UNIVERSIDAD AUTONOMA CHAPINGO

División de Ciencias Económico-Administrativas

Programación Matemática
Laboratorio No 6
Semestre 2, Ciclo 2022-2023
Nombres de Alumnos:
Sánchez Rodríguez Clara Nayeli.
Wolff Gutiérrez Karla Miguel

1.- Investigue los conceptos siguientes:

Programación no lineal
La programación no lineal forma parte de la investigación de operaciones y también, como
la programación lineal, tiene como finalidad proporcionar los elementos para encontrar los
puntos óptimos para una función objetivo. En este planteamiento, tanto la función objetivo
como las restricciones son no lineales.
Se presenta un problema de programación no lineal cuando tanto la función objetivo que
debe optimizarse, como las restricciones del problema, o ambas, tienen forma de
ecuaciones diferenciales no lineales, es decir, corresponden a ecuaciones cuyas variables
tienen un exponente mayor que 1.
Condiciones Khun-Tucker
Las condiciones de Kuhn-Tucker son requerimientos necesarios y suficientes para que la
solución de un problema de programación matemática sea óptima. Es una generalización
del método de los multiplicadores de Lagrange.
𝑀𝑖𝑛 𝑓(𝑥)
𝑆𝑢𝑗𝑒𝑡𝑜 𝑎
𝑔𝑖 (𝑥) ≤ 0, 𝑖 = 1, … , 𝑚
ℎ𝑗 (𝑥) = 0, 𝑗 = 1, … , 𝑙
Condiciones necesarias de primer orden:
Supongamos que la función objetivo, por ejemplo, a minimizar, es 𝑓: 𝑅 𝑛 → 𝑅 y las
funciones de restricción son 𝑔𝑖 : 𝑅 𝑛 → 𝑅 y ℎ𝑗 : 𝑅 𝑛 → 𝑅 .Entonces, supongamos que
son continuamente diferenciables en el punto 𝑥 ∗ .Si 𝑥 ∗ es un mínimo local, entonces
existen constantes 𝜆 ≥ 0, 𝑢𝑖 ≥ 0 (𝑖 = 1, … , 𝑚), 𝑣𝑗 (𝑗 = 1, … , 𝑙), y tales que:
Valor social neto
El beneficio social neto (BSN) es la diferencia entre el beneficio social (BS) y el coste
social (CS):
𝐵𝑆𝑁 = 𝐵𝑆 – 𝐶𝑆
El BSN se puede calcular a partir de la diferencia entre todos los beneficios privados y
todos los costes privados: 𝐵𝑆 = ∑𝑆𝐵𝑃𝑗– ∑𝑆𝐶𝑃𝑗, 𝑗 = 1, … , 𝐽
Calculando el BSN de este modo, se puede prescindir de la tarea de identificación de los
costes y beneficios privados, que son meras transferencias porque se cancelan de manera
automática. En un mercado el beneficio social neto es la suma de las ganancias del
intercambio de productores y consumidores
Frontera eficiente
De acuerdo con Caballero (2020), la frontera de carteras eficiente es el conjunto de
carteras más eficientes de un mercado, es decir, las que ofrecen una mayor rentabilidad
esperada según los diferentes niveles de riesgo que se pueden asumir (o el menor riesgo
para una rentabilidad esperada).
Se representa gráficamente como una curva, en dónde cualquier cartera que no se
encuentre encima de la línea de la frontera no será eficiente, y por lo tanto estará
corriendo riesgos innecesarios o recibiendo una rentabilidad inferior a la que podría
obtener, con respecto al riesgo que está asumiendo.
Por tanto, la frontera de carteras eficiente representa la relación óptima que encontramos
en una cartera de inversión entre volatilidad y rentabilidad, es decir, entre los beneficios
que el inversor podrá obtener y los riesgos que deberá afrontar para hacerlo.

