Ejercicios Propuestos

JI~
UNIVERSIDAD NACIONAL DEL CALLAO

FACULTAD DE INGENIERIA INDUSTRIAL Y DE SISTEMAS
INSTITUTO DE INVESTIGACION

R UNiVERSlDAD NACIONAL DEL CALLAO
eE 1 Vf"e.~:.'''""'"'
..... ..]v"' ~" ";: '"''"'~~'""CIN
7. ~.~~''''\
~ 15 ~EP 2014
::,. ""'~~~-~---
... ___
O,F!RMA: -
--- .......................................................
~-:
,
CENTRO DE DOCUMErACio~
CIENTIFICA YTRADUCCIONES
INFORME FINAL DEL TEXTO
"TEXTO AUTOINSTRUCTIVO
DE INVESTIGACIN DE OPERACIONES"
AUTORES:
PROFESOR TITULAR
Dr. Luis Whiston Garca Ramos
PROFESOR COLABORADOR
Mg. Anival Alfredo Torre Camones
(Periodo de ejecucin del1 de Agosto del2013 al 31 de Julio del2014

Resolucin de aprobacin No RR-765-2013
CALLA0-2014
DEDICATORIA:
A nuestras familias, por su paciencia y

comprensin que nos brindaron.
ll
IN DICE
NDICE .............................................................................................................1
11 PROLOG0 ..............................................................................................................:............................ 3
IIIINTRODUCCION ..............................................................................................................................4
UNIDAD 1 DEFINICIONES BSICAS ................................................................................................ 5
1.1 Definicin de la Investigacin de operaciones ..............................................................~ .. 7

1.2 Historia de la Investigacin de operaciones ..................................................................... 8
1.3 Metodologa de la Investigacin de operaciones ........................................................... 11
1.4 Usos y aplicaciones de la Investigacin de operaciones .............................................. 12
1.5 Autoevaluacin de la Unidad 1.......................................................................................... 14
1.6 Lectura: Entrevista al creador de la programacin lineal... ........................................... 15
UNIDAD 11 MODELOS MATEMATICOS ......................................................................................... 19
2.1 Definicin de modelo matemtico .................................................................................... 19

2.2 Clasificacin de los modelos matemticos ..................................................................... 19
2.3 Pasos para la construccin de modelos matemticos .................................................. 20
2.3 Modelo de mezcla ............................................................................................................... 21
2.5 Autoevaluacin de la Unidad 11 ......................................................................................... 74
UNIDAD 111 PROGRAMACIN LINEAL .......................................................................................... 81
3.1 Ejercicios de programacin lineal ..................................................................................... 83

3.2 Autoevaluacin de la Unidad 111 ...................................................................................... 110
UNIDAD IV MTODO GRFICO ................................................................................................... 113
4. 1 Definicin de mtodo grfico ........................................................................................... 115

4.2 Ejercicios de Mtodo Grfico ........... :.............................................................................. 120
4. 3 Mtodo dual ....................................................................................................................... 169
4.4 Anlisis de sensibilidad .................................................................................................... 170
4.5. Autoevaluacion cuarta unidad metodo grafico ............................................................. 184
UNIDAD V PROGRAMACION ENTERA ......................................:................................................ 193
5.1 Ejercicios resueltos usando programacin entera ......... :............................................. 195

5.2. Autoevaluacion.quinta unidad programacion entera .......... ~ ........................................ 220
UNIDAD VI PROBLEMAS DE TRANSPORTE ............................................................................ 221
1
6.1 ~vltodo Hngaro ........................................................... o 223
6.2 Mtodo de Vog_el ...........................................................-..-..................................-............... 227
6.2 Autoevaluacin de la Sexta Unidad ............................................................................... 252
V REFERENCIALES ........................................................................................................................ 270
VI APENDICES ................................................................................................................................. 271
Vll ANf.XOS ....................................................................................................................................... 277
~ 2
11 PROLOGO
Estimado participante:
Reciba Usted la ms cordial
bienvenida a nombre de la
Universidad.
Esperamos que la experiencia de
estudio que ahora inicia sea
significativa para su ejerc1c1o
profesional y desarrollo personal.
El presente texto de lnvestigacion de Operaciones gua es un instrumento

prctico, de uso permanente y clarificador. En ella encontrar informacin
sobre todo aquello que le ayudar en tus estudios; los objetivos generales y
especficos, algunos requisitos previos para iniciar nuestro trabajo acadmico,
los medios; es decir aquellos soportes que podr utilizar a lo largo del curso; el
contenido temtico de la asignatura, el cual se encuentra dosificado en forma
semanal; la orientacin bibliogrfica necesaria para facilitarle una informacin
precisa y detallada de los temas tratados. Complementamos la gua didctica
con las actividades o ejercicios prcticos de refuerzo, as tambin planteamos
la forma de evaluacin y las orientaciones para el estudio de cada unidad o
tema tratado ante eventuales dificultades.
Los autores
' ' . ' . '

Hl INTRODUCCION
Aqu lo orientamos cmo debe utilizar el Texto autoinstructivo para tener resultados
\
favorables. Se ha distribuido en .seis unidades secuenciales:
Definiciones bsicas
11 Modelos matemticos
lil Programacin lineal
IV Mtodo grfico
V Programacin entera
VI Problemas de transporte y asignacin
Explicamos los conceptos de la investigacin de operaciones y sus diferentes ramas

utilizando un lenguaje propio. Resolveremos ejercicios y problemas utilizando el
mtodo prctico para que puedas asimilar con facilidad lo que deseamos calcular.
En todas las unidades didcticas buscaremos lograr el objetivo alrededor del cual se
cumple en todo el sistema del proceso de auto instruccin. Encontrar
procedimientos simples para poder desarrollar modelos relacionados con la
especialidad. Los ejercicios propuestos, que adjuntamos al final de cada unidad,
deben resolverlo para comprender meLar la asignatura. Si esta fase logra pasar,
entonces estar capacitado para poder autoevaluase. Si el problema o ejercicio se
vuelve dificultoso, posibtemente sea. consecuencia de haber anotado algn dato
incorrecto; le recomiendo tener mucho cuidado en tratar a las variables de decisin.
Busque las condiciones ambientales ms propicias para el estudio, lo que le
facilitar su concentracin y su aprendizaje. Haga un cronograma de estudio que
deber cumplir sistemticamente.
Recuerde que debe interpretar con sus propias palabras los conceptos presentados
p_or el autor, esto ie permitir una n:layor comprensin del tema. Recurra a los
glosarios que se encuentran al final de cada unidad didctica; as como al
\
diccionario, que posibilitarn que enriquezca su vocabulario y entienda claramente
!as ideas expresadas en el texto. Resuelva todas las actividades: auto evaluacin,
prcticas y ejercicios propuestos.
4
,
UNIDAD 1 DEFINICIONES BASICAS
:-- ~-, :.: ;-~< -: oB.J~nio .> : -.-:~ >;~~-- :

~ ', .:,. ~ .. r ~~ ' - ' ' - - - ~ =- -' ~ - ;' :~
1.1 Definicin de la investigacin de operaciones
Segn KambleshMathur, "la Investigacin de operaciones es el uso de las

matemticas y computadoras para ay.udar a tomar decisiones racionales
frente a problemas de administracin"
Segn Jorge lvarez, "fa Investigacin de Operaciones es el procedimiento

para resolver problemas relacionados con la toma de decisiones".
Podemos concluir que:

La Investigacin de OperacioQes_ es el uso. de la matemtica ~ informtica
para resolver problemas del mundo real, tomando decisiones acertadas que
garanticen el xito.
Ilustracin 1:1 Uso de la

matemtica y la informtica-
en/a toma de decisiones
La Investigacin de Operaciones (10) o Ciencia Administrativa (CA) es la

ciencia de admini_strar, lo que casi siempre implica toma de decisiones.
Administrar significa estar a cargo y ser capaz de predecir lo incontrolable.
~,...-,~'-
La ciencia es una bsqueda continua; es una generacin continua de teoras,

modelos, conceptos y categoras.
La Investigacin de Operaciones por lo general visualiza analticamente una

decisin antes de su adopcin. Es decir, reflexionar antes de actuar, como
dice un proverbio chino, "Para talar rpido un .rbol, dedique et doble de
tiempo a afilar el hacha." Los carpinteros dcen, "Mida dos veces, corte una".
7
Ilustracin
2.1
Proceso de..
toma de
decisiones
1.2 Historia de !a Investigacin de operaciones
La Investigacin de operaciones se origin en Gran Bretaa durante la

Segunda Guerra Mundial cuando se form el primer grupo de investigacin
operacional, para abordar matemtica o cuantitativamente las operaciones
militares. Desde entonces, la Investigacin de operaciones ha evolucionado
hasta aplicarse a todos los aspectos de un sistema, producto o servicio, y es
por eso que con frecuencia se la menciona como Administracin de Sistemas
o Investigacin de Operaciones. La Fuerza Armada Estadounidense form un
grupo similar, 5 de los cuales ganaron e'l Premio Nobel. En la actualidad, es
reconocida como aporte importante a la toma de decisiones, en una amplia
l
variedad de aplicaciones de negocios, industria y gobierno.
El trmino Investigacin de operaciones, surgi en los aos 40, cuando se

nvestigaoan el dfseo y anlisis de modelos matemticos para las
operaciones militares. Desde entonces se extendi el alcance de la
Investigacin de operaciones incluyendo la economa (conocida como
econometra), la psicologa (psicometra), la sociologa (sociometra), el
marketing (investigacin de mercado y ciencia del marketing), la astmloga
(astronoma) y a los probemas de planificacin corporativa. La creciente
complejidad de la administracin ha hecho visiblemente necesario e!
desarrollo de tcnicas matemticas sofisticadas para la planificacin y la toma
de decisiones, y la Investigacin de operaciones, se destaca en este ciclo
estructurado del proceso de toma de decisiones brindando una evaluacin
cuantitativa de polticas, ptanes y decistones alternativas.Las disciplinas
matemticas ms utilizadas en el proceso de modelizacin en Investigacin
~ 8
de operaciones, son programacin matemtica, pr-obabilidad, estad~stica e
informtica. Algunas reas de la Investigacin de operaciones como por
ejemplo el control de existencias y -el control de produccin, y la teora del
scheduling, se han transformado en sub-discip1inas por propio derecho y se
han hecho en gran medida indispensables en el mundo moderno.
Las organizaciones militar-es haban pasado. por el mismo tipo de evolucin .

que los dems negocios y sectores. Esta evolucin de las -organizaciones tuvo
lugar durante os veinte aos desde fines de la Primer.a Guerra Mundial a
comienzos de la Segunda, cuando los lderes militares tuvieron que recurrir a
la ayuda de equipos de cientficos, que eran asignados, por lo general, al
ejecutivo a cargo de las operae.fones; es por eso que esta funcin se comenz
a conocer como Investigacin de Operaciones en el Reino Unido y con
diferentes nombres en los Estados Unidos: Investigacin de Operaciones,
Investigacin Operativa, Anlisis Operacional, Anlisis de Sistemas y Ciencias
Administrativas. El nombre Investigacin de Operaciones es el ms utilizado.
Despus de la 11 Guerra Mundial las Empresas reconocieron el valor de

aplicar tcnicas similares en, las refineras de petrleo, la distribucin de
productos, la planeacin de produccin el estudio de mercado y la planeacin
de'inversiones. En los ltimos aos con la aparicin de software LINDO, se ha
facilitado la reSOLUCIN:de los modelos matemtico.s, su versin 6.1 puede
resolver modelos de hasta 200,000 variables y 50,000 restricciones.
9
1.3 Metodoioga de la investigacin de operaciones
. . . ..
U.~f~:~~~~~
~
Ilustracin 3.2
Metodologa de la
Investigacin de
operaciones
Definicin del problema E;s identificar, comprender y describir en

trminos precisos, el problema que la
organizacin enfrenta.
Desarrollo de un modelo l;s formular un modelo matemtico;
..
matemtico y Identificando variables, Identificando un objetivo
recoleccin de datos global o Funcin Objetivo e Identificando las
limitaciones o restricciones.
1
ReSOLUCION:del Es resolver el modelo usando una tcnica 1
modelo adecuada, es decir obtener valores numricos

para la variable de decisin.
. ., .L
Vahdac1on de la 1 Es rev1sar cuJdadosamenLe los resultados para /
1
1 SOLUCIN: J ver que los valores tienen sentido y que !as
1 decisiones resultantes puedan llevarse a cabo.
Modificacin del modelo /1 Se identifica las limitaciones omitidas durante la
formulaci .
11
1.4 Usos y aplicaciones de la investigacin de operaciones
Los modelos matemticos se usan para:
Tomar decisiones estratgicas, como por ejemplo:

-Debera reemplazarse un sistema existente con un nuevo sistema
propuesto?
-Debera cambiarse su poltica de Administracin?
. Tomar decisiones operacionales, como por ejemplo:
-Cmo programar la fuerza de trabajo semanalmente?
-Cul es el plan de produccin mensual ptimo?
-Cul es plan de embarque f!lS efectivo en costos para distribuir productos?
Algunas aplicaciones de la investigacin de operaciones

Se hq podido rdentificar un pequeo conjunto de tipos ele problemas que
representan a la mayora. Como stos se repiten con frecuencia, se han
desarrollado tcnicas prototipo par~ modelizarlos y derivar las soluciones de
esos modelos. Pueden ele~il-se y combinarse para lograr un abordaje
multidisciplinario.
Tabla 1 Aplicaciones de la Investigacin de Operaciones
Pronstico: Cmo ser la demanda' de productos?
Cules son los modelos de venta?
Cmo afectar las ganancias?
Finanzas e inversin: Cunto capital se necesita? Cunto costar?
1 Dnde podemos obtenerlo?
Planificacin y asignacin 1 Cuntos empleados se n_t=;cesitan?

de mano de obra:
Qu habilidades deberan tener?
Cunto tiempo trabaJarn con nosotros?
12
Secuenciamiento: Qu tarea es ms importante?
1 En qu orden deberan realizarse las tareas?
Localizacioo;:.asignacin, Cul es la mejor localizacin para una

1 distribucin y transporte: / operacin?
Qu tamao deberan tener las instalaciones?
Qu recursos se necesitan? Existen

deficiencias?
1
1
Cmo se pueden establecer las prioridades?
1
Poltica de confiabilidad y Cmo funciona el equipo?

sustitucin:
Cun confiable es?
Cundo debera reemplazarse?
Control de existencias y Cunto stock deberamos mantener?

falta de stock:
.....
... Cundo se pide ms?
1 . . . .
. ' ... - : ,
Cunto deberamos pedir? 1
Regl.as de costo- Qu eleccin debera recomendarse?

beneficio:
'-
Planificacin y control del Cunto tiempo requerir el proyecto?

proyecto:
Qu actividades son las ms importantes?
!
'-
11 Como debenan utilizarse los recursos?
1
l Cun largas son las colas?

congesuon:
Cuntos servidores deberamos utifizar?
1
1
l Qu nivel de servicio estamos brindando?
1
13
-
1.5 Autoeva!uacin de la Unidad i
01. Una definicin de Investigacin de oper3ciones es:
a. Un conjunto de mtodos y tcnicas.
b. El uso de la matemtica e informtica para tomar decisiones.
02. La metodologa de la investigacin de operaciones, implica:
a. Definicin del problema, ReSOLUCIN:del modelo, Desarrollo del
modelo, SOLUCIN:, validez, implementacin.
b. Definicin del problema, Desarrollo del modelo, ReSOLUCIN:del
modelo, SOLUCIN:, validez e implementacin.
03. La definiCin sobre la investigacin de operaciones, "Mtodo cientfico
por el cual la administracin ejecutiva dispone de una base cuantitativa
para las decisiones de operaciones bajo su control" A quin
corresponde?
a) Ackoff b) Sasieni e) Mores-Kimball d) Dantzing e) Warner
04 A quin se le considera Padre de la Programacin lineal?
a) Gross b) Sasieni e) Mores-Kimball d) Dantzing e) Warner
05 La definicin sobre la investigacin de operaciones, "Rama de la
matemtica aplicada al proceso de toma de decisiones, A quin
corresponde?
a) Gross b) Sasieni e) Mores-Kimball d) Dantzing
e) Kaufmann
06 El miedo a la toma de decisiones impo)iantes es un nuevo tipo de
temor, denominado decido fobia, rue reve)ado por:
a) Gross b) Sasieni e) Mores-Kimball d) Dantzing
e) Kaufmann
07 Dnde se origin la Investigacin de Operaciones durante ta Segunda
Guerra Mundial?
a) Francia b) EE.UU. e) Inglaterra d) Japn e) Rusia
08 Qu ao se origin la Investigacin de Operaciones duante la
Segunda Guerra Mundia~?
a) 1939 b) 1940 e) 1941 d)-1942 e) 1943
CLAVE DE RESPUESTAS 01 b 02b 03c 04d OSa 06e O? e 08b
14
1.6 Lectura: Entrevista ai creador de !a programacin lineal
. "Los que mandan generalmente mueven las manos

y dicen 'He considerado todas las alternativas'. Pero
eso es casi siempre basura. Lo ms probable es
que no pudiesen estudiar iodas las combinaciones."
George B. Dantzig, creador de la programacin
lineal, en una entrevista publicada en
TheCollegeMathematicaiJournal, marzo de 19B6.
~Se presenta a continuacin, parte de esta

entrevista:
"Considere el problema de asignar 70 hombres a 70 empleos. Una 'actividad' .

consiste en asignar el i-simo hombre a la j-simo empleo. Las restricciones son
dos: en primer lugar hay 70 hombres, cada uno de los cuales debe asignarse a un
puesto, y en segundo lugar, cada uno de los 70 puestos existentes debe estar
qcupado. El nivel de una actividad puede ser 1, lo cual indica que est siendo usada,
,
o O, lo cual significa que no. En consecuencia hay 2 x 70 =140 restricciones y 70 x
70 = 4900 actividades con 4900 variables correspondientes de decisin uno-cero.
Por desgracia tambin hay factorial de 70 permutaciones o formas de hacer las
asignaciones. El problema consiste en comparar estas factorial de 70 formas y elegir
la que sea la ptima o 'mejor' segn algn criterio previa-mente establecido."
"En el ejemplo anterior, factorial de 70 es un nmero muy grande. A fin de tener una
idea de qu tan grande es, supngase que se hubie?e tenido una computadora IBM
del tipo mainframe en el instante en el que ocurri el Big Bang hace quince millones
de aos. Habra podido, entre ese entonces y ahora, examinar todas las
Soluciones posibles? jNo! No obstante, supngase que se hubfese tenido una
computadora an ms poderosa, una que pudiese examinar mil miltones de
asignaciones por segundo. La respuesta seguira siendo negativa. Aun si la Tierra se
llenase con computadoras cuyas rapideces fueran de nanosegun-dos, todas ellas
trabajando en paralelo, la respuesta aun sera no. Sin embargo, si existiesen diez
Tierras, todas llenas conll:om
' tadoras del tipo mencionado, todas programadas en
/ . 15
w
parale!o desde el instante del Big Bang hasta que el Sol fuese una esfera fra,
entonces quizs la respuesta podra ser s. Lo notable es que el mtodo Simplex,
con la ayuda de una computadora moderna, puede resolver este problema en una
fraccin de segundo".
"Cuando el problema de la planeacin fue formulado inicialmente para la Fuerza

Area, no exista la nocin exacta de una funcin objetivo, la idea de una meta
claramente definida. Por supuesto, tenamos slo un falso respeto hacia el concepto
de objetivo. En el discurso de fs militares escuch a menudo decir, 'nuestro objetivo
es ganar la guerra'. En el mundo de los negocios se escuchara quizs 'nuestro
objetivo es obtener ganancias' .. Sin embargo, era. imposible hallar alguna relacin
directa entre la meta establecida y las acciones emprendidas para tal fin."
"Si se estudiaba con cuidado el paso siguiente, se poda ver que algn lder haba
promulgado un montn de reglas bsicas que, en su concepto, llevaran a la meta.
Esto distaba mucho de lo que sera honestamente estudiar todas las combinaciones
alternativas de las acciones a seguir para elegir la mejor combinacin. Los que
mandan generalmente mueven las manos y dicen 'He considerado todas las
alternativas'. Pero eso es casi siempre basura. Lo ms probable es que no pudiesen
estudiar todas las combinaciones. Antes de 1947 era inconcebible pensar en la
existencia de una herramienta como la programacin lineal que permitiese examinar
millones de combinaciones. No haba algoritmo o herramienta computacional que
pudiera hacer eso."
"No descubr el modelo de la programacin lineal en un instante, sino que tuvo un

proceso de evolucin. Se dedic casi un ao completo a la tarea de decidir si mi
modelo podra ser utilizado en la formulacin de problemas prcticos de distribucin
de tiempos. Como usted sabe, !a planeacin y la distribucin de ti~mpos se llevaron
a una escala inmensa durante la guerra. El funcionamiento de la Fuerza Area fue
equivalente al funcionamiento de la economa de toda una nacin. En el proceso
intervinieron cientos de miles de personas. La logstica tuvo una magnitud difcil de
entender para alguien que no haya estado aiH. Mi colega Marshall Wood y yo
revisamos miles de situaciones tomadas de nuestra experiencia durante la guerra."
16
"Las reglas bsicas empleadas en la pianeacin se expresaban en un formato
completamente distinto del que se emplea en la actualidad para formuiar un
programa lineal. Lo que hicimos fue revisar estas reglas una por una y demostrar
que casi todas ellas podan reformularse aceptablemente en un formato de
programacin lineal. Pero no todas. En algunos casos era necesario tomar en
cuenta el cacter discreto de las variables y !as no convexidades.""Cuando formul
por primera vez mi modelo de programacin lineal, lo hice sin una funcin objetivo.
Estuve luchando por algn tiempo con la adicin de reglas bsicas para elegir de
entre las Soluciones factibles la que en algn sentido fuese 'ptima'. Pero pronto
abandon esta idea y la sustitu por la de una funcin objetivo a ser maximzada. El
modelo que formul no estaba hecho especficamente par;l fines militares. Poda
aplicarse a toda clase de problemas de planeacin; todo lo que tena que hace~se
era cambiar los nombres de las columnas y los renglones, y entonces era aplicable a
un problema de planeacn econmica lo mismo que a un problema de planeacin
industrial."
17
UNIDAD 11: MODELO MATEMTICO
2.1. Definicin de modelo matemtico

Es la representacin de los problemas del mundo real usando smbolos
matemticos.
La programacin lineal es una tcnica de modelado matemtico,
diseada para optimizar el uso de los recursos limitados. La
programacin lineal (PL) es aplicada en distintas disciplinas; se ha
aplicado exitosamente en el ejrcito, la agricultura, la industria, la
transportacin, la economa, los sistemas de salud, etc.
Estos modelos, debido a su linealidad, han permitido desarrollar

algoritmos para su RESOLUCIN:; los cuales han sido implementados
enpaquetes informticos.
Los clculos en la programacin lineal, por lo comn son voluminosos y

tediosos y, por consiguiente, requieren del empleo de la computadora.
2.2. Ciasificacin de los modelos matemticos
Segn los datos Los modelos pueden ser: Determinsticos o

Estocsticos
Segn las restricciones Los modelos pueden ser: lrrestrictos o

Restringidos
Los Restringidos pueden ser: Lineales o No

lineales
Segn la funcin objetivo Los modelos. pueden ser: Lineal o No lineal
Segn las Variables Los modelos pueden ser: Continuas o

Enteras
2.3 Pasos para la construccin de modelos matemticos
Los pasos generales para la construccin de modelos matemticos son:

Paso 1 IDENTIFICAR LAS VARIABLES DE DECISIN
Sobre qu tengo control?
Qu es lo que hay que decidir?
Cul sera una respuesta vlida en este caso?
Paso 2 IDENTIFICAR LA FUNCIN OBJETIVO
Qu pretendemos conseguir?
Si yo fuese el jefe de la empresa, qu me interesara ms?
Paso 3 IDENTIFICAR LAS RESTRICCIONES

Recursos disponibles (trabajadores, mquinas, material)
Fechas lmite
Restricciones por la naturaleza de las variables (no
negatividad, enteras, binarias)
Restricciones por la naturaleza del problema.
20
2.3 Modelo de mezc!a
EJERCICIO 2.1
PEPSICO, procesa jugo de naranja y lo transforma en concentrado congelado
en tres plantas localizadas en Chosica, Vitarte y Comas. De cualquiera de !os
dos huertos ubicados cerca de Huaral y Caete se pueden enviar libras de
naranja hacia cualquier planta. El huerto que est cerca de Huarai tiene
20000 libras y el huerto que est cerca de Caete tiene 12000 libras. La
plana de Chosica requiere al menos 8000 libras para cumplir su cuota de
produccin. Las plantas de Vitarte y Comas requieren cada una al menos
11 000 libras. Dado el costo de transporte y el precio de venta del
concentrado, el objetivo, sujeto a ciertas restricciones de oferta y demanda, es
determinar cmo transportar estas naranjas desde los huertos a las plntas
: :
procesadoras para maximizar la ganancias.
COSTO DE TRANSPORTE ($. /TON)
. . -_;..; .:.
._:_.
~ . '~- '.
~:-~~: :-pRI~~~G ~---_._:~-: ~--- ---~~~:~~~-:-~ ::~-.- - -~- - ~e-~~~~;~_ ,~ .__ --~ :_:.-.:,:. ::
..: _- . . . _. :.,:
- . ,.. . -.
-- . ..
_~;
.:. . ' - - . : - .
~hostca~---.
:_. ~
. Vtarte.
-__: ~
Comas_ ,.
_;_ -
~
- -==:: . -. . ~
Huaral 50 75 60
Caete 60 90 45
1 1
Ingresos ($/Tonelada) 550 750 600
SOLUCIN:
ORIGEN DESTINO
(Huerto) (planta)
CHOSICA
8000 Ilustracin 4. 4
Metodologa de la
Investigacin de operaciones
V/TARTE
11000
COMAS
11000
21
Utilidad= Ingreso- Gasto Conversin lb= 453 gr. 1Ton= 2207 lb.
U11 = 550- 50 = 500 $/Ton. = 0,2266 $/lb
U12= 750-75 = 675 $/Ton.= 0,3058 $/lb
U13= 600-60 = 540 $!Ton.= 0,2447 $/lb
U21 = 550-60 = 490 $/Ton.= 0,2220 $/lb
U22= 750- 90 = 660 $/Ton. = 0,2990 $/lb
U23= 600-45 =555 $/Ton.= 0,2515 $/lb

MODELO MATEMTICO
l. Identificacin de variables.
Xij = Nmero de libras de naranjas a enviar del huerto i a la planta j
11. Identificacin de la funcin objetivo
MAX 0.2266X11+ 0.30Si8X12+ 0.2447X13 + 0.2220X21 + 0.2990X22

+ 0.2515X23
IH Identificacin de Restricciones.
:> ..::.- ....;- - X11 + X12 + X1~ :S 20000
X21 + X22 + X23 5 12000 .
X11 + X21 ?: 8000
X2 + X22?: OOO
X13 + )(23 :? 11 000
\
Xij ?: O
SOLUCtN:CON LINDO 1) 8550,1 X11 =7000, Xt2=t3ooo, X2t=1ooo,

X23=11000
22
EJERCICIO 2.2
PETROPER puede comprar dos tipos de petrieo: crudo ligero a un c~sio
de $25 por barril, y: crudo pesado a un costo de $22 por barril. Cada b?rriLcie
petrleo crudo, ya refinado, produce tres productos: gasolina, turb.9~,ti1a y
queroseno. La siguiente tabla indica las cantidades en barriles de ga_~olina,
turbosina y queroseno producidos por barril de cada tipo de petrleo
Crudo ligero 0,45 O, 18 0,30

Crudo pesado 0,35 0,36 0,20
Demanda en barriles 1260000 900000 300000
La refinera se ha comprometido a entregar 1260000 barrfles de gasolina,

900000 barriles de turbosina y 300000 barriles de queroseno. Como gerente
de produccin, formule un modelo para determinar la cantidad de cada tipo de
petrleo crudo por comprar para minimizar el costo total al tiempo que se
satisfaga la demanda apropiada.
SOLUCIN:
1 Identificacin de variables.
CL =Nmero de barriles a comprar del Crudo ligero
CP = Nmero de barriles a comprar del Crudo pesado
Identificacin de la Funcin Objetivo

MIN 25CL + 22CP
iil. Identificacin de las restricciones

Con respecto a la demanda 0.45CL + 0.35CP ;::: 1260000
0.18Cl + 0.36CP ;::: 900000
0.30CL + 0.20CP ;::: 300000
CL, CP ~ O
SOLUCIN:COI'J LINDO 1)74'600000 CL = 1'400000 CP =

1'800000
23
EJERCICIO 2.3
Reconsidere el ejercicio 2.2 Cada barril de petrleo crudo refinado produce un
desecho de 0.07 de barril que se tira a un costo de $1 por barril de desecho.
De manera similar, cada barril de petrieo crudo pesado produce un desecho
de 0.09 de barril y su eliminacin cuesta $ 1.50 por barril. Formule un nuevo
modelo para incorporar estos costos adicionales usando los mismos datos del
ejercicio 2.3.
SOLUCIN:
l. Identificacin de variables
CL = Nmero de barriles a comprar del Crudo ligero
CP = Nmero de barriles a comprar del Crudo pesado
11. Identificacin de la Funcin Objetivo

MIN 26CL + 23.5CP
111. Identificacin de las restricciones

Con respecto a la demanda 0.38CL + 0.26CP ~ 1260000
0.11 CL + 0.27CP ~900000
0.23CL + 0.11 CP ~300000
Con respecto a la no negatividad CL, CP ~O
SOLUCIN:CON LINDO
CP = 2'748,649
~1'435,135
1)1 01 '906,800
.
24
EJERCICIO 2.4
NISAN fabrica carros compactos y subcompactos. La produccin de cada
carro requiere una cierta cantidad de materia prima y mano de obra, como se
especifica en la siguiente tabla:
..:-. g;;~~;~;:.n~~~f~~~-::. _- ~~a!fDf~:~~:~;_,~l!.~. ~~ ~-~. --~~--:"-/

~'.,..---.-- .. Compactos 200 18
-
Subcompactos 50 20
1
Costo unitario 10 70
1
Total disponible 80000 9000
1
'
La div1s1n de comerc~ahzac1n ha est1mado que a lo mas 1500 compactos
pueden venderse a $ 10000 cada uno y que a lo ms 200 subcompactos
pueden venderse a $ 8000 cada uno. Como vicepresidente de prograrl)acin,
formule un modelo para determinar la cantidad a fabricar de cada tipo de
carro para maximizar la ganancia total (ingresos menos gastos).
SOLUCIN: ',,
CC =Nmero de carros compactos por fabricar
CS =Nmero de carros subcompactos por fabricar

MAX67 40CC -t 51 OOCS

Con respecto a la materia prima 200CC +150CS ::; 80000
Con respecto a la mano de obra 18CC + 20CS ::; 9000
Con respecto a la venta ce::; 1soo
e,::,_
,...< 200
Con- respecto a la no negatividad CC, CS ~ O, entero
\ SOLUCIN:CON LINDO 1)2705000 CC=250 CS=200
25
EJERCICIO 2.5
MILKITO tiene dos mquinas distintas para procesar leche pura y producir
leche descremada, mantequilla o queso. La cantidad de tiempo requerido en
cada mquina para producir cada unidad de producto esultante y las
ganancias netas se proporcionan en la siguiente tabla:
0.3 min 1 gal 0.7 min 1 lb 1.2 min 1 lb

Ganancia neta 0.22$/ gal 0.38$/ lb 0.72$1 lb
Suponiendo que se dispone de 8 horas en cada mquina diariamente, como
gerente del departamento de produccin, formule un modelo para determinar
un plan de produccin diaria que maximice las ganancias corporativas netas y
produzca un mnimo de 300 galones de leche descremada, 200 libras de
mantequillas y 100 libras de queso.
SOLUCIN:
Li =Nmero de galones requerido para producir Leche descremada en
la mquina i
Mi=Nmero de libras requerido para producir Mantequilla en la mquina
Qi =Nmero de libras requerido para producir Queso en la mquina i

MAX 0.22(L 1+L2) + 0.38(M1 +M2) + 0.72(01 +02)
lll. Identificacin de las restricciones

Con respecto a la cantidad a producir L 1+L22:300
M1+L2 2:200
Q1+Q2 2:100
Con respecto al tiempo requerido 0.2L 1 + 0.5M1 +1.501 ~480
\ 0.3L 1 +O. 7M1 + 1.201 ~480
Con respecto a la no negatividad U, Mi, Qi 2:0
SOLUCIN:CON LINDO 1) L1 = L2= M1 = M2= Q1 = 02=

26
EJERCICIO 2.6
El Ministerio de Salud indica que cada galn de leche, libra de queso y libra
de manzanas proporciona un nmero conocido de miligramos de protenas y
vitaminas A, 8 y C. La siguiente tabla incluye esos datos junto con los
requerimientos diarios de los ingredientes nutricionales y la cantidad mnima
de cada alimento que debe incluirse en la comida y su costo.
~~!~~~~&.i~Iil~wj~Q~~if5:"~~;~~-~i~F1
Protenas 40 30 O 80

Vitamina A 5 50 30 60
1 1 1 1
Vitamina 8 20 30 j 40 50
1 1 1
Vitamina C 30 50 60 30
1 1
:
Cantidad mnima 0,5n gal 0,501b 0,50
1 1
Costo unitario 2,15 2,25 1,25
1 1
Como d1et1sta de una escuela pblrca, formule un modelo para determinar la
comida de costo mnimo que rena todos los requerimientos nutricionales.
SOLUCIN:
1
L =Nmero Galones de leche a utilizar
Q =Nmero Libras de queso a utilizar en
M =Nmero Libras de manzana a utilizar
MIN 2.15L + 2.250 + 1.25M
Con respecto a los requerimiento 40L + 300 +10M ~80
5L + 500 + 30M ~60
20L + 300 + 40M ~50
30L + 500 + 60M ~30
Con respecto a La cantidad mfnima L ~ 0.5

1 Q ~ 0.5
'
M ~ .5
Con respecto a la no negatividad L, Q, M ~o
SOLUCIN:CON LINDO 1)5.147297 L=1 ,297297 M=0.50=0,770227
~
27
EJERCICIO 2.7
REPSOL, cerca de Lima, suministra gasolina a sus distribuidores en caminos.
La compaa recientemente recibi un contrato para iniciar el suministro de
800000 galones de gasolina por mes a distribuidores de Lima. La compaa
tiene $ 5000000 disponibles para crear una flota consistente en tres tipos
diferentes de camiones. En la siguiente tabla se muestra la capacidad, costo
de compra, costo operativo y nmero mximo de viajes por cada tipo:
2 3000 40000 650

3 2000 25000 500 30
Sobre la base del mantenimiento y la disponibilidad de conductores, la
compaa no desea comprar ms de 10 vehculos para su flota. Asimismo, la
compaa deseara asegurarse que se compren al menos tres de los
camiones del tipo 3 (se requiere para su uso en las rutas de trayecto
corto/baja demanda). Finalmente, la compaa no desea que ms de la mitad
de la flota sea de camiones del tipo 1. Formule un modelo para determinar la
composicin de la flota que mnimice los costos operativos mensuales al
tiempo que satisfaciendo los requerimientos de las otras compaas.
SOLUCIN:
l. Identificacin de variables.
Ci = Nmero de camiones a adquirir del Tipo i
MIN 800C1 + 650C2 + 500C3
1! l. Identificacin de las restricciones
Segn la inversin 50000C1 +40000C2 + 25000C3 ::;; 500000
Segn la capacidad 120000C1 +75000C2 + 60000C3 ;:::; 800000
Segn el tamao de la flotilla C1 + C2 + C3 ::;; 1O
Segn la cantidad C1- C2- C3 ::;; O
Con respecto al nmeO mnimo del tipo3 C3 ;:::; 3-
Con respecto a lano negatividad Ci ;: :; O, entero
SOLUCIN:CON LINDO )6000 C1 = 4 C2 = 2 C3 = 3

28
EJERCICIO 2.8
LAN CHILE reabastece sus aeronaves en los cuatro aeropuertos en donde
da servicio. La turbosina puede comprarse a tres vendedores posibles en
cada aeropuerto. La tabla indica ( 1) el costo de entrega (compra ms
embarque) por mil galones de cada vendedor a cada aeropuerto, (2) el
nmero disponible de miles de galones que cada vendedor puede suministrar
cada_ mes y (3) el requerimiento mensual de turbosina (en miles de galones)
en cada aeropuerto. En la tabla se muestra el costo de entrega .
.=<'2:-~-J~q~ ~~~?l~~(;-;~:~~.~~~.~~:;.~~~:~~ye:>~~~i.-?~~;:?J.~e~~,: _ ~:.,;f::

1 900 800 900 150
2 900 1200 1300 250
1 3 800 1300 500 350

4 1000 1400 1000 480
Provisin Max. 300 600 700
Formule un modelo para determinar las cantidades que se deben comprar y
enviar por parte de cada vendedor a cada aeropuerto para minimizar el costo
total, satisfaciendo al mismo tiempo por lo menos la demanda mensual a cada
aeropuerto y no excediendo el suministro de cualquier vendedor.
SOLUCIN:.
Xij =Nmero en miles de galones a comprar al i para el aerpuerto j
MIN 900X11 +900X12 +800X13 + 1000X14 +800X21 + 1200X22 +
1300X23 +1400X24 +900X31 + 1300X32 +500X33 + 100QX34
Con respecto a la provisin X 11 + X 12 + X 13 + X 14 :s30
X21 + X22 + X23 + X24 5;600
X31 + X32 + X33 + X34 :s?OO
Con respecto al requerimiento X11+X21+X31 ~150
X12 + X22 + X32 ~250
X13 + X23 + X33 ~350
X14 + X24 + X34 ~450
Con respecto a la no negatividad Xij

SOLUCIN: USANDO UNDO 985000 X12 =200 X14 =100 X21 = 150 X22 =50 X33=350 X34 =350
29
EJERCICIO 2.9
El Ministerio de Transportes y Comunicaciones {MTC) ha_ recibido solicitudes
de asignacin de frecuencias de cuatro nuevas estaciones de radio. Dos
frecuencias de radio interfieren si estn a 0.5 mega Hei'"LZ de distancia. Las
siguientes frecuencias (en mega Hertz) estn actualmente disponibles: 100.0,
100.1, 100.3, 100.7, 101.0, 101.1, 101.4, 101.8. Formule un modelo para
detem1inar si el MTC puede asignar cuatro nuevas frecuencias y, si es as,
cules. (Sugerencia: es usted libre para asignar o no cadp frecuencia, as que
considere las variables O -1 ).
SOLUCIN:
A =Frecuencia Nmero 100.0 8 =Frecuencia
Nmero 100.1
C =Frecuencia Nmero 100.3 D =Frecuencia
Nmero 100.7
E =Frecuencia Nmero 101.0 F =Frecuencia
Nmero 101.1
G =Frecuencia Nmero 101.4 H =Frecuencia
Nmero 101.8
MAX A + B + C + D + E + F +G + H
A+ 8+ e s1
C+ D s1
D+ E+ F s1
E+ F+ G s1
G+ H s1
A, B, C, D, E, F,G, H cOybinario
SOLUCIN: USANDO LINDO

\
1) 3 A=O 8=1 C=O D=1 E=- F=O G=O H=1
30
EJERCICio- 2.1 O
SERPOST indica que la ciudad de Arequipa desea determinar cuntas
subestaciones postales se requieren para dar servicio a su poblacin. La
ciudad ha sido dividida en ocho zonas postales. Se han identificado cinco _
ubicaciones posibles para las subestaciones. Cada ubicacin puede dar
servicio a un nmero diferente de zonas, como indica en la siguiente tabla:
1 1, 2, 3
2 1, 4, 5
3 2,4,5,8
4 3, 5, 6, 7
5 6, 7,8
Formule un modelo para determinar el menor nmero de subestaciones (y sus
ubicaciones) necesarias para
1
dar servicio
.
a las ocho . zonas postales.
(Sugerencia: defina una variable apropiada para cada ubicacin).
SOLUCIN:
Ui =Ubicacin de la Subestacin i
MIN U1 + U2 + U3 + U4 + U5
U1 + U2 U2 + U3 + U4
U1 + U3 U4 + U5
U1 + U4 U3 + U5 ;::: 1
U2 + U3 Ui ;::: O, binario
t1 SOLUCIN: USANDO LINDO 1)3.000000 U1=1 U2=0 U3=1 U4=0

U5=1
31
EJERCICIO 2.11
COiv10DOY tiene tres divisiones que fabrican un producto en ei que cada
unidad completa consiste en cuatro unidades de componentes A y tres
unidades del componente B. Los componentes A y B se fabrican a partir de
dos materias primas diferentes. Existen 100 unidades de la materia prima 1 y
200 unidades de !a materia prima 2 disponibles. Cada una de las tres
divisiones usa un mtodo diferente para fabricar los componentes, dando
como resultado distintos requerimientos de materia prima y productos. La
tabla muestra Jos requerimientos de materia prima por corrida de produccin
en cada divisin y el nmero de cada componente producido por esa corrida.
:J?NJSIPN:~-~~~~- .,.. .... ~~~~-l.f.!f1!df~; e. S~~CQRRjD:AW~!!).

-~;:;..".,"",-" <'-:;"'-""'"':.:;'""'"':::.~''.:;">-;:,_"',""'~'~'~?,~~"-::..!"-~ .,_,_, .'
,_.L)',':..''
1
--"-n"'"'
. 1' .;
,i:~,:::---:..::_.,"-:;_:Mateq~pmaLMat~$:pnma2'- __; :.:.: Comp. A COmp:-B _:..:; .

~,~- "'>.._--. -- _,,, -- - ~ - - - --- ~~ -' ','' _-:_~ - " ~..... ~
1 86 75
2 59 69
3 38 84
Como gerente de produccin, formule un modelo para determinar el nmero
de corridas de produccin para cada divisin que maximice el nmero total de
unidades tenminadas del producto final.
SOLUCIN:
J. Identificacin de variables
C=Nmer'o de unidades completas
A=Nmero de componente A
B=Nmero de componente B
Ri=Nmero de corridas en la divisin i
JI. Identificacin de la Funcin Objetivo
iv1AX C
11. ldBntificacin de las restricciones
Segn la materia prima 1 8R1 + 5R2 + 3R3 ,;tOO
Segn materia prima 2 6R1 + 9R2 + 8R3 $200
Segn el componente A 7R1 + 6R2 + 8R3 -A=O
Segn el Componente B 5R1 + 9R2 + 4R3 -B =O
4C-A =O 3C-B =O
Segn la no negatividad R1, R2, R3, A, B, C~ O, Entero
5 R3 = 11 A= 132 B =99 C = 33
32
-EJERCICIO 2.12
QUMICA SUIZA, produce los productos CS-01 y CS-02, generan cantidades
excesivas de tres contaminantes diferentes: A, B y C. El gobierno ha
ordenado a la compaa que instale y emplee dispositivos anticontaminantes.
La siguiente tabla proporciona las emisiones diarias actuales en Kg./1 000
litros y el mximo de cada contaminante permitido en kilogramos.
25 40 43
B 10 15 20
e 80 60 50
El gerente del departamento de produccin aprob la instalaci9n de los

dispositivos anticontaminantes. Las emisiones de cada producto pueden ser
manejadas por cualquiera de ios dos dispositivos en cualquier proporcin.
(Las emisiones se envan a travs de un dispositivo solamente una vez, es
decir, la salida de un dispositivo no puede ser la entrada del otro o de s
. mismo). La siguiente tabla muestra el porcentaje de cada contaminante
.. proveniente de cada producto. que es eliminado por cada dispositivo
_:.CONTAMINANTE - <-DISPOSITIVO 1 .-- DJSPOSITJV02 -
~
- <-~~- :-_
A ~- - ... ::._
-~:;:~-~-:---=/_; . ~<. ~~-es~~:-~,c5-o2 .~~ ~-es-o1 :-=-cs~2--
'7 . O - - .... 0 - ..:_ O :,__ - ... q .._. - "='- ~... ~ ~--. ~ ~

~ - -
A 40 40 30 20
B 60 60 o o
e 55 55 65 80
Por ejemplo, si la emisin de CS-01 se enva a travs del dispositivo 1, se

elimina 40% del contaminante A, 60% del contaminante B y 55% del
contaminante C. Las consideraciones de fabricacin dictan que CS-01 y CS-
02 deben producirse en la proporcin de 2 a 1. Formule un modelo para
('\ determinar un plan que maximice la produccin diaria total (cantidad de CS-01
)
ms CS-02) al mismo tiempo que satisfaga los requerimientos
\
gubernamentales.
33
SOLUCiN:
R =Nmero de miles de litros a producir de CS-01
S =Nmero de miles de litros a producir de CS-02
11. Identificacin de :a Funcin Objetivo

MAX R+ S
111. Identificacin de ias restricciones

Con respecto al Contaminante A 15R + 24S ,; 43
Con respecto al Contaminante B 4R +6S ,; 20
Con respecto al Contaminante C 36R + 12S ,; 50
Con respecto a la Produccin R = 2S
Con respecto a la no negatividad R,S 2 o
- ...
SOLUCIN: USANDO LINDO

1)1.785714 R=1.190476 S=0.595238
.. /
34
EJERCICIO 2.13
Burger Kin, es un restaurante que vende una gran variedad de
hamburguesas. Se encuentra ubicado en la Av. Javier Prado y tiene entre sus
variedades la Sper Burger Kiny a ia Mega Burger Kincomo ias ms
preferidas por sus clientes.La Sper Burger Kin utiliza en su preparacin
250gr. de carne molida, en tanto que la Mega__;,BURGER KIN 350gr. El
restaurante inicia el da con 200kg. De carne destinada a la preparacin de
estos tipos de hamburguesas, pero puede ordenara ms a un costo adicional
de S/.6.00 por Kg., para cubrir los costos de entrega. Cualquier sobrante de
carne al final del da se dona al comedor "San Cristbal". Las utilidades de
Burger Kinson de S/.2.00 por una Sper Burger Kin y de S/.4.00 por una
Mega Burger Kinnoespera vender ms de 100 hamburguesas de 'estos tipos
en un da.Encuentre la SOLUCIN:que le permita a Burger Kinconocer su
plan ptimo de trabajo.
SOLUCIN:
X1: Nmero de Hamburguesas Sper Burger Kina prepararse
diariamente.
,X2: Nmero de Hamburguesas Mega Burger Kina prepararse
diariamente.
X3: Nmero de Kg. de Carne a comprarse diariamente
Max 2X1 + 4X2 " 6X3
La carne destinada a ia produccin de ambos tipos de hamburguesas
debe ser menoro igual a los 200 Kg. con los que seinicia el da ms los
Kg. comprados adicionaimente:
0.25 X1 + 0.35 X2 ~ 200 + X3
No se espera vender ms de 100 hamburguesas de estos dos t pos:
X1 + X2 ~ 100
X1, X2 1 X3 ~o
35
EJERCICIO 2.14
La Casa del Llavero", elabora dos tipos de llaveros; y para producirlos utiliza
una mquina especial. Los tiempos de produccin para los llaveros tipo 1 y 2
son de 10 y 12 minutos respectivamente, por unidad. El tiempo regular total
de la mquina es de 2500 minutos por da. "La Casa del Llavero "vende entre
150 y 200 unidades del tipo 1, pero no ms de 45 unidades del tipo 2,
diaria-mente. Adems se pueden emplear horas extras para satisfacer la
demanda a un costo adicional -de S/.010 por minuto. Si las utilidades por
unidad de los llaveros tipo 1 y 2 son S/.1.20 y S/.1.50, respectivamente.
Encuentre la SOLUCIN:que determine el nivel ptimo de produccin para
cada tipo de llavero.
SOLUCIN:
Xi =Nmero de Llaveros del tipo i a producirse diariamente
Criterio: Maximizar las utilidades en el da (Beneficios = Utilidades por
ambos tipos de llaveros- Costo por minutos extras).
MaxZ = 1.2X1 + 1.5X2-0.1 X3
'
El tiempo utilizado en la produccin de los llaveros debe ser menor o
igual al tiempo disponible en el da ms los minutos extra utilizados:
10 X1 + 12 X25 2500 + X3
Vende entre 150 y 200 unidades de llaveros tipo 1: 150::;: X1s: 200
No se venden ms de 45 unidades del tipo 2: X2s: 45
Modelo de Programacin Lineal
1.2 + 1.5- 0.1
MaxZ =
X1 X2 X3
sujeto a 10 X1 + 12 X2- X3 S: 2500
X1 2:150
X1 5200
X2 545
X1, X2, X3
k
36
EJERCICIO 2.15
SCOTIABANK, es una institucin que brinda una gran cantidad de servicios. Est en
proceso de fo1111ular una poltica de prstamos que incluyen un mximo de S/. 120
000. La siguiente tabla proporciona los datos pertinentes acerca de los diferentes
tipos de prstamos que ofrece el banco.
Automvil.
Vivienda
Agrcola
Los malos crditos son irrecuperables y, por lo tanto, no produce ningn ingreso por
inters. La competencia con otras entidades bancarias de la zona, requiere que el
banco asigne por lo menos el 40% de los fondos a prstamos agrcolas y
comerciales. Para ayudar a la industria de vivienda, los prstamos para vivienda
deben ser equivalentes por lo menos a 50% de los prstamos personales, para
automvil y para viviendas. El banco tambin ha declarado una poltica de que la
razn total de los malos crditos en {odos los prstamos no puede exceder del 4%.
Formule el problema como un modelo de programacin lineal.
SOLUCIN:
X1: Soles destinados a los prstamos personales
X2: Soles destinados a los prstamos para
automvil
X3: Soles destinados a los prstamos para
vivienda
X4: Soles destinados a los prstamos agiicolas
X5: Soles destinados a ios prstamos comerciales

Criterio Objetivo: Maximizar los intereses obtenidos por todos los tipos de
37
Max 14 %( 90% X1) + 13 %( 93% X2) + 12 %( 97% X3) +
12.5%(95% X4) + 10%(98% X5)- 10%X1 -7%X2- 3%X3 -5%X4 -.2%X5
Observacin: El inters obtenido por un tipo de prstamos es igual a la tasas
de inters de prstamos, multiplicando por el monto esperado de u'n buen
crdito. Los malos crditos son prdidas que afectan a la Funcin Objetivo.

