00 4.25
Brócoli 350 0.60 1.30 3.50
100.
~
102
.•
SOLUCIÓN:
l. Identificación de -las Variables

M = Número de kilogramos a producir de maíz.
S =Número de kilogramos a producir de soya.
L = Número de kilogramos a producir de lechuga.
A = Número de kilogramos a producir de algodón.
8 = Número de i-diogramos a producir de bróculi.

MINM + O.SS + 0.4L + 0.25A + 0.608
111. Identificación de las Restriccion~s
0,0015625M+0,002S+0,0025L +0,0033A+0,002868 $50 acres

8,75M + SS +2,25L + 4,25A + 3,508 $100000 agua
M ~ 5120 maíz
M, S, L, A, 8 ~ O
1) 5120.000
VARIA8LEVALUEREDUCED COST
M5120.000000 0.000000
S 0.000000 0.500000
L 0.000000 0.400000
A 0.000000 0.250000
8 0.000000 0.600000
103
Ejercicio 3.19
NESTLÉ tiene una maquina que muele semillas de Psyllium hasta producir un polvo
fino a una velocidad de 30 libras por hora. La compañía también usa la máquina
para hacer crema de cacahuate con cacahuetes tostados a una velocidad de 60
librasporhora. El tiempo de fijación para cambiar la máquina de un producto al otro
es despreciable. La demanda mensual y los costos de mantenimiento de inventario
de cada preducto se muestran en la tabla siguiente:
i DEMANDA {Lb.) COSTO DE MANTENIMIENTO

($/Lib.)
1
Crema de Psyllium Crema de Cacahuate Psyllium

1
Cacahuate
1
Mayo 400 600 0.10 0.05
1 1
Junio 450 700 1 0.10 0.05
Julro 500 650 0.12 0.05
5'500 5'1000
... .. "'
El inventa no 1n1c1al para cada producto a pnnc1p1os de mayo es O y tamb1en debe ser
O a finales de julio. En ningún momento el inventario de Psyllium puede exceder las
. 1
1000 libras ni el de mantequilla de cacahuate las 500 libras. Asimismo, en cada

semana hay 20 horas de tiempo de máquina disponible. Formule un programa lineal
para determinar un plan de producción para los meses de mayo, junio y julio que
minimicen loscostos totales de almacenamiento, suponiendo que se satisface la
demanda al final de cada mes y que los costos de mantenimiento de existencia se
basan en la cantidad en inventario a principios del mes.
SOLUCIÓN:
Cálculos: Psyllium Crema de Cacahuate
30 Lb. ------1 h 60 Lb. -------1 h
1 Lb. ------- x 1 Lb-------- x
X= 1/30 x=1/60
IF (m}= 11 (m)+ Producción (m)- O (m),
104
l. identificación de las Variables
ICM = Inventario Inicial de Crema de Cacahuate -en Mayo
ICJ = Inventario Inicial de Crema de Cacahúate en Junio
ICL = Inventario Inicial de Crema de Cacahuate -en Julio
ICA = Inventario Inicial de Crema de Cacahuate en Agosto
IPM = inventario Inicial de Psyllium en Mayo
fPJ = Inventario Inicial de Psyllium en Junio
IPL = Inventario Inicial de Psyllium en Julio .
IPA = Inventario Inicial de Psyllium en Agosto
PCM =Producción de crema de Cacahuate en Mayo
PCJ = Producción de crema de Cacahuate en Junio
PCL =Producción de crema de Cacahuate en Julio
PPM =Producción de-PsylliurJ! en Mayo
PPJ =Producción de Psyllium en Junio
PPL = p·roducción de Psyllium en Julio

MIN 0.101CM + O.OSIPM + 0.101CJ + O.OSIPJ + 0.121CL + O.OSIPL

ICM - ICJ + PCM ~ 400
ICJ -ICL + PCJ ~ 450
ICL -ICA + PCL ~ 500
IPM -IPJ+ PPM ~ 600
IPJ- IPL + PPJ ~700
IPL- IPA + PPL ~650
ICM =O
!PM =O
ICA =O
IPA =O
lCJ :SS OO
IPJ :S1000
ICL :SS OO
/
IPL :S1000
105
0.0333PPM+0.01667PCM $80
0.0333PPJ +0.01667PCJ $80
0.0333PPL+0.01667PCL S80
1) - 0.000000
VARIABLEVALUEREDUCEDCOSTv'ARIABLEVALUEREOUCED COST
!CM 0.00 0.073333 IPM 0.00 0.000000
ICJ 0.00 9.973333 IPJ 0.00 0.000000
ICL 0.00 0.093333 IPL 0.00 0.000000
PCM 400.00 0.000000 PCJ 450.00
0.000000
ICA 0.00 0.080000 PCL 500.00 0.000000
PPM 600.00 0.000000 PPJ 700.00
0.000000
IPA 0.00 0.150000 PPL 650.00 0.000000
106
Ejercicio 3:19
- PACOCHA quiere invertir $1000000 de un gran fondo de pensiones. El
departamento de investigación de Inversiones ha identificado seis fondos mutuos
con estrategias de inversión variables, resultando en diferentes rendimientos
potenciales y riesgos asociados, como se resume en !a siguiente tabla
Devolución esperada (%) 1 30 20 15 12 10 7

Categoría de riesgo Alto Alto Alto Median Median Bajo
o o
Una forma de controlar el riesgo e$ limitar la cantidad de dinero· irvvertido en los

diversos fondos. Para ese fin, la administración de Pacocha. ha especificado las
siguientes pautas:
1. La cantidad total invertida en fondos de alto riesgo debe estar entre 50 y 75% de
la cartera.
2. La cantidad total invertida en fondos de mediano riesgo debe estar entre 20 y 30%
de la cartera.
3. La cantidad total invertida en fondos de bajo riesgo debe ser al menos de 5% de
la
Cartera. Una segunda forma de controlar el riesgo es diversificar, esto es, esparcir el
riesgo invirtiendo en muchas . alternativas diferentes. La gerencia . de Pensión
Planners, lnc., ha especificado que la cantidad invertida en los fondos de alto riesgo
1, 2 y 3 deben estar en la tasa 1:2:3, respectivamente. La cantidad invertida en los
fondos de mediano riesgo 4 y 5 debe ser 1:2. Con estas pautas, ¿qué cartera
debería usted, gerente de cartera, recomendar para maximizar la tasa esperada de
retorno?
SOLUCIÓN:
i. Identificación de las Variables
Fi = El número de acciones de Fondo i que comprar.

MAX (13, 5F1 +15, 2F2+16, 5F3+2,04F4+2,3F5 + 1,
107
ill. Identificación de ias Restricciones
45F1 +76F2 + 110F3 2: 500000
45F1 +76F2 + 11 OF3 :5 750000
17F4 +23F5 2: 200000

17F4 +23F5 :5 300000
22F6 <::50000
90F1- 76F2 =O
135F1- 110F3 =O
34F4-23F5 =O
45F1 + 76F2 + 11 OF3 + 17F4 + 23F5 + 22F6 = 1000000
Fi <::0
1)0, 1381667
F11851 ,85 0.000000
F22192,98 0.000000
F32272,72 0.000000
F43921 ,57 0.000000
F55797, 10 0.000000
F613636,36 0.000000
108
Ejercicio 3.20
Repita el ejercicio 3.19 usando las siguientes variable~ .de decisión:
F1 =El número de dólares que invertir en el Fondo 1.
f2 =El número de dólares que invertir en el Fondo 2.
SOLUCIÓN:
Fi = El número de dólares que invertir en el Fondo i.
MAX F1 + F2~+ F3 + F4 + F5 :+ F6
45F1 +76F2 + 110F3 ~ 500000
45F1 +76F2 + 11 OF3 :;; }50000
17F4 +23F5~ 200000
17F4 +23F5:s 300000
22F6 ~50000
90F1-76F2 =O
135F1 - 110F3 =O
34F4-23F5 =O
45F1 +76F2+11 OF3+17F4+23F5+22F6 = 1000000
Fi ~o
SOLUCIÓN:
1) 29986.48
F1 1851.8518070.000000
F2 2192.9824220.000000
F3 2272.727295 o. 000000
F4 5882.353027 o. 000000
F5 8695.6523440.000000
F6 9090.9091800.000000
1
3.2 Autoevaluadón de fa Unidad
'1
m
11
1. La comurhidad campesina "Castilla" es propietaria de 1700 hectáreas de

terreno ho urbanizado. En el pasado, se aplicaban muy pocas
1
reguiacio1~es a las nuevas urbanizaciones en este desierto. En ia

'
a<::;tualidad, esta parte de Pium está sobre poblada de casas para
vacacioni.stas y debido a la carencia de servicios de alcantarillado, se
1
' '
utHizan e~ensamente los silos, que se instalan en forma por demás

1
inapropia(ja. A lo largo de los años, las filtraciones de los silos han dado
1
por result:~do un grave problema de contaminación de agua. Para frenar

una may,Sr
1
degradación en la calidad de agua, los directivos de la
1
·-- ''comunidaa aprobaron reglamentos muy estrictos, aplicables a todas las

futuras u~banizaciones. Sólo se pueden construir viviendas familiares
individuaiE~s, dobles y triples, en donde las individuales deben sumar por lo
1
menos el '50% del total. Para limitar el número de silos, s requiere de lote
de una ~luperficie
1
mínima de dos, tres y cuatro hectáreas para las
viviendas :l familiares individuales, dobles y triples, respectivamente. Se
deben estpblecer áreas recreativas de una hectárea, en una proporción de
un área pbr cada 200 familias. Para preservar la ecología del lugar, las
1
aguas ser~idas no pueden bombearse para uso doméstico de jardinería.

i
1
2. PACOCH1 quiere invertir $1000000 de un gran fondo de pensiones. El
1
\
1 • .. • -
departaménto de investigación de Inversiones ha identificado seis fondos

i
mutuos ccjn estrategias de inversión variables, resultando en diferentes
rendimientos potenciales y riesgos asociados, como se resume en la
1
siguiente tabla
Precio ($/acción) 45 76 110 17 23 22

1
Devolución esperada(%) 130 20 1
15 í2 10 7
Categoría de riesgo Alto Alto Alto Mediano Mediano Bajo
110
Una forma de controlar el riesgo es limitar la cantidad de dinero invertido
en los diversos fondos. Para ese fin, la administración de Pacocha. ha
especificado las siguientes pautas:
1. La cantidad total invertida en fondos de alto riesgo debe estar entre 50 y
75% de la cartera.
2. La cantidad total invertida en fondos de mediano riesgo debe -estar entre
20 y 30% de la cartera.
3. La cantidad total invertida en fondos de bajo riesgo debe ser al menos
de 5% de la
Cartera. Una seaunda
""' . -
forma
. de controlar el riesgo es diversificar, esto es,
esparcir el riesgo invirtiendo en muchas alternativas diferentes. La
gerencia de Pensión Planners, lnc., ha especificado que la cantidad
invertida en los fondos de alto riesgo 1, 2 y 3 deben estar en la tasa 1:2:3,
respectivamente. La cantidad invertida en los fondos de mediano riesgo 4
y 5 debe ser 1:2. Con estas pautas, ¿qué cartera debería usted, gerente
de cartera, recomendar ,para maximizar la tasa esperada de retorno
usando las siguientes variables de decisión.
H =La fracción de la cartera por invertir en fondos de alto riesgo.
M = La fracQión de la cartera para invertir en fondos de mediano riesgo.
L =La fracción de la cartera por invertir en fondos de bajo riesgo.
111
UNIDAD IV MÉTODO GRÁFICO
... . ~
. ~iñ.cfér:hent?rá la.· función- ·objetivo?,· dichó :de. otra. forma~.. ¿'Cuántas ··unidades ·se
-~ ~ . -~ ' ' . '"'.:.. ~ ~ --'; -... -~ . .. ~ . .. . ·:::-. . .
~irícremen.t:a~mi ga·náncia sí k 'h •

se i~éremento-üna.uni¿ad· mon:etán~;_en' r:nateriales?
• ~ - .!. ,! ':
·~... - ~-~....:.- ...~ '~

.,
113
4. 1 Definición de método g¡áfico
Es un algoritmo matemático que, gráficamente, resuelve

problemas de Programación Lineal de 2 variables.
Este procedimiento consta de cuatro pasos:
r. Graficar /as restricciones.
II. Hallar !a región factible (RF)
m. Graficar ia Función Objetivo (FO)
IV. Hallar la SOLUCIÓN:óptima en esa región.
REGIÓN FACTIBLE.- Es el conjunto de puntos que cumplen todas las

restricciones incluyendo la· restricción de no negatividad.
SOLUCIÓN:ÓPTIMA.-Es el punto o puntos de la región factible que optimizan
a la Función Objetivo, es decir donde se halla el máximo o el mínimo.
Preguntas más usuales
1 () ¿Gráficamente se puede resolver un problema de Programación Lineal de
dos variables y muchas restricciones?
1
2 () ¿El procedimiento del método gráfico incluye dos pasos? GráfiCa de las
restricciones y gráfica Z
3 () ¿Para graficar las restricciones, se deben de reemplazar las desigualdades.
por ecuaciones y después trazar las líneas rectas resultantes?
4 () ¿Dentro del espacio de SOLUCIÓN:factible se encontrarán un número
infinito de puntos que satisfacen todas las restricciones?
5 () ¿La SOLUCIÓN:óptima está asociada a un único punto de esquina del
espacio de SOLUCIÓN:factible?
SOLUCIÓN:
1 (V Gráficamente se puede resolver un problema de Programación Lineal de dos
) variables y muchas restricciones.
El Método Gráfico Soluciona problemas de Pmgramación Lineal de dos
variables, sin importar el número de restricciones.
2 (F El procedimiento del método gráfico incluye dos pasos. Gráfica de las
) restricciones y gráfica de Z.
115
Los pasos para el procedimiento del Método Gráfico son:
Determinación de la región factible que satisface todas las 111 Identificación
de las Restricciones.
Determinación de la SOLUCIÓN:óptima de entre todos los puntos de la
región factible.
3 (V Para grañcar las restricciones, se deben de reemplazar las desigualdades
) por ecuaciones y después trazar las lineas rectas resultantes.
La forma más sencilla para determinar la región factible, consiste en
reemplazar las desigualdades por ecuaciones y trazar ias gráficas de las
rectas resultantes, constatando que las zonas determinadas por estas rectas
coincidan con el sentido de las desigualdades.
4 (V Dentro del espacio de SOLUCIÓN:factible se encontrarán un número infinito
) de puntos que satisfacen todas las restricciones.
Debido a que la región factible es un espacio geométrico encerrado con
muchas rectas, y dicho espacio se encontrará constituido por un número
infinito de puntos, los cuaiE<S satisfacen todas las 111 Identificación de las
Restricciones.
5 (F L'a SOLUCIÓN:óptima está asociada a un único punto de esquina del
) espacio de SOLUCIÓN:factible.
La SOLUCIÓN:óptima puede estar asociada a más de un punto de la región
factible, esta SOLUCIÓN:es conocida como óptimos alternativos.
Gráficamente se puede apreciar este hecho cuando la función Z resulta ser
paralela a la restricción que optimiza el valor de Z. Obteniéndose así dos
puntos de esquina que optimizan la SOLUCIÓN:.
116
Despajando más preguntas sobre el Método Gráfico
En el método gráfico, todo incremento en la función objetivo hará que:

La recta Z se desplace hacia arriba en el caso de una maximización.
La recta Z se desplace hacia abajo en el caso de una minimización.
La recta Z se desplace hacia arriba en el caso de una minimización.
La recta Z se desplace hacia abajo en el caso de una minimización.
La recta Z se desplace hacia arriba (abajo), si la pendiente de la recta es negativa
(positiva).
SOLUCIÓN:
Respuesta (e) En el método gráfico, todo incremento al valor de la función objetivo,
hará que la recta Z se desplace hacia arriba (abajo) si ia pendiente de ella es
negativa (positiva). En los gráficos siguientes se puede apreciar este suceso:
A A
Ilustración 4.1 La rectas pueden
tener pendiente positiva o negativa
·La función objetivo se desplazará por el espacio o RF hasta que:

La recta.Z llegue a un punto de esquina de la región factible.
La recta Z llegue al punto más alejado del origen de coordenadas.
La recta Z llegue al' punto más distante del origen de coordenadas, si se trata de un
problema de maximización.
La recta Z llegue al punto más cercano al origen de coordenadas, si se trata de un
problema de minimización.
La recta Z quede fuera de los límites de la región factible debido a un incremento o
decremento en su valor.
SOLUCIÓN:
Respuesta (e) La función objetivo se desplazará por el espacio o región factible
hasta que la recta Z, quede fuera de los límites de la región factible debido a un
incremento o decremento en su valor. Gráficamente se puede apreciar que si
desplazamos !a función Z, con un incremento (+ f}.Z) (Caso de Maximización) o
117
decremento(- .62) (Caso de Minimización) en su valor, ésta puede escapar del área
de la región factibie.
Caso Maximización Caso Minimización Ilustración

A 4.2La Función
A
... objetivo se
·desplaza de
manera
Incremento en Z Decremento en Z
Ilustración 4.3[a Función objetivo

se desplaza de manera paralela
..·. ~
. ··..
·· ....
··.·. Ilustración 4.4El máximo valor de
Z, al que puede llegar sin salir de
la región factible, se da en el punto
e
Para que un Respuesta ( d)

problema de Para cada una de las alternativas, se presentan lOs j
Programación Lineal siguientes sustentos:
tenga SOLUCIÓN:, 1 a) No es necesario que la RF se encuentre acotada, porque
es necesario que la para el caso de Minimización, ia RF puede extenderse hasta
RF: el infinito y lo único que importa es hallar e! valor que
a. Esté siempre minimiza a la función objetivo
1
acotada. 1 b) No es necesario que el origen de coordenadas sea punto
b. Contenga a! / de esquina, porque para el caso de Minimización, el origen
1 origen de / de coordenadas no siempre pertenece a la RF. 1
¡ .
118
coordenadas j e) Tampoco -es necesario que ia Rf esté ac-otada cuando la
como un punto de ( pendiente de la función objetivo es negativa. Solo importa
¡ esquina. que esta se encuentre acotada cuando se trata de
c. Esté acotada si la maximizar, debido a que para maximizar o minimizar el valor
pendiente de la l de la función objetivo
función objetiva d) Si es necesario que la RF se encuentre acotada para el
fuera negativa. caso de una maximización, ya que de lo contrario, el valor
d. Esté acotada para de Z se incrementaría hasta el infinito y no se encontraría
el caso de una SOLUCIÓN:óptima.
maximización. "a"
O "c.
"
·.· ...__
¿Cuáles son los i Respuesta. Los pasos son: Graficar las restricciones,Hallar
pasos básicos para /la región factible (RF), Graficar la Función Objetivo (FO), ¡
efectuar el Hallar la SOLUCIÓN:óptimaentre uno de los puntos de la
procedimiento del región factible (puede ser más de uno).
Método Gráfico?
¿Cómo se determina 1 Respuesta. Se debe de seguir el siguiente procedimiento:
f
el espacio Se grafican todas las restricciones. Para realizar esto, se
geométri9o de la RF? recomienda reemplazar a la inecuación por una ecuación y
graficar la línea recta resultante, seguida de esto se
sombrea la parte correspondiente a la cond!ción de la
desigualdad.
Luego se interceptan todas las restricciones. · ·
A la zona resultante de estas intersecciones se le denomina )
1
1
R-
¡-.
/
¿Por qué la 1 Respuesta. Porque !a optimización busca el máximo

SOLUCIÓN:óptima alejamiento (Caso Maximizacién) o el máximo acercamiento
está asociada con un (Caso Minimización) de la función objetivo dentro de la
punto de esquina de región factible, y estos extremos se dan siempre en uno de
la región factible? los puntos extremos de dicha región. Ejemplo: Caso
Maximización
Un pequeño 1ncremento de Z, haría que esta función este /
119
/ fuera de los límites de la RF.
Para el caso de Respuesta. Se debería de. agregar una restricción que limite 1
1
maximización Si la la zona no acotada; de este modo si se desea que el

región factible no problema presente SOLUCIÓN:, sea preciso identificar
1 está acotada, ¿Qué todas las 111 Identificación de las Restricciones y proponer
/ se debería de hacer una restricción que cumpla con dicho objetivo.
i con el modelo para Cabe resaltar que hay restricciones intrínsecas que en
/que tenga ¡ muchas ocasiones no son identificadas por el formulador

SOLUCIÓN:?
1
Usando el método gráfico Indique si el problema es infactible, óptimo o ilimitado.
Para aquellos que sean óptimos, encuentre la SOLUCIÓN:óptima.
4.2 Ejercicios de Método Gráfico
EJERCICIO 4.1
Maximizar -X1 + 2X2
Dependiendo de
6X1 - 2X2 ::;: 3
-2X1 + 3X2 ::;: 6
X1 +X2 ::;: 3
X1, X2 ;,::0
Graficando las Restricciones

1) -6X1 + 2X2 ;,::-3
-6X1 + 2X2 = -3 Si X1 =O => X2 = -1,5
Si X2 =O => X1 = 0,5
1f) -2X1 + 3X2 = 6 Si X1 =O => X2 =2
Si X2 =O => X1 = -3
i 11) X1 + X2 = 3 si X1 =O => X2 = 3
Si X2 =O => X1 = 3
Hallando la Región Factible
120
¡ ¡
--·-·---··-··--!-·--·-+-·-·
i .
'
X: 4¡3::2
Graficando la Función Objetivo

-X1+ 2X2 = 4 si X1 =O =>X2=2
Si X2 ==O =>X1 ==-4
Hallando la SOLUCIÓN:Óptima
La SOLUCIÓN:es la intersección de 11 y 111
-2X1 + 3X2 == 6 -2X1 + 3X2 = 6 111
X1 +X2 =3 11 2X1 + 2X2= 6 IV
5X2 = 12.
De donde la SOLUCIÓN:óptima es: X2= 2,4 X1= 0,6
El valor que toma la función objetivo es : z =4,2
121
EJERCICIO 4.2
Maximizar -4X1+ 8X2
Dependiendo de
6X1- 2X2 :-:;3
-2X1 + 3X2 :-:;6
2X1+ 3X2 :-:;24
X1 ,X2 ?:0
SOLUCIÓN:
G;aficando las Restricciones
1) 6X1- 2X2 = 3 Si X1 =O =:>X2= -1.5
Si X2 =O =:>X1=0.5
11) -2X1 + 3X2 = 6 Si X1 =O =:>X2=2
Si X2 =O =:>X1=-3
111) 2X1 + 3X2 = 24 Si X1 = O =:>X2=8
Si X2 =O =:>X1= 12
Hallando la región factible

-4X1 + 8X2 = 16 Si X1 =O =:>X2 =2
Si X2 =O :::>X1 = -4
Hallando la SOLUCiÓN:Óptima
La SOLUC!ÓN:es la inte;sección de 1 y 11
-6X1 + 2X2 = -3 --+ -5X1 +2X2 = -3
-2X1 + 3X2 = 6 6X1-9X2 = -18
-7X2 = -21
De donde la SOLUCIÓN:óptima es: X2 = 3,üX1 = 1,5
El valor que toma la fundón objetiva es:Z = 18
122
EJERCICIO 4.3 (Véanse las instrucciones anteriores)
Maximizar 3X1 +5X2
Dependiendo de -3X1 +2X2 :56
-X1 +X2 :55
-3X1 +8X2 ::: 12
3X1+2X2 ;::18
X1,X22:0
SOLUCION
Graficando las Restricciones
1) 3X1 - 2X2 = 6 si X1 =O => X2 =3
Si X2 =O :::>X1 =-2
11) -X1 + X2 = 5 si . X1 =O :::> X2 =5
Si X2=0 :::> X1 = -5
111) -3X1 + 8X2 = 12 si X1 =O :::> X2 = -1.5

Si X2 =O => X1 = -4
IV) 3x1 +2x2=t8 si x1= o :::> x2 =9
Si x2 =o => x1 =6
Hallando la región factible

3x1-'-5x2=15 si x1 =o ::::> x2 = 3
Si x2 =o => x1 == 5
Hallando la SOLUCIÓN: Óptima
\
El problema NO TIENE SOLUCIÓN:porque la región factible no está acotado
superiormente.
~· 123
EJERCICIO 4.4
Maximizar X1+X2
Dependiendo de 3Xí-5X2
3X1+ 2X2
X1,X2~0
1) Graficando las Restricciones

1) -3X1 + 5X2 =30 Si X1 =O => X2 =-6
X2 =O ::::>X1=10
11) 3X1 + 2X2 = 9 Si X1 =O => X2 =4.5.

Si X2=0 => X1 = -3
2)Graficando la Región FactiQie
1 '{: 13 6036 ¡
1 !
J
¡
l í
!
-·~
T •.
¿ ¡
f .i .,':;~.:. ~ •;¡. L- fl"'Jr)
r·'X". -...i1 r8
17
~·· · •''·l~
!¡.·
~ . .JL..:.
H-:--.:....· -~--....!,----~~~'~'oJ . ¡
1
~-.....,1,__----j
'
>
1• \ ~
• ......
1l 1! !: l
H---+---+,--+-¡.--..~-t--\.+---""";:-1--¡ ¡ ¡
,-·-----i---4
... ".:,....·
t
-~=::~~..:ldg ·:
; ¡
!---~-----~-~-\---l
f ' !'
\ ""4
r\..
¡l
~
!;
~\~~~~~·----fk·-----f---
¡
¡
3)Graficando la Función Objetivo

X1+x2=3 Si x1 =O =>x2=3
Si x2 =O => x1 = 3
Este problema NO TIENE SOLUCIÓN: FACTIBLE porque no tiene región factible.
124
EJERC!CIO 4.5
Minimizar 3X1 + 7X2
Dependiendo de X1-X2 ;,:4
X1+2X2 s 10
-2X1-X2 ;,:2
X1,X2;,:0
1)Graficando las Restricciones
1) -X1 +X2 =4 Si X1 =O X2 = -4
Si X2 =o => X1 =4
11) -X1 + 2X2 = -10 Si X1 =O X2 =-5
Si X2=0 => X1=10
111) 2X1 + X2 =-2 Si X1 =O X2 =-2
Si X2 =O X1 =-1
2)Graficando la Región Factible
3 )Graficando la Función Objetivo

3X1 + 7X2 = 21 Si X1 =O X2 =3
Si X2 =O => X1 = 7
Este problema NO TIENE SOLUCIÓN:ÓPTIMA porque no presenta una región
factible.
125
EJERCICIO 4.6
Maximizar 2X1 +2X2
Dependiendo de -6Xí+10X2 2: 15
X1+ X2 2:7
X1 ::;2
X1, X2 2:0
j) -6X1 + 10X2 = 15 SI X1 =O => X2 =1.5
Si X2 =O => X1 = -2.5
11) X1 + X2 = 7 si X1 =O => X2 =7
.. ~
Si X2 =O => X1=7
111) X1 = 7
2)Graficando la Región Factible
-::<: -1 .1 I:::
-Y: -1 3964
3)Graficando la Función Objetivo

2X1 + 2X2 = 4 si X1 =O => X2 =2
Si X2 =O => X1:::: 2
Este probiema NO TIENE SOLUCIÓN:ÓPTIMA porque no está acotado.
126
EJERCICIO 4. 7
Max~mizar -4X1 + 6X2
Dependiendo de 6X 1 - 2X2 ~ 3
-2X1 + 3X2 ~ 6
Xí +X2 ~3
X1,X2~0
1) -6X1 + 2X2 = -3 Si X1 =O=> X2= -1.5 Si X2 =O=> X1 = 0.5

11) -2X1 + 3X2 =6 Si X1 =O=> X2= 2 Si X2 =O::=> X1 = -3
111) X1 + X2 = 3 Si X1 =O=> X2= 3 Si X2 =O=> X1 = 3
Graficando la Región Factible
. ¡
¡
1
i
q
i x: s.slss
' !
¡ i
!
.---1--r--+--¡--·· --¡-
-4X1 + 6X2 = 24 Si X1 =O=> X2 =4 Si X2 =O => X 1 =-6
HaHando la SOLUCIÓN:Óptima
II)-2X1 + 3X2 =6 --7 -2X1 +3X2 = 6
X1 +X2 = 3 --7 2X1 +2X2 = 6
5X2 = 12
De donde la SOLUCIÓN:óptima es: X2 = 2,4 X1 =0,6
También X2 =2X1 =O
El valor que toma la fundón objetiva es: z = 12
127
EJERCJCIO 4.8
Maximizar -X1 +2X2
Dependiendo de 6X1 -2X2 ~3
-2X1 +3X2 ~6
X1 +X2 ~3
2X1 +2X2 ~8
o ~1 ~5
·o ~X2 ~5
X1,X2~ O
SOLUCIÓN:
1) -6X1 + 2X2 = -3 Si X1 =O ~ X2 = -1.5 Si X2 =O~ X1 = 0.5
11) -2X1 + 3X2 = 6 Si X1 =O ~ X2 =2 Si X2 =O ~ X1 =-3
111) X1 + X2 =3 Si X1 =O ~X2=3 Si X2 =O=> X1 = 3
IV) 2X1 + 2X2 = 8 Si X1 =O ~ X2 =4 Si X2 =O~ X1 =4
V) X1 =5 VI) X2 =5
graneando la Función Objetivo