Modelo de centro de gravedad

El método de centro de gravedad es utilizado para calcular la localización de centros de
distribución cuando se tienen dos o más destinos. Su utilización surge, de la necesidad de
minimizar costos de envió y transportes asociados a la entrega de mercancía a las
sucursales o a los clientes. Al desarrollar el método de centro de gravedad, nos dará como
resultado la localización del lugar óptimo para la instalación del almacén o centro de
distribución.
Para desarrollar este método se debe:
1. Se colocan las ubicaciones existentes en un sistema de cuadricula con
coordenadas, con la idea de establecer distancias relativas entre las ubicaciones.
2. El centro de gravedad se encuentra calculando las coordenadas x e y que dan por
resultado el costo mínimo de transporte

2.- Hacer la representación vectorial / matricial del siguiente problema (solo escribirla):
Min Z = - x1 - 6x2 + x 2 - 2x1x2 + 2 x 2
1 2

Sujeto a
x1 + x2 ≤ 2
-x1 + 2x2 ≤ 2
x1 ≤ 1.5
x1 , x2 ≥ 0

Forma vectorial/matricial:
𝑥1 𝑥
𝑀𝑖𝑛 𝑍 = (−1 −6) (𝑥 ) + (𝑥1 𝑥2 ) [ 1 −1] ( 1 )
2 −1 2 𝑥2

𝑆𝑢𝑗𝑒𝑡𝑜 𝑎:
1 1 𝑥 2
1
[−1 2] (𝑥 ) ≤ ( 2 )
2
1 0 1.5
𝑥1 0
(𝑥 ) ≥ ( )
2 0
 3. - El volumen de ventas de un automóvil que próximamente será producido es función
del número de anuncios en la prensa (x) y del número de minutos de publicidad de
televisión ( y) Estadísticamente, se ha estimado las siguientes relaciones entre las
variables:
V (x, y) = 12xy − x 2 − 3y2
Un anuncio en la prensa tiene un costo $1 000 y un minuto de televisión $60 000.
Si el presupuesto de publicidad es de $1 637 500, y se gasta totalmente.

Formule en el software de programación no lineal de su preferencia.

Determine la política publicitaria óptima de la empresa. Interprete
resultados.

Construimos las restricciones a partir del problema:

𝑆𝑡:
𝑅1 → 1,000𝑋 + 60,000𝑌 = 1,637,500

Ahora resolvemos el problema de maximización en el software LINGO:

Solución:
𝑋 = 137.5
𝑌 = 25
𝑉𝑀𝐴𝑋 = 20,468.75
Interpretación de resultados:
La política publicitaria óptima de la empresa es lanzar 137.5 anuncios en la prensa (𝑋) y
25 minutos de publicidad en televisión (𝑌).
𝑅1 → 1,000(137.5) + 60,000(25) = 1,637,500
El volumen de ventas de un automóvil de dicha empresa está dado por la función 𝑉(𝑋, 𝑌),
solucionando el problema tenemos un óptimo máximo de 20,468.75, utilizando la política
publicitaria anterior.

4. Un individuo dispone de 14 millones de euros que desea invertir en el mercado de

valores, en acciones de Zeltia, Telefónica y Gamesa. El riesgo en el que se incurre al
hacer estas inversiones se mide y refiere por medio de las varianzas y covarianzas,
siguientes:
𝜎2 = 2, 𝜎2 = 1, 𝜎2 = 3; 𝜎𝑋1𝑋2 = 0.03, 𝜎𝑋1𝑋3 = 0.05, 𝜎𝑋2𝑋2 = 0.02.
𝑥1 𝑥2 𝑥3

Por otra parte, las rentabilidades esperadas de estas acciones durante el próximo
año son 5, 10 y 15 % respectivamente.
Determine el portafolio óptimo de inversiones que asegure una ganancia mínima de
14.5 millones de euros para este inversionista.
a) Escriba en papel el modelo de programación cuadrática de esta cartera y
resuélvalo en software de programación no lineal (incluso, Excel).
Explique su solución: ¿qué es ese valor de la función objetivo? ¿cuánto se invierte en
cada una de las acciones? ¿Está el inversionista obteniendo la utilidad pretendida?

