Trabajo N°1 - Operativas

UNIVERSIDAD NACIONAL
SANTIAGO ANTUNEZ DE MAYOLO
FACULTAD DE CIENCIAS AGRARIAS

ESCUELA PROFESIONAL DE INGENIERÍA AGRÍCOLA
EJEMPLOS DE PROGRAMACION LINEAL POR TRES

MÉTODOS (LINGO, SOLVER Y EL MÉTODO SIMPLEX)
Curso:
INVESTIGACIONES OPERATIVAS EN INGENIERIA AGRICOLA
Presentado por:
CALIXTO LOPEZ JAVIER
HUERTA AMBROCIO RUBÉN
LOPEZ YANAC ENRIQUE
ROMERO YAURI GUADALUPE
Docente:
Ing. REYES ROQUE ESTEBAN
________________________________
Huaraz, Perú
2024
i
CONTENIDO
I. INTRODUCCIÓN ...................................................................................... 1
II. OBJETIVOS............................................................................................ 2
2.1 Objetivo General ...................................................................................... 2
2.2 Objetivos Específicos ............................................................................... 2
III. MARCO TEÓRICO ................................................................................ 3
3.1 ¿Qué es programación Lineal? .................................................................. 3
3.2 Condiciones básicas de la programación lineal ......................................... 3
3.3 Componentes de un problema de programación lineal .............................. 4
3.3.1 Función Objetivo ............................................................................... 4
3.3.2 Variables ........................................................................................... 4
3.3.3 Variables reales ................................................................................. 4
3.3.4 Variables de holgura .......................................................................... 4
3.3.5 Restricciones ..................................................................................... 5
3.3.6 Restricciones de máxima ................................................................... 5
3.3.7 Restricciones de mínima .................................................................... 5
3.3.8 Restricciones de igualdad................................................................... 5
IV. METODOS APLICADOS EN LA PROGRAMACION LINEAL ............ 6
4.1 Lindo........................................................................................................ 6
4.2 Método simplex (Solver-Excel) ................................................................ 6
4.2.1 Método Simplex ................................................................................ 6
4.2.2 Solver ................................................................................................ 6
ii
4.2.3 Método Gráfico ................................................................................. 7
V. CONSTRUCCIÓN Y RESOLUCIÓN DE MODELOS DE
PROGRAMACIÓN LINEAL ....................................................................................... 8
VI. CONCLUSIONES ............................................................................... 101
VII. REFERENCIA BIBLIOGRÁFICA ...................................................... 102
iii
CONTENIDO DE TABLAS
Tabla 1 Solución mediante Solver problema N°1............................................... 9
Tabla 2 Modelo matemático del problema N°1 ............................................... 11
Tabla 3 Solución mediante Solver problema N°2............................................ 13
Tabla 4 Solución mediante Solver problema N°3............................................. 16
Tabla 10 Solución mediante Solver problema N°7 .......................................... 35
Tabla 11 Modelo matemático del problema N°7 ............................................. 38
Tabla 12 Solución mediante Solver problema N°8 .......................................... 40
Tabla 13 Modelo matemático del problema N°8 ............................................. 43
Tabla 14 Solución mediante Solver problema N°9.......................................... 45
Tabla 15 Modelo matemático del problema N°9 ............................................ 48
Tabla 16 Solución mediante Solver problema N°10 ........................................ 50
Tabla 17 Modelo matemático del problema N°10 ........................................... 53
iv
Tabla 30 Solución mediante Solver problema N°20 ....................................... 88
Tabla 35 Modelo matemático del problema N°22 ......................................... 100
v
CONTENIDO DE FIGURAS
Figura 1 Evidencia del problema N°1 procesado en Solver............................... 9
Figura 3 Solución del problema N°1 con el programa LINDO......................... 10
Figura 4 Solución gráfica del problema N°1 ................................................... 11
Figura 5 Evidencia del problema N°2 procesado en Solver............................. 14
Figura 6 Solución del problema N°2 con el programa LINDO ........................ 14
Figura 7 Evidencia del problema N°3 procesado en Solver............................. 16
Figura 8 Cálculo mediante el método Simplex problema N°3 ......................... 17
Figura 9 Solución del problema N°3 con el programa LINDO........................ 18
Figura 10 Solución gráfica del problema N°3 .................................................. 19
Figura 11 Evidencia del problema N°4 procesado en Solver ........................... 22
Figura 12 Cálculo mediante el método Simplex problema N°4 ....................... 23
Figura 13 Solución del problema N°4 con el programa LINDO ...................... 25
Figura 14 Solución gráfica del problema N°4 ................................................. 26
Figura 19 Cálculo mediante el método Simplex problema N°7 ........................ 36
Figura 20 Solución del problema N°7 con el programa LINDO ....................... 37
Figura 22 Evidencia del problema N°8 procesado en Solver........................... 40
vi
Figura 28 Solución del problema N°9 con el programa LINDO ....................... 47
Figura 30 Evidencia del problema N°10 procesado en Solver ......................... 50
Figura 31 Cálculo mediante el método Simplex problema N°10 ..................... 51
Figura 32 Solución del problema N°10 con el programa LINDO .................... 52
Figura 33 Solución gráfica del problema N°10 ............................................... 53
Figura 36 Solución del problema N°11 con el programa LINDO ..................... 57
Figura 40 Solución del problema N°12 con el programa LINDO ................... 62
vii
Figura 52 Cálculo mediante el método Simplex problema N°18 ...................... 83
Figura 63 Modelo matemático del problema N°21 ......................................... 95
Figura 67 Modelo matemático del problema N°22 ....................................... 100
viii
I. INTRODUCCIÓN
La programación lineal es una poderosa herramienta dentro del campo de la
investigación operativa que se utiliza para resolver problemas de optimización, estos
problemas suelen involucrar la maximización o minimización de una función lineal,
llamada función objetivo, sujeta a un conjunto de restricciones lineales.
En el presente informe se presentará la solución de problemas de programación
lineal, en donde se hará uso de diferentes métodos para resolverlos, como son el Solver y
Lindo para una resolución más eficiente y precisa, siendo Solver un complemento de
Excel, utiliza el método simplex mientras que Lindo es un programa independiente que
sirve para modelar y resolver problemas de optimización de manera eficiente,
permitiendo a encontrar soluciones óptimas a problemas complejos , también se hará uso
de método simplex el cual encuentra la solución óptima del problema mediante una
secuencia de iteraciones que mejoran gradualmente la solución hasta que se alcanza un
óptimo global.
Se mostrarán ejercicios prácticos de programación lineal que ejemplifican cómo
estos métodos y software se aplican en contextos reales, examinaremos que ilustran su
aplicación en situaciones del mundo real, desde la asignación de recursos hasta la
optimización logística, se analizarán varios enfoques para resolver problemas de
programación lineal y se evaluará tanto su eficacia como sus restricciones.
1
II. OBJETIVOS
2.1 Objetivo General
Resolver los problemas de programación lineal en el contexto de la investigación
de operaciones.
2.2 Objetivos Específicos
Construir un modelo matemático a partir del problema
Resolver los problemas de programación lineal con el complemento SOLVER.
Resolver los problemas de programación lineal por el método de simplex.
Resolver los problemas de programación lineal con el Software LINDO.
Resolver los problemas de programación lineal usando el método Grafico.
2
III. MARCO TEÓRICO
3.1 ¿Qué es programación Lineal?
Alvarado (2009) indica que la programación lineal, busca encontrar los valores
óptimos de un conjunto de variables de decisión, sujetas a restricciones lineales que
representan limitaciones en los recursos disponibles, estas restricciones pueden incluir
limitaciones de tiempo, recursos financieros o de producción, entre otros. El objetivo es
encontrar la combinación óptima de valores para las variables de decisión que maximice
(o minimice) una función objetivo lineal.
3.2 Condiciones básicas de la programación lineal
Puente Riofrío & Gavilánez Álvarez (2018) La búsqueda de una solución óptima
mediante el uso de la Programación Lineal implica la creación de un modelo. Sin
embargo, uno de los desafíos al utilizar modelos matemáticos de programación lineal en
problemas económicos radica en su naturaleza metodológica, ya que estos modelos son
normativos, es decir, indican la mejor solución posible, lo que se considera como "lo que
debería hacerse". La elaboración del modelo matemático también enfrenta limitaciones
de índole técnica, ya que su formulación se basa en ciertas hipótesis fundamentales.
• Linealidad: Las relaciones insumo-producto y las combinaciones entre insumos son
fijas, independientemente de la dimensión que tome la actividad.
• No Negatividad: Las actividades sólo pueden tener valores iguales o mayores a cero
• Divisibilidad: Todas las actividades son continuas y pueden tomar cualquier valor,
sea entero o fraccionario.
• Aditividad: Los efectos de las diferentes actividades son independientes y se suman
en forma algebraica.
• Proporcionalidad: Las cantidades de insumos consumidas (o aportadas) por cada
actividad son siempre proporcionales al nivel de actividad
3
3.3 Componentes de un problema de programación lineal
3.3.1 Función Objetivo
Puente Riofrío & Gavilánez Álvarez (2018) representa el objetivo de
optimización, la función objetivo está estrechamente ligada a la pregunta principal que se
pretende responder. En caso de que haya múltiples interrogantes en un modelo, la función
objetivo se relacionaría con la pregunta de nivel superior, es decir la pregunta
fundamental.
La función matemática del objetivo puede resolver dos tipos de problemas:
a) Maximizar un determinado criterio de valor (margen bruto total, producción total,
ingreso total, beneficio total, etc.)
b) Minimizar un criterio de valor (costo total, uso de un determinado recurso, etc.).
3.3.2 Variables
Puente Riofrío & Gavilánez Álvarez (2018) mencionan que representan a los
factores controlables del modelo y contribuyen a la consecución de la función objetivo.
3.3.3 Variables reales
Son las diferentes opciones disponibles que deben ser consideradas para maximizar
o minimizar la función objetivo. En el ámbito de la producción agropecuaria, estas
actividades pueden incluir cultivos agrícolas, crianza de ganado, venta de productos,
adquisición o alquiler de recursos y servicios, procesamiento de productos, y compra o
venta de mano de obra. Los datos presentes en la matriz de coeficientes técnicos se
relacionan principalmente con estas variables reales. (Hurtado, 1999, p.13)
3.3.4 Variables de holgura
También conocidas como variables disponibles, las variables de holgura transforman
las desigualdades en igualdades desde una perspectiva matemática. Se utilizan en todas
4
las instancias donde existen restricciones tanto de máxima como de mínima .(Hurtado,
1999, p.13)
3.3.5 Restricciones
Puente Riofrío & Gavilánez Álvarez (2018) indica que constituyen las
limitaciones físicas o condiciones que debe cumplir el problema que va a ser resuelto
mediante programación lineal, las opciones están restringidas por limitaciones como la
disponibilidad de recursos, como tierra, capital o mano de obra. Estos recursos son finitos
en la empresa y definen las posibles soluciones, en un enfoque de optimización, se busca
el uso óptimo de estos recursos en relación con la función objetivo.
3.3.6 Restricciones de máxima
Estas restricciones se representan mediante el símbolo de "menor o igual que" (≤);
indican que un recurso determinado está disponible en una cantidad limitada y solo se
puede utilizar hasta la cantidad especificada, estas restricciones son la representación
directa de la disponibilidad de recursos.
3.3.7 Restricciones de mínima
Estas restricciones se representan con el símbolo "mayor o igual que" (≥); indican
que una actividad determinada (variable o alternativa) debe ejecutarse en una cantidad al
menos igual a la especificada, y no se puede ejecutar en una cantidad menor.
3.3.8 Restricciones de igualdad
Estas restricciones se representan con el símbolo de igualdad (=) , se emplean
cuando se requiere transferir un recurso de una actividad a otra dentro de la programación,
o cuando se combinan variables de holgura y variables artificiales en una restricción única
para cumplir con el requisito de no negatividad.
5
IV. METODOS APLICADOS EN LA PROGRAMACION LINEAL
4.1 Lindo
Rosiyanti (2016) precisa que este software puede resolver problemas de
programación lineal de forma fácil, rápida y precisa, lo principal es introducir la fórmula,
resolverla así mismo evaluar la corrección y viabilidad de la formula en función de su
solución, permite realizar análisis de sensibilidad para evaluar el impacto de cambios en
los coeficientes de la función objetivo y las restricciones en la solución óptima del
problema.
4.2 Método simplex (Solver-Excel)
4.2.1 Método Simplex
Moncayo-Martínez et al., (2018) método simplex, propuesto por Dantzig, es un
algoritmo que aborda problemas expresados como modelos de programación lineal. En
otras palabras, este método es un procedimiento empleado para encontrar la solución
óptima de un problema que ha sido formulado utilizando relaciones lineales. Desde una
perspectiva matemática, el método simplex se define como una técnica para maximizar o
minimizar una función objetivo lineal, estando sujeto a restricciones lineales, ya sean de
igualdad o desigualdad.
4.2.2 Solver
Internacionales (2021) indica que es un complemento de Excel y disponible como
parte de otros programas de su conjunto de herramientas, está diseñado para abordar una
variedad de problemas de optimización. Esto incluye la resolución de problemas de
programación lineal continua y entera, así como también de programación no lineal.
Además, ofrece la posibilidad de resolver problemas de optimización mediante
algoritmos genéticos.
6
4.2.3 Método Gráfico
El método gráfico es una técnica que ofrece una solución intuitiva y visual a los
problemas de programación lineal. Implica la representación geométrica de las
restricciones para definir la región factible y luego ubicar la función objetivo en el punto
óptimo.
7
V. CONSTRUCCIÓN Y RESOLUCIÓN DE MODELOS DE PROGRAMACIÓN
LINEAL
1. 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.
• Variables
𝑋1 ∶ Número de libras de maíz
𝑋2 ∶ Número de libras de soya
• Restricciones
Alimento Especial ≥ 800 𝑙𝑏
𝑋1 + 𝑋2 ≥ 800
Requerimiento de Proteína ≥ 30%
0.09𝑋1 + 0.6𝑋2 ≥ 0.3(𝑋1 + 𝑋2 )
0.21𝑋1 − 0.3𝑋2 ≤ 0
Requerimiento máximo de Fibra ≤ 5%
0.02𝑋1 + 0.06𝑋2 ≤ 0.05(𝑋1 + 𝑋2 )
0.03𝑋1 − 0.01𝑋2 ≥ 0
No negatividad:
𝑋1 , 𝑋2 ≥ 0
8
• Función Objetiva
𝑀𝑖𝑛 𝑍 = 0.3 𝑋1 + 0.9 𝑋2
➢ Resolución con Solver
Tabla 1
Solución mediante Solver problema N°1
FO 114
X1 X2
200 600
0.3 0.09
R1 1 1 >= 800 800

