1. Se tienen 5 máquinas a las que se desea asignar operarios.

Se tienen disponibles 4
operarios. Cada máquina solo necesita de un operario y cada operario solo puede
manejar una máquina. Si la variable de decisión es una binaria Xij: se asigna o no el
operario i a la máquina j (i=1,2,3,4; j=1,2,3,4). ¿cuál es el número total de restricciones
que tiene el modelo?:
• 29
2. Se tienen 5 máquinas a las que se desea asignar operarios. Se tienen disponibles 4
operarios. Cada máquina solo necesita de un operario y cada operario solo puede
manejar una máquina. Si la variable de decisión es una binaria Xij: se asigna o no el
operario i a la máquina j (i=1,2,3,4; j=1,2,3,4,5), una restricción que recoge la
información anterior, en lenguaje Lingo, es:
• @For(Maquina(j): @Sum(Operario(i): X(i,j)) <=1);
3. Se tienen 4 máquinas a las que se desea asignar operarios. Se tienen disponibles 4
operarios. Cada máquina solo necesita de un operario y cada operario solo puede
manejar una máquina. Si la variable de decisión es una binaria Xij: se asigna o no el
operario i a la máquina j (i=1,2,3,4; j=1,2,3,4). ¿cuál es el número total de restricciones
que tiene el modelo?:
• 24
4. Se tienen 4 máquinas a las que se desea asignar operarios. Se tienen disponibles 4
operarios. Cada máquina solo necesita de un operario y cada operario solo puede
manejar una máquina. Si la variable de decisión es una binaria Xij: se asigna o no el
operario i a la máquina j (i=1,2,3,4; j=1,2,3,4), una restricción que recoge la
información anterior, en lenguaje Lingo, es:
• @For(Operario(i): @Sum(Maquina(j): X(i,j)) =1);
5. Se tienen 4 máquinas a las que se desea asignar operarios. Se tienen disponibles 5
operarios. Cada máquina solo necesita de un operario y cada operario solo puede
manejar una máquina. Si la variable de decisión es una binaria Xij: se asigna o no el
operario i a la máquina j (i=1,2,3,4,5; j=1,2,3,4), una restricción que recoge la
información anterior, en lenguaje Lingo, es:
• @For(Operario(i): @Sum(Maquina(j): X(i,j)) <=1);
6. Una empresa de juguetes está considerando la puesta en marcha de tres nuevos
modelos de juguetes (1, 2 y 3) para su posible inclusión en la próxima campaña de
Navidad. La preparación de instalaciones para la fabricación de estos modelos costaría
S/25000, S/35000 y S/30000 respectivamente, y la ganancia unitaria sería de S/10,
S/15 y S/13 respectivamente. La empresa dispone de tres plantas de producción para
la elaboración de estos modelos, pero para evitar gastos solo en una de ellas se
producirían los juguetes (dependiendo la elección de la maximización de las
ganancias). El número de horas que se precisa para producir cada juguete en cada
planta es:
Juguete 1 Juguete 2 Juguete 3
Planta 1 5 4 4
Planta 2 4 2 2
Planta 3 3 3 2
Las plantas disponen al día 500, 600 y 630 de producción respectivamente. La gerencia
ha decidido desarrollar al menos uno de los tres juguetes.
