Gestión de Investigación de Operaciones

Guı́a de Ejercicios
Primer Semestre 2023

Profesores: Pablo Escalona - Rafael Favereau - Ismael Kauak - Rodrigo Mena -

Francisco Yuraszeck
Ayudante: Jenny Caballero - Michel Carrasco - Catalina Peña - Javiera Pérez -
Patricio Rojas
Fecha: Mayo del 2023
Modelos continuos

Pregunta 1
En cierta zona geográfica existe un conjunto I de puntos donde ocurren emergencias que deben ser
atendidas, con i = 1, ..., |I|. Sea wi el número promedio de emergencias que emanan desde cada
punto. Considere el problema de determinar las coordenadas (x̄, ȳ) donde se debe instalar una base
aérea para que un helicóptero visite cada uno de los puntos de emergencia, a modo de minimizar la
distancia total recorrida. Asuma que se cuenta con solo un helicóptero, que la distancia entre la
base y cada uno de los puntos de demanda se puede aproximar como una lı́nea recta, y que la base
aérea se puede localizar en cualquier punto de la región geográfica.

(a) Plantee el problema de optimización que permita determinar la localización óptima de la base
aérea que minimice la distancia total recorrida por el helicóptero.

(b) Determine, justificadamente, si el problema formulado es o no convexo. En caso de que no lo

sea, re-escrı́balo como un problema convexo.

(c) Aplicando condiciones de primer orden, encuentre una expresión para la solución óptima del
problema, i.e., x̄∗ , ȳ ∗ .

Pauta Pregunta 1
a)

Conjuntos

• I := 1, ..., |I|

Parámetros

• wi : Número de incidentes en el nodo i.

• xi : Coordenada en el eje x̄del nodo i.
• yi : Coordenada en el eje ȳ del nodo i.

Guı́a de Ejercicios - ILN250 Página 1

 Variables

• x̄ : Coordenada en x de la base.
• ȳ : Coordenada en y de la base.

Función Objetivo

X p
mı́n wi (x̄ − xi )2 + (ȳ − yi )2
i∈I

Restricciones

• x̄, ȳ ∈ R → Naturaleza de las variables.

b)
Para determinar si es o no un problema Convexo, primero debemos determinar si las restricciones lo
son, en este caso solo contamos con la restricción de naturaleza de las variables y lo es, por lo cual
ahora continuamos analizando la Función Objetivo; en este particular se compone de una norma
convexa y un parámetro positivo que la multiplica, por ende sabemos que es convexa.

c)

∂f (x, y)
|x=x̄ = 0
∂x
X x̄ − xi
wi p =0
i∈I
(x̄ − xi )2 + (ȳ − yi )2
X x̄ X xi
wi p − wi p =0
2
(x̄ − xi ) + (ȳ − yi )2 (x̄ − xi ) + (ȳ − yi )2
2
i∈I i∈I
X wi X xi
x̄ p = wi p
2
(x̄ − xi ) + (ȳ − yi )2 (x̄ − xi ) + (ȳ − yi )2
2
i∈I i∈I
P xi
i∈I wi p
(x̄ − xi )2 + (ȳ − yi )2
x̄∗ = P wi
i∈I p
(x̄ − xi )2 + (ȳ − yi )2

De forma análoga obtenemos el resultado para ȳ∗.

P yi
i∈I wi p
(x̄ − xi + (ȳ − yi )2
)2
ȳ∗ = P wi
i∈I p
(x̄ − xi )2 + (ȳ − yi )2

Guı́a de Ejercicios - ILN250 Página 2

Pregunta 2
Un agricultor posee un terreno agrı́cola con un total de H hectáreas para destinarlas a la
cosecha de tomates, que requiere de las operaciones que lista como: cultivo, riego y aplicación
de insecticidas, que deben ser realizadas en ese orden. Se definen 3 perı́odos para ordenar la
planificación de las mismas. El cultivo debe ser realizado en el perı́odo 1; el riego puede ser realizado
en el periodo 1 si queda tiempo disponible luego del cultivo, si no, se puede aplicar sólo en el periodo
2; la aplicación de insecticidas en cambio se puede hacer en cualquier perı́odo si queda tiempo
disponible y han concluido las otras operaciones. El cultivo requiere 4 horas por hectárea. El riego
requiere 2 horas por hectárea en el primer perı́odo y 3 horas por hectárea en el segundo perı́odo. La
aplicación de insecticidas requiere 0.5, 0.75 y 1 hora por hectárea si se realiza en el periodo 1,2 y 3
respectivamente. Asuma que el tiempo máximo que se dispone en estos tres periodos corresponde a
t1, t2 y t3 horas, respectivamente.
Formule un modelo de Programación Lineal que permita definir un plan óptimo para llevar a cabo
estas operaciones, asumiendo que esta es una actividad rentable para el agricultor y
que todas las hectáreas cosechadas se podrán vender. Detalle con claridad las variables de
decisión empleada, la función objetivo propuesta y las restricciones que es necesario imponer.
Obs: Note que una hectárea cosechada es aquella que ya pasó por las tres operaciones.