R2 0.21 0.3 <= 0 -138
R3 0.03 0.01 >= 0 0
Figura 1
Evidencia del problema N°1 procesado en Solver
9
➢ Resolución con Lindo
Figura 2
Solución del problema N°1 con el programa LINDO
Interpretación
El valor de la F.O. es 105000
Para minimizar el costo mínimo de mezcla de alimento se debe agregar X1= 3.50
lb de maíz y X2= 0.00 lb de soya, para obtener una mínima mezcla diaria $ 126.
10
➢ Método Gráfico
Tabla 2
Modelo matemático del problema N°1
F.O
0
Variables
X1 X2
0 0 TABULACIÓN
0.3 0.9 X1 X2
0 121.21
R1
Restricciones 275.86 0
X1 X2 0 0
R2
R1 2.9 6.6 0 800 0 0
R2 0.6 0.3 0 0 0 0
R3
R3 1.95 5.95 0 0 0 0
Figura 3
Solución gráfica del problema N°1
Pregunta 01
140
X2
120
100
80
60
40
20
0
0 50 100 150 200 250 300
X1
11
2. 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.
• Variables
𝑋1 : Trabajadores que entran a trabajar el día lunes.
𝑋2 : Trabajadores que entran a trabajar el día martes.
𝑋3 : Trabajadores que entran a trabajar el día miércoles.
𝑋4 : Trabajadores que entran a trabajar el día jueves.
𝑋5 : Trabajadores que entran a trabajar el día viernes.
𝑋6 : Trabajadores que entran a trabajar el día sábado.
𝑋7 : Trabajadores que entran a trabajar el día domingo.
• Restricciones
Cantidad de terreno disponible:
𝑋1 + 𝑋4 + 𝑋5 + 𝑋6 + 𝑋7 ≥ 15
𝑋1 + 𝑋2 + 𝑋5 + 𝑋6 + 𝑋7 ≥ 13
𝑋1 + 𝑋2 + 𝑋3 + 𝑋6 + 𝑋7 ≥ 15
12
𝑋1 + 𝑋2 + 𝑋3 + 𝑋4 + 𝑋7 ≥ 18
𝑋1 + 𝑋2 + 𝑋3 + 𝑋4 + 𝑋5 ≥ 14
𝑋2 + 𝑋3 + 𝑋4 + 𝑋5 + 𝑋6 ≥ 16
𝑋3 + 𝑋4 + 𝑋5 + 𝑋6 + 𝑋7 ≥ 10
No negatividad:
𝑋1 ; 𝑋2 ; 𝑋3 ; 𝑋4 ; 𝑋5 ; 𝑋6 ; 𝑋7 ≥ 0
• Función objetivo
𝑀𝑖𝑛(𝑧) = 𝑋1 + 𝑋2 + 𝑋3 + 𝑋4 + 𝑋5 + 𝑋6 + 𝑋7
Tabla 3
FO 21.3333333
X1 X2 X3 X4 X5 X6 X7
5.33 4.33 2 6.33 0 3.33 0
1 1 1 1 1 1 1
R1 1 1 1 1 1 >= 15 15
R2 1 1 1 1 1 >= 13 13
R3 1 1 1 1 1 >= 15 15
R4 1 1 1 1 1 >= 18 18
R5 1 1 1 1 1 >= 14 18
R6 1 1 1 1 1 >= 16 16
R7 1 1 1 1 1 >= 10 11.67
13
Figura 4
Figura 5
Interpretación
El valor de la F.O. es 21.33
Para contratar un número mínimo de trabajadores; se debe contratar para el dia
lunes X1= 2(redondeando), martes X2= 5(redondeando), miércoles X3= 2, jueves
X4=7(redondeando), viernes X5= 0, sábado X6= 4 (redondeando) y domingo X7=4.
14
3. 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-hombre destinado a la recolección de los dos cultivos y en el
cuadro se muestra los siguientes datos por hectárea:
Determina el modelo de programación lineal que permita maximizar la utilidad o
ganancia.
• Variables
𝑋1 ∶ Número de hectáreas de pimiento
𝑋2 ∶ Número de hectáreas de tomate
• Restricciones
Área < 100ℎ𝑎
𝑥1 + 𝑥2 ≤ 100
Costo por planta:
20 𝑋1 + 40 𝑋2 ≤ 3000
Demanda h-h:
5 𝑋1 + 20 𝑋2 ≤ 1350
No negatividad:
𝑋1 , 𝑋2 ≥ 0
𝑀𝑎𝑥 𝑍 = 100𝑋1 + 300 𝑋2
15
Tabla 4
FO 21000
X1 X2
30 60
100 300
R1 1 1 <= 100 90
R2 5 20 <= 1350 1350
R3 20 40 <= 3000 3000
Figura 6
16
➢ Resolución con Simplex
Figura 7
Cálculo mediante el método Simplex problema N°3
VARIABLES DE HOLGURA
MAX(Z)-100X1-100X2=0
X1+X2+S1=100
20X2+40X2+S2=3000
5X1+20X2+S3=1350
Z X1 X2 S1 S2 S3 SOLUCION
F1 Z 1 -100 -300 0 0 0 0
F2 S1 0 1 1 1 0 0 100 100
F3 S2 0 20 40 0 1 0 3000 75
1/20*F4 S3 0 5 20 0 0 1 1350 67.5
20 ELEMENTO PIVOTE
PASONº3: Convertir en 1 el elemnto pivote y 0 (cero) los numeros que se encuentren por encima y debajo del pivote.
300*F4+ F1 Z 1 -100 -300 0 0 0 0
(-1)*F4+F2 S1 0 1 1 1 0 0 100
(-40)*F4+F3 S2 0 20 40 0 1 0 3000
F4 X2 0 0.25 1 0 0 0.05 67.5
Z 1 -25 0 0 0 15 20250
S1 0 0.75 0 1 0 -0.05 32.5
S2 0 10 0 0 1 -2 300
X2 0 0.25 1 0 0 0.05 67.5
COMO TENEMOS NEGATIVO EN VARIABLE X1 DE LA FUNCION OBJETIVO SEGUIMOS:
F1 Z 1 -25 0 0 0 15 20250
F2 S1 0 0.75 0 1 0 -0.05 32.5 32.5/0.75=43.33
1/10*F3 S2 0 10 0 0 1 -2 300 300/10=30
F4 X2 0 0.25 1 0 0 0.05 67.5 67.5/0.25=270
25*F3+F1 Z 1 -25 0 0 0 15 20250
(-0.75)*F3+F2 S1 0 0.75 0 1 0 -0.05 32.5
F3 X1 0 1 0 0 0.10 -0.2 30
(-0.25)*F2+F4 X2 0 0.25 1 0 0 0.05 67.5
Z 1 0 0 0 2.5 10 21000
S1 0 0 0 1 -0.075 0.1 10
X1 0 1 0 0 0.10 -0.2 30
X2 0 0 1 0 -0.025 0.1 60
SOLUCION:
X1=30
X2=60
17
Figura 8
Interpretación
El valor de la F.O. es 21000
Para maximizar la ganancia el granjero debe cultivar X1= 30 Ha de pimiento y
X2= 60Ha de tomate, para obtener un total de ganancia S/.21000.
Tabla 5
Tabulación
F.O X1 X2
90 0 100
R1
100 0
X1 X2 150 0
R2
30 60 0 75
0 67.5
R3
Restricciones 270 0
X1 X2
R1 1 1 90 100
R2 20 40 3000 3000
R3 5 20 1350 1350
18
Figura 9
pregunta 03
120
X2
100
80
60
40
20
0
0 50 100 150 200 250 300
X1
Punto óptimo (máximo)