Se tiene la siguiente información:

𝐸(𝑥1 ) = 0.05; 𝐸(𝑥2 ) = 0.10; 𝐸(𝑥1 ) = 0.15

Matriz de varianzas y covarianzas

𝑣𝑎𝑟 (𝑥1 ) 𝑐𝑜𝑣(𝑥1 𝑥2 ) 𝑐𝑜𝑣(𝑥1 𝑥3 ) 2 0.03 0.05
[𝑐𝑜𝑣(𝑥2 𝑥1 ) 𝑣𝑎𝑟 (𝑥2 ) 𝑐𝑜𝑣(𝑥2 𝑥3 )] = [0.03 1 0.02]
𝑐𝑜𝑣(𝑥3 𝑥1 ) 𝑐𝑜𝑣(𝑥3 𝑥2 ) 𝑣𝑎𝑟 (𝑥3 ) 0.05 0.02 3
El retorno anual esperado de la cartera es:
0.05𝑥1 + 0.10𝑥2 + 0.15𝑥3 ≥ 14.5

Entonces el modelo completo es el siguiente:

Min 𝑍 = 2𝑥1 2 + 1𝑥2 2 + 3𝑥3 2 + 0.06𝑥1 𝑥2 + 0.10𝑥1 𝑥3 + 0.04𝑥2 𝑥3

Sujeto a
0.05𝑥1 + 0.10𝑥2 + 0.15𝑥3 ≥ 14.5
𝑥1 + 𝑥2 + 𝑥3 = 14
𝑥1 , 𝑥2 , 𝑥3 ≥ 0

La edición y solución de este problema en LINGO es la siguiente:

La solución óptima para este problema de programación cuadrática es:
𝑥1 = 0.8094082𝐸 − 07, 𝑥2 = 124.000, 𝑥3 = 14.00000
La cartera consiste en invertir $0.8094082E-07 en la acción de Zeltia, $124.000 en la
acción telefónica y $14.000 en la acción Gamesa.
La varianza de esta cartera es de $16,033.44.

Para saber si se está obteniendo la utilidad pretendida:

0.05𝑥1 + 0.10𝑥2 + 0.15𝑥3 ≥ 14.5
0.05(0.8094082𝐸 − 07) + 0.10(124.000) + 0.15(14.00000) ≥ 14.5
14.5 ≥ 14.5
Da una utilidad igual a la que se tiene pretendida, por lo que le inversionista puede
invertir los 14 millones de la manera en la que se especificó anteriormente.

5. En un espacio territorial conformado por cuatro regiones, las cuales son productoras y
consumidoras a la vez, hay las condiciones idóneas para realizar la producción y el
intercambio comercial de un producto el cual habrá de cubrir las necesidades de las 4
regiones consumidoras. Las funciones de demanda y oferta regionales, y los costos
unitarios de transporte desde zonas productoras hasta las zonas consumidoras son los
siguientes.
Funciones de demanda Funciones de oferta Costos de transporte
𝑝1 = 5 − 0.0025𝑦1 𝑝1 = −5.5 + 0.3𝑥1 𝑡11 = 0, 𝑡12 = 3, 𝑡13 = 2, 𝑡14 = 3
𝑝2 = 6.5 − 0.0025𝑦2 𝑝2 = 0.5 + 0.15𝑥2 𝑡21 = 3, 𝑡22 = 0, 𝑡23 = 4, 𝑡24 = 2
𝑝3 = 8.0 − 0.0025𝑦3 𝑝3 = −0.5 + 0.01𝑥3 𝑡31 = 5, 𝑡32 = 2, 𝑡33 = 0, 𝑡34 = 3
𝑝4 = 10.5 − 0.0025𝑦4 𝑝4 = 0.7 + 0.05𝑥4 𝑡41 = 3, 𝑡42 = 4, 𝑡43 = 4, 𝑡44 = 0

b) Escriba en papel el modelo de programación cuadrática del problema planteado.