La función objetivo del modelo del programa entero binario en expresión Lingo
compacto serán [Xi = cantidad de [unidades] del juguete i a producir; Yi= la opción de
producir el juguete i; Zj= la opción de producir en la planta j]:
 • Max= @Sum(juguete(i): Utilidad(i)*X(i) – CostoFijo(i)*Y(i));
La función objetivo en notación compacta serían [Xi = cantidad de [unidades] del
juguete i a producir; Yi= la opción de producir el juguete i; Zj= la opción de producir en
la planta j]:
• Max= ∑(i=1a3)[Utilidad(i)*X(i) – CostoFijo(i)*Y(i)];
Las restricciones de capacidad de las plantas del programa entero binario en expresión
Lingo compacto serán [Xi = cantidad de [unidades] del juguete i a producir; Yi= la
opción de producir el juguete i; Zj= la opción de producir en la planta j]:
• @For(Planta (j): @Sum(Juguete(i): Mat_horas(i,j) * X(i)) <= Capacidad(j) * (1 - Z(j)));
Las restricciones de las variables del programa entero binario en expresión Lingo
compacto serán [Xi = cantidad de [unidades] del juguete i a producir; Yi= la opción de
producir el juguete i; Zj= la opción de producir en la planta j]:
• @For(Juguete(i): @Gin(X(i))); @For(Juguete(i): @Bin(Y(i))); @For(Planta(j):
@Bin(Z(j)));
Las restricciones de las variables en notación matemática compacta serían [Xi =
cantidad de [unidades] del juguete i a producir; Yi= la opción de producir el juguete i;
Zj= la opción de producir en la planta j]:
• @Gin(Xi); @Bin(Yi), @Bin(Zj);
Las expresiones en aritmética binaria del programa entero binario en expresión Lingo
compacto serán [Xi = cantidad de [unidades] del juguete i a producir; Yi= la opción de
producir el juguete i; Zj= la opción de producir en la planta j]:
• @Sum(Juguete(i): Y(i)) >= 1; @Sum(Planta(j): Z(j)) = 1;
Las restricciones de capacidad de la planta serían [Xi = cantidad de [unidades] del
juguete i a producir; Yi= la opción de producir el juguete i; Zj= la opción de producir en
la planta j]:
• ∀j: ∑(i=1a3) Mat_horas(i,j) * X(i)) <= Capacidad(j) * (1 - Z(j)));
Las restricciones aritméticas binarias serían [Yi= la opción de producir el juguete i; Zj=
la opción de producir en la planta j]:
• ∑(i=1a3)Yi≥1; ∑(j=1a3)Zj=1;
Los índices y conjuntos de datos serán:
• i: juguete [utilidad, costo fijo, X, Y]
j: planta [Z, capacidad]
(i,j): Mat_horas
7. ¿Es correcta la restricción: @Sum(producto(i): Costo(i)*x(i)) + x(3)*y <= 25; para un
problema de programación binaria?, siendo la opción de producir el artículo 3.
• Falso
8. Se tiene una solución: X1=4.5; X2=1; X3=1; entonces dicha solución corresponde a un
modelo de tipo:
• Entero-Binario mixto
9. Un modelo de PL considera las variables X: número de camiones; Y: peso asignado a
cada camión; entonces se debe utilizar las siguientes funciones de Lingo:
• @Gin(X)
10. Un parámetro como el costo fijo, será una condición binaria en un problema de
minimización de los costos de producción para una línea multiproducto.
• Verdadero
11. El redondeo de variables básicas en programa entero, no obedece al criterio
aritmético, puesto que redondear afecta directamente a la Función Objetivo.
 • Verdadero
12. Ante un resultado en Lingo, X(1,2) = 0, se debe a que se trata estrictamente de una
variable binaria.
• Falso
13. De dos proyectos X1, X2. Si de todas maneras ambos deben ser seleccionados,
entonces la expresión que identifica dicha relación es X1 + X2 <= 2.
• Falso
14. ¿Es posible modelar un problema de transportes como un programa binario puro?
• Verdadero
15. Un programa lineal será un programa entero si y solo si, todas sus variables son
enteras.
• Falso
16. El reporte solución del software Lingo de un modelo de programación entera mixta
contiene información sobre sensibilidad solo con respecto a los lados derechos.
• Falso
17. Se tiene una solución: X1 = 0; X2=0; X3= 2.5; entonces dicha solución corresponde a un
modelo del tipo:
• Entero-Binario mixto
18. Una joven pareja, Andrea y Andrés con su hijo Antonio de 16 años, quiere dividir las
principales tareas del hogar (ir de compras, cocinar, lavar platos y lavar ropa) entre los
dos, de manera que cada uno tenga dos obligaciones y el tiempo total para hacer estas
tareas sea mínimo. La eficiencia en cada una de las tareas difiere entre ellos; la
siguiente tabla proporciona el tiempo en horas necesarias que cada uno necesita para
cada tarea:
Compras Cocinar Lavar platos Lavar ropa
Andrea 4.5 7.8 3.6 2.9
Andrés 4.9 7.2 4.3 3.1
Antonio 5.1 6.7 2.0 1.5
Ellos (los 3) también han acordado que al que le toque lavar los platos no le puede
tocar lavar ropa y viceversa obviamente.
Xij … la decisión de que se realice la tarea i (1=compras, 2=cocinar, 3=lavar platos,
4=lavar ropa) por la persona j (1=Andrea, 2=Andrés, 3=Antonio)
Una restricción del modelo es:
• ∀j=1,2,3 ∑(i=1 a 4) Xij =2;
Ellos (los 3) también han acordado que al que le toque lavar los platos no le puede
tocar lavar ropa y viceversa obviamente.