-X1 + 2X2 = 4 Si X1 =O~ X2 =2 Si X2 =O::::::> X1 =-4
Hallando !e SOLUCIÓN:Óptima
La SOLUCIÓN:es la intersección de 11 y 111 ·
11)-2X1 + 3X2 = 6 ~ -2X1+ 3X2 = 6
111) X1 +X2 = 3 ~ 2X1+ 2X2 =6
5X2 =12
De donde la SOLUCIÓN:óptima es: X2 =2,4X1 =0,6
El valoí que toma la fundón objetiva es: Z =4,2
EJERCiCiO 4.9
Maximizar X1 +2X2
Dependiendo de X1 +X2 ~3
X1-2X2 <o O
X2 ~ 1
X1,X22:0
1 )Graficando las Restricciones
1) X1 + X2 = 3 Sí X1 =O==> X2 = 3 Si X2 =O==> X1 = 3
11) -X1 + 2X2 =O Sí X1 =O==> X2 =O Si X2 =O:=> X1 =O

111) X2 = 1
Graficando la Función Objeiívo

X1 + 2X2 = 4 si X1 = O => X2 = 2 si X2 =O=> X1 = 4
i)X1 +X2 = 3 ~ -2X1-2X2 =-6
11) -X1 + 2X2 =O - X1+2X2 =O
-3X1 =-6
De donde la SOLUC!ÓN:óptima es: X1 = 2X2 = 1

El valor que toma la fundón objetiva es: Z=4
Aquí, tres restricciones pasan por un mismo punto en la SOLUCIÓN:óptima.
129
/7_ ~-
~
EJERCICIO 4.10
Maximizar X1+2X2
Dependiendo de X1+X2 53
X1-2X2 2:: O
X2 2:: 1
X1 ,X2 2:: O
1) Xí + X2 = 3 si Xí =O=> X2 =3 si X2 =O => X1 =3
11) -X1 + 2X2 =O si X1 =O=> X2 =O ·si X2 =O => X1 =O
111) X2=1
··..............~...... .J. y :
................
............
............
~l
1
_J_
J l
X1 + 2X2 = 4 si X1 =O=> X2 = 2 si X2 =O => X1 =4
I)X1 +X2 = 3 -t -2X1 - 2X2 = -6
1!) -X1 + 2X2 =O - X1+ 2X2 =O
3X1 = -6
De donde la SOLUCIÓN:ópüma es: X1 = 2X2 = 1
El valor que toma la función objetiva es:Z = 4
Aquí, tres restricciones pasan por un mismo punto en la SOLUCIÓN:óptima.
~--130
EJERCICIO 4.11
Minimizar 2X1 +X2
Dependiendo de 5X1 - 4X2 ~ 14
X1- 4X2 ~ -2
2X1 +X2 ;: : : 5
6X1 -X2 ;: : : 3
X1,X2;::::0
I)Graflcando las Restricciones
1) -5Xí + 4X2 = -14 si X1 =O:::::> X2 = -3.5 si X2=0 :::::> X1 = 2.8
11) -X1 + 4X2 = 2 si X1 =O:::::> X2 =0.5 si X2 =O:::::> X1 = -2
111) 2X1 + X2 = 5 si X1 = O:::;> X2 =5 si X2 =O:::::> X1 = 2.5
IV) -6X1 + X2 = -3 si X1 =O:::::> X2 = -3si X2 =O:::::> X1 =0.5
II)Hallando la Región Factible
III)Graflcando la Función Objetivo

2X1 + X2 = 4 si X1 =O:::::> X2 = 4
Si X2 = O:::;> X1 =2
IV)Hallando la SOLUCIÓN:Óptima
La SOLUC!ÓN:es la intersección de 111 y IV
111) 2X1 +X2 =5--* 6X1 +3X2 =15
IV) -6X1 +X2 = -3 -6X1 +X2 = -3
4X2 =12
De donde la SOLUCIÓN:óptima es: X2 = 3X1 =1
También: X2 = 1Xí =2
El valor que toma la fundón objetiva es: Z= 5
Sin embargo, la F.O. es paraleia a la restricción 111) de modo que hay un número
infinito de Soluciones óptimas alternativas.
w~131
EJERCICIO 4.12
Minimizar 12Xi - 2X2
Dependiendo de 5X1-4X2 :::;;14
X1 - 4X2 :::;;-2
. 2X1 +X2 :2:5
6X1 -X2 :2:3
X1 ,X2 :2:0
I)Graficando ias Restricciones

1) -5X1 + 4X2 = -14 si X1 =O=> X2 = .:3.5 si X2 = O :::> X1 = 2.8
11) -X1 + 4X2 ~ 2 si X1 =O=> X2 =0.5 si X2 = O ::::> X1 = -2
111) 2X1 + X2 = 5si X1 =O==> X2 =5 si X2 =O ::::>X1 = 2.5
IV)-6X1 + X2 = -3 si X1 =O::::> X2 = -3 siX2 =O==> X1 = 0.5

. -, *·
!!)Hallando la Región Factible
III)Graficando la Función Objetivo

12X1- 2X2 = 12 si X1 =O :::>X2 = -6 si X2=0 ::::>-X1 =1
IV)Hallando la SOLUCIÓN:Óptima
La SOLUCIÓN:es la intersección de lil y IV
ill) 2X1 +X2 =5
IV)-6X 1 + X2 = -3
III-!V8X1 =8
De donde la SOLUCIÓN:óptima es: X1= 1 X2 =3

El valor que toma la fundón objetiva es: Z= 6 .
132
EJERCICIO 4.13
Minimizar 25L + 22H
Dependiendo de 0.45L + 0.35H ~ 126000 (gasolina)
O.1~L + 0.36H 290000 (turbosina)
0.30L + 0.20H 230000 (queroseno)
L,H 20
1)Graíicandc las restricciones
1) 0.45L + 0.35H =126000 SiL= O ~ H = 360000
Si H= O ~ L= 280000
11) 0.18L + 0.36H =90000 SiL= O ~ H = 250000

Si H= O ~ L= 500000
111) 0.30L + 0.20H =30000 Si L = O ~ H = 150000

Si H=O ~ L = 100000
iii) Graficando la Función Objetivo

25L + 22H= 5'500000 Si L = O~ H = 250000
Si H = O ~ L= 220000
La SOLUCIÓN:óptima es la intersección de las restricciones 1 y 11
1) 0.45L + 0.35H = 126000---+ 111) 0.90L +0.70H =252000
11)0.18L + 0.36H =90000 -ti V) 0.90L +1.80H = 450000
Restando IV-111 1,1 OH = 198000
De donde la SOLUCIÓN:óptima es: H = 180000 L = 140000
El valor que toma la función objetiva es:Z = 7'460000
133
EJERCICIO 4.14
Maximizar 0.55JN +0.40JT
Dependiendo de 0.04JN +0.05JT :5150 (tiempo de máquina)
0.70JN :<> 1000 (concentrado de naranja)
0.50JT s 1000 (concentrado de toronja)
JN,JT <:0
i) 0.04JN + 0.05JT = 150 Si JN =O ::::>JT = 3000
Si JT= O ::::>JN= 3750
11) O. 70JN = 1000 ::::>JN = 1428.57
111) 0.50JT = 1000 => JT = 2000

0.55JN + 040JT= 1000 Si JN =O => JT =25000
Si JT =O => JN= 1818.18
La SOLUCIÓN:es la intersección de 1y 11
1)0.04JN + 0.05.JT = 150 ---+ 0.028JN +0.035JT = 105
11)0. 70JN= 1000 ---+ -0.028JN = -40
0.035JT =65
SOLUCIÓN:óptima:JT = 1857.14JN = 1428.57
Valor de la F.O. z = 1528.57
La ganancia total es de 1528.57 durante una semana promedio.
Se producen en promedio a la semana un total de 1428.58 galones de concentrado
de jugo de naranja y 1857.14 galones de concentrado de jugo de toronja.
134
EJERCICIO 4.15
El siguiente modelo fue desarrollado por Camac Company, en que C es número de
coches compacto y ses el número de coches sub compactos por producir.
Maximizar 6740C +51 DOS
Dependiendo de 200C +150S :$ 80000 (materia prima)
18C +20S :$9000 (mano de obra)
e :$1500
S :$200
C, S;;>-Oy entero
Resuelva este problema gráficamente, ignorando los requerimientos enteros.
SOLUCIÓN:
1) 200C + 1.50S = 80000 si e= o S= 533.33
Si S =O C= 400
11) 18e + 20S = 9000 Si e= o S= 450
Si S= O e= 500
111) e= 15oo
S= 200
Graneando la Región Factible
Graneando la Función Objetivo
6740C + 5100S= 500000 Si e=O S= 98.04
Si S= O e=74.18
La SOLUCIÓN:es la intersección de 1 y IV
1) 200e + 150S = 80000 200e + 150S =80000
IV) S= 200 - 150S = -30000
200e =50000
De donde la SOLUCIÓN:óptima es: C = 2SO,S =200
El valor que toma la fund6n objetiva es Z = 2'705000
~-·· 135
EJERCICIO 4.16
Mineral MiningCompany envía una carga de camión de mineral de hierro y cobre de
la mina a 1a planta procesadora. El camión tiene una -capacidad de peso de 10
Toneladas y una capacidad de volumen de 1200 pies cúbicos. Cada libra de mineral
de hierro toma 0.04 pies cúbicos de espacio y produce una ganancia de $0.30 al
procesarse. Cada libra de mineral de cobre ocupa 0.08 .pies cúbicos de espacio y
proporciona una ganancia neta de $0.50
Formule un problema de programación lineal para determinar la cantidad de cada
mineral por cargar diariamente
Resuelva el problema de la parte a gráficamente. Explique la SOLUCIÓN: óptima y
el valor de la función objetivo.
SOLUCIÓN: ..
MH = Cantidad en libras de mineral de hierro por transportar.
MC =Cantidad en libras de mineral de cobre por transportar.
ll Identificación de la Función Objetivo

¡
Max 0.30MH + 0.50 MC
lll Identificación de las Restricciones
0.04MH + 0.08 MC :>1200
MH +MC::; 22046
MH,MC2: O
Solucion usando el Método Gráfico.
1) Graficando las Restricciones
1) 0.04MH + 0.08 MC = 1200 Si MH=O :::::;, MC = 15000
Si MC=O :::::;, MH= 30000
~-136
11) MH + MC = 22046 Si MH=O ::::> MC = 22D46
Si MC=O ::::> MH= 22046
2) Graneando la Región Factible
3) Graneando la Función Objetivo
0.30MH + 0.50 MC = 8000 Si MH=O ::::> MC = 16000
Si MC=O ::::> MH = 26666
Hallando la solución optima
la SOLUCIÓN:es la intersección dert y 11
1) 0.04MH + 0.08MC = 1200 0.04MH + 0.08MC= 1200
11) MH + MC = 22046 --t-0.04MH- 0.04MC = -881.84
0.04MC= 318.16
De donde la solución óptima es: MC = 7954, MH = 14092
El valor que toma la fundón objetiva es Z = 8204.6
137
EJERCICIO 3.17
Resoiver gráficamente el siguiente problema de Programación Lineal
MaxZ= 8 X1 +4 X2
sujeto a 2 X1 +X2 ~10
X1 + 3X2 ~ 14
X1 +X2 ~6
X1, X2 ~o
SOLUCIÓN:
1) Graficando las Restricciones:
Restricción 1: 2 X1 +X2 = 10 ... (C1)

Restricción 2: X1 + 3 X2 = 14 ... (C2)
Restricción 3: X1 +X2 =6 ... (C3)
La región factible queda determinada por la intersección de las gráficas de las

restricciones.
x1 + 3 x, = 14
2 x1 + x, = 10
Z= 8X1 +4X,

La función objetivo se puede graficar solamente si es expresada -como una ecuación
de 2 variables, por este motivo, se le dará a z (valor de la función objetivo) un valor
arbitrario inicial a modo de solución propuesta con el fin de poder graficar!a.
Para el problema, damos un valor inicial de 32 para Z
Desplazar la gráfica de Z, hasta llegar al punto óptimo:
Para encontrar el valor óptimo de Z, se deberá de mover paralelamente -e~ta gráfica
hasta llegar al punto máximo permitido que optimice su valor.
····Región
..... Factible
nhtnvie.rrm nos
.'XJ.
En este problema la gráfica de Z, en su posición óptima, coincide con la gráfica de la

primera restricción; circunstancia que ofrece al pmblema dos puntos óptimos que
para Z.
13.9
Determinar el valor óptimo de la FUNCIÓN OBJETIVO:
Para determinar este valor, es necesario conocer las coordenadas del punto óptimo;
y para conocer estas coordenadas, se deberá de identificar a las -rectas que definen
a dicho punto (estas rectas pueden ser restricciones o ejes coordenados).
Identificadas las rectas, se obtendrá el valor de las coordenadas del punto óptimo
resolviendo las ecuaciones de · las rectas que lo definen, en un sistema de
ecuaciones lineales de dos variables.
Para este problema, se presentaron 2 puntos (A y B):
Punto A, es resultado de la intersección de las rectas C1 y C3 (restricciones í y 3):
C1: 2 X1 + X2 = 10
C3:X1 + X2 =6
Resolviendo el sistema se obtiene:
Restamos C3 de C1:
C1:2X1+X2=10
C3:- X1 -X2 =- 6
X1=4
Luego, reemplazando en C1:
C1: 2(4) + X2 = 10
X2 = 2
Es decir: A = ( 4,2)
Punto B, es resultado de la intersección de la recta C1 y el semieje de las abscisas
(Restr:icción 1 y la recta X2 =O)
C1:2X1+X2=10
X2 =O
Resolviendo el sistema se obtiene:
X1 = 5 y X2 =O
Es decir: B = (5,0)
Finalmente, para determinar ei valor óptimo de la FUNCIÓN OBJETIVO, se tendrá
que evaluar el valor de Z en el punto óptimo.
Para este problema, se tendrá que evaluar Z en !os puntos A y B.
Punto A: Z = 8(4) + 4(2) = 40
Punto 8: Z =8(5) + 4(0) = 40
Como puede apreciarse, en ambos casos el valor óptimo de .la
140
EJERCICIO 4.17
Resolver gráficamente el siguiente problema:
Min Z == 2 X1 + 3X2
sujeto a X1 +X2 ;?:13
2 V1
/\. ' +X2 z18
.,,1
; ' ' + 3 X2 ;?:21
X1 + 2X2 ;?:18
X1, X2 zO
SOLUCIÓN:
Graficando las restricciones:
X1 +X2>13 ... (Cí)
2 X1 +X2>18 __:_ (C2)
X1
X1 + 3 X2>21 ... (C3)

Xí + 2 X2>18 ... (C4)
Graficando !a FUNCIÓN OBJETiVO, se encuentra en el punto A (Este punto es el
resultado de la intersección de las rectas C 1 Y C4 ).
Luego el punto A se obtiene de las siguientes restricciones:
Cí: X1 + X2 == 13yC4: X1 + 2 X2 = !8
Resolviendo el sistema se tiene:
X1 = 8 y X2 =5; es decir: A= (8,5)
Finalmente el valor óptimo de la FUNCIÓN OBJETIVO es: Z = 2(8) + 3(5) = 31
141
~···
EJERCICIO 4. 18
Una empresa que opera 12 hoías diarias, ensambla sus dos tipos de productos en
tres procesos en secuencia, el primer y segundo proceso se realizan en 4 y 5 horas
respectivamente. La siguiente tabla resume los datos del problema.Encuentre el
Plan óptimode producción
1 Identificación de las Variables
X1: Cantidad de productos tipo 1 a ensamblarse en un dfa.

X2: Cantidad de productos tipo 2 a ensamblarse en un día.
11 Identificación de la Función Objetivo Max Z = 8 X 1 + 1O X2

Tiempo disponible para el Proceso 1 (4 horas por día): 4 X1 + 4 X2~ 4 X
60
Tiempo disponible para el Proceso 2 (5 horas por día): 3 X1 + 6 X2~ 5 x

60
Tiempo disponible para el Proceso 3 (3 horas por día, debido a que la empresa
labora 12 horas diarias): 3,6 X1 + 1,8 X2~
3 X 60

MaxZ= 8X1 +íOX2
sujeto a 4 X1 + 4 Y2 ~ 240 ... (C1)

3 X1 + 6 X2 ~ 300 ... (C2)
3,6 + 1,8 ~ 180 ... (C3)
142
X1 X2
X1, X2
·-
'
... ....
__.,, ,- _
,_.._ __._,
- -··~·
Gráfica del Modelo:

El valor óptimo de la FUNCIÓN OBJETI':O, se encuentra en el punto A (Ver gráfico
en la página anterior). Dicho punto -~s el resultado de la intersección de las rectas C1
YC2.
C1: 4 X1 + 4 X2 = 240
C2: 3 X1 + 6 X2 = 300
Resolviendo el sistema se tiene: X1 = 20 y X2 = 40
Es decir: A = (20,40)
Finalme[lte el valor óptimo de la FUNCIÓN OBJETIVO es: Z = 8(20) + 10(40) = 560
SOLUCIÓN:
Plan Óptimo de Producción: Producir 20 productos del Tipo 1 y 40 del Tipo 2,
obteniéndose una utilidad de S/. 560 diariamente.
EJERCICIO 4.19
RENZO COSTA, fabrica 2 tipos de mochilas estilo viajero: (Mochilas Tipo 1 y 2
respectivamente). La mochila tipo 1 requiere el doble de tiempo de trabajo que ia del
tipo 2. Si se produjeran solamente mochilas del tipo 1, se podrian producir 20
mochilas al día. La demanda diaria de las mochilas tipo 1 y 2 son 15 y 20 ·
respectivamente. Sabiendo que las utilidades unitarias de las mochilas tipo 1 y 2 son
SI. 6 y S/. 4 (respectivamente).
Encuentre el Plan óptimo de producción
X1: Cantidad de mochilas tipo 1 a producirse en el día.
143
X2: Cantidad de mochilas tipo 2 a pr-oducirse en e! día.
T1: Tiempo necesario para producir un sombrero tipo 1.
T2: Tiempo necesario para producir un sombrero tipo 2.
T: Tiempo total disponible para producir en un día.
/Identificación de la Función Objetivo
Max Z = 6 X1 + 4 X2
lllldentificación de las Restricciones
Demanda diaria de las mochilas Tipo 1: X1~ 15
Demanda diaria de las mochilas Tipo 2: X2~ 20
Tiempo disponible para la producción diaria: T =20T1
Relación entre los tiempos de producción de ambos tipos: Tf = 2T2
Disponibilidad de tiempo para la producción de ambos tipos de mochi!as:T1 X1 + T2
X2~T
Expresando la restricción en términos de T2 tenemos: 2T2 X1 +

T2 X2~ 20(2T2)
Simplificando T2 se obtiene 2 X1 + X2~
40
6
Max Z = + 4 X2
X1
2
sujeto a + X2 ~ 40 ... (C1)
X1
X1 ~ 15 ... (C2)
X2 ~ 20 ... (C3)
X1, X2, ~O

El valor óptimo de la FUNCIÓN OBJETIVO, se encuentra en ei punto A (Este punto
144
es el resultado de la intersección de las rectas C1 Y C3)
C1: 2 X1 +X2 = 40
C3:X2 = 20
X1=10yX2=20
Es decir: A = (1 0,20)
Finalmente el valor óptimo de la FUNCIÓN OBJETIVO es:
Z = 6(1 O)+ 4(20) = 140
SOLUCIÓN:
Producir 10 mochilas del Tipo 1 y 20 del Tipo 2, obteniéndose una utilidad diaria de
S/. 140.
EJERCICIO 4.20
LA BODEGA "DON JOSÉ",vende las dos marcas de gaseosas más conocidas en el
mercado, Coca Cola y Ko!a ReaL El margen de utilidad por botella de 1 }';litros de
Coca Cola es de S/. O.25, mientras. que Kola Real aporta una ganancia de S/.
0.35.En promedio, la tienda no vende más de 100 botellas de ambas gaseosas al
día. Aun cuando Coca Cola es una marca más conocida, los clientes tienden a
comprar más botellas de Kola Real, porque es considerablemente más económica.
Se calcula que las ventas de Kola Real superan a las de Coca Cola en una razón de
2 a 1, por lo menos. Sin embargo, vende como mínimo 25 botellas de Coca Cola al
día. Ayude a Don José a maximizar su utHidad en la venta de las bebidas.
SOLUCIÓN:
X1: Número de botellas de 1 }';litros de Coca Cola a comprarse
diariamente.
X2: Número de boteiias de 1 }';litros de Ko!a Real a comprase
diariamente.
Max Z = 0.25 X1 + 0.35 X2
Máxima cantidad de botellas vendidas de ambas gaseosas en el día: Xí +
X2:s: 100
145
Relación entre las ventas de ambas gaseosas (Las ventas de Kola real superan a
las de Coca Cola en una razón de 2 a 1 por lo menos): ·
X2;;::: 2 X1
Demanda mínima de Coca Cola: X1~25

0.25 + 0.3-5
Max Z =
X1 X2
sujeto a X1 +X2 ~ 100 ... (C1)
-2 X1 +X2 ?:0 ... (C2)
X1 ~25 ... (C3)
X1, X2, ~o
El valor óptimo de la FUNCIÓN OBJETIVO, se encuentra en el punto A (Ver gráfico

de la página anterior). Dicho punto es el resultado de la intersección de las rectas
C1 Y C3)
C1: X1 + X2 = 100
C3: X1=25
X1 =25 y X2 =75 Es decir: A= (25,75)
z = 0.25 (25) + 0.35 (75) = 32.5
SOLUCIÓN:
Plan Óptimo de Venta: Ofrecer 25 botellas de Coca Cola y 75 de Kola Real, para
obtener una utilidad diaria de S/. 32.5.
146
EJERCICIO 4.21
Miguel Ángel, debe trabajar por lo menos 30 horas a la semana para ayudar en sus
gastos mientras estudia en la universidad. Tiene la oportunidad de trabajar en dos
cabinas de Internet: En R@pinet ,Miguel Ángel puede trabajar entre 8y 18 horas a la
semana, y en Fl@sh.comle permiten trabajar entre 9 y 15 horas. Ambas cabinas
pagan el mismo salario por hora .. De manera que Miguel Ángel quiere basar su
decisión acerca de cuantas horas debe trabajar en cada cabina en un criterio
diferente: El factor de estrés en el trabajo. Basándose en una entrevista con los
empleados actuales, Miguel Ángel calcula que, en una escala del 1 al 1O, los
factores de estrés son de 7 y 5 en la primera y segunda cabina respectivamente.
Debido a que el estrés aumenta por hora, él supone que el estrés total al final de la
semana es proporcional al número de horas que trabaja en las cabinas. Encontrar la
SOLUCIÓN:que le penmita a Miguel Ángel, conocer el número de horas que debe
trabajar en cada cabina.
SOLUCIÓN:
X1: Número de horas a trabajar en la cabina "R@pinet"
semanalmente.
X2: Número de horas a frabajar en la cabina "FI@sh.com"
semana !mente.
Criterio Objetivo: Minimizar el nivel de estrés en el trabajo.
Min 7 X1 + 5 X2
Migue!Angel debe trabajar por lo menos 30 horas a la semana:
X1 + X22 30
En R@pinet, puede trabajar entre 8 y 18 horas a la semana:
8~X1~18 ó X12 8 y X1~ 18
En Flash.com,puede trabajar entre 9 y 15 horas:
9~X2~15 ó X22 9 y X2~ 15
7
M in + 5 X2
X1
147
e
sujeto a X1 +X2 ;:: 30 (i)
X1 ;::8 (ii)
X1 ~ 18 (iii)
X2 ;::g (iv)
X2 ~ 15 (v)
X1, X2 ;::o
La SOLUCIÓN:óptima de 1á función objetivo, se encuentra en la intersección de las
restricciones (i) y (v)
C1: X1 + X2 =30
es: X1= í5 .... ·::- ·.• 4.
,¡
Resolviendo el sistema d
""'·""'"'"""
~
:~·
se tiene: ;~:,
X1=15yX2=15
4:" -<a;· . .
."[.
ñ~
Es decir: A= (15, 15) ~;:
Finalmente el valor
óptimo de la FUNCI_ÓN
OBJETIVO es:
z = 7 ( 15) + 5( 15) = 180
Respuesta:
Miguel Angel deberá de
trabajar 15 horas en a
la semana en cada una
de las cabinas, de este
modo su nivel de Estrés
será de 180.
148
EJERCICIO 4.22
JOSEMA RÍA. es un estudiante de universitario muy entusiasta. Él razona "Sólo
trabajo y nada de diversión ", lo convierte en un muchacho aburrido. Como
resultado, Josemaría quiere distribuir su tiempo disponible de alrededor 1O horas al
día, entre el trabajo y !a diversión. Él estima que el juego es el doble de divertido que
el trabajo. También quiere estudiar tanto como juega. Sin embargo, si él quiere
terminar toelas sus tareas universitarias, no puede jugar más de 4 horas al día.
Encuentre la manera en que Josemaría distribuya su tiempo de manera que
maximice su satisfacción tanto en el trabajo como en el juego.
SOLUCIÓN:
X1: Número de horas del día destinadas al trabajo.
X2: Número de horas del día destinadas al juego.
Criterio Objetivo: Maximizar su nivel de diversión tanto en el trabajo como en
el juego (El Juego es el doble de divertido que el trabajo).
Max Z = X1 + 2 X2
1
Tiempo disponible al día : 1O horas: X1 + X2 ~ 1O
Estudiar por lo menos tanto como juega: X1 ;;::: X2
No puede jugar más de cuatro horas al día: X2 ~ 4
X1, X2 ;;:::O

:K:! ..
El valor óphmo de la FUNCIÓN OBJETIVO, se encuentra :en el punto A (Ver gráfico
de la página anterior). Este punto es el resultado de la intersección de las rectas C1
YC3.
C1: X! +X2 = íO
C3:X2 =4
X1 =6 y X2 =4
Es decir: A= (6,4)
Z=1(6)+2(4)=14
SOLUCIÓN:
Gustavo Ara ujo deberá de dedicar 6 horas .diarias al trabajo y 4 al juego, de este
modo su nivel de satisfacción será de 14.
EJERCICIO 4.23
La carpintería "Don Toyo", de Hernando Torre, emplea a cuatro carpinteros durante
20 días para ensamblar mesas y sillas. Se requiere de 1 hora para ensamblar una
mesa y de 30 minutos para el ensamble de una silla. Por lo general, los clientes
compran entre 2 y 6 si!!as con cada mesa. Las utilidades son de S/.40.00 por mesa y
S/.15.00 por silla. La carpintería opera en un turno de 8 horas al día. Encuentre la
SOLUCIÓN:que ayude al Señor Torre determinar el plan de producción óptimo para
los siguientes 20 días .
. SOLUCIÓN:
X1: Número de Siilas a ensamblarsediariamente.
X2: f\Júmero de Mesas a ensamblarse diariamente.

Max Z = 15 X 1 + 40 X2
111 identificación de las Restricciones
-· 150
El tiempo utilizado en la eiaboracíón de los productos debe ~er menor -0 igual
a 8 horas:
(30/60) X1 + X2s 8
Los dientes compran entre 2y 6 sillas con cada mesa:

2X2sX1s 6X2
Xí, _ X2 ¿Q
A
El valor óptimo de la FUNCIÓN OBJ¡:TIVO, se encuentra en el punto A. Dicho punto
es el resultado de la intersección de las rectas C1 Y C2.
Luego el punto A se obtiene de las siguientes rest~icciones: .

C1: 0.5 X1 +X2 = 8
C3:X1 - 2 X2 =O

X1 = 8 y X2 = 4 Es decir: A = (8,4)

z = 15(8) + 40(4) = 280
SOLUCIÓN:
Miguel Rojas deberá de producir 8 sillas y 4 mesas durante los próximos 20 días,
para obtener un utilidad diaria de S/. 280.
/ 151
EJERCICIO 4.24
FINANCIERA "SOLUCIÓN:", esté.! asignando un máximo de S/.1 00 000 para
préstamos personales y préstamos para construcción de viviendas. La financiera
cobra 14% de interés por préstamos personales y 12% para las viviendas. Ambos
tipos de préstamos se liquidan al final del periodo de un año. La experiencia muestra
que alrededor del 3% de los préstamos personales y el 2% para préstamos de
vivienda nunca se liquidan. Por !o general, el banco asigna cuando menos el doble
de los préstamos personales a los préstamos de vivienda.
Encu~ntre la SOLUCIÓN:que permita optimizar e! uso de los recursos.
SOLUCION
X1: Cantidad de S/. -a asignarse a los préstamos personales,
anualmente.
X2: Cantidad de SI. a asignarse a los préstamos de vivienda,
anualmente.

Criterio Objetivo: Maximizar el1 interés obtenido por ambos tipos de préstamos.
Max Z = 14%(97% X1) + 12%(98% X2)- 3% X1 -2% X2
Observación: los préstamos que no se liquidan son una pérdida y no aportan
intereses.

El monto disponible para los dos tipos de préstamos:
X1 + X2~ 100 000
La cantidad asignada para los préstamos de vivienda será mayor al dobie de
la destinada para los préstamos peísonales: X22': 2 X1
Max Z = 0.1058 X1 + 0.0976 X2
sujeto a X1 + X2 ~ 100 000 ... (C1)
- 2 X1 + X2 2':0 ... (C2)
X1, X2 2':0
152
El valor óptimo de la FUNCIÓN OBJETIVO, se encuentra en el punto A. Dicho punto
es el resultado de la intersección de las rectas C1 Y C2.

