INVESTIGACIÓN DE

OPERACIONES I
 ÍNDICE

INTRODUCCIÓN…………………………………………………………... 4

CAPÍTULO 1:

FORMULACIÓN DE MODELOS DE PROGRAMACIÓN LINEAL…. ….. 5

1.1 EJEMPLOS……………………………………………………………… 6
1.2 PROBLEMAS RESUELTOS…………………………………………… 17
1.3PROBLEMAS DE P.L PREPARADOS CON LINGO………………… 66
1.4 ASPECTOS DEL ALGEBRA LINEAL Y ANÁLISIS CONVEXO 88
1.4.1 VECTORES…………………………………………………………… 88
1.4.2 OPERACIONES CON VECTORES………………………….……. 88
1.4.3 MATRICES…………………………………………………………… 90
1.4.4 ECUACIONES LINEALES SIMULTÁNEAS……………………… 95
1.4.5 CONJUNTOS CONVEXOS………………………………………… 98

CAPITULO 2:

PROGRAMACIÓN LINEAL: TABLERO SIMPLEX ……………………. 99

2.1 MÉTODO GRÁFICO……………………………………….………… 99

2.2 MÉTODO SIMPLEX………………………………………………….. 103
2.3 MÉTODO DE PENALIZACIÓN…………………………………....... 109
2.4 MÉTODO DE LAS DOS FASES…………………………………..... 111

CAPITULO 3:

DUALIDAD……………………………………………………………….. 113

3.1 DUALIDAD: UN ENFOQUE CONCEPTUAL……………………. 113

3.2 RELACIONES PRIMAL – DUAL…………………………………… 117
3.3 HOLGURA COMPLEMENTARIA………………………………...... 120
3.4 MÉTODO DUAL SIMPLEX………………………………………… 123
3.5 MÉTODO PRIMAL – DUAL……………………………………….. 125
3.6 PROBLEMASRESUELTOS………………………………………….. 128

2
CAPITULO 4:

ANÁLISIS DE SENSIBILIDAD…………………………………………... 140

4.1 ANÁLISIS GRÁFICO DE SENSIBILIDAD………………………… 141

4.2 CAMBIOS EN LOS COEFICIENTES DE LA FUNCIÓN OBJETIVO 144
4.3 CAMBIOS EN LA DISPONIBILIDAD DE RECURSOS………….. 149
4.4 PRECIO DUAL……………………………………………………… 151
4.5 CAMBIOS EN LA MATRIZ DE COEFICIENTES TECNOLÓGICOS 153
4.6 ADICIÓN DE UNA VARIABLE……………………………………… 156
4.7 ADICIÓN DE UNA RESTRICCIÓN……………………………….… 157
4.8 REGLA DEL 100% ……………………………………………………. 158
4.9 INTERPRETACIÓN DEL PROGRAMA LINDO……………………... 162
4.10 INTERPRETACIÓN DEL PROGRAMA LINGO……………………. 177

CAPITULO 5:

PROGRAMACIÓN ENTERA……………………………………………… 207

5.1 PROBLEMAS RESUELTOS…………………………………………… 231

5.2 ANEXO…………………………………………………………………. 240

3
 INTRODUCCIÓN

En el mundo real, las organizaciones de diferentes naturalezas tienen problemas de decisión en el

uso de sus recursos escasos. Como por ejemplo: Un empresario dedicado al servicio de
mantenimiento y reparación de computadoras tiene cinco técnicos que atienden pedidos de
diversas empresas en Lima y provincias, está interesado en determinar el lugar más apropiado
para su sede central. Recursos escasos: tiempo no productivo, pasajes, etc.Otro ejemplo: Un
empresario propietario de 5 automóviles dedicados al servicio de taxi en la ciudad de Lima está
interesado en determinar el grifo que debe abastecer a sus vehículos. 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 más en formular el problema que en construir y
resolver modelos matemáticos. En forma específica, los problemas de decisión a menudo incluyen
importantes factores que muchas veces no se pueden incluir en el modelo matemático. 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 solución óptima del modelo es impracticable.

La Investigación Operativa es una ciencia y un arte. IO es una ciencia porque ofrece técnicas y
algoritmos matemáticos para resolver problemas de decisión. IO es un arte debido a que el éxito
que se alcanza en todas las etapas de la solución de un problema de decisión, depende de la
habilidad y creatividad de las personas responsables de la toma de decisiones.

4
El modelo es la representación abstracta de la realidad, se construyen modelos con la finalidad de
poder resolver problemas del mundo real.
Todo problema de programación lineal está compuesto de una función 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 función 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 carácter continuo.
4. Determinístico, todos los términos en el modelo lineal se suponen conocidos.

Sea el siguiente problema:

Minimizar
Z =c 1 X 1 +c2 X 2 +. .. .. . .. .+c n X n
Sujeto a:
a11 X 1 +a12 X 2 +. .. . .. .. .+a 1n X n≥b1
a21 X 1 +a22 X 2 +.. . .. .. . .+a2 n X n ≥b 2
an 1 X 1 +am 2 X 2 +.. . .. .. . .+amn X n≥bn
X 1 , X 2 ,. .. . X n ≥0

La función objetivo es
c 1 X 1 +c 2 X 2 +. .. . .. .. .+c n X n ; c 1 ,c 2 ,.........,c n son los coeficientes y

X 1 , X 2 ,. ..... ..., X n son las variables de decisión que deben determinarse.

Las desigualdades son las restricciones. Los coeficientes

aij para (i=1,2,....,m) y (j=1,2,...,n) se
denominan coeficientes tecnológicos.
El vector columna del lado derecho representa los requerimientos mínimos que deben satisfacer.

Las restricciones
X 1 , X 2 ,.... ..... , X n ≥0 son las condiciones de no negatividad de cada variable.
El método simplex está diseñado para resolver programas lineales donde las variables de decisión
son no negativas.
A continuación 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: PRODUCCIÓN

5
1. Una compañía elabora dos productos
P1 y P2 cada uno requiere de componentes c 1 y

c 2 la disponibilidad de componentes y precio venta se muestra en el siguiente cuadro.

Componente Precio
s Venta
Producto
(S/. /
c1 c2
Unidad)
P1 1 2 4
P2 3 1 3
Dispone
15000 10000
(Unid.)

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

Solución:

X i = Unidades del producto i a producir (i = 1,2)

Max Z = 4
X1 + 3 X2

Sujeto a:
X 1 +3 X 2 ¿ 15,000
X
2 1 + 2
X ¿ 10,000
X1 , X2  0

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

tiene que el mercado demanda como máximo 500 unidades de

P3 al precio de S/. 2.00 por
unidad y un costo ocasionado por la destrucción de cada unidad excedente de S/. 0.50
Se pide formular el programa lineal.

Solución:

X 3 j = Unidades del producto 3 que tiene el destino j; (j = Venta, Destrucción)

6
 X3 = 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 + X2 ¿ 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 Componente
c2
S/. / S/. /
Rg. De a Rg. De a
Unid Unid
1 1 5,000 0.3 1 1 8,000 0.2
12,00 8,00 10,00
2 5,001 0.4 2 0.4
0 1 0
12,00 15,00
3 0.5
1 0

Se pide formular el programa lineal.

Solución:

Adicionalmente a las variables del problema 1 se tiene las siguientes:

Xc c 1 del rango j (j=1, 2,3)

1j = Unidades del componentes
Xc c 2 del rango j (j=1,2)
2j = Unidades del componentes

Max z=4
X 1 + 3 X 2 - (0.3 X c 1 1 + 0.4 X c 1 2 + 0.5 X c 1 3 + 0.2 X c 2 1 + 0.4 X c 2 2 )

7
Sujeto a:
X 1 +3 X 2 ¿ 15,000

2
X1 + X2 ¿ 10,000
Xc Xc Xc X 1 +3 X 2
11 + 12 + 13 =
Xc 1 Xc 2 X1 + X2
2 + 2 =2
Xc ¿ 5,000
11

Xc ¿ 7,000
12

Xc 3 ¿ 3,000
1

Xc ¿ 8,000
21

Xc ¿ 2,000
22

X 1 , X 2 , X c 1 1 ,……, X c 2 2 ¿ 0

CASO: METAS DE TRABAJO

4. Se quiere obtener la máxima 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 c 1 y

c 2 según la siguiente información.

Componentes
Producto c1 c2
P1 1 2
P2 3 1
Disponibilida
d 15000 10000
(Unid.)

Solución:

X i = Unidades del producto i (i = 1,2,3)

Max z=
X3

8
 Sujeto a:
X 1 +3 X 2 ¿ 15,000

2
X1 + X2 ¿ 10,000

X1 ¿ X3
X2  X3
X1 , X2 , X3  0

5. La capacidad de producción de ALFA de 700 unidades mensuales. Los costos unitarios de

producción y el compromiso mensual de venta a BETA son como sigue:

Venta
Costo de
Mes (Unidades
Producción
)
1 100 300
2 150 350
3 200 400

Se pide formular el programa lineal.

Solución:

X i = Producción 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 además que se desea
conocer en cada mes el inventario de producto terminado.

Solución:

9
 X i = Cantidad de producción en el mes i (i = 1, 2, 3)
Y i = Excedente en el mes i (i = 1, 2, 3)
INVENTARIO INICIAL + PRODUCCIÓN - VENTA = INVENTARIO FINAL

MES 1
X 1 - 300 = Y 1
X1 ¿ 700
MES 2
Y 1 + X 2 -350 = Y 2

X2 ¿ 700
MES 3
Y 2 + X 3 - 400 =0
X3 ¿ 700

El programa tiene como objetivo minimizar el costo total de producción

Min z = 100
X 1 + 150 X 2 + 200 X 3
Sujeto a:
X 1 - Y 1 - 300=0
X1 ¿ 700
Y 1 + X 2 - Y 2 - 350 = 0
X2 ¿ 700

Y 2 + X 3 - 400= 0
X3 ¿ 700

X1 , X2 , X3 , Y1 , Y2 , Y 3 ¿ 0

7. La capacidad de producción de GAMMA es de 800 unidades mensuales. Los costos unitarios

de producción y el compromiso mensual de venta a BETA son como sigue:

10
 Venta
Costo de
Mes (Unidades
Producción
)
1 300 300
2 200 350
3 100 400
Venta Total 1050

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

Si GAMMA no cumple con la venta mensual a BETA tendrá que pagar una multa de S/. 30.00
por unidad mensual faltante.
GAMMA está obligada a cumplir con la entrega de las 1.050 unidades al final del tercer mes.

Solución:
X i = Producción en el mes i (i = 1, 2, 3)
Y i = Excedente o déficit en el mes i (i = 1, 2, 3)
W i = Costo mensual de almacenamiento o multa en el mes i (i =1, 2, 3)

PRODUCCIÓN MENSUAL

INV. INICIAL + PRODUCCIÓN - VENTA = INV. FINAL (DÉFICIT)

 MES 1
X 1 - 300 = Y 1
X1 ¿ 800

 MES 2
Y 1 + X 2 - 350= Y 2
X2 ¿ 800

 MES 3
Y 2 + X 3 - 400= 0
X3 ¿ 800

X 1 + X 2 + X 3 = 1,050

COSTOS DE ALMACENAMIENTO O MULTA

11
  MES 1

Si:
Y 1  0:

10
Y1 ¿ W1

-30
Y1 ¿ W1

Si:
Y 1 < 0:

-30
Y1 ¿ W1
Y1 ¿ W1
10

Para los dos casos se cumple lo siguiente:

10
Y1 ¿ W1

-30
Y1 ¿ W1

 MES 2

10
Y2 ¿ W2

-30
Y2 ¿ W2

Considerando que las variables de decisión deben ser no negativas se va a efectuar un cambio en

las variables
Y1 =
Y 11 -
Y 12 que son irrestrictas en signo y luego se presenta la
Formulación completa.

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

Sujeto a:
X 1 - ( Y 11 - Y 12 ) = 300
X1 ¿ 800

Y 11 - Y 12 + X 2 - ( Y 11 - Y 12 ) = 350
X2 ¿ 800

Y 21 - Y 22 + X 3 = 400

12
 X3 ¿ 800

10(
Y 11 - Y 12 )- W 1 ¿ 0

-30(
Y 11 - Y 12 ) - W 1 ¿ 0

10(
Y 21 - Y 22 )- W 1 ¿ 0

-30(
Y 21 - Y 22 ) - W 2 ¿ 0

X 1 , X 2 , X 3 , Y 11 , Y 12 , Y 21 , Y 22 , W 1 , W 2 ¿ 0

* OTRA SOLUCIÓN DEL PROBLEMA

Y ij = Inventario final en el mes i (i=1, 2, 3) que se encuentra en j (j = Excedente, Faltante)

 MES 1
X 1 - 300 = Y 1e – Y 1 f
X1 ¿ 800

 MES 2
Y 1e – Y 1 f + X 2 - 350 =
Y2e – Y 2f
X2 ¿ 800

 MES 3
Y 2 e – Y 2 f + X 3 – 400 = 0
X3 ¿ 800

X1 +
X 2 + X 3 = 1,050

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

13
CASO: TRANSPORTE

8. Las capacidades de producción del producto P de las fábricas A y B, los costos por unidad

transportada a los centros de consumo

c 1 y c 2 y las demandas de estos son como sigue:

Costo de Transporte Producció

Fabrica n
c1 c2
(Unidades)
A 5 10 300
B 12 3 400
Demanda
250 350
(Unid)

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

Solución

X ij = Unidades transportadas de la fábrica 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:

PRODUCCIÓN
X 11 + X 12≤300
X 21 + X 22≤400
DEMANDA
X 11 + X 21≥250

14
 X 12 +X 22≥350

X 11 , X 12 , X 21 , X 22≥0

Si se cambia ¿ por ¿ en la restricción de la demanda, entonces cuando se resuelva el

problema el valor de la función 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 características son las siguientes:

Elemento 1 Elemento 2 Precio (S/. /

Producto
(%) (%) Kg)
A 20 40 70
B 30 15 40
C 10 30 60

Obtenga la mezcla óptima si se desea que un kg. P tenga al menos 25% y 30% de los
elementos 1 y 2 respectivamente

Solución

X i = Cantidad del producto i (i = A, B, C) a utilizar en un Kg de P.

z=70 X A +40 X B +60 X C

Min

sujeto a:
0 .2 X A+ 0 . 3 X B +0 . 1 X C ≥0 .25×1 Kg
0 . 4 X A+0 .15 X B+0 .3 X C ≥0. 30×1 Kg
X A + X B + X C =1 Kg
X A , X B , X C ≥0

15
CASO: TIPO DE HORARIOS

10. El requerimiento de personal de seguridad de una empresa, así como los horarios de entrada
y salida son:

Requerimiento de
Cedulas de Servicio
Personal
Núm.
Horas
Tiempo Mínimo de Turno Salida
Entrada
personal
00 – 04 5 1 0 8
04 – 08 9 2 4 12
08 – 12 12 3 8 16
12– 16 10 4 12 20
16 – 20 6 5 16 0
20 – 00 10 6 20

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

Solución

X i = Número de personas que trabajan durante el turno i (i = 1,2....6)

Intervalo de Tiempo
00 – 04 – 08 – 12 – 16 – 20 –
Turno
04 08 12 16 20 00
1 X1 X1
2 X2 X2
3 X3 X3
4 X4 X4
5 X5 X5
6 X6 X6
Requerimient
5 9 12 10 6 10
o

Min
z=X 1 + X 2 + X 3 + X 4 + X 5 + X 6

16
 sujeto a:
X 1 + X 6 ≥5
X 1 + X 2 ≥9
X 2 + X 3 ≥12
X 3 + X 4 ≥10
X 4 + X 6 ≥6
X 5 + X 6 ≥10
X 1 , X 2 , X 3 , X 4 , X 5 , X 6 ≥0

1.2 PROBLEMAS RESUELTOS

CASO: PRODUCCIÓN

1. La cervecería B produce cerveza COMÚN y la de tipo ALE. La cerveza se vende a $5.0 el

barril y el de ALE a $2.0. La producción de un barril de cerveza COMÚN requiere de 5 libras
de cebada y dos libras de lúpulo. La producción de un barril tipo ALE requiere 2 libras de
cebada y 1 libra de lúpulo. Se dispone de 60 libras de cebada y de 25 libras de lúpulo.
Maximizar las utilidades de la cervecería B.

Venta por Composición

Tipo
Barril Cebada Lúpulo
Común 5 5 2
Ale 2 2 1

Solución

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
X 1 , X 2≥0

2. Chemco produce dos productos químicos: 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.

17
 Se vende A, a 16 dólares/oz y B a 14 dólares/oz. Se tiene que desechar todo B no vendido a
costo de 2 dólares/oz.
Formule un P.L. para maximizar los ingresos de Chemco menos los costos de desecho.

Materia Producto (oz.)

Horas de
Proceso Prima
Trabajo A B
(lb.)
Proceso
2 1 2 3
1
Proceso
3 2 3 2
2
Dispone 60 40

Solución

X i = Número de procesos de tipo i (i =1,2)

Y j= Cantidad producida de j (j = A, B)
Y Bk = Cantidad del proceso B con k (k = V, D)

Max
z=16 Y A +14 Y BV −2Y BD

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≤Y B
Y BV ≤20
Y BV +Y BD ≤Y B

3. Un fabricante de equipos de filtración 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
desearía calcular el punto de equilibrio para ambos modelos. Formule el programa lineal que
minimice los costos.

Producto Precio de Costo Costo

18
 Venta
(Por Variable Fijo
Unidad)
1 450 240 150,000
2 700 360 240,000

Solución

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 Formulación completa del programa es:
z=240 X 1 + 360 X 2 +150000+240000
Min

sujeto a:
210 X 1 +340 X 2=390000
X 1 ≥500
X 1 , X 2 ≥0

4. Un fabricante de acero produce 4 tamaños de vigas en I: pequeñas, medianas, larga y extra

larga. Estas vigas se pueden producir en cualquiera de tres tipos de máquinas: A, B y C. A
continuación se indican las longitudes (en pies) de las vigas I que pueden producir las
máquinas por hora.

Máquina
Viga
A B C
Pequeña 300 600 800
Mediana 250 400 700
Larga 200 350 600
Extra Larga 100 200 300

Supongamos que cada máquina se puede usar hasta 50 horas por semana y que los costos
de operación por hora de estas máquinas son $ 30, $ 50 y $ 80 respectivamente. Supóngase

19
 además, que semanalmente se requiere 10000, 8000, 6000 y 6000 pies de los distintos
tamaños de las vigas I.
Formular el problema de programación de máquinas como un programa lineal.

Solución

X ij = Cantidad de horas para producir la viga i (i = pequeña, mediana, larga y extra larga)
en la máquina j (j = A, B, C).

Las horas de producción de las máquinas para cada tipo de viga son:

Máquina A=
X 11 + X 21+ X 31+ X 41≤50

Máquina B =
X 12 + X 22 + X 32 + X 42≤50

Máquina C=
X 13 + X 23 + X 33+ X 43 ≤50

La producción semanal por tipo de viga es:

Pequeña =
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
100 X 41 +200 X 42 +300 X 43 ≥6000
Extra larga=

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 producción la función 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 )

5. Un fabricante tiene cuatro artículos A, B, C y D que deben ser producidos en un mes. Cada
artículo puede ser manejado en cualquiera de tres talleres. El tiempo requerido para cada
artículo en cada taller, el costo por hora en cada uno de ellos y el número de horas
disponibles se dan en la figura. También es permisible repartir cada artículo entre los talleres
en cualquier proporción. Por ejemplo se puede hacer ¼ de artículo A en 8 horas del taller y 1/3
del artículo C en 19 horas del taller 3.

20
 El fabricante desea saber cuántas horas de cada artículo deben manejarse en cada taller para
minimizar el costo de terminar los cuatro artículos.