X2 = 60
X1 = 30
Maximizar: Z = 100X1 +300X2

Z = 100(30) 300(60)
Z = 21000
19
4. 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:
Consumo Consumo
Disponibilidad
Mes m3/ha m3/ha
de agua m3
trigo cebada
Octubre 900 650 57900
Noviembre 1200 850 115200
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
𝑋1 ∶ Número de hectáreas de trigo
𝑋2 ∶ Número de hectáreas de cebada
• Restricciones
• Área ≤ 70 ℎ𝑎
𝑋1 + 𝑋2 ≤ 70
Capital: 𝑆/2500
30𝑋1 + 40𝑋2 ≤ 2500
Disponibilidad de agua Octubre:
20
900 𝑋1 + 650𝑋2 ≤ 57900
Disponibilidad de agua Noviembre:
1200 𝑋1 + 850𝑋2 ≤ 115200
No negatividad:
𝑋1 , 𝑋2 ≥ 0
𝑀𝑎𝑥 𝑍 = (30 ∗ 4.5 − 30)𝑋1 + (25 ∗ 6) − 40) 𝑋2
𝑀𝑎𝑥 𝑍 = 105 𝑋1 + 110 𝑋2
Tabla 6
X1 X2 resultado formula
Z 105 110 7550
desigualdad 1 1 1 <= 70 70
desigualdad 2 30 40 <= 2500 2500
desigualdad 3 900 650 <= 57900 53000
desigualdad 4 1200 850 <= 115200 70000
desilguadad 5 1 0 >= 0 30
desigualdad 6 0 1 >= 0 40
X1 = 30
X2= 40
Z= 7550
21
Figura 10
22
Figura 11
VARIABLE DE HOLGURA
MAX(Z)-105X1-110X2=0
X1+X2+S1=70
30X1+40X2+S2=2500
900X1+650X2+S3=57900
1200X1+850X2+S4=115200
Z X1 X2 S1 S2 S3 S4 SOLUCION
F1 Z 1 -105 -110 0 0 0 0 0
F2 S1 0 1 1 1 0 0 0 70 70/1=70
1/40*F3 S2 0 30 40 0 1 0 0 2500 2500/40=62.5
F4 S3 0 900 650 0 0 1 0 57900 57900/650=89.076
F5 S4 0 1200 850 0 0 0 1 115200 115200/850=135.529
40 ELEMENTO PIVOTE
110*F3+ F1 Z 1 -105 -110 0 0 0 0 0
(-1)*F3+F2 S1 0 1 1 1 0 0 0 70
X2 0 0.75 1 0 0.025 0 0 62.5
(-650)*F3+F4 S3 0 900 650 0 0 1 0 57900
(-850)*F3+F5 S4 0 1200 850 0 0 0 1 115200
Z 1 -22.5 0 0 2.75 0 0 6875
S1 0 0.25 0 1 -0.025 0 0 7.5
x2 0 0.75 1 0 0.025 0 0 62.5
S3 0 412.5 0 0 -16.25 1 0 17275
S4 0 562.5 0 0 -21.25 0 1 62075
Z X1 X2 S1 S2 0 S3 SOLUCION
F1 Z 1 -22.5 0 0 2.75 0 0 6875
1/0.25*F2 S1 0 0.25 0 1 -0.025 0 0 7.5 7.5/0.25=30
F3 X2 0 0.75 1 0 0.025 0 0 62.5 62.5/0.75=83.33
F4 S3 0 412.5 0 0 -16.25 1 0 17275 17275/412.5=41.87
F5 S4 0 562.5 0 0 -21.25 0 1 62075 62075/562.5=110.35
22.50*F2+F1 Z 1 -22.5 0 0 2.75 0 0 6875
F2 X1 0 1 0 23 4 -0.1 0 0 30.00
(-0.75)*F2+F3 X2 0 0.75 1 0 0.025 0 0 62.5
(-412.5)*F2+F4 S3 0 412.5 0 0 -16.25 1 0 17275
(-562.5)*F2+F5 S4 0 562.5 0 0 -21.25 0 1 62075
S1 0 0.25 0 1 -0.025 0 0 7.5
x2 0 0.75 1 0 0.025 0 0 62.5
S3 0 412.5 0 0 -16.25 1 0 17275
S4 0 562.5 0 0 -21.25 0 1 62075
Z X1 X2 S1 S2 0 S3 SOLUCION
F1 Z 1 -22.5 0 0 2.75 0 0 6875
1/0.25*F2 S1 0 0.25 0 1 -0.025 0 0 7.5 7.5/0.25=30
F3 X2 0 0.75 1 0 0.025 0 0 62.5 62.5/0.75=83.33
F4 S3 0 412.5 0 0 -16.25 1 0 17275 17275/412.5=41.87
F5 S4 0 562.5 0 0 -21.25 0 1 62075 62075/562.5=110.35
22.50*F2+F1 Z 1 -22.5 0 0 2.75 0 0 6875
F2 X1 0 1 0 4 -0.1 0 0 30.00
(-0.75)*F2+F3 X2 0 0.75 1 0 0.025 0 0 62.5
(-412.5)*F2+F4 S3 0 412.5 0 0 -16.25 1 0 17275
(-562.5)*F2+F5 S4 0 562.5 0 0 -21.25 0 1 62075
Z 1 0 0 90 92.75 0 0 7550
X1 0 1 0 4 4 0 0 30
X2 0 0 1 -3 -2.975 0 0 40
S3 0 0 0 -1650 -1666.25 1 0 4900
S4 0 0 0 -2250 -2271.25 0 0 45200
SOLUCION:
X1:30
X2:40
24
Figura 12
Interpretación
El valor de la F.O. es $ 7550.
Para maximizar el beneficio diario el agricultor puede sembrar X1= 30 Ha de trigo,
y X2 = 10 Ha de cebada, para generar una ganancia máxima de $ 7550.
25
Tabla 7
F.O
7550
Variables
X1 X2
: Z = (30*4.5 - 30)X1 + (25*6 - 40)X2 30 40
105 110 tabulación
X1 X2
Restricciones 0.00 70.00
R1
X1 X2 70.00 0.00
R1 1 1 70 70 0.00 62.50
R2
R2 30 40 2500 2500 83.33 0.00
R3 900 650 53000 57900 0.00 89.08
R3
R4 1200 850 70000 115200 58.89 0.00
0.00 135.53
R4
96.00 0.00
Figura 13
pregunta 04
160.00
X2
140.00
120.00
100.00
80.00
60.00
40.00
20.00
0.00
0.00 20.00 40.00 60.00 80.00 100.00 120.00
X1
PUNTO ÓPTIMO
X1 30
X2 40
Z = 105X1 + 110X2
Z = 105(30) + 110(40)
Z = 7550
26
5. 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 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 Maíz
Mes Avena
de soya
h-h en invierno 20 35 10
h-h en verano 50 75 40
375 550 250

Utilidad S/.
27
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
𝑋1 ∶ Número de hectáreas de frijol de soya
𝑋2 ∶ Número de hectáreas de maíz
𝑋3 ∶ Número de hectáreas de avena
𝑋4 ∶ Número de vacas
𝑋5 ∶ Número de gallinas
𝑋6 ∶ Ganancia por h-h en invierno
𝑋7 ∶ Ganancia por h-h en verano
• Restricciones
Área: 100 ℎ𝑎
𝑋1 + 𝑋2 + 𝑋3 + 1.5𝑋4 ≤ 100
Número máximo de gallinas
𝑋5 ≤ 300
Número máximo de vacas
𝑋4 ≤ 32
h-h Invierno: 3500
20𝑋1 + 35𝑋2 + 10𝑋3 + 100𝑋4 + 𝑋6 ≤ 3500
h-h Verano: 4000
50𝑋1 + 75𝑋2 + 40𝑋3 + 50𝑋4 + 0.6𝑋5 + 𝑋7 ≤ 4000
28
Fondos disponibles para inversión: 30000
900𝑋4 + 7𝑋5 ≤ 30000
No negatividad:
𝑋1 , 𝑋2 , 𝑋3 , 𝑋4 , 𝑋5, , 𝑋6 , 𝑋7 ≥ 0
𝑀𝑎𝑥 𝑍 = 375𝑋1 + 550𝑋2 + 250𝑋3 + 800𝑋4 + 5𝑋5 + 4𝑋6 + 4.5𝑋7
Tabla 8
FO 40093.75
X1 X2 X3 X4 X5 X6 X7
56.25 0.00 0.00 23.75 0.00 0.00 0.00
375 550 250 800 5 4 4.5
R1 1 1 1 1.5 1 1 <= 100 91.875

R2 1 1 1 1 1 1 <= 300 0
R3 1 1 1 1 1 1 <= 32 23.75
R4 20 35 10 100 1 1 <= 3500 3500
R5 50 75 40 50 0.6 1 <= 4000 4000
R6 900 7 1 1 1 1 <= 30000 21375
Figura 14
29
Figura 15
Interpretación
El valor de la F.O. es 40787.50
Para maximizar el ingreso neto, la familia puede cultivar X1=52.50 Ha de frijol,
X2=0 Ha de maíz, X3= 0 Ha de avena, y deben tener X4= 25(redondeando) vacas, y X5=
300 gallinas, y ganancia por h-h trabajadas en el vecino X6=0 (invierno), ganancia por h-
h en el vecino X7=0 (verano).
30
6. 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.
• Variables
𝑋1 ∶ Número de hectáreas de trigo
𝑋2 ∶ Número de hectáreas de maíz
𝑋3 ∶ Número de hectáreas de caña de azucar
𝑋4 ∶ Toneladas que se comprará de trigo
𝑋5 ∶ Toneladas que se comprará de maíz
𝑋6 ∶ Toneladas que venderá de trigo
31
𝑋7 ∶ Toneladas que venderá de maíz
𝑋8 ∶ Toneladas que venderá de caña de azúcar a S/36
𝑋9 ∶ Toneladas que venderá de caña de azúcar a S/10
• Restricciones
Área: 500 ℎ𝑎
𝑋1 + 𝑋2 + 𝑋3 ≤ 500
Producción de trigo
2.5𝑋1 + 𝑋4 − 𝑋6 ≤ 200
Producción de maíz
3𝑋2 + 𝑋5 − 𝑋7 ≤ 240
Producción de azúcar
𝑋8 + 𝑋9 − 20𝑋3 ≤ 0
Cantidad esperada de producción de azúcar
𝑋8 ≤ 6000
No negatividad:
𝑋1 , 𝑋2 , 𝑋3 , 𝑋4 , 𝑋5 , 𝑋6 , 𝑋7 , 𝑋8 , 𝑋9 ≥ 0
𝑀𝑎𝑥 𝑍 = −150𝑋1 − 230𝑋2 − 260𝑋3 − 238𝑋4 − 210𝑋5 + 170𝑋6 + 150𝑋7
+ 36𝑋8 + 10𝑋9
32
Tabla 9
FO -632
X1 X2 X3 X4 X5 X6 X7 X8 X9
1 1 1 1 1 1 1 1 1
150 230 260 238 120 170 150 36 10
R1 1 1 1 <= 500 3
R2 2.5 1 1 <= 0.5 2.5
R3 3 1 1 <= 0.1 3
R4 1 1 20 <= 0.1 -5198
Figura 16
Interpretación
Para maximizar el beneficio, el agricultor debe cultivar X1=120 Ha de trigo,
X2=80 Ha de maíz, X3=300 Ha de caña de azúcar, comprará X4= 0 tn de trigo, X5=0 tn
de maíz, venderá X6= 100 tn de trigo, X7=0 tn de caña de azúcar a (S/ 36), X8= 6000 tn
de caña de azúcar a (S/ 10). Obteniendo un beneficio maximo de s/. 118600.
33
7. 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
𝑋1 ∶ Número de hectáreas de ajo
𝑋2 ∶ Número de hectáreas de tomate
• Restricciones
Área: 60 ℎ𝑎
𝑋1 + 𝑋2 ≤ 60
Agua: 100 𝑚3
2𝑋1 + 𝑋2 ≤ 100
Gasto por sembrío
10𝑋1 + 30𝑋2 ≤ 1200
No negatividad
𝑋1 , 𝑋2 ≥ 0
𝑀𝑎𝑥 𝑍 = 300𝑋1 + 200𝑋2
34
Tabla 10
FO 18000
X1 X2
60 0
300 200
R1 1 1 <= 60 60
R2 10 30 <= 1200 600
R3 2 1 <= 1200 800
Figura 17
35
➢ Resolución con Simple
Figura 18
MODELO ALGEBRAICO
MAX(Z)-300X1-200X2=0
X1+X2+S1=60
10X1+30X2+S2=1200
2X1+X2+S3=100
TABLA SIMPLEX X1 VARIABLE QUE ENTRA

