PROGRAMACIÓN LINEAL

AROLDY LLORENTE GÓMEZ

JOSE ALEJANDRO ALFARO JULIO
JUAN MANUEL CONTRERAS VEGA
JUAN RAMÓN PUELLO DÍAZ

ACTIVIDAD DE APRENDIZAJE 1

WALTER ORTEGA JIMÉNEZ

DOCENTE DE INVESTIGACIÓN DE OPERACIONES

UNIVERSIDAD DE CARTAGENA
FACULTAD DE INGENIERÍA
PROGRAMA DE INGENIERÍA DE SOFTWARE
CARTAGENA DE INDIAS
2021
 PROBLEMAS DE PROGRAMACIÓN LINEAL

Esta actividad deberá resolver en CIPAS, hacer el planteamiento del problema y solucionar por el
método grafico los que son de dos variables. Todos los procesos deben ser justificados.

PROBLEMA 1 Fabricación de maquinas

Steven Chachan fabrica dos tipos de maquinarias X y Y. Cada una de ellas pasan por ciertos
procesos antes de ser sacadas a la venta, las ensamblan, las pintan y las revisa un control de calidad.
Las maquinas requieren de 4,5 y 5 horas de ensamble, 4 y 7 kg de esmalte para su pintado y 16 y
12 horas para que la revise control de calidad. Los costos totales para fabricar cada una de ellas son
40 y 45 dólares y se venden a 62 y 58 dólares. El señor Steven solo dispone de 270000 minutos
para ensamblaje, de 8400000 g de esmalte y 1200000 minutos para la revisión de control de calidad.
Los estudios muestran que la demanda semanal de máquinas no debe superar las 1800 unidades y
que, en particular, la de tipo X es de al menos 800 unidades. Formule un modelo de programación
lineal para ayudar al señor Steven Chachan y dígale cuantas maquinas debe fabricar. Resolver por
el método gráfico.

Como primer paso hacia la formulación matemática de este problema, tabulamos la información
dada (tabla 1).

Realicemos las conversiones necesarias para unificar unidades de medidas.

Unidades de tiempo

270000 minutos ≡ 4500 horas 1200000 minutos ≡ 20000 horas

Unidades de masa

8400000 g ≡ 8400 kg

Tabla 1
Ensamble Pintura Calidad
Máquinas Tipo X 4.5 horas 4 kg 16 horas
Máquinas Tipo Y 5.0 horas 7 kg 12 horas
Disponibilidad 4500 horas 8400 kg 20000 horas

Costo Precio de venta Utilidad

Máquina tipo X 40 62 22
Máquina tipo Y 45 58 13

1
Introduzcamos las variables siguientes

Una manera clara de definir las variables de decisión es:

Sea: 𝑥1 = Cantidad de máquinas tipo X a fabricar

𝑥2 = Cantidad de máquinas tipo Y a fabricar

Función objetivo

Maximizar 𝑧 = 22𝑥1 + 13𝑥2

Restricciones

4.5𝑥1 + 5𝑥2 ≤ 4500 Horas de ensamble

4𝑥1 + 7𝑥2 ≤ 8400 Kilogramos de pintura
16𝑥1 + 12𝑥2 ≤ 20000 Horas de control de calidad
𝑥1 + 𝑥2 ≤ 1800 Demanda semanal de máquinas tipo X y Y
{ 𝑥1 ≥ 800 Demanda semanal de máquinas tipo X

Es natural que el número de máquinas a fabricar, deba ser un número positivo o cero y entero.
Matemáticamente:

𝑥1 ≥ 0, 𝑥2 ≥ 0

Solución por el método gráfico

El procedimiento para resolver geométricamente un problema de programación lineal de dos

variables es el siguiente.

Paso 1. Trazar la región factible S. Trazando las gráficas de las ecuaciones obtenidas de las
desigualdades dadas al sustituir el signo de desigualdad con un signo de igual.

Paso 2. Determinar todos los puntos extremos de S.

Paso 3. Evaluar la función objetivo en cada punto extremo.

Paso 4. Elegir un punto extremo en el cual la función objetivo tiene el valor más grande (más
pequeño) para un problema de maximización (minimización).