Xij … la decisión de que se realice la tarea i (1=compras, 2=cocinar, 3=lavar platos,
4=lavar ropa) por la persona j (1=Andrea, 2=Andrés, 3=Antonio)
Una restricción del modelo es:
• ∀j=1,2,3 ∑(i=3 a 4) Xij <=1;
Xij … la decisión de que se realice la tarea i (1=compras, 2=cocinar, 3=lavar platos,
4=lavar ropa) por la persona j (1=Andrea, 2=Andrés, 3=Antonio)
Matriz= 4.5 7.8 3.6 2.9 4.9 7.2 4.3 3.1 5.1 6.7 2.0 1.5
La función objetivo correspondiente es:
• Min Z=∑(i=1a4) ∑(j=1a3)Matrizji * Xij;
19. Un inversionista tiene 4 proyectos en cartera y debe elegir en cuáles invertir. Pero si
invierte en el proyecto 2, debe invertir en el proyecto 1. Si la variable de decisión es
 una binaria Xi: se invierte o no en el proyecto i (i= 1,2,3,4), la restricción que recoge la
información anterior es:
• X2 <= X1;
20. Un inversionista tiene 4 proyectos en cartera y debe elegir en cuáles invertir. Pero si
invierte en el proyecto 2, no debe invertir en el proyecto 1. Si la variable de decisión es
una binaria Xi: se invierte o no en el proyecto i (i= 1,2,3,4), la restricción que recoge la
información anterior es:
• X1 + X2 <= 1;
21. Al utilizar Lingo en un modelo de PL entera, la solución:
• No contiene información sobre sensibilidad
22. Dado la siguiente información parcial sobre un modelo de programación de
optimización matemática en lenguaje Lingo:
Sets:
Producto/1..4/: ;
Maquina/1..5/: Y;
PxM (Producto, Maquina): X;
Endsets
@For(PxM(i,j): @Gin(X(i,j)));
@For(Maquina(j): @Bin(Y(j)));
Indique el número de variables enteras y binarias:
• 25
23. De dos proyectos X1, X2. Si se requiere que X1 sea seleccionado a menos que X2 sea
seleccionado, entonces la expresión que identifica dicha relación es X1 - X2 <= 0.
• Verdadero
24. De dos proyectos X1, X2. Si se requiere que X2 sea seleccionado a menos que X1 sea
seleccionado, entonces la expresión que identifica dicha relación es X1 - X2 <= 0.
• Falso
25. Asuma que desea optimizar el costo de la producción de su fábrica y recibe la
información que se debate en el congreso el incremento de aranceles para los
materiales que suele importar, ¿es posible incluir la presencia de este cambio como
parte del modelo?
• Verdadero
26. El reporte solución del software Lingo de un modelo de programación entera mixta
contiene información sobre sensibilidad solo con respecto a los coeficientes de la
función objetivo.
• Falso
27. De dos proyectos X1, X2. Si de todas maneras ambos deben ser seleccionados,
entonces la expresión que identifica dicha relación es X1 + X2 = 2.
• Verdadero
28. Sean Xk y Xm variables dicotómicas, cuyo valor 1 significa seleccionar un proyecto,
entonces la restricción Xk + Xm <= 0, implica que
• Ninguna de las otras respuestas es correcta
29. Sea Xi la decisión de emprender el proyecto i (1,2,3,4,5,6) ¿cuál es la expresión
aritmética para el requerimiento que deben emprenderse los proyectos 3 y 5?
• X3 – X5 =0;
30. Señale la forma correcta de formular en formato compacto computacional Lingo, la
siguiente restricción: Xij binaria; ∀i= 1,…4 ; ∀j= 1,…4.
 • @For(PersonaxMaquina(i,j): @Bin(X(i,j)));
31. Si X1 y X2 son variables binarias que representan la decisión de seleccionar los
proyectos 1 y 2, respectivamente, entonces la restricción X1 + X2 <= 0 Implica que:
• Ninguna de las otras respuestas es la correcta
32. Se tienen 2 sectores para invertir y dentro de cada sector hay 5 opciones de inversión.
Si las variables de decisión son binarias: Xi: se invierte o no en el sector i (i= 1,2); Yi: se
invierte o no en la opción j (j= 1,…,10), una restricción que recoge la información
anterior, en lenguaje Lingo, es:
• @Sum(Opción(j) | j#le#5: Y(j)) <= 5*X(1);
33. De dos proyectos X1, X2. Si de todas maneras por lo menos uno debe ser seleccionado,
entonces la expresión que identifica dicha relación es X1 + X2 >= 1.
• Verdadero
34. Un modelo de PL considera las variables número de camiones y el peso asignado a
cada camión de acuerdo con su capacidad de carga; entonces:
• Solo la variable número de camiones debe ser entera.