C1:X1 + X2 = 100 000
C2:- 2 X1 + X2 =O
X1 = 33 333.33 y X2 = 66 666.66
Es decir: A= (33 333.33, 66 666.66)
z = 0.1058 (33 333.33) + 0.0976 (66 666.66) = 1o 033.33
SOLUCIÓN: Financiera SOLUCIÓN:deberá de asignar S/. 33 333.33 a los
préstamos personales y S/. 66 666.66 a los de vivienda, logrando de esta manera un
interés anual de S/. 1O 033.33.
153
EJERCICIO 4.25
Conserv'as A 1 tiene un contrato para recibir 50000kg de tomates maduros a S/.0.50
por Kg., con los cuales produce jugo de tomate enlatado y pasta de tomate. Los
productos enlatados se empacan en cajas de 24 latas. Una lata de jugo requiere de
1kg de tomate y una lata de pasta solo requiere de :h Kg. La participación de
mercado de la compañía se limita 1000 de jugo y 3000 cajas de pasta. Los precios
de mayoreo-por caja de· jugo y de pasta son de S/.15.00 y S/.10.00 respectivamente.
Encuentre la SOLUCIÓN: que permita obtener el máximo beneficio.
SOLUCIÓN:
X1: Cantidad de Cajas de Jugo de Tomate a producirse.
X2: Cantidad de Cajas de Pasta de Tomate a producirse.

Criterio Objetivo: Maximizar beneficios
Max Z = 15 X1 + 10 X2- 0.5 (24 X1 +12 X2)
Observación: Una caja de jugo requiere de 24 Kg. De tomate, mientras que
una de pasta sólo 12. Cada Kg. De tomate cuesta S/. 0.5

Disponibilidad máxima de Kg. de tomate: 24 X1 +12 X2:::; 50 000
·X>
Participación en el mercado para el jugo de tomate: X1:::; 1 000

Participación en el mercado para la pasta de tomate: X2:::; 3 000
Max Z = 3 X1 + 4 X2
154
·· ..
sujeto a 24 X1 + 12 X2 s 50 000 ... (C1)
X1 ::S:1 000 ... (C2)
X2 s3 ooo ... (C3)

X1, X2 ;;::O
en la página siguiente). Dicho punto es el resultado d~ la intersección de las rectas
C1 Y C3.
Luego el punto A se obtiene de las siguientes restricciones: C1: 24 X1 + 12 X2 == 50
000
C2:X2 ==3 000
.Resolviendo el sistema se tiene: X1 == 583.33 y X2 = 3
000
Es decir: A== (583.33, 3 000)
Finalmente el valor óptimo de la FUNCIÓN OBJETIVO es: Z == 3(583.33) + 4(3 000)
==13750
SOLUCIÓN:
Conservas A 1, deberá producir 583.33 cajas de jugo de tomate y 3 000 de pasta,
obteniéndose de esta manera un beneficio de S/. 13 750.
1-55
EJERCICIO 4.26
Carpinterfa "M&Cr. ensambla dos tipos de reposteros de cocina de madera: regulares
y de lujo. Los reposteros regulares están pintados de blanco y los de lujo están
barnizados. Tanto el pintado como el barnizado se llevan a cabo en el mismo
departamento. La capacidad mensual del departamento de .ensamble puede producir
un máximo d.e 200 reposteros reguiares y 180 reposteros de lujo: El barnizado de un
repostero de lujo se lleva el doble de tiempo que pintar uno regular. Si el
departamento de pintura 1 barnizado se dedicara únicamente a las unidades de lujo,
terminaría 200 unidades af mes. M & C calcula que las utilidades por unidad de los
reposteros regulares y de lujo son de S/.50 y S/.80 respectivamente. Encuentre la
SOLUCIÓN:que permita obtener e! beneficio óptimo.
SOLUCIÓN:
! Identificación de las Variables
X1: Cantidad de Reposteros Regulares a producirse
mensualmente.
X2: Cantidad de Reposteros de Lujo a producirse mensualmente.
Tí: Tiempo necesario para producir un Repostero Regülar.
T2: Tiempo necesario para producir Reposteros de Lujo.
T: Tiempo total disponi13Ie para producir en el mes.
Max Z =50 X1 + 80 X2
Capacidad máxima del departamento de ensamble: X1 ::; 200
X2 ::; 180
El barnizado de un repostero de lujo lleva el doble de tiempo -que el pintado de uno
regular:T2 =2T1
El departamento de pintado 1 barnizado puede producir 200 unidades de Lujo al
mes, si solo produce esas unidades: T =
200T2
Tiempo total disponible para la producción de ambos tipos de Reposteros: TI
X1 + T2 X2 ::; T
Expresando la restricción en términos de T1 tenemos:T1 X1 + 2 Ti X2::; 200(2T1)
Simplificando TI se obtiene: X1 + 2 X2 ·::; 400
~·· 156
Modelo de Programación Lineal ·
MaxZ= 50 X1 +80X2
sujeto a XI ~200 ... (C1)
X2 ~ 180 ... (C2)
X1 + 2 X2 ~400 ... (C3)
X1, X2, 2:0
.¡,¡..-.~ --·-

en la página anterior). Dicho punto es el resultado de la intersección de las rectas Ct
YC3.
Luego el.punto A se obtiene de las siguientes restricciones: C1: X1 = 200
C3: Xí + 2 X2 = 400
X 1 =200 y X2 = 100
Es decir: A= (200,100)
Finalmente el valor óptimo de la FUNCIÓN OBJETIVOes: Z = 50(200) + 80(100) =
18 000
SOLUCIÓN:
Carpintería M & C deberá de producir 200 Reposteros Regulares y 100 de Lujo, para
obtener así una utilidad mensual de SI. 18 000.
157
EJERCICIO 4.27
Ferretería "Barbosa" prepara dos tipos de pintura: Color Max y Color Star. El
volumen de venta de Color Max es por lo menos el 80% de la venta de ambas
pinturas. Sin embargo, la ferreteíÍa no puede vender más de 3D unidades de Color
Max diariamente. Las dos pinturas utilizan para su elaboración un tipo de
imprlmante,- cuya disponibilidad máxima diaria es de 70kg. Color Max utiliza 2kg de
materia prima por unidad, mientras que Color Star4kg. Los precios por un balde de
pintura de Color Max y Color Star son de S/.15 y S/.25 respectivamente. Encuentre
la SOLUCIÓN:que permita obtener la máxima utilidad.
SOLUCION
!Identificación de las Variables
X1: Unidades de Color Max a producirse diariamente.
X2: Unidades de Color Star.a producirsediariamente.
Max Z = 15 X1 + 25 X2
1
Volumen de ventas de Color Max: X1~ 80%(X1 + X2)
Posibilidad de venta de Color Max: X1~ 30
Disponibilidad-de la materia prima: · 2 X1 + 4 X2~ 70

MaxZ= 15 X1 + 25 X2
sujeto a 0.2 X1 -0.8 X2 ;:::O ... (C1)
X1 S 30 ... (C2)
2 X1 + 4 X2 ~ 70 ... (C3)
X1, X2 ~o
158
El valor óptimo de la FUNCIÓN OBJETIVO, se encuentra en el punto A. Dicho punto
es el resultado deJa intersección de las rectas C2 Y C3.
Luego el punto A se obt;ene de las siguientes restricci_ones: C2:X1 = 30 -
C3: 2 X 1 + 4 X2 = 70
Resolviendo el sistema se tiene: X1 = 30 y X2 = 2.5
Es decir: A = (30, 2.5)
Finalmente el valor óptimo de la FUNCIÓN OBJETIVO es: Z = 15(30) + 25(2.5) =
512.5
SOLUCIÓN: Ferretería Barbosa, del;>erá producir 30 unidades ·de pintura Color Max
y 2.5 de Color Star, para obtener un beneficio de S/. 512.50
--EJERCICiO 4.28
El HoteiCrillónpuede anunciar su diversidad de servicios en la radio o televisión
. local. El presupuesto para anunc:ios está limitado a S/.100.00 al mes. Cada minuto
de anuncio por radio cuesta S/.50 y cada minuto de comerciales por televisión
cuesta S/.400. A CrillónHotelie interesa utilizar los anuncios por radios por lo menos
el doble de los anuncios por televisión. Por lo pronto, no es práctico utifizar más de
1000 minutos de anuncios por radio. La experiencia pasada muestra que los
anuncios por televisión· son más efectivos que los de radio, en la relación de 20 a
1.Encuentre !a SOLUCIÓN: que permita optimizar el uso de los recursos.
SOLUCIÓN:
Hdentificacíón de las variables
X1=Cantidad de minutos en Anuncios por Radio a comprarseen el mes
S
X2=Cantidad de minutos en Comerciales por TV. a comprarse en el mes
159
. '
!Hdentificación de la Función Objetivo

Criterio Objetivo: Maximizar el nivel de -efectividad de los anuncios.
Max Z = X1 + 20 X2
111 Identificación de las Resiricciones
Presupuesto disponible para los anuncios_
50 X1 + 400 X2:s: 100 000
Los anuncios por radio deben ser por ío menos el doble de los de TV.
JQ .......... , ... _ , , _
X12: 2 X2
Máxima cantidad de anuncios por ra,dio:
Xb 1 000
El valor óptimo de la FUNCIÓN OBJETIVO, se encuentra en el punto A Dicho punto
es el resultado de la intersección de las rectas C1 Y CZ
Luego el punto A se obtiene de las siguientes restricciones: C1: 50 X1 + 400 X2 =
100 000
C2:X1-2 X2 =O
Resolviendo el sistema se tiene: X1 = 400 y X2 = 200
Es decir: A= (400, 200)
Finalmente el va!or óptimo de la FUNCIÓN OBJETIVO es: Z = 1(400) + 20(200) = 4
400
SOLUCIÓN:
Crillón Hotel, deberá comprar 400, minutos en Anuncios de Radio y 200 en
Comerciales para la TV_ Obteniendo así un nivel de efectividad en los anuncios de 4
400,
rf)__.
160
EJERCICIO 4.29
La empresa eléctrica "Santa Rosa", afiliada a EDGEL, es propietaria de una piante
generadora de energia con turbinas de vapor. Debido a que Santa rosa es rica en
depósitos de carbón, la planta utiliza el mismo para generara el vapor. Sin embargo
esto crea el problema de satisfacer los estándares de emisión. Las regulaciones de
Agencia de Protección Ambiental, limitan la descarga de dióxido de azufre a 2000
partes por millón y la descarga de humo de las chimeneas de la planta a 20kg por
hora. La empresa recibe dos grados de carbón pulverizado, CX1 y CX2, para ser
utilizados en la planta. Por lo general, los dos grados se mezclan antes de
quemarlos. Para facilidad en los cálculos, se supondrá que el contaminante de
azufre de la mezcla (en partes por millón) es un promedio ponderado de la
proporción de cada grado empleado en la mezcla. Los siguientes datos se basan en
el consumo de 1 tonelada por hora de cada uno de los grados de carbón.
permita cumplir con las regulaciones de la Agencia de

Protección Ambiental
SOLUCI.ÓN:
X1: Cantidad de Ton.' De carbón de grado CX1 a quemarse en 1 h
X2: Cantidad de Ton. De carbón de grado CX2a quemarse en 1 h
li Identificación de la Función Objetivo
Criterio Objetivo: Maximizar el vapor producido por lo carbones.
Max Z = 12 000 X1 + 9 000 X2
La descarga de dióxido de azufre debe ser a lo més de 2 000 partes por millón. El
contaminante de azufre de la mezcla es un promedio ponderado de la proporción de
cada grado empleado en la mezcla.
1800 X1 + 2 100 X2:S: 2000 (X1 + X2)
La descarga de humo debe ser meno ro igual a 20 Kg por hora.
2.1 X1 + 0.95 X2:s: 20
161
MaxZ= 12 000 X1 + 9 000 X2
sujeto a -200 X1 + 100 X2 50 ... (C1)
2.1 X1 + 0.95 X2 5 20 ... (C2)
X1, X2 ¿O

El valor óptimo de la FO, se encuentra en el punto A. Dicho punto es el resultado de
la intersección delas rectas C1 Y C2.
Luego el punto A se obtiene de las srguientes restricciones: C1: -200 X1 +1 00 X2 =O
C2:2.1 X1 + 0.95 X2 = 20
Resolviendo el sistema se tiene: X1=5yX2=10
Es decir: A= (5, 1O)
Finalmente el. valor óptimo de la FO es: z = 12 000( 5) + 9
000(10) = 150 DOO
SOLUCIÓN:
Empíesa Eléctrica Santa Ros~ deberá quemar 5 unidades del carbón de grado CX1.
y 1O del carbón de grado CX2, para obtener 150 000 Kg. de vapor en una hora.
162
EJERCICIO 4.30
Confecciones Zarah, confecciona camisas para caballeros y blusas para damas para
hipermercados Metro. Metro aceptará toda !a producción que le proporciona Zarah.
E! proceso de producción incluye corte, costura y empacado. Zarah emplea a 25
trabajadores en el departamento de corte, a 35 en costura y 5 empacado. La fábrica
trabaja un tt¿rno diario de 8h y 6 días a la semana.La siguiente tabla proporciona los
requerimientos de tiempo y las utilidades por unidad para las dos prendas .
... ,:· . . . ·(.. ':.'
Blusa 6o .· · ·:6o· ·
Encuentre la SOLUélóN:que d~t~.r~ine,.el programa de producción semanal para
Zara h.
SOLUCIÓN:
X1: Cantidad de Camisas para caballero a confeccionar
semanalmente.
· X2: Cantidad de Blusas para dama a confeccionar semanalmente.

Criterio Objetivo: Maximizar las utilidades de ambas prendas.
Max Z = 5 X1 + 6 X2

Minutos disponibles en el departamento de corte. 20 X 1 + 60 X2:::; 25 X 8 X
6 X 60
Minutos disponibles en el departamento de costura. 70 X1 + 60 X2:::; 35 x 8 x
6 X 60
Minutos disponibles en el departamento de empacado. í 2 X 1 + 4 X2:::; 5 x
8 X 6 X 60
~163
Observación:El número de minutasen un departamento disponibles semanalmente
es igual al pmducto del número de trabajadores por el número de minutos en una
semana. Por ejemplo en el departamento de corte:25 x 8 x-6 x 60
MaxZ= 5 X1 +6 X2
sujeto a 20 X1 + 60 X2 ~72000 ... (C1)
70 Xí + 60 X2 ~ 108000 ... (C2)
12 Xí +4 X2 ~14400 ... (C3)
X1, X2

· El valor óptimo de la FO, se encuentra en el punto A (Ver gráfico de la página
anterior). Dicho pUnto ·es el resultado de la intersección de las rectas C1 Y C2.
Luego el punto A se obtiene de las siguientes restricciones: C1: 20 X1 + 60 X2 =72
000
C2: 70 X1 + 60 X2 = 108 000
Resolviendo e! sistema se tiene: X1 =720 y X2 = 960
Es decir: A= (720, 960)
Finaimente e! vaior óptimo de la FO es:Z = 5(720) + 6(960) = 9360
SOLUC!ÓN:La empresa Zarah, tendrá que confeccionar 720 camisas y 960- blusas
para obtener una utilidad semanal de S/. 9 360.
(¿ 164
EJERCICiO 4.31
.Industrias 'éPaquita", fabrica dos productos de limpieza para el hogar: Extra Clean y
Súper Cleah; procesando dos tipos de cloro: Tipo 1 y Tipo !l. El procesamiento de un
galón de cloro Tipo 1 cuesta S/.8 y produce medio galón de Extra Clean y 0.5
galones de Súper Clean. Mientras que el procesamiento de un galón de cloro Tipo 11
cuesta S/.6 y produce 0.6 galones de Extra Clean y 0.4 galones de Súper Clean. La
demanda diaria de Extra Clean está entre 1000 y 1500 galones y la Súper Clean
entre 1200 y 2000 galones.Encuentre la SOLUCIÓN:que determine la cantidad
óptima de Extra Clean y Súper Clean que deba producir "Paquitá" diariamente.
Y1: Cantidad de Galones de cloro tipo 1a utilizarse diariamente.
Y2: Cantidad de Galones de cloro tipo 11 a utilizarse diariamente.
X1: Cantidad de Galones de Extra Clean a producirse diariamente.
X2: Cantidad de Galones de Súper Clean a producirse
diariamente.
11 Identificación de la FunGión Objetivo
Criterio Objetivo: Minimizar los costos del proceso de producción.
Min Z = 8 Y1 + 6 Y2
Observación:
Las cantidades de productos obtenidos por el procesamiento de los cloros tipo
1 y 11 son:
Y1 =0.5 X1 + 0.5 X2
Y2 = 0.6 X1 + 0.4 X2
Expresando Z en términos de X1 y X2 tenemos:Z = 8(0.5 X1 + 0.5 X2) + 6
(0.6 X1 + 0.4 X2)
Luego la FO quedaria: Min Z = 7.6 X1 + 6.4 X2
Demanda diaria para los dos tipos de productos:
1 000 ~ Xh 1 500
1 200 ~ X2s 2 ooo
7.6 + 6.4
MinZ=
X1 X2
165
sujeto a X1 ~ 1 000 ... (C1)
X1 :s; 1 500 ... (C2)
X2 ~ 1 200 ... (C3)
X2 :s; 2 000 ... (C4)
X1, X2 ~o
, Gráfica del Modelo:

El valor óptimo de la FO, se encuentra en el punto A Dicho punto es el resultado de
la intersección de las rectas C1 Y C3.
Luego el punto A se obtiene de las siguientes restricciones: C1: X1 = 1 000
C3:X2 = 1 200

X 1 = 1000 y X2 = 1 200
Es decir: A= (1 000, 1 200)
Finalmente el valor óptimo de la FO es: z = 7.6 (1 000) + 6.4 (1 200) =
15 280
SOLUCIÓN:
Industrias Paquita deberá producir 1 000 galones de Extra Clean y 1 200 de
SúperCrean para que sus costos de producción sean de S/. 15 280 al día.
166
EJERC~ClO 4.32
IMPORTACIONES "HIRAOKA", posee una línea de ensamble que consta de tres
estaciones consecutivas y produce dos modelos de radios SONY: CFD-1 y CFD-2.
La siguiente tabla proporciona los tiempos de ensamble para las tres estaciones de
trabajo.
2
:3.
. ·~ . '•
El mantenimiento diario de las estaciones 1, 2 y 3 consumen el 10%, 20% y 1/6, del

máximo de 8 horas disponibles para cada estación al día. Encuentre la
SOLUCIÓN:que permita minimizar los tiempos inactivos (o no utilizados) en las tres
estaciones de trabajo.
X1: Cantidad de Radios pONY CFD- 1 a ensamblarse diariamente.
X2: Cantidad de Radios SONY CFD - 2 a ensamblarse diariamente.

Criterio Objetivo: Minimizar los tiempos inactivos· en las estaciones de ,
ensamble (Esto equivale a maximizar los tiempos utilizados).
Max Z = 6 X1 + 4 X2 + 8 X1 + 2 X2 + 4 X1 + 4 X2

Minutos disponibles en las tres estaciones:
6 X1 + 4 )(2::; 90% (8 x 60)
8 X1 + 2 X2::; 80% (8 X 60)
4 X1 + 4 X2.5 5/6 (8 x 60)

18 + 10
Max =
X1 X2
167
sujeto
6 X1 +4X2 5 432 ... (C1)
a
8 X1 + 2 X2 5 384 ... (C2)
4 X1 +4 X2 5 400 ... (C3)
X1, X2 ¿O
El valor· óptimo de la FO, se encuentra en el punto A (Ver cuadro de la página

anterior). Dicho punto es el resultado de la intersección de las rectas C1 Y C2.
Luego el punto A se obtiene de las siguientes restricciones: C1: 6 X1 + 4 X2 = 432
C2: 8 X1 + 2 X2 =384
Resolviendo el sistema se tiene: X1 = 33.6 y X2 = 57.6
Es decir: A = (33.6, 57.6)
Finalmente el valor óptimo de la FO es: z = 18 (33.6) + 10 (57.6)
= 1 180.8
SOLUCIÓN:
Importaciones Hiraoka deberá ensamblar33.6 Radios SONY CFD- 1 y 57.6 Radios
SONY CFD - 2 para que el tiempo de utilización de las estaciones de ensamble
sean de 1 180.8 minutos al día.
~- 168
4. 3 Método dual
Todo problema de maximización de programación lineal tiene un problema

equivalente de minimización y a inversa todo problema de minimización de de
programación lineal tiene su equivalente de maximización, esta relación entre el
PRIMAL y _el C·UAL, permite encontrar la SOLUCIÓN:de uno de los problemas y
paralelamente la SOLUCIÓN:del problema equivalente.
PRIMAL DUAL
1
Maximización Minimización
Restricción¿ Restricción S
Restricción S Restricción¿
Fonmulación delprograma de programación Lineal DUAL partiendo del PRIMAL
EJEMPLO:
Una Compañía produce computadores y televisores, cada computadora se vende
'
con una ganancia de 30$ mientras que cada televisor con una ganancia de 50$
Ambos deben pasar por los departamentos A yB mensualmente se dispone de 200 y
140 horas en los departamentos A y B respectivamente
Cada computadora requiere i hora de A y 1 hora de 8, cada televisor requiere2
horas de A y 1 hora de B. ¿Cuál es el programa de producción?
PROGRAMA PRIMAL PROGRAMA DUAL

1
Max 30x1+50x2 MIN 200Y1 +140Y2
Sujeto a Sujeto a
X1+2x1 S2QO Y1+Y2¿30

1
X1+x2S140 2Y1+Y2¿50
X1, X2¿0 Y1,Y2, ¿O
169
La SOLUClÓN:del Dual se puede realizar por cualquier método, ya sea el método
. grafico, el método simplex o el método computacional.
4. 2 Análi,?is de sensibilidad con variaciones en los coeficientes de la función

objetivo
El análisis de los coeficientes de la Función objetivo nos permite conocer un rango

de estos valores dohde pueden variar sin afectar a la SOLUCIÓN:óptima, es decir
por ejemplo puedo variar mis precios sin modificar mí SOLUCIÓN:óptima.
4.3 Análisis de sensibilidad con variaciones en las constantes del lado derecho.
El análisis del lado derecho, para ver que sucede con la función objetivo cuando se
varía los recursos disponibles, Este análisis nos permite obtener el precio sombra ¿sí
aumentC? los materiales, en cuánto se incrementará mis ganancias?, dicho de otra
forma, ¿Cuántas soles se incrementan mi ganancia si se incremento un sol en
materiales?
4.4 Análisis áe sensibiliáad
Consiste en hacer cambios i:;n el modelo para conocer sus efectos. Tenemas dos
casos:
1. Analisis del los coeficientes de la Función objetivo
2. Analisis de lado derecho (Precio sombra)
~ 170
EJERClCIOS RESUELTOS
E.:JERC1C~O 4.33
Determine gráficamente el intervalo de sensibilidad de cada coeficiente de función
objetivo en la SOLUCIÓN:óptima del programa lineal
Minimizar 25L + 22H
Dependiendo de 0.45L + 0.35H ;?: 1-26000 (gasolina)
0.18l + 0.36H ;?:90000 (turbosina)
0.30L + 0.20H ~30000 (queroseno)
L,H ;?:0
SOLUCIÓN:
Manteniendo constante el coeficiente de H
Hallamos la pendiente de la FO y de las restricciones que intervienen en la
SOLUCIÓN:óptima ..
La pendiente de la FO: al + 22H ::::::> m=- a/22
De la restricción 1) 0.45L + 0.35H ;?: 126000 =::;, m=- 0.45/0.35
Igualando =::;, a= 28.29 ·
De la restricción 11) 0.18L + 0.36H ;?:90000 => m =-0.18/0.36

Igualando => a=l1· -ti:'
·~
El intervalo para el coeficiente de L será: 11 :::; a :::; 28.29
El coefidente de L puede variar entre 11 y 28.29 inclusive sin modificar su
SOLUCIÓN:óptima
Manteniendo constante el coeficiente de L
Hallamos la pendiente de la FO y de las restricciones·· que intervienen en la
SOLUCIÓN:óptima.
La pendiente de la F.O.: 25L + bH =>m= -25/b
De ia restricción 1) 0.45L + 0.35H ;?: 126000 =>m=- 0.45/0.35
Igualando =>b= 19.44
De la restricción 11) 0.18L + 0.36H ;?:90000 ::::>m=-0.18/0.36

Igualando =:;.b=50
El intervalo para el coeficiente de H será:19.44$ b:::; 50
Interpretación:
mientras que ei coeficiente de H puede variar entre 19.44 y 50 inclusive sin modificar
su SOLUCIÓN:óptima.
1"
EJERC4CJO 4.34
Determine gráficamente -el intervalo de sensibilidad de cada Cbeficiente de función
objetivo en la SOLUClÓN:óptima del-programa lineal
Maximizar 0:55JN + 0.40JT
Dependiendo de 0.04JN + 0.05JT ~ 150 (tiempo de máquina)
0.70JN ~ 1000(concentr:ado de naranja)
0.50JT ~ 1000 (concentrado de toronja)
JN,JT ¿O
SOLUCIÓN:
Manteniendo constante el coeficiente de JT
La pendiente de la F.O.: aJN + 0.40JT m =-a 10.40
De la restricción 1) m =-0.04/0.05
lguaiando ~ a= 0.32
De la restricción 11)
Igualando ~ a= co
~ 0,32~a~ oo
;
Manteniendo constante el coeficiente de JN
La pendiente de la F.O.: 0.55JN + bJT m =-0.55 1 b
De !a restricción 1) m=-0.04/0.05
Igualando b= 0.69
De la restricción 11)
Igualando b=O
O~b~0.687
Interpretación:
El coeficiente de OJ puede variar desde 0.32 inclusive sin modificar su
SOLUCIÓN:óptima. El coeficiente de JN puede varia r hasta 0.687 inclusive sin
modificar su SOLUCIÓN:óptima.
. EJERCICIO 4.35
Determine gráficamente el intervalo de sensibilidad de cada coeficiente de función
objetivo en la SOLUC1ÓN:óptima del programa lineal
Maximizar 6740C +5100S
Dependiendo de 200C +150S::; 80000 (materia prima)
18C +20S ::;9000 (mano de obra)
e ::;15oo
S ::;200.
C,S 20y entero
SOLUCIÓN:
Manteniendo constante el coeficiente de S
la pendiente de la F.O.: aC + 5100S =>m =-a/5100
De la restricción 1) m=-200/150=-a/5100 =>a= 6800
De la restricción 11) m=-18/20=-a/5100 =>a= 4590
.=>0 ::; a ::; 6800
Manteniendo constante el coeficiente de C

la pendiente de la F.O.: 6740C + bS =>m =-6740/b
De la restricción 1) m=-200/í50=-6740/b =>b = 5055
De la restricción 11) m=-18/20=-6740/b =>b = 7488.89
=>5055 $ b ::; 00
El coeficiente de C puede variar entre 4590 y 6800 inclusive sin modificar su

SOLUCIÓN:óptima, mientras que el coeficiente de S puede variar entre 5055 y
7488.89 inclusive sin modificar su SOLUC!ÓN:óptima.
173
EJERClC~O 4.36
Determine gráficamente e! intervalo de sensibilidad de cada coeficiente de función
objetivo en la SOLUGIÓN:óptimadel programa lineal
Maximizar 0.30MH + 0.5D MC
Df3pendiencto de 0.04MH + 0.08 MC ~1200
MH +MC ~ 22046
MH,MC ¿O
SOLUCIÓN:
Manteniendo constante el coeficiente de MC
La pendiente de la F~O.: aMH + ü.SOMC ~m =-a/0.50
De la restricción !) m=-0.04/0.08=-a/0.50 ~a= 0.25
De la restricción 11) m=-1/1 =-a/0.50 ~a= 0.50
~ 0.25 ~a~ 0.50
Manteniendo constante el coeficiente de MH

La pendiente de la F.O.: 0.30MH +tbMC ~m =-0.30/b
De la restricción 1) m=-0.04/0.08=-030/b ~b= 0.60
De la restricción 11) m=-1/1 =.,.0.30/b ~b= 0.30
:::>0.30 ~ b ~ 0.60
El coeficiente de MH puede variar entre 0.25 y 0.50 ·inclusive sin modificar su

SOLUClÓN:óptima.
El coeficiente de MC puede variar entre 0.30 y 0.60 inclusive sin modificar sLi
SOLUCIÓN:óptima.
174
EJERCiCIO 4.37:
Determine el intervaio de sensibilidad del valor del lado derecho. Explique el
significado del precio sombra en el contexto de este problema.
Minimizar 25L + 22H
Dependiendo de 0.45L + 0.35H ¿ 126000 {gasoiina)
0.18L + 0.36H ¿90000 (íurbosina)

0.30L + 0.20H ¿30000 (queroseno)
L,H ¿O
SOLUCIÓN:
Análisis de Sensibilidad del Lado Derecho de la Restricción 1)
Restricción!: 0.45L + 0.35H = 126000 (Demanda de gasolina)
En: L = 500000 => 0.45L + 0.35H = b
H=O 0.45 (500000) + 0.35 (O)= b
b = 225000 (Valor Máximo del L.D.)
Valor de la F.O. 25(500000)+ 22(0) = $ 12'500000
En: L =O 0.45L + 0.35H = a
H = 250000 0.45 (O)+ 0.35 (250000) =a
a= 87500 (Valor Mínimo del L.D:)
l
· Valor de la F.O. 25(0) + 22(250000) = $ 5'500000
Los valores óptimos de la F.O. asociados con cambios en el Valor Derecho de la
Restricción 1
Valor del L. D. SOLUCIÓN:Óptima Valor de la F.O.

