Libro de Investigacion Operativa I

INVESTIGACIN
DE
OPERACIONES
NDICE
INTRODUCCIN
.
CAPTULO 1:
FORMULACIN DE MODELOS DE PROGRAMACIN LINEAL.
1.1 EJEMPLOS
1.2 PROBLEMAS RESUELTOS
1.3 PROBLEMAS DE P.L PREPARADOS CON LINGO.
1.4 ASPECTOS DEL ALGEBRA LINEAL Y ANLISIS CONVEXO
1.4.1 VECTORES
1.4.2 OPERACIONES CON VECTORES.
1.4.3 MATRICES
1.4.4 ECUACIONES LINEALES SIMULTNEAS.
1.4.5 CONJUNTOS CONVEXOS.
7
19
71
92
92
92
94
100
103
CAPITULO 2:
PROGRAMACIN LINEAL: TABLERO SIMPLEX
2.1 MTODO GRFICO.
2.2 MTODO SIMPLEX..
2.3 MTODO DE PENALIZACIN...
2.4 MTODO DE LAS DOS FASES...
105
107
113
115
CAPITULO 3:
DUALIDAD
3.1 DUALIDAD: UN ENFOQUE CONCEPTUAL.
3.2 RELACIONES PRIMAL DUAL.
3.3 HOLGURA COMPLEMENTARIA...
3.4 MTODO DUAL SIMPLEX.
3.5 MTODO PRIMAL DUAL
3.6 PROBLEMAS RESUELTOS..
118
122
125
129
131
136
CAPITULO 4:
ANLISIS DE SENSIBILIDAD
4.1 ANLISIS GRFICO DE SENSIBILIDAD
4.2 CAMBIOS EN LOS COEFICIENTES DE LA FUNCIN OBJETIVO
4.3 CAMBIOS EN LA DISPONIBILIDAD DE RECURSOS..
4.4 PRECIO DUAL
4.5 CAMBIOS EN LA MATRIZ DE COEFICIENTES TECNOLGICOS
4.6 ADICIN DE UNA VARIABLE
4.7 ADICIN DE UNA RESTRICCIN.
4.8 REGLA DEL 100% .
4.9 INTERPRETACIN DEL PROGRAMA LINDO...
4.10 INTERPRETACIN DEL PROGRAMA LINGO.
153
157
163
165
166
168
170
172
177
195
CAPITULO 5:
PROGRAMACIN ENTERA
229

6.2 ANEXO.
246
290
INTRODUCCIN
En el mundo real, las organizaciones de diferentes naturalezas tienen problemas de
decisin en el uso de sus recursos escasos. Como por ejemplo: Un empresario
dedicado al servicio de mantenimiento y reparacin de computadoras tiene cinco
tcnicos que atienden pedidos de diversas empresas en Lima y provincias, est
interesado en determinar el lugar ms apropiado para su sede central. Recursos
escasos: tiempo no productivo, pasajes, etc. Otro ejemplo: Un empresario
propietario de 5 automviles dedicados al servicio de taxi en la ciudad de Lima est
interesado en determinar el grifo que debe abastecer a sus vehculos. En este caso,
los recursos escasos son: las llantas, el tiempo dedicado para abastecerse de
gasolina, el mismo combustible, etc.
El proceso para alcanzar este objetivo consiste ms en formular el problema que en
construir y resolver modelos matemticos. En forma especfica, los problemas de
decisin a menudo incluyen importantes factores que muchas veces no se pueden
incluir en el modelo matemtico. El factor principal es el hombre y su
comportamiento. El modelo puede ser muy bueno, pero si la influencia de las
personas es muy fuerte, la solucin ptima del modelo es impracticable.
La Investigacin Operativa es una ciencia y un arte. IO es una ciencia porque

ofrece tcnicas y algoritmos matemticos para resolver problemas de decisin. IO
es un arte debido a que el xito que se alcanza en todas las etapas de la solucin de
un problema de decisin, depende de la habilidad y creatividad de las personas
responsables de la toma de decisiones.
El modelo es la representacin abstracta de la realidad, se construyen modelos con

la finalidad de poder resolver problemas del mundo real.
Todo problema de programacin lineal est compuesto de una funcin objetivo que
se va optimizar, (maximizar o minimizar) y las restricciones que describen los
requerimientos y las limitaciones de los recursos.
Todo programa lineal parte de los siguientes supuestos:
1. Linealidad, se exige que las restricciones y funcin objetivo sean lineales.
2. Independencia entre actividades, se pretende garantizar que el problema
permanezca en forma lineal.
3. Divisibilidad, los valores de las variables es de carcter continuo.
4. Determinstico, todos los trminos en el modelo lineal se suponen conocidos.
Sea el siguiente problema:
Z c1 X 1 c 2 X 2 ......... c n X n
Minimizar
Sujeto a:
a11 X 1 a12 X 2 ......... a1n X n b1
a 21 X 1 a 22 X 2 ......... a 2 n X n b2
a n1 X 1 a m 2 X 2 ......... a mn X n bn
X 1 , X 2 ,.... X n 0
La funcin objetivo es c1 X 1 c2 X 2 ......... c n X n ; c1 , c 2 ,........., c n son
los coeficientes y X 1 , X 2 ,........., X n son las variables de decisin que deben
determinarse.
Las desigualdades son las restricciones. Los coeficientes a ij para (i = 1, 2,...., m)
y (j = 1, 2,..., n) se denominan coeficientes tecnolgicos.

6
El vector columna del lado derecho representa los requerimientos mnimos que
deben satisfacer.
Las restricciones X 1 , X 2 ,........., X n 0 son las condiciones de no negatividad
de cada variable.
El mtodo simplex est diseado para resolver programas lineales donde las
variables de decisin son no negativas.
A continuacin se presenta una serie de problemas con sus respectivos programas
lineales, el objetivo que se persigue es mostrar la mayor cantidad posible de
mecanismos necesarios para formular cualquier problema lineal.
1.1 EJEMPLOS
CASO: PRODUCCIN
1. Una compaa elabora dos productos P1 y P2 cada uno requiere de
componentes c1 y c 2 la disponibilidad de componentes y precio venta se
muestra en el siguiente cuadro.
Componentes
c1
c2
Producto
P1
P2
Dispone
(Unid.)
1
3
2
1
15000
10000
Precio Venta
(S/. / Unidad)
4
3
Se pide presentar el modelo que optimiza el ingreso por ventas.

Solucin:
X i = Unidades del producto i a producir (i = 1, 2)
Max Z = 4 X 1 + 3 X
Sujeto a:
X1 + 3 X
15,000
7
10,000
X1 , X 2 0
2 X1 + X
2. Si cada unidad de P1 , problema 1 genera 3 unidades de un subproducto P3

y adems se tiene que el mercado demanda como mximo 500 unidades de
P3 al precio de S/. 2.00 por unidad y un costo ocasionado por la destruccin
de cada unidad excedente de S/. 0.50
Se pide formular el programa lineal.
Solucin:
X 3 j = Unidades del producto 3 que tiene el destino j; (j = Venta, Destruccin)
X 3 = Unidades producidas de P3
X 31 = Unidades producidas de P3 que se venden.
X 32 = Unidades producidas de P3 que se destruyen.
Max z = 4 X 1 + 3 X 2 + 2 X 31 - 0.5 X 32
Sujeto a:
X 1 + 3 X 2 15,000
2 X1 +
X 2 10,000
X 3 = 3 X 31
X 31
500
X 31 + X 32 = X 3
X 1 , X 2 , X 3 , X 31 , X 32 0
3. Si los costos de los componentes del problema 1 son como sigue:
Componente c1
Rg.
De
Componente c 2
S/. /
Unid
Rg.
De
S/. /
Unid
8
1
2
3
1
5,000
5,001 12,000
12,001 15,000
0.3
0.4
0.5
1
2
1
8,000
8,001 10,000
0.2
0.4

Solucin:
Adicionalmente a las variables del problema 1 se tiene las siguientes:
X c1 j = Unidades del componentes c1 del rango j (j = 1, 2, 3)

X c2 j = Unidades del componentes c 2 del rango j (j = 1, 2)
Max z = 4 X 1 + 3 X 2 - (0.3 X c11 + 0.4 X c1 2 + 0.5 X c1 3 + 0.2 X c2 1 + 0.4
X c2 2 )
Sujeto a:
X 1 + 3 X 2 15,000
2 X1 +
X 2 10,000
X c11 + X c1 2 + X c1 3 = X 1 + 3 X 2
X c2 1 + X c2 2 = 2 X 1 + X 2
X c11 5,000
X c1 2 7,000
X c1 3 3,000
X c2 1 8,000
X c2 2 2,000
X 1 , X 2 , X c11 ,, X c2 2 0
CASO: METAS DE TRABAJO
4. Se quiere obtener la mxima cantidad del producto P3 que se logra del

ensamble de una unidad de P1 y una unidad de P2 , las que se elaboran a
partir de los componentes c1 y c 2 segn la siguiente informacin.
Producto
P1
P2
Disponibilidad
(Unid.)
Componentes
c1
c2
1
3
2
1
15000
10000
Solucin:
X i = Unidades del producto i (i = 1, 2, 3)
Max z = X 3
Sujeto a:
X 1 + 3 X 2 15,000
2 X 1 + X 2 10,000
X1 X 3
X2 X3
X1 , X 2 , X 3 0
5. La capacidad de produccin de ALFA de 700 unidades mensuales. Los costos

unitarios de produccin y el compromiso mensual de venta a BETA son como
sigue:
Mes
1
2
3
Costo de
Produccin
100
150
200
Venta
(Unidades)
300
350
400
10

Solucin:
X i = Produccin en el mes i (i=1, 2, 3)
Min z = 100 X 1 + 150 X 2 + 200 X 3

Sujeto a:
X1 + X2 + X3 = 1050
X1 300
X1 + X2 650
X1 700
X2 700
X3 700
X1, X2, X3 0
CASO: TIPO DE PROGRESIONES
6. Preparar el modelo lineal para el problema anterior considerando adems que
se desea conocer en cada mes el inventario de producto terminado.
Solucin:
X i = Cantidad de produccin en el mes i (i = 1, 2, 3)
Yi = Excedente en el mes i (i = 1, 2, 3)
INVENTARIO INICIAL + PRODUCCIN - VENTA = INVENTARIO
FINAL
MES 1
X 1 - 300 = Y1
X 1 700
MES 2
11
Y1 + X 2 - 350 = Y2
X 2 700
MES 3
Y2 + X 3 - 400 = 0
X3
700
El programa tiene como objetivo minimizar el costo total de produccin
Min z = 100 X 1 + 150 X 2 + 200 X 3

Sujeto a:
X 1 - Y1 - 300 = 0
X 1 700
Y1 + X 2 - Y2 - 350 = 0
X 2 700
Y2 + X 3 - 400 = 0
X3
700
X 1 , X 2 , X 3 , Y1 , Y2 , Y3 0
7. La capacidad de produccin de GAMMA es de 800 unidades mensuales. Los

costos unitarios de produccin y el compromiso mensual de venta a BETA son
como sigue:
Mes
1
2
3
Costo de
Produccin
300
200
100
Venta Total
Venta
(Unidades)
300
350
400
1050
GAMMA tiene un costo de almacenamiento de S/. 10.00 por unidad mensual.

12
Si GAMMA no cumple con la venta mensual a BETA tendr que pagar una
multa de S/. 30.00 por unidad mensual faltante.
GAMMA est obligada a cumplir con la entrega de las 1.050 unidades al final
del tercer mes.
Solucin:
X i = Produccin en el mes i (i = 1, 2, 3)
Yi = Excedente o dficit en el mes i (i = 1, 2, 3)
Wi = Costo mensual de almacenamiento o multa en el mes i (i =1, 2, 3)
PRODUCCIN MENSUAL
INV. INICIAL + PRODUCCIN - VENTA = INV. FINAL (DFICIT)
MES 1
X 1 - 300 = Y1
X 1 800
MES 2
Y1 + X 2 - 350 = Y2
X 2 800
MES 3
Y2 + X 3 - 400 = 0
X3
800
X 1 + X 2 + X 3 = 1,050
COSTOS DE ALMACENAMIENTO O MULTA
MES 1
Si: Y1 0:
10 Y1
-30 Y1
W1
W1
13
Si: Y1 < 0:
-30 Y1 W1
10 Y1 W1
Para los dos casos se cumple lo siguiente:

10 Y1
-30 Y1
MES 2
W1
W1
10 Y2 W2
-30 Y2 W2
Considerando que las variables de decisin deben ser no negativas se va a efectuar

un cambio en las variables Y1 = Y11 - Y12 que son irrestrictas en signo y
luego se presenta la Formulacin completa.
Min z = 100 X 1 + 150 X 2 + 200 X 3 + W1 + W2

Sujeto a:
X 1 - ( Y11 - Y12 ) = 300

X 1 800
Y11 - Y12 + X 2 - ( Y11 - Y12 ) = 350
X 2 800
Y21 - Y22 + X 3 = 400
X3
800
0
0
10 ( Y21 - Y22 ) - W1 0
-30 ( Y21 - Y22 ) - W2 0
10 ( Y11 - Y12 ) - W1
-30 ( Y11 - Y12 ) - W1
14
X 1 , X 2 , X 3 , Y11 , Y12 , Y21 , Y22 , W1 , W2 0

* OTRA SOLUCIN DEL PROBLEMA
Yij = Inventario final en el mes i (i = 1, 2, 3) que se encuentra en j (j =
Excedente, Faltante)
MES 1
X 1 - 300 = Y1e Y1 f
X 1 800
MES 2
Y1e Y1 f + X 2 - 350 = Y2 e Y2 f
X 2 800
MES 3
Y2 e Y2 f + X 3 400 = 0
X 3 800
X 1 + X 2 + X 3 = 1,050
Min z = 100 X 1 + 150 X 2 + 200 X 3 + 10 ( Y1e + Y2 e ) + 30 ( Y1 f

+ Y2 f )
CASO: TRANSPORTE
8. Las capacidades de produccin del producto P de las fbricas A y B, los costos
por unidad transportada a los centros de consumo c1 y c 2 y las demandas de
estos son como sigue:
15
Fabrica
A
B
Demanda
(Unid)
Costo de Transporte
c1
c2
5
10
12
3
250
Produccin
(Unidades)
300
400
350
Se pide preparar el modelo para minimizar el costo total de transporte.

Solucin
X ij Unidades transportadas de la fbrica i (i=1,2) al centro de consumo j (j =
1,2)
Min z 5 X 11 10 X 12 12 X 21 3 X 22
Sujeto a:
PRODUCCIN
DEMANDA
X 11 X 12 300
X 21 X 22 400
X 11 X 21 250
X 12 X 22 350
16
X 11 , X 12 , X 21 , X 22 0
Si se cambia por en la restriccin de la demanda, entonces cuando se
resuelva el problema el valor de la funcin objetiva es igual a cero; porque no
se transporta nada y eso no es lo queremos.
CASO: PROCESOS DE MEZCLA
9. Un Kg de P es el resultado de mezclar A, B y C cuyas caractersticas son las
siguientes:
Producto
A
B
C
Elemento 1
(%)
20
30
10
Elemento 2
(%)
40
15
30
Precio (S/. /
Kg)
70
40
60
Obtenga la mezcla ptima si se desea que un kg. P tenga al menos 25% y 30%
de los elementos 1 y 2 respectivamente
Solucin
X i Cantidad del producto i (i = A, B, C) a utilizar en un Kg de P.
Min z 70 X A 40 X B 60 X C
sujeto a :
0.2 X A 0.3 X B 0.1X C 0.25 1Kg
0.4 X A 0.15 X B 0.3 X C 0.30 1Kg
X A X B X C 1Kg
X A, X B, XC 0
CASO: TIPO DE HORARIOS

17
10. El requerimiento de personal de seguridad de una empresa, as como los

horarios de entrada y salida son:
Requerimiento de Personal
Nm.
Tiempo
Mnimo de
personal
00 04
5
04 08
9
08 12
12
12 16
10
16 20
6
20 00
10
Cedulas de Servicio
Turno
Horas
Entrada
1
2
3
4
5
6
0
4
8
12
16
20
Salida
8
12
16
20
0
Se desea determinar el nmero total de personas para esa labor.

Solucin
X i Nmero de personas que trabajan durante el turno i (i = 1,2....6)
Intervalo de Tiempo
Turno
00 04 04 08 08 12 12 16 16 20 20 00
X1
X1
1
X2
X2
2
X3
X3
3
X4
X4
4
X5
X5
5
X6
X6
6
Requerimiento
5
9
12
10
6
10
Min z X 1 X 2 X 3 X 4 X 5 X 6
18
sujeto a :
X1 X 6 5
X1 X 2 9
X 2 X 3 12
X 3 X 4 10
X4 X6 6
X 5 X 6 10
X1, X 2 , X 3 , X 4 , X 5 , X 6 0

CASO: PRODUCCIN
1. La cervecera B produce cerveza COMN y la de tipo ALE. La cerveza se
vende a $5.0 el barril y el de ALE a $2.0. La produccin de un barril de
cerveza COMN requiere de 5 libras de cebada y dos libras de lpulo. La
produccin de un barril tipo ALE requiere 2 libras de cebada y 1 libra de
lpulo. Se dispone de 60 libras de cebada y de 25 libras de lpulo. Maximizar
las utilidades de la cervecera B.
Tipo
Comn
Ale
Venta por
Barril
5
2
Composicin
Cebada
Lpulo
5
2
2
1
Solucin
X i Unidades producidas i (i = 1, 2)
Max z 5 X 1 2 X 2
sa :
5 X 1 2 X 2 60
2 X 1 X 2 25
X1, X 2 0
19
2. Chemco produce dos productos qumicos: A y B. Se producen mediante dos

procesos manufactureros. El proceso 1 requiere 2 horas de trabajo y 1 lb de
materia prima para producir 2 oz de A y 1 oz. De B. El proceso 2 requiere 3
horas de trabajo y 2 lb. De materia prima para producir 3 oz de A y 2 oz, de B.
Se dispone de 60 horas de trabajo y de 40 lb. De materia prima. La demanda
de A es limitada, pero se puede vender solamente 20 oz. De B. Se vende A, a
16 dlares/oz y B a 14 dlares/oz. Se tiene que desechar todo B no vendido a
costo de 2 dlares/oz.
Formule un P.L. para maximizar los ingresos de Chemco menos los costos de
desecho.
Proceso
Proceso 1
Proceso 2
Dispone
Horas de
Trabajo
2
3
60
Materia
Prima
(lb.)
1
2
40
Producto (oz.)
A
2
3
3
2
Solucin
X i Nmero de procesos de tipo i (i =1,2)
Y j Cantidad producida de j (j = A, B)
YBk Cantidad del proceso B con k (k = V, D)
Max z 16Y A 14YBV 2YBD

Sujeto a:
Horas de trabajo= 2 X 1 3 X 2 60
Materia prima = X 1 2 X 2 40
Producto A = 2 X 1 3 X 2 Y A
Producto B = X 1 2 X 2 YB
YBV 20
YBV YBD YB
3. Un fabricante de equipos de filtracin de aire produce dos modelos. En la fig.
se dan los datos relativos a precios de venta y costos, la firma ya tiene
contratados 500 del producto 1 y deseara calcular el punto de equilibrio para
ambos modelos. Formule el programa lineal que minimice los costos.
20
Producto
1
2
Precio de
Venta
(Por Unidad)
450
700
Costo
Variable
Costo Fijo
240
360
150,000
240,000
Solucin
X i Unidades del producto i (i = 1,2)
Para encontrar el punto de equilibrio se parte:

Ganancia Total = PV - Costo Total
450 X 1 700 X 2 240 X 1 360 X 2 150000 240000

Que se reduce a:
210 X 1 340 X 2 390000

La Formulacin completa del programa es:
Min z 240 X 1 360 X 2 150000 240000
sujeto a :
210 X 1 340 X 2 390000
X 1 500
X1, X 2 0
4. Un fabricante de acero produce 4 tamaos de vigas en I: pequeas, medianas,
larga y extra larga. Estas vigas se pueden producir en cualquiera de tres tipos
de mquinas: A, B y C. A continuacin se indican las longitudes (en pies) de
las vigas I que pueden producir las mquinas por hora.
Viga
Mquina
B
C
21
Pequea
Mediana
Larga
Extra Larga
300
250
200
100
600
400
350
200
800
700
600
300
Supongamos que cada mquina se puede usar hasta 50 horas por semana y que
los costos de operacin por hora de estas mquinas son $ 30, $ 50 y $ 80
respectivamente. Supngase adems, que semanalmente se requiere 10 000, 8
000, 6 000 y 6 000 pies de los distintos tamaos de las vigas I.
Formular el problema de programacin de mquinas como un programa lineal.
Solucin
X ij Cantidad de horas para producir la viga i (i = pequea, mediana, larga
y extra larga) en la mquina j (j = A, B, C).

Las horas de produccin de las mquinas para cada tipo de viga son:
Mquina A = X 11 X 21 X 31 X 41 50
Mquina B = X 12 X 22 X 32 X 42 50
Mquina C = X 13 X 23 X 33 X 43 50
La produccin semanal por tipo de viga es:
Pequea = 300 X 11 600 X 12 800 X 13 10000
Mediana = 250 X 21 400 X 22 700 X 23 8000
Larga
= 200 X 31 350 X 32 600 X 33 6000
Extra larga = 100 X 41 200 X 42 300 X 43 6000
X 11 , X 12 , X 13 , X 21 , X 22 , X 23 , X 31 , X 32 , X 33 , X 41 , X 42 , X 43 0
Como se trata de costos de produccin la funcin objetivo es:
Min Z 30 X 11 X 21 X 31 X 41 50 X 12 X 22 X 32 X 42
80 X 13 X 23 X 33 X 43
22
5. Un fabricante tiene cuatro artculos A, B, C y D que deben ser producidos en

un mes. Cada artculo puede ser manejado en cualquiera de tres talleres. El
tiempo requerido para cada artculo en cada taller, el costo por hora en cada
uno de ellos y el nmero de horas disponibles se dan en la figura. Tambin
es permisible repartir cada artculo entre los talleres en cualquier proporcin.
Por ejemplo se puede hacer de artculo A en 8 horas del taller y 1/3 del
artculo C en 19 horas del taller 3.
El fabricante desea saber cuntas horas de cada artculo deben manejarse en
cada taller para minimizar el costo de terminar los cuatro artculos.
DATOS DE LOS TALLES DE PRODUCCIN
Artculos
Taller
Costo por
Hora ($)
1
2
3
32
39
46
151
147
155
72
61
57
118
126
121
89
81
84
Taller
(tiempo
disponible,
Hr.)
160
160
160
Solucin
X ij Articulo producido en el taller i (i = 1, 2, 3) y del tipo de artculo j
(j=A, B, C, D)
Min Z 89 X 1 A X 1B X 1C X 1D 81 X 2 A X 2 B X 2C X 2 D
84 X 3 A X 3 B X 3C X 3 D
Sujeto a:
32 X 1 A 151X 1B 72 X 1C 118 X 1D 160
39 X 2 A 147 X 2 B 61X 2C 126 X 2 D 160

16 X 3 A 155 X 3 B 57 X 3C 121X 3 D 160
X 1A X 2 A X 3 A 1
X 1B X 2 B X 3 B 1
X 1C X 2C X 3C 1
X 1D X 2 D X 3 D 1
23
X 1 A , X 2 A , X 3 A , X 1B , X 2 B , X 3 B , X 1C , X 2C , X 3C , X 1D , X 2 D , X 3 D 0
6. Se usa un torno para reducir de 14 pulg. a 12 pulg. El dimetro de una barra de

acero cuya longitud es de 36 pulg. Se deben determinar la velocidad X 1 (en
revoluciones por minuto), el avance de profundidad X 2 (en pulgadas por
minuto). La duracin del corte est dada por 36/X 2X3. La compresin y la
tensin lateral ejercida sobre la herramienta cortante estn dadas por: 30X 1 +
4000X2; 40X1 + 6000X2 + 6000X3
libras por pulgadas cuadrada,
respectivamente. La temperatura (en grados Fahrenheit) en la punta de la
herramienta cortante es 200 + 0.5X1 + 150(X2 + X3). Los mximos permitidos
de tensin de compresin, tensin de compresin, tensin lateral y temperatura
son 150,000 libras por pulgada cuadrada, 100,000 libras por pulgada cuadrada
y 800F. Se desea determinar la velocidad (que debe permanecer en el rango
600 a 800 r.p.m.), el avance en profundidad, y el avance en longitud tal que la
duracin del corte sea mnima. Para poder usar un modelo lineal se hace la
siguiente aproximacin puesto que 36/X2X3 se minimiza si, y slo s X2 y X3 se
maximiza, se decidi reemplazar el objetivo por la maximizacin del mnimo
de X2 y X3. Formular el problema como un modelo lineal.
Solucin
X1 = Velocidad en r.p.m.
X2 = Avance en profundidad (pulg./min.)
X3 = Avance longitudinal (pulg/min)
X4 = Min. (X2, X3)
Max z = X4
Sujeto a:
40X1 + 6000X2 + 6000X3 100,000

0.5X1 + 150X2 + 150X3 600
30X1 + 4000X2 150,000
X 1 800
X 1 600
X 2 X4
X 3 X4
X1, X2, X3, X4 0
24
7. Un producto es ensamblado con 3 partes que pueden fabricarse en 2 mquinas

A y B. Ninguna de las mquinas puede procesar partes diferentes al mismo
tiempo, a continuacin se resume el nmero de partes que puede procesar cada
mquina por hora.
Parte
Parte 1
Parte 2
Parte 3
Mquina A
12
15
Mquina B
06
12
25
La administracin busca una programacin diaria de mquinas, de tal forma

que el nmero de productos ensamblados sea mximo. Actualmente la
compaa tiene tres mquinas del tipo A y cinco mquinas del tipo B.
Solucin
Xij = Nmero de horas por da para fabricar la parte i (i = 1, 2, 3) en la
mquina j (j = 1, 2).
X = Cantidad por da del producto ensamblado.
Considerando que el nmero de horas laborales por da es de 8 horas se tiene:
Max z = X
Clculo del nmero de productos ensamblados:
12X11 + 6X12 X
15X21 + 12X22 X
25X32 X
Horas disponibles:
X11 + X21 24
X12 + X22 + X32 40
X11, X12,...., X32 0
8. Steelco produce dos tipos de acero en tres aceras diferentes. Durante un mes
dado cada acera dispone de 200 horas de alto horno. El tiempo y el costo de
produccin de una tonelada de acero, difieren de una fbrica a otra, debido a
25
las diferencias en los hornos de cada fbrica. En la tabla se muestra el tiempo y

el costo de produccin para cada fbrica. Cada mes, Steelco tiene que producir
500 toneladas de acero1 y 600 toneladas de acero 2.
Formule la P.L. para minimizar los costos para producir el acero deseado.
Acero 1
Tiempo
Costo ($)
(min)
Acera 1
10
20
Acera 2
12
24
Acera 3
14
28
Acera
Acero 2
Tiempo
Costo ($)
(min)
11
22
9
18
10
30
Solucin
Xi j = Cantidad de acero tipo j (j = 1, 2) producido en la acera i (i = 1, 2, 3)
Min Z = 10X11 + 12X21 + 14X31 + 11X12 + 9X22 + 10X32
Sujeto a:
20X11 + 22X12 12000
24X21 + 18X22 12000
28X31 + 30X32 12000
X11 + X21 + X31 500
X12 + X22 + X32 600
9. Sunco Oil tiene refineras en Los ngeles y en Chicago. La refinera de Los

ngeles puede refinar hasta 2 millones de barriles por ao; La refinera en
Chicago puede refinar hasta 3 millones de barriles de petrleo por ao. Una
vez refinado, se enva el petrleo a dos puntos de distribucin: Houston y
Nueva York. Sunco estima que cada punto de distribucin puede vender hasta 5
millones de barriles de petrleo refinado al ao. Debido a diferencias en los
costos de envo y de refinacin, la ganancia obtenida (en dlares) por milln de
barriles de petrleo enviado, depende del lugar de refinacin y del punto de
distribucin (vase la tabla). Sunco considera aumentar la capacidad de cada
refinera. Cada aumento en la capacidad anual de refinacin de un milln de
barriles cuesta 120000 dlares para la refinera de Los ngeles y 150000 para
la refinera de Chicago. Utilice la programacin Lineal para determinar cmo
26
Sunco puede maximizar sus ganancias, menos los costos de la ampliacin, en

un periodo de diez aos.
UTILIDAD POR MILLN DE BARRILES ($)
De los
ngeles
De Chicago
A Houston
A Nueva
York
20000
15000
18000
17000
Solucin
Xij = Cantidad de barriles anuales provenientes de i con destino j
Yij = Cantidad de barriles (x milln) provenientes de la ampliacin en i con
destino j.
Max z = 20000X11 + 15000X12 + 18000X21 + 17000X22 - 120000 (Y11 + Y12) 150000 (Y21 + Y22)
Sujeto a:
X11 + X21 + Y11 + Y21 5
X12 + X22 + Y12 + Y22 5
X11 + X12 2
X21 + X22 3
10. Para realizar una encuesta por telfono, un grupo de investigacin de mercado
necesita comunicar por lo menos a 150 esposas, 120 maridos, 100 varones
adultos solteros y 110 mujeres adultas solteras. Cuestan 2 dlares realizar una
llamada telefnica durante el da, y 5 dlares durante la noche (debido a
mayores costos laborales). Estos resultados se muestran la tabla sgte. Se
pueden realizar a lo ms la mitad de estas llamadas en la noche, por disponer
de un nmero limitado de empleados. Formule un PL que minimice los costos
para completar la encuesta.
Persona que
Contesto
Esposa
% de llamadas % de llamadas
diurnas
nocturnas
30
30
27
Marido
Soltero
Soltera
Nadie
10
10
10
40
30
15
20
05
Solucin
Xi = Cantidad de llamadas realizadas en el da o en la noche i (i = 1, 2)
Min z = 2X1 + 5X2
Sujeto a:
0.30X1 + 0.30X2 150
0.10X1 + 0.30X2 120
0.10X1 + 0.15X2 100
0.10X1 + 0.20X2 110
0.4X1 + 0.05X2 0
2X2 X1
11. CSL es una cadena de tiendas de servicio para computadoras. El nmero de
horas de reparacin especializada que requiere CSL durante los prximos
cinco meses, se dan a continuacin:
Mes 1 (enero) = 6000 horas
Mes 2 (febrero) = 7000 horas
Mes 3 (marzo) = 8000 horas
Mes 4 (abril)
= 9500 horas
Mes 5 (mayo) = 11000 horas

Al principio de enero, 50 tcnicos especializados trabajan para CSL. Cada
tcnico especializado puede trabajar hasta 160 horas al mes. Para satisfacer
futuras demandas hay que capacitar a nuevos tcnicos. La capacitacin de un
nuevo tcnico dura dos meses. Cada aprendiz requiere de 50 horas del tiempo
de un tcnico especializado el primer mes y 10 horas del tiempo de un tcnico
28
experimentado durante el segundo mes de entrenamiento. A cada tcnico

experimentado se le pagan mensualmente 2000 dlares (aunque no trabaje las
160 horas). Durante el mes de entrenamiento, se paga al aprendiz 1000 dlares
al mes. Al final de cada mes, 5% de los tcnicos experimentados de CSL,
cambian de trabajo, para irse con Plum Computers. Formule un PL cuya
solucin permitir a CSL minimizar los costos de trabajo que se presentan al
cumplir con los requerimientos de servicio durante los prximos meses.
Solucin
Xi = Nmero de tcnicos capacitados en el mes i (i = 1, 2, 3, 4, 5)
Yi = Nmero de tcnicos especializados al inicio del mes i (i = 1, 2, 3, 4, 5)
Min z = 2000X1+ 2000X2 + 2000X3 + 2000X4 + 2000X5 + 2000Y1 + 2000Y2 +
2000Y3 + 2000Y4 + 2000Y5
Sujeto a:
Y1 = 50
160Y1 - 50X1 6000
160Y2 - 50X2 - 10X1 7000
160Y3 - 50X3 - 10X2 8000
160Y4 - 50X4 - 10X3 9500
60Y5 - 50X5 -10X4 11000
Y2 - 0.95Y1 = 0
Y3 - 0.95Y2 - X1 = 0
Y4 - 0.95Y3 - X2 = 0
Y5 - 0.95Y3 - X3 = 0
12. Fumco fabrica mesas y sillas. Hay que fabricar cada mesa y cada silla
completamente de roble o de pino. Se dispone de un total de 150 pies de tabla
(p.t) de roble y de 210 p.t. de pino. Una mesa requiere 17 p.t. de roble, o bien
30 p.t. de pino, una silla necesita 5 p.t. de roble, o bien, 13 p.t. de pino. Se
puede vender cada mesa a 40 dlares, y cada silla a 15 dlares. Formule un PL
que se puede usar para maximizar los ingresos.
29
Solucin
Roble (p.t.)
Mesas
Sillas
Disponibilidad
17
05
150
Pino (p.t.)
30
13
210
Precio
de
Venta (US$)
40
15
Xij = Cantidad de i (i = M, S) fabricadas con madera de j (j = R, P)

Max Z = 40 (XMR + XMP) + 15 (XSR + XSP)
Sujeto a:
17 X MR + 5 XSR 150
30 X MP + 13 XSP 210
X MR, X SR, X MP, X SP 0
13. La corporacin Brady produce armarios. Necesita semanalmente 90000 pie3
de madera procesada. Puede conseguir madera procesada de dos maneras.
Primero, puede comprar madera de un proveedor externo, y despus secarla en
su propio horno. Segundo, puede cortar troncos en sus propios terrenos, y
convertirlos en madera en su propio aserradero y, finalmente, secar la madera
en su propio horno. Brady puede comprar madera clase 1 o clase 2. La madera
clase 1 cuesta 3 dlares/pie3 y produce 0.7 pie3 de madera til luego de
secarla. La madera clase 2 cuesta 7 dlares/pie3 y produce 0.9 pie3 de madera
til ya seca. Le cuestan 3 dlares a la compaa cortar un tronco. Despus de
cortarlo y secarlo, un tronco produce 0.8 pie3 de madera. Brady incurre en un
costo de 4 dlares/pie3 de madera seca. Cuesta 2.50 dlares/pie3 procesar
troncos en el aserradero.
El aserradero puede procesar semanalmente hasta 35000 pie3 de madera. Se
puede comprar cada semana hasta 40000 pie3 de madera de clase 1, y hasta
60000 pie3 de madera de clase 2. Semanalmente, se disponen de 40 horas para
secar madera.
El tiempo necesario para secar 1 pie3 de madera de clase 1, madera de clase 2,
o troncos, es el siguiente: clase1, 2 segundos; clase 2, 0.8 segundos; tronco, 1.3
segundos.
30
Formule un PL para ayudar a Brady a minimizar los costos semanales para

satisfacer las demandas de madera procesada.
Solucin
Necesidad semanal = 90000 pie3 madera procesada
Costo de secar madera = 4 dlar / pie3
Costo de procesar tronco en aserradero = 2.5 dlar / pie 3
Limite proceso del aserradero (semana) = 35000 pie 3
Madera
tipo 1
Comprar a
externos
Madera
tipo 2
Madera
Procesada
Producir el
mismo
Se pueden comprar a la semana:

40000 pie3 madera tipo 1
60000 pie3 madera tipo 2
Se disponen de 40 horas para secar madera
Tiempos de secado
2 seg.
0.8 seg.
1.3 seg.
Tipo de madera
Tipo1
Tipo2
Tronco
Solucin
X1 = madera tipo 1 costo (3 + 4 dlares/pie3) = 07 dlar/pie3
X2 = madera tipo 2 costo (7 + 4 dlares/pie3) = 11 dlar/pie3
31
X3 = tronco costo (3 + 4 dlares/pie3) = 9.5 dlar/pie3

Min Z = 7X1 + 11X2 + 9.5X3
Sujeto a:
0.7X1 + 0.9X2 + 0.8X3 90000
X3 35000
X1 40000
X2 60000
2X1+ 0.8X2+ 1.3X3 40 (3600)
X1, X2, X3 0
Donde:
X1: madera tipo 1 costo (3 + 4 dlares/pie3) = 7 dlar/pie3
X2: madera tipo 2 costo (7 + 4 dlares/pie3) = 11 dlar/pie3
X3: tronco
costo (3 + 4 dlares/pie3) = 9.5 dlar/pie3
14. La Chandler Enterprises produce dos productos que compiten en el mercado:
A y B. La compaa quiere vender estos productos a dos grupos de clientes: 1
y 2. El valor que da cada cliente a una unidad de A y B se muestra en la tabla
siguiente. Cada cliente comprar cualquiera de los dos productos A B, pero
no ambos.
Un cliente est dispuesto a comprar el producto A si cree que:
Valor del Producto A -Precio del Producto A Valor del Producto B-Precio
del Producto B
Valor del Producto A-Precio del Producto A 0
Un cliente est dispuesto a comprar el producto B si cree que:
Valor del Producto B-Precio del Producto B Valor del Producto A-Precio del
Producto A
32
Valor del Producto B-Precio del Producto B 0

El grupo 1 consta de 1000 personas, y el grupo B de 1500 personas. Chandler
quiere fijar el precio de cada producto para asegurar que las personas del grupo
1 compren el producto A y las personas del grupo 2 compren el grupo B.
Forme un PL que ayude a Chandler a maximizar los ingresos.
Grupo 1 de
Clientes
Grupo 2 de
Clientes
10
12
15
Valor de A
para(dlares)
Valor de B
para(dlares)
Solucin
Sea Xi el precio del Producto i (i =1, 2)

Max Z = 1000X1+ 1500X2
Sujeto a:
X1 X 2 2
X 1 10
X1 - X2 -3
X2 15
X 1, X 2 0
15. Una compaa produce un ensamblado que consiste de un bastidor, una barra y
un cojinete. La compaa fabrica las barras y los bastidores pero tiene que
comprar los cojinetes a otro fabricante. Cada barra debe procesarse en una
mquina de forja, un torno y un esmeril.
Estas operaciones requieren de 0.5 horas, 0.2 horas y 0.3 horas por barra
respectivamente, cada bastidor requiere de 0.8 horas de trabajo de forja, 01
horas de taladro, 0.3 horas en la fresadora y 0.5 horas en el esmeril. La
compaa tiene cinco tornos, diez esmeriles, veinte mquinas de forja, tres
taladros y seis fresadoras, supngase que cada mquina opera un mximo de
33
2,400 horas por ao. Formular como un programa lineal el problema de

encontrar el nmero Max. de componentes ensamblados que se pueden
producir.
Solucin
X1 = Nmero de barras
X2 = Nmero de bastidores
X3 = Nmero de componentes ensamblados
0.3
0.5
Taladr
o
--0.1
Fresador
a
--0.3
24,000
7,200
14,400
Producto
Forja
Torno
Esmeril
Barra
Bastidor
Horas
Disponibles
0.5
0.8
0.2
--
48,000
12,000
Max. Z = X3
Sujeto a:
0.5X1 + 0.8X2 48,000

0.2X1 12,000
0.3X1 + 0.5X2 24,000
0.1X2 7,200
0.3X2 14,400
X1 X3
X2 X3
X1, X2, X3 0
16. Con rubes y zafiros zales Jewelers producen dos tipos de anillos. Un anillo
tipo 1 requiere 2 rubes, 3 zafiros, y 1 h de trabajo de un joyero. Un anillo tipo
2 requiere 3 rubes, 2 zafiros, y 2 h de trabajo de un joyero. Cada anillo tipo 1
se vende a 400 dlares, y cada anillo tipo 2, a 500 dlares. Se pueden vender
todos los anillos producidos por zales. Actualmente zales dispone de 100
rubes, 120 zafiros y 70 horas de trabajo de un joyero. Se puede comprar ms
rubes a un costo de 100 dlares el rub. La demanda del mercado requiere una
34
produccin de por lo menos 20 anillos tipo 1, y por lo menos 25 anillos tipo 2.

Para maximizar la ganancia, zales tendr que resolver el PL siguiente:
X1 = anillos tipo 1 producidos
X2 = anillos tipo 2 producidos
R = nmero de rubes comprados
Solucin
Max Z = 400X1 +500X2 - 100R
Sujeto a:
2X1 + 3X2 R 100

3X1 + 2X2 120
X1 + 2X2 70
X 1 20
X 2 25
X 1, X2 0
17. Suponga que la planta en San Luis fabrica al producto 1, que sirve como
componente (insumo) para la fabricacin de un producto final 2, en Monterrey
y otro producto final 3 en Monclova. As mismo el producto 3 requiere como
insumo adicional el producto 2. La siguiente figura muestra el flujo de
fabricacin.
Planta San
Luis
Producto 1
Planta
Monterey
Producto 2
Ventas
Planta
Monclova
Producto 3
Ventas
La capacidad mensual de produccin de cada ao es:
35
Fabrica
San Luis
Monterrey
Monclova
Capacidad de
Produccin
(miles de unidades )
200
120
100
La cantidad de unidades requeridas para fabricar una unidad de cada producto

y la venta nacional mensual es:
Producto
2
3
Producto
1
2
3
Insumo
Producto 1
Producto 2
4
2
1
Venta Nacional por mes
Mnima
Mxima
10000
30000
25000
50000
40000
60000
Adems por disposicin gubernamental se debe exportar el 10% de la venta

nacional mensual.
Los costos unitarios de produccin son de $ 3, $ 5 y de $ 10, respectivamente
para los productos 1, 2 y 3 los cuales se venden en el mercado nacional a $ 6,
$ 10 y $15; en el extranjero un 20% ms caro, respectivamente. Formule el
Modelo Lineal que determina la produccin mensual de cada producto, que
satisfaga a la vez todas las condiciones descritas antes y que optimice los
ingresos por ventas.
Solucin
Xi = Unidades producidas del producto y (y = 1, 2, 3)
Yij = Unidades vendidas del producto y en el mercado j (j=nacional,
extranjero) (i = 1, 2, 3) (j=1: Nacional, 2: Extranjero, 3: Insumos)
Funcin Objetivo:
36
Max. Z = 6Y11+10Y21+15Y31+7.2Y12 +12Y22+18Y32-3X1-5X2-10X3

Restricciones de:
PRODUCCIN
X1 200,000
X2 120,000
X3 100,000
VENTA DE PRODUCTO 1
La venta es el resultado de la diferencia entre la produccin y el requerimiento
de unidades que participan como insumo para la produccin de otros
productos.
X1 = Y11 + Y12
Y11 10,000
Y11 30,000
Y12 = 0.10 * Y11
Y11 = 4X2 + X3 + Y12
VENTA DEL PRODUCTO 2

X2 = Y21 + Y22
Y21 25,000
Y21 50,000
Y22 = 0.10 * Y21
Y21 = X3 + Y21
VENTA DEL PRODUCTO 3
X3 = Y31 + Y32
Y31 40,000
Y31 60,000
Y32 = 0.10 Y31
X1,......, Y32 0
37
CASO: MODELOS DE PROCESOS DE MEZCLAS

1. Un alimento para perros se hace mezclando dos productos de soya. En la
figura se dan los datos para los dos productos. Los perros deben recibir al
menos cinco onzas de protenas y 2 onzas de grasa diariamente, Cul ser la
mezcla de costo mnimo de los dos productos?
Producto de
soya
1
2
Costo por
Onza
0.05
0.02
Protena (%)
Grasa (%)
40
15
15
18
Solucin
X1 = Cantidad de onzas del producto de soya tipo 1.
X2 = Cantidad de onzas del producto de soya tipo 2.
Min Z = 0.05X1 + 0.02X2
Sujeto a:
0.40X1 + 0.15X2 5
0.15X1 + 0.18X2 2
X 1, X 2 0
2. Un fabricante de plsticos planea obtener un nuevo producto mezclando 4

compuestos qumicos. Estos compuestos consisten principalmente de 3
elementos qumicos A, B y C. A continuacin se muestra la composicin y el
costo por unidad de estos compuestos.
Compuesto
Qumico
Porcentaje de A
Porcentaje de B
Porcentaje de C
Porcentaje de D
30
20
40
20
20
60
15
30
40
30
25
20
20
40
30
15
38
El nuevo producto consiste del 20% del elemento A, al menos 30% del
elemento B y al menos 20% del elemento C. Debido a los efectos laterales de
los compuestos 1 y 2, estos no deben de exceder del 30% y 40% del contenido
del nuevo producto.
Formular como programa lineal el problema de encontrar la forma menos
costosa de obtener un nuevo producto.
Solucin
Xi = Cantidad del compuesto qumico i (i = 1, 2, 3, 4)
Min Z = 20X1 + 30X2 + 20X3 + 15X4
Un kilogramo del nuevo producto tiene las siguientes caractersticas:
0.3X1 + 0.20X2 + 0.40X3 + 0.2X4 = 0.2
0.2X1 + 0.60X2 + 0.30X3 + 0.4X4 0.3
0.4X1 + 0.15X2 + 0.25X3 + 0.3X4 0.2
X1 0.3
X2 0.4
X1+ X2 + X3 + X4 = 1
X1, X2, X3, X4 0
3. Una compaa produce dos salsas para carne, la aromtica Diablo y la suave
Barn Rojo. Estas salsas se obtienen mezclando dos ingredientes A y B. Se
permite cierto nivel de flexibilidad en la frmula de estos productos. De hecho
las restricciones son:
La Barn debe contener un mximo del 75% del ingrediente A;
La Diablo debe contener por lo menos 25% de A y por lo menos 50% de B.
Se pueden vender ms de 40 cuartos de A y 30 cuartos de B. La compaa
puede vender la salsa que produzca al precio por cuarto de $ 3.35 La Diablo y
$ 2.85 la Barn Rojo.
A y B cuestan $ 1.60 y $ 2.95 por cuarto respectivamente se desea maximizar
el ingreso neto por venta de las salsas.
Formule el problema como programa lineal.
Solucin
X1 = Produccin en cuartos de salsa Diablo
39
X11 = Cantidad de ingredientes A para la salsa Diablo

X12 = Cantidad de ingredientes B para la salsa Diablo
X2 = Produccin en cuartos de salsa Barn Rojo
X21 = Cantidad de ingredientes A para la salsa Barn Rojo
X22 = Cantidad de ingredientes B para la salsa Barn Rojo
La funcin objetivo es:
Max. Z = 3.35X1 + 2.85X2 - 1.60 [X11 + X21] - 2.95 [X12 + X22]
Las restricciones (1) y (2) son:
Otras restricciones:
X2 0.75X21
X1 0.25X11
X1 0.50X12
X11 + X21 40
X12 + X22 30
X11 + X12 = X1
X21 + X22 = X2
X1, X11........, X22 0
4. La Universidad de Chicago est planeando poner fertilizantes al pasto en el

rea de patios a la entrada de la primavera. El pasto necesita nitrgeno, fsforo
y potasa al menos en las cantidades dadas en la fig. Estn disponibles tres
clases de fertilizantes comerciales; en la fig. 2 se da el anlisis y los precios de
ellos. Formule un modelo de programacin lineal para determinar cunto de
cada fertilizante deben comprar para satisfacer los requerimientos a un costo
mnimo
Requerimientos de Pasto
Mineral
Peso mnimo (lb)
Nitrgeno
10
Fsforo
7
Potasio
5
Fertilizantes
Caractersticas de los fertilizantes

Contenido
Contenido
Contenido
de Nitrgeno de Fosforo
de Potasio
Precio ($/lb.)
40
(lb.)
25
10
5
I
II
III
(lb.)
10
5
10
(lb.)
5
10
5
10
8
7
Solucin
Xi= Cantidad de fertilizantes i (i = 1, 2, 3) dado en fraccin de unidad.
Min Z = 10X1 + 8X2 + 7X3
Sujeto a:
25X1 + 10X2 + 5X3 10
10X1 + 5X2 + 10X3 7
5X1 + 10X2 + 5X3 5
X1 + X2 + X3 = 1
X1, X2, X3 0
5. Un vinatero desea mezclar vinos de 5 aos diferentes i= (1,.., 5) para hacer tres
tipos de vinos mezclados. La oferta disponible (en galones) de vino del ao i
es Si, i = 1,2,....,5. La mezcla 1 se considera especial, por lo que no se
producirn ms de 100 galones. En la figura se dan las restricciones de cada
una de las mezclas. Se pide formular un programa lineal.
Mezcla
1
2
3
Datos Para La Mezcla De Vinos

Beneficio
Restriccin
(P/Galn)
Por lo menos el 60% debe
provenir de los aos 1 y 2 y no
C1
ms del 10% de los aos 4 y 5.
Al menos el 50% debe provenir
C2
de los aos 1,2 y 3
No ms del 50% del ao 3
C3
Solucin
41
Xj = Cantidad de galones de vino de la mezcla j (j = 1, 2, 3)

Xij= Cantidad de galones de vino del ao i y de la mezcla j (i = 1.....5)
Max. Z = C1 X1 + C2 X2 + C3 X3
Sujeto a:
Restricciones debidas a las mezclas (ver figura)
X11 + X21 0.6X1
X41 + X51 0.1X1
X12 + X22 + X32 0.5X2
X 33 0.5X3
Restricciones debido a la oferta disponible y los componentes de las mezclas:
X11 + X12 + X13 S1
X21 + X22 + X23 S2
X31 + X32 + X33 S3
X41 + X42 + X43 S4
X51 + X52 + X53 S5
X1 100
Finalmente las restricciones debido a las componentes de las mezclas:
X11 + X21 + X31 + X41 + X51 = X1
X12 + X22 + X32 + X42 + X52 = X2
X13 + X23 + X33 + X43 + X53 = X3
X11, X12,..............., X1, X2, X3
6. Un fraccionador de whisky importa el licor en tres distintas graduaciones A, B,

y C. Mediante la mezcla de estos de acuerdo a sus frmulas, se obtiene los
whiskys de calidades comercializables ESCOCS, KILT y TARTAN. Las
citadas frmulas especifican las siguientes relaciones entre los elementos a
mezclar.
MAR
ESPECIFICACIONE
PRECI
42
CA
O
DE
VENTA
S
No menos del 60% de
ESCOCS A
KILT
680
No ms del 20% de C
No ms del 60% de C
No menos del 15% de
570
No ms del 50% de C
450
A.
TARTAN
Se conocen asimismo, las disponibilidades y precios de los licores A, B, y C.