35. Señale la forma correcta de formular en formato compacto computacional Lingo, la
siguiente restricción: Xij entera; ∀i= 1,…4 ; ∀j= 1,…4.
• @For(PersonaxMaquina(i,j): @Gin(X(i,j)));
36. Sea Xi la decisión de emprender el proyecto i (1,2,3,4,5,6) ¿cuál es la expresión
aritmética para el requerimiento de que si el proyecto 4 no puede emprenderse a
menos que se emprendan los proyectos 1 y 3?
• 2X4 <= X1 + X3;
37. Sea Xi la decisión de emprender el proyecto i (1,2,3,4,5,6) ¿cuál es la expresión
aritmética para el requerimiento de que, si se emprenden los proyectos 1 y 3, se
deberá emprender también el proyecto 4?
• 2X4 <= X1 + X3;
38. Un modelo de PL considera las variables W: cantidad de ciclistas, Z: distancia a
recorrer; entonces se debe utilizar las siguientes funciones de Lingo:
• @Gin(W)
39. La primera tentación a la hora de abordar la resolución de un problema de
programación entera es redondear la solución obtenida. Esta no es una buena
estrategia ya que:
• No siempre proporciona la solución óptima y no garantiza la solución factible.
40. Sea Xi la decisión de emprender el proyecto i (1,2,3,4,5,6) ¿cuál es la expresión
aritmética para el requerimiento que deben emprenderse solamente dos entre los
proyectos 1, 3, 5 y 6?
• X1 + X3 + X5 + X6 =2;
41. La condición para que un problema de programación lineal sea binario (PB) será
suficiente que una variable sea binaria.
• Verdadero
42. Un problema de programación entera binaria mixta es aquel en el que solo algunas de
las variables son restringidas a ser binarias.
• Verdadero
43. La primera tentación a la hora de abordar la resolución de un problema de
programación entera es redondear la solución obtenida. Esta no es una buena
estrategia ya que:
• Ninguna de las otras respuestas son correctas.
44. La restricción de que se puede producir tanto el producto 1 o 2 ¿Está correctamente
expresada como X(1) + X(2) >=1;?
• Verdadero
45. De dos proyectos X1, X2. Si de todas maneras uno de ellos debe ser seleccionado,
entonces la expresión que identifica dicha relación es X1 + X2 = 1.
• Verdadero
46. De dos proyectos X1, X2. Si de todas maneras uno de ellos debe ser seleccionado,
entonces la expresión que identifica dicha relación es X1 + X2 <= 1.
• Falso
47. El reporte solución del software Lingo de un modelo de programación entera mixta
contiene información sobre sensibilidad solo con respecto a las variables no enteras.
• Falso
48. Un inversionista tiene 4 proyectos en cartera y debe elegir en cuáles invertir. Pero no
se debe invertir en los proyectos 1, 2 y 3 a la vez. Si la variable de decisión es una
binaria Xi: se invierte o no en el proyecto i (i= 1,2,3,4), la restricción que recoge la
información anterior es:
• X1 + X2 + X3 <= 2;
49. Un inversionista tiene 4 proyectos en cartera y debe elegir en cuáles invertir. Pero si
no invierte en el proyecto 2, debe invertir en el proyecto 1. Si la variable de decisión es
una binaria Xi: se invierte o no en el proyecto i (i= 1,2,3,4), la restricción que recoge la
información anterior es:
• X1 + X2 >= 1;
50. Un inversionista tiene 4 proyectos en cartera y debe elegir en cuáles invertir. Pero
debe invertir en el proyecto 1 y 2, pero no en los dos a la vez. Si la variable de decisión
es una binaria Xi: se invierte o no en el proyecto i (i= 1,2,3,4), la restricción que recoge
la información anterior es:
• X1 + X2 = 1;
51. Dado la siguiente información parcial sobre un modelo de programación de
optimización matemática en lenguaje Lingo:
Sets:
Producto/1..4/: ;
Maquina/1..5/: Y;
PxM (Producto, Maquina): X;
Endsets
@For(PxM(i,j): @Gin(X(i,j)));
@For(Maquina(j): @Bin(Y(j)));
Indique el número de variables binarias:
• 5
52. Para aplicar el costo fijo en la Función Objetivo, para un producto que puede o no ser
producido. ¿Es correcta la expresión: Max = @Sum(Producto(i): C(i)*X(i) + CF(i)*Y(i));?,
siendo Xi: la cantidad a producir del producto i; Ci: costo variable de producción del
producto i; CFi: los calores que pueden asumir los costos fijos de cada producto e Yi: la
opción de producir el producto i.