87500 L = O; H =250000 5'500000
126000 L = 140000; H = 180000 7'460000
225000 L =500000 ; H = O /12'500000
1
El precio sombra de la restricción ! será:

m =12'500000- 5'500000 =50.909
225000- 87500
Por cada barril adicional en la demanda de gasolina por encima de 126000 y hasta
225000 barriles, y por debajo hasta 87500 barriles, el margen de costo corporativo
se incrementa en 50.909 de $100, es decir: $5059.9 y desciende en $5059.9
respectivamente.
175
Anáiisis -de Sensibilidad del Lado Derecho de la Restricción 11)
Restricciónil): 0.18L + 0.36H = 90000 (Demanda de turbosína)
Del gráfico {Ejercicio 4.13):
En: L =O 0.18L + 0.36H = b
H = 360000 0.18 (O)+ 0.36 (360000) = b
Valor de la f.O. 25(0) + 22(360000) = $ 7'920000
En: L = 280000 0.18L + 0.36H =a
H=O 0.45 (280000) + 0.35 (O)= a
a= 50400 (Valor Mínimo del L.D.)
Valor de la F.O. . .. 25(280000) + 22(0) = $ 7'000000
Restricción 11

50400 j L = 280000 ; H = O 7'000000
1
90000 L = 140000; H = 180000 7'460000
129600 L = O ; H = 360000 1 7'920000
1
El precio· sombra de la restricción 11) será:
m= 7'920000 - ?'OOOOOO::::>m =11.616

129600 - 50400
Por cada barril adicional en la demanda de turbosina por encima de 9000 y hasta
129600 barriles, y por debajo hasta 50400 barriles, el margen de costo corporativo
se incrementa en 11.616 de $100, es decir: $1661.6 y desciende en $1661.6
respectiva mente.
1) 7460000.
VARIABLE VALU E REDUCED COST
L 140000.
H 180000
.· 176
ROW .SLACK OR SURPLUS DUAL PRICES
2) 0.000000 -50.909092
3) 0.000000 -11.616161
4) 48000.000000 0.000000
NO. ITERATIONS= 2
RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES
VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
L 25.000000 · 3.285714 14.000000
H 22.000000 28.000000 2.555556
RIGHTHAND SIDE RANGES
ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
2 126000.000000 99000.000000 38500.000000
3 90000.000000 39600.000000 39600.000000
4 30000.000000 48000.000000 INFINITY
177
EJERCiCIO 4.38
Determine el intervalo de sensibilidad del valor del lado derecho. Explique el
Maximizar 0.55JN + 0.40JT
Dependiendo de 0.04JN + 0.05JT ~ 150 (tiempo de máquina)
0.70JN ~ 1000(concentr.ado de naranja)
0.50JT ~ _1000 (concentrado de toronja)
JN,JT ?:0
SOLUCIÓN:
Análisis de Sensibilidad del Lado Derecho de la Restricción l)
Restricción!): 0.04JN + 0.05JT = 150 (Tiempo de máquina)
Del gráfico (Ejercicio 4.14):
........
En:: JN = 1428.57. 0.04JN + O.OSJT =a
JT =O 0.04 (1428.57)+0.05 (O)= a
a= 57.14 (Valor Mínimo del L.D.)
Valor de la F.O. 0.55 ( 1428.57)+0.40 (O) =$ 785.7135
En: JN = 1428.57 .=:;> . 0.04JN + 0.05JT = b
~857.14 ~ JT ~ 2000 0.04 (1428.57) +0.35 (2000) = b
b?: 157.1428 (Valor Máximo del L.D.)'
Valor de· la F.O. 0.55 (1428.57)+0.40 (2000)= $ 1585.71
Restricción 1
Valor del L.D. 1SOLUCIÓN:Óptima ¡valor de la F.O.
1
57.14 / JN = 1428.57 ; JT =O /785.7135
150:00 IJN = 1428.57; JT = 1857.14 11528.57
157.1428 j JN = 1428.57; JT = 2000 /1585.71

El precio sombra de la restricción i será:
m =1585.71- 785.7135=:;>m =8
157.1428- 57.14
Por cada hora adicional que trabaje la máquina destilará a la semana, por encima de
150 y hasta 157.1428 horas, el margen de ganancia corporativo aumenta en 8 de
$100, es decir: $800. Se observa que es inútil aumentar a más de 157.1428 horas,
puesto que no se incrementa el margen de ganancia. También si se disminuyen las
178
horas hasta 57.14, el margen de ganancia disminuye en $800 por cada hora bajada.
Análisis de Sensibilidad del Lado Derecho de la Restricción il)
Restricciónll): 0.70JN = 1000 (Concentrado de Naranja)
En: JN = 3750 ::::::> 0.70JN =b
JT= O 0.70 (3750) = b
b = 2625 (Valor Má~imo del L.D.)
Valor de la F.O. 0.55 (3750) + 0.40 (O)=$ 2062:5
En: JN =O 0.70JN =a
JT = 3000 0.70(0) =a
a= O (Valor Mínimo del LO.)
Valor de la F.O. o.55 (O)+ o.4o (3ood) = s 1200
Restricción 11):
Valor del L. D. SOl.UCIÓN:Óptima Valor de la F.O.

o 1
' ¡JN''= O ; •JT = 3000 /1200

1000 'JN = 1428.57; JT = 1857.14 1528.57
2625 JN = 3750; JT =O 2062.5
El precio sombra de la restricción ll) será:

m =2062.5 - 1200 ::::>m =0.328
2625- o
Por cada galón de concentrado de naranja adicional que se produzca por encima de
1000 y hasta 2625 galones, el margen de ganancia corporativo aumentará en 0.328
de $100, es decir: $32.8. Mientras que por cada galón que deje de producir, el
margen de ganancia bajará en $32.8, esto hasta un mínimo de O galones de
concentrado de naranja.
~· 179
EJERCICIO 4.39
Determine €1 intervalo de sensibilidad del valor del lado derecho. Explique el
Maximizar 6740C +51 OOS
Dependiendo de 200e +150S ~ 80000 {materia prima)
18C +208 ~9000 (mano de obra)
e ~1soo
S ~200
C,S c.Oy entero

SOLUCIÓN:
Análisis de Sensibilidad del Lado Derecho de la Restricción 1)
Restricción!): 200C + 150S = 80000 (Materia Prima)
En: C = 500 200C+ 150S = b
S=O 200(500) + 150(0) = b
Valor de la F.O. 6740(500) + 5100(0) = $ 3'370000
En: e= o => 200C + 1503 =a
S= 450 200(0) + 150(450) =a
a= 67500 (Valor Mínimo del L. D.)
Valor de la F.O. 6740(0) + 5100(450)= $ 2'295000
Los valores óptimos de la F.O. asociados con cambios en el Valor L. D.
1
67500 e= o ;s = 450 2'283750
1
80000 /e = 2so; s = 200 12'705000
1
100000 C = 500;S =O /3'370000 1
El precio sombra de la restricción 1: m =3'370000- 2'283750=33,7

100000- 67500
Por cada materia prima adicional por encima de 80000 y hasta 100000, el margen
de ganancia corporativo aumentará en 33,7 de $100, es decir: $33,7. Mientras que
por cada materia prima que se disminuya hasta 67500, ei margen de ganancia
bajará en $3370,0 por cada materia prima disminuida.
180
Análisis de Sensibilidad del Lado Derecho de la Restricción IV
RestricciónU í8C + 20S = 9000 {Mano de Obra)
En: e= O 18C + 20S =b
S= 533.33 18(0) + 20(533.33) = b
b = 10666.6 (Valor Máximo del L.O.)
-
Valor de la F.O. 6740(0) + 5100(533.33) = $ 2'71-9.983
En: C = 400 18e + 20S =a

S=O 18(400) + 20(0) =a
a= 7200 (Valor Mínimo del L. D.)
Valo_r de la F.O. 6740(400) + 5100(0) = $ 2'696000

Restricción 1
Valor del L. D. 1 SOLUCIÓN:Óptima /Valor de la F.O.

7200 ¡e= o ;s f 533.33 /2'696000
9000 e= 25o;s = 200 12'705000
1Ó666.6 e= 4oo;s =o 12'719983
El precio sombra de la restricción 1) será:

m =2'719983 - 2'696000 ~m =6.918
10666.6-72
Si aumentamos la mano de obra por encima de 9000 y hasta 10666.6, el margen de

ganancia corporativo aumentará en 6.918 de $100, es decir: $691.8. Mientras que
por cada mano de obra que se disminuya hasta 7200, el margen de ganancia bajará
en $691.8.
m= 45,00 (restricción IV)
181
·•
EJERCICIO 4.40
Determine .el intervalo de sensibilidad del valor del lado derecho. Explique el
significado del precio sombra en e! contexto de este problema.
Maximizar 0.30MH + 0.50 MC
Dependiendo de 0.04MH + 0.08 MC ~1200
MH+MC ~ 22046
MH,MC ~o
SOLUCIÓN:
Análisis de Sensibilidad del Lado Derecho de la Restricción 1
Restricción!: 0.04MH + 0.08MC = 1200 (Unidad de Capacidad de Volumen)

En: MH = 22046 => 0.04MH+0.08MC =a
MC=O 0.04 (22046) + 0.08 (O) =a
a = 881.84 (Valor Mínimo del L. D.)
Valor de la F.O. 0.30 (22046) + 0.50 (O) · = $ 6613.8
En: MH =O 0.04MH+0.08MC =b
MC = 22046 0.04 (O)+ 0.08 (22046) =b
b = 1763.68 (Valor Máximo del L.D.)
¡
Valor de la F.O. 0.30 (O)+ 0.50 (450) =$ 11023
Restricción 1):
Valor del L. D. SOLUCIÓN:Optima Valor de la F.O.
881.84 MH = 22046 ; MC =O 6613.8
1200 1 MH = 14092; MC = 7954 · 8204.6
1763.68 j MH =O; MC =22046 j11023 ¡
j l
El precio sombra de la restricción 1) será:m =1 í 023- 6613.8 =5

1763.68-881.84
Por cada unidad de capacidad de volumen adicional por encima de 1200 pies
cúbicos y hasta 1763.68 pies cúbicos, el margen de ganancia corporativo aumentará
en 5 de $100, es decir: $500. Mientras que por cada unidad de capacidad de
volumen se disminuya hasta 881.84 pies cúbicos, el margen de ganancia bajará en
$500.
182
Análisis de Sensibilidad del Lado Derecho de la Restricción 11
Restricciónll MH + MC =22016 (Unidad de Capacidad de Peso)
En: MH =30000 ~ MH + MC = b.
MC=O b = 30000 (Valor Máximo del L.D.)
Valor de la F.O. 30 (30000) + 0.50 (O) = $9000

En: MH =O MH + MC =a
MC =15000 b = 15000 (Valor Mínimo del LO.)
Valor de la F.O. 3D (O)+ 0.50 (15000) = $7500
los valores óptimos de la F.O. asociados con cambios en el Valor Derecho de la

Restricción 1):
1
Valor del L. D. / SOLUCIÓN:Óptima Valor de la F.O.
1
15000 MH =O ; MC = 15000 7500
·,:;;.;
. 22046' MH = 14092; MC = 7954 8204.6

¡
30000 MH = 30000 ; MC = O 9000
El precio sombra de la restricción 1 será:
m= 9000 -7500=0.1
30000 - 15000
Por cada unidad de capacidad de peso adicional por encima de 22016 libras y hasta
30000 libras, ef margen de ganancia corporativo aumentará en 0.1 de $100, es decir:
$10. Mientras que por cada unidad de capacidad de peso que se disminuya hasta
15000 libras, el margen de ganancia bajará en $1 O.
4.5. Autoevaiuacion cuarta unidad metodo grafico
01. El Método gráfico, implica: (2 PUNTO)

a) Graficar las restricciones, Hallar la Región Factible, Graficar ,¡a Función Objetivo
y Hallar la SOLUCIÓN:óptima.
b) Desarrollar el modelo, Graficar las restricciones, Grañcar la Función objetivo
dando un valor, Hallar la región Factible y Hallar la SOLUGIÓN:óptima.
a) Verificar si el modelo tiene dos variables, Graficar las restricciones, Hallar la
Región factible y Hallar la SOLUCIÓN:optima trasladando la Función Objetivo
en forma paralela.
02. ASOCIE EL CARÁCTER VERDADERO (V) O FALSO (F)

(2 PUNTO)
A ( ) Gráficamente se puede resolver un problema de Programación Linea~ de
dos variables y muchas restricciones.
B ( ) El proc~dimiento del método gráfico incluye dos pasos. Gráfica de las
' ~
restricciones y gráfica de Z.
C ( )_ Para graficar las restricciones, se deben de reemplazar las desigualdades
por ecuaciones y después trazar las líneas rectas resultantes.
03. RESUELVA GRÁFICAMENTE LOS MODELOS DE PROGRAMACIÓN

LINEAL (4 PUNTOS)
MODELO 1 SOLUCION:del modelo 1

MAX 8X1+4X2 1 La SOLUCIÓN:óptima es X1 = X2=
.e:. . uJeto
. + a
¡
2X1 + X2:::; 10 La F.O. toma el valor de Z =
Xí + 3X2:::; 14
X1 + X2 5 6
X1, X22:0
184
MODEL02 SOLUCIÓN:del modelo 2
Minimizar 12X1 La SOLUCIÓN:óptima _es X1 = X2 =
2X2
Sujeto a la F.O. toma el valor de Z =
5X1 - 4X2 5 14
X1 - 4X2 5 -2
2X1 + X22: 5
-
- X22:
16X1 3
X1 X22: o
04. Resolver usando el Método Gráfico

Maximizar · 5X1 +4X2
Sujeto a
6X1+4X2 5 24
X1+2X2 56
X1-X25-1
X2 ::;;2
X1,X2 2:0
05. Para el problema N°4, gráficamente analice la -sensibilidad para los

Coeficientes de !a función objetivo.
06 Para el problema No 4, hallar el precio sombra para la Tercera restricción.
06. Resolver usando el Método Gráfico

Maximizar 9X1+5X2
Sujeto a
6X1+9X2 560
5.6X1+6X2 545
4X1-2X2 2-8
2X1-3X2 58
X2 55
X1 ,X2 2:0
185
07. Para el problema N°6, gráficamente analice la sensibilidad para los
Coeficientes de la función objetivo.
08. Para el problema N°6, hallar el precio sombra para la segunda restricción.
1O. Miguel Ángel, debe trabajar por lo menos 20 horas a la semana para
complementar su ingreso mientras asiste a la Universidad. Tiene la
oportunidad de trabajar en dos tiendas al detalle: en la tienda 1 puede trabajar
entre 5 y 12 horas a la semana y en la tienda 2 le permi~en trabajar entre 6 y
1O horas. Ambas tiendas pagan el mismo salario por hora. De manera que
Miguel Ángel quiere basar su decisión acerca de cuántas horas debe trabajar
en cada tienda en un criterio diferente: el factor del estrés en el trabajo.
Basándose en entrevistas con los empleados actuales, Migu~l Ángel calcula
que, en una escala de 1 a 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, el
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 la cada
tienda? Use el método gráfico.
1
La solución óptima se da cuando Xl == X2==
La Función objetivo toma el valor de Z==
1í Purina S.A. 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 Proteínas Fibra Costo/ Libra
..
ganado
Maíz '0.09 0.02 10.3
Semilla de soya 0.60 0.06 10.9
1 1
Los requerimientos dietéticos diarios del alimento especiat estipulan por lo

menos un 30% de proteínas y cuando mucho un 5% de fibra. Purina S.A.
desea determinar el costo mínimo diario de la mezcla de alimento. Use el
método gráfico.
186
La solución óptima se da cuando X1 = X2 =
La Función objetivo toma .el valor de Z=
12 Minimizar12X1-2X2
Sujeto a
5X1-4X2 :S14
La solución óptima se da cuando X 1 = X2 =
X1-4X2 :S- 2
La Función objetivo toma el valorde Z=
2X1+X2 i::5
6X1-X2 i::3
X1,X2 i::O
13 Supóngase gue una compañía que da . servicios de limpieza prepara sus

propias SOLUCIÓN:es mezclando dos ingredientes. Hace esto para obtener
una SOLUCIÓN:que tiene lo que considera una combinación apropiadade
fosfato y cloruro. Un ingrediente tiene 5% de fosfato y 2% de cloruro y cuesta
25 centavos 1 onza. El otro ingrediente tiene 71)/o de fosfato y í% de cloruro y
cuesta 20 centavos 1 onza. La compañía necesita que la mezcla final tenga no
más del 6% de fosfato y 1 %% de cloruro. Se quiere minimizar el costo total.
Se pide: a) Formule el modelo matemático, considerando la
proporcionalidad de las variables.b) Resolver el modelo matemático usando el
método gráfico.
MODELO MATEMATICO SOLUCION ÓPTIMA:

I. Identificación de las variables:
Xl==
X2==
II. Identificación de la F.O.
e) X1==0,5X2=0Z==12.5
m. Identificación de las restríc.ciones
d) X¡==0,5X2==0,5Z=22.5 1
e) X 1==0X2=0,5 Z=lO
._____ _ _____.1.___1- - - - - ' - - - - - - - - . J1
bL 187
14 Un fabricante de muebles tiene 6 unidades de madera y 28 horas disponibles,
durante las cuales fabricará biombos decorativos. Con anterioridad, se han
vendido bien dos modelos de manera que se limitará a producir estos dos.
Estima que el modelo 1 requiere 2 unidades de madera y 7 horas de tiempo
disponible; mientras que el modelo 11 requiere una unidad de madera y 8
horas. Los precios de los modelos son $120 y $80, respectivamente. Se pide:
a) Formule el modelo matemático, considerando la pmporcionalidad. de las
variables.
b) Resolver el modelo matemático usando el método· gráfico( Justifique al
reverso)
MODELO MATEMATICO SOLUCION ÓPTIMA

1 Identificación de las variables:
X1=Número de unidades de biombos a) X1=2,22 Xz=1 ,562=391, 1
modelo 1 ¡ b) X1=3 Xz= O Z= 360
X2=Número de unidades de biombos
-. j e) X1=0 Xz= 3,5 Z= 280
modelo 11 d)X1=1 ,56 Xz=2,22Z=364.8
11 Identificación de la F.O. e) X1=0Xz= 3 Z= 240
MAX 120X1 + 80X2
111 Identificación de las restricciones
2X1+1X2<=6
7X1+8X2<=28
X1, X2 >=0, ENTERO
'
15 ASOCIE EL CARACTER VERDADERO (V) O FALSO (F)

() Gráficamente se puede resolver un problema de Programación Lineal de
dos variables y muchas restricciones.
() Elmétodo gráfico incluye dos pasos. Gráfica de las restricciones y gráfica
de Z.
() Para graficar las restricciones, se deben de reemplazar las desiguaidades
por ecuaciones y después trazar las líneas rectas resultantes.
() Dentro de! espacio de SOLUC!ÓN:factíble se encontrarán un número
infinito de puntos que satisfacen todas ias restricciones del modelo.
() La SOLUC!ÓN:óptima está asociada a un único punto de esquina del
espacio de SOLUCrÓN:factible.
188
16 Resolver gráficamente el siguiente problema de. P-rogramación Lineal.
Max 8 X1 +4X2
s.a.: 2X1 +X2 5 10
X1 + 3X2 514
X1 +X2 56
X1, X2 ~o
17 Resolver gráficamente el siguiente problema:

M in 2 X1 + 3 X2
s.a.: X1 +X2 ~13
2 X1 +X2 ~18
X1 +3 X2 ~21
X1 +2X2 ~18
X1, X2 ~o
18. Una empresa que opera 12 horas diarias, ensambla sus dos tipos de
productos en tres procesos Ein ·secuencia, el primer y segundo proceso se
~ .
realizan en 4 y 5 horas resp~,ctivamente. La siguiente tabla resume los datos

del problema:
Encuentre el Plan óptimo de produce n
í 9. · E! Mundo de las Maletas, fabrica· 2 tipos de mochilas estilo viajero: {Mochi!as

Tipo ~ y 2 respectivamente). La mochila tipo 1 requiere el doble de tiempo de
. trabajo que !a del tipo 2. Si se produjeran solamente mochilas del tipo 1, se
podrían producir 20 mochilas al día. La demanda diaria de las mochilas tipo 1
y 2 son 15 y 20 respectivamente. sabiendo que las utilidades unitarias de las
mochilas tipo 1 y 2 son S/. 6y S/. 4 (respectivamente). Encuentre el Plan
óptimo de producción
189
20. "La Casa del Llavero", elabora dos tipos de llaveros; y para producirlos utiliza
una máquina especial. Los tiempos de producción para los llaveros tipo 1 y 2
son .de 10 y 12 minutos respectivamente, por unidad. El tiempo regular total
de la máquina es de 2500 minutos por día. "La Casa del Uavero"vende entre
j 50 y 200 unidades del tipo 1, pero no más de 45 unidades del tipo 2,
diariamente. Además se pueden emplear horas extras para satisfacer la
demanda a un costo adicional de S/.010 por minuto.
SOLUCIÓN:ARIO DE LA AUTOEVALUAClON DE LA CUARTA.UNIDAD

01 Respuesta a
02 Respuesta: VFV
03.1 X1=5 X2=0 Z=40
03.2 X1=
04 X1=1, X2=2 Z=13
05 o~ a ~ 00 -5~ b ~ 00
06. m=5
07 X1 =6,3541, X2=1,5694 Z=65,03
08. 4,67~ a ~oo -13,5~ b ~9,64
09. m=1,2847
10 MODELO
Xi= # de horas a trabajar em la tienda i
Identificación de las F.O.
'
MIN 8X1+6X2
Identificación de las restricciones
X1+X2>=20 5<=X1<=12
6<=X2<=10 X1,X2>=0
SOLUCIÓN:usando el método gráfico:
X1=10 X2=10 Z=140
11 MODELO
X1 =#de Lb. de maíz a utilizar
X2= #de Lb. de soya a utilizar
identificación de las F.O.
190
MtN 0,3X1 +0,9X2
Identificación de las variabies
X1+X2>=800
0,09X1 +O,úOX2>=0,30(X1 +X2)
0,02X1 +0,06X2>=0,05(X1 +X2)
X1,X2>=0
SOLUCIÓN: con el método gráfico
X1=470,59 X2=329,41 Z=437,'65
12 X1 =1, X2=3, Z=6
Se debe trabajar con las SOLUCIÓN:es factibles (4, 15) conZ=45, (2, 1) con
Z=22y( 1,3) con Z= 6 eligiendo al menor Z
13 MODELO
X1 =#de onzas del ingrediente 1 a utilizar
X2= # de onzas del ingrediente 2 a utilizar
Identificación de las F.O.
MIN 25X1 +20X2
0,05X1 +0,07X2<=0,06(X1 +~)
0,02X1 +0,01X2<=0,015(X1 +X2)
X1+X2=1
SOLUCIÓN:con el método gráfico
X1 =0,5 X2=0,5 Z=22,5
14 MODELO MATEMATICO
1 Identificación de las variables:
X1 =Número de unidades de biombos modelo 1
X2=Número de unidades de biombos modelo 11
!l Identificación de la F.O.
M/0( 120X1 + 80X2
!1! Identificación de las restricciones
2X1+1X2<=6
7X1+8X2<=28
X1, X2 >=0, ENTERO
Resolviendo: Xí =3, X2=0, Z=360
191
15 VFWF
16 X1 =4,X2=2,Z=40
17 X1 =8,)(2=5,Z=31
18 X1 =20,X2=40,Z==560
19 X1 ==10,X2==20,Z=140
20. Modelo -matemático
X1: Número de Llaveros dei tipo 1 a producirse diariamente.
X2: Número de Llaveros del tipo 2 a producirse diariamente.
X3: Número de minutos extras a empleaF5e diariamente.
!Identificación de la Función Objetivo

Beneficios == Utilidades los llaveros- Costo por minutos extras
Max Z == 1.2 X1 + 1.5 X2- 0.1 X3
'El tiempo utilizado en la producciórHde los llaveros debe ser menor o igual al tiempo
disponible en el día mas los minutos extra utilizados:
10 X1 + 12 X2~ 2500 + X3
Vende entre 150 y 200 unidades de: llaveros tipo 1:

150 ~ X1s 200 ó X1~ 150y X1~ 200
No se venden mas de 45 unidades del tipo 2: X2s45

1.2 + 1.5- 0.1
MaxZ=
X1 X2 X3
sujeto a 10 X! + 12 X2- X3 s 2500
X1 ~150
X1 s200
X2 ~45
X1, X2, X3 ~o
192
Programa-Ción entera 193
UNIDAD V PROGRAMACiON ENTERA
• >• -, ~ •-.1 ~.· ~ ', ~-¡·, • ·.,

0
i r:~ 0
' J ~ .> ·. :: ~~ ';.• ~·j•; ~;~-·~·> ~.L ::~ • ", ~ ~--·~~· :i\ ,o • ~=-~A.:: •::::~:·]
. pr~bfe.m~s·' ram~'tiórl~~t~ta;s¿'ée~déPl~é·~~:~éj~JtJvn6g:réa(y;,está:.(e.fe,rido')
_."j···:<.-: ..:~:.;,.-~· :._·;·::_;_":,_ ~ ---~::.:~ ·~7r¡:J4-_·- ·:. . . ·_ "··t;::i·;r . ·:.¿r' _.!'·;:·: ... '·:. ~···:··~.i
.•; .:_ --e~le~a:~.-~Li:Y~ti~~~n..·-va.ri~~~~:~~r::t~,ra_s ~.om9 ,n.~rii"~rp~~:e~ jhg,~~ie\c:s·.!'].~n:~ro de.:·
r~.~~~,,~_uta.d~f~'s', .~t.c{."t: ·:_,·. -~ . . -. ~ .
r~,.~-..
·. _-;·. . ..·. ·-~. ~,! .:~
;--,_'l:-
.;,. .. '~-:·: . . . :
~- -
-~
~
¡:su tratami~~to. e;} si~il~r.,a;Ja$:_:v~¿riablJs ·re~les~CÓ~-"·¡~ .:o'b~enJáci·ó~: ·qu.e. ia~ ;~

;· .-:- ':· ·· • · . _ ~::""~. . . • ·': :'...
. __
-"":"'~:" ~ ~;....._,- ~ :n~ :~e-' "+ ~,__ :_ ' · ..,..... .._,. ~-·- · • ... ~- ~=- t '··-:;;, • ?i:' _' ;~·~ -. ::~· . ~
FI~-Z~~~i~~~~~~~·~~::~~~~~~~~t~~-· ~-,· ~-~:· · . _;~:_-~ ~;:~::~>: ;~_._:~~:~~ ~~"_:' :··~
193
Programación entera 195
5.1 . Ejercicios resueltos usando programación entera

EJERCICIO 5.1
UMBRO hace pelotas Súper pequeñas y grandes mediante la mezcla de -diferentes
cantidades de una base y de un compuesto de elasticidad especial. Las pelotas
pequeñas se venden a $ 0.59 y requiere una razón de 2.1 para la mezcla de la base
y el compuesto. Las pelotas grandes se venden a $ O. 79 y requieren una razón de
4.3. Los inventarios actuales constan de 1000 libras dei material base y 500 libras
del compuesto. Cada pelota pequeña requiere 1.5 onzas de compuesto y cada
pelota grande requiere 2 onzas. Formule un modelo para determinar las cantidades
de producción óptima.
SOLUCIÓN:
Identificación de las variables:
S: Cantidád de pelotas pequeñas fabricadas.
L: Cantidad de pelotas grandes fabricadas.
Identificación de la Función Objetivo (F.O):
Max 0,59S+0,79L
Identificación de las restricciones:
.1 ,5S+2L=::;8000
8S+2,66L=::;16000
C, L;:::O, Entero
SOLUCIÓN:
Graficando restricciones y la F.O:
0,59S+0,79L=0,47
S=O L=0,56
L=OS=0,79
. ... .',
.
.
.
~ : . :·.· .· -~v'?·<::.
'-2QOO -"1.000
·r..-:1000
r 195
SOLUCIÓN:
Max 0.59S +'O 79L
ST
1,5S+2L<=8000
8S+2,66L<=16000
END
GIN S
GIN L
1) 3160 S=O, L=4000
EJERCICIO 5.2
La Municipalidad de Breña está planeando la adquisición de nuevas patrullas
..
policíacas que cuestan$ 15 000 cada una, ambulancias que cuestan$ 25 000 cada
una y carros de bomberos que cuestan $ 48 000. El reglamento de la ciudad
requiere que haya al menos una ambulancia por cada dos carros de bomberos.
Establece también que la cantidad de dinero gastada en vehículos policiales debe
ser al menos de!o~oble de lo gastado en carros de bomberos. Formule un modelo
' ~
· para determinar el número máximo'ide carros de bomberos que se pueden adquirir

con un presupuesto total de $ 700 000.
SOLUCIÓN:
Identificar las variables:
A: Cantidad de Ambulancias.
B: Cantidad de Bomberos
P: Cantidad de Patrulleros
Identificación de la Función Objetivo (F.O):
Max B
15 OOOP + 25 OOOA + 48 0008 5.700 000
A 2:28
15 OOOP- 96 OOOB 2:0
A,B,C 2:0, Entero
RESPUESTA
1) 3 P=20 A=6 B=3
196
·ProgramaCión entéra 197
EJERCICIO 5.3
MORA VECO tiene cuatrc máquinas que pueden. producir, cada una tres tipos de
tornillos, pequeño, mediano y grande, con las siguientes tasas de producción (en lb.
de tornítlos/min.)
jTAMAÑO DE TORNILLO
MAQUINA PEQUEÑO MEDIANO GRANDE
1 1
- 1 10 8 6
1 1
2 1
20 14 10
3 15 12 1 8
4 16 14 12
1 1
Cada máquina requiere una cantidad diferente de tiempo de preparación para

producir los diferentes de tomillos, como se presentan en ·la siguiente tabia (en
minutos).
TAMAÑO DE TORNILLO
MAQUINA PEQUEÑO MEDIANO GRANDE
1
1 2 30 40
2 23 40 50
1
3 15 20 30
4 45 45 45
Cada máquina debe prepararse para producir un solo tipo de tornillo por día. Si el
margen de ganancia por libra de tornillo pequeño es de $ 1.25, de tornillo mediano
es de $ 1.75 y de tornillo grande es de $ 2.00, formule un modelo para determinar
qué máquina debe ser preparada para producir qué tipo de tornillo, de modo que se
maximice la ganancia neta obtenible en una jornada de ocho horas (que debe induir
tiempos de preparación)
SOLUCIÓN:
1 Si la máquina i es equipada para tomillos pequeños
{
Si= O En cualquier otro caso i = 1, 2, 3,4
1 Si la máquina i es equipada para tornillos medianos
Mi= { OEn cualquier otro caso i = 1, 2, 3,4
197
r 1 Si la máquina i es equipada para tornillos grandes
Li== LO En cualquier otro casoi = 1, 2, 3,4
Identificación de la Función Objetivo:
MAX 5750S1 + 11250S2 + 8718.75S3 + 8700S4 +
300M1 + 10 780M2 + 9660M3 +1 0657.5M4 +
5280L1 +8600L2 + 7200L3 + 10440L4
S1+M1+L 1 ~ 1
S2+M2+L2 ~ 1
S3+M3+L3 ~ 1
S4+M4+L4 ~ 1
Si, Mi, Ld ;:::o, Binario
RESPUESTA
1) 37317,0 S1= 1 S2==1 M3==1 M4=1
ProgramaCión entera 199
EJERC1Cl0 5.4
El consejo directivo de la Escuela Euclides está formulando un plan para erradicar la
discriminación racial en sus dos escuelas elementales, que tienen ~a capacidad de
manejar hasta 1100 y 700 estudiantes cada una de ellas. Los estudiantes negros y
blancos pueden transportarse en camiones desde cualquiera de tres distritos
residenciales a cualquiera de las dos escuelas. Se han recogido los siguientes
datos:
DISTRliO NÚMERO DE NUMERO TOTAL MILLAS A MILLAS A
BLANCOS DE ESCUELA 1 ESCUELA
1
NEGROS 1 2
1 1
1 350 150 500 3 7
2 250 1 100 350 4 4
3 900 .. 50 950 6 4
1 1
Formule un modelo que minimice la longitud total, en millas, recorridas por cada
estudiante, mientras se asegura lo siguiente:
Todos los estudiantes acuden en la escuela
Ninguna escuela rebasa su capacidad de estudiantes
Cada escuela tiene entre 40% y 60% de estudiantes blancos en su población.
En cada uno de los ejercicios siguientes, determine gráficamente si (a) el problema
de prowamación lineal asociado es no factible, óptimo o no acotado, y (b) el
problema de programación entera es no factible, óptimo o no acotado (indique todas
las SOLUCIÓN:es enteras factibles con puntos negros, y etiquete cada restricción).,
En aquellos para los cuales ambos problemas en (a) y en (b) son óptimos, encuentre
las SOLUClÓN:es óptimas e indique si la -SOLUCIÓN:enter(3 puede .obtenerse
mediante redondeo de la SOLUCIÓN:de la programación lineal.
SOLUCIÓN:
Identificación de variables
Xij =Número De alumnos que acuden del distritoi a la Escuela j
Identificación de !a función objetivo