TIPO
A
B
C
LITROS
DISPONIBLES
2000
2500
1200
PRECIO DE COSTO
$/LITRO
700
500
400
Se desea definir la composicin de cada marca maximizar el beneficio.

Solucin
Xi = Cantidad de litros de whisky de calidad ESCOCS, KILT, TARTAN,
(i=1, 2, 3)
Xij= Cantidad de litros del licor j (j = A, B, C) que intervienen en preparar
whisky.
Max z = 680X1 + 570X2 + 450X3 - 700(X11 + X21 + X31) - 500(X12 + X22 + X32) 400(X13 + X23 + X33)
ESCOCS
X11 0.60X1
X13 0.20X1
X11 + X21 + X13 = X1
43
KILT
X23 0.60X2
X51 0.15X2
X21 + X22 + X23 = X2
TARTAN
X33 0.5X3
X31 + X32 + X33 = X3
Disponibilidad de los licores A, B, C.
X11 + X21 + X31 2,000
X12 + X22 + X32 2,500
X13 + X23 + X33 1,200
X1, X11,, X33 0
7. Una compaa petrolera produce dos tipos de gasolina que vende a 18 y 21
centavos de dlar por galn. La refinera puede comprar cuatro diferentes
crudos con los siguientes anlisis y costos:
Crudo
1
2
3
4
A
0.80
0.30
0.70
0.40
B
0.10
0.30
0.10
0.50
C
0.10
0.40
0.20
0.10
D
0.14
0.10
0.15
0.12
La gasolina cuyo precio de venta es 21 centavos de dlar por galn debe tener
cuando menos 60% de A y no ms de 35% de B. La de 18 centavos de dlar
por galn no debe tener ms de 30% de C. En el proceso de mezclado se
pierde, por evaporacin 2% de A y 1% de B y C.
Demustrese como se determinan las cantidades relativas de crudo que se
deben utilizar.
44
Solucin
= Cantidad de crudo i (i = 1, 2, 3) que intervienen en la gasolina j (j = 1, 2)
La funcin objetivo es:
Min. Z = 0.14(X11 + X12)+ 0.10(X21 + X22) + 0.15(X31 + X32) + 0.12(X41+X42)
Para determinar las cantidades de crudo a utilizar se parte de la produccin de un
galn de gasolina de cada tipo.
Como en el proceso de mezclado se pierde por evaporacin parte de los elementos
A, B, C; se registra a continuacin los porcentajes que quedan de cada elemento y
la suma total de estos componentes.
Crudo
1
2
3
4
A
0.784
0.294
0.686
0.392
B
0.099
0.297
0.099
0.495
C
0.099
0.396
0.198
0.099
D
0.982
0.987
0.983
0.986
Por ejemplo: el crudo 1 antes del proceso tiene el 80& del elemento A, en el
proceso de mezclado pierde el 2% de A por evaporacin, entonces queda slo: 0.80
x 0.98 = 0.784% de A.
Finalmente sumando los porcentajes da como resultado 0.982.
0.982X11 + 0.987X21 + 0.983X31 + 0.986X41 = 1
0.982X12 + 0.987X22 + 0.983X32 + 0.986X42 = 1
Caractersticas de la gasolina tipo 2:
0.784X12 + 0.294X22 + 0.686X32 + 0.392X42
0.60 (0.982X12 + 0.987X22 +
0.983X32 + 0.986X42)
0.099X12 + 0.297X22 + 0.099X32 + 0.495X42
0.35 (0.982X12 + 0.987X22 +
0.983X32 + 0.986X42)
45
Caractersticas de la gasolina tipo 1:

0.099X11 + 0.396X21 + 0.198X31 + 0.099X41
0.30 (0.982X11 + 0.987X21 +
0.983X31 + 0.986X41)
8. Una fbrica de vidrio produce dos tipos de vidrio para uso industrial que se
hacen a base de Borosilicato de Plomo y, la mayor parte de las veces, a base de
sustitutos. La empresa tiene almacenado Slice, Plomo, Brax y pedecera de
vidrio, y dispone de dos mezcladoras y dos hornos para preparar sus productos,
cada tipo de vidrio se procesa en cualquiera de las mezcladoras y en cualquier
horno. Todo el vidrio plano se lamina en la misma mquina de modo que no es
necesario considerar esta operacin. Los productos y los factores de
produccin estn relacionados como se muestra en las siguientes tablas:
Materia
Brax (A)
Plomo (B)
Silice (C)
Pedecera
(D)
Mquina
Mezcladora
L
Mezcladora
M
Horno X
Horno Y
Composicin (Tn)
Vidrio 1
Vidrio 2
0.1
0.2
0.1
0.2
0.8
0.5
0.0
0.1
Composicin (Tn)
Vidrio 1
Vidrio 2
Abastecimiento
Costo (Ton)
(Ton)
25000
100
35000
300
50000
60
15000
30
0.4
0.2
2000
Costo
Variable
(Ton)
30
0.1
0.2
1000
50
0.2
0.5
0.4
0.2
2000
1800
40
30
Capacidad
(Hor)
Los tipos de vidrio no se pueden sustituir uno con otro, por lo que es necesario
producir cuando menos 100 toneladas de cada tipo para pedidos especiales. Si el
precio de venta del vidrio 1 es de $ 200 la tonelada y el vidrio 2 es de $ 300 la
46
tonelada. Formule el problema como un modelo de programacin lineal para

programar la produccin de los tipos de vidrios.
Solucin
Xi = Toneladas del vidrio tipo i (i = 1, 2)
Xij= Toneladas de vidrio tipo y que procesa la mezcladora L o M (j = L, M)
Xijk = Toneladas del vidrio tipo y que luego de procesar en la mezcladora j
pasa a continuacin al horno K (K = X, Y).
Restricciones de la Materia Prima:
0.1X1 + 0.2X2 25,000
0.1X1 + 0.2X2 35,000
0.8X1 + 0.5X2 50,000
0.1X2 15,000
Del grfico se desprender las siguientes restricciones:
X1 = X1L + X1M
X1L = X1LX + X1LY
X1M = X1MX + X1MY
X2 = X2L + X2M
X2L = X2LX + X2LY
X2X = X2MX + X2MY
Restricciones del proceso de las mezcladoras:
0.4X1L + 0.2X2L 2,000
0.1X1M + 0.2X2M 1,000
Restricciones del proceso de los hornos:
0.2[X1LX + X1MX] + 0.4 [X2LX + X2MX] 2,000
0.5[X1LY + X1MY] + 0.2 [X2LY + X2MY] 1,800
47
Condiciones de Produccin:
X1 100
X2 100
X1, X2,......, X2LM, X2MY 0
La produccin ptima se logro con la siguiente funcin objetivo:

Max Z = 200 X1 + 300 X2 - 100[0.1 X1 + 0.2 X2] - 300[0.1 X1 + 0.2 X2] - 60[0.8 X1
+ 0.5 X2] - 30[0.1 X2] - 30[0.4 X1L + 0.2 X2L] - 50[0.1 X1M + 0.2 X2M] - 40[0.2(X1LX
+ X1MX) + 0.4(X2XL + X2MX)] - 30[0.5(X1LY + X1MY) + 0.2 (X2LY + X2MY)]
9. Un molino agrcola produce alimento para ganado y alimento para pollos.
Estos productos se componen de 3 ingredientes principales, a saber: maz, cal y
harina de pescado. Los ingredientes contienen dos tipos principales de
nutrientes por libra de cada ingrediente.
NUTRIENTES
Protenas de
calcio
INGREDIENTES
Maz
Cal
Harina
25
15
25
15
30
20
El contenido de protena en el alimento para ganado debe estar en el intervalo

[18 - 22] por libra, el contenido de calcio en el mismo alimento debe ser
mayor o igual que 20 por libra. De igual manera, en el alimento para pollos
el contenido de protenas y el contenido de calcio deben estar en los intervalos
[20 - 23] y [20 - 25], respectivamente. Supngase que se dispone de 3000,
2500 y 100 libras de maz, cal y harina de pescado es, respectivamente. El
precio por libras de maz, de cal y la harina de pescado es, respectivamente de
$0.10, $0.10 y $0.80. El ganado requiere de 4000 lb. de alimento, mientras
que los pollos requieren 2000 lb.
Formlese el problema de mezclado con el objeto de minimizar el costo.
Solucin
48
El problema es visualizado en la figura siguiente, de donde a xij, como la

cantidad de libras del ingrediente i, (i = 1, 2, 3), asignadas al alimento j, (j =
1, 2).
Maiz
Carne
Cal
Pollo
Harina
Se tiene las siguientes restricciones:

Disponibilidad de ingredientes
X11 + X12 = 3000
X21 + X22 = 2500
X31 + X32 = 100
Requerimientos de alimentos:
X11 + X21 + X31 4000
X12 + X22 + X32 2000
Contenido de Nutrientes:
18
25 X 11 15 X 21 25 X 31
22
X 11 X 21 X 31
20
15 X 11 30 X 21 20 X 31
23
X 11 X 21 X 31
20
25 X 11 15 X 21 25 X 31
X 11 X 21 X 31
49
20
15 X 11 30 X 21 20 X 31
25
X 11 X 21 X 31
La funcin objetiva es expresada como:

Min Z = 0.10X11 + 0.10X12 + 0.10X21 + 0.10X22 + 0.8X31 + 0.8X32
El programa lineal puede quedar como:
Min Z = 0.10X11 + 0.10X12 + 0.10X21 + 0.10X22 + 0.8X31 + 0.8X32
Sujeto a:
X11 + X12 = 3000
X21 + X22 = 2500
X31 + X32 = 100
X11 + X21+ X31 4000
X12 +X22 + X32 2000
3X11 - 7X21 + 3X31 0
7X11 - 3X21 + 7X31 0
-5X11 +10X21 0
2X12 8X22+ 2X32 0
5X12 5X22 + 5X32 0
-10X12 + 5X22 5X32 0
-5X12 + 10X22 0
Xij 0
Como la suma de disponibilidad es menor que la suma de requerimientos (es
decir, no se puede cumplir con la produccin deseada), se ha forzado las
restricciones de disponibilidad a ser de igualdad ( en vez de menor igual) y las
de requerimiento a menor o igual ( en vez de mayor igual).
10. Todo el acero producido por Steelco tiene que cumplir con las siguientes
especificaciones:
3.2% a 3.5% de carbono,
1.8 a 2.5% de Silicio,
0.9 a 1.2% de nquel,
50
Resistencia a la traccin de por lo menos 45 000 lb/pulg2.

Steelco produce acero mezclando dos aleaciones. El costo y las propiedades de
cada aleacin se dan en la Tabla mostrada. Supngase que se puede determinar
la resistencia a la traccin de una mezcla promediando las resistencias de las
aleaciones que se mezclan. Por ejemplo, una mezcla de una tonelada que se
compone de 40% de la aleacin 1 y de 60% de la aleacin 2, tiene una
resistencia a la traccin de 0.4(42 0000) + 0.6(50 000). Utilice la programacin
lineal para determinar cmo minimizar los costos de produccin de una
tonelada de acero.
Costo por tonelada ($)

Porcentaje de Silicio
Porcentaje de Nquel
Porcentaje de Carbono
Resistencia
a
2
Traccin(lb/pulg )
la
Aleacin 1
190
2%
1%
3%
Aleacin 2
200
2.5 %
1.5 %
4%
42000
50000
Solucin
= cantidad de aleacin i, (i = 1,2)
Componentes
Silicio
Nquel
Carbono
Costo ($)
Ton
Tipo de Aleacin
Aleacin 1
Aleacin 2
2
2.5
1
1.5
3
4
190
Especificacin
%
1.8 2.5
0.9 1.2
3.2 3.5
200
Min Z = 190X1 + 200X2

Sujeto a:
0.02 X1 + 0.025 X2 0.025
0.02 X1 + 0.025 X2 0.018
0.01 X1 + 0.015 X2 0.012
51
X1 + X2 = 1
0.01 X1 + 0.015 X2 0.009
0.03 X1 + 0.04 X2 0.035
0.03 X1 + 0.04 X2 0.032
[X1/(X1 + X2)] (42000) + [X2/(X1 + X2)] (50000) 450000 (*)
Simplificando (*)
3000 X1 - 5000 X2 = 0
X1, X2 0
11. Feedco produce dos tipos de alimentos para ganado. Ambos productos estn
hechos completamente de trigo y de alfalfa. El alimento 1 debe contener por lo
menos 80% de trigo, y el alimento 2 por lo menos 60% de alfalfa. El alimento
1 se vende a 1.50 U$ / lb, y el alimento 2 a 1.30 U$ / lb. Feedco puede comprar
hasta 1000 lb de trigo a 0.50 U$ / lb y hasta 80 lb de alfalfa, a 0.40 U$ / lb. La
demanda de ambos tipos de alimento no tiene lmite. Formule un P.L. para
maximizar las ganancias de Feedco.
Solucin
Insumos
Trigo
Alfalfa
Precio ($ /
lb)
Alimento
1
>= 80%
<= 20%
Alimento
2
>= 40%
<= 60%
1.50
1.30
Compra max
(lb)
1000
800
Precio
($ / lb)
0.50
0.40
Xij = Cantidad de insumo i (i = 1,2) contenido en el alimento j (j = 1,2)

X1 = Alimento 1 = X11 + X21
X2 = Alimento 2 = X12 + X22
X11 0.8 (X11 + X21)
X22 0.6 (X12 + X22)
0.2X11 0.8 X21

0.4X22 0.6 X12
Max Z = 1.5(X11 + X21) + 1.30(X12 + X22) - 0.5(X11 + X12) - 0.4(X21 + X22)

52
Sujeto a:
X11 + X12 1000
X21 + X22 800
0.2X11 - 0.8X21 0
0.4X22 - 0.6X12 0
12. Feedco decidi otorgar a su cliente (supngase que hay solamente un cliente)
un descuento, dependiente de la cantidad comprada. Si el cliente compra ms
de 300 lb del producto 1, se le vender cada libra que rebase las primeras 300
lb, a solo 1,25 dlares. Similarmente, si el cliente compra ms de 300 lb del
producto 2, se le vender cada libra que rebase las primeras 300 lb, a slo 1,00
dlar. Modifique el PL del problema 11 para tomar en cuenta los descuentos
por la cantidad comprada. (Sugerencia: defina variables para el alimento
vendido a cada precio).
Solucin
Si la compra es mayor de 300 lb
Alimento 1
Alimento 2
Precio de venta ($ / lb)

1.25
1.00
Xij: Cantidad de j (j =T, A) en el alimento i (i = 1, 2)

Yi: Cantidad producida de alimento i (i = 1, 2)
Yij: Cantidad vendida de alimento i (i = 1, 2) con precio j (j = 1, 2)
T: Cantidad comprada de Trigo
A: Cantidad comprada de Alfalfa
Max Z = 1.5 Y11 + 1.25 Y12 + 1.30 Y21 + Y22 - 0.5 T - 0.4 A
Sujeto a:
X1T + X1A = Y1
X2T + X2A = Y2
X1T 0.8 Y1
X2A 0.6 Y2
53
T 1000
A 800
X1T + X2T = T
X1A + X2A = A
Y11 + Y12 = Y1
Y21 + Y22 = Y2
Y11 300
Y21 300
X1T, X1A,......., Y11, Y22 0
13. Feedco decidi otorgar a su cliente (supngase que hay solo un cliente) un
descuento, dependiente de la cantidad comprada. Si el cliente compra ms de
300 lb del producto 1, se le vender cada libra que rebase las primeras 300 lb, a
solo 1.25 dlares. Similarmente, si el cliente compra ms de 300 lb del
producto 2, se le vender cada libra que rebase las primeras 300 lb, a solo 1.00
dlar. Modifique el PL del problema 11 para tomar en cuenta los descuentos
por la cantidad comprada. (Sugerencia: defina variables para el alimento
vendido a cada precio.
Solucin (Verificar con el Problema anterior)
Sean:
i: alimento1, alimento2
j: trigo, alfalfa
Xij =libras del alimento i(i=1,2) que contiene el componente j (j = 1, 2)

Xi =libras de alimento 1 producidos
Xj =libras de alimento 2 producidos
Y11 = libras de alimento 1 menor a 300 libras
Y12 = libras de alimento 1 mayor a 300 libras
Y21 = libras de alimento 2 menor a 300 libras
Y22 = libras de alimento 2 mayor a 300 libras
Max Z = 1.5Y11 + 1.25Y12 + 1.3Y22 - 0.5X11 - 0.5X21 - 0.4X12 - 0.4X22
Sujeto a:
X1 - X11 - X12 = 0
X2 - X21 - X22 = 0
X1 - Y11 - Y12 = 0
X2 - Y21 - Y22 = 0
Y11 300
54
Y21 300
Y12 300
Y22 300
X11 - 0.8X1 0
X22 - 0.6X2 0
X11 + X21 1000
X12 + X22 800
14. Un fabricante de gasolina para aviacin vende dos clases de combustibles: A
y B. El combustible A tiene 25% de gasolina de grado 1, 25% de gasolina de
grado 2 y 50% de grado 3. El combustible B tiene 50% de gasolina de grado 2
y 50% de grado 3.. Hay 500 gln/hr. De grado 1 y 200 gln./hr de los grados 2
y3, disponible para su produccin. Los costos son de 30 ctvs. ($0.30) por gln
de grado 1, $0.60 por gln de grado 2 y $0.50 por gln. de grado 3. La clase A
puede venderse a $0.75 por gln., mientras que la clase B alcanza $0.90/gln.
Qu cantidad puede producirse de cada combustible?
Solucin
La informacin se resume en el siguiente cuadro:
Gasolina
Grado 1
Grado 2
Grado 3
Precio ($ /
gl)
Combustible
A
B
0.25
0.25
0.50
0.50
0.50
0.75
Costo
($ / gl.)
0.30
0.60
0.50
Disponibilidad
(gl. / hr.)
500
200
200
0.90
Sea:
X1 =La cantidad de galones a producirse del combustible A
X2 =La cantidad de galones a producirse del combustible B
La cantidad de gasolina de cada grado a usarse ser:
55
Para el grado 1: 0.25X1

Para el grado 2: 0.25X1 + 0.50X2
Para el grado 3: 0.50X1 + 0.50X2
Siendo el Costo Total:
0.3 (0.25X1) + (0.6)(0.25X1 + 0.5X2) + (0.5)(0.5)(X1 + X2)
Y su expresin simplificada:
0475X1 + 0.55X2
Por otro lado, el Ingreso por concepto de las ventas ser:
0.75X1 + 0.90X2
Luego, la funcin Objetivo ser la suma de las contribuciones (utilidad) de cada
producto.
Max Z = 0.275X1 +0.35X2
Las restricciones corresponden a la limitacin que se tiene en el uso de cada grado
de gasolina con respecto a la cantidad disponible, es decir:
0.25X1 500
0.25X1 + 0.50X2 200
0.50X1 + 0.50X2 200
X1,......, X2 0
CASO: MODELOS DE TIEMPOS
1. Una cafetera trabaja las 24 horas del da y requiere de contratar una cierta
cantidad de mozos para los servicios. Cada mozo trabaja 8 horas consecutivas.
Se desea determinar el menor nmero de mozos que debe contratarse para
satisfacer los siguientes requisitos.
Turno de horas al da
Nmero mnimo
de mozos
56
1
2
3
4
5
6
02 10
06 14
10 18
14 22
18 02
22 06
04
08
10
07
12
04
Solucin
= Nmero de mozos contratados en el turno i, (i= 1,..,6)
Trminos
1
2
3
4
5
6
10
14
18
22
X1
X2
X3
X4
X6
X5
Min Z = X1 + X2 + X3 + X4 + X5 + X6
Sujeto a:
Restricciones de personal de mozos en el turno
X1 + X6 4
X1 + X2 8
X2 + X3 10
X3+X4 7
X4 + X5 12
X5 + X6 4
Restricciones de signo:
X1, X2, X3, X4, X5, X6
2. Una aerolnea desea asignar dos tipos de aviones a tres rutas. Cada avin puede
hacer a lo ms dos vueltas diarias. Adems, se dispone de tres aviones del tipo
57
A y 4 del tipo B. La capacidad de los aviones del tipo A es de 140 pasajeros y

la de los aviones del tipo B es de 100 pasajeros.
El nmero esperado de pasajeros por da en las tres rutas es de 300, 700 y 220
respectivamente.
A continuacin se resumen los costos de operacin por viaje en las diferentes
rutas:
Costo de operaciones de una ruta dada
1
2
3
3000
2500
2000
2400
2000
1800
Tipo de
avin
A
B
Se pide formular el problema como un programa lineal a fin de minimizar los

costos de operacin.
Solucin
XAi = Cantidad de vuelos por da en la ruta i (i = 1, 2, 3) de los aviones tipo A.
XBi = Cantidad de vuelos por da en la ruta i (i = 1, 2, 3) de los aviones tipo B.
Min. Z = 3000XA1 + 2500XA2 + 200XA3 + 2400XB1 + 2000XB2 + 1800XB3
Sujeto a:
XA1 + XA2 + XA3 6
XB1 + XB2 + XB3 8
140XA1 + 100XB1 300
140XA2 + 100XB2 700
140XA3 + 100XB3 220
XA1, XA2,., XB3 0
3. El Ghotam City National Bank abre de lunes a viernes, de las 9 a.m. hasta las 5
p.m. De experiencias anteriores, el banco sabe que necesita el nmero de
cajeras, indicado en la tabla A. El banco contrata dos tipos de cajeras. Las
cajeras de tiempo completo trabajan de 9 a 5, los cinco das de la semana, y
tienen 1 hora de descanso para comer. ( El banco determina cuando una
empleada de tiempo completo puede comer, pero cada cajera tiene que comer
entre medioda y la 1 p.m. o entre la 1 y las 2 p.m.) Se les paga 8 dlares
58
(incluyendo prestaciones complementarias) por hora (incluyendo la hora de la

comida) a las empleadas de tiempo completo. El banco tambin contrata
cajeras de tiempo parcial. Cada cajera de tiempo parcial debe trabajar
exactamente 3 horas consecutivas cada da. Se les paga 5 dlares/h a una cajera
de tiempo parcial (y no reciben beneficios complementarios). Para conservar
una calidad adecuada del servicio, el banco ha decidido que se pueden
contratar a lo sumo cinco cajeras de tiempo parcial. Formule un PL para
cumplir con los requerimientos de las cajeras a un costo mnimo. Resuelve el
PL en una computadora. Juegue con las respuestas del PL para determinar una
poltica de contratacin que ste cerca de minimizar los costos laborales.
TABLA A
PERIODO DE
CAJERAS
TIEMPO
REQUERIDAS
09 10
4
10 11
3
11 MEDIODIA
4
MEDIODIA 01
6
01 02
5
02 03
6
03 04
8
04 05
8
Solucin
Xi = Nmero de Cajeras a tiempo completo en el turno i (i = 1, 4, 5)
Yi = Nmero de Cajeras a tiempo parcial en el turno i (i = 1, 2, 3, 4, 5, 6)
Turnos
Tipo de cajera
T1 9 -10
Tiempo
Completo
Cajeras Requeridas en cada periodo de tiempo

Periodo de tiempo
T2 10 11 T3 11 -12 T4 12 -1 T5 1 - 2 T6 2 - 3 T7 3 - 4
X1
X1
X1
Y1
Y1
Y2
Y1
Y2
Y3
Tiempo
Parcial
Requerimiento
X4
Y2
Y3
Y4
6
X5
Y3
Y4
Y5
5
T8 4 - 5
X1
X1
X1
Y4
Y5
Y6
6
Y5
Y6
8
Y6
8
59
Min Z = 64X1 + 15Y1 + 15Y2 + 15Y3 + 15Y4 + 15Y5 + 15Y6

Sujeto a:
X1 + Y1 4
X1 + Y1 + Y2 3
X1 + Y1 + Y2 + Y3 4
X4 + Y2 + Y3 + Y4 6
X5 + Y3 + Y4 + Y5 5
X1 + Y4 + Y5 + Y6 6
X1 + Y5 + Y6 8
X1 + Y6 8
X4 + X5 X1 = 0
Y1 + Y2 + Y3 + Y4 + Y5 + Y6 5
X1, X4, X5, Y1, Y2, Y3, Y4, Y5, Y6 0
CASO: PROBLEMAS DE METAS DE TRABAJO
1. Un agente vendedor maneja 2 productos. Dicho agente no puede vender ms de
10 unid/mes del producto 1 39 unid/mes del producto 2. Para evitar una
multa, el debe vender al menos 24 unidades del producto 2. El recibe una
comisin del 10% sobre todas las ventas y debe pagar sus propios gastos, la
cual se estima en $1,50 por hora gastada en hacer visitas. El trabaja un mximo
de 80 hrs/mes. El producto 1 se vende en $150 por unidad y requiere un
promedio de 1,5 horas por cada visita; la probabilidad de hacer una venta es de
0,5. El producto 2 se vende en $70 por unidad y requiere un tiempo de 30
minutos por cada visita, siendo la probabilidad de hacer una venta de 0,6.
Cuntas visitas mensuales debe hacer a los clientes de cada producto?
Solucin
Xi = Numero de visitas para vender el producto i. (i = 1, 2)
LIMITES DE VENTAS:
0.5X1 10
0.6X2 39
60
0.6X2 24
Tiempo Total de Visitas = Tiempo Disponible:
1.5X1 + 0.5X2 80
X1, X2 0
Se pide optimizar el nmero de visitas:
Max Z = 0.1 [150(0.5) X1 + 70(0.6) X2] - 1.5 [1,5X1 + 0,5X2]
2. Alden Enterprises produce dos productos. Se puede fabricar cada producto en
cualquiera de dos mquinas. En la tabla A, se dan los tiempos necesarios (en
horas) para producir cada producto en cada mquina. Cada mes los clientes
estn dispuestos a comprar los productos hasta las cantidades y a los precios
indicados en la tabla B. La meta de la compaa es maximizar los ingresos
obtenidos mediante la venta de los productos durante los prximos dos meses.
Formule un PL para ayudar alcanzar esta meta.
TABLA A
MAQUINA
1
MAQUINA
2
Producto 1
Producto 2
TABLA B
DEMANDAS PRECIO(Dlares)
Mes 1 Mes 2 Mes 1
Mes 2
Producto 1
100
190
55
12
Producto 2
140
130
65
32
61
Solucin
Sea:
Xijk = Cantidad de producto i, fabricado en maquina j, en el mes k (i, j, k =1, 2)
Mes 1:
4X111
3X121
+ 7X211 500
+ 4X221 500
4X112
3X122
+ 7X212 500
+ 4X222 500
Mes 2:
Sea:
Cik = La cantidad de producto i, vendida en el mes k (i, k = 1, 2)
Nik = La cantidad de producto i, que no se vende en el mes k (i, k = 1, 2)
Est sujeta a las siguientes restricciones:
X111 + X121 = C1 +N11
C11 100
X211 + X22 = C21 + N21
C21 140
X112 + X122 + N11 = C12 + N12
C12 190
X212 + X222 + N21 = C22 + N22
C22 130
Luego la funcin objetivo viene a ser la maximizacin de la venta de los
productos durante los prximos dos meses.
Max z = 55C11 + 65C21 + 12C12 + 32C22
CASO: PROBLEMAS DE DISTRIBUCIN DE TIERRAS
62
1. Una empresa agrcola explota una finca de 200 Ha., de regado, que puede
dedicarse en principio a dos cultivos C 1 y C2. Los ingresos y costos variables
por hectreas para cada cultivo figuran en la siguiente tabla:
Costos
Variables (S/.
El cultivo C1
puede repetirse
/ Ha)
Cultivo C1
14.000
6.000
Cultivo C2
15.000
6.000
indefinidamente todos los aos en la misma parcela; en cambio el cultivo C 2 ha de
implementarse en parcelas que el ao anterior llevaron otro cultivo; pues sino se
sigue esta norma tcnica (rotacin de cosechas), disminuirn apreciablemente los
rendimientos.
El agua para riego es de 1 lt/seg. y por hectrea, es decir 610,000 m2 al mes para
toda la finca.
Las necesidades de agua de los cultivos en el mes prximo:
Cultivo
Ingresos
(S/. / Ha)
Cultivo C1 = 3.000 m3/Ha.

Cultivo C2 = 4.000 m3/Ha.
La cosecha C2 solo tiene salida en el mercado local, que puede absorber como
mximo la produccin de 60 Ha. de dicho cultivo.
El fin de la programacin es, en este caso, determinar la superficie, que deben
cultivarse C1 y C2 para que el beneficio sea mximo.
Solucin
Xi = Nmero de hectreas para el cultivo i (y =1, 2)
Max Z = 14000X1 + 15000X2 6000X1 6000X2
Sujeto a:
X1 + X2 = 200
X2 X1
3000X1 + 4000X2 610000
X2 < 60
63
X 1, X 2 0
2. La Canadian Parks Comission vigila dos terrenos. El terreno 1 est formado
de 300 acres y el terreno 2 por 100 acres. Se puede utilizar cada acre del
terreno 1 para abetos, la caza o para ambas cosas. Se puede utilizar cada acre
del terreno 2 para abetos, para acampar o para ambas cosas. En la tabla, se da
el capital, (en cientos de dlares) Y la mano de obra (das hombre) que se
necesitan para mantener un acre de cada terreno, y la ganancia (miles de
dlares) por acre, para cada uso posible del suelo. Se dispone un capital de
150000 y 200 das-hombre de trabajo. Cmo se tiene que asignar el suelo a
los usos diferentes, para maximizar la ganancia recibida de los dos terrenos?
Terreno 1
Abetos
Terreno 1
Caza
Terreno 1
Ambas cosas
Terreno 2
Abetos
Terreno 2
Acampar
Terreno 2
Ambas cosas
Capital
Mano de
obra
Ganancia
0.1
0.2
0.2
0.4
0.2
0.5
0.05
0.06
30
0.09
10
1.01
1.1
Solucin
Xij = # de acres del terreno i (1 ,2) para la actividad j (1, 2, 3)
Max Z = 0.2X11 + 0.4X12 + 0.5X13 + 0.06X21 + 0.09X22 + 1.1X23
Sujeto a:
X11 + X12 + X13 = 300
X21 + X22 + X23 = 100
300X11 + 300X12 + 400X13 + 100X21 + 3000X22 + 1000X23 150000
0.1X11 + 0.2X12 + 0.2X13 + 0.05X21 + 5X22 + 1.01X23 200
64
CASO: PROBLEMAS DE TRANSPORTE

1. Una empresa empaca frutas envueltas para regalo de aniversario. Los paquetes
son envueltos en dos tiendas diferentes desde las cuales son enviadas a cinco
vendedoras diferentes. El costo de empacar los productos en las tiendas 1 y 2
es de $ 5.25 y $ 5.70 respectivamente, las predicciones de la empresa sobre la
demanda indica que los embarques deben ser como se indica en la Tabla 1. La
capacidad de empaque de la tienda 1 es de 20,000 paquetes y la tienda 2 de
12,000. Los costos de distribucin desde las dos tiendas se dan en la Tabla 2,
formule un modelo de programacin lineal para determinar cuntos paquetes
debe enviar la empresa desde cada tienda a cada vendedor.
DEMANDA DE LOS MAYORISTAS
Vendedor
Mayorista
Embarques
requeridos
4,000
6,000
2,000
10,000
8,000
COSTOS DE DISTRIBUCION
De la tienda
1
2
1
0.06
0.15
Al vendedor mayorista
2
3
4
0.04
0.12
0.12
0.09
0.05
0.08
5
0.05
0.08
Solucin
Xij = Cantidad de paquetes entregados por la tienda i al vendedor j (i = 1,2) (j
= 1,2,3,4,5 ).
Se debe minimizar el costo del paquete y distribucin de las tiendas a los
vendedores.
Min Z = 5.31X1 1 + 5.29X12 + 5.37X13 + 5.37X14 + 5.3X15 + 5.85X21 + 5.79X22 +
5.75X23 + 5.78X24 + 5.78X25
Sujeto a:
X11 + X12 + X13 + X14 + X15 20,000

65
X21 + X22 + X23 + X24 + X25 12,000

X11 + X21 4,000
X12 + X22 6,000
X13 + X23 2,000
X14 + X24 10,000
X15 + X25 8,000
X11............X25 0
CASO: PROBLEMA DE POLTICAS Y PRSTAMOS BANCARIOS
1. Tengo ahora $ 100. Durante los prximos 3 aos se tiene proyectado
realizar las siguientes inversiones:
Inversin A: Cada dlar invertido ahora produce $0.10 dentro de 1 ao y
$1.3 dentro de 3 aos.
Inversin B: Cada dlar invertido ahora produce $0.2 dentro 1 ao y 1.1
dentro de 3 aos.
Inversin C: Cada dlar invertido dentro de 1 ao, producir $1.5 dentro de
3 aos.
Cada ao se puede colocar el dinero no invertido en fondos del mercado de
dinero, lo que produce 6 % de inters anual. Se puede colocar a lo ms
50% en cada una de las inversiones A, B, C.
Formule un P.L para maximizar efectivo en caja dentro de 3 aos.
Solucin
Xij = Inversin de tipo i en el ao j, (i = A, B, C; j = 1, 2, 3)
Xi = Inversin de tipo i para 3 aos
XFj = Cantidad no invertida en el ao j.
AO 1
XA1 +XA 50
XB1 + XB 50
XA1 + XA + XB1 + XB + XF1 = 100
AO 2
Dinero disponible: 1.1XA1 + 1.2XB1 + 1.06XF1
66
XA2 + XB2 + XC + XF2 = 1.1XA1 + 1.2XB1 + 1.06XF

XA2 0.5 (1.1XA1 + 1.2XB1 + 1.06XF1)
XB2 0.5 (1.1XA1 + 1.2XB1 + 1.06XF1)
XC 0.5 (1.1XA1 + 1.2XB1 + 1.06XF1)
AO 3
Dinero disponible:
1.1XA2 + 1.2XB2 + 1.06XF2
XA3 + XB3 + XF3 = 1.1XA2 + 1.2XB2 + 1.06XF2

XA3 0.5 (1.1XA2 + 1.2XB2 + 1.06XF2)
XB3 0.5 (1.1XA2 + 1.2XB2 + 1.06XF2)
Al final de tercer ao:
Max Z = 2.3XA + 2.1XB + 2.5XC + 1.1XA3 + 1.2XB3 + 1.06XF3
CASO: PROBLEMAS DE RESIDUO DE CORTE
1. Un fabricante de lminas metlicas recibe un pedido para producir 2000
lminas de tamao 2 x 4 y 1000 lminas de tamao 4 x 7. Se dispone de
dos lminas estndar de tamaos 10 x 3000 y 11 x 2000. El personal del
departamento de Ingeniera decide que los tres siguientes patrones de corte son
adecuados para satisfacer el pedido.
Formular el problema cmo un programa lineal para satisfacer el pedido y

minimizar el desperdicio.
Solucin
X = Nmero de lminas del patrn 1 extradas de la lmina de 11 x 2000.
Y = Nmero de lminas del patrn 2 extradas de la lmina de 10 x 3000.
Z1 = Nmero de lminas del patrn 3 extradas de la lmina de 10 x 3000.
Z2 = Nmero de lminas del patrn 3 extradas de la lmina de 11 x 2000.
67
Considerando que cada 4 se efecta un corte de cada una de las lminas

estndar, se tiene:
Patrones extrados de las lminas 11 x 2000 y 10 x 3000
X + Z2 500
Y + Z1 750
Lminas de 2 X 4 Y 4 X 7:
2X + Y + 5Z1 + 5Z2 2000
X + Y 1000
X, Y, Z1, Z2 0
Se entiende por desperdicios a los residuos que son generados a partir de la
confeccin de los patrones 2 y 3.
Max Z = Y + Z2
2. Una papelera produce papel en bobinas de un ancho definido por las
caractersticas de sus equipos de proceso. De acuerdo a la poltica de ventas de
la compaa, a determinados compradores se les preparan bobinas de un ancho
menor al de las bobinas estndar, por lo cual sta debe ser cortada para
satisfacer la demanda.
La empresa desea hacer la cantidad total de recortes desechables tan pequea
como sea posible.
El caso en estudio presenta una produccin de bobinas de 215 cm. De ancho,
debindose cumplir con los siguientes pedidos:
LONGITUD DEL
PEDIDO
(m)
18,000
9,000
9,000
ANCHO
(cm)
64
60
35
68
Se aclara que los cortes deben efectuarse en sentido longitudinal y que los
mismos no necesitan estar formados por una sola tira.
Solucin
Se debe establecer los posibles patrones de corte, o sea las distintas maneras
que se ha de cortar la bobina a fin de satisfacer los pedidos.
= Longitud de la tira en metros del patrn i
ANCHO (cm)
LONGITUD (m)
X1
X2
X3
X4
X5
X6
X7
X8
X9
64
60
35
Ancho Del
Recorte
3
2
2
1
1
1
-
1
2
1
2
3
-
2
2
4
2
1
6
23
27
17
31
21
11
25
-5
Ejemplo Del Primer Patrn: X1
Tiras de 64 cm. de ancho:

3X1 + 2X2 + 2X3 + X4 + X5 + X6 18000
69

X2 + 2X4 + X5 + 2X7 + 3X8 9000
2X2 + 2X5 + 4X6 + 2X7 + X8 + 6X9 9000
X1,.., X9 0
Min Z = 23X1 + 27X2 + 17X3 + 31X4 + 21X5 + 11X6 + 25X7 + 5X9
70
1.3 PROBLEMAS DE PROGRAMACIN LINEAL PREPARADOS CON

LINGO
1.
Una compaa elabora dos productos P1 y P2, cada uno requiere e componentes
C1 y C2, la disponibilidad de los componentes y precio de venta de muestra en el
siguiente cuadro:
Producto
P1
P2
Dispone
Componentes
C1
1
3
15000
C2
2
1
10000
Precio de Venta
(S/./Unidad)
4
3
Se pide formular el problema y optimizar el ingreso de ventas:

Solucin:
!PROBLEMA N1;
!PROD=TIPO DE PRODUCTO PV=PRECIO DE VENTA DE PRODUCTO;
!COM=COMPONENTES DISP=DISPONIBILIDAD DE LOS COMPONENTES;
!CANT=COMPONENTES PARA CADA PRODUCTO X=CANTIDAD DEL
PRODUCTO(1,2);
SETS:
PROD/1..2/:PV,X;
COM/1..2/:DISP;
MATRIZ(PROD,COM):CANT;
ENDSETS
DATA:
PV=4,3;
DISP=15000,10000;
CANT=1,2,
3,1;
ENDDATA
MAX=@SUM(PROD:PV*X);
@FOR(COM(J):@SUM(PROD(I):CANT(I,J)*X(I))<=DISP(J));
71
2. (PROPUESTO) La capacidad de produccin de TEXTIL-PERU es de 900

unidades mensuales. Los costos unitarios de produccin y el compromiso
mensual de venta a EXPORT-PERU son como sigue:
Mes
1
2
3
Costo de Produccin
(S/. / unidades)
100
150
200
Venta (Unidades)
300
350
400
3. (PROPUESTO) FLORANID S.A., es una empresa dedicada a la

comercializacin de abonos para plantas que emplea 3 tipos diferentes de
ingredientes A, B y C, para conseguir 3 tipos de abonos 1, 2, y 3.
En cuanto a los ingredientes, su disponibilidad es limitada y sus costos son los
siguientes:
INGREDIENTE
CANTIDAD DISPONIBLE
(kg)
COSTOS
(S/./ kg)
4.000
1.300
B
C
6.000
2.000
1.500
1.000
Las utilidades para los abonos son:

Abono 1
Abono 2
Abono 3
2.0 S/./ kg
3.0 S/./ kg
1.5 S/./ kg
Adems de lo anterior, los ingredientes han de mezclarse en proporciones

especficas para asegurar una combinacin adecuada:
Para el abono 1, no menos del 25 % de A y no ms del 40 % de C; para el abono 2,
no menos del 30 % de A, no menos del 20 % ni ms del 30 % de B y no ms del 15
% de C; y para el abono 3, no menos del 35 % de B.
72
Con todos los datos que FLORANID S.A. nos ha facilitado, nos piden que
determinemos: Cunta cantidad de cada tipo de abono hay que producir de forma
que se maximice el beneficio de la compaa?
Solucin:
Con los datos podemos construir un primer esquema que nos permitir desarrollar
el modelo de programacin lineal para la resolucin del problema:
INGREDIENTES
A
B
C
1
X11
X21
X31
ABONOS
2
X12
X22
X32
3
X13
X23
X33
CANTIDAD
DISPONIBLE (kg)
4000
6000
2000
COSTOS
(S/. /kg)
1300
1500
1000
4. (PROPUESTO) Una compaa vende dos mezclas diferentes de nueces. La

mezcla ms barata contiene un 80% de cacahuates y un 20% de nueces,
mientras que las ms cara contiene 50% de cada tipo. Cada semana la
compaa obtiene 1800 kilos de cacahuates y 1200 kilos de nueces de sus
fuentes de suministros. Cuntos kilos de cada mezcla debera producir a fin de
maximizar las utilidades si las ganancias son de $ 10 por cada kilo de la mezcla
ms barata y de $ 15 por cada kilo de la mezcla ms cara?
MEZCLA
BARATA
CARA
CACAHUATE
80%
50%
NUEZ
20%
50%
GANANCIA POR SEMANA

$10 POR KILO
$ 15 POR KILO
5. (PROPUESTO)Una empresa de servicios debe proveer personal de vigilancia

a sus clientes durante el prximo ao en las siguientes cantidades estimadas:
1.
2.
3.
4.
trimestre: 7000dias vigilante.

trimestre: 8500dias vigilante
Un vigilante debe ser entrenado durante cinco das antes de estar disponible para
asignarlo a los clientes.
73
Existe 65 das de trabajo en cada trimestre y al inicio del primer trimestre existen
120 vigilantes calificados en la nmina. Los vigilantes son pagados por la empresa
y no por el cliente; ellos ganan un salario de S/.500 al mes. Durante cada trimestre
la empresa pierde el 15) de su personal (incluyendo vigilantes entrenados en el
trimestre anterior). Formular la PL.
6. Los requerimientos para la produccin de 3 tipos de barras de chocolate as

como la cantidad de recursos y la utilidad de cada tipo se muestran en el
siguiente cuadro:
Materia prima
B1
B2
B3
Azcar
Chocolate
Ganancia
unitaria
1
2
3
1
3
7
1
1
5
Cantidad
disponible
50
100
Solucin:
!D=CANTIDAD DISPONIBLE G=GANANCIA UNITARIA;
!IN=MATERIA PRIMA B=TIPO DE BARRA DE CHOCOLATE;
!P=REQUERIMIENTOS PARA CADA PRODUCTO ;
sets:
in/1..2/:d;
b/1..3/:p,g;
ca(in,b):uso;
endsets
data:
g=3 7 5;
d=50 100;
uso= 1 1 1
2 3 1;
enddata
max=@sum(b:p*g);
@for(in(i):@sum(b(j):uso(i,j)*p(j))<=d(i));
end
74
MAX
3 P( 1) + 7 P( 2) + 5 P( 3)
SUBJECT TO
2] P( 1) + P( 2) + P( 3) <=
50
3] 2 P( 1) + 3 P( 2) + P( 3) <=
100
END
7. Las fabricas F1 y F2 tienen una capacidad de produccin de 30 y 20 unidades
respectivamente, se tiene adems 3 centros de demanda C1, C2 y C3, con
capacidades de 10, 25 y 15 unidades respectivamente; finalmente el costo
unitario de transporte de las Fabricas a los Centros es como sigue:
Fabrica / Centro
F1
F2
C1
2
7
C2
4
10
C3
6
1
Minimizar el costo de la manera ms ptima.