DATOS DE LOS TALLES DE PRODUCCIÓN

Artículos Taller
Costo por (tiempo
Taller A B C D Hora ($) disponible,
Hr.)
1 32 151 72 118 89 160
2 39 147 61 126 81 160
3 46 155 57 121 84 160

Solución

X ij = Articulo producido en el taller i (i = 1,2,3) y del tipo de artículo j (j=A, B, C, D)

Min Z=89 ( X 1 A + X 1 B + X 1C + X 1 D ) +81 ( X 2 A + X 2 B + X 2 C + X 2 D ) +

84 ( X 3 A + X 3 B + X 3 C + X 3 D )

Sujeto a:
32 X 1 A +151 X 1 B +72 X 1C +118 X 1 D ≤160
39 X 2 A+ 147 X 2 B+61 X 2C +126 X 2 D ≤160
16 X 3 A +155 X 3 B +57 X 3 C +121 X 3 D≤160
X 1 A +X 2 A +X 3 A=1
X 1 B + X 2 B +X 3 B =1
X 1 C + X 2C +X 3 C =1
X 1 D + X 2 D +X 3 D =1
X 1 A , X 2 A , X 3 A , X 1 B , X 2 B , X 3 B , X 1C , X 2C , X 3C , X 1 D , X 2 D , X 3 D ≥0

6. Se usa un torno para reducir de 14 pulg. a 12 pulg. El diámetro 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 X2 (en pulgadas por minuto). La duración del corte está dada por
36/X2X3.La compresión y la tensión lateral ejercida sobre la herramienta cortante están dadas
por: 30X1 + 4000X2; 40X1 + 6000X2 + 6000X3 libras por pulgadas cuadrada, respectivamente.
La temperatura (en grados Fahrenheit) en la punta de la herramienta cortante es 200 + 0.5X 1 +
150(X2 + X3). Los máximos permitidos de tensión de compresión, tensión de compresión,

21
 tensión lateral y temperatura son 150,000 libras por pulgada cuadrada, 100,000 libras por
pulgada cuadrada y 800ºF. 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 duración
del corte sea mínima. Para poder usar un modelo lineal se hace la siguiente aproximación
puesto que 36/X2X3 se minimiza si, y sólo sí X 2 y X3 se maximiza, se decidió reemplazar el
objetivo por la maximización del mínimo de X 2 y X3. Formular el problema como un modelo
lineal.

Solución

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
X1 ¿ 800
X1 ¿ 600
X2 ¿ X4
X3 ¿ X4
X1, X2, X3, X4 ¿ 0

7. Un producto es ensamblado con 3 partes que pueden fabricarse en 2 máquinas A y B.

Ninguna de las máquinas puede procesar partes diferentes al mismo tiempo, a continuación se
resume el número de partes que puede procesar cada máquina por hora.

Parte Máquina A Máquina B

Parte 1 12 06
Parte 2 15 12
Parte 3 – 25

La administración busca una programación diaria de máquinas, de tal forma que el número de
productos ensamblados sea máximo. Actualmente la compañía tiene tres máquinas del tipo A
y cinco máquinas del tipo B.

22
 Solución

Xij = Número de horas por día para fabricar la parte i(i=1, 2, 3) en la máquina j (j=1, 2).
X = Cantidad por día del producto ensamblado.

Considerando que el número de horas laborales por día es de 8 horas se tiene:

Max z = X

Cálculo del número 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 acerías diferentes. Durante un mes dado cada
acería dispone de 200 horas de alto horno. El tiempo y el costo de producción de una tonelada
de acero, difieren de una fábrica a otra, debido a las diferencias en los hornos de cada fábrica.
En la tabla se muestra el tiempo y el costo de producción para cada fábrica. 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 Acero 2
Acería Costo Tiempo Costo Tiempo
($) (min) ($) (min)
Acería
10 20 11 22
1
Acería
12 24 9 18
2
Acería
14 28 10 30
3

Solución

23
 Xi j = Cantidad de acero tipo j (j=1, 2) producido en la acería 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 refinerías en Los Ángeles y en Chicago. La refinería de Los Ángeles puede
refinar hasta 2 millones de barriles por año; La refinería en Chicago puede refinar hasta 3
millones de barriles de petróleo por año. Una vez refinado, se envía el petróleo a dos puntos
de distribución: Houston y Nueva York. Sunco estima que cada punto de distribución puede
vender hasta 5 millones de barriles de petróleo refinado al año. Debido a diferencias en los
costos de envío y de refinación, la ganancia obtenida (en dólares) por millón de barriles de
petróleo enviado, depende del lugar de refinación y del punto de distribución (véase la tabla).
Sunco considera aumentar la capacidad de cada refinería. Cada aumento en la capacidad
anual de refinación de un millón de barriles cuesta 120000 dólares para la refinería de Los
Ángeles y 150000 para la refinería de Chicago. Utilice la programación Lineal para determinar
cómo Sunco puede maximizar sus ganancias, menos los costos de la ampliación, en un
periodo de diez años.

UTILIDAD POR MILLÓN DE BARRILES ($)

A Nueva
A Houston
York
De los
20000 15000
Ángeles
De Chicago 18000 17000

Solución

Xij = Cantidad de barriles anuales provenientes de i con destino j

Yij = Cantidad de barriles (x millón) provenientes de la ampliación en i con destino j.

Max z = 20000X11 + 15000X12 + 18000X21 + 17000X22 - 120000 (Y11 + Y12) - 150000 (Y21 + Y22)

24
 Sujeto a:
X11 + X21+ Y11+Y215
X12 + X22 + Y12 + Y225
X11+X122
X21+X223

10. Para realizar una encuesta por teléfono, un grupo de investigación de mercado necesita
comunicar por lo menos a 150 esposas, 120 maridos, 100 varones adultos solteros y 110
mujeres adultas solteras. Cuestan 2 dólares realizar una llamada telefónica durante el día, y 5
dólares durante la noche (debido a mayores costos laborales). Estos resultados se muestran
la tabla sgte. Se pueden realizar a lo más la mitad de estas llamadas en la noche, por disponer
de un número limitado de empleados. Formule un PL que minimice los costos para completar
la encuesta.

% de % de
Persona que
llamadas llamadas
Contesto
diurnas nocturnas
Esposa 30 30
Marido 10 30
Soltero 10 15
Soltera 10 20
Nadie 40 05

Solución

Xi = Cantidad de llamadas realizadas en el día 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 número de horas de
reparación especializada que requiere CSL durante los próximos cinco meses, se dan a
continuación:

Mes 1 (enero) =6000 horas

25
 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 técnicos especializados trabajan para CSL. Cada técnico

especializado puede trabajar hasta 160 horas al mes. Para satisfacer futuras demandas hay
que capacitar a nuevos técnicos. La capacitación de un nuevo técnico dura dos meses. Cada
aprendiz requiere de 50 horas del tiempo de un técnico especializado el primer mes y 10
horas del tiempo de un técnico experimentado durante el segundo mes de entrenamiento. A
cada técnico experimentado se le pagan mensualmente 2000 dólares (aunque no trabaje las
160 horas). Durante el mes de entrenamiento, se paga al aprendiz 1000 dólares al mes. Al
final de cada mes, 5% de los técnicos experimentados de CSL, cambian de trabajo, para irse
con PlumComputers. Formule un PL cuya solución permitirá a CSL minimizar los costos de
trabajo que se presentan al cumplir con los requerimientos de servicio durante los próximos
meses.
Solución

Xi = Número de técnicos capacitados en el mes i (i = 1, 2, 3, 4, 5)

Yi = Número de técnicos 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,

26
 13 p.t. de pino. Se puede vender cada mesa a 40 dólares, y cada silla a 15 dólares. Formule
un PL que se puede usar para maximizar los ingresos.
Solución

Precio de
Roble (p.t.) Pino (p.t.)
Venta (US$)
Mesas 17 30 40
Sillas 05 13 15
Disponibilidad 150 210

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 corporación 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 después 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 dólares/pie3 y produce 0.7 pie3 de madera útil luego de secarla.
La madera clase 2 cuesta 7 dólares/pie3 y produce 0.9 pie3 de madera útil ya seca. Le
cuestan 3 dólares a la compañía cortar un tronco. Después de cortarlo y secarlo, un tronco
produce 0.8 pie3 de madera. Brady incurre en un costo de 4 dólares/pie3 de madera seca.
Cuesta 2.50 dólares/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.
Formule un PL para ayudar a Brady a minimizar los costos semanales para satisfacer las
demandas de madera procesada.

Solución

Necesidad semanal = 90000 pie3 madera procesada

27
 Costo de secar madera = 4 dólar / pie3
Costo de procesar tronco en aserradero = 2.5 dólar / pie3
Limite proceso del aserradero (semana) = 35000 pie3

Madera
tipo 1
Comprar a
externos
Madera Madera
Procesada tipo 2
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 Tipo de madera

2 seg. Tipo1
0.8 seg. Tipo2
1.3 seg. Tronco

Solución

X1 = madera tipo 1  costo (3 + 4 dólares/pie3) = 07 dólar/pie3

X2 = madera tipo 2  costo (7 + 4 dólares/pie3) = 11 dólar/pie3
X3 = tronco  costo (3 + 4 dólares/pie3) = 9.5 dólar/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)

28
 X1, X2, X3 0

Donde:
X1: madera tipo 1  costo (3 + 4 dólares/pie3) = 7 dólar/pie3
X2: madera tipo 2  costo (7 + 4 dólares/pie3) = 11 dólar/pie3
X3: tronco  costo (3 + 4 dólares/pie3) = 9.5 dólar/pie3

. La Chandler Enterprises produce dos productos que compiten en el mercado: A y B. La

compañía 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 comprará
cualquiera de los dos productos A ó B, pero no ambos.
Un cliente está 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 está 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
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 Grupo 2 de
Clientes Clientes
Valor de A
10 12
para(dólares)
Valor de B
8 15
para(dólares)

Solución

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

Max Z = 1000X1+ 1500X2

Sujeto a:
X1–X22

29
X110
X1 - X2-3
X215
X1, X20

. Una compañía produce un ensamblado que consiste de un bastidor, una barra y un cojinete.
La compañía fabrica las barras y los bastidores pero tiene que comprar los cojinetes a otro
fabricante. Cada barra debe procesarse en una máquina 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 compañía tiene cinco tornos, diez esmeriles, veinte
máquinas de forja, tres taladros y seis fresadoras, supóngase que cada máquina opera un
máximo de 2,400 horas por año.Formular como un programa lineal el problema de encontrar el
número Max. de componentes ensamblados que se pueden producir.

Solución

X1 = Número de barras

X2 = Número de bastidores

X3 = Número de componentes ensamblados

Taladr Fresado
Producto Forja Torno Esmeril
o ra
Barra 0.5 0.2 0.3 --- ---
Bastidor 0.8 -- 0.5 0.1 0.3
Horas
Disponibles 48,000 12,000 24,000 7,200 14,400

Max. Z = X3

Sujeto a:
0.5X1 + 0.8X2 ¿ 48,000
0.2X1 ¿ 12,000
0.3X1 + 0.5X2 ¿ 24,000

30
 0.1X2 ¿ 7,200
0.3X2 ¿ 14,400
X1 ¿ X3
X2 ¿ X3
X1, X2, X3 ¿ 0

. Con rubíes y zafiros zalesJewelers producen dos tipos de anillos. Un anillo tipo 1 requiere 2
rubíes, 3 zafiros, y 1 h de trabajo de un joyero. Un anillo tipo 2 requiere 3 rubíes, 2 zafiros, y 2
h de trabajo de un joyero. Cada anillo tipo 1 se vende a 400 dólares, y cada anillo tipo 2, a 500
dólares. Se pueden vender todos los anillos producidos por zales. Actualmente zales dispone
de 100 rubíes, 120 zafiros y 70 horas de trabajo de un joyero. Se puede comprar más rubíes a
un costo de 100 dólares el rubí. La demanda del mercado requiere una producción de por lo
menos 20 anillos tipo 1, y por lo menos 25 anillos tipo 2. Para maximizar la ganancia, zales
tendrá que resolver el PL siguiente:

X1 = anillos tipo 1 producidos

X2 = anillos tipo 2 producidos

R = número de rubíes comprados

Solución

MaxZ = 400X1 +500X2 - 100R

Sujeto a:
2X1 + 3X2 – R ¿ 100
3X1 + 2X2 ¿ 120
X1 + 2X2 ¿ 70
X1 ¿ 20
X2 ¿ 25
X1, X2 ¿ 0

17. Suponga que la planta en San Luis fabrica al producto 1, que sirve como componente
(insumo) para la fabricación de un producto final 2, en Monterrey y otro producto final 3 en
Monclova. Así mismo el producto 3
Planta San Producto 1 requiere como insumo adicional el
Luis
producto 2. La siguiente figura

Planta
muestra el flujo de fabricación.
Monterey Producto 2 Ventas

Planta Producto 3 Ventas

Monclova 31
La capacidad mensual de producción de cada año es:

Capacidad de
Fabrica Producción
(miles de unidades )
San Luis 200
Monterrey 120
Monclova 100

La cantidad de unidades requeridas para fabricar una unidad de cada producto y la venta
nacional mensual es:

Insumo
Producto
Producto 1 Producto 2
- - -
2 4 -
3 2 1
Venta Nacional por mes
Producto
Mínima Máxima
1 10000 30000
2 25000 50000
3 40000 60000

Además por disposición gubernamental se debe exportar el 10% de la venta nacional

mensual.
Los costos unitarios de producción 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% más caro, respectivamente.Formule el Modelo Lineal que determina la
producción mensual de cada producto, que satisfaga a la vez todas las condiciones descritas
antes y que optimice los ingresos por ventas.

Solución

32
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)

Función Objetivo:

Max. Z = 6Y11+10Y21+15Y31+7.2Y12 +12Y22+18Y32-3X1-5X2-10X3

Restricciones de:

PRODUCCIÓN
X1 ¿ 200,000
X2 ¿ 120,000
X3 ¿ 100,000

VENTA DE PRODUCTO 1
La venta es el resultado de la diferencia entre la producción y el requerimiento de unidades
que participan como insumo para la producción 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

33
 X3 = Y31 + Y32
Y31 ¿ 40,000
Y31 ¿ 60,000
Y32 = 0.10 Y31
X1,......, Y320

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 proteínas y 2
onzas de grasa diariamente, ¿Cuál será la mezcla de costo mínimo de los dos productos?

Producto Costo por Proteína Grasa (%)

de soya Onza (%)
1 0.05 40 15
2 0.02 15 18

Solución

X1 = Cantidad de onzas del producto de soya tipo 1.

X2 = Cantidad de onzas del producto de soya tipo 2.

MinZ = 0.05X1 + 0.02X2

Sujeto a:
0.40X1 + 0.15X2 ¿ 5
0.15X1 + 0.18X2 ¿ 2
X1, X2 ¿ 0

2. Un fabricante de plásticos planea obtener un nuevo producto mezclando 4 compuestos

químicos. Estos compuestos consisten principalmente de 3 elementos químicos A, B y C. A
continuación se muestra la composición y el costo por unidad de estos compuestos.

Compuesto
1 2 3 4
Químico
Porcentaje de A 30 20 40 20
Porcentaje de B 20 60 30 40
Porcentaje de C 40 15 25 30
Porcentaje de D 20 30 20 15

34
 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.

Solución

Xi = Cantidad del compuesto químico i (i = 1,2,3,4)

MinZ = 20X1 + 30X2 + 20X3 + 15X4

Un kilogramo del nuevo producto tiene las siguientes características:

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 compañía produce dos salsas para carne, la aromática Diablo y la suave Barón Rojo.
Estas salsas se obtienen mezclando dos ingredientes A y B. Se permite cierto nivel de
flexibilidad en la fórmula de estos productos. De hecho las restricciones son:
La Barón debe contener un máximo 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 más de 40 cuartos de A y 30 cuartos de B. La compañía puede vender la
salsa que produzca al precio por cuarto de $ 3.35 La Diablo y $ 2.85 la Barón 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.

Solución

X1 = Producción en cuartos de salsa Diablo

X11 = Cantidad de ingredientes A para la salsa Diablo
X12 = Cantidad de ingredientes B para la salsa Diablo
X2 = Producción en cuartos de salsa Barón Rojo
X21 = Cantidad de ingredientes A para la salsa Barón Rojo

35
 X22 = Cantidad de ingredientes B para la salsa Barón Rojo
La función objetivo es:

Max. Z = 3.35X1 + 2.85X2 - 1.60 [X11 + X21] - 2.95 [X12 + X22]

Las restricciones (1) y (2) son:

X2 ¿ 0.75X21
X1 ¿ 0.25X11
X1 ¿ 0.50X12
Otras restricciones:
X11 + X21 ¿ 40
X12 + X22 ¿ 30
X11 + X12 = X1
X21 + X22 = X2
X1, X11........, X22 ¿ 0

4. La Universidad de Chicago está planeando poner fertilizantes al pasto en el área de patios a la

entrada de la primavera. El pasto necesita nitrógeno, fósforo y potasa al menos en las
cantidades dadas en la fig. Están disponibles tres clases de fertilizantes comerciales; en la fig.
2 se da el análisis y los precios de ellos. Formule un modelo de programación lineal para
determinar cuánto de cada fertilizante deben comprar para satisfacer los requerimientos a un
costo mínimo

Requerimientos de Pasto
Mineral Peso mínimo (lb)
Nitrógeno 10
Fósforo 7
Potasio 5

Características de los fertilizantes

Contenido
Contenido Contenido
Fertilizante de Precio
de Fosforo de Potasio
s Nitrógeno ($/lb.)
(lb.) (lb.)
(lb.)
I 25 10 5 10
II 10 5 10 8
III 5 10 5 7

36
 Solución

Xi= Cantidad de fertilizantes i (i = 1,2,3) dado en fracción 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 años diferentes i= (1,.., 5) para hacer tres tipos de vinos
mezclados. La oferta disponible (en galones) de vino del año i es Si, i = 1,2,....,5. La mezcla 1
se considera especial, por lo que no se producirán más de 100 galones. En la figura se dan
las restricciones de cada una de las mezclas. Se pide formular un programa lineal.

Datos Para La Mezcla De Vinos

Beneficio
Mezcla Restricción
(P/Galón)
Por lo menos el 60% debe
provenir de los años 1 y 2 y
1 C1
no más del 10% de los años
4 y 5.
Al menos el 50% debe
2 C2
provenir de los años 1,2 y 3
3 No más del 50% del año 3 C3

Solución

Xj = Cantidad de galones de vino de la mezcla j (j = 1,2,3)

Xij = Cantidad de galones de vino del año i y de la mezcla j (i = 1.....5)

Max. Z = C1 X1 + C2 X2 + C3 X3

37
 Sujeto a:

Restricciones debidas a las mezclas (ver figura)

X11 + X21 ¿ 0.6X1

X41 + X51 ¿ 0.1X1
X12 + X22 + X32 ¿ 0.5X2
X33 ¿ 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 ¿ 0

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 fórmulas, se obtiene los whiskys de calidades
comercializables ESCOCÉS, KILT y TARTAN.Las citadas fórmulas especifican las siguientes
relaciones entre los elementos a mezclar.

PRECI
MARC ESPECIFICACIONE
O DE
A S
VENTA

38
 No menos del 60%
de A
ESCOCÉS 680
No más del 20% de
C
No más del 60% de
C
KILT 570
No menos del 15%
de A.
No más del 50% de
TARTAN 450
C

Se conocen asimismo, las disponibilidades y precios de los licores A, B, y C.

LITROS PRECIO DE
TIPO DISPONIBLES COSTO
$/LITRO
A 2000 700
B 2500 500
C 1200 400

Se desea definir la composición de cada marca maximizar el beneficio.

