Tema 9

Toma de Decisiones con Métodos Cuantitativos

Aplicados a las Organizaciones

Programación lineal
 Índice
Esquema 3

Ideas clave 4
9.1. ¿Cómo estudiar este tema? 4
9.2. Conceptos generales y principios básicos de la PL
© Universidad Internacional de La Rioja (UNIR)

5
9.3. Modelo general de la PL 7
9.4. Solución por computadora 13

Material complementario 17

Test 20
 © Universidad Internacional de La Rioja (UNIR)

PROGRAMACIÓN LINEAL

FO RMULAR EL Permite optimizar (maximizar o

MO DELO minimizar objetivos)

Variables de decisión

Función objetivo

Restricciones

RESO LUCI Ó N DEL

MO DELO

Método gráfico

Método simplex (por

computadora)

Tema 9. Esquema
Toma de Decisiones con Métodos Cuantitativos
Aplicados a las Organizaciones
Esquema

3
 Ideas clave

9.1. ¿Cómo estudiar este tema?

Para estudiar este tema debes leer y comprender las Ideas clave expuestas a
continuación.

E
l último método cuantitativo que estudiaremos para la toma de decisiones
es la programación lineal a la que le dedicamos este tema. Comenzaremos
definiendo y contextualizando la programación lineal como una
herramienta matemática que resulta especialmente útil en el ámbito de la empresa
y las organizaciones.

Aprenderemos los conceptos básicos que nos permitirán formular los modelos
apropiados. A través del método gráfico comprenderemos la forma de resolver los
modelos y veremos diferentes aplicaciones informáticas que permiten la realización
de cálculos más potentes y complejos.

Puedes complementar tus conocimientos con la lectura del capítulo 4 del libro
Amaya, A. J. (2009). Toma de decisiones gerenciales: métodos cuantitativos para la
administración (2a. ed.) México: ECOE Ediciones. Disponible en la Biblioteca Virtual
de UNIR.

En el apartado No dejes de leer te ampliamos la información sobre esta lectura.

© Universidad Internacional de La Rioja (UNIR)

Toma de Decisiones con Métodos Cuantitativos

Aplicados a las Organizaciones
4
Tema 9. Ideas clave
 9.2. Conceptos generales y principios básicos de la
PL

E
n la actualidad, la programación lineal (PL) es una aplicación matemática
muy utilizada en campos de la administración y economía ya que permite
resolver problemas de toma de decisiones. Esto es debido a que permite
optimizar, obtener la mejor opción posible entre multitud de alternativas (incluso si
existen miles de variables y relaciones) gracias a una formulación sencilla y eficiente.

Aunque la programación lineal nació para solucionar problemas logísticos y militares

en la década de 1940, se ha ido implementando en los diferentes ámbitos de
actividad humana, desde lo social hasta lo económico, siendo de gran importancia en
diferentes áreas estratégicas en la industria. Y a partir de 1980, con la llegada de los
ordenadores más potentes y el diseño de mejor software que facilitó los cálculos, se
aumentaron las prestaciones de esta herramienta y se hizo accesible a un mayor
número de personas.

En el ámbito de las empresas y organizaciones la programación lineal se utiliza en las

diferentes áreas que las componen, como finanzas, marketing, producción, logística…
con diferentes objetivos, como maximizar beneficios, minimizar costos, asignar
personal, asignar recursos, elección de promoción de productos, etc.

La programación lineal se basa en encontrar los valores de unas variables que

permiten maximizar o minimizar un único objetivo que se encuentra sujeto a una
serie de restricciones.
© Universidad Internacional de La Rioja (UNIR)

Todas las funciones matemáticas que se utilizan en la programación lineal, tanto en

la función objetivo como las que definen las restricciones, han de ser lineales. Esto
implica que han de ser la suma de las variables de decisión por sus coeficientes o
parámetros correspondientes. Por ejemplo, si denominamos X1, X2, …, Xn a las

Toma de Decisiones con Métodos Cuantitativos

Aplicados a las Organizaciones
5
Tema 9. Ideas clave
 diferentes variables de decisión y C1, C2, …, Cn a los coeficientes de cada una, la
función objetivo tendría la siguiente forma:

Donde todos los coeficientes o parámetros de la variable (C1, C2, …, Cn) son constantes
y las variables (X1, X2, …, Xn) aparecen como potencia 1, es decir, no están elevadas al
cuadrado, ni al cubo…; por tanto, son lineales. Si estas condiciones no se cumplieran
sería necesario acudir a la programación no‐lineal.

