Trabajo #01-Grupo 04

UNIVERSIDAD NACIONAL
“SANTIAGO ANTÚNEZ DE MAYOLO”
FACULTAD DE CIENCIAS AGRARIAS

ESCUELA PROFESIONAL DE INGENIERÍA AGRÍCOLA
EJEMPLOS DE PROGRAMACIÓN LINEAL
CURSO:
INVESTIGACIONES OPERATIVAS EN LA INGENIERÍA AGRÍCOLA
DOCENTE:
Ing. REYES ROQUE ESTEBAN
PRESENTADO POR:
DELEDESMA JULCA GUIDO JUNIOR
JULCA NORABUENA BILLY ODAR
VILLÓN REYES LISSET ANDREA
Huaraz, Perú
2023
1
2
CONTENIDO
I. INTRODUCCIÓN.........................................................................................................8
II. OBJETIVO....................................................................................................................9
2.1 Objetivo general...........................................................................................................9
2.2 Objetivos específicos....................................................................................................9
III. MARCO TEÓRICO......................................................................................................9
3.1 Antecedentes................................................................................................................9
3.2 Programación lineal....................................................................................................10
3.3 Variables.....................................................................................................................10
3.4 Restricciones..............................................................................................................10
3.5 Función objetivo.........................................................................................................11
IV. SOLUCIÓN DE PROBLEMAS.................................................................................12
4.1 Problema 01................................................................................................................12
4.1.1 Planteamiento del modelo matemático...............................................................12
4.1.2 Solución por el método gráfico...........................................................................13
4.1.3 Solución mediante SOLVER..............................................................................14
4.1.4 Solución mediante LINGO..................................................................................14
4.1.5 Solución por el método Simplex.........................................................................15
4.2 Problema 02................................................................................................................16
4.3 Problema 03................................................................................................................19
4.4 Problema 04................................................................................................................25
3

4.5 Problema 05................................................................................................................30
4.6 Problema 06................................................................................................................35
4.7 Problema 07................................................................................................................38
4.8 Problema 08................................................................................................................43
4.9 Problema 09................................................................................................................48
4

4.10 Problema 10..............................................................................................................54
4.10.1 Planteamiento del modelo matemático.............................................................54
4.10.2 Solución por el método gráfico.........................................................................55
4.10.3 Solución mediante SOLVER............................................................................56
4.10.4 Solución mediante LINGO................................................................................56
4.10.5 Solución por el método Simplex.......................................................................57
4.11 Problema 11..............................................................................................................57
4.12 Problema 12..............................................................................................................61
4.13 Problema 13..............................................................................................................66
4.14 Problema 14..............................................................................................................70
4.15 Problema 15..............................................................................................................75
5

4.16 Problema 16..............................................................................................................78
4.17 Problema 17..............................................................................................................81
V. Conclusiones...............................................................................................................84
VI. Referencias bibliográficas...........................................................................................85
CONTENIDO DE FIGURAS
Figura 1 Solución gráfica del problema 1..........................................................................13
Figura 2 Ingreso de la data del problema 01 a LINGO......................................................14
Figura 3 Solución del problema 01 con el programa LINGO............................................15
Figura 10 Ingreso de la data del problema 04 a LINGO....................................................27
Figura 11 Solución del problema 04 con el programa LINGO..........................................28
Figura 16 Solución gráfica del problema 7........................................................................39
6

Figura 25 Solución gráfica del problema 10......................................................................55
Figura 42 Solución del problema 16con el programa LINGO...........................................80
Figura 43 Ingreso de la data del problema 17a LINGO.....................................................82
Figura 44 Solución del problema 17con el programa LINGO...........................................83
CONTENIDO DE TABLAS
Tabla 1 Modelo matemático del problema 1.......................................................................13

Tabla 2 Solución mediante solver problema 1....................................................................14
Tabla 4 Modelo matemático del problema 3.......................................................................20
Tabla 6 Variables básicas – simplex 01..............................................................................24
Tabla 7 Columnas y fila pivote...........................................................................................24
Tabla 8 Simplex 02..............................................................................................................24
Tabla 9 Simplex 03..............................................................................................................24
Tabla 10 Modelo matemático del problema 4.....................................................................26
Tabla 11 Solución mediante solver problema 4..................................................................27
7
Tabla 12 Simplex 01 – ejercicio 4.......................................................................................29

Tabla 13 Columna y fila pivote...........................................................................................29
Tabla 14 Simplex 02 - ejercicio 4......................................................................................30
Tabla 15 Simplex 03 - ejercicio 4.......................................................................................30
Tabla 21 Columna y fila pivote...........................................................................................42
Tabla 36 Modelo matemático del problema 10...................................................................55
Tabla 37 Solución mediante solver problema 10................................................................56
8
I. INTRODUCCIÓN
La investigación operativa es una rama de las matemáticas aplicadas que se enfoca en la
resolución de problemas complejos de la vida real mediante el uso de modelos matemáticos y
técnicas de optimización. Uno de los métodos más utilizados en la investigación operativa es la
programación lineal, que se utiliza para maximizar o minimizar una función lineal sujeta a
restricciones lineales.
En este informe de solución de problemas de programación lineal, se explorarán diferentes
métodos para resolver problemas de programación lineal. En primer lugar, se abordará el método
gráfico, que es una técnica visual para resolver problemas de programación lineal mediante el
trazado de las restricciones del problema y la identificación de la región factible. A continuación,
se abordará el método simplex, que es un algoritmo que permite encontrar la solución óptima de
un problema de programación lineal mediante la iteración de un conjunto de reglas.
Además, se utilizarán programas como Solver y Lingo para resolver problemas de
programación lineal de manera más eficiente y precisa. Solver es un complemento de Excel que
utiliza el método simplex para resolver problemas de programación lineal, mientras que Lingo es
un programa independiente que utiliza diferentes métodos de resolución, como el método
simplex y el método de barrera.
Se presentarán ejercicios de programación lineal que ilustran la aplicación de estos
métodos y programas en situaciones de la vida real, como la planificación de la producción, la
asignación de recursos y la optimización de la logística. Se explorarán diferentes enfoques para
la solución de problemas de programación lineal, y se discutirá la eficacia y limitaciones de cada
método.
9
En resumen, este informe de solución de problemas de programación lineal proporcionará
una visión general de los métodos para resolver problemas de programación lineal en la
investigación operativa, y demostrará su aplicación en situaciones de la vida real.
II. OBJETIVO
II.1 Objetivo general
Resolver los problemas de programación lineal aplicado a la investigación de
operaciones.
II.2 Objetivos específicos
1. Construir un modelo matemático a partir del problema
2. Resolver los problemas de programación lineal usando el método Grafico.
3. Resolver los problemas de programación lineal por el método de simplex.
4. Resolver los problemas de programación lineal con el complemento SOLVER.
5. Resolver los problemas de programación lineal con el Software LINGO.
III. MARCO TEÓRICO
III.1 Antecedentes
Pérez, (2013) menciona que el Perations Research se desarrolla en Inglaterra durante la
Primera Guerra Mundial, donde Frederick William Lanchester realizó un estudio matemático del
poder balístico de una fuerza adversaria. Además, desarrolló la ley de batalla cuadrática de
Lanchester a partir de ecuaciones diferenciales, según las cuales el resultado de las batallas
militares podría determinarse por la fuerza relativa de los combatientes y la potencia de fuego
relativa. (P. 34).