Pauta Pregunta 2
Conjunto
T : Conjunto de t perı́odos.

Variables
XC : Hectáreas cultivadas.
XRt : Hectáreas regadas en el perı́odo t con t= 1, 2.
XIt : Hectáreas a las que se aplica insecticida en el perı́odo t con t = 1,2,3.
XT : Hectáreas cosechadas.

Función Objetivo

máx XT

Restricciones
No se pueden cultivar más de las hectáreas disponibles (R1):

XC ≤ H

En el primer periodo las hectáreas regadas no pueden superar las de cultivo (R2):

XR1 ≤ XC

Guı́a de Ejercicios - ILN250 Página 3

 En el primer periodo las hectáreas a las que se aplicó insecticida no puede superar las hectáreas
regadas en ese periodo, pues es la última operación a realizar (R3):

XI1 ≤ XR1

En el primer perı́odo se debe respetar las t1 horas disponibles (R4):

4XC + 2XR1 + 0, 5XI1 ≤ t1

Las hectáreas regadas hasta el segundo perı́odo no pueden ser más que las cultivadas (Notar
que esta incluye a R2)(R5):

XR1 + XR2 ≤ XC

Las hectáreas a las que se le aplicó insecticida hasta el segundo periodo no pueden superar a
las que fueron regadas hasta el segundo periodo (R6):

XI1 + XI2 ≤ XR1 + XR2

En el segundo periodo se deben respetar las t2 horas disponibles (R7):

3XR2 + 0, 75XI2 ≤ t2

Las hectáreas a las que se le aplicó insecticida hasta el tercer periodo no pueden superar a las
que fueron regadas hasta el segundo periodo (Notar que esta incluye a R6) (R8):

XI1 + XI2 + XI3 ≤ XR1 + XR2

En el tercer periodo se deben respetar las t3 horas (R9):

1 · XI3 ≤ t3

El total de hectáreas a cosechar corresponde al total de hectáreas a las que se aplica el

insecticida que define el total de las hectáreas que tiene las tres operaciones realizadas (R10):

XT = XI1 + XI2 + XI3

Notar que en la F.O. podrı́a haberse omitido la creación de la variable XT sólo maximizar la
suma expuesta.

No negatividad (R11):

XC, XRt , XIt , XT ≥ 0 ∀ t = 1, 2, 3

Guı́a de Ejercicios - ILN250 Página 4

Pregunta 3
La organización “Mr. Robot” es una agrupación de hackers que desean liberar al mundo de las
garras de los poderes facticos que controlan el mundo. Este grupo controlador está constituido
en la corporación Evil-corp, la cual es dueña de diferentes empresas de diferentes rubros. Para
esto desean atacar mediante A tipos de tácticas. Los ataques se envı́an a los S servidores de la
corporación, los cuales contienen información mixta de las R diferentes empresas que son parte de la
agrupación Evil-corp. “Mr. Robot” tiene C computadores para generar ataques. Cada ataque tipo a
(a=1,2. . . .A) desde el computador c (c=1,2. . . .C) al servidor s (s=1,2. . . ..S) genera una pérdida
de Ga,c,s,r [Gb] gigabytes para la empresa r (r=1,2. . . ..R). Cada Gigabyte perdido de la empresa
r, impacta en Dr [ UGbSD
]. Otra forma de impactar a la corporación es mediante la organización de
U SD
marchas, por cada hora de marcha la corporación pierde T [ Horas ]. El tiempo total que dispone Mr.
Robot para realizar los ataques es K [Horas] y las velocidades de trabajo por cada computador c,
mediante ataque a es Va,c [ Ataques
Hora ]. Se sabe que debido a lo pesado que es el programa con el cual
se ataca, el computador 2 no puede realizar más de 3 ataques de cualquier tipo. La organización
Mr Robot se demora N horas para organizar una hora de marcha, y además se sabe que las horas
hombre totales de la organización es P [horas].