MIN 3X11 + 7X12+ 4X21 + 4X22 + 6X31 + 4X32
Identificación de las restricciones
Con respecto a la población de cada escuela
X11 + X21 + X31~i 100
X12 + X22 + X32:S700
Con respecto a la cantidad de alumnos por distrito
X11 + X12~500
X21 + X22$350
X31 + X32~950
Con respecto a la cantidad de alumnos blancos
X11 + X21 + X31~440
X11 + X21 + X31~660

X12 + X22 + X32~280
X12 + X22 + X32$420

Con respecto a la no negatividad
Xij~O.ENTEROS
RESPUESTA
1 )2440 X 11 =440 X32 =280
200
ProgramaCión entera 201
EJERCICIO 5.5
Identificación de ~a Función Objetivo:
MAX6x1+5x2
5x1 "T" x2 ::; 15
2x1 + 4x2 ::; 19
x1 _ x2 ~ O , enteras
SOLUC!ÓN:usando el método gráfico:
i) Graficando ias restricciones
5x1+x2 = 15 (1) 2x1+4x2 = 19 e ( J1)
Si x1=0 ~x2=15 Si x1=0 ~x2=4,75
Si x2=0 ----+X2=4,75 1 Si x2=0 ----+x2=9,5
Graficandorestricciones y la F.O:
Hallando la S.O:
Z=6(2)+5(3)
Z=27
SOLUCIÓN:1) 27 X1=2 X2=3
201
EJERCICIO 5.6
!dentíficación de la Función Objetivo:
MAX-2X1-3X2
Identificación de ias r-estricciones:
X1 2X2 :::: 2
2X1 X2 2!: o
X1 X2 2!: O, enteras
SOLUCIÓN:
i) Graficando lasrestricciones
-X1 +2X2=-2 (i) -2X1 + X2 =O (íi)
Sí X1=0 -+ X2=-1 SiX1=0 -+X2=0
Si X2=0-+ X1=2 Si X2=2-+ X1=1
iii) Graficando la Función Objetivo

-2X1-3X2=6
Si X1=0 -+ X2=-2
Si X2=0-+ X1=-3
iv) Hallando la SOLUCIÓN:optirna

·Hallamos las soluciones factibles:
(0,0)-+ 2:=0
(1 ,0)-+ Z=-2
(2,0)-+ Z=-4
(3, 1) -+ Z=-9
A medida que elevamos la F.O.
Se vuelve más negativa, por lo tanto:
La SOLUCIÓN:optima es: X1 =O X2=0
El valor que toma la F.O es: Z=O
SOLUCIÓN: CON LINDO: 1) O X1 =O X2=0
202
EJERC!CJO 5.7
MAX-2x1 +3x2
· Identificación de las restricciones:
7x1 +24x2::; 45
-x1 +4x2 2:5
x1 ,x2 ?:Oyentetas
SOLUCIÓN:
Graficando lasrestricciones
7X1 +24X2 = 45 (1) -X1 +4X2 = 5 (11)
SI X1=0 ~X2=1,9 I
. SI X1 =o·~X2=1 ,2575
SI X2=0 ~X1=6,43 SI X2=0 ~X1=-5
/''~~
1 1
1 _,L
No tiene SOLUCIÓN: porque no tiene región factible es decir no hay valores enteros
que cumplan con las restricciones
______ ..
203
EJERCICIO 5.8
MAX12x1 +4x2
30x1 + 8x2 105
4x1 + 4x2 21
4x2 17
x1, x2 OyEnteras
SOLUCIÓN:
Graficando las restricciones
30 X 1 + 8 X 2 = 105
X 1 = O --+ X 2 = 13 .13
X2=0--+ XI=3.5
4Xl+4X2=21
X 1 = O --+ X 2 = 5 .25
X 2 = O --+ X 1 = 5 .25
4X 2 = 17
X 2 = 4.25.
Graficando la F.O.
12Xl+4X2=48
Xl = O-t X2 = 12
X2=0-tXl=4
Hallando la S.O.
Xl =3
X2=1
12(3) + 4(1) = 40
RESPUESTA 1 ) 40 Xi =3 x2 = 1
204
EJERCICIO 5.9
Identificación de ·la Función Objetivo:
MIN-2x1-5x2
4xí 2x2 2 10
3x1 + x2 :55
xí x2 20yenteras
SOLUCIÓN:
- 4.:r1 + 2x2 =-lo

Xf= O ---7 X2 = :._5
X2 =O~ Xl = -2.5
3Xl+X2=5
Xl = O ---7 X2 = 5
X2- O ---7 Xl = 1.6
RESPUESTA No tiene SOLUCIÓN:porque no hay región factible
205
EJERCICIO 5.10
Identificación -de la Función Objetivo:
· MAXx1-x2
2x1 2x2 ::;1
-4x1 + 4x2 ::; -1
x1 ,x2 ~Oyenteras
SOLUCIÓN:
- 2Xl + 2X 2 = -1
Xl = O~ X 2 = -0.5
-X2?0~Xl=0.5
- 4Xl + 4X 2 = -1
X1=0.-+X2=-0.25
X 2 = O -+ X 1 = O.25
-ds
X: -0.83:74
-Y:-19851
No tiene SOLUCIÓN:porque no hay valores enteros en la gráfica
RESPUESTA NO TfENE SOLUCIÓN:
206
EJERCICIO 5.11
Dibuje un árbol para representar todas las SOLUC1ÓN:es enteras posibles del
siguiente programa entero:
SOLUCIÓN:
MAXx1+x2
5x1 + x2 ~10
2x1 + 4x2 ~8
x1~2
x2s1
x1 x2 ~Oyente ras

5X 1+ X 2 = 10
X 1 = O ~ X 2 = 10
X2=0~ X1=2
Graficando la F.O.
2 X 1+ 4 X 2 == 8
Xl+X2=2
Xl=O~ X2=2
Xl=~~ X2=2
X2=0~ Xl=4
X2=0~ X1=2
X 1 = 2
.>
X 2 = 1
Hallando la S.O.
Xl = 1
X2=l
1+1=2
XI= 2
X2=0
2+0=2 1
·;:t:~~·'.~~~~f\!j====-=Et :......... ·······························-~··-······-·····-··-+····-·
1··--·--···········-···i-····-···-·-····
'~1 ······ ···-· ~--····--····-····· .(..
- "~= ¡ ; 1
RESPUESTA 1)2 x1== 1 x2== 1-

207
EJERCiCIO 5.12
Dibuje un árbol para presentar todas las SOLUCIÓN:es enteras ·posibles del
siguiente programa entero:
SOLUCJÓN:
MJNx1-2x2+3x3
x1 + x2+x3:S 2
2x1- x2-x3:S O
-x1- 2x2+ 2x32:0
x1 ,x2,x32:0y8inario
LP OPTIMUM FOUND AT STEP 2

OBJECTIUE UALUE = 1.50000000
HEW IHTEGER SOLUTIOH OF 1.00000000 AT BRi»>CH O PIUOT 2

RE-ÜlSTALLIHG BEST SOLUTIOH .•.
OBJECTIUE FUNCTIOH UALUE

..,,, 1.01l01l01l
UARIABLE UftlUE REDUCED COST

X1 O.ll!Hlfillll -1.000000
X2 O.OOilO!lll 1.01l01lll0
X3 1. OllllllllH -1.1l0ll!l00
X1,X2,X3 O.!illOilOil 0.000000
RO\~ SLACK OR SURPLUS DUAL PRICES

2) 1. OOOilll!l O.OOil!HlO
3) 1.1l0001lll O.OilOOlHl
4) 2. !HlllCllO \LilOOOilll
5) 0.1Hlllll01l ll.lliHlOOú
. NO. ITERATIONS= 4
BRAHCHES= O DETERM.= i.OOOE O
/ 208
EJERCICIO 5.13
En el siguiente programa entero, -considere un árbol en el cual las variables se fijan
de izquierda a derecha en su siguiente valor entero más grande. Utilice la
información dada consistente en e! nodo actual del árbol, -la SOLUC1ÓN:al programa
lineal asociado y la cota inferior actual para indicar qué nodos, si los hay, pueden
·dejar de tomarse en cuenta.
SOLUCIÓÑ:
identificación de Ja Función Objetivo:
MAX2x1+3x2
-x1 + x2 $1
-x1 ·+ x2 $0
2x1 + x2 $3
x1 $1
x2 $2 .y."v-1!
x1 ,x2 2:0 y enteras

·-X1+X2==l Graneando la1F.O. -
XI== O~ X2 == 1 2Xl+3X2=6
X2=0-~X1==-1 Xl==O---t X2=2
-X1+X2=0 X2==0---t Xl==3
Xl==O~X2=0 Hallando la S.O.
X2=0-7Xl=2 X1==1
2X1 + X2 =3 X 2 =1
X1=0-7X2=3 2(1) + 3(1) = 5
X 2 =O~ Xl = 1.5
X1 =1
X2=2
RESPUESTA 11\5 Xt= 1 X2 = 1
209
EJERCICIO 5.14
Repita el ejercicio 5.15 utilizando la sigu~nte información en el nodo actual, cota
inferior: ninguna, Nodo actual: aquel en que ni x1 está fijo en 1.
solución:al programa lineal asociado: x1 =1, x2 = 1
SOLUCIÓN:
Identificación de la función Objetivo:
MAX2x1+3)5:2
-x1 + x2::; í
-x1 +
2x1 +
x1 ,x2 ~Oyentero

- Xl + X2 ~ 1
Xl=0-1-X2=1
X2=0~Xl=-1
-Xl + X2 ~O .. : ........ !... .
Xl =O --1- X2 ::,,D
X2 =O --1- Xl =·1
2Xl+X2~3
Xl =O -'-7 X2 =3
X2 =O --1- Xl = 1.5
Graficando !a F.O.
2XI+3X2 = 6
XI =0 ~ X2 = 2 . "'-... -~·ii30!<
"-._!
X2=0~Xl=3 "'-...
!·--····--·-·-·-..-......;. ,.. _ .. ,..................... _ ... ,______..___....., ..- ...-...................... - ..:. .......... ~ .....
Hallando la S.O.
¡
Xl =1 ' . .-.. .
. . . . . .!-.
1
X2 =l -Y:t44
2(1) + 3(1) =5
RESPUESTA Ningún nodo se puede eliminar

1)5 X1= 1 X2 = 1
210
EJERCJC10 5.15
Repita e! ejerdcio 8.15 utilizando lo siguiente:
SOLUCIÓN:
MAX 2x1+3x2
x1 x2 ::;; 1
x1 x2 ;:;: o
x1 + 2x2 ::;; 3
x1 :5:2
x2 :5:1
x1 ,x2 ;:;:Qyenteras
-X1+X2=-l
Xl =O-+ X2 = -1
X2=0-+X1=1
-XI+X2=0
Xl =O-+ X2 =O
X2=0-+Xl=l
Xl + 2X2 =3
Xl =O-+ X2 = 1.5
X2 =O~ Xi = 3
Xl = 2
X2=I
Graficando la F.O.
2Xl +3X2 = 6
Xl =O-+ X2 = 2
X2 =O-+ Xl = 3
Hallando la S.O.
Xl=l
X2=1
2(1) + 3(i) = 5
RESPUESTA
El nodo actual y todos los nodo§ q_IJe se encuentran por debajo de éste pueden ser
eliminados.
1)5.000000 X1 = 1.000000 X2 = 1. 000000
EJERGICJO 5.17
UNIVERSAL TEXTIL fabrica tiendas de campaña grande y pequeña. Las tiendas
grandes requieren 1O metros cuadrados de material, 15 minutos en la máquina de
coser y aportar a la compañía una ganancia de$ 90. Las tiendas pequeñas utilizan 6
metros cuadrados de material, 7.5 minutasen la máquina de -coser y producen una
ganancia de$ 70. En el presente trimestre hay 15000 metros cuadrados de material
y 25000 miAutos de tiempo de máquina disponibles. Dado que el número de tiendas
grandes debe ser de al menos la mitad de la cantidad de tiendas pequeñas, el
siguiente programa entero fue desarrollado para determinar cuántas tiendas grandes
(L) y cuántas pequeñas (S) se deben hacer en el trimestre:
SOLUCIÓN:
MAX90L+70S
10L+ 6S ~15000
15L + 7,5S ~25000
2L- S ;::: O
L,S ;:::o y son enteras
1
Utilice su paquete de computación para resolver este problema entero. Interprete los
valores de las variables en el contexto del problema. ¿Qué restricciones son
limitantes, es decir, valen igualmente en condición de optimalidad? ¿Qué significa
esto en el contexto del problema?
RESPUESTA 1) 156790 L=682 S=1'363
213·
EJERCICIO 5.18
Con un presupuesto de un millón de dólares, Linea 1 ele Trenes Metro de Lima,
necesita reorganizar su ex!stencia de vagonetas estándar, que cuestan $ 20000
cada una, de vagonetas de lujo, que cuestan cada una $ 28 000, y de vagonetas de
súper lujo, que cuesta $ 40 000 cada una. El gerente desea asegurar que hay al
menos el doble de vagonetas estándar que !as de lujo, y al menos tres veces más
vagonetas de lujo que de súper lujo. Dado que debe hacer al menos tres vagonetas
de súper lujo, el siguiente problema de programación entera fue desarrollado para
determinar el número de vagonetas estándar (S), de lujo (D) y de súper lujo (C) que
se deben pedir para tener el mayor número posible de vagonetas en existencia:
SOLUCIÓN:
MAXS+D+C
SUJETO A
20000S+280000+40000C =::;1 0000000
s-2o ~o
D-3C ~O
e ~3
S,D,G~O, ENTERAS
. 1
Utilice su paquete de computación para resolver este programa entero. Interprete los
valores de las variables en el contexto del problema. ¿Qué restricciones son de
limitación, es decir, valen igualmente en condición de optimalidad-? ¿Qué significa
esto en el contexto del problema?
TABLERO
Fax- Comprensi Sintetizad ·Disponibl
modem ón orde e
de datos sonido
1
Inserción de chip Soldado 10.3333 0.25 ¡o.5 500
Ensamblado Jo.s 0.5 0.5 600
Prueba 2.0 2.0 1.0 12000
11-~ 2.0 3.5 12400
1 1
Ganancia($) j10 10 18
Producción mínima /5oo 300 250

1
RESPUEStA 1)493, S=480, D=iO, C=3
214
EJERCICIO 5.19
Hacker Company fabrica tableros de circuitos electrónicos para computadoras PC.
Cada tablero de fax-módem, de comprensión de datos y de sintetización de sonido
requiere una cierta cantidad de tiempo de máquina para insertar fos chips, soldarlos,
ensamblarlos y probarios. Estos datos (en minutos), junto con la cantidad de minutos
de tiempo de máquina disponible para cada operación, el número mínimo de
producción de cada tablero, y !as ganancias netas se resume-n en la tabla siguiente:
el siguiente problema de programación entera fue desarrollaqo para determinar el
número de tableros de fax-módem (F), de comprensión de datos (O) y de
sintetizador de sonido (M) que se deben producir:
SOLUCIÓN:
MAX1 OF+1 OD+8M
SUJETO A
0.3333F+0.25D+0.5M ~500
0.5F+0.5D+0.5M ~600
2F+2D+M :::;2000
1.5F+2D+3.5M :::;2400
F 2:500 · t-
D 2:300
M 2:250
F,D,M 2:0, ENTERAS
Utilice los resultados anteriores para responder. ¿Cuántos tableros de cada uno
debe fabricar la empresa?¿ Cuál es la ganancia total?
RESPUESTA 1)10816,F =564,0 =300,M ='272
215
..... ....-·
EJERCICiO 5.20
Uti·lice su paquete de computación para encontmr la nueva SOLUCIÓN:al ejercicio
8.23, sí las cuatro operaciones tienen 1O% más de tiempo disponible.
SOLUCIÓN:
MAX10F+100+8M
SUJETO A
0,3333F+0.250+0.5M :::; 550
0,5F+0,50 +0.5M :5 660
2F+2D +M :5 2200
í ,5F+2D +3.5M ::; 2640
F ~ 500
o ~300
M ~250
F,D,M ~O. ENTERAS

RESPUESTA 1)11912.00 F= 6480= 300 M =304
EJERCICIO 5.21
Utilice su paquete de computación P8ra determinar qué le sucede a la SOLUCIÓN:y
a la ganancia óptima del ejercicio 5.23, si se debe producir un mínimo de 550 fax-
módems?
SOLUCIGN:
MAX10F+100+8M
SUJETO A
0,3333F+0,250+0.5M :5550
0,5F+0.50+0.5M :5600
2F+2D+M ::; 2000
1.5F+20+3.5M ::; 2400
F ~500
o ~300
M ~250
F,D,M ~o. ENTERAS

RESPUESTA 1)10816 F=5640=300 M=272
EJERCiCIO 5.22
Utilice su paquete de computación para determinar qué le sucede a 1a SOLUCIÓN:y
a al ganancia óptimas del ejercicio 8.24, si se tienen disponibles 400 minutos
adicionaies de tiempo de máquina para el ensamblado.
SOLUCIÓN:
MAX10F+IOD+8M
SUJETO A
0.3333F+0.250+0.5M ~500
0.5F+O. 5D+0.5M $600

2F+2D+M ~2400
1.5F+20+3.5M ~2400
F ~500
o ~300
M ~250
,D,M ~OyENTE RAS
RESPUESTA 1)11160.00 F = 616 o= 300 M =250
EJERCICIO 5.23
l
La gerencia de High Tech está considerando invertido en seis proyectos, cada uno
requiere .una cierta cantidad de capital inicial. Estos datos, junto con el factor de
riesgo asociado (entre O y 1) y la recuperación anual esperada, se presentan en la
siguiente tabla:
PROYECTO CAPITAL RIESGO Df::VOLUCION
1 1
P1 100 000 0~50 0.20
P2 200 000 0.40 0.15
í
P3 170 000 0.70 0.30
1
P4 250 000 0.65 0.25
1
P5 400 000 . 5
04 0.17
P6 250 000 0.75 0.40 j
1 1
Los socios de la empresa han acordado que el riesgo total, obtenido al sumar los
factores de riesgo de cada proyecto emprendido, no debe exceder a 3.0. También,
cuando muchos dos proyectos pueden tener un factor de riesgo mayor a 6.0 El
siguiente problema de programación entera fue desarmllado para de'terminar en qué
217
proyectos se debe invertir con un presupuesto de un millón de dólares para lograr la
mayor recuperación anual esperada:
SOLUCIÓN:
MAX 20000P1 +30000P2+51 OOOP3+62500P4 +68000P5+100000P6
SUJETO A
0.5P1 +0. 7P2+ O. 7P3 + 0.65P4 + 0.45P5 + O. 75P6 ~ 3
P3+P4+P6 ~ 2
1OOP1 + 200P2 + 170P3 + 250P4 + 400P5+250P6 ~ 1000
P1 ,P2,P3,P4,P5, P6 i!O, Binario
OPTIMAL SOLUTION- DETAlLE O REPORT
VARIABLE VAL UE COST RED.COST STATUS
1 P1 1.0000 20000.000 20000.0000 Lower bound

:< P2 0.0000 30000.000 30000.0000 Lower bound
2 P3 0.0000 51000.000 51000.0000 Upper bound
4 P4 1.0000 62500.000 62500.0000 Lower bound
E P5 1.0000 68000.000 68000.0000 Lower bound
E P6 1.0000 100000.00 10000.0000 Lower bound
Slack Variables
7 RISK 0.6500 0.0000 0.0000 Basic
E'MAXRISK 0.0000 0.0000 0.0000 Basic
S BUDGET 0.0000 0.0000 0.0000 Basic
OjectiveFunctionValue = 250500
Utilice el resultado anterior para responder a lo siguiente:
¿En qué proyectos debe invertir High Tech? ¿Cuál es la recuperación anual
esperada al hacerlo?
¿Cuál es el riesgo total asociado con dicha inversión?
¿Qué tanto del presupuesto disponible no se invierte?
RESPUESTA
La compañía debería invertir en los proyectos P1, P4, PS y P6. Se genera una
recuperación anual de aproximadamente 25.05%
La variable holgada para la restricción de riesgo es de 0.65 e indica que el factor de
riesgo total del plan de inversión óptimo es 3.00 - 0.65 =2.35
Todo el capital invertido se utiliza.
218
Programación entera 21 9
EJERCICIO 5.24
En el ejeícicio 8.27, suponga que los socios de la empresa agregan el r€quisito de
que el proyecto P1 debe emprenderse sólo si se emprende el -proyecto P2.
Modifique la formulación y utilice su paquete de computación para determinar e!
nuevo plan de inversión.
SOLUCiÓN:
MAX20000P1 :3DOOOP2+51 OOOP3+62500P4+68000P5+1 OOOOOP6

SUJETO A
0.5P1+0.7P2+0.7P3+0.65P4+0.45P5 + 0.75P6 s;3
P3+P4+P6s; 2
1OOP1 +200P2+170P3 +250P4+400P5 + 250P6 s; 1000
P1 +P2 =2
Pi ~ O , Binario
219
.. :. -::~
5.2. Autoevaluacion quinta unidad programacion entera
RESUELVA GRÁFICAMENTE LOS MODELOS DE PROGRAMACIÓN

LINEAL
.04 Una empresa que opera 12

:--.· .'· ·.'·.·Minutos poi,:Unidad<:.:; · .·.·
• • :- ..._••L_.:. ·~·. . . . ' .;;_ ·.~ :!. ': •. ' - ;· -
horas diarias, ensambla sus dos
tipos de productos en tre·s ·
procesos en secuencia, el
primer· Y. segundo proceso se
· · realizan . en 4 y 5 horas
¡
respectivamente. La siguiente
tabla resume los datos del
problema. Desarrolle el modelo
matemático y encuentre el plan -
óptimo de producción Use el
método gráfico
220
UNIDAD VI PROBLEMAS DE TRANSPORTE
..,7~,... ....··_·"'~· .;:¡,._4:( •. . ~ ..... ",.;:,;..~--. ~> ~).,_ ......... :·- .......~ . .-~<ti~.~~ . . . ,::~ .::, ,. . 1.. ... . . . 1
... _Lie ':)t~§]~_dan' --s_~?:' -R~~fiduc;;tós~:::la'$:· ··~rnp'res·~·s comerci§l~ que· s~ i

.. ~ ._~, .... :.dé~~~r¿kllerfª ~-~-~~ '~:~~~és.?~~:<:ié'~~~~-~-~q~~~~1~}t~a~a ~- Ó~::ffi(~:i;ni~~r. s.9~· !
!·.;;.-~,wt::;::·,,.. "'",.. t.:·... _ .. 1,_ .. ~~.:..;..;:.•_, -~ ...&·:•.,.-.·.·,~:.. ·: . .-:_...·· "~.,.. .·' ~¡!-..,:..· !$r~~ .., ..:.,..::-.. ~ ..... '_.. ··~.:. \'_..,. ~... ...
1
¡·.p9~~~s. ~~=-tn?-~i~j~ª:r :7·~~~-~filid;~8~~;::.~-~~? -~~!~~- _e.~¡ 1_'15;';9.1!i0:'9'~·-~?ñ.?~::,}~:·:c~,an_ c;e99Q.·j

2
¡:,algqntmÓ~~.rf1~tematlcÓs''qü~ -~esuelv_~_n' de ma'né~~~rn?.rí'úat~ó ,qofi' la>~yu"aad~,de la 1

t. . ~-~-':" . 7· ~~· ,~-~? .; i ., ... .,__ ~ ·~-< :.::-;__ ·..:~ -~--~-¡.;; -~: ~ "_~.t~ ..... ~--~· ~'"·.:y~:.: '::_•
•• _ :::: '. ·,,,:!, ... ¡
:
!..-con1f:?utadorp: büscan,do la_ SO~UGION.:óptiñia,:.de 'esta~;-ma.hé~r? le:(- p·~o-grámación, ¡

ty~ ·....' ·, ~ · .. ·_·--.
~-~-~~ ·~ ·::~,_. ~ ·~ ~::. ~·::.~
r'lin'eal·curñp-fesu.;r61 decisivo para log'rar el 'exito/: _ - ·

.! .-t • - ' .: ' -.::.. :.. • _,
·<, .. -~,.. ... . ,:,:· . .T';. · •
r ~~-----w~~~: ~:-~~---. .;:.~: ;, ~~ _.~_2~--!. .~.-~::__.~- ~~~~ .· : ...:..~~~-~ ~r-- ~~:~~:. :/..:~~-!!. _'~-- --j~~~~~~-- : •• - · ;, ___ ._:_,..:_.~--~~· .:.._••• L -·~
221
6.1 Método Húngaro
Es _un algoritmo matemático que nos permite resolver problemas de

asignación
Pasos:
1. Identifique el menor de cada fila y réstelo a los valores correspondientes a
drcha fila
2. Identifique el menor de cada columna y réstelo a los valores de dicha
columna
3. Asigne tomando en cuenta los casilleros donde se hallan ceros.
Recordando que a cada trabajador se le asigna una tarea y cada tarea
debe ser realizado por un solo trabajador.
Paso 2a
Cuando no se puede asignar con el paso 3 realice lo siguiente:
i. Trace la menor cantidad de líneas horizontales o verticales que cubran
los valores ceros
ii. Identifique el menor de los números no cubiertos y réstelo a todos los
numeras no cubiertos, sume este número a las intersecciones y copie , los
¡
demás números.
iii Repita el paso 3
EJEMPLO:
El Sr. Klyne tiene tres hijos Boris, Jhon y Karen, quienes le solicitan una
propina para realizar un paseo con sus compañeros de la Universidad. El
padre les asigna tres tareas: podar el césped, Pintar la fachada y Lavar los
carros de la familia. Los hijos deben presentar una preforma (secreta). Queda
entendido que los hijos aceptarán la decisión del padre. En el siguiente
cuadro se indica los datos presentados por los hijos. ¿Qué decisión debe
tomar el padre?
223
SOLUCION
Paso! Paso 11 Paso lll
11
12
12
o 3 o
MODELO MATEMATICO
l. ldentificad6n de las variables
l
Xjj = . { O Al hijo i no se le asigna la tar~a j
1 Al hijo i se le asigna la tarea j
11. Identificación de la Función objetivo
MIN 13X11+14X12+ 11X13+
12X21+15X22+ i4X23+
13X31+í6X32+ 12X33
X11 +X12+X13 =1 X11+X21+X31 =í
X21+X22+X23 =1 X12+X22+X32 =1
X31+X32+X33 =1 X13+X23+X33 =1
Xij>=O, Binario
224
EJERCICIO 6.1
Una compañía '<ie servicios se desenvuelve en el -negocio de reparación de
máquinas lavadoras y secadoras doméstícas.La compañía da servicio a clientes en
toda la ciudad. Con el objeto de ahorrar tiempo de manejo y costos al inicio de cada
día, el personal de servicio se dirige directamente de sus casas a ios lugares donde
se les requiere. La tabla siguiente presenta las distancias asociadas con los
primeros 5 írabajos que deben llevarse a cabo.A cada empleado de servicio se ie
paga por conducir. Determinar la asignación del personal -de servicio a su primer
trabajo del dfa de manera que la distancia sea menor.
TAREA
EMPLEADO
A B e D E
01 20 14 6. 10- 22
02 16 8 22 20 10
03 8 6 24 14 12
04 20 22 2 8 6
05 4 16 22 6 24
SOLUCION EJERCICIO 6.1

IDENTIPICAC!ON DE VARIABLES
Xij = O Al empleado i no se le asigna la tarea j
=1 Al empleado i se le asigna la tarea j
IDENTIFICACION DE LA FUNCION OBJETIVA
MIN 20X11 +14X12 + 6X13 + 10X14 + 22X15
16X21 +8X22 + 22X23+ 20X24 + 1OX25
8X31 +6X32 + 24X33+ 14X34 + 12X35
20X41 +22X42 + 2X43+ 8X44 + 6X45
4X51 +16X52-;- 22X53+ 6X54 + 24X55
IDENTIFICACIÓN DE LAS RESTRICCIONES
X11 + X12 + X13+ X14+ X15 =1 X11 + X21 + X31 + X41+ X51 =1
X21 + X22 + X23 + X24+ X25 =1 X 12 + X22 + X32+ X42+ X52 =1
X31 + X32 + X33 + X34+ X35 =1 X13 + X23 + X33+ X43+ X53 =1
X41 + X42 + X43 + X44+ X45 =í X14 + X24 + X34 + X44+ X54 --1
-¡
225
X5í + X52 + X53 + X54+ X55 =1 X15 + X25 + X35+ X45+ X55 =í
Xij~ O, Binario
Resultado .usando UNDO
1) 32. X14=1 C=10 X25=1 C=10. X32=1 C=6
X32=1 X3=í C= 2 X51 =1 C=4
·soLUCIÓN:USANDO EL MÉTODO HUNGARO.
.2
o o o 2 2•
....
1 1 ·1
~
o·
14
r 2 14 . 12 8
~ 12
- .J_ ..~t!l
_a_
1
~
1
~a... 8 2 16 10
~
~~
},
r . ··)8
:
2 6 4: o ·18 4 2
.
18 jo
_.
f
1
4 2
1
16
1
20
®l 2 o
_o_ .12
.- ,b_
1 j
~ .!l rí.a. r ~ 14 20 o ~8
1
Respuesta:
Al empleadO í se le asignae! trabajo 4 1O
Al empleado 2 se le asignaei trabajo 5 1O
Al empleado 3 se le asignael trabajo 2 6
Al empleado 4 se. le asignael trabajo 3 2
Al empleado 5 se le asignael trabajo 1 4
DISTANCIA MINIMA 32
226
,.. ,..
o.¿ M_,eLoao
't. '- ~
oe •voge¡
' e
Es un algoritmo matemático que permite resolver problemas de transporte.