Mximo monto destinado a los diferentes tres tipos de prstamo.
X 1 + X2 + X3 + X4 + XS:::; 120 000
El 40% de los fondos totales sern destinados a los prstamos agrcolas y
comerciales por lo menos.
X4 + X52 40% (120 000)
Los prstamos para vivienda debern ser por lo menos el 50 % de Jos
prstamos personales, para automvil y para vivienda.
X32 50% (X1 + X2 + X3)
La razn total de los malos crditos en todos Jos prstamos no puede exceder
del4%.
10%X1 + 7%X2 + 3%X3 + 5%X4 + 2%X5:::; 4%( X1 + X2 + X3 + X4 + X5)
0.026X1 + 0.0509 X2 + 0.086X3 + 0.06875X4 + 0.078X5

Max
sujeto
X1 +X2 +X3 +X4 +X5 :::;120 000
a
X4 +XS 248 000
- 0.5X1 -0.5X2 +0.5X3 20
0.05X1 +0.03X2 -0.01X3 +O.OX4 -0.02X5 ::;o
,'
X1, X2, X3, X4, X5 20
38
EJERCICIO 2.16
El presidente de la comunidad, el Ingeniero Osear Becerra, est estudiando la
posibilidad de urbanizar las 1 700 hectreas. La nueva urbanizacin incluir
viviendas familiares individuales, dobles y triples.
Se calcula que 15% de la superficie total se consumir en abrir calles y en
instalaciones para servicios pblicos. Csar tambin calcul las utilidades de las
diferentes unidades habitacionales:
Uti.lidad Neta 1 Unidad SI. 1 000 SI. 1500 Sic 12 000

El costo de conectar el servicio de agua al rea es proporcional al nmero de
unidades construidas. Sin embargo, el condado estipula que se debe cobrar un
mnimo de SI. 200 000 para que el proyecto sea econmicamente factible. Adems,
la expansin del sistema de agua, ms all de su capacidad actual, est limitada a
100 000m3 al da. Los siguientes datos resumen el costo de la conexin del servicio
de agua, as como el consumo de agua de una familia promedio:
-- -- - Costo del serv_@o de Co!_l~mo de agu~
. Unidad Habitacional
aguaporUH
----
_POrJJr!idad (m3/da}
.- - - " - - - -~
Individual S. 1 000 4DO

Doble S/.2 000 -6oa:
Triple SI. 3 000 '800
#rea recreajiva SL500 -_ - 500-

- -- . '-- - ~. -= . .
"
Formule el problema como un modelo de Programacin Lineal que le permita a

Osear Becerra distribuir en forma ptima toda el rea de la comunidad.
SOLUCIN:
l. Identificacin de las variables
X1: Viviendas familiares individuales a construirse.
X2: Viviendas familiares doblesa construirse.
X3: Viviendas familiares triples a construirse.
X4: reas recreativas a construirse.

Max Z = 1000 X 1+ 1500 X2 + 2 000 X3 (Beneficios por las viviendas)
39
Las viviendas familiares individLJales deben sumar por lo menos el 50% del
total.
Xt?: 50% (XI + X2 + X3)
Supeificies cie 2, 3 y 4 hectreas para las viviendas familiares individuales,
dobles y triples y de 1 hectrea para las reas recreativas. Adems el 15% de
la superficie total es no utilizable. Todo esto originala siguiente distribucin del
suelo: 2 X1 + 3 X2 + 4 X3 + X4:<> 85% (1 700)
Por lo menos un rea recreativa por cada 200 familias.
X4 (X1 + 2 X2 + 3 X3) /200
Recordar que: Vivienda individual: 1 familias,
Vivienda doble: 2 familias
Vivienda triple: 3 familias
El costo de conectar el seNicio del agua debe ser de por lo menos S/. 200
OOOpara el proyecto sea factible: 1 000 X1 + 2 000 X2 + 3 000 X3 + 500
X4 200 000
El consumo de agua est limitado en 100 000 m3 al da
400 X1 + 600)(2 + 800 X3 + 500 X4:<> 100 000
1 OOOX1 +500 X2 + 2 OOOX3

Max
sujeto a 0.5X1 -0.5X2 -0.5X3 ?:0
2X1 +3X2 +4X3 + X4 :<>1 445
1 OOOX1 + 2 OOOX2 + 3 OOOX3 + 500X4 ;2:200 000
X4 ;2:48 000
400X1 +600X2 + 800X3 + 500X4 ::;O
X1, X2, X3, X4 Q
''
40
EJERCICIO 2.17
La Municipalidad de Lima Metropolitana est estudiando la factibilidad de introducir
un sistema de autobuses de trnsito masivo que disminuya el problema de
contaminacin por gases txicos, reduciendo el nmero de vehculos que circulan
por la ciudad. El estudio inicial busca la. determinacin del nmero mnimo de
autobuses que pueda manejar las necesidades de transporte. Despus de recopilar
la informacin necesaria, el encargado de este proyecto observ que el nmero
mnimo de autobuses variaba segn la hora del dia. Este hallazgo se ve reflejado en
el siguiente cuadro:
Para Cubrir estas necesidades se cuentan con unidades que operan slo 8 horas
sucesivas al da. Frmule el problema como un modelo de Programacin Lineal.
SOLUCIN:
41
Identificacin de las variables
Xi =Nmero de autobuses que inician sus labores a las i horas {i=O, 4, 8, 12, 16,20)
11. ldentjficacin de la Funcin Objetivo

Min XO + X4 + X8 + X12 +X16 + X20

Para cada intervalo de horas se obtiene:
(1) xo +X20 ~20
(2) xo +X4 ~40
(3) X4 +X8 ~50
(4) X8 + X12 ~35
(5) X12 + X16 ~60
(6) X16 +X20 ~20
xo, X4, ~8, X12, X16, X20 ~0, Entero
SOLUCIN: USANDO LINDO:

1) 130 AO=O, A4=40, A8= 1O, A 12=60, A 16=0, A20=20
42
EJERCICIO 2.18
PAPELERA "SUAVE "produce rollos de papel con un ancho de 2 metros cada uno.
los pedidos especiales de los clientes, con diferentes anchos, se producen
recortando los rollos estnda.r. Diariamente, en promedio, se tienen los siguientes
pedidos:
300 rollos.
4DO rollos
En la prctica, un pedido se prepara fijando las cuchillas de corte en el ancho

deseado. Por lo general hay muchas formas en las que se puede' cortar un rollo
estndar. A continuacin mostraremos grficamente 3 posiciones posibles de las
cuchillas para el rollo de 2 metros:
xn
X12
e e' ~~
: _), 1
__,.1 ~
(
1
X13 }1
.
r
\
43
Las seis posibles -posiciones se pr-esentan en el siguiente cuadro:
Formule el problema como un modelo de Programacin Linea!.

SOLUCIN:
Xi = Rollos estndar a cortarse de acuerdo a la posicin i.

C~terio Objetivo: Minimizar el nmero de rollos utilizados en los distintos tipos
de corte
Min X1 + X2 + X3 + X4 + X5 + X6
Para cada tipo de rollo se tiene

Rollo 1 (50 cm): 2X2 + 2X3 +4X4 +X5 ;?:200
Roiio 2 (70 cm): X1 +X2 + 2X5 ;?:300
Rollo 3 (90 cm): X1 + X3 + 2X6 ;?:400
X1, X2, X3, X4, X5, X6 ;?:0
44
EJERCiCIO 2.19
PETROPER tiene una refinera muy moderna en ~a ciudad de Trujillo, tiene una
capacidad de 500000 barriies de petrleo crudo al da. L-os productos finales de la
refinera incluyen dos tipos de gasolina sin plomo: SP y Extra SP.
El proceso de refinado consta de tres -etapas:
La primera se da en una torre de destilado que produce una base concentrada.

La segunda, en una unidad de alambiques desintegradores que produce un
concentrado de gasolina utilizando una parte de la base concentrada obtenida en la
torre de destilado; y
La tercera se realiza en una unidad de mezclado, que produce la gasolina SP y la
EXtra SP utilizando ya sea la base concentrada o el concentrado de gasolina.
Petroper calcula que la utilidad neta por barril de gasolina SP dependiendo de si se

produce con la base concentrada o con el concentrado de gasolina esde S/. 8,50 y
SI. 6,80 respectivamente.
Del mismo modo, las utilidades correspondientes para la gasolina Extra SPsonS/.
12,20yS/.10,40.
El proceso de produccin necesita de cinco barriles de petrleo crudo para producir

un barril de base de concentracin. Las unidades de aiambiques desintegradores no
pueden utilizar ms de 40000 barriles de base concentrada al da. Toda la base
concentrada que no es convertida en el concentrado de gasolina se utiliza en la
unidad de mezclado. La demanda mxima para la gasolina SP y Extra SPson de
40000 y 60000 barriles al da. Formule el problema como un modelo de
Programacin Lineal.
SOLUCIN:
l. Identificacin de ias variables
X: Barriles de gasolina SP, producidos con base concentrada.
X2: Barriles de gasolina SP, producidos con concentrado de gasolina.
X3: Barriles de gasolina Extra SP, producidos con base concentrada.
45
X4: Barriles de gasolina Extra SP, producidos con concentrado de
- ~.
. ~ ' . gasolina.
(~
~. ,.
:, '~ . ..
. ....
....., ldentificacion
:.. ....
de la Funcin Objetivo
'_,,:;:>Criterio
- .
Objetivo:
..
Maximizar el beneficio por las gasolinas, segn el tipo y el modo de
;
. . . .
.. ''('
produccin:
..
MAX8.5 X1+ 6.8 X2 + 12.2 X3 + 10.4 X4

Se necesitade 5 barriles de petrleo crudo para producirse 1 barril de base
concentrada. Adems, la base concentrada se utiliza en todo" el proceso y en Jos
distintos tipos de gasolina.
5 (X1 + X2 + X3 + X4) :S 500000
Los alambiques no pueden producirse ms de 40000 barriles de base:

X2 + X4:S 40000
Demand mxima de. SP y extra SP

X1 + ~ 4_0000 y X3 + X4:S 60000

Max Z = 8.5 X'i + 6.8 X2 + 12.2 X3 + 10.4 X4
sujeto a 5 X1 +5X2 + 5X3 +5X4 :S 500000
X2 +X4 540000
X1 +X2 ~40000
+X3 +X4 560000

X1, X2, X3, X4 ~o
46

~-. El proceso de produccin puede apreciarse en el siguiente grfico:
X12
--------
'
j
r:. .. . -.-. "' ")
1-'----.....;,1
' .. .1' '-'-..-
.:.
Posicin
2:
2m Tipo 1:2
40cm Tipo 2: 1
Tipo 3: O
70cm
i..... - ..... -.-.-.-.- ,;
\
.d-
./
EJERCICIO 2.20
AZUCARERA "PARAMONGN' produce azcar rubia, blanca e impalpable; as como
miel con el jarabe de la caa de azcar. La compafa compra 5 000 toneladas de
jarabe a la semana y tiene contratos para entregar un mnimo de 25 toneladas
semanales de cada tipo de azcar, as como de miel. El proceso de produccin se
inicia elaborando azcar rubia y miel con el jarabe. Una tonelada de jarabe produce
0.3 toneladas de azcar rubia y 0.1 toneladas de miel. Despus, el azcar blanco se
elabora procesando el azcar rubia. Se requiere de una tonelada de azcar rubia
para producir O. 7 toneladas de azcar blanca. Y finalmente, el azcar impalpabie se
produce con el azcar blanca. en donde una tonelada de bianca produce 0.8
toneladas de pulverizada. Las utilidades por toneladas de azcar rubia, blanca e
impalpable son de S/. 120, S/. 180 y S/. 240 respectivamente y de SI. 100 para la
tonelada de miel. Formule el modelo de Programacin Lineal.
SOLUCIN:
X1: Ton. de miel a producirse semanalmente
.X2: Ton. de azcar rubia a producirse semanalmente
X3: Ton. de azcar blanca a producirse semanalmente
X4: Ton.de azcar impal'pable a producirse semanalmente
Y1: Ton.de azcar rubia destinadas a la preparacin de blanca
Y2: Ton. de azcar blanca destinadas a la preparacin de impalpable
IL ldentfficacin de la Funcin Objetivo
MAX100 X1 + 120 X2 + 180 X3 + 240 X4
111. identificacin de las restricciones
Una tonelada de jarabe produce 0.1 toneladas de miel. Se cuenta con 5000
toneladas de jarabe a !a semana X1~ 0.1 (5 000)
Una tonelada de jarabe produce 0.3 tonelada de azcar rubia, tanto la rubia
como la destinada a la preparacin de blanca. X2 + Y1~ 0.3 (5 000)
Una ton. de azcar rubia produce 0.7 de blanca. Tanto la blanca, como la
blanca destinada a ser pulverizada. Y2 + X3~ 0.7Y1
Una ton. de azcar blanca produce 0.8 ton. de pulverizada
X4s 0.8 Y2
Entregar un mnimo de 25 ton. d cada uno X1, X2, X3, X4:2:25
48
EJERCICIO 2.21
COSPI DATA, est considerando seis proyectos para su posible ejecucin, a lo largo
de los prximos cuatro aos. Romero est autorizado para emprender parcial o
'totalmente cualquiera de los proyectos. Toda ejecucin parcial de un proyecto
generar una utilidad en su determinada proporcin. A continuacin se proporcionan
fas utilidades esperadas y los desembolsos de efectivo para los proyectos:
1 10 soo 12 .soo !'. ?,:R99 l 2 400 j 45 ooo

2 8 3oo 1s 4oo T\-.8990 3 2oo . l 87 ooo
3 . j ... 10 200 :._ F' 6 700 4 2?9 .
,8900 ' 63 000
i' 'J 50o j a 1oo.~~;~?.J(l(:J ' ,
j J
.. 9200 soool
12400
t 6
Formule el. rrideto de

.
ProgramaCin Uneat
SOLUCIN:
f. Identificacin de las variables

X1: Porcin del Proyecto 1 a ejecutarse.
IL Identificacin de la Funcin Objetivo

Criterio Objetivo: Maximizar el beneficio por los proyectos
Max Z =45X1 + 87X2 + 63X3 + 50X4 + 40X5 + 75X6
lll. Identificacin de las restricciones

Los fondos disponibles (en miles de soles) para el primer ao son:
10.5 X1 +8.3 X2 + 10.2 X3 +9.2 X4 + 12.4 XS + 10. X6:::; 60
49
.,
...
-.;. -. ~
-~--: l'l. _..... .

...- ...!' - ....,
~- ;-;;' . :~7 j: : _... , . - -
.: .. -~ L~s .fondos disponibles (en miles de soles) para el segundo ao son:

. ~
12.8 X1 + 15.4 X2 +8.9 X3 + 10.5 X4 +9.6 X5 +5.2 X6~ 75
Los fondos disponibles (en miles de soles) para el tercer ao son:
3.6 X1 +8.9 X2 +6.7 X3 +8.1 X4 +5.3 X5 +9.2 X6~ 40
los fondos disponibles (en miles de soles} para el cuarto ao son:
2.4 X1 +3.2 X2 +4.2' X3 +5.6 X4 +7.8 X5 +5.9 X6~ 30
Todas las variables toman valores entre O y 1:
o 9:i~ 1, \:;ji= 1, 2, 3, 4, 5, 6
..
-
50
EJERCICIO 2.22
CONFECCIONES LLOSA ha obtenido un contrato para entregar ventanas para
viviendas durante los prximos seis meses. Los pedidos sucesivos para los seis
meses son 100, 250, 200, 150, 200 y 100, respectivamente. El costo de produccin
por ventana vara de un mes a otro, dependiendo de los costos de la mano de obra,
.el. material y las utilidades. El seor Flores calcula que el costo de produccin
>''unitario en~ los prximos seis meses ser de 50, 48, 52,46, 50 y 44 soles,
... : .
respectivamente. Para aprovechar esta variacin en los costos de produccin, el
seor Llosa puede elegir producir ms de los que se necesita en un determinado
mes y tener en inventario ese exceso para entregarlo en los meses siguientes. Sin
embargo, esto traer consigo un costo de almacenamiento de S/ . .4.00 mensuales
por ventana, evaluados en el inventario al final del mes. Formule el modelo de
Programacin LineaL
SOLUCIN:
l. J. Identificacin de las variables
Xi: Ventanas a producirse en el mes (i = 1, 2, ... , 6)
!k: Ventanas en inventario al final del mes k (k= O, 1, ... , 5)
IL Identificacin de la Funcin Objetivo

Criterio Objetivo: Maximizar el beneficio por los proyectos

M in Z = 50 X 1 + 48 X2 + 52 X3 + 43 X4 + 50 X5 + 44 X6 +
10+4 11 +4 12+4 13+4 14+4 l5
IIL Identificacin de las restricciones

Para un determnado mes: Lo que se produce ms lo que queda del mes
anterior, deber al menos cubrir la demanda de dicho mes, es decir:
Xi +JO~ 100 Requerimientos mnimos en el1 mes
X2 + 11~ 250 Requerimientos mnimos en el 2 mes
X3 + i2~ 200 Requerimientos mnimos en el 3 mes
X4 + 13~ 150 Requerimientos mnimos en el4 mes

xs + 14~ 200 Requerimientos mnimos en el 5 mes
X6 + 15~ 100 Requerimientos mnimos en el 6 mes

Ei inventario de productos al final de cada mes, se obtiene restando a lo que
se tiene (produccin ms inventario del mes anterior), el pedido de dicho mes.
J:L. 51
10 =o Inventario al inicio del1 mes
11 =X1 + 10-100 Inventario al final del1mes
12 = X2 + 11 - 250 Inventario al final del 2 mes
13 =X3 + 12-200 Inventario al final del JO mes
14 =X4 +13-150 Inventario al final del 4 mes
15 = X5 + 14 - 200 Inventario al final del 5 mas
X1, X2, X3, X4, X5, X6, 10, 11' 12, 13, 14, 15
EJERCICIO 2.23
Metal-mecnica "Rodrguez" ha firmado un contrato con Automotriz "Valladares",
para proporcionar a su tienda alicates y llaves de tuerca. La demanda semanal de
Automotriz "Valladares" es de 80 llaves de tuerca y 60 alicates. La capacidad actual
de Metal-mecnica "Rodrguez" no es lo bastante grande para producir fas unidades
requeridas y debe trabajar horas extra para satisfacer la demanda e inclusive
'ccntratar los servicios de otros talleres de herramientas. El resultado es un
incremento en el cesto de produccin unitario, el cual se ve reflejado en e/ siguiente
cuadro. Adems el mercado indica' que la produccin de llaves de tuercas a una
proporcin de por lo menos 2 a 1 con los alicates.Formule el modelo de
Programacin Lineal.
Horas Extra . 41 -60 1 S/.8.00

. Servicio Ext. '61 a ms 'S/.10.00
' '
1
Alicates 1
Regular !0-30 j S/. 5.00
! 131
Hqras extra -50 iS!. 6.00
j '
'
, Servicio Ext. '51 a ms :S/. 8.00
1 '
fiL 52
SOLUCIN:
l Jdentificacin de las variables

Xi: Llaves a producirse semanalmente, utilizando el modo (i = 1:
regular, i =2: horas extras, i =3: subcontratacin) .
.,':-
Yi: Aficates a producirse semanalmente, utilizando el modo i (i = 1:

_regular, i = 2: horas extras, i =3: subcontratacn}.
~ ~ . ... '

Mn7 X1 + 8 X2 + 10 X3 + 5 Y1 + 6 Y2 + 8 Y3
IIL Identificacin de las restricciones
Demanda semanal de llaves: X1 + X2 + X3 80

Demanda semanal de alicates: Y1 + Y2 + Y3 60
Mximo nmero de llaves por el modo regular: X1::;;40
Mximo nmero de llaves por el modo hora extras. )(2::;;20
Mximo nmero de alicatesporefm6do regular: Y1s30

1
Mximo nmero de alicates por el modo hora extras. Y2.::;20
Las llaves deben de producirse en una proporcin deporlomenos 2 a 1 con los
alicates:
X1 + X2 + X3;;::: 2 (Y1 + Y2 + Y3)
53
EJERCICIO 2.24
ZAPATERA BATA, elabora cuatro modelos de z;3patos para damas. Para esto
cuenta con dos mquinas: una aparadura y un torno. La siguiente tabla proporciona
los datos pertinentes del problema.
Formule el modelo de Programacin Lineal, sabiendo adems que !a tabla

proporciona los datos de la produccin semanal.
SOLUCIN:
Xi: Pares de zapatos del modelo i ( = 1, 2, 3,4) a producirse
semanalmente.

Max65 X1 + 70 X2 + 60 X3 +55 X4 -10(2 X1 + 3 X2 + 4 X3 + 2 X4)
- 5(3 X1 + 2 X2 + X3 + 2 X4)
Beneficios (Z) =Ingresos- Costos debido al uso de las mquinas
lH. Identificacin de las restricciones
Horas disponibles en la aparadura:
2 X1 + 3 X2 + 4 X3 + 2 X4~ 500
Horas disponibles en el tomo:
3 X 1 + 2 X2 + X3 + 2 X4 :e;; 300
Max Z = 30 X 1 + 30 X2 + 15 X3 +25X4
Sujeto a 2 X1 + 3 X2 +4X3 +2X4 sSOO
3 X1 + 2 X2 +X3 +2X4 :<;;300
X1, X2, X3, X4, ;;::O
54
EJERCICIO 2.25
COLGATE con su planta de procesamiento en la ciudad de Lima, produce tres tipos
de crema dental: Colgate Regular, Colgafe Fresh y Colgate Fresca Rica para nios.
Dichos productos se elaboran con Monoflorfosfato de Calcio y Sulfato de Sodio. La
siguiente tabla proporciona los datos para la produccin diaria:
ELtempo de mano de obra por unidad para

' -~. '" :
la crema
,.
regular es el doble del tiempo
.. : . .
.. . de la crema Fresh y el triple de Fresca

i
Rica. Todos los trabajadores de la fbrica
peden producir el equivalente de 1 500 unidades de Colgate regular. Los
requerimientos del mercado especifican las proporciones de 3, 2 y 5 para la
produccin de Colgate Regular, Fresh y Fresca Rica, respectivamente. Formule el
problema como un modelo de programacin lineal.
SOLUCIN:
Xi: Unidades de crema dentai Colgate tipo a producirse
diariamente.
t: Tiempo para la elaboracin de la c:rema dental tipo i.
T Tiempo total disponible para la produccin diaria de los tres
tipos de crema.
(i =1: Reguiar, i = 2: Fresh, i = 3: Fresca Rica)
.
1
11. Identificacin de la Funcin Objetvo

MAX 0.3 X1 + 0.2 X2 + 0.5 X3
(] .
55
~
1!1. Identificacin de las restricciones
Disponibilidad de Monoflorfosfato: 20 X 1 + 30 X2 + 50 X3~ 40 x 1 000
Disponibilidad de Sulfato de Sodio: 40 X 1 + 20 X2 + 70 X3~ 60 x 1 000

De los tiempos de elaboracin se tiene que: t1 = 2 t2 = 3 t3
Se puede producir en el da el equivalente a 1500 unidds>('jeltipo reg.ular: T
.. .. = 500 t1 (Disponibilidad de mano de obra)
-~~.-..~..-
,: :.._
-....<:
Ahor, el tiempo requerido para la elaboracin de cada n"a de .las cremas no
debe exceder al total disponible, es decir: t1 X1 + t2 X2 + t3 X3~ T
Reemplazando cada parmetro en trminos de t1:
/
Eliminando t1 y simplificando se obtiene: 6 X1 + 3 X2 + 2 X3~ 9 000

Se necesitan proporciones de 3, 2, y 5 para la prod.uccin de los distintos .
X 1 =X 2 =X3
tipos de cremas: 3 2 5
De donde se obtiene las siguientes restricciones:
2 X1 = 3 X2y5 X2= 2 X3

.,:_}',
+0.5 X3
.
MaxZ= 0.3 X1 + 0.2 X2
Sujeto a 20 X1 + 30 X2 +50 X3 ~ 40 000
40 X1 +20X2 + 70 X3 ~ 60 000 .
X1 ~200
X2 ~ 200
X3 ~ 150
6 X1 +3X2 + 2 X3 ~ 9 000
2 X1 -3 X2 =O
5X2 - 2X3 =O
X1, X2, X3, ~o
56
EJERCIGIQ 2.26
LAN CHILE tiene el problema de asignar sus -tres tipos de aviones: Gomercial,
familiar y privado; a cuatro diferentes. rutas al interior del pas, conforme a los
siguientes datos:
Los costos asociados, incluyen los castigos por-perder clientes debido a la falta de
espacio disponible, son:
Formule el problema como un. modelo de programacin lineal.
SOLUCIN:

Xik: Aviones del tipo i (i = 1: Comercial, .i = 2: Familiar; i = 3: privado}
a asignarse a la ruta k (k.= 1, 2, 3,4) diariamente
Pk: Clientes perdidos en la ruta k (k =1,2,3,4)
57
~:.. .

X11 + 1.2-X12-+ 1.4X13 + 0.8 X14 +
0.8 X21 + 0.9 X22 '+ X23+0.7 X24 +
0.6 X3 + 0.8 X32 + 0.9 X33 + 0.6X34 +
0.03 P1 + 0.04 P2+ 0.05 P3 + 0.045 P4
/
li l. Identificacin de las restricciones

Disponibilidad de aviones comerciales: X 11 + X 12 + X 13 + X 14~ 7
Disponibilidad de aviones familiares: X21 + X22 + X23 + X24~ 10
Disponibilidad de aviones privados: X31 + X32 + X33 + X34~ 15
El. nmero de clientes perdidos en , uria c:ftffiifn$.dii~,+ut~;' re_s.Uita. de la

-d-fJr~ncia entre la demanda de v-u~lai~a~:'j~iS~l~t;~i'f.fc~p,~;2;~:~sa-~~-i~H~porte
1
-9~~-cada tipo de avin (sin olvideir que un avin tiene diferente nmero de
" . _.
vuelos en cad-a ruta), esto se resume asf:
P1 =1500-100(3X11)-60(4X21)-30(5X31)
P2 = 2 000- 100 (2 X12)- 60 (3 X22)- 30 (5 X32)
P3 = 1 000-:-100 (2 X13)- 60 (3 X23)- 30 (4 )(33)
P4 = 1 500-100 (1 X14)- 60 (2 X24)- 30 (2 X34)
Xj, Pie O
58
EJERCICIO 2.27
Slider Per produce dos tipos de aleaciones: Aleacin 1 y 2; con 4 tipos de metales
. procesados en la misma mina: Metal 1, 2, 3 y 4; conforme a las siguientes
especificaciones:
Los cuatro metales se obtienen procesando 3 minerales extrados de la mina; segn

los datos del siguiente cuadro:
Formule el problema como un modelo de programacin lineal.

SOLUCIN:
Xik: Toneladas del Mineral i (i = 1, 2, 3) asignados a la
elaboracin de la ruta k (k= 1, 2, 3) diariamente
X1 Toneladas de la aleacin 1 8 producirse
X2 Toneladas de la aleacin 2 a producirse
Max Z = 2 X1 + 3 X2- 0.3 (X1 + X12)- 0.4 (X21 + X22)- 0.5 (X31 + X32)
lll. Identificacin- de las restricciones
Mxima cantidad del mineral 1: X 11 + X 12 ~ 1 500
Mxima cantidad del mineral 2: X21 + X22 ~ 2000
59
Mxima cantidad del mineral 3: X31.+X32 ~ 2500
Especificaciones de la aleacin tipo 1:
A lo ms 75% de contribucin del metal 1:
0.2 X11 +0.1 X21 + 0.05 X31~ 0.75 X1
A lo ms 30% de contribucin del metal 2:
X11 + 0.2 X21 + 0.05 X31~ 0.3 X1
Al menos 35% de contribucin del metal 4:
.. 0.3 X11 + 0.3 X21 + 0;2CX3:1~0.35 X1
..
Especificaciones de la aleacin bp'2: '
.. -_.;.;..:..:.;....... '.:~-.. ,, . - . ';_. . . , . ' ._ ... :.;_:_:. -;-< _;.- .' ~:-~.~:-------_ . ,\.:,-.. _~~ ,-: '\.
Entre el60% y el 80% de contribdndelmtl"2:_'

. . . . . .~ - . . .. . . ; . . . .
0;6X2~ 0.1-X21 + O.Z X21 + 0:05 X32~ 0.8 X2

Al menos 40% de contribucin del metal 3:
.;::,.. .-:.-.-::--- '',.
Al~s:7o% de.eontrbuciri d~Lm~tal4:

0.3 Xt1 + 0.3 X21 + 0~2 X32 ~ 0.7 X2
X1, X2, X11, X12, X21, X22, X31, X32 2::0
60
EJERCICIO 2.28
PLA.ZP, VEA, tiene un rea de produccin de ctricos. En este lugar se producen y
enlatan tres extractos de naranjas: Concentrado de jugo, Jugo Normal y Mermelada
marca Plaza Vea. Estos productos son para uso comercial y se fabrican en latas de
5 litros. La mermelada utiliza naranjas del tipo 1 y los otms productos del tipo 2. La
siguiente tabla enumera !os usos de la naranja, as como la demanda para el
prximo a<?:
Una encuesta de mercado demuestra que la demanda de J_ugo Normal es por lo