Pauta Pregunta 3
El modelo de programación para este problema de optimización es el siguiente:

Conjuntos:
R=Conjunto de empresas r = {1, ..., R}.
A= Conjunto de tipos de ataques a = {1, ..., A}.
S=Conjunto de tipos de servidores s = {1, ..., S}.
C=Conjunto de los distintos computadores c = {1, ..., C}.

Variables:
Ha,c,s,r = Cantidad de ataques tipo a, desde el computador c, al servidor s para la empresa r.
HM =Horas de marcha.

Parámetros:
Ga,c,s,r =Gigabytes perdidos por cada ataque a, desde el computador c, al servidor s, respecto a la
empresa r. [Gb].
Dr =Dólares perdidos por cada Gigabyte atacado de la empresa r.
T = Dólares perdidos por cada hora de marcha.
Va.c =Velocidad del computador c para generar un ataque del tipo a [ Ataques
Hora ].
N = Horas que se demora organizar una hora de marcha.
P = Disponibilidad de horas hombre en Mr. Robot.

Guı́a de Ejercicios - ILN250 Página 5

Función Objetivo:

R X
X A X
S X
C
máx Ga,c,s,r ∗ Dr ∗ Ha,c,s,r + T ∗ HM
r=1 a=1 s=1 c=1

Restricciones:
Restricción 1: Tiempo disponible.
R X
A X
S X
C
X Ha,c,s,r
≤K
Va,c
r=1 a=1 s=1 c=1

Restricción 2: Cantidad de ataques que puede desarrollar el computador 2.

R X
X A X
S
Ha,2,s,r ≤ 3
r=1 a=1 s=1

Restricción 3: Disponibilidad de horas de trabajo.

N ∗ HM ≤ P

Restricción 4: No negatividad

Ha,c,s,r , HM ≥ 0 ∀a ∈ A ∀r ∈ R ∀c ∈ C ∀s ∈ S

Guı́a de Ejercicios - ILN250 Página 6

Pregunta 4
Una empresa chilena dispone de $ 1.500 millones para invertir en Acciones, Bonos, Depósitos del
Banco Central y en Terrenos. Los principales antecedentes del problema son:

La inversión en acciones y bonos se puede realizar al principio de cada año en un horizonte de

6 años.

Cada peso invertido en acciones genera un retorno de 1,20 pesos, dos años más tarde (por
ejemplo, si se invierte un peso al inicio del primer año, ese retorno estará disponible al inicio
del tercer año).

Cada peso invertido en bonos genera un retorno de 1,40 pesos, tres años más tarde. La opción
de invertir en depósitos del Banco Central estará disponible desde el inicio del segundo año en
adelante, generando un retorno de 1,80 pesos por cada peso invertido, el cual estará disponible
cuatro años más tarde.

La posibilidad de invertir en terrenos solo estará disponible a partir del inicio del quinto año
(y en los años posteriores), generando un retorno de 1,10 pesos por cada peso invertido, el
cual estará disponible un año más tarde.

Los retornos percibidos al final de un año pueden ser reinvertidos inmediatamente al inicio del
año siguiente en algunas de las alternativas disponibles.

En caso de que no se utilice la totalidad del dinero disponible en un año, se puede reinvertir el
dinero sobrante en el siguiente año.

Un resumen de la información proporcionada se presenta en la siguiente tabla:

Retorno por Perı́odo

Instrumento Año 1 Año 2 Año 3 Año 4 Año 5 Año 6
$1,00 invertido de retorno
Accciones $1,20 2 Años Si Si Si Si Si Si
Bonos $1,40 3 Años Si Si Si Si Si Si
Depósitos $1,80 4 Años No Si Si Si Si Si
Terrenos $1,10 1 Año No No No No Si Si

Formule un modelo de Programación Lineal para definir un plan de inversiones para la empresa
chilena, i.e., qué instrumento(s) comprar al inicio de cada año, que le permita maximizar el efectivo
disponible al inicio del séptimo año. Defina con claridad los conjuntos y parámetros, variables de
decisión, función objetivo y restricciones impuestas en el modelo.