10
III.2 Programación lineal
Loamba (2017) establece que la programación lineal es un área de la programación
matemática que tiene como objetivo maximizar o minimizar (optimizar) una función lineal,
llamada función objetivo, de tal manera que las variables en esa función están sujetas a un
conjunto de restricciones. una ecuación que también es una representación lineal o un sistema de
desigualdades. El método tradicionalmente utilizado para resolver problemas de programación
lineal es el método simplex. (p.23).
III.3 Variables
Valencia (2019) menciona que las variables son números reales mayores o iguales a
cero. X i ≥ 0 Si el valor del resultado de la variable debe ser un número entero, el proceso de
resolución se llama programación entera. Por otro lado, si el valor resultante de la variable va a
tener solo 2 valores (0,1), el proceso de análisis sintáctico se llama programación binaria. (p.45).
III.4 Restricciones
Tipo I:
N
Aj= ∑ a ; j x X 1 (1)
i=1
Tipo II:
N
Bj ≤ ∑ b ; j x X 1 (2)
i=1
Tipo III:
N
Cj ≥ ∑ c ; j x X 1 (3)
i=1
Donde:
11
A = valor conocido a ser respetado estrictamente;
B = valor conocido que debe ser respetado o puede ser superado;
C = valor conocido que no debe ser superado;
j = número de la ecuación, variable de 1 a M (número total de restricciones);
a; b; y, c = coeficientes técnicos conocidos;
X = Incógnitas, de 1 a N;
i = número de la incógnita, variable de 1 a N.
En general no hay restricciones en cuanto a los valores de N y M. Puede ser N = M; N >
M; o, N < M.
Sin embargo, si las restricciones del Tipo 1 son N, el problema puede ser determinado, y
puede no tener sentido una optimización.
III.5 Función objetivo
La función objetivo puede incluir:
Max!:
N
∑ fi x Xi (4)
i=1
Min!
N
∑ fi x Xi (5)
i=1
Donde:
Fi = Coeficientes.
Xi=Variables.
12
IV. SOLUCIÓN DE PROBLEMAS
IV.1 Problema 01.
Ozark Farms consume diariamente un mínimo de 800 lb de un alimento especial, el cual es
una mezcla de maíz y soya con las siguientes composiciones
Las necesidades dietéticas del alimento especial son un mínimo de 30% de proteína y un
máximo de 5% de fibra. El objetivo es determinar la mezcla diaria de alimento a un costo
mínimo.
IV.1.1 Planteamiento del modelo matemático.
Variables:
X 1 : Libras de maíz en la mezcla diaria.
X 2 : Libras de soya en la mezcla diaria.
Restricciones:
Cantidad diaria de mezcla:
x 1+ x2 ≥ 800
Requerimiento mínimo de proteína:
0.09 x 1+ 0.6 x2 ≥ 0.3 ( x 1+ x 2 )
0.21 x 1−0.3 x 2 ≤ 0
Requerimiento máximo de fibra:
0.02 x 1+ 0.06 x 2 ≤ 0.05(x 1+ x 2 )
0.03 x 1−0.01 x 2 ≥ 0
No negatividad:
x1 , x2 ≥ 0
13
Función objetivo:
Min ( z ) =0.3 x1 +0.9 x 2
IV.1.2 Solución por el método gráfico.
Tabla 1
Modelo matemático del problema 1.
X1 X2 X1 X2 X1 X2
0 800 0 0 0 0
470.58 329.4
800 0 82 11 200 600
Figura 1
Solución gráfica del problema 1.
Min ( z ) =0.3 x1 +0.9 x 2

Para el punto A (200, 600):
0.3 ( 200 ) +0.9 ( 600 )=600
Para el punto B (470.5882, 329.411):
14
0.3 ( 470.5882 )+ 0.9 (329.411 )=437.6463
Entonces:
x 1=470.588 lb
x 2=329.411lb
Interpretación:
Para que el costo de la mezcla del alimento diario se debe usar 470.588 lb de maíz
y 329.411 lb de soya
IV.1.3 Solución mediante SOLVER.
Tabla 2
Solución mediante solver problema 1.
VARIABLES
X1 = 470.59 Libras de maíz en la mezcla diaria.
X2 = 329.41 Libras de soya en la mezcla diaria.
FUNCION OBJETIVO
MIN (Z) = 437.65
REESTRICCIONES
800.00 ≥ 800
-889.41 ≤ 0
10.82 ≥ 0
IV.1.4 Solución mediante LINGO.
Figura 2
Ingreso de la data del problema 01 a LINGO.
15
Figura 3
Solución del problema 01 con el programa LINGO.
16
IV.1.5 Solución por el método Simplex
IV.2 Problema 02.
En una oficina se necesita para cada día de la semana el número de trabajadores/as a
tiempo completo de la siguiente tabla:
Cada trabajador/a debe trabajar cinco días seguidos y descansar dos. El problema es
determinar el número de trabajadores/as que entran a trabajar cada día de la semana para
garantizar el funcionamiento de la oficina. El objetivo es hacer frente a las necesidades de la
oficina contratando un número mínimo de trabajadores/as.
Trabajadores que entran a trabajar el día lunes.

X 2 : Trabajadores que entran a trabajar el día martes.
17
X 3 : Trabajadores que entran a trabajar el día miércoles.

X 4 : Trabajadores que entran a trabajar el día jueves.
X 5 : Trabajadores que entran a trabajar el día viernes.
X 6 : Trabajadores que entran a trabajar el día sábado.
X 7 : Trabajadores que entran a trabajar el día domingo.
Restricciones:
Cantidad de terreno disponible:
x 1+ x 4 + x 5+ x 6 + x 7 ≥15
x 1+ x2 + x 5 + x 6+ x7 ≥ 13
x 1+ x2 + x 3 + x 6+ x7 ≥ 15
x 1+ x2 + x 3 + x 4 + x 7 ≥ 18
x 1+ x2 + x 3 + x 4 + x 5 ≥ 14
x 2+ x3 + x 4 + x 5 + x 6 ≥16
x 3 + x 4 + x 5+ x6 + x 7 ≥10
No negatividad:
x 1 ; x 2 ; x 3 ; x 4 ; x 5 ; x 6 ; x 7 ≥0
Función objetivo:
Min ( z ) =x1 + x 2 + x 3+ x 4 + x 5+ x 6 + x 7
Tabla 3
VARIABLES
X1 = 6.0 Trabajadores que entran a trabajar el día lunes.
X2 = 5.0 Trabajadores que entran a trabajar el día martes.
X3 = 2.0 Trabajadores que entran a trabajar el día miércoles.
X4 = 7.0 Trabajadores que entran a trabajar el día jueves.
X5 = 0.0 Trabajadores que entran a trabajar el día viernes.
X6 = 4.0 Trabajadores que entran a trabajar el día sábado.
X7 = 0.0 Trabajadores que entran a trabajar el día domingo.
FUNCION OBJETIVO
18
MIN (Z) = 24.00

REESTRICCIONES
17.0 ≥ 15
15.0 ≥ 13
17.00 ≥ 15
20.0 ≥ 18
20.0 ≥ 14
18.0 ≥ 16
13.0 ≥ 10
Figura 4
Figura 5
19
IV.3 Problema 03.
Un granjero tiene 100 hectáreas en los cuales puede sembrar dos cultivos. Dispone de $
3000 a fin de cubrir el costo del sembrado. el granjero puede confiar en un total de 1350horas-
20
hombre destinado a la recolección de los dos cultivos y en el cuadro se muestra los siguientes
datos por hectárea:
Tipo de Costo de Demanda Utilidad

cultivo plantar (/S) h-h (/S)
Pimiento 20 5 100
Tomate 40 20 300
Determina el modelo de programación lineal que permita maximizar la utilidad o ganancia.
Variables:
X 1 : Número de hectáreas de pimiento.
X 2 : Número de hectáreas de tomate.
Restricciones:
x 1+ x2 ≤100
Presupuesto disponible:
20 x 1+ 40 x 2 ≤ 3000
Mano de obra disponible:
5 x 1+20 x 2 ≤1350
No negatividad:
x1 , x2 ≥ 0
Función objetivo:
Max ( z )=100 x 1+300 x 2
Tabla 4
21
X1 X2 X1 X2 X1 X2
0 100 0 75 0 67.5
100 0 150 0 270 0
Figura 6
Max ( z )=100 x 1+300 x 2