\ .
,:::,_---~-:menos el doble que la de Concentrado de Jugo.
~J\~:)=faja este ao, un productor ofrece a Santa Isabel 90000 Kg de naranja tipo 1 a
~~$~2o por Kg y 180000 Kg
:;.~-=::::}(~,. :~..
del tipo 2 a $0.25. El departamento de costo, present la
;;i}i-i- siguiente hoja de utilidades para los tres productos:
~~~~~~: .~
~ff .
. Formule el problema como un modelo de programacin lineal.

SOLUCIN:
X1: Latas de Mermelada de naranja a producirse en el ao.
X2: Latas de Jugo de naranja a producirse en el ao.
61
X3: Latas Concentrado de Jugo a producirse en el ao.
Beneficios= (Ingresos por los tres tipos de productos)-
(Costos asociados a los dos tipos de naranja)
Max 13.2 X1 + 18.3 X2 + 25.7 X3- 0.2 (5 X1)- 0.5 (16 X2 + 30 X3)

Demanda mxima de mermelada: X1 :S:10000
Demanda mxima de jugo: X2 :S; 40 000
Demanda mxima de concentrado: X3 :S: 12 000
Disponibilidad de naranjas del tipo 1: 5 X1 :S: 90 000
Disponibilidad de naranjas del tipo 2: 16 X2 + 30 X3

180 000
Demanda de jugo normal por lo menos el
doble de la demanda de conc~ntrado de jugo: X.2:S: 2 X3
Max 12.2 X1 + _14.3 X2 + 18.2X3

Sujeto a X1 :S:1 o 000
X2 :S:40 000 '.

-
X3 :S:12 000
5 X1 ~90 000
16 X2 + 30X3 :S; 180" 000
X2 -2 X3 Q
X1, X2, X3, Q
62
EJERCICIO 2.29
SONY VAIO, ensambla microcomputadoras para clientes particulares. Los pedidos
par~' los cuatro timestres siguientes son: 300, 800, 400 y 300, respectivamente.
SONY VAIO tiene la opcin de producir ms de la demanda para un respectivo
trimestre, en cuyo caso se incurre en un costo de $10~00 por computadora para el
almacenamiento.
La creciente produccin de un trimestre al siguiente requiere la contratacin de
empleados adicionales, lo que incrementa en $50 el costo de produccin por
computadora en ese trimestre. As mismo, la disminucin en la produccin requerir
el despido de empleados, originando un incremento de $30 en el ~osto de
produccin por computadora. Formule el problema como un modelo de
programacin lineal.
SOLUCIN:
Xi: Computadoras a producirse en el trimestre i (i = 1, 2, 3, 4)
lk: Inventario de computadoras al final del trimestre k {k = O, 1, 2,
3)
Vp: . Variacin del nivel de produccin en el trimestre p (p = 2, 3, 4)
Observacin: Como la variadn del nivel de produccin puede ser positiva
(a~mento) o negativa (disminucin), ser tratada como una variable sin
restriccin de signo.
Vp = Vp+- Vp-
Donde:
Vp+: Aumento en el nivel de produccin.
Vp-: Disminucin en el nivel de produccin.

MIN10 (11 + 12 + 13) +50 (V2+ + V3+ + V4+) + 30 (V2- + V3- + V4-)

x 1 + ro;::: 30o Requerimientos mnimos en el1 trimestre
X2 + 112:: 800 Requerimientos mnimos en el~ trimestre
X3 + !22:: 400 Requerimientos m~nimos en et 3 trimestre
63
X4 + 13~ 300 Requerimientos mnimos en el 4 trimestre
10 =o Inventario al inicio del 1o trimestre
11 =X1 + 10- 300 Inventario al firial del1 trimestre
12 = X2 + 11 - 800 Inventario al final del 2 trimestre
13 =X3 + 12- 400 Inventario al final del 3 trimestre
V2+- V2- = X2- X1 Variacin del Nivel de Produccin enel 1-
trimestre
V3+ - V3- = X3 - Variacifl del Nivel de Produccin en el 2
X2 trimestre
V4+ - V4- = X4 - Variacin del Nivel de Produccin en el __ 3
X3 trimestre
X1, X2, X3, X4, 10- ~o
64
EJERCICIO 2.30
MUEBLERA GARCA, fabrica y ensambla sillas, mesas y libreros. El centro de
produccin cuenta con un rea que produce los productos semiacabados y otra para
el ensamble final. La capacidad de produccin, no ensamblada, mensual de la planta
incluye 300 sillas, 00 mesas y 60 libreros. El rea de ensamble emplea a 15
trabajadores en dos tumos de 8 horas al da, 6 das a la semana. Los tiempos
promedios de ensamble por silla, mesa y librero son 20, 30 y 40 minutos,
. respectivamente. El nmero de empleados en la instalacin de ensamble flucta
debido a las vacaciones. Las solicitudes de vacaciones pendientes incluyen a 2
trabajadores en Mayo, 3 en Junio y 4 en Julio. El departamento de Marketing calcula
que el pronstico de ventas para los meses en Mayo, Junio y Julio es:
...... 1

......
;
. ...,. . ~
. :...;; .
(
: .. ~ '.,!' r
. ' ,- ' ~
Si una unidad que no se vende en el mes en que se produce, se guarda para su

venta en un mes posterior. El costo de almacenamiento es alrededor de 10% del
costo de produccin. Formule el modelo de programacin lineal.
SOLUCIN:
Xik: Unidades del producto i a ensamblarse en el mes k
Yik: Unidades del producto i a venderse en el mes k
lip: Unidades del producto i en inventario al final del mes p
i=1: sillas, 2: mesas, 3:1ibreros; k=1 :Mayo, 2:Junio, 3: Julio p=Q:AbFit, 1:
Mayo, 2: Junio
65
MAX50(Y11 + Y12 + Y13) + 90(Y21 + Y22 + Y23) + 100(Y31 + Y32 + Y33)
- (30(X11 + X12 + X13) + 60(X21 + X22 + X23) + 70(X31 + X32 +X33)]
:_ 0.1 [30(111 + 112) + 60(121 + 122) + 70(131 + 132)]
111. identificacin de las restricciones
Para las sillas:
X11 + i10~ 280 Requerimientos mnimos en el mes de Mayo
X12 + 111~ 240 Requerimientos mnimos en el mes de Junio
X13 + 112~ 300 Requerimientos mnimos en el mes de Julio
110 = 20 Inventario al inicio de Mayo

111 =X11 + 110-Y11 Inventario al final de- Mayo
112=X12+111-Y12 Inventario al final de Junio
O= X13 + 112- Y13 Inventario al final de Julio
Para las mesas:
X21 + 120~ 50 Requerimientos mnimos en eLmes de Mayo
~:.
X23 + 122~ 120 Requerimientos mnimos en el mes de Julio

120 = 30 Inventario al inicio de Mayo

121 = X21 + 120- Y21 lnventarioal final de Mayo
122 =X22 + 121- Y22 Inventario al final de Junio
O = X23 + 122 - Y23 Inventario al final de Julio
Para los libreros:
X31 + 130~ 40 Requerimientos mnimos en el mes de Mayo
X33 + i32~ 80 Requerimientos mnimos en el mes de Julio
. 130 =10 Inventario al inicio de Mayo
131 = X31 + 130- Y31 Inventario al final de Mayo
132 =X32 + !31- Y32 Inventario al final de Junio
O= X33 + 132- Y33 Inventario al final de Julio
Xij, Yij, lij~ O
\
66
EJERCICIO 2.31
SOUTHERN, en su planta siderrgica del Mantaro, opera con una fundidora y dos
laminadoras. La fundidora funde tres tipos de rollos de acero que se elaboran en el
taller mecnico antes de enviarlos a la laminadora. Las laminadoras utilizan los rollos
para fabricar varios productos.
Al principio de cada trimestre, las laminadoras preparan sus necesidades mensuales
de rollos y se lo entregan a la fundidora. Despus, el encargado de la fundidora traza
un plan de produccin del taller. La falta de rollos se cubre mediante la compra
directa a terceros, a un precio ms elevado. En el siguiente cuadro se proporcionan
los datos pertinentes a esta situacin. Sin embargo, la administracin observa que
esa escasez no es frecuente y que se puede afirmar que esto ocurre alrededor del
5% de veces.
Los tiempos de procesamiento en la? cuatro mquinas diferentes son:
4 6 . .. '8 .
6 3 ... O g,
5 ' -: ;;
340
. ' ~-
--r
La demanda de rollos para las dos laminadoras, durante los prximos tres meses es:
500" 200~ o
o 300
1
1
.
500 300
~ l. 200 200
o .'
,. ... 300 o :_ . ,..1: 400"
;;,:..,
200
67
SOLUCIN:
l. identificacin de las variables

Xik: Rollos del tipo i a elaborarse en !a mquina k durante el primer
mes.
Yik: Rollos del tipo i a elaborarse en la mquina k durante el segundo
mes.
Vik: Rollos del tipo i a elaborarse en la mquina k durante el tercer
mes.
i = 1' 2, 3; k = 1' 2, 3

Debido a la probabilidad del 5% de tener que comprar rollos a terceros, el
costo normal de un tipo de rollo se ve afectado de la siguiente manera:
Costo del rollo tipo 1: 200 X 95% + 240 x 5% = 202
Costo del rollo tipo 2: 300 X 95% + 360 X 5% = 303
Costo del rollo tipo 3: 400 x 95% + 480 x 5% = 404
MAX 202(X11 +X12+X13+X14+Y11 +Y12+Y13+Y14+V11 +V12
+ V13 + V14) + 303 (~1 + X22 + X23 + X24 + Y21 + Y22 + Y23 + Y24
+ V21 + V22+ V23 + V24) + 303 (X31 + X32 + X33 + X34 + Y31 + Y32
+ Y33 + Y34+ V31 + V32 + V33 + V34)
Primer mes:
Disponibilidad de Horas al mes
X11 +5X21 +7X31:>320x10 Mquina tipo 1
4 X22 + 6 X32:> 360 x 8 Mquina tipo 2
6 X 13 + 3 X23s: 300 X 9 Mquina tipo 3
3 X14 + 6 X24 + 9 X34:> 340 x 5 Mquina tipo 4
Demanda de rollos en ambas laminadoras

X11 + X12 + X13 + X142: 500 + Requerimiento del rolle tipo 1
200
X21 + X22 + X23 + X242: 200 + Requerimiento del rollo tipo 2
100
68
X31 + X32 + X33 + X342: 400 +O Requerimiento del rollo tipo 3
Segundo mes:
Y11 +5Y21 +7Y31~320x 10 Mquina tipo 1
4 Y22 + 6 Y32~ 360 x 8 Mquina tipo 2
6 Y 13 + 3 Y23~ 300 x 9 Mquina tipo 3
3 Y 14 + 6 Y24 + 9 Y34~ 340 x 5 Mquina tipo 4

..
Y11 + Y12 + Y13 + Y142: O + 300 :Requerimiento del rollo tipo 1
Y21 + Y22 + Y23 + Y244 300 + Requerimiento del rollo tipo 2
200
Y31 + Y32 + Y33 + Y342: 500 + Requerimiento del rollo tipo 3
200
Tercer mes:
V11 +5V21 +7V31~320x10 Mquina tipo 1
4 V22 + 6 V32~ 360 x 8 Mquina tipo 2
6 V13 + 3 V23~ 300 X 9 Mquina tipo 3

3 V14 + 6 V24 + 9 V34~ 340 x 5 Mquina tipo 4
V11 + V12 + V13 + V142: 100 +O Requerimiento del rollo tipo 1.
V21 + V22 + V23 + V242: O+ 400 Requerimiento del rollo tipo 2
V31 + V32 + V33 + V342 300 + Requerimiento del rollo tipo 3
200
69
MinZ= 202 X11 + 202 X12 + 202 X13 + 202 X14 +
202 Y11 + 202 Y12 + 202 Y13 + 202 Y14 +
202 V11 + 202 V12 + 202 V13 + 202 V14 +
303 X21 + 303 X22 + 303 X23 + 303 X24 +
303 Y21 + 303 Y22 + 303 Y23 + 303 Y24 +
303 V21 + 303 V22 + 303 V23 + 303 V24 +
404 X31 + 404 X32 + 404 X33 + 404 X34 +
404 Y31 + 404 Y32 + 404 Y33 + 404 Y34 +
404 V31 + 404 V32 + 404 V33 + 404\134
Sujeto a X11 +5 X21 + 7 X31 s; 3200
4X22 + 6 X32 s 2880
. 6 X13 + 3 X23 s; 2700
3 X14 + 6 X24 + 9X34 s; 1700
~;:,.'=".:
X11 + X12 + X13 +X14 700

X21 +X22 +X23 +X24 300
X31 . + X32 +X33 + X34 400

Y11 +5 Y21 + 7 Y31 s 3200
i
4 Y22 + 6 Y32 s 2880

6 Y13 + 3 Y23 s2700
3 Y14 + 6 Y24 + 9 Y34 s 1700
Y11 + Y12 + Y13 + Y14 300
Y21 + Y22 +Y23 +Y24 500
Y31 + Y32 + Y33 +Y34 700
V11 +5 V21 + 7 V31 s 3200
4 V22 + 6 V32 s 2880
6 V13 + 3 V23 s 2700
3 V14 + 6 V24 + 9 V34 s 1700
V11 + V2 + V13 + Y14 100
V21 +V22 +V23 +Y24 100
V31 + V32 + V33 + Y34 500
\
Xij, Yij, Vij, O
w 70
EJERCICIO 2.32
PINTURAS VENCEDOR produce tres tipos de pinturas: Standard, Qualily y
Premium. Las instalaciones actuales pueden producir un mximo de 18000 galones
de Standard, 10000 galones de Quality y 500 galones de Premium al da. Debido a
la economa de escala, el costo de producir cada tipo de pintura disminuye al
aumentar el nmero de galones producidos. Por ejemplo, si se producen por galones
de pintura Standard, entonces el costo por galn es a - bx. La siguiente tabla
proporciona los valores de a y b; el precio de venta por galn, y la demanda diaria
mnima por cada tipo de pintura.
Standard 3 0.0001 6.50 10 000

; Quality 4 0.0002 8.50 6 000
!
Premium 5 0.0003 11.00 2 500 S.'
La compaa uuc'u" un total de hasta 25000 galones de pintura

al da. Como supervisor de produccin, formule un modelo para determinar la
cantidad de pintura a producir para maximizar la ganancia (ingreso menos costo}...
Use el esquema de la seccin 2.3 para clasificar su modelo.
SOLUCIN:
S =Cantidad de pintura Standard a producir
Q =Cantidad de pintura Quality a producir
P =Cantidad de pintura Preniium a producir
MAX3.5001S + 4.50020 + 6.0003P
Segn la cantidad total a producir S+Q+P 525000
Segn la pintura Standard 10000 5 S 518000
6000 5 Q 510000
25005 p 55000
Con respecto a la no negatividad S, Q, P2 O
\ SOLUCIN:CON LINDO
1)110004,5S = 10000
71
EJERCICiO 2.33
MORA VE COi debe producir al menos 600000 tornillos pequeos y 400000 tornillos
grandes para satisfacer la demanda de las siguientes 4 semanas. Estos tornillos
pueden producirse en dos mquinas distintas, cada una de las cuales est
disponible 40 horas a ia semana. Los requerimientos de costos y tiempo para
producir cada tamao de tornillo en cada mquina y el precio de venta de cada
tamao de tornillo se muestra en la siguiente tabla:
Precio de venta ($/1 000) 27.50 32.50

Costo en la mquina 1 ($/1000) 6.25 7.75
Costo en la mquina 2($/1 000) 8.00 9.25
Tiempo en la mquina 1(min. /Lb.) 1.50 1.75
Tiempo en la mquina 2(min. /Lb.) 1.00 1.25
En cada libra hay aproximadamente 60 torni_llos pequeos y 40 tornillos grandes.
Usando fas variables:
81 =No de miles de tomillos pequeos por producir en la mquina 1
82 =No de miles de tomillos pequeos por producir en la mquina 2
L 1 =No de miles de tomillos grandes por producir en la mquina 1
L2 =No de miles de tomillos grandes por producir en la mquina 2
El gerente de produccin ha formulado el siguiente modelo para maximizar la
ganancia y satisfacer la demanda con la disponibilidd limitada de tiempo de
mquina en las siguientes 4 semanas:
Max 27.5081+ 27.5082 + 32.5L2
Condicionado por:
S1 +82 ~ 600000
L1 +L2 ~ 400000
1.SS 1 + 1. 70L 1 ::; 40
1.082 + 1.25L2 ::; 40
S1, 82,L1, L2 ~O
Escorrectoestemodelo?Si no es as, corrija todos los errores.
72
SOLUCIN:
El modelo es incorrecto, a continuacin est el modelo corregido:
MAX21.25S1 + 19.50S2 + 24.75L 1 + 23.25L2

Condicionado por:
S1 +S2 ~600
L1 +L2 2:400
0.4166781+ 0.7290L ::;160
0.2777082+ 0.5208L2 ::;160
S1,S2,L1,L2 2:0
SOLUCIN:CON LINDO
1)16836,5951=23,83869 82=576,161316 L 1=205,8534L2=0
73
2.5 Autoevaluacin de la Unidad i
01 DIGA SI ES VERDADERO O FALSO:

( ) La reSOLUCIN:del modelo implica el uso de mtodos ptimos y
heursticos.
( ) La Funcin objetivo puede ser lineal y no lineal.
) Las restricciones pueden e irrestrictos y restringidos.
02 PROBLEMA
Una Cooperativa ha obtenido una subvencin de 500000 para desarrollar
edificios de departamentos para personas de ingresos bajos y medianos en
una extensin de 18000 pies cuadrados de terreno cada tipo. de edificio
requiere 2000 pies cuadrados. El costo estimado de cada edificio de bajos
ingresos es de 30000 y el costo estimado de cada edificio de ingresos medios
es de 60000, cada edificio de bajos ingresos proporciona 15 unidades y cada
edificio de medianos ingresos proporciona 12 Unidades. Para mantener el
vecindario bien balanceado la cooperativa requiere que la proporcin de los
departamentos de ingresos medios con los de ingresos bajos sea de al menos
O.BO.Se pide desarrollar el modelo matemtico.

03 PROBLEMA
Cada semana Florida Citrus, lnc., usa una sola mquina durante 150 Horas
para destilar jugo de naranja y de toronja en concentrados almacenados en
dos tanques separados de 1000 gaiones antes de congelarlos. La mquina
puede procesar 2"5 galones de jugo de naranja por hora, pero solo 20 galones
de jugo de toronja. Cada galn de jugo de naranja cuesta $ 1,5 y pierde 30 %
de contenido de agua ai destilarse en concentrado. El concentrado de jugo de.
naranja se vende despus en $ 6.00 por galn. Cada galn de jugo de toronja
cuesta $ 2.00 y pierde 25 % de contenido de agua al desti!arse en
concentrado. El concentrado de jugo de toronja se vende despus en $ 8.00
por galn. Se pide desarrollar un modelo de programacin lineal para
determinar un p!an de produccin que maximice la ganancia para la siguiente
serr..ana usando las variables:
04 ASOCIE EL CARCTER VERDADERO (V) O FALSO W)
4.1 ( ) Un problema de pmgramacin lineal, es un problema de
74
maximizacin o de minimizacin en donde la funcin objetivo y las
restricciones son lineales.
4.2 ( ) Para la formulacin de un modelo, es necesario conocer todas las
alternativas posibles de SOLUCIN:.
4.3 ( ) La definicin apropiada de las variables del modelo es el primer
paso esencial en la formulacin del problema.
4.4 En las lll.ldentificacin de las restricciones, se.deben de colocar a
todas las variables anteriormente definidas.
4.5 ( ) La funcin objetivo debe contener a .todas las variables
previamente definidas.
4.6 (y Las. variables del mqdelo deben reflejar
:
fielmente
.
tas necesidades
. ...
del problema. Para una mejor apreciacin del mismo, a veces es

necesario definir parmetros que ayudarn a las variables a
expresar mejor el modelo.
4.7 ( ) Los parmetros, son variables que an siendo definidas en el
modelo, no aparecen en el mismo.
4.8 ( ) Luego de definir a,propiadamente a las variables, es necesario
definir el criterio objetivo que busca alcanzar el modelo.
4.9 ( ) Las Identificacin de las restricciones son todas las limitaciones
que presenta el problema y deben expresarse en funcin de las
variables del modelo.
4.1 O ( ) Las restricciones implcitas, aquellas que se sobreentienden, son
las denominadas restricciones de no negatividad.
05 RESPONDA LAS SIGUIENTES PREGUNTAS
5.1 Qu se entiende por propiedad de PROPORCIONALIDAD, en los
modelos de programacin lineal?
5.2 Qu se entiende por propiedad de ADITIVIDAD?
5.3 Qu es una variable sin restriccin de signo o irrestricta de signo?
5.4 Es posible mode~ar la situacin en donde ocurre un descuento por
cantidad vendida en un modelo de programacin lineal?
75
SOLUCIONARlO DE LA AUTOEVALUACIN DE LA SEGUNDA UNIDAD
01 V V V
02 MODELO MATEMTICO
8 = Nmero de edificios para personas de 8jos ingresos.
- M= Nmero de edificios para personas de Medianos ingresos.
!! Identificacin de la Funcin Objetivo
Max 158+12M
111 Identificacin de las restricciones
38+6M s50
208 +20M s180
12M 1 158 - ;;:::0,8
B,M ;;:;:o, Entero
SOLUCIN:CON LINDO 1208= 4, M=5
03 MODELO MATEMTICO
CN = Nmero de galones de concentrado de naranja a producir esta
semana.
CT = Nmero de galones de concentrado de toronjaa producir esta
semana.
11 Identificacin de la Funcin Objetivo
Max 3,86CN+ 5,33CT
ll! Identificacin de las restricciones
0,057CN+0,067CT s150
CN s 1000
CT s 1000
CN,CT ;;:;:o
4.1 (V) Un problema de programacin lineal, es un problema de

in en donde la funcin objetivo y las
/
76
restricciones son lineales.
Un problema de Programacin Lineal, es un problema de
optimizacin con restricciones de igualdad y de desigualdad con la
particularidad detener, tanto la funcin objetivo, como las funciones
que definen las restricciones, lineales. La reSOLUCIN:de esta
clase de problemas se conoce desde 1947 y es debida a G. B.
- Dantzing.
4.2 (F) Para la formulacin de un modelo, es necesario conocer todas las
alternativas posibles de SOLUCIN:.
En un problema de toma de decisiones, es necesario tener tres
componentes principales, para la SOLUCIN:
1.- Las alternativas de decisin
2.- Las restricciones que afectan a la decisin
3.- El criterio objetivo para la evaluacin de las alternativas.
En un problema de programacin lineal, es necesario solamente
conocer el criterio objetivo que busca el problema y las restricciones
del mismo.
4.3 (V) La definicin apropiada de las variables del modelo es l pnmer
paso esencial en la forrhulacin del problema.
En las 111. Identificacin de las restricciones, se deben de colocar
4.4 (F) a todas las variables anteriormente definidas.
En la l. Identificacin de las variables, se deben de definir a
aquellos que estn estrechamente relacionadas con las necesidades
del problema y a las que sirven solamente para expresar mejor estas
necesidades. Por lo general estas ltimas se simplifican y no
aparecen en el modelo.
4.5 (F) La funcin objetivo dehe contener a todas las variables previamente
definidas.
Como se mencion anteriormente, no todas las variables definidas
aparecen en ei modelo, por tanto la funcin objetivo tampoco
contendra toda las variables. Adems muchas variables que
aparecen en las restricciones no se observan en la funcin objetivo y
viceversa.
77
4.6 (V) Las variables del modelo deben reflejar fielmente las nec:;esidades
del problema. Para una mejor apreciacin del mismo, a veces es
necesario definir parmetros que ayudarn a las variables a
expresar mejor el modelo.
Muchos de los parmetros surgen, debido a que las restricciones
son difciles de expresar en funcin de ias variables del modelo. Por
-tanto estos parmetros son una ayuda para facilitar esta tareay en
su mayora de casos, no aportan nada que favorezca a la bsqueda
del objetivo dei modelo.
4. 7 (V) Los parmetros, son variables que an siendo definidas en el
modelo, no aparecen en el mismo.
Efectivamente, estos parmetros son variables que ayudan a
expresar mejor el modelo; pero que sus valores no necesitan
calcular ya que son utilizados antes de la verdadera formulacin del
problema. Despus de las simplificaciones, estos parmetros ya no
aparecen en el modelo.
4.8 (V) Luego de definir apropiadamente a las variables, es necesario definir
el criterio objetivo que busca alcanzar el modelo.
Si, puesto que este criterio objetivo refleja exactamente la meta que
busca alcanzar el modelo. Y cuando se traduce matemticamente
en funcin de las variables del modelo, se convierten en la funcin
objetivo del modelo.
4.9 (F) Las Identificacin de las restricciones son todas las limitaciones que
presenta el problema y deben expresarse en funcin de las variables
del modelo.
Las 111. Identificacin de las restricciones son todas !as
condiciones que debAn de satisfacer y tienen que expresarse en
funcin de las variables del modelo. Estas condiciones no son
solamente limitaciones, en otms casos sern condiciones de
proporcionalidad entre las variables o condiciones mnimas
necesarias que deben cumplir las variables.
\
4.1 O (F) Las restricciones implcitas, aquellas que se sobreentienden, son las
\
denominadas restricciones de no negatividad.
78
Las restricciones implcitas son aquellas que se sobreentienden y
que deben aparecer tambin en -el modelo. Los modelos de
Programacin Lineal, en su mayora, presentan variables que
aceptan slo valores positivos y por ende las condiciones de no
negatividad son implcitas al modelo. Pero existen otras restricciones
como el nmero de das en un mes o la suma de las aportaciones
- porcentuales de un todo, las que tomarn valores de . 30 y 1
respectivamente, ambas se sobreentienden y a la vez son implcitas
al modelo.
5.1 Qu se entiende por propiedad de PROPORCIONALIDAD, en lo~ modelos de

programacin lineal?
Respuesta. Debido a la linealidad del modelo, se presenta la propiedad de

proporcionalidad, que indica que la contribucin de cada variable del modelo, tanto
en la funcin objetivo como en las restricciones, sea directamente proporcionalidad
al valor de la variable.
Por ejemplo; si se tratara de un prob,ema en el cul se dan-descuentos por cantidad,

a contrib,ucin al valor de la FUNCIN OBJETIVO se ver disminuida si se hacen
--
compras con cantidades .muy grandes y no se comprobar la linealidad del modelo.
5.2 Qu se entiende por propiedad de ADITIVIDAD?
Respuesta. La propiedad de actividad, indica que la contribucin total de todas las

variables en la funcin objetivo y en las restricciones es igual a la suma de las
contribuciones individuales de cada variable. Por ejemplo, si en e! modelo se prestan
variables que indique el nivel de votos de varios pmductos, entonces si dos de ellos
son productos competitivos, e incremento del nivel de ven-tas de un producto traer
consigo una disminucin de nivel de ventas del otro.
\ 5.3 Qu es una variab!e sin- restriccin de signo o irrestricta de signo?
79
Respuesta. Una variabie sin restricciones de signo, es aquella que puede tomar un
valor positivo o negativo, por ejemplo, la variacin de la produccin de un mes a otro
puede ser positivo o negativa dependiendo si hay aumento o disminucin en el nivel
de produccin.
Matemticamente, es difcil trabajar c~n una variable sin restriccin de signo. Por
esta razn, se utiliza una sustitucin estndar que convierte la variable sin restricCin
de signo en dos variables no negativas, es decir:
Sea X1, una variable sin restriccin de signo; entonces la siguiente sustitucin: X1 =
X1+- x1-, donde X1+, X1-~ O, transforma a la variable en mencin en dos variables
positivas.
Si X1 +> O y X1- = O, X1 es una variable positiva.
Si X1+ =O y X1-> O, X1 es una variable negativa .
,
.
5.4 Es posible modelar la situacin en donde ocurre un descuento por cantidad
vendida e,n un modelo de programacin lineal?
Respuesta. Si es posible; considerando que el precio u'nitario de los artculos

disminuye a medida qu le nniei-o de artculos comprados crece, se deberan de
definir rangos de compra en donde un precio unitario no cambia, de acuerdo a esto,
se definiran variables por cada rango al momento de la formulacin del problema.
80
UNlDAD 111 PROGRAMACIN LINEAL
e:s5 tn~~sti~facioh g~
--:; ; .. :_ 1. .... .;::- < '
,Iograr
;- - -
qu~
.
-,o-s.-estudiantes
~- .. .. .
conozcan)?
.
.. befinir que
.~ .;.::::'~ .'
~- .:
definicin -de la : .nvesti_ga'cln -de operacion~~- :. . _
01
-operacibne$, su metqdolog"a, . su_. .. , _ . .
. Conocer.la f::irstot:ia'geJa:invstgadnde
; historia, s~;i? ventaja$. y'aplicacl_ones.
operaciones.
;. : .:
:: .' deo_peraC?ione~~indicaf1dq
. . --z'
:la~/'se~s.., . r~ '- ~-
.-~ ' .. L .... :._;, ,,._: ~ ..... :~" --~~4'-'
1.1 Definicinde Investigacin de operaciones
1.2Historia de la Investigacin de operaciones
1.3Metodologa de la Investigacin de Operaciones.
1.4Usos y ventajas de los modelos
Los )dtosy fracasos son el re_sultado de las.decision'e.s qu~ se tomarcm; no existe

::1~'6~sualidad sino ms bien la caus:a-ldad tal co~o est descrt~ en: la :obra "Los
. ..
,siete prin_cipios he~mticos" de El Kybalin: ''Toda ~ausa tiene su e~ect>todo

efecto tiene su causa, todo sucede_de acuerdo con la ley; la suerte no es ms que
. . '
. .. .
ei nombre que se le da a una _!ey no conocida": La mente es lo que el cerebro

hace. Las mentes realizan un3 serie de procesamientos de informacin para
formarestrategias
.-
necesarias
.
para vvirdiariamente
..
..
81
3.1 Ejercicios de programacin linea!
Ejercicio 3.1
PETROPER Tiene 14000 galones de una mezcla de gasolina y alcohol
almacenada en su instalacin de La pampilla y 16000 galones almacenados en su
instalacin de Bayo bar. Desde estas instalaciones, debe proveer a Primax 10000
galones y a Repsol 20000 galones. El costo en soles de embarcar 1 galn desde,
cada instalacin de almacenado a cada cliente es:
SOLUCIN:
Identificacin de las Variables
Xij = Nmero de gal. de mezcla a enviar del almacn a las instalaciones j

MIN 0.04X11 + 0.06X12 + 0.05X21 + 0.03X22
111 Identificacin de las Restricciones

X11 + X12:S 14000 Con respecto a la provisin
X21 + X22:S 16000 Con respecto a la provisin
X11 + X21~ 10000 Con respecto a la demanda
X2 -r X22~ 20000 Con respecto a la demanda
Xij~ o Con respecto a la no negatividad
SOLUCiN:USANDO LINDO 1)1120.000, X11=10000, X12= 4000,

X21 =O,, X22= 16000
83
Ejercicio 3.2
Nestl est desarrollando una nueva golosina de man y chocolate. El dulce debe
tener al menos 5 gramos de protenas, pero no ms de 5 gramos de carbohidratos y
3 gramos de grasas saturadas. Desarrolle un programa lineal para determinar la
cantidad de cada ingrediente por utilizar que satisfaga los requerimientos
nutricionales a un costo total mnimo, basndose en los siguientes datos:
, Costo($/oz.) 0.10 0.18

1 Protenas(g/oz.) 4.00 0.80
Carbohid ratos(g/oz.) 2.50 1.00
; Grasas saturadas (g/oz.) 2.00 0.50
SOLUCIN:
l. Identificacin de las Variables
M = Nmero de oz. de mantequilla
C = Nmero de oz. de chocolate
11. Identificacin de la Funcin Oli>jetvo

MIN 0. 10M+ 0.18C

4M +O.BC 2:: 5 Con respecto a las protenas
2.50M +C :::; 5 Con respecto a los carbohidratos
2M +0.5C:::; 3 Con respecto a las grasas saturadas
M, C 2:: O Con respecto a la no negatividad
SOLUCIN:USANDO LINDO 1) 0.1250000 M= 1.250000 e =

0.000000
84
Ejercicio 3.4
SIDERPERU tiene una mquina capaz de fabricar tubos de dimetros grandes y
pequeas para contratistas de plomera. Los tubos grandes se producen a una
velocidad de 200 pies por hora y los pequeos a unos 300 pies por hora. Cada hora
que la mquina es utilizada para producir tubos grandes, generalmente ocasiona 1.5
atascamientos y cuando se producen tubos pequeos resultan 3 atascamientos por
hora. Cada -atascamiento requiere aproximadamente 5 minutos de restablecimiento
durante los cuales la mquina no puede producir tubos. La gerencia desea un
nmero igual de pies de ambos tamaos de tubos y la mayO cntidad total de tubos
posible. Formule un modelo para determinar cunto tiempo de un da de 8 horas
debe asignarse a la produccin de tubos grandes y cua_nto a la de tubos pequeos.
Para las variables de decisin, use el nmero de horas de tiempo de maquina por
dedicar a la fabricacin de tubos pequeos y grandes.
Tubos grandes 1.5 atas 1 hora 5 min.

1
Tubos pequeos 300 pies 1 hora 3.0 atas 1 hora 5 min.
SOLUCI N:
Identificacin de Variables
f
G =Nmero de horas mquina para fabricar tubos grandes
P.= Nmero de horas mquina para fabricar tubos pequeos
11 Identificacin de ia Funcin Objetivo
MAX 175G
G+P =8 Con respecto al tiempo en horas
175G- 225P =O Con respecto a la igualdad de produccin
G, P 2: O Con respecto a la no negatividad
SOLUCIN:USANDO LINDO
1)787.5000
VARIABLEVALUEREDUCED COST
G4.5000000. 000000
P3. 5000000.000000
85
Ejercicio 3.5
Repita el ejercicio 3.4 usando ia fraccin de 8 horas de tiempo de mquina
dedicara a fabricar tubos pequeos y grandes como las variables de decisin.
SOLUCIN:
G = Nmero de horas mquina para tubos grandes
P = Nmerode horas mquina para tubos pequeos

MAX 1400G
111. Identificacin de las Restricciones

G+P =1 Con respecto al tiempo en horas
1400G- 1800P =O Con respecto a la igualdad de produccin
G,P ~O Con respecto a la no negatividad
1) 787.5000
VARlABLEVALUEREDUCED COST
G 0.5625000.000000
p 0.4375000.000000
86
Ejercicio 3.6
Repita el ejercicio 3.4 usando el nmero de pies de tubos pequeos y grandes por
fabricar en 8 horas de tiempo de maquina como las variables de decisin.
, Tubos Grandes 200 pies 1 hora 1.5 atas 1 hora 5 min.

Tubes Pequeos 300 pes 1 hora 3.0 atas 1 hora 5 mn.
SOLUCIN:
G = Nmero de pies a producir de tubos grandes
P =Nmero de pies a producir de tubos pequeos

MAXG

(1/175)G + (1/225) P =8 Con respecto al tiempo en horas
'f
G -P =O CDn respecto a la produccin

G,P ;::: O Con respecto a la no negatividad
SOLUCiN:USANDO LINDO
1) 787,5
VARI.ABLE VALUEREDUCED COST
G 787,5 0.000000
p 787.5 0.000000
87
Ejercicio 3. 7
EXPLOSIVOS S.A. mezcla azufre, carbn y salitre. para producir plvora. El producto
final debe contener al menos 10%, pero no ms de 20%, de carbn por unidad de
peso. La cantidad de salitre no puede exceder el 50% de la cantidad de carbn
usado. Para evitar una explosin accidental, la syma de 50% del azufre ms 60%del
carbn mas 30% del salitre usados no puede exceder 35% del producto final. El
azufre es cen mucho ei componente ms caro. Formule un modelo para determinar
la cantidad de cada ingrediente que debe utilizarse para producir cada libra de
plvora que satisfagalas resticciones y, a la vez que, requiera la menor cantidad de
azufre.
SOLUCIN:

A = Nmero de libras de azufre para producir plvora.
C = Nmero de libras de carbn para producir plvora.
S = Nmero de libras de salitre para producir plvora.

MINA
lll Identificacin de las Restricciones

C ;:: 0.1 O (A+C+S)
C s 0.20 (A+C+S)
s s o.s e
0.5A + 0.6C + 0.3S s 0.35 (A+C+S)
A +C +S =1
A,C,S 2:0
SOLUCIN:USANDO LINDO No tiene SOLUCIN:
88
Ejercicio 3.8
QUIMICA SUIZA diluye cada litro de cido sulfrico concentrado con 20 litros de
agua destilada para producir H2S04. De manera similar cada litro de cido
clorhdrico concentrado se diluye con 30 litros de agua destilada para producir Cl.
Estos dos productos vendidos a escuelas de segunda enseanza a $0.1 O por botelia
de 100 mililitros (estoes 0.1 litros). La compaa actualmente tie:e 50000 botellas
vacas en inventario. Suponga que existe una cantidad virtualmente ilimitada de
agua destilada que cuesta $0.15 por litro y que se dispone a los siguientes datos:
Costo ($ 1 oz.) 12.00 18.00 0.15

Suministro 200.00 150.00
(litros)
Formule un modelo para determinarla cantidad de cada cido concentrado por diluir
para maximizar las ganancias totales.
SOLUCIN:
Mezcla de cido Sulfrico

Costo de Prod.: Agua destilada (20) litros*(0.15) $/litros = 3$
cido Sulfrico (1) litro*(12) $/litros= 12$
21 litros= 15$
Ingreso: 21 litros *(1) $/litro = 21$
Ganancia: G =Ingreso-Costo =21 $- 15$ = 6$
Mezcla de cido Clorhdrico

Costo de Produccin: Agua destilada (30) litros*(0.15) $/litros = 4.5$
cido Clorhdrico (1) litro*(18) $/litms = 18$
31 litros= 22.5$
"' Ingreso: 31 litros *( 1) $/litro = 31$
Ganancia: G =Ingreso-Costo :::31$- 22.5$ = 8.5$

89
AS = Nmero de mezc!a de cido sulfrico a producir
AC =Nmero de mezcla de cido ciorhdrico a producir

MAX 6AS + 8.5AC
!1!. Identificacin de las Restricciones
AS+ AC = 5000 Con respecto a los envases
AS s; 4200 Con respecto al suministro
AC s; 4650 Con respecto al suministro
AS,AC ;:::; O Con respecto a la no negatividad
1)41625.00 AS=350 AC =4650
90
Ejercicio 3 ..9
BASA S.A.usa una base y dos productos de goma,_ todos en cantidades iguales,
para producir su autoclave. La compaa puede producir un total combinado de
hasta 800 libras de la base y dos productos de goma. De manera alternativa, puede
comprar estos ingredientes en el mercado abierto en las siguientes cantidades de
dlares por iibra:
Base 1.75 3.00

GP-1 2.00 3.25
GP-2- 2.25 3.75
Formule un modelo para determinar el plan de produccin de costo mnimo" 1 compra
para satisfacer una demanda de 1200 libras de autoclave.
SOLUCIN:
BP= Nmero de libras de Base por producir
GP1P= Nmero de libras del Producto de Goma1 por producir
GP2P= Nmero de libras del Producto de Goma2 por producir
BC = Nmero de libras de Base por comprar
GP1C= Nmero de libras del Producto de Goma1 por Comprar
GP2C= Nmero de libras del Producto de Goma2 por Comprar
Mi N 1.75BP+2.00GP1 P+2.25GP2P+3.00BC+3.25GP1 C+3.75GP2C
BP +GP1P + GP2P:5 800
BP +BC =400
GP1P + GP1C = 400
GP2P + GP2C =400
BP, GP1 P, GP2P, BC, GP1 C, GP2C 2: O
1) 2900.000
VARIABLE VALUREDUCIDCOSTA
BP 0.000000 0.000000 GP1P 400.0000 0.000000
GP2P 400.0000 0.000000 BC 0.000000 0.000000
GP1 C 0.000000 0.000000 GP2C 0.000000 0.250000
91
Ejercicio 3.10
CIFRUT usa una sola mqujna durante 150 horas para .destilar jugo de naranja y de
toronja en concentrados almacenados en dos tanques separados de 1000 galones
antes de congelarlos. la mquina puede procesar 25 galones de jugo de -naranja por
hora, pero solo 20 galones de jugo de toronja. Cada galn de jugo de naranja cuesta
$1,50 y pierde 30% de contenido de agua al destilarse en concentrado. El
concentradq de jugo de naranja despus se vende en $6,00por galn. Cada galn
de jugo de toronja cuesta $2,00 y pierde 25% de contenido de agua al destilarse en
concentrado. El concentrado de jugo de toronja se vende despus en $8,00 por
galn. Formule un modelo de programacin iineal para determinar un plan de
produccin que maximice la ganancia para la siguiente semana usando las
variables:
JN = El nmero de galones de jugo de naranja por utilizar esta semana.
JT = El nmero de galones de jugo de toronja por utilizar esta semana.
2.0 8.00 1
0.25 gal 1 0.05 h /gal
1
l. Identificacin de las Vari.ables

JN = El nmero de galones dejugo de naranja por utilizar.
JT = El nmero de galones de jugo de toronja por utilizar.
MAX 2.7JN + 4JT
0.04JN+0.05JT $150 Con respecto al tiempo
0.70JN $1000 Con respecto a la disponibilidad
0.75JT ~1000 Con respecto a !a disponibilidad
JN,JT ~O No negatividad
1)9190.477 JN = 1428.57 JT = 333.33
92
Ejercicio 3.11
Como variables del ejercicio 3.10 formule un modeto de programacin lineal para
determinar un plan de produccin que maximice la ganancia para la siguiente
semana usando las variables:
CN = El nmero de galones de concentrado .eJe naranja por producir .esta semana.
CT = El nmero de galones de concentrado de toronja por producir esta semana.
SOLUCIN:
CN = Nmero de galones de concentrado de naranja por producir.
CT = Nmero de galones de concentrado de toronja por producir.
11. Identificacin de !a Funcin Objetivo =
MAX 3.86CN + 5.33CT

0.057CN+ 0.067CT::; 150 Con respecto al tiempo de mquina
CN ::; 1000
CT ::; 1000
CN,CT2:0 No negatividad
1) 9190.000 CN = 1000.000 CT= 1000.000
93
Ejercicio 3.12
Como variantes del ejercicio 3.10 formule un mode!o de programacin lineal para
determinara un plan de produccin que maximice la ganancia de la ganancia de la
siguiente semana usando variables:
TN = Nmero de horas de tiempo de maquina a usarse esta semana para destilar
jugo de naranja
TT = Nmero de hoas de tiempo de maquina a usarse esta semana para destilar
jugo de toronja.
Naranja 25 gal /hrs. 1.5 6.00 0.30 gal 0.04 h /gal

Toronja 20 gal 1 hrs. 2.0 8.00 0.25 gel 0.05 h /gal
SOLUCIN:

TN =Nmero de Hr.Mquina a usarse esta semana para destilar jugo de
naranja
TI=Nmero de horas maquma a usarse esta semana para destiiar jugo de
toronja.

MAX 112.5TN + 120TI

TN+ TI s150 Con respecto a la cantidad de tiempo
TN s40 Con respecto a la disponibilidad
TT s50 Con respecto a la disponibilidad
TN,TT2::0 Con respecto a la no negatividad
1) 0500.00 TN = 40.000000 TT = 50.000000
94
Ejercicio 3. 13
PETROPERU. debe transportar 100000 barriles de cada uno de sus tres campos
petroleros. a su tanque de almacenamiento en La Pampilla. El petrleo puede
transportarse en camiones directamente de los campos al tanque de
almacenamiento a un costo de $0.03 por barril por milla. Hasta 150000 barriles de
petrleo tambin pueden enviarse desde los campos mediante duetos a un eje
central en Bayobar a un costo de $0.02 por barril por mWa y luego transportarse en
camiones a La Pampilla por $1 por barril. Formule un modelo para determinar el plan
de embarque de costo mnimo, dadas las siguientes distancias en millas:
Desde Bayo bar

Campo petrolero 1 150 50
SOLUCl N:
Xij = Nmero de barriles que se deben enviar del campo petrolero ia al
tanque j
1!. Identificacin de la Funcin Objetivo
MlN 4.5X11 + 5.1X21+5.7X31+ 2X12 + 2.3X22 + 2.7X32
111 Identificacin de la Restricciones
X12 + X22 +X32 :::; 150000 (tubera)
X11 + X12 = 100000 (campo 1)
X21 + X22 = 100000 (campo 2)
X31 + X32 = 100000 (campo 3)
Xij ~O No negatividad
1) 1090000.
X11 10000 X21 50000
X31 00000 X12 00000
X22 50000 X32 100000
95
Ejercicio 3. 4
COMPASS mezcla seis especias para fabricar un producto para aderezar pescados.