Pauta Pregunta 4
Conjuntos:

• T : Horizonte de planificación, indexado en t.

Guı́a de Ejercicios - ILN250 Página 7

 Parámetros:

• P T : Presupuesto disponible para invertir al inicio del año 1.

• RA : Rentabilidad de las Acciones ($1.20).
• RB : Rentabilidad de los Bonos ($1.40).
• RD: Rentabilidad de los Depósitos ($1.80).
• RT : Rentabilidad de los Terrenos ($1.10).

Variables:

• At : Dinero invertido en acciones al inicio del año t = 1, .., 6.

• Bt : Dinero invertido en bonos al inicio del año t = 1, .., 6.
• Dt : Dinero invertido en depósitos del BC al inicio del año t = 2, .., 6.
• Tt : Dinero invertido en terrenos al inicio del año t = 5, 6.
• Rt : Dinero remanente del presupuesto disponible en el año t = 1, .., 6.

Restricciones:

• Restricción 1:
At + Bt + Rt = P T t=1

• Restricción 2:
At + Bt + Dt + Rt = Rt−1 t=2

• Restricción 3:
At + Bt + Dt + Rt = Rt−1 + RA · At−2 t=3

• Restricción 4:

At + Bt + Dt + Rt = Rt−1 + RA · At−2 + RB · Bt−3 t=4

• Restricción 5

At + Bt + Dt + Tt + Rt = Rt−1 + RA · At−2 + RB · Bt−3 t=5

• Restricción 6:

At + Bt + Dt + Tt + Rt = Rt−1 + RA · At−2 + RB · Bt−3 + RD · Dt−4 + RT · Tt−1 t=6

• Restricción 7:
At , Bt , Dt , Tt , Rt ≥ 0 ∀t ∈ T

Función Objetivo:

máx R6 + RA · A5 + RB · B4 + RD · D3 + RT · T6

Guı́a de Ejercicios - ILN250 Página 8

Pregunta 5
Cierto inversionista desea determinar su portafolio óptimo de inversión para el próximo perı́odo.
Para ello, considere que existen I compañı́as que transan sus acciones en la bolsa de comercio, y
que se espera que el valor de cada acción sea µi en el próximo perı́odo.
La cantidad total de acciones que se tienen en circulación corresponden a ẑi . Por su parte, el
inversionista posee actualmente zi acciones de la compañı́a i. Por razones de liquidez, se deberá
cumplir que el porcentaje de acciones que posea el inversionista del total de acciones que tiene en
circulación la compañı́a i, no sea mayor a γi . Considere que el costo de transar (comprar o vender)
una acción corresponde a ai [$/un], y que la cantidad absoluta de acciones de la compañı́a i que
compra o vende el inversionista no debe ser mayor a δi . Asuma que no puede existir stock negativo
de acciones.
Formule un problema de programación no-lineal que permita determinar la cantidad óptima de
acciones que necesita transar (comprar o vender) el inversionista, a modo de maximizar el valor
esperado de su cartera de inversiones para el próximo perı́odo.

Pauta Pregunta 5
Conjuntos
I: conjunto de compañı́as que cotizan en la bolsa.

Parámetros
µi : valor esperado de una acción de la compañı́a i en el próximo perı́odo.
ẑi : cantidad total de acciones que tiene en circulación la compañı́a i.
zi : cantidad de acciones de la compañı́a i que posee actualmente el inversionista.
γi : porcentaje máximo permisible de propiedad sobre la compañı́a i.
ai : costo de transar una acción de la compañı́a i.
δi : cantidad neta máxima de acciones de la compañı́a i que se pueden transar.

Variables
xi : cantidad de acciones compradas o vendidas de la compañı́a i.

Restricciones
Restricción 1

zi + xi ≤ γi ẑi ∀i ∈ I

Restricción 2

| xi |≤ δi ∀i ∈ I

Restricción 3

xi + z i ≥ 0 ∀i ∈ I

Guı́a de Ejercicios - ILN250 Página 9

Función Objetivo

X X
máx µi (xi + zi ) − ai | xi |
x
i∈I i∈I

Guı́a de Ejercicios - ILN250 Página 10

Pregunta 6
Dada la situación de confinamiento producto del COVID-19, se ha notado que ha crecido fuertemente
la demanda de servicios de delivery. Es por esto que muchas pequeñas y medianas empresas de la
aislada ciudad de Racangua han visto la contingencia como una buena oportunidad de negocio a
través del reparto de distintos tipos de alimentos.