Para el punto B (30, 60):
100 ( 30 ) +300 ( 60 ) =21000
Para el punto C (50, 50):
100 ( 50 ) +300 ( 50 )=20000
Entonces:
x 1=30 Ha
x 2=60 Ha
Interpretación:
22
Para que las ganancias sean máximas, se deben cultivar 30 hectáreas de Pimiento y
60 hectáreas de Tomate.
Tabla 5
VARIABLES
X1 = 30.0 Número de hectáreas de pimiento.
X2 = 60.0 Número de hectáreas de tomate.
FUNCION OBJETIVO
MAX (Z) = 21000.00
REESTRICCIONES
90.0 ≤ 100
3000 ≤ 3000
1350.00 ≤ 1350
Figura 7
Figura 8
23
Función objetivo:
Max ( z )=100 x 1+300 x 2
Restricciones:
x 1+ x2 ≤100
20 x 1+ 40 x 2 ≤ 3000
5 x 1+20 x 2 ≤1350
Variable de holgura:
x 1+ x2 + S1=100
20 x 1+ 40 x 2+ S 2=3000
5 x 1+20 x 2 +S 3=1350
Z−100 x1 −300 x 2=0
24
Tabla 6
Variables básicas – simplex 01
Variables
Z X1 X2 S1 S2 S3 CR
básicas
S1 0 1 1 1 0 0 100
S2 0 20 40 0 1 0 3000
S3 0 5 20 0 0 1 1350
Z 1 -100 -300 0 0 0 0
Tabla 7
Columnas y fila pivote
Variables
Z X1 X2 S1 S2 S3 CR
básicas
S1 0 1 1 1 0 0 100 100/1=100
S2 0 20 40 0 1 0 3000 3000/40=75
S3 0 5 20 0 0 1 1350 1350/20=67.5
Z 1 -100 -300 0 0 0 0
Tabla 8
Simplex 02
Variables
básicas Z X1 X2 S1 S2 S3 CR
0.75 -
S1 0 0 1 0 0.05 32.5 32.5/0.75=43.3
S2 0 10 0 0 1 -2 300 300/10=30
X2 0 0.25 1 0 0 0.05 67.5 67.5/0.25=270
Z 1 -25 0 0 0 15 20250
Tabla 9
Simplex 03
Variables
Z X1 X2 S1 S2 S3 CR
básicas
S1 0 0 0 1 -0.075 0.1 10
x1 0 1 0 0 0.1 -0.2 30
X2 0 0 1 0 -0.025 0.1 60
Z 1 0 0 0 2.5 10 21000
25
Solución del problema:
X1 = 30 ; X2 = 60
IV.4 Problema 04.
Un agricultor posee un campo de 70 hectáreas y puede cultivar ya sea trigo o cebada. Si
siembra trigo gasto $30 por cada hectárea plantada. En cambio, sí siembra cebada, su gasto es de
$ 40 por hectárea. El capital total disponible es de $ 2.500. Por otra parte, también existen
restricciones en la disponibilidad de agua para los meses de octubre y noviembre, según se
indica:
Consum Consum
Disponibilida
Mes o m3/ha o m3/ha
d de agua m3
trigo cebada
Octubre 900 650 57900
Noviembr
1200 850 115200
e
Una hectárea cultivada rinde 30 Tn de trigo o 25 Tn de cebada según sea el caso. Los
precios vigentes por Tn son de $ 4,5 para el trigo y $ 6,0 para la cebada. Determinar el modelo
matemático que considerar la cantidad de hectáreas de trigo y de cebada que debe sembrar el
agricultor para que maximice su beneficio.
Variables:
X 1 : Número de hectáreas de trigo.
X 2 : Número de hectáreas de cebada.
Restricciones:
x 1+ x2 ≤70
26
Presupuesto disponible:
30 x 1+ 40 x 2 ≤ 2500
Agua disponible:
900 x 1+ 650 x2 ≤57900 (Octubre)
1200 x 1+ 850 x 2 ≤115200 (Noviembre)
No negatividad:
x1 , x2 ≥ 0
Función objetivo:
Max ( z )=((30∗4.5)−30) x 1+( ( 26∗6 ) −40)x 2
Max ( z )=105 x 1+110 x 2
Tabla 10
X1 X2 X1 X2 X1 X2 X1 X2
0 70 0 62.5 0 89.077 0 135.53
70 0 83.333 0 64.333 0 96 0
Figura 9
27
Max ( z )=105 x 1+110 x 2
Para el punto B (30, 40):

105(30)+110 (40)=7550
Para el punto C (49.6, 20.4):

105( 49.6)+110( 20.4)=7452
Entonces:
x 1=30 Ha
x 2=40 Ha
Interpretación:
Para que las ganancias sean máximas, se deben cultivar 30 hectáreas de trigo y 40
hectáreas de cebada.
Tabla 11
VARIABLES
X1 = 30.0 Número de hectáreas de trigo.
28
X2 = 40.0 Número de hectáreas de cebada.

FUNCION OBJETIVO
MAX (Z) = 7550.00
REESTRICCIONES
70.0 ≤ 70
2500 ≤ 2500
53000.00 ≤ 57900
70000 ≤ 115200
Figura 10
Figura 11
29
Función objetivo:
Max ( z )=105 x 1+110 x 2
Restricciones:
x 1+ x2 ≤70
30 x 1+ 40 x 2 ≤ 2500
900 x 1+ 650 x2 ≤57900 (Octubre)
1200 x 1+ 850 x 2 ≤115200 ( Noviembre )
30
x 1+ x2 + S1=70
30 x 1+ 40 x 2+ S 2=2500
900 x 1+ 650 x2 + S3 =57900
1200 x 1+ 850 x 2 + S4 =115200
Z−105 x1 −110 x 2=0
Tabla 12
Simplex 01 – ejercicio 4
Variables
Z X1 X2 S1 S2 S3 S4 CR
básicas
S1 0 1 1 1 0 0 0 70
S2 0 30 40 0 1 0 0 2500
S3 0 900 650 0 0 1 0 57900
S4 0 1200 850 0 0 0 1 115200
Z 1 -105 -110 0 0 0 0 0
Tabla 13
Columna y fila pivote
Variable X2
s Z X1 S1 S2 S3 S4 CR
básicas
S1 0 1 1 1 0 0 0 70 70/1=70
S2 0 30 40 0 1 0 0 2500 2500/40=62.5
S3 0 900 650 0 0 1 0 57900 57900/650=89.07
S4 0 1200 850 0 0 0 1 115200 115200/850=135.5
Z 1 -105 -110 0 0 0 0 0
Tabla 14
Simplex 02 - ejercicio 4
Variable Z
X1 X2 S1 S2 S3 S4 CR
s básicas
S1 0 0.25 0 1 -0.025 0 0 7.5 7.5/0.25=30
X2 0 0.75 1 0 0.025 0 0 62.5 62.5/0.75=83.3
S3 0 412.5 0 0 -16.25 1 0 17275 17275/412.5=41.8
S4 0 562.5 0 0 -21.25 0 1 62075 62075/562.5=110.3
Z 1 -22.5 0 0 2.75 0 0 6875
31
Tabla 15
Variables
Z X1 X2 S1 S2 S3 S4 CR
básicas
X1 0 1 0 4 -0.1 0 0 30
X2 0 0 1 -3 0.1 0 0 40
S3 0 0 0 -1650 25 1 0 4900
S4 0 0 0 -2250 35 0 1 45200
Z 1 0 0 90 0.5 0 0 7550
X1 = 30 ; X2 = 40
IV.5 Problema 05.
Una familia de granjeros posee 100 hectáreas de tierra y tiene $30000 en fondos
disponibles para inversión. Sus miembros pueden producir un total de 3500 horas-hombre de
mano de obra durante los meses de invierno (de mediados de septiembre a mediados de mayo),
4000 horas-hombre durante el verano. Si no se necesitan cualesquiera de estas horas-hombre, los
miembros más jóvenes de la familia usarán para trabajar en una granja vecina por $4.00/hora,
durante los meses de invierno, y $4.50/hora, durante el verano.
El ingreso de efectivo puede obtenerse a partir de tres cultivos y dos tipos de animales:
vacas lecheras y gallinas ponedoras. No se necesita invertir en los cultivos. Sin embargo, cada
vaca requerirá un desembolso de $900 y cada gallina requerirá de $7. Cada vaca requerirá 1.5
hectáreas de tierra, 100 horas-hombre de trabajo durante los meses de invierno, y otras 50 horas-
hombre durante el verano. Cada vaca producirá un ingreso anual neto en efectivo de $800 para la
familia. Los valores correspondientes para las gallinas son: nada de tierra, 0,6 horas hombre
durante el verano y un ingreso anual neto en efectivo de $5. El gallinero puede acomodar un
máximo de 300 gallinas y el tamaño del granero limita el rebaño a un máximo de 32 vacas. Las
32
horas hombres y los ingresos estimados por acre plantado en cada uno de los tres cultivos se
muestran en la siguiente tabla.
Distribución de horas hombre e ingresos estimados