La siguiente tabla proporciona el costo de cada especia y los porcentajes mnimos y
mximos por unidad de peso que pueden usarse en el .producto final:
Canela 0.020 18. 20

Pimienta Negra 0.025 15 18
Semillas de hinojo 0.082 12 14
Polvo de cebolla 0.025 16 20
Ajo 0.028 12 15
Organo 0.075 14 18
Formule un programa lineal para -determinarla cantidad de cada especia utilizada

para producir cada kilogramo de producto que minimice el costo total.
SOLUCIN:
l. Identificacin de Variables
C = Nmero de gramos de Canela a utilizar para producir un Kg.
P =Nmero de gramos de Pimienta a utilizar para producir un Kg.
'
S= Nmero de gramos de Semillas a utilizar para producir un Kg.
R= Nmero de gramos de Polvo a utilizar para producir un Kg .
. A= Nmem de gramos de Ajo a utilizar para producir un Kg.
O = Nmero de gramos de Organo a utilizar para producir un Kg.

MIN 0.020C+0.025P+0.082S+0.025R+0.028A+0.0750

Con respecto al porcentaje de uso
1so:::; e:::; 200
150:S p :S 180
120:::; S:::; 140
160:::; R:::; 200
120:::; A:::; 150
96
140::; o::;; 180
Con respecto a los productos terminados
C + P + S + R + A + O= 1000
Con respecto a la no negatividad
C ,P ,S ,R ,A ,O~ O
1) 38.79
C 200.000000P180.000000S 120.000000 R 200.000000 A
150.0000000150.000000
97
Ejercicio 3.15
TEXTIL SAN CRISTOBAL mezcla tres aditivos, A 1, A2 y A3 a una base en
diferentes proporciones para obtener distintos coiores de tintas. la tinta roja se
obtiene mezclando A 1, A2 y A3 en la proporcin 3:1 :2, la tinta azul en la proporcin
2:3:4 y la tinta verde en la proporcin de 1:2:3. Despus de mezclar estos aditivos,se
aade una cantidad igual de base para cada color. La compaa actualmente tiene
1000 galones de A 1, 1500 de A2, 2000 de A3 y 4000 de base. Dado que el precio de
venta por galn de cada tipo de tinta es el mismo, desarrolle un modelo para
determinar cmo deberan usarse estos -recursos para obtener los mximos
ingresos .
.SOLUCIN:
Aij =Nmero de galones de ad,itivo i utilizado en la tinta j
8j =Nmero de galones de base Outilizado .en la tinta j
R =Nmero de galones de tinta Roja
A =Nmero de galones de tinta Azul
V =Nmero de galones de tinta Verde
MAX R+A +V
A11 +A2+A13:51000 A21 + A22 + A23:::; 1500
A31 + A32 + A3;3 :::; 2000 811 + B 12 + 813 :::; 4000
A 11- 3A21 =O 2A21 -A31 =O
A 11 +A21 +A31- 81 =O A11 +A21 + A31+ 81- R =O
3A12- 2A22 =O 4A22- 3A32 =O
A12 +A22 + A32-82 =O A12 +A22 + A32+82- A =O
2A13- A23 =O 3A23- 2A33 =O
A13 + A23 +A33- 83 =O A13 + A23 +A33+83- V =O
Aij,Bj,R,A, V 2: O
1)9000 A 12= 1000 A32=2000 82=4500 A=900 A22=1500
98
Ejercicio 3.16
El departamento de energa de Lilliput actualmente est en -el proceso de desarrollar
un plan nacional de energa para el ao siguiente. Lilliput puede generar energa de
cualquiera de cinco fuentes: carbn gas natural, materiales nucleares, proyectos
hidroelctricos y petrleo. Los datos sobre los recursos de energa, la capacidad de
generacin de energa medida en mega watts-hora (MW-:-hr) y los costos unitarios de
generacin _se dan en la tabla 1.Lillip~t necesita 50000 MW-he.de energa de uso
domestico, y el pas tiene un compromiso para producir 10000 MW-
hr.paraexportacin. Ms aun, a fin de conservar los recursos de energa y proteger
el ambiente, el gobierno ha prohibido las siguientes regulaciones:
La generacin proveniente de materiales nucleares no debe exceder 20% de la
energa total generada en Lilliputdebe utilizarse al menos 80% de la capacidad de
las plantas de carbn. Los efluentes que salen a la atmsfera no deben exceder los
lmites especificados en la tabla 2
La cantidad de energa generada a partir de gas natural debe ser al menos 30% de
la generada a partir del petrleo. Formule un programa lineal para determinar un plan
de energa de costo mnimo.
Tabla 1 Capacidad de generacin y costos
Carbn 45000 6.0

Gas Natural 15000 5.5
Nuclear 45000 4.5
... .
Hidroelctrica 24000 5.0

Petrleo 48000 7.0
Demanda 60000
Tabla 2 Datos de polucin en la generacin de energa
Carbn 1.5 1.2 0.7 0.4

Gas Natural 0.2 0.5
Nuclear 0.1 0.2 0.7
Hidroelctrica
99
~
Petrleo 0.4 0.8 0.5 0.1
Kg. Mx. permitidos 75 60
l 30
1
25
SOLUCIN:
e= Nmero de MW -hr.a generar de la fuente de Carbn.
G = Nmero de MW -hr.a generar de la fuente de Gas Natural.
N = Nmero de MW -hr.a generar de la fuente de Nucleares.
H =Nmero de MW -hr.a generar de la fuente de Hidroelctrica.
P =Nmero de MW -hr.a generar de la fuente de Petrleo.
MIN 6e + 5.5G + 4.5N + 5H + 7P '
e+G+N+H+P ~ 60000
N :::; 0,20(C+G+N+H+P)
e ~ 36ooo
G-0.3P ~O
f
e :::; 45ooo
G :::; 15000
N :::; 45000
H :::; 24000
p :::; 48000
1.5C + 0.2G + 0.4P :::; 75000
1.2e + 0.5G + 0.1 N + 0.8P :5 60000
0.2N + 0.7e + 0.5P :5 30000
0.7N + 0.4C + O.P :5 25000
e, G,N,H,P ~O
SOLUelN:USANDO LINDO
1) 330000 C=36000 G=O N=12000 H=12000 P=O
100
EJERCICIO 3.17
El Ministerio de Agricultura ben la Ciudad de lea tiene 50 acres de tierra en la cual
plantar cualquier cantidad de maz, soya, lechuga, algodn y brcoli. La siguiente
tabla muestra la informacin relevante perteneciente a la produccin, el costo de
plantacin, ei precio de venta esperado y los requerimientos de agua para cada
cuitivo:
Maz 640 1.00 1.70 8.75

Frijoles de sopa 500 0.50 1.30 5.00
Lechuga 400 0.40 1.00 2.25
Algodn 300 0.25 1.00 4.25
Brcoli 350 0.60 1.30 3.50
Para la prxima temporada, hay 100000 litros de agua disponible y la compaa ha
contratado vender al menos 5120 kilogramos de maz. Formule un programa lineal
para determinar una estrategia de plantacin optima para el Ministerio de
f\gricultura. Use el nmero de acres de cada cultivo para plantacin como las
variables de decisin.
SOLUCIN:
Clculos
Maz Ingreso (640) Kg. /acre *(1.70) $/Kg. = ( 1088) $/acre
Costo (640) Kg. /acre *(1.00) $/Kg = (640) $/acre
Ganancia 1088-640 = (448) $/acre
Soya Ingreso (500) Kg. /acre *(1.30) $/Kg. =(650) $/acre
Ganancia 650-250 = (400) $/acre
Lechuga Ingreso (400) Kg. /acre *(1.00)$/Kg. = (400) $/acre
Ganancia 400- 160 = (240) $/acre
Algodn ingreso (300) Kg. /acre *(1.00) $/Kg. = (300) $/acre
Costo (300) Kg. /acre *(0.25) $/Kg = (75) $acre
Ganancia 300-75 = (225) $/acre
101
Brco!i Ingreso (350) Kg. /acre *(1.30)$/Kg. = (455) $/acre
Ganancia 455-210 =(245) $/acre
Modelo matemtico
l. Identificacin de ias Variables
M=. Nmero de kilogramos a producir de maz.
S= Nmero de kilogramos a producir de soya.
L= Nmero de kiiogramo"s a producir de lechuga.
A= Nmero de kilogramos a producir de algodn.
8 = Nmero de kilogramos a producir de brculi.
MAX 448C + 400S + 240L + 225N + 2458
111. Identificacin de la Restricciones
C +S +L +N +8 !50
5600C +2500S + 9000L + 1275N + 12758 !100000
640C ;o,5120
M, S, L, A,8 ;o, O
SOLUCIN:
USANDO LINDO
1) ..
14 082.78 C=8 S=1.3469 L=O N=O 8=40,653
EJERCICIO 3.18
Repita el ejercicio 3.17 usando el nmero de kilogramos de cada cultivo por producir
como las variables de decisin.
Lechuga 400 0.40 1.00 2.25

Algodn 300 0.25 1.00 4.25
Brcoli 350 0.60 1.30 3.50
100.
~
102
.
SOLUCIN:
l. Identificacin de -las Variables

M = Nmero de kilogramos a producir de maz.
S =Nmero de kilogramos a producir de soya.
L = Nmero de kilogramos a producir de lechuga.
A = Nmero de kilogramos a producir de algodn.
8 = Nmero de i-diogramos a producir de brculi.

MINM + O.SS + 0.4L + 0.25A + 0.608
111. Identificacin de las Restriccion~s
0,0015625M+0,002S+0,0025L +0,0033A+0,002868 $50 acres

8,75M + SS +2,25L + 4,25A + 3,508 $100000 agua
M ~ 5120 maz
M, S, L, A, 8 ~ O
1) 5120.000
VARIA8LEVALUEREDUCED COST
M5120.000000 0.000000
S 0.000000 0.500000
L 0.000000 0.400000
A 0.000000 0.250000
8 0.000000 0.600000
103
Ejercicio 3.19
NESTL tiene una maquina que muele semillas de Psyllium hasta producir un polvo
fino a una velocidad de 30 libras por hora. La compaa tambin usa la mquina
para hacer crema de cacahuate con cacahuetes tostados a una velocidad de 60
librasporhora. El tiempo de fijacin para cambiar la mquina de un producto al otro
es despreciable. La demanda mensual y los costos de mantenimiento de inventario
de cada preducto se muestran en la tabla siguiente:
i DEMANDA {Lb.) COSTO DE MANTENIMIENTO

($/Lib.)
1
Crema de Psyllium Crema de Cacahuate Psyllium

1
Cacahuate
1
Mayo 400 600 0.10 0.05
1 1
Junio 450 700 1 0.10 0.05
Julro 500 650 0.12 0.05
5'500 5'1000
... .. "'
El inventa no 1n1c1al para cada producto a pnnc1p1os de mayo es O y tamb1en debe ser
O a finales de julio. En ningn momento el inventario de Psyllium puede exceder las
. 1
1000 libras ni el de mantequilla de cacahuate las 500 libras. Asimismo, en cada

semana hay 20 horas de tiempo de mquina disponible. Formule un programa lineal
para determinar un plan de produccin para los meses de mayo, junio y julio que
minimicen loscostos totales de almacenamiento, suponiendo que se satisface la
demanda al final de cada mes y que los costos de mantenimiento de existencia se
basan en la cantidad en inventario a principios del mes.
SOLUCIN:
Clculos: Psyllium Crema de Cacahuate
30 Lb. ------1 h 60 Lb. -------1 h
1 Lb. ------- x 1 Lb-------- x
X= 1/30 x=1/60
IF (m}= 11 (m)+ Produccin (m)- O (m),
104
l. identificacin de las Variables
ICM = Inventario Inicial de Crema de Cacahuate -en Mayo
ICJ = Inventario Inicial de Crema de Cacahate en Junio
ICL = Inventario Inicial de Crema de Cacahuate -en Julio
ICA = Inventario Inicial de Crema de Cacahuate en Agosto
IPM = inventario Inicial de Psyllium en Mayo
fPJ = Inventario Inicial de Psyllium en Junio
IPL = Inventario Inicial de Psyllium en Julio .
IPA = Inventario Inicial de Psyllium en Agosto
PCM =Produccin de crema de Cacahuate en Mayo
PCJ = Produccin de crema de Cacahuate en Junio
PCL =Produccin de crema de Cacahuate en Julio
PPM =Produccin de-PsylliurJ! en Mayo
PPJ =Produccin de Psyllium en Junio
PPL = produccin de Psyllium en Julio

MIN 0.101CM + O.OSIPM + 0.101CJ + O.OSIPJ + 0.121CL + O.OSIPL

ICM - ICJ + PCM ~ 400
ICJ -ICL + PCJ ~ 450
ICL -ICA + PCL ~ 500
IPM -IPJ+ PPM ~ 600
IPJ- IPL + PPJ ~700
IPL- IPA + PPL ~650
ICM =O
!PM =O
ICA =O
IPA =O
lCJ :SS OO
IPJ :S1000
ICL :SS OO
/
IPL :S1000
105
0.0333PPM+0.01667PCM $80
0.0333PPJ +0.01667PCJ $80
0.0333PPL+0.01667PCL S80
1) - 0.000000
VARIABLEVALUEREDUCEDCOSTv'ARIABLEVALUEREOUCED COST
!CM 0.00 0.073333 IPM 0.00 0.000000
ICJ 0.00 9.973333 IPJ 0.00 0.000000
ICL 0.00 0.093333 IPL 0.00 0.000000
PCM 400.00 0.000000 PCJ 450.00
0.000000
ICA 0.00 0.080000 PCL 500.00 0.000000
PPM 600.00 0.000000 PPJ 700.00
0.000000
IPA 0.00 0.150000 PPL 650.00 0.000000
106
Ejercicio 3:19
- PACOCHA quiere invertir $1000000 de un gran fondo de pensiones. El
departamento de investigacin de Inversiones ha identificado seis fondos mutuos
con estrategias de inversin variables, resultando en diferentes rendimientos
potenciales y riesgos asociados, como se resume en !a siguiente tabla
Devolucin esperada (%) 1 30 20 15 12 10 7

Categora de riesgo Alto Alto Alto Median Median Bajo
o o
Una forma de controlar el riesgo e$ limitar la cantidad de dinero irvvertido en los

diversos fondos. Para ese fin, la administracin de Pacocha. ha especificado las
siguientes pautas:
1. La cantidad total invertida en fondos de alto riesgo debe estar entre 50 y 75% de
la cartera.
2. La cantidad total invertida en fondos de mediano riesgo debe estar entre 20 y 30%
de la cartera.
3. La cantidad total invertida en fondos de bajo riesgo debe ser al menos de 5% de
la
Cartera. Una segunda forma de controlar el riesgo es diversificar, esto es, esparcir el
riesgo invirtiendo en muchas . alternativas diferentes. La gerencia . de Pensin
Planners, lnc., ha especificado que la cantidad invertida en los fondos de alto riesgo
1, 2 y 3 deben estar en la tasa 1:2:3, respectivamente. La cantidad invertida en los
fondos de mediano riesgo 4 y 5 debe ser 1:2. Con estas pautas, qu cartera
debera usted, gerente de cartera, recomendar para maximizar la tasa esperada de
retorno?
SOLUCIN:
i. Identificacin de las Variables
Fi = El nmero de acciones de Fondo i que comprar.

MAX (13, 5F1 +15, 2F2+16, 5F3+2,04F4+2,3F5 + 1,
107
ill. Identificacin de ias Restricciones
45F1 +76F2 + 110F3 2: 500000
45F1 +76F2 + 11 OF3 :5 750000
17F4 +23F5 2: 200000

17F4 +23F5 :5 300000
22F6 <::50000
90F1- 76F2 =O
135F1- 110F3 =O
34F4-23F5 =O
45F1 + 76F2 + 11 OF3 + 17F4 + 23F5 + 22F6 = 1000000
Fi <::0
1)0, 1381667
F11851 ,85 0.000000
F22192,98 0.000000
F32272,72 0.000000
F43921 ,57 0.000000
F55797, 10 0.000000
F613636,36 0.000000
108
Ejercicio 3.20
Repita el ejercicio 3.19 usando las siguientes variable~ .de decisin:
F1 =El nmero de dlares que invertir en el Fondo 1.
f2 =El nmero de dlares que invertir en el Fondo 2.
SOLUCIN:
Fi = El nmero de dlares que invertir en el Fondo i.
MAX F1 + F2~+ F3 + F4 + F5 :+ F6
45F1 +76F2 + 110F3 ~ 500000
45F1 +76F2 + 11 OF3 :;; }50000
17F4 +23F5~ 200000
17F4 +23F5:s 300000
22F6 ~50000
90F1-76F2 =O
135F1 - 110F3 =O
34F4-23F5 =O
45F1 +76F2+11 OF3+17F4+23F5+22F6 = 1000000
Fi ~o
SOLUCIN:
1) 29986.48
F1 1851.8518070.000000
F2 2192.9824220.000000
F3 2272.727295 o. 000000
F4 5882.353027 o. 000000
F5 8695.6523440.000000
F6 9090.9091800.000000
1
3.2 Autoevaluadn de fa Unidad
'1
m
11
1. La comurhidad campesina "Castilla" es propietaria de 1700 hectreas de

terreno ho urbanizado. En el pasado, se aplicaban muy pocas
1
reguiacio1~es a las nuevas urbanizaciones en este desierto. En ia

'
a<::;tualidad, esta parte de Pium est sobre poblada de casas para
vacacioni.stas y debido a la carencia de servicios de alcantarillado, se
1
' '
utHizan e~ensamente los silos, que se instalan en forma por dems

1
inapropia(ja. A lo largo de los aos, las filtraciones de los silos han dado
1
por result:~do un grave problema de contaminacin de agua. Para frenar

una may,Sr
1
degradacin en la calidad de agua, los directivos de la
1
-- ''comunidaa aprobaron reglamentos muy estrictos, aplicables a todas las

futuras u~banizaciones. Slo se pueden construir viviendas familiares
individuaiE~s, dobles y triples, en donde las individuales deben sumar por lo
1
menos el '50% del total. Para limitar el nmero de silos, s requiere de lote
de una ~luperficie
1
mnima de dos, tres y cuatro hectreas para las
viviendas :l familiares individuales, dobles y triples, respectivamente. Se
deben estpblecer reas recreativas de una hectrea, en una proporcin de
un rea pbr cada 200 familias. Para preservar la ecologa del lugar, las
1
aguas ser~idas no pueden bombearse para uso domstico de jardinera.

i
1
2. PACOCH1 quiere invertir $1000000 de un gran fondo de pensiones. El
1
\
1 .. -
departamnto de investigacin de Inversiones ha identificado seis fondos

i
mutuos ccjn estrategias de inversin variables, resultando en diferentes
rendimientos potenciales y riesgos asociados, como se resume en la
1
siguiente tabla
Precio ($/accin) 45 76 110 17 23 22

1
Devolucin esperada(%) 130 20 1
15 2 10 7
Categora de riesgo Alto Alto Alto Mediano Mediano Bajo
110
Una forma de controlar el riesgo es limitar la cantidad de dinero invertido
en los diversos fondos. Para ese fin, la administracin de Pacocha. ha
especificado las siguientes pautas:
1. La cantidad total invertida en fondos de alto riesgo debe estar entre 50 y
75% de la cartera.
2. La cantidad total invertida en fondos de mediano riesgo debe -estar entre
20 y 30% de la cartera.
3. La cantidad total invertida en fondos de bajo riesgo debe ser al menos
de 5% de la
Cartera. Una seaunda
""' . -
forma
. de controlar el riesgo es diversificar, esto es,
esparcir el riesgo invirtiendo en muchas alternativas diferentes. La
gerencia de Pensin Planners, lnc., ha especificado que la cantidad
invertida en los fondos de alto riesgo 1, 2 y 3 deben estar en la tasa 1:2:3,
respectivamente. La cantidad invertida en los fondos de mediano riesgo 4
y 5 debe ser 1:2. Con estas pautas, qu cartera debera usted, gerente
de cartera, recomendar ,para maximizar la tasa esperada de retorno
usando las siguientes variables de decisin.
H =La fraccin de la cartera por invertir en fondos de alto riesgo.
M = La fracQin de la cartera para invertir en fondos de mediano riesgo.
L =La fraccin de la cartera por invertir en fondos de bajo riesgo.
111
UNIDAD IV MTODO GRFICO
... . ~
. ~i.cfr:hent?r la. funcin- objetivo?, dich :de. otra. forma~.. 'Cuntas unidades se
-~ ~ . -~ ' ' . '"'.:.. ~ ~ --'; -... -~ . .. ~ . .. . :::-. . .
~ircremen.t:a~mi ganncia s k 'h

se i~remento-na.uniad mon:etn~;_en' r:nateriales?
~ - .!. ,! ':
~... - ~-~....:.- ...~ '~

.,
113
4. 1 Definicin de mtodo gfico
Es un algoritmo matemtico que, grficamente, resuelve

problemas de Programacin Lineal de 2 variables.
Este procedimiento consta de cuatro pasos:
r. Graficar /as restricciones.
II. Hallar !a regin factible (RF)
m. Graficar ia Funcin Objetivo (FO)
IV. Hallar la SOLUCIN:ptima en esa regin.
REGIN FACTIBLE.- Es el conjunto de puntos que cumplen todas las

restricciones incluyendo la restriccin de no negatividad.
SOLUCIN:PTIMA.-Es el punto o puntos de la regin factible que optimizan
a la Funcin Objetivo, es decir donde se halla el mximo o el mnimo.
Preguntas ms usuales
1 () Grficamente se puede resolver un problema de Programacin Lineal de
dos variables y muchas restricciones?
1
2 () El procedimiento del mtodo grfico incluye dos pasos? GrfiCa de las

restricciones y grfica Z
3 () Para graficar las restricciones, se deben de reemplazar las desigualdades.
por ecuaciones y despus trazar las lneas rectas resultantes?
4 () Dentro del espacio de SOLUCIN:factible se encontrarn un nmero
infinito de puntos que satisfacen todas las restricciones?
5 () La SOLUCIN:ptima est asociada a un nico punto de esquina del
espacio de SOLUCIN:factible?
SOLUCIN:
1 (V Grficamente se puede resolver un problema de Programacin Lineal de dos
) variables y muchas restricciones.
El Mtodo Grfico Soluciona problemas de Pmgramacin Lineal de dos
variables, sin importar el nmero de restricciones.
2 (F El procedimiento del mtodo grfico incluye dos pasos. Grfica de las
) restricciones y grfica de Z.
115
Los pasos para el procedimiento del Mtodo Grfico son:
Determinacin de la regin factible que satisface todas las 111 Identificacin
de las Restricciones.
Determinacin de la SOLUCIN:ptima de entre todos los puntos de la
regin factible.
3 (V Para gracar las restricciones, se deben de reemplazar las desigualdades
) por ecuaciones y despus trazar las lineas rectas resultantes.
La forma ms sencilla para determinar la regin factible, consiste en
reemplazar las desigualdades por ecuaciones y trazar ias grficas de las
rectas resultantes, constatando que las zonas determinadas por estas rectas
coincidan con el sentido de las desigualdades.
4 (V Dentro del espacio de SOLUCIN:factible se encontrarn un nmero infinito
) de puntos que satisfacen todas las restricciones.
Debido a que la regin factible es un espacio geomtrico encerrado con
muchas rectas, y dicho espacio se encontrar constituido por un nmero
infinito de puntos, los cuaiE<S satisfacen todas las 111 Identificacin de las
Restricciones.
5 (F L'a SOLUCIN:ptima est asociada a un nico punto de esquina del
) espacio de SOLUCIN:factible.
La SOLUCIN:ptima puede estar asociada a ms de un punto de la regin
factible, esta SOLUCIN:es conocida como ptimos alternativos.
Grficamente se puede apreciar este hecho cuando la funcin Z resulta ser
paralela a la restriccin que optimiza el valor de Z. Obtenindose as dos
puntos de esquina que optimizan la SOLUCIN:.
116
Despajando ms preguntas sobre el Mtodo Grfico
En el mtodo grfico, todo incremento en la funcin objetivo har que:

La recta Z se desplace hacia arriba en el caso de una maximizacin.
La recta Z se desplace hacia abajo en el caso de una minimizacin.
La recta Z se desplace hacia arriba en el caso de una minimizacin.
La recta Z se desplace hacia abajo en el caso de una minimizacin.
La recta Z se desplace hacia arriba (abajo), si la pendiente de la recta es negativa
(positiva).
SOLUCIN:
Respuesta (e) En el mtodo grfico, todo incremento al valor de la funcin objetivo,
har que la recta Z se desplace hacia arriba (abajo) si ia pendiente de ella es
negativa (positiva). En los grficos siguientes se puede apreciar este suceso:
A A
Ilustracin 4.1 La rectas pueden
tener pendiente positiva o negativa
La funcin objetivo se desplazar por el espacio o RF hasta que:

La recta.Z llegue a un punto de esquina de la regin factible.
La recta Z llegue al punto ms alejado del origen de coordenadas.
La recta Z llegue al' punto ms distante del origen de coordenadas, si se trata de un
problema de maximizacin.
La recta Z llegue al punto ms cercano al origen de coordenadas, si se trata de un
problema de minimizacin.
La recta Z quede fuera de los lmites de la regin factible debido a un incremento o
decremento en su valor.
SOLUCIN:
Respuesta (e) La funcin objetivo se desplazar por el espacio o regin factible
hasta que la recta Z, quede fuera de los lmites de la regin factible debido a un
incremento o decremento en su valor. Grficamente se puede apreciar que si
desplazamos !a funcin Z, con un incremento (+ f}.Z) (Caso de Maximizacin) o
117
decremento(- .62) (Caso de Minimizacin) en su valor, sta puede escapar del rea
de la regin factibie.
Caso Maximizacin Caso Minimizacin Ilustracin

A 4.2La Funcin
A
... objetivo se
desplaza de
manera
Incremento en Z Decremento en Z
Ilustracin 4.3[a Funcin objetivo

se desplaza de manera paralela
... ~
. ..
....
.. Ilustracin 4.4El mximo valor de
Z, al que puede llegar sin salir de
la regin factible, se da en el punto
e
Para que un Respuesta ( d)

problema de Para cada una de las alternativas, se presentan lOs j
Programacin Lineal siguientes sustentos:
tenga SOLUCIN:, 1 a) No es necesario que la RF se encuentre acotada, porque
es necesario que la para el caso de Minimizacin, ia RF puede extenderse hasta
RF: el infinito y lo nico que importa es hallar e! valor que
a. Est siempre minimiza a la funcin objetivo
1
acotada. 1 b) No es necesario que el origen de coordenadas sea punto
b. Contenga a! / de esquina, porque para el caso de Minimizacin, el origen
1 origen de / de coordenadas no siempre pertenece a la RF. 1
.
118
coordenadas j e) Tampoco -es necesario que ia Rf est ac-otada cuando la
como un punto de ( pendiente de la funcin objetivo es negativa. Solo importa
esquina. que esta se encuentre acotada cuando se trata de
c. Est acotada si la maximizar, debido a que para maximizar o minimizar el valor
pendiente de la l de la funcin objetivo
funcin objetiva d) Si es necesario que la RF se encuentre acotada para el
fuera negativa. caso de una maximizacin, ya que de lo contrario, el valor
d. Est acotada para de Z se incrementara hasta el infinito y no se encontrara
el caso de una SOLUCIN:ptima.
maximizacin. "a"
O "c.
"
. ...__
Cules son los i Respuesta. Los pasos son: Graficar las restricciones,Hallar
pasos bsicos para /la regin factible (RF), Graficar la Funcin Objetivo (FO),
efectuar el Hallar la SOLUCIN:ptimaentre uno de los puntos de la
procedimiento del regin factible (puede ser ms de uno).
Mtodo Grfico?
Cmo se determina 1 Respuesta. Se debe de seguir el siguiente procedimiento:
f
el espacio Se grafican todas las restricciones. Para realizar esto, se
geomtri9o de la RF? recomienda reemplazar a la inecuacin por una ecuacin y
graficar la lnea recta resultante, seguida de esto se
sombrea la parte correspondiente a la cond!cin de la
desigualdad.
Luego se interceptan todas las restricciones.
A la zona resultante de estas intersecciones se le denomina )
1
1
R-
-.
/
Por qu la 1 Respuesta. Porque !a optimizacin busca el mximo

SOLUCIN:ptima alejamiento (Caso Maximizacin) o el mximo acercamiento
est asociada con un (Caso Minimizacin) de la funcin objetivo dentro de la
punto de esquina de regin factible, y estos extremos se dan siempre en uno de
la regin factible? los puntos extremos de dicha regin. Ejemplo: Caso
Maximizacin
Un pequeo 1ncremento de Z, hara que esta funcin este /
119
/ fuera de los lmites de la RF.
Para el caso de Respuesta. Se debera de. agregar una restriccin que limite 1
1
maximizacin Si la la zona no acotada; de este modo si se desea que el

regin factible no problema presente SOLUCIN:, sea preciso identificar
1 est acotada, Qu todas las 111 Identificacin de las Restricciones y proponer
/ se debera de hacer una restriccin que cumpla con dicho objetivo.
i con el modelo para Cabe resaltar que hay restricciones intrnsecas que en
/que tenga muchas ocasiones no son identificadas por el formulador

SOLUCIN:?
1
Usando el mtodo grfico Indique si el problema es infactible, ptimo o ilimitado.
Para aquellos que sean ptimos, encuentre la SOLUCIN:ptima.
4.2 Ejercicios de Mtodo Grfico
EJERCICIO 4.1
Maximizar -X1 + 2X2
Dependiendo de
6X1 - 2X2 ::;: 3
-2X1 + 3X2 ::;: 6
X1 +X2 ::;: 3
X1, X2 ;,::0
Graficando las Restricciones

1) -6X1 + 2X2 ;,::-3
-6X1 + 2X2 = -3 Si X1 =O => X2 = -1,5
Si X2 =O => X1 = 0,5
1f) -2X1 + 3X2 = 6 Si X1 =O => X2 =2
Si X2 =O => X1 = -3
i 11) X1 + X2 = 3 si X1 =O => X2 = 3
Si X2 =O => X1 = 3
Hallando la Regin Factible
120

---------!----+--
i .
'
X: 43::2
Graficando la Funcin Objetivo

-X1+ 2X2 = 4 si X1 =O =>X2=2
Si X2 ==O =>X1 ==-4
Hallando la SOLUCIN:ptima
La SOLUCIN:es la interseccin de 11 y 111
-2X1 + 3X2 == 6 -2X1 + 3X2 = 6 111
X1 +X2 =3 11 2X1 + 2X2= 6 IV
5X2 = 12.
De donde la SOLUCIN:ptima es: X2= 2,4 X1= 0,6
El valor que toma la funcin objetivo es : z =4,2
121
EJERCICIO 4.2
Maximizar -4X1+ 8X2
Dependiendo de
6X1- 2X2 :-:;3
-2X1 + 3X2 :-:;6
2X1+ 3X2 :-:;24
X1 ,X2 ?:0
SOLUCIN:
G;aficando las Restricciones
1) 6X1- 2X2 = 3 Si X1 =O =:>X2= -1.5
Si X2 =O =:>X1=0.5
11) -2X1 + 3X2 = 6 Si X1 =O =:>X2=2
Si X2 =O =:>X1=-3
111) 2X1 + 3X2 = 24 Si X1 = O =:>X2=8
Si X2 =O =:>X1= 12
Hallando la regin factible

-4X1 + 8X2 = 16 Si X1 =O =:>X2 =2
Si X2 =O :::>X1 = -4
Hallando la SOLUCiN:ptima
La SOLUC!N:es la inte;seccin de 1 y 11
-6X1 + 2X2 = -3 --+ -5X1 +2X2 = -3
-2X1 + 3X2 = 6 6X1-9X2 = -18
-7X2 = -21
De donde la SOLUCIN:ptima es: X2 = 3,X1 = 1,5
El valor que toma la fundn objetiva es:Z = 18
122
EJERCICIO 4.3 (Vanse las instrucciones anteriores)
Maximizar 3X1 +5X2
Dependiendo de -3X1 +2X2 :56
-X1 +X2 :55
-3X1 +8X2 ::: 12
3X1+2X2 ;::18
X1,X22:0
SOLUCION
Graficando las Restricciones
1) 3X1 - 2X2 = 6 si X1 =O => X2 =3
Si X2 =O :::>X1 =-2
11) -X1 + X2 = 5 si . X1 =O :::> X2 =5
Si X2=0 :::> X1 = -5
111) -3X1 + 8X2 = 12 si X1 =O :::> X2 = -1.5

Si X2 =O => X1 = -4
IV) 3x1 +2x2=t8 si x1= o :::> x2 =9
Si x2 =o => x1 =6
Hallando la regin factible

3x1-'-5x2=15 si x1 =o ::::> x2 = 3
Si x2 =o => x1 == 5
Hallando la SOLUCIN: ptima
\
El problema NO TIENE SOLUCIN:porque la regin factible no est acotado
superiormente.
~ 123
EJERCICIO 4.4
Maximizar X1+X2
Dependiendo de 3X-5X2
3X1+ 2X2
X1,X2~0
1) Graficando las Restricciones

1) -3X1 + 5X2 =30 Si X1 =O => X2 =-6
X2 =O ::::>X1=10
11) 3X1 + 2X2 = 9 Si X1 =O => X2 =4.5.

Si X2=0 => X1 = -3
2)Graficando la Regin FactiQie
1 '{: 13 6036
1 !
l
!
-~
T .

f .i .,':;~.:. ~ ;. L- fl"'Jr)
r'X". -...i1 r8
17
~ ''l~
!.
~ . .JL..:.
H-:--.:.... -~--....!,----~~~'~'oJ .
1
~-.....,1,__----j
'
>
1 \ ~
......
1l 1! !: l
H---+---+,--+-.--..~-t--\.+---""";:-1--
,------i---4
... ".:,....
t
-~=::~~..:ldg :
;
!---~-----~-~-\---l
f ' !'
\ ""4
r\..
l
~
!;
~\~~~~~----fk-----f---

3)Graficando la Funcin Objetivo

X1+x2=3 Si x1 =O =>x2=3
Si x2 =O => x1 = 3
Este problema NO TIENE SOLUCIN: FACTIBLE porque no tiene regin factible.
124
EJERC!CIO 4.5
Minimizar 3X1 + 7X2
Dependiendo de X1-X2 ;,:4
X1+2X2 s 10
-2X1-X2 ;,:2
X1,X2;,:0
1)Graficando las Restricciones
1) -X1 +X2 =4 Si X1 =O X2 = -4
Si X2 =o => X1 =4
11) -X1 + 2X2 = -10 Si X1 =O X2 =-5
Si X2=0 => X1=10
111) 2X1 + X2 =-2 Si X1 =O X2 =-2
Si X2 =O X1 =-1
2)Graficando la Regin Factible
3 )Graficando la Funcin Objetivo

3X1 + 7X2 = 21 Si X1 =O X2 =3
Si X2 =O => X1 = 7
Este problema NO TIENE SOLUCIN:PTIMA porque no presenta una regin
factible.
125
EJERCICIO 4.6
Maximizar 2X1 +2X2
Dependiendo de -6X+10X2 2: 15
X1+ X2 2:7
X1 ::;2
X1, X2 2:0
j) -6X1 + 10X2 = 15 SI X1 =O => X2 =1.5
Si X2 =O => X1 = -2.5
11) X1 + X2 = 7 si X1 =O => X2 =7
.. ~
Si X2 =O => X1=7
111) X1 = 7
2)Graficando la Regin Factible
-::<: -1 .1 I:::
-Y: -1 3964
3)Graficando la Funcin Objetivo

2X1 + 2X2 = 4 si X1 =O => X2 =2
Si X2 =O => X1:::: 2
Este probiema NO TIENE SOLUCIN:PTIMA porque no est acotado.
126
EJERCICIO 4. 7
Max~mizar -4X1 + 6X2
Dependiendo de 6X 1 - 2X2 ~ 3
-2X1 + 3X2 ~ 6
X +X2 ~3
X1,X2~0
1) -6X1 + 2X2 = -3 Si X1 =O=> X2= -1.5 Si X2 =O=> X1 = 0.5

11) -2X1 + 3X2 =6 Si X1 =O=> X2= 2 Si X2 =O::=> X1 = -3
111) X1 + X2 = 3 Si X1 =O=> X2= 3 Si X2 =O=> X1 = 3
Graficando la Regin Factible
1
i
q
i x: s.slss
' !
i
!
.---1--r--+---- ---
-4X1 + 6X2 = 24 Si X1 =O=> X2 =4 Si X2 =O => X 1 =-6
HaHando la SOLUCIN:ptima
II)-2X1 + 3X2 =6 --7 -2X1 +3X2 = 6
X1 +X2 = 3 --7 2X1 +2X2 = 6
5X2 = 12
De donde la SOLUCIN:ptima es: X2 = 2,4 X1 =0,6
Tambin X2 =2X1 =O
El valor que toma la fundn objetiva es: z = 12
127
EJERCJCIO 4.8
Maximizar -X1 +2X2
Dependiendo de 6X1 -2X2 ~3
-2X1 +3X2 ~6
X1 +X2 ~3
2X1 +2X2 ~8
o ~1 ~5
o ~X2 ~5
X1,X2~ O
SOLUCIN:
1) -6X1 + 2X2 = -3 Si X1 =O ~ X2 = -1.5 Si X2 =O~ X1 = 0.5
11) -2X1 + 3X2 = 6 Si X1 =O ~ X2 =2 Si X2 =O ~ X1 =-3
111) X1 + X2 =3 Si X1 =O ~X2=3 Si X2 =O=> X1 = 3
IV) 2X1 + 2X2 = 8 Si X1 =O ~ X2 =4 Si X2 =O~ X1 =4
V) X1 =5 VI) X2 =5
graneando la Funcin Objetivo

-X1 + 2X2 = 4 Si X1 =O~ X2 =2 Si X2 =O::::::> X1 =-4
Hallando !e SOLUCIN:ptima
11)-2X1 + 3X2 = 6 ~ -2X1+ 3X2 = 6
111) X1 +X2 = 3 ~ 2X1+ 2X2 =6
5X2 =12
De donde la SOLUCIN:ptima es: X2 =2,4X1 =0,6
El valo que toma la fundn objetiva es: Z =4,2
EJERCiCiO 4.9
Maximizar X1 +2X2
Dependiendo de X1 +X2 ~3
X1-2X2 <o O
X2 ~ 1
X1,X22:0
1 )Graficando las Restricciones
1) X1 + X2 = 3 S X1 =O==> X2 = 3 Si X2 =O==> X1 = 3
11) -X1 + 2X2 =O S X1 =O==> X2 =O Si X2 =O:=> X1 =O

111) X2 = 1
Graficando la Funcin Objeivo

X1 + 2X2 = 4 si X1 = O => X2 = 2 si X2 =O=> X1 = 4
i)X1 +X2 = 3 ~ -2X1-2X2 =-6
11) -X1 + 2X2 =O - X1+2X2 =O
-3X1 =-6
De donde la SOLUC!N:ptima es: X1 = 2X2 = 1

El valor que toma la fundn objetiva es: Z=4
Aqu, tres restricciones pasan por un mismo punto en la SOLUCIN:ptima.
129
/7_ ~-
~
EJERCICIO 4.10
Maximizar X1+2X2
Dependiendo de X1+X2 53
X1-2X2 2:: O
X2 2:: 1
X1 ,X2 2:: O
1) X + X2 = 3 si X =O=> X2 =3 si X2 =O => X1 =3
11) -X1 + 2X2 =O si X1 =O=> X2 =O si X2 =O => X1 =O
111) X2=1
..............~...... .J. y :
................
............
............
~l
1
_J_
J l
X1 + 2X2 = 4 si X1 =O=> X2 = 2 si X2 =O => X1 =4
I)X1 +X2 = 3 -t -2X1 - 2X2 = -6
1!) -X1 + 2X2 =O - X1+ 2X2 =O
3X1 = -6
De donde la SOLUCIN:pma es: X1 = 2X2 = 1
El valor que toma la funcin objetiva es:Z = 4
Aqu, tres restricciones pasan por un mismo punto en la SOLUCIN:ptima.
~--130
EJERCICIO 4.11
Minimizar 2X1 +X2
Dependiendo de 5X1 - 4X2 ~ 14
X1- 4X2 ~ -2
2X1 +X2 ;: : : 5
6X1 -X2 ;: : : 3
X1,X2;::::0
I)Graflcando las Restricciones
1) -5X + 4X2 = -14 si X1 =O:::::> X2 = -3.5 si X2=0 :::::> X1 = 2.8
11) -X1 + 4X2 = 2 si X1 =O:::::> X2 =0.5 si X2 =O:::::> X1 = -2
111) 2X1 + X2 = 5 si X1 = O:::;> X2 =5 si X2 =O:::::> X1 = 2.5
IV) -6X1 + X2 = -3 si X1 =O:::::> X2 = -3si X2 =O:::::> X1 =0.5
II)Hallando la Regin Factible
III)Graflcando la Funcin Objetivo

2X1 + X2 = 4 si X1 =O:::::> X2 = 4
Si X2 = O:::;> X1 =2
IV)Hallando la SOLUCIN:ptima
La SOLUC!N:es la interseccin de 111 y IV
111) 2X1 +X2 =5--* 6X1 +3X2 =15
IV) -6X1 +X2 = -3 -6X1 +X2 = -3
4X2 =12
De donde la SOLUCIN:ptima es: X2 = 3X1 =1
Tambin: X2 = 1X =2
El valor que toma la fundn objetiva es: Z= 5
Sin embargo, la F.O. es paraleia a la restriccin 111) de modo que hay un nmero
infinito de Soluciones ptimas alternativas.
w~131
EJERCICIO 4.12
Minimizar 12Xi - 2X2
Dependiendo de 5X1-4X2 :::;;14
X1 - 4X2 :::;;-2
. 2X1 +X2 :2:5
6X1 -X2 :2:3
X1 ,X2 :2:0
I)Graficando ias Restricciones

1) -5X1 + 4X2 = -14 si X1 =O=> X2 = .:3.5 si X2 = O :::> X1 = 2.8
11) -X1 + 4X2 ~ 2 si X1 =O=> X2 =0.5 si X2 = O ::::> X1 = -2
111) 2X1 + X2 = 5si X1 =O==> X2 =5 si X2 =O ::::>X1 = 2.5
IV)-6X1 + X2 = -3 si X1 =O::::> X2 = -3 siX2 =O==> X1 = 0.5

. -, *
!!)Hallando la Regin Factible
III)Graficando la Funcin Objetivo

12X1- 2X2 = 12 si X1 =O :::>X2 = -6 si X2=0 ::::>-X1 =1
IV)Hallando la SOLUCIN:ptima
La SOLUCIN:es la interseccin de lil y IV
ill) 2X1 +X2 =5
IV)-6X 1 + X2 = -3
III-!V8X1 =8
De donde la SOLUCIN:ptima es: X1= 1 X2 =3

El valor que toma la fundn objetiva es: Z= 6 .
132
EJERCICIO 4.13
Minimizar 25L + 22H
Dependiendo de 0.45L + 0.35H ~ 126000 (gasolina)
O.1~L + 0.36H 290000 (turbosina)
0.30L + 0.20H 230000 (queroseno)
L,H 20
1)Graicandc las restricciones
1) 0.45L + 0.35H =126000 SiL= O ~ H = 360000
Si H= O ~ L= 280000
11) 0.18L + 0.36H =90000 SiL= O ~ H = 250000

Si H= O ~ L= 500000
111) 0.30L + 0.20H =30000 Si L = O ~ H = 150000

Si H=O ~ L = 100000
iii) Graficando la Funcin Objetivo

25L + 22H= 5'500000 Si L = O~ H = 250000
Si H = O ~ L= 220000
La SOLUCIN:ptima es la interseccin de las restricciones 1 y 11
1) 0.45L + 0.35H = 126000---+ 111) 0.90L +0.70H =252000
11)0.18L + 0.36H =90000 -ti V) 0.90L +1.80H = 450000
Restando IV-111 1,1 OH = 198000
De donde la SOLUCIN:ptima es: H = 180000 L = 140000
El valor que toma la funcin objetiva es:Z = 7'460000
133
EJERCICIO 4.14
Maximizar 0.55JN +0.40JT
Dependiendo de 0.04JN +0.05JT :5150 (tiempo de mquina)
0.70JN :<> 1000 (concentrado de naranja)
0.50JT s 1000 (concentrado de toronja)
JN,JT <:0
i) 0.04JN + 0.05JT = 150 Si JN =O ::::>JT = 3000
Si JT= O ::::>JN= 3750
11) O. 70JN = 1000 ::::>JN = 1428.57
111) 0.50JT = 1000 => JT = 2000

0.55JN + 040JT= 1000 Si JN =O => JT =25000
Si JT =O => JN= 1818.18
La SOLUCIN:es la interseccin de 1y 11
1)0.04JN + 0.05.JT = 150 ---+ 0.028JN +0.035JT = 105
11)0. 70JN= 1000 ---+ -0.028JN = -40
0.035JT =65
SOLUCIN:ptima:JT = 1857.14JN = 1428.57
Valor de la F.O. z = 1528.57
La ganancia total es de 1528.57 durante una semana promedio.
Se producen en promedio a la semana un total de 1428.58 galones de concentrado
de jugo de naranja y 1857.14 galones de concentrado de jugo de toronja.
134
EJERCICIO 4.15
El siguiente modelo fue desarrollado por Camac Company, en que C es nmero de
coches compacto y ses el nmero de coches sub compactos por producir.
Maximizar 6740C +51 DOS
Dependiendo de 200C +150S :$ 80000 (materia prima)
18C +20S :$9000 (mano de obra)
e :$1500
S :$200
C, S;;>-Oy entero
Resuelva este problema grficamente, ignorando los requerimientos enteros.
SOLUCIN:
1) 200C + 1.50S = 80000 si e= o S= 533.33
Si S =O C= 400
11) 18e + 20S = 9000 Si e= o S= 450
Si S= O e= 500
111) e= 15oo
S= 200
Graneando la Regin Factible
Graneando la Funcin Objetivo
6740C + 5100S= 500000 Si e=O S= 98.04
Si S= O e=74.18
La SOLUCIN:es la interseccin de 1 y IV
1) 200e + 150S = 80000 200e + 150S =80000
IV) S= 200 - 150S = -30000
200e =50000
De donde la SOLUCIN:ptima es: C = 2SO,S =200
El valor que toma la fund6n objetiva es Z = 2'705000
~- 135
EJERCICIO 4.16
Mineral MiningCompany enva una carga de camin de mineral de hierro y cobre de
la mina a 1a planta procesadora. El camin tiene una -capacidad de peso de 10
Toneladas y una capacidad de volumen de 1200 pies cbicos. Cada libra de mineral
de hierro toma 0.04 pies cbicos de espacio y produce una ganancia de $0.30 al
procesarse. Cada libra de mineral de cobre ocupa 0.08 .pies cbicos de espacio y
proporciona una ganancia neta de $0.50
Formule un problema de programacin lineal para determinar la cantidad de cada
mineral por cargar diariamente
Resuelva el problema de la parte a grficamente. Explique la SOLUCIN: ptima y
el valor de la funcin objetivo.
SOLUCIN: ..
MH = Cantidad en libras de mineral de hierro por transportar.
MC =Cantidad en libras de mineral de cobre por transportar.
ll Identificacin de la Funcin Objetivo

Max 0.30MH + 0.50 MC
lll Identificacin de las Restricciones
0.04MH + 0.08 MC :>1200
MH +MC::; 22046
MH,MC2: O
Solucion usando el Mtodo Grfico.
1) Graficando las Restricciones
1) 0.04MH + 0.08 MC = 1200 Si MH=O :::::;, MC = 15000
Si MC=O :::::;, MH= 30000
~-136
11) MH + MC = 22046 Si MH=O ::::> MC = 22D46
Si MC=O ::::> MH= 22046
2) Graneando la Regin Factible
3) Graneando la Funcin Objetivo
0.30MH + 0.50 MC = 8000 Si MH=O ::::> MC = 16000
Si MC=O ::::> MH = 26666
Hallando la solucin optima
la SOLUCIN:es la interseccin dert y 11
1) 0.04MH + 0.08MC = 1200 0.04MH + 0.08MC= 1200
11) MH + MC = 22046 --t-0.04MH- 0.04MC = -881.84
0.04MC= 318.16
De donde la solucin ptima es: MC = 7954, MH = 14092
El valor que toma la fundn objetiva es Z = 8204.6
137
EJERCICIO 3.17
Resoiver grficamente el siguiente problema de Programacin Lineal
MaxZ= 8 X1 +4 X2
sujeto a 2 X1 +X2 ~10
X1 + 3X2 ~ 14
X1 +X2 ~6
X1, X2 ~o
SOLUCIN:
1) Graficando las Restricciones:
Restriccin 1: 2 X1 +X2 = 10 ... (C1)

Restriccin 2: X1 + 3 X2 = 14 ... (C2)
Restriccin 3: X1 +X2 =6 ... (C3)
La regin factible queda determinada por la interseccin de las grficas de las

restricciones.
x1 + 3 x, = 14
2 x1 + x, = 10
Z= 8X1 +4X,

La funcin objetivo se puede graficar solamente si es expresada -como una ecuacin
de 2 variables, por este motivo, se le dar a z (valor de la funcin objetivo) un valor
arbitrario inicial a modo de solucin propuesta con el fin de poder graficar!a.
Para el problema, damos un valor inicial de 32 para Z
Desplazar la grfica de Z, hasta llegar al punto ptimo:
Para encontrar el valor ptimo de Z, se deber de mover paralelamente -e~ta grfica
hasta llegar al punto mximo permitido que optimice su valor.
Regin
..... Factible
nhtnvie.rrm nos
.'XJ.
En este problema la grfica de Z, en su posicin ptima, coincide con la grfica de la

primera restriccin; circunstancia que ofrece al pmblema dos puntos ptimos que
para Z.
13.9
Determinar el valor ptimo de la FUNCIN OBJETIVO:
Para determinar este valor, es necesario conocer las coordenadas del punto ptimo;
y para conocer estas coordenadas, se deber de identificar a las -rectas que definen