Se sabe que la ciudad tiene un radio de 3000[u.d.]2 dentro de la ciudad existen H hogares que buscan
ser suministrados por estas pequeñas empresas, cada uno con su propia demanda di (cantidad de
veces que solicitan el servicio).

Debido a las condiciones sanitarias de la ciudad, un repartidor no puede tener contacto con dos
clientes de manera consecutiva, por lo que después de cada entrega debe dirigirse a la central
de la PYME para desinfectarse. El único costo asociado a cada reparto corresponde al costo de
combustible, el cuál es de Ci [u.m.]3 por [u.d.] y hace referencia al reparto hasta el hogar i-ésimo
ubicado en las coordenadas (xi , yi ).

Para la cocina de los respectivos alimentos, las PYMEs deben ser suministradas por proveedores
de otras ciudades, pues no existen plantas dentro de Racangua. Ası́, se sabe que el costo medio de
transporte desde una planta hasta la ciudad está modelado por la expresión T (y) = α + β1 y 2 . Sin
embargo, por temas de distribución de costos, este no puede superar las M [u.m.].

Adicionalmente, es evidente que cada repartidor y repartidora tienen un riesgo de infección asociado al
reparto, por lo que la municipalidad obligó a que cada PYME debe ayudar a costear el tratamiento a
cada repartidor o repartidora que contraiga el virus. La función económica que estima el costo por ries-
go de hacer un reparto al i-ésimo hogar está dada por la expresión Ri (x, y) = α+β2 (|y−yi |)+λ(|xxi |).

Con β1 , β2 y λ parámetros positivos.

Sabiendo que las coordenadas (x, y) son las coordenadas de la central de PYMEs, con (0, 0)
equivalente al centro de la ciudad, se pide:

1. Determinar una expresióon para los costos totales del servicio de delivery.

2. Formular el problema de localización optima que permita determinar las coordenadas x̄, ȳ de
la PYME, la cuál debe encontrarse dentro de la ciudad.

3. ¿Es un problema convexo? Justifique.

Pauta Pregunta 6
1. Determinar una expresión para los costos totales del servicio de delivery.

N
X p
CT (x̄, ȳ) = di (2Ci (x̄ − xi )2 + (ȳ − yi )2 + (α + β2 (|ȳ − yi |) + λ(|x̄ − xi |)) + (α + β1 ȳ 2 )
i=1

Guı́a de Ejercicios - ILN250 Página 11

2. Formular el problema de localización óptima que permita determinar las coordenadas x̄, ȳ de la
PYME, la cual debe encontrarse dentro de la ciudad.

Conjuntos:

• Q: = {1, ..., H}.

Parámetros:

• di : cantidad de veces que el hogar i-ésimo solicita el servicio.

• Ci : Costo de combustible desde la central al hogar i-ésimo.
• xi : Coordenada x del hogar i-ésimo.
• yi : Coordenada y del hogar i-ésimo.
• α,β1 ,β2 ,λ.

Variables:

• (x̄, ȳ): Coordenadas de la central.

Restricciones:
Restricción 1:
p
x̄2 + ȳ 2 ≤ 3000

Restricción 2:

T (ȳ) ≤ M

Restricción 3:

x̄, ȳ ∈ R

Función objetivo:

mı́n CT (x̄, ȳ)

x̄,ȳ

3. ¿Es un problema convexo? Justifique.

Para que el problema sea convexo debe cumplirse:

Debe ser del tipo “minimización de función convexa” o “maximización de función cóncava”

Las restricciones deben ser convexas.

Para el primer caso, se analizará cada termino de la función de costos por separado:

La función H
p
2 2
P
i di Ci (x − xi ) + (y − yi ) corresponde a una suma de normas amplificada
por los parámetros di y Ci . Se sabe que la norma es convexa, por lo tanto al multiplicarla por
un escalar positivo esta preservará su convexidad. Luego, una suma de funciones convexas es
una función convexa, por lo que el resultado es convexo.

Guı́a de Ejercicios - ILN250 Página 12

 Para la función H
P
i di (α + β2 (|ȳ − yi |) + λ(|x̄ − xi |)), se sabe que la función valor absoluto es
convexa con parámetros β2 y λ positivos. Luego, una suma de estas es convexa.