El modelo de equilibrio espacial a resolver es:
 1 1 1
𝑀𝑎𝑥 𝑉𝑆𝑁 = [5𝑦1 − (0.0025)𝑦1 2 + 6.5𝑦2 − (0.0025)𝑦2 2 + 8𝑦3 − (0.0025)𝑦3 2 + 10.5𝑦4
2 2 2
1
− (0.0025)𝑦4 2 ]
2
1 1 1
− [−5.5 𝑥1 + (0.3)𝑥1 2 + 0.5 𝑥2 + (0.15)𝑥2 2 − 0.5 𝑥3 + (0.01)𝑥32 + 0.7 𝑥4
2 2 2
1
+ (0.05)𝑥4 2 ]
2
− [ 0𝑥11 + 3𝑥12 + 2𝑥13 + 3𝑥14 + 3𝑥21 + 0𝑥22 + 4𝑥23 + 2𝑥24 + 5𝑥31 + 2𝑥32
+ 0𝑥33 + 3𝑥34 + 3𝑥41 + 4𝑥42 + 4𝑥43 + 0𝑥44 ]
Sujeto a
𝑥11 + 𝑥12 + 𝑥13 + 𝑥14 ≤ 𝑥1
𝑥21 + 𝑥22 + 𝑥23 + 𝑥24 ≤ 𝑥2
𝑥31 + 𝑥32 + 𝑥33 + 𝑥34 ≤ 𝑥3
𝑥41 + 𝑥42 + 𝑥43 + 𝑥44 ≤ 𝑥4
𝑥11 + 𝑥21 + 𝑥31 + 𝑥41 ≥ 𝑦1
𝑥12 + 𝑥22 + 𝑥32 + 𝑥42 ≥ 𝑦2
𝑥13 + 𝑥23 + 𝑥33 + 𝑥43 ≥ 𝑦3
𝑥14 + 𝑥24 + 𝑥34 + 𝑥44 ≥ 𝑦4
c) Resuelva por medio de un software de programación cuadrática (WinQSB, LINGO,
GAMS, etc.), determine el valor social neto, cantidades a producir en las tres regiones
productoras, las cantidades demandadas en las tres regiones consumidoras; los flujos
comerciales de regiones productoras hacia regiones consumidoras, y los precios de
equilibrio o multiplicadores de Lagrange.
Primero debemos de formular el problema en el software, lo que quedaría de la siguiente
forma:
Max = (5*Y1-(0.5)*0.0025*Y1^2+6.5*Y2-(0.5)*(0.0025)*Y2^2+8*Y3-
(0.5)*0.0025*Y3^2+10.5*Y4-(0.5)*(0.0025)*Y4^2)-((-
5.5)*X1+(0.5)*(0.3)*X1^2+0.5*X2+(0.5)*(0.15)*X2^2-
0.5*X3+(0.5)*0.01*X3^2+0.7*X4+(0.5)*(0.05)*X4^2)-
(0*X11+3*X12+2*X13+3*X14+3*X21+0*X22+4*X23+2*X24+5*X31+2*X32+0*X33+3*X34+3*X41+4
*X42+4*X43+0*X44);
X11+X12+X13+X14<=X1;
X21+X22+X23+X24<=X2;
X31+X32+X33+X34<=X3;
X41+X42+X43+X44<=X4;
X11+X21+X31+X41>=Y1;
X12+X22+X32+X42>=Y2;
X13+X23+X33+X43>=Y3;
X14+X24+X34+X44>=Y4;
END
Usando LINGO:

Los resultados que se obtuvieron en Lingo fueron los siguientes:

• Maximizando el Valor Social Neto de la función, este nos da un valor de 4276.984
unidades.
• Las cantidades por producir en las tres regiones productoras son las siguientes:

𝑥1 = 40.13381
𝑥2 = 46.93429
𝑥3 = 704.0143
𝑥4 = 176.8029
• Las cantidades demandadas en las cuatro regiones consumidoras son las
siguientes:

𝑦1 = 0.5196085𝐸 − 08
𝑦2 = 0.8602424𝐸 − 08
𝑦3 = 583.9427
𝑦4 = 383.9427
 • Los flujos comerciales de regiones productoras hacia regiones consumidoras son
las siguientes:

𝑋11 = 0.4113949𝐸 − 08
𝑋12 = 0.1240359𝐸 − 08
𝑋13 = 0.1579319𝐸 − 08
𝑋14 = 40.13381
𝑋21 = 0.000000
𝑋22 = 0.5143480𝐸 − 08
𝑋23 = 0.000000
𝑋24 = 46.93429
𝑋31 = 0.000000
𝑋32 = 0.1866424𝐸 − 08
𝑋33 = 583.9427
𝑋34 = 120.0717
𝑋41 = 0.000000
𝑋42 = 0.000000
𝑋43 = 0.000000
𝑋44 = 176.8029
• Los precios de equilibrio o multiplicadores de Lagrange.

10. En el aeropuerto de Gotham City hay 10 puertas de llegada (A…..J respectivamente) cuya distribución
espacial se muestra en la siguiente figura.

Puerta 𝑎𝑖 𝑏𝑖
A 0 2
B 2 4
C 5 6
D 5 10
 E 7 15
F 10 15
G 12 10
H 12 6
I 15 4
J 20 2

6- El equipaje de los vuelos que arriban es descargado en estos gates y movidos a un

punto de reclamación de equipaje. El número promedio de maletas que llegan por
día en los puntos de arribo son 3600, 2500, 1800, 2200, 1000, 4500, 5600, 1400,
1800 y 3000, respectivamente. Se quiere determinar la mejor ubicación donde
construir el centro de reclamación de equipajes desde el cual las distancias a los
puntos de llegada de los aviones sea el menor posible.
Escriba el modelo de optimización correspondiente a este problema.
De acuerdo a la estimación euclidiana, la distancia total hacia cada uno de las 10 puertas,
está reflejada en la siguiente expresión:

𝑴𝒊𝒏 𝒁 = √(0 − 𝑥)2 + (2 − 𝑦)2 + √(2 − 𝑥)2 + (4 − 𝑦)2 + √(5 − 𝑥)2 + (6 − 𝑦)2
+ √(5 − 𝑥)2 + (10 − 𝑦)2 + √(7 − 𝑥)2 + (15 − 𝑦)2 + √(10 − 𝑥)2 + (15 − 𝑦)2
+ √(12 − 𝑥)2 + (10 − 𝑦)2 + √(12 − 𝑥)2 + (6 − 𝑦)2 + √(15 − 𝑥)2 + (4 − 𝑦)2
+ √(20 − 𝑥)2 + (2 − 𝑦)2

Resuelva en un software de programación no lineal (EXCEL, GAMS o LINGO) y dé

respuesta a las preguntas de la gerencia del aeropuerto:

Resolviendo por el software LINGO:

min = ((0-x)^2+(2-y)^2 )^(1/2)
+ ((2-x)^2+(4-y)^2 )^(1/2) +
((5-x)^2+(6-y)^2 )^(1/2) + ((5-
x)^2+(10-y)^2 )^(1/2) + ((7-
x)^2+(15-y)^2 )^(1/2) + ((10-
x)^2+(15- y)^2 )^(1/2) + ((12-
x)^2+(10-y)^2 )^(1/2) + ((12-
x)^2+(6-y)^2 )^(1/2) + ((15-
x)^2+(4-y)^2 )^(1/2) + ((20-
x)^2+(2-y)^2 )^(1/2);
¿Cuáles son las coordenadas donde debe construirse el centro de reclamación de
equipajes?
De la salida del programa Lingo, se puede observar que la ubicación o localización
adecuada para establecer el punto de reclamación del equipaje es el punto cuyas
coordenadas son: (8.608924,7.878759) o x=8.608924, y=7.878759.
¿cuáles son las distancias hacia los puntos de llegada A, C, D, G, H y J?
Centro 𝑥𝑖 = 8.608924 𝑦𝑖 = 7.878759
A:
𝐷𝐴 = √(8.608924 − 0)2 + (7.878759 − 2)2 = 10.4246525
C:
𝐷𝐶 = √(8.608924 − 5)2 + (7.878759 − 6)2 = 4.068669047
D:
𝐷𝐷 = √(8.608924 − 5)2 + (7.878759 − 10)2 = 4.186167199
G:
𝐷𝐺 = √(8.608924 − 12)2 + (7.878759 − 10)2 = 3.999882476
H:
𝐷𝐻 = √(8.608924 − 12)2 + (7.878759 − 6)2 = 3.876742423
J:
𝐷𝐽 = √(8.608924 − 20)2 + (7.878759 − 2)2 = 12.81859664

7- Encuentre la mejor ubicación de un almacén desde el cual se atiendan las

demandas de tres locaciones, cuyas coordenadas y costos unitarios de transporte
se muestran en la tabla siguiente. Las distancias se dan en km.
Locaciones ai (km) bi (km) wi ($/km)
Loc A 150 250 140
Loc B 300 100 110
Loc C 400 500 170

A. Formule el modelo de optimización que dé respuestas a los incisos siguientes:

Min = (140 * (((150-x) ^ 2 + (250-y) ^ 2))^(1/2)) + (110 * (((150-x) ^ 2 + (250-y) ^ 2))^(1/2)) + (170 *
(((400-x) ^ 2 + (500-y) ^ 2))^(1/2))
B. Resuelva en un software de programación no lineal (incluso Excel) y obtenga loas
coordenadas en que debe construirse el almacén.

𝑥 = 290.48 𝑦 = 311.9

Localización Óptima

C. Ahora cambia el escenario. Por recomendaciones de los socios se prefiere que el

almacén no sea construido en 10 km a la redonda de esas coordenadas. ¿Cuáles son
ahora las coordenadas para este almacén?
Las nuevas coordenadas para este problema son:
𝑥 = 153.40 𝑦 = 251.57

Min = (140 * (((150-X) ^ 2 + (250-Y) ^ 2))^(1/2)) + (110 * (((150-X) ^ 2 + (250-Y) ^ 2))^(1/2)) + (170 *
(((400-X) ^ 2 + (500-Y) ^ 2))^(1/2));
((150-X) ^ 2 + (250-Y)) ^2>= 10^2;
((150-X) ^ 2 + (250-Y)) ^ 2>= 10^2;
((400-X) ^ 2 + (500-Y)) ^ 2>= 10^2;
End
LINGO/WIN64 20.0.16 (19 Apr 2023), LINDO API 14.0.5099.259

Licensee info: Eval Use Only

License expires: 11 DEC 2023

Local optimal solution found.

Objective value: 60443.45
Infeasibilities: 0.9925358E-08
Extended solver steps: 5
Best multistart solution found at step: 5
Total solver iterations: 133
Elapsed runtime seconds: 0.34

Model Class: NLP

Total variables: 2
Nonlinear variables: 2
Integer variables: 0

Total constraints: 4
Nonlinear constraints: 4

Total nonzeros: 8
Nonlinear nonzeros: 8

Variable Value Reduced Cost

X 153.4018 0.000000
Y 251.5726 0.000000

Row Slack or Surplus Dual Price

1 60443.45 -1.000000
2 -0.9925358E-08 0.000000
3 -0.9925358E-08 -0.7875416
4 0.3728211E+10 0.000000