Solucin:
La solucin de este problema es un problema tipo clsico y sencillo de transporte,
el cual se resolver de la siguiente forma en LINGO.
!CP=CAPACIDAD DE PRODUCCION D=CAPACIDAD DE DEMANDA;
!CT=COSTO UNITARIO DE TRANSPORTE
X=CANTIDAD A TRANSPORTAR;
sets:
f/1..2/:cp;
!Fabricas con su respectivo costo de
produccin
c/1..3/:d;
!Centros de demanda y su respectivo
valor de demanda
rutas(f,c):ct,x;
endsets
data:
cp=30,20;
d=10,25,15;
ct=2 4 6,
7 10 1;
enddata
75
min = @sum(rutas:ct*x);
Funcin Objetivo
@for(c(j):@sum(f(i):x(i,j))>=d(j));
@for(f(i):@sum(c(j):x(i,j))<=cp(i));
end
Formulacin:
MIN
2 X(
1) + 10 X( 2,
+ X( 2,
SUBJECT TO
2] X( 1, 1)
3] X( 1, 2)
4] X( 1, 3)
5] X( 1, 1)
6] X( 2, 1)
END
1, 1) + 4 X( 1, 2) + 6 X( 1, 3) + 7 X( 2,
2)
3)
+
+
+
+
+
X(
X(
X(
X(
X(
2,
2,
2,
1,
2,
1)
2)
3)
2)
2)
>=
>=
>=
+ X(
+ X(
10
25
15
1, 3) <=
2, 3) <=
30
20
8. Steelco produce dos tipos de acero en tres diferentes aceras. Durante un mes
dado, cada acera dispone de 200 horas de alto horno. El tiempo y el costo de
produccin de una tonelada de acero, difiere de una fbrica a otra, debido a las
diferencia en los hornos de cada fbrica. En el cuadro siguiente se muestran el
tiempo y el costo de produccin para cada fbrica. Cada mes, Steelco tiene que
producir por lo menos 500 toneladas de acero 1 y 600 toneladas de acero2.
formule un PL, para minimizar los costos para producir el acero deseado.
ACERIA
ACERIA 1
ACERIA 2
ACERIA 3
COSTO
10
12
14
ACERO 1
TIEMPO
20
24
28
COSTO
11
9
10
ACERO 2
TIEMPO
22
18
30
Solucion:
!X=CANTIDAD PRODUCIDA;
SETS:
aceria/1..3/:horas;
76
acero/1..2/:cantidad;
rutas(aceria,acero):costo,tiempo,x;
ENDSETS
DATA:
horas=12000,12000,12000;
cantidad=500,600;
costo=10 11,
12 9,
14 10;
tiempo=20 22,
24 18,
28 30;
ENDDATA
min=@sum(rutas:costo*x);
@for(acero(j):@sum(aceria(i):x(i,j))>=cantidad(j));
@for(aceria(i):@sum(acero(j):tiempo(i,j)*x(i,j))<=horas(i));
END
9. Una Tienda de animales ha determinado que cada Hmster debera recibirla al

menos 70 unidades de protena. 100 unidades de carbohidratos y 20 unidades
de grasa. Si la tienda vende los seis tipos de alimentos mostrados en la tabla.
Qu mezcla de alimento satisface las necesidades a un costo mnimo para la
tienda?
Alimento
A
B
C
D
E
F
Protenas
(Unid /Oz)
20
30
40
40
45
30
Carbohidratos
(Unid /Oz)
50
30
20
25
50
20
Grasa
(Unid / Oz)
4
9
11
10
9
10
Costo
(Oz)
2
3
5
6
8
8
Solucin:
!TIPO=TIPO DE ALIMENTO
CO=COSTO DEL ALIMENTO POR ONZA;
!MACRO=TIPO DE MACRONUTRIENTE UNID=UNIDADES QUE DEBE RECIBIR
EL HAMSTER;
77
!CANT= CANTIDAD DE MACRONUTRIENTES
X=CANTIDAD A MEZCLAR;
SETS:
TIPO/1..6/:CO,X;
MACRO/1..3/:UNID;
MATRIZ1(TIPO,MACRO):CANT;
ENDSETS
DATA:
CO=2,3,5,6,8,8;
UNID=70,100,20;
CANT=20,50,4,
30,30,9,
40,20,11
40,25,10,
45,50,9,
30,20,10;
ENDDATA
MIN=@SUM(TIPO:CO*X);
@FOR(MACRO(J):@SUM(TIPO(I):CANT(I,J)*X(I))>=UNID(J));
END
10. Las capacidades de produccin del producto P de las fbricas A y B, los costos
por unidad transportada a los centros de consumo C 1 y C2 y las demandas de
estos son como sigue:
Fabrica
A
B
Demanda
Costos de Transporte
C1
C2
5
10
12
3
250
350
Produccin
300
400
Solucin:
!FAB=FABRICA(1,2) PROD=PRODUCCION DE CADA FABRICA;
!CEN=CENTRO (1,2) DEM=DEMANDA;
!CO= COSTO DE TRANSPORTE X=UNIDADES TRANSPORTADAS;
SETS:
78
FAB/1..2/:PROD;
CEN/1..2/:DEM;
MATRIZ1(FAB,CEN):CO,X;
ENDSETS
DATA:
PROD=300,400;
DEM=250,350;
CO= 5,10,
12,3;
ENDDATA
MIN=@SUM(MATRIZ1:CO*X);
@FOR(FAB(I):@SUM(CEN(J):X(I,J))<=PROD(I));
@FOR(CEN(J):@SUM(FAB(I):X(I,J))>=DEM(J));
END
11. Cuatro productos se procesan en secuencia de dos maquinas. La siguiente

tabla proporciona los datos pertinentes al problema.
Mquina
1
2
Precio de venta
Tiempo de fabricacin por unidad (hora)

Producto
Costo
($) / hora 1
2
3
4
10
2
3
4
2
5
3
2
1
2
65
70
55
45
Capacidad
(hora)
500
380
!MAQ=MAQUINA(1,2)
CAP=CAPACIDAD
DE
MAQUINA(HORAS);
!PROD=PRODUCTO(1,2,3,4) PV=PRECIO DE VENTA;
!TM= TIEMPO X=UNIDADES PRODUCIDAS UTI= UTILIDAD;
CADA
SETS:
MAQ/1..2/:CAP;
PROD/1..4/:PV;
MATRIZ1(MAQ,PROD):TM,X,uti;
ENDSETS
DATA:
79
CAP=500,380;
PV=65,70,55,45;
TM= 2,3,4,2,
3,2,1,2;
UTI=45,40,15,25
50,60,50,35;
ENDDATA
MAX=@SUM(MATRIZ1:UTI*X);
@FOR(MAQ(I):@SUM(PROD(J):TM(I,J)*X(I,J))<=CAP(I));
END
12. Para una jornada de 24 horas un hospital esta requiriendo el siguiente personal
para el rea de enfermera, se define 6 turnos de 4 horas cada uno.
Turno
2:00 - 6:00
6:00 - 10:00
10:00 - 14:00
14:00 - 18:00
18:00 - 20:00
20:00 - 24:00
Nmero mnimo
de personal
4
8
10
7
12
4
Los contratos laborales son de 8 horas consecutivas por da. El objetivo es

encontrar el nmero menor de personas que cumplan con los requerimientos.
Formule el problema como un modelo de programacin lineal.
Solucin:
Xi = Cantidad de personal por cada turno i = 1, 2, 3, 4, 5, 6.
Horas
2:00 6:00
X1
Necesidades de personal por horario

6:00 10:00 14:00 18:00 10:00
14:00
18:00
20:00
X1
X2
X2
20:00 24:00
80
X3
X3
X4
X4
X5
X6
Personal
10
12
X5
X6
4
MIN Z = X1 + X2 + X3 + X4 + X4 + X5 + X6
Sujeto a:
Turno 1:
Turno 2:
Turno 3:
Turno 4:
Turno 5:
Turno 6:
X1 + X6 >= 4
X1 + X2 >=8
X2 + X3 >=10
X3 + X4 >=7
X4 + X5 >=12
X5 + X6 >=4
!HORAS=TUENO X=CANTIDAD DE PERSONAL POR TURNO;

!PERS=PERSONAL MIN=PERSONAL MINIMO;
!CANT=PERSONAL POR TURNO (1=EXISTE PERSONAL
TURNO, 0= NO EXISTE PERSONAL EN EL TURNO);
EN
EL
SETS:
HORAS/1..6/:X;
PERS/1..6/:MIN;
MATRIZ1(HORAS,PERS):CANT;
ENDSETS
DATA:
MIN=4,8,10,7,12,4;
CANT=1,1,0,0,0,0,
0,1,1,0,0,0,
0,0,1,1,0,0,
0,0,0,1,1,0,
0,0,0,0,1,1,
1,0,0,0,0,1;
ENDDATA
MIN=@SUM(HORAS:X);
81
@FOR(PERS(J):@SUM(HORAS(I):CANT(I,J)*X(I))>=MIN(J));
END
MIN
X( 1) +
SUBJECT TO
2] X( 1) + X(
3] X( 1) + X(
4] X( 2) + X(
5] X( 3) + X(
6] X( 4) + X(
7] X( 5) + X(
END
X( 2) + X( 3) + X( 4) + X( 5) + X( 6)
6)
2)
3)
4)
5)
6)
>=
>=
>=
>=
>=
>=
4
8
10
7
12
4
13. Se desean invertir 2 mil dlares en 6 tipos de inversin cuyas caractersticas

son las siguientes:
Tipo
de Interes Anual Factor
Inversion
(%)
Riesgo
1
2
3
4
5
6
8.5
9
8.5
14.3
6.7
13
0.02
0.01
0.38
0.45
0.07
0.35
de
Plazo
promedio de
inversion
8
2
5
6
2
4
El factor de riesgo significa la probabilidad de que el rendimiento real sea inferior

al esperado. Se considera ventajoso un perodo promedio ponderado de inversin
de ciando menos 5 aos; pero el factor promedio ponderado de riesgo no debe ser
superior a 0.20. La ley prohbe que la suma de las inversiones de los tipos 4 y 6 sea
mayor al 25% del total de la inversin. Con P.L formule un modelo de P.L para
decidir cmo invertir para maximizar el rendimiento de los 2 millones de dlares.
!TIPO=TIPO DE INVERSION
INV= INVERSION SUJETA A
FACTORES;
!INT=INTERES ANUAL X=CANTIDAD DE DOLARES A INVERTIR EN
LA INVERSION;
82
!DAT= CARACTERISTICAS;
SETS:
TIPO/1..4/:INV;
CAR/1..6/:INT,X;
MATRIZ1(TIPO,CAR):DAT;
ENDSETS
DATA:
INT=8.5,9,8.5,14.3,6.7,13;
INV= 2000,400,10000,500;
DAT= 1,1,1,1,1,1,
0.02,0.01,0.38,0.45,0.07,0.35,
8,2,5,6,2,4,
0,0,0,1,0,1;
ENDDATA
MIN=@SUM(CAR:0.01*INT*X);
@FOR(TIPO(I):@SUM(CAR(J):DAT(I,J)*X(J))>=INV(I));
END
14. Salvaje Oeste produce dos clases de sombrero vaquero. Un sombrero de la
clase 1 requiere el doble de mano de obra que uno de la clase 2. Si toda la
mano de obra se dedicara solo a la clase 2, la empresa podra producir
diariamente 400 de estos sombreros. Los lmites de mercado respectivos son
150 y 200 sombreros diarios para esas clases. La utilidad es $8 por cada
sombrero de la clase 1, y $5 por cada uno de la clase 2.
Solucin:
!Rhs=Recursos U=Utilidad de cada sombrero;
!Aij=Coeficientes de las variables
X= Cantidad de
sombreros a producir;
SETS:
VARI/1..3/:Rhs;
VARJ/1..2/:U,X;
ConsVar(VARI,VARJ):Aij;
ENDSETS
83
DATA:
Rhs=400,150,200;
U=8,5;
Aij= 2,1,
1,0,
0,1;
ENDDATA
MAX=@SUM(VARJ:U*X);
@FOR(VARI(I):@SUM(VARJ(J):Aij(I,J)*X(J))<=Rhs(I));
END
15. Blubber Maid, Inc. Fabrica tres productos de caucho: Airtex (material
esponjoso), Extendex (material elstico) y Resistex (material rgido). Los tres
productos requieren los mismos tres polmeros qumicos y una base. La
cantidad de cada ingrediente usado por libra del producto final se muestra en la
siguiente tabla.
Producto
Airtex
Extendex
Resistex
Inventario
Ingrediente (OZ/LB de producto)

Polmero A
Polmero B
Polmero C
4
2
4
3
2
2
6
3
5
500
425
650
Base
6
9
2
1100
Cada producto tiene una utilidad de 7, 7 y 6 S/. ; mientras que la demanda de cada
uno es de 1000, 500 y 400 unidades respectivamente.
Solucin:
!PROD=PRODUCTO GAN=UTILIDAD DEM=DEMANDA;
!X= CANTIDAD A PRODUCIR INV=INVENTARIO CANT=CANTIDAD DE
INGREDIENTES;
SETS:
PROD/1..3/:GAN,DEM,X;
ING/1..4/:INV;
VECTOR(PROD,ING):CANT;
ENDSETS
DATA:
GAN=7,7,6;
84
DEM=1000,500,400;
INV=500,425,650,1100;
CANT=4,2,4,6,
3,2,2,9,
6,3,5,2;
ENDDATA
MAX=@SUM(PROD:GAN*X);
@FOR(ING(J):@SUM(PROD(I):CANT(I,J)*X(I))<=16*INV(J));
@FOR(PROD(I):X>=DEM(I));
END
16. Walnut Orchard tiene dos granjas que cultivan trigo y maz. Debido a las
diferentes condiciones el suelo, existen diferencias en la produccin y en los
costos e produccin de las dos granjas. En la tabla se encuentran los costos y la
produccin para las dos granjas. Cada granja dispone de 100 acres para los
cultivos. Hay que producir 11000 busheles de trigo y 7000 busheles de maz.
Determinar un plan de siembra que minimice los costos para satisfacer estas
demandas.
Granja
Granja 1
Granja 2
Costo
100
120
Maz
Produccin
500
650
Costo
90
80
Trigo
Produccin
400
350
Solucin:
!TAM=TAMAO DE ACRES DISPONIBLES PARA CADA GRANJA;
!UNID=PRODUCCION DE CADA GRANJA X=CANTIDAD DE LA
GRANJA(1,2);
SETS:
GRANJA/1..2/:TAM;
PRODUCTO/1..2/:DEMANDA;
RUTAS(GRANJA,PRODUCTO):UNID,COSTO,X;
ENDSETS
DATA:
TAM=100,100;
DEMANDA=11000,7000;
UNID=500,650,
85
400,350;
COSTO=100,120,
90,80;
ENDDATA
MIN=@SUM(RUTAS:COSTO*X);
@FOR(GRANJA(I):@SUM(PRODUCTO(J):X(I,J))<=TAM(I));
@FOR(PRODUCTO(J):@SUM(GRANJA(I):UNID(I,J)*X(I,J))>=DEMANDA(J)
);
Siendo la respuesta a la solucin ptima mediante LINGO:

MIN
100 X( 1, 1) + 120 X( 1, 2) + 90 X( 2, 1) + 80
X( 2, 2)
SUBJECT TO
2] X( 1, 1) + X( 1, 2) <=
100
3] X( 2, 1) + X( 2, 2) <=
100
4] 500 X( 1, 1) + 400 X( 2, 1) >=
11000
5] 650 X( 1, 2) + 350 X( 2, 2) >=
7000
END
17. Una empresa produce filtros para monitores de PC formado por tres capas, una
intermedia de calidad A y otras dos exteriores de calidad B que envuelven a la
anterior. Ambas calidades se consiguen con diferentes mezclas de fibras de
vidrio y resina de las que el fabricante dispone por semana de 700 y 900
unidades, respectivamente. La empresa posee cuatro plantas de produccin que
utilizan procedimientos de fabricacin que difieren en las cantidades de
materia prima que utilizan. Las cantidades necesarias de materia prima por
operacin para cada planta que se pueden llevar a cabo total o parcialmente, as
como el nmero de capas producidas de uno y otro tipo, se tiene en la tabla.
Planta
1
2
3
4
Disponibilidad
Solucin:
Unidades requeridas por

operacin
Vidrio
Resina
15
19
14
20
16
15
12
188
700
900
Capas producidas por

operacin
Tipo A
Tipo B
2
5
3
7
5
4
4
4
SC (1)
SC (2)
86
Xi: numero de operaciones en la planta i (1, 2, 3,4)

Y: filtros fabricados
S: suma de capas producidas
MAX Z = Y
!MP= MATERIA PRIMA X= NUMERO DE OPERACIONES;
!DISP=DISPONIBILIDAD DE LA MATERIA PRIMA SC=SUMA DE CAPAS;
!Y=SOLUCION UNID=UNIDADES REQUERIDAS
FAB= NUMERO DE CAPAS;
SETS:
PLANTA/1..4/:X;
MP/1..2/:DISP;
CAP/1..2/:SC;
SOL/1..1/:Y;
VECTOR1(PLANTA,MP):UNID;
VECTOR2(PLANTA,CAP):FAB;
ENDSETS
DATA:
DISP=700,900;
UNID=15,19,
14,20,
16,15,
12,18;
FAB=2,3,
3,7,
5,4,
4,4;
ENDDATA
MAX=@SUM(SOL:Y);
@FOR(MP(J):@SUM(PLANTA(I):UNID(I,J)*X(I))<=DISP(J));
@FOR(CAP(J):@SUM(PLANTA(I):FAB(I,J)*X(I))=SC(J));
Y(1)<=SC(1);
Y(1)<=SC(2)/2;
END
18. Una empresa que fabrica un producto nico, tiene 3 fbricas y 4 clientes. Las 3
fabricas producen 3 000, 5 000 y 5 000 unidades respectivamente, durante el
siguiente periodo. La empresa se comprometi a vender 4 000 unidades al
87
cliente 1; 3 000 unidades al cliente 2; y, por lo menos, 3 000 unidades al

cliente 3. Los clientes 3 y 4 quieren comprar la mayor cantidad posible de las
unidades restantes. En la siguiente tabla se da la ganancia asociada con el envo
de una unidad desde la fbrica i hacia el cliente j.
DESDE
Fabrica 1
Fabrica 2
Fabrica 3
1
(dlares)
65
68
63
AL CLIENTE
2
3
4
(dlares) (dlares) (dlares)
63
62
64
67
65
62
60
59
60
Plantear un problema de transporte balanceado que se pueda utilizar para

maximizar la ganancia de la compaa.
SETS:
FABR/FAB1,FAB2,FAB3/: CAPAC;
CLIEN/CEN1,CEN2,CEN3,CEN4/:DEMAN;
VIAS(FABR,CLIEN):GANAN,UNID;
ENDSETS
DATA:
CAPAC=3000 5000 5000;
DEMAN=4000 3000 3000 6000;
GANAN=65,63,62,64,
68,67,65,62,
63,60,59,60;
ENDDATA
MAUNID=@SUM(VIAS:GANAN*UNID);
@FOR(CLIEN(J):@SUM(FABR(I):UNID(I,J))>=DEMAN(J));
@FOR(FABR(I):@SUM(CLIEN(J):UNID(I,J))<=CAPAC(I));
END
88
19. OILCO tiene campos petrolferos es San Diego y en Los ngeles. El campo de
San Diego puede producir diariamente hasta 500 000 barriles por da.
Se manda el petrleo desde los campos hacia una refinera en Dallas o en
Houston (suponga que cada refinera tiene capacidad ilimitada).
Cuesta 700 dlares refinar 100 000 barriles de petrleo en Dallas y 900 dlares
100 000 barriles en Houston. Se enva petrleo refinado hacia clientes en
Chicago y en New York. Los clientes en Chicago necesitan diariamente 400 000
barriles de petrleo refinado y los clientes de Nueva York slo 300 000 barriles
de petrleo refinado. En la tabla se muestran los costos de envo de 100 000
barriles de petrleo (refinado o no) entre las ciudades. Formule un modelo de
transporte balanceado para esta situacin.
DESDE
L.A.
San Diego
Dallas
Houston
Dallas
300
420
-
Houston
110
100
-
HACIA
New York
450
470
Chicago
550
530
Solucin:
!S=COSTO DE ENVIAR DE LOS CAMPOS A LAS REFINERIAS;
!C=COSTO DE ENVIAR DE LAS REFIENRIAS A LOS CLIENTES;
!Y=CANTIDAD ENVIADA A LAS REFINERIAS X=CANTIDAD ENVIADA A LOS
CLIENTES;
SETS:
CAMPOS/C1,C2/:PRODUCCION;
CLIENTES/Z1,Z2,Z3/:DEMANDA;
!se ha creado un cliente ficticio al cual llamamos z3;
RUTA1(CAMPOS,CAMPOS):S,Y;
RUTAS(CAMPOS,CLIENTES):C,X;
ENDSETS
MIN=@SUM(RUTAS:C*X)+@SUM(RUTA1:S*Y);
@FOR(CAMPOS(I):@SUM(CLIENTES(J):X(I,J))>=PRODUCCION(I))
;
@FOR(CLIENTES(J):@SUM(CAMPOS(I):X(I,J))>=DEMANDA(J));
89
!por 100 000 barriles de petroleo;

DATA:
PRODUCCION=500,400;
DEMANDA=400,300,200;
S=300,110,
420,100;
C= 450,550,0,
470,530,0;
ENDDATA
END
MIN
450 X( C1, Z1)
Z1) + 530 X( C2, Z2)
+ 300 Y( C1, C1)
C1)
+ 100 Y( C2, C2)
SUBJECT TO
2] X( C1, Z1) + X( C1,
3] X( C2, Z1) + X( C2,
4] X( C1, Z1) + X( C2,
5] X( C1, Z2) + X( C2,
6] X( C1, Z3) + X( C2,
END
+ 550 X( C1, Z2) + 470 X( C2,

+ 110 Y( C1, C2) + 420 Y( C2,
Z2)
Z2)
Z1)
Z2)
Z3)
+ X(
+ X(
>=
>=
>=
C1, Z3) >=

C2, Z3) >=
400
300
200
500
400
20. (PROPUESTO)En una compaa se fabrican 2 productos S y T, los cuales

tiene que pasar por 2 operaciones de manufactura. La primera operacin se
realiza en el centro de maquinas 1 o 2; y la segunda en el centro de maquinas 3
o 4. los tiempos de operacin por cada unidad producida, las capacidades de
dichos centros de maquina y sus costos por minuto se muestran en la tabla. Las
necesidades diarias son de 600 unidades para el producto S y 300 unidades
para el producto T. El objetivo consiste en encontrar una programacin de la
produccin que minimice los costos totales.
Centro
maquinas
Producto S
Producto T
Capacidad
Costo
de 1
10
20
4800
30
6
8
3600
50
16
12
6000
30
12
10
6000
50
90
21. (PROPUESTO)ABC produce dos tipos de productos. Se puede fabricar cada

producto en cualquiera de dos maquinas. En la tabla 1 se dan los tiempos
necesarios (en horas) para producir cada producto en cada mquina.
Cada mes hay 500 horas de tiempo disponible para cada maquina. Cada mes los
clientes estn dispuestos a comprar los productos hasta las cantidades y a los
precios indicados en la tabla 2. La compaa desea maximizar los ingresos
obtenidos mediante la venta de productos durante los dos prximos meses y se
ha propuesto adems para el mes 2, ofrecer al mercado un nuevo producto que
resulta del ensamble de unidades del producto 1 con tres unidades del producto
2, el precio de venta de este nuevo producto es de 280 por unidad y se estima
que la demanda de este nuevo producto sea de 50 unidades. Formule un PL para
maximizar el ingreso.
Tabla 1
Maquina 1
Producto 1
Producto 2
Producto 1
Producto 2
4
7
Maquina 2
3
4
Tabla 2
Demanda mes Demanda mes Precio mes 1
1
2
100
90
55
140
70
65
Precio mes 2
42
62
22. (PROPUESTO)La empresa ABC requiere el servicio de corte de FENIX para

los siguientes meses:
MES
ENERO
FEBRERO
MARZO
ABRIL
UNIDADES
840
760
670
1030
El costo normal de corte por unidad es de 18S/.

Si la solicitud de corte por mes de ABC, baja con respecto al mes anterior ABC
deber pagar a FENIX S/. 3 adicionales al costo de corte por cada unidad de
diferencia y si la solicitud de corte aumenta al mes anterior, ABC deber pagar solo
S/. 1 adicional al costo del corte por cada unidad de aumento.
Determinar la funcin objetivo que optimice el costo de corte.
91
1.4 ASPECTOS DEL ALGEBRA LINEAL Y ANLISIS CONVEXO

1.4.1 VECTORES
Un vector es un arreglo de n nmeros denotados por: a 1 = (a11, a21,. . ., a
llamado vector fila o llamado columna donde n es la dimensin del vector.
n-1
Ejemplos:
a.- (1, 3, -1, 5) es un vector fila de dimensin
4
b.- es un vector columna de dimensin
8
n = 4.
n=2
c.- e3 = (0, 0, 1, 0) es un vector unitario de dimensin 4 donde el 1 se ubica en la

tercera posicin.
0
d.- 0 =
0
es un vector cero cuyas componentes son iguales a cero.
1.4.2 OPERACIONES CON VECTORES
Suma De Vectores
Los vectores de igual dimensin se pueden sumar, ejemplo:

a1 = (3, 5, 7)
a2 = (4, 2, 1)
a3 = a1+ a2 = (7, 7, 8)
Multiplicacin Por Un Escalar
Dado un vector a = (a1, a2,. . ., a n) y un escalar k el producto b es:

b = a k = (a1k, a2 k..., an k)
Espacio Euclidiano
92
Un espacio euclidiano n dimensional, denotado por E n , es el conjunto de

todos los vectores de dimensin n.
Combinacin Lineal
Se dice que un vector b en E n es una combinacin lineal de los vectores a 1,

a2,. . ., a k en E n , si:
k
b=
j 1
, donde 1, 2,. . ., k son nmeros
reales.
Vectores Linealmente Independientes
Los vectores a1, a2,. . ., a k de dimensin n son linealmente independientes si:

k
R a
j 1
0 , implica que R j=0 para j = 1, 2,. . ., k
Ejemplo:
a1 = (3, 5) y a2 = (1, 7), estos vectores son linealmente Independientes puesto que:
R1 (3, 5) + R2 (1, 7) = (0, 0)
(3R1 + R2, 5R1 + 7R2) = (0, 0)
3R1 + R2 = 0
5R1 + 7R2 = 0
La solucin es R1 = R2 = 0
Si para alguna R j = R1, R2,. . ., R k donde no todos son ceros se dice que los
vectores son linealmente dependientes.
Ejemplo:
a1 = (3, 5) y a2 = (6, 10)
R1 (3,5) + R2 (6, 10) = (0, 0)
93
3R1 + 6R2 = (0, 0) (1)

5R1 + 10R2 = (0, 0).. (2)
De (1) R1 = -2R2, si R2 = -1 entonces R1 = 2. Entonces los vectores a1 y a2 son
linealmente dependientes.
BASE
Una coleccin de vectores a1, a2,. . ., a k forman una base de E n (espacio n
dimensional) si se satisfacen las siguientes condiciones:
1. a1, a2,. . ., a k generan a E n .
2. Si se elimina cualquiera de estos vectores, la coleccin de
vectores restantes no generan E n .
1.4.3 MATRICES
Una matriz es un arreglo rectangular de nmeros denotados por A =[a i j] mxn donde
m = # de filas y n = # de columnas.
Matriz Cero
Una matriz A = [a i j ] mxn se llama matriz cero si cada elementos cero.

Es decir, a i j = 0.
Ejemplo:
0
A
0
0
0
0
0
Es una matriz cero de orden 2 x 3.
Suma de Matrices
94
Si A = [ a
ij
]yB[b
ij
] son matrices mxn, se llama suma de A y B a otra matriz
C= [ c i j ]mxn tal que c i j = a i j + b i j para i = 1, 2, . . .,m y j = 1, 2, . . ., n.
Ejemplo:
3
A
4
1
3
5
B
6
8
8
8 9
C A B
10 11
Multiplicacin por un Escalar
Sea A = [ a
ij
] una matriz mxn y k un escalar entonces k A es una matriz m x n
cuyo elemento i j es k x a ij.

Ejemplo:
3 1
A
4 3
K 2
6
2A
8
2
6
95
Multiplicacin de Matrices
Dos matrices A = [ a i k ] y B[ b k j ] pueden multiplicarse en el orden AB si el

numero de columnas de A es igual al nmero de filas de B, esto es, si A es del
orden (mxr) entonces B es del orden (rxn). Sea D = AB, entonces D = [d i j] es del
orden (mxn) y sus elementos d ij estn dados por:
d i j = a i k * b k j Para: i = 1, 2,. . ., m y
j = 1, 2,. . ., n
Ejemplo:
1
1
A 4
2
2
0
5
1
1x5 1x3 1x1

D 4 x5 2 x3 5 x1
2 x5 0 x3 1x1
3
D 19
11
5
B 3
1
0
0
1
1x0 1x 0 1x1
4 x0 2 x 0 5 x1
2 x0 0 x0 1x1
1
5
1
Matriz Transpuesta
La matriz AT se denomina transpuesta de A si el elemento a

elemento a j i de AT.
i j
de A, es igual al
Ejemplo:
96
2
A 3
4
5
6
2
AT
5
3
6
4
7
Para las matrices transpuestas se cumple:

(AT)T = A
(A + B)T = AT + BT; A Y B con igual nmero de filas y columnas.
(AB)T = BTAT
( A )T = AT
( es un escalar).
Matriz Identidad
Sea A = [a i j ] una matriz nxn, se dice que es una matriz identidad, denotada por I,
si todos los elementos de la diagonal son iguales a uno y todos los dems
elementos son iguales a cero.
Ejemplo:
1
I 0
0
0
1
0
0
1
Matriz Identidad de orden 3 x 3
Inversin de Matrices
Sea A = [a i j] una matriz cuadrada nxn. Si B = [b i j] es una matriz nxn tal que AB =
I y BA = I, entonces B se llama inversa de A. La matriz inversa, si existe, es nica
y se denota por A-1.
Si A tiene una inversa, entonces A se llama no singular; en caso contrario se llama
singular. Una matriz dada A = [a i j] nxn tiene inversa, si y solo si, las filas de A son
linealmente independientes o, de manera equivalente, si las columnas de A son
linealmente independientes.
Rango de una Matriz
El rango de una matriz es igual al nmero mximo de filas (o columnas)

linealmente independientes.
97
Sea A = [a i j ] mxn una matriz m x n, el rango (A) mnimo (m, n).

Si rango (A) = min (m, n) se dice entonces que A es rango completo.
METODO DE GAUSS JORDAN PARA CALCULAR LA INVERSA DE
UNA MATRIZ
Sea la matriz particionada (A | I) donde A = [a i j] es no singular. Remultiplicando
esta matriz por A-1 se obtiene:
A-1( A | I ) = ( A-1A | A-1I ) = ( I |A-1 )
Por consiguiente aplicando una sucesin de transformaciones con filas solamente,
la matriz A se cambia a I e I se cambia a A-1.
Ejemplo: Sea el siguiente sistema de ecuaciones
3x1 + x2 = 9
5x1 2x2 = 4
Este es un sistema de la forma AX= b
3 1 X 1 9
5 2 X 4
2
La solucin de X y la inversa de la matriz base pueden obtenerse directamente
considerando:
(A | I)(x) = b y omitiendo (x) (A | I | b)
Multiplicando por A-1 (A-1) (A | I | b)
Obteniendo finalmente (I | A-1 | A-1b)
Por consiguiente, aplicando una operacin de transformacin de filas, se obtiene
las siguientes iteraciones:
Para el sistema A x = b, le damos la forma (A | I | b)
98
Iteracin 1: (se divide la primera fila entre 3, al resultado se multiplica por

(-5) y se suma a la segunda fila)
1
1/ 3
1/ 3
11 / 3
5/3
11
Iteracin 2: (la segunda fila se divide entre -11/3, al resultado se

multiplica por (-1/3) y se suma a la primera fila)
1
0 15 / 33
2 / 11
1 / 11
3 / 11
Esto da X1 = 2 y X2 = 3, la inversa de A es:

2 / 11
A1
15 / 33
1 / 11
3 / 11
Es til conocer los siguientes hechos sobre inversin de matrices:

Si A = [a i j] es no singular, entonces AT = [a i j] tambin es no singular y (A T)-1 = (A1 T
)
Si A = [a i j] y B = [b i j] son matrices no singulares nxn, entonces AB es no singular
y (AB)-1 = B-1A-1.
1.4.4 ECUACIONES LINEALES SIMULTNEAS

Sean A = [a i j] una matriz m x n y sea el sistema AX = b y la matriz aumentada (A,
b) con m filas y (n+1) columnas.
Si el rango de (A, b) es mayor que el rango de A, entonces b no se puede
representar como una combinacin de (A, b) es mayor que el rango de A, entonces
99
b no se puede representar como una combinacin lineal de a 1, a2,. . ., a n, y por lo

tanto el sistema AX = b no tiene solucin (y en particular, el sistema AX = b, X
0 no tiene solucin).
Si K es el nmero de ecuaciones y n el nmero de incgnitas, entonces: Los casos
posibles que pueden ocurrir son:
1. Rango (A, b) > Rango (A). Por lo tanto, AX = b no tiene solucin.
2. Rango (A, b) = Rango (A) con k = n, entonces solo existe una solucin para
el sistema.
3. Rango (A, b) = Rango (A) con k < n, en consecuencia existe un nmero
infinito de soluciones al sistema AX = b
Ejemplos:
Caso 1:
X1 + X2 = 8
2X1 + X2 = 13
3X1 + 2X2 = 15
1
2
3
1
1
2
13
15
Restando la tercera fila con la suma de las dos primeras se tiene:

1
2
0
1 8
1 13
0 6
La tercera fila de A es linealmente independiente de las dos primeras, por

consiguiente:
Rango de (A) = 2
100
Rango de (A, b) = 3 y
AX = b no tiene solucin
Caso 2:
X1 + X2 = 8
2X1 + X2 = 13
1
1 8
1 13
0 5
1 3
Rediciendo filas se tiene:
Por consiguiente X1 = 5 Y X2 = 3
Caso 3:
X1 + X2 + X3 = 8
2X1 + X2
= 13
1
1 1 8
1 0 13
Reduciendo filas se tiene:

1
0 1 5
1 2 3
Sea X3 equivalente a un valor arbitrario , entonces: X1 = 5 + y X2 = 3 - 2.

Dado que puede adquirir cualquier valor, se tiene que el nmero de soluciones
es infinito.
Si se asume que el valor de una de las variables, de las ecuaciones simultneas del
caso 3, es cero se tiene que las soluciones bsicas se reducen a las siguientes:
101
En general, para un sistema de m ecuaciones simultaneas y de n variables, si se

hace igual a cero las (n-m) variables se tiene que el nmero de soluciones bsicas
es:
C mn
n!
m! n m !
Del ejemplo anterior, m=2 y n=3 el nmero de soluciones es:

C23
3!
2! 3 2 !
1.4.5 CONJUNTOS CONVEXOS

Un conjunto X en E n se llama convexo, si dados 2 puntos X 1 y X2, en X, se cumple
que X1 + ( 1- )X2 X, donde 0 1, a esta expresin se le denomina
combinacin convexa de X1 y X2.
Dicho de otra manera, una conjunto X es convexo si y solo si el segmento
determinado por cualquier par de puntos de X est incluido en X.
En la siguiente figura se muestra un ejemplo de conjunto convexo y de un conjunto
no convexo.
Ejemplo:
102
CONJUNTO CONVEXO
CONJUNTO NO CONVEXO
Puntos Extremos
Sea un conjunto X en E n , se dice que los puntos extremos son aquellos que no
pueden ser representados como una combinacin convexa estricta de dos puntos
distintos en X.
Ejemplo:
Hiperplano
Es aquel que divide a E n en dos regiones llamadas semiespacios y adems es un

conjunto convexo.
103
Conjunto Polidrico
Es la interseccin de un nmero finito de semiespacios.
2.1 MTODO GRFICO

Consiste en presentar la restricciones sobre los ejes de coordenadas, para delimitar
la regin donde se encuentran las soluciones factibles (x 0).
Las soluciones ptimas se encontrarn en el permetro del conjunto polidrico
formado por planos.
Sea el siguiente problema
Max Z = 2X1 + 3X2
Sujeto a:
2X1 + X2 6................. (1)

X1 - X2 1................. (2)
104
X1, X2 0
Si por el momento se considera a estas desigualdades como igualdades, se obtienen
puntos que luego los llevaremos a una grfica, que se muestra en la siguiente
pgina.
2X1 + X2 = 6
Si X1 = 0 X2 = 6
Si X2 = 0 X1 = 3
X1 - X2 = 1
X1
0
3
X2
6
0
X1
0
1
X2
-1
0
La orientacin de los planos, se logra asumiendo que X 1 = X2 = 0 para cada

inecuacin, el valor ptimo de la funcin objetivo se obtiene reemplazando los
valores aceptables de X1 y X2. Los nmeros en parntesis son las restricciones en
la formulacin.
105
La regin factible, es el rea delimitada por los planos (1) y (2).

Ahora interceptamos las ecuaciones (1) y (2), para obtener los valores de X 1, X2,
convirtiendo las inecuaciones en igualdades.
2X1 + X2 = 6......... (1)
X1 - X2 = 1......... (2)
X1 = 7/3
X2 = 4/3
Reemplazando los valores aceptables de X1 y X2, obtenemos el valor de la funcin
objetivo. Decimos valores aceptables por que stos tienen que satisfacer las
condiciones de las inecuaciones.
Z = 2(7/ 3) + 3(4/ 3) = 26/3
Este valor encontrado es el valor ptimo de la funcin objetivo, que en este
ejemplo se presenta como maximizacin. A continuacin veremos otro mtodo
para encontrar la solucin de este tipo de problemas.
2.2 MTODO SIMPLEX
Optimizar:
Z = CX
Sujeto a:
AX = b
X0
CB: Coeficientes de las variables bsicas
CN: Coeficientes de las variables no bsicas
XB: Variables bsicas
XN: Variables No bsicas

B: Matriz bsica
N: Matriz No bsica
106
Entonces si reemplazamos, quedara de la siguiente forma:
XB
XN
Z (C B C N )
Sujeto a:
XB
b
( B N )
XN
Luego:
Z = CB XB + CN XN
Sujeto a:
BXB + NXN = b
A continuacin multiplicamos por B-1 tanto en la parte derecha como en la parte
izquierda de la restriccin:
B-1(BXB + NXN) = B-1b
Resolviendo el siguiente producto:
B-1BXB + B-1NXN = B-1b
XB = B-1b - B-1NXN
Sabemos que: XN = 0
Reemplazamos 2
en 1
Z = CB (B-1b - B-1NXN) + CN XN
Z = CB B-1b (CBB-1NXN - CN XN)
107
Z = CB B-1b (CBB-1N - CN) XN

De 3
. 3
:
Z = CB B-1b (CBB-1N - CN) XN
1Z + 0 XB + (CBB-1N - CN) XN = CB B-1b 4
De 2 :
XB = B-1b - B-1NXN
0 Z + 1XB + (B-1N)XN = B-1b
De
4 y
. 5
5 :
1 0 C B B 1 N C N
0 1
B 1 N
Z
XB
X
N
C B B 1b
B
b
XB
XN
LD
CBB-1N - CN
CB B-1b
XB
B-1N
B-1b
METODO DE SOLUCION PARA UN ALGORITMO SIMPLEX

Para resolver un problema Lineal se requiere partir de una solucin bsica factible
(IXB = b). La matriz identidad (I) se obtiene agregando variables artificiales a las
restricciones, estas variables formarn la primera base del sistema (X B) y por
consiguiente se tendr la primera solucin bsica.
108
VARIABLES DE HOLGURA
Es una variable positiva que representa la diferencia entre los dos lados de una
restriccin.
VARIABLES ARTIFICIALES
Despus de introducir las variables de holgura y observar que no existe una
submatriz identidad para tener una solucin bsica factible inicial, entonces se
introducir variables denominadas como Variables Artificiales para obtener la
submatriz identidad.
Se va ilustrar con un ejemplo los pasos a dar para la resolucin de un problema.
Max Z = 3X1 + 10X2
Sujeto a:
2X1 + 3X2 8
8X1 + 3X2 20
X 1, X2 0
a) Se tiene que transformar las inecuaciones en ecuaciones, para lo cual

introducimos solo las variables de holgura ya que las restricciones son del
tipo .
As se tiene:
Max Z = 3X1 + 10X2 + 0X3 + 0X4
Sujeto a:
2X1 + 3X2 + X3= 8

8X1 + 3X2 + X4 = 20
X 1, X2, X3, X4 0
X3 y X4 son las variables bsicas, siendo X1 y X2 las variables no bsicas.

Se construye la siguiente tabla:
Z
X3
Z
1
0
X1
-3
2
X2
-10
3
X3
0
1
X4
0
0
LD
0
8
109
X4
20
b) Identificacin de la variable de entrada a la base: Seleccionar la variable no

bsica que mejore el valor de Z ms rpidamente.
Para la maximizacin se elige la de coeficiente ms negativo (Z J

CJ < 0)
Para la minimizacin se elige la de coeficiente ms positivo (Z J
CJ > 0)
En el caso de que no existan variables con coeficientes negativos
en la maximizacin y positivos en la minimizacin se habr
alcanzado la solucin ptima.
En el ejemplo, la variable X 2 es la que tiene el coeficiente ms negativo (10), por lo tanto se convertira en la variable de entrada.
c) Identificacin de la variable de salida de la base: Se denomina variable de
salida a aquella variable, cuyo valor se aproxime ms rpidamente o cero a
medida que el valor de la variable de entrada vaya creciendo, esto se hace
mediante el siguiente procedimiento algebraico.
br
X K min
, YrK 0
YrK
En el ejemplo:
K
X = mnimo (8/3 , 20/3) = 8/3

3
Este resultado indica que la variable de salida es X y este lugar es ocupado

2
por la variable X .
Z
X2
X4
Z
1
0
0
X1
-3
2
8
X2
-10
3
3
X3
0
1
0
X4
0
0
1
LD
0
8
20
110
d) Determinacin de la nueva solucin factible bsica:

En la tabla, la columna encabezada por la variable de entrada, debe ser un
vector unitario, esto se logr mediante operaciones de filas.
En el ejemplo:
X2
-10
3
3
Se ha de convertir en
X2
0
1
0
La transformacin se logr de la manera siguiente:
Se divide la segunda fila entre 3

(0
8)
x 1/3
Al resultado de la segunda fila se le multiplica por 10 y se suma a

la primera fila.
(0
+ (1
1
2/3
1
-3
-10
11/3
0
1/3
0
10/3
0
0
0
8/3 )
0)
80/3
x 10
Al resultado de la segunda fila se multiplica por (-3) y se suma a la

tercera fila
(0
+ (0
0
2/3
1/3
8/3 )
8
6
3
0
0
-1
1
1
20 )
12
x (3)
Entonces la tabla resultante es como sigue:
111
Z
X2
X4
Z
1
0
0
X1
11/3
2/3
6
X2
0
1
0
X3
10/3
1/3
-1
X4
0
0
1
LD
80/3
8/3
12
Como se puede apreciar en el tablero, no existen variables con coeficientes

negativos esto indica que se ha llegado a la solucin ptima.
Si hubiese alguna variable con coeficiente negativo se contina con el paso (b)
hasta llegar a una solucin ptima.
Cuando existen desigualdades del sentido mayor o igual y tambin igualdades
entonces se prepara el programa, introduciendo variables de holgura y artificiales a
fin de obtener una submatriz identidad.
A continuacin se presentan dos mtodos para resolver problemas de las
caractersticas precedentes.
2.3 MTODO DE PENALIZACION

Para resolver un problema, los pasos que se siguen son:
Obtencin de la submatriz identidad.
Le adicionan tambin las variables artificiales en la funcin objetivo. Con el
coeficiente M para el caso de maximizacin y +M para el caso de
minimizacin.
Se procede a solucionar el problema.
Ejemplo:
Min Z = 3X1 + 8X2
Sujeto a:
X1 + X2 = 200
X1 800
X2 60
112
Adicionando las variables de holgura X 4 y X5 y las variables artificiales X 3 y X6 se

tiene:
Min Z = 3X1 + 8X2 + MX3 + MX6
Sujeto a:
X1 + X2 + X3 = 200
X1 + X4 = 80
X2 - X5 + X6 = 60
X1, X2, X3, X4, X5, X6 0
Z
X3
X4
X6
Z
1
0
0
0
X1
-3
1
1
0
X2
-8
1
0
1
X3
-M
1
0
0
X4
0
0
1
0
X5
0
0
0
-1
X6
-M
0
0
1
LD
0
200
80
60
M-3
X3
X4
X6
0
0
0
1
1
0
2M8
1
0
1
-M
260M
1
0
0
0
1
0
0
0
-1
0
0
1
200
80
60
M-3
M-8
X3
X4
X2
0
0
0
1
1
0
0
0
1
1
0
0
0
1
0
1
0
-1
3-M
M-8
X3
X1
0
0
0
1
0
0
1
0
-1
1
1
0
82M
-1
0
1
82M
-1
0
140M+480
140
80
60
60M+720
60
80
113
X2
-1
60
Z
X5
X1
X2
1
0
0
0
0
0
1
0
0
0
0
1
8-M
1
0
1
-5
-1
1
-1
0
1
0
0
-M
-1
0
0
1200
60
80
120
En el primer tablero se multiplica por M las filas 2 y 3 y se suman a la fila 1 para

que se tenga vectores unitarios para las variables X 3 y X6.
Los resultados se muestran en el segundo tablero, de all el procedimiento es el
descrito anteriormente.
Como en el tablero no existen variables con coeficientes positivos, recordar que M
es un valor muy grande por tratarse de una minimizacin, se dice que se ha llegado
a su solucin ptima.
X1 = 80,
X2 = 120,
ZMIN = 1200
2.4 MTODO DE LAS DOS FASES

Para resolver un problema, los pasos que se siguen son:
Obtencin de la submatriz identidad.