Solución

Xi = Cantidad de litros de whisky de calidad ESCOCÉS, 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)

ESCOCÉS
X11 ¿ 0.60X1
X13 ¿ 0.20X1
X11 + X21 + X13 = X1
KILT
X23 ¿ 0.60X2
X51 ¿ 0.15X2
X21 + X22 + X23 = X2
TARTAN

39
 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 compañía petrolera produce dos tipos de gasolina que vende a 18 y 21 centavos de
dólar por galón. La refinería puede comprar cuatro diferentes crudos con los siguientes análisis
y costos:

Crudo A B C D
1 0.80 0.10 0.10 0.14
2 0.30 0.30 0.40 0.10
3 0.70 0.10 0.20 0.15
4 0.40 0.50 0.10 0.12

La gasolina cuyo precio de venta es 21 centavos de dólar por galón debe tener cuando menos
60% de A y no más de 35% de B. La de 18 centavos de dólar por galón no debe tener más de
30% de C. En el proceso de mezclado se pierde, por evaporación 2% de A y 1% de B y C.
Demuéstrese como se determinan las cantidades relativas de crudo que se deben utilizar.

Solución

X ij = Cantidad de crudo i (i=1, 2, 3) que intervienen en la gasolina j(j=1, 2)

La función 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 producción de un galón de

gasolina de cada tipo.
Como en el proceso de mezclado se pierde por evaporación parte de los elementos A, B, C;
se registra a continuación los porcentajes que quedan de cada elemento y la suma total de
estos componentes.

40
 Crudo A B C D
1 0.784 0.099 0.099 0.982
2 0.294 0.297 0.396 0.987
3 0.686 0.099 0.198 0.983
4 0.392 0.495 0.099 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 evaporación, entonces queda sólo: 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

Características 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)

Características 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 fábrica 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 Sílice, Plomo, Bórax y pedecería 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 máquina de
modo que no es necesario considerar esta operación. Los productos y los factores de
producción están relacionados como se muestra en las siguientes tablas:

Composición (Tn) Abastecimient Costo

Materia Vidrio 1 Vidrio 2
o (Ton) (Ton)
Bórax (A) 0.1 0.2 25000 100
Plomo (B) 0.1 0.2 35000 300
Silice (C) 0.8 0.5 50000 60
Pedecería 0.0 0.1 15000 30
(D)

41
 Composición (Tn) Costo
Vidrio 1 Vidrio 2 Capacidad
Máquina Variable
(Hor)
(Ton)
Mezcladora 0.4 0.2 2000 30
L
Mezcladora 0.1 0.2 1000 50
M
Horno X 0.2 0.4 2000 40
Horno Y 0.5 0.2 1800 30

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 tonelada. Formule el problema como un modelo
de programación lineal para programar la producción de los tipos de vidrios.

Solución

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
continuación 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 gráfico se desprenderá 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:

42
 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

Condiciones de Producción:
X1 ¿ 100
X2 ¿ 100
X1, X2,......, X2LM, X2MY ¿ 0

La producción óptima se logro con la siguiente función 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 agrícola produce alimento para ganado y alimento para pollos. Estos productos se
componen de 3 ingredientes principales, a saber: maíz, cal y harina de pescado. Los
ingredientes contienen dos tipos principales de nutrientes por libra de cada ingrediente.

NUTRIENTES INGREDIENTES
Proteínas de Maíz Cal Harina
25 15 25
calcio 15 30 20

El contenido de proteína 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 proteínas y el contenido de calcio
deben estar en los intervalos [20 - 23] y [20 - 25], respectivamente. Supóngase que se
dispone de 3000, 2500 y 100 libras de maíz, cal y harina de pescado es, respectivamente. El
precio por libras de maíz, 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.
Formúlese el problema de mezclado con el objeto de minimizar el costo.

Solución

43
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:

25 X 11 +15 X 21+25 X 31
18≤ ≤22
X 11 + X 21+ X 31

15 X 11 +30 X 21+ 20 X 31
20≤ ≤23
X 11 + X 21+ X 31

25 X 11 +15 X 21+25 X 31
20≤
X 11 + X 21+ X 31

15 X 11 +30 X 21+ 20 X 31
20≤ ≤25
X 11 + X 21+ X 31

44
 La función 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 producción 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 níquel,
Resistencia a la tracción de por lo menos 45 000 lb/pulg2.
Steelco produce acero mezclando dos aleaciones. El costo y las propiedades de cada aleación
se dan en la Tabla mostrada. Supóngase que se puede determinar la resistencia a la tracción

45
 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 aleación 1 y de 60% de la aleación
2, tiene una resistencia a la tracción de 0.4(42 0000) + 0.6(50 000). Utilice la programación
lineal para determinar cómo minimizar los costos de producción de una tonelada de acero.

Aleación 1 Aleación 2
Costo por tonelada ($) 190 200
Porcentaje de Silicio 2% 2.5 %
Porcentaje de Níquel 1% 1.5 %
Porcentaje de Carbono 3% 4%
Resistencia a la
42000 50000
Tracción(lb/pulg2)

Solución

X i = cantidad de aleación i, (i = 1,2)

Especificació
Componente Tipo de Aleación
n
s
Aleación 1 Aleación 2 %
Silicio 2 2.5 1.8 – 2.5
Níquel 1 1.5 0.9 – 1.2
Carbono 3 4 3.2 – 3.5
Costo ($) / Ton 190 200

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
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

46
 X1, X20
11. Feedco produce dos tipos de alimentos para ganado. Ambos productos están 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 límite. Formule un P.L.
para maximizar las ganancias de Feedco.

Solución

Alimento Alimento Compra max Precio

Insumos
1 2 (lb) ($ / lb)
Trigo >= 80% >= 40% 1000 0.50
Alfalfa <= 20% <= 60% 800 0.40
Precio ($ /
1.50 1.30
lb)

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) 0.2X11 0.8 X21

X22 0.6 (X12 + X22) 0.4X22 0.6 X12

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

Sujeto a:
X11+X121000
X21+X22800
0.2X11-0.8X210
0.4X22-0.6X120

12. Feedco decidió otorgar a su cliente (supóngase que hay solamente un cliente) un descuento,
dependiente de la cantidad comprada. Si el cliente compra más de 300 lb del producto 1, se le
venderá cada libra que rebase las primeras 300 lb, a solo 1,25 dólares. Similarmente, si el

47
 cliente compra más de 300 lb del producto 2, se le venderá cada libra que rebase las primeras
300 lb, a sólo 1,00 dólar. 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).

Solución

Si la compra es mayor de 300 lb Precio de venta ($ / lb)

Alimento 1 1.25
Alimento 2 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

MaxZ = 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
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

48
13. Feedco decidió otorgar a su cliente (supóngase que hay solo un cliente) un descuento,
dependiente de la cantidad comprada. Si el cliente compra más de 300 lb del producto 1, se le
venderá cada libra que rebase las primeras 300 lb, a solo 1.25 dólares. Similarmente, si el
cliente compra más de 300 lb del producto 2, se le venderá cada libra que rebase las primeras
300 lb, a solo 1.00 dólar. 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.

Solución(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

MaxZ = 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
Y21300
Y12300
Y22300
X11 -0.8X10
X22 -0.6X20
X11+X211000
X12+X22800

49
14. Un fabricante de gasolina para aviación 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 producción. 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. ¿Qué cantidad
puede producirse de cada combustible?

Solución
La información se resume en el siguiente cuadro:

Combustible Disponibilida
Costo
Gasolina d
A B ($ / gl.)
(gl. / hr.)
Grado 1 0.25 - 0.30 500
Grado 2 0.25 0.50 0.60 200
Grado 3 0.50 0.50 0.50 200
Precio ($ /
0.75 0.90
gl)

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 será:

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 expresión simplificada:

0475X1 + 0.55X2

50
Por otro lado, el Ingreso por concepto de las ventas será:

0.75X1 + 0.90X2

Luego, la función Objetivo será la suma de las contribuciones (utilidad) de cada producto.

Max Z = 0.275X1 +0.35X2

Las restricciones corresponden a la limitación 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 cafetería trabaja las 24 horas del día y requiere de contratar una cierta cantidad de mozos
para los servicios. Cada mozo trabaja 8 horas consecutivas. Se desea determinar el menor
número de mozos que debe contratarse para satisfacer los siguientes requisitos.

Número
Turno de horas al día mínimo de
mozos
1 02 – 10 04
2 06 – 14 08
3 10 – 18 10
4 14 – 22 07
5 18 – 02 12
6 22 – 06 04

Solución

X 1 = Número de mozos contratados en el turno i, (i= 1,..,6)

Término
2 6 10 14 18 22
s
1
2 X1

51
 3 X2
4 X3
5 X4
6 X6 X5

MinZ = 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 ¿ 0

2. Una aerolínea desea asignar dos tipos de aviones a tres rutas. Cada avión puede hacer a lo
más dos vueltas diarias. Además, se dispone de tres aviones del tipo 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 número esperado de pasajeros por día en las tres rutas es de 300, 700 y 220
respectivamente.
A continuación se resumen los costos de operación por viaje en las diferentes rutas:

Tipo de Costo de operaciones de una ruta dada

avión 1 2 3
A 3000 2500 2000
B 2400 2000 1800

Se pide formular el problema como un programa lineal a fin de minimizar los costos de
operación.

52
Solución

XAi=Cantidad de vuelos por día en la ruta i(i= 1, 2, 3) de los aviones tipo A.

XBi=Cantidad de vuelos por día 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 número 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 días 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 mediodía y la 1 p.m. o entre la 1 y las 2 p.m.) Se les paga 8 dólares (incluyendo
prestaciones complementarias) por hora (incluyendo la hora de la comida) a las empleadas de
tiempo completo. El banco también contrata cajeras de tiempo parcial. Cada cajera de tiempo
parcial debe trabajar exactamente 3 horas consecutivas cada día. Se les paga 5 dólares/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 mínimo. Resuelve el PL en una computadora. Juegue con las respuestas del PL para
determinar una política de contratación que éste 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

Solución

53
 Xi = Número de Cajeras a tiempo completo en el turno i (i = 1, 4, 5)
Yi = Número de Cajeras a tiempo parcial en el turno i (i = 1, 2, 3, 4, 5, 6)

Cajeras Requeridas en cada periodo de tiempo

Periodo de tiempo
Turnos T1 9 T2 10 – T3 11 T4 12 T5 1 - T6 2 - T7 3 - T8 4 -
-10 11 -12 -1 2 3 4 5
Tiempo
X1 X1 X1 X4 X5 X1 X1 X1
Completo
Tipo de cajera

Y1 Y1 Y1
Y2 Y2 Y2
Tiempo Y3 Y3 Y3
Parcial Y4 Y4 Y4
Y5 Y5 Y5
Y6 Y6 Y6
Requerimient
4 3 4 6 5 6 8 8
o

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

54
CASO: PROBLEMAS DE METAS DE TRABAJO

1. Un agente vendedor maneja 2 productos. Dicho agente no puede vender más de 10 unid/mes
del producto 1 ó 39 unid/mes del producto 2. Para evitar una multa, el debe vender al menos
24 unidades del producto 2. El recibe una comisión 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 máximo 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.
¿Cuántas visitas mensuales debe hacer a los clientes de cada producto?

Solución

Xi = Número de visitas para vender el producto i. (i = 1,2)

LIMITES DE VENTAS:
0.5X1 ¿ 10
0.6X2 ¿ 39
0.6X2 ¿ 24

Tiempo Total de Visitas = Tiempo Disponible:

1.5X1+0.5X2 ¿ 80
X1, X2 ¿ 0

Se pide optimizar el número de visitas:

Max Z = 0.1 [150(0.5) X1 + 70(0.6) X2] - 1.5 [1,5X1+0,5X2]

2. AldenEnterprises produce dos productos. Se puede fabricar cada producto en cualquiera de

dos máquinas. En la tabla A, se dan los tiempos necesarios (en horas) para producir cada
producto en cada máquina. Cada mes los clientes están dispuestos a comprar los productos
hasta las cantidades y a los precios indicados en la tabla B. La meta de la compañía es
maximizar los ingresos obtenidos mediante la venta de los productos durante los próximos
dos meses. Formule un PL para ayudar alcanzar esta meta.

55
TABLA A

MAQUINA MAQUINA
1 2
Producto
4 3
1
Producto
7 4
2

TABLA B

DEMANDAS PRECIO(Dólares)
Mes Mes
1 2 Mes 1 Mes 2
Producto 1 100 190 55 12
Producto 2 140 130 65 32

Solución

Sea:
Xijk= Cantidad de producto i, fabricado en maquina j, en el mes k (i,j, k =1, 2)

Mes 1:
4X111 +7X211500
3X121 +4X221500
Mes 2:
4X112 +7X212500
3X122 +4X222500
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)

Está sujeta a las siguientes restricciones:

X111 + X121 = C1 +N11

C11 100
X211 + X22 = C21 + N21
C21 140

56
 X112 + X122 + N11 = C12 + N12
C12 190
X212 + X222 + N21 = C22 + N22
C22 130

Luego la función objetivo viene a ser la maximización de la venta de los productos durante
los próximos dos meses.

Max z = 55C11 + 65C21 + 12C12 + 32C22

CASO: PROBLEMAS DE DISTRIBUCIÓN DE TIERRAS

1. Una empresa agrícola explota una finca de 200 Ha., de regadío, que puede dedicarse en
principio a dos cultivos C1 y C2. Los ingresos y costos variables por hectáreas para cada
cultivo figuran en la siguiente tabla:

Costos
Ingresos
Cultivo Variables
(S/. / Ha)
El cultivo C1 puede (S/. / Ha) repetirse indefinidamente
Cultivo C1 14.000 6.000
todos los años en la misma parcela; en
Cultivo C2 15.000 6.000
cambio el cultivo C2 ha de implementarse en parcelas que el año anterior llevaron otro cultivo;
pues sino se sigue esta norma técnica (rotación de cosechas), disminuirán apreciablemente los
rendimientos.
El agua para riego es de 1 lt/seg. y por hectárea, es decir 610,000 m2 al mes para toda la finca.
Las necesidades de agua de los cultivos en el mes próximo:

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 máximo la
producción de 60 Ha. de dicho cultivo.
El fin de la programación es, en este caso, determinar la superficie, que deben cultivarse C 1 y C2
para que el beneficio sea máximo.

57
 Solución

Xi = Número de hectáreas 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
X1, X2 0

2. La Canadian ParksComission vigila dos terrenos. El terreno 1 está 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 dólares) Y la mano de obra (días
hombre) que se necesitan para mantener un acre de cada terreno, y la ganancia (miles de
dólares) por acre, para cada uso posible del suelo. Se dispone un capital de 150000 y 200
días-hombre de trabajo. ¿Cómo se tiene que asignar el suelo a los usos diferentes, para
maximizar la ganancia recibida de los dos terrenos?

Mano de
Capital Ganancia
obra
Terreno 1
Abetos 3 0.1 0.2
Terreno 1
Caza 3 0.2 0.4
Terreno 1
Ambas cosas 4 0.2 0.5
Terreno 2
Abetos 1 0.05 0.06
Terreno 2
Acampar 30 5 0.09
Terreno 2
Ambas cosas 10 1.01 1.1

Solución

Xij = # de acres del terreno i (1 ,2) para la actividad j (1, 2, 3)

58
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

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 distribución desde las dos tiendas se dan en la Tabla 2,
formule un modelo de programación lineal para determinar cuántos paquetes debe enviar la
empresa desde cada tienda a cada vendedor.

DEMANDA DE LOS MAYORISTAS

Vendedor
1 2 3 4 5
Mayorista
Embarques
4,000 6,000 2,000 10,000 8,000
requeridos

COSTOS DE DISTRIBUCION

De la Al vendedor mayorista
tienda 1 2 3 4 5
1 0.06 0.04 0.12 0.12 0.05
2 0.15 0.09 0.05 0.08 0.08

Solución

Xij= Cantidad de paquetes entregados por la tienda i al vendedor j (i = 1,2) (j = 1,2,3,4,5 ).

59
 Se debe minimizar el costo del paquete y distribución de las tiendas a los vendedores.

MinZ = 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

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 POLÍTICAS Y PRÉSTAMOS BANCARIOS

1. Tengo ahora $ 100. Durante los próximos 3 años se tiene proyectado realizar las siguientes
inversiones:
 Inversión A: Cada dólar invertido ahora produce $0.10 dentro de 1 año y $1.3 dentro de 3
años.
 Inversión B: Cada dólar invertido ahora produce $0.2 dentro 1 año y 1.1 dentro de 3 años.
 Inversión C: Cada dólar invertido dentro de 1 año, producirá $1.5 dentro de 3 años.
 Cada año se puede colocar el dinero no invertido en fondos del mercado de dinero, lo que
produce 6 % de interés anual. Se puede colocar a lo más 50% en cada una de las
inversiones A, B, C.
Formule un P.L para maximizar efectivo en caja dentro de 3 años.
Solución

Xij = Inversión de tipo i en el año j, (i = A, B, C; j = 1,2,3)

Xi = Inversión de tipo i para 3 años
XFj = Cantidad no invertida en el año j.

AÑO 1
XA1 +XA 50
XB1 + XB  50
XA1 + XA + XB1 + XB + XF1 = 100

60
 AÑO 2

Dinero disponible: 1.1XA1 +1.2XB1+1.06XF1

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)

AÑO 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 año:

Max Z = 2.3XA + 2.1XB + 2.5XC + 1.1XA3 + 1.2XB3 + 1.06XF3

CASO: PROBLEMAS DE RESIDUO DE CORTE

1. Un fabricante de láminas metálicas recibe un pedido para producir 2000 láminas de tamaño 2´
x 4´ y 1000 láminas de tamaño 4´ x 7´. Se dispone de dos láminas estándar de tamaños 10´ x
3000´ y 11´ x 2000´. El personal del departamento de Ingeniería decide que los tres
siguientes patrones de corte son adecuados para satisfacer el pedido.

Formular el problema cómo un programa lineal para satisfacer el pedido y minimizar el

desperdicio.

Solución

X = Número de láminas del patrón 1 extraídas de la lámina de 11’ x 2000´.

Y = Número de láminas del patrón 2 extraídas de la lámina de 10´ x 3000´.

61
 Z1 = Número de láminas del patrón 3 extraídas de la lámina de 10´ x 3000´.
Z2 = Número de láminas del patrón 3 extraídas de la lámina de 11´ x 2000´.

Considerando que cada 4´ se efectúa un corte de cada una de las láminas estándar, se tiene:

Patrones extraídos de las láminas 11´ x 2000´ y 10´ x 3000´

X + Z2 500
Y + Z1 750
Láminas 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 confección de los
patrones 2 y 3.

MaxZ = Y + Z2

2. Una papelera produce papel en bobinas de un ancho definido por las características de sus
equipos de proceso. De acuerdo a la política de ventas de la compañía, a determinados
compradores se les preparan bobinas de un ancho menor al de las bobinas estándar, por lo
cual ésta debe ser cortada para satisfacer la demanda.
La empresa desea hacer la cantidad total de recortes desechables tan pequeña como sea
posible.
El caso en estudio presenta una producción de bobinas de 215 cm. De ancho, debiéndose
cumplir con los siguientes pedidos:

LONGITUD DEL
ANCHO
PEDIDO
(cm)
(m)
18,000 64
9,000 60
9,000 35

Se aclara que los cortes deben efectuarse en sentido longitudinal y que los mismos no
necesitan estar formados por una sola tira.

62
Solución

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.
Xi = Longitud de la tira en metros del patrón i
ANCHO (cm)
Ancho Del
LONGITUD (m)
64 60 35
Recorte
X1 3 - - 23
X2 2 1 - 27
X3 2 - 2 17
X4 1 2 - 31
X5 1 1 2 21
X6 1 - 4 11
X7 - 2 2 25
X8 - 3 1 --
X9 - - 6 5

Ejemplo Del Primer Patrón: X1

Tiras de 64 cm. de ancho:

3X1 + 2X2 + 2X3 + X4 + X5 + X6 18000

Tiras de 60 cm. de ancho:

X2 + 2X4 + X5 + 2X7 + 3X8 9000

Tiras de 35 cm. de ancho:

2X2 + 2X5 + 4X6 + 2X7 + X8 + 6X9 9000

63
X1,….., X9 0

64
 1.3 PROBLEMAS DE PROGRAMACIÓN LINEAL PREPARADOS CON LINGO

1. Una compañía 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 Componentes Precio de Venta

C1 C2
(S/./Unidad)
P1 1 2 4
P2 3 1 3
Dispone 15000 10000

Se pide formular el problema y optimizar el ingreso de ventas:

Solución:

!PROBLEMA Nº1;

!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));

2. (PROPUESTO)La capacidad de producción de TEXTIL-PERU es de 900 unidades mensuales.