a dicho punto (estas rectas pueden ser restricciones o ejes coordenados).
Identificadas las rectas, se obtendr el valor de las coordenadas del punto ptimo
resolviendo las ecuaciones de las rectas que lo definen, en un sistema de
ecuaciones lineales de dos variables.
Para este problema, se presentaron 2 puntos (A y B):
Punto A, es resultado de la interseccin de las rectas C1 y C3 (restricciones y 3):
C1: 2 X1 + X2 = 10
C3:X1 + X2 =6
Resolviendo el sistema se obtiene:
Restamos C3 de C1:
C1:2X1+X2=10
C3:- X1 -X2 =- 6
X1=4
Luego, reemplazando en C1:
C1: 2(4) + X2 = 10
X2 = 2
Es decir: A = ( 4,2)
Punto B, es resultado de la interseccin de la recta C1 y el semieje de las abscisas
(Restr:iccin 1 y la recta X2 =O)
C1:2X1+X2=10
X2 =O
Resolviendo el sistema se obtiene:
X1 = 5 y X2 =O
Es decir: B = (5,0)
Finalmente, para determinar ei valor ptimo de la FUNCIN OBJETIVO, se tendr
que evaluar el valor de Z en el punto ptimo.
Para este problema, se tendr que evaluar Z en !os puntos A y B.
Punto A: Z = 8(4) + 4(2) = 40
Punto 8: Z =8(5) + 4(0) = 40
Como puede apreciarse, en ambos casos el valor ptimo de .la
140
EJERCICIO 4.17
Resolver grficamente el siguiente problema:
Min Z == 2 X1 + 3X2
sujeto a X1 +X2 ;?:13
2 V1
/\. ' +X2 z18
.,,1
; ' ' + 3 X2 ;?:21
X1 + 2X2 ;?:18
X1, X2 zO
SOLUCIN:
Graficando las restricciones:
X1 +X2>13 ... (C)
2 X1 +X2>18 __:_ (C2)
X1
X1 + 3 X2>21 ... (C3)

X + 2 X2>18 ... (C4)
Graficando !a FUNCIN OBJETiVO, se encuentra en el punto A (Este punto es el
resultado de la interseccin de las rectas C 1 Y C4 ).
Luego el punto A se obtiene de las siguientes restricciones:
C: X1 + X2 == 13yC4: X1 + 2 X2 = !8
Resolviendo el sistema se tiene:
X1 = 8 y X2 =5; es decir: A= (8,5)
Finalmente el valor ptimo de la FUNCIN OBJETIVO es: Z = 2(8) + 3(5) = 31
141
~
EJERCICIO 4. 18
Una empresa que opera 12 hoas diarias, ensambla sus dos tipos de productos en
tres procesos en secuencia, el primer y segundo proceso se realizan en 4 y 5 horas
respectivamente. La siguiente tabla resume los datos del problema.Encuentre el
Plan ptimode produccin
1 Identificacin de las Variables
X1: Cantidad de productos tipo 1 a ensamblarse en un dfa.

X2: Cantidad de productos tipo 2 a ensamblarse en un da.
11 Identificacin de la Funcin Objetivo Max Z = 8 X 1 + 1O X2

Tiempo disponible para el Proceso 1 (4 horas por da): 4 X1 + 4 X2~ 4 X
60
Tiempo disponible para el Proceso 2 (5 horas por da): 3 X1 + 6 X2~ 5 x

60
Tiempo disponible para el Proceso 3 (3 horas por da, debido a que la empresa
labora 12 horas diarias): 3,6 X1 + 1,8 X2~
3 X 60

MaxZ= 8X1 +OX2
sujeto a 4 X1 + 4 Y2 ~ 240 ... (C1)

3 X1 + 6 X2 ~ 300 ... (C2)
3,6 + 1,8 ~ 180 ... (C3)
142
X1 X2
X1, X2
-
'
... ....
__.,, ,- _
,_.._ __._,
- -~
Grfica del Modelo:

El valor ptimo de la FUNCIN OBJETI':O, se encuentra en el punto A (Ver grfico
en la pgina anterior). Dicho punto -~s el resultado de la interseccin de las rectas C1
YC2.
C1: 4 X1 + 4 X2 = 240
C2: 3 X1 + 6 X2 = 300
Resolviendo el sistema se tiene: X1 = 20 y X2 = 40
Es decir: A = (20,40)
Finalme[lte el valor ptimo de la FUNCIN OBJETIVO es: Z = 8(20) + 10(40) = 560
SOLUCIN:
Plan ptimo de Produccin: Producir 20 productos del Tipo 1 y 40 del Tipo 2,
obtenindose una utilidad de S/. 560 diariamente.
EJERCICIO 4.19
RENZO COSTA, fabrica 2 tipos de mochilas estilo viajero: (Mochilas Tipo 1 y 2
respectivamente). La mochila tipo 1 requiere el doble de tiempo de trabajo que ia del
tipo 2. Si se produjeran solamente mochilas del tipo 1, se podrian producir 20
mochilas al da. La demanda diaria de las mochilas tipo 1 y 2 son 15 y 20
respectivamente. Sabiendo que las utilidades unitarias de las mochilas tipo 1 y 2 son
SI. 6 y S/. 4 (respectivamente).
Encuentre el Plan ptimo de produccin
X1: Cantidad de mochilas tipo 1 a producirse en el da.
143
X2: Cantidad de mochilas tipo 2 a pr-oducirse en e! da.
T1: Tiempo necesario para producir un sombrero tipo 1.
T2: Tiempo necesario para producir un sombrero tipo 2.
T: Tiempo total disponible para producir en un da.
/Identificacin de la Funcin Objetivo
Max Z = 6 X1 + 4 X2
lllldentificacin de las Restricciones
Demanda diaria de las mochilas Tipo 1: X1~ 15
Demanda diaria de las mochilas Tipo 2: X2~ 20
Tiempo disponible para la produccin diaria: T =20T1
Relacin entre los tiempos de produccin de ambos tipos: Tf = 2T2
Disponibilidad de tiempo para la produccin de ambos tipos de mochi!as:T1 X1 + T2
X2~T
Expresando la restriccin en trminos de T2 tenemos: 2T2 X1 +

T2 X2~ 20(2T2)
Simplificando T2 se obtiene 2 X1 + X2~
40
6
Max Z = + 4 X2
X1
2
sujeto a + X2 ~ 40 ... (C1)
X1
X1 ~ 15 ... (C2)
X2 ~ 20 ... (C3)
X1, X2, ~O
Grfica del Modelo:

El valor ptimo de la FUNCIN OBJETIVO, se encuentra en ei punto A (Este punto
144
es el resultado de la interseccin de las rectas C1 Y C3)
C1: 2 X1 +X2 = 40
C3:X2 = 20
X1=10yX2=20
Es decir: A = (1 0,20)
Finalmente el valor ptimo de la FUNCIN OBJETIVO es:
Z = 6(1 O)+ 4(20) = 140
SOLUCIN:
Producir 10 mochilas del Tipo 1 y 20 del Tipo 2, obtenindose una utilidad diaria de
S/. 140.
EJERCICIO 4.20
LA BODEGA "DON JOS",vende las dos marcas de gaseosas ms conocidas en el
mercado, Coca Cola y Ko!a ReaL El margen de utilidad por botella de 1 }';litros de
Coca Cola es de S/. O.25, mientras. que Kola Real aporta una ganancia de S/.
0.35.En promedio, la tienda no vende ms de 100 botellas de ambas gaseosas al
da. Aun cuando Coca Cola es una marca ms conocida, los clientes tienden a
comprar ms botellas de Kola Real, porque es considerablemente ms econmica.
Se calcula que las ventas de Kola Real superan a las de Coca Cola en una razn de
2 a 1, por lo menos. Sin embargo, vende como mnimo 25 botellas de Coca Cola al
da. Ayude a Don Jos a maximizar su utHidad en la venta de las bebidas.
SOLUCIN:
X1: Nmero de botellas de 1 }';litros de Coca Cola a comprarse
diariamente.
X2: Nmero de boteiias de 1 }';litros de Ko!a Real a comprase
diariamente.
Max Z = 0.25 X1 + 0.35 X2
Mxima cantidad de botellas vendidas de ambas gaseosas en el da: X +
X2:s: 100
145
Relacin entre las ventas de ambas gaseosas (Las ventas de Kola real superan a
las de Coca Cola en una razn de 2 a 1 por lo menos):
X2;;::: 2 X1
Demanda mnima de Coca Cola: X1~25

0.25 + 0.3-5
Max Z =
X1 X2
sujeto a X1 +X2 ~ 100 ... (C1)
-2 X1 +X2 ?:0 ... (C2)
X1 ~25 ... (C3)
X1, X2, ~o
Grfica del Modelo:
El valor ptimo de la FUNCIN OBJETIVO, se encuentra en el punto A (Ver grfico

de la pgina anterior). Dicho punto es el resultado de la interseccin de las rectas
C1 Y C3)
C1: X1 + X2 = 100
C3: X1=25
X1 =25 y X2 =75 Es decir: A= (25,75)
z = 0.25 (25) + 0.35 (75) = 32.5
SOLUCIN:
Plan ptimo de Venta: Ofrecer 25 botellas de Coca Cola y 75 de Kola Real, para
obtener una utilidad diaria de S/. 32.5.
146
EJERCICIO 4.21
Miguel ngel, debe trabajar por lo menos 30 horas a la semana para ayudar en sus
gastos mientras estudia en la universidad. Tiene la oportunidad de trabajar en dos
cabinas de Internet: En R@pinet ,Miguel ngel puede trabajar entre 8y 18 horas a la
semana, y en Fl@sh.comle permiten trabajar entre 9 y 15 horas. Ambas cabinas
pagan el mismo salario por hora .. De manera que Miguel ngel quiere basar su
decisin acerca de cuantas horas debe trabajar en cada cabina en un criterio
diferente: El factor de estrs en el trabajo. Basndose en una entrevista con los
empleados actuales, Miguel ngel calcula que, en una escala del 1 al 1O, los
factores de estrs son de 7 y 5 en la primera y segunda cabina respectivamente.
Debido a que el estrs aumenta por hora, l supone que el estrs total al final de la
semana es proporcional al nmero de horas que trabaja en las cabinas. Encontrar la
SOLUCIN:que le penmita a Miguel ngel, conocer el nmero de horas que debe
trabajar en cada cabina.
SOLUCIN:
X1: Nmero de horas a trabajar en la cabina "R@pinet"
semanalmente.
X2: Nmero de horas a frabajar en la cabina "FI@sh.com"
semana !mente.
Criterio Objetivo: Minimizar el nivel de estrs en el trabajo.
Min 7 X1 + 5 X2
Migue!Angel debe trabajar por lo menos 30 horas a la semana:
X1 + X22 30
En R@pinet, puede trabajar entre 8 y 18 horas a la semana:
8~X1~18 X12 8 y X1~ 18
En Flash.com,puede trabajar entre 9 y 15 horas:
9~X2~15 X22 9 y X2~ 15
7
M in + 5 X2
X1
147
e
sujeto a X1 +X2 ;:: 30 (i)
X1 ;::8 (ii)
X1 ~ 18 (iii)
X2 ;::g (iv)
X2 ~ 15 (v)
X1, X2 ;::o
Grfica del Modelo:
La SOLUCIN:ptima de 1 funcin objetivo, se encuentra en la interseccin de las
restricciones (i) y (v)
C1: X1 + X2 =30
es: X1= 5 .... ::- . 4.
,
Resolviendo el sistema d
""'""'"'"""
~
:~
se tiene: ;~:,
X1=15yX2=15
4:" -<a; . .
."[.
~
Es decir: A= (15, 15) ~;:
Finalmente el valor
ptimo de la FUNCI_N
OBJETIVO es:
z = 7 ( 15) + 5( 15) = 180
Respuesta:
Miguel Angel deber de
trabajar 15 horas en a
la semana en cada una
de las cabinas, de este
modo su nivel de Estrs
ser de 180.
148
EJERCICIO 4.22
JOSEMA RA. es un estudiante de universitario muy entusiasta. l razona "Slo
trabajo y nada de diversin ", lo convierte en un muchacho aburrido. Como
resultado, Josemara quiere distribuir su tiempo disponible de alrededor 1O horas al
da, entre el trabajo y !a diversin. l estima que el juego es el doble de divertido que
el trabajo. Tambin quiere estudiar tanto como juega. Sin embargo, si l quiere
terminar toelas sus tareas universitarias, no puede jugar ms de 4 horas al da.
Encuentre la manera en que Josemara distribuya su tiempo de manera que
maximice su satisfaccin tanto en el trabajo como en el juego.
SOLUCIN:
X1: Nmero de horas del da destinadas al trabajo.
X2: Nmero de horas del da destinadas al juego.
Criterio Objetivo: Maximizar su nivel de diversin tanto en el trabajo como en
el juego (El Juego es el doble de divertido que el trabajo).
Max Z = X1 + 2 X2
1
Tiempo disponible al da : 1O horas: X1 + X2 ~ 1O
Estudiar por lo menos tanto como juega: X1 ;;::: X2
No puede jugar ms de cuatro horas al da: X2 ~ 4
X1, X2 ;;:::O
Grfica del Modelo:

:K:! ..
El valor phmo de la FUNCIN OBJETIVO, se encuentra :en el punto A (Ver grfico
de la pgina anterior). Este punto es el resultado de la interseccin de las rectas C1
YC3.
C1: X! +X2 = O
C3:X2 =4
X1 =6 y X2 =4
Es decir: A= (6,4)
Z=1(6)+2(4)=14
SOLUCIN:
Gustavo Ara ujo deber de dedicar 6 horas .diarias al trabajo y 4 al juego, de este
modo su nivel de satisfaccin ser de 14.
EJERCICIO 4.23
La carpintera "Don Toyo", de Hernando Torre, emplea a cuatro carpinteros durante
20 das para ensamblar mesas y sillas. Se requiere de 1 hora para ensamblar una
mesa y de 30 minutos para el ensamble de una silla. Por lo general, los clientes
compran entre 2 y 6 si!!as con cada mesa. Las utilidades son de S/.40.00 por mesa y
S/.15.00 por silla. La carpintera opera en un turno de 8 horas al da. Encuentre la
SOLUCIN:que ayude al Seor Torre determinar el plan de produccin ptimo para
los siguientes 20 das .
. SOLUCIN:
X1: Nmero de Siilas a ensamblarsediariamente.
X2: f\Jmero de Mesas a ensamblarse diariamente.

Max Z = 15 X 1 + 40 X2
111 identificacin de las Restricciones
- 150
El tiempo utilizado en la eiaboracn de los productos debe ~er menor -0 igual
a 8 horas:
(30/60) X1 + X2s 8
Los dientes compran entre 2y 6 sillas con cada mesa:

2X2sX1s 6X2
X, _ X2 Q
A
Grfica del Modelo:
El valor ptimo de la FUNCIN OBJ:TIVO, se encuentra en el punto A. Dicho punto
es el resultado de la interseccin de las rectas C1 Y C2.
Luego el punto A se obtiene de las siguientes rest~icciones: .

C1: 0.5 X1 +X2 = 8
C3:X1 - 2 X2 =O

X1 = 8 y X2 = 4 Es decir: A = (8,4)

z = 15(8) + 40(4) = 280
SOLUCIN:
Miguel Rojas deber de producir 8 sillas y 4 mesas durante los prximos 20 das,
para obtener un utilidad diaria de S/. 280.
/ 151
EJERCICIO 4.24
FINANCIERA "SOLUCIN:", est.! asignando un mximo de S/.1 00 000 para
prstamos personales y prstamos para construccin de viviendas. La financiera
cobra 14% de inters por prstamos personales y 12% para las viviendas. Ambos
tipos de prstamos se liquidan al final del periodo de un ao. La experiencia muestra
que alrededor del 3% de los prstamos personales y el 2% para prstamos de
vivienda nunca se liquidan. Por !o general, el banco asigna cuando menos el doble
de los prstamos personales a los prstamos de vivienda.
Encu~ntre la SOLUCIN:que permita optimizar e! uso de los recursos.
SOLUCION
X1: Cantidad de S/. -a asignarse a los prstamos personales,
anualmente.
X2: Cantidad de SI. a asignarse a los prstamos de vivienda,
anualmente.

Criterio Objetivo: Maximizar el1 inters obtenido por ambos tipos de prstamos.
Max Z = 14%(97% X1) + 12%(98% X2)- 3% X1 -2% X2
Observacin: los prstamos que no se liquidan son una prdida y no aportan
intereses.

El monto disponible para los dos tipos de prstamos:
X1 + X2~ 100 000
La cantidad asignada para los prstamos de vivienda ser mayor al dobie de
la destinada para los prstamos pesonales: X22': 2 X1
Max Z = 0.1058 X1 + 0.0976 X2
sujeto a X1 + X2 ~ 100 000 ... (C1)
- 2 X1 + X2 2':0 ... (C2)
X1, X2 2':0
152
Grfica del Modelo:
El valor ptimo de la FUNCIN OBJETIVO, se encuentra en el punto A. Dicho punto
es el resultado de la interseccin de las rectas C1 Y C2.

C1:X1 + X2 = 100 000
C2:- 2 X1 + X2 =O
X1 = 33 333.33 y X2 = 66 666.66
Es decir: A= (33 333.33, 66 666.66)
z = 0.1058 (33 333.33) + 0.0976 (66 666.66) = 1o 033.33
SOLUCIN: Financiera SOLUCIN:deber de asignar S/. 33 333.33 a los
prstamos personales y S/. 66 666.66 a los de vivienda, logrando de esta manera un
inters anual de S/. 1O 033.33.
153
EJERCICIO 4.25
Conserv'as A 1 tiene un contrato para recibir 50000kg de tomates maduros a S/.0.50
por Kg., con los cuales produce jugo de tomate enlatado y pasta de tomate. Los
productos enlatados se empacan en cajas de 24 latas. Una lata de jugo requiere de
1kg de tomate y una lata de pasta solo requiere de :h Kg. La participacin de
mercado de la compaa se limita 1000 de jugo y 3000 cajas de pasta. Los precios
de mayoreo-por caja de jugo y de pasta son de S/.15.00 y S/.10.00 respectivamente.
Encuentre la SOLUCIN: que permita obtener el mximo beneficio.
SOLUCIN:
X1: Cantidad de Cajas de Jugo de Tomate a producirse.
X2: Cantidad de Cajas de Pasta de Tomate a producirse.

Criterio Objetivo: Maximizar beneficios
Max Z = 15 X1 + 10 X2- 0.5 (24 X1 +12 X2)
Observacin: Una caja de jugo requiere de 24 Kg. De tomate, mientras que
una de pasta slo 12. Cada Kg. De tomate cuesta S/. 0.5

Disponibilidad mxima de Kg. de tomate: 24 X1 +12 X2:::; 50 000
X>
Participacin en el mercado para el jugo de tomate: X1:::; 1 000

Participacin en el mercado para la pasta de tomate: X2:::; 3 000
Max Z = 3 X1 + 4 X2
154
..
sujeto a 24 X1 + 12 X2 s 50 000 ... (C1)
X1 ::S:1 000 ... (C2)
X2 s3 ooo ... (C3)

X1, X2 ;;::O
Grfica del Modelo:
en la pgina siguiente). Dicho punto es el resultado d~ la interseccin de las rectas
C1 Y C3.
Luego el punto A se obtiene de las siguientes restricciones: C1: 24 X1 + 12 X2 == 50
000
C2:X2 ==3 000
.Resolviendo el sistema se tiene: X1 == 583.33 y X2 = 3
000
Es decir: A== (583.33, 3 000)
Finalmente el valor ptimo de la FUNCIN OBJETIVO es: Z == 3(583.33) + 4(3 000)
==13750
SOLUCIN:
Conservas A 1, deber producir 583.33 cajas de jugo de tomate y 3 000 de pasta,
obtenindose de esta manera un beneficio de S/. 13 750.
1-55
EJERCICIO 4.26
Carpinterfa "M&Cr. ensambla dos tipos de reposteros de cocina de madera: regulares
y de lujo. Los reposteros regulares estn pintados de blanco y los de lujo estn
barnizados. Tanto el pintado como el barnizado se llevan a cabo en el mismo
departamento. La capacidad mensual del departamento de .ensamble puede producir
un mximo d.e 200 reposteros reguiares y 180 reposteros de lujo: El barnizado de un
repostero de lujo se lleva el doble de tiempo que pintar uno regular. Si el
departamento de pintura 1 barnizado se dedicara nicamente a las unidades de lujo,
terminara 200 unidades af mes. M & C calcula que las utilidades por unidad de los
reposteros regulares y de lujo son de S/.50 y S/.80 respectivamente. Encuentre la
SOLUCIN:que permita obtener e! beneficio ptimo.
SOLUCIN:
! Identificacin de las Variables
X1: Cantidad de Reposteros Regulares a producirse
mensualmente.
X2: Cantidad de Reposteros de Lujo a producirse mensualmente.
T: Tiempo necesario para producir un Repostero Reglar.
T2: Tiempo necesario para producir Reposteros de Lujo.
T: Tiempo total disponi13Ie para producir en el mes.
Max Z =50 X1 + 80 X2
Capacidad mxima del departamento de ensamble: X1 ::; 200
X2 ::; 180
El barnizado de un repostero de lujo lleva el doble de tiempo -que el pintado de uno
regular:T2 =2T1
El departamento de pintado 1 barnizado puede producir 200 unidades de Lujo al
mes, si solo produce esas unidades: T =
200T2
Tiempo total disponible para la produccin de ambos tipos de Reposteros: TI
X1 + T2 X2 ::; T
Expresando la restriccin en trminos de T1 tenemos:T1 X1 + 2 Ti X2::; 200(2T1)
Simplificando TI se obtiene: X1 + 2 X2 ::; 400
~ 156
MaxZ= 50 X1 +80X2
sujeto a XI ~200 ... (C1)
X2 ~ 180 ... (C2)
X1 + 2 X2 ~400 ... (C3)
X1, X2, 2:0
Grfica del Modelo:
.,..-.~ ---

en la pgina anterior). Dicho punto es el resultado de la interseccin de las rectas Ct
YC3.
Luego el.punto A se obtiene de las siguientes restricciones: C1: X1 = 200
C3: X + 2 X2 = 400
X 1 =200 y X2 = 100
Es decir: A= (200,100)
Finalmente el valor ptimo de la FUNCIN OBJETIVOes: Z = 50(200) + 80(100) =
18 000
SOLUCIN:
Carpintera M & C deber de producir 200 Reposteros Regulares y 100 de Lujo, para
obtener as una utilidad mensual de SI. 18 000.
157
EJERCICIO 4.27
Ferretera "Barbosa" prepara dos tipos de pintura: Color Max y Color Star. El
volumen de venta de Color Max es por lo menos el 80% de la venta de ambas
pinturas. Sin embargo, la ferretea no puede vender ms de 3D unidades de Color
Max diariamente. Las dos pinturas utilizan para su elaboracin un tipo de
imprlmante,- cuya disponibilidad mxima diaria es de 70kg. Color Max utiliza 2kg de
materia prima por unidad, mientras que Color Star4kg. Los precios por un balde de
pintura de Color Max y Color Star son de S/.15 y S/.25 respectivamente. Encuentre
la SOLUCIN:que permita obtener la mxima utilidad.
SOLUCION
!Identificacin de las Variables
X1: Unidades de Color Max a producirse diariamente.
X2: Unidades de Color Star.a producirsediariamente.
Max Z = 15 X1 + 25 X2
1
Volumen de ventas de Color Max: X1~ 80%(X1 + X2)
Posibilidad de venta de Color Max: X1~ 30
Disponibilidad-de la materia prima: 2 X1 + 4 X2~ 70

MaxZ= 15 X1 + 25 X2
sujeto a 0.2 X1 -0.8 X2 ;:::O ... (C1)
X1 S 30 ... (C2)
2 X1 + 4 X2 ~ 70 ... (C3)
X1, X2 ~o
158
Grfica del Modelo:
El valor ptimo de la FUNCIN OBJETIVO, se encuentra en el punto A. Dicho punto
es el resultado deJa interseccin de las rectas C2 Y C3.
Luego el punto A se obt;ene de las siguientes restricci_ones: C2:X1 = 30 -
C3: 2 X 1 + 4 X2 = 70
Resolviendo el sistema se tiene: X1 = 30 y X2 = 2.5
Es decir: A = (30, 2.5)
Finalmente el valor ptimo de la FUNCIN OBJETIVO es: Z = 15(30) + 25(2.5) =
512.5
SOLUCIN: Ferretera Barbosa, del;>er producir 30 unidades de pintura Color Max
y 2.5 de Color Star, para obtener un beneficio de S/. 512.50
--EJERCICiO 4.28
El HoteiCrillnpuede anunciar su diversidad de servicios en la radio o televisin
. local. El presupuesto para anunc:ios est limitado a S/.100.00 al mes. Cada minuto
de anuncio por radio cuesta S/.50 y cada minuto de comerciales por televisin
cuesta S/.400. A CrillnHotelie interesa utilizar los anuncios por radios por lo menos
el doble de los anuncios por televisin. Por lo pronto, no es prctico utifizar ms de
1000 minutos de anuncios por radio. La experiencia pasada muestra que los
anuncios por televisin son ms efectivos que los de radio, en la relacin de 20 a
1.Encuentre !a SOLUCIN: que permita optimizar el uso de los recursos.
SOLUCIN:
Hdentificacn de las variables
X1=Cantidad de minutos en Anuncios por Radio a comprarseen el mes
S
X2=Cantidad de minutos en Comerciales por TV. a comprarse en el mes
159
. '
!Hdentificacin de la Funcin Objetivo

Criterio Objetivo: Maximizar el nivel de -efectividad de los anuncios.
Max Z = X1 + 20 X2
111 Identificacin de las Resiricciones
Presupuesto disponible para los anuncios_
50 X1 + 400 X2:s: 100 000
Los anuncios por radio deben ser por o menos el doble de los de TV.
JQ .......... , ... _ , , _
X12: 2 X2
Mxima cantidad de anuncios por ra,dio:
Xb 1 000
Grfica del Modelo:
El valor ptimo de la FUNCIN OBJETIVO, se encuentra en el punto A Dicho punto
es el resultado de la interseccin de las rectas C1 Y CZ
Luego el punto A se obtiene de las siguientes restricciones: C1: 50 X1 + 400 X2 =
100 000
C2:X1-2 X2 =O
Resolviendo el sistema se tiene: X1 = 400 y X2 = 200
Es decir: A= (400, 200)
Finalmente el va!or ptimo de la FUNCIN OBJETIVO es: Z = 1(400) + 20(200) = 4
400
SOLUCIN:
Crilln Hotel, deber comprar 400, minutos en Anuncios de Radio y 200 en
Comerciales para la TV_ Obteniendo as un nivel de efectividad en los anuncios de 4
400,
rf)__.
160
EJERCICIO 4.29
La empresa elctrica "Santa Rosa", afiliada a EDGEL, es propietaria de una piante
generadora de energia con turbinas de vapor. Debido a que Santa rosa es rica en
depsitos de carbn, la planta utiliza el mismo para generara el vapor. Sin embargo
esto crea el problema de satisfacer los estndares de emisin. Las regulaciones de
Agencia de Proteccin Ambiental, limitan la descarga de dixido de azufre a 2000
partes por milln y la descarga de humo de las chimeneas de la planta a 20kg por
hora. La empresa recibe dos grados de carbn pulverizado, CX1 y CX2, para ser
utilizados en la planta. Por lo general, los dos grados se mezclan antes de
quemarlos. Para facilidad en los clculos, se supondr que el contaminante de
azufre de la mezcla (en partes por milln) es un promedio ponderado de la
proporcin de cada grado empleado en la mezcla. Los siguientes datos se basan en
el consumo de 1 tonelada por hora de cada uno de los grados de carbn.
permita cumplir con las regulaciones de la Agencia de

Proteccin Ambiental
SOLUCI.N:
X1: Cantidad de Ton.' De carbn de grado CX1 a quemarse en 1 h
X2: Cantidad de Ton. De carbn de grado CX2a quemarse en 1 h
li Identificacin de la Funcin Objetivo
Criterio Objetivo: Maximizar el vapor producido por lo carbones.
Max Z = 12 000 X1 + 9 000 X2
La descarga de dixido de azufre debe ser a lo ms de 2 000 partes por milln. El
contaminante de azufre de la mezcla es un promedio ponderado de la proporcin de
cada grado empleado en la mezcla.
1800 X1 + 2 100 X2:S: 2000 (X1 + X2)
La descarga de humo debe ser meno ro igual a 20 Kg por hora.
2.1 X1 + 0.95 X2:s: 20
161
MaxZ= 12 000 X1 + 9 000 X2
sujeto a -200 X1 + 100 X2 50 ... (C1)
2.1 X1 + 0.95 X2 5 20 ... (C2)
X1, X2 O
Grfica del Modelo:

El valor ptimo de la FO, se encuentra en el punto A. Dicho punto es el resultado de
la interseccin delas rectas C1 Y C2.
Luego el punto A se obtiene de las srguientes restricciones: C1: -200 X1 +1 00 X2 =O
C2:2.1 X1 + 0.95 X2 = 20
Resolviendo el sistema se tiene: X1=5yX2=10
Es decir: A= (5, 1O)
Finalmente el. valor ptimo de la FO es: z = 12 000( 5) + 9
000(10) = 150 DOO
SOLUCIN:
Empesa Elctrica Santa Ros~ deber quemar 5 unidades del carbn de grado CX1.
y 1O del carbn de grado CX2, para obtener 150 000 Kg. de vapor en una hora.
162
EJERCICIO 4.30
Confecciones Zarah, confecciona camisas para caballeros y blusas para damas para
hipermercados Metro. Metro aceptar toda !a produccin que le proporciona Zarah.
E! proceso de produccin incluye corte, costura y empacado. Zarah emplea a 25
trabajadores en el departamento de corte, a 35 en costura y 5 empacado. La fbrica
trabaja un ttrno diario de 8h y 6 das a la semana.La siguiente tabla proporciona los
requerimientos de tiempo y las utilidades por unidad para las dos prendas .
... ,: . . . (.. ':.'
Blusa 6o . :6o
Encuentre la SOLUlN:que d~t~.r~ine,.el programa de produccin semanal para
Zara h.
SOLUCIN:
X1: Cantidad de Camisas para caballero a confeccionar
semanalmente.
X2: Cantidad de Blusas para dama a confeccionar semanalmente.

Criterio Objetivo: Maximizar las utilidades de ambas prendas.
Max Z = 5 X1 + 6 X2

Minutos disponibles en el departamento de corte. 20 X 1 + 60 X2:::; 25 X 8 X
6 X 60
Minutos disponibles en el departamento de costura. 70 X1 + 60 X2:::; 35 x 8 x
6 X 60
Minutos disponibles en el departamento de empacado. 2 X 1 + 4 X2:::; 5 x
8 X 6 X 60
~163
Observacin:El nmero de minutasen un departamento disponibles semanalmente
es igual al pmducto del nmero de trabajadores por el nmero de minutos en una
semana. Por ejemplo en el departamento de corte:25 x 8 x-6 x 60
MaxZ= 5 X1 +6 X2
sujeto a 20 X1 + 60 X2 ~72000 ... (C1)
70 X + 60 X2 ~ 108000 ... (C2)
12 X +4 X2 ~14400 ... (C3)
X1, X2
Grfica del Modelo:

El valor ptimo de la FO, se encuentra en el punto A (Ver grfico de la pgina
anterior). Dicho pUnto es el resultado de la interseccin de las rectas C1 Y C2.
Luego el punto A se obtiene de las siguientes restricciones: C1: 20 X1 + 60 X2 =72
000
C2: 70 X1 + 60 X2 = 108 000
Resolviendo e! sistema se tiene: X1 =720 y X2 = 960
Es decir: A= (720, 960)
Finaimente e! vaior ptimo de la FO es:Z = 5(720) + 6(960) = 9360
SOLUC!N:La empresa Zarah, tendr que confeccionar 720 camisas y 960- blusas
para obtener una utilidad semanal de S/. 9 360.
( 164
EJERCICiO 4.31
.Industrias 'Paquita", fabrica dos productos de limpieza para el hogar: Extra Clean y
Sper Cleah; procesando dos tipos de cloro: Tipo 1 y Tipo !l. El procesamiento de un
galn de cloro Tipo 1 cuesta S/.8 y produce medio galn de Extra Clean y 0.5
galones de Sper Clean. Mientras que el procesamiento de un galn de cloro Tipo 11
cuesta S/.6 y produce 0.6 galones de Extra Clean y 0.4 galones de Sper Clean. La
demanda diaria de Extra Clean est entre 1000 y 1500 galones y la Sper Clean
entre 1200 y 2000 galones.Encuentre la SOLUCIN:que determine la cantidad
ptima de Extra Clean y Sper Clean que deba producir "Paquit" diariamente.
Y1: Cantidad de Galones de cloro tipo 1a utilizarse diariamente.
Y2: Cantidad de Galones de cloro tipo 11 a utilizarse diariamente.
X1: Cantidad de Galones de Extra Clean a producirse diariamente.
X2: Cantidad de Galones de Sper Clean a producirse
diariamente.
11 Identificacin de la FunGin Objetivo
Criterio Objetivo: Minimizar los costos del proceso de produccin.
Min Z = 8 Y1 + 6 Y2
Observacin:
Las cantidades de productos obtenidos por el procesamiento de los cloros tipo
1 y 11 son:
Y1 =0.5 X1 + 0.5 X2
Y2 = 0.6 X1 + 0.4 X2
Expresando Z en trminos de X1 y X2 tenemos:Z = 8(0.5 X1 + 0.5 X2) + 6
(0.6 X1 + 0.4 X2)
Luego la FO quedaria: Min Z = 7.6 X1 + 6.4 X2
Demanda diaria para los dos tipos de productos:
1 000 ~ Xh 1 500
1 200 ~ X2s 2 ooo
7.6 + 6.4
MinZ=
X1 X2
165
sujeto a X1 ~ 1 000 ... (C1)
X1 :s; 1 500 ... (C2)
X2 ~ 1 200 ... (C3)
X2 :s; 2 000 ... (C4)
X1, X2 ~o
, Grfica del Modelo:

El valor ptimo de la FO, se encuentra en el punto A Dicho punto es el resultado de
la interseccin de las rectas C1 Y C3.
Luego el punto A se obtiene de las siguientes restricciones: C1: X1 = 1 000
C3:X2 = 1 200

X 1 = 1000 y X2 = 1 200
Es decir: A= (1 000, 1 200)
Finalmente el valor ptimo de la FO es: z = 7.6 (1 000) + 6.4 (1 200) =
15 280
SOLUCIN:
Industrias Paquita deber producir 1 000 galones de Extra Clean y 1 200 de
SperCrean para que sus costos de produccin sean de S/. 15 280 al da.
166
EJERC~ClO 4.32
IMPORTACIONES "HIRAOKA", posee una lnea de ensamble que consta de tres
estaciones consecutivas y produce dos modelos de radios SONY: CFD-1 y CFD-2.
La siguiente tabla proporciona los tiempos de ensamble para las tres estaciones de
trabajo.
2
:3.
. ~ . '
El mantenimiento diario de las estaciones 1, 2 y 3 consumen el 10%, 20% y 1/6, del

mximo de 8 horas disponibles para cada estacin al da. Encuentre la
SOLUCIN:que permita minimizar los tiempos inactivos (o no utilizados) en las tres
estaciones de trabajo.
X1: Cantidad de Radios pONY CFD- 1 a ensamblarse diariamente.
X2: Cantidad de Radios SONY CFD - 2 a ensamblarse diariamente.

Criterio Objetivo: Minimizar los tiempos inactivos en las estaciones de ,
ensamble (Esto equivale a maximizar los tiempos utilizados).
Max Z = 6 X1 + 4 X2 + 8 X1 + 2 X2 + 4 X1 + 4 X2

Minutos disponibles en las tres estaciones:
6 X1 + 4 )(2::; 90% (8 x 60)
8 X1 + 2 X2::; 80% (8 X 60)
4 X1 + 4 X2.5 5/6 (8 x 60)

18 + 10
Max =
X1 X2
167
sujeto
6 X1 +4X2 5 432 ... (C1)
a
8 X1 + 2 X2 5 384 ... (C2)
4 X1 +4 X2 5 400 ... (C3)
X1, X2 O
Grfica del Modelo:
El valor ptimo de la FO, se encuentra en el punto A (Ver cuadro de la pgina

anterior). Dicho punto es el resultado de la interseccin de las rectas C1 Y C2.
Luego el punto A se obtiene de las siguientes restricciones: C1: 6 X1 + 4 X2 = 432
C2: 8 X1 + 2 X2 =384
Resolviendo el sistema se tiene: X1 = 33.6 y X2 = 57.6
Es decir: A = (33.6, 57.6)
Finalmente el valor ptimo de la FO es: z = 18 (33.6) + 10 (57.6)
= 1 180.8
SOLUCIN:
Importaciones Hiraoka deber ensamblar33.6 Radios SONY CFD- 1 y 57.6 Radios
SONY CFD - 2 para que el tiempo de utilizacin de las estaciones de ensamble
sean de 1 180.8 minutos al da.
~- 168
4. 3 Mtodo dual
Todo problema de maximizacin de programacin lineal tiene un problema

equivalente de minimizacin y a inversa todo problema de minimizacin de de
programacin lineal tiene su equivalente de maximizacin, esta relacin entre el
PRIMAL y _el CUAL, permite encontrar la SOLUCIN:de uno de los problemas y
paralelamente la SOLUCIN:del problema equivalente.
PRIMAL DUAL
1
Maximizacin Minimizacin
Restriccin Restriccin S
Restriccin S Restriccin
Fonmulacin delprograma de programacin Lineal DUAL partiendo del PRIMAL
EJEMPLO:
Una Compaa produce computadores y televisores, cada computadora se vende
'
con una ganancia de 30$ mientras que cada televisor con una ganancia de 50$
Ambos deben pasar por los departamentos A yB mensualmente se dispone de 200 y
140 horas en los departamentos A y B respectivamente
Cada computadora requiere i hora de A y 1 hora de 8, cada televisor requiere2
horas de A y 1 hora de B. Cul es el programa de produccin?
PROGRAMA PRIMAL PROGRAMA DUAL

1
Max 30x1+50x2 MIN 200Y1 +140Y2
Sujeto a Sujeto a
X1+2x1 S2QO Y1+Y230

1
X1+x2S140 2Y1+Y250
X1, X20 Y1,Y2, O
169
La SOLUClN:del Dual se puede realizar por cualquier mtodo, ya sea el mtodo
. grafico, el mtodo simplex o el mtodo computacional.
4. 2 Anli,?is de sensibilidad con variaciones en los coeficientes de la funcin

objetivo
El anlisis de los coeficientes de la Funcin objetivo nos permite conocer un rango

de estos valores dohde pueden variar sin afectar a la SOLUCIN:ptima, es decir
por ejemplo puedo variar mis precios sin modificar m SOLUCIN:ptima.
4.3 Anlisis de sensibilidad con variaciones en las constantes del lado derecho.
El anlisis del lado derecho, para ver que sucede con la funcin objetivo cuando se
vara los recursos disponibles, Este anlisis nos permite obtener el precio sombra s
aumentC? los materiales, en cunto se incrementar mis ganancias?, dicho de otra
forma, Cuntas soles se incrementan mi ganancia si se incremento un sol en
materiales?
4.4 Anlisis e sensibiliad
Consiste en hacer cambios i:;n el modelo para conocer sus efectos. Tenemas dos
casos:
1. Analisis del los coeficientes de la Funcin objetivo
2. Analisis de lado derecho (Precio sombra)
~ 170
EJERClCIOS RESUELTOS
E.:JERC1C~O 4.33
Determine grficamente el intervalo de sensibilidad de cada coeficiente de funcin
objetivo en la SOLUCIN:ptima del programa lineal
Minimizar 25L + 22H
Dependiendo de 0.45L + 0.35H ;?: 1-26000 (gasolina)
0.18l + 0.36H ;?:90000 (turbosina)
0.30L + 0.20H ~30000 (queroseno)
L,H ;?:0
SOLUCIN:
Manteniendo constante el coeficiente de H
Hallamos la pendiente de la FO y de las restricciones que intervienen en la
SOLUCIN:ptima ..
La pendiente de la FO: al + 22H ::::::> m=- a/22
De la restriccin 1) 0.45L + 0.35H ;?: 126000 =::;, m=- 0.45/0.35
Igualando =::;, a= 28.29
De la restriccin 11) 0.18L + 0.36H ;?:90000 => m =-0.18/0.36

Igualando => a=l1 -ti:'
~
El intervalo para el coeficiente de L ser: 11 :::; a :::; 28.29
El coefidente de L puede variar entre 11 y 28.29 inclusive sin modificar su
SOLUCIN:ptima
Manteniendo constante el coeficiente de L
Hallamos la pendiente de la FO y de las restricciones que intervienen en la
SOLUCIN:ptima.
La pendiente de la F.O.: 25L + bH =>m= -25/b
De ia restriccin 1) 0.45L + 0.35H ;?: 126000 =>m=- 0.45/0.35
Igualando =>b= 19.44
De la restriccin 11) 0.18L + 0.36H ;?:90000 ::::>m=-0.18/0.36

Igualando =:;.b=50
El intervalo para el coeficiente de H ser:19.44$ b:::; 50
Interpretacin:
mientras que ei coeficiente de H puede variar entre 19.44 y 50 inclusive sin modificar
su SOLUCIN:ptima.
1"
EJERC4CJO 4.34
Determine grficamente -el intervalo de sensibilidad de cada Cbeficiente de funcin
objetivo en la SOLUClN:ptima del-programa lineal
Maximizar 0:55JN + 0.40JT
Dependiendo de 0.04JN + 0.05JT ~ 150 (tiempo de mquina)
0.70JN ~ 1000(concentr:ado de naranja)
0.50JT ~ 1000 (concentrado de toronja)
JN,JT O
SOLUCIN:
Manteniendo constante el coeficiente de JT
La pendiente de la F.O.: aJN + 0.40JT m =-a 10.40
De la restriccin 1) m =-0.04/0.05
lguaiando ~ a= 0.32
De la restriccin 11)
Igualando ~ a= co
~ 0,32~a~ oo
;
Manteniendo constante el coeficiente de JN
La pendiente de la F.O.: 0.55JN + bJT m =-0.55 1 b
De !a restriccin 1) m=-0.04/0.05
Igualando b= 0.69
De la restriccin 11)
Igualando b=O
O~b~0.687
Interpretacin:
El coeficiente de OJ puede variar desde 0.32 inclusive sin modificar su
SOLUCIN:ptima. El coeficiente de JN puede varia r hasta 0.687 inclusive sin
modificar su SOLUCIN:ptima.
. EJERCICIO 4.35
Determine grficamente el intervalo de sensibilidad de cada coeficiente de funcin
objetivo en la SOLUC1N:ptima del programa lineal
Maximizar 6740C +5100S
Dependiendo de 200C +150S::; 80000 (materia prima)
18C +20S ::;9000 (mano de obra)
e ::;15oo
S ::;200.
C,S 20y entero
SOLUCIN:
Manteniendo constante el coeficiente de S
la pendiente de la F.O.: aC + 5100S =>m =-a/5100
De la restriccin 1) m=-200/150=-a/5100 =>a= 6800
De la restriccin 11) m=-18/20=-a/5100 =>a= 4590
.=>0 ::; a ::; 6800
Manteniendo constante el coeficiente de C

la pendiente de la F.O.: 6740C + bS =>m =-6740/b
De la restriccin 1) m=-200/50=-6740/b =>b = 5055
De la restriccin 11) m=-18/20=-6740/b =>b = 7488.89
=>5055 $ b ::; 00
El coeficiente de C puede variar entre 4590 y 6800 inclusive sin modificar su

SOLUCIN:ptima, mientras que el coeficiente de S puede variar entre 5055 y
7488.89 inclusive sin modificar su SOLUC!N:ptima.
173
EJERClC~O 4.36
Determine grficamente e! intervalo de sensibilidad de cada coeficiente de funcin
objetivo en la SOLUGIN:ptimadel programa lineal
Maximizar 0.30MH + 0.5D MC
Df3pendiencto de 0.04MH + 0.08 MC ~1200
MH +MC ~ 22046
MH,MC O
SOLUCIN:
Manteniendo constante el coeficiente de MC
La pendiente de la F~O.: aMH + .SOMC ~m =-a/0.50
De la restriccin !) m=-0.04/0.08=-a/0.50 ~a= 0.25
De la restriccin 11) m=-1/1 =-a/0.50 ~a= 0.50
~ 0.25 ~a~ 0.50
Manteniendo constante el coeficiente de MH

La pendiente de la F.O.: 0.30MH +tbMC ~m =-0.30/b
De la restriccin 1) m=-0.04/0.08=-030/b ~b= 0.60
De la restriccin 11) m=-1/1 =.,.0.30/b ~b= 0.30
:::>0.30 ~ b ~ 0.60
El coeficiente de MH puede variar entre 0.25 y 0.50 inclusive sin modificar su

SOLUClN:ptima.
El coeficiente de MC puede variar entre 0.30 y 0.60 inclusive sin modificar sLi
SOLUCIN:ptima.
174
EJERCiCIO 4.37:
Determine el intervaio de sensibilidad del valor del lado derecho. Explique el
significado del precio sombra en el contexto de este problema.
Minimizar 25L + 22H
Dependiendo de 0.45L + 0.35H 126000 {gasoiina)
0.18L + 0.36H 90000 (urbosina)

0.30L + 0.20H 30000 (queroseno)
L,H O
SOLUCIN:
Anlisis de Sensibilidad del Lado Derecho de la Restriccin 1)
Restriccin!: 0.45L + 0.35H = 126000 (Demanda de gasolina)
En: L = 500000 => 0.45L + 0.35H = b
H=O 0.45 (500000) + 0.35 (O)= b
b = 225000 (Valor Mximo del L.D.)
Valor de la F.O. 25(500000)+ 22(0) = $ 12'500000
En: L =O 0.45L + 0.35H = a
H = 250000 0.45 (O)+ 0.35 (250000) =a
a= 87500 (Valor Mnimo del L.D:)
l
Valor de la F.O. 25(0) + 22(250000) = $ 5'500000
Los valores ptimos de la F.O. asociados con cambios en el Valor Derecho de la
Restriccin 1
Valor del L. D. SOLUCIN:ptima Valor de la F.O.

87500 L = O; H =250000 5'500000
126000 L = 140000; H = 180000 7'460000
225000 L =500000 ; H = O /12'500000
1
El precio sombra de la restriccin ! ser:

m =12'500000- 5'500000 =50.909
225000- 87500
Por cada barril adicional en la demanda de gasolina por encima de 126000 y hasta
225000 barriles, y por debajo hasta 87500 barriles, el margen de costo corporativo
se incrementa en 50.909 de $100, es decir: $5059.9 y desciende en $5059.9
respectivamente.
175
Aniisis -de Sensibilidad del Lado Derecho de la Restriccin 11)
Restriccinil): 0.18L + 0.36H = 90000 (Demanda de turbosna)
Del grfico {Ejercicio 4.13):
En: L =O 0.18L + 0.36H = b
H = 360000 0.18 (O)+ 0.36 (360000) = b
Valor de la f.O. 25(0) + 22(360000) = $ 7'920000
En: L = 280000 0.18L + 0.36H =a
H=O 0.45 (280000) + 0.35 (O)= a
a= 50400 (Valor Mnimo del L.D.)
Valor de la F.O. . .. 25(280000) + 22(0) = $ 7'000000
Restriccin 11

50400 j L = 280000 ; H = O 7'000000
1
90000 L = 140000; H = 180000 7'460000
129600 L = O ; H = 360000 1 7'920000
1
El precio sombra de la restriccin 11) ser:
m= 7'920000 - ?'OOOOOO::::>m =11.616

129600 - 50400
Por cada barril adicional en la demanda de turbosina por encima de 9000 y hasta
129600 barriles, y por debajo hasta 50400 barriles, el margen de costo corporativo
se incrementa en 11.616 de $100, es decir: $1661.6 y desciende en $1661.6
respectiva mente.
1) 7460000.
VARIABLE VALU E REDUCED COST
L 140000.
H 180000
. 176
ROW .SLACK OR SURPLUS DUAL PRICES
2) 0.000000 -50.909092
3) 0.000000 -11.616161