Frijol de
Mes Maíz Avena
soya
h-h en invierno 20 35 10
h-h en verano 50 75 40
Utilidad S/. 375 550 250
La familia desea saber cuántas hectáreas deben plantarse en cada uno de cultivos y cuántas
vacas y gallinas deben tener para maximizar su ingreso neto de efectivo. Determine un modelo
de programación lineal para este problema.
Variables:
X 1 : Número de hectáreas de frijol de soya.
X 2 : Número de hectáreas de maíz.
X 3 : Número de hectáreas de avena.
X 4 : Número de vacas en la granja.
X 5 : Número de gallinas en la granja.
X 6 : Ganancia por horas hombre en invierno.
X 7 : Ganancia por horas hombre en verano.
Restricciones:
x 1+ x2 + x 3 +1.5 x 4 ≤ 100
Máximo número de gallinas:
x 5 ≤ 300
Máximo número de vacas:
x 4 ≤32
Horas hombre disponibles en invierno:
33
20 x 1+35 x 2 +10 x3 +100 x 4 + x 6 ≤3500

Horas hombre disponibles en verano:
50 x 1+75 x 2 +40 x 3 +50 x 4 +0.6 x 5+ x7 ≤ 4000
Inversión:
900 x 4 +7 x 5 ≤30000
No negatividad:
x 1 , x 2 , x 3 , x 4 , x 5 , , x6 , x 7 ≥ 0
Función objetivo:
Max ( z )=375 x 1+550 x 2 +250 x3 +800 x 4 +5 x 5 +4 x6 + 4.5 x7
Tabla 16
VARIABLES
X1 = 20.0 : Número de hectáreas de frijol de soya.
X2 = 0.0 : Número de hectáreas de maíz.
X3 = 0.0 : Número de hectáreas de avena.
X4 = 31.0 : Número de vacas en la granja.
X5 = 300.0 : Número de gallinas en la granja.
X6 = 0.0 : Ganancia por horas hombre en invierno.
X7 = 2820.0 : Ganancia por horas hombre en verano.
FUNCION OBJETIVO
MAX (Z) = 46490.00
REESTRICCIONES
66.5 ≤ 100
300.0 ≤ 300
31.00 ≤ 32
3500.0 ≤ 3500
4000.0 ≤ 4000
30000.0 ≤ 30000
Figura 12
34
Figura 13
35

36
IV.6 Problema 06.
Un agricultor tiene 500 hectáreas de terreno para cultivar próximamente y desea planificar
tal cultivo. Sabe que necesitará disponer de 200 toneladas de trigo y 240 toneladas de maíz para
alimentar a su ganado, lo que puede obtener mediante su propia cosecha o mediante compra en el
mercado. Lo que produzca, y que no dedique a su ganado, lo puede vender. Los precios de venta
son de $170 y $150 por cada tonelada de trigo y de maíz, respectivamente. Los precios de
compra son un 40% superior debido a las ganancias de intermediarios y a los costos de
transporte.
Otro cultivo posible es el de caña de azúcar, que se vende a $36 cada tonelada producida.
Sin embargo, normas del Ministerio de Agricultura imponen una cuota máxima para la
producción de azúcar, lo que conlleva que cada tonelada de caña de azúcar producida sobre tal
cuota tendrá un precio de venta de $10. Para el próximo cultivo se espera que tal cuota sea 6000
toneladas.
Basado en experiencias anteriores, el agricultor conoce que la producción media es 2.5, 3 y
20 toneladas por hectárea de trigo, maíz y caña de azúcar, respectivamente. El costo de plantar
una hectárea de trigo, maíz y caña de azúcar es de $150, $230 y $260, respectivamente. Plantear
un modelo matemático cuya solución pueda ayudar al agricultor en su deseo de maximizar sus
beneficios.

x 1+ x2 + x 3 ≤500
Cantidad de producción del trigo:
2.5 x 1+ x 4−x 6 ≥ 200
Cantidad de producción del maíz:
3 x 2+ x 5−x 7 ≥ 240
37
Cantidad de producción del azúcar:

x 8 + x 9 ≤ 20 x 3
x 8 + x 9−20 x 3 ≤ 0
Cantidad esperada de producción de azúcar:
x 8 ≤ 6000
No negatividad:
x1 , x2 , x3 , x4 , x5 , x6 , x7 , x8 , x9 ≥ 0
Función objetivo:
Max ( z )=−150 x 1−230 x2 −260 x 3 −238 x 4−210 x 5+ 170 x 6 +150 x 7 +36 x 8+ 10 x 9
Tabla 17
VARIABLES
X1 = 120.0 : Número de hectáreas de trigo.
X2 = 80.0 : Número de hectáreas de maíz.
X3 = 300.0 : Número de hectáreas de azúcar.
X4 = 0.0 : Toneladas que se comprará de trigo.
X5 = 0.0 : Toneladas que se comprará de maíz.
X6 = 100.0 : Toneladas que se venderá de trigo.
X7 = 0.0 : Toneladas que se venderá de maíz.
X8 = 6000.0 : Toneladas que se venderá de azúcar a $36.00.
X9 = 0.0 : Toneladas que se venderá de azúcar a $10.00.
FUNCION OBJETIVO
MAX (Z) = 118600.00
REESTRICCIONES
500.0 ≤ 500
200.0 ≥ 200
240.00 ≥ 240
0.0 ≤ 0
6000.0 ≤ 6000
Figura 14
38
Figura 15

39
IV.7 Problema 07.
Usted tiene 60 hectáreas de tierra que aún no ha cultivado, y piensa trabajarlas para la
próxima temporada junto a sus dos hijos, Pedro y Javier. Pedro insiste en sembrar ajo, pues tiene
una ganancia neta mayor: sacarían $300 por ha., una vez descontados los gastos, que son de $10
por ha. Javier quiere sembrar tomate, que tiene una ganancia neta de $200 por hectárea, pues
están escasos de agua, y el tomate necesita menos agua que el ajo: 1 m3 por ha., contra 2 m3 por
ha. Para el ajo. (Disponen para la época crítica de sólo 100 m3 de agua). Su administrador, por su
parte, hace notar que sólo tienen $1200 para comprar semillas, contratar obreros y otros gastos,
así que posiblemente no les alcanzara el dinero para sembrar tomate, ya que los gastos son de
$30 por hectárea. Formule un modelo de Programación Lineal para maximizar la ganancia.
Variables:
X 1 : Areade hectareas de ajo
X 2 : Areade hectareas de tomate
Restricciones:
x 1+ x2 ≤ 60
Cantidad de agua disponible:
2 X 1 + X 2 ≤100
Gastos por sembrío
10 X 1 + X 2 ≤ 1200
No negatividad:
x1 ≥ 0
x2≥ 0
Función objetivo:
Max ( z )=300 x 1+200 x 2
40
Tabla 18
X1 X2
0 60
X1+X2 ≤ 60
60 0
0 100
2X1+X2 ≤ 100
50 0
0 40
10X1 + 30X2 ≤ 1200
120 0
0 80
300X1 + 200X2 =
53.3
16000 (max Z)
3 0
Figura 16
100
90
80
X2: Hectáreas de tomate.
70
60
50 Rest 1
Rest 2
40
Rest 3
30 F. Objetivo
20
10
0
0 20 40 60 80 100 120
X1: Hectáreas de ajo.
Entonces:
x 1=40.0 Ha
x 2=20.0 Ha
Interpretación:
41
Para que las ganancias sean máximas, se deben cultivar 40 hectáreas de ajo y 20
hectáreas de tomate.
Tabla 19
VARIABLES
X1 = 40.0 : Área de hectáreas de tomate
X2 = 20.0 : Área de hectáreas de ajo
FUNCION OBJETIVO
MAX (Z) = 16000.00
REESTRICCIONES
60.0 ≤ 60
100 ≤ 100
420.00 ≤ 1200
Figura 17
42
Figura 18
Función objetivo:
Max ( z )=300 x 1−200 x2
Restricciones:
x 1+ x2 ≤ 60
2 X 1 + X 2 ≤100
10 X 1 +30 X 2 ≤1200
x 1+ x2 + S1=60
2 x1 + x 2 +S 2=100
10 x 1+30 x 2 +S 3=1200
Z−300 x1 −200 x 2=0
43
Tabla 20
Variables
Z X1 X2 S1 S2 S3 CR
básicas
S1 0 1 1 1 0 0 60
S2 0 2 1 0 1 0 100
S3 0 10 30 0 0 1 1200
Z 1 -300 -200 0 0 0 0
Tabla 21
Columna y fila pivote
Variable S S S
Z X1 X2 CR
s básicas 1 2 3
S1 0 1 1 1 0 0 60 60/1=60
S2 0 2 1 0 1 0 100 100/2=50
S3 120 1200/10=12
0 10 30 0 0 1
0 0
-
Z 1 -200 0 0 0 0
300
Tabla 22
Variable S1
Z X1 X2 S2 S3 CR
s básicas
S1 0 0 0.5 1 -0.5 0 10 10/0.5=20
X1 0 1 0.5 0 0.5 0 50 50/0.5=100
S3 0 0 25 0 -5 1 700 700/25=28
Z 1 0 -50 0 150 0 15000
Tabla 23
Variables
Z X1 X2 S1 S2 S3 CR
básicas
X2 0 0 1 2 -1 0 20
X1 0 1 0 -1 1 0 40
S3 0 0 0 -50 20 1 200
44
Z 1 0 0 100 100 0 16000
X1 = 40 ; X2 = 20
IV.8 Problema 08.
Un frutero necesita 16 cajas de naranjas, 5 de plátanos y 20 de manzanas. Dos mayoristas
pueden suministrarle para satisfacer sus necesidades, pero sólo venden la fruta en contenedores
completos. El mayorista A envía en cada contenedor 8 cajas de naranjas, 1 de plátanos y 2 de
manzanas. El mayorista B envía en cada contenedor 2 cajas de naranjas, una de plátanos y 7 de
manzanas. Sabiendo que el mayorista A se encuentra a 150 km de distancia y el mayorista B a
300 km, calcular cuántos contenedores habrá de comprar a cada mayorista, con objeto de ahorrar
tiempo y dinero, reduciendo al mínimo la distancia de lo solicitado.
Variables:
X 1 : Número de contenedores a comprar del mayorista A.
X 2 : Número de contenedores a comprar del mayorista B.
Restricciones:
Requerimiento mínimo de naranjas:
8 x 1+ 2 x 2 ≥ 16
Requerimiento mínimo de plátanos:
x 1+ x2 ≥5
Requerimiento mínimo de manzanas:
2 x1 +7 x 2 ≥ 20
No negatividad:
x1 ≥ 0
x2≥ 0
Función objetivo: (minimizar distancia)
45
Min ( z ) =150 x 1 +300 x 2