La primera fase consiste en minimizar la funcin objetivo compuesta de
variables artificiales has lograr que sean igual a cero.

La segunda fase consiste en la optimizacin de la funcin objetivo original en
base a la solucin obtenida en la fase uno.
Ejemplo:
Con el ejemplo utilizado en el Mtodo de Penalizacin.
FASE I: Se tiene que la funcin objetivo para la primera fase es:
Min = X3 + X6
114
Y los tableros correspondientes son:
Z
X3
X4
X6
Z
1
0
0
0
X1
0
1
1
0
X2
0
1
0
1
X3
-1
1
0
0
X4
0
0
1
0
X5
0
0
0
-1
X6
-1
0
0
1
LD
0
200
80
60
Z
X3
X4
X6
1
0
0
0
1
1
1
0
2
1
0
1
0
1
0
0
0
0
1
0
-1
0
0
-1
0
0
0
1
260
200
80
60
Z
X3
X4
X2
1
0
0
0
1
1
1
0
0
0
0
1
0
1
0
0
0
0
1
0
1
1
0
-1
-2
-1
0
1
140
140
80
60
-1
-2
60
115
X3
X1
X2
0
0
0
0
1
0
0
0
1
1
0
0
-1
1
0
1
0
-1
-1
0
1
60
80
60
Z
X5
X1
X2
1
0
0
0
0
0
1
0
0
0
0
1
-1
1
0
1
0
-1
1
-1
0
1
0
0
-1
-1
0
0
0
60
80
120
Como se observa en ltimo tablero las variables artificiales tienen valor cero lo
cual significa que el problema tiene solucin.
FASE II: Por consiguiente la segunda fase comprende de la funcin objetivo
inicial y la informacin de las variables bsicas del ltimo tablero de la primera
fase donde, si se desea, se puede omitir la informacin referente a las variables
artificiales.
Z
X5
X1
X2
Z
1
0
0
0
X1
-3
0
1
0
X2
-8
0
0
1
Z
X5
X1
X2
1
0
0
0
0
0
1
0
0
0
0
1
X3
X4
0
-1
1
-1
X5
0
1
0
0
-5
-1
1
-1
0
1
0
0
X6
LD
0
60
80
120
1200
60
80
120
Del tablero se observa que:

X1 = 80,
X2 = 120,
ZMIN = 1200
116
3.1 DUALIDAD: UN ENFOQUE CONCEPTUAL

Cuando se asocia un Problema Lineal (PL), con otro Problema Lineal se llama
Dualidad. Conocer esta relacin existente es muy importante para el entendimiento
de temas de programacin lineal y no lineal, as como las interpretaciones
econmicas y por supuesto las perspectivas del anlisis de sensibilidad.
Cuando hallamos el dual de un PL, nos referimos al PL dado como el primal; as,
si el problema dado es un problema de maximizacin, el dual ser uno de
minimizacin o viceversa.
Forma cannica de dualidad
Supngase que el programa lineal primal est dado en la forma:

P: Minimizar cx
Sujeto a:
Ax b
117
x0
Entonces el programa lineal dual est definido por:
D: Maximizar wb
Sujeto a:
wA c
w0
Ntese que existe exactamente una variable dual por cada restriccin primal, y
exactamente una restriccin dual por cada variable primal. Despus se dir ms
sobre esto.
Considrese el siguiente programa lineal y su dual:
P: Minimizar 6x1 + 8x2
Sujeto a:
3x1 + x2 4
5x1 + 2x2 7
x1 , x2 0
Su dual ser:
D: Maximizar 4w1 + 7w2
Sujeto a:
3w1 + 5w2 6
w1 + 2w2 8
w1, w2 0
En teora para aplicar la definicin cannica de dualidad primero se debe convertir
el programa lineal primal al formato anterior. Sin embargo, en la prctica es posible
escribir inmediatamente el dual de cualquier programa lineal.
Forma estndar de dualidad
.
Otra definicin equivalente se aplica cuando las restricciones son igualdades.
Supngase que el programa lineal primal est dado en la forma:
P: Minimizar Cx
118
Sujeto a:
Ax = b
x=0
Entonces el programa lineal dual est definido por:
D: Maximizar Wb
Sujeto a:
wA = c
w no restringida
Considrese el siguiente programa lineal y su dual:
P: Minimizar 6x1 + 8x2
Sujeto a:
3x1 + x2 - x3 = 4
5x1 + 2x2 - x4 = 7
x1, x2, x3, x4 = 0
D: Maximizar 4w1 + 7w2
Sujeto a:
3w1 + 5w2 = 6
w1 + 2w2 = 8
-w1
=0
-w2 = 0
w1, w2 no restringidas
Observacin 1: El dual del dual es el primal
Este lema indica que las definiciones se pueden aplicar al revs. Los trminos
primal y dual son relativos al marco de referencia que se seleccione.
Formas mixtas de dualidad
En la prctica, muchos programas lineales contienen algunas restricciones del tipo

menor o igual que, algunas del tipo mayor o igual que, y algunas del tipo
igual a. Asimismo, las variables que pueden ser = 0 no restringida. En
119
teora, esto no presenta problema alguno porque se pueden aplicar las tcnicas de
transformacin para convertir cualquier problema mixto a una de las formas primal
o dual.
Considere el siguiente programa lineal.
PASO 1: Max z = 2x1 + x2
Sujeto a:
x1 + x2 2
2x1 - x2 3
x1 - x2 = 1 => x1 - x2 1
=> x1 - x2 1
x1 0, x2 nrs
PASO 2 : Max z = 2x1 + x2 - x2
Sujeto a :
x1 + x2 - x2 2 => -x1 - x2 + x2 -2
2x1 x2 + x2 3 => - 2x1 + x2 - x2 -3
x1 x2 + x2 1 => x1 x2 + x2 1
x1 x2 + x2 1 => -x1 + x2 - x2 -1
x1, x2, x2 0
PASO 3 : Min w = -2y1 - 3y2 + y3 - y3
Sujeto a:
-y1 - 2y2 + y3 - y4 2
-y1 + y2 - y3 + y4 1
2y1 - y2 + y3 y4 -1
y1, y2, y3, y4 0
De este ejemplo se ve que las restricciones de la forma mayor o igual que en el
problema de minimizacin dan origen a variables = 0 en el problema de
maximizacin dan origen a variables no restringidas.
Tabla: Relaciones entre problemas primario y dual.
120
Variables
Restric_
ciones
MINIMIZACION
DE PROBLEMA
=0
=0
No restringido
MAXIMIZACION
DE PROBLEMA
=
=
=
Variables
=
=
=
=0
=0
No restringido
Restricciones
Considrese el siguiente programa lineal:

Maximizar 8x1 + 3x2
Sujeto a:
x1 - 6x2 = 2
5x1 + 7x2 = -4
x1, x2 = 0
Aplicando los resultados de la tabla, se puede obtener el dual de inmediato:
Minimizar 2w1 - 4w2
Sujeto a:
w1 + 5w2 = 8
-6w1 + 7w2 = 3
w1 , w2 no restringidas
3.2 RELACIONES PRIMAL - DUAL
Relaciones entre los valores objetivos
Considrese la forma cannica de dualidad y sean xo y wo soluciones factibles de

los programas primal y dual respectivamente. Entonces Axo = b, xo = 0, woA = c, y
wo = 0. Multiplicando Axo = b por wo = 0 a la izquierda, y woA = c por xo = 0 a la
derecha se obtiene:
121
Cxo = woAxo = wob

El resultado es el siguiente.
Observacin 2:
El valor de la funcin objetivo, para cualquier solucin factible del problema de
minimizacin, es siempre mayor o igual que el valor de la funcin objetivo para
cualquier solucin factible del problema de maximizacin. En particular, el valor
objetivo de cualquier solucin factible del problema de minimizacin da una cota
superior del objetivo ptimo del problema de maximizacin, Anlogamente, el
valor objetivo de cualquier solucin factible de problema de maximizacin es una
cota inferior del objetivo ptimo del problema de minimizacin.
Corolario 1
Si xo y wo son soluciones factibles de los problemas primal y dual y son tales que
cxo = wob, entonces xo y wo son soluciones ptimas de sus respectivos problemas.
Corolario 2
Si uno de los dos problemas tiene un valor objetivo no acotado, entonces el otro
problema no tiene ninguna solucin factible.
El corolario indica que el no acotamiento en uno de los problemas implica no
factibilidad en el otro problema. Es simtrica esta propiedad? No factibilidad en
uno de los problemas implica no acotamiento en el otro? La respuesta es no
necesariamente. Esto se ilustra mejor con el siguiente ejemplo.
Considrese los siguientes problemas primal y dual:
P: Minimizar -x1 - x2
Sujeto a:
x1 - x2 = 1
-x1 + x2 = 1
x1 , x2 = 0
D: Maximizar w1 + w2
Sujeta a:
w1 - w2 = -1
122
-w1 + w2 = -1
w1 , w2 no restringidas
Graficando ambos se observa que ninguno tiene solucin factible
x2
w2
x1
w1
Dualidad y condiciones de optimalidad de Kuhn-Tucker
Recordemos que las condiciones de optimalidad para un programa lineal establecen

que una condicin necesaria y suficiente para que x* sea un punto ptimo del
programa lineal Minimizar cx sujeta a Ax = b, x = 0, es que exista un vector w*
tal que:
1. Ax* = b, x* = 0
2. w*A = c, w* = 0
3. w*(Ax* - b) = 0
(c - w*A) x* = 0
123
La condicin 1 anterior simplemente requiere que el punto ptimo x* debe ser

factible para el problema primario. La condicin 2 esta condicin indica que el
vector w* debe ser un punto factible para el problema dual. De la condicin 3
anterior, se sigue que cx*=w*b. Por lo tanto, w* debe ser una solucin ptima del
problema dual. Las condiciones de optimalidad de Kuhn - Tucker para el problema
dual implican la existencia de una solucin factible primal cuyo objetivo es igual al
del dual ptimo. La razn nos conduce al siguiente lema.
Observacin 3:
Si uno de los problemas tiene una solucin ptima, entonces ambos problemas
tienen soluciones ptimas y los dos valores objetivos ptimos son iguales.
En lugar de resolver directamente para el ptimo x*, sera razonable buscar entre
los valores de w que satisfacen la condicin 2 anterior. Sabiendo que (condicin 2)
cualquier wo factible satisface wob = cx* y que el w* ptimo satisface w*b=cx*,
surge de manera natural la maximizacin de la forma lineal wb sobre todos los
valores factibles de w que satisfacen la condicin 2.
El teorema fundamental de dualidad
Teorema 1 (Teorema fundamental de dualidad)

Con respecto de a los problemas de programacin lineal primario y dual,
exactamente una de las siguientes proposiciones es cierta.
1. Ambos problemas tienen soluciones ptimas x* y w*, con cx*=w*b.
2. Uno de los problemas tiene valor objetivo no acotado, en cuyo caso el
otro problema debe ser no factible.

3. Ambos problemas son no factibles.
De este teorema se ve que la dualidad no es completamente simtrica. Lo ms que

se puede decir es que (aqu, ptimo significa ptimo finito, y no acotado significa
tener objetivo ptimo no acotado).
Podemos decir:
P
ptimo
ptimo
124
no acotado
no factible
no acotado
no factible
no factible
no acotado o no factible
no factible
no acotado o no factible
3.3 HOLGURA COMPLEMENTARIA

Sean x* y w* cualquier par de soluciones ptimas de los problemas primal y dual,
respectivamente, en forma cannica. Entonces:
cx* = w* Ax* = w*b
Pero cx* = w*b (porqu?). Luego
cx* = w*Ax* = w*b
Esto da w* (Ax*-b) = 0 y (c-w*A) x* = 0. Puesto que w*=0 y Ax* - b =0, entonces
w* (Ax* - b) = 0 implica que wi* (aix*-bi)=0 para i=1,...., m. De igual manera (cw*A) x*= 0 implica que (cj - w*a) x*j =0 para j =1,...., n. Por lo tanto se tiene el
siguiente teorema.
Teorema 2 (teorema dbil de holgura complementaria)
Si x* y w* son puntos ptimos cualesquiera de los problemas primario y dual en la
forma cannica, entonces
(cj - w*a)x*j = 0
j = 1,, n
w*i (aijx*-bi) = 0
I = 1,, m
Este es un teorema muy importante que relaciona los problemas primal y dual.
obviamente indica que al menos uno de los factores en cada una de las expresiones
anteriores debe ser cero. En particular,
x*j > 0 w*aj = cj
w*aj < cj x*i = 0
w*i > 0 aix* = bi
125
El teorema dbil de holgura complementaria tambin se puede enunciar como

sigue: en caso de optimalidad, "si una variable en uno de los problemas es positiva,
entonces la restriccin correspondiente en el otro problema es sin holgura", y "si
una restriccin en uno de los problemas es con holgura, entonces la variable
correspondiente en el otro problema debe ser cero"
Uso del dual para resolver el primal
Ahora se dispone de poderosas herramientas de anlisis, en la forma de los

teoremas de esta seccin, para utilizar el problema dual en la solucin del problema
primal.
Considere los siguientes problemas primal y dual:
P: Minimizar: 2x1 + 5x2 + 3x3
Sujeto a:
x1 + 2x2 + 3x3 4
2x1 + 3x2 + x3 3
x1, x2, x3 0
D: Maximizar: 4w1 + 3w2
Sujeto a:
w1 + 2w2 2
2w1 + 3w2 5
3w1 + w2 3
w1, w2 0
Puesto que el dual tiene solo dos variables, se puede resolver grficamente como se
muestra en la figura. La solucin optima del dual es w 1* =4/5, w2* = 3/5 con
objetivo 5. De inmediato se sabe que z* = 5. Utilizando el teorema dbil de holgura
complementaria, se sabe adems que x* = 0, pues ninguna de las correspondientes
restricciones duales complementarias son sin holgura.
126
Solucin grafica del problema dual.
Interpretacin econmica del Dual

Hablaremos de esta interpretacin a partir de un problema primal como sigue:
Interpretacin econmica del problema primal
Variable
xj
cj
z
bi
aij
Significado
Nivel de actividad j ( j = 1, 2,n)
Utilidad unitaria de la actividad j
Utilidad total
Cantidad de recurso i disponible
por cada unidad de actividad j
En el problema dual las variables se interpretan como: y es la contribucin en la

utilidad, por unidad de recurso i (i=1,2,...,m), al usar un conjunto determinado de
127
variables bsicas para obtener la solucin primal; es decir, y* (la solucin optima)
representa el precio sombra del recurso i -valor marginal de este recurso.
Como cada unidad de actividad j en el problema primal consume unidades del
recurso i
m
a y
ij
i 1
Se interpreta como la contribucin en la actualidad de la mezcla de

recursos que serian consumidos si una unidad de actividad j fuese
usada (j=1,2,..., n).
establece que la contribucin en la utilidad de la mezcla de
a y crecursos debe ser por lo menos tanto como si fuese usados por una
ij
i 1
unidad de actividad j, de otra manera no se estara haciendo el

mejor uso posible de estos recursos.
La contribucin en la utilidad del recurso i(i=1,2,...,n) debe ser no

negativa, de lo contrario sera mejor no usar el recurso.
m
Minimizar y =
b y
i 1
es la minimizacin de valor total implcita de los
recursos consumidos por las actividades.

Ambos problemas de programacin lineal, en notacin matricial son:
Primal
Maximizar
Sujeto a
z = cx
Ax = b
x=0
Minimizar
Sujeto a
yo = yb
Ay = c
y =0
Dual
3.4 EL MTODO DUAL SIMPLEX

En esta seccin se describir el mtodo dual simplex, el cual resuelve el problema
dual directamente sobre el tablero simplex (primal). En cada iteracin el mtodo se
128
mueve de una solucin bsica factible del problema dual a una solucin bsica
factible mejorada, hasta alcanzar la optimalidad del dual (y tambin del primal), o
bien hasta concluir que el dual es no acotado y que el primal es no factible.
Resumen del mtodo dual simplex (problema de minimizacin)
PASO INICIAL:
Encuntrese una base B del primal tal que zj - cj = cBB-1aj - cj = 0 para todo j.
PASO PRINCIPAL:
1. Si b = B-1 b 0, el proceso termina; la solucin presente es ptima. En
caso contrario, seleccinese el rengln pivote r con b r < 0, digamos
b r = Mnimo { b i}.
2. Si yrj 0 para todo j, el proceso termina; el dual es no acotado y el
primal es no factible. En caso contrario, seleccinese la columna pivote
k mediante la siguiente prueba de la razn mnima:
z k ck
3. Pivotese en
Minimo
rk
rk
z c :
y
y
rj
rj
y regrese al paso 1.
Considrese el siguiente problema:

Minimizar 2x1 + 3x2 + 4x3
Sujeto a:
x1 + 2x2 + x3 3
2x1 - x2 + 3x3 4
x1, x2, x3 0
Una solucin bsica inicial que sea dual factible se puede obtener utilizando las
variables de holgura x4 y x5. Esto resulta del hecho de que el vector de costos es no
129
negativo. Aplicando el mtodo dual simplex, se obtiene la siguiente serie de

tableros.
Z
x4
x5
Z
x4
x1
Z
x2
x1
Z
1
0
0
x1
-2
-1
-2
z
1
0
0
z
1
0
0
x1
0
0
1
x1
0
0
1
x2
-3
-2
1
x2
-4
-5/2
-1/2
x2
0
1
0
x3
-4
-1
-3
x4
0
1
0
x5
0
0
1
LD
0
-3
-4
x3
-1
1/2
3/2
x4
0
1
0
x5
-1
-1/2
-1/2
LD
4
-1
2
x3
-9/5
-1/5
7/5
x4
-8/5
-2/5
-1/5
x5
-1/5
1/5
-2/5
LD
28/5
2/5
11/5
Puesto que b 0 y zj - cj = 0 para todo j, se tienen a la mano las soluciones

ptimas primal y dual. En particular.
(X*1, X*2, X*3, X*4, X*5) = (11/5, 2/5, 0, 0, 0)
(w*1, w*2) = (8/5, 1/5)
Ntese que w*1 y w*2 son, respectivamente, los negativos de las cantidades z j - cj
que se encuentran abajo de las variables de holgura x 4 y x5. Tambin ntese que en
cada tablero sucesivo el valor de la funcin objetivo es creciente, como debe ser,
para el problema (de maximizacin) dual.
3.5 EL MTODO PRIMAL DUAL
Recurdese que en el mtodo dual simplex se empieza con una solucin bsica (no
necesariamente factible) para el problema primal y una solucin bsica factible
complementaria para el problema dual. El mtodo dual simplex procede, mediante
130
pivoteos, a travs de una serie de soluciones bsicas factibles duales hasta que la
solucin bsica primal complementaria asociada es factible, satisfaciendo as todas
las condiciones para optimalidad de Kuhn - Tucker.
En esta seccin se describir un mtodo, llamado el algoritmo primal - dual similar
al mtodo dual simplex, el cual empieza con factibilidad dual y proceda a obtener
factibilidad primaria, manteniendo durante el proceso holgura complementaria.
Una diferencia importante entre el mtodo dual simplex y el mtodo primal - dual
es que este ltimo no requiere que una solucin factible dual sea bsica. Dada una
solucin factible dual, se determina las variables primales que corresponden a
restricciones duales ligantes o activas (de tal manera que la holgura
complementaria se satisface). Usando la fase I del mtodo simplex, se trata de
alcanzar la factibilidad primal, se cambia la solucin factible dual en tal forma que
se admita al menos una nueva variable en el problema de la fase I. Esto se contina
hasta que, o bien la solucin primal se hace factible, o bien, la solucin dual se
hace no acotada.
Resumen del algoritmo primal - dual (problema de minimizacin)
PASO INICIAL:
Seleccinese un vector w tal que waj - cj = 0 para todo j.
PASO PRINCIPAL:
1. Sea Q = { j : waj - cj = 0} y resuelvase el siguiente problema restringido:
Minimizar 0 x j 1 x o
j Q
Sujeta a
a x x
j Q
xj 0 para j Q
xa 0
131
Dentese el objetivo ptimo por xo, si xo = 0, detngase; se ha obtenido una

solucin optima. En caso contrario, dentese por v* la solucin dual ptima del
problema primal restringido anterior.
Si v*aj = 0 para todo j, entonces detngase: el dual es no acotado y el primal es no
factible. En caso contrario, defnase
( w a j c j )
Minimo
v *a j
: v * a j 0 0
y reemplcese w por w + v*. Reptase el paso 1.

Considrese el siguiente problema:
Minimizar 3x1 + 4x2 + 6x3 + 7x4 + x5
Sujeto a:
2x1 - x2 + x3 + 6x4 - 5x5 - x6 = 6
x1 + x2 + 2x3 + x4 + 2x5 - x7 = 3
x1, x2, x3, x4, x5, x6, x7 0
El problema dual es el siguiente:
Maximizar 6w1 + 3w2
Sujeto a:
2w1 + w2 = 3
-w1 + w2 = 4
1w1 + 2w2 = 6
6w1 + w2 = 7
-5w1 + 2w2 = 1
-w1 = 0
-w2 = 0
w1, w2 no restringida
132
Una solucin factible dual inicial est dada por w = (w 1 , w2 ) = (0,0). Sustituyendo
w en cada restriccin dual, se encuentra que las dos ltimas restricciones duales
son estrictas de manera que Q = {6,7}. Denotando las variables artificiales por X 8
y X9, el problema primal restringido resulta ser el siguiente:
Minimizar x8 + x9
Sujeto a:
- x6 + x8 = 6
-x7 + x9 = 3
x6, x7, x8, x9 0
Es claro que la solucin ptima primal restringido es (x 6, x7, x8, x9 ) = (0,0,6,3) y el
objeto ptimo es xo = 9. El dual de este problema primal restringido es el siguiente:
Maximizar 6v1 + 3v2
Sujeto a:
-v1 = 0
-v2 = 0
v1 = 1
v2 = 1
v1, v2 no restringida
Utilizando holgura complementaria, se ve que, puesto que x 8 y x9 son bsicas, las
dos ltimas restricciones duales deben ser holgura y v* = (v* 1 , v*2) = (1,1).
Calculando v*aj para cada columna j, se obtiene v*a1 = 3, v*a2 = 0, v*a3 = 0, v*a4 =
7, y v*a5 = -3. Por lo tanto, se determina como sigue:
3 6 7
Minimo , , 1
3 3 7
y w1 = (0,0) +1(1,1) = (1,1).
133
Con la nueva solucin dual w1, se calcula de nuevo Q y se obtiene Q ={1,4} esto
da el siguiente problema primal restringido:
Minimizar x8 + x9
Sujeto a:
2x1 + 6x4 + x8 = 6
x1 + x4 +x9 = 3
x1 , x4 , x8 , x9 0
Esta vez una solucin al problema restringido est dada por:
(x1, x4 , x8 , x9 ) = (3 , 0, 0 , 0)
Con Xo = 0. As pues, se tiene una solucin ptima del problema original con
soluciones ptimas primal y dual dadas por:
(x*1, x*2 , x*3 , x*4, x*5, x*6 , x*7 ) = (3 , 0, 0 , 0 , 0, 0 , 0) y,
(w*1, w*2 ) = (1,1)
134
1. Una fbrica pequea de juguetes produce 2 tipos de pelotas. Los recursos

disponibles mensualmente son 200 pies2 de cuero y 18 horas mquina. Los
requerimientos de recursos por cada unidad de los dos tipos de pelotas, as
como la ganancia unitaria se muestran en el siguiente cuadro:
HORAS MAQUINA
PELOTA TIPO
CUERO
GANANCIA
(por tipo)
(pie /tipo)
(S/./unid.)
1
2
0.3
0.2
2
1
200
150
Disponibilidad
18
200
Plantear el problema primal y discutir el significado econmico del programa dual.

Solucin:
Xi = nmero de pelotas de tipo i (i = 1,2)
Entonces el programa primal es:
max Z = 200X1 + 150X2
Sujeto a:
H-Mquina
0.3X1 + 0.2X2 < 18
(1)
Cuero
2X1 +
(2)
X2 < 200
X1, X2 > 0
La solucin del problema es:
Z = 13500;
X1 = 0;
X2 = 90
Reemplazando los valores de X1 y X2 en las restricciones se tiene:

Precio Dual
H-Mquina
0.3 (0) + 0.2 (90) < 18
Y1
135
Cuero
2 (0) + 1 (90) < 200
Y2
Observe que se ha utilizado todas las horas mquina (restriccin limitante) y que
hay un excedente de 110 pies2 de cuero (restriccin no limitante).
Esto implica que para aumentar la ganancia e necesario aumentar la disponibilidad
del recurso 1.
Ahora procederemos a hallar el dual para realizar algunas discusiones:
El programa dual esta dado por.
Min W = 18Y1 + 200Y2
Sujeto a:
0.3Y1 + 2Y2 > 200
(1)
0.2Y1 + Y2 > 150
(2)
Y1, Y2 > 0
Si se aumenta, por ejemplo, en 2 unidades las horas mquina (recurso limitante) del
programa primal, se tiene:
Max Z = 200X1 + 150X2
Sujeto a:
0.3X1 + 0.2X2 < 20
2X1 + X2 < 200
Z = 15000;
X1 = 0;
X2 = 100
Con la solucin de los dos problemas, se puede determinar la variacin de Z por

unidad de recurso:
Z 15000 13500
750 Y1
b
20 18
136
Este valor representa el precio dual del primer recurso, es decir que Z aumentar en
750 unidades si las horas mquina aumentan en 1 hora.
Si ahora aumentamos, por ejemplo, en 2 unidades el recurso cuero, se tiene:
Max Z = 200X1 + 150X2
Sujeto a:
0.3X1 + 0.2X2 < 18
2X1 + X2 < 202
Z = 13500;
X1 = 0;
X2 = 90
La variacin de Z por unidad del recurso es:

Z 13500 - 13500
0 Y2
b
202 200
Como se sabe el recurso cuero esta en exceso y por consiguiente incrementar este
recurso no aporta en nada a la funcin objetivo.
La formulacin estndar y el ltimo tablero del primal es como sigue:
Max Z = 200X1 + 150X2 + 0X3 + 0X4
Sujeto a:
0.3X1 + 0.2X2 + X3 = 18
2X1 + X2 + X4 = 200
X1
X2
X3
X4
LD
25
75
1350
137
X2
1.5
0.5
X4
25
75
191
Como se observa (Z3 C3) = 75 y (Z4 C4) = 0 [debajo de X3 y X4] son los valores
de las variables U1 y U2 respectivamente, esto se explica por lo siguiente:
El tablero puede ser escrito de la siguiente forma:
Z
XB
Z
1
0
XB
0
I
XN1
CBB N1 CN1
B-1N1
-1
XH
CBB-1I 0
B-1
LD
CBB-1b
B-1b
Donde:
XN = (XN1 XH)
XN1 = (Xm+1 Xm+2 ... Xn)
XH = (Xn+1 Xn+2 ...
Xn+m)
Como se sabe los coeficientes de X H en la funcin objetivo son iguales a 0 y C BB-1

son los valores de las variables duales.
2.Cierta dietista necesita preparar una comida que contenga determinados
nutrientes, al menos en las cantidades que se indican en la siguiente tabla.
Dispone de tres ingredientes cuyos costos y contenidos de cada nutriente
(unidades por gramo de ingrediente) se dan en la misma tabla
Nutriente
A
Ingredientes
1
2
3
4
3
2
Requerimientos
u./comida.
20
138
B
C
D
E
Costo $/g
5
6
3
1
2
1
2
1
2
2
3
1
200 300 250
30
10
5
10
El problema a resolver consiste en definir la combinacin de ingredientes que

permite obtener, al mnimo costo, el alimento con el contenido nutricional deseado.
La solucin puede obtenerse resolviendo el siguiente modelo, en el cual las
variables Xi indican la cantidad (g.) del ingrediente i a utilizar.
Minimizar Costo:
Utilidad= 200X1+ 300X2+ 250X3
Sujeto a:
4X1 + 3X2 + 2X3 20
Nutriente A
5X1 + 6X2 + 3X3 30
Nutriente B
1X1 + 2X2 + 1X3 10
Nutriente C
2X1 + 1X2 + 2X3 5
Nutriente D
2X1 + 3X2 + 1X3 10
Nutriente E
Con Xi
0, i =1, 2,3.
Antes de conocer la solucin ptima de este modelo, consideremos una situacin

hipottica que puede presentrsele a la dietista. Un laboratorio farmacutico ofrece
pastillas de cada uno de los nutrientes, con los cuales ella puede sustituir la comida
que piensa preparar.
Para resolver este nuevo problema reflexionemos en el hecho de que el director del
laboratorio desea obtener la mxima utilidad en la venta de las pastillas. Por ello,
al evaluar la cotizacin del laboratorio, en comparacin con el costo de preparar la
comida, la dietista necesita conocer el mximo precio que puede pagar por una
pastilla que contenga una unidad de cada nutriente.
La dietista tambin sabe que los precios que puede pagar tienen limitaciones
provenientes de los costos y contenido vitamnico de los ingredientes, as por
ejemplo:
139
Un gramo del alimento 1 cuesta $200 y aporta cuatro unidades del nutriente A,
cinco del nutriente B, uno del C, dos del D y dos del E. Por lo tanto, por esas
cantidades de los nutrientes puede pagarse en total un mximo de $200.
Similarmente, como un gramo del alimento 2 cuesta $300 y aporta tres unidades
del nutriente A, seis del B, dos del C, uno del D y tres del E, lo mximo que
podemos pagar conjuntamente por esas cantidades de los nutrientes es $300.
Si denotamos respectivamente con las variables YA, YB, YC, YD, YE, los precios
mximos que se pueden pagar por la pastilla con una unidad de cada uno de los
nutrientes, y efectuamos un anlisis para todos los ingredientes, obtenemos el
siguiente modelo de programacin lineal.
Maximizar Ventas ZD = 20YA + 30YB + 10YC + 5YD + 10YE
Sujeto a:
4YA + 5YB + 1YC + 2YD + 2YE 200 ingrediente 1
Con YA, YB, YC, YD, YE 0
Este segundo modelo representa el enfoque dual del primero y de nuevo podemos
verificar que se presentan ciertas relaciones estructurales, a saber
1.
El vector de coeficientes objetivo de uno es la transpuesta del vector de

coeficientes recurso del otro.
2. El vector de coeficientes recurso del uno es la transpuesta del vector de
coeficientes objetivo del otro.
3. La matriz de coeficientes tecnolgicos de uno es la transpuesta de la matriz de
coeficientes tecnolgicos del otro.
4. Ambos problemas estn en formato cannico, o sea que tienen las siguientes
caractersticas
4.1 El objetivo del primal es minimizar, mientras que el del dual es
maximizar.
4.2 Las restricciones del primo son del tipo , y las del dual del tipo .
140
4.3 Las variables de ambos problemas solo pueden tomar valores mayores o
iguales que cero.
Pero las relaciones de forma no son las ms importantes para nuestro estudio de la
dualidad en Programacin lineal, como si lo son las relaciones lgicas existentes
entre sus soluciones ptimas y el significado econmico de las variables del
modelo dual.
Resolviendo ambos modelos obtenemos, para el PRIMAL:
PRIMAL
141
X1* = 2; X2* = 4; EB* = 4; ED* = 3; EE* = 6; Z = $1600

Interpretando los valores de las variables de decisin, ha encontrado que
mezclando 2 gramos del ingrediente 1 y cuatro gramos del ingrediente 2 obtendra
el menor costo posible que es de $1600. De la misma manera interpretando las
variables de holgura, tambin observa que la comida resultante contiene
exactamente las 20 unidades requeridas del nutriente A( pues EA = 0) y las 10
unidades requeridas del nutriente C ( pues EC = 0), mientras que del nutriente B
tendr 4 unidades por encima de las 30 requeridas ( pues EB = 4), del nutriente D
tendr 3 unidades ms que las 5 requeridas ( pues ED = 3) y del nutriente E tendr
6 unidades adicionales a las 10 requeridas ( pues EE = 6). Dicho ms exactamente,
la mezcla (comida) que se prepare con los gramos de cada ingrediente prescritos
por esta solucin ptima, tendr la siguiente composicin:
Nutriente
A
B
C
D
E
cantidad
cantidad
contenida
20
34
10
8
16
requerida
20
30
10
5
10
exceso
0
4
0
3
6
Podemos decir que si nos aumentaran, por ejemplo en una unidad, las exigencias
de alguno de los nutrientes B, D o E, el costo (y la mezcla actual de ingredientes)
no cambiara ya que las unidades de esos nutrientes con que efectivamente queda
la comida, son superiores a las exigencias, as estas suban en una unidad.
142
Solucin aumentando en uno las exigencias del nutriente B
143
Solucin aumentando en uno las exigencias del nutriente D
144
En cambio si, por ejemplo, nos piden que la comida debe contener una unidad mas
del nutriente A,( la exigencia ser de 21 unidades y no de 20) la solucin actual
( X1=2 y X2= 4,), no cumplira esta nueva condicin y por ello no sera ms la
solucin ptima. Ser necesario encontrar una mezcla diferente de los
ingredientes, de tal forma que el contenido del nutriente A sea de 21 unidades y
esta mayor exigencia elevar el costo de la comida.
Escribamos el modelo modificado al incluir esta nueva exigencia para el contenido
del nutriente A y resolvmoslo.
Minimizar Costo:
Utilidad= 200X1+ 300X2+ 250X3
145
Sujeto a:
4X1 +
5X1 +
1X1 +
2X1 +
2X1 +
Con Xi
3X2
6X2
2X2
1X2
3X2
+ 2X3
+ 3X3
+ 1X3
+ 2X3
+ 1X3
21
30
10
5
10
Nutriente A
Nutriente B
Nutriente C
Nutriente D
Nutriente E
0, i =1, 2,3.
Solucin aumentando en uno las exigencias del nutriente A
146
X1 = 2.4 X2 = 3.8 EB = 4.8 ED = 3.6 EE = 6.2 costo $ 1 620

En el Dual:
Dual
147
YA = 20; YC = 120; H3* = 90; ZD = $1 600

La conclusin de la dietista ser entonces mezclar dos gramos del ingrediente 1 y
cuatro gramos del ingrediente 2, para obtener la comida a un costo mnimo de
$1600. Pero tambin puede adquirir las pastillas de una unidad de los nutrientes,
pagando un mximo de $20 por cada pastilla del nutriente A y de $120 por cada
pastilla del nutriente C.
De esta manera, si las unidades de vitamina A se consiguen a un precio inferior de
$20, o las de vitamina B a un precio inferior de $120, es ms favorable para la
dietista comprar las unidades, ya que obtiene una disminucin de los costos en
comparacin con el costo de preparar la comida.
148
Ac se ha planteado esta situacin hipottica del dual, no con el nimo de llevarla a

cabo sino como medio para determinar el costo implcito de las unidades asociadas
a cada restriccin del modelo primal.
Hablamos de las unidades de vitamina A y B cuyos precios sombra o costos
implcitos fueron dados por el valor de las variables del modelo dual.
Es decir, las variables del modelo dual pueden significar ya sea la utilidad
marginal o el costo implcito (precio sombra) de un recurso, dependiendo del
contexto lgico del problema primal al que se refiera.
149
El anlisis de sensibilidad es el estudio de la forma en que afectan a la solucin

ptima los cambios en los coeficientes de un programa lineal. Usando anlisis de
sensibilidad puede responderse a las preguntas siguientes:
150
Como afectara a la solucin ptima un cambio en un coeficiente de la

funcin objetivo?
Cmo afectar a la solucin ptima un cambio en el valor del
segundo miembro de una restriccin?
Como el anlisis de sensibilidad se ocupa de la forma en que los cambios anteriores

afectan a la solucin ptima del anlisis no comienza sino hasta que se obtiene tal
solucin al problema de programacin lineal, porque eso se le llama tambin
anlisis de post-optimalidad.
El anlisis de sensibilidad que se realiza sobre la solucin ptima ofrece
informacin complementaria que es valiosa para quien toma las decisiones.
La principal importancia del anlisis para quienes toman decisiones es que los
problemas reales ocurren en un medio ambiente dinmico, es decir cuando ocurre
alguna de las situaciones siguientes:
1.
Los precios de las materias primas varan.
2.
L a demanda flucta.
3.
Las compaas adquieren maquinas nuevas para reemplazar las
antiguas.
4.
Los mercados globales de mano de obra ocasionan cambios en los

costos de produccin.
5.
Rotacin e los empleos.
Los gerentes y ejecutivos desean determinar la forma en que estos cambios afectan
a la solucin ptima del problema primitivo de programacin lineal.
EJEMPLO
Una compaa textil, incursiona en el mercado de bolsas de tela por despacho de
mercaderas y fabrica dos clases de bolsas: el modelo estndar por tiendas y
bodegas y el de lujo para supermercados y grandes almacenes. El proceso de
fabricacin es corte y teido, costura, terminado e inspeccin y embalaje, cuya
programacin lineal es la siguiente:
151
Sujeto a:
Corte y Teido
Costura
Terminado
Inspeccin y Emb.
La solucin optima X1= 540 bolsas estndar, X2 = 252 bolsas de lujo y Z = 7688,
donde X1 da $10 de utilidades y X2 da $9.0.
Supongamos que posteriormente debido a una reduccin en el precio, la
contribucin a las utilidades de las bolsas estndar se reduce a $7.0, puede
utilizarse el anlisis de sensibilidad para determinar si el programa de produccin
de 540 bolsas estndar y 252 bolsas de lujo sigue siendo la mejor solucin, si lo es,
no habr necesidad de resolver un programa lineal modificado que tenga 7X 1 + 9X2
como funcin objetivo
4.1 ANLISIS GRFICO DE SENSIBILIDAD

En este caso se utilizara mtodos grficos de solucin para problemas de
programacin lineal con dos variables de decisin para realizar anlisis de
sensibilidad sobre los coeficientes de la funcin objetivo y sobre los valores en el
segundo miembro o lado derecho de las restricciones.
COEFICIENTES DE LA FUNCIN OBJETIVO
En el ejemplo anterior la solucin ptima indica la fabricacin de 540 bolsas

estndares y 252 bolsas de lujo. El intervalo de optimidad para cada coeficiente de
la funcin objetivo muestra la gama de valores sobre las cuales la solucin del
momento sigue siendo ptima. En la grafica siguiente muestra la solucin grafica
152
del problema, una observacin cuidadosa en la grafica indica mientras el pendiente

de la funcin objetivo se encuentra entre las pendientes de la recta A y la pendiente
de la recta B el punto extremo 3 con X1 = 540 y X2 = 252 ser ptimo.
Girar la recta de la funcin objetivo en sentido contrario al del reloj ocasiona que la
pendiente se vuelva menos negativa, permitiendo el aumento de la pendiente,
llegando los ptimos alternos de los puntos extremos 3 y 2
Del anlisis debe resultar evidente que el punto extremo 3 ser la solucin ptima y
cuando:
( Pndte de la recta A) ( Pndte de la recta F .O ) ( Pndte de la recta )
En la figura se observa que la ecuacin de la recta A (la recta de restriccin de corte

y teido) es la siguiente:
Despejando
se obtiene en su forma de pendiente y ordenada en el origen:
La ecuacin de la recta B:
Despejando
y poniendo en pendiente e interseccin para la recta B:
153
Para que el extremo 3 siga siendo ptimo, se debe cumplir que:

Ecuacin (a)
Considere la ecuacin de la funcin objetivo como:

Despejando
154
De ello se desprende que la pendiente, de la funcin objetivo es C 1/C2 luego

sustituyendo en la ecuacin (a) se observa que el punto extremo 3 seguir siendo
ptimo siempre y cuando se satisfaga la expresin siguiente:
Para calcular el intervalo de optimidad para la contribucin a las utilidades por las
bolsas estndares, se mantiene fija la contribucin a las utilidades por las bolsas de
lujo, en su valor inicial
= 9, luego:
Combinando los lmites para C1 se obtiene el intervalo de optimidad para la

contribucin a las utilidades de la bolsa estndar.
Esto significa que si no se cambia los dems coeficientes, la contribucin a las

utilidades de la bolsa estndar puede encontrarse en cualquier punto entre $6.30 y
$13.5 y las cantidades de 540 bolsas estndar y 252 bolsas de lujo seguirn siendo
optimas.
Similarmente, manteniendo constante
, se puede verificar que
155
4.2 CAMBIOS EN LOS COEFICIENTES DE LA FUNCIN OBJETIVO

Aqu se calcula la variacin de los coeficientes de las variables de decisin de las
variables de la funcin objetivo manteniendo la misma base.
Sean los siguientes coeficientes de las variables de decisin:
(Coeficientes de variables bsicas)

(Coeficientes de Variables no bsicas)
4.2.1 CAMBIO DEL COEFICIENTE CBr
CB
Si se altera el coeficiente CBr en una cantidad CBr, el nuevo coeficiente es:

CBr = CBr + CBr, y por consiguiente:
CB = CB1,, CBr + CBr,, CBm
Caso I: Maximizacin
En la K-sima columna (K = m+1, m+2,... n), se tiene:
ZK CK 0
CBB-1aK CK 0
156
(C B1 , C B 2 ,..., C Br C Br ,..., C Bm )
Y1k
Y
2k
.
Ck 0
Yrk
.
.
Ymk
Operando resulta:
; K = m+1, m+2,, n
(1)
Caso II: Minimizacin

De manera anloga se obtiene:
; K = m+1, m+2,, n
(2)
EJEMPLO
Se desea optimizar la produccin de mesas y sillas de una fbrica industrial, para lo
cual se dispone del nmero de horas mquina en cada una de las secciones
siguientes:
MAQ.
A
B
UTILIDAD
MESAS
2
4
10
SILLAS
2
2
8
HORAS - MAQUINA
20
28
157
El programa lineal es:
Sujeto a:
Sea el ltimo tablero de la funcin objetivo:
Z
X2
X1
Variacin de
Z
1
0
0
X1
0
0
1
X2
0
1
0
X4
1
-1/2
1/2
LD
88
6
4
: Primer coeficiente de la funcin objetivo de:

;
X3
3
1
-1/2
k = 3, 4;
r=2
Para k = 3
Entonces:
C1 6
158
Para k = 4
Entonces:
Por tanto:
Variacin de
C1 -2
-2 C1 6
: Segundo coeficiente de la funcin objetivo de:

;
k = 3, 4;
r=1
Para k = 3
Entonces:
C2 -3
159
Para k = 4
Entonces:
Por tanto: -3
C2 -2
C2 2
Por otra parte la
, perteneciente a la variable bsica X j es igual a cero y
permanece con el mismo valor para el coeficiente
puesto que:
= CBj - CBj
Zj - CBj = 0
160
4.2.2 CAMBIO DEL COEFICIENTE Cr CN

Si se altera el coeficiente Cr en una cantidad Cr el nuevo coeficiente es:
Cr = Cr + Cr
Caso I: Maximizacin
En el ltimo tablero (en la posicin r, r = m+1, m+2,..., n) se tiene:
Zr - Cr 0
Zr - (Cr + Cr) 0
Cr Zr Cr
En el caso del coeficiente
Por tanto:
En el caso del coeficiente
161
Por tanto:
Caso II: Minimizacin
Zr - Cr 0
Cr Zr Cr
4.3 CAMBIOS EN LA DISPONIBILIDAD DE RECURSOS
Aqu se calcula la variacin de cada uno de los recursos, manteniendo la misma
base.
Se sabe que:
b1
b1
b2
b2
.
-1
-1
XB = B b y que:
b = br , B b = br
.
.
bm
bm
Si se altera el recurso
en una cantidad br se tiene que: br = br + br
y deber ocurrir que:
162
b1
b2
.
b =
br br
bm
i se asume que B-1 =
v11
v 21
.....
.....
.....
vm1
.....
v1r
.....
.....
.....
.....
.....
.....
v2r
.....
.....
.....
vmr
.....
.....
.....
.....
.....
v1n
v 2 n
.....
.....
.....
vmn
Para que se mantenga la misma base se debe cumplir con lo siguiente:

-1
B b 0 (siempre, en min. y mx.).
En forma matricial:
v11
v 21
.....
.....
.....
vm1
.....
v1r
.....
.....
.....
.....
.....
.....
v2r
.....
.....
.....
vmr
.....
.....
.....
.....
.....
b1 v1r
v1n
v2n
.....
.....
.....
vmn
b1
b2
br br
bm
br 0
b 2 v 2 r br 0
.....................
-1
B b = br vrr br 0
.....................
bm vmr br 0
En el problema anterior:
163
20 b1
b
2 8 b2
Si variamos el primer recurso b1:
Entonces:
Si variamos el segundo recurso b2:
164
Entonces:
4.4 PRECIO DUAL

Llamado tambin imagen o sombra, solo las restricciones que tienen holgura o
exceso cero tendrn un precio dual diferente de cero.
Indica la tasa de variacin del valor ptimo de la funcin objetiva cuando cambia el
segundo miembro de una restriccin dentro de cierto rango de sensibilidad, y segn
el siguiente esquema:
Restricci
n
<b
>b
Variacin en el
recurso b
Si el recurso b
aumenta una
unidad
Si el recurso b
disminuye en
una unidad
Si el recurso b
aumenta en una
unidad
Consecuencia en
funcin Objetivo
la F.O. mejora en
una tasa igual al
precio dual
la F.O. empeora en
una tasa igual al
precio dual
la F.O. empeora en
una tasa igual al
precio dual
165
si el recurso b
disminuye en
una unidad
MAX
=b
MIN
si el recurso b
aumenta en una
unidad
si el recurso b
disminuye en
una unidad
si el recurso b
aumenta en una
unidad
si el recurso b
disminuye en
una unidad
la F.O. mejora en
una tasa igual al
precio dual
la F.O. mejora en
una tasa igual al
precio dual
la F.O. empeora en
una tasa igual al
precio dual
la F.O. empeora en
una tasa igual al
precio dual
la F.O. mejora en
una tasa igual al
precio dual
4.5 CAMBIOS EN LA MATRIZ DE COEFICIENTES TECNOLGICOS

Sea el siguiente problema:
Sujeto a:
AX b
X0
El vector columna aj se cambia por aj, entonces:
Sujeto a:
AX b
X0
-1
Este cambio afecta al producto B (aj). Luego tambin a Zj - Cj entonces se tiene:
166
-1
Zj - Cj = CBB a'j - Cj
Que deber cumplir con la funcin de optimizacin (Z j - Cj 0), en caso contrario
se pivotea para encontrar el ptimo.
EJEMPLO
Winco vende 3 productos 1, 2 y 3. En la tabla se dan los recursos requeridos para
producir una unidad de cada producto y los precios de venta de cada producto.
Materia Prima
Horas de Trabajo
Precio Venta
Producto 1
1
2
6
Producto 2
2
1
10
Producto 3
4
3
8
Se dispone de 8 unidades de materia prima y 12 horas de trabajo para la

produccin.
Formulando el Programa Lineal para maximizar los ingresos de Winco por las
ventas de sus productos
Sujeto a:
X1 + 2X2 + 4X3 8
2X1 + X2 + 3X3 12
X1, X2, X3 0
Y cuya solucin es:
Z
X2
X1
Z
1
0
0
X1
0
0
1
X2
0
1
0
X3
38/3
5/3
2/3
X4
14/3
2/3
-1/3
X5
2/3
-1/3
2/3
LD
136/3
4/3
16/3
167
En la actualidad Winco necesita de 2 unidades de materia prima y de 2 horas de

trabajo para producir una unidad del producto 3. Se desea saber si la solucin
ptima vara con el cambio.
Solucin:
2
por a3 = 2 entonces:

Se desea cambiar a3 =
-1
Y3 = B a'3
2/3
Luego:
1 / 3 2

1 / 3 2 / 3 2
Z3 - C3 =
10
2 / 3
2 / 3
2 / 3
- 8 = 8/3
2 / 3
La solucin ptima no vara porque:
4.6 ADICIN DE UNA VARIABLE

Aqu se requiere conocer la columna de la actividad y coeficientes de la funcin
objetivo, as para la columna j = n + m + 1, se tiene:
-1
Yj = B aj
Zj Cj = CBYj - Cj
Zj - Cj 0, si se trata de maximizar.
Zj - Cj 0, si se trata de minimizar.
EJEMPLO
En el problema de las mesas y sillas se desea incorporar la lnea de produccin de
repisas, si se necesitan una hora por cada mquina para elaborar una repisa siendo
la utilidad de S/.8 por unidad Cmo cambia la solucin? Recordemos que este es
el ltimo tablero de la funcin objetivo:
Z
X2
Z
1
0
X1
0
0
X2
0
1
X3
3
1
X4
1
-1/2
LD
88
6
168
X1
-1/2
1/2
Solucin:
La informacin para este problema ser:
Mquina
A
B
Utilidad
Mesas
2
4
10
Sillas
2
2
8
Repisas
1
1
8
Horas Mquina
20
28
El nuevo PL es:
Sujeto a:
2X1 + 2X2 + X3 20
4X1 + 2X2 + X3 28
X1, X2, X3 0
Hallando el valor de Z3 - C3, conociendo los valores de C3 = 8 (utilidad)
-1
1
y a 3 = Y 3 = B a3 =
1
1
1/ 2
1 / 2
1/ 2
1

1
1 / 2
Entonces:
Z3 - C3 =
10
1 / 2
- 8= -4
0
Introduciendo este valor al tablero:
Z
X2
X1
Z
1
0
0
X1
0
0
1
X2
0
1
0
X3
3
1
-1/2
X4
1
-1/2
1/2
X5
-4
1/2
0
LD
88
6
4
169
Empleando el mtodo Simplex
Dado que Z5 - C5 < 0 se pivotea

En el ltimo tablero:
Z
X5
X4
Z
1
0
0
X1
6
2
2
X2
8
2
0
X3
8
1
-1
X4
0
0
1
X5
0
1
0
LD
160
20
8
Se concluye que se debe producir slo repisas, dado que las Variables bsicas (de
decisin) son ahora X5 y X4 (no se considera X4 porque es una variable de
holgura).
4.7 ADICIN DE UNA RESTRICCIN
Se necesita analizar si esta hace variar el vector solucin, si ocurre esto se pivotea,
si para un Programa lineal al introducir la restriccin m +1 el sistema tiene m + 1
filas y m + n + 1 columnas.
La adicin de una nueva restriccin puede dar origen a una de dos condiciones:
1. La restriccin satisface la solucin actual y en este caso la restriccin es
redundante, y, por lo tanto, su adicin no alterara la solucin.
2. La solucin actual no satisface la restriccin. En este caso, la nueva solucin se
obtiene utilizando el Mtodo Simplex Dual.
EJEMPLO
Para el problema de mesas y sillas se ha adicionado la mquina C la que produce
2 mesas y 1 silla, para lo cual dispone de 28 horas - mquina. Se desea saber si la
solucin ptima vara con el cambio.
Maquina
A
B
C
Mesas
2
4
2
Sillas
2
2
1
Horas - Mquina
20
28
28
170
Utilidad
10
El nuevo PL es:
Sujeto a:
2X1 + 2X2 20
4X1 + 2X2 28
2X1 + X2 28
X1, X2 0
Incorporando esta informacin en el tablero resulta:
Z
X2
X1
X5
Z
1
0
0
0
X1
0
0
1
2
X2
0
1
0
1
X3
3
1
-1/2
0
X4
1
-1/2
1/2
0
X5
0
0
0
1
LD
88
6
4
28
Por teora de matrices podemos ingresar toda una fila sin tener problemas
Debemos pivotear la ltima fila del tablero
Z
X2
X1
X5
Z
1
0
0
0
X1
0
0
1
0
X2
0
1
0
0
X3
3
1
-1/2
0
X4
1
-1/2
1/2
-1/2
X5
0
0
0
1
LD
88
6
4
14
Donde se concluye que la nueva restriccin no afecta a la solucin original.

4.8 REGLA DEL 100%
4.8.1. Regla del 100% para el cambio de coeficientes de la funcin objetivo
171
Se consideran dos casos dependiendo, si cambia o no el coeficiente de la funcin

objetivo de cualquier variable con un costo reducido de cero en el cuadro ptimo:
Caso I: Variacin de los Coeficientes de las variables de decisin con todos sus
costos reducidos diferentes de cero.
Caso II: Variacin de los Coeficientes de las variables de decisin con al menos
uno de sus costos reducidos igual a cero.
EJEMPLO
Mi alimentacin requiere que todo lo que coma pertenezca a uno de los cuatro
grupos bsicos de alimentos (pastel de chocolate, helado, refrescos y pastel de
queso). Actualmente, se dispone de los siguientes alimentos para el consumo:
bizcochos de chocolate y nueces, helado de chocolate, cola, y pastel de queso con
pia. Cada bizcocho cuesta 50 centavos; cada bola de helado de chocolate, 20
centavos; cada botella de refresco de cola, 30 centavos; y cada pieza de pastel de
queso con pia, 80 centavos. Cada da tengo que ingerir por lo menos 500 caloras,
6 onzas de chocolate, 10 onzas de azcar y 8 onzas de grasa. El contenido nutritivo
por unidad de cada elemento se muestra en la tabla.
Caloras
Bizcocho
Helado de chocolate
(1 bola)
Refresco de Cola
(1 botella)
Pastel de Queso con pia
400
Chocolate
(onzas)
3
Azcar
(onzas)
2
Grasa
(onzas)
2
200
150
500
El PL que satisface mis requerimientos alimenticios diarios a un costo mnimo es:

= Bizcocho
172
= Bola de helado de chocolate

= Botella de refresco de cola
= Pastel de queso con pia
Sujeto a:
400X1 + 200X2 + 150X3 + 500X4 500 (Rest. de caloras)
3X1 + 2X2 6
(Rest. de chocolate)
2X1 +2X2 +4X3 +4X4 10
(Rest. del azcar)
2X1 + 4X2 + X3 + 5X4 8
(Rest. de grasa)
X1, X2, X3, X4 0

La salida en LINDO para este problema es la siguiente:
MIN
50X1 + 20X2 + 30X3 + 8X4
SUBJECT TO
2)
3)
4)
5)
400X1 + 200X2 + 150X3 + 500X4 >= 500

3X1 + 2X2
>= 6
2X1 + 2X2 + 4X3 + 4X4 >= 10
2X1 + 4X2 +
X3 + 5X4 >= 8
END
OBJECTIVE FUNCTION VALUE
1)
VARIABLE
X1
90.000000
VALUE
0.000000
REDUCED COST
27.500000
173
3.000000
1.000000
0.000000
X2
X3
X4
ROW
2)
3)
4)
5)
SLACK OR SURPLUS
250.000000
0.000000
0.000000
5.000000
0.000000
0.000000
50.000000
DUAL PRICES
0.500000
-2.000000
-7.000000
0.000000
N ITERATIONS = 5
RANGES IN WHICH THE BASIC IS UNCHANGED:
OBJ COEFFICIENT RANGES
VARIABLE
CURRENT COEF
X1
X2
X3
X4
50.000000
20.000000
30.000000
80.000000
ALLOWABLE
INCREASE
INFINITY
18.333334
10.000000
INFINITY
ALLOWABLE
DECREASE
27.500000
5.000000
30.000000
50.000000
RIGHTHAND SIDE RANGES

ROW
CURRENT RHS
2)
3)
4)
5)
500.000000
6.000000
10.000000
8.000000
ALLOWABLE
INCREASE
250.000000
4.000000
INFINITY
5.000000
ALLOWABLE
DECREASE
INFINITY
2.857143
4.000000
INFINITY
A. Suponga que el precio de un bizcocho aumenta hasta 60 centavos, y el

precio de una rebanada de pastel de queso con pia disminuye hasta 50
centavos. Seguir siendo ptima la base actual? Cul sera la nueva solucin
ptima?
174
Solucin:
Como los bizcochos
y el pastel de queso con pia
tienen costos reducido
diferente de cero, se presenta el caso I.
De la salida del LINDO se ve que la base actual es ptima, si y slo si:
22.5 = 50 - 27.5
30 = 80 - 50
50 + =
80 + =
Como los nuevos precios satisfacen ambas condiciones, la base actual

permanece ptima. Tampoco cambia el valor ptimo de z y el valor ptimo de
las variables de decisin.
B. Si el precio de un bizcocho baja hasta 40 centavos, y el precio de una
rebanada de pastel de queso con pia baja hasta 25 centavos, ser todava
ptima la base actual?
Solucin:
De la salida del LINDO, se ve que se presenta nuevamente el Caso I. Aunque el
costo de un bizcocho est dentro del intervalo permisible, el caso del precio de
una rebanada de pastel de queso con pia, ya est fuera de su intervalo
permisible. Por lo tanto, la base actual ya no es ptima, y hay que resolver
nuevamente el problema.
4.8.2 LA REGLA DEL 100% PARA CAMBIAR LOS LADOS DERECHOS
Hay que considerar dos casos, dependiendo de si cualquier de las restricciones,
cuyos lados derechos se cambian, son obligatorios o no:
CASO I: Todas las restricciones cuyos lados derechos se modifican, no son
obligatorias.
CASO II: Al menos una de las restricciones que se modifica es una restriccin
obligatoria.
Del ejemplo de alimentacin:
175
CASO I
A. Suponga que las caloras necesarias disminuyen hasta 400 y que el
requerimiento de grasa aumenta hasta 10 onzas. Permanecer ptima la base
actual?, Cul ser la nueva solucin optima?
Solucin:
Como ambas restricciones no son obligatorias, se presenta el caso I. De la
corrida del lindo, observamos que los intervalos permisibles para las
restricciones de las caloras de la grasa son:
500 calorias necesarias 500 250 750
8 requerimento de grasa 8 5 13
Los nuevos requerimientos de caloras y grasa permanecen dentro de sus

valores permisibles; por lo tanto, la base actual permanece ptima. No cambian
el valor ptimo de Z y los valores de las variables de decisin.
B. Suponga que disminuye el requerimiento de caloras hasta 400, y que el
requerimiento de grasa aumenta hasta 15 onzas. Permanecer ptima la base
actual?
Solucin:
EL requerimiento de grasa ya no se encuentra dentro de su intervalo permisible
de esta manera la base actual ya no es optima.
CASO II
Al menos una de las restricciones que se modifica es una restriccin
obligatoria. En el problema de la alimentacin, supngase que se aumenta la
cantidad necesaria de chocolate hasta 8 onzas y que se reduce la del azcar
hasta 7 onzas. Permanecer ptima la base actual?
Solucin:
Ya que las restricciones para el chocolate y el azcar son obligatorias se
presenta el Caso II y hay que utilizar la regla del 100%.
176
b2 = 8 - 6 = 2,
I2 = 4, entonces r2 = 2/4 = 0.5
b3 = 7 - 10 = -3, D3 = -4, entonces r3 = 3/4 = 0.75

b1 = b4 = 0, entonces r1 = r4 = 0
Ya que r1 + r2 + r3 + r4 = 1.25 > 1, la Regla del 100 % no proporciona
informacin si la base actual es ptima o no.
4.9 INTERPRETACIN DEL PROGRAMA LINDO:
Ejemplo 1:
Un empresario, fabricante de artculos de cuero ha decidido lanzar un nuevo
producto de bolsas de piel para damas. El distribuidor Alda de lnea de cartera,
bolsas y bolsones acepta comprar todas las bolsas que fabrique la empresa. Las
operaciones necesarias para la fabricacin de las bolsas son las siguientes:
1)
Cortar y Teir el material
2)
Coser
3)
Terminar
4)
Inspeccionar y embalar
El problema del empresario es determinar cuantas bolsas estndares y cuantas

bolsas de lujo deben fabricar con objeto de maximizar la contribucin a las
utilidades.
PRODUCTO
Bolsa Estndar
Bolsa de Lujo
Disponibilidad
de Prod.-horas
Corte y
teido.
7/10
1
603
TIEMPO DE PRODUCCIN
Costura
Terminado
Insp. y
Emb.
1/2
1
1/10
5/6
2/3
1/4
600
708
135
Utilidad
10
9
-
177
: N de bolsas estndares fabricadas

: N de bolsas de lujo fabricadas
Sujeto a:
7/10 X1 + 10X2 <= 630
1/2X1 + 5/6X2 <= 600
X1 + 2/3X2 <= 708
1/10X1 + 1/4X2 <= 135
X1, X2 >= 0
El desarrollo en Lindo es:
1)
7662.147000
VARIABLE
X1
X2
ROW
2)
3)
4)
5)
VALUE
538.418091
253.107346
SLACK OR SURPLUS
0.000000
120.711861
0.000000
17.881355
REDUCED COST
0.000000
0.000000
DUAL PRICES
4.331450
0.000000
6.967985
0.000000
N ITERATIONS = 0
178

VARIABLE
CURRENT COEF
X1
X2
10.000000
9.000000
ALLOWABLE
INCREASE
3.432836
5.285714
ALLOWABLE
DECREASE
3.700000
2.300000

ROW
CURRENT RHS
2)
3)
4)
5)
630.000000
600.000000
708.000000
135.000000
ALLOWABLE
INCREASE
51.885242
INFINITY
192.000000
INFINITY
ALLOWABLE
DECREASE
134.400009
120.711861
126.599998
17.881355
La interpretacin del problema mediante Lindo ser:
Objetive Vale, representa el valor ptimo de la funcin objetivo y es

$7668
1) 7662.147000
Value, representa los valores ptimos de las variables , que son :
VARIABLE
X1
X2
VALUE
538.418091
253.107346
Reduced Cost, representa el costo reducido, significa cuanto tendra que

mejorar el coeficiente de la funcin objetivo de cada variable de decisin
antes de que sea posible que tal variable asuma un valor positivo en la
solucin ptima. Si una variable de decisin ya es positiva en la solucin
179
optima, su costo reducido es cero. En un problema de maximizacin,

mejorar significa aumentar y en un problema de minimizacin, mejorar
significa disminuir.
VARIABLE
X1
X2
Slack or surplus, representa holguras o excesos e indica el valor ptimo

de las variables de holgura asociada con cada restriccin del problema
transformado.
ROW
2)
3)
4)
5)
REDUCED COST
0.000000
0.000000
SLACK OR SURPLUS
0.000000
120.711861
0.000000
17.881355
/ corte y teido
/ costura
/ terminado
/ inspeccin y embalaje
Dual Prices, representa los precios duales, significa que el ndice de la

mejora de la funcin objetivo cuando el vector disponibilidad de recursos
aumenta sobre el rango permisible. Tambin el precio dual correspondiente
a una restriccin es el Mejoramiento en el valor ptimo de la funcin
objetivo (recursos) de la restriccin.
ROW
2)
3)
4)
5)
DUAL PRICES
4.331450
0.000000
6.967985
0.000000
/ corte y teido
/ costura
/ terminado
/ inspeccin y embalaje
180
Se puede afirmar que una hora adicional de tiempo corte t teido mejora (aumenta)
el valor de la funcin objetivo en $4.33 y una hora adicional de tiempo de
Terminado mejora (aumenta) en $6.967.
En consecuencia, aumenta el tiempo de corte y teido de 630 a 631 horas,
manteniendo constante todos los dems coeficientes del problema, aumentando las
utilidades de la compaa de 7662.1 + 4.33 = 7666.43, similarmente en el caso de
terminado aumenta el tiempo de 7662.1 + 6.97 =7669.07. Los precios duales cero
sealan que aumentar las horas disponibles de estos recursos no mejora el valor de
la funcin objetivo.
Si el precio dual es negativo por ejemplo 4.33 significa que al aumentar el tiempo
de corte y teido de 630 a 631 horas las utilidades disminuiran en $4.33
Ejemplo 2:
Considere el PL siguiente y su tablero ptimo:
ST
2X1 + 5X2 + 4X3 <=18
3X1 7X2 + 3X3 <=10
X1 +
ROW(BASIS)
1 ART
2 slk4
3 X2
4 X3
X1
0.907
0.326
-0.140
0.674
X3 <= 9
X2
0.000
0.000
1.000
0.000
X3
0.000
0.000
0.000
1.000
slk2
1.047
-0.163
0.070
0.163
slk3
0.605
-0.116
-0.093
0.116
slk4
0.000
1.000
0.000
0.000
LD
24.884
4.907
0.326
4.093
a) Prepare el reporte lindo.

b) Calcule la holgura del primer recurso.
c) Cual debe ser el coeficiente de la variable X 1 para que pueda ser variable
bsica.
d) Obtenga el mximo valor de la funcin objetivo para la variacin del
segundo recurso.
181
e) Obtenga el mximo valor de la funcin objetivo para la variacin del

coeficiente X2
Solucin:
a)
Hallando los intervalos pedidos tenemos:
Para x2
0.907+ (-0.140) Cs2 0
Cs2 6.479
1.047+ (0.070) Cs2 0
Cs2 -14.957
0.605+ (-0.093) Cs2 0
Cs2 6.505
-14.957 Cs2 6.479
Para x3
0.907+ (0.674) Cs3 0
Cs3 -1.346
1.047+ (0.163) Cs3 0
Cs3 -6.423
0.605+ (0.116) Cs3 0
Cs3 -5.216
-1.346 Cs3 infinito
182
Ahora preparamos el Reporte de Lindo

Z = 24.884
Var.
X1
X2
X3
Recurso
2)
3)
4)
Valor
0
0.326
4.093
Costo reducido
0.907
0
0
Valor
0
0
4.907
Precio Dual
1.047
0.605
0
RANGOS
Var.
X1
X2
X3
Coef.
3
1
6
Aumento
infinito
6.479
infinito
Disminucin
infinito
14.957
1.346
b) 2X1 + 5X2 + 4X3 + S1 = 18

S1= -0.002
c) Para que sea bsica x1 debe ser 3 + 0.907 = 3.907 su coeficiente
d) Para el segundo recurso: Max incremento
4.907+ (-0.116) Cs2 0
Cs2 42.302
0.326+ (-0.093) Cs2 0
Cs2 3.505
4.093+ (0.116) Cs2 0
Cs2 -35.284
e) Para Z mximo entonces el incremento debe ser mximo

Coeficiente de X2: 1+6.479=7.479
Max Z = 3X1 + 7.479X2 + 6X3
Z = 26.996
183
PROBLEMAS RESUELTOS
1.
Beerco fabrica cerveza tipo ALE y BEER, a partir de trigo, lpulo y malta.
Actualmente, se disponen de 40 lb. de trigo, 30 lb. de lpulo y 40 lb. de malta.
Un barril de ALE se vende a 40 dlares y requiere 1 lb. de trigo, 1 lb. de lpulo
y 2 lb. de malta. Un barril de BEER se vende a 50 dlares y se necesitan 2 lb.
de trigo, 1 lb. de lpulo y 1 lb. de malta. Beerco puede vender toda la ALE y
toda la BEER que produce. Suponiendo que la meta de Beerco es maximizar el
ingreso total de las ventas, Beerco tendr que resolver el PL siguiente:
Sujeto a:
ALE + 2 BEER 40
ALE + BEER 30
2ALE + BEER 40
ALE, BEER 0
ALE = barriles de ale producidos y BEER = barriles de cerveza producidos.
En la tabla se muestra un cuadro ptimo para este PL.
Z
BEER
S2
ALE
Z
1
0
0
0
ALE
0
0
0
1
BEER
0
1
0
0
S1
20
2/3
-1/3
-1/3
S2
0
0
1
0
S3
10
-1/3
-1/3
2/3
LD
1200
40/3
10/3
40/3
a) Escribir la solucin dual y obtenga su solucin optima

b) Encuentre el intervalo de los valores del precio de ALE para los cuales la
base actual permanece ptima.
c) Encuentre el intervalo de los valores del precio de BEER para los cuales la
base actual permanece ptima.
d) Halle el intervalo de los valores de la cantidad de trigo disponible
para los cuales la base actual permanece ptima.

184
e) Obtenga el intervalo de los valores de la cantidad de lpulo disponible para

los cuales la base actual permanece ptima.
f) Obtenga el intervalo de los valores de la cantidad de malta disponible para
g) Suponga que Beerco est considerando producir otro tipo de cerveza
(MALT LIQUOR). Un barril de MALT LIQUOR requiere 0.5 lb. de

trigo, 3 lb. de lpulo y 3 lb. de malta y se vende a 50 dlares.
Tendr que producir Beerco Malt liquor?
Solucin:
a) Solucin dual :
Sujeto a:
La solucin ptima es: 40*20 + 30*0 + 40*10 = 1200

b) EL intervalo de los valores del precio de ALE para los cuales la base actual
permanece optima.
Sea el cuadro ptimo el siguiente:
Para k = 3, r = 3
Z3 - C3 + Y33CALE 0
20 + (-1/3)CALE 0
CALE 60
Para k = 5, r = 3
Z5 - C5 + Y35CALE 0
10 + (2/3)CALE 0
CALE -15
185
El intervalo es: -15 CALE 60

c) El intervalo de los valores del precio de la BEER para los cuales la base
actual permanece optima.
Para k = 3, r = 1
Z3 - C3 + CBEERY13 0
20 + (2/3)CBEER 0
CBEER -30
Para k = 5, r = 1
Z5 - C5 + CBEER 0
10 + (1/3)CBEER 0
CBEER 30
El intervalo es: -30 CBEER 30
d) El intervalo de los valores de la cantidad de trigo disponible para los cuales

la base actual permanece optima.
Para b1: ( Restriccin del trigo)
40/3 + (2/3)b1 0
b1 -20
10/3 + (-1/3)b1 0
b1 10
186
40/3 + (-1/3)b1 0
b1 40
El intervalo es: -20 b1 10

e) El intervalo de los valores de la cantidad de lpulo disponible para los
cuales la base actual permanece optima.
Para b2:
( Restriccin del lpulo)
40/3 + (0)b2 0
b2 -
10/3 + (1)b2 0
b2 -10/3
40/3 + (0)b2 0
b2 -
El intervalo es: -10/3 b2
187
f) El intervalo de los valores de la cantidad de malta disponible para los

cuales la base actual permanece optima.
Para b3: (Restriccin de la malta)
40/3 + (-1/3)b3 0
b3 40
10/3 + (-1/3)b3 0
b3 10
40/3 + (2/3)b3 0
b3 -20
El intervalo es: -20 b3 10
g) Beerco est considerando producir otro tipo de cerveza (MALT LIQUOR).

Un barril de malt liquor requiere 0.5 lb. de trigo, 3 lb. de lpulo y 3 lb. de
malta y se vende a 50 dlares. Tendr que producir Beerco Malt liquor?
Al aumentar una nueva actividad, el tablero inicial ser ahora:
Z
S1
S2
S3
Z
1
0
0
0
ALE
- 40
1
1
2
BEER
- 50
2
1
1
MALT
-50
0.5
3
3
S1
0
1
0
0
S2
0
0
1
0
S3
0
0
0
1
LD
0
40
30
40
188
-1
Zj - Cj = CVBB aj - Cj
20
0.5
3
10
2/3
-1
A 3 = B a3 =
1/ 3
1/ 3
- 50 = 10 + 30 - 50 = -10
0
1
0
0.5
2 / 3
11 / 6
11 / 6
MALT LQ
-10
-2/3
11/6
11/6
S1
20
2/3
-1/3
-1/3
1 / 3
1 / 3
2/3
3 =
El nuevo tablero ptimo ser:
Z
CERV.
S2
ALE
Z
1
0
0
0
ALE
0
0
0
1
BEER
0
1
0
0
S2
0
0
1
0
S3
10
-1/3
-1/3
2/3
LD
1200
40/3
10/3
40/3
Dado que el valor del coeficiente de Malt Liquor es < 0 (= -10), esto indica que la
base no sera optima; por lo tanto, podra usar el algoritmo Simplex a fin de no
tener coeficientes negativos en el rengln o, con lo que la variable Malt Liquor
entrara a la base, convirtindose en variable de decisin.
2. Radioco fabrica dos tipos de radios. El nico recurso escaso que se necesita para
producir los radios es la mano de obra. Actualmente la compaa tiene dos
trabajadores. El trabajador 1 est dispuesto a trabajar hasta 40 horas a la semana,
y se le para 5 dlares la hora. El trabajador 2 est dispuesto a trabajar hasta 50
horas a la semana, y se le paga 6 dlares la hora. En la tabla siguiente se dan los
precios, as como los recursos requeridos para fabricar cada tipo de radio.
RADIO 1
RADIO 2
189
Precio
Recursos
(dlares)
Requeridos
25
Trabajador 1: 1 hora
a).
Precio
(dlares)
22
Recursos
Requeridos
Trabajador 1: 2 horas
Trabajador 2: 2 horas
Trabajador 2: 1 hora
Materia prima:
Costo: 5 dlares
Materia prima
costo: 4 dlares
Sea Xi el nmero de radios tipo i producidos semanalmente. Demuestre que

Radioco tendra que resolver el PL siguiente (su cuadro optimo se da en la
siguiente tabla)
b). Para qu valores del precio de un radio tipo 1, la base actual permanece
ptima?
c). Para qu valores del precio de un radio tipo 1, la base actual permanece
ptima?
d). Si el trabajador 1 estuviera dispuesto a trabajar solamente 30 horas a la
semana, permanecera ptima la base actual?
e). Si el trabajador 2 estuviera dispuesto a trabajar hasta 60 horas a la semana,
f).
permanecera ptima la base actual?

Si el trabajador 1 estuviera dispuesto a trabajar una hora adicional, cul sera
la mxima cantidad que tendra que estar dispuesto a pagar Radioco?

g). Si el trabajador 2 estuviera dispuesto a trabajar solamente 48 horas, cules
seran las utilidades de Radioco?. Verifique su respuesta al determinar el
nmero de radios de cada tipo que se produciran si el trabajador 2 estuviera
dispuesto a trabajar solamente 48 horas.
h). Radioco esta considerando la posibilidad de producir un radio tipo 3. Las
especificaciones para un radio tipo 3 son las siguientes: precio, 30 dlares, 2
horas del trabajador 1; 2 horas del trabajador 2, costo de la materia prima, 3
dlares. Tendra que producir Radioco radios tipo 3?
Sujeto a:
190
X1 + 2X2 40
2X1 + X2 50
X1, X2 0
En la tabla se muestra un cuadro ptimo para este PL.
X1
0
1
0
Z
X1
X2
X2
0
0
1
S1
1/3
-1/3
2/3
S2
4/3
2/3
-1/3
LD
80
20
10
Solucin:
a) Calculando:
Trabajador 1: X1 + 2X2 40
Trabajador 2: 2X1 + X2 50
Desarrollo del PL con la ayuda del LINDO
MAX 3X1 + 2X2
SUBJECT TO:
X1 + 2X2 <= 40
2X1 + X2 <= 50
LP OPTIMUM FOUND AT STEP

1)
VARIABLE
X1
X2
80.000000
VALUE
20.000000
10.000000
REDUCED COST
0.000000
0.000000
191
ROW
2)
3)
SLACK OR SURPLUS
0.000000
0.000000
DUAL PRICES
0.333333
1.333333
N ITERATIONS = 2
VARIABLE
X1
X2
ROW
2)
3)

ALLOWABLE
CURRENT COEF
INCREASE
3.000000
1.000000
2.000000
4.000000
ALLOWABLE
DECREASE
2.000000
0.500000

ALLOWABLE
CURRENT RHS
INCREASE
40.000000
60.000000
50.000000
30.000000
ALLOWABLE
DECREASE
15.000000
30.000000
b) Valores del precio de un radio tipo 1, en donde la base actual permanece

optima
k=4
1/3 + (-1/3)C1 0
C1 1
k=5
4/3 + (2/3)C1 0
C1 -2
C1 = 3 + 1 = 4
C1 = 3 - 2 = 1
P1 - 22 = 4
P1 - 22 = 1
P1 = 26
P1 = 23
192
c) Valores del precio de un radio tipo 1,en donde la base actual permanece optima
1/3 + (2/3) C2 0
C2 -1/2
4/3 + (-1/3) C2 0
C2 4
C2 = 2 - 1/2
P2 - 20 = 2 - 1/2
P1 = 21.5
C2 = 2 + 4
P2 - 20 = 2 + 4
P1 = 26
d) Si el trabajador 1 estuviera dispuesto a trabajar solamente 30 horas a la

semana, permanecera ptima la base actual?
20 + (-1/3)b1 0
b1 60
40 + 60 = 100
10 + (2/3)b1 0
b1 -15
40 - 15 = 25
La base actual permanece ptima.

e) Si el trabajador 2 estuviera dispuesto a trabajar hasta 60 horas a la semana,
permanecera ptima la base actual?
193
20 + (2/3)b2 0
b2 -30
50 + 30 = 80
10 + (-1/3)b2 0
b2 30
50 - 30 = 20
Por lo tanto, la base actual permanece ptima.

f) Si el trabajador 1 estuviera dispuesto a trabajar una hora adicional, la mxima
cantidad que tendra que estar dispuesto a pagar Radioco:
A partir del precio sombra de 1/3 de la restriccin X 1 + 2X2 40, se observa
que si hay 41 horas de trabajo disponible, entonces (despus de pagar 5 dlares
por hora extra de trabajo). Las utilidades aumentaran en 1/3 dlar. Por lo tanto
Radioco paga 5 dlares + 1/3 dlar = 16/3 dlares por una hora extra de
trabajo. Esto significa que Radioco estara dispuesto a pagar hasta 16/3 dlares
por otra hora de trabajo.
g) Si el trabajador 2 estuviera dispuesto a trabajar solamente 48 horas, las
utilidades de Radioco
De otra manera:
Z = 80 - 2x4/3 = 77.33
h) Radioco considera la posibilidad de producir un radio tipo 3. Las

especificaciones para un radio tipo 3 son las siguientes: precio, 30 dlares, 2
194
horas del trabajador 1; 2 horas del trabajador 2, costo de la materia prima, 3

dlares
Para que Radioco no produzca el radio tipo 3:
Zj - Cj 0
Zj - Cj = CBB-1(aj) - Cj
1 4
3 3
3
2
28 1
3 0
33 3
Por lo tanto Radioco no tendra que producir radios tipo 3.
4.10 INTERPRETACIN DEL PROGRAMA LINGO

3. Carco fabrica automviles y camiones. Cada automvil contribuye con 300
dlares a la utilidad, y cada camin contribuye con 400 dlares. En la Tabla se
muestran los recursos requeridos para la produccin de un automvil y de un
camin. Cada da, Carco puede rentar hasta 98 mquinas tipo 1 a un costo de 50
dlares la mquina. Actualmente, la compaa dispone de 73 mquinas tipo 2 y
260 ton. de acero. Consideraciones del mercado indican que hay que producir
por lo menos 88 automviles y por lo menos 26 camiones.
Sea:
X1 = automviles producidos diariamente
X2 = camiones producidos diariamente
M1 = mquinas tipo 1 rentadas diariamente
AUTOMVIL
DAS EN LA
DAS EN LA
TONELADAS DE
MQUINA TIPO 1
MQUINA TIPO 2
ACERO
0.8
0.6
195
CAMIN
0.7
Para maximizar la ganancia, Carco tendr que resolver el PL de la Fig. Utilice la

salida de LINDO para contestar las preguntas siguientes.
a) Si los automviles contribuyeran con 310 dlares a la utilidad, cul sera
la nueva solucin ptima para el problema?
b) Cul es la mxima cantidad que Carco tendra que estar dispuesto a pagar
para rentar 1 mquina adicional de tipo1 por da?
c) Cul es la mxima cantidad que Carco tendra que estar dispuesto a pagar
por una tonelada extra de acero?
d) Si Carco tuviera que producir por lo menos 86 automviles, cul sera la
utilidad de Carco?
e) Carco considera la posibilidad de producir vehculos para todo terreno
(jeep). Un jeep contribuye con 600 dlares a la utilidad y requiere 1.2 das
de la mquina 1,2 das de la mquina 2 y 4 ton. de acero. Tendra que
producir Carco algn jeep?
REPORTE EN LINDO:
MAX 300X1 + 400X2 - 50M1
SUBJECT TO
2) 0.8X1 + X2 - M1 0
3)
M1 98
4) 0.6X1 + 0.7X2
73
5) 2X1+ 3X2
260
6)
X1
88
7)
X2
26
END
LP OPTIMUM FOUND AT STEP 1
196

1)
32540.000000
VARIABLE
X1
X2
X3
ROW
2)
3)
4)
5)
6)
7)
VALUE
88.000000
27.599998
98.000000
SLACK OR SURPLUS
0.000000
0.000000
0.879999
1.200003
0.000000
1.599999
REDUCED COST
0.000000
0.000000
0.000000
DUAL PRICES
400.000000
350.000000
0.000000
0.000000
-20.000000
0.000000
N ITERATIONS = 1
VARIABLE
X1
X2
X3
ROW
2)
3)
4)
5)

ALLOWABLE
CURRENT COEF
INCREASE
300.000000
20.000000
400.000000
INFINITY
-50.000000
INFINITY
ALLOWABLE
DECREASE
INFINITY
25.000000
350.000000

ALLOWABLE
CURRENT RHS
INCREASE
0.000000
0.400001
98.000000
0.400001
73.000000
INFINITY
260.000000
INFINITY
ALLOWABLE
DECREASE
1.599999
1.599999
0.879999
1.200003
197
6)
7)
88.000000
26.000000
1.999999
1.599999
3.000008
INFINITY
Solucin:
a). Si los automviles contribuyeran con 310 dlares, se estara adicionando $ 10 a
la utilidad.
Observando el reporte en LINDO, vemos que 10 est dentro del rango
admisible para un incremento de X1 (automviles); por lo tanto la F.O. seguira
siendo ptima.
Nuevo valor objetivo
z = 32540 + 10(88) = 33420 dlares
b). Segn el reporte LINDO, el aumento mximo permisible de la Mq. Tipo 1 es

0.400001, por lo que si alquilamos 1 Mq. adicional, sta no estar dentro del
intervalo permisible (< 1).
c). Carco no utiliza todo el recurso disponible de acero; por lo tanto, no le interesa
comprar 1 ton extra de acero.
0
d). Si Carco tuviera que producir por lo menos 86 automviles (dos automviles
menos que el planteamiento original). Veremos que una disminucin en 2 est
dentro del rango permisible; por lo tanto:
Nueva utilidad = 32540 + (-2)(-20) = 32580
e). Si se considera la posibilidad de producir jeep:
198
Tendramos que reformular con los datos de la nueva lnea:

Sea X3 el nmero de jeep a producir:
MAX 300X1 + 400X2 + 600X3 - 50MT
Sujeto a:
X2 + 1.2X3 - M1 0
M1 98
0.6X1 + 0.7X2 + 2X3 73
2X1 + 3X2 + 4X3 260
X1 88
X2 26
X1, X2, X3 0
0.8X1 +
El reporte en LINDO nos arroja una F.O. de 32631 dlares, que es mayor a la
F.O. original, lo que significa que aumentara nuestras utilidades.
Por lo tanto, es recomendable producir jeep.
4. WIVCO fabrica un producto 1 y un producto 2, procesando materia prima. Se

puede comprar hasta 90 lb. De materia prima a un costo de 10 dlares/lb. Se
puede utilizar una libra de materia prima, para producir 1 lb. del producto 1,
0.33 lb. del producto 2, Usar una libra de materia para producir 0.33 lb. del
producto 2, requiere tres horas de mano de obra.
Se disponen 200 has de
mano de obra; se pueden vender a lo ms 40 libras del producto 2. Se vende el
producto 1 a 13 dlares/lb., y el producto 2 a 40 dlares/lb. Sea:
RM = Lb. de materia prima procesadas
P1 = Lb. de materia prima utilizadas para fabricar el producto 2
Para maximizar la ganancia, WINCO tendr que resolver el PL siguiente:
199
Sujeto a:
Con la ayuda de la salida de LINDO de la Fig. Conteste las preguntas siguientes:

a) Si se pudieran comprar solamente 87 lb. de materia prima Cules seran
las utilidades de WIVCO?
b) Si se vendiera el producto2 a 39.50 dlares/lb., cul sera la nueva
solucin optima para el problema de WIVCO?
c) Cul es la mxima cantidad que tendra que estar dispuesta a pagar
WIVCO por la otra libra de materia prima?
d) Cul es la mxima cantidad que tendra que estar dispuesto a pagar
WIVCO por otra hora de trabajo?
e) Supngase que se puede utilizar una libra de materia prima para fabricar
0.8 lb. del producto 3. El producto 3 se vende a 24 dlares/lb. y por
procesar 1 lb. de materia prima de 0.8 lb. del producto 3 requiere 7 horas
de mano de obra. Tendra que producir WIVCO algn producto 3?
MAX
13 P1 + 13.2P2 10RM
SUBJECT TO
- P1P2+RM 0
2P1+3P2 200
RM 90
0.33P2 40
200
END

1)
90.000000
VARIABLE
P1
P2
RM
VALUE
70.000000
20.000000
90.000000
REDUCED COST
0.000000
0.000000
0.000000
ROW
2)
3)
4)
5)
SLACK OR SURPLUS
0.000000
0.000000
0.000000
33.400002
DUAL PRICES
-12.600000
0.200000
2.600000
0.000000
N ITERATIONS = 3
VARIABLE
CURRENT COEF
P1
P2
RM
13.000000
13.200000
-10.000000
ROW
2)
3)
4)
ALLOWABLE
INCREASE
0.200000
1.300000
INFINITY

ALLOWABLE
CURRENT RHS
INCREASE
0.000000
23.333334
200.000000
70.000000
90.000000
10.000000
ALLOWABLE
DECREASE
0.866667
0.200000
2.600000
ALLOWABLE
DECREASE
10.000000
20.000000
23.333334
201
5)
40.000000
INFINITY
33.400002
Solucin:
a.
Si se pudieran comprar solamente 87 lb. De materia prima, estaramos

disminuyendo 3 lb. de m.p.
sta disminucin
est dentro del rango
permisible (reporte LINDO) por lo tanto:

Nueva utilidad
b.
Z = 274 (2.6x3) = 266.20 dlares
Las variables de decisin permanecen igual

Nuevo valor objetivo Z = 13x70 + 39.5x (0.33)20 10x90= 270.70 dlares
c. Una mquina adicional del tipo 1 por da:

La respuesta la obtendremos directamente observando los precios duales del
reporte LINDO
ROW
2)
SLACK OR SURPLUS
0.000000
DUAL PRICES
-12.600000
Por lo que WIVCO estar dispuesto a pagar 12.60 dlares por rentar dicha
mquina
d. De igual manera, la respuesta la obtendremos directamente observando los
precios duales del reporte LINDO:
ROW
3)
SLACK OR SURPLUS
0.000000
DUAL PRICES
0.200000
Por lo que WIVCO estar dispuesto a pagar 0.20 dlares (20 centavos $) por
una hora adicional de mano de obra.
202
e. Suponiendo que se fabrica el producto 3; se tendra que modificar nuestra

formulacin de la siguiente manera:
Sea P3 nmero de artculos del producto 3 a fabricar
Sujeto a:
Lo cual no da una nueva F.O. de 294.800000 dlares

294.800000 > 274000000
Significa mayor utilidad; por lo tanto se fabricar el producto 3.
5. El Granjero Leary Cultiva trigo y maz en su granza de 45 acres. Puede vender a
lo ms 140 bushel de trigo y, a lo ms, 120 bushel de trigo. Cada acre cultivado
produce 5 bushel de trigo o 4 bushel de maz a 50 dlares el bushel. Se necesitan
seis horas de mano de obra para cosechar un acre de trigo y 10 horas de mano de
obra para cosechar un acre de maz. Se pueden adquirir 350 horas de mano de
obra a 10 dlares la hora. Sea.
A1 = Acres sembrados de trigo
A2 = Acres sembrados de maz
L = h de trabajo adquiridas.
Para maximizar las utilidades, el grajero Leary tendr que resolver al PL siguiente:
203
Sujeto a:
Utilice la salida de LINDO de la figura para contestar las preguntas siguientes:

a) Cul es la mxima cantidad que tendra que estar dispuesto a pagar el
granjero, Leary por una hora adicional de mano de obra?
b) Cul es la mxima cantidad que tendra que estar dispuesto a pagar el
granjero Leary por un acre adicional de tierra?
c) Si dispusiera solamente de 40 acres de tierra Cul sera la utilidad del
granjero Leary?
d) Si el precio del trigo bajara 26 dlares Cul sera la nueva solucin ptima
para el problema del granjero Leary?
e) El granjero Leary considera la posibilidad de cultivar cebada. La demanda
de cebada no tiene lmites. Un acre produce 4 bushel de cebada y requiere
3 horas de mano de obra.
Si la cebada se venda a 30 dlares el bushel
tendra que producir el granjero Leary algo de cebada).

MAX 150A1+ 200A2 - 10L
SUBJECT TO
A1 + A2 45
6 A1 + 10A2 L 0
L 350
5 A1 140
4A2 120
204
1)
4250.000000
VARIABLE
A1
A2
L
ROW
2)
3)
4)
5)
6)
VALUE
25.000000
20.000000
350.000000
SLACK OR SURPLUS
0.000000
0.000000
0.000000
15.000000
40.000000
REDUCED COST
0.000000
0.000000
0.000000
DUAL PRICES
75.000000
12.000000
2.500000
0.000000
0.000000
N ITERATIONS = 3
VARIABLE
A1
A2
L
ROW
2)
3)
4)
5)
6)

ALLOWABLE
ALLOWABLE
CURRENT COEF
INCREASE
DECREASE
150.000000
10.000000
30.000000
200.000000
50.000000
10.000000
-10.000000
INFINITY
2.500000
ALLOWABLE
ALLOWABLE
CURRENT RHS
INCREASE
DECREASE
45.000000
1.200000
6.666667
0.000000
40.000000
12.000000
350.000000
40.000000
12.000000
140.000000
INFINITY
15.000000
120.000000
INFINITY
40.000000
Solucin:
205
a) La mxima cantidad que estar dispuesto a pagar el granjero Leary por una
hora adicional de mano de obra ser menos de 2.5 dlares.
ROW
4)
SLACK OR SURPLUS
0.000000
DUAL PRICES
2.500000
...
b) La mxima cantidad que estar dispuesto a pagar el granjero Leary por un

acre adicional de tierra ser: 75 dlares.
ROW
2)
SLACK OR SURPLUS
0.000000
DUAL PRICES
75.000000
c) Si se dispusieran 40 acres de tierra, tendramos 5 acres de tierra menos.