Los costos unitarios de producción y el compromiso mensual de venta a EXPORT-PERU son
como sigue:

65
 Mes Costo de Producción Venta (Unidades)
(S/. / unidades)
1 100 300
2 150 350
3 200 400

3. (PROPUESTO)FLORANID S.A., es una empresa dedicada a la comercialización 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:

CANTIDAD DISPONIBLE COSTOS

INGREDIENTE
(kg) (S/./ kg)
A 4.000 1.300
B 6.000 1.500
C 2.000 1.000

Las utilidades para los abonos son:

Abono 1  2.0 S/./ kg
Abono 2  3.0 S/./ kg
Abono 3  1.5 S/./ kg

Además de lo anterior, los ingredientes han de mezclarse en proporciones específicas para

asegurar una combinación adecuada:
Para el abono 1, no menos del 25 % de A y no más del 40 % de C; para el abono 2, no menos del
30 % de A, no menos del 20 % ni más del 30 % de B y no más del 15 % de C; y para el abono 3,
no menos del 35 % de B.

Con todos los datos que FLORANID S.A. nos ha facilitado, nos piden que determinemos: ¿Cuánta
cantidad de cada tipo de abono hay que producir de forma que se maximice el beneficio de la
compañía?

Solución:

Con los datos podemos construir un primer esquema que nos permitirá desarrollar el modelo de
programación lineal para la resolución del problema:

66
 ABONOS CANTIDAD COSTOS
INGREDIENTES
1 2 3 DISPONIBLE (kg) (S/. /kg)
A X11 X12 X13 4000 1300
B X21 X22 X23 6000 1500
C X31 X32 X33 2000 1000

4. (PROPUESTO) Una compañía vende dos mezclas diferentes de nueces. La mezcla más
barata contiene un 80% de cacahuates y un 20% de nueces, mientras que las más cara
contiene 50% de cada tipo. Cada semana la compañía obtiene 1800 kilos de cacahuates y
1200 kilos de nueces de sus fuentes de suministros. ¿Cuántos kilos de cada mezcla debería
producir a fin de maximizar las utilidades si las ganancias son de $ 10 por cada kilo de la
mezcla más barata y de $ 15 por cada kilo de la mezcla más cara?

MEZCLA CACAHUATE NUEZ GANANCIA POR SEMANA

BARATA 80% 20% $10 POR KILO
CARA 50% 50% $ 15 POR KILO

5. (PROPUESTO)Una empresa de servicios debe proveer personal de vigilancia a sus clientes

durante el próximo año en las siguientes cantidades estimadas:

1. trimestre: 7000dias vigilante.

2. trimestre: 8500dias vigilante
3. trimestre: 6500dias vigilante
4. trimestre: 9000dias vigilante

Un vigilante debe ser entrenado durante cinco días antes de estar disponible para asignarlo a los
clientes.
Existe 65 días de trabajo en cada trimestre y al inicio del primer trimestre existen 120 vigilantes
calificados en la nómina. 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 producción de 3 tipos de barras de chocolate así como la cantidad
de recursos y la utilidad de cada tipo se muestran en el siguiente cuadro:

Materia prima B1 B2 B3 Cantidad

disponible

67
Azúcar 1 1 1 50
Chocolate 2 3 1 100
Ganancia 3 7 5
unitaria

Solución:

!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

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 producción de 30 y 20 unidades

respectivamente, se tiene además 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 C1 C2 C3
F1 2 4 6
F2 7 10 1

68
 Minimizar el costo de la manera más óptima.

Solución:

La solución de este problema es un problema tipo clásico y sencillo de transporte, el cual se

resolverá 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 producción
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

min = @sum(rutas:ct*x); !Función Objetivo

@for(c(j):@sum(f(i):x(i,j))>=d(j));
@for(f(i):@sum(c(j):x(i,j))<=cp(i));
end

Formulación:

MIN 2 X( 1, 1) + 4 X( 1, 2) + 6 X( 1, 3) + 7 X( 2, 1) + 10 X( 2, 2)
+ X( 2, 3)
SUBJECT TO
2] X( 1, 1) + X( 2, 1) >= 10
3] X( 1, 2) + X( 2, 2) >= 25
4] X( 1, 3) + X( 2, 3) >= 15
5] X( 1, 1) + X( 1, 2) + X( 1, 3) <= 30
6] X( 2, 1) + X( 2, 2) + X( 2, 3) <= 20

69
END

8. Steelco produce dos tipos de acero en tres diferentes acerías. Durante un mes dado, cada
acería dispone de 200 horas de alto horno. El tiempo y el costo de producción de una
tonelada de acero, difiere de una fábrica a otra, debido a las diferencia en los hornos de cada
fábrica. En el cuadro siguiente se muestran el tiempo y el costo de producción para cada
fábrica. 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 ACERO 1 ACERO 2

COSTO TIEMPO COSTO TIEMPO
ACERIA 1 10 20 11 22
ACERIA 2 12 24 9 18
ACERIA 3 14 28 10 30

Solucion:

!X=CANTIDAD PRODUCIDA;

SETS:
aceria/1..3/:horas;
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));

70
@for(aceria(i):@sum(acero(j):tiempo(i,j)*x(i,j))<=horas(i));
END

9. Una Tienda de animales ha determinado que cada Hámster debería recibirla al menos 70
unidades de proteína. 100 unidades de carbohidratos y 20 unidades de grasa. Si la tienda
vende los seis tipos de alimentos mostrados en la tabla. ¿Qué mezcla de alimento satisface
las necesidades a un costo mínimo para la tienda?

Proteínas Carbohidratos Grasa Costo

Alimento
(Unid /Oz) (Unid /Oz) (Unid / Oz) (Oz)
A 20 50 4 2
B 30 30 9 3
C 40 20 11 5
D 40 25 10 6
E 45 50 9 8
F 30 20 10 8

Solución:

!TIPO=TIPO DE ALIMENTO CO=COSTO DEL ALIMENTO POR ONZA;

!MACRO=TIPO DE MACRONUTRIENTE UNID=UNIDADES QUE DEBE RECIBIR EL HAMSTER;
!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

71
MIN=@SUM(TIPO:CO*X);
@FOR(MACRO(J):@SUM(TIPO(I):CANT(I,J)*X(I))>=UNID(J));

END

10. Las capacidades de producción del producto P de las fábricas A y B, los costos por unidad
transportada a los centros de consumo C1 y C2 y las demandas de estos son como sigue:

Costos de Transporte
Fabrica Producción
C1 C2
A 5 10 300
B 12 3 400
Demanda 250 350

Solución:

!FAB=FABRICA(1,2) PROD=PRODUCCION DE CADA FABRICA;

!CEN=CENTRO (1,2) DEM=DEMANDA;
!CO= COSTO DE TRANSPORTE X=UNIDADES TRANSPORTADAS;

SETS:
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

72
11. Cuatro productos se procesan en secuencia de dos maquinas. La siguiente tabla proporciona
los datos pertinentes al problema.

Tiempo de fabricación por unidad (hora)

Máquina Costo Producto Capacidad
($) / hora 1 2 3 4 (hora)
1 10 2 3 4 2 500
2 5 3 2 1 2 380
Precio de
venta 65 70 55 45

!MAQ=MAQUINA(1,2) CAP=CAPACIDAD DE CADA MAQUINA(HORAS);

!PROD=PRODUCTO(1,2,3,4) PV=PRECIO DE VENTA;
!TM= TIEMPO X=UNIDADES PRODUCIDAS UTI= UTILIDAD;
SETS:
MAQ/1..2/:CAP;
PROD/1..4/:PV;
MATRIZ1(MAQ,PROD):TM,X,uti;
ENDSETS

DATA:
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 área
de enfermería, se define 6 turnos de 4 horas cada uno.

73
 Turno Número mínimo
de personal
2:00 - 6:00 4
6:00 - 10:00 8
10:00 - 14:00 10
14:00 - 18:00 7
18:00 - 20:00 12
20:00 - 24:00 4

Los contratos laborales son de 8 horas consecutivas por día. El objetivo es encontrar el número
menor de personas que cumplan con los requerimientos. Formule el problema como un modelo
de programación lineal.

Solución:

Xi = Cantidad de personal por cada turno i = 1, 2, 3, 4, 5, 6.

Necesidades de personal por horario

2:00 - 6:00 - 10:00 - 14:00 - 18:00 - 20:00 -
Horas
6:00 10:00 14:00 18:00 20:00 24:00
X1 X1
X2 X2
X3 X3
X4 X4
X5 X5
X6 X6
Persona
4 8 10 7 12 4
l

MIN Z = X1 + X2 + X3 + X4 + X4 + X5 + X6

Sujeto a:

Turno 1: X1 + X6 >= 4
Turno 2: X1 + X2>=8
Turno 3: X2 + X3>=10
Turno 4: X3 + X4>=7
Turno 5: X4 + X5>=12
Turno 6: X5 + X6>=4

74
!HORAS=TUENO X=CANTIDAD DE PERSONAL POR TURNO;
!PERS=PERSONAL MIN=PERSONAL MINIMO;
!CANT=PERSONAL POR TURNO (1=EXISTE PERSONAL EN EL TURNO, 0= NO EXISTE
PERSONAL EN EL TURNO);

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);
@FOR(PERS(J):@SUM(HORAS(I):CANT(I,J)*X(I))>=MIN(J));

END

MIN X( 1) + X( 2) + X( 3) + X( 4) + X( 5) + X( 6)
SUBJECT TO
2] X( 1) + X( 6) >= 4
3] X( 1) + X( 2) >= 8
4] X( 2) + X( 3) >= 10
5] X( 3) + X( 4) >= 7
6] X( 4) + X( 5) >= 12
7] X( 5) + X( 6) >= 4
END

13. Se desean invertir 2 mil dólares en 6 tipos de inversión cuyas características son las
siguientes:

75
 Plazo
Tipo de Interes Factor de
promedio
Inversion Anual (%) Riesgo
de inversion
1 8.5 0.02 8
2 9 0.01 2
3 8.5 0.38 5
4 14.3 0.45 6
5 6.7 0.07 2
6 13 0.35 4

El factor de riesgo significa la probabilidad de que el rendimiento real sea inferior al esperado. Se
considera ventajoso un período promedio ponderado de inversión de ciando menos 5 años; pero
el factor promedio ponderado de riesgo no debe ser superior a 0.20. La ley prohíbe que la suma
de las inversiones de los tipos 4 y 6 sea mayor al 25% del total de la inversión. Con P.L formule un
modelo de P.L para decidir cómo invertir para maximizar el rendimiento de los 2 millones de
dólares.

!TIPO=TIPO DE INVERSION INV= INVERSION SUJETA A FACTORES;

!INT=INTERES ANUAL X=CANTIDAD DE DOLARES A INVERTIR EN LA INVERSION;
!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

76
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 podría producir diariamente 400 de estos sombreros. Los límites 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.

Solución:
!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

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. BlubberMaid, Inc. Fabrica tres productos de caucho: Airtex (material esponjoso), Extendex
(material elástico) y Resistex (material rígido). Los tres productos requieren los mismos tres
polímeros químicos y una base. La cantidad de cada ingrediente usado por libra del producto
final se muestra en la siguiente tabla.

Ingrediente (OZ/LB de producto)

Producto
Polímero A Polímero B Polímero C Base
Airtex 4 2 4 6
Extendex 3 2 2 9
Resistex 6 3 5 2
Inventario 500 425 650 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.

77
Solución:

!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;
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 maíz. Debido a las diferentes
condiciones el suelo, existen diferencias en la producción y en los costos e producción de las
dos granjas. En la tabla se encuentran los costos y la producción para las dos granjas. Cada
granja dispone de 100 acres para los cultivos. Hay que producir 11000 busheles de trigo y
7000 busheles de maíz. Determinar un plan de siembra que minimice los costos para
satisfacer estas demandas.

Granja Maíz Trigo

Costo Producción Costo Producción
Granja 1 100 500 90 400
Granja 2 120 650 80 350

78
Solución:

!TAM=TAMAÑO 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,
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 solución óptima 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
producción que utilizan procedimientos de fabricación que difieren en las cantidades de
materia prima que utilizan. Las cantidades necesarias de materia prima por operación para

79
 cada planta que se pueden llevar a cabo total o parcialmente, así como el número de capas
producidas de uno y otro tipo, se tiene en la tabla.

Unidades requeridas por Capas producidas por

operación operación
Planta Vidrio Resina Tipo A Tipo B
1 15 19 2 5
2 14 20 3 7
3 16 15 5 4
4 12 188 4 4
Disponibilidad 700 900 SC (1) SC (2)
Solución:

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,

80
 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 único, tiene 3 fábricas y 4 clientes. Las 3 fabricas
producen 3 000, 5 000 y 5 000 unidades respectivamente, durante el siguiente periodo. La
empresa se comprometió a vender 4 000 unidades al 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 envío de una unidad desde la fábrica i hacia el cliente j.

DESDE AL CLIENTE
1 2 3 4
(dólares) (dólares) (dólares) (dólares)
Fabrica 1 65 63 62 64
Fabrica 2 68 67 65 62
Fabrica 3 63 60 59 60

Plantear un problema de transporte balanceado que se pueda utilizar para maximizar la

ganancia de la compañía.

SETS:

FABR/FAB1,FAB2,FAB3/: CAPAC;
CLIEN/CEN1,CEN2,CEN3,CEN4/:DEMAN;
VIAS(FABR,CLIEN):GANAN,UNID;
ENDSETS

81
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

19. OILCO tiene campos petrolíferos es San Diego y en Los Ángeles. El campo de San Diego
puede producir diariamente hasta 500 000 barriles por día.
Se manda el petróleo desde los campos hacia una refinería en Dallas o en Houston (suponga
que cada refinería tiene capacidad ilimitada).
Cuesta 700 dólares refinar 100 000 barriles de petróleo en Dallas y 900 dólares 100 000
barriles en Houston. Se envía petróleo refinado hacia clientes en Chicago y en New York. Los
clientes en Chicago necesitan diariamente 400 000 barriles de petróleo refinado y los clientes
de Nueva York sólo 300 000 barriles de petróleo refinado. En la tabla se muestran los costos de
envío de 100 000 barriles de petróleo (refinado o no) entre las ciudades. Formule un modelo de
transporte balanceado para esta situación.

HACIA
DESDE
Dallas Houston New York Chicago
L.A. 300 110 - -
San Diego 420 100 - -
Dallas - - 450 550
Houston - - 470 530

Solución:

!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;

82
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));

!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) + 550 X( C1, Z2) + 470 X( C2, Z1) + 530 X( C2, Z2)
+ 300 Y( C1, C1) + 110 Y( C1, C2) + 420 Y( C2, C1)
+ 100 Y( C2, C2)
SUBJECT TO
2] X( C1, Z1) + X( C1, Z2) + X( C1, Z3) >= 500
3] X( C2, Z1) + X( C2, Z2) + X( C2, Z3) >= 400
4] X( C1, Z1) + X( C2, Z1) >= 400
5] X( C1, Z2) + X( C2, Z2) >= 300
6] X( C1, Z3) + X( C2, Z3) >= 200
END

20. (PROPUESTO)En una compañía se fabrican 2 productos S y T, los cuales tiene que pasar por
2 operaciones de manufactura. La primera operación se realiza en el centro de maquinas 1 o
2; y la segunda en el centro de maquinas 3 o 4. los tiempos de operación por cada unidad
producida, las capacidades de dichos centros de maquina y sus costos por minuto se

83
 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 programación de la
producción que minimice los costos totales.

Centro de 1 2 3 4
maquinas
Producto S 10 6 16 12
Producto T 20 8 12 10
Capacidad 4800 3600 6000 6000
Costo 30 50 30 50

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 máquina.
Cada mes hay 500 horas de tiempo disponible para cada maquina. Cada mes los clientes
están dispuestos a comprar los productos hasta las cantidades y a los precios indicados en la
tabla 2. La compañía desea maximizar los ingresos obtenidos mediante la venta de productos
durante los dos próximos meses y se ha propuesto además 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 Maquina 2
Producto 1 4 3
Producto 2 7 4

Tabla 2
Demanda mes Demanda mes Precio mes 1 Precio mes 2
1 2
Producto 1 100 90 55 42
Producto 2 140 70 65 62

84
22. (PROPUESTO)La empresa ABC requiere el servicio de corte de FENIX para los siguientes
meses:

MES UNIDADES
ENERO 840
FEBRERO 760
MARZO 670
ABRIL 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 deberá 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 deberá pagar solo S/. 1 adicional al costo del corte por cada unidad
de aumento.
Determinar la función objetivo que optimice el costo de corte.

85
1.4ASPECTOS DEL ALGEBRA LINEAL Y ANÁLISIS CONVEXO

1.4.1 VECTORES

Un vector es un arreglo de n números denotados por: a 1 = (a11, a21,. . ., a n-1) llamado vector fila o
llamado columna donde n es la dimensión del vector.

Ejemplos:

a.- (1, 3, -1, 5) es un vector fila de dimensión n = 4.

b.-
(48 ) es un vector columna de dimensión n=2
c.- e3 = (0, 0, 1, 0) es un vector unitario de dimensión 4 donde el 1 se ubica en la tercera posición.

d.- 0 =
(00 ) es un vector cero cuyas componentes son iguales a cero.

1.4.2 OPERACIONES CON VECTORES

 Suma De Vectores

Los vectores de igual dimensión se pueden sumar, ejemplo:

a1 =(3, 5, 7)
a2 =(4, 2, 1)
a3 = a1+ a2 = (7, 7, 8)

 Multiplicación 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

n
Un espacio euclidiano n –dimensional, denotado por E , es el conjunto de todos los
vectores de dimensión n.

86
  Combinación Lineal

n
Se dice que un vector b en E es una combinación lineal de los vectores a1, a2,. . ., a k en
n
E , si:

k
∑ aj
b= j=1 , donde α1, α2,. . ., α k son números reales.

 Vectores Linealmente Independientes

Los vectores a1, a2,. . ., a k de dimensión n son linealmente independientes si:

k
∑ R j a j =0
j=1 , implica que R j=0 para j = 1, 2,. . ., k

Ejemplo:

a1 = (3, 5) y a2 = (1, 7), estos vectores son linealmenteIndependientes puesto que:

R1 (3, 5) + R2 (1, 7) = (0, 0)

(3R1 + R2, 5R1 + 7R2) = (0, 0)
3R1 + R2 = 0
5R1 + 7R2 = 0

La solución 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)

3R1 + 6R2 = (0, 0)……… (1)

5R1 + 10R2 = (0, 0)…….. (2)

87
De (1) R1 = -2R2, si R2 = -1 entonces R1 = 2. Entonces los vectores a1 y a2 son linealmente
dependientes.

BASE

n
Una colección de vectores a1, a2,. . ., a k forman una base de E (espacio n dimensional) si se
satisfacen las siguientes condiciones:

n
1. a1, a2,. . ., a k generan a E .
2. Si se elimina cualquiera de estos vectores, la colección de vectores restantes no
n
generan E .

1.4.3 MATRICES

Una matriz es un arreglo rectangular de números 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:

A=
[ 0 0 0
0 0 0 ]
Es una matriz cero de orden 2 x 3.