2
 2000

1800

1600 𝑥1 = 800

1400

1200

1000

800

600

400

200 C(800, 180)

A(800, 0) S B(1000, 0)
0
0 200 400 600 800 1000 1200 1400 1600 1800 2000 2200

Cuando se grafican estas desigualdades, se obtiene el conjunto de soluciones factibles indicadas

por la región sombreada. A continuación, se encuentra el valor de la función ganancia en los
vértices.

Vértices de Región Factible Pares ordenados Valor de 𝑍 = 22𝑥1 + 13𝑥2

A (800, 0) 17600
B (1000, 0) 22000 (Máximo)
C (800, 180) 19940

Por tanto, se obtiene una utilidad máxima de $22000 al fabricar 1000 máquinas Tipo X y ninguna
maquina Tipo Y.

Solución por el método símplex

El procedimiento para aplicar el método símplex es el siguiente.

Paso 1. Configurar el tablero inicial.

Paso 2. Aplicar el criterio de optimalidad. Si la fila objetivo no tiene entradas negativas en las
columnas etiquetadas con variables, entonces la solución indicada es óptima, con lo cual se
terminan los cálculos.

3
Paso 3. Elegir como columna pivote la columna que tiene la entrada más negativa en la fila
objetivo. Si hay varias candidatas para columna pivote, elegir cualquiera.

Paso 4. Elegir una fila pivote. Formar las razones de las entradas de la columna derecha (excepto
la entrada en la fila objetivo) entre las entradas correspondientes de la columna pivote que sean
positivas. La fila pivote es la que origina el menor valor de estas razones o cocientes. Si hay un
empate, porque que el menor cociente se origina en más de una fila, se elige cualquiera de tales
filas. Si ninguna de las entradas de la columna pivote que están por encima de la fila objetivo es
positiva, el problema no tiene un óptimo finito. En este caso, aquí concluyen los cálculos.

Paso 5. Efectuar eliminación con pivotes para construir un nuevo tablero y regresar al paso 2.

El problema se resuelve por el método símplex, por tanto, el nuevo problema con variables de
holgura es

Minimizar 𝑧 = 22𝑥1 + 13𝑥2 + 0𝑥3 + 0𝑥4 + 0𝑥5 + 0𝑥6 + 0𝑥7 + 0𝑥8

Sujeto a

4.5𝑥1 + 5𝑥2 + 𝑥3 ≤ 4500

4𝑥1 + 7𝑥2 + 𝑥4 ≤ 8400
16𝑥1 + 12𝑥2 + 𝑥5 ≤ 20000
𝑥1 + 𝑥2 + 𝑥6 ≤ 1800
{ 𝑥1 + 𝑥7 ≥ 800

Condición de no negatividad

𝑥1 ≥ 0, 𝑥2 ≥ 0, 𝑥3 ≥ 0, 𝑥3 ≥ 0, 𝑥4 ≥ 0, 𝑥5 ≥ 0, 𝑥6 ≥ 0, 𝑥7 ≥ 0, 𝑥8 ≥ 0

La tabla inicial y las posteriores son:

Tabla 1 0 0 0 0 0 0 0 -1
Base Cb 𝑥0 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7 𝑥8
𝑥3 0 4500 9/2 5 1 0 0 0 0 0
𝑥4 0 8400 4 7 0 1 0 0 0 0
𝑥5 0 20000 16 12 0 0 1 0 0 0
𝑥6 0 1800 1 1 0 0 0 1 0 0
𝑥8 -1 800 1 0 0 0 0 0 -1 1
𝑍 -800 -1 0 0 0 0 0 1 0

4
 Tabla 2 0 0 0 0 0 0 0 -1
Base Cb 𝑥0 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7 𝑥8
𝑥3 0 900 0 5 1 0 0 0 9/2 -9 / 2
𝑥4 0 5200 0 7 0 1 0 0 4 -4
𝑥5 0 7200 0 12 0 0 1 0 16 -16
𝑥6 0 1000 0 1 0 0 0 1 1 -1
𝑥1 0 800 1 0 0 0 0 0 -1 1
𝑧 0 0 0 0 0 0 0 0 1

Tabla 3 22 13 0 0 0 0 0
Base Cb 𝑥0 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7
𝑥3 0 900 0 5 1 0 0 0 9/2
𝑥4 0 5200 0 7 0 1 0 0 4
𝑥5 0 7200 0 12 0 0 1 0 16
𝑥6 0 1000 0 1 0 0 0 1 1
𝑥1 22 800 1 0 0 0 0 0 -1
𝑧 17600 0 -13 0 0 0 0 -22