Otra consideración a tener en cuenta es que en la programación lineal las variables

de decisión son continuas (las soluciones admiten decimales). Esto puede presentar
problemas cuando estudiamos problemas en los que no tiene sentido fraccionar la
solución. Por ejemplo, si estamos asignando trabajadores a tareas, no tiene sentido
asignar 2,7 trabajadores a una tarea determinada. Se podría optar por redondear al
entero más próximo, pero en ocasiones esto implica cometer graves errores. Es por
ello que este tipo de problemas se encaran con una extensión de la programación
lineal, como es la programación entera.

Los modelos de programación lineal que generemos nos permitirán considerar un

único objetivo a optimizar (maximizar o minimizar). Es posible que en ocasiones nos
interese resolver un problema planteando varios objetivos. Por ejemplo, si queremos
maximizar la calidad de un servicio y reducir los costos. Estos objetivos son
conflictivos entre sí, ya que aumentar la calidad significaría un aumento de los costos
del sistema. Para este tipo de casos deberemos recurrir a los métodos de
programación multicriterio.
© Universidad Internacional de La Rioja (UNIR)

En resumen, podemos aplicar la programación lineal como herramienta matemática

para los problemas de decisión que dispongan de las siguientes características:

Toma de Decisiones con Métodos Cuantitativos

Aplicados a las Organizaciones
6
Tema 9. Ideas clave
  Variables de decisión (X): son los elementos o factores que se encuentran bajo el
control del tomador de decisiones y que al modificarse ofrecen diferentes
resultados del problema. Son valores numéricos.
 La función objetivo: o también denominada criterio, es la ecuación matemática
lineal que define los resultados para cualquier posibilidad o alternativa
propuesta.
 Metas: es encontrar los mejores valores que nos permitan adoptar la mejor
decisión, lo que se traduce en encontrar aquellos valores que maximizan o
minimizan, según el caso, la función objetivo.
 Restricciones: son limitaciones de los posibles valores que puede tomar la
función objetivo debido a que los recursos disponibles son limitados. Estas
restricciones se expresan como ecuaciones lineales (igualdades o desigualdades)
que se aplican a las variables de decisión (X). Por ejemplo, considerando A1, A2, …,
An coeficientes constantes y Bx la constante que restringe el sistema formulamos
la restricción como:

Pudiendo ser menor o igual (), mayor o igual (), menor (<), mayor (>) o igual (=).

9.3. Modelo general de la PL

F
ormular el modelo adecuado es fundamental, ya que un error en este paso
podría llevarnos a tomar una decisión equivocada para nuestra empresa u
organización que genere graves consecuencias.
© Universidad Internacional de La Rioja (UNIR)

Toma de Decisiones con Métodos Cuantitativos

Aplicados a las Organizaciones
7
Tema 9. Ideas clave
 Para la formulación de un modelo general hemos de seguir los siguientes pasos:

Definir las variables Definir la función Definir las

1 2 3
de decisión: objetivo restricciones:
aquellas variables reflejan las
que queremos necesidades o
desarrollar en limitaciones de la
nuestro modelo situación que sea
plantea

Figura 1. Pasos a seguir para la formulación de un modelo general.

Ejemplo 1. Formulación de un modelo de programación lineal

Supongamos que disponemos de una empresa de bicicletas que puede fabricar dos
tipos: bicicletas de paseo y bicicletas de montaña. Las de paseo se venden a $200 y
las de montaña a $150. Para la fabricación de una bicicleta de paseo se necesitan 1
Kg de acero y 3 Kg de aluminio, y para las de montaña son necesarios 2 Kg de acero y
otros 2 Kg de aluminio. En estos momentos disponemos de 80 Kg de acero y 120 Kg
de aluminio. ¿Cuál el modelo de programación lineal que nos permita obtener la
cantidad de bicicletas que hemos de producir para obtener el máximo beneficio?

En primer lugar, definimos las variables de decisión, en este caso serán la cantidad de
bicicletas de paseo que hemos de producir: X1, y la cantidad de bicicletas de montaña
que hemos de fabricar: X2.

A continuación, planteamos el objetivo del problema y la función que lo representa.

El objetivo es maximizar los beneficios totales. Dado que conocemos el precio de
venta de cada tipo de bicicletas:

 Precio de venta de bicicletas de paseo ($) = 200.

© Universidad Internacional de La Rioja (UNIR)

 Precio de venta de bicicletas de montaña ($) = 150.