 Suma de Matrices

Si A = [ a i j ] y B [ b i j ] 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:

A= [ ]
3 1
4 3 Y
B= [ ]
5 8
6 8

88
 C=A +B= [ 8 9
10 11 ]
 Multiplicación 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:

A= [ ]
3 1
4 3
y K=2 2 A= [ ]
6 2
8 6

89
 A=⌈ 3 1 ⌉ 2 A=⌈ 6 2 ⌉
4 3 8 6
 Multiplicación de Matrices

Dos matrices A = [ a ik ] y B[ b kj ] pueden multiplicarse en el orden AB si el numero de columnas

de A es igual al número 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 están dados por:

d i j = ∑ a i k * b k jPara: i = 1, 2,. . ., m y
j = 1, 2,. . ., n

Ejemplo:

[ ] [ ]
1 −1 1 5 0
A= 4 −2 5 B= 3 0
2 0 1 1 1

[
1 x5−1x 3+1 x 1 1 x 0−1 x0+1 x 1
D= 4 x 5−2 x3+5 x1 4 x0−2 x 0+5 x1
2 x5+0 x 3+1 x 1 2 x 0+0 x0+1 x1 ]
[ ]
3 1
D= 19 5
11 1

 Matriz Transpuesta

La matriz AT se denomina transpuesta de A si el elemento a i j de A, es igual al elemento a j i de AT.

Ejemplo:

2 5
A= 3 6
4 7[ ] A T=
[ 2 3 4
5 6 7 ]
90
Para las matrices transpuestas se cumple:

(AT)T = A
(A + B)T = AT + BT; A Y B con igual número de filas y columnas.
T T T
(AB) = B A
( λ A )T = λ AT
(λ 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 demás elementos son iguales a cero.

Ejemplo:

[ ]
1 0 0
I= 0 1 0
0 0 1

Matriz Identidad de orden 3 x 3

 Inversión 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 única 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 número máximo de filas (o columnas) linealmente

independientes.

Sea A = [a i j ] mxn una matriz m x n, el rango (A) ≤ mínimo (m, n).

Si rango (A) = min (m, n) se dice entonces que A es rango completo.

91
 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. Remultiplicandoesta matriz por A-1

se obtiene:
A-1( A | I ) = ( A-1A | A-1I ) = ( I |A-1 )

Por consiguiente aplicando una sucesión 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
5 −2 ][ ] [ ]
X1
X2
=
9
4

La solución 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 operación de transformación de filas, se obtiene las siguientes
iteraciones:

Para el sistema A x = b, le damos la forma (A | I | b)

A I b

[ 3 1
5 −2
|1 0 |9
0 1 4 ]
Iteración 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 0 0
⟨ | | ⟩
0 −11/3 −5/3 1 −11

92
 Iteración 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 2/11 1/11 2
⟨ | | ⟩
0 1 15/33 −3/11 3

Esto da X1 = 2 y X2 = 3, la inversa de A es:

A =
−1
[ 2 /11 1/11
15/33 −3/11 ]
Es útil conocer los siguientes hechos sobre inversión de matrices:

Si A = [a i j] es no singular, entonces AT = [a i j] también es no singular y (AT)-1 = (A-1)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 SIMULTÁNEAS

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
combinación de (A, b) es mayor que el rango de A, entonces b no se puede representar como una
combinación lineal de a1, a2,. . ., a n, y por lo tanto el sistema AX = b no tiene solución (y en
particular, el sistema AX = b, X ≥ 0 no tiene solución).

Si K es el número de ecuaciones y n el número de incógnitas, entonces: Los casos posibles que

pueden ocurrir son:

1. Rango (A, b) >Rango (A). Por lo tanto, AX = b no tiene solución.

2. Rango (A, b) = Rango (A) con k = n, entonces solo existe una solución para el sistema.
3. Rango (A, b) = Rango (A) con k < n, en consecuencia existe un número infinito de soluciones
al sistema AX =b

Ejemplos:

93
Caso 1:
X1 + X2 = 8
2X1 + X2 = 13
3X1 + 2X2 = 15

( )
1 1 8
2 1 | 13
3 2 15

Restando la tercera fila con la suma de las dos primeras se tiene:

( )
1 1 8
2 1 | 13
0 0 −6

La tercera fila de A es linealmente independiente de las dos primeras, por consiguiente:

Rango de (A) = 2
Rango de (A, b) = 3 y
AX = b no tiene solución

Caso 2:
X1 + X2 =8
2X1 + X2 = 13

( 1 1 8
|
2 1 13 )
Rediciendo filas se tiene:

( 1 0 |5
0 1 3 )
Por consiguiente X1 = 5 Y X2 = 3

94
 Caso 3:
X1 + X2 + X3 = 8
2X1 + X2 = 13

( 1 1 1 8
|
2 1 0 13 )

Reduciendo filas se tiene:

( 1 0 −1 5
|
0 1 2 3 )
Sea X3 equivalente a un valor arbitrario α, entonces: X1 = 5 + α y X2 = 3 - 2α.
Dado que α puede adquirir cualquier valor, se tiene que el número de soluciones es infinito.
Si se asume que el valor de una de las variables, de las ecuaciones simultáneas del caso 3, es
cero se tiene que las soluciones básicas se reducen a las siguientes:

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 número de soluciones básicas es:

n!
C nm=
m! ( n−m ) !

Del ejemplo anterior, m=2 y n=3 el número de soluciones es:

3!
C32 =
2 ! ( 3−2 ) !

95
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 α X 1 + ( 1-
α )X2 ε X, donde 0 ≤ α ≤ 1, a esta expresión se le denomina combinación 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 está incluido en X.
En la siguiente figura se muestra un ejemplo de conjunto convexo y de un conjunto no convexo.
Ejemplo:

CONJUNTO CONVEXO CONJUNTO NO CONVEXO

 Puntos Extremos
n
Sea un conjunto X en E , se dice que los puntos extremos son aquellos que no pueden ser
representados como una combinación convexa estricta de dos puntos distintos en X.
Ejemplo:

 Hiperplano

n
Es aquel que divide a E en dos regiones llamadas semiespacios y además es un conjunto
convexo.
 Conjunto Poliédrico

Es la intersección de un número finito de semiespacios.

96
2.1 MÉTODO GRÁFICO
Consiste en presentar la restricciones sobre los ejes de coordenadas, para delimitar la región
donde se encuentran las soluciones factibles (x  0).
Las soluciones óptimas se encontrarán en el perímetro del conjunto poliédrico formado por
planos.

2.1.1TIPOS DE SOLUCIONES

Región factible acotada

Solución única.
Único máximo y mínimo.

Región factible no acotada

Solución única.
No puede tener máximo.
Un sólo mínimo.

97
 Solución múltiple

Puntos del segmento AD.

Sea el siguiente problema

Max Z = 2X1 + 3X2

Sujeto a:
2X1 + X2 6................. (1)
X1 -X2  1................. (2)
X1, X2 0

Si por el momento se considera a estas desigualdades como igualdades, se obtienen puntos que
luego los llevaremos a una gráfica, que se muestra en la siguiente página.

2X1 + X2 = 6
X1 X2
0 6
Si X1 = 0 → X2 = 6
3 0
Si X2 = 0 → X1 = 3

98
 X1 -X2 = 1
X1 X2
Si X1 = 0 → X2 =-1 0 -1
Si X2= 0 → X1= 0 1 0

La orientación de los planos, se logra asumiendo que X 1= X2=0 para cada inecuación, el valor
óptimo de la función objetivo se obtiene reemplazando los valores aceptables de X1y X2. Los
números en paréntesis son las restricciones en la formulación.

La región factible, es el área delimitada por los planos (1) y (2).

2.2 MÉTODO SIMPLEX

Optimizar: Z = CX
Sujeto a:
AX = b
X≥0

CB: Coeficientes de las variables básicas

CN: Coeficientes de las variables no básicas

XB: Variables básicas

XN: Variables No básicas

B: Matriz básica

99
N: Matriz No básica

Entonces si reemplazamos, quedaría de la siguiente forma:

XB
Z = (C B C N )
( )
XN

Sujeto a:

XB
(B N )
( )
XN
=b

 Luego:

Z = CB XB + CN XN ………………1
Sujeto a:

BXB + NXN = b

A continuación multiplicamos por B-1 tanto en la parte derecha como en la parte izquierda de la
restricción:

B-1(BXB + NXN) = B-1b

Resolviendo el siguiente producto:or8

B-1BXB + B-1NXN = B-1b

XB = B-1b - B-1NXN…………………….. 2

Sabemos que: XN = 0

Reemplazamos 2 en 1

Z = CB (B-1b - B-1NXN) + CN XN

Z = CBB-1b – (CBB-1NXN - CN XN)

Z = CBB-1b – (CBB-1N - CN) XN ……….…3

Para un Xj ε XN se tiene:

Z= CBB-1b – (CBB-1N - CN) XN

100
 Zj−Cj
¿
Z=Z0-( n )Xj
∑ ¿
J =m+1

Sea XK εXN

Z=Z0 - (ZK-CK)XK

Caso 1: Maximización

ZK-CK=min Zj−Cj ); ∀ ( Zj−Cj)<0

¿

Por consiguiente XK es una variable de entrada a la base

Caso 2: Minimización

ZK-CK=max Zj−Cj ); ∀ ( Zj−Cj ) >0

¿

Variable que sale de la base (2)

XB = B-1b - B-1NXN

Para Xk:

XB = B-1b - B-1AKXK

XB = b́ - YKXK

XB1 = b́ 1 - Y1KXK

XB2 = b́ 2- Y2KXK

…………………

…………………

XBr = b́ r- YrKXK

……………….

……………….

XBm = b́ m- YmKXK

´
br
XK=Min ( ; Yrk >0 )
Yrk

101
 TABLERO SIMPLEX

De 3 :

Z = CBB-1b – (CBB-1N - CN) XN

1Z + 0 XB + (CBB-1N - CN) XN = CBB-1b………… 4

De 2 :
XB = B-1b - B-1NXN

0 Z + IXB + (B-1N)XN = B-1b ……….......................5

De 4 y 5 :

)( ) (
Z
( 1 0 C B B−1 N −C N
0 1 B−1 N
XB =
XN
C B B−1 b
B−1 b )

Z XB XN LD

Z 1 0 CBB-1N - CN CBB-1b

XB 0 B-1N B-1b
I

METODO DE SOLUCION PARA UN ALGORITMO SIMPLEX

Para resolver un problema Lineal se requiere partir de una solución básica factible (IX B = b). La
matriz identidad (I) se obtiene agregando variables artificiales a las restricciones, estas variables
formarán la primera base del sistema (XB) y por consiguiente se tendrá la primera solución básica.

VARIABLES DE HOLGURA

Es una variable positiva que representa la diferencia entre los dos lados de una restricción.

102
VARIABLES ARTIFICIALES

Después de introducir las variables de holgura y observar que no existe una submatriz identidad
para tener una solución básica 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 resolución 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.

Así 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 básicas, siendo X1 y X2 las variables no básicas.

Se construye la siguiente tabla:

Z X1 X2 X3 X4 LD
Z 1 -3 -10 0 0 0
X3 0 2 3 1 0 8
X4 0 8 3 0 1 20

b) Identificación de la variable de entrada a la base: Seleccionar la variable no básica que

mejore el valor de Z más rápidamente.

 Para la maximización se elige la de coeficiente más negativo (ZJ – CJ< 0)

 Para la minimización se elige la de coeficiente más positivo (ZJ – CJ> 0)
 En el caso de que no existan variables con coeficientes negativos en la
maximización y positivos en la minimización se habrá alcanzado la solución óptima.

En el ejemplo, la variable X 2 es la que tiene el coeficiente más negativo (-10), por lo tanto
se convertiría en la variable de entrada.
c) Identificación de la variable de salida de la base: Se denomina variable de salida a aquella
variable, cuyo valor se aproxime más rápidamente o cero a medida que el valor de la

103
 variable de entrada vaya creciendo, esto se hace mediante el siguiente procedimiento
algebraico.

X K =min
( br
Y rK
, Y rK > 0
)
En el ejemplo:
XK = mínimo (8/3 , 20/3) = 8/3
Este resultado indica que la variable de salida es X3 y este lugar es ocupado por la variable
X2.

Z X1 X2 X3 X4 LD
Z 1 -3 -10 0 0 0
X2 0 2 3 1 0 8
X4 0 8 3 0 1 20

d) Determinación de la nueva solución factible básica:

En la tabla, la columna encabezada por la variable de entrada, debe ser un vector unitario,
esto se logró mediante operaciones de filas.

En el ejemplo:

X2 Se ha de convertir X2
en
-10 0
3 1
3 0

La transformación se logró de la manera siguiente:

 Se divide la segunda fila entre 3

(0 2 3 1 0 8) x 1/3

 Al resultado de la segunda fila se le multiplica por 10 y se suma a la primera fila.

(0 2/3 1 1/3 0 8/3 ) x 10

+ (1 -3 -10 0 0 0)
1 11/3 0 10/3 0 80/3

 Al resultado de la segunda fila se multiplica por (-3) y se suma a la tercera fila

(0 2/3 1 1/3 0 8/3 ) x (-

104
 3)
+ (0 8 3 0 1 20 )
0 6 0 -1 1 12

Entonces la tabla resultante es como sigue:

Z X1 X2 X3 X4 LD
Z 1 11/3 0 10/3 0 80/3
X2 0 2/3 1 1/3 0 8/3
X4 0 6 0 -1 1 12

Como se puede apreciar en el tablero, no existen variables con coeficientes negativos esto indica
que se ha llegado a la solución óptima.

Si hubiese alguna variable con coeficiente negativo se continúa con el paso (b) hasta llegar a una
solución óptima.

Cuando existen desigualdades del sentido mayor o igual y también igualdades entonces se
prepara el programa, introduciendo variables de holgura y artificiales a fin de obtener una
submatriz identidad.

A continuación se presentan dos métodos para resolver problemas de las características

precedentes.

2.3 MÉTODO DE PENALIZACION

Para resolver un problema, los pasos que se siguen son:
 Obtención de la submatriz identidad.
 Le adicionan también las variables artificiales en la función objetivo. Con el coeficiente –M
para el caso de maximización y +M para el caso de minimización.
 Se procede a solucionar el problema.
Ejemplo:
Min Z = 3X1 + 8X2
Sujeto a:
X1 + X2 = 200
X1 800
X2 60
Adicionando las variables de holgura X4 y X5 y las variables artificiales X3 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 X1 X2 X3 X4 X5 X6 LD
105
 Z 1 -3 -8 -M 0 0 -M 0
X3 0 1 1 1 0 0 0 200
X4 0 1 0 0 1 0 0 80
X6 0 0 1 0 0 -1 1 60

2M-
Z 1 M-3 0 0 -M 0 260M
8
X3 0 1 1 1 0 0 0 200
X4 0 1 0 0 1 0 0 80
X6 0 0 1 0 0 -1 1 60

8-
Z 1 M-3 0 0 0 M-8 140M+480
2M
X3 0 1 0 1 0 1 -1 140
X4 0 1 0 0 1 0 0 80
X2 0 0 1 0 0 -1 1 60

8-
Z 1 0 0 0 3-M M-8 60M+720
2M
X3 0 0 0 1 -1 1 -1 60
X1 0 1 0 0 1 0 0 80
X2 0 0 1 0 0 -1 1 60

Z 1 0 0 8-M -5 0 -M 1200
X5 0 0 0 1 -1 1 -1 60
X1 0 1 0 0 1 0 0 80
X2 0 0 1 1 -1 0 0 120

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 X3 y X6.

Los resultados se muestran en el segundo tablero, de allí 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 minimización, se dice que se ha llegado a su solución óptima.

X1 = 80, X2 = 120, ZMIN = 1200

2.4 MÉTODO DE LAS DOS FASES

106
Para resolver un problema, los pasos que se siguen son:
 Obtención de la submatriz identidad.

 La primera fase consiste en minimizar la función objetivo compuesta de variables artificiales

has lograr que sean igual a cero.

 La segunda fase consiste en la optimización de la función objetivo original en base a la

solución obtenida en la fase uno.

Ejemplo:

Con el ejemplo utilizado en el Método de Penalización.

FASE I:Se tiene que la función objetivo para la primera fase es:

Min = X3 + X6

Y los tableros correspondientes son:

Z X1 X2 X3 X4 X5 X6 LD
Z 1 0 0 -1 0 0 -1 0
X3 0 1 1 1 0 0 0 200
X4 0 1 0 0 1 0 0 80
X6 0 0 1 0 0 -1 1 60

Z 1 1 2 0 0 -1 0 260
X3 0 1 1 1 0 0 0 200
X4 0 1 0 0 1 0 0 80
X6 0 0 1 0 0 -1 1 60

Z 1 1 0 0 0 1 -2 140
X3 0 1 0 1 0 1 -1 140
X4 0 1 0 0 1 0 0 80
X2 0 0 1 0 0 -1 1 60

Z 1 0 0 0 -1 1 -2 60
X3 0 0 0 1 -1 1 -1 60
X1 0 1 0 0 1 0 0 80
X2 0 0 1 0 0 -1 1 60

107
 Z 1 0 0 -1 0 0 -1 0
X5 0 0 0 1 -1 1 -1 60
X1 0 1 0 0 1 0 0 80
X2 0 0 1 1 -1 0 0 120

Como se observa en último tablero las variables artificiales tienen valor cero lo cual significa que el
problema tiene solución.

FASE II:Por consiguiente la segunda fase comprende de la función objetivo inicial y la información
de las variables básicas del último tablero de la primera fase donde, si se desea, se puede omitir
la información referente a las variables artificiales.

Z X1 X2 X3 X4 X5 X6 LD
Z 1 -3 -8 0 0 0
X5 0 0 0 -1 1 60
X1 0 1 0 1 0 80
X2 0 0 1 -1 0 120

Z 1 0 0 -5 0 1200
X5 0 0 0 -1 1 60
X1 0 1 0 1 0 80
X2 0 0 1 -1 0 120

Del tablero se observa que:

X1 = 80, X2 = 120, ZMIN = 1200

3.1 DUALIDAD: UN ENFOQUE CONCEPTUAL

108
Cuando se asocia un Problema Lineal (PL), con otro Problema Lineal se llama Dualidad. Conocer
esta relación existente es muy importante para el entendimiento de temas de programación lineal
y no lineal, así como las interpretaciones económicas y por supuesto las perspectivas del análisis
de sensibilidad.
Cuando hallamos el dual de un PL, nos referimos al PL dado como el primal; así, si el problema
dado es un problema de maximización, el dual será uno de minimización o viceversa.

 Forma canónica de dualidad

Supóngase que el programa lineal primal está dado en la forma:

P: Minimizar cx

Sujeto a:
Ax b
x0

Entonces el programa lineal dual está definido por:

D: Maximizar wb

Sujeto a:
wA c
w0

Nótese que existe exactamente una variable dual por cada restricción primal, y exactamente una
restricción dual por cada variable primal. Después se dirá más sobre esto.
Considérese el siguiente programa lineal y su dual:
P: Minimizar 6x1 + 8x2

Sujeto a:
3x1 + x2 4
5x1 + 2x2 7
x1 , x2  0

Su dual será:

D: Maximizar 4w1 + 7w2

109
Sujeto a:
3w1 + 5w2 6
w1 + 2w2 8
w1, w2 0

En teoría para aplicar la definición canónica de dualidad primero se debe convertir el programa
lineal primal al formato anterior. Sin embargo, en la práctica es posible escribir inmediatamente el
dual de cualquier programa lineal.

 Forma estándar de dualidad

.
Otra definición equivalente se aplica cuando las restricciones son igualdades. Supóngase que el
programa lineal primal está dado en la forma:
P: Minimizar Cx

Sujeto a:
Ax = b
x=0

Entonces el programa lineal dual está definido por:

D: Maximizar Wb

Sujeto a:
wA= c
w no restringida

Considérese 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

110
Sujeto a:
3w1 + 5w2= 6
w1 + 2w2= 8
-w1 =0
-w2= 0
w1, w2 no restringidas

Observación 1: “El dual del dual es el primal”

Este lema indica que las definiciones se pueden aplicar al revés. Los términos “primal “y “dual” son
relativos al marco de referencia que se seleccione.