Observando el reporte LINDO, 5 acres est dentro del rango de
disminucin Permisible, por lo que la solucin actual permanecer siendo
ptima.
Nueva utilidad
Z = 4250 - 5(75) = 3875 dlares
d) Sabemos que actualmente se tiene 5 x 30 = 150 dlares en trigo por cada

acre ; si el precio del trigo bajara a 26 dlares (el bushel) se tendra 5 x
26=130 dlares en trigo lo que significa una disminucin de 20 dlares.
Una disminucin de 20 dlares mantendr ptima a la F.O por estar dentro
del intervalo permisible
Nueva utilidad Z = 130(25) + 200(20) - 10(350) = 3750 dlares
e) Suponiendo que se cultiva cebad, la nueva formulacin ser:
MAX Z= 150 A1 + 200 A2 + 120 A3 10L
Sujeto a:
A1 + A2 + A3 45
206
6 A1 + 10 A2 + 3 A3 - L 0
L 350
5 A1 140
4 A2 120
A1, A2, L 0
Lo cual nos da una nueva F.O. de $ 4,350.0, que es una utilidad mayor a la
anterior de 4,250.0, por lo que si se puede cultivar cebada.
6. Con rubes y zafiro Zales Jewelers producen dos tipos de anillos. Un anillo tipo
1 requiere 2 rubes, 3 zafiros y 1 h. de trabajo de un joyero. Un anillo tipo 2
requiere 3 rubes, 2 zafiros y 2 h de trabajo de un joyero. Cada anillo tipo 1 se
vende a 400 dlares y cada anillo tipo 2 a 500 dlares. Se pueden vender todos los
anillos producidos por Zales. Actualmente Zales dispone de 100 rubes, 120 zafiros
y 70 horas de trabajo de un joyero. Se puede compras ms rubes a un costo de 100
dlares el rub. La demanda del mercado requiere una produccin por lo menos de
20 anillos tipo 1 y por lo menos 25 anillos tipo. Para maximizar la ganancia Zales
tendr que resolver el PL siguiente:
= Anillos tipo 1 producidos
= Anillos tipo 2 producidos
= Nmero de rubes comprados
Sujeto a:
Con la ayuda de la salida de LINDO de la Fig. Conteste las preguntas siguientes:
207
a) Suponga que cada rub cuesta 190 dlares, en lugar de 100 dlares
Todava comprara Zales rubes? Cul sera la nueva solucin ptima
para el problema?
b) Suponga que Zales solamente tuviera que producir 23 anillos tipo 2 Cul
sera la utilidad de Zales ahora?
c) Cul es la mxima cantidad que tendra que estar dispuesto a pagar Zales
por otra hora de trabajo a un joyero?
d) Cul es la mxima cantidad que tendra que estar dispuesto a pagar Zales
por otro zafiro?
e) Zales considera producir anillos tipo 3. Cada anillo tipo 3 puede venderse a
550 dlares y requiere 4 rubes, 2 zafiros y 1 hora de trabajo de un joyero.
Tendra que producir Zales anillos tipo 3?
MAX 400X1 + 500X2 - 100R
SUBJECT TO
2X1 + 3X2 R 100
3X1 + 2X2 120
X1 + 2X2 70
X1 >= 20
X2 >= 25
END

1)
VARIABLE
X1
X2
R
ROW
19000.000000
VALUE
20.000000
25.000000
15.000000
SLACK OR SURPLUS
REDUCED COST
0.000000
0.000000
0.000000
DUAL PRICES
208
2)
3)
4)
5)
6)
0.000000
10.000000
0.000000
0.000000
0.000000
100.000000
0.000000
200.000000
0.000000
-200.000000
N ITERATIONS = 1
VARIABLE
X1
X2
R
ROW

ALLOWABLE
CURRENT COEF
INCREASE
400.000000
INFINITY
500.000000
200.000000
-100.000000
100.000000
ALLOWABLE
DECREASE
100.000000
INFINITY
100.000000

ALLOWABLE
ALLOWABLE
CURRENT RHS
INCREASE
DECREASE
2)
100.000000
15.000000
INFINITY
3)
120.000000
INFINITY
10.000000
4)
70.000000
3.333333
0.000000
5)
20.000000
0.000000
INFINITY
6)
25.000000
0.000000
2.500000
209
Solucin:
a) Suponiendo que cada rub cuesta 190 dlares en lugar de 100 dlares;
entonces habra un incremento de 90 dlares; si observamos el reporte
LINDO, 90 estar dentro del intervalo permisible del aumento por lo que la
nueva solucin seguir siendo ptima.
Nueva solucin ptima = 400(20) + 500(25) - 190(15) = 17650 dlares
b) En caso de que Zales solamente tuviera que producir 23 anillos tipo 2 (2
anillos menos), la F.O. permanecer ptima y la nueva utilidad sera.
Nueva solucin ptima
= 19000 2(-200) = 19400 dlares
c) La mxima cantidad que estara dispuesto a pagar Zales por otra hora de
trabajo de un joyero ser: 200 dlares.
ROW
4)
SLACK OR SURPLUS
0.000000
DUAL PRICES
200.000000
d) La mxima cantidad que Zales estara dispuesto a pagar por otro Zafiro
seria 0 dlares.
ROW
3)
SLACK OR SURPLUS
10.000000
DUAL PRICES
0.000000
e) Si se considera producir anillos tipo 3:

Tendramos que reformular de la siguiente manera:
Sea X3
Anillos del tipo 3
Max Z = 400X1 + 500X2 + 550X3 - 100R
210
Sujeto a:
2X1 + 3X2 + 4X3 R 100
3X1 + 2X2 + 2X3 120
X1 + 2X2 + X3 <= 70
X1 20
X2 25
X1, X2 0
La nueva F.O. seguir siendo 19000 dlares y no se reducir el anillo tipo
3.
7. SOFA S.A. produce cuatro tipos de losetas, las cuales sern vendidas en la
prxima edicin de la Feria del Hogar. Estos cuatro tipos son:
- Romana
- Esparta
- Sicilia
- Atenas
En la tabla se dan los recursos requeridos para producir una unidad de cada
producto y los precios de venta de cada tipo de loseta. SOFA S.A. dispone
de 5 toneladas de Barbotina (Barro Lquido) y 4600 horas de trabajo .la
empresa debe abastecer su stand con una produccin exacta de 950 unidades
en total .Por estudios de mercado y de aceptacin de productos, se exige que
se produzcan por lo menos 400 unidades de losetas Atenas.
Materia Prima (Barbotina)en Kg./unid
Horas de trabajo (hr/unid)
Precio de venta($/unid)
Romana
3
2
4
Esparta
4
3
6
Sicilia
5
4
7
Atenas
6
6
8
SOFA S.A. necesita conocer la cantidad de losetas a producir por cada tipo a fin
de maximizar ingresos.
MAX: 4X1+6X2+7X3+8X4
211
SUBJECT TO
2)
3)
4)
5)
X1 + X2 + X3 + X4 = 950
X4 >= 400
2X1 + 3X2 + 4X3 + 6X4<= 4600
3X1 + 4X2 + 5X3 + 6X4<= 5000
END

1)
6900.000000
VARIABLE
X1
X2
X3
X4
ROW
2)
3)
4)
5)
VALUE
0.000000
150.000000
400.000000
400.000000
SLACK OR SURPLUS
0.000000
0.000000
150.000000
0.000000
REDUCED COST
1.000000
0.000000
0.000000
0.000000
DUAL PRICES
2.000000
0.000000
0.000000
1.000000
N ITERATIONS = 3
VARIABLE
X1
X2
X3
X4

ALLOWABLE
CURRENT COEF
INCREASE
4.000000
1.000000
6.000000
0.000000
7.000000
1.000000
8.000000
0.000000
ALLOWABLE
DECREASE
INFINITY
0.500000
0.000000
INFINITY
212
ROW
2)
3)
4)
5)

ALLOWABLE
CURRENT RHS
INCREASE
950.000000
100.000000
400.000000
150.000000
4600.000000
INFINITY
5000.000000
150.000000
ALLOWABLE
DECREASE
30.000000
150.000000
150.000000
400.000000
a) Cuntas unidades de cada tipo de losetas tendr que producir SOFA

S.A.?
- No debe producir losetas Romanas, segn lo que observamos en la
salida de LINDO, ya que el valor de esta variable (X1) es igual a cero.
-
Debe producir 150 unidades de losetas Esparta
Debe producir 400 unidades de losetas Sicilia
Debe producir 400 unidades de losetas Atenas.
b) Al producir estas cantidades de losetas, cul ser la utilidad que percibir

la empresa?
La utilidad que percibir la empresa SOFA S.A. es de $ 6900, como lo
apreciamos en el reporte LINDO.
c) Si es que SOFA S.A. decidiera producir una loseta ms, cul sera el
costo al que incurrira?
La cantidad de losetas est referido en la fila 2, por lo cual para saber el
costo de producir una loseta ms estara en el precio dual de dicha fila, el
cual es de $2.Adems si se podra producir una loseta ms porque la
holgura de sta fila es cero lo que quiere decir que las 950 unidades
producidas han sido vendidas
d) Cul es la mxima cantidad que tendra que pagar SOFA S.A. por un kilo
de materia prima (barbotina) adicional?
La materia prima se encuentra referida en la fila 4 del reporte de LINDO
por lo cual para saber cuanto ms se pagar de por un kilo adicional de
213
materia prima , observamos el precio dual de la fila 4 que es $1.00,

entonces este ser el precio que SOFA S.A. pagara por un kilo de
barbotina extra.
e) Cunto le costara a SOFA S.A. producir una unidad adicional de loseta
Atenas?
SOFA S.A. no debe producir ms losetas Atenas porque como observamos
en el reporte de LINDO tiene un exceso de 150 unidades (holgura de fila 3)
f) Si las Losetas Atenas contribuiran con 8.5 dlares a la utilidad se SOFA
S.A. Cul sera la nueva utilidad de la empresa?
De la Salida de LINDO (Anlisis de Sensibilidad) vemos que el
incremento del precio de venta de estas losetas (variable X4) que es de
8.00-8.50=0.5 dlares, se encuentra dentro rango de incremento
permisible: incremento de 1 dlar. Luego la nueva utilidad ser:
Z nueva = 6900 + (0.5)550=7175 dlares

g) De Acuerdo a los ltimos resultados de un estudio de mercado, los clientes
de loseta prefieren el tipo Npoles (lnea anteriormente producida por
SOFA S.A.). Una loseta Npoles requiere 5 kilos de materia prima, 5
horas de trabajo y se vende a 9 dlares .La empresa debe tomar la decisin
de producir o no dicho tipo de losetas para la temporada de Feria.
Solucin:
El Producir un tipo de loseta ms estara aumentando una nueva actividad, por lo
tanto, el tablero inicial ser ahora:
Nueva Actividad X5
Z
S1
S2
S3
Z
1
0
0
0
X1
-4
1
0
2
X2
-6
1
0
3
X3
-7
1
0
4
X4
-8
1
1
6
X5
-9
1
0
5
S1
0
1
0
0
S2
0
0
1
0
S3
0
0
0
1
S4
0
0
0
0
LD
0
950
400
4600
214
S4
5000
Entonces se hallan los valores del coeficiente de X5 y su respectiva columna a 5,

que se encontrar en el tablero ptimo
1
0
1 X
5

5
0
0
a B 1 a
1
0
1
0
0
959 4
1
1
1
2
1
X
5
0
1
Introducimos estos valores en la solucin ptima:
Z
X2
S1
X4
X3
Z
1
0
0
0
0
X1
1
2
0
0
-1
X2
0
1
0
0
0
X3
0
0
0
0
1
X4
0
0
0
1
0
X5
-4
-5
0
1
5
S1
0
0
1
0
0
S2
0
1
1
1
-2
S3
0
-2
-1
-1
3
LD
6900
950
400
4600
5000
Dado que el valor del coeficiente de Losetas Npoles <0 (= - 4), esto indica que la
base no sera ptima; por lo tanto, podramos usar el algoritmo Simplex a fin de no
tener coeficientes negativos en el regln (o con lo que la variable de Losetas
Npoles entrara a la base, convirtindose en variables de decisin).
215
Z
1
0
0
0
0
Z
X2
X5
X4
S3
X1
0.5
1.5
-0.5
0
-0.5
X2
0
1
0
0
0
X3
0.5
0.5
0.5
0
0.5
X4
0
0
0
1
0
X5
0
0
1
0
0
S1
2.5
-0.5
1.5
-1
0.5
S2
1.5
-0.5
0.5
0
-0.5
S3
0
0
0
0
1
LD
7325
275
275
400
125
De estos resultados SOFA S.A. puede notar que se deberan producir 275 unidades
de las losetas Npoles y no producir losetas Sicilia; ya que as aumenta la utilidad a
$7325.00
8. SOFA S.A. est planeando dar un acabado especial a sus losetas , el cual
consiste en un fino acabado de oro. Es necesario entonces utilizar ms horas por
cada tipo de losetas : para el tipo Romana , se necesitan 4 horas; para el tipo
Esparta , 3 horas; para el tipo Sicilia, 5 horas; y para el tipo Atenas, 4 horas. La
disponibilidad mxima de horas de acabado es de 4000 Disminuir las utilidades
de la empresa aadiendo este tipo de acabado a las losetas?
Solucin:
Agregamos los valores de las restricciones de las horas de acabado de oro a la
Tabla ptima, con lo que aumentara una variable S 4 de holgura. Esta variable se
asume en el tablero como variable bsica, y se puede notar que las columnas a ij de
cada una de las variables bsicas restantes quedarn alteradas por el ingreso de esta
nueva restriccin. Este problema se solucionar usando el mtodo de
transformaciones de Gauss-Jordan
Tablero ptimo Alterado:
Z
X2
S1
X4
X3
S4
Z
1
0
0
0
0
0
X1
1
2
0
0
-1
4
X2
0
1
0
0
0
3
X3
0
0
0
0
1
5
X4
0
0
0
1
0
4
S1
0
0
1
0
0
0
S2
0
1
1
1
-2
0
S3
1
-2
-1
-1
3
0
S4
0
0
0
0
0
1
LD
6900
950
400
4600
5000
4000
216
Debemos transformar los valores en negrita, que son los que alteran el tablero
ptimo.
Luego de las transformaciones, obtenemos el siguiente tablero ptimo:
Z
1
0
0
0
0
0
Z
X2
S1
X4
X3
S4
X1
1
2
0
0
-1
3
X2
0
1
0
0
0
0
X3
0
0
0
0
1
0
X4
0
0
0
1
0
0
S1
0
0
1
0
0
0
S2
0
1
1
1
-2
3
S3
1
-2
-1
-1
3
-5
S4
0
0
0
0
0
1
LD
6900
300
150
550
100
400
Entonces, aunque el valor de la funcin no ha cambiado, vemos que ahora Sofa

S.S. deber producir 300 losetas Esparta; 550 losetas Atenas y 1000 losetas
Sicilia.
9. Wivco fabrica dos productos: producto 1 y producto2 .Los datos pertinentes se
encuentran en la tabla .Cada semana, se puede comprar hasta 400 unidades de
materia prima, a un costo de 1.50 dlares la unidad. La compaa tiene 4
trabajadores, que trabajan 40 horas a la semana (su salario se considera como un
costo fijo): se Puede pedir a los obreros que trabajen tiempo extra, y se le paga 6
dlares la hora extra. Cada semana se dispone de 320 horas de mquina. Sin
publicidad, la demanda semanal del producto 1 es 50, y del producto 2 es de 60. Se
puede usar publicidad para estimular la demanda de cada producto .Cada dlar que
se gasta para el producto 1, aumenta la demanda en 10 unidades; y cada dlar que
se gasta en publicidad para el producto 2, aumenta la ganancia en 15 unidades .Se
puede gastar hasta 1000 dlares en publicidad. Defina las variables de decisin
siguientes:
P1
= Unidades del producto 1 producidas cada semana
P2
= Unidades del producto 2 producidas cada semana
OT = Nmero de horas extras empleadas cada semana

RM = Nmero de unidades de materia prima comprada semanalmente
217
A1 = Dlares gastados semanalmente en la publicidad del producto 1

A2 = Dlares gastados semanalmente en la publicidad del producto 1
PRODUCTO 1
PRODUCTO 2
15 dlares
0.75 horas
1.50 horas
2 unidades
8 dlares
0.50 horas
0.80 horas
1 unidad
Precio de Venta
Trabajo requerido
Tiempo de mquina
requerido
Materia prima requerida
PROGRAMA EN LINDO
MAX 15P1+8P2-6OT-1.5RM-A1-A2
SUBJECT TO
2)
3)
4)
5)
6)
7)
8)
P1 - 10A1
<= 50
P2 - 15A2
<= 60
0.75P1 + 0.5P2 - OT <= 160
2P1 + P2 - RM <= 0
RM
<= 400
A1 + A2
<= 100
1.5P1+ 0.8P2
<= 320
END
1)
VARIABLE
P1
P2
OT
RM
A1
6900.000000
VALUE
160.000000
80.000000
0.000000
400.000000
11.000000
REDUCED COST
0.000000
0.000000
2.133333
0.000000
0.000000
218
A2
ROW
2)
3)
4)
5)
6)
7)
8)
1.333333
SLACK OR SURPLUS
0.000000
0.000000
0.000000
0.000000
0.000000
87.666664
16.000000
0.000000
DUAL PRICES
0.100000
0.066667
3.866667
6.000000
4.000000
0.000000
0.000000
N ITERATIONS = 5
VARIABLE
P1
P2
OT
RM
A1
A2
ROW
2)
3)
4)

ALLOWABLE
CURRENT COEF
INCREASE
15.000000
0.966667
8.000000
0.266667
-6.000000
2.133333
-1.000000
INFINITY
-1.000000
1.000000
-1.000000
1.000000
ALLOWABLE
DECREASE
0.533333
0.483333
INFINITY
4.500000
5.333333
7.250000

ALLOWABLE
CURRENT RHS
INCREASE
50.000000
110.000000
60.000000
20.000000
160.000000
27.500000
ALLOWABLE
DECREASE
876.666626
1314.999878
2.500000
219
5)
6)
7)
8)
0.000000
400.000000
100.000000
320.000000
6.666667
6.666667
INFINITY
INFINITY
55.000000
55.000000
87.666667
16.000000
a) Si el tiempo extra costara solamente 4 dlares la hora Utilizara Wivco tiempo

extra?
b) Si se vendiera cada unidad de producto 1 a 15.50 dlares; Permanecera
ptima la base actual? Cul sera la nueva solucin ptima?
c) Cul es la mxima cantidad que Wivco estara dispuesto a pagar por otra
unidad e materia prima?
d) Cul es la cantidad que Wivco estara dispuesto a pagar por hora de Tiempo
mquina?
e) Si se exigiera a cada trabajador a trabajar 45 horas a la semana (como parte de
la semana normal de trabajo). Cul sera ahora la ganancia?
f) Wivco considera fabricar un nuevo producto (producto 3). Se vende cada
unidad del producto 3 a 17 dlares y se requieren 17 horas de trabajo por
unidad de materia prima y 2 horas de tiempo mquina. Tendra que producir
Wivco algn producto 3?
g) Si se vendiera cada unidad de producto 2 a 10 dlares Permanecera ptima la
base actual?
Solucin:
a) Al costar 4 dlares la hora, la disminucin sera de 2 dlares; la que se encuentra
en el rango permisible de disminucin. An as la solucin ptima no es afectada
ya que la variable horas extras de trabajo (OT) no es una variable de decisin.
b) Al costar 15.50 dlares la hora, se est aumentando el costo en 0.50 dlares; este
aumento se encuentra en el rango permisible de aumento que es 0.96 dlares.
Entonces:
Z nueva Z C1 2427.667 (0.5)160 2507.667
c) Wivco debera pagar por otra unidad de materia prima 4.5 dlares, este valor lo
obtenemos del precio dual de la fila (6), ya que esta fila est referida a las
unidades de materia prima.}
220
d) Con respecto a las horas mquinas, sabemos que Wivco utiliza 1.5 horas en el
producto 1 y 0.8 en el producto 2 (tabla 1), esto est referido en la fila 8,
entonces para saber si se necesitan ms horas mquinas tenemos que ver la
holgura (slack or surplus) de la fila 8, el valor que encontramos es de 16; esto
implica que estn sobrando 16 horas mquina, por lo que Wivco no pagara nada
por hora mquina.
e) Al aumentar las horas-hombre a 45 (45x4=180), encontramos un aumento de 20
horas(45x4-40x4=20), este aumento est en el rango permisible de aumento ; la
fila 4 se refiere a las horas-hombres , y el precio dual de esta fila es 3.866667 , al
calcular la nueva solucin ptima tendremos que esta ser : 2505 dlares, lo que
se puede obtener tanto del reporte LINDO, como de ejecutar:
Z nueva Z C1 2427.667 ( 20)(3.866667) 2505
f) Los requerimientos del producto 3 son:
Precio de Venta
Trabajo requerido
Tiempo de mquina requerido
Materia prima requerida
PRODUCTO 3
17 dlares
2 horas
2 horas
1 unidad
Al introducir estos datos en el reporte LINDO se tendr los siguientes valores:

Funcin Objetivo = 2443.769, aumenta en 16.102 dlares al producir 7 unidades
del producto 3, por lo que si debera producir el producto 3 pero ya no se
producira ninguna unidad del producto 2.
g) No se puede aumentar a 10 dlares el precio de venta del producto 2, ya que
sera un incremento de 2 dlares lo cual no est permitido en el rango de
aumento permisible para este producto. Y la base actual no permanecera
ptima.
221
10. ABC, puede fabricar los productos A, B y C, para el cual requiere de los
componentes C1, C2 y C3, la cantidad de componentes por unidad de producto as
como el precio de venta unitario se presenta en la siguiente tabla:
PRODUCTO
A
B
C
CANTIDAD
DISPONIBLE
C1
C2
C3
1
3
4
2
2
5
6
2
1
140
130
80
PRECIO DE
VENTA
60
70
80
El programa lineal y el tablero son como sigue:

MAX 60XA+70XB+80XC
ST
2) XA + 3XB + 4XC <140
3) XA + 2XB + 5XC <130
4) 6XA + 2XB + XC < 80
THE TABLEAU
ROW
1
2
3
4
ROW
1
2
3
4
(BASIS)
ART
XC
SLK 3
XB
SLK 4
8.000
-0.600
1.400
0.800
XA
6.000
-3.200
8.800
4.600
XB
0.000
0.000
0.000
1.000
XC
0.000
1.000
0.000
0.000
SLK 2
18.000
1.400
-1.600
-0.200
SLK 3
0.000
0.000
1.000
0.000
3160.000
8.000
18.000
36.000
222

1)
3160.000000
VARIABLE
XA
XB
XC
ROW
2)
3)
4)
VALUE
0.000000
36.000000
8.000000
SLACK OR SURPLUS
0.000000
18.000000
0.000000
REDUCED COST
6.000000
0.000000
0.000000
DUAL PRICES
18.000000
0.000000
8.000000
N ITERATIONS = 2
VARIABLE
XA
XB
XC
ROW
2)
3)
4)

ALLOWABLE
CURRENT COEF
INCREASE
60.000000
6.000000
70.000000
90.000000
80.000000
1.875000
ALLOWABLE
DECREASE
INFINITY
1.304348
45.000000

ALLOWABLE
CURRENT RHS
INCREASE
140.000000
11.250000
130.000000
INFINITY
80.000000
13.333333
ALLOWABLE
DECREASE
20.000000
18.000000
12.857143
223
a) Encuentre el intervalo de los valores del precio de C para los cuales la base
actual permanece ptima.
Como e
Aumento Admisible
1.875
Disminucin Admisible
45
80 45 C C 80 1.875
35 C 81.875
b) Halle los intervalos de los valores de la cantidad del componente C3 para

Como el
Aumento Admisible
13.33
12.86
80 12.86 C 3 C 3 80 13.33
67.14 C 3 93.33
c) Cul es la mxima cantidad adicional que ABC estara dispuesto a pagar

por otra unidad de C1?
El equivalente al precio dual o precio sombra; 18
d) Si ABC tuviera la posibilidad de conseguir 11 unidades del componente
C1, Cul sera el ingreso total?
Como el
Aumento Admisible
224
11.25
Z 3160 11 *18 3358

e) Si fuera posible disminuir el precio de B en la unidad, Cul sera el
ingreso total?
Como la
1.304
Z 3160 (1) * 36 3124
12. ABC es una empresa especializada en la fabricacin de tres modelos de

puertas. La empresa cuenta con la siguiente informacin.
MODELO
A
B
C
RECURSO
DISPONIBLE
MATERIALE
S
2
4
1
700
M. DE
OBRA
1.5
2
0.5
450
T DE MAQ.
P. DE VENTA
0.5
1.2
0.2
220
80
130
40
El costo por unidad de recurso de MATERIALES, MANO DE OBRA, TIEMPO

DE MAQUINA es de 15, 5 y 10 soles respectivamente.
La demanda mnima de A es 150 unidades
El programa lineal y la solucin del mismo, maximizando las utilidades, es como
sigue:
MAX 37.5XA + 48XB+20.5XC
ST
2) 2XA + 4XB + XC < =700
3) 1.5XA + 2XB + 0.5XC <=450
225
4) 0.5XA + 1.2XB + 0.2XC <=220

5)
XA
>=150
1)
13825.000000
VARIABLE
XA
XB
XC
ROW
2)
3)
4)
5)
VALUE
150.000000
0.000000
400.000000
SLACK OR SURPLUS
0.000000
25.000000
65.000000
0.000000
REDUCED COST
0.000000
34.000000
0.000000
DUAL PRICES
20.500000
0.000000
0.000000
-3.500000
N ITERATIONS = 2
VARIABLE
XA
XB
XC
ROW
2)
3)
4)
5)
ALLOWABLE
ALLOWABLE
INCREASE
DECREASE
37.500000
3.500000
INFINITY
48.000000
34.000000
INFINITY
20.500000
INFINITY
1.750000
CURRENT COEF

ALLOWABLE
CURRENT RHS
INCREASE
700.000000
50.000000
450.000000
INFINITY
220.000000
INFINITY
150.000000
50.000000
ALLOWABLE
DECREASE
400.000000
5.000000
65.000000
50.000000
226
Se pide responder:
a) Cul deber ser el precio de B para hacer atractiva su fabricacin?
Precio de Vta. + Costo reducido
130 34 164
b) Calcule la holgura del tiempo de mquina
0.5XA+1.2XB+0.2XC + H = 220
0.5*150+1.2*0+0.2*400 + H = 220
H = 65
c) Calcule la utilidad total si solo se produce 110 unidades de A.
Z = 13825 + (110 150)*(-3.5) = 13965
d) Calcule la utilidad total si se deseas aumentar en 10 unidades los
MATERIALES, considerando que se deber pagar 20 soles por cada
unidad adicional
Z = 13825 + (20.5 (20 - 15))*10 = 13980
e) Exprese en el modelo los cambios que se deber hacer para incluir lo
solicitado en (d).
MAX
ST
37.5XA + 48XB + 20.5XC 5XM

2) 2XA + 4XB + XC < 700 + XM
3) 1.5XA + 2XB + 0.5XC <450
4) 0.5XA + 1.2XB + 0.2XC <220
5)
XA
>150
f) Cul es el nuevo valor de Z si la utilidad en S/1.00 y la del modelo C se

disminuye en S/. 0.8 por unidad?
227
Aplicando la regla del 100%

1/3.5 + 0.8/1.75 = 0.7<1
Z = 13825 + 1*150 0.8*400 = 13655
Un problema de programacin entera se puede definir en forma sencilla como un

programa lineal en el cual algunas de las variables o todas son nmeros enteros no
negativos.
Mediante el uso de la programacin entera es posible formular una mayor cantidad
de situaciones de la vida real que las que se formularan mediante la programacin
lineal, an cuando, la formulacin de un programa entero, es ms difcil de realizar
que la formulacin de un programa lineal.
En este captulo se desarrollarn una gran variedad de problemas tipo y a la vez se
pondr a vuestro alcance algunas herramientas bastante tiles y de gran ayuda para
la formulacin de diversas situaciones lgicas que se presentan en una gran
variedad de problemas.
228
PROBLEMAS DE PROGRAMACION ENTERA PURA
Se llaman as a los problemas en la cual todas las variables tienen que ser nmeros
enteros.
Ejemplo:
Min Z = 5 X1 + 3 X2
Sujeto a:
5 X1 + 3 X2 6
X1, X2 0, X1, X2 enteros
PROBLEMAS DE PROGRAMACION ENTERA MIXTA

Se llaman as los problemas en la cual solamente algunas de las variables tienen
que ser nmeros enteros.
Ejemplo:
Min Z = 5 X1 + 3 X2
Sujeto a:
5 X1 + 3 X2 6
X1, X2 0
X1 entero
X2 no tiene que ser un nmero entero
PROBLEMAS DE PROGRAMACION ENTERA 0-1
Se llama as a los problemas en los cuales todas las variables deben ser iguales a 0
1.
Ejemplo:
Min Z = 5 X1 + 3 X2
Sujeto a:
229
5 X1 + 3 X2 6
X1, X2 = 0 1
RESTRICCIONES O BIEN
Frecuentemente se dar la situacin en que se dan restricciones de la forma:
f ( x1 , x 2 ,..., x n ) 0
g ( x1 , x 2 ,..., x n ) 0
Donde se quiere estar seguro que se satisfaga al menos 1, de las restricciones ( ) y

(), tambin conocidas
como restricciones o bien. Para poder estar seguros de que se satisface al menos 1
de las restricciones
() y () se deben agregar a la formulacin las dos restricciones siguientes:
f ( x1 , x 2 ,..., x n ) My
Donde:
g ( x1 , x 2 ,..., x n ) M (1 y )
y : es una variable 0-1

M : es un nmero suficientemente grande que se escoge para asegurar que se
satisfagan las dos restricciones anteriores, para todos los valores de X 1,
X2,...,Xn, que a su vez satisfacen las otras restricciones del problema.
Ejemplo:
Si x e y son enteros, cmo podra asegurar que x e y satisfarn
12, ambas?
x + y 3, 2 x + 5 y
Solucin:
Escribiendo las restricciones anteriores de la forma () y () se tiene:
230
x+ y 30
2 x + 5 y 12 0
...(1)
...(2)
Las restricciones que se deben remplazar en la formulacin son:

x + y 3 M yi
2 x + 5 y 12 M (1-yi)
...(1.1)
...(2.1)
Donde:
yi : es una variable 0 1 y,
M : es un valor suficientemente grande que se escoge para asegurar que
satisfagan las Ec. (1.1) y (2.1)
se
De la Ec. (2.1) , el lado izquierdo toma su valor mximo, cuando x e y toman

valores mximos, pero de la Ec.(1), se tiene que x + y, toma como valor mximo 3, o
sea x e y son linealmente dependientes entre s es decir : x + y = 3, tambin y = 3
x; luego a medida que x aumenta y disminuye, pero de la Ec.(2.1) como el
coeficiente que afecta a la variable y es mayor que el coeficiente que afecta a x,
entonces para que el lado izquierdo tome su valor mximo y tiene que tomar su valor
mximo (y = 3) y x tiene que ser cero, Reemplazando datos se tiene que el valor del
lado izquierdo es 3, por lo tanto el valor de M para que se satisfaga esta restriccin
(se satisfaga o no la otra) tiene que ser mayor igual que 3. En forma anloga se hace
el calculo del valor mnimo que puede tomar M en la Ec.(1.1) para que satisfaga
esta ecuacin (satisfaga o no la otra), este valor es: 3. Finalmente el valor que M que
se toma debe ser suficientemente grande para satisfacer las dos ecuaciones (1.1) y
(2.1) por lo tanto se toma el mayor valor M y las ecuaciones (1.1) y (2.1) se
escribirn:
x + y 3 3 yi
...(1.2)
2 x + 5 y 12 3 (1-yi)
...(2.2)
Finalmente podemos afirmar que cuando yi = 0, se satisface la restriccin 1 o bien

las restricciones (1) y (2) y cuando y i = 1, se satisface la restriccin (2) o bien las
restricciones (1) y (2).
RESTRICCIONES SI ENTONCES
231
Tambin es posible encontrar muchos problemas donde se presenta la situacin

siguiente: se desea estar seguro de que se debe satisfacer la restriccin g(x1,x2,..,xn )
0, si se satisface una restriccin f(x1,x2,..,xn) > 0, mientras que si no se satisface
f(x1,x2,..,xn) > 0, entonces g(x1,x2,..,xn) 0 puede o no satisfacerse. Resumiendo se
quiere estar seguro que:
f ( x1 , x2 ,..., xn ) 0 g ( x1 , x2 ,..., xn ) 0
Para lograr esto, es necesario incluir las restricciones siguientes a la formulacin:
g ( x1 , x 2 ,..., x n ) My
f ( x1 , x 2 ,..., x n ) M (1 y )
Donde:
Y: es una variable 0-1
M: es un nmero positivo suficientemente grande para que se cumplan las dos
restricciones anteriores, para todos los valores de x i que satisfacen las otras
restricciones del problema.
EJEMPLOS
1. El gobierno peruano, dentro de sus planes de apoyo y fomento del sector agrario,
est considerando 4 proyectos de irrigacin. El proyecto 1, irrigar aproximadamente
20000 hectreas de terreno, el proyecto 2, 27500 hectreas, el proyecto 3, 15000
hectreas y el proyecto 4, 10000 hectreas. La ejecucin y puesta en marcha del
proyecto 1 tiene un costo de 10 millones de dlares, el proyecto 2, 14 millones de
dlares, el proyecto 3, 8 millones y el proyecto 4, 6 millones. Si adems se sabe que
el presupuesto para la ejecucin de proyectos de inversin en el sector agrario es de
28 millones de dlares, formule un P.E., cuya solucin ayude al gobierno a
maximizar el nmero de hectreas irrigadas.
Solucin:
Como el gobierno puede tomar solo dos decisiones, respecto a cada proyecto de
inversin, empezamos definiendo una variable 0-1.
232
Sea Xi: 0 1: Se ejecuta o no el proyecto de inversin i (i = 1,2,3,4)

Por ejemplo si el proyecto 3 se ejecuta, la variable X 3 = 1, y si no se realiza, X3 = 0.
El nmero total de hectreas que se irrigarn ser:
20000 X1 + 27500 X2 + 15000 X3 + 10000 X4
Hay que tener en cuenta que el nmero de hectreas irrigadas depende de los
valores que tomen las variables de decisin, por ejemplo, si las variables toman
los valores siguientes: X1 = 1, X2 = 1, X3 = 0 y X4 = 0, entonces el nmero de
hectreas irrigadas ser de: 47500 hectreas, Luego como el gobierno desea irrigar
la mayor cantidad de terreno habr que maximizar el valor de esta expresin:
Max Z = 20000 X1 + 27500 X2 + 15000 X3 + 10000 X4 ...(1)
La cantidad total invertida en millones de dlares es:
10 X1 + 14 X2 + 8 X3 + 6 X4
Como el presupuesto para la ejecucin de proyectos de inversin es de 28 millones
entonces la cantidad total invertida tiene que ser menor o igual que el presupuesto.
Esto es:
10 X1 + 14 X2 + 8 X3 + 6 X4 28
...(2)
Finalmente de (1) y (2) se tiene el P.E 0-1 siguiente:

Max Z = 20000 X1 + 27500 X2 + 15000 X3 + 10000 X4
Sujeto a:
10 X1 + 14 X2 + 8 X3 + 6 X4 28
X1 +
X2 + X3 + X4 1
X1, X2, X3, X4 0
233
2. El entrenador Night trata de escoger una alineacin inicial para el equipo de

bsquetbol. El equipo consta de jugadores que han sido evaluados (en una escala
de 1= pobre a 3 = excelente) de acuerdo a su manejo de pelota, sus tiros, su rebote
y sus habilidades defensivas. En la tabla 1 se encuentran las posiciones que cada
jugador puede ocupar y sus habilidades.
La alineacin inicial de cinco jugadores debe satisfacer las restricciones siguientes:
Por lo menos cuatro jugadores del equipo inicial deben poder jugar en la
defensa (D) , por lo menos 2 miembros deben pode jugar al ataque (A) y por lo
menos un jugador del equipo inicial debe poder jugar en el centro ( C) .
El nivel medio del manejo de la pelota, de los tiros, y del rebote de la alineacin
inicial debe ser por lo menos igual a 2.
Si inicia el jugador 3 entonces el jugador 6 no podr iniciar.

Si el jugador 1 inicia, entonces los jugadores 4 y 5 deben iniciar al mismo
tiempo.
Ya sea el jugador 2 o el jugador 3 debe iniciar.
Dadas estas restricciones, el entrenador Night quiere maximizar la habilidad total
defensiva del equipo inicial. Formule un PE que ayude al entrenador Night escoger
su equipo inicial.
Tabla 1
JUGADOR
1
2
3
4
5
6
POSICIN MANEJO DE PELOTA TIROS REBOTE

A
C
A-D
D-C
A-D
D-C
3
2
2
1
1
3
3
1
3
3
3
1
1
3
2
3
1
2
DEFENSA
3
2
2
1
2
3
234
A-D
Solucin:
De la tabla 1 se puede observar que los jugadores juegan en las posiciones
siguientes:
Posicin
D
A
C
Jugadores
3,4,5,6,7
1,3,5,7
2,4,6
Sea:
yi = 1,0 : Inicia o no el juego el jugador i (i = 1,2,7)
Max
Z = 3 y 1 + 2 y 2 + 2 y3 + y4 + 2 y 5 + 3 y6 + y 7
Sujeto a:
y 1 + y2 + y3 + y4 + y5 + y6 + y7 = 5
3 y1 + 2 y2 + 2 y3 + y4 + y5 + 3 y6 + 3 y7 10
3 y1 + y2 + 3 y3 + 3 y4 + 3 y5 + y6 + 2 y7 10
y1 + 3 y2 + 2 y3 + 3 y4 + y5 + 2 y6 + 2 y7 10
y 3 + y6 1
y1 - y4 0
y 1 - y5 0
y 2 + y3 1
y 3 + y4 + y5 + y6 + y7 4
y 1 + y3 + y5 + y7 2
y 2 + y4 + y5 1
3. Debido a la contaminacin excesiva del ro Mommis, el estado de Mommis
construir algunas estaciones para el control de la contaminacin. Se est
considerando 3 lugares (Lugares 1,2 y 3). A Mommis le interesa controlar los
niveles de contaminacin de dos contaminantes (Contaminantes 1 y 2), la
legislacin del estado requiere que se eliminen por lo menos 80000 toneladas del
contaminante 1 y por lo menos 50000 toneladas del contaminante 2 del ro. En la
Tabla 2 se encuentran los datos relevantes para este problema.
235
Formule un PE para minimizar el costo de cumplir con las metas de la legislacin

del estado
Tabla 2
Lugar 1
Lugar 2
Lugar 3
COSTO DE
CONSTRUC.
DE UNA
ESTACION
(dlares)
100000
60000
40000
COSTO DEL
CANTIDAD REMOVIDA
TRATAM. DE
POR TONELADA DE
1 TON. DE
AGUA
AGUA
(dlares)
Contam. 1 Contam. 2
20
0.40 Ton
0.30 Ton
30
0.25 Ton
0.20 Ton
40
0.20 Ton
0.25 Ton
Solucin:
Sea:
yi = 1,0 Se construye o no una estacin en el lugar i (i = 1,2,3)
Xi = N de toneladas de agua tratadas en la estacin i (i = 1,2,3)
Min Z = 100000 y1 + 60000 y2 + 40000 y3 + 20 X1 + 30 X2 + 40 X3
Sujeto a:
0.40X1 + 0.25 X2 + 0.20 X3 80000
0.30 X1 + 0.20 X2 + 0.25 X3 50000
X 1 M 1 y1
X 2 M 2 y2
X 3 M 3 y3
X1, X2, X3 0
Donde:
M1 = Max (80000/0.40 , 50000/0.30) = 200000
M2 = Max (80000/0.25, 50000/0.20) = 320000
M3 = Max (80000/0.20, 50000/0.25) = 400000
236
4. Para graduarse en la Basketweavers University, con una especialidad de

investigacin de operaciones, un estudiante debe completar por lo menos dos
cursos de matemticas, por lo menos dos cursos de IO y por lo menos dos cursos
de computacin. Se pueden utilizar algunos cursos para satisfacer mas de un
requisito: El clculo puede satisfacer el requerimiento de las matemticas; la
Investigacin de Operaciones; los requerimientos de Matemticas y de IO; la
Estructura de Datos, los de Matemticas y de Computacin; la Estadstica para la
Administracin, los de Matemticas y de IO; la Simulacin por Computadora, los
de IO y de Computacin; la Introduccin a la Programacin de Computadoras, los
de Computacin; y la Prediccin, los requerimientos de IO y de Matemticas.
Algunos cursos son pre-requisitos para otros: el Clculo es un requisito para la
Estadstica para la Administracin; la Introduccin a la Programacin de
Computadoras es un requisito para la Simulacin por Computadora y para la
Estructura de Datos; y la Estadstica para la Administracin es un requisito para la
Prediccin. Formule un PE que minimice el nmero de cursos necesarios para
satisfacer los requerimientos para la especializacin
Solucin:
Los datos de este problema se pueden escribir de la manera siguiente:
Calc.
IO
Estr.
Dat
(1)
X
(2)
X
X
(3)
X
MATERIAS
Matemticas
Inv. Oper.
Computacin
Pre-Requisito Ning Ning
X
(6)
CURSOS (i)
Estad
Sim.
adm
Comp
(4)
X
X
(1)
Intr
Prog
(5)
(6)
X
X
(6)
X
Ning
Pred
Total
Reque
r
(7)
X
2
X
2
2
(4)
Sea:
yi = 1,0 : Se estudia o no el curso i (i = 1,2,,7)
237
Min
Z = y 1 + y2 + y3 + y4 + y5 + y6 + y7
Sujeto a:
y1 + y2 + y3 + y4+ y7 2
y2 + y4 + y5+ y7 2
y3 + y5 + y6 2
- y 1 + y4 0
y3 - y6 0
y5 - y6 0
- y 4 + y7 0
5. Una compaa considera la apertura de almacenes en cuatro ciudades: Nueva
York, Los Angeles, Chicago y Atlanta. Cada almacn puede enviar 100 unidades a
la semana. El costo semana fijo para mantener abierto cada almacn es de 400
dlares en Nueva York, de 500 dlares en Los Angeles, de 300 dlares en Chicago,
y de 150 dlares en Atlanta. La regin 1 del pas requiere semanalmente 80
unidades; la regin 2,70 unidades y la regin 3, 40 unidades. En la tabla 3 se
muestran los costos (incluyendo los costos de produccin y de envo) para enviar 1
unidad de la fbrica a una regin. Se desea satisfacer las demandas semanales a un
costo mnimo, sujetas a la informacin anterior y a las restricciones siguientes:
1. Si se abre el almacn en Nueva York, entonces hay que abrir el almacn
en Los ngeles.
2.
Se pueden abrir a lo ms dos almacenes.
3.
Hay que abrir el almacn en Atlanta o en Los ngeles.
Formule un PE que se utilice para minimizar los costos semanales de satisfacer la

demanda
Tabla 3
HACIA
Regin 1 (dlares) Regin 2 (dlares) Regin 3 (dlares)
DE
Nueva York
Los Angeles
Chicago
20
48
26
40
15
35
50
26
18
238
Atlanta
24
50
35
Solucin:
La tabla 3 se puede re-escribir de la manera siguiente:
Regin 1
(dlares)
HACIA
Regin 2
(dlares)
Regin 3
(dlares)
Envo
(sem.)
Costo Fijo
(semanal)
New York (1)
20
40
50
100
400
Los Ang. (2)
48
15
26
100
500
Chicago (3)
26
35
18
100
300
Atlanta
(4)
24
50
35
100
150
Requer./sem.
80
70
40
Ciudad (i)
Sea:
yi = 1,0 Se abre o no un almacn en la ciudad i (i = 1,2,3,4)
Xij = N de unid. Enviadas semanalmente de la ciudad i a la regin j (i = 1,2,3,4; j =
1,2,3)
Min
Z =20 X11 + 40 X12 + 50 X13 + 400 y1 +

48 X21 + 15 X22 + 26 X23 + 500 y2 +
26 X31 + 35 X32 + 18 X33 + 300 y3 +
24 X41 + 50 X42 + 35 X43 + 150 y4
Sujeto a:
X11 + X12 + X13 100 y1
239
X21 + X22 + X23 100 y2