Los pasos son los siguientes:
Hallamos las penalidades para cada fila y para cada columna restando los
dos costos más bajos.
Elegimos la mayor penalidad y allí hacemos la transacción, enviando la mayor
cantidad posible.Se anota la transacción realizada, indicando la cantidad
enviada y el costo ocacionado.
Se repite hasta transportar toda la oferta, saldando la demanda.
Se haila el costo total.
EJERCICIO 6.2
Medican, lnc., renta equipo especializado de rayos.X a hospitales.Actualmente hay
tres máquinas ubicadas en Nueva York, dos en Chicago y tres en Los Ángeles.Hay
hospitales en Dalias que requieren cuatro máquinas.Los de Denver y Phoenix
necesitan cada uno dos máquinas.EI costo (en dólares) de enviar una máquina de
cada ciudad a cada hospital se muestra en la siguiente tabla:
HACIA1
DESDE DALLAS /DENVER PHOENIX
Nueva York 1600 1800 2500
Chicago 900 1000 1800
Los Ángeles 1400 1000 400
Dibuje una red de distribución que indique los suministros, demandas y otros datos
relevantes apropiados (cuando sea adecuado, añada nodos y arcos figurados para
obtener un problema equittbrado ).
Formule un modelo matemático para determinar cuántas máquinas deberían
enviarse desde cada ciudad a cada hospital para incurrir en el mínimo costo.
··· Encuentre una SOLUCIÓN:inicial usando el Método de Voge!
SOLUCIÓN:
ORIGEN DESTINO
New York Da !las
227
(3) (4)
Chicago Denver
(2) (2)
Los Ángeles Phoenix

(3) (2)
228
IDENTIFICACION DE VARIABLES
Xij = N.úmero de máquinas de rayos x,que se envían de la ciudad.i al Hospital j.
IDENTIFICACION DE LA FUNCION OBJETiVA
MIN 1600Xí 1 +1800X12 + 2500X13 +
900X21 + 1OOOX22 + 1800X23 +
1400X31 + 1000X32+400X33
IDENTIFICACIÓN DE LP,S RESTRICCIONES
X11 +Xí2 +X13 s3 X 11 + X21 + X31 = 4
X21 + X22 + X23::; 2 X 12 + X22 + X32 = 2
X31 + X32 + X33 s 3 X 13 + X23 + X33 = 2
Xij2: O, entero
Resultado usando LINDO
1)8500 X11=3 · X21==1 . X22==1 X32=t X33=2
SOLUCIÓN:CON EL METODO VOGEL

Hallamos las penalidades para cada fila· y para cada columna restando los dos
costos más bajos.
Elegimos la mayor penalidad y allí hacemos la transacción, enviando la mayor
cantidad posible
Dalfas Denver · Phoeni Oferta P1

X
Nueva 1600 1800 3 200

York
Chicago 900 1000 2 100
Los 1400 1000 3 600

Ángeles 1
Demanda 4 2 2
o
P1 500 800 1400
229
OBSERVACION
las penalidades de la primera vueltason 500,800, 1400 200, 100 y 600
Escogemos e! mayo que es 1400
En esta columna se escoge el menor costo, a!lf hacemos la transacción X33=2
La columna cormspondiente ha quedado saldada, se sombrea.
Luego se repite una segunda vuelta
Dalla Denv Phoeni Ofert P1 P2

S er X a
Nueva 1600 3 200 200

York
Chica 900 2 100 100

go
Los 1400 3 600 400

Ángel 1
es o
De ma 4 2 2
nda 1 o
P1 500 800 1400
P2 500 800
En Esta segunda vuelta la penalidad mayor es 800 y el costo escogido es de 1000

que va eliminar a costo mayor de 1400 si se escoge el otro costo de 100 se anula el
costo de 900 que es el mas bajo, no nos conviene.
La transacción es X32=1, con esta operación se elimina la segunda columna y por
defecto se decide la transacción pendiente y se calcula el costo mínimo
En el siguiente cuadro se hace todo el resumen y tenemos la ref)uesta al problema.
No es necesario hacer varios cuadros, basta uno solo.
230
CUADRO RESUMEN
Dalla Denv Phoeni Ofert P1 P2 P3

S er X a
Nueva 3 200 200 200

York
Chica 2 100 100 100

go
Los 3 600 400

Ángel 1
es o
Dema 4 2 2
nda 1 o
P1 500 800 1400
P2 500 800
P3 700 800
Este cuadro nos muestra el siguiente resultado:

X33=2~e == 2 x400=800
X32= 1~e == 1 x 1 000== 1000
X22=1 ~e == 1 x 1ooo= 1ooo
X21 =1-7e == 1 x900==900
X11=3-7C = 3 X 1600== 4800
Costo Mínimo Total:$ 8,500
231
EJERCICIO 6.3
Medican, lnc., acaba de· recibir una solicitud adicional para -dos de sus máquinas en
MiamLCuesta $1300 embarcar una máquina a Míami desde Nueva York, $1400de
Chicago y $27-00 de Los Ángeles. Use su paquete de computación para resolver el
problema modificado, suponiendo que cualquier demanda que no pueda satisfacerse
no incurre en ninguna penalidad.¿ Cómo afecta este cambio la SOLUCIÓN:óptima
del ejercicío_9.2? ¿Quién debería recibir máquinas y quién no?
SOLUCIÓN:
HACIA
DESDE Dalias Denver Phoenix Miami
1 1
Nueva York 1600 1800 2500 1300
1 Chicago 900 ' .

1000 . 1800 ·- 1400
Los Angeles 1400 1000 400 2700
Artificial o o o o
MODELO
Xij =Número de máquinas de rayos que se envían de la ciudad i al Hospital j.
JI IDENTIFICACION DE LA FUNCION OBJETIVA
MIN 1600X11 +1800Xí2 +2500X13 +1300X14 +
900X21 +1000X22 +1800X23 +1400X24 +
1400X31 +1000X32 +400X33 +2700X34 +
OX41 +OX42 +OX43 +OX44
111 IDENTIFICACIÓN DE LAS RESTRICCIONES

X11 + X12 + X13 + X14 ~3 X 11 + X21 + X31 + X41 =4
X21 + X22 + X23 + X24 ~2 X12 + X22 + X32 + X42 =2
X31 + X32 + X33 + X34 <'2
-'-' X13 + X23 + X33 + X43 =2
X41 + X42 + X43 + X44 ~2 X14 + X24 + X34 + X44 =2
v··
Alj ;:::O, entero
232
SOLUCIÓN:
HACIA
Dalla 1 Denv Phoe Miam Ofert
DESDE P1 P2 P3 P4
S er nix i a
1
3 1
30 30 30 20
Nueva York 1600 11800 12500 11300 1
o o o
-
1 1
o lo
2
1
/10 10
¡
Chicago
1
1
900 11000
1
1800 11400
1
o ¡o o
1
3
1
1 Los
¡60 40 140 40
1400 1000 400 2700 1
, Ángeles o o o o
o
- '· 2
Figurado o o o o 1 o
¡o 1
4
2
2 2 2
Demanda 1
1 o o
o
o 'i
· P1 500 ¡o 1400 100

P2 lsoo
1
¡o '
100
P3 /200 i 800 /1400
1
P4 )200 1 ¡
¡8oo
1 1 1 1
X11= 1 X14= 2 X21= 2 X32= 1

X33= 2 X4í= 1 X42= 1
Dalias solo recibe 3 maquinas de ias 4 que pidió
Denver solo recibe 1 máquina de las 2 que pidió. Costo mínimo: X33 --------2(400)
X21 = 2 C=2(900)
X14 = 2 C=1(1300}
X31 ··------C=2(1000)
X31 --------C=1 (1600)
TOTAL=7800
233
EJERCICJO 6.4
American Motors, lnc., puede enviar un total de hasta 200 automóviles en camión y
600 en ferrocarril de su fábrica de Detroit a sus distribuidores de Chicago, Cieveland,
Washington, D. C. y Filadelfia. El costo (en dólares) de enviar un carro a cada uno de
los distribuidores por camión y por tren y las demandas de los distribuidores se
muestran en la siguiente tabla:
COSTO EMBARQUE ($/CARRO) HACIA
-
POR ICHICAGO 1 CLEVELAND . WASHINTON FILADELFIA
'Camión 30 20 !50 60
Tren 451 30 75 90 1
1
Demanda 1300 100 250 150

·Dibuje una red de distribución que ind1que los sum1mstros, demandas y otros datos
obtener un problema equilibrado).
Como gerente del departamento de logística, formule un modelo matemático para
determinar cómo enviar los carros a los distribuidores a fin de minimizar los costos
totales de transportación.
SOLUCIÓN:
MEDIO DE TRANSPORTE DISTRIBUIDOR
(;\CH300
.~u.
CAMION
200
~WA250
TREN
~u 250
600
Fl150
234
~----.
MODELO
IDENTJFICAC~ON DE VARIABLES
Xij = Número de car. A enviar-por el medio i ál distribuidor j
11 IDENTIFICACION DE LA FUNCION OBJETIVA
MIN 30X11 + 20X12 + 50X13 + 60X14 + 45X21 + 30X22 + 75X23 + 90X24

X11 + X12 + X13 + X14 ~200
X21 + X22 + X23 + X24 ~600
X11 + X21 =300

X12 + X22 =100
X13 + X23 =250
,X14 +X24 =150 .
Xíj 2:0,Entero
1 HACIA (Costo embarque ($/carro))
POR 1 CH 1 CLE WASHIN t FIL Oferta P1 P2
1 200
·Camión 30 20 50 60 50 10 10
1
o
1 600
j 500
Tren 45 30 75 90 15 15
200
o
250
300 100 150
Demanda 200
¡o o
lo o ..
1
P1 15 110 /25 130
P2 115 110 ¡25
X14 =150------C= 150(60)
X13 =50--------C=50(50)
X22 =1 00------C= 100(30)
Y21 =300------C= 300(45)
X23 =200------- C=200(75}--------------43000
235
EJERCICIO 6.6
Para el probiema de American Motors, lnc. del ejercicio -9.4:
Dibuje el cuadro de transportación iniciaL
Encuentre una SOLUCJÓN:inicial usando el método de Vogel
SOLUCIÓN-:
HACIA Chicago Cleveland Washington Filadelfia OFERTA P1 P2

POR 1 2 3 4
CAMION j 200
( 1) 30 20 50 60 50 10 10
o
TREN 600
(2) 400
45 30 75 90 15 . 15
300
o
DEMANDA 300 1 100 250 150
o o 200 o
o
P1 ~5 10 25 130 -·
P2 115 10 ¡25 1
Este cuadro nos muestra el sig.uiente resultado:

X 14 = 150__,.c = 150 X 60=800
x 13 = so__,.c = sox so= 1ooo
X22 =1oo__,.c = 200 x 7 5= 1ooo
X21 =3QO__,.c = 100 X 30=900
X23 = 2QO__,.c = 300 X 45= 4800
Costo Mínimo Total:$ 43,000
236
EJERCICIO 6.7
La gerenda de American Motors, lnc., acaba de recibir un pedido adicional de 75
automóviles de su distribuidor de Cincinnati.La tasa de embarque por carro es de
$28 por camión y $42 por tren.Use su paquete de computación modificado,
suponiendo que cualquier demanda que no pueda satisfacerse no incurre en
ninguna penalídad.¿Cómo afecta este cambio la SOLUCIÓN:óptima del ejercicio
9.5? ¿Quién recibirá sus pedidos completos y quién no?
SOLUCIÓN:
MEDIO DE TRANSPORTE DISTRIBUIDOR

CHICAGo·
300
CAMION CLEVELAND
200 100
TREN WASHINGTON
600 250
FILADELFIA
75 150
CINCINNATI
75
MODELO
lOENTIFICACION DE VARIABLES
Xij = Número de carros que se van a transportar mediante el medio i al destino j
11 IDENTIFICACION DE LA FUNCION OBJETIVA
MIN 30X11 + 20X12 + 50X13 + 60X14 + 28X15 +

45X21 + 30X22 + 75X23 + 90X24 + 42X25 +
OX31 +OX32 +OX33 +OX34 +OX35
X11+ X12+ X13+ X14+ X15 $ 200
X21 + X22+ X23+ X24+ X25 5 600
X31+ X32+ X33+ X34+ X35 $ 75
X 11 + X21 + X31 = 300
X12+ X22+ X32 = 100
X13+ X23+ X33 = 250
X14+ X24+ X34 = 150
X15+ X25+ X35 = 75
Xij ~ O, entero
RESPUESTA: 1)39775,
X13=125, X14=75, X21=300,• X22=100, X23=125, X25=75, X34=75
238
Costo embarque $/carro)
HACIA / Chicag 1 Clevelj Washin Filad Cincin Oferta ¡ P1 P2 P3
1200 l
Camión 30 20 50 60 28 125 8 8 8
- o
1
1
1 1
1
1
600
1
1 sao·
1
Tren ¡45 30 75 90 42 425 12 12 12
1
125
1
.. ·..•
o
1 . .
1
75
1
Figurado o o o o /o o
o
250 150
300 100 75
Demanda 125 75
o o o
o o
1
P1 130 20 50 i 60 28
1
¡30
j
P2 ¡ 15 10 25 114
P3 115 10 25 14
1
X34=75 --·- C=75(0) =O

X14=75---- C=75(60) =
X13 =125----- C=125(5Q-) =
X22 = 100------ C=100(30) =
X25 =75------- C=75(42) =
X21 =300---- C=300(45) =
X23 =125------ C=125(75) =
Costo total =39775
~·· 239
- PROBLEMA 6.8
Considere un problema de transportación equilibrado en donde debe maximizarse la
función objetivo en vez de minimizarse.
Desarrolle un método de matriz máxima para encontrar un plan -de embarque inicial
modificando los pasos del método de matriz mínima.
SOLUCIÓN:
l. IDENTIFICACION DE LAS VARIABLES

Xij = Número de carros que transportan usando el medio i a la ciudadj
11. IDENTIFICAC!ON DE LA F.O.

MAX 30X11 + 20X12 + 50X13 +60X14 + 28X15 +
45X21 + 30X22 + 75X23 +90X24 +42X25 +
OX31 +OX32 +OX33 +OX34 +OX35
111. IDENT!FICAC!ON DE LAS RESTRICCIONES

X11 + X12 + X13 + X14 + X15 =200
X21 + X22 + X23 + X24 + X25 =600
X31 + X32 + X33 + X34 + X35 =75
X11 + X21 + X31= 300
X12 + X22 + X32= 100
X13 + X23 + X33= 250
X14 + X24 + X34= 150
X15 + .X25 + X35=75
Xij~ O ; enteros
240
HACIA 1
1Chícag Cleve! Washin Filad Cincin Oferta P1 P2 P3 P41
POR
1
1
- 1 200
1 1
Camión . 100
( í)
30 120 50 60 28
25
10 20
1
2 2 J
o
1
1 600
Tren 450
. . ·~
45 30 75 90 42 15 30 3
(2) 200
o
'
75 o
Figurado o ¡o o o o
o
o o
Demanda 300 100 250 150 75
100 o O. o o
1
o
P1 1 15 10 /25 /30 14
P2 /15 j 10 125 1 14
1
:
P3 115
1
110 l. /14
1
l P4 130 20
1
/28 1

X24=150-+C = 150 X 90 =13500X23=250-+C = 250 X 75 = 18750
X21 =200-+C = 200 X 45 =9000 X11=100-+C = 100 X 30 =3000
X15=75-+C = 75 X 28=2100 X12=25-+C = 25 X 20=500
X32=75-tC = 75 X 0=0 Costo Máximo Total solicitado:$ 46,850
241
EJERCICIO 6.9
Pine Tres, lnc., ha recogido 400 toneladas de madera de bosques de pinos ubicados
fuera de Vancouver, 200 toneladas de madera de bosques ubicados fuera de
Sea1tle, 150 toneladas de madera -de bosques ubicados fuera de Pórt~and, Japón ha
colocado un pedido de 200 toneladas a un precio de $1.200 por toneladas.Taiwán
necesita 300 toneiadas y pagará a $1100 la tonelada y Síngapur desea 250
toneladas a $1000 por tonelada.A Pine Trees, lnc., ie cuesta $500 traer cada
tonelada de los aserraderos al puerto de Vancouver, $400 por tonelada al puerto de
Seatle y $300 por tonelada a Portland.La siguiente tabla proporciona el costo de
embarque de cada tonelada por mar desde puertos a Jos países respectivos:
COSTO DE EMBARQUE (S/TONELADA)-DE MADERA
POR MAR-HACIA
DESDE · jJAPON /TAIWAN SINGAPUR
Vancouver 1250 /250 200
Seattle 1250 '200 200
Portland ¡_200 150 150
Dibuje una re6 de distribución que indique los suministros, demandas y otros datos
relevantes apropiados (cuando sea tadecuado, añada nodos y arcos figurados para
obtener yn problema equilibrado).
Formule un modelo matemático para determinar un plan de distribución para
maximizar las ganancias corporativas.
SOLUCIÓN:
VANCOUVER JAPON
400 200
SEATLLE TAIWAN
200 300
PORTLA.NO SINGAPUR
150 250
MODELO
l. IDENTIFfCACION DE VARIABLES
Xij = Númem de Ton. de madera de transportar de la ciudad i a -la ciudad j
11. IDENTIFJCACION DE LAFUNCION OBJETIVA
MAX450X11 + 350X12 + 300X13+550X21 +500X22+
400X23 + 700X31 + 650X32+550X33
111 JDENTIFICACIÓN DE LAS RESTRICCIONES
X11+Xí2+X13 <= 400 X 11 + X21 + X31 = 200
X21 + X22 + X23 <= 200 X12 + X22 + X32= 300
X31 + X32 + X33 <= 150 X13 + X23 + X33= 250
Xij~ o
SOLUCIÓN:CON LINDO:
1) 342500 X11=200, X22=150, X32=150,X13;.2oo, X23=50
Ganancia según los destino =ingresos- costos (recogido y traslado)
G 11 =1200-750=450 G21 =1200-650=550 G31 =1200-500=700
G12=1100-750=350 G22=11 00-600=500 G32=11 00-450=650
G13=1000-700=300 G23=1 000-600=400 G33=1000-450=550
HACIA
DESDE JAPON TA'IWAN 1 SINGAPUR Oferta P1 P2 P3
400
VANCOUVER 1450 350 300 200 50 50 150
:
o r
200
SEATLE 550 500 400 50 100 100 150
o
1
1 1 1 1
150 1
PORTLAND 1700
1
/650 /sso lo '100 1
1 i ! 1
'
1200
300 '250
1
Demanda 150 200
lo ¡o ¡o
1 1
1
P1 j100 150 1100 1
1
P2 /100 1
J
150 ¡ 100
P3 1100 1 100
1 i
243-- . .
------
RESPUESTA:
Utilidad máxima: X11 -------200(450)
X32 ------150(650)
X22 -----150(500)
X13 -------50(400)
X23 -----200(300)
1
342500
EJERCICIO 6.10
Para el problema de Pine Trees, lnc. del ejercicio 9.9:
Dibuje el cuadro de tr.ansportación inicial.
Encuentre una SOLUCIÓN:inicial usando el método de Vogel.
SOLUCIÓN:
COSTO DE EMBARQUE
- !(S/TONELADA)DE MADERA POR OFERTA

1
1
!
MARHACIA
, 1
,
¡ P1 P2
Desde JAPON IAI'vVAN 1 SINGAPUR
1
1 2 13 1
400
Vancouver
450 350 300 200 100
(1)
o
f
200
Seattle
550 500 400 50 50 100
(2)
o
1
Portland 150
700 650 550 50 100
(3) o
DEMANDA 200 1300 250
1
o 150 50
o o
1
P1 150 150 150
P2 '150 /150
X11 =200-+C=200 X 450= 90000

X32= 1so~c= 150 x 650= 97 5o o
X12=150--tC= 150 X 500= 75000
X13=200--tC= 200 X 3DO= 60000
X23=50~C=50 X 400= 20000
Ganancia Total Máxima: $ 342,50ü
_245
EJERCICIO 6.11
Después de recoger toda la madera en sus aserraderos, se le ha comunicado a Pine
Trees, Jnc., que Singapur debe cancelar su pedido.No obstante, la madem recogida
debe transportarse por camión de los aserraderos a los puertos de Vancouver,
Seattle y P-ortland a los costos dados en el ejercicio 9.9.La madera no enviada desde
estos puertos debe almacenarse a un costo de $25, $20 y $15 por tonelada,
respectivail}ente.Use su paquete de computación para resolver el problema
modificado. ¿Cuái es el plan óptimo?
SOLUCIÓN:
VANCOUVER . JAPON
400 o----...o
SEATLE
200
PORTLAND
150
¡HACIA 1
DESDE JAPON 'TAIWAN 1 figurado ¡Oferta P1 1 P2 P3

.. 400
VANCOUVER 450 350 o 800 650 650
200
SEATLE 550 500 o 11050! 900 900
1 1
/150
1 PORTLAND 700 650 o 1 11350 11200
1
i 1
Demanda 200 1300 1 250
1
¡o
l.
P1 1250 /1150
1"
P2 /1150 ¡950 1
l P3 1
1
! 850
1
1
1
1
tOO
J
EJERCICIO 6.12
Hexxon Oí!" Company tiene seis consultores internacionales de petróleo, tres de los
. cuaies están actualmente ubicados en los EE.UU., dos en Rusia y uno en
Nigeria.Arabia Saudí ha solicitado dos consultores durante una semana a una tarifa
de $4200 cada uno. Venezuela ha solicitado un consultor durante una seméma a una
tarifa de $4000.1ndonesia ha solicitado tres consultores durante una semana a una
tarifa semanal de $4000 cada uno.Los gastos ~emanales por consultor son de $1400
en Arabfa Saudí, $1000 en Venezuela y $700 en lndonesia.La siguiente tabla
muestra las tarifas de viaje redondo (en dólares) para enviar por avión a los
consultores:
/HACIA
DESDE ARABIA SAUDI !VENEZUELA INDONESIA
Estados Unidos 18001 800 2000

Rusia 1600 1800 1700
Nigeria 1300 1200 1500
Dibuje una red de. distribución que indique los suministros, demandas y otros datos
obtener un problema equilibrado).
Formule un modelo matemático para determinar un plan de distribución para
maximizar la ganancia neta (los ingresos totales menos los costos totales,
incluyendo la tarifa aérea de viaje redondo) de ExónOíl.
~247
SOLUCIÓN:
ORIGEN DESTiNO
EEUU ARABIA SAUDI
3 2
RUSIA VENEZUELA
NIGERIA INDONESIA
1 3
MODELO
Xij =Número de consultores a viajar del país i al país J.
:IDENTIFICACION DE LA FUNCION OBJETIVA
MAX 1000X11 + 2200X12 + 1300X13 +
1200X21 + 1200X22 + 1600X23 +
1500X31 + 1800X32 + 1800X33
X11+X12+X13 ~3 X21 + X22 + X23 ~ 2
X31 + X32 + X33 ~ 1 X 11 + X2 í + X31 =2
X 12 + X22 + X32 =1 X13 + X23 + X33 =3
Xij 2:: O, entero
i) 9200 X11 =1 X12=1 X31=1
X13=1 X23=2
EJERCICIO 6.13
,~Para el problema de ExónOí!Gompanydel ejercicio 9.12:
Dibuje el cuadr-o de transportación inicial.
Encuentre una SOLUGIÓN:inícial usando el método Vogel
SOLUCIÓN:
/ Hacia / OFERT
- ! ARABI Vt:NEZUEL INDONESI A P3
P1 P2
/A A A
Desde 1 SAUDI 1
1
1
1 3
Estados 90 30
-1000 -2200 -1300 . 2 30
Unidos o o
:;·.
o
2 40 40
Rusia -1200 -1200 -1600
o o o -
1
30 30
Nigeria -1500 -1800 -1800 o 30
o o
1
o
1~
DE MANO 1 3
1
A o 1
o
1
P1 300 400 /200
. '
:
P2 300 - /200
P3 300 - J 50~'
X12 =1-+C =1 X 2200 = 2200

X23 =2-+C =2 X 1600 = 3200
X33 =1-+C =1 X 1800 = 1800
X11 =2-+C =2 X 1000.= 2000
Ganancia Total Máxima:=$ 9,200
249
EJERC!CIO 6.14
Arabia Saudí acaba de cancelar su solicitud de uno -de los consultores.La gerencia
de ExónOíl sabe que un consultor residente en Rusia durante una semana tiene una
ganancia neta de $1000, un consultor en Nigeria gana $800 y uno en los EE.UU. no
gana nada. Use su paquete de computación para resolver el problema modificado.
¿Cómo cambia esta información la SOLUCIÓN:óptima -obtenida para el ejercicio
9.13?
SOLUCIÓN:
ARABIA
(1)
EE.UU.
(3)
TAIWAN
(1)
RUSIA
(2)
(3)
NÍGERIA.
FIGURADO
( 1)
250
~
MODELO
4DENT1FICACION DE VARIABLES
Xij = Número de consultores a viajar del país i al país j.
IDENTIFICACION DE LA FUNCION OBJETIVA
MAXOX11 +0Xí2+0X13+0X14+
1000X21 +1000X22 +1000X23 +OX24+
800X31 +800X32 +800X33 +OX34
X11+ X12+ X13+ X14 S3 X21+ X22+ X23+ X24· ~2
X31+ X32+ X33+ X34 ~1 X 11 + X21 + X31 =1

X12+ X22+ X32 =1 X13+ X23+ X33 =3
X14+ X24+ X34 = 1 Xij O, Entero
1) 2800 X11=1 X13=1 X14=1
X23=2 X22=2
Arabia Taiwán Indonesia Figurado / Oferta . P1 1 P2 P3
EE.UU o o o ¡o 11 -o ¡o o
RUSIA 1000. 1000 1000 ¡o ¡o 1000 1000 1000
NIGERIA 800 18oo 800
J
o ¡o ¡8oo 800 800
Demanda 1O
1
¡o ¡o 1 16
P1 800 ¡8oo 800 o
1
P2
J
800
1
800 ¡o 1
1
P3
1
_¡8oo o ¡
=> c21=1x1000=1000
=> C22 =I x 1ooo=rooo
~ c.. =l x soo=8oo
.).)
=> C =o x 2=0
13
::::::>e 14
=I x o=o
CTOTAL =2800
6.2 Autoeva!uación de la Sexta Unidad
01. GENERAL MOTORS, puede enviar un total hasta 300 automóviles en camión
y 400 en ferrocarril de su fábrica de Detroit a sus distribuidores de Chicago,
Cleveland, Washington, Filadelfia y Cincinnati. El costo en dólares de enviar un carro
a cada uno de los distribuidores por camión y por tren y las demandas de carros de
los distribuidores se muestra en la siguiente tabla. Se pide: el modelo matemático al
problema de transportación y la SOLUCIÓN: usando el Método de Vogel:
1 1
POR Chicago 1 Cleveland Washington Filadelfia Cincinnati
1 1
1
CAMION 6 4 3 7 10
.
-
TREN .
5 8 9 11 - 13
DEMANDA 150 100 200 50 250
02.La Universidad tiene la urgencia de mejorar su infraestructura paralo cual debe

contratar aempresas de servicios, una para cada tarea de acuerdo según la
proforma que presentan ·(en miles de Nuevos soles). Suponiendo que estas
1
empresas están en capacidad de realizar cualquiera de las tareas pero que solo una
pueden tomar de acuerdo al reglamento de contratos. Formular y resolver el modelo
matemático.
EMPRESAS PINTAR REPARAR REPARAR 1 REPARAR
FACHADA BAÑOS CARPETAS · INSTALACIONES
'
ALFA SERVIS 6 5 7 12
1
1
1
'
BETASERV!S 7 7 9 11
1
1
1
GAMA SERVíS 5 6 7 1 í(}