Toma de Decisiones con Métodos Cuantitativos

Aplicados a las Organizaciones
8
Tema 9. Ideas clave
 Para obtener el beneficio económico para cada caso multiplicamos el precio de venta
por la cantidad de bicicletas que fabricamos:

 Beneficio bicicletas de paseo = 200X1.

 Beneficio bicicletas de montaña = 150X2.

Por tanto, sumando ambos beneficios, obtenemos nuestra función objetivo que nos
permitirá maximizar el beneficio:

Z = 200X1 + 150X2

En último lugar, hemos de plantear las restricciones que proceden de las limitaciones
de la situación en la que se plantea el problema. En este caso tendremos en cuenta,
por un lado, que el consumo (entre ambos modelos) de acero y de aluminio no supere
la cantidad de la que disponemos:

 Consumo de acero: X1 + 2X2  80.

 Consumo de aluminio: 3X1 + 2X2  120.

Además, dado que no se puede fabricar un número de bicicletas negativo, hemos de

tener en cuenta que la cantidad de bicicletas de cada tipo ha de ser cero o mayor que
cero, por tanto:

 X1  0
 X2  0

Por tanto, el modelo de programación lineal que hemos de resolver para obtener el
© Universidad Internacional de La Rioja (UNIR)

beneficio máximo sería:

 Maximizar: Z = 200X1 + 150X2

 Restricciones: X1 + 2X2  80
3X1 + 2X2  120

Toma de Decisiones con Métodos Cuantitativos

Aplicados a las Organizaciones
9
Tema 9. Ideas clave
 X1  0
X2  0

Para resolver los modelos de programación lineal existen diversas metodologías que
se aplican dependiendo del grado de dificultad y número de variables que haya que
considerar en el sistema. Como veremos en el último apartado de este tema,
actualmente existen programas que facilitan la resolución de estos modelos, pero
consideramos relevante presentar el método gráfico, aunque queda restringido para
problemas con solo dos variables, ya que marca los conceptos y propiedades que se
utilizan en otras metodologías más complejas.

Método gráfico de resolución de problemas de programación lineal

Este es un método simple que solo permite la resolución de problemas con dos
variables. Se basa en la representación gráfica sobre un plano de las rectas
determinadas por las restricciones del modelo planteado. Después se ha de
determinar la región asociada a las restricciones para hallar los vértices de la misma.
Y se ha de evaluar la función objetivo en los vértices obtenidos para llegar al valor
óptimo del sistema. Aplicamos este método al ejemplo anteriormente presentado.

Ejemplo 2. Resolución por el método gráfico

Dado el modelo de programación lineal obtenido en el ejemplo 1 para maximizar el

beneficio en una fábrica de bicicletas:

 Maximizar: Z = 200X1 + 150X2

 Restricciones: X1 + 2X2  80
© Universidad Internacional de La Rioja (UNIR)

3X1 + 2X2  120

X1  0
X2  0

Toma de Decisiones con Métodos Cuantitativos

Aplicados a las Organizaciones
10
Tema 9. Ideas clave
 Comenzamos representado un plano en el que el eje horizontal corresponda a X1
(cantidad de bicicletas de paseo) y el vertical a X2 (cantidad de bicicletas de montaña).
Hemos de representar en este plano cada una de las restricciones que tiene el
modelo. Las más fáciles son las dos de no negatividad (X1  0 y X2  0) que nos acotan
el plano al cuadrante superior derecho. Después trazaremos las rectas que
corresponden a las otras dos restricciones. Para ello hemos de encontrar dos puntos
de cada recta, dando valores a X1 obteniendo X2 o al revés. Por ejemplo:

 Para X1 + 2X2 = 80
Si X1 = 0  0 + 2 X2 = 80  X2 = 80/2 = 40  (0,40)
Si X2 = 0  X1 + 2∙0 = 80  X1 = 80  (80,0)
 Para 3X1 + 2X2  120
Si X1 = 0  3∙0 + 2 X2 = 120  X2 = 120/2 = 60  (0,60)
Si X2 = 0  3X1 + 2∙0 = 120  X1 = 120/3 = 40  (40,0)

Representamos el par de puntos para cada recta y trazamos todas las rectas que
representan las restricciones:
© Universidad Internacional de La Rioja (UNIR)

Figura 2. Representación gráfica de problemas de programación lineal.