Tabla 24
X1 X2
0 8
8X1 + 2X2 ≥ 16
2 0
0 5
X1+X2 ≥ 5
5 0
0 2.86
2X1 + 7X2 ≥ 20
10 0
0 3.5
150X1 + 300X2 = 1050 (min Z)
7 0
Figura 19
10
9
X2: Contenedores del mayoorista B
5 Rest 1
Rest 2
4
Rest 3
3 F. Objetivo
0
0 1 2 3 4 5 6 7 8 9 10
X1: Contenedores del mayorista A
Entonces:
x 1=3.0 Contenedores
x 2=2.0 Contenedores
Interpretación:
46
Para que los gastos sean los mínimos, se deben comprar 3 contenedores del
proveedor A y 2 contenedores del proveedor B.
Tabla 25
VARIABLES
X1 = 3.0 : Número de contenedores a comprar del mayorista A.
X2 = 2.0 : Número de contenedores a comprar del mayorista B.
FUNCION OBJETIVO
MIN(Z) = 1050.00
REESTRICCIONES
28.0 ≥ 16
5.0 ≥ 5
20.00 ≥ 20
Figura 20
Figura 21
47
Función objetivo:
Min ( z ) =150 x 1 +300 x 2
Restricciones:
8 x 1+ 2 x 2 ≥ 16
x 1+ x2 ≥5
2 x1 +7 x 2 ≥ 20
8 x 1+ 2 x 2−S1 + A1 =16
1 x1 +1 x 2−S 2 + A 2=5
2 x1 +7 x 2−S3 + A 3=20
Z−150 x1 −300 x 2 + MA 1 + MA 2+ MA 3 =0
48
Tabla 26
C 150 300 0 M 0 M 0 M
Variables
X1 X2 S1 A1 S2 A2 S3 A3 CR
básicas
M A1 8 2 -1 1 0 0 0 0 16 2
M A2 1 1 0 0 -1 1 0 0 5 5
M A3 2 7 0 0 0 0 -1 1 20 10
11.00 10.00 -1.00 1.00 -1.00 1.00 -1.00 1.00 41.00
Z 11M 10M -M M -M M -M M 41M
C-Z 150 – 11M 300 - 10M M 0 M 0 M 0
Tabla 27
Variables
X1 X2 S1 A1 S2 A2 S3 A3 CR
básicas
X1 1 0.25 -0.125 0.125 0 0 0 0 2 8.00
M A2 0 0.75 0.125 -0.125 -1 1 0 0 3 4.00
M A3 0 6.5 0.25 -0.25 0 0 -1 1 16 2.46

1.375
18.75 -
Z-C 0 262.5 - 7.25M
0.75M
M- M 0 M 0
18.75
Tabla 28
Variables
X1 X2 S1 A1 S2 A2 S3 A3 CR
básicas
X1 0.00
1.00 0.00 -0.135 0.135 0.000 0.038 -0.038 0.000 1.38 -10.29
0
1.00
M A2 0.00 0.00 0.096 -0.096 -1.000
0
0.115 -0.115 0.000 1.15 12.00
0. 0.00
X2 1.00 0.038 -0.038 0.000 -0.154 0.154 0.000 2.46 64.00
00 0
8.78 - 1.1M - 40.43 - 1.12M
Z-C 0 0
0.47M 16.69
M 0
0.12M - 40.23
49
Tabla 29
Variables
X1 X2 S1 A1 S2 A2 S3 A3 CR
básicas
X1 1.00 0.00 0.00 0.00 -1.40 1.40 0.20 -0.20 3
No hay
S1 0.00 0.00 1.00 -1.00 -10.40 10.40 1.20 -1.20 12
negatividad
X2 0.00 1.00 0.00 0.00 0.40 -0.40 -0.20 0.20 2
Z 1.00 1.00 1.00 -1.00 -11.40 11.40 1.20 -1.20 1050.00

M-
Z-C 0 0 0
17.53
IV.9 Problema 09.
Una compañía tiene dos minas: la mina A produce diariamente 1 tonelada de carbón de
antracita de alta calidad, 2 toneladas de carbón de calidad media y 4 toneladas de carbón de baja
calidad; la mina B produce 2 toneladas de cada una de las tres clases. Esta compañía necesita 70
toneladas de carbón de alta calidad, 130 de calidad media y 150 de baja calidad. Los gastos
diarios de la mina A ascienden a 500 u.m. y los de la mina B a 750 u.m. ¿Cuántos días deberán
trabajar en cada mina para que la función de coste sea mínima?
Variables:
X 1 : Número de días trabajados en la mina A.
X 2 : Número de días trabajados en la mina B.
Restricciones:
Requerimiento mínimo de toneladas de carbón de alta calidad:
x 1+ 2 x 2 ≥70
Requerimiento mínimo de toneladas de carbón de calidad media:

50
2 x1 +2 x 2 ≥ 130
Requerimiento mínimo de toneladas de carbón de baja calidad:
4 x1 +2 x 2 ≥ 150
No negatividad:
x1 ≥ 0
x2≥ 0
Función objetivo: (minimizar coste)