1 1
1 1
1
SiGMA SERVIS 4 1
1
5 8 9
1 1
1 1
1
ALAS SERVIS 6
1
6 i 10 11
1 ! 1
1
RESPUESTA:
A Alfa Servis se le asigna la tarea quienes cobran
SI. _ _ _ __
A Beta Servís se le asigna la tarea _ _______, quienes cobran
S/ . _ _ _ __
A GamaServis se le asigna la tarea quienes cobran

S/. _ _ _ __
A Sigma Servís se le asigna la tarea _quienes cobran
SI.. _ _ ___;__
A AlasServis se le asigna la tarea quienes cobran
SI. _ _ _ __
COSTO TOTAL S/. _ _ __
03. COSAPI DATA, tiene siete consultores nacionales de sistemas contables, dos
de los cuales están ubicados en Trt..Villo, uno en Arequipay cuatro en Lima. !quitos ha
solicitado tres consultores durante una semana a una tarifa de $800, Madre de Dios .
ha solicitado dos consultores durante una semana a una tarifa de $600 y Piura ha
solicitado un consultor durante una semana a una tarifa <;je $700. Los gastos por
consultor son de $160 en !quitos, $-180 en Madre de Dios y $220 en Piura La
s_iguiente tabla muestra las tarifas de viaje en $ para enviar por . avión a los
consultores.
Desde \ Hacia /!quitos /Madre de Piura Se pide:
a) Dibuje una Red
1 /Dios b) Formule el Modelo
1
Trujillo /100 1120 j60 Matemático.
Arequipa 1140
1
¡go
1
/150
1
luma
04.EI COLEGIO DE CONTADORES tiene la urgencia de mejorar su infraestructura
para lo cual debe contratar aempleados de servidós, una para cada tarea de
acuerdo según la proforma que presentan (en miles de Nuevos soles). Suponiendo
que estos empleados están en capacidad de realizar cualquiera de las tareas pero
que solo una pueden tomar de acuerdo al reglamento de contratos. Formular y
resolver el modelo matemático.
¡Empleado\ Tarea A 8 e o E F
1 1 15 14 -- 13 15 17
1 1 1 1 1 1
2 15 17 1
16 1 16 .. -- 16
1 1
3 11
1
14 18
1
14 15 ¡ 14
4 13
1
15 17 14
1
16 --
5 12
.1
16 17
1
1 .
15
..
18 --
..
A Empleado 1 se le astgna la tarea . _ _ _ ,qutenes cobran S/. _ _ _ __
A Empleado 2 se le asigna la tarea ~--' quienes cobran S/. _ _ _ __
A Empleado 3 se le asigna la tarea _ _ _ , quienes cobran S/. _ _ _ __
A Empleado 4 se le asigna la tarea _ _ _ , quienes cobran S/. _ _ _ __
A Empleado 5 se le asigna la tarea _ _ _, quienes cobran S/. _ _ _ __
COSTO TOTAL SI. _ _ __
05. La Sociedad de Ingenieros, tiene siete consultores nacionales de sismos, dos

de los cuales están ubicados en Tumbes, uno en Cuscoy cuatro en Lima. Arequipa
ha solic!tado tres consultores durante una se'mana a una tárifa de $500, Moquegua
ha solicitado dos consultores durante una semana a una tarifa de $450 y Tacna ha
solicitado un consultor durante una semana a una tarifa de $400. Los gastos por
consultor son de $150 en Arequipa, $180 en Moquegua y $200 en Tacna La tabla
muestra las tarifas de viaje en $ para enviar por avión a los consultores.
l Desde \¡Arequipa Moquegua Tacna 1
Se pide:
/Hacia a) Dibuje una Red
1 1
Tumbes /100 ¡120 1160
1
1
1
b) El Modelo Matemático.
.- ~-¡9o
1
Cusca j70 llao. - --...
¡Lima ¡so . 1
06. LA REG!ON CALLAO tiene la urgencia de mejorar su infraestructura pam lo cual
· debe contratar aempresas de servicios, una para cada tarea de acuerdo según la
preforma que presentan (en miies de Nuevos soles). Suponiendo que estos
empleados están en capacidad de realizar cualquiera de las tareas pero que solo
una pueden tomar de acuerdo al reglamento de contratos. Formular y resolver el
modelo matemático.
···~
Empleado \A 8 e o E F
Tarea
1
1 14 14 -- 15 15 18
'
2 15 113 16 16 -- 17
3 116 17 f 18 18 17 15
4 .. 13 15 17 17 16
¡__
5 12 16 17 15 -- 13
Al Empleado 1 se le asigna la tarea_______ , quien cobra S/. _ _ __

Al Empleado 2 se le asigna la tarea , quien cobra S/._ _ __
Ai Empleado 3 se le asigna la tarea , quien cobra S/. _ _ __
A Empleado 4 se le asigna la tarea , quien cobra S/.. _ _ __
A Empleado 5 se !e asigna la tarea , quien cobra SI. _ _ __
COSTO TOTAL S/. _ __
255
07. COOPERATIVA ALAS, tiene siete consultores nacioM!es de finanzas, uno de
los cuales están ubicados en Trujillo, dos en Arequipay cuatro en Lima. lea ha
solicitado tres consultores durante una semana a una tarifa de $600, Huaraz ha
solicitado dos consultores durante una semana a una tarifa de $650 y Cuzco ha
solicitado un consuitor durante una semana a una tarifa de $500. Los gastos por
consultor son de $160 en lea, $200 en Huaraz y $ 220 en Cuzco La siguiente tabla
muestra las tarifas de viaje en $
'
Desde\ Hacia ¡lea 1Huaraz ¡cuzco Se pide:
, 1
Trujillo 120 13D a) Dibuje una Red
1100
b) Formule el Modelo Matemático
Arequipa 90 1140 1110
Lima 80 /7Q 150
08.SUNAT tiene la urgencia de contratar aimprentas para . confeccionar 6

formularios. Sepresentaron solo 5 imprentas los cuales presentaron su preforma (en
Nuevos soles). Suponiendo que las imprentas están en capacidad de realizar
cualquier forll']ul.ario pero que solo uno pueden tomar de acuerdo al reglamento de
contratos. Formular y resolver el moílelo matemático.
Imprenta \ A B e o E F
Formulario
.1 250 230 -- 260 250 190
1 1
--
2
3
1 260
270
1
220
240
280
260 1
240
250 280
220
200
....
1 1 1
4 280 220 290

1
270 300
1
-- 1
1
1 5 300
250 270 250 1 --
1
210
1 1
1 1 1
A la Imprenta 1 se le as1gna el formula no _ _ _ , qUien cob;a S/. _ _ _ __

A la Imprenta 2 se le asigna el formulario , quien cobra S/. _ _ _ __
A la Imprenta 4 se le asigna ei formulario , quien cobra S/. _ _ _ __
Costo total S/.
256
09. EL MINISTERIO DE AGRICULTURA, tiene siete expertos nacionales de
forestación, dos de los .cuales residen en Trujillo, tres en Arequipay dos .en Lima. lea
ha solicitado cuatro consultores durante una semana a una tarifa de $800, Huaraz
ha solicitado un consultor durante una semana a una tarifa de $850 y Cuzco ha
solicitado dos consultores durante una semana a una tarifa de $950. Los gastos en
viáticos por consultor son de $180 en lea, $190 en Huaraz y $ 200 en Cuzco. La
siguiente tabla muestra las tarifas de viaje en $
. Desde \ Hacia /lea Huaraz Cuzco Se pide:
a) Dibuje una Red
Trujillo /70 80 60
b) Formule el Modelo Matemático
Arequipa /90 100 80
Lima ¡so 70 ¡9o
1 O. BCP tiene la urgencia de contratar aimprentas para confeccionar 6

fonmularios. Se presentaron solo 5 imprentas los cuales presentaron su proforma (en
Nuevos soles). Suponiendo que las imprentas están en capacidad de realizar
cualquier formulario pero: que solo uno pueden tomar de acuerdo al reglamento de
contratos. Fonmular y resolver el moiílelo matemático usando el método Húngaro.
. Imprenta \ A B e D E
IF
Fonmulario
1
1 350 280 1--
1
360. /340 /290
2 290 ./320 /290 350 -- /325
3 /360 /330 j310 280 /330 /295
1 1
4 300 340 /320 340 310 ¡--

5 '310 1350 /280 350 ¡-- /315 1
A la Imprenta 1 se le as1gna e! formulano _ __ qu1en cobraS/. _______

A la Imprenta 2 se le asigna e: formulario _ __ quien cobraS/. _ _ _ _ __
A la Imprenta 3 se le asigna el formulario _ _ __ quien cobraS/. _ _ _ _ __
A la Imprenta 4 se le asigna el formulario _ __ quien cobraS/. _ _ _ _ _~
A la Imprenta 5 se le asigna el formulario _ __ quien cobraS/. _ _ _ _ _ __
Costo totaiS/. _ _ _ _ __
257
11 Diga si es Verdadero(V) o Falso (F)
() En la formulación de problemas de PL solo cabe dos pasos.
() Un modelo de programación lineal puede ser expresado de diferentes
maneras
() Programación linea! solo se aplica en los problemas de transporte
a) VV\/ b)FFF c)VFV d)FV~ e)
FFV
12 La función objetiva es:
t§ombinación linea! de las variables de decisión
Combinación lineal de los costos de decisión
Combinación lineal de las restricciones de decisión
Combinación lineal de las condiciones de decisión
Combinación .lineal de las linealidad de decisión
13 Un modelo de programación lineal puede ser expresado en forma:
Algebraica b) Matricial e) Vectorial d) Canónica ®Lineal
14 Supóngase que una compañía que da servicios de limpieza prepara sus
propias SOLUCIÓN:es mezclando dos ingredientes. Hace esto para obtener
una SOUJCIÓN:que tiene lo que considera una combinación apropiadade
fosfato y cloruro. Un ingrediepte tiene 5% de fosfato y 2% de cloruro y cuesta
25 centavos 1 onza. El otro ingrediente tiene 7% de fosfato y 1% de cloruro y
cÚesta 20 centavos 1 onza. La compañía necesita que la mezcla final tenga no.
más del 6% de fosfato y 1 ;;2% de cloruro. Se quiere minimizar el costo total.
-
Formule el modelo matemático y resuelva el modelo usando el método
gráfico.
a) X1=1X2= 1Z= 50b) X1=0X2=1,2Z=24 e) X1=0,5X2=0Z=12.5
";!)
d) X1=0,5X2~0,5Z=22.5. e) X1=0X2=0,5Z=10
SOLUCIÓN:
Identificación de las variables:
X = Cantidad del ingrediente 1
Y= CantLdád del ingrediente 2
Función objetivo:
MIN 0.25X + 0.20Y
Restricciones:
258
0.05X + 0.07Y!> 0.06
0.02X + 0.01Y!> 0.015
X+Y=1
X, Y;?: O
15 Resolver usando el método Gráfico

Z max = X 1 + 2X2
S.A. 2X1 + X2!> 4
X1 -X2~ 6
i¡f)) X1 =OX2=4Z=8 b) X1=6X2=4Z=14 e) X1=4X2=6Z=16
d)X1=0X2=0Z=O e) X1=0X2=6Z=12
6 Resolver usando el método gráfico

Z min =3X1 + X2
S.A. X1 + 2X2;;::: 5
X1 +X22 2
X1,X22 O
a) X1 =5/2X2=1/2Z=8 b) X1-=0X2=5/2Z=5/2 e)
X 1= 1/2X2=5/2Z=4
d)X1=0X2=0Z=O e)X1 =OX2=1/2Z=1/2
17 La Empresa "C.N" Elabora 'una cerveza que se distribuye a nivel nacional a

partir de dos fabricas de cerveza. Una en e·l norte y la otra en el sur del país.
La cerveza se envía a cuatro mayoristas que se ·encargan de la distribución
sub - secuente, por lo que la empresa le ocupa sólo la distribución a los
mayoristas. Los costos de distribuciónpor conjunto de 1200 cajas que se
envían acada mayoristas; se presenta enla siguiente tabla junto con la oferta
mensual en cada fábrica y la demanda mensual de cada mayoíista. Aplicando
de regla general equivalente al de programación línealdetermine la
distribución más económica, usando Vogel.
Mayorista-7 jA 8 ¡e o Oferta
~rr~
Fabrica 1
ciento ae
1
259
. Cerveza ¡ ¡cajas
1
18
Norte
121 115 ¡! 9 550
Sur 1 10 114 16 23 650
Demanda en ¡200 .· 250 400 350 1200
cientos de
cajas
1 1
a) X14=350 X21=100 X12 = 200 Z= 8150

b)X14=350 X21 =200 X12= 100 Z= 8150
e) X14=350 X21=100 X12 = 100 Z= 8150
d) X14=200 X21 =200 X12= 350 Z= 8150
'9 X14=350 X21 =200 X12 = 200 Z= 8150
rista Oferta
en
A1 82 C3 D4 cientos P 1 P2 P3
Fábrica de
Cerveza cajas
500
0:1 Norte 200 6 3 3
o
650
02 Sur 16 4 4 2
450
Demanda en
200 250 350
cientos de 400
o 50 o
cajas
P1 1i 1 2 14
P2 11 1 2
P3 1 2
Respuesta:
x14=350 costo = (350) (9) = 3150
x21=200 costo = (200) (1 O) = 200(}
x12=200 costo = (200) (í 5) = 3000
/} 260
LL-------
x22=50 costo = {50) (14) = 700
x23=400 costo = (200) (16) = 6400
1525018
Un fabricante de muebles tiene 6 unidades de madera y 28 horas disponibles,

durante las cuales fabricará biombos decorativos. Con ·anterioridad, se han
vendido bien dos modelos de manera que se limitará a producir estos dos.
Estima que el modelo 1 requiere 2 unidades de madera y 7 horas de tiempo
disponible; mientras que el módulo 11 requiere una unidad de madera y 8
horas. Los precios de los modelos son $120 y $80, respectivamente. Formule
el modelo matemático y resolver usando el método gráfico.
a) X1 =2,22 X2= 1,56 Z= 391,11
@) X1=3 X2= O Z= 3 60
e) X1 =O X2= 3,5 Z= 280
d) X1 =1 ,56 X2=: 2,22 2=364.8
e) X1 =O X2= 3 Z= 240
S.OLUCIÓN:
Identificación de las variables: .

X = Cantidad del modelo l.
Y= Cantidad del modelo 11.
Función objetivo:
MAX 120X + SOY
Restricciones:
2X +Y<= 6
7X +BY<= 28
X,Y>= O; Entero.
261
19 Resolver usando el método Gráfico
Z max = 8X1 + 5X2
S.A. 2X1 + X25 10
X1 +3X25 18
5X1 +X22:: 4
X1 ,X22:: O
a)X1=4X2=0Z=32
b) X1=4X2=4Z=52
;~ X1 =2,4X2:::5,2Z=45,2
d) X1=5X2=0Z=40
e)X1=0X2=5Z=25
20 Un gerente de línea de producción de una empresaelectrónica debe asignar

personal a 5 tareas.Existen 5 operadores disponibles para asignarlos.El
Gerente de Línea tiene a su disposición datos de prueba que reflejan una
calificación numérica de productividad para cada uno de los 5 operadores en
cada uno de las tareas.Estos datos se obtuvieron a través de un examen de
1
operación y prueba administrado por el Departamento de Personal, ver la
siguiente tabla.Suponiendo que un operador puede ejecutar una sola tarea.
Obtenga la asignación óptima de tareas.
N° Tareas 1 3 4 5
N° Operadores
12
01 /12 16 24 8 2
1
1
02 6. 8 20 14 6
03 10 6 116 18 1
12
04 2 24 20
14 ¡2
05 7 110 ¡6
..
ls 18
a) Productividad =8 r b)Productividad =88 e)
Productividad =89
d} Productividad =9.0 e) Productiv¡dad =91
262
No21. Tanto el modeio de asignación de recursos y de transportes son iguales
cuando:
a) Maximizan b) Minimizan c)Programa línea d) 8 y C e)N. A.
No 22 Resolver usando el método gráfico

Z min =25X1 + 30X2
S.A. 4X1 + 7X2"2. 1
8X1 + 5X2~ 3
6X1 + 9X2~- 2
a) X1=0 X2=0 Z=O b) X1=0 X2=0,375
Z=11 ,25
e) X1=0,375 X2=0,375 Z=20,625 d)X1=0,375 X2=0Z=9,375
e)X1=0,5 X2=0 Z=12,5
No 23 Resolver usando el método g/áfico
MtN2X1 + 3X2
S.A. X1+X2~ 13
2X1 +X2~ 18
X1 + 3X2~ 21
X1 +2X2~ 18
X1 ,X2~ O
a)X1=8X2=0Z=16 b)X1=0X2=5Z=15 c)X1=5X2=5Z=25
d)X1=8X2=5Z=31 e)X1=8X2=8Z=40
SOLUCIONARlO DE LA AUTOEVALUACION DE LA QUINTA UNIDAD
Problema D1
Xij ==# de automovil a enviar por el medio i al destino j
11. Identificación de la función objetivo
MIN 6X11 + 4X12 + 3X13 + 7X14+10X15+
5X21 + 8X22 + 9X23 +11X24+13X25+
OX31 + OX32 + OX33 + OX34 + OX35
111 Identificación de Restricciones
X11 + X12 + X13 +X14 +X15 ~ 300
X21 + X22 + X23 + X24+X25 ~ 400
X31 + X32 + X33 +X34+X35 ~50
X 11 + X21 + X31 = 150

X12 + X22 + X32 = 100
X13 + X23 + X33 = 200
X14 + X24 + X34 = 150
X 15 + X25 + X35 = 50
Xij>= O, Entero
.,
HACIA (Costo embarque ($/carro))
1
POR CH CLE WASH 1 FIL Cl / Oferta P1 P2/ P3
1 1
1
300
1 ·-
Camión 6 4: 3 7 10 . 100 1
1 12
¡_ o
·- 1
400
250
Tren 5 8 9 11 13 3 3 3·
200
1
1
j o
1 i 1 1
1
i
50
Figurado ¡ 1
o o o o o 11 o 1
1 1 1 1
1
1
o
1
¡ 1
1
¡
1
1
1 250 1
1 150 100 200 50 1
Demanda 200
o o o o
0-
1
P1 i 5 j 4 3 7
1 10
1
1 1 r 1
264
P2 1 4 11
6 4 3
P3 1 4 1 4 3
1 1
. Costo mínimo: X35=50--- C=50(0)
X13= 200--- C= 200(3)
Xí2 =100--- C=100(4)
X21 =150---- C=150(5)
X24 =50---- C=50( 11)
X25 =200---- C=200( 13) ---4900
Problema 02
Costo total = 27
Empresa 1 - Tarea B Empresa2- Tarea D
Empresa3 - Tarea C Empresa4- TareaA
_ Empresas- Tarea-·
Problema 03
Max 540X11 +300X12+420X13+ OX14 +
500X21 +330X22+330X23+ Ox24 +
_.-520X31 +31 OX32+350X33+ OX34
ST
X11+X12+X13+X14<=2
X21+X22+X23+X24<=1
X31+X32+X33+X34<=4
X11+X21tX31=3
X12+X22+X32=2
X13+X23+X33=1
X14+X24+X34=1
1)2640 X 11 = 1 X22= 1X31 =2X32= 1X34= 1
Problema 04
Costo total = 70
Empleado1 -Tarea O Empleado2- Tarea C
Empleado3- Tarea F Empleado4- Tarea 8
EmpleadoS - Tarea A
Problema 06
265
Costo total = 71 ·
Empleado1 -Tarea D Empleado2- Tarea B
Empleado3 ··Tarea E Empleado4- tarea A.
EmpleadoS - Tarea F
Problema 08
Costo total = 1180
lmprenta1 -Tarea F 1mprenta 2 - Tarea O
Imprenta 3- Tarea A 1mprenta 4 - Tarea 8
Imprenta 5- Tarea C
·Problema 10
Costo totéH = 1440
lmprenta1- TareaS Imprenta 2- Tarea A
Imprenta 3- Tarea O Imprenta 4- Tarea E
Imprenta 5- Tarea C
12 16 24 8 2 - - -4 -8 -2 - 12 8 o 16 22 4 ¡o o 16 22
12 16 24 24
1 1
6 8 20 14 6 -6 -8 - - -6 - 14 12 o 6 14 6 4 o 6 14
20 14 20
1
10'6 16 18 12 - -6 1_ - - - 8 12 2 o 16 o 4 2 o /6
1
10 16 18 12 18
1
2 4 2 1
-2,-4 -2
1 1
- - - 14 12,2210 4
24 20 24
! 1 1 1 ·¡
l
7 10 6 -7 - ¡-6 -6 ¡- 1- 3 o 12 1210 1
101 118118
1 1 ! 1 1 1
A! 8 8 o ¡o1
aper
ador i se le asigna el trabajado2 costo = 16
Al aperador 2 se le asigna el trabajador3 costo = 20
Al aperador 3se le asigna el trabajador1 costo = 10
.AJ aperador 4 se le asigna el trabajador4 costo - 24
-266
Al aperador 5 se le asigna el trabajador5 costo_::_ 18
88
RESPUESTAS
11 12 13 /14 15 j 16 17 18 1 19 20 21 22 23
D A
'.. D 1 D A 1 B E B ¡e B D D o
n
~·~ 267
09 El Mundo de las Maletas, fabrica 2 tipos de mochilas estilo viajero: (Mochilas
Tipo 1 y 2 respectivamente). La mochiia tipo 1 requiere el doble de tiempo de
trabajo que la del tipo 2. Si se produjeran solamente mochilas del tipo 1, se
podrían producir 20 mochilas al día. La demanda diaria de las mochilas tipo 1
y 2 son 15 y 20 respectivamente.sabiendo que las utilidades unitarias de las
mochilas tipo 1 y 2 son S/. 6 y SI. 4 (respectivamente).Formule el modelo
matemático, considerando la proporcionalidad de las variables y resolver el
modelo matemático usando el método simplex.
10 · Supóngase que una compañía que da servicios de limpieza prepara sus

protias SOLUCIÓN:es mezclando dos ingredientes. Hace esto para obtener
' 1
una SOLUCION:que tiene lo que considera una combinación apropiadade
fosfato y cloruro. Un ingrediente tiene 5% de fosfato y 2% de cloruro y cuesta
25 centavos 1 onza. El otro ingrediente tiene 7% de fosfato y 1% de cloruro y
cuesta 20 centavos 1 ónza. La compañía necesita que la mezcla final tenga no
más del 6% de fosfato y 1 %% de cloruro. Se quiere minimizar el costo total.
Formule el modelo matemático
V REFERENCIALES
CESPEDES P.J\MIREZ, W. (2004). Jnvestigacion Operativa, Rrimera edicion. Lima:

UIGV, PEPCAD.
MARTIN MARTIN, Martin Teresa Santos Martin, Yadira.del rosario De Paz santana.
(2005). lnvestigacion operativa. Madrid: Pearson prentice HalL
MATHUR, KAMBLESH & SOLOW, DANIEL. (1996). Investigación de operaciones.

México: Prentice Hall Hispanoamericana.
TAHA, H. A. (2004). Investigación de OperaCiones, Séptima edición. España:

Pearson.
WAYNE L., W. (2005). /nvestigacion operativa. Mexico: Pearson Prentice Hall.
- 270
VI APENDICES
SILABO
INVESTIGACIÓN OPERATIVA 1
1. INFORMACION GENERAL
1.1. Nombre de la asignatura Investigación Operativa 1

N" y Código de curso POP44
1.2. Carácter Obligatorio
1.3. Pre - Requisito Matemática 111
1.4. Número de créditos 04
Horas semanales 03 de Teoría y 02 de práctica
1.5 Ciclo Académico Cuarto Ciclo
1.6. Semestre académico 2012-A
1.7. Duración 17 semanas
1.8. Profesor lng. ANIVAL TORRE
2. SUMILLA
La asignatura tiene por finalidad proporcionar los conocimientos básicos sobre:
Formulación de modelos cuantitativos determinísticos y probabilísticos, su

solución y análisis para tomar decisiones adecuadas durante la gestión
administrativa y financiera.
3. CAPACIDADES 1 HABILIDADES
3.' Aplica adecuadamente la metodología de la investigación de operaciones.
3.2 Desarrolla modelos matemáticos
3.3 Resuelve modelos matemáticos usando el enfoQue gráfico.
3.4 Analiza problemas de programación entera. -

3.5 Resuelve problemas de Transportación transbordo y asignación.
3.6 Desarrolla una red de proyectos, identificando ias tar.eas, estimando los
tiempos e identificar;¡do ia precedencia.
3.7 Aplica el análisis probabilístico al tiempo de conclusión de proyectos.
3.8 Toma decisiones utilizando los crüerios de decisiones.
3.9 Maneja modelos de inventarios en los sistemas de inventarios.
4. PROGRAMACIÓN TEMÁTICA:
CAPACIDAD Aplica adecuadamente la metodología de la investigación· de

operaciones.
PRIMERA UNIDAD : Introducción a la Investigación de Operaciones.
•Metodología de la •Describe la •Prefiere la •Exposiciones,
lnvestigación.de metodología de la aplicación de ejemplos y
.operaciones. investigación de la Metodología esquemas
~
operaciones de la
indicando las Investigación
1
fases. de
operaciones
en los
problemas de
optimización
de recursos.
CAPACIDAD li : Desarrolla modelos matemáticos.
SEGUNDA UNIDAD : Aplicaciones de la Programación Lineal
•Los modelos eConstruye modelos •Muestra 1eExposiciones,
..
matemáticos de matemáticos de interés por la ejemplos y 2
·-
programación programación construcción esquemas, 3
lineal. lineal, identificando los modelos •Uso de la
Construcción, las variables, la matemáticos. computadora.
_ _272
clasificación. función objetivo y
las restricciones.
1
CAPACiDAD 111 : Resuelve modelos mat-emáticos usando el enfoque gráfico.
TERCERA UNIDAD : Programación Lineal: Enfoque Grafico 1
•Enfoque gráfico. •Resuelve los •Valora la •Exposiciones, 1
modelos importancia ejemplos y
- matemáticos de del enfoque esquemas. 4

i
dos variables gráfico para 5
1
mediante ei resolver
enfoque gráfico_ modelos
matemáticos.
1
CAPACIDAD IV Analiza problemas de programación entera.
1
CUARTA UNIDAD .. Programación entera
•Programación •Resuelve los •Participa en la •Exposiciones,
entera. modelos resolución de ejemplos y
matemáticos de ros modelos esquemas, uso
programación matemáticos de la 6
entera. de computadora.
1 -
programación
entera.
CAPACIDAD V Resuelve problemas de Transportación transbordo y asignación.
QUINTA UNIDAD . Redes de distribución
• Transportación, •Resuelve los •Asume •Exposiciones,
transbordo y modelos confianza al ejemplos y
asignación. matemáticos de resolver esquemas, uso
1
1 Transportación, modelos de la
7
transbordo y 1
matemáticos computadora.
1 8
asignación. de
1
1
T ransportaci6n 1
1
1
, transbordo y 1
1
asignación.
1
EXAMEN PARCIAL· 9
1
¡cAPACIDAD VI .. Desarrolla una Red de Proyectos, Identificando las Tareas,
1
1
~.--
/estimando los 1 iempos e Identificando la Precedencia.
SEXTA UNIDAD : Administración de Proyectos con Tiempos Determinísticos
l 1
/ *Administración de •Desarrolla la Red •Participa en -la •Exposiciones,
proyectos con de proyectos, Red de ejemplo y
tiempos de tareas identificando las proyectos. esquemas. 10
1
1
determin ísticos tareas, estimando •Uso de 11
1
(CPM). -
los tiempos e Software de
1 identificando la Manejo de
precedencia. Proyectos.
CAPACIDAD VIl Aplica el Análisis Probabilístico al Tiempo de Conclusión de
Proyectos.
SEPTIMA UNIDAD Administración de Proyectos con Tiempos Probabilísticas.
1
• Administración de •Aplica el análisis •Muestra interés •Exposiciones, ..
proyectos con probabilístico al por los ejemplos y
tiempos de tareas tiempo de problemas de esquemas. 12
probabilísticos conclusión de tipo •Uso de 13
(PERT). proyectos. probabilístico. Software de
administración
¡
de proyectos.
CAPACIDAD VIII 1oma Decisiones utilizando los Criterios de Decisiones.
OCTAVA UNIDAD Análisis de Decisiones.
• Análisis de .iT oma decisiones •Valora la •Exposiciones,

decisiones, utilizando los importancia de ejemplos· y
Criterios. criterios de tomar esquemas. 14
1
decisiones. decisiones 15
1 usando los 1
1
criterios de
1
decisiones.
1 1 1 1
EXAMEN FINAL
¡ 16
EXAMEN SUSTi 1 UTORIO Y REZAGADOS 17
5. EVALUACIÓN
2l4
La nota final dBI curso será e! promedio de:
- Examen Parcial (EP) (30 % de la nota final)

- Examen Final (EF) (30 % de la nota final)
- Promedio de Prácticas (PP) (40 %de la nota final)
PF = pp X 40 + EP X 30 + EF X 30
100
El promedio de prácticas, consiste en intervenciones orales en clase,
asistencia, prácticas calificadas, controles de lecturas o separatas
recomendadas por el docente, trabajos individuales o grupales y
exposiciones.
De igual manera, se- considerará la evaluación valorativa, es decir
aquella que mide las actitudes positivas, reflexivas y otros.
La calificación será sobre la base vigesimal, requiriéndose una nota
aprobatoria mínima de once (11)Capítulo 11 del Reglamentó de Estudios.
6. BIBLIOGRAFÍA .·
~
• INVESTIGACION OPERA T!VA: Mintín Martín Martín/ Teresa

Santos Martín Yanira del rosario De Paz
Santana,Primera Edición. Editorial Pearson
Prentice Hall. Editado el 2005, Madrid España,con
407 Pág.
• INVESTIGACION DE OPERACIONES: Wayne L. Winston, Cuarta Edición.