 Formas mixtas de dualidad

En la práctica, 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” ó “no restringida”. En teoría, esto no presenta problema alguno porque se pueden
aplicar las técnicas de transformación 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, x2nrs

PASO 2 : Max z = 2x1 + x’2 - x’’2

Sujeto a :
x1 + x’2 - x’’2≥ 2=>-x1 - x’2 + x’’2≤ -2
2x1 – x’2 + x’’2≥ 3=>- 2x1 + x’2 - x’’2≤ -3
x1 – x’2 + x’’2≤ 1 =>x1 – x’2 + x’’2≤ 1
x1 – x’2 + x’’2≥ 1=> -x1 + x’2 - x’’2≤ -1

111
 x1, x’2, x’’2≥ 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
minimización dan origen a variables “=0” en el problema de maximización dan origen a variables
“no restringidas”.

Tabla: Relaciones entre problemas primario y dual.

MINIMIZACION MAXIMIZACION
DE PROBLEMA DE PROBLEMA
Variable
=0 = Variables
s
=0 =
No restringido =

=0
Restric_ = Restriccion
=0
ciones = es
No restringido
=

Considérese el siguiente programa lineal:

Maximizar 8x1 + 3x2

Sujeto a:
x1 - 6x2= 2
5x1 + 7x2 = -4
x1, x2 = 0

112
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

Considérese la forma canónica de dualidad y seanxo y wo soluciones factibles de los programas

primal y dual respectivamente. EntoncesAxo= 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:

Cxo=woAxo=wob

El resultado es el siguiente.

Observación 2:

El valor de la función objetivo, para cualquier solución factible del problema de minimización, es
siempre mayor o igual que el valor de la función objetivo para cualquier solución factible del
problema de maximización. En particular, el valor objetivo de cualquier solución factible del
problema de minimización da una cota superior del objetivo óptimo del problema de maximización,
Análogamente, el valor objetivo de cualquier solución factible de problema de maximización es
una cota inferior del objetivo óptimo del problema de minimización.

Corolario 1

Si xoywoson soluciones factibles de los problemas primal y dual y son tales que cxo = wob,
entonces xoywo son soluciones óptimas de sus respectivos problemas.

Corolario 2

113
Si uno de los dos problemas tiene un valor objetivo no acotado, entonces el otro problema no
tiene ninguna solución factible.
El corolario indica que el no acotamiento en uno de los problemas implica no factibilidad en el otro
problema. ¿Es simétrica 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.

Considérese 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
-w1 + w2= -1
w1 , w2no restringidas

Graficando ambos se observa que ninguno tiene solución 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
condición necesaria y suficiente para que x* sea un punto óptimo del programa lineal Minimizar cx
sujeta a Ax= b, x = 0, es que exista un vector w* tal que:
114
1. Ax* = b, x* = 0
2. w*A = c, w* = 0
3. w*(Ax* - b) = 0
(c - w*A)x* = 0

La condición 1 anterior simplemente requiere que el punto óptimo x* debe ser factible para el
problema primario. La condición 2 esta condición indica que el vector w* debe ser un punto
factible para el problema dual. De la condición 3 anterior, se sigue que cx*=w*b. Por lo tanto, w*
debe ser una solución óptima del problema dual. Las condiciones de optimalidad de Kuhn - Tucker
para el problema dual implican la existencia de una solución factible primal cuyo objetivo es igual
al del dual óptimo. La razón nos conduce al siguiente lema.

Observación 3:
Si uno de los problemas tiene una solución óptima, entonces ambos problemas tienen soluciones
óptimas y los dos valores objetivos óptimos son iguales.
En lugar de resolver directamente para el óptimo x*, sería razonable buscar entre los valores de w
que satisfacen la condición 2 anterior. Sabiendo que (condición 2) cualquier w o factible satisface
wob= cx* y que el w* óptimo satisface w*b=cx*, surge de manera natural la maximización de la
forma lineal wb sobre todos los valores factibles de w que satisfacen la condición 2.

 El teorema fundamental de dualidad

Teorema 1 (Teorema fundamental de dualidad)
Con respecto de a los problemas de programación lineal primario y dual, exactamente una de las
siguientes proposiciones es cierta.

1. Ambos problemas tienen soluciones óptimas 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 simétrica. Lo más que se puede

decir es que (aquí, óptimo significa óptimo finito, y no acotado significa tener objetivo óptimo no
acotado).

Podemos decir:

P óptimo  D óptimo
P no acotado  D no factible
D no acotado  P no factible
115
P no factible  D no acotado o no factible
D no factible  P no acotado o no factible

3.3 HOLGURA COMPLEMENTARIA

Sean x* y w* cualquier par de soluciones óptimas de los problemas primal y dual,
respectivamente, en forma canónica. Entonces:
cx* = w* Ax* = w*b

Pero cx* = w*b (¿porqué?). 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 igualmanera (c- w*A)x*= 0implica que (cj - w*a)x*j =0
para j =1,....,n. Por lo tanto se tiene el siguiente teorema.

Teorema 2 (teorema débil de holgura complementaria)

Si x* y w* son puntos óptimos cualesquiera de los problemas primario y dual en la forma canónica,
entonces
(cj - w*a)x*j = 0 j=1,…,n
i
w*i (a x*-bi) = 0
j 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

El teorema débil de holgura complementaria también se puede enunciar como sigue: en caso de
optimalidad, "si una variable en uno de los problemas es positiva, entonces la restricción
correspondiente en el otro problema es sin holgura", y "si una restricción 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 análisis, en la forma de los teoremas de esta
sección, para utilizar el problema dual en la solución del problema primal.
Considere los siguientes problemas primal y dual:
P: Minimizar: 2x1 + 5x2 + 3x3
Sujeto a:
116
 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 gráficamente como se muestra en
la figura. La solución optima del dual es w 1* =4/5, w2* = 3/5 con objetivo 5. De inmediato se sabe
que z* = 5. Utilizando el teorema débil de holgura complementaria, se sabe además que x* =0,
pues ninguna de las correspondientes restricciones duales complementarias son sin holgura.

 Solucióngrafica del problema dual.

Interpretación económica del Dual

Hablaremos de esta interpretación a partir de un problema primal como sigue:

Variabl
Interpretación Significado económica del
e
problema primal
Nivel de actividad j ( j = 1, 2,…n)
xj
Utilidad unitaria de la actividad j
cj
Utilidad total
z
Cantidad de recurso i disponible
bi
por cada unidad de actividad j 117
aij
En el problema dual las variables se interpretan como: y es la contribución en la utilidad, por
unidad de recurso i (i=1,2,...,m), al usar un conjunto determinado de variables básicas para
obtener la solución primal; es decir, y* (la solución 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 Se interpreta como la contribución en la actualidad de la mezcla de recursos que

∑ aij y i serian consumidos si una unidad de actividad j fuese usada (j=1,2,...,n).
i=1

m establece que la contribución en la utilidad de la mezcla de recursos debe ser por lo

∑ aij y i ≥c imenos tanto como si fuese usados por una unidad de actividad j, de otra manera no
i=1

se estaría haciendo el mejor uso posible de estos recursos.

La contribución en la utilidad del recurso i(i=1,2,...,n) debe ser no negativa, de lo

y ≥0 i
contrario sería mejor no usar el recurso.

m
∑ bi y
Minimizar y = i =1
I
es la minimización de valor total implícita de los recursos consumidos por
las actividades.

Ambos problemas de programación lineal, en notación matricial son:

Primal
Maximizar z = cx
Sujeto a Ax= b
x=0
Dual
Minimizar yo = yb
SujetoaAy= c

118
 y= 0

3.4 EL MÉTODO DUAL SIMPLEX

En esta sección se describirá el método dual simplex, el cual resuelve el problema dual
directamente sobre el tablero simplex (primal). En cada iteración el método se mueve de una
solución básica factible del problema dual a una solución básica factible mejorada, hasta alcanzar
la optimalidad del dual (y también del primal), o bien hasta concluir que el dual es no acotado y
que el primal es no factible.

 Resumen del método dual simplex (problema de minimización)

PASO INICIAL:

Encuéntrese una base B del primal tal que zj - cj = cBB-1aj - cj= 0 para todo j.

PASO PRINCIPAL:

1. Si b̄ = B-1 b  0, el proceso termina; la solución presente es óptima. En caso

contrario, selecciónese el renglón pivote r con b̄ r< 0, digamos b̄ r = Mínimo { b̄ 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, selecciónese la columna pivote k mediante la siguiente prueba de la
razón mínima:

− z −c
k

y rk
k
=Minimo
{ z −c : y
j

y rj
j
rj < 0
}
3. Pivotéese en y rk y regrese al paso 1.

Considérese el siguiente problema:

Minimizar 2x1 + 3x2 + 4x3

Sujeto a:
x1 + 2x2 + x3 3
2x1 - x2 + 3x3 4
x1, x2, x3 0

119
Una solución básica 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 negativo. Aplicando el
método dual simplex, se obtiene la siguiente serie de tableros.

Z x1 x2 x3 x4 x5 LD
Z 1 -2 -3 -4 0 0 0
x4 0 -1 -2 -1 1 0 -3
x5 0 -2 1 -3 0 1 -4

z x1 x2 x3 x4 x5 LD
Z 1 0 -4 -1 0 -1 4
x4 0 0 -5/2 1/2 1 -1/2 -1
x1 0 1 -1/2 3/2 0 -1/2 2

z x1 x2 x3 x4 x5 LD
Z 1 0 0 -9/5 -8/5 -1/5 28/5
x2 0 0 1 -1/5 -2/5 1/5 2/5
x1 0 1 0 7/5 -1/5 -2/5 11/5

Puesto que b̄  0 y zj - cj= 0 para todo j, se tienen a la mano las soluciones óptimas 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)

Nótese 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 x4 y x5. También nótese que en cada tablero
sucesivo el valor de la función objetivo es creciente, como debe ser, para el problema (de
maximización) dual.

3.5 EL MÉTODO PRIMAL – DUAL

Recuérdese que en el método dual simplex se empieza con una solución básica (no
necesariamente factible) para el problema primal y una solución básica factible complementaria
para el problema dual. El método dual simplex procede, mediante pivoteos, a través de una serie
de soluciones básicas factibles duales hasta que la solución básica primal complementaria
asociada es factible, satisfaciendo así todas las condiciones para optimalidad de Kuhn - Tucker.

120
En esta sección se describirá un método, llamado el algoritmo primal - dual similar al método 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
método dual simplex y el método primal - dual es que este último no requiere que una solución
factible dual sea básica. Dada una solución 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 método simplex, se trata de alcanzar la
factibilidad primal, se cambia la solución factible dual en tal forma que se admita al menos una
nueva variable en el problema de la fase I. Esto se continúa hasta que, o bien la solución primal se
hace factible, o bien, la solución dual se hace no acotada.

 Resumen del algoritmo primal - dual (problema de minimización)

PASO INICIAL:

Selecciónese 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 +1 x
j o
jÎQ

Sujeta a ∑
jÎQ
a x + x =b
j j a

xj 0 para j  Q
xa 0

Denótese el objetivo óptimo por xo, si xo = 0, deténgase; se ha obtenido una solución optima. En
caso contrario, denótese por v* la solución dual óptima del problema primal restringido anterior.
Si v*aj= 0 para todo j, entonces deténgase: el dual es no acotado y el primal es no factible. En
caso contrario, defínase

q= Minimo
{−( w a −c
v∗ a
j

j
j)
a
: v∗ j >0
}
>0

y reemplácese w por w + v*. Repítase el paso 1.

Considérese el siguiente problema:

121
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

Una solución factible dual inicial está dada por w = (w1 , w2 ) = (0,0). Sustituyendo w en cada
restricción dual, se encuentra que las dos últimas 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:
- x 6 + x8 = 6
-x7 + x9 = 3
x6, x7, x8, x9 0

Es claro que la solución óptima primal restringido es (x6, x7, x8, x9 ) = (0,0,6,3) y el objeto óptimo es
xo = 9. El dual de este problema primal restringido es el siguiente:

Maximizar 6v1 + 3v2

Sujeto a:
-v1= 0
-v2 = 0
122
 v1= 1
v2= 1
v1, v2 no restringida

Utilizando holgura complementaria, se ve que, puesto que x 8 y x9 son básicas, las dos últimas restricciones
duales deben ser holgura y v* = (v* 1 , v*2) = (1,1). Calculando v*aj para cada columna j, se obtiene v*a 1 = 3,
v*a2 = 0, v*a3 = 0, v*a4 = 7, y v*a5 = -3. Por lo tanto,  se determina como sigue:

q=Minimo − −
{ ( ) ( ) ( )}
3
3
6 7
,− − ,− − =1
3 7
y w1 = (0,0) +1(1,1) = (1,1).

Con la nueva solución 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 solución al problema restringido está dada por:

(x1, x4 , x8 , x9 ) = (3 , 0, 0 , 0)

ConXo =0. Así pues, se tiene una solución óptima del problema original con soluciones óptimas 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)

3.6 PROBLEMAS RESUELTOS

1. Una fábrica pequeña de juguetes produce 2 tipos de pelotas. Los recursos disponibles
mensualmente son 200 pies2 de cuero y 18 horas máquina. Los requerimientos de recursos por
cada unidad de los dos tipos de pelotas, así como la ganancia unitaria se muestran en el
siguiente cuadro:

HORAS MAQUINA CUERO GANANCIA

PELOTATIPO
(por tipo) (pie2/tipo) (S/./unid.)
1 0.3 2 200
2 0.2 1 150
Disponibilidad 18 200

123
Plantear el problema primal y discutir el significado económico del programa dual.

Solución:
Xi = número de pelotas de tipo i (i = 1,2)
Entonces el programa primal es:
max Z = 200X1 + 150X2
Sujeto a:
H-Máquina 0.3X1 + 0.2X2< 18 (1)
Cuero 2X1 + X2< 200 (2)
X1, X2> 0

La solución del problema es:

Z = 13500; X1 = 0; X2 = 90

Reemplazando los valores de X1 y X2 en las restricciones se tiene:

Precio Dual
H-Máquina 0.3 (0) + 0.2 (90) < 18 Y1
Cuero 2 (0) + 1 (90) < 200 Y2

Observe que se ha utilizado todas las horas máquina (restricción limitante) y que hay un
excedente de 110 pies2 de cuero (restricción 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 máquina (recurso limitante) del programa
primal, se tiene:

Max Z = 200X1 + 150X2

124
Sujeto a:
0.3X1 + 0.2X2< 20
2X1 + X2< 200

La solución del problema es:

Z = 15000; X1 = 0; X2 = 100

Con la solución de los dos problemas, se puede determinar la variación de Z por unidad de
recurso:

Δ Z 15000−13500
= =750=Y 1
Δ b 20−18
Este valor representa el precio dual del primer recurso, es decir que Z aumentará en 750 unidades
si las horas máquina 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

La solución del problema es:

Z = 13500; X1 = 0; X2 = 90
La variación de Z por unidad del recurso es:

Δ Z 13500-13500
= =0=Y 2
Δ b 202−200
Como se sabe el recurso cuero esta en exceso y por consiguiente incrementar este recurso no
aporta en nada a la función objetivo.
La formulación estándar y el último tablero del primal es como sigue:

Max Z = 200X1 + 150X2 + 0X3 + 0X4

Sujeto a:
0.3X1 + 0.2X2+ X3 = 18

2X1 + X2+ X4 = 200

Z X1 X2 X3 X4 LD
Z 1 25 0 75 0 1350

125
 X2 0 1.5 1 0.5 0 9
X4 0 25 0 75 1 191

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 XN1 XH LD
Z 1 0 CBB-1N1 – CN1 CBB-1I – 0 CBB-1b
XB 0 I B-1N1 B-1 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 XH en la función objetivo son iguales a 0 y CBB-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

Nutrient Ingredientes Requerimiento

1 2 3
e s u./comida.
A 4 3 2 20
B 5 6 3 30
C 1 2 1 10
D 2 1 2 5
E 2 3 1 10
Costo 200 300 250
$/g

El problema a resolver consiste en definir la combinación de ingredientes que permite obtener, al

mínimo costo, el alimento con el contenido nutricional deseado. La solución puede obtenerse
resolviendo el siguiente modelo, en el cual las variables Xi indican la cantidad (g.) del ingrediente i
a utilizar.

126
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 solución óptima de este modelo, consideremos una situación hipotética que
puede presentársele a la dietista. Un laboratorio farmacéutico 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 máxima utilidad en la venta de las pastillas. Por ello, al evaluar la cotización del
laboratorio, en comparación con el costo de preparar la comida, la dietista necesita conocer el
máximo precio que puede pagar por una pastilla que contenga una unidad de cada nutriente.

La dietista también sabe que los precios que puede pagar tienen limitaciones provenientes de los
costos y contenido vitamínico de los ingredientes, así por ejemplo:

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 máximo 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 máximo 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 máximos que se
pueden pagar por la pastilla con una unidad de cada uno de los nutrientes, y efectuamos un
análisis para todos los ingredientes, obtenemos el siguiente modelo de programación lineal.

Maximizar Ventas ZD = 20YA + 30YB + 10YC + 5YD + 10YE

Sujeto a:

4YA + 5YB + 1YC + 2YD + 2YE ≤ 200 ingrediente 1

3YA + 6YB + 2YC + 1YD + 3YE ≤ 300 ingrediente 2
127
2YA + 3YB + 1YC + 2YD + 1YE ≤ 250 ingrediente 3

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 tecnológicos de uno es la transpuesta de la matriz de coeficientes
tecnológicos del otro.
4. Ambos problemas están en formato canónico, o sea que tienen las siguientes características

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 ≤.
4.3 Las variables de ambos problemas solo pueden tomar valores mayores o iguales que
cero.

Pero las relaciones de forma no son las más importantes para nuestro estudio de la dualidad en
Programación lineal, como si lo son las relaciones lógicas existentes entre sus soluciones óptimas
y el significado económico de las variables del modelo dual.

Resolviendo ambos modelos obtenemos, para el PRIMAL:

128
 X1* = 2; X2* = 4; EB* = 4; ED* = 3; EE* = 6; Z = $1600
Interpretando los valores de las variables de decisión, ha encontrado que mezclando 2 gramos
del ingrediente 1 y cuatro gramos del ingrediente 2 obtendría el menor costo posible que es de
$1600. De la misma manera interpretando las variables de holgura, también 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
tendrá 4 unidades por encima de las 30 requeridas ( pues EB = 4), del nutriente D tendrá 3
unidades más que las 5 requeridas ( pues ED = 3) y del nutriente E tendrá 6 unidades adicionales

129
a las 10 requeridas ( pues EE = 6). Dicho más exactamente, la mezcla (comida) que se prepare
con los gramos de cada ingrediente prescritos por esta solución óptima, tendrá la siguiente
composición:

cantidad cantidad
Nutriente exceso
contenida requerida
A 20 20 0
B 34 30 4
C 10 10 0
D 8 5 3
E 16 10 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 cambiaría ya que las
unidades de esos nutrientes con que efectivamente queda la comida, son superiores a las
exigencias, así estas suban en una unidad.

Solución aumentando en uno las exigencias del nutriente B

130
Solución aumentando en uno las exigencias del nutriente D

131
En cambio si, por ejemplo, nos piden que la comida debe contener una unidad mas del nutriente
A,( la exigencia será de 21 unidades y no de 20) la solución actual ( X1=2 y X2= 4,), no cumpliría
esta nueva condición y por ello no sería más la solución óptima. Será 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 elevará el costo de la comida.

Escribamos el modelo modificado al incluir esta nueva exigencia para el contenido del nutriente A
y resolvámoslo.

Minimizar Costo: Utilidad= 200X1+ 300X2+ 250X3

Sujeto a: 4X1 + 3X2 + 2X3≥ 21 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.