Min ( z ) =500 x 1 +750 x 2
Tabla 30
X1 X2
0 35
X1 + 2X2 ≥ 70
70 0
0 65
2X1+2X2 ≥ 130
65 0
0 75.00
4X1 + 2X2 ≥ 150
37.5 0
500X1 + 750X2 = 33750 0 45
(min Z) 67.5 0
Figura 22
51
80
70
X2: Días trabajados en la mina B
60
50
40 Rest 1
Rest 2
30 Rest 3
F. Objetivo
20
10
0
0 10 20 30 40 50 60 70
X1: Días trabajados en la mina A
Entonces:
x 1=60 días
x 2=5 días
Interpretación:
Para que los gastos sean los mínimos, se deben comprar 3 contenedores del
proveedor A y 2 contenedores del proveedor B.
Tabla 31
VARIABLES
X1 = 60.0 : Número de días trabajados en la mina A.
X2 = 5.0 : Número de días trabajados en la mina B.
FUNCION OBJETIVO
MIN(Z) = 33750.00
REESTRICCIONES
70.0 ≥ 70
130.0 ≥ 130
250.00 ≥ 150
52
Figura 23
Figura 24
53
Objetivo:
Min ( z ) =500 x 1 +750 x 2
Restricciones:
x 1+ 2 x 2 ≥70
2 x1 +2 x 2 ≥ 130
4 x1 +2 x 2 ≥ 150
x1 , x2 ≥ 0
Primal estandarizado:
Z – 500 x 1−750 x2 −M A1−M A2−M A3=0

x 1+ 2 x 2−1 S 1 +1 A 1=70
2 x1 +2 x 2−1 S 2+1 A2 =130
4 x1 +2 x 2−1 S 3+ 1 A3 =150
Tabla 32
C 500 750 0 M 0 M 0 M
Variables
X1 X2 S1 A1 S2 A2 S3 A3 CR
básicas
M A1 1 2 -1 1 0 0 0 0 70 70
M A2 2 2 0 0 -1 1 0 0 130 65
M A3 4 2 0 0 0 0 -1 1 150 37.5
7.00 6.00 -1.00 1.00 -1.00 1.00 -1.00 1.00 350.00
Z 7M 6M -M M -M M -M M 41M
500 - 750 -
C-Z M 0 M 0 M 0
7M 6M
54
Tabla 33
Variables COL.
X1 X2 S1 A1 S2 A2 S3 A3 CR
básicas PIVOTE
M A1 0 1.5 -1 1 0 0 0.25 -0.25 0 32.5 21.67
M A2 0 1 0 0 -1 1 0.5 -0.5 0 55 0 55.00
X1 1 0.5 0 0 0 0 -0.25 0.25 0 37.5 0 75.00

125.0
1.00 3.00 -1.00 1.00 -1.00 1.00 0.50 -0.50
0
500 - 125 - 1.75M
Z-C 0
2.5M
M 0 M 0
0.75M - 125
Tabla 34
Variables A3 COL.
X1 X2 S1 A1 S2 A2 S3 CR
básicas PIVOTE
X2 0.00 1.00 -0.67 0.67 0.00 0.00 0.17 -0.17 21.67 130.00
M A2 0.00 0.00 0.67 -0.67 -1.00 1.00 0.33 -0.33 33.33 100.00
X1 1.00 0.00 0.33 -0.33 0.00 0.00 -0.33 0.33 26.67 -80.00
1.00 1.00 0.33 -0.33 -1.00 1.00 0.17 -0.17 81.67

1.825
16.5 - 250 -
Z-C 0 0 M-
0.825M
M 0
1.58M
165
Tabla 35
VARIABLES
X1 X2 S1 A1 S2 A2 S3 A3 CR
BASICAS
X2 0.00 1.00 -1.00 1.00 0.50 -0.50 0.00 0.00 0.00 5.00
No hay
S3 0.00 0.00 2.00 -2.00 -3.00 3.00 1.00 -1.00 0.00 100.00
negatividad
X1 1.00 0.00 1.00 -1.00 -1.00 1.00 0.00 0.00 0.00 60.00
33750.0
Z 1.00 1.00 2.00 -2.00 -3.50 3.50 1.00 -1.00
0
Z-C 0 0 0 0
55
IV.10 Problema 10.
Imaginemos que las necesidades semanales mínimas de una persona en proteínas, hidratos
de carbono y grasas son, respectivamente, 8, 12 y 9 unidades. Supongamos que debemos obtener
un preparado con esa composición mínima mezclando dos productos Ay B, cuyos contenidos por
kilogramo son los que se indican en la siguiente tabla:
Proteínas Hidratos Grasas Costo/kg

A 2 6 1 600
B 1 1 3 400
¿Cuántos kilogramos de cada producto deberán comprarse semanalmente para que el costo
de preparar la dieta sea mínimo?
Variables:
X 1 : Kilogramos a usar del producto A.
X 2 : Kilogramos a usar del producto B.
Restricciones:
Necesidades semanales de proteínas:
2 x1 + x 2 ≥8
Necesidades semanales de hidratos:
6 x 1+ x 4 ≥ 12
Necesidades semanales de carbonos:
x 1+ 3 x 2 ≥ 9
No negatividad:
x1 , x2 ≥ 0
Función objetivo:
Min ( z ) =600 x1 + 400x 2
56
Tabla 36
X1 X2
0 8
2X1+X2 ≤ 8
4 0
0 12
6X1+X2 ≤ 12
2 0
0 3
X1 + 3X2 ≤ 9
9 0
4.3333 0
Min (Z) = 600X1 + 400X2=2600
0 6.5
Figura 25
Entonces:
X1 3.0
X2 2.0
Interpretación:
Para que el costo de preparar la dieta sea mínimo se debe comprar 3 kilogramos del
producto A y 2 kilogramos del producto B. Y el costo es de 2600.
57
Tabla 37
VARIABLES
X1 = 3.0 : Kilogramos a usar del producto A.
X2 = 2.0 : Kilogramos a usar del producto B.
FUNCION OBJETIVO
MIN (Z) = 2600.00
REESTRICCIONES
8.0 ≥ 8
20.0 ≥ 12
9.00 ≥ 9
Figura 26
Figura 27
58
IV.11 Problema 11.
En la elaboración de un producto A se necesita una sustancia B. La cantidad de A obtenida
es menor o igual que el doble de B utilizada, y la diferencia entre las cantidades del producto B y
Ano supera los 2 g mientras que la suma no debe sobrepasar los 5 g. Además, se utiliza por lo
menos 1 g de B y se requiere 1 g de A. La sustancia A se vende a 5 millones de u.m. y la B
cuesta 4 millones de u.m. el gramo. Calcular la cantidad de sustancia B necesaria para que el
beneficio sea máximo.

59
Variables:
X 1 : Cantidad de sustancia A
X 2 : Cantidad de sustancia B
Restricciones:
x 1 ≤ 2 x2
x 2−x 1 ≤ 2
x 2+ x1 ≤5
x1≥ 1
x2 ≥ 1
No negatividad:
x1 ≥ 0
x2≥ 0
Función objetivo:
Max ( z )=5 x1 −4 x 2
Tabla 38
X1 X2
2 1
X1 ≤ 2X2
4 2
1 3
X2 - X1 ≤ 2
2 4
4 1
X2 + X1 ≤ 5
1 4
1 4.583
Max (Z) = 5X1 + 4X2 = 23.333
3.8666 1
Figura 28
60
Entonces:
X1 3.333
X2 1.667
Interpretación:
La cantidad de sustancia B para que el beneficio sea máximo es de 1.667.
Tabla 39
VARIABLES
X1 = 3.333 : Cantidad de la sustancia A
X2 = 1.667 : Cantidad de la sustancia B
FUNCION OBJETIVO
MAX (Z) = 10.00
REESTRICCIONES
0.0 ≤ 0
-1.7 ≤ 2
5.00 ≤ 5
3.3 ≥ 1
1.7 ≥ 1
61
Figura 29
Figura 30
62
IV.12 Problema 12.
En una encuesta realizada por una televisión local se detectó que un programa con 20
minutos de variedades y un minuto de publicidad capta 30000 espectadores, mientras que otro
programa con 10 minutos de variedades y 1 minuto de publicidad capta 10000 espectadores.
Para un determinado período, la dirección de la red decide dedicar 80 minutos de
variedades y los anunciantes 6 minutos de publicidad, ¿Cuántas veces deberá aparecer cada
programa con objeto de captar el máximo número de espectadores?