4) 48000.000000 0.000000
NO. ITERATIONS= 2
RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES
VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
L 25.000000 3.285714 14.000000
H 22.000000 28.000000 2.555556
RIGHTHAND SIDE RANGES
ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
2 126000.000000 99000.000000 38500.000000
3 90000.000000 39600.000000 39600.000000
4 30000.000000 48000.000000 INFINITY
177
EJERCiCIO 4.38
Determine el intervalo de sensibilidad del valor del lado derecho. Explique el
Maximizar 0.55JN + 0.40JT
Dependiendo de 0.04JN + 0.05JT ~ 150 (tiempo de mquina)
0.70JN ~ 1000(concentr.ado de naranja)
0.50JT ~ _1000 (concentrado de toronja)
JN,JT ?:0
SOLUCIN:
Anlisis de Sensibilidad del Lado Derecho de la Restriccin l)
Restriccin!): 0.04JN + 0.05JT = 150 (Tiempo de mquina)
Del grfico (Ejercicio 4.14):
........
En:: JN = 1428.57. 0.04JN + O.OSJT =a
JT =O 0.04 (1428.57)+0.05 (O)= a
a= 57.14 (Valor Mnimo del L.D.)
Valor de la F.O. 0.55 ( 1428.57)+0.40 (O) =$ 785.7135
En: JN = 1428.57 .=:;> . 0.04JN + 0.05JT = b
~857.14 ~ JT ~ 2000 0.04 (1428.57) +0.35 (2000) = b
b?: 157.1428 (Valor Mximo del L.D.)'
Valor de la F.O. 0.55 (1428.57)+0.40 (2000)= $ 1585.71
Restriccin 1
Valor del L.D. 1SOLUCIN:ptima valor de la F.O.
1
57.14 / JN = 1428.57 ; JT =O /785.7135
150:00 IJN = 1428.57; JT = 1857.14 11528.57
157.1428 j JN = 1428.57; JT = 2000 /1585.71

El precio sombra de la restriccin i ser:
m =1585.71- 785.7135=:;>m =8
157.1428- 57.14
Por cada hora adicional que trabaje la mquina destilar a la semana, por encima de
150 y hasta 157.1428 horas, el margen de ganancia corporativo aumenta en 8 de
$100, es decir: $800. Se observa que es intil aumentar a ms de 157.1428 horas,
puesto que no se incrementa el margen de ganancia. Tambin si se disminuyen las
178
horas hasta 57.14, el margen de ganancia disminuye en $800 por cada hora bajada.
Anlisis de Sensibilidad del Lado Derecho de la Restriccin il)
Restriccinll): 0.70JN = 1000 (Concentrado de Naranja)
En: JN = 3750 ::::::> 0.70JN =b
JT= O 0.70 (3750) = b
b = 2625 (Valor M~imo del L.D.)
Valor de la F.O. 0.55 (3750) + 0.40 (O)=$ 2062:5
En: JN =O 0.70JN =a
JT = 3000 0.70(0) =a
a= O (Valor Mnimo del LO.)
Valor de la F.O. o.55 (O)+ o.4o (3ood) = s 1200
Restriccin 11):
Valor del L. D. SOl.UCIN:ptima Valor de la F.O.

o 1
' JN''= O ; JT = 3000 /1200

1000 'JN = 1428.57; JT = 1857.14 1528.57
2625 JN = 3750; JT =O 2062.5
El precio sombra de la restriccin ll) ser:

m =2062.5 - 1200 ::::>m =0.328
2625- o
Por cada galn de concentrado de naranja adicional que se produzca por encima de
1000 y hasta 2625 galones, el margen de ganancia corporativo aumentar en 0.328
de $100, es decir: $32.8. Mientras que por cada galn que deje de producir, el
margen de ganancia bajar en $32.8, esto hasta un mnimo de O galones de
concentrado de naranja.
~ 179
EJERCICIO 4.39
Determine 1 intervalo de sensibilidad del valor del lado derecho. Explique el
Maximizar 6740C +51 OOS
Dependiendo de 200e +150S ~ 80000 {materia prima)
18C +208 ~9000 (mano de obra)
e ~1soo
S ~200
C,S c.Oy entero

SOLUCIN:
Anlisis de Sensibilidad del Lado Derecho de la Restriccin 1)
Restriccin!): 200C + 150S = 80000 (Materia Prima)
En: C = 500 200C+ 150S = b
S=O 200(500) + 150(0) = b
Valor de la F.O. 6740(500) + 5100(0) = $ 3'370000
En: e= o => 200C + 1503 =a
S= 450 200(0) + 150(450) =a
a= 67500 (Valor Mnimo del L. D.)
Valor de la F.O. 6740(0) + 5100(450)= $ 2'295000
Los valores ptimos de la F.O. asociados con cambios en el Valor L. D.
1
67500 e= o ;s = 450 2'283750
1
80000 /e = 2so; s = 200 12'705000
1
100000 C = 500;S =O /3'370000 1
El precio sombra de la restriccin 1: m =3'370000- 2'283750=33,7

100000- 67500
Por cada materia prima adicional por encima de 80000 y hasta 100000, el margen
de ganancia corporativo aumentar en 33,7 de $100, es decir: $33,7. Mientras que
por cada materia prima que se disminuya hasta 67500, ei margen de ganancia
bajar en $3370,0 por cada materia prima disminuida.
180
Anlisis de Sensibilidad del Lado Derecho de la Restriccin IV
RestriccinU 8C + 20S = 9000 {Mano de Obra)
En: e= O 18C + 20S =b
S= 533.33 18(0) + 20(533.33) = b
b = 10666.6 (Valor Mximo del L.O.)
-
Valor de la F.O. 6740(0) + 5100(533.33) = $ 2'71-9.983
En: C = 400 18e + 20S =a

S=O 18(400) + 20(0) =a
a= 7200 (Valor Mnimo del L. D.)
Valo_r de la F.O. 6740(400) + 5100(0) = $ 2'696000

Restriccin 1
Valor del L. D. 1 SOLUCIN:ptima /Valor de la F.O.

7200 e= o ;s f 533.33 /2'696000
9000 e= 25o;s = 200 12'705000
1666.6 e= 4oo;s =o 12'719983
El precio sombra de la restriccin 1) ser:

m =2'719983 - 2'696000 ~m =6.918
10666.6-72
Si aumentamos la mano de obra por encima de 9000 y hasta 10666.6, el margen de

ganancia corporativo aumentar en 6.918 de $100, es decir: $691.8. Mientras que
por cada mano de obra que se disminuya hasta 7200, el margen de ganancia bajar
en $691.8.
m= 45,00 (restriccin IV)
181

EJERCICIO 4.40
Determine .el intervalo de sensibilidad del valor del lado derecho. Explique el
significado del precio sombra en e! contexto de este problema.
Maximizar 0.30MH + 0.50 MC
Dependiendo de 0.04MH + 0.08 MC ~1200
MH+MC ~ 22046
MH,MC ~o
SOLUCIN:
Anlisis de Sensibilidad del Lado Derecho de la Restriccin 1
Restriccin!: 0.04MH + 0.08MC = 1200 (Unidad de Capacidad de Volumen)

En: MH = 22046 => 0.04MH+0.08MC =a
MC=O 0.04 (22046) + 0.08 (O) =a
a = 881.84 (Valor Mnimo del L. D.)
Valor de la F.O. 0.30 (22046) + 0.50 (O) = $ 6613.8
En: MH =O 0.04MH+0.08MC =b
MC = 22046 0.04 (O)+ 0.08 (22046) =b
b = 1763.68 (Valor Mximo del L.D.)

Valor de la F.O. 0.30 (O)+ 0.50 (450) =$ 11023
Restriccin 1):
Valor del L. D. SOLUCIN:Optima Valor de la F.O.
881.84 MH = 22046 ; MC =O 6613.8
1200 1 MH = 14092; MC = 7954 8204.6
1763.68 j MH =O; MC =22046 j11023
j l
El precio sombra de la restriccin 1) ser:m =1 023- 6613.8 =5

1763.68-881.84
Por cada unidad de capacidad de volumen adicional por encima de 1200 pies
cbicos y hasta 1763.68 pies cbicos, el margen de ganancia corporativo aumentar
en 5 de $100, es decir: $500. Mientras que por cada unidad de capacidad de
volumen se disminuya hasta 881.84 pies cbicos, el margen de ganancia bajar en
$500.
182
Anlisis de Sensibilidad del Lado Derecho de la Restriccin 11
Restriccinll MH + MC =22016 (Unidad de Capacidad de Peso)
En: MH =30000 ~ MH + MC = b.
MC=O b = 30000 (Valor Mximo del L.D.)
Valor de la F.O. 30 (30000) + 0.50 (O) = $9000

En: MH =O MH + MC =a
MC =15000 b = 15000 (Valor Mnimo del LO.)
Valor de la F.O. 3D (O)+ 0.50 (15000) = $7500
los valores ptimos de la F.O. asociados con cambios en el Valor Derecho de la

Restriccin 1):
1
Valor del L. D. / SOLUCIN:ptima Valor de la F.O.
1
15000 MH =O ; MC = 15000 7500
,:;;.;
. 22046' MH = 14092; MC = 7954 8204.6

30000 MH = 30000 ; MC = O 9000
El precio sombra de la restriccin 1 ser:
m= 9000 -7500=0.1
30000 - 15000
Por cada unidad de capacidad de peso adicional por encima de 22016 libras y hasta
30000 libras, ef margen de ganancia corporativo aumentar en 0.1 de $100, es decir:
$10. Mientras que por cada unidad de capacidad de peso que se disminuya hasta
15000 libras, el margen de ganancia bajar en $1 O.
4.5. Autoevaiuacion cuarta unidad metodo grafico
01. El Mtodo grfico, implica: (2 PUNTO)

a) Graficar las restricciones, Hallar la Regin Factible, Graficar ,a Funcin Objetivo
y Hallar la SOLUCIN:ptima.
b) Desarrollar el modelo, Graficar las restricciones, Gracar la Funcin objetivo
dando un valor, Hallar la regin Factible y Hallar la SOLUGIN:ptima.
a) Verificar si el modelo tiene dos variables, Graficar las restricciones, Hallar la
Regin factible y Hallar la SOLUCIN:optima trasladando la Funcin Objetivo
en forma paralela.
02. ASOCIE EL CARCTER VERDADERO (V) O FALSO (F)

(2 PUNTO)
A ( ) Grficamente se puede resolver un problema de Programacin Linea~ de
dos variables y muchas restricciones.
B ( ) El proc~dimiento del mtodo grfico incluye dos pasos. Grfica de las
' ~
restricciones y grfica de Z.
C ( )_ Para graficar las restricciones, se deben de reemplazar las desigualdades
por ecuaciones y despus trazar las lneas rectas resultantes.
03. RESUELVA GRFICAMENTE LOS MODELOS DE PROGRAMACIN

LINEAL (4 PUNTOS)
MODELO 1 SOLUCION:del modelo 1

MAX 8X1+4X2 1 La SOLUCIN:ptima es X1 = X2=
.e:. . uJeto
. + a

2X1 + X2:::; 10 La F.O. toma el valor de Z =
X + 3X2:::; 14
X1 + X2 5 6
X1, X22:0
184
MODEL02 SOLUCIN:del modelo 2
Minimizar 12X1 La SOLUCIN:ptima _es X1 = X2 =
2X2
Sujeto a la F.O. toma el valor de Z =
5X1 - 4X2 5 14
X1 - 4X2 5 -2
2X1 + X22: 5
-
- X22:
16X1 3
X1 X22: o
04. Resolver usando el Mtodo Grfico

Maximizar 5X1 +4X2
Sujeto a
6X1+4X2 5 24
X1+2X2 56
X1-X25-1
X2 ::;;2
X1,X2 2:0
05. Para el problema N4, grficamente analice la -sensibilidad para los

Coeficientes de !a funcin objetivo.
06 Para el problema No 4, hallar el precio sombra para la Tercera restriccin.
06. Resolver usando el Mtodo Grfico

Maximizar 9X1+5X2
Sujeto a
6X1+9X2 560
5.6X1+6X2 545
4X1-2X2 2-8
2X1-3X2 58
X2 55
X1 ,X2 2:0
185
07. Para el problema N6, grficamente analice la sensibilidad para los
Coeficientes de la funcin objetivo.
08. Para el problema N6, hallar el precio sombra para la segunda restriccin.
1O. Miguel ngel, debe trabajar por lo menos 20 horas a la semana para
complementar su ingreso mientras asiste a la Universidad. Tiene la
oportunidad de trabajar en dos tiendas al detalle: en la tienda 1 puede trabajar
entre 5 y 12 horas a la semana y en la tienda 2 le permi~en trabajar entre 6 y
1O horas. Ambas tiendas pagan el mismo salario por hora. De manera que
Miguel ngel quiere basar su decisin acerca de cuntas horas debe trabajar
en cada tienda en un criterio diferente: el factor del estrs en el trabajo.
Basndose en entrevistas con los empleados actuales, Migu~l ngel calcula
que, en una escala de 1 a 10, los factores del estrs son de 8 y 6 en las
tiendas 1 y 2 respectivamente. Debido a que el estrs aumenta por hora, el
supone que el estrs total al final de la semana es proporcional al nmero de
horas que trabaja en la tienda. Cuntas horas debe trabajar en la cada
tienda? Use el mtodo grfico.
1
La solucin ptima se da cuando Xl == X2==
La Funcin objetivo toma el valor de Z==
1 Purina S.A. utiliza diariamente por lo menos 800 libras de alimento especial.
El alimento especial es una mezcla de maz y semilla de soya, con las
siguientes composiciones
Libra por Libra de alimento para ganado
Alimento para Protenas Fibra Costo/ Libra
..
ganado
Maz '0.09 0.02 10.3
Semilla de soya 0.60 0.06 10.9
1 1
Los requerimientos dietticos diarios del alimento especiat estipulan por lo

menos un 30% de protenas y cuando mucho un 5% de fibra. Purina S.A.
desea determinar el costo mnimo diario de la mezcla de alimento. Use el
mtodo grfico.
186
La solucin ptima se da cuando X1 = X2 =
La Funcin objetivo toma .el valor de Z=
12 Minimizar12X1-2X2
Sujeto a
5X1-4X2 :S14
La solucin ptima se da cuando X 1 = X2 =
X1-4X2 :S- 2
La Funcin objetivo toma el valorde Z=
2X1+X2 i::5
6X1-X2 i::3
X1,X2 i::O
13 Supngase gue una compaa que da . servicios de limpieza prepara sus

propias SOLUCIN:es mezclando dos ingredientes. Hace esto para obtener
una SOLUCIN:que tiene lo que considera una combinacin apropiadade
fosfato y cloruro. Un ingrediente tiene 5% de fosfato y 2% de cloruro y cuesta
25 centavos 1 onza. El otro ingrediente tiene 71)/o de fosfato y % de cloruro y
cuesta 20 centavos 1 onza. La compaa necesita que la mezcla final tenga no
ms del 6% de fosfato y 1 %% de cloruro. Se quiere minimizar el costo total.
Se pide: a) Formule el modelo matemtico, considerando la
proporcionalidad de las variables.b) Resolver el modelo matemtico usando el
mtodo grfico.
MODELO MATEMATICO SOLUCION PTIMA:

I. Identificacin de las variables:
Xl==
X2==
II. Identificacin de la F.O.
e) X1==0,5X2=0Z==12.5
m. Identificacin de las restrc.ciones
d) X==0,5X2==0,5Z=22.5 1
e) X 1==0X2=0,5 Z=lO
._____ _ _____.1.___1- - - - - ' - - - - - - - - . J1
bL 187
14 Un fabricante de muebles tiene 6 unidades de madera y 28 horas disponibles,
durante las cuales fabricar biombos decorativos. Con anterioridad, se han
vendido bien dos modelos de manera que se limitar a producir estos dos.
Estima que el modelo 1 requiere 2 unidades de madera y 7 horas de tiempo
disponible; mientras que el modelo 11 requiere una unidad de madera y 8
horas. Los precios de los modelos son $120 y $80, respectivamente. Se pide:
a) Formule el modelo matemtico, considerando la pmporcionalidad. de las
variables.
b) Resolver el modelo matemtico usando el mtodo grfico( Justifique al
reverso)
MODELO MATEMATICO SOLUCION PTIMA

1 Identificacin de las variables:
X1=Nmero de unidades de biombos a) X1=2,22 Xz=1 ,562=391, 1
modelo 1 b) X1=3 Xz= O Z= 360
X2=Nmero de unidades de biombos
-. j e) X1=0 Xz= 3,5 Z= 280
modelo 11 d)X1=1 ,56 Xz=2,22Z=364.8
11 Identificacin de la F.O. e) X1=0Xz= 3 Z= 240
MAX 120X1 + 80X2
111 Identificacin de las restricciones
2X1+1X2<=6
7X1+8X2<=28
X1, X2 >=0, ENTERO
'
15 ASOCIE EL CARACTER VERDADERO (V) O FALSO (F)

() Grficamente se puede resolver un problema de Programacin Lineal de
dos variables y muchas restricciones.
() Elmtodo grfico incluye dos pasos. Grfica de las restricciones y grfica
de Z.
() Para graficar las restricciones, se deben de reemplazar las desiguaidades
por ecuaciones y despus trazar las lneas rectas resultantes.
() Dentro de! espacio de SOLUC!N:factble se encontrarn un nmero
infinito de puntos que satisfacen todas ias restricciones del modelo.
() La SOLUC!N:ptima est asociada a un nico punto de esquina del
espacio de SOLUCrN:factible.
188
16 Resolver grficamente el siguiente problema de. P-rogramacin Lineal.
Max 8 X1 +4X2
s.a.: 2X1 +X2 5 10
X1 + 3X2 514
X1 +X2 56
X1, X2 ~o
17 Resolver grficamente el siguiente problema:

M in 2 X1 + 3 X2
s.a.: X1 +X2 ~13
2 X1 +X2 ~18
X1 +3 X2 ~21
X1 +2X2 ~18
X1, X2 ~o
18. Una empresa que opera 12 horas diarias, ensambla sus dos tipos de
productos en tres procesos Ein secuencia, el primer y segundo proceso se
~ .
realizan en 4 y 5 horas resp~,ctivamente. La siguiente tabla resume los datos

del problema:
Encuentre el Plan ptimo de produce n
9. E! Mundo de las Maletas, fabrica 2 tipos de mochilas estilo viajero: {Mochi!as

Tipo ~ y 2 respectivamente). La mochila tipo 1 requiere el doble de tiempo de
. trabajo que !a del tipo 2. Si se produjeran solamente mochilas del tipo 1, se
podran producir 20 mochilas al da. La demanda diaria de las mochilas tipo 1
y 2 son 15 y 20 respectivamente. sabiendo que las utilidades unitarias de las
mochilas tipo 1 y 2 son S/. 6y S/. 4 (respectivamente). Encuentre el Plan
ptimo de produccin
189
20. "La Casa del Llavero", elabora dos tipos de llaveros; y para producirlos utiliza
una mquina especial. Los tiempos de produccin para los llaveros tipo 1 y 2
son .de 10 y 12 minutos respectivamente, por unidad. El tiempo regular total
de la mquina es de 2500 minutos por da. "La Casa del Uavero"vende entre
j 50 y 200 unidades del tipo 1, pero no ms de 45 unidades del tipo 2,
diariamente. Adems se pueden emplear horas extras para satisfacer la
demanda a un costo adicional de S/.010 por minuto.
SOLUCIN:ARIO DE LA AUTOEVALUAClON DE LA CUARTA.UNIDAD

01 Respuesta a
02 Respuesta: VFV
03.1 X1=5 X2=0 Z=40
03.2 X1=
04 X1=1, X2=2 Z=13
05 o~ a ~ 00 -5~ b ~ 00
06. m=5
07 X1 =6,3541, X2=1,5694 Z=65,03
08. 4,67~ a ~oo -13,5~ b ~9,64
09. m=1,2847
10 MODELO
Xi= # de horas a trabajar em la tienda i
Identificacin de las F.O.
'
MIN 8X1+6X2
Identificacin de las restricciones
X1+X2>=20 5<=X1<=12
6<=X2<=10 X1,X2>=0
SOLUCIN:usando el mtodo grfico:
X1=10 X2=10 Z=140
11 MODELO
X1 =#de Lb. de maz a utilizar
X2= #de Lb. de soya a utilizar
identificacin de las F.O.
190
MtN 0,3X1 +0,9X2
Identificacin de las variabies
X1+X2>=800
0,09X1 +O,OX2>=0,30(X1 +X2)
0,02X1 +0,06X2>=0,05(X1 +X2)
X1,X2>=0
SOLUCIN: con el mtodo grfico
X1=470,59 X2=329,41 Z=437,'65
12 X1 =1, X2=3, Z=6
Se debe trabajar con las SOLUCIN:es factibles (4, 15) conZ=45, (2, 1) con
Z=22y( 1,3) con Z= 6 eligiendo al menor Z
13 MODELO
X1 =#de onzas del ingrediente 1 a utilizar
X2= # de onzas del ingrediente 2 a utilizar
Identificacin de las F.O.
MIN 25X1 +20X2
0,05X1 +0,07X2<=0,06(X1 +~)
0,02X1 +0,01X2<=0,015(X1 +X2)
X1+X2=1
SOLUCIN:con el mtodo grfico
X1 =0,5 X2=0,5 Z=22,5
14 MODELO MATEMATICO
1 Identificacin de las variables:
X1 =Nmero de unidades de biombos modelo 1
X2=Nmero de unidades de biombos modelo 11
!l Identificacin de la F.O.
M/0( 120X1 + 80X2
!1! Identificacin de las restricciones
2X1+1X2<=6
7X1+8X2<=28
X1, X2 >=0, ENTERO
Resolviendo: X =3, X2=0, Z=360
191
15 VFWF
16 X1 =4,X2=2,Z=40
17 X1 =8,)(2=5,Z=31
18 X1 =20,X2=40,Z==560
19 X1 ==10,X2==20,Z=140
20. Modelo -matemtico
X1: Nmero de Llaveros dei tipo 1 a producirse diariamente.
X2: Nmero de Llaveros del tipo 2 a producirse diariamente.
X3: Nmero de minutos extras a empleaF5e diariamente.
!Identificacin de la Funcin Objetivo

Beneficios == Utilidades los llaveros- Costo por minutos extras
Max Z == 1.2 X1 + 1.5 X2- 0.1 X3
'El tiempo utilizado en la produccirHde los llaveros debe ser menor o igual al tiempo
disponible en el da mas los minutos extra utilizados:
10 X1 + 12 X2~ 2500 + X3
Vende entre 150 y 200 unidades de: llaveros tipo 1:

150 ~ X1s 200 X1~ 150y X1~ 200
No se venden mas de 45 unidades del tipo 2: X2s45

1.2 + 1.5- 0.1
MaxZ=
X1 X2 X3
sujeto a 10 X! + 12 X2- X3 s 2500
X1 ~150
X1 s200
X2 ~45
X1, X2, X3 ~o
192
Programa-Cin entera 193
UNIDAD V PROGRAMACiON ENTERA
> -, ~ -.1 ~. ~ ', ~-, .,

0
i r:~ 0
' J ~ .> . :: ~~ ';. ~j; ~;~-~> ~.L ::~ ", ~ ~--~~ :i\ ,o ~=-~A.:: ::::~:]
. pr~bfe.m~s' ram~'tirl~~t~ta;s'e~dPl~~~:~j~JtJvn6g:ra(y;,est:.(e.fe,rido')
_."j:<.-: ..:~:.;,.-~ :._;::_;_":,_ ~ ---~::.:~ ~7r:J4-_- :. . . _ "t;::i;r . :.r' _.!';:: ... ':. ~:~.i
.; .:_ --e~le~a:~.-~Li:Y~ti~~~n..-va.ri~~~~:~~r::t~,ra_s ~.om9 ,n.~rii"~rp~~:e~ jhg,~~ie\c:s.!'].~n:~ro de.:
r~.~~~,,~_uta.d~f~'s', .~t.c{."t: :_,. -~ . . -. ~ .
r~,.~-..
. _-;. . ... -~. ~,! .:~
;--,_'l:-
.;,. .. '~-:: . . . :
~- -
-~
~
:su tratami~~to. e;} si~il~r.,a;Ja$:_:v~riablJs re~les~C~-"~ .:o'b~enJci~: qu.e. ia~ ;~

; .-:- ': . _ ~::""~. . . ': :'...
. __
-"":"'~:" ~ ~;....._,- ~ :n~ :~e-' "+ ~,__ :_ ' ..,..... .._,. ~-- ... ~- ~=- t '-:;;, ?i:' _' ;~~ -. ::~ . ~
FI~-Z~~~i~~~~~~~~~::~~~~~~~~t~~- ~-, ~-~: . _;~:_-~ ~;:~::~>: ;~_._:~~:~~ ~~"_:' :~
193
Programacin entera 195
5.1 . Ejercicios resueltos usando programacin entera

EJERCICIO 5.1
UMBRO hace pelotas Sper pequeas y grandes mediante la mezcla de -diferentes
cantidades de una base y de un compuesto de elasticidad especial. Las pelotas
pequeas se venden a $ 0.59 y requiere una razn de 2.1 para la mezcla de la base
y el compuesto. Las pelotas grandes se venden a $ O. 79 y requieren una razn de
4.3. Los inventarios actuales constan de 1000 libras dei material base y 500 libras
del compuesto. Cada pelota pequea requiere 1.5 onzas de compuesto y cada
pelota grande requiere 2 onzas. Formule un modelo para determinar las cantidades
de produccin ptima.
SOLUCIN:
Identificacin de las variables:
S: Cantidd de pelotas pequeas fabricadas.
L: Cantidad de pelotas grandes fabricadas.
Identificacin de la Funcin Objetivo (F.O):
Max 0,59S+0,79L
Identificacin de las restricciones:
.1 ,5S+2L=::;8000
8S+2,66L=::;16000
C, L;:::O, Entero
SOLUCIN:
Graficando restricciones y la F.O:
0,59S+0,79L=0,47
S=O L=0,56
L=OS=0,79
. ... .',
.
.
.
~ : . :. . -~v'?<::.
'-2QOO -"1.000
r..-:1000
r 195
SOLUCIN:
Max 0.59S +'O 79L
ST
1,5S+2L<=8000
8S+2,66L<=16000
END
GIN S
GIN L
1) 3160 S=O, L=4000
EJERCICIO 5.2
La Municipalidad de Brea est planeando la adquisicin de nuevas patrullas
..
policacas que cuestan$ 15 000 cada una, ambulancias que cuestan$ 25 000 cada
una y carros de bomberos que cuestan $ 48 000. El reglamento de la ciudad
requiere que haya al menos una ambulancia por cada dos carros de bomberos.
Establece tambin que la cantidad de dinero gastada en vehculos policiales debe
ser al menos de!o~oble de lo gastado en carros de bomberos. Formule un modelo
' ~
para determinar el nmero mximo'ide carros de bomberos que se pueden adquirir

con un presupuesto total de $ 700 000.
SOLUCIN:
Identificar las variables:
A: Cantidad de Ambulancias.
B: Cantidad de Bomberos
P: Cantidad de Patrulleros
Identificacin de la Funcin Objetivo (F.O):
Max B
15 OOOP + 25 OOOA + 48 0008 5.700 000
A 2:28
15 OOOP- 96 OOOB 2:0
A,B,C 2:0, Entero
RESPUESTA
1) 3 P=20 A=6 B=3
196
ProgramaCin entra 197
EJERCICIO 5.3
MORA VECO tiene cuatrc mquinas que pueden. producir, cada una tres tipos de
tornillos, pequeo, mediano y grande, con las siguientes tasas de produccin (en lb.
de torntlos/min.)
jTAMAO DE TORNILLO
MAQUINA PEQUEO MEDIANO GRANDE
1 1
- 1 10 8 6
1 1
2 1
20 14 10
3 15 12 1 8
4 16 14 12
1 1
Cada mquina requiere una cantidad diferente de tiempo de preparacin para

producir los diferentes de tomillos, como se presentan en la siguiente tabia (en
minutos).
TAMAO DE TORNILLO
MAQUINA PEQUEO MEDIANO GRANDE
1
1 2 30 40
2 23 40 50
1
3 15 20 30
4 45 45 45
Cada mquina debe prepararse para producir un solo tipo de tornillo por da. Si el
margen de ganancia por libra de tornillo pequeo es de $ 1.25, de tornillo mediano
es de $ 1.75 y de tornillo grande es de $ 2.00, formule un modelo para determinar
qu mquina debe ser preparada para producir qu tipo de tornillo, de modo que se
maximice la ganancia neta obtenible en una jornada de ocho horas (que debe induir
tiempos de preparacin)
SOLUCIN:
1 Si la mquina i es equipada para tomillos pequeos
{
Si= O En cualquier otro caso i = 1, 2, 3,4
1 Si la mquina i es equipada para tornillos medianos
Mi= { OEn cualquier otro caso i = 1, 2, 3,4
197
r 1 Si la mquina i es equipada para tornillos grandes
Li== LO En cualquier otro casoi = 1, 2, 3,4
Identificacin de la Funcin Objetivo:
MAX 5750S1 + 11250S2 + 8718.75S3 + 8700S4 +
300M1 + 10 780M2 + 9660M3 +1 0657.5M4 +
5280L1 +8600L2 + 7200L3 + 10440L4
S1+M1+L 1 ~ 1
S2+M2+L2 ~ 1
S3+M3+L3 ~ 1
S4+M4+L4 ~ 1
Si, Mi, Ld ;:::o, Binario
RESPUESTA
1) 37317,0 S1= 1 S2==1 M3==1 M4=1
ProgramaCin entera 199
EJERC1Cl0 5.4
El consejo directivo de la Escuela Euclides est formulando un plan para erradicar la
discriminacin racial en sus dos escuelas elementales, que tienen ~a capacidad de
manejar hasta 1100 y 700 estudiantes cada una de ellas. Los estudiantes negros y
blancos pueden transportarse en camiones desde cualquiera de tres distritos
residenciales a cualquiera de las dos escuelas. Se han recogido los siguientes
datos:
DISTRliO NMERO DE NUMERO TOTAL MILLAS A MILLAS A
BLANCOS DE ESCUELA 1 ESCUELA
1
NEGROS 1 2
1 1
1 350 150 500 3 7
2 250 1 100 350 4 4
3 900 .. 50 950 6 4
1 1
Formule un modelo que minimice la longitud total, en millas, recorridas por cada
estudiante, mientras se asegura lo siguiente:
Todos los estudiantes acuden en la escuela
Ninguna escuela rebasa su capacidad de estudiantes
Cada escuela tiene entre 40% y 60% de estudiantes blancos en su poblacin.
En cada uno de los ejercicios siguientes, determine grficamente si (a) el problema
de prowamacin lineal asociado es no factible, ptimo o no acotado, y (b) el
problema de programacin entera es no factible, ptimo o no acotado (indique todas
las SOLUCIN:es enteras factibles con puntos negros, y etiquete cada restriccin).,
En aquellos para los cuales ambos problemas en (a) y en (b) son ptimos, encuentre
las SOLUClN:es ptimas e indique si la -SOLUCIN:enter(3 puede .obtenerse
mediante redondeo de la SOLUCIN:de la programacin lineal.
SOLUCIN:
Identificacin de variables
Xij =Nmero De alumnos que acuden del distritoi a la Escuela j
Identificacin de !a funcin objetivo

MIN 3X11 + 7X12+ 4X21 + 4X22 + 6X31 + 4X32
Identificacin de las restricciones
Con respecto a la poblacin de cada escuela
X11 + X21 + X31~i 100
X12 + X22 + X32:S700
Con respecto a la cantidad de alumnos por distrito
X11 + X12~500
X21 + X22$350
X31 + X32~950
Con respecto a la cantidad de alumnos blancos
X11 + X21 + X31~440
X11 + X21 + X31~660

X12 + X22 + X32~280
X12 + X22 + X32$420

Con respecto a la no negatividad
Xij~O.ENTEROS
RESPUESTA
1 )2440 X 11 =440 X32 =280
200
ProgramaCin entera 201
EJERCICIO 5.5
Identificacin de ~a Funcin Objetivo:
MAX6x1+5x2
5x1 "T" x2 ::; 15
2x1 + 4x2 ::; 19
x1 _ x2 ~ O , enteras
SOLUC!N:usando el mtodo grfico:
i) Graficando ias restricciones
5x1+x2 = 15 (1) 2x1+4x2 = 19 e ( J1)
Si x1=0 ~x2=15 Si x1=0 ~x2=4,75
Si x2=0 ----+X2=4,75 1 Si x2=0 ----+x2=9,5
Graficandorestricciones y la F.O:
Hallando la S.O:
Z=6(2)+5(3)
Z=27
SOLUCIN:1) 27 X1=2 X2=3
201
EJERCICIO 5.6
!dentficacin de la Funcin Objetivo:
MAX-2X1-3X2
Identificacin de ias r-estricciones:
X1 2X2 :::: 2
2X1 X2 2!: o
X1 X2 2!: O, enteras
SOLUCIN:
i) Graficando lasrestricciones
-X1 +2X2=-2 (i) -2X1 + X2 =O (i)
S X1=0 -+ X2=-1 SiX1=0 -+X2=0
Si X2=0-+ X1=2 Si X2=2-+ X1=1
iii) Graficando la Funcin Objetivo

-2X1-3X2=6
Si X1=0 -+ X2=-2
Si X2=0-+ X1=-3
iv) Hallando la SOLUCIN:optirna

Hallamos las soluciones factibles:
(0,0)-+ 2:=0
(1 ,0)-+ Z=-2
(2,0)-+ Z=-4
(3, 1) -+ Z=-9
A medida que elevamos la F.O.
Se vuelve ms negativa, por lo tanto:
La SOLUCIN:optima es: X1 =O X2=0
El valor que toma la F.O es: Z=O
SOLUCIN: CON LINDO: 1) O X1 =O X2=0
202
EJERC!CJO 5.7
MAX-2x1 +3x2
7x1 +24x2::; 45
-x1 +4x2 2:5
x1 ,x2 ?:Oyentetas
SOLUCIN:
Graficando lasrestricciones
7X1 +24X2 = 45 (1) -X1 +4X2 = 5 (11)
SI X1=0 ~X2=1,9 I
. SI X1 =o~X2=1 ,2575
SI X2=0 ~X1=6,43 SI X2=0 ~X1=-5
/''~~
1 1
1 _,L
No tiene SOLUCIN: porque no tiene regin factible es decir no hay valores enteros
que cumplan con las restricciones
______ ..
203
EJERCICIO 5.8
MAX12x1 +4x2
30x1 + 8x2 105
4x1 + 4x2 21
4x2 17
x1, x2 OyEnteras
SOLUCIN:
Graficando las restricciones
30 X 1 + 8 X 2 = 105
X 1 = O --+ X 2 = 13 .13
X2=0--+ XI=3.5
4Xl+4X2=21
X 1 = O --+ X 2 = 5 .25
X 2 = O --+ X 1 = 5 .25
4X 2 = 17
X 2 = 4.25.
Graficando la F.O.
12Xl+4X2=48
Xl = O-t X2 = 12
X2=0-tXl=4
Hallando la S.O.
Xl =3
X2=1
12(3) + 4(1) = 40
RESPUESTA 1 ) 40 Xi =3 x2 = 1
204
EJERCICIO 5.9
MIN-2x1-5x2
4x 2x2 2 10
3x1 + x2 :55
x x2 20yenteras
SOLUCIN:
- 4.:r1 + 2x2 =-lo

Xf= O ---7 X2 = :._5
X2 =O~ Xl = -2.5
3Xl+X2=5
Xl = O ---7 X2 = 5
X2- O ---7 Xl = 1.6
RESPUESTA No tiene SOLUCIN:porque no hay regin factible
205
EJERCICIO 5.10
Identificacin -de la Funcin Objetivo:
MAXx1-x2
2x1 2x2 ::;1
-4x1 + 4x2 ::; -1
x1 ,x2 ~Oyenteras
SOLUCIN:
- 2Xl + 2X 2 = -1
Xl = O~ X 2 = -0.5
-X2?0~Xl=0.5
- 4Xl + 4X 2 = -1
X1=0.-+X2=-0.25
X 2 = O -+ X 1 = O.25
-ds
X: -0.83:74
-Y:-19851
No tiene SOLUCIN:porque no hay valores enteros en la grfica
RESPUESTA NO TfENE SOLUCIN:
206
EJERCICIO 5.11
Dibuje un rbol para representar todas las SOLUC1N:es enteras posibles del
siguiente programa entero:
SOLUCIN:
MAXx1+x2
5x1 + x2 ~10
2x1 + 4x2 ~8
x1~2
x2s1
x1 x2 ~Oyente ras

5X 1+ X 2 = 10
X 1 = O ~ X 2 = 10
X2=0~ X1=2
Graficando la F.O.
2 X 1+ 4 X 2 == 8
Xl+X2=2
Xl=O~ X2=2
Xl=~~ X2=2
X2=0~ Xl=4
X2=0~ X1=2
X 1 = 2
.>
X 2 = 1
Hallando la S.O.
Xl = 1
X2=l
1+1=2
XI= 2
X2=0
2+0=2 1
;:t:~~'.~~~~f\!j====-=Et :......... -~----+-
1-----i----
'~1 - ~----- .(..
- "~= ; 1
RESPUESTA 1)2 x1== 1 x2== 1-

207
EJERCiCIO 5.12
Dibuje un rbol para presentar todas las SOLUCIN:es enteras posibles del
siguiente programa entero:
SOLUCJN:
MJNx1-2x2+3x3
x1 + x2+x3:S 2
2x1- x2-x3:S O
-x1- 2x2+ 2x32:0
x1 ,x2,x32:0y8inario
LP OPTIMUM FOUND AT STEP 2

OBJECTIUE UALUE = 1.50000000
HEW IHTEGER SOLUTIOH OF 1.00000000 AT BRi>CH O PIUOT 2

RE-lSTALLIHG BEST SOLUTIOH ..
OBJECTIUE FUNCTIOH UALUE

..,,, 1.01l01l01l
UARIABLE UftlUE REDUCED COST

X1 O.ll!Hlfillll -1.000000
X2 O.OOilO!lll 1.01l01lll0
X3 1. OllllllllH -1.1l0ll!l00
X1,X2,X3 O.!illOilOil 0.000000
RO\~ SLACK OR SURPLUS DUAL PRICES

2) 1. OOOilll!l O.OOil!HlO
3) 1.1l0001lll O.OilOOlHl
4) 2. !HlllCllO \LilOOOilll
5) 0.1Hlllll01l ll.lliHlOO
. NO. ITERATIONS= 4
BRAHCHES= O DETERM.= i.OOOE O
/ 208
EJERCICIO 5.13
En el siguiente programa entero, -considere un rbol en el cual las variables se fijan
de izquierda a derecha en su siguiente valor entero ms grande. Utilice la
informacin dada consistente en e! nodo actual del rbol, -la SOLUC1N:al programa
lineal asociado y la cota inferior actual para indicar qu nodos, si los hay, pueden
dejar de tomarse en cuenta.
SOLUCI:
identificacin de Ja Funcin Objetivo:
MAX2x1+3x2
-x1 + x2 $1
-x1 + x2 $0
2x1 + x2 $3
x1 $1
x2 $2 .y."v-1!
x1 ,x2 2:0 y enteras

-X1+X2==l Graneando la1F.O. -
XI== O~ X2 == 1 2Xl+3X2=6
X2=0-~X1==-1 Xl==O---t X2=2
-X1+X2=0 X2==0---t Xl==3
Xl==O~X2=0 Hallando la S.O.
X2=0-7Xl=2 X1==1
2X1 + X2 =3 X 2 =1
X1=0-7X2=3 2(1) + 3(1) = 5
X 2 =O~ Xl = 1.5
X1 =1
X2=2
RESPUESTA 11\5 Xt= 1 X2 = 1
209
EJERCICIO 5.14
Repita el ejercicio 5.15 utilizando la sigu~nte informacin en el nodo actual, cota
inferior: ninguna, Nodo actual: aquel en que ni x1 est fijo en 1.
solucin:al programa lineal asociado: x1 =1, x2 = 1
SOLUCIN:
Identificacin de la funcin Objetivo:
MAX2x1+3)5:2
-x1 + x2::;
-x1 +
2x1 +
x1 ,x2 ~Oyentero

- Xl + X2 ~ 1
Xl=0-1-X2=1
X2=0~Xl=-1
-Xl + X2 ~O .. : ........ !... .
Xl =O --1- X2 ::,,D
X2 =O --1- Xl =1
2Xl+X2~3
Xl =O -'-7 X2 =3
X2 =O --1- Xl = 1.5
Graficando !a F.O.
2XI+3X2 = 6
XI =0 ~ X2 = 2 . "'-... -~ii30!<
"-._!
X2=0~Xl=3 "'-...
!-------..-......;. ,.. _ .. ,..................... _ ... ,______..___....., ..- ...-...................... - ..:. .......... ~ .....
Hallando la S.O.

Xl =1 ' . .-.. .
. . . . . .!-.
1
X2 =l -Y:t44
2(1) + 3(1) =5
RESPUESTA Ningn nodo se puede eliminar

1)5 X1= 1 X2 = 1
210
EJERCJC10 5.15
Repita e! ejerdcio 8.15 utilizando lo siguiente:
SOLUCIN:
MAX 2x1+3x2
x1 x2 ::;; 1
x1 x2 ;:;: o
x1 + 2x2 ::;; 3
x1 :5:2
x2 :5:1
x1 ,x2 ;:;:Qyenteras
-X1+X2=-l
Xl =O-+ X2 = -1
X2=0-+X1=1
-XI+X2=0
Xl =O-+ X2 =O
X2=0-+Xl=l
Xl + 2X2 =3
Xl =O-+ X2 = 1.5
X2 =O~ Xi = 3
Xl = 2
X2=I
Graficando la F.O.
2Xl +3X2 = 6
Xl =O-+ X2 = 2
X2 =O-+ Xl = 3
Hallando la S.O.
Xl=l
X2=1
2(1) + 3(i) = 5
RESPUESTA
El nodo actual y todos los nodo q_IJe se encuentran por debajo de ste pueden ser
eliminados.
1)5.000000 X1 = 1.000000 X2 = 1. 000000
EJERGICJO 5.17
UNIVERSAL TEXTIL fabrica tiendas de campaa grande y pequea. Las tiendas
grandes requieren 1O metros cuadrados de material, 15 minutos en la mquina de
coser y aportar a la compaa una ganancia de$ 90. Las tiendas pequeas utilizan 6
metros cuadrados de material, 7.5 minutasen la mquina de -coser y producen una
ganancia de$ 70. En el presente trimestre hay 15000 metros cuadrados de material
y 25000 miAutos de tiempo de mquina disponibles. Dado que el nmero de tiendas
grandes debe ser de al menos la mitad de la cantidad de tiendas pequeas, el
siguiente programa entero fue desarrollado para determinar cuntas tiendas grandes
(L) y cuntas pequeas (S) se deben hacer en el trimestre:
SOLUCIN:
MAX90L+70S
10L+ 6S ~15000
15L + 7,5S ~25000
2L- S ;::: O
L,S ;:::o y son enteras
1
Utilice su paquete de computacin para resolver este problema entero. Interprete los
valores de las variables en el contexto del problema. Qu restricciones son
limitantes, es decir, valen igualmente en condicin de optimalidad? Qu significa
esto en el contexto del problema?
RESPUESTA 1) 156790 L=682 S=1'363
213
EJERCICIO 5.18
Con un presupuesto de un milln de dlares, Linea 1 ele Trenes Metro de Lima,
necesita reorganizar su ex!stencia de vagonetas estndar, que cuestan $ 20000
cada una, de vagonetas de lujo, que cuestan cada una $ 28 000, y de vagonetas de
sper lujo, que cuesta $ 40 000 cada una. El gerente desea asegurar que hay al
menos el doble de vagonetas estndar que !as de lujo, y al menos tres veces ms
vagonetas de lujo que de sper lujo. Dado que debe hacer al menos tres vagonetas
de sper lujo, el siguiente problema de programacin entera fue desarrollado para
determinar el nmero de vagonetas estndar (S), de lujo (D) y de sper lujo (C) que
se deben pedir para tener el mayor nmero posible de vagonetas en existencia:
SOLUCIN:
MAXS+D+C
SUJETO A
20000S+280000+40000C =::;1 0000000
s-2o ~o
D-3C ~O
e ~3
S,D,G~O, ENTERAS
. 1
Utilice su paquete de computacin para resolver este programa entero. Interprete los
valores de las variables en el contexto del problema. Qu restricciones son de
limitacin, es decir, valen igualmente en condicin de optimalidad-? Qu significa
esto en el contexto del problema?
TABLERO
Fax- Comprensi Sintetizad Disponibl
modem n orde e
de datos sonido
1
Insercin de chip Soldado 10.3333 0.25 o.5 500
Ensamblado Jo.s 0.5 0.5 600
Prueba 2.0 2.0 1.0 12000
11-~ 2.0 3.5 12400
1 1
Ganancia($) j10 10 18
Produccin mnima /5oo 300 250

1
RESPUEStA 1)493, S=480, D=iO, C=3
214
EJERCICIO 5.19
Hacker Company fabrica tableros de circuitos electrnicos para computadoras PC.
Cada tablero de fax-mdem, de comprensin de datos y de sintetizacin de sonido
requiere una cierta cantidad de tiempo de mquina para insertar fos chips, soldarlos,
ensamblarlos y probarios. Estos datos (en minutos), junto con la cantidad de minutos
de tiempo de mquina disponible para cada operacin, el nmero mnimo de
produccin de cada tablero, y !as ganancias netas se resume-n en la tabla siguiente:
el siguiente problema de programacin entera fue desarrollaqo para determinar el
nmero de tableros de fax-mdem (F), de comprensin de datos (O) y de
sintetizador de sonido (M) que se deben producir:
SOLUCIN:
MAX1 OF+1 OD+8M
SUJETO A
0.3333F+0.25D+0.5M ~500
0.5F+0.5D+0.5M ~600
2F+2D+M :::;2000
1.5F+2D+3.5M :::;2400
F 2:500 t-
D 2:300
M 2:250
F,D,M 2:0, ENTERAS
Utilice los resultados anteriores para responder. Cuntos tableros de cada uno
debe fabricar la empresa? Cul es la ganancia total?
RESPUESTA 1)10816,F =564,0 =300,M ='272
215
..... ....-
EJERCICiO 5.20
Utilice su paquete de computacin para encontmr la nueva SOLUCIN:al ejercicio
8.23, s las cuatro operaciones tienen 1O% ms de tiempo disponible.
SOLUCIN:
MAX10F+100+8M
SUJETO A
0,3333F+0.250+0.5M :::; 550
0,5F+0,50 +0.5M :5 660
2F+2D +M :5 2200
,5F+2D +3.5M ::; 2640
F ~ 500
o ~300
M ~250
F,D,M ~O. ENTERAS

RESPUESTA 1)11912.00 F= 6480= 300 M =304
EJERCICIO 5.21
Utilice su paquete de computacin P8ra determinar qu le sucede a la SOLUCIN:y
a la ganancia ptima del ejercicio 5.23, si se debe producir un mnimo de 550 fax-
mdems?
SOLUCIGN:
MAX10F+100+8M
SUJETO A
0,3333F+0,250+0.5M :5550
0,5F+0.50+0.5M :5600
2F+2D+M ::; 2000
1.5F+20+3.5M ::; 2400
F ~500
o ~300
M ~250
F,D,M ~o. ENTERAS

RESPUESTA 1)10816 F=5640=300 M=272
EJERCiCIO 5.22
Utilice su paquete de computacin para determinar qu le sucede a 1a SOLUCIN:y
a al ganancia ptimas del ejercicio 8.24, si se tienen disponibles 400 minutos
adicionaies de tiempo de mquina para el ensamblado.
SOLUCIN:
MAX10F+IOD+8M
SUJETO A
0.3333F+0.250+0.5M ~500
0.5F+O. 5D+0.5M $600

2F+2D+M ~2400
1.5F+20+3.5M ~2400
F ~500
o ~300
M ~250
,D,M ~OyENTE RAS
RESPUESTA 1)11160.00 F = 616 o= 300 M =250
EJERCICIO 5.23
l
La gerencia de High Tech est considerando invertido en seis proyectos, cada uno
requiere .una cierta cantidad de capital inicial. Estos datos, junto con el factor de
riesgo asociado (entre O y 1) y la recuperacin anual esperada, se presentan en la
siguiente tabla:
PROYECTO CAPITAL RIESGO Df::VOLUCION
1 1
P1 100 000 0~50 0.20
P2 200 000 0.40 0.15

P3 170 000 0.70 0.30
1
P4 250 000 0.65 0.25
1
P5 400 000 . 5
04 0.17
P6 250 000 0.75 0.40 j
1 1
Los socios de la empresa han acordado que el riesgo total, obtenido al sumar los
factores de riesgo de cada proyecto emprendido, no debe exceder a 3.0. Tambin,
cuando muchos dos proyectos pueden tener un factor de riesgo mayor a 6.0 El
siguiente problema de programacin entera fue desarmllado para de'terminar en qu
217
proyectos se debe invertir con un presupuesto de un milln de dlares para lograr la
mayor recuperacin anual esperada:
SOLUCIN:
MAX 20000P1 +30000P2+51 OOOP3+62500P4 +68000P5+100000P6
SUJETO A
0.5P1 +0. 7P2+ O. 7P3 + 0.65P4 + 0.45P5 + O. 75P6 ~ 3
P3+P4+P6 ~ 2
1OOP1 + 200P2 + 170P3 + 250P4 + 400P5+250P6 ~ 1000
P1 ,P2,P3,P4,P5, P6 i!O, Binario
OPTIMAL SOLUTION- DETAlLE O REPORT
VARIABLE VAL UE COST RED.COST STATUS
1 P1 1.0000 20000.000 20000.0000 Lower bound

:< P2 0.0000 30000.000 30000.0000 Lower bound
2 P3 0.0000 51000.000 51000.0000 Upper bound
4 P4 1.0000 62500.000 62500.0000 Lower bound
E P5 1.0000 68000.000 68000.0000 Lower bound
E P6 1.0000 100000.00 10000.0000 Lower bound
Slack Variables
7 RISK 0.6500 0.0000 0.0000 Basic
E'MAXRISK 0.0000 0.0000 0.0000 Basic
S BUDGET 0.0000 0.0000 0.0000 Basic
OjectiveFunctionValue = 250500
Utilice el resultado anterior para responder a lo siguiente:
En qu proyectos debe invertir High Tech? Cul es la recuperacin anual
esperada al hacerlo?
Cul es el riesgo total asociado con dicha inversin?
Qu tanto del presupuesto disponible no se invierte?
RESPUESTA
La compaa debera invertir en los proyectos P1, P4, PS y P6. Se genera una
recuperacin anual de aproximadamente 25.05%
La variable holgada para la restriccin de riesgo es de 0.65 e indica que el factor de
riesgo total del plan de inversin ptimo es 3.00 - 0.65 =2.35
Todo el capital invertido se utiliza.
218
Programacin entera 21 9
EJERCICIO 5.24
En el ejecicio 8.27, suponga que los socios de la empresa agregan el rquisito de
que el proyecto P1 debe emprenderse slo si se emprende el -proyecto P2.
Modifique la formulacin y utilice su paquete de computacin para determinar e!
nuevo plan de inversin.
SOLUCiN:
MAX20000P1 :3DOOOP2+51 OOOP3+62500P4+68000P5+1 OOOOOP6

SUJETO A
0.5P1+0.7P2+0.7P3+0.65P4+0.45P5 + 0.75P6 s;3
P3+P4+P6s; 2
1OOP1 +200P2+170P3 +250P4+400P5 + 250P6 s; 1000
P1 +P2 =2
Pi ~ O , Binario
219
.. :. -::~
5.2. Autoevaluacion quinta unidad programacion entera
RESUELVA GRFICAMENTE LOS MODELOS DE PROGRAMACIN

LINEAL
.04 Una empresa que opera 12

:--. .' .'.Minutos poi,:Unidad<:.:; ..
:- ..._L_.:. ~. . . . ' .;;_ .~ :!. ': . ' - ; -
horas diarias, ensambla sus dos
tipos de productos en tres