Finalmente, el término α + β1 ȳ 2 es convexo, pues es una función cuadrática con β1 positivo.

Finalmente, solo basta demostrar que las restricciones del problema son convexas:
p
Para la primera restricción, la expresión x̄2 + ȳ 2 ≤ 3000 corresponde al interior de una
circunferencia de radio 3000, por lo tanto es convexa.

La restricción T (ȳ) ≤ M es convexa, pues corresponde al interior de una parábola.

Luego, se satisfacen todas las condiciones, por lo tanto el problema de minimización es convexo.

Guı́a de Ejercicios - ILN250 Página 13

Pregunta 7
Una empresa pretende instalar I plantas industriales, donde producirán K productos a un costo
unitario de producción de cpik [$/unidad], una capacidad máxima de producción anual Pik por
producto. Dicha producción será destinada a J locales ya existentes de venta al público, donde
cada local escogido venderá todos los productos producidos y distribuidos por la empresa. Por
estudios de mercado realizados, los locales tienen una demanda anual djk de cada producto, y
se encuentran ubicados en las coordenadas cartesianas (xj , yj ) (en kilómetros). El costo unitario
de distribución de cada producto k desde cada planta de producción i a cada local j es de ctijk
[$/unidad] por kilómetro transportado. Cada planta de producción deberá ser instalada a no menos
de 50 kilómetros de cualquier otra, despacha a los locales todo lo que produce, y no puede quedar
instalada en el área donde está construido un local (asuma que cada instalación se puede modelar
como una circunferencia de radio conocido ri y rj ).

a) Formule un modelo de optimización que permita determinar el lugar de instalación de cada

planta industrial y que minimice los costos totales de operación. Asuma distancias lineales
entre plantas y locales, y considere que se debe modelar para un solo periodo de tiempo.

b) ¿Qué condición deben cumplir los parámetros para que el problema sea factible?

c) Indique, por simple inspección, que tipo de problema es (continuo o discreto, lineal o no lineal,
convexo o no convexo)

Pauta Pregunta 7
a) Modelos de optimización

Conjuntos
I: Conjunto de plantas de producción con i = {1, ..., |I|}
J: Conjunto de locales de venta de los productos, con j = {1, ..., |J|}
K: Conjunto de productos, con k = {1, ..., |K|}

Parámetros
cpik : Costo unitario de producción del producto k en planta i.
djk : Demanda del producto k en el local j.
ctijk : Costo unitario de transporte del producto k desde planta i al local j, por kilómetro.
Pik : Capacidad máxima de producción planta i para el producto k.
(Xj , Yj ): Ubicación geográfica local j.
ri : Radio del área de la planta i.
rj : Radio del área del local j.

Variables
(xi , yi ): Ubicación geográfica planta i.
xijk : Total de unidades del producto k transportadas entre planta i y el local j.

Guı́a de Ejercicios - ILN250 Página 14

Restricciones
Restricción 1: Demanda de los locales.
X
xijk = djk ∀j ∈ J, k ∈ K
i

Restricción 2: Oferta de producción.

X
xijk ≤ Pik ∀i ∈ I, k ∈ K
j

Restricción 3: Separación entre plantas de producción.

q
(xk − xj ) + (yk − yj ) ≥ 50 ∀i, l ∈ I, con i ̸= l

Restricción 4: Una planta no puede instalarse en el área de un local existente.

q
(xi − xj ) + (yi − yj ) ≥ ri + rj ∀i ∈ I, j ∈ J

Restricción 5: Naturaleza de las variables.

xijk ≥ 0; (xi , yi ) ∈ R2 ∀i ∈ I, j ∈ J, k ∈ K

Función objetivo

X X X q
min cpik xijk + xijk ctijk (xi − xj ) + (yi − yj )
i,k j i,j,k

b) Para que el modelo sea factible, se debe cumplir que toda la demanda de los locales para un
producto k sea menor o igual que el total de la capacidad productiva de las plantas de producción
para dicho producto:
X X
djk ≤ Pik ∀k ∈ K
j i

c) Por simple inspección, podemos ver que las restricciones 3 y 4 no corresponden a conjuntos
convexos, por lo que se trata de un problema de optimización continua no lineal y no convexo.