F1 Z 1 -300 -200 0 0 0 0
F2 S1 0 1 1 1 0 0 60 60/1=60
F3 S2 0 10 30 0 1 0 1200 1200/10=120
F4 VARIABLE QUE SALE F4 S3 0 2 1 0 0 1 100 100/2=50
2 ELEMENTO PIVOTE
PASO Nº1: Encontrar la columna pivote, seleccionar la variable no basica con el coeficienteno negativo
en la ecuacion objetivo. La variable no basica seleccionado es la variable que entra.
PASO Nº2: Encontrar la fila pivote, implica calcular los valores de la columna solucion entre la coeficiente .
de restriccion estrictamente positivos.
F1 Z 1 -300 -200 0 0 0 0
F2 S1 0 1 1 1 0 0 60
F3 S2 0 10 30 0 1 0 1200
1/2*F4 S3 0 2 1 0 0 1 100
300*F4+F1 Z 1 -300 -200 0 0 0 0
(-1)*F4+F2 S1 0 1 1 1 0 0 60
(-10)*F4+F3 S2 0 10 30 0 1 0 1200
F4 X1 0 1 0.50 0 0 0.5 50
Z 1 0 -50 0 0 150 15000
S1 0 0 0.5 1 0 -0.5 10
S2 0 0 25 0 1 -5 700
X1 0 1 0.50 0 0 0.5 50
COMO HAY NEGATIVO EN VARIABLE X2 DE LA FUNCION OBJETIVO SEGUIMOS:
F1 Z 1 0 -50 0 0 150 15000
2*F2 S1 0 0 0.5 1 0 -0.5 10 20
F3 S2 0 0 25 0 1 -5 700 28
F4 X1 0 1 0.50 0 0 0.5 50 100
50*F2+F1 Z 1 0 -50 0 0 150 15000
F2 X2 0 0 1 2 0 -1 20
(-25)*F2+F3 S2 0 0 25 0 1 -5 700
(-0.5)*F2+F4 X1 0 1 0.50 0 0 0.5 50
Z 1 0 0 100 0 100 16000
X2 0 0 1 2 0 -1 20
S2 0 0 0 -50 1 20 200
X1 0 1 0.00 -1 0 1 40
X1=40
X2=20
36
Figura 19
Interpretación
El valor de la F.O. es $ 16000.
Para maximizar la ganancia, Pedro tiene que sembrar X1= 40 Ha de ajo y Javier
tiene que sembrar X2= 20 Ha de tomate.
37
➢ Modelo Gráfico
Tabla 11
F.O
16000
Variables
X1 X2
40 20
300 200
TABULACIÓN
X1 X2
Restricciones 0 60
R1
X1 X2 60 0
R1 1 1 60 60 0 100
R2
R2 2 1 100 100 50 0
R3 10 30 1000 1200 0 40
R3 120 0
Figura 20
Pregunta 07
120
X2
100
80
60
40
20
0
0 20 40 60 80 100 120 140
X1
PUNTO ÓPTIMO
X1 40
X2 20
Z = 300X1 +200X2
Z =300(40) + 200(20)
Z =16000
38
8. 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
𝑋1 : Número de contenedores a comprar del mayorista A.
𝑋2 : Número de contenedores a comprar del mayorista B.
• Restricciones
Requerimiento mínimo de naranjas
8𝑋1 + 2𝑋2 ≥ 16
Requerimiento mínimo de plátanos
𝑋1 + 𝑋2 ≥ 5
Requerimiento mínimo de manzanas
2𝑋1 + 7𝑋2 ≥ 20
No negatividad
𝑋1 , 𝑋2 ≥ 0
• Función objetivo: (minimizar distancia)
𝑀𝑖𝑛(𝑧) = 150𝑥1 + 300𝑥2
39
Tabla 12
FO 1050
X1 X2
3 2
150 300
R1 8 2 >= 16 28
R2 1 1 >= 5 5
R3 2 7 >= 20 20
Figura 21
40
Figura 22
FUNCIÓN OBJETIVO
MIN Z - 150X1 - 300X2 -MA1 - MA2 -MA3= 0
RESTRICCIONES
8X1 + 2X2 -E1 + A1 = 16
X1 + X2 +- E2 +A2 = 5
2X1 + 7X2 - E3 + A3 = 20
FORMACIÓN DE TABLAS
Z X1 X2 E1 E2 E3 A1 A2 A3 SOL
F1 Z 1 -150 -300 0 0 0 (-M) (-M) (-M) 0
F2 A1 0 8 2 -1 0 0 1 0 0 16
F3 A2 0 1 1 0 -1 0 0 1 0 5
F4 A3 0 2 7 0 0 -1 0 0 1 20
F1 Z 1 11M-150 10M-300 (-M) (-M) (-M) 0 0 0 41M M(F2) + M(F3) +M(F4) +F1
F2 A1 0 8 2 -1 0 0 1 0 0 16
F3 A2 0 1 1 0 -1 0 0 1 0 5
F4 A3 0 2 7 0 0 -1 0 0 1 20
F1 Z 1 11M-150 10M-300 (-M) (-M) (-M) 0 0 0 41M
F2 A1 0 8 2 -1 0 0 1 0 0 16 2
F3 A2 0 1 1 0 -1 0 0 1 0 5 5
F4 A3 0 2 7 0 0 -1 0 0 1 20 10
F1 Z 1 11M-150 10M-300 (-M) (-M) (-M) 0 0 0 41M
F2 X1 0 1 1/4 - 1/8 0 0 1/8 0 0 2 1/8(F2)
F3 A2 0 1 1 0 -1 0 0 1 0 5
F4 A3 0 2 7 0 0 -1 0 0 1 20
F1 Z 1 0 7.25M-262.5 1.75M-18.75 (-M) (-M) 18.75 - 2.75M 0 0 300+19M (150-11M)F2 +F1
F2 X1 0 1 1/4 - 1/8 0 0 1/8 0 0 2
F3 A2 0 0 3/4 1/8 -1 0 - 1/8 1 0 3 (-1)F2 +F3
F4 A3 0 0 6 1/2 1/4 0 -1 - 1/4 0 1 16 (-2)F2 +F4
F1 Z 1 0 7.25M-262.5 1.75M-18.75 (-M) (-M) 18.75 - 2.75M 0 0 300+19M
F2 X1 0 1 1/4 - 1/8 0 0 1/8 0 0 2 8
F3 A2 0 0 3/4 1/8 -1 0 - 1/8 1 0 3 4
F4 A3 0 0 6 1/2 1/4 0 -1 - 1/4 0 1 16 2.46
F1 Z 1 0 7.25M-262.5 1.75M-18.75 (-M) (-M) 18.75 - 2.75M 0 0 300+19M
F2 X1 0 1 1/4 - 1/8 0 0 1/8 0 0 2
F3 A2 0 0 3/4 1/8 -1 0 - 1/8 1 0 3
F4 X2 0 0 1 0.03846154 0 -0.1538 -0.03846154 0 0.1538 2.46154 2/13(F4)
F1 Z 1 0 0 1.75M-18.75 (-M) (-M) 18.75 - 2.75M 0 0 300+19M (262.5-7.25M)F4 +F1
F2 X1 0 1 0 -0.13461538 0 0.03846 0.13461538 0 -0.0385 1.38462 (-1/4)F4 +F2
F3 A2 0 0 0 0.09615385 -1 0.11538 -0.09615385 1 -0.1154 1.15385 (-3/4)F4 +F3
F4 X2 0 0 1 0.03846154 0 -0.1538 -0.03846154 0 0.1538 2.46154
41
Figura 23
Interpretación
El valor de la F.O ES
Para minimizar la distancia solicitado del mayorista A tiene que comprar X1= 3
cajas contenedores y X2=2, para ahorrar un total de 1050 kilómetros
42
➢ Modelo Gráfico
Tabla 13
F.O
1050
Variables
X1 X2
3 2
150 300
TABULACIÓN
Restricciones X1 X2
X1 X2 0 8
R1
R1 8 2 28 16 2 0
R2 1 1 5 5 0 5
R2
R3 2 7 20 20 5 0
0 2.857143
R3
10 0
Figura 24
Pregunta 08
6
X2
0
0 2 4 6 8 10 12
X1
PUNTO ÓPTIMO
X1 3
X2 2
minimizar: Z = 150X1 + 300X2

Z = 150(3) + 300(2)
Z = 1050
43
9. 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
𝑋1 : Número de días trabajados en la mina A.
𝑋2 : Número de días trabajados en la mina B.
• Restricciones
Requerimiento mínimo de toneladas de carbón de alta calidad
𝑋1 + 2𝑋2 ≥ 70
Requerimiento mínimo de toneladas de carbón de calidad media
2𝑋1 + 2𝑋2 ≥ 130
Requerimiento mínimo de toneladas de carbón de baja calidad
4𝑋1 + 2𝑋2 ≥ 150
No negatividad:
𝑋1 , 𝑋2 ≥ 0
• Función objetivo: (minimizar coste)
𝑀𝑖𝑛(𝑧) = 500𝑥1 + 750𝑥2
44
Tabla 14
FO 262500
X1 X2
0 350
500 750
R1 1 2 >= 700 700

R2 2 2 >= 130 700
R3 4 2 >= 150 700
Figura 25
45
Figura 26
FUNCIÓN OBJETIVO
MIN Z - 500X1 -750X2 -MA1 - MA2 - MA3 = 0
RESTRICCIONES
X1 + 2X2 -E1 +A1 = 70
2X1 + 2X2 -E2 + A2 = 130
4X1 + 2X2 -E3 + A3 = 150
F1 Z 1 -500 -750 0 0 0 (-M) (-M) (-M) 0
F2 A1 0 1 2 -1 0 0 1 0 0 70
F3 A2 0 2 2 0 -1 0 0 1 0 130
F4 A3 0 4 2 0 0 -1 0 0 1 150
F1 Z 1 7M-500 6M-750 (-M) (-M) (-M) 0 0 0 350M M(F2)+M(F3)+M(F4)+F1
F2 A1 0 1 2 -1 0 0 1 0 0 70
F3 A2 0 2 2 0 -1 0 0 1 0 130
F4 A3 0 4 2 0 0 -1 0 0 1 150
F1 Z 1 7M-500 6M-750 (-M) (-M) (-M) 0 0 0 350M
F2 A1 0 1 2 -1 0 0 1 0 0 70 70
F3 A2 0 2 2 0 -1 0 0 1 0 130 65
F4 A3 0 4 2 0 0 -1 0 0 1 150 37.5
F1 Z 1 7M-500 6M-750 (-M) (-M) (-M) 0 0 125-1.75M 350M
F2 A1 0 1 2 -1 0 0 1 0 0 70
F3 A2 0 2 2 0 -1 0 0 1 0 130
F4 X1 0 1 0.5 0 0 - 1/4 0 0 1/4 37.5 1/4(F4)
F1 Z 1 0 2.5M-500 (-M) (-M) 0.75M -125 0 0 0 37.5M+18750 (500-7M)F4 +F1
F2 A1 0 0 1.5 -1 0 0.25 1 0 -0.25 32.5 (-1)F4+F2
F3 A2 0 0 1 0 -1 0.5 0 1 -0.5 55 (-2)F4 +F3
F4 X1 0 1 0.5 0 0 - 1/4 0 0 0.25 37.5
F1 Z 1 0 2.5M-500 (-M) (-M) 0.75M -125 0 0 0 37.5M+18750
F2 A1 0 0 1 1/2 -1 0 1/4 1 0 -0.25 32.5 21.67
F3 A2 0 0 1 0 -1 0.5 0 1 -0.5 55 55.00
F4 X1 0 1 0.5 0 0 -0.25 0 0 0.25 37.5 75.00
F1 Z 1 0 2.5M-500 (-M) (-M) 0.75M -125 0 0 0 37.5M+18750
F2 X2 0 0 1 -0.6667 0 0.1666667 0.6667 0 -0.16667 21.6666667 2/3(F2)
F3 A2 0 0 1 0 -1 0.5 0 1 -0.5 55
F4 X1 0 1 1/2 0 0 -0.25 0 0 0.25 37.5
F1 Z 1 0 2.5M-500 (-M) (-M) 0.75M -125 0 0 0 37.5M+18750
F2 X2 0 0 1 -0.6667 0 0.1666667 0.6667 0 -0.16667 21.6666667
F3 A2 0 0 0 0.6667 -1 0.3333333 -0.6667 1 -0.33333 33.3333333 (-1)F2 +F3
F4 X1 0 1 0 0.3333 0 -0.333333 -0.3333 0 0.333333 26.6666667 (-1/2)F2 +F4
46
Figura 27
Interpretación
El valor de la FO. Es: 33750
Para minimizar la función de coste deben trabajar en la mina A X2=60 dias y en
la mina B deben trabajar X2= 5 días, obteniendo la función de coste mínima 33750.
47
➢ Modelo Gráfico
Tabla 15
F.O
33750
Variables
X1 X2
60 5
500 750 TABULACIÓN
X1 X2
Restricciones 0 35
R1
X1 X2 70 0
R1 1 2 70 70 0 65
R2
R2 2 2 130 130 65 0
R3 4 2 250 150 0 75
R3
37.5 0
Figura 28
Pregunta 09
80
X2
70
60
50
40
30
20
10
0
0 10 20 30 40 50 60 70 80
X1
PUNTO ÓPTIMO
X1 60
X2 5
minimizar: Z = 500X1 +750X2