Tabla 4 22 13 0 0 0 0 0
Base Cb 𝑥0 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7
𝑥7 0 200 0 10 / 9 2/9 0 0 0 1
𝑥4 0 4400 0 23 / 9 -8 / 9 1 0 0 0
𝑥5 0 4000 0 -52 / 9 -32 / 9 0 1 0 0
𝑥6 0 800 0 -1 / 9 -2 / 9 0 0 1 0
𝑥1 22 1000 1 10 / 9 2/9 0 0 0 0
𝑧 22000 0 103 / 9 44 / 9 0 0 0 0

Con el método símplex se corrobora la solución al problema de fabricación de maquinas que se

realizó inicialmente con el método gráfico. 𝑥1 = 1000, 𝑥2 = 0, 𝑧 = 22000

5
 PROBLEMA 2 Coctel a base de jugos de frutas

Usted debe elaborar 5 bebidas de ciertas frutas, al menos 500 galones de un coctel que contenga
por lo menos el 20% de jugo de mango, 5% de jugo de piña y 10% de jugo de fresa. Usted realizó
un inventario y digitó los datos en la siguiente tabla:

Bebida % Mango % Piña % Fresa Existencia (gal) Costo

1 40 40 0 200 1.50
2 5 10 20 400 0.75
3 100 0 0 100 2.00
4 0 100 0 50 0.25
5 0 0 0 800 1.75

¿Cómo elabora usted y que cantidad debe usar para las composiciones requeridas sean mínimas?

Empecemos por introducir las variables siguientes:

Sea: 𝑥1 = Cantidad de galones de la bebida 1 a preparar en el coctel.

𝑥2 = Cantidad de galones de la bebida 2 a preparar en el coctel.
𝑥3 = Cantidad de galones de la bebida 3 a preparar en el coctel.
𝑥4 = Cantidad de galones de la bebida 4 a preparar en el coctel.
𝑥5 = Cantidad de galones de la bebida 5 a preparar en el coctel.

Restricciones

𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 + 𝑥5 ≥ 500 Solicitud de coctel

𝑥1 ≤ 200 Existencia de bebida 1
𝑥2 ≤ 400 Existencia de bebida 2
𝑥3 ≤ 100 Existencia de bebida 3
𝑥4 ≤ 50 Existencia de bebida 4
𝑥5 ≤ 800 Existencia de bebida 5
0.40𝑥1 + 0.05𝑥2 + 𝑥3 ≥ 0.20(𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 + 𝑥5 ) Contenido de jugo de mango
0.40𝑥1 + 0.10𝑥2 + 𝑥4 ≥ 0.05(𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 + 𝑥5 ) Contenido de jugo de piña
{ 0.20𝑥2 ≥ 0.10(𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 + 𝑥5 ) Contenido de jugo de fresa

Función objetivo

Minimizar 𝑧 = 1.5𝑥1 + 0.75𝑥2 + 2.0𝑥3 + 0.25𝑥4 + 1.75𝑥5

Condición de no negatividad

𝑥1 ≥ 0, 𝑥2 ≥ 0, 𝑥3 ≥ 0, 𝑥4 ≥ 0, 𝑥5 ≥ 0

El problema del coctel de jugo de frutas tiene 5 variables y se resolvería por el método símplex.

6
 PROBLEMA 3 Producción de guantes de seguridad

Erickssen de Jesús elabora en su empresa tres modelos de guantes. El modelo "M" requiere de 0.06
metros cuadrados de carnaza tipo 1, 0.05 metros cuadrados de carnaza tipo 2 y de piel. El modelo
"N" requiere de piel, de 0.09 de carnaza tipo 2 y de 0.05 de carnaza tipo 1. Los requerimientos del
modelo "O" son de 0.07 y 0.08 de carnaza tipo 1 y 2 respectivamente y también usa piel. Se sabe
que de una pieza de piel pueden salir 8, 9 o 5 pares de guantes de los modelos 1, 2 y 3
respectivamente. Si se usara todo el tiempo disponible en producir guantes de un solo tipo saldrían
600, 700 o 500 de los modelos 1, 2 y 3 respectivamente. El metro cuadrado de carnaza del tipo 1
cuesta $400, $500 la del tipo 2 y $1,000 la pieza de piel. Los guantes modelo 1, 2, y 3 se venderán
en $229, $241 y $348 respectivamente. Si se dispone de 45 metros cuadrados de carnaza tipo 1, de
40 del tipo 2 y 80 piezas de piel, desarrolle un modelo que permita maximizar la utilidad,
determinando cuántos guantes hay que producir de cada tipo y cuánto sobra de cada recurso
utilizado.