Solución aumentando en uno las exigencias del nutriente A

132
133
 X1 = 2.4 X2 = 3.8 EB = 4.8 ED = 3.6 EE = 6.2 costo $ 1 620

En el Dual:

134
 YA = 20; YC = 120; H3* = 90; ZD = $1 600

La conclusión de la dietista será entonces mezclar dos gramos del ingrediente 1 y cuatro gramos
del ingrediente 2, para obtener la comida a un costo mínimo de $1600. Pero también puede
adquirir las pastillas de una unidad de los nutrientes, pagando un máximo 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 más favorable para la dietista comprar las unidades, ya
que obtiene una disminución de los costos en comparación con el costo de preparar la comida.

Acá se ha planteado esta situación hipotética del dual, no con el ánimo de llevarla a cabo sino
como medio para determinar el costo implícito de las unidades asociadas a cada restricción del
modelo primal.

Hablamos de las unidades de vitamina A y B cuyos precios sombra o costos implícitos 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
implícito (precio sombra) de un recurso, dependiendo del contexto lógico del problema primal al
que se refiera.

135
136
El análisis de sensibilidad es el estudio de la forma en que afectan a la solución óptima los
cambios en los coeficientes de un programa lineal. Usando análisis de sensibilidad puede
responderse a las preguntas siguientes:

 ¿Cómo afectara a la solución óptima un cambio en un coeficiente de la función

objetivo?
 ¿Cómo afectará a la solución óptima un cambio en el valor del segundo miembro de
una restricción?

Como el análisis de sensibilidad se ocupa de la forma en que los cambios anteriores afectan a la
solución óptima del análisis no comienza sino hasta que se obtiene tal solución al problema de
programación lineal, porque eso se le llama también análisis de post-optimalidad.

El análisis de sensibilidad que se realiza sobre la solución óptima ofrece información

complementaria que es valiosa para quien toma las decisiones.
La principal importancia del análisis para quienes toman decisiones es que los problemas reales
ocurren en un medio ambiente dinámico, es decir cuando ocurre alguna de las situaciones
siguientes:

1. Los precios de las materias primas varían.

2. L a demanda fluctúa.
3. Las compañías adquieren maquinas nuevas para reemplazar las antiguas.
4. Los mercados globales de mano de obra ocasionan cambios en los costos de
producción.
5. Rotación de los empleos.

Los gerentes y ejecutivos desean determinar la forma en que estos cambios afectan a la solución
óptima del problema primitivo de programación lineal.

EJEMPLO
Una compañía textil, incursiona en el mercado de bolsas de tela por despacho de mercaderías y
fabrica dos clases de bolsas: el modelo estándar por tiendas y bodegas y el de lujo para
supermercados y grandes almacenes. El proceso de fabricación es corte y teñido, costura,
terminado e inspección y embalaje, cuya programación lineal es la siguiente:

MAX Z=10 X 1 +9 X 2

Sujeto a:

137
 7 X 1 +10 X 2 ≤6300 → Corte y Teñido
6 X 1 +10 X 2 ≤7200 → Costura
3 X 1 +2 X 2 ≤ 2124 → Terminado
4 X 1+ 10 X 2 ≤ 5400 → Inspección y Emb.
X1 , X2≥ 0

La solución óptima X1= 540 bolsas estándar, X2 = 252 bolsas de lujo y Z = 7688, donde X 1 da $10
de utilidades y X2 da $9.0.

Supongamos que posteriormente debido a una reducción en el precio, la contribución a las

utilidades de las bolsas estándar se reduce a $7.0, puede utilizarse el análisis de sensibilidad para
determinar si el programa de producción de 540 bolsas estándar y 252 bolsas de lujo sigue siendo
la mejor solución, si lo es, no habrá necesidad de resolver un programa lineal modificado que
tenga 7X1 + 9X2 como función objetivo

4.1 ANÁLISIS GRÁFICO DE SENSIBILIDAD

En este caso se utilizara métodos gráficos de solución para problemas de programación lineal con
dos variables de decisión para realizar análisis de sensibilidad sobre los coeficientes de la función
objetivo y sobre los valores en el segundo miembro o lado derecho de las restricciones.

 COEFICIENTES DE LA FUNCIÓN OBJETIVO

En el ejemplo anterior la solución óptima indica la fabricación de 540 bolsas estándares y 252
bolsas de lujo. El intervalo de optimidad para cada coeficiente de la función objetivo muestra la
gama de valores sobre las cuales la solución del momento sigue siendo óptima. En la grafica
siguiente muestra la solución grafica del problema, una observación cuidadosa en la grafica indica
mientras el pendiente de la función 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 será óptimo.
Girar la recta de la función objetivo en sentido contrario al del reloj ocasiona que la pendiente se
vuelva menos negativa, permitiendo el aumento de la pendiente, llegando los óptimos alternos de
los puntos extremos 3 y 2
Del análisis debe resultar evidente que el punto extremo 3 será la solución óptima y cuando:

138
 ( Pndte de la recta A ) ≤ (Pndte de la recta F .O) ≤ ( Pndte de la recta)

En la figura se observa que la ecuación de la recta A (la recta de restricción de corte y teñido) es la
siguiente:
7 X 1 +10 X 2 <6300

Despejando X 2 se obtiene en su forma de pendiente y ordenada en el origen:

−7
X 2= X +630
10 1

La ecuación de la recta B:

3 X 1 +2 X 2< 2124

Despejando X 2 y poniendo en pendiente e intersección para la recta B:

3
X 2=− X +1062
2 1

Para que el extremo 3 siga siendo óptimo, se debe cumplir que:

Ecuación (a)

139
Considere la ecuación de la función objetivo como: Z =C1 X 1 +C2 X 2

Despejando X2 :

C1 Z
X 2= X +
C2 1 C2

De ello se desprende que la pendiente, de la función objetivo es – C1/C2 luego sustituyendo en la

ecuación (a) se observa que el punto extremo 3 seguirá siendo óptimo siempre y cuando se
satisfaga la expresión siguiente:

−3 C 7
≤− 1 ≤− Para calcular el intervalo de optimidad para la contribución a las utilidades por
2 C2 10
las bolsas estándares, se mantiene fija la contribución a las utilidades por las bolsas de lujo, en su
valor inicial C2 = 9, luego:
−3 C 7
≤− 1 ≤−
2 9 10

Combinando los límites para C1 se obtiene el intervalo de optimidad para la contribución a las
utilidades de la bolsa estándar.

6.3 ≤C 1 ≤ 13.5

Esto significa que si no se cambia los demás coeficientes, la contribución a las utilidades de la
bolsa estándar puede encontrarse en cualquier punto entre $6.30 y $13.5 y las cantidades de 540
bolsas estándar y 252 bolsas de lujo seguirán siendo optimas.

Similarmente, manteniendo constante C1 =10 , se puede verificar que

6.67 ≤C 2 ≤ 14.29

4.2 CAMBIOS EN LOS COEFICIENTES DE LA FUNCIÓN OBJETIVO

Aquí se calcula la variación de los coeficientes de las variables de decisión de las variables de la
función objetivo manteniendo la misma base.
140
Sean los siguientes coeficientes de las variables de decisión:

C=C B 1 , C B 2 , … ., C BR , … ,C BM ; Cm +1 ,C m+2 , … , Cn

C B=C B 1 , C B 2 , … . , CBR , … , C BM (Coeficientes de variables básicas)

C N =Cm +1 ,C m+2 , … , Cn (Coeficientes de Variables no básicas)

4.2.1 CAMBIO DEL COEFICIENTE CBr Î CB

Si se altera el coeficiente CBr en una cantidad CBr, el nuevo coeficiente es:

C´Br = CBr + CBr, y por consiguiente:

CB = CB1,…, CBr + CBr,…, CBm

Caso I: Maximización

En la K-ésima columna (K = m+1, m+2,... n), se tiene:

Z’K – CK ≥ 0
C’BB-1aK – CK ≥ 0

[]
Y1k
Y2k
.
(C B 1 , C B 2 ,. . ., C Br + ΔC Br ,. . ., C Bm ) . − Ck ≥ 0
Y rk
.
.
Y mk

Operando resulta:
Z K −C K +∆ C Br Y rK ≥0 ; K = m+1, m+2,…, n(1)

Caso II: Minimización

141
De manera análoga se obtiene:
Z K −C K +∆ C Br Y rK ≤0 ; K = m+1, m+2,…, n(2)

EJEMPLO

Se desea optimizar la producción de mesas y sillas de una fábrica industrial, para lo cual se
dispone del número de horas máquina en cada una de las secciones siguientes:

MAQ. MESAS SILLAS HORAS - MAQUINA

A 2 2 20
B 4 2 28
UTILIDAD 10 8

El programa lineal es:

MAX Z=10 X 1 +8 X 2

Sujeto a:
2 X 1+ 2 X 2 ≤ 20
4 X 1+ 2 X 2 ≤ 28

Sea el último tablero de la función objetivo:

Z X1 X2 X3 X4 LD
Z 1 0 0 3 1 88
X2 0 0 1 1 -1/2 6
X1 0 1 0 -1/2 1/2 4

Variación de C1 : Primer coeficiente de la función objetivo de:

Z K −C K +∆ C Br Y rK ≥0 ; k = 3, 4; r=2

 Para k = 3

Z 3−C3 +∆ C 1 Y 23 ≥ 0;

142
 −1
3+( )∆ C1 ≥ 0;
2

Entonces: C1  6

 Para k = 4
1
1+( ) ∆ C 1 ≥ 0 ;
2
Entonces: C1 ³ -2

Por tanto: -2 ¿  C1 ¿ 6

Variación de C2 : Segundo coeficiente de la función objetivo de:

Z K −C K +∆ C Br Y rK ≥0 ; k = 3, 4; r=1

 Para k = 3
Z 3−C3 +∆ C 1 Y 13 ≥0 ;

143
 3+( 1)∆ C 2 ≥ 0 ;

Entonces: C2 ³ -3

 Para k = 4
−1
1+( ) ∆ C2 ≥0 ;
2
Entonces: C2 ¿ -2

Por tanto: -3 ¿  C2 ¿ 2

Por otra parte la Z j−C Bj , perteneciente a la variable básica Xj es igual a cero y permanece

con el mismo valor para el coeficiente C ' Bj =C Bj + ∆ C Bj puesto que:

−1
Z ' j=C ' B B a j
−1
Y j =B a j
Y j =e j
Z ' j−C ' Bj=C ' Bej −C ' Bj = C’Bj - C’Bj

Z’j - C’Bj = 0

4.2.2 CAMBIO DEL COEFICIENTE Cr CN

144
Si se altera el coeficiente Cr en una cantidad Cr el nuevo coeficiente es:

C’r = Cr + Cr

Caso I: Maximización
En el último tablero (en la posición r, r = m+1, m+2,..., n) se tiene:

Zr - C’r 0

Zr -(Cr + Cr)  0

Cr Zr – Cr

 En el caso del coeficiente X 3 →r =3

( Z3 −C3 ) −∆ C 3 ≥ 0

3−∆ C3 ≥ 0

Por tanto: −∞ ≤ ∆ C 3 ≤ 3

 En el caso del coeficiente X 4 → r=4

( Z 4−C 4 ) −∆ C 4 ≥0

1−∆C 4 ≥ 0

Por tanto: −∞≤ ∆ C 4 ≤1

145
Caso II: Minimización
Zr -C’r  0

Cr Zr – Cr

4.3 CAMBIOS EN LA DISPONIBILIDAD DE RECURSOS

Aquí se calcula la variación de cada uno de los recursos, manteniendo la misma base.
Se sabe que:

[] []
b1 b1
b2 b2
. .
br br
. .
-1 bm -1 bm
XB = B b y que: b = ,B b=

Si se altera el recurso br en una cantidad br se tiene que: b’r = br + br

y deberá ocurrir que:

b1

[]
b2
.
r+¿ Db r
b¿.
bm
b’ =

[ ]
v 11 ..... v 1r ..... v 1n
v 21 ..... v 2r ..... v 2n
..... ..... ..... ..... .....
..... ..... ..... ..... .....
..... ..... ..... ..... .....
i se asume que B-1 v m1 ..... v mr ..... v mn
=

Para que se mantenga la misma base se debe cumplir con lo siguiente:

-1
B b’ 0 (siempre, en min. y máx.).

146
En forma matricial:

b1

[ ][ ]
v 11 ..... v 1r ..... v 1n
v 21 ..... v 2r ..... v 2n b2
..... ..... ..... ..... ..... .
..... ..... ..... ..... ..... r+¿ Db r
..... ..... ..... ..... ..... b¿.
v m1 ..... v mr ..... v mn bm
0

1r∗¿Δb r ≥0
2r∗¿Δb r ≥0
b 1+v¿b 2 +v¿.....................
rr∗¿ Δb r≥0
br+v¿.....................
b m +v mr∗¿ Δbr≥0
B-1b’ = ¿

En el problema anterior:
20
28
¿
righ
¿
¿
¿
b 1
b 2
¿
righ
¿
¿
¿
( ¿ ) ¿
b =¿ ¿
¿

 Si variamos el primer recurso b1:

20+1 ∆ b1 ≥ 0⇒ ∆ b1 ≥−20

28+ ( 12 ) ∆ b ≥ 0 ⇒ ∆ b ≤ 56
1 1

Entonces: −20 ≤ ∆ b 1 ≤ 56

147
  Si variamos el segundo recurso b2:

20+ ( −12 ) ∆ b ≥ 0 ⇒∆ b ≤ 40
2 2

1
28+( )∆ b 2 ≥ 0 ⇒ ∆ b 2 ≥ 56 .
2

Entonces: 40 ≤ ∆ b2 ≤56

4.4 PRECIO DUAL

Llamado también imagen o sombra, solo las restricciones que tienen holgura o exceso cero
tendrán un precio dual diferente de cero.

Indica la tasa de variación del valor óptimo de la función objetiva cuando cambia el segundo
miembro de una restricción dentro de cierto rango de sensibilidad, y según el siguiente esquema:

148
Restricció Variación en el Consecuencia en
n recurso b función Objetivo
Si el recurso b la F.O. mejora en
aumenta una  una tasa igual al
<b unidad precio dual
Si el recurso b  la F.O. empeora en
disminuye en una tasa igual al
una unidad precio dual

Si el recurso b  la F.O. empeora en

aumenta en una una tasa igual al
>b unidad precio dual
si el recurso b  la F.O. mejora en
disminuye en una tasa igual al
una unidad precio dual

si el recurso b  la F.O. mejora en

aumenta en una una tasa igual al
MAX unidad precio dual

si el recurso b la F.O. empeora en
disminuye en una tasa igual al
=b una unidad precio dual
si el recurso b  la F.O. empeora en
aumenta en una una tasa igual al
MIN unidad precio dual
si el recurso b  la F.O. mejora en
disminuye en una tasa igual al
una unidad precio dual

4.5 CAMBIOS EN LA MATRIZ DE COEFICIENTES TECNOLÓGICOS

Sea el siguiente problema:

149
 MAX Z=CX

Sujeto a:
AX  b
X0

El vector columna aj se cambia por a’j, entonces:

MAX Z=CX

Sujeto a:
A’X  b
X0

-1
Este cambio afecta al producto B (a’j). Luego también a Zj - Cj entonces se tiene:

-1
Z’j - Cj = CBB a'j - Cj

Que deberá cumplir con la función de optimización (Z’j - Cj 0), en caso contrario se pivotea para
encontrar el óptimo.

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.

Producto 1 Producto 2 Producto 3

Materia Prima 1 2 4
Horas de Trabajo 2 1 3
Precio Venta 6 10 8

Se dispone de 8 unidades de materia prima y 12 horas de trabajo para la producción.

Formulando el Programa Lineal para maximizar los ingresos de Winco por las ventas de sus
productos
MAX Z=6 X 1+10 X 2+ 8 X 3

Sujeto a:
X1 + 2X2 + 4X3 8

150
 2X1 + X2 + 3X3  12

X1, X2, X3  0

Y cuya solución es:

Z X1 X2 X3 X4 X5 LD
Z 1 0 0 38/3 14/3 2/3 136/3
X2 0 0 1 5/3 2/3 -1/3 4/3
X1 0 1 0 2/3 -1/3 2/3 16/3

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 solución óptima varía con el cambio.

Solución:

Se desea cambiar a3 =
()
4
3 por a’3 =
()2
2 entonces:

-1
Y’3 = B a'3

=
(2/3
−1/ 3
−1/ 3
2/3 ) ()
2
2 =
( )
2/3
2/3

Luego: Z’3 - C3 =
( 10 6 ) ( )
2/3
2/3 - 8 = 8/3

La solución óptima no varía porque: Z ' 3 −C3 ≥ 0

4.6 ADICIÓN DE UNA VARIABLE

Aquí se requiere conocer la columna de la actividad y coeficientes de la función objetivo, así 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 línea de producción de repisas, si se

necesitan una hora por cada máquina para elaborar una repisa siendo la utilidad de S/.8 por
151
unidad ¿Cómo cambia la solución? Recordemos que este es el último tablero de la función
objetivo:

Z X1 X2 X3 X4 LD
Z 1 0 0 3 1 88
X2 0 0 1 1 -1/2 6
X1 0 1 0 -1/2 1/2 4

Solución:
La información para este problema será:

Máquina Mesas Sillas Repisas Horas Máquina

A 2 2 1 20
B 4 2 1 28
Utilidad 10 8 8

El nuevo PL es:

MAX Z=10 X 1 +8 X 2+ 8 X 3

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)

y a3 =
()
1
1 -1
Y3 = B a3 =
( 1
−1/2
−1/2
1/2 ) () ( )
1
1 =
1/2
0

Entonces:

Z3 - C3 =
(8 10 ) ( )
1/2
0 - 8= -4

Introduciendo este valor al tablero:

152
 Z X1 X2 X3 X4 X5 LD
Z 1 0 0 3 1 -4 88
X2 0 0 1 1 -1/2 1/2 6
X1 0 1 0 -1/2 1/2 0 4

 Empleando el método Simplex

Dado que Z5 - C5 < 0 se pivotea

En el último tablero:
Z X1 X2 X3 X4 X5 LD
Z 1 6 8 8 0 0 160
X5 0 2 2 1 0 1 20
X4 0 2 0 -1 1 0 8

Se concluye que se debe producir sólo repisas, dado que las Variables básicas (de decisión) son
ahora X5 y X4 (no se considera X4 porque es una variable de holgura).

4.7 ADICIÓN DE UNA RESTRICCIÓN

Se necesita analizar si esta hace variar el vector solución, si ocurre esto se pivotea, si para un
Programa lineal al introducir la restricción m +1 el sistema tiene m + 1 filas y m + n + 1 columnas.
La adición de una nueva restricción puede dar origen a una de dos condiciones:
1. La restricción satisface la solución actual y en este caso la restricción es redundante, y, por lo
tanto, su adición noalterara la solución.
2. La solución actual no satisface la restricción. En este caso, la nueva solución se obtiene
utilizando el Método Simplex Dual.

EJEMPLO
Para el problema de mesas y sillas se ha adicionado la máquina “C” la que produce 2 mesas y 1
silla, para lo cual dispone de 28 horas - máquina. Se desea saber si la solución óptima varía con el
cambio.

Maquina Mesas Sillas Horas - Máquina

A 2 2 20
B 4 2 28
C 2 1 28
Utilidad 10 8

El nuevo PL es:

153
 MAX Z=10 X 1 +8 X 2

Sujeto a:

2X1 + 2X2 20
4X1 + 2X2 28

2X1 + X2 28

X1, X2 0

Incorporando esta información en el tablero resulta:

Z X1 X2 X3 X4 X5 LD
Z 1 0 0 3 1 0 88
X2 0 0 1 1 -1/2 0 6
X1 0 1 0 -1/2 1/2 0 4
X5 0 2 1 0 0 1 28

 Por teoría de matrices podemos ingresar toda una fila sin tener problemas

Debemos pivotear la última fila del tablero

Z X1 X2 X3 X4 X5 LD
Z 1 0 0 3 1 0 88
X2 0 0 1 1 -1/2 0 6
X1 0 1 0 -1/2 1/2 0 4
X5 0 0 0 0 -1/2 1 14

Donde se concluye que la nueva restricción no afecta a la solución original.