Toma de Decisiones con Métodos Cuantitativos

Aplicados a las Organizaciones
11
Tema 9. Ideas clave
 Obtenemos así la región asociada a las restricciones (poliedro azul en la figura) y los
vértices que en este caso son 4 y hemos denominado A, B, C y D. Obtenemos los
puntos de los vértices y los valoramos en la función objetivo, sustituyendo en esta
ecuación los valores de X1 y X2 de cada vértice:

Z = 200X1 + 150X2
A (0, 0)  Z = 200∙0 + 150∙0 = 0
B (0, 40)  Z = 200∙0 + 150∙40 = 6000
C (20, 30)  Z = 200∙20 + 150∙30 = 8500
D (40, 0)  Z = 200∙40 + 150∙0 = 8000

De esta forma podemos determinar que el máximo beneficio será de $8500 y lo

obtendremos si empleamos todos los recursos (de acero y aluminio) de los que
disponemos para realizar 20 bicicletas de paseo y 30 bicicletas de montaña.

Método simplex de resolución de problemas de programación lineal

El método simplex es un procedimiento matemático para la resolución de modelos

de programación lineal de dos o más variables. Desde su creación en 1947 por
George Dantzing ha sido uno de los más utilizados. Actualmente, sigue siendo muy
empleado aunque desde 1984 el matemático Narendra Karmarkar desarrolló un
algoritmo más complejo y efectivo que lleva su nombre.

El método simplex comienza con una solución inicial que va mejorando tras sucesivas
etapas hasta que no se puede mejorar más la solución. Se basa en los fundamentos
del método gráfico. De forma genérica el método simplex sigue los siguientes pasos:
© Universidad Internacional de La Rioja (UNIR)

 Establece una solución inicial del modelo.

 Evalúa las variables que pueden introducirse para mejorar la solución.
 Selecciona la variable que obtenga el mejor resultado.
 Determina qué variable ha de quedarse fuera de la solución.

Toma de Decisiones con Métodos Cuantitativos

Aplicados a las Organizaciones
12
Tema 9. Ideas clave
  Revisa la matriz de soluciones.
 Repite estos pasos hasta que ya no puede mejorarse la solución.
 Se realiza el análisis e interpretación de la solución obtenida.

9.4. Solución por computadora

C
omo ya hemos comentado, la programación lineal es una técnica muy
utilizada para la optimización de variables frente a una situación dada. En
el ámbito de la empresa y las organizaciones resulta de especial relevancia
su uso para incrementar al máximo los ingresos o disminuir al mínimo los costos de
producción, en concreto en acciones como: la asignación de recursos humanos, la
gestión de inventarios, la planificación de campañas de publicidad…

El volumen de variables y restricciones, que en estos casos se han de tener en cuenta,

es considerable, y es por lo que se utilizan las herramientas informáticas que facilitan
y agilizan la solución de los modelos de programación lineal que podemos plantear.

Como hemos visto para otras técnicas estudiadas en esta asignatura, existen
diferentes programas (unos que requieren licencia y otros de acceso libre) que nos
permiten obtener la solución de un modelo de programación lineal y que
normalmente operan bajo el método simplex.

Uno de los más utilizados por ser muy intuitivo es LINDO (Linear, INteractive, and
Discrete Optimizer). De su página web (www.lindo.com) se puede descargar una
versión de prueba que está limitada a 300 variables y 150 restricciones. Hemos de
© Universidad Internacional de La Rioja (UNIR)

tener en cuenta que este número de variables y restricciones puede ser muy pequeño
si, por ejemplo, queremos optimizar los horarios de todo el personal de enfermería
de un hospital.

Toma de Decisiones con Métodos Cuantitativos

Aplicados a las Organizaciones
13
Tema 9. Ideas clave
 Además de programas específicos, hojas de cálculo como Excel disponen de la
posibilidad de resolver modelos de programación lineal mediante la aplicación
Solver. Mediante esta herramienta Excel permite resolver en segundos problemas de
200 variables y 500 restricciones.

Veamos la resolución del ejemplo del apartado anterior utilizando la herramienta

Solver de Excel.

Ejemplo 3. Resolución mediante Solver

Recordemos que el modelo de programación lineal que obtuvimos para determinar

la cantidad de bicicletas de paseo (X1) y de montaña (X2) con las restricciones debidas
a los recursos de acero y aluminio de los que disponíamos es:

Maximizar: Z = 200X1 + 150X2

Restricciones: X1 + 2X2  80
3X1 + 2X2  120
X1  0
X2  0

En primer lugar, en una hoja de Excel, definimos las variables de decisión, la función
objetivo y las restricciones del modelo:
© Universidad Internacional de La Rioja (UNIR)

Figura 3. Variables de decisión, función objetivo y restricciones del modelo.