Como primer paso hacia la formulación matemática de este problema, tabulamos la información
dada.

Modelo de Guante de protección

Tipo de Material
M N O
Carnaza Tipo 1 0.06 (400) = 24 0.05(400) = 20 0.07(400) = 28
Carnaza Tipo 2 0.05 (500) = 25 0.09(500) = 45 0.08(500) = 40
Piel 1,000/8 =125 1000/9 = 111.10 1000/5 = 200
Costo ($/par de guantes) 174 176.10 268
Precio Venta ($/par de guantes) 229 241 348
Utilidad ($/par de guantes) 55 64.90 80

Una manera clara de definir las variables de decisión es:

Sea: 𝑥1 = Pares de guantes Tipo M a fabricar.

𝑥2 = Pares de guantes Tipo N a fabricar.
𝑥3 = Pares de guantes Tipo O a fabricar.

Función objetivo

Maximizar 𝑧 = 55𝑥1 + 64.9𝑥2 + 80𝑥3

Sujeto a

0.06𝑥1 + 0.05𝑥2 + 0.07𝑥3 ≤ 45 Carnaza Tipo 1

0.05𝑥1 + 0.09𝑥2 + 0.08𝑥3 ≤ 40 Carnaza Tipo 2
𝑥1 𝑥2 𝑥3
+ + ≤ 80 Piel
8 9 5
𝑥1 ≤ 600 Guantes Modelo M
𝑥2 ≤ 700 Guantes Modelo N
{ 𝑥3 ≤ 500 Guantes Modelo O

7
Condición de no negatividad

𝑥1 ≥ 0, 𝑥2 ≥ 0, 𝑥3 ≥ 0

Como el modelo tiene tres variables se buscará la solución por medio del método símplex. Por
tanto, el nuevo problema con variables de holgura es

Minimizar 𝑧 = 55𝑥1 + 64.9𝑥2 + 80𝑥3 + 0𝑥4 + 0𝑥5 + 0𝑥6 + 0𝑥7 + 0𝑥8 + 0𝑥9

Sujeto a

0.06𝑥1 + 0.05𝑥2 + 0.07𝑥3 + 𝑥4 ≤ 45 Carnaza Tipo 1

0.05𝑥1 + 0.09𝑥2 + 0.08𝑥3 + 𝑥5 ≤ 40 Carnaza Tipo 2
𝑥1 𝑥2 𝑥3
+ + + 𝑥6 ≤ 80 Piel
8 9 5
𝑥1 + 𝑥7 ≤ 600 Modelo M
𝑥2 + 𝑥8 ≤ 700 Modelo N
{ 𝑥3 + 𝑥9 ≤ 500 Modelo O

Condición de no negatividad

𝑥1 ≥ 0, 𝑥2 ≥ 0, 𝑥3 ≥ 0, 𝑥4 ≥ 0, 𝑥5 ≥ 0, 𝑥6 ≥ 0, 𝑥7 ≥ 0, 𝑥8 ≥ 0, 𝑥9 ≥ 0

La tabla inicial y las posteriores son:

Tabla 1 55 649 / 10 80 0 0 0 0 0 0

Base Cb 𝑥0 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7 𝑥8 𝑥9
𝑥4 0 45 3 / 50 1 / 20 7 / 100 1 0 0 0 0 0

𝑥5 0 40 1 / 20 9 / 100 2 / 25 0 1 0 0 0 0

𝑥6 0 80 1/8 1/9 1/5 0 0 1 0 0 0

𝑥7 0 600 1 0 0 0 0 0 1 0 0

𝑥8 0 700 0 1 0 0 0 0 0 1 0

𝑥9 0 500 0 0 1 0 0 0 0 0 1

𝑍 0 -55 -649 / 10 -80 0 0 0 0 0 0

8
 Tabla 2 55 649 / 10 80 0 0 0 0 0 0

Base Cb 𝑥0 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7 𝑥8 𝑥9
𝑥4 0 17 13 / 800 1 / 90 0 1 0 -7 / 20 0 0 0