Guı́a de Ejercicios - ILN250 Página 15

Pregunta 8
El director de la biblioteca de la Universidad está comenzando a planificar las adquisiciones de
textos obligatorios para el próximo año. Se requiere adquirir un total de N textos o tı́tulos y, cada
uno de ellos, puede ser comprado a cualquiera de los L proveedores con los que trabaja la institución.
Se considera que el proveedor l ofrece un precio pil por texto, para i = 1, . . . , N y l = 1, . . . , L.
Además, para cada texto o tı́tulo i, el director de la biblioteca ha estimado una necesidad mı́nima de
di ejemplares con los que se espera contar. Dado que algunos textos son complementarios, también
se conoce la constante aij que indica cuántas copias del texto j se deben adquirir al menos por cada
copia del texto i, para i = 1, . . . , N y j = 1, . . . , N (con i ̸= j).

La biblioteca cuenta con un presupuesto total de R para la compra de textos nuevos, presupuesto que
no puede ser superado. Por otro lado, los distintos proveedores tienen un historial de cumplimiento
y de calidad de servicio, con lo cual se impone una proporción ( %) máxima sl del monto total
gastado en las adquisiciones que se puede destinar a cada proveedor l = 1, . . . , L. El director de la
biblioteca desea maximizar el número de textos adquiridos, respetando cada uno de las restricciones
antes descritas. Formule un modelo de Programación Lineal que apoye las decisiones de compra.

Pauta pregunta 8
Variables de Decisión
Xil : Número de ejemplares de tı́tulo i adquiridos al proveedor l

Función Objetivo

N X
X L
máx Xil
i=1 l=1

Restricciones
Presupuesto disponible:
N X
X L
pil · Xil ≤ R
i=1 l=1

Necesidades mı́nimas de cada tı́tulo:

L
X
Xil ≥ di i = 1, . . . , N
l=1

Exigencia de copias:
L
X L
X
aij Xil ≤ Xjl i, j = 1, . . . , N (i ̸= j)
l=1 l=1

Guı́a de Ejercicios - ILN250 Página 16

 Participación de cada proveedor:
N
X N X
X L
pil · Xil ≤ sl pik · Xik l = 1, . . . , L
i=1 i=1 k=1

Dominio de las Variables de Decisión:

Xil ≥ 0 i = 1, . . . , N ; l = 1, . . . , L

Guı́a de Ejercicios - ILN250 Página 17

Pregunta 9
Una empresa textil de la Octava Región produce 5 tipos de telas. El departamento de marketing de
esta empresa ha celebrado varios contratos por la venta de estas telas, las que deben ser entregadas a
sus clientes a fines del mes de Mayo. Las cantidades a vender (en metros: [m]), junto con los precios
de venta y los costos de producción están detallados en la tabla que sigue. La empresa también
tiene la opción de comprar alternativamente cada una de estas telas a un proveedor externo cuyos
precios de venta están indicados en la última columna de la tabla.

Cantidad a Precio de Venta Costos de Precio de

Tipo de Tela
Vender [m] [$/m] Producción [$/m] Compra [$/m]
1 16.500,5 990 660 800
2 22.345,0 860 550 700
3 62.325,0 1.100 490 600
4 7.505,0 1.240 510 700
5 62.910,2 800 500 700

Con respecto a la producción de los cinco tipos de telas, esta será efectuada durante Mayo usando
los 38 telares que posee la empresa; 30 de ellos son manuales y 8 son automáticos. Los automáticos
pueden producir todos los tipos de telas, mientras que los manuales sólo las telas 3, 4 y 5. Todos los
telares trabajan las 24 horas al dı́a, durante los 31 dı́as del mes de Mayo, y los tiempos de set-up
para pasar de producir un tipo de tela a otro son despreciables. Las velocidades de producción (en
metros por hora: [m/h]) de cada tipo de tela se indican en la siguiente tabla:

Telar Automático Telar Manual

Tipo de Tela
[m/h] [m/h]
1 4,63 -
2 4,63 -
3 5,23 5,23
4 5,23 5,23
5 4,17 4,17

Finalmente, por motivos estratégicos, la cantidad de metros comprados de cada tipo de tela no
puede representar más allá de un 40 % del total de metros utilizados para satisfacer la cantidad a
vender de dicha tela. Formule un modelo de Programación Lineal que permita a la empresa obtener
un plan óptimo de producción y compras para el mes de Mayo de forma de atender la demanda,
tomar en cuenta la disponibilidad de las máquinas y alcanzar una utilidad óptima (entendida como
ingresos menos costos).