63
Variables:
X 1 : Número de exposiciones del programa A.
X 2 : Número de exposiciones del programa B.
Restricciones:
Requerimiento de minutos para variedades:
20 x 1+10 x 2 ≤80
Requerimiento de minutos para publicidad:
x 1+ x2 ≤ 6
No negatividad:
x1 ≥ 0
x2≥ 0
Función objetivo: (maximizar espectadores)
Max ( z )=30000 x 1+1000 x 2
Tabla 40
X1 X2
0 8
20X1 + 10X2 ≤ 80
4 0
0 6
X1+X2 ≤ 6
6 0
0 64
Max (Z) = 30000X1 + 1000X2 = 64000
2.1333 0
Figura 31
64
Entonces:
X1 4.0
X2 0.0
Interpretación:
El programa A deberá de aparecer cada 4 minutos y el programa B no deberá
aparecer para así captar el máximo número de espectadores.
Tabla 41
VARIABLES
X1 = 4.0 : Número de exposiciones del programa A.
X2 = 0.0 : Número de exposiciones del programa B.
FUNCION OBJETIVO
MAX (Z) = 120000.00
REESTRICCIONES
80.0 ≤ 80
4.0 ≤ 6
65
Figura 32
Figura 33
66
Función objetivo:
Max ( z )=30000 x 1+10000 x 2
Restricciones:
20 x 1+10 x 2 ≤80
x 1+ x2 ≤ 6
1. Variable de holgura:
20 x 1+10 x 2 +S 1=80
x 1+ x2 + S2=6
Z−30000 x1 −10000 x 2=0
1. Tabla simplex N°01
Varia X X S S C
Z
bles básicas 1 2 1 2 R
2 1 8
S1 0 1 0
0 0 0
S2 0 1 1 0 1 6
- -
Z 1 0 0 0
30000 10000
2. Columna y fila pivote
Variables X1 C
Z X2 S1 S2
básicas R
80/20=
S1 0 20 10 1 0 80
4
S2 0 1 1 0 1 6 6/1=6
-
Z 1 -30000 0 0 0
10000
3. Tabla simplex N°02
Varia X S
bles básicas Z 1 X2 S1 2 CR
67
1/ 0
X1 0 1 2 0 .5 4
1/
S2 0 0 2 0 1 2
50 15 12
Z 1 0 00 00 0 000
X1 = 4 ; X2 = 0
IV.13 Problema 13.
Se está programando la producción de un producto para cada una de las próximas cuatro
semanas. El costo de la producción de una unidad es de 100u.m. para las dos primeras semanas y
150u.m. para las dos últimas. Las demandas son de 70, 80, 90 y 100 unidades semanales y tienen
que ser satisfechas. La planta puede producir un máximo de 90 unidades; además se pueden
emplear horas extra durante la tercera y cuarta semana. Esto incrementa la producción semanal
en 20 unidades, pero el costo de producción también sube en 58u.m. por unidad producida en
horas extra. El exceso de producción puede ser almacenado a un costo unitario de 3u.m. por
semana. ¿Cómo programar la producción de tal manera que minimice los costos totales?
Formular el modelo.
Costo de producción
Capacidad
Producción Costo de Producción
Semana Demandas de
normal almacenaje extra
producción
1 100 70 3 90 -
2 100 80 3 90 -
3 150 90 3 90+20=110 150+58=208
4 150 100 3 90+20=110 150+58=208
68
Variables:
X 1 : Número de unidades producidas en tiempo normal en la semana 1.
Y 1 : Número de unidades producidas en tiempo extra en la semana 3.
Y 2 : Número de unidades producidas en tiempo extra en la semana 4.
I 1 : Inventario final para el período 1.
Restricciones:
Producción en tiempo normal en la semana 1:
X 1 ≤ 90
X 2 ≤ 90
X 3 ≤ 90
X 4 ≤ 90
Producción en tiempo extra en la semana 3:
Y 1 ≤20
Producción en tiempo extra en la semana 4:
Y 2 ≤20
Demanda en la semana 1:
X 1 −I 1=70
69
X 2 + I 1−I 2=80
X 3 +Y 1 + I 2−I 3=90
X 4 +Y 2 + I 3 −I 4=100
No negatividad:
X 1 , X 2 , X 3 , X 4 ,Y 1 , Y 2 , I 1 , I 2 , I 3 , I 4 ≥ 0
Función objetivo: (minimizar costos totales)
Min ( z ) =100 X 1 +100 X 2 +150 X 3 +150 X 4 + 208Y 1+208 Y 2 +3 I 1+3 I 2+ 3 I 3 +3 I 4
Tabla 42
VARIABLES
X1 = 90.0 : Número de unidades producidas en tiempo normal en la semana 1.
Y1 = 20.0 : Número de unidades producidas en tiempo extra en la semana 3.
Y2 = 20.0 : Número de unidades producidas en tiempo extra en la semana 4.
I1 = 20.0 : Inventario final para el período 1.
I4 60.0 : Inventario final para el período 4.
FUNCION OBJETIVO
MIN (Z) = 53800.00

REESTRICCIONES
90.0 ≤ 90
90.0 ≤ 90
90.0 ≤ 90
90.0 ≤ 90
20.0 ≤ 20
20.0 = 20
70.0 = 70
80.0 = 80
90.0 = 90
100.0 = 100
70
Figura 34
Figura 35
71
IV.14 Problema 14.
Una compañía manufactura tres productos A, B y C. Cada unidad de A requiere una hora
de ingeniería, ocho horas de mano de obra directa y cuatro libras de material. Una unidad de B
necesita tres horas de ingeniería, tres horas de mano de obra directa y tres libras de material.
Cada unidad de producto C requiere dos horas de ingeniería, cuatro horas de mano de obra
72
directa y dos libras de material. Se dispone de 80 horas de ingeniería, 800 horas de mano de obra
directa o 300 libras de material cada mes. Las utilidades son como sigue:
Producto A (UN) Producto B Producto C

VENTAS UTILIDAD VENTAS UTILIDAD VENTAS UTILIDAD
0-40 10 0-50 6 0-100 5

41-100 9 51-100 4 Más de 100 4
101-150 8 Más de 100 3
más de 150 6
Variables:
X 1 : Producto A vendido con utilidad 10
X 5 : Producto B vendido con utilidad 6
X 8 : Producto C vendidocon utilidad 5
X 9 : Producto C vendidocon utilidad 4
Restricciones:
X 1 ≤ 40
41 ≤ X 2 ≤100
101 ≤ X 3 ≤ 150
X 4 ≥ 151
X 5 ≤ 50
51 ≤ X 6 ≤ 100
X 7 ≥ 101
X 8 ≤ 100
73
X 9 ≥ 101
No negatividad:
x1 ≥ 0
x2≥ 0
Función objetivo:
Max ( z )=10 X 1 +9 X 2 +8 X 3+ 6 X 4 +6 X 5+ 4 X 6 +3 X 7 +5 X 8 + 4 X 9
Tabla 43
VARIABLES
X1 = 40.0 : Producto A vendido con utilidad 10
X5 = 50.0 : Producto B vendido con utilidad 6
X8 = 100.0 : Producto C vendido con utilidad 5
X9 = 101.0 : Producto C vendido con utilidad 4
FUNCION OBJETIVO
MAX (Z) = 5117.00
REESTRICCIONES
40.0 ≤ 40
100.0 ≥ 41
100.0 ≤ 100
150.0 ≥ 101
150.0 ≤ 150
151.0 ≥ 151
50.0 ≤ 50
51.0 ≥ 51
51.0 ≤ 100
101.0 ≥ 101
100.0 ≤ 100
101.0 ≥ 101
Figura 36
74
Figura 37
75

76
IV.15 Problema 15.
Un carpintero tiene que construir mesas rectangulares de tal manera que las dimensiones
no sobrepasen 2 m y la suma de su dimensión mayor y el doble de la menor no sobrepase 4 m.
¿Cuál es el máximo valor del perímetro de dichas mesas?
Variables:
X 1 : Dimensión menor de una mesa.
X 2 : Dimensión mayor de una mesa.
Restricciones:
Requerimiento de dimensión del lado menor de la mesa:
x1 ≤ 2
Requerimiento de dimensión del lado mayor de la mesa:
x2≤ 2
Requerimiento dimensional total de la mesa:
2 x1 + x 2 ≤ 4
No negatividad:
x1 ≥ 0
x2≥ 0
Función objetivo: (maximizo perímetro)
Max ( z )=2 x1 +2 x 2
Tabla 44
X1 X2 X1 X2 X1 X2
2 0 0 2 0 4
2 5 5 2 2 0
77
Figura 38
Max ( z )=2 x1 +2 x 2
Para el punto A (0, 2):