𝑥5 0 8 0 41 / 900 0 0 1 -2 / 5 0 0 0

𝑥3 80 400 5/8 5/9 1 0 0 5 0 0 0

𝑥7 0 600 1 0 0 0 0 0 1 0 0

𝑥8 0 700 0 1 0 0 0 0 0 1 0

𝑥9 0 100 -5 / 8 -5 / 9 0 0 0 -5 0 0 1

𝑍 32000 -5 -1841 / 90 0 0 0 400 0 0 0

Tabla 649 /
55 80 0 0 0 0 0 0
3 10

Base Cb 𝑥0 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7 𝑥8 𝑥9
13 / -207 /
𝑥4 0 617 / 41
800
0 0 1 -10 / 41
820
0 0 0

649 / -360 /
𝑥2 10
7200 / 41 0 1 0 0 900 / 41
41
0 0 0

𝑥3 80 12400 / 41 5/8 0 1 0 -500 / 41 405 / 41 0 0 0

𝑥7 0 600 1 0 0 0 0 0 1 0 0

𝑥8 0 21500 / 41 0 0 0 0 -900 / 41 360 / 41 0 1 0

-405 /
𝑥9 0 8100 / 41 -5 / 8 0 0 0 500 / 41
41
0 0 1

1459280 / 18410 / 9036 /

Z -5 0 0 0 0 0 0
41 41 41

Tabla 649 /
55 80 0 0 0 0 0 0
4 10

Base Cb 𝒙𝟎 𝒙𝟏 𝒙𝟐 𝒙𝟑 𝒙𝟒 𝒙𝟓 𝒙𝟔 𝒙𝟕 𝒙𝟖 𝒙𝟗
-13 / -522 /
𝒙𝟒 0 1473 / 205 0 0
500
1 3 / 41
1025
0 0 0

649 /
𝒙𝟐 10
7200 / 41 0 1 0 0 900 / 41 -360 / 41 0 0 0

𝒙𝟏 55 19840 / 41 1 0 8/5 0 -800 / 41 648 / 41 0 0 0

𝒙𝟕 0 4760 / 41 0 0 -8 / 5 0 800 / 41 -648 / 41 1 0 0

9
 𝒙𝟖 0 21500 / 41 0 0 0 0 -900 / 41 360 / 41 0 1 0

𝒙𝟗 0 500 0 0 1 0 0 0 0 0 1

1558480 / 14410 / 12276 /

𝒁 0 0 8 0 0 0 0
41 41 41

La solución óptima es

1558480
𝑧= ≈ 38011.71
41
19840
𝑥1 = ≈ 483.90
41
7200
𝑥2 = ≈ 175.61
41

𝑥3 = 0

En este problema se tienen variables discretas por lo que es necesario ajustar los valores de 𝑥1 y 𝑥2
a valores enteros, siempre y cuando estos valores estén en la región de factibilidad o que cumpla
con todas las restricciones del modelo.

En consecuencia,

El programa de producción debe fabricar 483 pares de guantes del modelo M y 176 del modelo N
para tener la máxima utilidad de $37,987.40. Al hacer esta distribución de recursos limitados, se
tienen recursos sobrantes tanto en los materiales como en producción. Sobran 2.22 m2 de carnaza
tipo 1 y 0.01 m2 del tipo 2. En producción, no se utilizó la capacidad de 117 pares de guantes del
modelo M, ni la capacidad para 524 pares del modelo N, tampoco la capacidad de 500 pares del
modelo O.

PROBLEMA 4 Servicio de retroexcavadoras

La empresa Steven Chachan compra 26 retroexcavadoras a tres fábricas: 9 a X, 10 a Y y 7 a Z. Las

retroexcavadoras deben prestar servicio en dos ciudades: 11 de ellas en Cartagena y 15 en
Barranquilla. Los costes de traslado son, por cada una, los que se indican en la tabla (en miles de
euros).