Toma de Decisiones con Métodos Cuantitativos

Aplicados a las Organizaciones
14
Tema 9. Ideas clave
 Desde la opción de Datos accedemos a la aplicación Solver. Nos aparece una nueva
ventana en la hemos de elegir inicialmente la celda de la función objetivo (en naranja
en la imagen), después marcaremos Máx o Min si lo que pretendemos es maximizar
o minimizar la función. En nuestro caso marcamos Máx. Continuamos seleccionando
las celdas de las variables de decisión (en verde en la imagen). Después hemos de
introducir las restricciones del modelo desde el botón Agregar. Elegimos el método
Simplex LP para la resolución del problema y pinchamos en Resolver.

Figura 4. Ejemplo en Excel.

Al terminar el cálculo la plantilla se actualiza y aparecen la solución óptima X1=20 y

X2=30 y el valor óptimo $8500.
© Universidad Internacional de La Rioja (UNIR)

Figura 5. Ejemplo en Excel.

Toma de Decisiones con Métodos Cuantitativos

Aplicados a las Organizaciones
15
Tema 9. Ideas clave
 Además, disponemos de la posibilidad de obtener diferentes informes, de los cuales
el de Sensibilidad nos da información de lo que podemos aumentar o reducir las
variables y las restricciones sin necesidad de volver a resolver el problema.

Figura 6. Ejemplo en Excel.

De forma que los valores que se encuentran bajo el Objetivo Coeficiente son los
valores actuales de los parámetros de la función objetivo. Si asumimos que todo
permanece constante excepto el coeficiente de X1, la solución óptima se mantendrá
mientras el coeficiente de X1 esté comprendido entre 200‐125=75 (el valor del
coeficiente menos la reducción permitida) y 200+25=225 (el valor del coeficiente más
el aumento permitido).
© Universidad Internacional de La Rioja (UNIR)

Toma de Decisiones con Métodos Cuantitativos

Aplicados a las Organizaciones
16
Tema 9. Ideas clave
 Material complementario

No dejes de leer

Toma de decisiones gerenciales: métodos cuantitativos para la administración

Amaya, A. J. (2009). Toma de decisiones gerenciales: métodos cuantitativos para la

administración (2a. ed.) México: ECOE Ediciones.

Recomendamos la lectura del capítulo 4 de este libro especialmente por la variedad

de ejemplos y ejercicios que plantea que pueden resolverse mediante programación
lineal y que permiten ampliar el horizonte de su utilización en el proceso de toma de
decisiones.

Accede al capítulo a través de la Biblioteca Virtual de UNIR

Cómo activar el complemento Solver de Excel

En el siguiente artículo se detalla paso a paso el procedimiento para activar el

complemento Solver de Excel 2016 para Windows.

Accede al documento a través del aula virtual o desde la siguiente dirección web:
© Universidad Internacional de La Rioja (UNIR)

https://support.office.com/es‐es/article/inicio‐r%C3%A1pido‐activar‐y‐usar‐un‐
complemento‐de‐excel‐2016‐para‐windows‐3da7ea04‐888a‐4b32‐b064‐
87de0061f123

Toma de Decisiones con Métodos Cuantitativos

Aplicados a las Organizaciones
17
Tema 9. Material complementario
 No dejes de ver

Resolución por el método gráfico: ejemplo de transporte

En los dos siguientes vídeos se muestra un ejemplo típico de transporte que puede
resolverse aplicando el método gráfico en programación lineal. Recomendamos su
visualización ya que está desarrollado paso a paso e incluye explicaciones muy claras
y concisas.

Accede al vídeo a través del aula virtual o desde la siguiente dirección web:
Vídeo 1: https://www.youtube.com/watch?v=H42Y‐q‐9WdU
Vídeo 2: https://www.youtube.com/watch?v=khW8AOdtnfo
© Universidad Internacional de La Rioja (UNIR)

Toma de Decisiones con Métodos Cuantitativos

Aplicados a las Organizaciones
18
Tema 9. Material complementario
 Ejemplo de cómo usar Solver

En este vídeo puedes encontrar la resolución de un modelo de programación lineal

mediante la herramienta Solver de Excel.

Accede al vídeo a través del aula virtual o desde la siguiente dirección web:
https://www.youtube.com/watch?v=4_qbOfeVuZw

Bibliografía

Amaya, A. J. (2009). Toma de decisiones gerenciales: métodos cuantitativos para la

administración (2a. ed.). México: ECOE Ediciones.