Guı́a de Ejercicios - ILN250 Página 18

Pauta Pregunta 9
Opción 1: Formulación extendida

Variables de Decisión:
Xi : Producción [m] de tela i fabricada en telar automático. i = 1, 2, 3, 4, 5.
Yi : Producción [m] de tela i fabricada en telar manual. i = 3, 4, 5.
Zi : Cantidad [m] de tela i comprada a proveedor externo. i = 1, 2, 3, 4, 5.

Función Objetivo:

máx(330X1 +310X2 +610X3 +730X4 +300X5 +610Y3 +730Y4 +300Y5 +190Z1 +160Z2 +500Z3 +540Z4 +100Z5 )

Restricciones
Satisfacer la demanda de los 5 tipos de tela:
X1 + Z1 = 16,500, 5
X2 + Z2 = 22,345, 0
X3 + Y3 + Z3 = 62,325, 0
X4 + Y4 + Z4 = 7,505, 5
X5 + Y5 + Z5 = 62,910, 2

Respetar la capacidad de producción de los telares automáticos y manual:

1 1 1 1 1
X1 + X2 + X3 + X4 + X5 ≥ 8 · 24 · 31
4, 63 4, 63 5, 23 5, 23 4, 17
1 1 1
Y3 + Y4 + Y5 ≥ 30 · 24 · 31
5, 23 5, 23 4, 17
Cantidad a comprar como porcentaje del total de demanda a cubrir:
Z1 ≥ 0, 4 · 16,500, 5
Z2 ≥ 0, 4 · 22,345, 0
Z3 ≥ 0, 4 · 62, 325, 0
Z4 ≥ 0, 4 · 7,505, 5
Z5 ≥ 0, 4 · 62,910, 2

No negatividad de las variables de decisión:

Xi ≥ 0 i = 1, . . . , 5
Yi ≥ 0 i = 3, . . . , 5
Zi ≥ 0 i = 1, . . . , 5

Guı́a de Ejercicios - ILN250 Página 19

Opción 2: Formulación Paramétrica

Conjuntos y Parámetros:
Ci : Cantidad a vender en [m] de la tela i. i = 1, 2, 3, 4, 5
P Vi : Precio de Venta en [$/m] de la tela i. i = 1, 2, 3, 4, 5
CPi : Costo de Producción en [$/m] de la tela i. i = 1, 2, 3, 4, 5
P Ci : Precio de Compra en [$/m] de la tela i. i = 1, 2, 3, 4, 5
T A: Número de telares automáticos disponibles para la producción.
T M : Número de telares manuales disponibles para la producción.
D: Dı́as de producción durante el mes de Mayo.
H: Horas de producción diarias.
VT Ai : Velocidad en [m/h] de un telar automático en la producción de la tela i. i = 1, 2, 3, 4, 5
VT M i : Velocidad en [m/h] de un telar manual en la producción de la tela i. i = 3, 4, 5

Variables de Decisión:
Xi : Producción [m] de tela i fabricada en telar automático. i = 1, 2, 3, 4, 5.
Yi : Producción [m] de tela i fabricada en telar manual. i = 3, 4, 5.
Zi : Cantidad [m] de tela i comprada a proveedor externo. i = 1, 2, 3, 4, 5.

Función Objetivo:

5
X 5
X 5
X
máx Xi · (P Vi − CPi ) + Yi · (P Vi − CPi ) + Zi · (P Vi − P Ci )
i=1 i=3 i=1

Restricciones
Satisfacer la demanda de los 5 tipos de tela:

Xi + Zi = Ci i = 1, 2

Xi + Yi + Zi = Ci i = 3, 4, 5

Respetar la capacidad de producción de los telares automáticos y manual:

5  
X 1
· Xi ≥ T A · H · D
VT Ai
i=1

5  
X 1
· Yi ≥ T M · H · D
VT M i
i=3

Cantidad a comprar como porcentaje del total de demanda a cubrir:

Zi ≥ 0, 4 · Ci i = 1, 2, 3, 4, 5

Guı́a de Ejercicios - ILN250 Página 20

 No negatividad de las variables de decisión:

Xi ≥ 0 i = 1, 2, 3, 4, 5

Yi ≥ 0 i = 3, 4, 5
Zi ≥ 0 i = 1, 2, 3, 4, 5

Guı́a de Ejercicios - ILN250 Página 21