X Y Z
Cartagena 6 15 3
Barranquilla 4 20 5

10
Cómo hacer esa distribución para que su costo de traslado sea mínimo.

Resumimos los datos en una tabla y escribimos las restricciones del problema tendremos en cuenta
que todos los datos de la tabla deben ser positivos o cero y que 𝑥1 y 𝑥2 deben ser enteros:

X Y Z Total
Cartagena 𝑥1 𝑥2 11 − 𝑥1 − 𝑥2 11
Barranquilla 9−𝑥1 10−𝑥2 𝑥1 + 𝑥2 − 4 15
Total 9 10 7 26

Función objetivo en miles de euros

Minimizar 𝑧 = 6𝑥1 + 15𝑥2 + 3(11 − 𝑥1 − 𝑥2 ) + 4(9−𝑥1 ) + 20(10−𝑥2 ) + 5(𝑥1 + 𝑥2 − 4)

= 6𝑥1 + 15𝑥2 + 33 − 3𝑥1 − 3𝑥2 + 36−4𝑥1 + 200−20𝑥2 + 5𝑥1 + 5𝑥2 − 20
= (6 − 3 − 4 + 5)𝑥1 + (15 − 3 − 20 + 5)𝑥2 + (33 + 36 + 200 − 20)
= 4𝑥1 − 3𝑥2 + 249

Restricciones

𝑥1 + 𝑥2 ≤ 11
𝑥1 + 𝑥2 ≥ 4
𝑥1 ≤ 9
{ 𝑥2 ≤ 10

Condición de no negatividad

𝑥1 ≥ 0, 𝑥2 ≥ 0

El procedimiento para resolver geométricamente un problema de programación lineal de dos

variables es el siguiente.

Paso 1. Trazar la región factible S. Trazando las gráficas de las ecuaciones obtenidas de las
desigualdades dadas al sustituir el signo de desigualdad con un signo de igual.

Paso 2. Determinar todos los puntos extremos de S.

Paso 3. Evaluar la función objetivo en cada punto extremo.

Paso 4. Elegir un punto extremo en el cual la función objetivo tiene el valor más grande (más
pequeño) para un problema de maximización (minimización).

11
 13
12
11
D(1, 10) 𝑥2 = 10
10
E(0, 10)
9
8
7
6 𝑥1 =9

5
4 Región Factible
3 F(0, 4)

C(9, 2)
2
1
A(4, 0) B(9, 0)
0
-1 0 1 2 3 4 5 6 7 8 9 10 11 12

Hallamos 𝑧 en cada uno de los vértices:

Vértices de Región Factible Pares ordenados Valor de 𝑧 = 22𝑥1 + 13𝑥2

A (4, 0) 265
B (9, 0) 285
C (9, 2) 279
D (1, 10) 223
E (0, 10) 219 (Mínimo)
F (0, 4) 237

Por consiguiente, el traslado de las retroexcavadoras debe hacerse como se indica en la tabulación

X Y Z Total
Cartagena 0 10 1 11
Barranquilla 9 0 6 15
Total 9 10 7 26

12
El coste mínimo de € 219000 se logra cuando se hace la siguiente distribución de traslado: diez
retroexcavadoras compradas en la fábrica Y y una comprada en la fábrica Z deben prestar servicio
en Cartagena, y nueve retroexcavadoras compradas en la fabrica X y seis compradas en la fábrica
Z deben prestar servicio en Barranquilla.

Solución por el método símplex

Por tanto, el nuevo problema con variables de holgura es

Minimizar 𝑧 = 4𝑥1 − 3𝑥2 + 249 + 0𝑥4 + 0𝑥5 + 0𝑥6

Sujeto a

𝑥1 + 𝑥2 + 𝑥3 ≤ 11
𝑥1 + 𝑥2 + 𝑥4 ≥ 4
𝑥1 + 𝑥5 ≤ 9
{ 𝑥2 + 𝑥6 ≤ 10

Condición de no negatividad

𝑥1 ≥ 0, 𝑥2 ≥ 0, 𝑥3 ≥ 0, 𝑥3 ≥ 0, 𝑥4 ≥ 0, 𝑥5 ≥ 0, 𝑥6 ≥ 0

Tabla 1 0 0 0 0 0 0 -1
Base Cb 𝑥0 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7

𝑥7 -1 4 1 1 -1 0 0 0 1
𝑥4 0 11 1 1 0 1 0 0 0
𝑥5 0 9 1 0 0 0 1 0 0
𝑥6 0 10 0 1 0 0 0 1 0
𝑧 -4 -1 -1 1 0 0 0 0

Tabla 2 0 0 0 0 0 0 -1
Base Cb 𝑥0 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7