X31 + X32 + X33 100 y3
X41 + X42 + X43 100 y4
X11 + X21 + X31 + X41 80
X12 + X22 + X32 + X42 70
X13 + X23 + X33 + X43 40
y1 - y2 0
y1 + y2 + y3 + y4 2
y2 + y4 1
X11 , X12 , X13 , X21 , X22 , X23 , X31 , X32 , X33 , X41 , X42 , X43 0
6. El administrador de la computadora DED de la Universidad Estatal quiere tener
la posibilidad de accesar cinco archivos diferentes. Estos archivos se encuentran en
diez discos, como se muestra en la tabla 4. La capacidad de almacenamiento
requerido por cada disco se da a continuacin: 1,3K; disco 2,5K; disco 3,1K; disco
4,2K; disco 5,1K; disco6,4K; disco 7,3K; disco 8,1K; disco 9,2K; disco10,2K.
(a) Formule un programa PE que determine un conjunto de discos que necesitan la
mnima cantidad de almacenaje, tal que cada archivo se encuentra en por lo

menos uno de los discos. Para un disco dado, hay que almacenar o bien todo el
disco o bien nada del disco; no es posible guardar parte de un disco.
(b)
Modifique su formulacin de modo que si se usa el disco 3 o el disco 5,
entonces habr que utilizar tambin el disco 2.
Tabla 4
Archivo 1
1
X
Archivo 2
Archivo 3
Archivo 4
Archivo 5
2
X
4
X
8
X
9
X
10
X
X
X
DISCO
5
6
X
X
X
X
X
240
Solucin:
La Capacidad de los Discos la podemos tabular de la manera siguiente:
Capacidad
(K)
DISCO
5
6
1
10
a) Sea:
yi = 1,0 Se selecciona o no el disco i (i = 1,2,,10)
Min Z = 3 y1 + 5 y2 + y3 + 2 y4 + y5 + 4 y6 + 3 y7 + y8 + 2 y9 + 2 y10
Sujeto a:
y1 + y3 + y4 + y5 + y8 + y9 1
y1 + y3 1
y2 + y5 + y7 + y10 1
y3 + y6+ y8 1
y1 + y2 + y4 + y6 + y7 + y9 + y10 1
b) Para esta parte habr que agregar a la formulacin anterior la siguiente
condicin:
Si y3 + y5 > 0 Entonces y2 1
Esta condicin lgica puede escribirse:
1 - y2 M y
y3 + y5 M (1-y)
Donde el mnimo valor que puede tomar M es: M = 2
Por lo tanto:
1 - y2 2 y
y3 + y5 2 (1-y)
241
7. El proyecto Lotus Point Condo contendr casas y departamentos, en el lugar se

puede acomodar hasta 10000 viviendas. El proyecto debe incluir un proyecto
recreativo; ya sea un complejo para natacin y tenis, o bien, una drsena para
veleros, pero no ambas cosas. Si se construye una drsena, el nmero de casas en el
proyecto tendr que ser por lo menos el triple del nmero de departamentos. Una
drsena costar 1.2 millones de dlares y un complejo para natacin y tenis costar
2.8 millones de dlares. Los promotores creen que cada departamento
proporcionar ingresos con un valor actual neto de 48000 dlares, y que cada casa
proporcionar ingresos por un valor actual neto de 46000 dlares. El costo de
construccin de cada casa (o departamento) es de 40000 dlares. Formule un PE
para ayudar a Lotus Point a maximizar las ganancias.
Solucin:
Los Ingresos y costos se pueden tabular como sigue:
INGRESO
COSTO
UTILIDAD
(MILES $)
(MILES $)
(MILES $)
departamento
48
40
casas
46
40
Sea:
yj = 1,0 Se construye o no el proyecto recreacional j (j = 1,2)
Xi = El nmero de viviendas de tipo i en miles (i = 1,2: Casa, Dpto.)
Max Z = 8 X2 + 6 X1 - 28000 y1 - 12000 y2
Sujeto a:
X1+ X2 10
(1)
y1 + y2 = 1
(2)
La condicin:
Si se construye una drsena, el nmero de casas en el proyecto tendr que ser por
lo menos el triple del nmero de departamentos, puede escribirse.
Si y2 > 0 Entonces
242
X1 3 X2
3 X2 - X1 M y
y2 M (1-y)
Donde M puede tomar como valor mnimo: M = 3 (10000)
Por lo tanto:
3 X2 - X1 30000 y
y2 30000 (1-y)
(3)
(4)
Obs:
Las restricciones (3) y (4), pueden escribirse como:
3 X2 - X1 30000 (1-y2)
Adems
Teniendo en cuenta que: y1 + y2 = 1, tambin se pueden escribir como:
3 X2 - X1 30000 y1
8. Speakers Clearinghouse debe desembolsar cheques a los ganadores de la lotera

en 4 regiones diferentes del pas; Sudeste (SE), Noreste (NE), Lejano Oeste (LO),
Medio Oeste(MO). El promedio de la cantidad diaria de los cheques extendidos a
ganadores en cada regin del pas se da a continuacin: SE, 40000 dlares; EN,
60000 dlares; LO, 30000 dlares; MO, 50000 dlares. Speakers debe extender el
cheque el mismo da que se da cuenta de que un cliente ha ganado. Pueden retrasar
el cobro rpido por parte de los ganadores, al extender al ganador un cheque girado
en un banco remoto (esto hace mas despacio la liquidacin del cheque). Se estn
considerando cuatro lugares de bancos: Frosbite Falls, Montana (FF); Redville,
South Carolina ( R ); Painted Forest, Arizona (PF); y Beanville, Maine (B). El
costo anual para mantener una cuenta abierta en cada uno de los bancos es: FF,
50000 dlares; R, 40000 dlares; PF, 30000 dlares; B, 20000 dlares
respectivamente. Cada banco tiene como restriccin que el promedio diario de
cheques girados no puede ser superior a 90000 dlares. En la tabla 5 se da el
promedio del nmero de das que tarda la liquidacin de un cheque. En donde
tendra que tener Speakers sus cuentas bancarias y de que banco dado tendra que
recibir un cliente dado su cheque, suponiendo que el dinero invertido por:
Speakers gana 15% al ao?
243
Tabla 5
FF
7
8
4
5
SE
EN
LO
MO
R
2
4
8
4
PF
6
5
2
7
B
5
3
11
5
Solucin:
La tabla 5 la podemos escribir de la manera siguiente:
REGION
FF
PF
SE
EN
LO
MO
Prom. Cheques/da
C. de mantener una
Cta. /ao
X11
X12
X13
X14
90000
X21
X22
X23
X24
90000
X31
X32
X33
X34
90000
X41
X42
X43
X44
90000
50000
40000
30000
20000
Cant. Prom. extend

en cheq./da
40000
60000
30000
50000
Tasa de Inters anual = 15%

Donde es necesario definir:
Xij =La cantidad Promedio girada en cheques por el banco i desde la regin j (i =
1,2,3,4; j = 1,2,3,4)
yi = 1,0 : Se abre o no una cuenta en el lugar de bancos i (i = 1,2,3,4)
Funcin objetivo
Max
Z = 0.15(2555 X11 + 2920 X12 + 1460 X13 + 1825 X14 + 730 X21 + 1460 X22
+ 2920 X23 + 1460 X24 + 2190 X31 + 1825 X32 + 730 X33 + 2555 X34 + 1825 X41 +
1095 X42 + 4015 X43 + 1825 X4 ) 50000 y1 40000y2 30000 y3 20000 y4
Sujeto a:
X11 + X21 + X31 + X41 = 40000
244
X12 + X22 + X32 + X42 = 60000

X13 + X23 + X33 + X43 = 30000
X14 + X24 + X34 + X44 = 50000
X11 + X12 + X13 + X14 90000
X21 + X22 + X23 + X24 90000
X31 + X32 + X33 + X34 90000
X41 + X42 + X43 + X44 90000
X11, X21, X31, X41, X12, X22, X32, X42, X13 , X23, X33, X43, X14 X24, X34,
X44 ,X11, X12, X13, X14, X21, X22, X23, X24, X31, X32 X33, X34, X41, X42,
X4, X44 0
PROBLEMAS RESUELTOS
1. Una compaa produce dos productos A y B. Cada unidad de producto A
requiere una hora de servicios de ingeniera y 5 horas de tiempo mquina. Producir
una unidad de producto B requiere 2 horas de servicios de ingeniera y 8 horas de
maquina disponible. Hay 100 horas de ingeniera y 400 horas de tiempo de
maquina disponible. El costo de produccin es una funcin no lineal de la cantidad
producida tal como se da en la tabla 7
Tabla 7
PRODUCTO A
Produccin
Utilidad
PRODUCTO B
Produccin
Utilidad
245
(unidades)
049
50 100
10
8
(unidades)
039
40 100
7
3
Solucin:
Sea:
Xij
Unidades del producto i con costo de produccin del rango j (i=A,B;
j=1,2)
Yi 1,0 ; (i = 1,2)
MAX Z 10 X A1 8 X A 2 7 X B1 3 X B 2
Sujeto a:
(XA1 + XA2) + 2 (XB1 + XB2) 100
5 (XA1 + XA2) + 8 (XB1 + XB2) 400
XA1 50
XA1 50 y1
XA2 50 y1
XB1 40
XB1 40 y2
XB2 60 y2
XA1 , XA2 , XB1 , XB2 0
2. Un urbanizador de bienes races est estudiando varios proyectos estrechamente
interrelacionados. Algunos proyectos solo se pueden llevar a cabo si se cumplen
ciertas condiciones (Tabla 8). Sea R1 la utilidad total de la inversin i y C1 el
costo de hacerlo. Desea maximizar la utilidad total al invertir hasta M dlares.
Formule el problema como un PE. Defina sus variables de decisin.
Tabla 8
PROYECTO
A
CONDICION
Ninguna
246
B
C
D
E
F
G
No si C y solo si E
No si B
Solo si A
No si F y solo si C
No si E y solo si C
Solo si A y B
Solucin:
Sea:
Xi = 1,0 : Se realiza o no el proyecto i (i = A,B,,G)
Max Z = RA XA + + RG XG - (CA XA +.......+ CG XG)
Sujeto a:
XB + X C 1
XE - XB 0
XC XF 1
XA - X D 0
XE + XF 1
XC - XE 0
2 XG - XA - XB 0
XA + + XG 0
3. Un problema que afronta todos los das un electricista consiste en decidir que
generadores conectar. El electricista en cuestin tiene tres generadores con las
caractersticas que se muestran en la Tabla 9. Hay dos periodos del da. En el
primero se necesitan 2900 megawatts. En el segundo 3900 megawatts. Un
generador que se conecte para el primer periodo puede ser usado en el segundo sin
causar un nuevo gasto de conexin. Todos los generadores principales (como son
A, B y C de la tabla 9) son apagados al trmino del da. Formule este problema
como un PLE.
Tabla 9
Generador Costo fijo de
Costo por periodo
Capacidad mxima
247
A
B
Costos
conexin
por megawatts usado
3000
2000
1000
5
4
7
en cada periodo en
(MW)
2100
1800
3000
Solucin:
Sea:
Xij = MW utilizados por el generador i en el periodo j (i = A,B,C; j = 1,2)
yi = 1,0 : Se utiliza o no el generador i (i = A,B,C)
Min
Z =
3000 yA + 2000 yB + 1000 yC + 5 (XA1 + XA2) + 4 (XB1 + XB2) + 7
(XC1 + XC2)
Sujeto a:
XA1 + XB1 + XC1 2900
XA2 + XB2 + XC2 3900
XA1 2100 yA
XA2 2100 yA
XB1 1800 yB
XB2 1800 yB
XC1 3000 yC
XC2 3000 yC
XA1 , XA2 , XB1 , XB2 , XC1 , XC2 0
4. La junta de directores de una empresa manufacturera esta estudiando un
conjunto de inversiones sujetas a las siguientes condiciones:
INVERSION
CONDICION
248
1
2
3
4
5
6
7
Ninguna
Solo s 1
Solo s 2
Se har s 1 y 2
No s 1 2
No s 2 3
Solo s 2 y no 3
Sean Ri y Ci el rdito y costo de las inversiones i, la junta desea maximizar el

rdito total, invirtiendo no ms de M soles en total.
Elabore el programa.
Solucin:
Xi = 0,1; se invierte o no en el proyecto de inversin i.
Max Z RiXi
Sujeto a:
C.2: X2 - X1 0
C.3: X3 - X2 0
C.4: X4 - X1 0
X4 - X 2 0
C.5: X1 - X2 + X5 1
- X1 + X2 + X5 1
C.6: X2 + X3 + X6 2
C.7: X2 + X3 + X7 2
X2 - X7 0
X1 , X2 , X3 , X4 , X5 , X6 , X7 0
INV.2
X2
1
1
X1
1
0
Solo s 1
X 2 X1 0
249
INV.3
INV. 4
INV. 5
INV. 6
0
0
1
0
X3
1
1
0
0
X2
1
0
1
0
X4
1
X1
1
X2
1
1
1
0
0
0
0
X1
1
1
1
1
0
0
0
0
0
0
0
0
1
1
X2
1
1
0
0
0
0
1
1
1
0
0
1
0
1
X5
1
0
1
0
0
1
0
1
X6
1
1
1
1
0
0
X2
1
1
0
0
0
0
X3
1
0
1
0
0
1
Solo s 2
X3 X2 0
Se har s 1 y 2
No s 1 2
X2 + X3 + X6 2
No s 2 y 3
X2 + X3 + X6 2
250
INV. 7
0
0
1
1
0
1
X7
1
1
1
1
0
0
0
X2
1
1
0
0
0
0
1
X3
1
0
1
0
0
1
0
Solo s 2 y no 3
X7 - X2 0
X3 + X7 1
5. El gobernador Blue del estado de Berry intenta convencer a la asamblea

legislativa del estado para que dividan arbitrariamente los distritos congresionales
(para sacar ventaja de ello) de Berry. El estado consta de diez ciudades; el nmero
de republicanos y de demcratas registrados (en miles) en cada ciudad, se
encuentra en la tabla 6. Berry tiene cinco representantes congresionales. Para
formar distritos congresionales, hay que agrupar las ciudades segn las siguientes
restricciones:
1. Todos los votantes de una ciudad deben estar en el mismo distrito.
2. Cada distrito debe tener entre 150000 y 250000 votantes (no hay
votantes independientes)
El gobernador Blue es demcrata. Suponga que cada elector siempre vota por su
propio partido. Formule un PE para ayudar al gobernador Blue a maximizar el
nmero de demcratas que ganarn una silla en el congreso.
Tabla 6
Ciudad 1
Ciudad 2
Ciudad 3
Ciudad 4
Ciudad 5
Ciudad 6
REPUBLICANOS
80
60
40
20
40
40
DEMOCRATAS
34
44
44
24
114
64
251
Ciudad 7
Ciudad 8
Ciudad 9
Ciudad 10
70
50
70
70
14
44
54
64
Solucin:
Sea:
yij = 1,0 : Pertenece o no la ciudad i al distrito congresional j (i = 1,2,,10;
j = 1,2,,5)
Como cada distrito tiene entre 150000 y 250000 votantes se tienen:
114 y11 + 104 y21 + 84 y31 +.+ 134 y101 150000
114 y11 + 104 y21 + 84 y31 +.+ 134 y101 250000
114 y12 + 104 y22 + 84 y32 +.+ 134 y102 150000
114 y12 + 104 y22 + 84 y32 +.+ 134 y102 250000
114 y13 + 104 y23 + 84 y33 +.+ 134 y103 150000
114 y13 + 104 y23 + 84 y33 +.+ 134 y103 250000
114 y14 + 104 y24 + 84 y34 +.+ 134 y104 150000
114 y14 + 104 y24 + 84 y34 +.+ 134 y104 250000
114 y15 + 104 y25 + 84 y35 +.+ 134 y105 150000
114 y15 + 104 y25 + 84 y35 +.+ 134 y105 250000
y11 + y12 + y13 + y14 + y15 = 1
y21 + y22 + y23 + y24 + y25 = 1
y31 + y32 + y33 + y34 + y35 = 1
..............................................
..............................................
y91 + y92 + y93 + y94 + y95 = 1
y101 + y102 + y103 + y104 + y105 = 1
252
Para cumplir 2, de la tabla 6 podemos tabular la diferencia entre demcratas y

republicanos en cada ciudad en la tabla siguiente:
Ciudad 1
Ciudad 2
Ciudad 3
Ciudad 4
Ciudad 5
Ciudad 6
Ciudad 7
Ciudad 8
Ciudad 9
Ciudad 10
REPUBLICANOS
(R )
80
60
40
20
40
40
70
50
70
70
DEMOCRATAS
(D)
34
44
44
24
114
64
14
44
54
64
(R ) (D)
46
16
-4
-4
-74
-24
56
6
26
6
Luego es necesario definir:

Sea:
Xj = 1,0: Gana o no el partido demcrata en el distrito congresional j
Entonces:
Si 46 y11 + 16 y21 - 4 y31 + + 6 y101 > 0 , Entonces y1 0
Esta expresin lgica se puede escribir de la manera siguiente:
46 y11 + 16 y21 - 4 y31 + + 6 y101 M (1-y1)
X1 M y1
De manera anloga se tiene:
46 y12 + 16 y22 - 4 y32 ++ 6 y102 M (1-y2)
X2 M y2
.
.
46 y15 + 16 y25 - 4 y35 ++ 6 y105 M (1-y5)
253
X 5 M y5
Finalmente el PE se puede escribir como:
Sea:
yij = 1,0 : Pertenece o no la ciudad i al distrito congresional j (i = 1,2,
,10; j = 1,2,,5)
Xj = 1,0: Gana o no el partido demcrata en el distrito congresional j
yj = 1,0 : Se cumple o no la condicin j
Max
Z = X1 + X2 + X3 + X4 + X5
Sujeto a:
114 y11 + 104 y21 + 84 y31 +.+ 134 y101 150000
114 y11 + 104 y21 + 84 y31 +.+ 134 y101 250000
114 y12 + 104 y22 + 84 y32 +.+ 134 y102 150000
114 y12 + 104 y22 + 84 y32 +.+ 134 y102 250000
114 y15 + 104 y25 + 84 y35 +.+ 134 y105 150000

114 y15 + 104 y25 + 84 y35 +.+ 134 y105 250000
y11 + y12 + y13 + y14 + y15 = 1
y21 + y22 + y23 + y24 + y25 = 1
.....................................
.....................................
y51 + y52 + y53 + y54 + y55 = 1
46 y11 + 16 y21 - 4 y31 + + 6 y101 M (1-y1)
254
X 1 M y1
46 y12 + 16 y22 - 4 y32 + + 6 y102 M (1-y2)
X 2 M y2
........
........
........
........
46 y15 + 16 y25 - 4 y35 ++ 6 y105 M (1-y5)
X 5 M y5
255
PROBLEMAS DE PROGRAMACION ENTERA CON LINGO

1. Una decisin de la corte indica que las inscripciones en cada secundaria en la
ciudad de Metrpolis deben incluir por lo menos un 20% de negros. En la tabla
se muestra el nmero de alumnos negros y blancos de las secundarias en cada
uno de los cinco distritos escolares de la ciudad.
Distrito 1
Distrito 2
Distrito 3
Distrito 4
Distrito 5
BLANCOS
80
70
90
50
60
NEGROS
30
5
10
40
30
La distancia, en millas, que debe viajar un alumno de cada distrito para llegar a
cada secundaria se muestra en la siguiente tabla:
Distrito 1
Distrito 2
Distrito 3
Distrito 4
Distrito 5
ESC.SEC 1 ESC.SEC 2
1
2
0.5
1.7
0.8
0.8
1.3
0.4
1.5
0.6
La poltica de la direccin de la escuela establece que todos los alumnos de un

distrito dado deben asistir a la misma escuela. Suponiendo que cada escuela debe
tener una poblacin de por lo menos 150 alumnos, formule una PE para minimizar
la distancia total que deben viajar los alumnos de Metrpolis a su secundaria.
MODEL:
SETS:
BN/1,2/:;
DIS/1..5/:;
ESC/1,2/:;
BNDIS(BN,DIS):;
256
BNESC(BN,ESC):;
DISESC(DIS,ESC):;
ALUMNO(BN,DIS,ESC):Y,X,DISTA,NUME;
ENDSETS
DATA:
DISTA=1,2,.5,1.7,.8,.8,1.3,.4,1.5,.6,
1,2,.5,1.7,.8,.8,1.3,.4,1.5,.6;
NUME=80,80,70,70,90,90,50,50,60,60,
30,30,5,5,10,10,40,40,30,30;
ENDDATA
MIN=@SUM(ALUMNO:X*DISTA);
@FOR(ESC(K):@SUM(BNDIS(I,J):X(I,J,K))>=150);
@FOR(ESC(K):@SUM(BNDIS(I,J)|
I#EQ#2:X(I,J,K))*4>=@SUM(BNDIS(I,J)|I#EQ#1:X(I,J,K)));
@FOR(ALUMNO:X=NUME*Y);
@FOR(DISESC(J,K):Y(1,J,K)=Y(2,J,K));
@FOR(BNDIS(I,J):Y(I,J,1)+Y(I,J,2)=1);
@FOR(ALUMNO:@BIN(Y));
END
2. State University debe comprar 1100 computadoras de tres vendedores. El
vendedor 1 cobra $500 por computadora, ms un costo de transporte de $5000.
El vendedor 2 cobra $350 ms $4000, el vendedor 3 cobra $250 ms $6000. El
vendedor 1 vender a lo ms 500 computadoras a la universidad, el vendedor 2
vender a lo ms 900 computadoras, y el vendedor 3 vender a lo ms 400
computadoras. Formule una PE para minimizar el costo de la compra de las
computadoras necesarias.
EN LINGO
!Xi: #computadoras del vendedor i

Yi: Si compro o no al vendedor i;
MODEL:
SETS:
F/1..3/:CF,CV,X,Y,LIM;
ENDSETS
257
DATA:
CV=500,350,250;
CF=5000,4000,6000;
LIM=500,900,400;
ENDDATA
MIN=@SUM(F:CV*X+CF*Y);
@FOR(F(I):X(I)<=LIM(I)*Y(I));
@SUM(F:X)=1100;
@FOR(F:@BIN(Y));
END
ALGEBRAICAMENTE:
MIN
5000Y(1)+4000Y(2)+6000Y(3)+500X(1)+350X(2)+250X(3)
SUBJECT TO
2]- 500 Y( 1) + X( 1) <=
0
3]- 900 Y( 2) + X( 2) <=
0
4]- 400 Y( 3) + X( 3) <=
0
5] X( 1) + X( 2) + X( 3) =
END
INTE
3
1100
Reconsiderando el problema 19, suponga que al inicio del ao 1 se han construido

y estn en operacin las plantas generadoras de energa elctrica 1-4. Al inicio de
cada ao, PSI puede cerrar una planta que est funcionando, o volver a echar a
andar una planta cerrada. En las tablas siguientes se muestran las Capacidades
generadoras deseadas, los costos asociados a la reapertura o cierre de una planta.
Formule una PE para minimizar el costo total para poder satisfacer las demandas
de los prximos cinco aos.
258
AO 1
AO 2
AO 3
AO 4
AO 5
PLANTA 1
PLANTA 2
PLANTA 3
PLANTA 4
!Xij Yij Zij

MODEL:
CAPACIDAD GENERADORA (millones kwh)

80
100
120
140
160
Capacidad
Generadora
70
50
60
40
Costo
Operacin
1.5
0.8
1.3
0.6
Costo
Reapertura
1.9
1.5
1.6
1.1
Costo por
cierre
1.7
1.2
1.3
0.8
i=Planta j=ao;
SETS:
PLA/1..4/:CAPL;
ANO/1..5/:CAPAC;
FUN(PLA,ANO):Y,X,Z,COSOP,COSCIE,COSABR;
ENDSETS
DATA:
CAPL=70,50,60,40;
CAPAC=80,100,120,140,160;
COSOP=1.5,1.5,1.5,1.5,1.5,.8,.8,.8,.8,.8,1.3,1.3,1.3,1.
3,1.3,.6,.6,.6,.6,.6;
COSCIE=1.7,1.7,1.7,1.7,1.7,1.2,1.2,1.2,1.2,1.2,1.3,1.3,
1.3,1.3,1.3,.8,.8,.8,.8,.8;
COSABR=1.9,1.9,1.9,1.9,1.9,1.5,1.5,1.5,1.5,1.5,1.6,1.6,
1.6,1.6,1.6,1.1,1.1,1.1,1.1,1.1;
ENDDATA
MIN=@SUM(FUN:X*COSOP+Y*COSCIE+Z*COSABR);
@FOR(ANO(J):@SUM(FUN(I,J):X(I,J)*CAPL(I))>=CAPAC);
@FOR(FUN(I,J)|J#EQ#1:X(I,J)=1);
@FOR(FUN(I,J)|J#EQ#1:Z(I,J)=0);
259
@FOR(FUN(I,J)|J#NE#5:X(I,J)-Y(I,J)=X(I,J+1));
@FOR(FUN(I,J):Y(I,J)<=X(I,J));
@FOR(FUN(I,J)|J#NE#1:X(I,J)-Z(I,J)=X(I,J-1));
@FOR(FUN(I,J):Z(I,J)<=X(I,J));
@FOR(FUN:@BIN(Y));
@FOR(FUN:@BIN(X));
@FOR(FUN:@BIN(Z));
END
3. Se disponen de cuatro camiones para entregar leche a cinco tiendas de
comestibles. En la siguiente tabla se muestran la capacidad y el costo diario de
operacin de cada camin.
Nota: He supuesto que ese costo diario es por CADA operacin, es decir, si el
camin 1 va a dos tiendas, el costo de operacin del camin 1 ser 45+45=90.
Se puede satisfacer la demanda de una tienda de comestibles mediante un solo
camin pero un mismo camin puede entregar leche a ms de una tienda. La
demanda diaria de cada una de las tiendas es la siguiente: tienda 1 demanda 100
galones, tienda 2=200galones, tienda3=300 galones, tienda 4=500 galones, tienda 5
demanda 800 galones. Formule una PE que se puede usar para minimizar el costo
diario para satisfacer las demandas de las cinco tiendas.
Camin 1
Camin 2
Camin 3
Camin 4
CAPACIDA
COSTO
D (galones) OPERACIN ($)
400
45
500
50
600
55
1100
60
! Xij=galones transportados
i=camin
j=tienda;
MODEL:
SETS:
CA/1..4/:CAP,OPE;
TI/1..5/:DEM;
260
MILK(CA,TI):X,Y,COS;
ENDSETS
DATA:
CAP=400,500,600,1100;
COS=45,45,45,45,45,50,50,50,50,50,55,55,55,55,55,60,60,
60,60,60;
DEM=100,200,300,500,800;
ENDDATA
MIN=@SUM(MILK:COS*Y);
@FOR(TI(J):@SUM(CA(I):X(I,J))=DEM(J));
@FOR(MILK(I,J):X(I,J)<=CAP(I)*Y(I,J));
@FOR(CA(I):@SUM(TI(J):X(I,J))<=CAP(I));
@FOR(MILK:@BIN(Y));
END
SECUENCIACIN EN LINGO
Sea la siguiente matriz de tiempos:
MAQUINA
J
TRABAJO I
M1
A
3
B
7
C
5
M2
-3
4
M3
8
-3
Donde Dij es el tiempo de operacin del trabajo i en la mquina j.

Sea la secuencia de operaciones de cada uno de los trabajos:
SECUENCIA K
TRABAJO I
1
2
A
M3
M1
B
M2
M1
C
M1
M3
3
--M2
261
Se pide determinar el tiempo mnimo de ejecucin de los trabajos.

Tij = Tiempo de inicio del trabajo i en la mquina j
Dij = duracin del trabajo i en la mquina j
TT = Tiempo total del programa
Yk = 1 Si se cumple que, por ejemplo, el trabajo1 en la mquina 1 es anterior al
trabajo 2 en la mquina 1.
FORMULACIN EN LINGO:
!PROBLEMA DE SECUENCIACIN
Tij= Tiempo de Inicio del trabajo i en la mquina j
Dij = Duracin
TT = tiempo total del programa;
MODEL:
SETS:
A/1/:TT;
B/1..5/:Y;
TR/1..3/:;
MQ/1..3/:;
GOL(TR,MQ):T,D;
ENDSETS
MIN=@SUM(A:TT);
@FOR(GOL(I,J)|I#EQ#1:T(1,3)+8<=T(1,1));
@FOR(GOL(I,J):T(1,1)+3<=TT(1));
@FOR(GOL(I,J)|I#EQ#2:T(2,2)+3<=T(2,1));
@FOR(GOL(I,J):T(2,1)+7<=TT(1));
@FOR(GOL(I,J)|I#EQ#3:T(3,1)+5<=T(3,3));
@FOR(GOL(I,J)|I#EQ#3:T(3,3)+3<=T(3,2));
@FOR(GOL(I,J):T(3,2)+4<=TT(1));
@FOR(GOL(I,J)|J#EQ#1:T(1,1)+3<=T(2,1)+500*Y(1));
@FOR(GOL(I,J)|J#EQ#1:T(2,1)+7<=T(1,1)+500*(1-Y(1)));
@FOR(GOL(I,J)|J#EQ#1:T(1,1)+3<=T(3,1)+500*Y(2));
@FOR(GOL(I,J)|J#EQ#1:T(3,1)+5<=T(1,1)+500*(1-Y(2)));
@FOR(GOL(I,J)|J#EQ#1:T(2,1)+7<=T(3,1)+500*Y(3));
262
@FOR(GOL(I,J)|J#EQ#1:T(3,1)+5<=T(2,1)+500*(1-Y(3)));
@FOR(GOL(I,J)|J#EQ#2:T(2,2)+3<=T(3,2)+500*Y(4));
@FOR(GOL(I,J)|J#EQ#2:T(3,2)+4<=T(2,2)+500*(1-Y(4)));
@FOR(GOL(I,J)|J#EQ#3:T(1,3)+8<=T(3,3)+500*Y(5));
@FOR(GOL(I,J)|J#EQ#3:T(3,3)+3<=T(1,3)+500*(1-Y(5)));
@FOR(B:@BIN(Y));
END
FORMULACIN ALGEBRAICA
MIN
TT( 1)
SUBJECT TO
2]- T( 1, 1) + T( 1, 3) <= - 8
5] T( 1, 1) - TT( 1) <= - 3
10] T( 1, 1) - TT( 1) <= - 3
14]- T( 2, 1) + T( 2, 2) <= - 3
17] T( 2, 1) - TT( 1) <= - 7
26] T( 3, 1) - T( 3, 3) <= - 5
29]- T( 3, 2) + T( 3, 3) <= - 3
32] T( 3, 2) - TT( 1) <= - 4
41]- 500 Y( 1) + T( 1, 1) - T( 2,
44] 500 Y( 1) - T( 1, 1) + T( 2,
47]- 500 Y( 2) + T( 1, 1) - T( 3,
50] 500 Y( 2) - T( 1, 1) + T( 3,
53]- 500 Y( 3) + T( 2, 1) - T( 3,
56] 500 Y( 3) - T( 2, 1) + T( 3,
59]- 500 Y( 4) + T( 2, 2) - T( 3,
62] 500 Y( 4) - T( 2, 2) + T( 3,
65]- 500 Y( 5) + T( 1, 3) - T( 3,
68] 500 Y( 5) - T( 1, 3) + T( 3,
END
INTE
INTE
INTE
INTE
INTE
Y(
Y(
Y(
Y(
Y(
1)
1)
1)
1)
1)
1)
2)
2)
3)
3)
<=
<=
<=
<=
<=
<=
<=
<=
<=
<=
- 3
493
- 3
495
- 7
495
- 3
496
- 8
497
1)
2)
3)
4)
5)
263
HACIENDO CORRER EL PROGRAMA:

Global optimal solution found at step:
Objective value:
Branch count:
Reduced Cost
0.0000000
0.0000000
0.0000000
0.0000000
0.0000000
-500.0000
0.0000000
0.0000000
1.000000
0.0000000
0.0000000
0.0000000
0.0000000
0.0000000
0.0000000
Variable
80
15.00000
2
Value
TT( 1)
15.00000
Y( 1)
1.000000
Y( 2)
1.000000
Y( 3)
1.000000
Y( 4)
0.0000000
Y( 5)
0.0000000
T( 1, 1)
12.00000
T( 1, 2)
0.0000000
T( 1, 3)
0.0000000
T( 2, 1)
5.000000
T( 2, 2)
0.0000000
T( 2, 3)
0.0000000
T( 3, 1)
0.0000000
T( 3, 2)
11.00000
T( 3, 3)
8.000000
264
0.0000000
0.0000000
0.0000000
0.0000000
0.0000000
0.0000000
0.0000000
0.0000000
D( 1, 1)
0.0000000
D( 1, 2)
0.0000000
D( 1, 3)
0.0000000
D( 2, 1)
0.0000000
D( 2, 2)
0.0000000
D( 2, 3)
0.0000000
D( 3, 1)
0.0000000
D( 3, 2)
0.0000000
D( 3, 3)
0.0000000
0.0000000
Como se puede ver, el tiempo mnimo de ejecucin de los trabajos es 15.
265
6.2 ANEXO
LENGUAJE DE MODELADO LINGO
Qu es LINGO?
LINGO es una herramienta simple para utilizar la potencialidad de la optimizacin
lineal y no lineal para formular problemas muy grandes de una manera concisa,
resolverlos y analizar su solucin. La optimizacin le ayuda a encontrar la
respuesta que representa la mejor solucin; obtiene la mayor utilidad, respuesta o
felicidad; o logra el menor costo, desperdicio o disconformidad. A menudo estos
problemas significan hacer el uso ms eficiente de sus recursos- incluyendo
dinero, tiempo, maquinaria, personal, inventario y mucho ms. Los problemas de
optimizacin se clasifican a menudo como lineales y no lineales, dependiendo si
las relaciones entre las variables son o no lineales.
LINGO es un lenguaje de modelado matemtico diseado para formular y
resolver problemas de programacin lineal, programacin entera y
programacin no lineal.
Lenguaje de modelado de LINGO
Sintaxis de LINGO
La sintaxis que se utiliza en este programa es muy sencilla. Para el nombre de las
Variables y otros identificadores se establece que pueden tener 32 caracteres como
Mximo, Deben comenzar con una letra seguido de letras, dgitos o _.
LINGO no distingue entre maysculas y minsculas.
Con respecto a las sentencias:
Todas las sentencias deben terminar en un punto y coma.
Para darle un nombre a la funcin objetivo o a las restricciones, estos se deben
colocar entre corchetes.
Para declarar la funcin objetivo debemos colocar las palabras reservadas MAX o
MIN, (aparecern resaltadas en azul) seguidas del signo = .
Los comentarios deben comenzar con un signo ! , los cuales aparecen
resaltados en verde. Al igual q las sentencias los comentarios finalizan con un
punto y coma.
266
Una formulacin en LINGO, tiene tres secciones:

1. Seccin de conjuntos, SETS, que especifica los conjuntos y sus
atributos
2. Seccin de datos, DATA, que proporciona los datos a usar o indica
donde obtenerlos
3. Seccin del modelo, MODEL, lugar donde se describe el modelo
matemtico.
SECCION DE CONJUNTOS
Cada conjunto tiene la sintaxis siguiente:
NOMBRE/ LOS MIEMBROS/: LOS ATRIBUTOS;
SETS:FABRICAS /F1,F2/ : CAPACIDAD;
CENTROS /C1,C2,C3/ :DEMANDA;
RUTAS( FABRICAS, CENTROS ): C, X;
ENDSETS
Los conjuntos, FABRICAS y CENTROS se denominan conjuntos primitivos y el
ltimo se denomina conjunto derivado, donde C
y X representan,
respectivamente, los costos unitarios de transporte y cantidad transportada de las
fabricas a los centros.
SECCION DE DATOS
Los valores de los atributos de los elementos de los conjuntos, tienen la sintaxis
siguiente:
DATA:
CAPACIDAD = 30, 20;
DEMANDA = 10, 25, 15;
C = 2, 4, 6,7, 10, 1;
ENDDATA
267
SECCION DEL MODELO

Para presentar el modelo se utiliza dos funciones @SUM y @FOR.
@SUM calcula la suma de una expresin sobre todos los miembros del conjunto.
La forma general es:
@SUM ( set: expresin)
Suma la expresin que sigue a los dos puntos.
Por ejemplo:
@SUM (RUTAS: C*X)
Suma la expresin que sigue a los dos puntos que corresponde al producto del
costo unitario de transporte por la cantidad transportada de cada origen a cada
destino considerado.
La segunda funcin es @FOR, esta funcin sirve para generar restricciones sobre
los miembros de un conjunto. La forma general es:
@FOR(set: restriccin)
Por ejemplo:
@FOR(CENTROS(J):@SUM(FABRICAS(I):X(I,J))<=CAPACIDAD(I));
Indica que se genere la restriccin que sigue a los dos puntos para cada miembro
del conjunto que les precede. Cada elemento del conjunto CENTROS(J) para J =
1,2,3 se genera las restricciones siguientes:
J = 1:
X11 + X21 >= 10
J = 2:
X12 + X22 >= 25
J=3
X13 + X23 >= 15
La formulacin completa es como sigue:

MODEL:
! 2 FABRICAS, 3 CENTROS, problema de transporte;
SETS:
FABRICAS /F1, F2/: CAPACIDAD;
268
CENTROS /C1, C2, C3/ : DEMANDA;

RUTAS (FBRICAS, CENTROS): C, X;
ENDSETS
DATA:
CAPACIDAD = 30,20;
DEMANDA = 10, 25,15;
C = 2, 4, 6,
7,10, 1;
ENDDATA
! LA FUNCION OBJETIVO;
MIN = @SUM(RUTAS:C*X);
! RESTRICCIONES DE LA DEMANDA;
@FOR (CENTROS (J): @SUM (FABRICAS (I): X (I, J)) >= DEMANDA (J));
! RESTRICCIONES DE LA OFERTA;
@FOR (FABRICAS (I): @SUM (CENTROS (J): X (I, J)) <= CAPACIDAD (I));
END
Para presentar el modelo algebraico se hace clic en la ficha LINGO, Generate,
Algebraic, Generate y se tiene como resultado lo siguiente:
MIN =
X*( F2, C3) + 10 *X( F2, C2) + 7 *X( F2, C1) +
6 *X( F1, C3) + 4 *X( F1, C2) + *2 X( F1, C1)
SUBJECT TO
2] X( F2, C1) + X( F1, C1) >=
10
3] X( F2, C2) + X( F1, C2) >=
25
4] X( F2, C3) + X( F1, C3) >=
15
5] X( F1, C3) + X( F1, C2) + X( F1, C1) <=
30
6] X( F2, C3) + X( F2, C2) + X( F2, C1) <=
20
END
Se puede omitir el paso anterior pasando a la solucin del modelo haciendo clic en
LINGO, Solve obteniendo el siguiente resultado:
269
Objective value:
160.0000
Variable
CAPACIDAD( F1)
CAPACIDAD( F2)
DEMANDA( C1)
DEMANDA( C2)
DEMANDA( C3)
C( F1, C1)
C( F1, C2)
C( F1, C3)
C( F2, C1)
C( F2, C2)
C( F2, C3)
X( F1, C1)
X( F1, C2)
X( F1, C3)
X( F2, C1)
X( F2, C2)
X( F2, C3)
Value
Reduced Cost
30.00000
0.0000000
20.00000
0.0000000
10.00000
0.0000000
25.00000
0.0000000
15.00000
0.0000000
2.000000
0.0000000
4.000000
0.0000000
6.000000
0.0000000
7.000000
0.0000000
10.00000
0.0000000
1.000000
0.0000000
5.000000
0.0000000
25.00000
0.0000000
0.0000000
10.00000
5.000000
0.0000000
0.0000000
1.000000
15.00000
0.0000000
Uso de funciones de dominio de variables

A menos que se especifique lo contrario, las variables en un modelo de LINGO son
continuas y no negativas. Ms especficamente las variables pueden asumir
cualquier valor real desde cero hasta ms infinito. En muchos casos este dominio
para una variable puede ser inapropiado. Por ejemplo puede necesitarse que una
variable asuma valores negativos, o solamente valores enteros. LINGO est
provisto de cuatro funciones de dominio de variables que permiten sobrepasar el
dominio por omisin de una variable:
@GIN
Limita la variable slo a valores enteros
@BIN
Hace una variable binaria (0 1)
@FREE
Permite que la variable tome cualquier valor real

(positivo o negativo)
@BND
Limita la variable para que se ajuste a un rango finito
270
Ejemplos de uso de variables enteras:

@GIN(X); Transforma la variable escalar X en entera
@GIN(PRODUCE(5)); Transforma la variable PRODUCE(5) en entera
@FOR(DAYS(I): @GIN(START(I))); Transforma todas las variables del atributo
START en binarias
Ejemplos de uso de variables binarias:
@BIN(X); Transforma la variable escalar X en binaria
@BIN(INCLUDE(4));Transforma la variable INCLUDE(4) en binaria
@FOR(ITEMS:@BIN(INCLUDE));Transforma todas las variables del atributo
INCLUDE en binarias
Ejemplos de uso de variables libres:
@FREE(X); Transforma la variable escalar X en libre
@FREEE(QUANTITY(4)); Transforma la variable QUANTITY(4) en libre
@FOR(ITEMS:@FREE(QUANTITY));Transforma todas las variables del atributo
QUANTITY en libres
Ejemplos de uso de variables con lmites:
@BND(-1, X, 1) : Restringe la variable X al intervalo [-1, 1]
@BND(100, QUANTITY(4), 200): Limita QUANTITY(4) entre 100 y 200
@FOR(ITEMS: @BND( 10, Q, 20)): Fija los lmites de todas las variables del
atributo Q en 10 y 20
271
@FOR(ITEMS: @BND(QL, Q, QU)): Fija los lmites de todas las variables del
atributo Q en QL y QU (A QL y QU deben habrsele asignado valores en la
seccin de datos)
OPERADORES LOGICOS
LINGO tiene nueve operadores lgicos:
NOT (no), EQ (igual), NE (no igual), GT (mayor que), GE (mayor igual), LT
(menor igual), LE (menor igual), AND (y) y OR (o) que se utilizan para
comparar valores, la forma de usar es: #operador#.
Problema N 1: (MEZCLA) (usando 1 variables)

Una compaa Fabrica tres productos de caucho: AIRTEX (material esponjoso),
EXTENDEX (material elstico) y RESISTEX (material rgido). Los tres productos
requieren los mismos tres polmeros qumicos y una base. La cantidad de cada
ingrediente usado por libra del producto final se muestra en la siguiente tabla.
Producto
AIRTEX
EXTENDEX
EXTENDEX
Inventario
Polmero A
4
3
6
500
Ingrediente (OZ/LB de producto)

Polmero B
Polmero C
2
4
2
2
3
5
425
650
Base
6
9
2
1100
La compaa tiene el compromiso de producir ala menos 1000 libras de airtex,500

libras de extendex y 400 libras de resistex para la prxima semana pero la gerencia
de la compaa sabe que puede vender ms de cada uno de los tres productos .los
inventarios actuales de los ingredientes son 500 libras del polmero A , 425 libras
del polmero B,650 libras el polmero C Y 1100 libras de la base . Cada libra de
airtex produce a la compaa una ganancia de $ 7, cada libra de extendex una
ganancia de $7 y cada libra de resistex una ganancia de $6.como gerente del
departamento de produccin, usted necesita determinar el plan de produccin
optimo para esta semana.
272
Solucin:
Producto
airtex
extendex
resistex
inventario
Polmero
A
4
3
6
500
Ingredientes (oz/lb. de producto)

Polmero Polmero
base
compromiso
B
C
2
4
6
1000
2
2
9
500
3
5
2
400
425
650
1100
ganancia
7
7
6
Sea:
Xi: la cantidad de ingredientes del PRODUCTO i(i=airtex,extendex,resistex)que se
puede usar.
3
FUNCION OBJETIVO:
X
i 1
* ganacia(i )
;donde ganancia es la utilidad ya
sea del
Producto airtex, extendex,
resistex.
Entonces: MAX Z = 7*X1 + 7*X2 + 6*X3
SUJETO A:
3
X
i 1
COMPROMISO(i )
Para i=1-----X1 >=1000

Para i=2-----X2 >=500
Para i=3-----X3 >=400
3
X
i 1
* requerimen to(i, j ) inventario( j ) * 16
, donde requerimiento (i , j)
es la cantidad
de producto de cada tipo
de ingrediente.
para J=1------4X 1 + 3X2 + 6X3 <= 500*16;
para J=2------2X 1 + 2X2 + 3X3 <= 425*16;
273
para J=3------4X1 + 2X2 + 5X3 <= 650*16;

para J=4------6X1 + 9X2 + 2X3 <= 1100*16;
SETS:
PRODUCTO/AIRTEX
RESISTEX/:NIVEL,COMPROMISO,GANANCIA;
INGREDIENTE/POLIA POLIB POLIC/:INVENTARIO;
PROIN(PRODUCTO,INGREDIENTE):X;
ENDSETS
EXTENDEX
DATA:
COMPROMISO=1000,500,400;
GANANCIA=7,7,6;
INVENTARIO =500,425,650,1100;
X=4,2,4,6,
3,2,2,9,
6,3,5,2;
ENDDATA
!FUNCION OBJETIVO MAXIMIZAR LA UTILIDAD;
MAX=@SUM(PRODUCTO:GANANCIA*NIVEL);
!RESTRICCION DEL INVENTARIO;
@FOR(INGREDIENTE(I):@SUM(PRODUCTO(P):X(P,I)*NIVEL(P))<=INVEN
TARIO(I)*16);
!RESTRICCION DEL COMPROMISO;
@FOR(PRODUCTO:NIVEL>=COMPROMISO);
END
Problema N 2: (DIETAS) (usando 1 subndice):

El departamento de nutricin de un hospital prepara 30 mens de cena, uno para
cada da del ms. Una comida consiste en espagueti, pavo, papas en escalope y
pastel de manzanas. Como director del departamento de nutricin, usted ha
determinado que esta comida debe proporcionar 63000 miligramos de protenas,10
miligramos de hierro,15 miligramos de niacina, 1 miligramo de tiamina y 50
miligramos de vitamina C .cada 100 gramos de esta comida proporciona la
cantidad de cada nutriente y grasas indicadas en la siguiente tabla:
274
NUTRIENTE(mg / 100g)
Tiacina
Tiamina
Protena
Hierro
Vitna c
Grasa
Espagueti
5000
1.1
1.4
0.18
0.0
5000
Pavo
Papas
29300
5300
1.8
0.5
5.4
0.9
0.06
0.06
0.0
10
5000
7900
Espinacas
3000
2.2
0.5
0.07
28
300
Pastel
4000
1.2
0.60
0.15
3.0
14300
Solucin: hacemos nuestra tabla

Potaje
Protena
Hierro
Espagueti
5000
1.1
NUTRIENTE(mg/100g)
Tiacina Tiamin Vitna c
a
1.4
0.18
0
Pavo
Papas
Espinacas
29300
5300
3000
1.8
0.5
2.2
5.4
0.9
0.5
0.06
0.06
0.07
Pastel
Minimo
4000
63000
1.2
10
0.6
15
0.15
1
Grasa
Maximo
5000
300
0
10
28
5000
7900
300
300
200
100
3
50
14300
0
100
Sea Xi: cantidad de nutriente de tipo (i=1,2,3,4,5,6)

i=1---espagueti
i=2---pavo
i=3---papas
i=4---espinacas
i=5---pastel
i=6---grasa
Funcin objetivo:
min Z=X6;
275
Sujeto a:
Restriccin de la cantidad de grasa total que debe haber :
5
X 6 X i * CGi 0 ; donde
CGi es la cantidad de grasa ya sea en