Z = 500(60) + 750(5)
Z = 33750
48
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
𝑋1 ∶ Número de Kg para el producto A
𝑋2 ∶ Número de Kg para el producto B
• Restricciones
Necesidades semanales de proteínas:
2𝑋1 + 𝑋2 ≥ 8
Necesidades semanales de hidratos:
6𝑋1 + 𝑋4 ≥ 12
Necesidades semanales de carbonos:
𝑋1 + 3𝑋2 ≥ 9
No negatividad:
𝑋1 , 𝑋2 ≥ 0
𝑀𝑖𝑛 𝑍 = 600𝑋1 + 400𝑋2
49
Tabla 16
FO 2400
X1 X2
4 0
600 400
R1 2 1 >= 8 8
R2 6 1 >= 12 24
R3 1 3 >= 9 1800
Figura 29
50
Figura 30
FUNCIÓN OBJETIVO
MIN Z -600X1 - 400X2 -MA1 -MA2 -MA3 = 0
RESTRICCIONES
2X1 + X2 -E1 + A1 = 8
6X1 + X2 -E2 + A2 = 12
X1 + 3X2 -E3 +A3 = 9
F1 Z 1 -600 -400 0 0 0 (-M) (-M) (-M) 0
F2 A1 0 2 1 -1 0 0 1 0 0 8
F3 A2 0 6 1 0 -1 0 0 1 0 12
F4 A3 0 1 3 0 0 -1 0 0 1 9
F1 Z 1 9M-600 5M-400 (-M) (-M) (-M) 0 0 0 29M M(F2)+M(F3)+M(F4)+F1
F2 A1 0 2 1 -1 0 0 1 0 0 8
F3 A2 0 6 1 0 -1 0 0 1 0 12
F4 A3 0 1 3 0 0 -1 0 0 1 9
F1 Z 1 9M-600 5M-400 (-M) (-M) (-M) 0 0 0 29M
F2 A1 0 2 1 -1 0 0 1 0 0 8 4
F3 A2 0 6 1 0 -1 0 0 1 0 12 2
F4 A3 0 1 3 0 0 -1 0 0 1 9 9
F1 Z 1 9M-600 5M-400 (-M) (-M) (-M) 0 0 0 29M
F2 A1 0 2 1 -1 0 0 1 0 0 8
F3 X1 0 1 0.16667 0 -0.16667 0 0 0.16667 0 2 1/6(F3)
F4 A3 0 1 3 0 0 -1 0 0 1 9
F1 Z 1 0 3.5M-300 (-M) O.5M-100 (-M) 0 100-1.5M 0 1200+11M (600-9M)F3 +F1
F2 A1 0 0 2/3 -1 1/3 0 1 - 1/3 0 4 (-2)F3+F2
F3 X1 0 1 1/6 0 - 1/6 0 0 1/6 0 2
F4 A3 0 0 2 5/6 0 1/6 -1 0 - 1/6 1 7 (-1)F3 +F4
F1 Z 1 0 3.5M-300 (-M) O.5M-100 (-M) 0 100-1.5M 0 1200+11M
F2 A1 0 0 2/3 -1 1/3 0 1 - 1/3 0 4 6
F3 X1 0 1 1/6 0 - 1/6 0 0 1/6 0 2 12
F4 A3 0 0 2 5/6 0 1/6 -1 0 - 1/6 1 7 2.4706
51
Figura 31
Interpretación
El valor de la F.O es 2600
Para minimizar el costo de preparar la dieta deberán comprarse semanalmente X1=
3 kg del producto A, y X2= 2 kg del producto B, obteniendo el costo mínimo total S/.
2600.
52
➢ Modelo Gráfico
Tabla 17
F.O
2600
Variables
X1 X2
3 2
600 400 TABULACIÓN
X1 X2
Restricciones 0 8
R1
X1 X2 4 0
R1 2 1 8 8 0 12
R2
R2 6 1 20 12 2 0
R3 1 3 9 9 0 3
R3
9 0
Figura 32
Pregunta 10
14
X2
12
10
0
0 2 4 6 8 10
X1
PUNTO ÓPTIMO
X1 3
X2 2
minimizar: Z = 600X1 +400X2

Z = 600(3) + 400(2)
Z = 2600
53
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 ya no 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.
• Variables
𝑋1 ∶ Cantidad de sustancia A
𝑋2 ∶ Cantidad de sustancia B
• Restricciones
𝑋1 ≤ 2 𝑋2
𝑋2 − 𝑋1 ≤ 2
𝑋2 + 𝑋1 ≤ 5
𝑋1 , 𝑋2 ≥ 1
𝑀𝑖𝑛 𝑍 = 5𝑋1 + 4𝑋2
54
Tabla 18
FO 23.3333333
X1 X2
3.33333333 1.66666667
5 4
R1 1 1 <= 2 -1.6666667
R2 1 1 <= 5 5
R3 1 0 <= 3.33333333 3.33333333
Figura 33
55
Figura 34
FUNCIÓN OBJETIVO
Z - 5X1 - 4X2 + MA1= 0
RESTRICCIONES
X1 - 2X2 + S1 = 0
(-X1) + X2 + S2 = 2
X1 + X2 + S3 = 5
X2 -E1 + A1 = 1
Z X1 X2 S1 S2 S3 E1 A1 SOL
F1 Z 1 -5 -4 0 0 0 0 M 0
F2 S1 0 1 -2 1 0 0 0 0 0
F3 S2 0 -1 1 0 1 0 0 0 2
F4 S3 0 1 1 0 0 1 0 0 5 5
F5 A1 0 0 1 0 0 0 -1 1 1
F1 Z 1 -5 (-M-4) 0 0 0 M 0 (-M) (-M)F5 + F1
F2 S1 0 1 -2 1 0 0 0 0 0
F3 S2 0 -1 1 0 1 0 0 0 2 2
F4 S3 0 1 1 0 0 1 0 0 5 5
F5 A1 0 0 1 0 0 0 -1 1 1 1
F1 Z 1 -5 0 0 0 0 -4 M +4 4 (M+4)F5 + F1
F2 S1 0 1 0 1 0 0 -2 2 2 2(F5) + F2
F3 S2 0 -1 0 0 1 0 1 -1 1 (-1)F5 + F3
F4 S3 0 1 0 0 0 1 1 -1 4 (-1)F5 + F4
F5 x2 0 0 1 0 0 0 -1 1 1
F1 Z 1 -5 0 0 0 0 -4 M +4 4
F2 x1 0 1 0 1 0 0 -2 2 2 2
F3 S2 0 -1 0 0 1 0 1 -1 1
F4 S3 0 1 0 0 0 1 1 -1 4 4
F5 x2 0 0 1 0 0 0 -1 1 1
F1 Z 1 0 0 5 0 0 -14 M + 14 14 5(F2) + F1
F2 x1 0 1 0 1 0 0 -2 2 2
F3 S2 0 0 0 1 1 0 -1 1 3 1(F2) + F3
F4 S3 0 0 0 -1 0 1 3 -3 2 (-1)F2 + F4
F5 x2 0 0 1 0 0 0 -1 1 1
RESULTADOS
Z = 14
X1 = 2
X2 = 1
S2 = 3
S3 = 2
56
Figura 35
Interpretación
Para maximizar el beneficio de la sustancia B, se puede elaborar X1= 3.33 de
sustancia A y X2=1.67 de la sustancia B, obteniendo el beneficio máximo sea 10
57
➢ Modelo Gráfico
Tabla 19
F.O
s del producto A a producir 14
s de la sustancia B a utilizar
Variables
X1 X2
2 1
5 4 TABULACIÓN
X1 X2
Restricciones 0 0
R1
X1 X2 0 0
R1 1 -2 0 0 0 2
R2
R2 -1 1 -1 2 -2 0
R3 1 1 3 5 0 5
R3
R4 0 1 1 1 5 0
0 1
R4
0 1
Figura 36
Pregunta 11
6
X2
0
0 1 2 3 4 5 6
X1
PUNTO ÓPTIMO
X1 2
X2 1
maximizar: Z = 5X1 + 4X2

Z = 5(2) + 4(1)
Z = 14
58
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?
• Variables
𝑋1 ∶ Número de programas de A
𝑋2 ∶ Número de programas de B
• Restricciones
Requerimiento de minutos para variedades
20𝑋1 + 10 𝑋2 ≤ 80
Requerimiento de minutos para publicidad
𝑋1 + 𝑋2 ≤ 6
No negatividad:
𝑋1 , 𝑋2 ≥ 0
𝑀𝑎𝑥 𝑍 = 30000𝑋1 + 10000𝑋2
59
Tabla 20
FO 120000
X1 X2
4 0
30000 10000
R1 20 10 <= 80 80
R2 1 1 <= 6 4
Figura 37
60
Figura 38
FUNCIÓN OBJETIVO
Z - 30000X1 - 10000X2 = 0
RESTRICCIONES
X1 + X2 + S1 = 6
20X1 + 10 X2 + S2 = 80
Z X1 X2 S1 S2 SOL
F1 Z 1 -30000 -10000 0 0 0
F2 S1 0 1 1 1 0 6 6
F3 S2 0 20 10 0 1 80 4
Z X1 X2 S1 S2 SOL
F1 Z 1 -30000 -10000 0 0 0
F2 S1 0 1 1 1 0 6
F3 X1 0 1 0.5 0 0.05 4 1/20(F3)
Z X1 X2 S1 S2 SOL
F1 Z 1 0 5000 0 1500 120000 30000(F3)+F1
F2 S1 0 0 0.5 1 -0.05 2 (-1)F3 +F2
F3 X1 0 1 0.5 0 0.05 4
RESULTADOS
Z = 120000
X1 = 4
X2 = 0
S1 = 2
61
Figura 39
Interpretación
El valor de la función objetivo es 120000
Para maximizar el número de espectadores, deberá aparecer el programa A X1= 4
y en el programa X2=0, y obteniendo el máximo número de espectadores 120000
personas
62
➢ Modelo Gráfico
Tabla 21
F.O
120000
Variables
X1 X2
4 0
30000 10000 TABULACIÓN
X1 X2
Restricciones 0 6
R1
X1 X2 6 0
R1 1 1 4 6 0 8
R2
R2 20 10 80 80 4 0
Figura 40
Pregunta 12
9
X2
8
7
6
5
4
3
2
1
0
0 1 2 3 4 5 6 7
X1
PUNTO ÓPTIMO
X1 2
X2 4
maximizar: Z = 30000X1 +10000X2