• Verdadero
53. Un modelo de PL considera las variables cantidad de ciclistas y la distancia mínima a
recorrer; entonces:
• Solo la variable cantidad de ciclistas debe ser entera.
54. La restricción si se produce el producto 1 no se produce el producto 2 ¿Está
correctamente expresada como X(1) = X(2);?
• Falso
55. Una variable binaria es aquella cuyos únicos valores posibles son 0 y 1.
• Verdadero
56. Redondear soluciones de programación lineal para satisfacer los requerimientos del
mundo real en variables de decisión enteras es una práctica común.
• Verdadero
57. El redondeo de variables básicas en un programa entero, obedece al criterio
aritmético.
• Falso
58. Un grupo finalista de cinco alumnos postulan a tres becas para seguir estudios en el
exterior, y se desea obtener la asignación óptima de becas en función de su puntaje ij
obtenido por cada alumno i en la beca j (entre 80 y 100). Si la variable Xij = 1 se asigna
el alumno i a la beca j; 0 en otros casos.
Considere la información de los módulos Set/Endsets y Data/Enddata del modelo, que
se presenta a continuación:
Sets:
Becas/1..3/;
Alumno/1..5/;
AxB(Alumno, Becas): Puntaje, X;
Endsets
Data:
Puntaje = 91 87 90 91 86 88 87 91 89 90 89 91 83 86 91;
Enddata
Determinar la función objetivo:
• Max=@Sum(AxB(i,j): Puntaje(i,j) * X(i,j));
Determinar la restricción que permita que cada beca sea cubierta por un solo alumno:
• @For(Alumno(j): @Sum(Alumno(i): X(i,j)) = 1);
Determinar la restricción que permita que uno de los cinco alumnos sea asignado a
una de las tres becas (no es posible asignar un alumno a dos becas):
• @For(Alumno(i): @Sum(Becas(j): X(i,j)) <= 1);
59. Señale la forma correcta de formular en formato compacto computacional Lingo, la
siguiente restricción: Xi binaria; ∀i= 1,…4.
• @For(Proyecto(i): @Bin(X(i)));
60. Señale la forma correcta de formular en formato compacto computacional Lingo, la
siguiente restricción: Xi entera; ∀i= 1,…4.
• @For(Proyecto(i): @Gin(X(i)));
61. Dado la siguiente información parcial sobre un modelo de programación de
optimización matemática en lenguaje Lingo:
Sets:
Producto/1..4/: ;
Maquina/1..5/: Y;
PxM (Producto, Maquina): X;
Endsets
@For(PxM(i,j): @Gin(X(i,j)));
@For(Maquina(j): @Bin(Y(j)));
Indique el número de variables enteras:
 • 20
62. En un modelo de programación de optimización se pueden utilizar de manera
conjunta, variables enteras, binarias y otras no definidas, todas positivas.
• Verdadero
63. Si la solución de un PL con el método gráfico es X1=5.5, X2=13.8; entonces en
programación entera la solución es X1=5, X2=13.
• Falso
64. Si la solución de un PL con el método gráfico es X1=5.5, X2=13.8; entonces en
programación entera la solución sería X1=6, X2=14.
• Falso
65. El reporte solución del software Lingo de un modelo de programación entera mixta no
contiene información sobre sensibilidad.
• Verdadero
66. El valor óptimo de un modelo de programación entera, binaria o mixta siempre es
menor que el equivalente a PL, porque en estos aparece el costo reducido.
• Verdadero
67. Un problema de asignación podrá ser modelado como un programa binario.
• Verdadero
68. Las variables binarias de un modelo de programación entera se utiliza para representar
decisiones dicotómicas.
• Verdadero
69. Suponga que un artículo puede no ser producido o bien puede ser, pero en lotes de
tamaño por lo menos L. Si X es la cantidad de unidades a producir de dicho artículo, en
ese caso, las dos restricciones siguientes son las adecuadas [siendo M un número
arbitrariamente grande y Z una variable binaria]:
• X – MZ <= 0; X – LZ >= 0;
70. La condición de “si suben los aranceles se produce hasta 1000 y de no hacerlo se
producirá hasta 2500”, donde xi: es la cantidad de unidades a producir e y la condición
“suben los aranceles”, se expresaría como: @sum(producto(i):x(i)) <= 1000*y;
@sum(producto(i):x(i)) <= 2500*(y-1);
• Verdadero
71. Una variable de decisión binaria es aquella que representa una decisión sí o no al
asignar un valor de 1 cuando se elige sí, y de 0 cuando se elige no.
• Verdadero
72. Un modelo de programación entera con todas las variables enteras, siempre será
factible.
• Falso