procesos en secuencia, el
primer Y. segundo proceso se
realizan . en 4 y 5 horas

respectivamente. La siguiente
tabla resume los datos del
problema. Desarrolle el modelo
matemtico y encuentre el plan -
ptimo de produccin Use el
mtodo grfico
220
UNIDAD VI PROBLEMAS DE TRANSPORTE
..,7~,... ...._"'~ .;:,._4:( . . ~ ..... ",.;:,;..~--. ~> ~).,_ ......... :- .......~ . .-~<ti~.~~ . . . ,::~ .::, ,. . 1.. ... . . . 1
... _Lie ':)t~]~_dan' --s_~?:' -R~~fiduc;;ts~:::la'$: ~rnp'res~s comercil~ que s~ i

.. ~ ._~, .... :.d~~~rkllerf ~-~-~~ '~:~~~s.?~~:<:i'~~~~-~-~q~~~~1~}t~a~a ~- ~::ffi(~:i;ni~~r. s.9~ !
!.;;.-~,wt::;::,,.. "'",.. t.:... _ .. 1,_ .. ~~.:..;..;:._, -~ ...&:.,.-..,~:.. : . .-:_... "~.,.. .' ~!-..,:.. !$r~~ .., ..:.,..::-.. ~ ..... '_.. ~.:. \'_..,. ~... ...
1
.p9~~~s. ~~=-tn?-~i~j~:r :7~~~-~filid;~8~~;::.~-~~? -~~!~~- _e.~ 1_'15;';9.1!i0:'9'~-~?.?~::,}~::c~,an_ c;e99Q.j

2
:,algqntm~~.rf1~tematlcs''q~ -~esuelv_~_n' de ma'n~~~rn?.r'at~ ,qofi' la>~yu"aad~,de la 1

t. . ~-~-':" . 7 ~~ ,~-~? .; i ., ... .,__ ~ ~-< :.::-;__ ..:~ -~--~-.;; -~: ~ "_~.t~ ..... ~--~ ~'".:y~:.: '::_
_ :::: '. ,,,:!, ...
:
!..-con1f:?utadorp: bscan,do la_ SO~UGION.:ptiia,:.de 'esta~;-ma.h~r? le:(- p~o-grmacin,

ty~ ....' , ~ .. _--.
~-~-~~ ~ ::~,_. ~ ~ ~::. ~::.~
r'lin'ealcurp-fesu.;r61 decisivo para log'rar el 'exito/: _ -

.! .-t - ' .: ' -.::.. :.. _,
<, .. -~,.. ... . ,:,: . .T';.
r ~~-----w~~~: ~:-~~---. .;:.~: ;, ~~ _.~_2~--!. .~.-~::__.~- ~~~~ . : ...:..~~~-~ ~r-- ~~:~~:. :/..:~~-!!. _'~-- --j~~~~~~-- : - ;, ___ ._:_,..:_.~--~~ .:.._ L -~
221
6.1 Mtodo Hngaro
Es _un algoritmo matemtico que nos permite resolver problemas de

asignacin
Pasos:
1. Identifique el menor de cada fila y rstelo a los valores correspondientes a
drcha fila
2. Identifique el menor de cada columna y rstelo a los valores de dicha
columna
3. Asigne tomando en cuenta los casilleros donde se hallan ceros.
Recordando que a cada trabajador se le asigna una tarea y cada tarea
debe ser realizado por un solo trabajador.
Paso 2a
Cuando no se puede asignar con el paso 3 realice lo siguiente:
i. Trace la menor cantidad de lneas horizontales o verticales que cubran
los valores ceros
ii. Identifique el menor de los nmeros no cubiertos y rstelo a todos los
numeras no cubiertos, sume este nmero a las intersecciones y copie , los

dems nmeros.
iii Repita el paso 3
EJEMPLO:
El Sr. Klyne tiene tres hijos Boris, Jhon y Karen, quienes le solicitan una
propina para realizar un paseo con sus compaeros de la Universidad. El
padre les asigna tres tareas: podar el csped, Pintar la fachada y Lavar los
carros de la familia. Los hijos deben presentar una preforma (secreta). Queda
entendido que los hijos aceptarn la decisin del padre. En el siguiente
cuadro se indica los datos presentados por los hijos. Qu decisin debe
tomar el padre?
223
SOLUCION
Paso! Paso 11 Paso lll
11
12
12
o 3 o
MODELO MATEMATICO
l. ldentificad6n de las variables
l
Xjj = . { O Al hijo i no se le asigna la tar~a j
1 Al hijo i se le asigna la tarea j
11. Identificacin de la Funcin objetivo
MIN 13X11+14X12+ 11X13+
12X21+15X22+ i4X23+
13X31+6X32+ 12X33
X11 +X12+X13 =1 X11+X21+X31 =
X21+X22+X23 =1 X12+X22+X32 =1
X31+X32+X33 =1 X13+X23+X33 =1
Xij>=O, Binario
224
EJERCICIO 6.1
Una compaa '<ie servicios se desenvuelve en el -negocio de reparacin de
mquinas lavadoras y secadoras domstcas.La compaa da servicio a clientes en
toda la ciudad. Con el objeto de ahorrar tiempo de manejo y costos al inicio de cada
da, el personal de servicio se dirige directamente de sus casas a ios lugares donde
se les requiere. La tabla siguiente presenta las distancias asociadas con los
primeros 5 rabajos que deben llevarse a cabo.A cada empleado de servicio se ie
paga por conducir. Determinar la asignacin del personal -de servicio a su primer
trabajo del dfa de manera que la distancia sea menor.
TAREA
EMPLEADO
A B e D E
01 20 14 6. 10- 22
02 16 8 22 20 10
03 8 6 24 14 12
04 20 22 2 8 6
05 4 16 22 6 24
SOLUCION EJERCICIO 6.1

IDENTIPICAC!ON DE VARIABLES
Xij = O Al empleado i no se le asigna la tarea j
=1 Al empleado i se le asigna la tarea j
IDENTIFICACION DE LA FUNCION OBJETIVA
MIN 20X11 +14X12 + 6X13 + 10X14 + 22X15
16X21 +8X22 + 22X23+ 20X24 + 1OX25
8X31 +6X32 + 24X33+ 14X34 + 12X35
20X41 +22X42 + 2X43+ 8X44 + 6X45
4X51 +16X52-;- 22X53+ 6X54 + 24X55
IDENTIFICACIN DE LAS RESTRICCIONES
X11 + X12 + X13+ X14+ X15 =1 X11 + X21 + X31 + X41+ X51 =1
X21 + X22 + X23 + X24+ X25 =1 X 12 + X22 + X32+ X42+ X52 =1
X31 + X32 + X33 + X34+ X35 =1 X13 + X23 + X33+ X43+ X53 =1
X41 + X42 + X43 + X44+ X45 = X14 + X24 + X34 + X44+ X54 --1
-
225
X5 + X52 + X53 + X54+ X55 =1 X15 + X25 + X35+ X45+ X55 =
Xij~ O, Binario
Resultado .usando UNDO
1) 32. X14=1 C=10 X25=1 C=10. X32=1 C=6
X32=1 X3= C= 2 X51 =1 C=4
soLUCIN:USANDO EL MTODO HUNGARO.
.2
o o o 2 2
....
1 1 1
~
o
14
r 2 14 . 12 8
~ 12
- .J_ ..~t!l
_a_
1
~
1
~a... 8 2 16 10
~
~~
},
r . )8
:
2 6 4: o 18 4 2
.
18 jo
_.
f
1
4 2
1
16
1
20
l 2 o
_o_ .12
.- ,b_
1 j
~ .!l r.a. r ~ 14 20 o ~8
1
Respuesta:
Al empleadO se le asignae! trabajo 4 1O
Al empleado 2 se le asignaei trabajo 5 1O
Al empleado 3 se le asignael trabajo 2 6
Al empleado 4 se. le asignael trabajo 3 2
Al empleado 5 se le asignael trabajo 1 4
DISTANCIA MINIMA 32
226
,.. ,..
o. M_,eLoao
't. '- ~
oe voge
' e
Es un algoritmo matemtico que permite resolver problemas de transporte.

Los pasos son los siguientes:
Hallamos las penalidades para cada fila y para cada columna restando los
dos costos ms bajos.
Elegimos la mayor penalidad y all hacemos la transaccin, enviando la mayor
cantidad posible.Se anota la transaccin realizada, indicando la cantidad
enviada y el costo ocacionado.
Se repite hasta transportar toda la oferta, saldando la demanda.
Se haila el costo total.
EJERCICIO 6.2
Medican, lnc., renta equipo especializado de rayos.X a hospitales.Actualmente hay
tres mquinas ubicadas en Nueva York, dos en Chicago y tres en Los ngeles.Hay
hospitales en Dalias que requieren cuatro mquinas.Los de Denver y Phoenix
necesitan cada uno dos mquinas.EI costo (en dlares) de enviar una mquina de
cada ciudad a cada hospital se muestra en la siguiente tabla:
HACIA1
DESDE DALLAS /DENVER PHOENIX
Nueva York 1600 1800 2500
Chicago 900 1000 1800
Los ngeles 1400 1000 400
Dibuje una red de distribucin que indique los suministros, demandas y otros datos
relevantes apropiados (cuando sea adecuado, aada nodos y arcos figurados para
obtener un problema equittbrado ).
Formule un modelo matemtico para determinar cuntas mquinas deberan
enviarse desde cada ciudad a cada hospital para incurrir en el mnimo costo.
Encuentre una SOLUCIN:inicial usando el Mtodo de Voge!
SOLUCIN:
ORIGEN DESTINO
New York Da !las
227
(3) (4)
Chicago Denver
(2) (2)
Los ngeles Phoenix

(3) (2)
228
IDENTIFICACION DE VARIABLES
Xij = N.mero de mquinas de rayos x,que se envan de la ciudad.i al Hospital j.
IDENTIFICACION DE LA FUNCION OBJETiVA
MIN 1600X 1 +1800X12 + 2500X13 +
900X21 + 1OOOX22 + 1800X23 +
1400X31 + 1000X32+400X33
IDENTIFICACIN DE LP,S RESTRICCIONES
X11 +X2 +X13 s3 X 11 + X21 + X31 = 4
X21 + X22 + X23::; 2 X 12 + X22 + X32 = 2
X31 + X32 + X33 s 3 X 13 + X23 + X33 = 2
Xij2: O, entero
Resultado usando LINDO
1)8500 X11=3 X21==1 . X22==1 X32=t X33=2
SOLUCIN:CON EL METODO VOGEL

Hallamos las penalidades para cada fila y para cada columna restando los dos
costos ms bajos.
Elegimos la mayor penalidad y all hacemos la transaccin, enviando la mayor
cantidad posible
Dalfas Denver Phoeni Oferta P1

X
Nueva 1600 1800 3 200

York
Chicago 900 1000 2 100
Los 1400 1000 3 600

ngeles 1
Demanda 4 2 2
o
P1 500 800 1400
229
OBSERVACION
las penalidades de la primera vueltason 500,800, 1400 200, 100 y 600
Escogemos e! mayo que es 1400
En esta columna se escoge el menor costo, a!lf hacemos la transaccin X33=2
La columna cormspondiente ha quedado saldada, se sombrea.
Luego se repite una segunda vuelta
Dalla Denv Phoeni Ofert P1 P2

S er X a
Nueva 1600 3 200 200

York
Chica 900 2 100 100

go
Los 1400 3 600 400

ngel 1
es o
De ma 4 2 2
nda 1 o
P1 500 800 1400
P2 500 800
En Esta segunda vuelta la penalidad mayor es 800 y el costo escogido es de 1000

que va eliminar a costo mayor de 1400 si se escoge el otro costo de 100 se anula el
costo de 900 que es el mas bajo, no nos conviene.
La transaccin es X32=1, con esta operacin se elimina la segunda columna y por
defecto se decide la transaccin pendiente y se calcula el costo mnimo
En el siguiente cuadro se hace todo el resumen y tenemos la ref)uesta al problema.
No es necesario hacer varios cuadros, basta uno solo.
230
CUADRO RESUMEN
Dalla Denv Phoeni Ofert P1 P2 P3

S er X a
Nueva 3 200 200 200

York
Chica 2 100 100 100

go
Los 3 600 400

ngel 1
es o
Dema 4 2 2
nda 1 o
P1 500 800 1400
P2 500 800
P3 700 800
Este cuadro nos muestra el siguiente resultado:

X33=2~e == 2 x400=800
X32= 1~e == 1 x 1 000== 1000
X22=1 ~e == 1 x 1ooo= 1ooo
X21 =1-7e == 1 x900==900
X11=3-7C = 3 X 1600== 4800
Costo Mnimo Total:$ 8,500
231
EJERCICIO 6.3
Medican, lnc., acaba de recibir una solicitud adicional para -dos de sus mquinas en
MiamLCuesta $1300 embarcar una mquina a Mami desde Nueva York, $1400de
Chicago y $27-00 de Los ngeles. Use su paquete de computacin para resolver el
problema modificado, suponiendo que cualquier demanda que no pueda satisfacerse
no incurre en ninguna penalidad. Cmo afecta este cambio la SOLUCIN:ptima
del ejercico_9.2? Quin debera recibir mquinas y quin no?
SOLUCIN:
HACIA
DESDE Dalias Denver Phoenix Miami
1 1
Nueva York 1600 1800 2500 1300
1 Chicago 900 ' .

1000 . 1800 - 1400
Los Angeles 1400 1000 400 2700
Artificial o o o o
MODELO
Xij =Nmero de mquinas de rayos que se envan de la ciudad i al Hospital j.
JI IDENTIFICACION DE LA FUNCION OBJETIVA
MIN 1600X11 +1800X2 +2500X13 +1300X14 +
900X21 +1000X22 +1800X23 +1400X24 +
1400X31 +1000X32 +400X33 +2700X34 +
OX41 +OX42 +OX43 +OX44
111 IDENTIFICACIN DE LAS RESTRICCIONES

X11 + X12 + X13 + X14 ~3 X 11 + X21 + X31 + X41 =4
X21 + X22 + X23 + X24 ~2 X12 + X22 + X32 + X42 =2
X31 + X32 + X33 + X34 <'2
-'-' X13 + X23 + X33 + X43 =2
X41 + X42 + X43 + X44 ~2 X14 + X24 + X34 + X44 =2
v
Alj ;:::O, entero
232
SOLUCIN:
HACIA
Dalla 1 Denv Phoe Miam Ofert
DESDE P1 P2 P3 P4
S er nix i a
1
3 1
30 30 30 20
Nueva York 1600 11800 12500 11300 1
o o o
-
1 1
o lo
2
1
/10 10

Chicago
1
1
900 11000
1
1800 11400
1
o o o
1
3
1
1 Los
60 40 140 40
1400 1000 400 2700 1
, ngeles o o o o
o
- ' 2
Figurado o o o o 1 o
o 1
4
2
2 2 2
Demanda 1
1 o o
o
o 'i
P1 500 o 1400 100

P2 lsoo
1
o '
100
P3 /200 i 800 /1400
1
P4 )200 1
8oo
1 1 1 1
X11= 1 X14= 2 X21= 2 X32= 1

X33= 2 X4= 1 X42= 1
Dalias solo recibe 3 maquinas de ias 4 que pidi
Denver solo recibe 1 mquina de las 2 que pidi. Costo mnimo: X33 --------2(400)
X21 = 2 C=2(900)
X14 = 2 C=1(1300}
X31 ------C=2(1000)
X31 --------C=1 (1600)
TOTAL=7800
233
EJERCICJO 6.4
American Motors, lnc., puede enviar un total de hasta 200 automviles en camin y
600 en ferrocarril de su fbrica de Detroit a sus distribuidores de Chicago, Cieveland,
Washington, D. C. y Filadelfia. El costo (en dlares) de enviar un carro a cada uno de
los distribuidores por camin y por tren y las demandas de los distribuidores se
muestran en la siguiente tabla:
COSTO EMBARQUE ($/CARRO) HACIA
-
POR ICHICAGO 1 CLEVELAND . WASHINTON FILADELFIA
'Camin 30 20 !50 60
Tren 451 30 75 90 1
1
Demanda 1300 100 250 150

Dibuje una red de distribucin que ind1que los sum1mstros, demandas y otros datos
obtener un problema equilibrado).
Como gerente del departamento de logstica, formule un modelo matemtico para
determinar cmo enviar los carros a los distribuidores a fin de minimizar los costos
totales de transportacin.
SOLUCIN:
MEDIO DE TRANSPORTE DISTRIBUIDOR
(;\CH300
.~u.
CAMION
200
~WA250
TREN
~u 250
600
Fl150
234
~----.
MODELO
IDENTJFICAC~ON DE VARIABLES
Xij = Nmero de car. A enviar-por el medio i l distribuidor j
11 IDENTIFICACION DE LA FUNCION OBJETIVA
MIN 30X11 + 20X12 + 50X13 + 60X14 + 45X21 + 30X22 + 75X23 + 90X24

X11 + X12 + X13 + X14 ~200
X21 + X22 + X23 + X24 ~600
X11 + X21 =300

X12 + X22 =100
X13 + X23 =250
,X14 +X24 =150 .
Xj 2:0,Entero
1 HACIA (Costo embarque ($/carro))
POR 1 CH 1 CLE WASHIN t FIL Oferta P1 P2
1 200
Camin 30 20 50 60 50 10 10
1
o
1 600
j 500
Tren 45 30 75 90 15 15
200
o
250
300 100 150
Demanda 200
o o
lo o ..
1
P1 15 110 /25 130
P2 115 110 25
X14 =150------C= 150(60)
X13 =50--------C=50(50)
X22 =1 00------C= 100(30)
Y21 =300------C= 300(45)
X23 =200------- C=200(75}--------------43000
235
EJERCICIO 6.6
Para el probiema de American Motors, lnc. del ejercicio -9.4:
Dibuje el cuadro de transportacin iniciaL
Encuentre una SOLUCJN:inicial usando el mtodo de Vogel
SOLUCIN-:
HACIA Chicago Cleveland Washington Filadelfia OFERTA P1 P2

POR 1 2 3 4
CAMION j 200
( 1) 30 20 50 60 50 10 10
o
TREN 600
(2) 400
45 30 75 90 15 . 15
300
o
DEMANDA 300 1 100 250 150
o o 200 o
o
P1 ~5 10 25 130 -
P2 115 10 25 1
Este cuadro nos muestra el sig.uiente resultado:

X 14 = 150__,.c = 150 X 60=800
x 13 = so__,.c = sox so= 1ooo
X22 =1oo__,.c = 200 x 7 5= 1ooo
X21 =3QO__,.c = 100 X 30=900
X23 = 2QO__,.c = 300 X 45= 4800
Costo Mnimo Total:$ 43,000
236
EJERCICIO 6.7
La gerenda de American Motors, lnc., acaba de recibir un pedido adicional de 75
automviles de su distribuidor de Cincinnati.La tasa de embarque por carro es de
$28 por camin y $42 por tren.Use su paquete de computacin modificado,
suponiendo que cualquier demanda que no pueda satisfacerse no incurre en
ninguna penaldad.Cmo afecta este cambio la SOLUCIN:ptima del ejercicio
9.5? Quin recibir sus pedidos completos y quin no?
SOLUCIN:
MEDIO DE TRANSPORTE DISTRIBUIDOR

CHICAGo
300
CAMION CLEVELAND
200 100
TREN WASHINGTON
600 250
FILADELFIA
75 150
CINCINNATI
75
MODELO
lOENTIFICACION DE VARIABLES
Xij = Nmero de carros que se van a transportar mediante el medio i al destino j
11 IDENTIFICACION DE LA FUNCION OBJETIVA
MIN 30X11 + 20X12 + 50X13 + 60X14 + 28X15 +

45X21 + 30X22 + 75X23 + 90X24 + 42X25 +
OX31 +OX32 +OX33 +OX34 +OX35
X11+ X12+ X13+ X14+ X15 $ 200
X21 + X22+ X23+ X24+ X25 5 600
X31+ X32+ X33+ X34+ X35 $ 75
X 11 + X21 + X31 = 300
X12+ X22+ X32 = 100
X13+ X23+ X33 = 250
X14+ X24+ X34 = 150
X15+ X25+ X35 = 75
Xij ~ O, entero
RESPUESTA: 1)39775,
X13=125, X14=75, X21=300, X22=100, X23=125, X25=75, X34=75
238
Costo embarque $/carro)
HACIA / Chicag 1 Clevelj Washin Filad Cincin Oferta P1 P2 P3
1200 l
Camin 30 20 50 60 28 125 8 8 8
- o
1
1
1 1
1
1
600
1
1 sao
1
Tren 45 30 75 90 42 425 12 12 12
1
125
1
.. ..
o
1 . .
1
75
1
Figurado o o o o /o o
o
250 150
300 100 75
Demanda 125 75
o o o
o o
1
P1 130 20 50 i 60 28
1
30
j
P2 15 10 25 114
P3 115 10 25 14
1
X34=75 --- C=75(0) =O

X14=75---- C=75(60) =
X13 =125----- C=125(5Q-) =
X22 = 100------ C=100(30) =
X25 =75------- C=75(42) =
X21 =300---- C=300(45) =
X23 =125------ C=125(75) =
Costo total =39775
~ 239
- PROBLEMA 6.8
Considere un problema de transportacin equilibrado en donde debe maximizarse la
funcin objetivo en vez de minimizarse.
Desarrolle un mtodo de matriz mxima para encontrar un plan -de embarque inicial
modificando los pasos del mtodo de matriz mnima.
SOLUCIN:
l. IDENTIFICACION DE LAS VARIABLES

Xij = Nmero de carros que transportan usando el medio i a la ciudadj
11. IDENTIFICAC!ON DE LA F.O.

MAX 30X11 + 20X12 + 50X13 +60X14 + 28X15 +
45X21 + 30X22 + 75X23 +90X24 +42X25 +
OX31 +OX32 +OX33 +OX34 +OX35
111. IDENT!FICAC!ON DE LAS RESTRICCIONES

X11 + X12 + X13 + X14 + X15 =200
X21 + X22 + X23 + X24 + X25 =600
X31 + X32 + X33 + X34 + X35 =75
X11 + X21 + X31= 300
X12 + X22 + X32= 100
X13 + X23 + X33= 250
X14 + X24 + X34= 150
X15 + .X25 + X35=75
Xij~ O ; enteros
240
HACIA 1
1Chcag Cleve! Washin Filad Cincin Oferta P1 P2 P3 P41
POR
1
1
- 1 200
1 1
Camin . 100
( )
30 120 50 60 28
25
10 20
1
2 2 J
o
1
1 600
Tren 450
. . ~
45 30 75 90 42 15 30 3
(2) 200
o
'
75 o
Figurado o o o o o
o
o o
Demanda 300 100 250 150 75
100 o O. o o
1
o
P1 1 15 10 /25 /30 14
P2 /15 j 10 125 1 14
1
:
P3 115
1
110 l. /14
1
l P4 130 20
1
/28 1

X24=150-+C = 150 X 90 =13500X23=250-+C = 250 X 75 = 18750
X21 =200-+C = 200 X 45 =9000 X11=100-+C = 100 X 30 =3000
X15=75-+C = 75 X 28=2100 X12=25-+C = 25 X 20=500
X32=75-tC = 75 X 0=0 Costo Mximo Total solicitado:$ 46,850
241
EJERCICIO 6.9
Pine Tres, lnc., ha recogido 400 toneladas de madera de bosques de pinos ubicados
fuera de Vancouver, 200 toneladas de madera de bosques ubicados fuera de
Sea1tle, 150 toneladas de madera -de bosques ubicados fuera de Prt~and, Japn ha
colocado un pedido de 200 toneladas a un precio de $1.200 por toneladas.Taiwn
necesita 300 toneiadas y pagar a $1100 la tonelada y Sngapur desea 250
toneladas a $1000 por tonelada.A Pine Trees, lnc., ie cuesta $500 traer cada
tonelada de los aserraderos al puerto de Vancouver, $400 por tonelada al puerto de
Seatle y $300 por tonelada a Portland.La siguiente tabla proporciona el costo de
embarque de cada tonelada por mar desde puertos a Jos pases respectivos:
COSTO DE EMBARQUE (S/TONELADA)-DE MADERA
POR MAR-HACIA
DESDE jJAPON /TAIWAN SINGAPUR
Vancouver 1250 /250 200
Seattle 1250 '200 200
Portland _200 150 150
Dibuje una re6 de distribucin que indique los suministros, demandas y otros datos
relevantes apropiados (cuando sea tadecuado, aada nodos y arcos figurados para
obtener yn problema equilibrado).
Formule un modelo matemtico para determinar un plan de distribucin para
maximizar las ganancias corporativas.
SOLUCIN:
VANCOUVER JAPON
400 200
SEATLLE TAIWAN
200 300
PORTLA.NO SINGAPUR
150 250
MODELO
l. IDENTIFfCACION DE VARIABLES
Xij = Nmem de Ton. de madera de transportar de la ciudad i a -la ciudad j
11. IDENTIFJCACION DE LAFUNCION OBJETIVA
MAX450X11 + 350X12 + 300X13+550X21 +500X22+
400X23 + 700X31 + 650X32+550X33
111 JDENTIFICACIN DE LAS RESTRICCIONES
X11+X2+X13 <= 400 X 11 + X21 + X31 = 200
X21 + X22 + X23 <= 200 X12 + X22 + X32= 300
X31 + X32 + X33 <= 150 X13 + X23 + X33= 250
Xij~ o
SOLUCIN:CON LINDO:
1) 342500 X11=200, X22=150, X32=150,X13;.2oo, X23=50
Ganancia segn los destino =ingresos- costos (recogido y traslado)
G 11 =1200-750=450 G21 =1200-650=550 G31 =1200-500=700
G12=1100-750=350 G22=11 00-600=500 G32=11 00-450=650
G13=1000-700=300 G23=1 000-600=400 G33=1000-450=550
HACIA
DESDE JAPON TA'IWAN 1 SINGAPUR Oferta P1 P2 P3
400
VANCOUVER 1450 350 300 200 50 50 150
:
o r
200
SEATLE 550 500 400 50 100 100 150
o
1
1 1 1 1
150 1
PORTLAND 1700
1
/650 /sso lo '100 1
1 i ! 1
'
1200
300 '250
1
Demanda 150 200
lo o o
1 1
1
P1 j100 150 1100 1
1
P2 /100 1
J
150 100
P3 1100 1 100
1 i
243-- . .
------
RESPUESTA:
Utilidad mxima: X11 -------200(450)
X32 ------150(650)
X22 -----150(500)
X13 -------50(400)
X23 -----200(300)
1
342500
EJERCICIO 6.10
Para el problema de Pine Trees, lnc. del ejercicio 9.9:
Dibuje el cuadro de tr.ansportacin inicial.
Encuentre una SOLUCIN:inicial usando el mtodo de Vogel.
SOLUCIN:
COSTO DE EMBARQUE
- !(S/TONELADA)DE MADERA POR OFERTA

1
1
!
MARHACIA
, 1
,
P1 P2
Desde JAPON IAI'vVAN 1 SINGAPUR
1
1 2 13 1
400
Vancouver
450 350 300 200 100
(1)
o
f
200
Seattle
550 500 400 50 50 100
(2)
o
1
Portland 150
700 650 550 50 100
(3) o
DEMANDA 200 1300 250
1
o 150 50
o o
1
P1 150 150 150
P2 '150 /150
X11 =200-+C=200 X 450= 90000

X32= 1so~c= 150 x 650= 97 5o o
X12=150--tC= 150 X 500= 75000
X13=200--tC= 200 X 3DO= 60000
X23=50~C=50 X 400= 20000
Ganancia Total Mxima: $ 342,50
_245
EJERCICIO 6.11
Despus de recoger toda la madera en sus aserraderos, se le ha comunicado a Pine
Trees, Jnc., que Singapur debe cancelar su pedido.No obstante, la madem recogida
debe transportarse por camin de los aserraderos a los puertos de Vancouver,
Seattle y P-ortland a los costos dados en el ejercicio 9.9.La madera no enviada desde
estos puertos debe almacenarse a un costo de $25, $20 y $15 por tonelada,
respectivail}ente.Use su paquete de computacin para resolver el problema
modificado. Cui es el plan ptimo?
SOLUCIN:
VANCOUVER . JAPON
400 o----...o
SEATLE
200
PORTLAND
150
HACIA 1
DESDE JAPON 'TAIWAN 1 figurado Oferta P1 1 P2 P3

.. 400
VANCOUVER 450 350 o 800 650 650
200
SEATLE 550 500 o 11050! 900 900
1 1
/150
1 PORTLAND 700 650 o 1 11350 11200
1
i 1
Demanda 200 1300 1 250
1
o
l.
P1 1250 /1150
1"
P2 /1150 950 1
l P3 1
1
! 850
1
1
1
1
tOO
J
EJERCICIO 6.12
Hexxon O!" Company tiene seis consultores internacionales de petrleo, tres de los
. cuaies estn actualmente ubicados en los EE.UU., dos en Rusia y uno en
Nigeria.Arabia Saud ha solicitado dos consultores durante una semana a una tarifa
de $4200 cada uno. Venezuela ha solicitado un consultor durante una semma a una
tarifa de $4000.1ndonesia ha solicitado tres consultores durante una semana a una
tarifa semanal de $4000 cada uno.Los gastos ~emanales por consultor son de $1400
en Arabfa Saud, $1000 en Venezuela y $700 en lndonesia.La siguiente tabla
muestra las tarifas de viaje redondo (en dlares) para enviar por avin a los
consultores:
/HACIA
DESDE ARABIA SAUDI !VENEZUELA INDONESIA
Estados Unidos 18001 800 2000

Rusia 1600 1800 1700
Nigeria 1300 1200 1500
Dibuje una red de. distribucin que indique los suministros, demandas y otros datos
obtener un problema equilibrado).
Formule un modelo matemtico para determinar un plan de distribucin para
maximizar la ganancia neta (los ingresos totales menos los costos totales,
incluyendo la tarifa area de viaje redondo) de ExnOl.
~247
SOLUCIN:
ORIGEN DESTiNO
EEUU ARABIA SAUDI
3 2
RUSIA VENEZUELA
NIGERIA INDONESIA
1 3
MODELO
Xij =Nmero de consultores a viajar del pas i al pas J.
:IDENTIFICACION DE LA FUNCION OBJETIVA
MAX 1000X11 + 2200X12 + 1300X13 +
1200X21 + 1200X22 + 1600X23 +
1500X31 + 1800X32 + 1800X33
X11+X12+X13 ~3 X21 + X22 + X23 ~ 2
X31 + X32 + X33 ~ 1 X 11 + X2 + X31 =2
X 12 + X22 + X32 =1 X13 + X23 + X33 =3
Xij 2:: O, entero
SOLUCIN:CON LINDO:
i) 9200 X11 =1 X12=1 X31=1
X13=1 X23=2
EJERCICIO 6.13
,~Para el problema de ExnO!Gompanydel ejercicio 9.12:
Dibuje el cuadr-o de transportacin inicial.
Encuentre una SOLUGIN:incial usando el mtodo Vogel
SOLUCIN:
/ Hacia / OFERT
- ! ARABI Vt:NEZUEL INDONESI A P3
P1 P2
/A A A
Desde 1 SAUDI 1
1
1
1 3
Estados 90 30
-1000 -2200 -1300 . 2 30
Unidos o o
:;.
o
2 40 40
Rusia -1200 -1200 -1600
o o o -
1
30 30
Nigeria -1500 -1800 -1800 o 30
o o
1
o
1~
DE MANO 1 3
1
A o 1
o
1
P1 300 400 /200
. '
:
P2 300 - /200
P3 300 - J 50~'
X12 =1-+C =1 X 2200 = 2200

X23 =2-+C =2 X 1600 = 3200
X33 =1-+C =1 X 1800 = 1800
X11 =2-+C =2 X 1000.= 2000
Ganancia Total Mxima:=$ 9,200
249
EJERC!CIO 6.14
Arabia Saud acaba de cancelar su solicitud de uno -de los consultores.La gerencia
de ExnOl sabe que un consultor residente en Rusia durante una semana tiene una
ganancia neta de $1000, un consultor en Nigeria gana $800 y uno en los EE.UU. no
gana nada. Use su paquete de computacin para resolver el problema modificado.
Cmo cambia esta informacin la SOLUCIN:ptima -obtenida para el ejercicio
9.13?
SOLUCIN:
ARABIA
(1)
EE.UU.
(3)
TAIWAN
(1)
RUSIA
(2)
(3)
NGERIA.
FIGURADO
( 1)
250
~
MODELO
4DENT1FICACION DE VARIABLES
Xij = Nmero de consultores a viajar del pas i al pas j.
IDENTIFICACION DE LA FUNCION OBJETIVA
MAXOX11 +0X2+0X13+0X14+
1000X21 +1000X22 +1000X23 +OX24+
800X31 +800X32 +800X33 +OX34
X11+ X12+ X13+ X14 S3 X21+ X22+ X23+ X24 ~2
X31+ X32+ X33+ X34 ~1 X 11 + X21 + X31 =1

X12+ X22+ X32 =1 X13+ X23+ X33 =3
X14+ X24+ X34 = 1 Xij O, Entero
SOLUCIN:CON LINDO:
1) 2800 X11=1 X13=1 X14=1
X23=2 X22=2
Arabia Taiwn Indonesia Figurado / Oferta . P1 1 P2 P3
EE.UU o o o o 11 -o o o
RUSIA 1000. 1000 1000 o o 1000 1000 1000
NIGERIA 800 18oo 800
J
o o 8oo 800 800
Demanda 1O
1
o o 1 16
P1 800 8oo 800 o
1
P2
J
800
1
800 o 1
1
P3
1
_8oo o
=> c21=1x1000=1000
=> C22 =I x 1ooo=rooo
~ c.. =l x soo=8oo
.).)
=> C =o x 2=0
13
::::::>e 14
=I x o=o
CTOTAL =2800
6.2 Autoeva!uacin de la Sexta Unidad
01. GENERAL MOTORS, puede enviar un total hasta 300 automviles en camin
y 400 en ferrocarril de su fbrica de Detroit a sus distribuidores de Chicago,
Cleveland, Washington, Filadelfia y Cincinnati. El costo en dlares de enviar un carro
a cada uno de los distribuidores por camin y por tren y las demandas de carros de
los distribuidores se muestra en la siguiente tabla. Se pide: el modelo matemtico al
problema de transportacin y la SOLUCIN: usando el Mtodo de Vogel:
1 1
POR Chicago 1 Cleveland Washington Filadelfia Cincinnati
1 1
1
CAMION 6 4 3 7 10
.
-
TREN .
5 8 9 11 - 13
DEMANDA 150 100 200 50 250
02.La Universidad tiene la urgencia de mejorar su infraestructura paralo cual debe

contratar aempresas de servicios, una para cada tarea de acuerdo segn la
proforma que presentan (en miles de Nuevos soles). Suponiendo que estas
1
empresas estn en capacidad de realizar cualquiera de las tareas pero que solo una
pueden tomar de acuerdo al reglamento de contratos. Formular y resolver el modelo
matemtico.
EMPRESAS PINTAR REPARAR REPARAR 1 REPARAR
FACHADA BAOS CARPETAS INSTALACIONES
'
ALFA SERVIS 6 5 7 12
1
1
1
'
BETASERV!S 7 7 9 11
1
1
1
GAMA SERVS 5 6 7 1 (}
1 1
1 1
1
SiGMA SERVIS 4 1
1
5 8 9
1 1
1 1
1
ALAS SERVIS 6
1
6 i 10 11
1 ! 1
1
RESPUESTA:
A Alfa Servis se le asigna la tarea quienes cobran
SI. _ _ _ __
A Beta Servs se le asigna la tarea _ _______, quienes cobran
S/ . _ _ _ __
A GamaServis se le asigna la tarea quienes cobran

S/. _ _ _ __
A Sigma Servs se le asigna la tarea _quienes cobran
SI.. _ _ ___;__
A AlasServis se le asigna la tarea quienes cobran
SI. _ _ _ __
COSTO TOTAL S/. _ _ __
03. COSAPI DATA, tiene siete consultores nacionales de sistemas contables, dos
de los cuales estn ubicados en Trt..Villo, uno en Arequipay cuatro en Lima. !quitos ha
solicitado tres consultores durante una semana a una tarifa de $800, Madre de Dios .
ha solicitado dos consultores durante una semana a una tarifa de $600 y Piura ha
solicitado un consultor durante una semana a una tarifa <;je $700. Los gastos por
consultor son de $160 en !quitos, $-180 en Madre de Dios y $220 en Piura La
s_iguiente tabla muestra las tarifas de viaje en $ para enviar por . avin a los
consultores.
Desde \ Hacia /!quitos /Madre de Piura Se pide:
a) Dibuje una Red
1 /Dios b) Formule el Modelo
1
Trujillo /100 1120 j60 Matemtico.
Arequipa 1140
1
go
1
/150
1
luma
04.EI COLEGIO DE CONTADORES tiene la urgencia de mejorar su infraestructura
para lo cual debe contratar aempleados de servids, una para cada tarea de
acuerdo segn la proforma que presentan (en miles de Nuevos soles). Suponiendo
que estos empleados estn en capacidad de realizar cualquiera de las tareas pero
que solo una pueden tomar de acuerdo al reglamento de contratos. Formular y
resolver el modelo matemtico.
Empleado\ Tarea A 8 e o E F
1 1 15 14 -- 13 15 17
1 1 1 1 1 1
2 15 17 1
16 1 16 .. -- 16
1 1
3 11
1
14 18
1
14 15 14
4 13
1
15 17 14
1
16 --
5 12
.1
16 17
1
1 .
15
..
18 --
..
A Empleado 1 se le astgna la tarea . _ _ _ ,qutenes cobran S/. _ _ _ __
A Empleado 2 se le asigna la tarea ~--' quienes cobran S/. _ _ _ __
A Empleado 3 se le asigna la tarea _ _ _ , quienes cobran S/. _ _ _ __
A Empleado 4 se le asigna la tarea _ _ _ , quienes cobran S/. _ _ _ __
A Empleado 5 se le asigna la tarea _ _ _, quienes cobran S/. _ _ _ __
COSTO TOTAL SI. _ _ __
05. La Sociedad de Ingenieros, tiene siete consultores nacionales de sismos, dos

de los cuales estn ubicados en Tumbes, uno en Cuscoy cuatro en Lima. Arequipa
ha solic!tado tres consultores durante una se'mana a una trifa de $500, Moquegua
ha solicitado dos consultores durante una semana a una tarifa de $450 y Tacna ha
solicitado un consultor durante una semana a una tarifa de $400. Los gastos por
consultor son de $150 en Arequipa, $180 en Moquegua y $200 en Tacna La tabla
muestra las tarifas de viaje en $ para enviar por avin a los consultores.
l Desde \Arequipa Moquegua Tacna 1
Se pide:
/Hacia a) Dibuje una Red
1 1
Tumbes /100 120 1160
1
1
1
b) El Modelo Matemtico.
.- ~-9o
1
Cusca j70 llao. - --...
Lima so . 1
06. LA REG!ON CALLAO tiene la urgencia de mejorar su infraestructura pam lo cual
debe contratar aempresas de servicios, una para cada tarea de acuerdo segn la
preforma que presentan (en miies de Nuevos soles). Suponiendo que estos
empleados estn en capacidad de realizar cualquiera de las tareas pero que solo
una pueden tomar de acuerdo al reglamento de contratos. Formular y resolver el
modelo matemtico.
Empleado \A 8 e o E F
Tarea
1
1 14 14 -- 15 15 18
'
2 15 113 16 16 -- 17
3 116 17 f 18 18 17 15
4 .. 13 15 17 17 16
__
5 12 16 17 15 -- 13
Al Empleado 1 se le asigna la tarea_______ , quien cobra S/. _ _ __

Al Empleado 2 se le asigna la tarea , quien cobra S/._ _ __
Ai Empleado 3 se le asigna la tarea , quien cobra S/. _ _ __
A Empleado 4 se le asigna la tarea , quien cobra S/.. _ _ __
A Empleado 5 se !e asigna la tarea , quien cobra SI. _ _ __
COSTO TOTAL S/. _ __
255
07. COOPERATIVA ALAS, tiene siete consultores nacioM!es de finanzas, uno de
los cuales estn ubicados en Trujillo, dos en Arequipay cuatro en Lima. lea ha
solicitado tres consultores durante una semana a una tarifa de $600, Huaraz ha
solicitado dos consultores durante una semana a una tarifa de $650 y Cuzco ha
solicitado un consuitor durante una semana a una tarifa de $500. Los gastos por
consultor son de $160 en lea, $200 en Huaraz y $ 220 en Cuzco La siguiente tabla
muestra las tarifas de viaje en $
'
Desde\ Hacia lea 1Huaraz cuzco Se pide:
, 1
Trujillo 120 13D a) Dibuje una Red
1100
b) Formule el Modelo Matemtico
Arequipa 90 1140 1110
Lima 80 /7Q 150
08.SUNAT tiene la urgencia de contratar aimprentas para . confeccionar 6

formularios. Sepresentaron solo 5 imprentas los cuales presentaron su preforma (en
Nuevos soles). Suponiendo que las imprentas estn en capacidad de realizar
cualquier forll']ul.ario pero que solo uno pueden tomar de acuerdo al reglamento de
contratos. Formular y resolver el molelo matemtico.
Imprenta \ A B e o E F
Formulario
.1 250 230 -- 260 250 190
1 1
--
2
3
1 260
270
1
220
240
280
260 1
240
250 280
220
200
....
1 1 1
4 280 220 290

1
270 300
1
-- 1
1
1 5 300
250 270 250 1 --
1
210
1 1
1 1 1
A la Imprenta 1 se le as1gna el formula no _ _ _ , qUien cob;a S/. _ _ _ __

A la Imprenta 2 se le asigna el formulario , quien cobra S/. _ _ _ __
A la Imprenta 4 se le asigna ei formulario , quien cobra S/. _ _ _ __
Costo total S/.
256
09. EL MINISTERIO DE AGRICULTURA, tiene siete expertos nacionales de
forestacin, dos de los .cuales residen en Trujillo, tres en Arequipay dos .en Lima. lea
ha solicitado cuatro consultores durante una semana a una tarifa de $800, Huaraz
ha solicitado un consultor durante una semana a una tarifa de $850 y Cuzco ha
solicitado dos consultores durante una semana a una tarifa de $950. Los gastos en
viticos por consultor son de $180 en lea, $190 en Huaraz y $ 200 en Cuzco. La
siguiente tabla muestra las tarifas de viaje en $
. Desde \ Hacia /lea Huaraz Cuzco Se pide:
a) Dibuje una Red
Trujillo /70 80 60
b) Formule el Modelo Matemtico
Arequipa /90 100 80
Lima so 70 9o
1 O. BCP tiene la urgencia de contratar aimprentas para confeccionar 6

fonmularios. Se presentaron solo 5 imprentas los cuales presentaron su proforma (en
Nuevos soles). Suponiendo que las imprentas estn en capacidad de realizar
cualquier formulario pero: que solo uno pueden tomar de acuerdo al reglamento de
contratos. Fonmular y resolver el moilelo matemtico usando el mtodo Hngaro.
. Imprenta \ A B e D E
IF
Fonmulario
1
1 350 280 1--
1
360. /340 /290
2 290 ./320 /290 350 -- /325
3 /360 /330 j310 280 /330 /295
1 1
4 300 340 /320 340 310 --

5 '310 1350 /280 350 -- /315 1
A la Imprenta 1 se le as1gna e! formulano _ __ qu1en cobraS/. _______

A la Imprenta 2 se le asigna e: formulario _ __ quien cobraS/. _ _ _ _ __
A la Imprenta 3 se le asigna el formulario _ _ __ quien cobraS/. _ _ _ _ __
A la Imprenta 4 se le asigna el formulario _ __ quien cobraS/. _ _ _ _ _~
A la Imprenta 5 se le asigna el formulario _ __ quien cobraS/. _ _ _ _ _ __
Costo totaiS/. _ _ _ _ __
257
11 Diga si es Verdadero(V) o Falso (F)
() En la formulacin de problemas de PL solo cabe dos pasos.
() Un modelo de programacin lineal puede ser expresado de diferentes
maneras
() Programacin linea! solo se aplica en los problemas de transporte
a) VV\/ b)FFF c)VFV d)FV~ e)
FFV
12 La funcin objetiva es:
tombinacin linea! de las variables de decisin
Combinacin lineal de los costos de decisin
Combinacin lineal de las restricciones de decisin
Combinacin lineal de las condiciones de decisin
Combinacin .lineal de las linealidad de decisin
13 Un modelo de programacin lineal puede ser expresado en forma:
Algebraica b) Matricial e) Vectorial d) Cannica Lineal
14 Supngase que una compaa que da servicios de limpieza prepara sus
propias SOLUCIN:es mezclando dos ingredientes. Hace esto para obtener
una SOUJCIN:que tiene lo que considera una combinacin apropiadade
fosfato y cloruro. Un ingrediepte tiene 5% de fosfato y 2% de cloruro y cuesta
25 centavos 1 onza. El otro ingrediente tiene 7% de fosfato y 1% de cloruro y
cesta 20 centavos 1 onza. La compaa necesita que la mezcla final tenga no.
ms del 6% de fosfato y 1 ;;2% de cloruro. Se quiere minimizar el costo total.
-
Formule el modelo matemtico y resuelva el modelo usando el mtodo
grfico.
a) X1=1X2= 1Z= 50b) X1=0X2=1,2Z=24 e) X1=0,5X2=0Z=12.5
";!)
d) X1=0,5X2~0,5Z=22.5. e) X1=0X2=0,5Z=10
SOLUCIN:
Identificacin de las variables:
X = Cantidad del ingrediente 1
Y= CantLdd del ingrediente 2
Funcin objetivo:
MIN 0.25X + 0.20Y
Restricciones:
258
0.05X + 0.07Y!> 0.06
0.02X + 0.01Y!> 0.015
X+Y=1
X, Y;?: O
15 Resolver usando el mtodo Grfico

Z max = X 1 + 2X2
S.A. 2X1 + X2!> 4
X1 -X2~ 6
if)) X1 =OX2=4Z=8 b) X1=6X2=4Z=14 e) X1=4X2=6Z=16
d)X1=0X2=0Z=O e) X1=0X2=6Z=12
6 Resolver usando el mtodo grfico

Z min =3X1 + X2
S.A. X1 + 2X2;;::: 5
X1 +X22 2
X1,X22 O
a) X1 =5/2X2=1/2Z=8 b) X1-=0X2=5/2Z=5/2 e)
X 1= 1/2X2=5/2Z=4
d)X1=0X2=0Z=O e)X1 =OX2=1/2Z=1/2
17 La Empresa "C.N" Elabora 'una cerveza que se distribuye a nivel nacional a

partir de dos fabricas de cerveza. Una en el norte y la otra en el sur del pas.
La cerveza se enva a cuatro mayoristas que se encargan de la distribucin
sub - secuente, por lo que la empresa le ocupa slo la distribucin a los
mayoristas. Los costos de distribucinpor conjunto de 1200 cajas que se
envan acada mayoristas; se presenta enla siguiente tabla junto con la oferta
mensual en cada fbrica y la demanda mensual de cada mayoista. Aplicando
de regla general equivalente al de programacin lnealdetermine la
distribucin ms econmica, usando Vogel.
Mayorista-7 jA 8 e o Oferta
~rr~
Fabrica 1
ciento ae
1
259
. Cerveza cajas
1
18
Norte
121 115 ! 9 550
Sur 1 10 114 16 23 650
Demanda en 200 . 250 400 350 1200
cientos de
cajas
1 1
a) X14=350 X21=100 X12 = 200 Z= 8150

b)X14=350 X21 =200 X12= 100 Z= 8150
e) X14=350 X21=100 X12 = 100 Z= 8150
d) X14=200 X21 =200 X12= 350 Z= 8150
'9 X14=350 X21 =200 X12 = 200 Z= 8150
rista Oferta
en
A1 82 C3 D4 cientos P 1 P2 P3
Fbrica de
Cerveza cajas
500
0:1 Norte 200 6 3 3
o
650
02 Sur 16 4 4 2
450
Demanda en
200 250 350
cientos de 400
o 50 o
cajas
P1 1i 1 2 14
P2 11 1 2
P3 1 2
Respuesta:
x14=350 costo = (350) (9) = 3150
x21=200 costo = (200) (1 O) = 200(}
x12=200 costo = (200) ( 5) = 3000
/} 260
LL-------
x22=50 costo = {50) (14) = 700
x23=400 costo = (200) (16) = 6400
1525018
Un fabricante de muebles tiene 6 unidades de madera y 28 horas disponibles,

durante las cuales fabricar biombos decorativos. Con anterioridad, se han
vendido bien dos modelos de manera que se limitar a producir estos dos.
Estima que el modelo 1 requiere 2 unidades de madera y 7 horas de tiempo
disponible; mientras que el mdulo 11 requiere una unidad de madera y 8
horas. Los precios de los modelos son $120 y $80, respectivamente. Formule
el modelo matemtico y resolver usando el mtodo grfico.
a) X1 =2,22 X2= 1,56 Z= 391,11
@) X1=3 X2= O Z= 3 60
e) X1 =O X2= 3,5 Z= 280
d) X1 =1 ,56 X2=: 2,22 2=364.8
e) X1 =O X2= 3 Z= 240
S.OLUCIN:
Identificacin de las variables: .

X = Cantidad del modelo l.
Y= Cantidad del modelo 11.
Funcin objetivo:
MAX 120X + SOY
Restricciones:
2X +Y<= 6
7X +BY<= 28
X,Y>= O; Entero.
261
19 Resolver usando el mtodo Grfico
Z max = 8X1 + 5X2
S.A. 2X1 + X25 10
X1 +3X25 18
5X1 +X22:: 4
X1 ,X22:: O
a)X1=4X2=0Z=32
b) X1=4X2=4Z=52
;~ X1 =2,4X2:::5,2Z=45,2
d) X1=5X2=0Z=40
e)X1=0X2=5Z=25
20 Un gerente de lnea de produccin de una empresaelectrnica debe asignar

personal a 5 tareas.Existen 5 operadores disponibles para asignarlos.El
Gerente de Lnea tiene a su disposicin datos de prueba que reflejan una
calificacin numrica de productividad para cada uno de los 5 operadores en
cada uno de las tareas.Estos datos se obtuvieron a travs de un examen de
1
operacin y prueba administrado por el Departamento de Personal, ver la
siguiente tabla.Suponiendo que un operador puede ejecutar una sola tarea.
Obtenga la asignacin ptima de tareas.
N Tareas 1 3 4 5
N Operadores
12
01 /12 16 24 8 2
1
1
02 6. 8 20 14 6
03 10 6 116 18 1
12
04 2 24 20
14 2
05 7 110 6
..
ls 18
a) Productividad =8 r b)Productividad =88 e)
Productividad =89
d} Productividad =9.0 e) Productivdad =91
262
No21. Tanto el modeio de asignacin de recursos y de transportes son iguales
cuando:
a) Maximizan b) Minimizan c)Programa lnea d) 8 y C e)N. A.
No 22 Resolver usando el mtodo grfico

Z min =25X1 + 30X2
S.A. 4X1 + 7X2"2. 1
8X1 + 5X2~ 3
6X1 + 9X2~- 2
a) X1=0 X2=0 Z=O b) X1=0 X2=0,375
Z=11 ,25
e) X1=0,375 X2=0,375 Z=20,625 d)X1=0,375 X2=0Z=9,375
e)X1=0,5 X2=0 Z=12,5
No 23 Resolver usando el mtodo g/fico
MtN2X1 + 3X2
S.A. X1+X2~ 13
2X1 +X2~ 18
X1 + 3X2~ 21
X1 +2X2~ 18
X1 ,X2~ O
a)X1=8X2=0Z=16 b)X1=0X2=5Z=15 c)X1=5X2=5Z=25
d)X1=8X2=5Z=31 e)X1=8X2=8Z=40
SOLUCIONARlO DE LA AUTOEVALUACION DE LA QUINTA UNIDAD