Z = 30000(2) + 10000(4)
Z = 140000
63
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.
• Variables
𝑋1 : Número de unidades producidas en tiempo normal en la semana 1.
𝑌1 : Número de unidades producidas en tiempo extra en la semana 3.
𝑌2 : Número de unidades producidas en tiempo extra en la semana 4.
𝐼1 : Inventario final para el período 1.
• Restricciones
Producción en tiempo normal en la semana 1:
𝑋1 ≤ 90
64
𝑋2 ≤ 90
𝑋3 ≤ 90
𝑋4 ≤ 90
Producción en tiempo extra en la semana 3:
𝑌1 ≤ 20
Producción en tiempo extra en la semana 4:
𝑌2 ≤ 20
Demanda en la semana 1:
𝑋1 − 𝐼1 = 70
𝑋2 + 𝐼1 − 𝐼2 = 80
𝑋3 + 𝑌1 + 𝐼2 − 𝐼3 = 90
𝑋4 + 𝑌2 + 𝐼3 − 𝐼4 = 100
No negatividad:
𝑋1 , 𝑋2 , 𝑋3 , 𝑋4 , 𝑌1 , 𝑌2 , 𝐼1 , 𝐼2 , 𝐼3 , 𝐼4 ≥ 0
• Función objetivo: (minimizar costos totales)
𝑀𝑖𝑛(𝑧) = 100𝑋1 + 100𝑋2 + 150 𝑋3 + 150𝑋4 + 208𝑌1 + 208𝑌2 + 3𝐼1 + 3𝐼2
+ 3𝐼3 + 3𝐼4
65
Tabla 22
Variables X1 X2 X3 X4 Y3 Y4 Z1 Z2 Z3 Z4
Valor Final 90 70 90 90 0 0 20 10 10 0
Utilidad 100 150 150 150 208 208 3 3 3 3
Restricciones
R1 1 0 0 0 0 0 0 0 0 0 90 <= 90
R2 0 1 0 0 0 0 0 0 0 0 70 <= 90
R3 0 0 1 0 0 0 0 0 0 0 90 <= 90
R4 0 0 0 1 0 0 0 0 0 0 90 <= 90
R5 0 0 0 0 1 0 0 0 0 0 0 <= 20
R6 0 0 0 0 0 1 0 0 0 0 0 <= 20
R7 1 0 0 0 0 0 -1 0 0 0 70 = 70
R8 0 1 0 0 0 0 1 -1 0 0 80 = 80
R9 0 0 1 0 1 0 0 1 -1 0 90 = 90
R10 0 0 0 1 0 1 0 0 1 -1 100 = 100
F.O. (MIN)= 46620
Figura 41
Interpretación
Para minimizar los costos totales, se va a producir X1=90 unidades en la semana
1, X2=90 unidades en la semana 2, X3=90 unidades en la semana 3, X4=90 unidades en
la semana 4, y número de unidades producidas en tiempo extra X5= 20 unidades en la
semana 3, X6=20 unidades en la semana 4 y el inventario final para el periodo 1 (X7=20),
para el periodo 2 (X8=30), para el periodo 3 (X9=50) y para el periodo 4 (X10=60).
Obteniendo el mínimo costo total de 53800.
66
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 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
Producto B Producto C
(UN)
VENTAS VENTAS VENTAS
UTILIDAD UTILIDAD 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
𝑋1 : Producto A vendido con utilidad 10
𝑋5 : Producto B vendido con utilidad 6
𝑋8 : Producto C vendido con utilidad 5
67
𝑋9 : Producto C vendido con utilidad 4
• Restricciones
X1 ≤ 40
41 ≤ X2 ≤ 100
101 ≤ X3 ≤ 150
X4 ≥ 151
X5 ≤ 50
51 ≤ X6 ≤ 100
X7 ≥ 101
X8 ≤ 100
X9 ≥ 101
No negatividad:
𝑥1 ≥ 0
𝑥2 ≥ 0
• Función objetivo
𝑀𝑎𝑥 (𝑧) = 10X1 + 9X2 + 8X 3 + 6X4 + 6X 5 + 4X6 + 3X7 + 5X8 + 4X9
68
Tabla 23
Variables X1 X2 X3 X4 X5 X6 X7 X8 X9
Valor Final 0 41 101 151 0 51 101 0 101
Utilidad 10 9 8 6 6 4 3 5 4
Restricciones
R1 1 0 0 0 0 0 0 0 0 0 <= 40
R2 0 1 0 0 0 0 0 0 0 41 >= 41
R3 0 1 0 0 0 0 0 0 0 41 <= 100
R4 0 0 1 0 0 0 0 0 0 101 >= 101
R5 0 0 1 0 0 0 0 0 0 101 <= 150
R6 0 0 0 1 0 0 0 0 0 151 >= 151
R7 0 0 0 0 1 0 0 0 0 0 <= 50
R8 0 0 0 0 0 1 0 0 0 51 >= 51
R9 0 0 0 0 0 1 0 0 0 51 <= 100
R10 0 0 0 0 0 0 1 0 0 101 >= 101
R11 0 0 0 0 0 0 0 1 0 0 <= 100
R12 0 0 0 0 0 0 0 0 1 101 >= 101
F.O. (MÁX)= 2994
Figura 42
69
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
𝑋1 ∶ Dimensión menor de la mesa
𝑋2 ∶ Dimensión mayor de la mesa
• Restricciones
Requerimiento de dimensión del lado menor y mayor de la mesa
𝑋1 , 𝑋2 ≤ 2
Requerimiento dimensional total de la mesa:
2𝑋1 + 𝑋2 ≤ 4
No negatividad:
𝑋1 , 𝑋2 ≥ 0
𝑀𝑎𝑥 𝑍 = 2𝑋1 + 2𝑋2
Tabla 24
FO 6
X1 X2
1 2
2 2
R1 2 1 <= 4 4
70
Figura 43
71
Figura 44
FUNCIÓN OBJETIVO
Z - 2X1 - 2X2 = 0
RESTRICCIONES
X1 + S1 = 2
X2 + S2 = 2
X1 + 2X2 + S3 = 4
Z X1 X2 S1 S2 S3 SOL
F1 Z 1 -2 -2 0 0 0 0
F2 S1 0 1 0 1 0 0 2 2
F3 S2 0 0 1 0 1 0 2
F4 S3 0 1 2 0 0 1 4 4
F1 Z 1 0 -2 2 0 0 4 2(F2) + F1
F2 X1 0 1 0 1 0 0 2
F3 S2 0 0 1 0 1 0 2
F4 S3 0 0 2 -1 0 1 2 (-1)F2 + F4
F1 Z 1 0 -2 2 0 0 4
F2 X1 0 1 0 1 0 0 2
F3 S2 0 0 1 0 1 0 2 2
F4 X2 0 0 2 -1 0 1 2 1
F1 Z 1 0 -2 2 0 0 4
F2 X1 0 1 0 1 0 0 2
F3 S2 0 0 1 0 1 0 2
F4 X2 0 0 1 -0.5 0 0.5 1 1/2(F4)
F1 Z 1 0 0 1 0 1 6 2(F4) + F1
F2 X1 0 1 0 1 0 0 2
F3 S2 0 0 0 0.5 1 -0.5 1 (-1)F4 + F3
F4 X2 0 0 1 -0.5 0 0.5 1
RESULTADOS
Z=6
X1 = 2
X2 = 1
S2 = 1
72
Figura 45
Interpretación
Para maximizar el valor del perímetro de dichas mesas el carpintero tiene que
construir X1= 1 m dimensión menor a la mesa, X2= 2 m dimensión mayor a la mesa.
Obteniendo el máximo perímetro de dichas mesas 6 m.
73
➢ Modelo Gráfico
Tabla 25
F.O
6
Variables
X1 X2
2 1
2 2 TABULACIÓN
X1 X2
Restricciones 2 0
R1
X1 X2
R1 1 0 2 2 2
R2
R2 0 1 1 2
R3 1 2 4 4 0 2
R3
4 0
Figura 46
Pregunta 15
2.5
X2
1.5
0.5
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
X1
PUNTO ÓPTIMO
X1 2
X2 1
Maximizar: Z = 2X1 + 2X2

Z = 2(2) + 2(1)
Z = 2(2) + 2(1)
Z=6
74
16. 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. 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
𝑋1 : Número de unidades del producto A.
𝑋2 : Número de unidades del producto B.
𝑋3 : Número de unidades del producto C.
𝑋4 : Número de unidades del producto A destinados a venta.
𝑋5 : Número de unidades del producto B destinados a venta.
• Restricciones
Disponibilidad de horas de trabajo
𝑋1 + 2𝑋2 + 3𝑋3 ≤ 40
Cantidad total de unidades del producto A:
𝑋4 + 2𝑋2 = 𝑋1
Cantidad total de unidades del producto B:
𝑋5 + 𝑋3 = 𝑋2
No negatividad:
𝑋1 , 𝑋2 , 𝑋3 , 𝑋4 , 𝑋5 ≥ 0
75
• Función objetivo:
𝑀𝑎𝑥(𝑧) = 700𝑋4 + 3500𝑋5 + 7000𝑋3
Tabla 26
FO 233333.333
X1 X2 X3
0 0 33.3333333
700 3500 7000
R1 1 2 3 <= 100 100

R2 3 2 1 <= 200 33.3333333
R3 3 2.5 4 <= 600 133.333333
Figura 47
76
Figura 48
Interpretación
Para maximizar ingresos, la empresa debe fabricar X1= 11.43 unidades del
producto A, X2= 5.71 unidades del producto B, X3= 5.71 unidades del producto C. Los
destinados a venta se deben fabricar X4= 0 unidades del producto A y X5= 0 unidades
del producto B. obteniendo maximo total de ingresos de la empresa $ 40000
77
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.
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.
• Variables
𝑋1 ∶ Unidad de publicidad en televisión
𝑋2 ∶ Unidad de publicidad en radio
𝑋3 ∶ Unidad de publicidad en prensa
• Restricciones
2000𝑋1 + 300𝑋2 + 600𝑋3 ≤ 18500
𝑋2 ≤ 0.50 (𝑋1 + 𝑋2 + 𝑋3 )
𝑋1 ≥ 0.10 (𝑋1 + 𝑋2 + 𝑋3 )
𝑋1 ≤ 10, 𝑋2 ≤ 20 , 𝑋3 ≤ 10
𝑋1 , 𝑋2 ≥ 0
𝑋3 ≥ 0
𝑀𝑎𝑥 𝑍 = 100000𝑋1 + 18000𝑋2 + 4000𝑋3