Editorial Thomson. Editado el 2005, México,
con 1418 Pág.
• INVEST!GACION DE OPERACIONES: Hamdy A Taha. Séptima Edición.

Editorial Pearson. Editado en 2004
• INVESTIGAC!ON DE OPERACIONES: Hiller. Lieberman. Séptima edición

Me Graw Hill Editado el 2002, México, c-on í 223
Pág.
• INVESTIGACION DE OPERACIONES: Walter Céspedes Ramírez

Primera Edición, UIGV, PEPCAD, Editado el 2004,
Lima con 360 Pág.
CORREOS ELECTRONOCOS (E-MAIL)
www.ciberconta.unizar.es/docencia/invesope/
www.invop.frcu.utn.edu.ar
www.investigacion-operaciones.com
www.geocities.com/jairo_marin
Sociedad Española de Estadíst~ e lnv.
Operativa(SEIO)www.cica.es/aliens/seio.
Assotiatíon of European O.R.Societies (EURO)
www.ulb.ac.be/euro/euro welcome.html
lnstitute for O.R. and the Management Sci. (INFORMS)www.informs.org
lnternational Federation of O :R. Societies (IFORS)
www.ifors.orawww.agapea.comfil:westigación-de-operaciones-cn571 p1i.htm
276
VIl ANEXOS
MANUAL DE USO DEL PROGRAMA LINDO
¿Qué es LINDO?
LINDO (Optimizadorlineal, Interactivo, y Discreto) es un¡::¡ herramienta conveniente

pero poderosa por resolver problemas de la programación .lineal, entera, y los
cuadráticas. Estos problemas ocurren en las áreas de negocio, industria,
investigación y gobierno. Áreas de las aplicaciones específicas dónde LINDO ha
demostrado ser de gran uso incluirían, distribución del producto, mezcla de
ingredientes, producción y selección de personal, dirección del inveotario ... nosotros
nós detendremos aquí, pero la lista podría seguir fácilmente indefinidamente.
La filosofía del plan guiando para LINDO ha sido que si un usuario quiere hacer algo
simple, no debe haber entonces un . costo grande para aprender los rasgos
necesarios de LINDO.
'•,
Por ejemplo, si un deseo de los usuarios es resolver:
Máx. 2X + 3Y
Sujeto a
4X +3Y<10
1
3X + 5Y <12
- 1
Entonces ése es exactamente lo que el usuario teclea inmediatamente en LiNDO

después de empezar el programa.
Al otro extremo, LINDO se ~a usado para resolver realmente programas industriales

lineal, cuadrática, y entera de tamaño respetable. En las máquinas grandes, se ha
usado para resolver los problemas por encima de 50,000 restricciones y 200,000
variables.
Hay tres estilos básicos de usar el software de LINDO

• Para pequeño a los problemas medianos, LINDO es simple usar
interactivamente del teclado; entrando en un modelo es bastante fácil hacer.
• También es posible usar LINDO con los archivos creado en otra pa.1e,
mientras conteniendo escrituras de órdenes y datos de la entrada, y archivos
prod~ctores por informar los propósitos.
• Finalmente, pueden unirse los subprogramas costumbre-creados

directamente con LINDO para formar un programa integrado que contiene su
código y las LINDO optimización bibliotecas.
Entrando en un Modelo
Nosotros ilustramos ahora cómo entrar y resolver un modelo pequeño. Cuando

usted empieza LINDO, su pantalla debe parecerse a lo siguiente:
La ventana exterior etiquetó que "LINDO" es la ventana del marco principal. Todas
las otras ventanas se contendrán ~entro de esta ventana. La ventana del marco
también _contiene todos los menús del orden y los toolbar del orden. La ventana del
niño más pequeña etiquetó "<el untitled> " es una nueva, pálida ventana ejemplar.
Nosotros teclearemos a nuestro modelo de la muestra directamente en esta

ventana, pero primero nosotros necesitamos discutir los requisitos básicos de un
modelo de LINDO brevemente.
Un modelo de LINDO tiene un requisito mínimo de tres cosas. Necesita un objetivo,

necesita las variables, y necesita las restricciones.
El primer requisito, un objetivo, es lo que parece: una meta. Usted tiene la opción de
dos metas, MÁXIMO o MINIMO que representan aumentar al máximo y minimiza. En
una situación comercial típica, por ejemplo, usted podría querer aumentar al máximo
la ganancia o minimizar el costo. La primera palabra en un modelo de LINDO debe
ser MÁX o MI N.
~- 278
La fórmula que usted ingresa después del MÁX Ci MIN se Hama la función objetiva.
Para nuestros propósitos, nosotros asumiremos que usted quiere aumentar al
máximo la ganancia. Usted ingresa:
MAX 10 X+ 15 Y
Seguido por un retorno.
¿Pero qué son X e Y? Son las variables que son las cosas usted quiere que LINDO
ajuste para alcanzar su ganancia máxima. Podrían representar ventas totales de dos
productos, o ventas fuera de dos oficinas diferentes; en este caso X tiene una
contribución de ganancia de 1O, e Y tiene una contribución de ganancia de 15. La ·
cosa importante es que ellos son inconstantes. En LINDO, al instante halla el valor
de la variable de su modelo. Usted no tiene que hacer algo de otra manera que
ingresar la fórmula.
Tanto para elobjetivo y dos variables. Ahora nosotros miraremos las restricciones.
1 .
De alguna manera, las restricciones son la parte más importante de su modelo, y
ellos requieren algún pensamiento real.
En el ejemplo pequeño nosotros estamos considerando, si usted fuera aumentar al

máximo 10X + 15Y no hay ningún límite ahora, a cuántos de X e Y usted podría
vender. Debe haber algún límite claro; en el mundo real que puede ser rendimiento
de la fábrica y disponibilidad de labor por ejemplo. Así que nosotros restringiremos X
e Y para estar menos de una capacidad de la fábrica arbitraria. Usted hace esto
entrando en las palabras SUBJECT TO que en castellano significa SUJETO A en la
próxima línea de su modeic (o simplemente las letras ST) y en las líneas siguientes
ingresar:
X <=10
Y<=12
~···
Nota que LINDO interpreta el símbolo <= como "menos de D iguala a" en lugar de
"estrictamente menos de". Si usted prefiere, usted puede entrar alternativamente <=
en lugar del carácter<.
Muy bien, nosotros hemos restringido X y Y ahora. Suponga que nosotros también
tenemos un suministro obrero limitado. En particular, asume que nosotros tenemos
un total de 16 unidades de labor y ese producto que X requiere 2 una unidad de
labor mientras el producto Y es relativamente más intenso y requiere 2 unidades de
labor. Nosotros agregamos ahora la restricción obrero de la siguiente manera:
X+2Y<16
En la próxima línea, y, Finalmente, en la lfnea siguiente, nosotros designamos el fin

de las restricciones agregando END (EL END)
EL modelo que se ha ingresado está listo para ser resuelto. Para empezar a
resolver el modelo, seleccione la orden SOL VER (Resolver) del menú principal y
·luego el botón SOL VER de la ventana de dialogo. UNDO empezará intentando
compilar al modelo. Esto significa LINDO determinará si el ejemplar tiene el sentido
matemático, y si conforma a los requisitos sintácticos. Si el modelo no pasa estas
pruebas, usted se informará con el mensaje del erro~ siguiente:
..
Un error ocurrió durante la recopilación en la línea: n
LINDO saltará entonces a la línea dónde el error ocurrió. Usted debe examinar esta
línea para cualquieí error de la sintaxis y debe corregirlos.
Si no hay ningún error de la formulación durante la recopilación escalone, LINDO

empezará a resolver al modelo realmente entonces. Cuando el solver de LINDO
comienza que despliega una Ventana de Estado en su pantalla que se parece a .lo
siguiente:
28o
Esta Ventana de Estado es útil para supervisar el progr-eso -el solver. Una
descripción de los varios campos y mandos dentro del estado .aparece en la mesa
debajo.
La Descripción de Fíeld/Control
El estado, da el estado de solución actual. Los posibles valores incluyen:
Óptimo, Factible, lnfeasible, Ilimitado.
Las iteraciones Numeran de iteraciones del solver.
lnfeasibility .Amoont por que se violan las restricciones.
El valor Actual de fa función objetiva.

lP mejor que el valor Objetivo de solución del entero mejor encontró. Sólo pertinente
en entero que pr-ograma (IP) modelos.
IP Bound el límite Teórico en el objetivo para modelos de IP.
Ramas que El número de variables del entero "echó ramas" adelante por el LINDO
el solver de IP.
Pasó Time Elapsed tiempo desde que el solver fue invocado.

Ponga al día el Intervalo La frecuencia (en segundos) que la Ventana de Estado se
pone al, día. Usted puede porier esto a cualquier valor del nonnegative deseado.
Poniendo el intervalo para poner a cero tenderán a aumentar tiempos de la solución.
La interrupción Solver Press este botón para interrumpir el $Oiver a cualquier punto y
hace retomo que la solución mejor actual encontró.
Cerca Apriete este botón para cerrar la Ventana de Estado. La optimización
continuará. La Ventana de Estado puede volverse a abrir seleccionando el orden de
Ventana de Estado del menú de la Ventana.
Cuando ei solver está acabado que lo incitará determinar si usted desea hacer
sensibilidad y análisis del rango. En el futuro, usted podrá hacer uso de esta
información, pero para ahora, simpiemente apriete el "No" e~ botón y entonces cierra
la Ventana de Estado.
Kabrá una nueva ventana ahora en su pantalla tituló la "Ventana de los Informes. La
Ventana de los Informes es donde LINDO envía que tod-o el, texto basó informando el
rendimiento. La ventana puede retrasarse a 64,000 caracteres de información. Si
·requirió, UNDO borrará el rendimiento de la cima de la Ventana de los Informes para
hacer el sitio para el nuevo rendimiento al fondo de la_ ventana. Si usted tiene un
informe de la solución largo que usted necesita examinar en su integridad, usted
puede anotar toda la información enviada a la Ventana del· Informe en un archivo del
disco que usa el Filejlog Rendimiento orden. Este archivo puede examinarse
usando a un editor del texto externo entonces o usando el orden de FilejView.
Volviendo a nuestro ejemplo, la Ventana de los Informes contiene la solución ahora

a nuestro modelo, y debe parecerse a lo siguiente:
Alojado el orden, esto le dice, primero, ese LINDO tomó 2 iteraciones para resolver
al modelo; segundo que la ganancia máxima asequible de las dos variables, como
··-
usted los ha restringido, es 145. Tercero, las variables X y Y toman los valores
respectivamente 1O y 3. Lo que es interesante notar es que nosotros hacemos _
menos del Y relativamente más "aprovechable" debido a su uso intensivo de nuestro
suministro limitado de labor.
Haga clic aquí para la información sobre los COSTOS REDUCIDOS, FLOJERA el
SOBRANTE de OREGÓN y DUAL PRECIA las secciones en el informe de la
solución.
La Sintaxis ejemplar
Esta sección detalla la sintaxis requerida en un modelo de LINDO.

Afortunadamente, la lista de reglas es bastante corta y fácil aprender.
La función objetiva siempre debe estar en la salida del modelo y debe comenzar con
o MÁXIMO (para aumente al máximo) o MIN (para minimice). El fin de la función
objetiva y el principio de las restricciones se significa con cuaiquiera de lo siguiente:
SUBJECTTO (SUJETO A)
SUNCH THA (TAL QUE)
~
'-'. 1•
282
ST
El fin de las reskicciones se significa con la palabra END.
LINDO tiene un límite de ocho caracteres en un nombre inconstante. Los nombres

deben empezar con un carácter alfabético (A a Z) que puede seguirse entonces por
a siete car~cteres adicionales. Estos camcteres adicionales pueden _incluir algo con
la excepción de lo siguiente: ! ) + - = <>. Para que, como un ejemplo, los nombres
siguientes serian considerados válidos:
XYZ EL MY VAR A12 SHIP.LA
considerando que lo siguiente no habría:
THISONESTOOLONG UN-GUIÓN 11NFRONT
El primer ejemplo contiene más de ocho caracteres, mientras el segundo contiene

un guión prohibido, y el último ejemplo no empieza con un carácter alfabético.
Usted puede, opcionalmente, restricciones del nombre en un modelo. El restricción

nombra haga muchos del rendimiento de LINDO informan para interpretar más fácil.
Los nombres de restricción deben seguir las mismas convenciones como )os
nombres inconstant:?s. Para _nof1lbrar una restricción usted debe empezar la
restricción con su nombre terminado con un- paréntesis correcto. Después del
paréntesis correcto, usted continúa entrando en la restricción como antes. Como un
ejemplo, la restricción siguiente se da XBOUND al nombre:
XBOUND) X <10
LINDO reconoce a sólo cinco operadores: más(+), menos(-), mayor que(>), menos
de(<:), e iguales(=). Cuando usted entra en los operadores de desigualdad estrictos,
mayor que (>) o menos de (<), LINDO los interpretará con los operadores de
desigualdad sueltos> o <respectivamente. Esto es porque muchos teclados no
tienen los operadores de desigualdad suettos. En sistemas que tienen los
operadores sueltos, LINDO no los reconocerá. Sin embargo, si usted prefiere, usted
puede entrar ">= " (y "<= ") en lugar de "> " (y "<").
LINDO no aceptará los paréntesis como los indicadores de un orden preferido de

anterioridad. Todos los funcionamientos en LINDO se piden de ·salió para corregir.
Pueden ponerse los comentarios en cualquier parte en un modelo. Un comentario

se denota por una marca de la exclamación (!). Algo siguiendo la marca de la
exclamación en la línea actual serán considerados un -comentario. Por ejemplo, el
ejemplo pequeño discutido antes en este capítulo se reforma debajo de usar los
comentarios:
..MÁX 1O X + 15 Y
! Maximiza la ganancia
SUJETO A
! Aquí son nuestras restricciones de capacidad de fábrica

¡
! Para marca con hierro X e Y
X <10
y <12
! Aquí la restricción es de la disponibilidad obrera
X+2Y<16
END
Las versiones del orden-línea de LINDO le permiten entrar los comentarios, pero
elíos no se guardarán con el modelo. Los comentarios son en conserva en las
versiones de 'vVindows de LINDO con tal de que el archivo se ahorre en el formato
del texto. Ahorrando el archivo en cualquiera comprimieron (*. lPK) o MPS
. . -~-284
estructuran (*. MPS) causará los comentarios y cualquier formato especial ser
despojado del modelo.
Pueden rajarse restricciones y funciones del objetivo encima de las líneas múltipies,
o combinó en las solas líneas. Usted puede el spilt en cuaiquier parte una línea
excepto en el medio de un nombre inconstante o un coeñciente. Lo siguiente sería
matemáticamente equivalente a nuestro ejemplo (aunque no realmente como fácil
leer):
MÁX 10 X+ 15 Y
SUJETO A
X <10
y<12X+2
y <16
End
LINDO no es ningún caso sensible. Toda la entrada se convierte internamente al

mayúsculo por LINDO. Por ejemplo, el modelo siguiente es válido:
Maxx
st
X <1
End
Y contiene un solos X inconstantes en lugar de las dos variables x y _2-.

1.:.',
Se permiten sóio valores constantes, no las variables, en el lado diestro de una

ecuación de restricción. Así, una entrada como:
X> Y
Se rechazaría por LINDO. Tal una entrada podría hacerse como:
X- Y> O
~······
Recíprocamente, se permiten sólo variables y sus coeficientes en el lado de la
izquierdo-mano de restricciones. Por ejemplo, la restricción:
3X + 4Y- 10 =O
No se permite la deuda al término constante de -10 en el lado de la izquierdo-mano.

Ciara, la restricción puede reformarse como:
3X + 4Y = 10
Para obedecer la sintaxis de LINDO.
Haga clíc aquí para saltar a una discusión en las declaraciones modeladas
adicionales, optativas reconoció por LINDO.
Las Declaraciones Modeladas optativas
Además de Jos tres componentes ejemplares requeridos de una función objetiva,

variables, y restricciones; LINDO también tiene varios otras declaraciones
modeladas optativas que pueden aparecer después de la declaración del END en un
modelo. Usted entra en estas declaraciones como los órdenes del sistema al orden
la sugerencia nivelada en las versiones del orden-línea de LINDO, (:)después de la
declaración del END que termina ios restricciones del modelo. En las versiones de
Windows de LINDO en las declaraciones deben entrarse como la parte del texto
ejemplar después de la declaración del END en la ventana ejemplar. Estas
declaraciones y sus funciones aparecen en la mesa debajo:
la Función de la Declaración ejemplar
LIBRE <inconstante> Quita todos los límites adelante <Inconstante>, permitiendo

<Inconstante> para asumir cualquier valor real, positivo o negativo.
286
La GINEBRA <Inconstante> Hace <Inconstante> un entero general (es decir, ~o
restringe al juego de enteros del nonnegative).
INT <Inconstante> Hace <Inconstante> binario (es decir, lo restringe para o ser O o
1).
SLB <Inconstante> <el Valor> los Lugares un más bajo límite simple en
<Inconstante> de <el Valor>. Use en lugar de los restricciones d~ formulario X= r.
El SUBALTERNO <Inconstante> <el Valor> los Lugares un límite superior simple en

<Inconstante> de <el Valor>. Use en lugar de los restricciones de formulario X= r.
QCP <el Restricción> las Marcas el principio de los restricciones ,"reales" en un
modelo de la programación cuadrático.
El TÍTULO <el Título> Hace <el Título> el título del modelo.

Luego, nosotros ilustraremos el uso de cada uno de estas declaraciones
brevemer;¡te.
LA DECLARACIÓN LIBRE
El más bajo límite predefinido para una variable es O. En otros términos, a menos
que usted especifica porotra parte, LINDO no permitirá una variable ir negativo. La
declaración LIBRE le permite quitar todos los límites en una V§riablt:; para que pueda
asumir cualquier valor real, positivo o negativo. El ejemplo siguiente ilustra e~ uso de
la declaración LIBRE.
Si nosotros no hubiéramos puesto Y para ser una variable libre en este ejempio,
LINDO no habrían encontrado la solución óptima de X= 6 y Y= -1; en cambio, dado
el más ba_io límite pretendido de O en Y, LINDO habrían devue~to X a la solución= 7
y Y= O.
LA DECLARACIÓN DE GJNEBRA
Por defecto, LINDO asuma que todas las variables son continuas. En muchas
aplicaciones, los valores fraccionarios pueden ser de uso pequeño (por ejemplo, 2;5
empleados). En estos casos, usted querrá hacer uso de la declaración del entero
general - la GINEBRA. GINEBRA seguida por un nombre inconstante restringe el
valor de la variable a los enteros dei nonnegative (0, 1,2, ... ). El ejemplo pequeño
siguiente ilustra el uso de la declaración de GINEBRA.
Si nosotros no hubiéramos especificado X y Y para ser los enteros generales en este

modelo, LINDO no habrían encontrado la solución óptima de. X = 6 y Y = O. En
cambio, LINDO habrían tratado X y Y como continuo y habrían devuelto la solución
de X= 5.29 y Y= 1.43.
También note, que redondeando la sofución del continuo simplement~ a los valores
del entero más cercanos no rinde la solución óptima en este ejemplo. En general,
las soiuciones continuas redondeadas pueden ser los nonoptimal y, en el peor de los
casos, infeasible. Basado en esto, uno puede imaginar que puede ser mismo tiempo
que consume para obtener la solución óptima a un modelo con muchas variables del
entero. E0 general, esto es verdad, y usted es mejor fuera de sólo utilizar el rasgo
de GINEB_RA cuando completament~ necesario.
Como una nota final, el orden de GINEBRA acepta también un argumento de valor
de entero en lugar de un nombre incónstante. El número c9rresponde al número de
variables que usted quiere ser los enteros generales. Estos variable debe aparecer
primero en la formulación. Así, en este ejemplo simple, nosotros podríamos
reemplazar nuestras dos declaraciones de GINEBRA con la sola declaración: ALIJE
2.
LA DECLARACIÓN DE INT
Usando INT restringe una variable a o ser O o 1. Estas variables están a menudo
llamadas las variables binarias. En muchas aplicaciones, las variables binarias
pueqen ser muy útiles no modelando todos-o-nada las situaciones. Los ejemplos
podrían incluir las tales cosas como asumir un costo fijo, construyendo una nueva
planta, o-comprar un nivel mínimo de algún recurso para recibir un descuento de
288
cant~dad. Para más información sobre las muchas aplicaciones útiles de variables
binarias usted puede referirse al libro de texto de LINDO, Optimización que Planea
con LINDO.
Los ejemplos pequeños siguientes ilustran el uso del INT.
Si nosotros no hubiéramos especificado X para ser binario en este ejemplo, LINDO

habrían devuelto una solución de X == .4, UN =4, y B == 7 para un valor objetivo de
124. X impelente para ser binario, usted podría suponer que la solución óptima
sería para X ser O porque .4 son más íntimos a O que es a 1. Si nosotros
redondeamos X a O y perfeccionamos para UN y B que nosotros hacemos a un
objetivo de 84. En la realidad, una solución considerablemente buena se obtiene a
X = 1, UN = 1O, y B == 1 para un objetivo de 112.
En general, las soluciones continuas redondeadas pueden ser los nonoptimal y, en

el peor de los casos, infeasible. Basado en esto, uno puede imaginar que puede ser
mismo tiempo que consume para obtener la solución óptima a un modelo con
muchas variables binarias. En general, esto es verdad y usted es mejor fuera de
utilizar eiiNT sólo ofrezca cuando completamente necesario.
Como una nota final, la orden de INT acepta también un argumento de valor de
entero en lugar de un nombre inconstante. El número corresponde al número de
variables que usted quiere ser los enteros generales. Estas variables deben
aparecer primero en la formulación.
EL SUBALTERNO Y DECLARACIONES DE SLB
Si usted no especifica por otra parte, LINDO asume que las variables son continuas,
!_imitado debajo por el cero, e iiimitado de anteriormente. En muchas aplicaciones,
esta asunción no puede ser realista. Suponga que sus medios limitan la cantidad
producida de un artículo. En este caso, la variable que representa la cantidad
pmducida se limita anteriormente de. O, suponga usted quiere permitir el
backordering en un sistema. Una manera fácil de modelar .esto es permitir un
inventario inconstante ir negativo. En que el caso, ie gustaría engañar el más bajo
límite pretendido de cero. Se usan el SUBALTERNO y declaraciones ·de SLB para
alterar los límites en una variable. SLB representa el Más bajo Límite Simple y se
usa para poner los más bajo límites. Semejantemente, posiciones del
SU SALTERNO paía el Límite Superior Simple y se usa para poner los límites
superiores. Los ejemplos pequeños siguientes ilustran el uso del SUBALTERNO y
- .
declaraciones de SLB.
En este ejemplo, nosotros podríamos tener así como fácilmente usó las restricciones
para representar los límites. Específicamente, nosotros podríamos entrar en nuestro
modelo pequeño como sigue:
:. · Máx 20x + 30y
st
X + 2y <120
x>20
x< 50
y>40
y <70
End
Claro, esta formulación rendiría los mismos resultados, pero hay dos puntos para
tener presente. Primero fuera de, de Subalterno y SLBs se son ocupados
implíCitamente por el solver, y, por consiguiente, es más eficaz de un punto de vista
de la actuación que los restricciones. Secundariamente, los Subalterno y SLBs no
están contra el límite de restricción en LINDO, mientras permitiéndole resolver a los
modeios más grandes dentro de los límites de su versión de LINDO.
LA DECLARACIÓN DE QCP
The QCP statement is used in quadratic programming mode~s to indicate the first
"real" constraint, as opposed to the first order condition constraints. The details of
formulating a quadratic program are somewhat involved, and the reader is asked to
refer the documentation for more information on formuiating quadratic programs.
-290
However, we will briefly demonstrate here how QCP is incorporated into a model.
The following small portfolio model illustrates the use of the QCP statement.
LA DECLARACIÓN DEL TÍTULO
Esta declaración se usa para asociar un título con un. modelo. El título puede
depender cualquier cordón alfanumérico de de 74 caracteres en la longitud. El título
áel modelo actual gue usa el orden de File/Title puede desplegarse. Al contrario de
todas las otras declaraciones que ¡jeben aparecer después de la declaración del
END, la declaración del Título puede aparecer antes del objetivo o después de la
declaración del END de un modelo.

Investigacion PDF

Cargado por

Información del documento

Título original

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

Investigacion PDF

Cargado por

Copyright:

Formatos disponibles

JI~

UNIVERSIDAD NACIONAL DEL CALLAO

INFORME FINAL DEL TEXTO

(Periodo de ejecución del1 de Agosto del2013 al 31 de Julio del2014

A nuestras familias, por su paciencia y

UNIDAD 1 DEFINICIONES BÁSICAS ................................................................................................ 5

1.1 Definición de la Investigación de operaciones ..............................................................~ .. 7

2.1 Definición de modelo matemático .................................................................................... 19

3.1 Ejercicios de programación lineal ..................................................................................... 83

4. 1 Definición de método gráfico ........................................................................................... 115

5.1 Ejercicios resueltos usando programación entera ......... :............................................. 195

6.2 ·Método de Vog_el ...........................................................-..-..................................-............... 227

6.2 Autoevaluación de la Sexta Unidad ............................................................................... 252

V REFERENCIALES ........................................................................................................................ 270

VI APENDICES ................................................................................................................................. 271

Vll ANf.XOS ....................................................................................................................................... 277

El presente texto de lnvestigacion de Operaciones guía es un instrumento

' ' . ' . '

favorables. Se ha distribuido en .seis unidades secuenciales:

Explicamos los conceptos de la investigación de operaciones y sus diferentes ramas

:-- ~-, :.: ;·-~<· -·: · oB.J~nio .> :· -.-··:·~· >;~~-- ·:

Según KambleshMathur, "la Investigación de operaciones es el uso de las

Según Jorge Álvarez, "fa Investigación de Operaciones es el procedimiento

Podemos concluir que:

Ilustración 1:1 Uso de la

La Investigación de Operaciones (10) o Ciencia Administrativa (CA) es la

La ciencia es una búsqueda continua; es una generación continua de teorías,

La Investigación de Operaciones por lo general visualiza analíticamente una

1.2 Historia de !a Investigación de operaciones

La Investigación de operaciones se originó en Gran Bretaña durante la

variedad de aplicaciones de negocios, industria y gobierno.

El término Investigación de operaciones, surgió en los años 40, cuando se

Las organizaciones militar-es habían pasado. por el mismo tipo de evolución .

Después de la 11 Guerra Mundial las Empresas reconocieron el valor de

Definición del problema E;s identificar, comprender y ·describir en

modelo adecuada, es decir obtener valores numéricos

Los modelos matemáticos se usan para:

Tomar decisiones estratégicas, como por ejemplo:

Algunas aplicaciones de la investigación de operaciones

Pronóstico: ¿Cómo será la demanda' de productos?

¿Cuáles son los modelos de venta? ·

¿Cómo afectará las ganancias?

Finanzas e inversión: ¿Cuánto capital se necesita? ¿Cuánto costará?

1 ¿Dónde podemos obtenerlo?

Planificación y asignación 1 ¿Cuántos empleados se n_t=;cesitan?

¡ ¿Cuánto tiempo trabaJarán con nosotros?

1 ¿En qué orden deberían realizarse las tareas?

Localizacioo;:.asignación, ¿Cuál es la mejor localización para una

¿Qué tamaño deberían tener las instalaciones?

¡ ¿Qué recursos se necesitan? ¿Existen ·

Política de confiabilidad y ¿Cómo funciona el equipo?

¿Cuándo debería reemplazarse?

Control de existencias y ¿Cuánto stock deberíamos mantener?

·.· •' ·...· - : ·,

¿Cuánto deberíamos pedir? 1

Regl.as de costo- ¿Qué elección debería recomendarse?

Planificación y control del ¿Cuánto tiempo requerirá el proyecto?

l ¿Cuán largas son las colas?

a) 1939 b) 1940 e) 1941 d)-1942 e) 1943

CLAVE DE RESPUESTAS 01 b 02b 03c 04d OSa 06e O? e 08b

. "Los que mandan generalmente mueven las manos

~Se presenta a continuación, parte de esta

"Considere el problema de asignar 70 hombres a 70 empleos. Una 'actividad' .

..:-·. g;¿;~~;~;:.¿n~f~-::. _- ~~a!fDf~:~~:~;_,~l!.~. ~~ ~-~. --~~--:"·-/·

.=<'2:-~·-J~q~·· ~?l(;-;~:.~.·:;.~:ye:>~i.-?~~;:?J.~e~~·,: _ ·~:.,;f::·

:J?NJSIPN:~-- .,.. .... -l.f.!f1!df~; e·. S~~CQRRjD:AW~!é!).