Pavo , papas ,espinacas ,pastel, espagueti.
i 1
Por lo tanto: X6 X1*5000 5000*X2 7900*X3 3000*X4 14300*X5=0

Restriccin de la cantidad de nutriente por cada 100 mg que proporciona:
5
X
i 1
MAXIMOi / 100 ; donde MAXIMO i es la cantidad mxima de cada
potaje ya sea de
Espagueti, pavo, papas, espinacas y pastel
Por lo tanto:
Para i=1--X1<=300/100
Para i=2--X2<=300/100
Para i=3--X3<=200/100
Para i=4--X4<=100/100
Para i=5--X5<=100/100
Restriccin de la cantidad de nutriente por pataje que debe haber como
mnimo:
5
X
i 1
* nutriente j ,i MINIMO j
Donde:
NUTRIENTEj,i . j ,es la cantidad de nutriente ya sea de protena, hierro, tiacina,
tiamina, vitna C ,grasa por cada potaje i ya sea: Espagueti, pavo, papas ,espinacas,
pastel.
y MINIMOj es la cantidad de potaje como mximo que debe existir.
276
Por lo tanto:
Para i=1,2,3,4,5 Y j=1
X1*5000 + X2*29300 + X3*5300 + X4*3000 + X5*4000 >=63000
Para i=1,2,3,4,5 Y j=2
X1*1.1 + X2*1.8 + X3*0.5 + X4*2.2 + X5*1.2 >=10
Para i=1,2,3,4,5 Y j=3
X1*1.4 + X2*5.4 + X3*0.9 + X4*0.5 + X5*0.6 >=15
Para i=1,2,3,4,5 Y j=4
X1*0.18 + X2*0.06+ X3*0.06 + X4*0.07 + X5* 0.15 >=1
Para i=1,2,3,4,5 Y j=5
X1*5000 + X 2*5000 + X3*7900 + X4*300 + X5*14300 >=0
SETS:
POTAJE/ESPAGUETI PAVO PAPAS ESPINACAS PASTEL/:NIVEL,MAXIMO;
NUTRIENTE/PROTEINA
HIERRO
TIACINA
TIAMINA
VITAMC
GRASA/:MINIMO;
PONU(POTAJE,NUTRIENTE):REQ;
ENDSETS
DATA:
MAXIMO=300,300,200,100,100;
MINIMO=63000,10,15,1,50,0;
REQ=5000,1.1,1.4,0.18,0,5000,
29300,1.8,5.4,0.06,0,5000,
5300,0.5,0.9,0.06,10,7900,
3000,2.2,0.5,0.07,28,300,
4000,1.2,0.6,0.15,3,14300;
ENDDATA
MIN=GRASA;
GRASA=@SUM(POTAJE(I):REQ(I,6)*NIVEL(I));
@FOR(POTAJE(I):NIVEL(I)<=MAXIMO(I)/100);
@FOR(NUTRIENTE(J):@SUM(POTAJE(I):REQ(I,J)*NIVEL(I))>=MINIMO(J));
END
HACIENDO CORRER EL PROGRAMA CON LINGO 10.0
277
Objective value:
Total solver iterations:
54800.00
3
Variable
Value
Reduced Cost
NIVEL( ESPAGUETI)
3.000000
0.000000
NIVEL( PAVO)
2.833333
0.000000
NIVEL( PAPAS)
2.000000
0.000000
NIVEL( ESPINACAS)
1.000000
0.000000
NIVEL( PASTEL)
0.6666667
0.000000
A ASI SUCESIVAMENTE.
Problema N 3: (TRANSPORTE) (usando 2 subndices):

La cadena de restaurantes CUATRO MARIAS se especializa en la preparacin y
venta de pescados y mariscos. La demanda de pescado de las 4 sucursales de la
cadena de restaurantes CUATRO MARIAS es presentada en la siguiente tabla.
Sucursal
Demanda(Ton)
Jess Mara
15
Callao
17
San Luis
22
Los Olivos
12
La cadena de restaurantes CUATRO MARIAS compra el pescado de 3

proveedores que proporcionan las siguientes cantidades (ton) de pescado
Proveedor
cantidad
ventanilla
30
Villa el salvador
25
chorrillos
21
Los costos de transporte (soles/tonelada) de los proveedores a las sucursales son:

sucursal
Proveedor
Jess Mara
Callao
San Luis
Los Olivos
Ventanilla
6
2
6
7
V. salvador
4
9
5
3
chorrillos
8
8
1
5
Formule el modelo de PL que permita la distribucin ptima de pescado de los
proveedores de las sucursales.
278
SOLUCION:
El problema nos menciona q debemos determinar la distribucin ptima de
pescado o tambin dicho la cantidad de toneladas pescado q debe ir de cada
proveedor a cada sucursal de la empresa, este dato debe reflejarse en la funcin
objetivo (FO).
Xij: cantidad de pescado distribuido (en toneladas) por el proveedor i hacia destino
j donde: (i va de 1 a 3 y j va de 1 a 4)
En esta expresin i (por convencin representa las filas) representa a los
proveedores y j representa a las sucursales de la empresa CUATRO MARIAS
Ya tenemos el conjunto de variables con que vamos a trabajar pero eso no es
suficiente para determinar la FO, para nuestro caso nos pide determinar la
distribucin ptima para tener el menor costo posible debido a la distribucin del
pescado.
Proveedor
Ventanilla
V. salvador
chorrillos
Jess Maria
6
4
8
Callao
2
9
8
sucursal
San Luis
6
5
1
Los Olivos
7
3
5
Para armar la funcin objetivo necesitamos relacionar los datos costo unitario por
tonelada de pescado por nmero de toneladas pescados trasportados esto nos dara
es costo total de transporte.
En la tabla relacionamos primero al primer proveedor ventanilla (rojo) con la
primera sucursal Jess Mara (verde) este dato nos refleja el costo por tonelada de
trasporte desde ventanilla hacia Jess Mara (azul) lo cual nos da la relacin 6*X 11
este mismo paso es para los dems datos con lo cual tendramos:
3
FO: MIN Z = Xij * Cij

i 1 j 1
MIN Z = 6*X11 +2*X12+ 6*X13+ 7*X14 +4*X21+ 9*X22 +5*X23 +3*X24 +8*X31
+8*X32 +1*X 335*X34
Determinando las restricciones:
279
Al determinar nuestra funcin objetivo ya tenemos un punto de partida de donde

trabajar ahora debemos relacionar de la forma ms adecuada todos los datos q
tengamos a mano de preferencia almacenarlos en una sola tabla.
proveedor
ventanilla
V. Salvador
Chorrillos
Demanda
Sucursal
Callao
S. Luis
2
6
9
5
8
1
17
22
Jess M.
6
4
8
15
Los Olivos
7
3
5
12
disponibilidad
30
25
21
A la tabla de costos hemos hecho unos aadidos los cuales son la disponibilidad y
la demanda, la que nos ayudaran a determinar las restricciones del problema
Restriccin de la demanda:
Para la determinacin de las restricciones se debe tener muy en cuenta la relacin
entre los datos, para el caso de la demanda ella est relacionada directamente con
los proveedores ya q refleja la cantidad de toneladas q requiere cada sucursal.
Entonces la restriccin de la demanda va estar basada segn sucursal j.
3
Para j=1-----
X
i 1
X11+ X21 +X31
i ,1
disponibilidad (1)
15 (Jess Maria)
3
Para j=2-----
X
i 1
i,2
disponibilidad (2)
X12+ X22 +X32 17 (Callao)

3
Para j=3-----
X
i 1
X13+ X23 +X33
22
i ,3
(San Luis)
Para j=4-----
X
i 1
disponibilidad (3)
i,4
disponibilidad ( 4)
280
X14+ X24 +X34 12
(Los Olivos)
El smbolo de mayor igual en las restricciones quiere decir q la empresa requiere

satisfacer sus necesidades de demanda ms un excedente para q no haya problemas
de insuficiencia de comida
Como se observa no se ha tomado los datos de los costos de transporte, esto se
debe a que la DEMANDA est en funcin a las cantidad de toneladas de pescado y
no en funcin a los costos, es por ello q se relaciona directamente con las
cantidades a transportar, en conclusin se deben relacionar datos q tengan igual
UNIDADES de medicin para q exista concordancia en el problema.
Restriccin de la disponibilidad:
Se trabaja de forma anloga a la restriccin de demanda pero como se vio en el
cuadro anterior la disponibilidad no est relacionada con las sucursales sino con los
proveedores i, entonces
El smbolo de menor igual refleja q los pro veedores pueden distribuir todo el
pescado q poseen o menos hacia las sucursales.
2
Para i=1----- X 1, j COMPRA(1)

j 1
X11+ X12 +X13
30 (ventanilla)
2

j 1
i=2
X21+ X22 +X23 25 (Villa el Salvador)

2

j 1
i=3
X31+ X32 +X33 21 (Chorrillos)
Al igual que la demanda la disponibilidad est en funcin a la cantidad de
toneladas trasportadas as q no debe estar relacionada con ninguna dato que refleje
costos.
Problema N 3: (usando 3 subndices):
281
La ciudad de Busville tiene tres distritos escolares. En la tabla A se da el nmero de

estudiantes que pertenecen a grupos minoritarios y no minoritarios. El 25% de
todos los estudiantes (200/800) pertenecen a grupos minoritarios.
Tabla A:
ESTUDIANTES
DISTRITO
ESTUDIANTES
DE GRUPOS
DE GRUPOS
NO
MINORITARIOS MINORITARIOS
1
2
3
50
50
100
200
250
150
La corte local a decidido que cada una de las dos escuelas de segunda
enseanza de la ciudad (Cooley y walt whitman) debe tener aproximadamente
(ms o menos 5%) el mismo porcentaje de estudiantes de minoras, que la
ciudad entera. En la tabla B se da las distancias entre los distritos escolares y
las escuelas. Cada escuela debe tener entre 300 y 500 estudiantes. Utilice la
programacin lineal para determinar la asignacin de los estudiantes a cada
escuela para minimizar la distancia total que tienen que viajar los estudiantes
para llegar a ella.
Tabla B:
WALT
COOLE WHITMA
DISTRITO
Y
N
1
1
2
2
2
1
3
1
1
Solucin:
Primero vamos a encontrar la funcin objetivo, la escuela busca minimizar la
distancia total recorrida por sus estudiantes desde su distrito a la escuela y cuantos
estudiantes son mayoras y minoritarios, entonces vamos a llamar a la variable
estudiantes i,j,k, donde i: estudiantes del distrito i (i=1,2,3) que pertenecen al
282
grupo j (1:minoria,2:mayoria) y que estudian en la escuela k ( 1:Cooley,2:Walt

Whitman).Si lo queremos expresar escalarmente con los datos de la tabla Nro 2
MIN=1*(estudiantes 111+ estudiantes 121)+2*(estudiantes 211+2* estudiantes
221)+1*(estudiantes 311+ estudiantes 321)+2*(estudiantes 112+ estudiantes
)+1*(estudiantes
222
221+ estudiantes 222)+1*(estudiantes 312+1* estudiantes 322)
Esta frmula nos explica que se est multiplicando la distancia recorrida de la
escuela k con la cantidad de estudiantes de tipo j (1: minoria y 2: mayoria) en cada
distrito i. Si lo queremos expresar matemticamente seria:
MINIMIZAR DISTANCIAik * ESTUDIANTEijK
Las Restricciones:
La primera restriccin va ser con respecto a cantidad de alumnos de los dos tipos
minora y mayora en los distritos i, segn la encuesta realizada matemticamente
lo expresaramos as.
For i ( For j
EST UDIANTE ijK < CANTIDAD ij )
La segunda restriccin es con respecto a la cantidad de estudiantes en cada escuela

por dato nos dicen que lo mnimo numero de estudiantes para la dos escuelas es
300 estudiantes y la mxima 500 estudiantes, lo presentaremos matemticamente
as
For k i j ESTUDIANTE ijk >= Numero de estudiantes

La tercera restriccin es con respecto al porcentaje de alumnos en cada escuela, la
minora representa el 25 % de la ciudad entera y la mayora representa el 75%,
como nos dice que cada escuela tiene un +- 5% de minora de la minora total de la
ciudad, entonces cada escuela debe tomar entre el 20% y el 30% de estudiantes de
las minoras .Representando matemticamente
283
For k ( i j ESTUDIANTE ijk >= PORCTIPO*( i j ESTUDIANTE

ijk ) )
!colegios ;
SETS:
DIST/1..3/:;
TIPO/1..2/:;
COLE/1..2/:;
DT(DIST,TIPO):CANT;
DC(DIST,COLE):DISTA;
ALUMNOS(DIST,TIPO,COLE):X;
ENDSETS
DATA:
CANT=50,200,50,250,100,150;
DISTA=1,2,2,1,1,1;
ENDDATA
MIN=@SUM(ALUMNOS:DISTA*X);
!ALUMNOS POR DISTRITO Y POR TIPO;
@FOR(DT(I,J):@SUM(ALUMNOS(I,J,K):X(I,J,K))=CANT(I,J));
@FOR(COLE(K):@SUM(ALUMNOS(I,J,K):X(I,J,K))>300);
@FOR(COLE(K):@SUM(ALUMNOS(I,J,K):X(I,J,K))<500);
@FOR(COLE(K):@SUM(ALUMNOS(I,J,K)|
J#EQ#1:X(I,J,K))>0.2*(@SUM(DT(I,J):X(I,J,K))));
@FOR(COLE(K):@SUM(ALUMNOS(I,J,K)|
J#EQ#1:X(I,J,K))<0.3*(@SUM(DT(I,J):X(I,J,K))));
END
EL MODELO ALGEBRAICO:
284
MODEL:
[_1] MIN= X_1_1_1 + 2 * X_1_1_2 + 2 * X_1_2_1
+ X_2_1_1 + 2 *
X_2_1_2 + 2 * X_2_2_1 + X_2_2_2 + X_3_1_1 + 2
+ 2 * X_3_2_1 +
X_3_2_2 ;
[_2] X_1_1_1 + X_1_1_2 = 50 ;
[_3] X_1_2_1 + X_1_2_2 = 200 ;
[_4] X_2_1_1 + X_2_1_2 = 50 ;
[_5] X_2_2_1 + X_2_2_2 = 250 ;
[_6] X_3_1_1 + X_3_1_2 = 100 ;
[_7] X_3_2_1 + X_3_2_2 = 150 ;
[_8] X_1_1_1 + X_1_2_1 + X_2_1_1 + X_2_2_1 +
X_3_2_1 <= 300;
[_9] X_1_1_2 + X_1_2_2 + X_2_1_2 + X_2_2_2 +
X_3_2_2 <= 500;
[_10] 0.8 * X_1_1_1 - 0.2 * X_1_2_1 + 0.8 *
0.2 * X_2_2_1 +
0.8 * X_3_1_1 - 0.2 * X_3_2_1 >= 0 ;
[_11] 0.8 * X_1_1_2 - 0.2 * X_1_2_2 + 0.8 *
0.2 * X_2_2_2 +
0.8 * X_3_1_2 - 0.2 * X_3_2_2 >= 0 ;
[_12] 0.7 * X_1_1_1 - 0.3 * X_1_2_1 + 0.7 *
0.3 * X_2_2_1 +
0.7 * X_3_1_1 - 0.3 * X_3_2_1 <= 0 ;
[_13] 0.7 * X_1_1_2 - 0.3 * X_1_2_2 + 0.7 *
0.3 * X_2_2_2 +
0.7 * X_3_1_2 - 0.3 * X_3_2_2 <= 0 ;
END
+ X_1_2_2
* X_3_1_2
X_3_1_1 +
X_3_1_2 +
X_2_1_1 X_2_1_2 X_2_1_1 X_2_1_2 -
Problema N 5: (TRASPORTE) (usando 4 subndices):

La quality paper,fabricante y distribuidor de papel .produce 3 tipos diferentes de
papel que se pueden fabricar tanto en la fbrica A,B, o C ubicados en lima.la
285
empresa busca satisfacer la demanda establecida para las ciudades(Tacna y Cuzco)

en donde se venden los productos. Adems en cada ciudad existen 2 tipos de
centros de distribucin (supermercados y libreras) los cuales pertenecen a la
corporacin.los precios de ventas de los productos segn donde fueron fabricados,
la ciudad y el centro de distribucin donde se va a vender son los siguientes:
TACNA
SUPERMEMRCA
LIBRERIA
DO
FAB
A
FAB
B
FAB
C
CUZCO
SUPERMERCAD
O
LIBRERIA
Prod
Prod
Prod
Prod
Prod
Prod
Prd
Prod
Prod
Prod
Prod
Prod
13
15
17
11
12
15
14
12
13
15
13
12
10
13
14
12
14
16
13
14
15
11
12
13
12
11
13
10
11
13
11
13
14
12
13
14
LA corporacin busca maximizar sus ventas y saber cmo va a distribuir sus

productos tomando en cuenta la capacidad de produccin de las fbricas, la
demanda de las ciudades y la capacidad de los centros de distribucin.
Capacidad de produccin
FAB
FAB
FAB C
286
PROD1
75
65
70
PROD2
60
70
80
PROD3
65
75
75
Demanda
TACNA
CUZCO
PROD1
73
67
PROD2
58
72
PROD3
67
74
Capacidad de los centros de distribucin
TACNA
CUZCO
SUPER MERCADO
150
140
LIBRERA
130
150
Solucin:
Xi,j,k,l=cantidad de productos fabricados en la fabrica i(i=A,B,C),en la ciudad si
en TACNA, si y
CUZCO(j=TC,CZ) distribuidos en SUPER MERCADO y
LIBRERA (K=SM,L) el producto L(L=P1,P2,P3).

FUNCION OBJETIVO:
287
MAX
CZ
P4
I A , J TC K SM L P1
X I , J , K , L * PRECIOI , J , K , L
, donde PRECIO es el
precio de venta de cada producto.

MAXZ=12 * XA,P1,SM,TC + 15* XA,P1,SM,CZ + 17 * XA,P1,L,TC
+11 * XA,P1,L,CZ + 12 * XA,P2,SM,TC + 15 * XA,P2,SM,CZ
+14*XA,P2,L,TC + 12 * XA,P2_L,CZ + 13 * XA,P3,SM,TC +
15 * XA,P3,SM,CZ + 13 * XA,P3,L,TC + 12 * XA,P3,L,CZ +
10 * XB,P1,SM,TC + 13 *XB,P1,SM,CZ + 14 * XB,P1,L,TC +
12 * XB, P1, L, CZ + 14 * XB,P2,SM,TC + 16 * XB,P2,SM,CZ +
13 * XB,P2,L,TC + 14 * XB,P2,L,CZ + 15 * XB,P3,SM,TC +
11 * XB,P3,SM,CZ + 12 * XB,P3,L,TC + 13 * XB,P3,LCZ +
12 * XC,P1,SM,TC + 11 * XC,P1,SM,CZ + 13 * XC,P1,L,TC +
10 *XC,P1,L,CZ + 11 * XC,P2,SM,TC + 13 * XC,P2,SM,CZ +
11 * XC,P2,LTC +13 * XC,P2,L,CZ + 14 * X,C,P3,SM,TC +
12 * XC,P3,SM,CZ + 13 *XC,P3,L,TC + 14 * XC,P3,LCZ ;
SUJETO A:
Capacidad de produccin:
L
P4
K SM , L P1
I , J ,K ,L
Para I=A,J=P1:
XA,P1_SM,TC + XA,P1,SM,CZ + XA,P1,L,TC + XA,P1,L,CZ <= 75 ;
Para I=A,J=P2:
XA,P2,SM,TC + XA,P2,SM,CZ + XA,P2,L,TC + XA,P2,L,CZ <= 60 ;
Para I=A,J=P3:
XA,P3,SM,TC + XA,P3,SM,CZ + XA,P3,L,TC + XA,P3,L,CZ <= 65 ;
Para I=B,J=P1:
XB,P1,SM,TC + XB,P1,SM,CZ + XB,P1,L,TC + XB,P1,L,CZ <= 65 ;
Para I=B,J=P2:
288
Para I=B,J=P3:
Para I=C,J=P1:
XC,P1,SM,TC + XC,P1,SM,CZ + XC,P1,L,TC + XC,P1,L,CZ <= 70 ;
Para I=C,J=P2:
XC,P2,SM,TC + XC,P2,SM,CZ + XC,P2,L,TC + XC,P2,LCZ <= 80 ;
Para I=C,J=P3:
XC,P3,SM,TC + XC,P3,SM,CZ + XC,P3,L,TC + XC,P3,L,CZ <= 75
Demanda:
C
I A, K SM
I , J ,K ,L
Para J=TC, L=P1:

XA,P1,SM,TC + XA,P1,L,TC + XB,P1,SM,TC + XB,P1,L,TC +XC,P1,SM,TC +
XC, P1, L, TC >= 73;
Para J=CZ, L=P1:
XA,P1,SM,CZ + XA,P1,L,CZ + XB,P1,SM,CZ + XB,P1,L,CZ +
XC,P1,SM,CZ + XC,P1,L,CZ >= 67 ;
Para J=TC, L=P2:
XA,P2,SM,TC + XA,P2,L,TC + XB,P2,SM,TC + XB,P2,L,TC +
XC,P2,SM,TC + XC,P2,L,TC >= 58 ;
Para J=CZ, L=P2:
XA,P2,SM,CZ + XA,P2,L,CZ + X,B,P2,SM,CZ + XB,P2,L,CZ +
Para J=TC, L=P3:
XA,P3,SM,TC + XA,P3,L,TC + XB,P3,SM,TC + XB,P3,L,TC +
289
XC,P3,SM,TC + XC,P3,L,TC >= 67 ;

Para J=CZ, L=P3:
XA,P3_SM,CZ + XA,P3,L,CZ + XB,P3,SM,CZ + XB,P3,L,CZ +
Capacidad de los centros de distribucin:
C
P4
I A , L P1
I ,J ,K ,L
Para J=TC, K=SM:

XA,P1,SM,TC + XA,P2,SM,TC + XA,P3,SM,TC + XB,P1,SM,TC +
XB,P2,SM,TC + XB,P3,SM,TC + XC,P1,SM,TC + XC,P2,SM,TC
XC,P3,SM,TC<=150
Para J=CZ, K=SM:

XA,P1,SM,CZ + X,A,P2,SM,CZ + X,A,P3,SM,CZ + X,B,P1,SM,CZ +
X_B_P2_SM_CZ + XB,P3_SM,CZ + XC,P1,SM,CZ + XC,P2,SM,CZ +
XC,P3,SM,CZ <= 140 ;
Para J=TC, K=L:
XA,P1,L,TC + XA,P2,L,TC + X,A,P3,L,TC + XB,P1,L,TC +XB,P2,L,TC +
XB,P3,L,TC + XC,P1,L,TC + XC,P2,L,TC + XC,P3,L,TC <=130 ;
Para J=CZ, K=L:
XA,P1,L,CZ + XA,P2,L,CZ + XA,P3,L,CZ + XB,P1,L,CZ +XB,P2,L,CZ +
XB,P3,L,CZ + XC,P1,L,CZ + XC,P2,L,CZ + XC,P3,L,CZ <=150 ;
EL EQUIVALENTE EN LINGO ES:
290
SETS:
! FABRICAS DONDE SE VA A PRODUCIR EL PAPEL;
FABRICAS/A B C/: ;
! PRODUCTOS A SER PRODUCIDO POR LAS FBRICAS;
PRODUCTOS/P1 P2 P3/: ;
! CENTRO DE DISTRIBUCION DE LOS PRODUCTOS;
CDIST/SM L/:;
! CIUDADES DONDE VAN A SER DISTRIBUIDOS LOS PRODUCTOS;
CIUDAD/TC CZ/:;
! REQUERIMIENTO DE PRODUCTOS PARA UNA FABRICA ,EN UNA
CIUDAD,EN UN DETERMINADO SUPERMERCADO;
FPCC (FBRICAS, PRODUCTOS, CDIST, CIUDAD): PRECIO, X;
! CAPACIDAD DE PRODUCCION DE UN TERMENINADOM PRODUCTO
POR FBRICA;
FABPRO (FBRICAS, PRODUCTOS): CAPACIDAD;
! DEMANDA DE PRODUCCION;
PROCIU(PRODUCTOS,CIUDAD):DEMANDA;
! CAPACIDAD DE LOS CENTROS DE DISTRIBUCION;
CDCIUDAD (CDIST, CIUDAD): CAPACCD;
ENDSETS
DATA:
CAPACIDAD= 75,60,65,
65,70,75,
70,80,75;
DEMANDA= 73,67,
58,72,
67,74;
CAPACCD= 150,140,
130,150;
PRECIO= 12,15,17,11,12,15,14,12,13,15,13,12,
10,13,14,12,14,16,13,14,15,11,12,13,
12,11,13,10,11,13,11,13,14,12,13,14;
ENDDATA
!FUNCION OBJETIVO ,MAXIMIZANDO LA UTILIDAD;
[OBJETIVO]MAX =@SUM(FPCC:PRECIO*X);
!RESTRICCION DE LA CAPACIDAD DE DISTRIBUCION ;
@FOR(FABPRO(I,J):@SUM(FPCC(I,J,K,L):X(I,J,K,L))<=CAPACIDAD(I,J));
!RESTRICCION DE LA DEMANDA;
@FOR(PROCIU(J,L):@SUM(FPCC(I,J,K,L):X(I,J,K,L))>=DEMANDA(J,L));
291
! RESTRICCION
DE LA CAPACIDAD DE LOS CENTROS DE
DISTRIBUCION;
@FOR(CDCIUDAD(K,L):@SUM(FPCC(I,J,K,L):X(I,J,K,L))<=CAPACCD(K,L))
;
END
EL MODELO ALGEBRAICO:
MODEL:
[OBJETIVO] MAX= 12 * X_A_P1_SM_TC + 15 * X_A_P1_SM_CZ + 17 *
X_A_P1_L_TC
+ 11 * X_A_P1_L_CZ + 12 * X_A_P2_SM_TC + 15 * X_A_P2_SM_CZ + 14 *
X_A_P2_L_TC + 12 * X_A_P2_L_CZ + 13 * X_A_P3_SM_TC + 15 *
X_A_P3_SM_CZ +
13 * X_A_P3_L_TC + 12 * X_A_P3_L_CZ + 10 * X_B_P1_SM_TC + 13 *
X_B_P1_SM_CZ + 14 * X_B_P1_L_TC + 12 * X_B_P1_L_CZ + 14 *
X_B_P2_SM_TC +
16 * X_B_P2_SM_CZ + 13 * X_B_P2_L_TC + 14 * X_B_P2_L_CZ + 15 *
X_B_P3_SM_TC + 11 * X_B_P3_SM_CZ + 12 * X_B_P3_L_TC + 13 *
X_B_P3_L_CZ +
12 * X_C_P1_SM_TC + 11 * X_C_P1_SM_CZ + 13 * X_C_P1_L_TC + 10 *
X_C_P1_L_CZ + 11 * X_C_P2_SM_TC + 13 * X_C_P2_SM_CZ + 11 *
X_C_P2_L_TC +
13 * X_C_P2_L_CZ + 14 * X_C_P3_SM_TC + 12 * X_C_P3_SM_CZ + 13 *
X_C_P3_L_TC + 14 * X_C_P3_L_CZ ;
[_2] X_A_P1_SM_TC + X_A_P1_SM_CZ + X_A_P1_L_TC + X_A_P1_L_CZ
<= 75 ;
<= 60 ;
<= 65 ;
[_5] X_B_P1_SM_TC + X_B_P1_SM_CZ + X_B_P1_L_TC + X_B_P1_L_CZ
<= 65 ;
<= 70 ;
<= 75 ;
292
[_8] X_C_P1_SM_TC + X_C_P1_SM_CZ + X_C_P1_L_TC + X_C_P1_L_CZ

<= 70 ;
<= 80 ;
<= 75 ;
[_11] X_A_P1_SM_TC + X_A_P1_L_TC + X_B_P1_SM_TC + X_B_P1_L_TC
+
X_C_P1_SM_TC + X_C_P1_L_TC >= 73 ;
[_12] X_A_P1_SM_CZ + X_A_P1_L_CZ + X_B_P1_SM_CZ + X_B_P1_L_CZ
+
X_C_P1_SM_CZ + X_C_P1_L_CZ >= 67 ;
+
X_C_P2_SM_TC + X_C_P2_L_TC >= 58 ;
+
X_C_P2_SM_CZ + X_C_P2_L_CZ >= 72 ;
+
X_C_P3_SM_TC + X_C_P3_L_TC >= 67 ;
+
X_C_P3_SM_CZ + X_C_P3_L_CZ >= 74 ;
[_17] X_A_P1_SM_TC + X_A_P2_SM_TC + X_A_P3_SM_TC +
X_B_P1_SM_TC +
X_B_P2_SM_TC + X_B_P3_SM_TC + X_C_P1_SM_TC +
X_C_P2_SM_TC + X_C_P3_SM_TC
<= 150 ;
[_18] X_A_P1_SM_CZ + X_A_P2_SM_CZ + X_A_P3_SM_CZ +
X_B_P1_SM_CZ +
X_B_P2_SM_CZ + X_B_P3_SM_CZ + X_C_P1_SM_CZ + X_C_P2_SM_CZ +
X_C_P3_SM_CZ
<= 140 ;
[_19] X_A_P1_L_TC + X_A_P2_L_TC + X_A_P3_L_TC + X_B_P1_L_TC +
X_B_P2_L_TC + X_B_P3_L_TC + X_C_P1_L_TC + X_C_P2_L_TC +
X_C_P3_L_TC <=
130 ;
[_20] X_A_P1_L_CZ + X_A_P2_L_CZ + X_A_P3_L_CZ + X_B_P1_L_CZ +
X_B_P2_L_CZ + X_B_P3_L_CZ + X_C_P1_L_CZ + X_C_P2_L_CZ +
293
X_C_P3_L_CZ <=
150 ;
END
HACIENDO CORRER EL PROGRAMA CON LINGO 10.0

Global optimal solution found.
Objective value:
Total solver iterations:
8260.000
20
Variable
Value
Reduced Cost
PRECIO( A, P1, SM, TC)
12.00000
0.000000
PRECIO( A, P1, SM, CZ)
15.00000
0.000000
PRECIO( A, P1, L, TC)
17.00000
0.000000
PRECIO( A, P1, L, CZ)
11.00000
0.000000
12.00000
0.000000
PRECIO( A, P2, SM, CZ)
15.00000
0.000000
PRECIO( A, P2, L, TC)
14.00000
0.000000
PRECIO( A, P2, L, CZ)
12.00000
0.000000
13.00000
0.000000
A ASI SUCESIVAMENTE.
Problema en LINGO exportando datos en Excel

Los pasos que se sigue para crear una base de datos en EXCEL son:
1. Crear una carpeta en C, por ejemplo: USO DEL LINGO CON EXCEL.
2. Crear una Hoja de clculo denominada COLHO siguiendo la secuencia:
3. C:\COLHO hacemos doble click , se contina con el ingreso de la
informacin para resolver el problema, los pasos que se siguen son los
siguientes:
294
As como en SETS del programa LINGO se generaron los conjuntos, en

EXCEL se crean las registros con los rangos con estos mismos nombres.
Hacer clic en X (cerrar)/si/Guardar Como/B/Aceptar
Finalmente se utiliza otra funcin de conexin @OLE(), para transferir
datos de y a la hoja de clculo .
Se ingresa la informacin, en la hoja de clculo tal como se indica en el
siguiente programa,
La compaa Coelho S.A. fabrica los motores. El departamento de mercadeo est
previendo ventas de 6100 unidades del Roncam de motor el prximo semestre.
Esto es una nueva demanda y la compaa tendrn que probar su capacidad de
produccin. Los motores tipo Roncam el montaje consta de tres componentes: el
cuerpo, la base y el armado. Algunos de estos componentes ellos pueden
comprarse de otros proveedores, si hay limitaciones de Coelho S.A. Los costos de
la produccin y la adquisicin cuesta en $/unidad se resume en la tabla siguiente.
Componente
Cuerpo
Base
Armado
Costo de Adquisicin
( en minutos)
10
20
16
Costo de Produccin ( en
minutos)
8
20
16
La fbrica de la Compaa Coelho S.A. tiene tres departamentos. El requisito de

tiempo en minutos que cada componente consume en cada departamento se
resume en la tabla siguiente. El tiempo disponible en la compaa para cada
componente est rayado en la ltima lnea.
Componente
Cuerpo
Base
Armado
Tiempo
Preparacin
2
5
4
de Tiempo
Molde
4
2
5
de Tiempo
de
Fabricacin
2
4
5
295
Disponibilidad
49200
49200
49200
El modelo de decisin del problema se da debajo, dnde el Xij representa la

cantidad de componentes el i=(1=si el componente es el Cuerpo, 2=si el
componente es la Base y 3=si el componente es la Armado) y proviene de j = (A=si
el componente se adquiera y F= Si el componente se fabrica).
Min 8X 1F + 20X 2F + 1 0X 3F + 10 X 1A + 20 X 2A + 16X 3A
S.A
2 X 1F + 5X 2F + 4X 3F <=49200
4X 1F + 2X 2F + 5 X 3F <=49200
2 X 1F + 4X 2F + 5 X 3F <=49200
X1F + X1A <=6100
X2F + X2A <=6100
X3F + X3A <=6100
X1F , X2F, X3F , X1A, X2A, X3A >=0
El modelamiento en Lingo para este PPL se presenta en el Figura 1. A diferencia
de este modelo de otros est el hecho de nosotros estamos leyendo las constantes
de los SETS de la seccin a travs de una hoja de clculo de Excel y exportando el
resultado despus para el mismo, utilizando las DATA de la seccin. Tanto la
lectura como la exportacin de los datos para la hoja de clculo se hace a travs del
orden @ OLE ('nombre de la Hoja de Calculo.xls', 'el nombre del grupo de
celdas). Para el uso de una hoja de clculo de Excel, nosotros debimos un nombre
al definir para cada de grupo de celdas referenciadas en el modelo.
Considerado la hoja de clculo presentada en la figura 2, nosotros tenemos los
grupos siguientes de celdas con sus nombres respectivos:
Conjunto de Celdas
B3 a G3
H5 a HI7
H8 a H10
C16
B5 a G7
B8 a G10
B14 a G14
Nombre
Costo
Coef1
Coef2
FO
Rest1
Rest2
x
296
DATA:
n=6;
m=3;
ENDDATA
SETS:
v1/1.. n/:c,x;
v2/1..m/:b,e;
m1(v2,v1):a,d;
ENDSETS
DATA:
c,a,d,b,e=@OLE('C:\Samples\coelhos.xls','custo','Rest1'
,'Rest2','Coef1','Coef2');
ENDDATA
MIN=FO;
FO=@SUM(v1(j):c(j)*x(j));
@FOR(v2(i):@sum(v1(j):a(i,j)* x(j))<=b(i));
@FOR(v2(i):@sum(v1(j):d(i,j)* x(j))>=e(i));
DATA:
297
@OLE('C:\Samples\coelhos.xls','x','FO')= x,FO;
ENDDATA
Observacin:
-Intenta poner la Hoja de clculo sin ruta te va salir una venta dicindote OPEN
FILE si no pones la ruta tiene que estar el archivo abierto, para exportar los
resultados.
Si no quieres que el archivo se abra inmediatamente despus de la compilacin
tienes que poner la ruta como en la figura, esta ruta puede ser cualquiera donde tu
decidas guardar tu archivo.
Objective value:
Total
234650.0
iterations:
solver
Export Summary Report

--------------------Transfer Method:
OLE BASED
Workbook:
C:\Samples\coelhos.xls
Ranges Specified:
2
x
FO
Ranges Found:
2
Range Size Mismatches:
0
Values Transferred:
7
Reduced Cost
0.000000
0.000000
0.000000
Variable
Value
6.000000
3.000000
FO
234650.0
298
0.000000
1.000000
0.000000
0.000000
0.000000
X( 1)
4675.000
X( 2)
0.000000
X( 3)
6100.000
X( 4)
1425.000
X( 5)
6100.000
X( 6)
0.000000
3.500000
EL PROBLEMA DE LAS BARRAS DE CHOCOLATE
Los requerimientos para la produccin de 3 tipos de barras de chocolate as como
la cantidad de recursos y la utilidad de cada tipo se muestran en el siguiente
cuadro:
MATERIA
PRIMA
B1
B2
B3
CANTIDAD
DISPONIBLE
AZUCAR
50
CHOCOLATE
100
GANANCIA
UNITARIA
SOLUCION.
Xi = Cantidad de barras de tipo i a producir; (i = 1, 2,3)
FO
max 3X1+7X2 +5X3
299
Sujeto a:
X1+ X2 + X3 < 50
2X1+ 3X2 + X3 < 100
SOLUCIN EN LINGO
SETS:
!BARRAS,PRODUCCION Y GANANCIA;
!INGREDIENTES (AZUCAR,CHOCOLATE) Y DISPONIBILIDAD;
!CANTIDAD USADA POR BARRA;
B/B1,B2,B3/:P,G;
IN/A,CH/: D;
CA(IN,B):USO;
ENDSETS
MAX= @SUM(B:P*G);
@FOR(IN(I):@SUM(B(J):USO(I,J)*P(J))<=D(I));
DATA:
G=3,7,5;
D=50,100;
USO= 1,1,1,
2,3,1;
ENDDATA
END
1) IMPORTAR Y EXPORTAR DATOS DE EXCEL

Para importar y exportar datos de una hoja de clculo, LINGO tiene una funcin,
@OLE( ) .
Para pasar los datos de la seccin DATA a EXCEL se procede como sigue:
300
1
En EXCEL
Se tiene por ejemplo el conjunto de datos G = 3,7,5 del problema de las
barras de chocolate, se digita en cada casillero, prescindiendo de la coma,
un numero de acuerdo al orden establecido.
Con el ratn se marca las celdas del un conjunto de datos ( 3 7 5)
Con INSERTAR, NOMBRE, DEFINIR del men, se define el nombre del
conjunto (Ejemplo: G)
En LINGO
En la seccin DATA, para importar informacin, se escribe el nombre del
conjunto que se iguala a la funcin @OLE sealando la ruta donde se
ubican los datos y si se desea exportar resultados a un lugar predefinido en
EXCEL se escribe primero la funcin y esta se iguala al nombre de las
celdas definidas en EXCEL
SOLUCION COLOCANDO LOS DATOS EN EXCEL
SETS:
B/B1,B2,B3/:P,G;
IN/A,CH/: D;
CA(IN,B):USO;
ENDSETS
MAX= @SUM(B:P*G);
DATA:
G=@OLE('C:\MIS DOCUMENTOS\BARRAS.XLS');
D=@OLE('C:\MIS DOCUMENTOS\BARRAS.XLS');
USO= @OLE('C:\MIS DOCUMENTOS\BARRAS.XLS');
!RESPUESTA DE PRODUCCION DE BARRAS;
@OLE('C:\MIS DOCUMENTOS\BARRAS.XLS')=P;
301
ENDDATA
END
2)
IMPORTAR Y EXPORTAR DATOS EN LA BASE DE DATOS

ACCESS
Los pasos que se sigue para crear una base de datos en ACCESS son:
Crear una carpeta en C, por ejemplo: USO DEL LINGO CON ACCESS.
Crear una base de datos en ACCESS denominada BARRA con: INICIO

CONFIGURACION PANEL DE CONTROL (clic) FUENTE DE DATOS
ODBC(doble clic)DSN USUARIO nombre MS ACCESS DATABASE,
controlador MICRSOFT ACCESS DRIVER (*.mdb) AGREGAR DRIVER
DO MICROSOFT ACCESS(*.mdb) FINALIZAR.
En NOMBRE DE ORIGEN DE DATOS, se escribe: BARRA /BASE DE

DATOS CREAR C:\(doble clic)ubicar USO DEL LINGO CON
ACCESS(doble clic) NOMBRE DE BASE DE DATOS se escribe
BARRA.mdb ACEPTAR ACEPTAR, ACEPTAR.
Creada la base de datos BARRA se contina con el ingreso de la informacin para

resolver el problema, los pasos que se siguen son los siguientes:
En la carpeta USO DEL LINGO CON ACCESS localizar la base de datos

BARRA e ingresar a la base haciendo clic.
As como en SETS del programa LINGO se generaron los conjuntos B, IN

y CA, en ACCESS se crean las tablas con estos mismos nombres.
Para crear la primera tabla B se procede como sigue: Crear una tabla
utilizando el asistente/Nuevo/Vista Diseo/Aceptar/en Nombre del
302
Campo , colocar BB/en Tipo de Datos: texto, se sigue nombrando los

dems campos:
Nombre del Campo
BB
P
G
Tipo de Datos
Texto
Texto
numrico
Hacer clic en X (cerrar)/si/Guardar Como/B/Aceptar

Las dems tablas se crean bajo el mismo procedimiento y para llenar la
informacin en estas se ingresa a cada una de estas haciendo doble clic y luego se
escribe los datos quedando estas como a continuacin se indica:
B
BB P G
B1 P1 3
B2 P2 7
B3 P3 5
IN
II
A
CH
D
50
100
CA
IN
B
A B1
A B2
A B3
CH B1
CH B2
CH B3
USO
1
1
1
2
3
1
Finalmente en la seccin DATA del programa LINGO, de manera semejante a lo

ocurrido en EXCEL, aqu se utiliza otra funcin de conexin @ODBC(), para
transferir datos de y a una base de datos. Las bases de datos de mayor uso como
Oracle, Paradox, DB/2, MS/Access y SQL Server, son compatibles con la
convencin ODBC.
Se ingresa la informacin, en DATA, tal como se indica en el siguiente programa,
se deber observar que en la seccin SETS no se tiene los elementos de B y de IN
es por ello que estos, adems de G, D y USO debern ser sealados en DATA.
SETS:
303

B:P,G;
IN: D;
CA(IN,B):USO;
ENDSETS
MAX= @SUM(B:P*G);
DATA:
B=@odbc('BARRA','B','BB');
G=@odbc('BARRA','B','G');
IN=@odbc('BARRA','IN','II');
D=@odbc('BARRA','IN','D');
USO=@odbc('BARRA','CA','USO');
ENDDATA
END
304

Libro de Investigacion Operativa I

Cargado por

Copyright:

Formatos disponibles

Libro de Investigacion Operativa I

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Libro de Investigacion Operativa I

Cargado por

Copyright:

Formatos disponibles

INVESTIGACIN

FORMULACIN DE MODELOS DE PROGRAMACIN LINEAL.

6.1 PROBLEMAS RESUELTOS

La Investigacin Operativa es una ciencia y un arte. IO es una ciencia porque

El modelo es la representacin abstracta de la realidad, se construyen modelos con

y (j = 1, 2,..., n) se denominan coeficientes tecnolgicos.

Se pide presentar el modelo que optimiza el ingreso por ventas.

2. Si cada unidad de P1 , problema 1 genera 3 unidades de un subproducto P3

3. Si los costos de los componentes del problema 1 son como sigue:

Se pide formular el programa lineal.

X c1 j = Unidades del componentes c1 del rango j (j = 1, 2, 3)

4. Se quiere obtener la mxima cantidad del producto P3 que se logra del

5. La capacidad de produccin de ALFA de 700 unidades mensuales. Los costos

Se pide formular el programa lineal.

Min z = 100 X 1 + 150 X 2 + 200 X 3

El programa tiene como objetivo minimizar el costo total de produccin

Min z = 100 X 1 + 150 X 2 + 200 X 3

7. La capacidad de produccin de GAMMA es de 800 unidades mensuales. Los

GAMMA tiene un costo de almacenamiento de S/. 10.00 por unidad mensual.

Para los dos casos se cumple lo siguiente:

Considerando que las variables de decisin deben ser no negativas se va a efectuar

Min z = 100 X 1 + 150 X 2 + 200 X 3 + W1 + W2

X 1 - ( Y11 - Y12 ) = 300

X 1 , X 2 , X 3 , Y11 , Y12 , Y21 , Y22 , W1 , W2 0

Min z = 100 X 1 + 150 X 2 + 200 X 3 + 10 ( Y1e + Y2 e ) + 30 ( Y1 f

Se pide preparar el modelo para minimizar el costo total de transporte.

CASO: TIPO DE HORARIOS

10. El requerimiento de personal de seguridad de una empresa, as como los

Se desea determinar el nmero total de personas para esa labor.

1.2 PROBLEMAS RESUELTOS

2. Chemco produce dos productos qumicos: A y B. Se producen mediante dos

Max z 16Y A 14YBV 2YBD

Para encontrar el punto de equilibrio se parte:

450 X 1 700 X 2 240 X 1 360 X 2 150000 240000

210 X 1 340 X 2 390000

y extra larga) en la mquina j (j = A, B, C).

5. Un fabricante tiene cuatro artculos A, B, C y D que deben ser producidos en

32 X 1 A 151X 1B 72 X 1C 118 X 1D 160

39 X 2 A 147 X 2 B 61X 2C 126 X 2 D 160

6. Se usa un torno para reducir de 14 pulg. a 12 pulg. El dimetro de una barra de

40X1 + 6000X2 + 6000X3 100,000

7. Un producto es ensamblado con 3 partes que pueden fabricarse en 2 mquinas

La administracin busca una programacin diaria de mquinas, de tal forma

las diferencias en los hornos de cada fbrica. En la tabla se muestra el tiempo y

9. Sunco Oil tiene refineras en Los ngeles y en Chicago. La refinera de Los

Sunco puede maximizar sus ganancias, menos los costos de la ampliacin, en

Mes 5 (mayo) = 11000 horas

experimentado durante el segundo mes de entrenamiento. A cada tcnico

Xij = Cantidad de i (i = M, S) fabricadas con madera de j (j = R, P)

Formule un PL para ayudar a Brady a minimizar los costos semanales para

Se pueden comprar a la semana:

X3 = tronco costo (3 + 4 dlares/pie3) = 9.5 dlar/pie3

Valor del Producto B-Precio del Producto B 0

Sea Xi el precio del Producto i (i =1, 2)

2,400 horas por ao. Formular como un programa lineal el problema de

0.5X1 + 0.8X2 48,000

produccin de por lo menos 20 anillos tipo 1, y por lo menos 25 anillos tipo 2.

2X1 + 3X2 R 100