78
Tabla 27
FO 122000
X1 X2 X3
1 1 1
100000 18000 4000
R1 2000 300 600 >= 18500 2900

R2 1 1 1 <= 0.5 0.33333333
R3 1 1 1 >= 0.1 0.33333333
Figura 49
Interpretación
Para maximizar las unidades de publicidad la camara de industriales de la region
debe promover X1= 4.130 unidades de publicidad en television, X2 = 14.130 unidades
de publicidad en radio y X3= 10 unidades de publicidad en prensa. Obteniendo un total
de promociones 1067371 unidades de publicidad.
79
18. Una asociación agrícola tiene dos parcelas, la parcela P1 tiene 400 Ha de tierra
utilizable y dispone de 500𝑚3de agua mientras la parcela P2 tiene 900 Ha de
tierra utilizable y dispone de 1200𝑚3 de agua. Los cultivos aconsejados son:
remolacha y algodón. La remolacha consume 3𝑚3 de agua por Ha, con un
beneficio de 700 u.m por Ha, el algodón se consume 2𝑚3 de agua por Ha con un
beneficio de 500 u.m. por Ha. Se ha establecido una cuota máxima por Ha por
cada cultivo: 800 para la remolacha y 600 para el algodón, siendo el porcentaje
total de terreno cultivado el mismo en cada parcela.
• Variables
𝑋1 ∶ Cantidad de remolacha 𝑃1
𝑋2 ∶ Cantidad de algodón
𝑋3 ∶ Cantidad de remolacha 𝑷𝟐
𝑋4 ∶ Cantidad de algodón
• Restricciones
Terreno
𝑋1 + 𝑋3 ≤ 400
𝑋2 + 𝑋4 ≤ 900
Agua
3𝑋1 + 2𝑋3 ≤ 500
3𝑋2 + 2𝑋4 ≤ 1200
Cultivo
𝑋1 + 𝑋2 ≤ 800
3𝑋3 + 2𝑋4 ≤ 600
80
Proporción de área
𝑋1 + 𝑋3 𝑋2 + 𝑋4
=
400 900
9 9
𝑋1 + 𝑋3 − 𝑋2 − 𝑋4 = 0
4 4
𝑀𝑎𝑥 𝑍 = (𝑋1 + 𝑋2 ) ∗ 700 + (𝑋3 + 𝑋4 ) ∗ 500
Tabla 28
Funcion objetivo
(Maximizar) Z= ( X1 + X2 )*700 + (X2 +X4)*500
X1 X2 X3 X4 RESULTADO FORMULA
funcion objetivo 700 700 500 500 416666.67
desigualdad 1 1 0 1 0 <= 400 235.89744
desigualdad 2 0 1 0 1 <= 900 530.76923
desigualdad 3 3 0 2 0 <= 500 500
desigualdad 4 0 3 0 2 <= 1200 1200
desigualdad 5 1 1 0 0 <= 800 166.66667
desigualdad 6 0 0 1 1 <= 600 600
desigualdad 7 2.25 -1 2.25 -1 = 0 1.421E-12
X1 28.20512821
X2 138.4615385
X3 207.6923077
X4 392.3076923
Z 416666.6667
asignacion optima de hectarias
cultivo 1 2
remolacha 28.20512821 138.46154
algodón 207.6923077 392.30769
81
Figura 50
82
Figura 51
FUNCIÓN OBJETIVO
Z - 20000X1 - 15000X2 = 0
RESTRICCIONES
3X1 + 2X2 +S1 = 120
X1 + 2X2 +S2 = 80
Z X1 X2 S1 S2 SOL
F1 Z 1 -20000 -15000 0 0 0
F2 S1 0 3 2 1 0 120 40
F3 S2 0 1 2 0 1 80 80
Z X1 X2 S1 S2 SOL
F1 Z 1 -20000 -15000 0 0 0
F2 X1 0 1 2/3 1/3 0 40 1/3(F2)
F3 S2 0 1 2 0 1 80
Z X1 X2 S1 S2 SOL
F1 Z 1 0 -1666.7 6666.7 0 800000 20000(F2) + F1
F2 X1 0 1 2/3 1/3 0 40
F3 S2 0 0 1 1/3 - 1/3 1 40 (-1)F2 + F3
Z X1 X2 S1 S2 SOL
F1 Z 1 0 -1666.7 6666.7 0 800000
F2 X1 0 1 2/3 1/3 0 40 60
F3 X2 0 0 1 1/3 - 1/3 1 40 30
Z X1 X2 S1 S2 SOL
F1 Z 1 0 -1666.7 6666.7 0 800000
F2 X1 0 1 2/3 1/3 0 40
F3 X2 0 0 1 -0.25 0.75 30 3/4(F3)
Z X1 X2 S1 S2 SOL
F1 Z 1 0 0 6250 1250 850000 5000/3(F3) + F1
F2 X1 0 1 0 0.5 -0.5 20 (-2/3)(F3) + F2
F3 X2 0 0 1 -0.25 0.75 30
83
Figura 52
Interpretación
Para maximizar Ha por cada cultivo, la asociación agrícola tiene que
ocupar X1=100 Ha de remolacha en parcela 1, X2= 300 Ha de algodón, X3 = 100
Ha de remolacha en parcela 2, X4= 130 Ha de algodón. Obteniendo una cuota
máxima por Ha 405000.
84
19. Una escuela prepara una excursión para 320 alumnos. La empresa de transporte
tiene 10 autobuses de 20 plazas y 8 de 42 plazas, pero sólo dispone de 9
conductores. El alquiler de un autobús grande cuesta 900 € y el de uno pequeño
400 €. Calcular cuántos autobuses de cada tipo hay que utilizar para que la
excursión resulte lo más económica posible para la escuela.
• Variables
𝑋1 ∶ Cantidad de autobuses grandes a utilizar
𝑋2 ∶ Cantidad de autobuses pequeños a utilizar
• Restricciones
42𝑋1 + 20𝑋2 ≥ 320
𝑋1 ≤ 8 , 𝑋2 ≤ 10 ,
𝑋1 + 𝑋2 ≤ 9
𝑀𝑎𝑥 𝑍 = 900𝑋1 + 400𝑋2
Tabla 29
VARIABLES
X1 Cantidad de autobuses grandes a utilizar.

X2 Cantidad de autobuses pequeños a utilizar.
FUNCION OBETIVA
Z= 900X1+ 400X2 Z= 0
RESTRICCIONES
42X1+20X2 ≥ 320
X1 ≤ 8
X2 ≤ 10
1X1+1X2 ≤ 9
0 ≥ 320
0 ≤ 8
0 ≤ 10
0 ≤ 9
85
Figura 53
Figura 54
VARIABLE DE HOLGURA
MAX(Z)-900X1-400X2=0
42X1+20X2+S1=320
X1+X2+S2=9
X1+S3=8
X2+S4=10
Z X1 X2 S1 S2 S3 S4 SOLUCION
F1 Z 1 -900 -400 0 0 0 0 0
1/42*F2 S1 0 42 20 1 0 0 0 320 320/42=7.619
F3 S2 0 1 1 0 1 0 0 9 9/1=9
F4 S3 0 1 0 0 0 1 0 8 8/1=8
F5 S4 0 0 1 0 0 0 1 10
42 ELEMENTO PIVOTE
900*F2+ F1 Z 1 -900 -400 0 0 0 0 0
F2 X1 0 1 0.476 0.024 0 0 0 7.619
(-1)*F2+F3 S2 0 1 1 0 1 0 0 9
(-1)*F3+F4 S3 0 1 0 0 0 1 0 8
F5 S4 0 0 1 0 0 0 1 10
Z 1 0 28.4 21.6 0 0 0 6857.1
X1 0 1 0.476 0.024 0 0 0 7.619
S2 0 0 0.524 -0.024 1 0 0 1.381
S3 0 0 0 -0.024 0 0 0 0.381
S4 0 0 1 0 0 0 1 10
SOLUCION:
X1:8
X2:1
86
Figura 55
20. Una empresa de instalaciones dispone de 195 kg de cobre, 20 kg de titanio y 14

kg de aluminio. Para fabricar 100 metros de cable de tipo A se necesitan 10 kg de
cobre, 2 de titanio y 1 de aluminio, mientras que para fabricar 100 metros de cable
de tipo B se necesitan 15 kg de cobre, 1 de titanio y 1 de aluminio. El beneficio
que se obtiene por 100 metros de cable de tipo A es de 1500 euros, y por 100
metros de cable de tipo B, 1000 euros. Calcular los metros de cable de cada tipo
que hay que fabricar para maximizar el beneficio de la empresa. Obtener dicho
beneficio máximo
• Variables
𝑋1 ∶ Cantidad de rollos de 100m de cable tipo A
𝑋2 ∶ Cantidad de rollos de 100m de cable tipo B
• Restricciones
10𝑋1 + 15 𝑋2 ≤ 195
2𝑋1 + 𝑋2 ≤ 20
𝑋1 + 𝑋2 ≤ 14
87
𝑋1 , 𝑋2 ≥ 0
𝑀𝑎𝑥 𝑍 = 1500𝑋1 + 1000𝑋2
Tabla 30
VARIABLES
X1 Cantidad de “rollos” de 100 mts. de cable del tipo A a fabricar. 400

X2 Cantidad de “rollos” de 100 mts. de cable del tipo B a fabricar. 600
FUNCION OBETIVA
Z= 8X1+ 10X2-1500 z= 7700
RESTRICCIONES
1X1+2X2 ≤ 1600
1X1 + 1 X2 ≤ 1000
1X1 ≤ 800
1600 ≤ 1600
1000 ≤ 1000
400 ≤ 800
88
Figura 56
MAX(Z)-8X1-10X2+1500=0
X1+2X2+S1=1600
X2+X2+S2=1000
X1+S3=800
F1 Z 1 -8 -10 0 0 0 -1500
1/2*F2 S1 0 1 2 1 0 0 1600 1600/2=800
F3 S2 0 1 1 0 1 0 1000 1000/1=1000
F4 S3 0 1 0 0 0 1 800
2 ELEMENTO PIVOTE
10*F2+ F1 Z 1 -8 -10 0 0 0 -1500
F2 X2 0 0.5 1 0.5 0 0 800
(-1)*F2+F3 S2 0 1 1 0 1 0 1000
F4 s3 0 1 0 0 0 1 800
Z 1 -3 0 5 0 0 6500
X2 0 0.5 1 0.5 0 0 800
S2 0 0.5 0 -0.5 1 0 200
s3 0 1 0 0 0 1 800
F1 Z 1 -3 0 5 0 0 6500
F2 X2 0 0.5 1 0.5 0 0 800 800/0.5=1600
1/0.5*F3 S2 0 0.5 0 -0.5 1 0 200 200/0.5=400
F4 S3 0 1 0 0 0 1 800 800/1=800
3*F3+F1 Z 1 -3 0 5 0 0 6500
(-0.5)*F3+F2 X2 0 0.5 1 0.5 0 0 800
F3 X1 0 1 0 -1 2.00 0 400
(-1)*F2+F4 S3 0 1 0 0 0 1 800
Z 1 0 0 2 6 0 7700
X2 0 0 1 1 -1 0 600
X1 0 1 0 -1 2.00 0 400
S3 0 0 0 1 -2 1 400
SOLUCION DEL PROBLEMA:

X1=400
X2=600
Z=9200 GANANCIA
89
Figura 57
90
➢ Modelo Gráfico
Tabla 31
F.O
0.88
Variables
X1 X2
6 4
0.1 0.07 TABULACIÓN
X1 X2
Restricciones 0 800
R1
X1 X2 1600 0
R1 1 1 10 10 0 1000
R2
R2 1 0 6 6 1000 0
R3 0 1 4 2 800
R3
Figura 58
Pregunta 20
1200
X2
1000
800
600
400
200
0
0 200 400 600 800 1000 1200 1400 1600 1800
X1
PUNTO ÓPTIMO
X1 400
X2 600
Maximizar: Z = 8X1 + 10X2

Z = 8(400) + 10(600) -1500
Z = 8(400) + 10(600) -1500
Z = 9200
91
21. Una empresa de transportes tiene dos tipos de camiones, los del tipo A con un
espacio refrigerado de 20 m3 y un espacio no refrigerado de 40 m3. Los del tipo
B, con igual cubicaje total, al 50% de refrigerado y no refrigerado. La contratan
para el transporte de 3.000 m3 de producto que necesita refrigeración y 4.000 m3
de otro que no la necesita. El costo por kilómetro de un camión del tipo A es de
30 € y el B de 40 €. ¿Cuántos camiones de cada tipo ha de utilizar para que el
coste total sea mínimo?
• Variables
𝑋1 ∶ Cantidad de compuesto X
𝑋2 ∶ Cantidad de compuesto Y
• Restricciones
𝑋1 + 5 𝑋2 ≥ 15
5𝑋1 + 𝑋2 ≥ 15
𝑀𝑖𝑛 𝑍 = 10𝑋1 + 30𝑋2
Tabla 32
VARIABLES
X1 Cantidad de compuesto X a comprar 2.5