Gallagher, C. (2011). Métodos cuantitativos para la toma de decisiones en

administración. México: McGraw‐Hill Interamericana.

Bierman, H., Bonini, C., y Hausman, W. (1988). Análisis cuantitativo para la toma de
decisiones (8a. ed.). México: Addison‐Wesley.
© Universidad Internacional de La Rioja (UNIR)

Toma de Decisiones con Métodos Cuantitativos

Aplicados a las Organizaciones
19
Tema 9. Material complementario
 Test
1. ¿Cuál de las siguientes funciones objetivo puede pertenecer a un modelo de
programación lineal?
A. 5 9
B. 5 9
C. 5 9 6
D. Ninguna de las respuestas anteriores es correcta.

2. Las variables de decisión que podemos encontrar en programación lineal:

A. No admiten decimales.
B. Sí pueden tener decimales.
C. Los decimales no afectan al problema.
D. Ninguna de las respuestas anteriores es correcta.

3. Los modelos de programación lineal nos permiten:

A. Exclusivamente maximizar un objetivo.
B. Exclusivamente minimizar un objetivo.
C. Optimizar (maximizar o minimizar) varios objetivos a la vez.
D. Ninguna de las respuestas anteriores es correcta.

4. Las restricciones de un modelo de programación lineal:

A. Son limitaciones de los posibles valores que puede tomar la función objetivo
debido.
B. Es la ecuación matemática lineal que define los resultados.
C. Son los elementos que se encuentran bajo el control del tomar de decisiones.
© Universidad Internacional de La Rioja (UNIR)

D. Ninguna de las respuestas anteriores es correcta.

Toma de Decisiones con Métodos Cuantitativos

Aplicados a las Organizaciones
20
Tema 9. Test
 5. Un orfebre fabrica dos tipos de anillos. Los de tipo A utiliza 1 gramo de oro y 1.5
gramos de plata y los vende a $25. Los de tipo B los vende a $30 y utiliza 1.5 gramos
de oro y 1 gramo de plata. Solo dispone de 750 g de cada metal. ¿Cuál es la función
objetivo que hay que plantear para formular el modelo de programación lineal que
nos permita obtener la cantidad a fabricar de cada tipo de anillo obteniendo el
máximo beneficio?
A. Z = 1.5 A + B
B. Z = 30 A + 25 B
C. Z = 25 A + 30 B
D. Ninguna de las respuestas anteriores es correcta.

6. En el caso del orfebre, ¿cuáles son las restricciones que hemos de plantear en el
modelo de programación lineal?
A. A + 1,5 B ≤ 750; 1,5 A + B ≤ 750; A ≥ 0 y B ≥ 0.
B. A + 1,5 B ≥ 750; 1,5 A + B ≤ 750; A ≥ 0 y B ≥ 0.
C. A + 1,5 B ≥ 750; 1,5 A + B ≤ 750; A ≤ 0 y B ≥ 0.
D. Ninguna de las respuestas anteriores es correcta.

7. En el caso del orfebre, ¿cuál es la cantidad de anillos de cada tipo que se han de
fabricar para obtener el máximo beneficio?
A. 600 anillos de A.
B. 300 anillos de A y 300 anillos de B.
C. 600 anillos de B.
D. Ninguna de las respuestas anteriores es correcta.

8. En el caso del orfebre, ¿cuál es el valor máximo de beneficio que podemos

obtener?
© Universidad Internacional de La Rioja (UNIR)

A. $12000
B. $15400.
C. $16500.
D. Ninguna de las respuestas anteriores es correcta.

Toma de Decisiones con Métodos Cuantitativos

Aplicados a las Organizaciones
21
Tema 9. Test
 9. El método gráfico para la resolución de problemas de programación lineal permite
resolver modelos de:
A. Dos variables.
B. Hasta tres variables de decisión.
C. Infinito número de variables de decisión.
D. Ninguna de las respuestas anteriores es correcta.

10. El método simplex es un procedimiento:

A. Iterativo que permite mejorar la solución de la función objetivo en cada paso.
B. Gráfico.
C. No sirve para modelos de dos variables.
D. Ninguna de las respuestas anteriores es correcta.
© Universidad Internacional de La Rioja (UNIR)

Toma de Decisiones con Métodos Cuantitativos

Aplicados a las Organizaciones
22
Tema 9. Test