𝑥1 0 4 1 1 -1 0 0 0 1
𝑥4 0 7 0 0 1 1 0 0 -1
𝑥5 0 5 0 -1 1 0 1 0 -1

13
𝑥6 0 10 0 1 0 0 0 1 0
𝑧 0 0 0 0 0 0 0 1

Tabla 3 -4 3 0 0 0 0
Base Cb 𝑥0 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6

𝑥1 -4 4 1 1 -1 0 0 0
𝑥4 0 7 0 0 1 1 0 0
𝑥5 0 5 0 -1 1 0 1 0
𝑥6 0 10 0 1 0 0 0 1
𝑧 -16 0 -7 4 0 0 0

Tabla 4 -4 3 0 0 0 0
Base Cb 𝑥0 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6

𝑥2 3 4 1 1 -1 0 0 0
𝑥4 0 7 0 0 1 1 0 0
𝑥5 0 9 1 0 0 0 1 0
𝑥6 0 6 -1 0 1 0 0 1
𝑧 12 7 0 -3 0 0 0

Tabla 5 -4 3 0 0 0 0
Base Cb 𝑥0 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6

𝑥2 3 10 0 1 0 0 0 1
𝑥4 0 1 1 0 0 1 0 -1
𝑥5 0 9 1 0 0 0 1 0
𝑥3 0 6 -1 0 1 0 0 1
𝑧 30 4 0 0 0 0 3

14
La solución óptima es

𝑧 = −30 + 249 = 219

𝑥1 = 0
𝑥2 = 10

Con el método símplex se corrobora la misma solución que se halló con el método gráfico.

PROBLEMA 5 Máquinas procesadoras

Una fábrica tiene tres tipos de máquinas procesadoras que pueden trabajar los mismos productos,
pero cada tipo tiene diferente velocidad y recuperación. La máquina tipo 1 puede procesar 80 piezas
por hora con una recuperación del 80%, la máquina tipo 2 puede hacer 60 piezas por horas con una
recuperación del 90% y el tipo 3 hace 40 piezas por hora con 95% de recuperación. El
funcionamiento de las máquinas tipo 1, 2 y 3, tiene un costo por hora de $45, $70 y $80
respectivamente. Se trabajan 8 horas diarias debiéndose fabricar diariamente cuando menos 3,500
piezas buenas. Actualmente hay 8 máquinas tipo 1, 10 del tipo 2 y 20 del tipo 3. Cada pieza
defectuosa le cuesta a la fábrica $60. ¿Cuántas máquinas de cada tipo se deben utilizar para
minimizar el costo total?

Como primer paso hacia la formulación matemática de este problema, tabule la información dada

Calidad de
Costo de piezas Costo de
Tipo de Producción Recup. piezas Costo total
defectuosas operación
Máquina (pza/h) % (pzas/h-máq) ($/d-máq)
($/d-máq) ($/d-máq)
Acept. Def.
1 80 80 64 16 16 × 8 × 60 = 7,680 45 × 8 = 360 7,680 + 360 = 8,040
2 60 90 54 6 6 × 8 × 60 = 2,880 70 × 8 = 560 2,880 + 560 = 3,440
3 40 95 38 2 2 × 8 × 60 = 960 80 × 8 = 640 960 + 640 = 1,600

La función objetivo es

Minimizar 𝑧 = 8040𝑥1 + 3440𝑥2 + 1600𝑥3

Restricciones

512𝑥1 + 432𝑥2 + 304𝑥3 ≥ 3500 Producción

𝑥1 ≤ 8 Máquinas Tipo 1
𝑥2 ≤ 10 Máquinas Tipo 2
{ 𝑥3 ≤ 20 Máquinas Tipo 3

El problema se resuelve por el método símplex, por tanto, el nuevo problema con variables de
holgura es

15
Minimizar 𝑧 = 8040𝑥1 + 3440𝑥2 + 1600𝑥3 + 0𝑥4 + 0𝑥5 + 0𝑥6 + 0𝑥7 + 0𝑥8
Sujeto a

512𝑥1 + 432𝑥2 + 304𝑥3 + 𝑥4 ≥ 3500 Producción

𝑥1 + 𝑥5 ≤ 8 Máquinas Tipo 1
𝑥2 + 𝑥6 ≤ 10 Máquinas Tipo 2
{ 𝑥3 + 𝑥7 ≤ 20 Máquinas Tipo 3