X2 Cantidad de Y a comprar 2.5
FUNCION OBETIVA
Z= 10X1+ 30X2 Z= 100
RESTRICCIONES
1X1+5X2 ≥ 15
5 X1+ 1X2 ≥ 15
15 ≥ 15
15 ≥ 15
92
Figura 59
Figura 60
MIN(Z)-10X1-30X2=0
X1+X2+S1=15
5X1+X2+S2=15
Z X1 X2 S1 S2 SOLUCION
30*F3+F1 Z 1 -10 -30 0 0 0
(-1)*F3+F2 S1 0 1 1 1 0 15 15/1=15
F3 S2 0 5 1 0 1 15 15/1=15
2 ELEMENTO PIVOTE
Z 1 140 0 0 0 450
S1 0 -4 0 1 0 0
X2 0 5 1 0 1 15

X1=0
X2=15
93
Figura 61
94
➢ Modelo Gráfico
Tabla 33
F.O
sos diarios tipo A repartidos 950
sos diarios tipo B repartidos
Variables
X1 X2
50 100
5 7 TABULACIÓN
X1 X2
Restricciones 0 15
R1
X1 X2 15 0
R1 1 0 50 120 0 15
R2
R2 0 1 100 100 7.5 0
R3 1 1 150 150
Figura 62
Pregunta 21
16
X2
14
12
10
8
6
4
2
0
0 2 4 6 8 10 12 14 16
X1
PUNTO ÓPTIMO
X1 0
X2 15
Minimizar: Z = 10X1 + 30X2

Z = 10(0) + 30(15)
Z = 450
95
22. Unos grandes almacenes encargan a un fabricante pantalones y chaquetas
deportivas. El fabricante dispone para la confección de 750 m de tejido de algodón
y 1000 m de tejido de poliéster. Cada pantalón requiere 1 m de algodón y 2 m de
poliéster, cada chaqueta requiere 1,5 m de algodón y 1 m de poliéster. El precio
del pantalón se fija en 50 € y el de la chaqueta en 40 €. ¿Qué número de pantalones
y chaquetas debe suministrar el fabricante a los almacenes para que éstos consigan
una venta máxima?
• Variables
𝑋1 ∶ Cantidad de pantalones a suministrar
𝑋2 ∶ Cantidad de chaquetas a suministrar
• Restricciones
𝑋1 + 1.5 𝑋2 ≤ 750
2𝑋1 + 𝑋2 ≤ 750
𝑀𝑎𝑥 𝑍 = 50𝑋1 + 40𝑋2
Tabla 34
VARIABLES
X1 Cantidad de pantalones a suministrar 375

X2 Cantidad de chaquetas a suministrar 250
FUNCION OBETIVA
Z= 50X1+ 40X2 Z= 28750
RESTRIICCIONES
1X1+1.5 X2 ≤ 750
2 X1+ 1 X2 ≤ 1000
750 ≤ 750
1000 ≤ 1000
96
Figura 63
97
Figura 64
MAX(Z)-50X1-40X2=0
X1+1.5X2+S1=750
2X1+X2+S2=750
F1 Z 1 -50 -40 0 0 0
F2 S1 0 1 1.5 1 0 750 750/1=750
1/2*F3 S2 0 2 1 0 1 750 750/2=375
2 ELEMENTO PIVOTE
50*F3+ F1 Z 1 -50 -40 0 0 0
(-1)*F3+F2 S1 0 1 1.5 1 0 750
F3 X1 0 1 0.5 0 0.5 375
Z 1 0 -15 0 25 18750
S1 0 0 1 1 -0.5 375
X1 0 1 0.5 0 0.5 375
15*F2+F1 Z 1 0 -15 0 25 18750
F2 X2 0 0 1 1 -0.5 375 375/1=375
(-0.5)*F2+F3 S2 0 1 0.5 0 0.5 375 375/0.5=750
Z 1 0 0 0 17.5 24375
X2 0 0 1 1 -0.50 375
X1 0 1 0 -0.5 0.75 187.5

X1=187.5
X2=375
Z=24375 GANANCIA
98
Figura 65
99
➢ Modelo Gráfico
Tabla 35
F.O
6600
Variables
X1 X2
200 500 TABULACIÓN
8 10 X1 X2
0 500
R1
Restricciones 750 0
X1 X2 0 750
R2
R1 5 8 5000 5000 375 0
R2 1 1 700 700
Figura 66
Pregunta 22
800
X2
700
600
500
400
300
200
100
0
0 100 200 300 400 500 600 700 800
X1
PUNTO ÓPTIMO
X1 187.5
X2 375
Maximizar: Z = 50X1 + 40 X2
Z = 50(187.5) + 40(375)
Z = 24375
100
VI. CONCLUSIONES
A partir de los problemas referentes de la optimización se logró construir un
modelo matemático, con una función objetivo y ciertas restricciones que hacen válido a
la función buscada.
Los problemas de programación lineal se obtuvieron resolver utilizando el
software Excel de versión 2019, empleando el complemento SOLVER. Es uno de los
métodos más eficientes para resolver problemas porque, en cuestiones de segundos arroja
los resultados.
El método simplex se aplicó a los problemas de programación lineal de dos
variables, teniendo en cuenta que los pasos a seguir son independientes para la
maximización y minimización. Alcanzando resultados favorables para cada uno de los
problemas.
El software LINDO, es también uno de los métodos de fácil aplicación. Y se logró
obtener los resultados de una manera rápida; se verificó no acepta las restricciones de
números enteros en el proceso de los datos.
Los problemas de dos variables se resolvieron por método gráfico, que brinda un
panorama amplio de región de soluciones tanto para minimizar y maximizar. Las rectas
que no tienen intersecciones indican que no tienen soluciones factibles.
101
VII. REFERENCIA BIBLIOGRÁFICA
Alvarado, J. (2009). La programación lineal y su aplicación a las pequeñas y medianas
empresas. Revista Reflexiones.
https://repositorio.upn.edu.pe/bitstream/handle/11537/28615/La Programacion
Lineal Aplicacion De La Pequenas y Mediana.pdf?sequence=1&isAllowed=y
Hurtado, F. (1999). Programación lineal multiobjetivo aplicado a sistemas campesinos:
simulación de efectos medioambientales. 1–97.
Internacionales, C. D. N. (2021). Ciclo 2021-2. 1–27.
Moncayo-Martínez, L. A., Muñoz, D. F., Moncayo-Martínez, L. A., & Muñoz, D. F.
(2018). Un Sistema de Apoyo para la Enseñanza del Método Simplex y su
Implementación en Computadora. Formación Universitaria, 11(6), 29–40.
https://doi.org/10.4067/S0718-50062018000600029
Puente Riofrío, M. I., & Gavilánez Álvarez, Ó. D. (2018). Programación lineal para la
toma de decisiones. http://cimogsys.espoch.edu.ec/direccion-
publicaciones/public/docs/books/2019-09-19-210805-58 Libro Programación
Lineal final.pdf
Rosiyanti, H. (2016). Penggunaan Software Lindo Dengan Metode Pembelajaran
Penemuan Terbimbing Untuk Meningkatkan Motivasi Belajar Mahasiswa
Matematika Angkatan 2013 Pada Matakuliah Program Linier. FIBONACCI: Jurnal
Pendidikan Matematika Dan Matematika, 2(2), 19.
https://doi.org/10.24853/fbc.2.2.19-27
102

Trabajo N°1 - Operativas

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 N°1 - Operativas

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL

SANTIAGO ANTUNEZ DE MAYOLO

FACULTAD DE CIENCIAS AGRARIAS

EJEMPLOS DE PROGRAMACION LINEAL POR TRES

2.1 Objetivo General ...................................................................................... 2

2.2 Objetivos Específicos ............................................................................... 2

III. MARCO TEÓRICO ................................................................................ 3

3.1 ¿Qué es programación Lineal? .................................................................. 3

3.2 Condiciones básicas de la programación lineal ......................................... 3

3.3 Componentes de un problema de programación lineal .............................. 4

3.3.1 Función Objetivo ............................................................................... 4

3.3.2 Variables ........................................................................................... 4

3.3.3 Variables reales ................................................................................. 4

3.3.4 Variables de holgura .......................................................................... 4

3.3.5 Restricciones ..................................................................................... 5

3.3.6 Restricciones de máxima ................................................................... 5

3.3.7 Restricciones de mínima .................................................................... 5

3.3.8 Restricciones de igualdad................................................................... 5

IV. METODOS APLICADOS EN LA PROGRAMACION LINEAL ............ 6

4.2 Método simplex (Solver-Excel) ................................................................ 6

4.2.1 Método Simplex ................................................................................ 6

4.2.2 Solver ................................................................................................ 6

V. CONSTRUCCIÓN Y RESOLUCIÓN DE MODELOS DE

PROGRAMACIÓN LINEAL ....................................................................................... 8

VI. CONCLUSIONES ............................................................................... 101

VII. REFERENCIA BIBLIOGRÁFICA ...................................................... 102

Tabla 1 Solución mediante Solver problema N°1............................................... 9

Tabla 2 Modelo matemático del problema N°1 ............................................... 11

Tabla 3 Solución mediante Solver problema N°2............................................ 13

Tabla 4 Solución mediante Solver problema N°3............................................. 16

Tabla 5 Modelo matemático del problema N°3 ............................................... 18

Tabla 6 Solución mediante Solver problema N°4............................................ 21

Tabla 7 Modelo matemático del problema N°4 ............................................... 26

Tabla 8 Solución mediante Solver problema N°5............................................ 29

Tabla 9 Solución mediante Solver problema N°6............................................ 33

Tabla 10 Solución mediante Solver problema N°7 .......................................... 35

Tabla 11 Modelo matemático del problema N°7 ............................................. 38

Tabla 12 Solución mediante Solver problema N°8 .......................................... 40

Tabla 13 Modelo matemático del problema N°8 ............................................. 43

Tabla 14 Solución mediante Solver problema N°9.......................................... 45

Tabla 15 Modelo matemático del problema N°9 ............................................ 48

Tabla 16 Solución mediante Solver problema N°10 ........................................ 50

Tabla 17 Modelo matemático del problema N°10 ........................................... 53

Tabla 18 Solución mediante Solver problema N°11 ........................................ 55

Tabla 19 Modelo matemático del problema N°11 ........................................... 58

Tabla 20 Solución mediante Solver problema N°12 ........................................ 60

Tabla 21 Modelo matemático del problema N°12 ........................................... 63

Tabla 22 Solución mediante Solver problema N°13 ........................................ 66

Tabla 23 Solución mediante Solver problema N°14 ........................................ 69

Tabla 24 Solución mediante Solver problema N°15 ........................................ 70

Tabla 26 Solución mediante Solver problema N°16 ........................................ 76

Tabla 27 Solución mediante Solver problema N°17 ........................................ 79

Tabla 28 Solución mediante Solver problema N°18 ........................................ 81

Tabla 29 Solución mediante Solver problema N°19 ........................................ 85

Tabla 30 Solución mediante Solver problema N°20 ....................................... 88

Tabla 31 Modelo matemático del problema N°20 ........................................... 91

Tabla 32 Solución mediante Solver problema N°21 ........................................ 92

Tabla 33 Modelo matemático del problema N°21 ........................................... 95

Tabla 34 Solución mediante Solver problema N°22 ........................................ 96

Tabla 35 Modelo matemático del problema N°22 ......................................... 100

Figura 1 Evidencia del problema N°1 procesado en Solver............................... 9

Figura 3 Solución del problema N°1 con el programa LINDO......................... 10

Figura 4 Solución gráfica del problema N°1 ................................................... 11