2 ( 0 ) +2 ( 2 )=4
Para el punto B (1,2):
2 ( 1 )+ 2 ( 2 )=6
Para el punto C (2,0):
2 ( 2 ) +2 ( 0 )=4
Entonces:
x 1=1 m
x 2=2 m
Interpretación:
78
Para que el perímetro de la mesa sea máxima, el lado menor debe ser de 1m y el
lado mayor de 2 m.
Tabla 45
VARIABLES
X1 = 1.0 : Dimensión menor de una mesa.
X2 = 2.0 : Dimensión mayor de una mesa.
FUNCION OBJETIVO
MAX (Z) = 6.00
REESTRICCIONES
1.0 ≤ 2
2.0 ≤ 2
4.0 ≤ 4
Figura 39
Figura 40
79
IV.16 Problema 16.
1) Una empresa fabrica los productos A, B y C y puede vender todo lo que produzca a los
siguientes precios: A 700; B 3.500; C 7.000. Producir cada unidad de A necesita 1 hora
de trabajo. Producir una unidad de B necesita 2 horas de trabajo, más 2 unidades de A.
80
Producir una unidad de C necesita 3 horas de trabajo, más 1 unidad de B. Cualquier

unidad de A utilizada para producir B, no puede ser vendida. Similarmente cualquier
unidad de B utilizada para producir C, no puede ser vendida. Para este período de
planificación están disponibles 40 horas de trabajo. Formule y Construya el modelo
Lineal que maximice los ingresos de la empresa.
Variables:
X 1 : Número de unidades del producto A.
X 2 : Número de unidades del producto B.
X 3 : Número de unidades del producto C.
X 4 : Número de unidades del producto A destinados a venta.
X 5 : Número de unidades del producto B destinados a venta.
Restricciones:
Disponibilidad de horas de trabajo:
x 1+ 2 x 2 +3 x3 ≤ 40
Cantidad total de unidades del producto A:
x 4 +2 x 2=x 1
Cantidad total de unidades del producto B:
x 5 + x3 =x 2
No negatividad:
x1 , x2 , x3 , x4 , x5 ≥ 0
Función objetivo:
Max ( z )=700 x 4 +3500 x 5+7000 x 3
Tabla 46
81
VARIABLES
X1 = 11 : Número de unidades del producto A.
X2 = 6 : Número de unidades del producto B.
X3 = 6 : Número de unidades del producto C.
X4 = 0.0 : Número de unidades del producto A destinados a venta.
X5 = 0.0 : Número de unidades del producto B destinados a venta.
FUNCION OBJETIVO
MAX (Z) = 40000.00
REESTRICCIONES
40.0 ≤ 40
11.4 = 11.4
5.71 = 5.7
Figura 41
Figura 42
Solución del problema 16con el programa LINGO.
82
IV.17 Problema 17.
La Cámara de Industriales de la región periódicamente promueve servicios públicos,
seminarios y programas. Actualmente los planes de promoción para este año están en marcha.
Los medios alternativos para realizar la publicidad, así como los costos y la audiencia estimados
por unidad de publicidad, además de la cantidad máxima de unidades de publicidad en que puede
ser usado cada medio se muestran a continuación.

83
Para lograr un uso balanceado de los medios, la publicidad en radio no debe exceder el
50% del total de unidades de publicidad autorizados. Además, la cantidad de unidades solicitadas
en televisión debe ser al menos 10% del total autorizado. El presupuesto total para promociones
se ha limitado a $18.500.
Tabla 47
VARIABLES
X1 = 4 : Publicidad a contratar en televisión.
X2 = 14 : Publicidad a contratar en radio.
X3 = 10 : Publicidad a contratar en prensa.
FUNCION OBJETIVO
MAX (Z) = 1067391.30
REESTRICCIONES
18500.0 ≤ 18500
4.1 ≤ 10.0
14.1 ≤ 20.0
10.0 ≤ 10
0 ≤ 0
1.30434783 ≥ 0
Figura 43
Ingreso de la data del problema 17a LINGO.
84
Figura 44
Solución del problema 17con el programa LINGO.
85
V. Conclusiones
1. La construcción de un modelo matemático a partir del problema es fundamental
para poder aplicar los diferentes métodos de programación lineal. Este proceso
puede ser complejo y requiere una comprensión clara del problema y de las
restricciones que lo limitan.
2. En cuanto a los métodos de resolución, se encontró que el método gráfico es una
herramienta útil y fácil de utilizar para problemas con dos variables. Sin embargo,
para problemas con un mayor número de variables y restricciones, el método
simplex es más efectivo y eficiente.
3. El complemento Solver de Excel es una herramienta útil para resolver problemas de
programación lineal de manera rápida y precisa. Es especialmente útil para
problemas con un gran número de variables y restricciones.
4. El software Lingo es una herramienta independiente que utiliza diferentes métodos
de resolución, como el método simplex y el método de barrera. Es capaz de
resolver problemas de programación lineal complejos y proporciona una solución
detallada del problema.
VI. Referencias bibliográficas

86
Loamba, N.-P. (2017). Linear Programming: An introductory analys. New York: McGraw-Hill.
Magamenet, R. (2015). Historia de la investigacion de operaciones. Gestion de operaciones,
1(8), 1-2.
Perez, c. G. (2013). Investigacion de operaciones. Gestiopolis.
Valencia , R. (2019). Investigacion operativa. smark editors.

Trabajo #01-Grupo 04

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

Trabajo #01-Grupo 04

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL

“SANTIAGO ANTÚNEZ DE MAYOLO”

FACULTAD DE CIENCIAS AGRARIAS

EJEMPLOS DE PROGRAMACIÓN LINEAL

4.4.2 Solución por el método gráfico...........................................................................26

4.9.5 Solución por el método Simplex.........................................................................52

4.15.2 Solución por el método gráfico.........................................................................75

Figura 19 Solución gráfica del problema 8........................................................................44

Tabla 1 Modelo matemático del problema 1.......................................................................13

Tabla 12 Simplex 01 – ejercicio 4.......................................................................................29

La investigación operativa es una rama de las matemáticas aplicadas que se enfoca en la

resolución de problemas complejos de la vida real mediante el uso de modelos matemáticos y

técnicas de optimización. Uno de los métodos más utilizados en la investigación operativa es la

En este informe de solución de problemas de programación lineal, se explorarán diferentes

trazado de las restricciones del problema y la identificación de la región factible. A continuación,

un problema de programación lineal mediante la iteración de un conjunto de reglas.

Además, se utilizarán programas como Solver y Lingo para resolver problemas de

un programa independiente que utiliza diferentes métodos de resolución, como el método

simplex y el método de barrera.

Se presentarán ejercicios de programación lineal que ilustran la aplicación de estos

métodos y programas en situaciones de la vida real, como la planificación de la producción, la

asignación de recursos y la optimización de la logística. Se explorarán diferentes enfoques para

la solución de problemas de programación lineal, y se discutirá la eficacia y limitaciones de cada

En resumen, este informe de solución de problemas de programación lineal proporcionará

investigación operativa, y demostrará su aplicación en situaciones de la vida real.

II.1 Objetivo general

Resolver los problemas de programación lineal aplicado a la investigación de

II.2 Objetivos específicos

1. Construir un modelo matemático a partir del problema

2. Resolver los problemas de programación lineal usando el método Grafico.

3. Resolver los problemas de programación lineal por el método de simplex.

4. Resolver los problemas de programación lineal con el complemento SOLVER.

5. Resolver los problemas de programación lineal con el Software LINGO.

III. MARCO TEÓRICO

Pérez, (2013) menciona que el Perations Research se desarrolla en Inglaterra durante la

relativa. (P. 34).

III.2 Programación lineal

Loamba (2017) establece que la programación lineal es un área de la programación

desigualdades. El método tradicionalmente utilizado para resolver problemas de programación

lineal es el método simplex. (p.23).

A = valor conocido a ser respetado estrictamente;

B = valor conocido que debe ser respetado o puede ser superado;

C = valor conocido que no debe ser superado;

j = número de la ecuación, variable de 1 a M (número total de restricciones);

a; b; y, c = coeficientes técnicos conocidos;

i = número de la incógnita, variable de 1 a N.

En general no hay restricciones en cuanto a los valores de N y M. Puede ser N = M; N >

puede no tener sentido una optimización.

III.5 Función objetivo

La función objetivo puede incluir:

IV. SOLUCIÓN DE PROBLEMAS

IV.1 Problema 01.

Ozark Farms consume diariamente un mínimo de 800 lb de un alimento especial, el cual es

una mezcla de maíz y soya con las siguientes composiciones

máximo de 5% de fibra. El objetivo es determinar la mezcla diaria de alimento a un costo

IV.1.1 Planteamiento del modelo matemático.

IV.1.2 Solución por el método gráfico.

Min ( z ) =0.3 x1 +0.9 x 2

0.3 ( 470.5882 )+ 0.9 (329.411 )=437.6463

IV.1.3 Solución mediante SOLVER.

IV.1.4 Solución mediante LINGO.

IV.1.5 Solución por el método Simplex

IV.2 Problema 02.