Condición de no negatividad

𝑥1 ≥ 0, 𝑥2 ≥ 0, 𝑥3 ≥ 0, 𝑥3 ≥ 0, 𝑥4 ≥ 0, 𝑥5 ≥ 0, 𝑥6 ≥ 0, 𝑥7 ≥ 0, 𝑥8 ≥ 0

La tabla inicial y las posteriores son:

Tabla 1 0 0 0 0 0 0 0 -1
Base Cb 𝑥0 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7 𝑥8
𝑥8 -1 3500 512 432 304 -1 0 0 0 1
𝑥5 0 8 1 0 0 0 1 0 0 0
𝑥6 0 10 0 1 0 0 0 1 0 0
𝑥7 0 20 0 0 1 0 0 0 1 0
𝑍 -3500 -512 -432 -304 1 0 0 0 0

Tabla 2 0 0 0 0 0 0 0 -1
Base Cb 𝑥0 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7 𝑥8
875 27 19 1 1
𝑥1 0 1 − 0 0 0
128 32 32 512 512
149 27 19 1 1
𝑥5 0 0 − − 1 0 0 −
128 32 32 512 512
𝑥6 0 10 0 1 0 0 0 1 0 0
𝑥7 0 20 0 0 1 0 0 0 1 0
𝑧 0 0 0 0 0 0 0 0 1

16
Tabla 3 -8040 -3440 -1600 0 0 0 0
Base Cb 𝑥0 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7
875 27 19 1
𝑥1 -8040 1 − 0 0 0
128 32 32 512
149 27 19 1
𝑥5 0 0 − − 1 0 0
128 32 32 512
𝑥6 0 10 0 1 0 0 0 1 0
𝑥7 0 20 0 0 1 0 0 0 1
879375 13375 12695 1005
𝑧 − 0 − − 0 0 0
16 4 4 64

Tabla 4 -8040 -3440 -1600 0 0 0 0

Base Cb 𝑥0 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7
875 32 19 1
𝑥2 -3440 1 − 0 0 0
108 27 27 432
𝑥5 0 8 1 0 0 0 1 0 0
205 32 19 1
𝑥6 0 − 0 − 0 1 0
108 27 27 432
𝑥7 0 20 0 0 1 0 0 0 1
752500 107000 22160 215
𝑧 − 0 − 0 0 0
27 27 27 27

Tabla 5 -8040 -3440 -1600 0 0 0 0

Base Cb 𝑥0 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7
875 32 27 1
𝑥3 -1600 1 − 0 0 0
76 19 19 304
𝑥5 0 8 1 0 0 0 1 0 0
𝑥6 0 10 0 1 0 0 0 1 0
645 32 27 1
𝑥7 0 − − 0 0 0 1
76 19 19 304
350000 101560 22160 100
𝑧 − 0 0 0 0
19 19 19 19

17
La solución óptima es

𝑧 = 350000/19 ≈ 18,421.05
𝑥1 = 0
𝑥2 = 0
𝑥3 = 875/76 ≈ 11.51

La fábrica debe utilizar once máquinas Tipo 3 y ninguna Tipo 1 y Tipo 2 para tener el mínimo
costo de las ocho horas diarias de trabajo por valor de $18,421.05.

18
 CONCLUSIÓN

En definitiva, la programación lineal es una herramienta muy útil para personas con empresas o
independientes. Le permite administrar mejor los recursos para hacer un uso completo de los
recursos y lo ayuda a obtener mayores ganancias y minimizar los costos. La programación lineal
es un proceso o algoritmo matemático mediante el cual se pueden resolver problemas inciertos.
Consiste en una función lineal optimizada minimizada o maximizada la llamamos función objetivo,
que hace que la función esté sujeta a una serie de restricciones, que se expresan a través de un
sistema de desigualdades lineales. La programación lineal nos permite utilizar diferentes métodos,
que pueden reducir costos y obtener ganancias.

19
 BIBLIOGRAFÍA

CHEDIAK, Francisco A. (2013). Investigación de Operaciones, Volumen 1. (3ª ed). Ibagué:

Universidad de Ibagué.

HAEUSSLER, Ernest F. (2015). Matemáticas para administración y economía. (13ª ed). México:
Pearson Educación.

HILLIER, Frederick S. (2015). Investigación de Operaciones. (10ª ed ). México: Mc Graw Hill.

20