Problema D1
Xij ==# de automovil a enviar por el medio i al destino j
11. Identificacin de la funcin objetivo
MIN 6X11 + 4X12 + 3X13 + 7X14+10X15+
5X21 + 8X22 + 9X23 +11X24+13X25+
OX31 + OX32 + OX33 + OX34 + OX35
111 Identificacin de Restricciones
X11 + X12 + X13 +X14 +X15 ~ 300
X21 + X22 + X23 + X24+X25 ~ 400
X31 + X32 + X33 +X34+X35 ~50
X 11 + X21 + X31 = 150

X12 + X22 + X32 = 100
X13 + X23 + X33 = 200
X14 + X24 + X34 = 150
X 15 + X25 + X35 = 50
Xij>= O, Entero
.,
HACIA (Costo embarque ($/carro))
1
POR CH CLE WASH 1 FIL Cl / Oferta P1 P2/ P3
1 1
1
300
1 -
Camin 6 4: 3 7 10 . 100 1
1 12
_ o
- 1
400
250
Tren 5 8 9 11 13 3 3 3
200
1
1
j o
1 i 1 1
1
i
50
Figurado 1
o o o o o 11 o 1
1 1 1 1
1
1
o
1
1
1

1
1
1 250 1
1 150 100 200 50 1
Demanda 200
o o o o
0-
1
P1 i 5 j 4 3 7
1 10
1
1 1 r 1
264
P2 1 4 11
6 4 3
P3 1 4 1 4 3
1 1
. Costo mnimo: X35=50--- C=50(0)
X13= 200--- C= 200(3)
X2 =100--- C=100(4)
X21 =150---- C=150(5)
X24 =50---- C=50( 11)
X25 =200---- C=200( 13) ---4900
Problema 02
Costo total = 27
Empresa 1 - Tarea B Empresa2- Tarea D
Empresa3 - Tarea C Empresa4- TareaA
_ Empresas- Tarea-
Problema 03
Max 540X11 +300X12+420X13+ OX14 +
500X21 +330X22+330X23+ Ox24 +
_.-520X31 +31 OX32+350X33+ OX34
ST
X11+X12+X13+X14<=2
X21+X22+X23+X24<=1
X31+X32+X33+X34<=4
X11+X21tX31=3
X12+X22+X32=2
X13+X23+X33=1
X14+X24+X34=1
1)2640 X 11 = 1 X22= 1X31 =2X32= 1X34= 1
Problema 04
Costo total = 70
Empleado1 -Tarea O Empleado2- Tarea C
Empleado3- Tarea F Empleado4- Tarea 8
EmpleadoS - Tarea A
Problema 06
265
Costo total = 71
Empleado1 -Tarea D Empleado2- Tarea B
Empleado3 Tarea E Empleado4- tarea A.
EmpleadoS - Tarea F
Problema 08
Costo total = 1180
lmprenta1 -Tarea F 1mprenta 2 - Tarea O
Imprenta 3- Tarea A 1mprenta 4 - Tarea 8
Imprenta 5- Tarea C
Problema 10
Costo totH = 1440
lmprenta1- TareaS Imprenta 2- Tarea A
Imprenta 3- Tarea O Imprenta 4- Tarea E
Imprenta 5- Tarea C
12 16 24 8 2 - - -4 -8 -2 - 12 8 o 16 22 4 o o 16 22
12 16 24 24
1 1
6 8 20 14 6 -6 -8 - - -6 - 14 12 o 6 14 6 4 o 6 14
20 14 20
1
10'6 16 18 12 - -6 1_ - - - 8 12 2 o 16 o 4 2 o /6
1
10 16 18 12 18
1
2 4 2 1
-2,-4 -2
1 1
- - - 14 12,2210 4
24 20 24
! 1 1 1
l
7 10 6 -7 - -6 -6 - 1- 3 o 12 1210 1
101 118118
1 1 ! 1 1 1
A! 8 8 o o1
aper
ador i se le asigna el trabajado2 costo = 16
Al aperador 2 se le asigna el trabajador3 costo = 20
Al aperador 3se le asigna el trabajador1 costo = 10
.AJ aperador 4 se le asigna el trabajador4 costo - 24
-266
Al aperador 5 se le asigna el trabajador5 costo_::_ 18
88
RESPUESTAS
11 12 13 /14 15 j 16 17 18 1 19 20 21 22 23
D A
'.. D 1 D A 1 B E B e B D D o
n
~~ 267
09 El Mundo de las Maletas, fabrica 2 tipos de mochilas estilo viajero: (Mochilas
Tipo 1 y 2 respectivamente). La mochiia tipo 1 requiere el doble de tiempo de
trabajo que la del tipo 2. Si se produjeran solamente mochilas del tipo 1, se
podran producir 20 mochilas al da. La demanda diaria de las mochilas tipo 1
y 2 son 15 y 20 respectivamente.sabiendo que las utilidades unitarias de las
mochilas tipo 1 y 2 son S/. 6 y SI. 4 (respectivamente).Formule el modelo
matemtico, considerando la proporcionalidad de las variables y resolver el
modelo matemtico usando el mtodo simplex.
10 Supngase que una compaa que da servicios de limpieza prepara sus

protias SOLUCIN:es mezclando dos ingredientes. Hace esto para obtener
' 1
una SOLUCION:que tiene lo que considera una combinacin apropiadade
fosfato y cloruro. Un ingrediente tiene 5% de fosfato y 2% de cloruro y cuesta
25 centavos 1 onza. El otro ingrediente tiene 7% de fosfato y 1% de cloruro y
cuesta 20 centavos 1 nza. La compaa necesita que la mezcla final tenga no
ms del 6% de fosfato y 1 %% de cloruro. Se quiere minimizar el costo total.
Formule el modelo matemtico
V REFERENCIALES
CESPEDES P.J\MIREZ, W. (2004). Jnvestigacion Operativa, Rrimera edicion. Lima:

UIGV, PEPCAD.
MARTIN MARTIN, Martin Teresa Santos Martin, Yadira.del rosario De Paz santana.
(2005). lnvestigacion operativa. Madrid: Pearson prentice HalL
MATHUR, KAMBLESH & SOLOW, DANIEL. (1996). Investigacin de operaciones.

Mxico: Prentice Hall Hispanoamericana.
TAHA, H. A. (2004). Investigacin de OperaCiones, Sptima edicin. Espaa:

Pearson.
WAYNE L., W. (2005). /nvestigacion operativa. Mexico: Pearson Prentice Hall.
- 270
VI APENDICES
SILABO
INVESTIGACIN OPERATIVA 1
1. INFORMACION GENERAL
1.1. Nombre de la asignatura Investigacin Operativa 1

N" y Cdigo de curso POP44
1.2. Carcter Obligatorio
1.3. Pre - Requisito Matemtica 111
1.4. Nmero de crditos 04
Horas semanales 03 de Teora y 02 de prctica
1.5 Ciclo Acadmico Cuarto Ciclo
1.6. Semestre acadmico 2012-A
1.7. Duracin 17 semanas
1.8. Profesor lng. ANIVAL TORRE
2. SUMILLA
La asignatura tiene por finalidad proporcionar los conocimientos bsicos sobre:
Formulacin de modelos cuantitativos determinsticos y probabilsticos, su

solucin y anlisis para tomar decisiones adecuadas durante la gestin
administrativa y financiera.
3. CAPACIDADES 1 HABILIDADES
3.' Aplica adecuadamente la metodologa de la investigacin de operaciones.
3.2 Desarrolla modelos matemticos
3.3 Resuelve modelos matemticos usando el enfoQue grfico.
3.4 Analiza problemas de programacin entera. -

3.5 Resuelve problemas de Transportacin transbordo y asignacin.
3.6 Desarrolla una red de proyectos, identificando ias tar.eas, estimando los
tiempos e identificar;do ia precedencia.
3.7 Aplica el anlisis probabilstico al tiempo de conclusin de proyectos.
3.8 Toma decisiones utilizando los crerios de decisiones.
3.9 Maneja modelos de inventarios en los sistemas de inventarios.
4. PROGRAMACIN TEMTICA:
CAPACIDAD Aplica adecuadamente la metodologa de la investigacin de

operaciones.
PRIMERA UNIDAD : Introduccin a la Investigacin de Operaciones.
Metodologa de la Describe la Prefiere la Exposiciones,
lnvestigacin.de metodologa de la aplicacin de ejemplos y
.operaciones. investigacin de la Metodologa esquemas
~
operaciones de la
indicando las Investigacin
1
fases. de
operaciones
en los
problemas de
optimizacin
de recursos.
CAPACIDAD li : Desarrolla modelos matemticos.
SEGUNDA UNIDAD : Aplicaciones de la Programacin Lineal
Los modelos eConstruye modelos Muestra 1eExposiciones,
..
matemticos de matemticos de inters por la ejemplos y 2
-
programacin programacin construccin esquemas, 3
lineal. lineal, identificando los modelos Uso de la
Construccin, las variables, la matemticos. computadora.
_ _272
clasificacin. funcin objetivo y
las restricciones.
1
CAPACiDAD 111 : Resuelve modelos mat-emticos usando el enfoque grfico.
TERCERA UNIDAD : Programacin Lineal: Enfoque Grafico 1
Enfoque grfico. Resuelve los Valora la Exposiciones, 1
modelos importancia ejemplos y
- matemticos de del enfoque esquemas. 4

i
dos variables grfico para 5
1
mediante ei resolver
enfoque grfico_ modelos
matemticos.
1
CAPACIDAD IV Analiza problemas de programacin entera.
1
CUARTA UNIDAD .. Programacin entera
Programacin Resuelve los Participa en la Exposiciones,
entera. modelos resolucin de ejemplos y
matemticos de ros modelos esquemas, uso
programacin matemticos de la 6
entera. de computadora.
1 -
programacin
entera.
CAPACIDAD V Resuelve problemas de Transportacin transbordo y asignacin.
QUINTA UNIDAD . Redes de distribucin
Transportacin, Resuelve los Asume Exposiciones,
transbordo y modelos confianza al ejemplos y
asignacin. matemticos de resolver esquemas, uso
1
1 Transportacin, modelos de la
7
transbordo y 1
matemticos computadora.
1 8
asignacin. de
1
1
T ransportaci6n 1
1
1
, transbordo y 1
1
asignacin.
1
EXAMEN PARCIAL 9
1
cAPACIDAD VI .. Desarrolla una Red de Proyectos, Identificando las Tareas,
1
1
~.--
/estimando los 1 iempos e Identificando la Precedencia.
SEXTA UNIDAD : Administracin de Proyectos con Tiempos Determinsticos
l 1
/ *Administracin de Desarrolla la Red Participa en -la Exposiciones,
proyectos con de proyectos, Red de ejemplo y
tiempos de tareas identificando las proyectos. esquemas. 10
1
1
determin sticos tareas, estimando Uso de 11
1
(CPM). -
los tiempos e Software de
1 identificando la Manejo de
precedencia. Proyectos.
CAPACIDAD VIl Aplica el Anlisis Probabilstico al Tiempo de Conclusin de
Proyectos.
SEPTIMA UNIDAD Administracin de Proyectos con Tiempos Probabilsticas.
1
Administracin de Aplica el anlisis Muestra inters Exposiciones, ..
proyectos con probabilstico al por los ejemplos y
tiempos de tareas tiempo de problemas de esquemas. 12
probabilsticos conclusin de tipo Uso de 13
(PERT). proyectos. probabilstico. Software de
administracin

de proyectos.
CAPACIDAD VIII 1oma Decisiones utilizando los Criterios de Decisiones.
OCTAVA UNIDAD Anlisis de Decisiones.
Anlisis de .iT oma decisiones Valora la Exposiciones,

decisiones, utilizando los importancia de ejemplos y
Criterios. criterios de tomar esquemas. 14
1
decisiones. decisiones 15
1 usando los 1
1
criterios de
1
decisiones.
1 1 1 1
EXAMEN FINAL
16
EXAMEN SUSTi 1 UTORIO Y REZAGADOS 17
5. EVALUACIN
2l4
La nota final dBI curso ser e! promedio de:
- Examen Parcial (EP) (30 % de la nota final)

- Examen Final (EF) (30 % de la nota final)
- Promedio de Prcticas (PP) (40 %de la nota final)
PF = pp X 40 + EP X 30 + EF X 30
100
El promedio de prcticas, consiste en intervenciones orales en clase,
asistencia, prcticas calificadas, controles de lecturas o separatas
recomendadas por el docente, trabajos individuales o grupales y
exposiciones.
De igual manera, se- considerar la evaluacin valorativa, es decir
aquella que mide las actitudes positivas, reflexivas y otros.
La calificacin ser sobre la base vigesimal, requirindose una nota
aprobatoria mnima de once (11)Captulo 11 del Reglament de Estudios.
6. BIBLIOGRAFA .
~
INVESTIGACION OPERA T!VA: Mintn Martn Martn/ Teresa

Santos Martn Yanira del rosario De Paz
Santana,Primera Edicin. Editorial Pearson
Prentice Hall. Editado el 2005, Madrid Espaa,con
407 Pg.
INVESTIGACION DE OPERACIONES: Wayne L. Winston, Cuarta Edicin.

Editorial Thomson. Editado el 2005, Mxico,
con 1418 Pg.
INVEST!GACION DE OPERACIONES: Hamdy A Taha. Sptima Edicin.

Editorial Pearson. Editado en 2004
INVESTIGAC!ON DE OPERACIONES: Hiller. Lieberman. Sptima edicin

Me Graw Hill Editado el 2002, Mxico, c-on 223
Pg.
INVESTIGACION DE OPERACIONES: Walter Cspedes Ramrez

Primera Edicin, UIGV, PEPCAD, Editado el 2004,
Lima con 360 Pg.
CORREOS ELECTRONOCOS (E-MAIL)
www.ciberconta.unizar.es/docencia/invesope/
www.invop.frcu.utn.edu.ar
www.investigacion-operaciones.com
www.geocities.com/jairo_marin
Sociedad Espaola de Estadst~ e lnv.
Operativa(SEIO)www.cica.es/aliens/seio.
Assotiaton of European O.R.Societies (EURO)
www.ulb.ac.be/euro/euro welcome.html
lnstitute for O.R. and the Management Sci. (INFORMS)www.informs.org
lnternational Federation of O :R. Societies (IFORS)
www.ifors.orawww.agapea.comfil:westigacin-de-operaciones-cn571 p1i.htm
276
VIl ANEXOS
MANUAL DE USO DEL PROGRAMA LINDO
Qu es LINDO?
LINDO (Optimizadorlineal, Interactivo, y Discreto) es un:: herramienta conveniente

pero poderosa por resolver problemas de la programacin .lineal, entera, y los
cuadrticas. Estos problemas ocurren en las reas de negocio, industria,
investigacin y gobierno. reas de las aplicaciones especficas dnde LINDO ha
demostrado ser de gran uso incluiran, distribucin del producto, mezcla de
ingredientes, produccin y seleccin de personal, direccin del inveotario ... nosotros
ns detendremos aqu, pero la lista podra seguir fcilmente indefinidamente.
La filosofa del plan guiando para LINDO ha sido que si un usuario quiere hacer algo
simple, no debe haber entonces un . costo grande para aprender los rasgos
necesarios de LINDO.
',
Por ejemplo, si un deseo de los usuarios es resolver:
Mx. 2X + 3Y
Sujeto a
4X +3Y<10
1
3X + 5Y <12
- 1
Entonces se es exactamente lo que el usuario teclea inmediatamente en LiNDO

despus de empezar el programa.
Al otro extremo, LINDO se ~a usado para resolver realmente programas industriales

lineal, cuadrtica, y entera de tamao respetable. En las mquinas grandes, se ha
usado para resolver los problemas por encima de 50,000 restricciones y 200,000
variables.
Hay tres estilos bsicos de usar el software de LINDO

Para pequeo a los problemas medianos, LINDO es simple usar
interactivamente del teclado; entrando en un modelo es bastante fcil hacer.
Tambin es posible usar LINDO con los archivos creado en otra pa.1e,
mientras conteniendo escrituras de rdenes y datos de la entrada, y archivos
prod~ctores por informar los propsitos.
Finalmente, pueden unirse los subprogramas costumbre-creados

directamente con LINDO para formar un programa integrado que contiene su
cdigo y las LINDO optimizacin bibliotecas.
Entrando en un Modelo
Nosotros ilustramos ahora cmo entrar y resolver un modelo pequeo. Cuando

usted empieza LINDO, su pantalla debe parecerse a lo siguiente:
La ventana exterior etiquet que "LINDO" es la ventana del marco principal. Todas
las otras ventanas se contendrn ~entro de esta ventana. La ventana del marco
tambin _contiene todos los mens del orden y los toolbar del orden. La ventana del
nio ms pequea etiquet "<el untitled> " es una nueva, plida ventana ejemplar.
Nosotros teclearemos a nuestro modelo de la muestra directamente en esta

ventana, pero primero nosotros necesitamos discutir los requisitos bsicos de un
modelo de LINDO brevemente.
Un modelo de LINDO tiene un requisito mnimo de tres cosas. Necesita un objetivo,

necesita las variables, y necesita las restricciones.
El primer requisito, un objetivo, es lo que parece: una meta. Usted tiene la opcin de
dos metas, MXIMO o MINIMO que representan aumentar al mximo y minimiza. En
una situacin comercial tpica, por ejemplo, usted podra querer aumentar al mximo
la ganancia o minimizar el costo. La primera palabra en un modelo de LINDO debe
ser MX o MI N.
~- 278
La frmula que usted ingresa despus del MX Ci MIN se Hama la funcin objetiva.
Para nuestros propsitos, nosotros asumiremos que usted quiere aumentar al
mximo la ganancia. Usted ingresa:
MAX 10 X+ 15 Y
Seguido por un retorno.
Pero qu son X e Y? Son las variables que son las cosas usted quiere que LINDO
ajuste para alcanzar su ganancia mxima. Podran representar ventas totales de dos
productos, o ventas fuera de dos oficinas diferentes; en este caso X tiene una
contribucin de ganancia de 1O, e Y tiene una contribucin de ganancia de 15. La
cosa importante es que ellos son inconstantes. En LINDO, al instante halla el valor
de la variable de su modelo. Usted no tiene que hacer algo de otra manera que
ingresar la frmula.
Tanto para elobjetivo y dos variables. Ahora nosotros miraremos las restricciones.
1 .
De alguna manera, las restricciones son la parte ms importante de su modelo, y
ellos requieren algn pensamiento real.
En el ejemplo pequeo nosotros estamos considerando, si usted fuera aumentar al

mximo 10X + 15Y no hay ningn lmite ahora, a cuntos de X e Y usted podra
vender. Debe haber algn lmite claro; en el mundo real que puede ser rendimiento
de la fbrica y disponibilidad de labor por ejemplo. As que nosotros restringiremos X
e Y para estar menos de una capacidad de la fbrica arbitraria. Usted hace esto
entrando en las palabras SUBJECT TO que en castellano significa SUJETO A en la
prxima lnea de su modeic (o simplemente las letras ST) y en las lneas siguientes
ingresar:
X <=10
Y<=12
~
Nota que LINDO interpreta el smbolo <= como "menos de D iguala a" en lugar de
"estrictamente menos de". Si usted prefiere, usted puede entrar alternativamente <=
en lugar del carcter<.
Muy bien, nosotros hemos restringido X y Y ahora. Suponga que nosotros tambin
tenemos un suministro obrero limitado. En particular, asume que nosotros tenemos
un total de 16 unidades de labor y ese producto que X requiere 2 una unidad de
labor mientras el producto Y es relativamente ms intenso y requiere 2 unidades de
labor. Nosotros agregamos ahora la restriccin obrero de la siguiente manera:
X+2Y<16
En la prxima lnea, y, Finalmente, en la lfnea siguiente, nosotros designamos el fin

de las restricciones agregando END (EL END)
EL modelo que se ha ingresado est listo para ser resuelto. Para empezar a
resolver el modelo, seleccione la orden SOL VER (Resolver) del men principal y
luego el botn SOL VER de la ventana de dialogo. UNDO empezar intentando
compilar al modelo. Esto significa LINDO determinar si el ejemplar tiene el sentido
matemtico, y si conforma a los requisitos sintcticos. Si el modelo no pasa estas
pruebas, usted se informar con el mensaje del erro~ siguiente:
..
Un error ocurri durante la recopilacin en la lnea: n
LINDO saltar entonces a la lnea dnde el error ocurri. Usted debe examinar esta
lnea para cualquie error de la sintaxis y debe corregirlos.
Si no hay ningn error de la formulacin durante la recopilacin escalone, LINDO

empezar a resolver al modelo realmente entonces. Cuando el solver de LINDO
comienza que despliega una Ventana de Estado en su pantalla que se parece a .lo
siguiente:
28o
Esta Ventana de Estado es til para supervisar el progr-eso -el solver. Una
descripcin de los varios campos y mandos dentro del estado .aparece en la mesa
debajo.
La Descripcin de Feld/Control
El estado, da el estado de solucin actual. Los posibles valores incluyen:
ptimo, Factible, lnfeasible, Ilimitado.
Las iteraciones Numeran de iteraciones del solver.
lnfeasibility .Amoont por que se violan las restricciones.
El valor Actual de fa funcin objetiva.

lP mejor que el valor Objetivo de solucin del entero mejor encontr. Slo pertinente
en entero que pr-ograma (IP) modelos.
IP Bound el lmite Terico en el objetivo para modelos de IP.
Ramas que El nmero de variables del entero "ech ramas" adelante por el LINDO
el solver de IP.
Pas Time Elapsed tiempo desde que el solver fue invocado.

Ponga al da el Intervalo La frecuencia (en segundos) que la Ventana de Estado se
pone al, da. Usted puede porier esto a cualquier valor del nonnegative deseado.
Poniendo el intervalo para poner a cero tendern a aumentar tiempos de la solucin.
La interrupcin Solver Press este botn para interrumpir el $Oiver a cualquier punto y
hace retomo que la solucin mejor actual encontr.
Cerca Apriete este botn para cerrar la Ventana de Estado. La optimizacin
continuar. La Ventana de Estado puede volverse a abrir seleccionando el orden de
Ventana de Estado del men de la Ventana.
Cuando ei solver est acabado que lo incitar determinar si usted desea hacer
sensibilidad y anlisis del rango. En el futuro, usted podr hacer uso de esta
informacin, pero para ahora, simpiemente apriete el "No" e~ botn y entonces cierra
la Ventana de Estado.
Kabr una nueva ventana ahora en su pantalla titul la "Ventana de los Informes. La
Ventana de los Informes es donde LINDO enva que tod-o el, texto bas informando el
rendimiento. La ventana puede retrasarse a 64,000 caracteres de informacin. Si
requiri, UNDO borrar el rendimiento de la cima de la Ventana de los Informes para
hacer el sitio para el nuevo rendimiento al fondo de la_ ventana. Si usted tiene un
informe de la solucin largo que usted necesita examinar en su integridad, usted
puede anotar toda la informacin enviada a la Ventana del Informe en un archivo del
disco que usa el Filejlog Rendimiento orden. Este archivo puede examinarse
usando a un editor del texto externo entonces o usando el orden de FilejView.
Volviendo a nuestro ejemplo, la Ventana de los Informes contiene la solucin ahora

a nuestro modelo, y debe parecerse a lo siguiente:
Alojado el orden, esto le dice, primero, ese LINDO tom 2 iteraciones para resolver
al modelo; segundo que la ganancia mxima asequible de las dos variables, como
-
usted los ha restringido, es 145. Tercero, las variables X y Y toman los valores
respectivamente 1O y 3. Lo que es interesante notar es que nosotros hacemos _
menos del Y relativamente ms "aprovechable" debido a su uso intensivo de nuestro
suministro limitado de labor.
Haga clic aqu para la informacin sobre los COSTOS REDUCIDOS, FLOJERA el
SOBRANTE de OREGN y DUAL PRECIA las secciones en el informe de la
solucin.
La Sintaxis ejemplar
Esta seccin detalla la sintaxis requerida en un modelo de LINDO.

Afortunadamente, la lista de reglas es bastante corta y fcil aprender.
La funcin objetiva siempre debe estar en la salida del modelo y debe comenzar con
o MXIMO (para aumente al mximo) o MIN (para minimice). El fin de la funcin
objetiva y el principio de las restricciones se significa con cuaiquiera de lo siguiente:
SUBJECTTO (SUJETO A)
SUNCH THA (TAL QUE)
~
'-'. 1
282
ST
El fin de las reskicciones se significa con la palabra END.
LINDO tiene un lmite de ocho caracteres en un nombre inconstante. Los nombres

deben empezar con un carcter alfabtico (A a Z) que puede seguirse entonces por
a siete car~cteres adicionales. Estos camcteres adicionales pueden _incluir algo con
la excepcin de lo siguiente: ! ) + - = <>. Para que, como un ejemplo, los nombres
siguientes serian considerados vlidos:
XYZ EL MY VAR A12 SHIP.LA
considerando que lo siguiente no habra:
THISONESTOOLONG UN-GUIN 11NFRONT
El primer ejemplo contiene ms de ocho caracteres, mientras el segundo contiene

un guin prohibido, y el ltimo ejemplo no empieza con un carcter alfabtico.
Usted puede, opcionalmente, restricciones del nombre en un modelo. El restriccin

nombra haga muchos del rendimiento de LINDO informan para interpretar ms fcil.
Los nombres de restriccin deben seguir las mismas convenciones como )os
nombres inconstant:?s. Para _nof1lbrar una restriccin usted debe empezar la
restriccin con su nombre terminado con un- parntesis correcto. Despus del
parntesis correcto, usted contina entrando en la restriccin como antes. Como un
ejemplo, la restriccin siguiente se da XBOUND al nombre:
XBOUND) X <10
LINDO reconoce a slo cinco operadores: ms(+), menos(-), mayor que(>), menos
de(<:), e iguales(=). Cuando usted entra en los operadores de desigualdad estrictos,
mayor que (>) o menos de (<), LINDO los interpretar con los operadores de
desigualdad sueltos> o <respectivamente. Esto es porque muchos teclados no
tienen los operadores de desigualdad suettos. En sistemas que tienen los
operadores sueltos, LINDO no los reconocer. Sin embargo, si usted prefiere, usted
puede entrar ">= " (y "<= ") en lugar de "> " (y "<").
LINDO no aceptar los parntesis como los indicadores de un orden preferido de

anterioridad. Todos los funcionamientos en LINDO se piden de sali para corregir.
Pueden ponerse los comentarios en cualquier parte en un modelo. Un comentario

se denota por una marca de la exclamacin (!). Algo siguiendo la marca de la
exclamacin en la lnea actual sern considerados un -comentario. Por ejemplo, el
ejemplo pequeo discutido antes en este captulo se reforma debajo de usar los
comentarios:
..MX 1O X + 15 Y
! Maximiza la ganancia
SUJETO A
! Aqu son nuestras restricciones de capacidad de fbrica

! Para marca con hierro X e Y
X <10
y <12
! Aqu la restriccin es de la disponibilidad obrera
X+2Y<16
END
Las versiones del orden-lnea de LINDO le permiten entrar los comentarios, pero
elos no se guardarn con el modelo. Los comentarios son en conserva en las
versiones de 'vVindows de LINDO con tal de que el archivo se ahorre en el formato
del texto. Ahorrando el archivo en cualquiera comprimieron (*. lPK) o MPS
. . -~-284
estructuran (*. MPS) causar los comentarios y cualquier formato especial ser
despojado del modelo.
Pueden rajarse restricciones y funciones del objetivo encima de las lneas mltipies,
o combin en las solas lneas. Usted puede el spilt en cuaiquier parte una lnea
excepto en el medio de un nombre inconstante o un coeciente. Lo siguiente sera
matemticamente equivalente a nuestro ejemplo (aunque no realmente como fcil
leer):
MX 10 X+ 15 Y
SUJETO A
X <10
y<12X+2
y <16
End
LINDO no es ningn caso sensible. Toda la entrada se convierte internamente al

maysculo por LINDO. Por ejemplo, el modelo siguiente es vlido:
Maxx
st
X <1
End
Y contiene un solos X inconstantes en lugar de las dos variables x y _2-.

1.:.',
Se permiten sio valores constantes, no las variables, en el lado diestro de una

ecuacin de restriccin. As, una entrada como:
X> Y
Se rechazara por LINDO. Tal una entrada podra hacerse como:
X- Y> O
~
Recprocamente, se permiten slo variables y sus coeficientes en el lado de la
izquierdo-mano de restricciones. Por ejemplo, la restriccin:
3X + 4Y- 10 =O
No se permite la deuda al trmino constante de -10 en el lado de la izquierdo-mano.

Ciara, la restriccin puede reformarse como:
3X + 4Y = 10
Para obedecer la sintaxis de LINDO.
Haga clc aqu para saltar a una discusin en las declaraciones modeladas
adicionales, optativas reconoci por LINDO.
Las Declaraciones Modeladas optativas
Adems de Jos tres componentes ejemplares requeridos de una funcin objetiva,

variables, y restricciones; LINDO tambin tiene varios otras declaraciones
modeladas optativas que pueden aparecer despus de la declaracin del END en un
modelo. Usted entra en estas declaraciones como los rdenes del sistema al orden
la sugerencia nivelada en las versiones del orden-lnea de LINDO, (:)despus de la
declaracin del END que termina ios restricciones del modelo. En las versiones de
Windows de LINDO en las declaraciones deben entrarse como la parte del texto
ejemplar despus de la declaracin del END en la ventana ejemplar. Estas
declaraciones y sus funciones aparecen en la mesa debajo:
la Funcin de la Declaracin ejemplar
LIBRE <inconstante> Quita todos los lmites adelante <Inconstante>, permitiendo

<Inconstante> para asumir cualquier valor real, positivo o negativo.
286
La GINEBRA <Inconstante> Hace <Inconstante> un entero general (es decir, ~o
restringe al juego de enteros del nonnegative).
INT <Inconstante> Hace <Inconstante> binario (es decir, lo restringe para o ser O o
1).
SLB <Inconstante> <el Valor> los Lugares un ms bajo lmite simple en

<Inconstante> de <el Valor>. Use en lugar de los restricciones d~ formulario X= r.
El SUBALTERNO <Inconstante> <el Valor> los Lugares un lmite superior simple en

<Inconstante> de <el Valor>. Use en lugar de los restricciones de formulario X= r.
QCP <el Restriccin> las Marcas el principio de los restricciones ,"reales" en un
modelo de la programacin cuadrtico.
El TTULO <el Ttulo> Hace <el Ttulo> el ttulo del modelo.

Luego, nosotros ilustraremos el uso de cada uno de estas declaraciones
brevemer;te.
LA DECLARACIN LIBRE
El ms bajo lmite predefinido para una variable es O. En otros trminos, a menos

que usted especifica porotra parte, LINDO no permitir una variable ir negativo. La
declaracin LIBRE le permite quitar todos los lmites en una Vriablt:; para que pueda
asumir cualquier valor real, positivo o negativo. El ejemplo siguiente ilustra e~ uso de
la declaracin LIBRE.
Si nosotros no hubiramos puesto Y para ser una variable libre en este ejempio,
LINDO no habran encontrado la solucin ptima de X= 6 y Y= -1; en cambio, dado
el ms ba_io lmite pretendido de O en Y, LINDO habran devue~to X a la solucin= 7
y Y= O.
LA DECLARACIN DE GJNEBRA
Por defecto, LINDO asuma que todas las variables son continuas. En muchas
aplicaciones, los valores fraccionarios pueden ser de uso pequeo (por ejemplo, 2;5
empleados). En estos casos, usted querr hacer uso de la declaracin del entero
general - la GINEBRA. GINEBRA seguida por un nombre inconstante restringe el
valor de la variable a los enteros dei nonnegative (0, 1,2, ... ). El ejemplo pequeo
siguiente ilustra el uso de la declaracin de GINEBRA.
Si nosotros no hubiramos especificado X y Y para ser los enteros generales en este

modelo, LINDO no habran encontrado la solucin ptima de. X = 6 y Y = O. En
cambio, LINDO habran tratado X y Y como continuo y habran devuelto la solucin
de X= 5.29 y Y= 1.43.
Tambin note, que redondeando la sofucin del continuo simplement~ a los valores
del entero ms cercanos no rinde la solucin ptima en este ejemplo. En general,
las soiuciones continuas redondeadas pueden ser los nonoptimal y, en el peor de los
casos, infeasible. Basado en esto, uno puede imaginar que puede ser mismo tiempo
que consume para obtener la solucin ptima a un modelo con muchas variables del
entero. E0 general, esto es verdad, y usted es mejor fuera de slo utilizar el rasgo
de GINEB_RA cuando completament~ necesario.
Como una nota final, el orden de GINEBRA acepta tambin un argumento de valor
de entero en lugar de un nombre incnstante. El nmero c9rresponde al nmero de
variables que usted quiere ser los enteros generales. Estos variable debe aparecer
primero en la formulacin. As, en este ejemplo simple, nosotros podramos
reemplazar nuestras dos declaraciones de GINEBRA con la sola declaracin: ALIJE
2.
LA DECLARACIN DE INT
Usando INT restringe una variable a o ser O o 1. Estas variables estn a menudo
llamadas las variables binarias. En muchas aplicaciones, las variables binarias
pueqen ser muy tiles no modelando todos-o-nada las situaciones. Los ejemplos
podran incluir las tales cosas como asumir un costo fijo, construyendo una nueva
planta, o-comprar un nivel mnimo de algn recurso para recibir un descuento de
288
cant~dad. Para ms informacin sobre las muchas aplicaciones tiles de variables
binarias usted puede referirse al libro de texto de LINDO, Optimizacin que Planea
con LINDO.
Los ejemplos pequeos siguientes ilustran el uso del INT.
Si nosotros no hubiramos especificado X para ser binario en este ejemplo, LINDO

habran devuelto una solucin de X == .4, UN =4, y B == 7 para un valor objetivo de
124. X impelente para ser binario, usted podra suponer que la solucin ptima
sera para X ser O porque .4 son ms ntimos a O que es a 1. Si nosotros
redondeamos X a O y perfeccionamos para UN y B que nosotros hacemos a un
objetivo de 84. En la realidad, una solucin considerablemente buena se obtiene a
X = 1, UN = 1O, y B == 1 para un objetivo de 112.
En general, las soluciones continuas redondeadas pueden ser los nonoptimal y, en

el peor de los casos, infeasible. Basado en esto, uno puede imaginar que puede ser
mismo tiempo que consume para obtener la solucin ptima a un modelo con
muchas variables binarias. En general, esto es verdad y usted es mejor fuera de
utilizar eiiNT slo ofrezca cuando completamente necesario.
Como una nota final, la orden de INT acepta tambin un argumento de valor de
entero en lugar de un nombre inconstante. El nmero corresponde al nmero de
variables que usted quiere ser los enteros generales. Estas variables deben
aparecer primero en la formulacin.
EL SUBALTERNO Y DECLARACIONES DE SLB
Si usted no especifica por otra parte, LINDO asume que las variables son continuas,
!_imitado debajo por el cero, e iiimitado de anteriormente. En muchas aplicaciones,
esta asuncin no puede ser realista. Suponga que sus medios limitan la cantidad
producida de un artculo. En este caso, la variable que representa la cantidad
pmducida se limita anteriormente de. O, suponga usted quiere permitir el
backordering en un sistema. Una manera fcil de modelar .esto es permitir un
inventario inconstante ir negativo. En que el caso, ie gustara engaar el ms bajo
lmite pretendido de cero. Se usan el SUBALTERNO y declaraciones de SLB para
alterar los lmites en una variable. SLB representa el Ms bajo Lmite Simple y se
usa para poner los ms bajo lmites. Semejantemente, posiciones del
SU SALTERNO paa el Lmite Superior Simple y se usa para poner los lmites
superiores. Los ejemplos pequeos siguientes ilustran el uso del SUBALTERNO y
- .
declaraciones de SLB.
En este ejemplo, nosotros podramos tener as como fcilmente us las restricciones

para representar los lmites. Especficamente, nosotros podramos entrar en nuestro
modelo pequeo como sigue:
:. Mx 20x + 30y
st
X + 2y <120
x>20
x< 50
y>40
y <70
End
Claro, esta formulacin rendira los mismos resultados, pero hay dos puntos para
tener presente. Primero fuera de, de Subalterno y SLBs se son ocupados
implCitamente por el solver, y, por consiguiente, es ms eficaz de un punto de vista
de la actuacin que los restricciones. Secundariamente, los Subalterno y SLBs no
estn contra el lmite de restriccin en LINDO, mientras permitindole resolver a los
modeios ms grandes dentro de los lmites de su versin de LINDO.
LA DECLARACIN DE QCP
The QCP statement is used in quadratic programming mode~s to indicate the first
"real" constraint, as opposed to the first order condition constraints. The details of
formulating a quadratic program are somewhat involved, and the reader is asked to
refer the documentation for more information on formuiating quadratic programs.
-290
However, we will briefly demonstrate here how QCP is incorporated into a model.
The following small portfolio model illustrates the use of the QCP statement.
LA DECLARACIN DEL TTULO
Esta declaracin se usa para asociar un ttulo con un. modelo. El ttulo puede
depender cualquier cordn alfanumrico de de 74 caracteres en la longitud. El ttulo
el modelo actual gue usa el orden de File/Title puede desplegarse. Al contrario de
todas las otras declaraciones que jeben aparecer despus de la declaracin del
END, la declaracin del Ttulo puede aparecer antes del objetivo o despus de la
declaracin del END de un modelo.

Ejercicios Propuestos

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Ejercicios Propuestos

Enviado por

Direitos autorais:

Formatos disponíveis

JI~

UNIVERSIDAD NACIONAL DEL CALLAO

INFORME FINAL DEL TEXTO

(Periodo de ejecucin del1 de Agosto del2013 al 31 de Julio del2014

A nuestras familias, por su paciencia y

UNIDAD 1 DEFINICIONES BSICAS ................................................................................................ 5

1.1 Definicin de la Investigacin de operaciones ..............................................................~ .. 7

2.1 Definicin de modelo matemtico .................................................................................... 19

3.1 Ejercicios de programacin lineal ..................................................................................... 83

4. 1 Definicin de mtodo grfico ........................................................................................... 115

5.1 Ejercicios resueltos usando programacin entera ......... :............................................. 195

6.2 Mtodo de Vog_el ...........................................................-..-..................................-............... 227

6.2 Autoevaluacin de la Sexta Unidad ............................................................................... 252

V REFERENCIALES ........................................................................................................................ 270

VI APENDICES ................................................................................................................................. 271

Vll ANf.XOS ....................................................................................................................................... 277

El presente texto de lnvestigacion de Operaciones gua es un instrumento

' ' . ' . '

favorables. Se ha distribuido en .seis unidades secuenciales:

Explicamos los conceptos de la investigacin de operaciones y sus diferentes ramas

:-- ~-, :.: ;-~< -: oB.J~nio .> : -.-:~ >;~~-- :

Segn KambleshMathur, "la Investigacin de operaciones es el uso de las

Segn Jorge lvarez, "fa Investigacin de Operaciones es el procedimiento

Podemos concluir que:

Ilustracin 1:1 Uso de la

La Investigacin de Operaciones (10) o Ciencia Administrativa (CA) es la

La ciencia es una bsqueda continua; es una generacin continua de teoras,

La Investigacin de Operaciones por lo general visualiza analticamente una

1.2 Historia de !a Investigacin de operaciones

La Investigacin de operaciones se origin en Gran Bretaa durante la

variedad de aplicaciones de negocios, industria y gobierno.

El trmino Investigacin de operaciones, surgi en los aos 40, cuando se

Las organizaciones militar-es haban pasado. por el mismo tipo de evolucin .

Despus de la 11 Guerra Mundial las Empresas reconocieron el valor de

Definicin del problema E;s identificar, comprender y describir en

modelo adecuada, es decir obtener valores numricos

Los modelos matemticos se usan para:

Tomar decisiones estratgicas, como por ejemplo:

Algunas aplicaciones de la investigacin de operaciones

Pronstico: Cmo ser la demanda' de productos?

Cules son los modelos de venta?

Cmo afectar las ganancias?

Finanzas e inversin: Cunto capital se necesita? Cunto costar?

1 Dnde podemos obtenerlo?

Planificacin y asignacin 1 Cuntos empleados se n_t=;cesitan?

Cunto tiempo trabaJarn con nosotros?

1 En qu orden deberan realizarse las tareas?

Localizacioo;:.asignacin, Cul es la mejor localizacin para una

Qu tamao deberan tener las instalaciones?

Qu recursos se necesitan? Existen

Poltica de confiabilidad y Cmo funciona el equipo?

Cundo debera reemplazarse?

Control de existencias y Cunto stock deberamos mantener?

Cunto deberamos pedir? 1

Regl.as de costo- Qu eleccin debera recomendarse?

Planificacin y control del Cunto tiempo requerir el proyecto?

l Cun largas son las colas?

a) 1939 b) 1940 e) 1941 d)-1942 e) 1943

CLAVE DE RESPUESTAS 01 b 02b 03c 04d OSa 06e O? e 08b

. "Los que mandan generalmente mueven las manos

~Se presenta a continuacin, parte de esta

"Considere el problema de asignar 70 hombres a 70 empleos. Una 'actividad' .

"Cuando el problema de la planeacin fue formulado inicialmente para la Fuerza

..:-. g;;~~;~;:.n~f~-::. _- ~~a!fDf~:~~:~;_,~l!.~. ~~ ~-~. --~~--:"-/

.=<'2:-~-J~q~ ~?l(;-;~:.~.:;.~:ye:>~i.-?~~;:?J.~e~~,: _ ~:.,;f::

:J?NJSIPN:~-- .,.. .... -l.f.!f1!df~; e. S~~CQRRjD:AW~!!).