4.8 REGLA DEL 100%

4.8.1. Regla del 100% para el cambio de coeficientes de la función objetivo

Se consideran dos casos dependiendo, si cambia o no el coeficiente de la función objetivo de
cualquier variable con un costo reducido de cero en el cuadro óptimo:

Caso I: Variación de los Coeficientes de las variables de decisión con todos sus costos reducidos
diferentes de cero.

154
Caso II: Variación de los Coeficientes de las variables de decisión con al menos uno de sus
costos reducidos igual a cero.

EJEMPLO
Mi alimentación requiere que todo lo que coma pertenezca a uno de los cuatro “grupos básicos 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 piña. 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 piña, 80 centavos. Cada día tengo que ingerir por lo menos 500 calorías, 6 onzas de
chocolate, 10 onzas de azúcar y 8 onzas de grasa. El contenido nutritivo por unidad de cada
elemento se muestra en la tabla.

Calorías Chocolate Azúcar Grasa

(onzas) (onzas) (onzas)
Bizcocho 400 3 2 2
Helado de chocolate
200 2 2 4
(1 bola)
Refresco de Cola
150 0 4 1
(1 botella)
Pastel de Queso con
500 0 4 5
piña

El PL que satisface mis requerimientos alimenticios diarios a un costo mínimo es:

X 1 = Bizcocho
X2 = Bola de helado de chocolate
X 3 = Botella de refresco de cola
X4 = Pastel de queso con piña

MinZ=50 X 1+ 20 X 2+ 30 X 3 +80 X 4
Sujeto a:
400X1 + 200X2 + 150X3 + 500X4  500(Rest. de calorías)

3X1 + 2X2 6(Rest. de chocolate)

2X1 +2X2 +4X3 +4X4  10 (Rest. del azúcar)

2X1 + 4X2 + X3 + 5X4 8 (Rest. de grasa)

X1, X2, X3, X4  0

La salida en LINDO para este problema es la siguiente:

155
MIN 50X1 + 20X2 + 30X3 + 8X4

SUBJECT TO

2) 400X1 + 200X2 + 150X3 + 500X4>= 500

3) 3X1 + 2X2>= 6
4) 2X1 + 2X2 + 4X3 + 4X4>= 10

5) 2X1 + 4X2 + X3 + 5X4>= 8

END

OBJECTIVE FUNCTION VALUE

1) 90.000000

VARIABLE VALUE REDUCED COST

X1 0.000000 27.500000
X2 3.000000 0.000000
X3 1.000000 0.000000
X4 0.000000 50.000000

ROW SLACK OR SURPLUS DUAL PRICES

2) 250.000000 0.500000
3) 0.000000 -2.000000
4) 0.000000 -7.000000
5) 5.000000 0.000000

Nº ITERATIONS = 5

RANGES IN WHICH THE BASIC IS UNCHANGED:

OBJ COEFFICIENT RANGES

ALLOWABLE ALLOWABLE
VARIABLE CURRENT COEF
INCREASE DECREASE
X1 50.000000 INFINITY 27.500000
X2 20.000000 18.333334 5.000000
X3 30.000000 10.000000 30.000000
X4 80.000000 INFINITY 50.000000

RIGHTHAND SIDE RANGES

156
 ALLOWABLE ALLOWABLE
ROW CURRENT RHS
INCREASE DECREASE
2) 500.000000 250.000000 INFINITY
3) 6.000000 4.000000 2.857143
4) 10.000000 INFINITY 4.000000
5) 8.000000 5.000000 INFINITY

A. Suponga que el precio de un bizcocho aumenta hasta 60 centavos, y el precio de una

rebanada de pastel de queso con piña disminuye hasta 50 centavos. ¿Seguirá siendo óptima la
base actual? ¿Cuál sería la nueva solución óptima?

Solución:

Como los bizcochos X1 y el pastel de queso con piña X4 tienen costos reducido
diferente de cero, se presenta el caso I.
De la salida del LINDO se ve que la base actual es óptima, si y sólo si:

22.5 = 50 - 27.5  X 1  50 +  = 

30 = 80 - 50  X 4  80 +  = 

Como los nuevos precios satisfacen ambas condiciones, la base actual permanece óptima.
Tampoco cambia el valor óptimo de z y el valor óptimo de las variables de decisión.

B. Si el precio de un bizcocho baja hasta 40 centavos, y el precio de una rebanada de pastel

de queso con piña baja hasta 25 centavos, ¿será todavía óptima la base actual?

Solución:
De la salida del LINDO, se ve que se presenta nuevamente el Caso I. Aunque el costo de un
bizcocho está dentro del intervalo permisible, el caso del precio de una rebanada de pastel de
queso con piña, ya está fuera de su intervalo permisible. Por lo tanto, la base actual ya no es
óptima, 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 restricción obligatoria.

157
 Del ejemplo de alimentación:

CASO I
A. Suponga que las calorías necesarias disminuyen hasta 400 y que el requerimiento de grasa
aumenta hasta 10 onzas. ¿Permanecerá óptima la base actual?, ¿Cuál será la nueva solución
optima?

Solución:
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 calorías de la grasa
son:

−∞=500−∞≤calorias necesaria s≤500+250=750

−∞=8−∞≤requerimento de grasa≤8+5=13
Los nuevos requerimientos de calorías y grasa permanecen dentro de sus valores permisibles;
por lo tanto, la base actual permanece óptima. No cambian el valor óptimo de Z y los valores de
las variables de decisión.

B. Suponga que disminuye el requerimiento de calorías hasta 400, y que el requerimiento de

grasa aumenta hasta 15 onzas. ¿Permanecerá óptima la base actual?

Solución:
EL requerimiento de grasa ya no se encuentra dentro de su intervalo permisible de esta
manera la base actual ya no es óptima.

CASO II
Al menos una de las restricciones que se modifica es una restricción obligatoria. En el
problema de la alimentación, supóngase que se aumenta la cantidad necesaria de chocolate
hasta 8 onzas y que se reduce la del azúcar hasta 7 onzas. ¿Permanecerá óptima la base
actual?

Solución:
Ya que las restricciones para el chocolate y el azúcar son obligatorias se presenta el Caso II y
hay que utilizar la regla del 100%.

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

158
 Ya que r1 + r2 + r3 + r4 = 1.25 > 1, la Regla del 100 % no proporciona información si la base
actual es óptima o no.

4.9 INTERPRETACIÓN DEL PROGRAMA LINDO:

Ejemplo 1:
Un empresario, fabricante de artículos de cuero ha decidido lanzar un nuevo producto de bolsas
de piel para damas. El distribuidor Alda de línea de cartera, bolsas y bolsones acepta comprar
todas las bolsas que fabrique la empresa. Las operaciones necesarias para la fabricación de las
bolsas son las siguientes:

1) Cortar y Teñir el material

2) Coser
3) Terminar
4) Inspeccionar y embalar

El problema del empresario es determinar cuantas bolsas estándares y cuantas bolsas de lujo
deben fabricar con objeto de maximizar la contribución a las utilidades.

TIEMPO DE PRODUCCIÓN
PRODUCTO Corte y teñido. Costura Terminado Insp. y Emb. Utilidad
Bolsa 7/10 1/2 1 1/10 10
Estándar
Bolsa de Lujo 1 5/6 2/3 1/4 9
Disponibilida 603 600 708 135 -
d de Prod.-
horas

X 1 : Nº de bolsas estándares fabricadas

X2 : Nº de bolsas de lujo fabricadas

MAX Z=10 X 1 +9 X 2
Sujeto a:
7/10 X1 + 10X2 <= 630
1/2X1 +5/6X2 <= 600
X1 + 2/3X2 <= 708
1/10X1 +1/4X2 <= 135
X1, X2 >= 0

159
El desarrollo en Lindo es:

OBJECTIVE FUNCTION VALUE

1) 7662.147000

VARIABLE VALUE REDUCED COST

X1 538.418091 0.000000
X2 253.107346 0.000000

ROW SLACK OR SURPLUS DUAL PRICES

2) 0.000000 4.331450
3) 120.711861 0.000000
4) 0.000000 6.967985
5) 17.881355 0.000000

Nº ITERATIONS = 0

RANGES IN WHICH THE BASIC IS UNCHANGED:

OBJCOEFFICIENTRANGES

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

RIGHTHANDSIDERANGES

ALLOWABLE ALLOWABLE
ROW CURRENT RHS
INCREASE DECREASE
2) 630.000000 51.885242 134.400009
3) 600.000000 INFINITY 120.711861
4) 708.000000 192.000000 126.599998
5) 135.000000 INFINITY 17.881355

La interpretación del problema mediante Lindo será:

 Objetive Valúe, representa el valor óptimo de la función objetivo y es $7668

OBJECTIVE FUNCTION VALUE

1) 7662.147000

160
  Value, representa los valores óptimos de las variables , que son :

VARIABLE VALUE
X1 538.418091
X2 253.107346

 ReducedCost, representa el costo reducido, significa cuanto tendría que mejorar el

coeficiente de la función objetivo de cada variable de decisión antes de que sea posible
que tal variable asuma un valor positivo en la solución óptima. Si una variable de decisión
ya es positiva en la solución optima, su costo reducido es cero. En un problema de
maximización, mejorar significa aumentar y en un problema de minimización, mejorar
significa disminuir.

VARIABLE REDUCED COST

X1 0.000000
X2 0.000000

 Slackor surplus, representa holguras o excesos e indica el valor óptimo de las

variables de holgura asociada con cada restricción del problema transformado.

SLACK OR
ROW
SURPLUS
2) 0.000000 / corte y teñido
3) 120.711861 / costura
4) 0.000000 / terminado
5) 17.881355 / inspección y embalaje

 Dual Prices, representa los precios duales, significa que el índice de la mejoría de la
función objetivo cuando el vector disponibilidad de recursos aumenta sobre el rango
permisible. También el precio dual correspondiente a una restricción es el Mejoramiento en
el valor óptimo de la función objetivo (recursos) de la restricción.

ROW DUAL PRICES

2) 4.331450 / corte y teñido
3) 0.000000 / costura
4) 6.967985 / terminado
5) 0.000000 / inspección y embalaje

Se puede afirmar que una hora adicional de tiempo corte t teñido mejora (aumenta) el valor de la
función 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 teñido de 630 a 631 horas, manteniendo
constante todos los demás coeficientes del problema, aumentando las utilidades de la compañía
de 7662.1 + 4.33 = 7666.43, similarmente en el caso de terminado aumenta el tiempo de 7662.1 +

161
6.97 =7669.07. Los precios duales cero señalan que aumentar las horas disponibles de estos
recursos no mejora el valor de la función objetivo.
Si el precio dual es negativo por ejemplo – 4.33 significa que al aumentar el tiempo de corte y
teñido de 630 a 631 horas las utilidades disminuirían en $4.33

Ejemplo 2:
Considere el PL siguiente y su tablero óptimo:

Max 3 X 1+ X 2+ 6 X 3

ST
2X1 + 5X2 + 4X3<=18
3X1 – 7X2 + 3X3<=10
X1 + X3<= 9

ROW(BASIS) X1 X2 X3 slk2 slk3 slk4 LD

1 ART 0.907 0.000 0.000 1.047 0.605 0.000 24.884
2 slk4 0.326 0.000 0.000 -0.163 -0.116 1.000 4.907
3 X2 -0.140 1.000 0.000 0.070 -0.093 0.000 0.326
4 X3 0.674 0.000 1.000 0.163 0.116 0.000 4.093

a) Prepare el reporte lindo.

b) Calcule la holgura del primer recurso.
c) Cual debe ser el coeficiente de la variable X1 para que pueda ser variable básica.
d) Obtenga el máximo valor de la función objetivo para la variación del segundo recurso.
e) Obtenga el máximo valor de la función objetivo para la variación del coeficiente X2

Solución:

a) Hallando los intervalos pedidos tenemos:

 Para x2

0.907+ (-0.140) ΔCs2 ≥0 ΔCs2 ≤ 6.479

1.047+ (0.070) ΔCs2 ≥0 ΔCs2 ≥ -14.957
0.605+ (-0.093) ΔCs2 ≥0 ΔCs2 ≤ 6.505

-14.957 ≤ ΔCs2 ≤6.479

162
  Para x3

0.907+ (0.674) ΔCs3 ≥0 ΔCs3 ≥-1.346

1.047+ (0.163) ΔCs3 ≥0 ΔCs3 ≥-6.423
0.605+ (0.116) ΔCs3 ≥0 ΔCs3 ≥-5.216

-1.346 ≤ ΔCs3 ≤ infinito

Ahora preparamos el Reporte de Lindo

Z=24.884

Var. Valor Costo reducido

X1 0 0.907
X2 0.326 0
X3 4.093 0

Recurso Valor Precio Dual

2) 0 1.047
3) 0 0.605
4) 4.907 0

RANGOS

Var. Coef. Aumento Disminución

X1 3 infinito infinito
X2 1 6.479 14.957
X3 6 infinito 1.346

163
b) 2X1 + 5X2 + 4X3 + S1=18
S1= -0.002

c) Para que sea básica x1 debe ser 3+0.907=3.907 su coeficiente

d) Para el segundo recurso: Max incremento

4.907+ (-0.116) ΔCs2 ≥ 0 ΔCs2 ≤ 42.302

0.326+ (-0.093) ΔCs2 ≥ 0 ΔCs2 ≤ 3.505
4.093+ (0.116) ΔCs2 ≥ 0 ΔCs2 ≤ -35.284

e) Para Z máximo entonces el incremento debe ser máximo

Coeficiente de X2: 1+6.479=7.479
Max Z= 3X1 + 7.479X2 + 6X3 Z = 26.996

PROBLEMAS RESUELTOS

1. Beerco fabrica cerveza tipo ALE y BEER, a partir de trigo, lúpulo y malta. Actualmente, se
disponen de 40 lb. de trigo, 30 lb. de lúpulo y 40 lb. de malta. Un barril de ALE se vende a 40
dólares y requiere 1 lb. de trigo, 1 lb. de lúpulo y 2 lb. de malta. Un barril de BEER se vende a
50 dólares y se necesitan 2 lb. de trigo, 1 lb. de lúpulo 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 tendrá que resolver el PL siguiente:

MaxZ=40 ALE +50 BEER

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 óptimo para este PL.

164
 Z ALE BEER S1 S2 S3 LD
Z 1 0 0 20 0 10 1200
BEER 0 0 1 2/3 0 -1/3 40/3
S2 0 0 0 -1/3 1 -1/3 10/3
ALE 0 1 0 -1/3 0 2/3 40/3

a) Escribir la solución dual y obtenga su solución optima

b) Encuentre el intervalo de los valores del precio de ALE para los cuales la base actual
permanece óptima

.
c) Encuentre el intervalo de los valores del precio de BEER para los cuales la base actual
permanece óptima.

d) Halle el intervalo de los valores de la cantidad de trigo disponible para los cuales la base
actual permanece óptima.

e) Obtenga el intervalo de los valores de la cantidad de lúpulo disponible para los cuales la
base actual permanece óptima.

f) Obtenga el intervalo de los valores de la cantidad de malta disponible para los cuales la
base actual permanece óptima.

g) Suponga que Beerco está considerando producir otro tipo de cerveza (MALT LIQUOR). Un
barril de MALT LIQUOR requiere 0.5 lb. de trigo, 3 lb. de lúpulo y 3 lb. de malta y se vende
a 50 dólares. ¿Tendrá que producir BeercoMaltliquor?

Solución:

a) Solución dual :
Min 40Y 1+30 Y 2 + 40Y 3
Sujeto a:
Y 1+ Y 2+ 2Y 3 ≥ 40
2Y 1+Y 2 +Y 3 ≥50
Y 1 ,Y 2 , Y 3 ≥ 0

La solución óptima 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 óptimo el siguiente:

165
 Para k = 3, r = 3 Para k = 5, r = 3
Z3 - C3 + Y33CALE  0 Z5 - C5 + Y35CALE  0
20 + (-1/3)CALE  0 10 + (2/3)CALE  0
CALE  60 CALE  -15

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 Para k = 5, r = 1
Z3 - C3 + CBEERY13  0 Z5 - C5 + CBEER  0
20 + (2/3)CBEER  0 10 + (1/3)CBEER  0
CBEER  -30  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:( Restricción del trigo)

40/3 + (2/3)b1 0 b1 -20

10/3 + (-1/3)b1 0 b1 10

40/3 + (-1/3)b1 0 b1 40

166
 El intervalo es: -20  b1 10

e) El intervalo de los valores de la cantidad de lúpulo disponible para los cuales la base actual
permanece optima.

Para b2: ( Restricción del lúpulo)

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 ¥

f) El intervalo de los valores de la cantidad de malta disponible para los cuales la base actual
permanece optima.

 Para b3: (Restricción 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

167
g) Beerco está considerando producir otro tipo de cerveza (MALT LIQUOR). Un barril de
maltliquor requiere 0.5 lb. de trigo, 3 lb. de lúpulo y 3 lb. de malta y se vende a 50 dólares.
¿Tendrá que producir BeercoMaltliquor?

Al aumentar una nueva actividad, el tablero inicial será ahora:

Z ALE BEER MALT S1 S2 S3 LD

Z 1 - 40 - 50 -50 0 0 0 0
S1 0 1 2 0.5 1 0 0 40
S2 0 1 1 3 0 1 0 30
S3 0 2 1 3 0 0 1 40

Zj - Cj = CVBB
-1 [ a j] - Cj

[ 20 0 10 ] [] 0.5
3
3 - 50 = 10 + 30 - 50 = -10

[] [ ]
2/3 0 −1/3 0.5 −2/3
[−1/3 1 −1/3 ] 3 11/6
-1 3 11/6
A3 = B a3 = −1/3 0 2/3 =

 El nuevo tablero óptimo será:

Z ALE BEER MALT LQ S1 S2 S3 LD

Z 1 0 0 -10 20 0 10 1200
CERV. 0 0 1 -2/3 2/3 0 -1/3 40/3
S2 0 0 0 11/6 -1/3 1 -1/3 10/3
168
 ALE 0 1 0 11/6 -1/3 0 2/3 40/3

Dado que el valor del coeficiente de MaltLiquor es < 0 (= -10), esto indica que la base no sería
optima; por lo tanto, podría usar el algoritmo Simplex a fin de no tener coeficientes negativos en el
renglón o, con lo que la variable MaltLiquor entraría a la base, convirtiéndose en variable de
decisión.

2. Radioco fabrica dos tipos de radios. El único recurso escaso que se necesita para producir
los radios es la mano de obra. Actualmente la compañía tiene dos trabajadores. El
trabajador 1 está dispuesto a trabajar hasta 40 horas a la semana, y se le para 5 dólares la
hora. El trabajador 2 está dispuesto a trabajar hasta 50 horas a la semana, y se le paga 6
dólares la hora. En la tabla siguiente se dan los precios, así como los recursos requeridos
para fabricar cada tipo de radio.

RADIO 1 RADIO 2
Precio Recursos Precio Recursos
(dólare Requeridos (dólares) Requeridos
s)
25 Trabajador 1: 1 hora 22 Trabajador 1: 2 horas
Trabajador 2: 2 horas Trabajador 2: 1 hora

Materia prima: Materia prima

Costo: 5 dólares costo: 4 dólares

a). Sea Xi el número de radios tipo i producidos semanalmente. Demuestre que Radioco tendría
que resolver el PL siguiente (su cuadro optimo se da en la siguiente tabla)
b). ¿Para qué valores del precio de un radio tipo 1, la base actual permanece óptima?
c). ¿Para qué valores del precio de un radio tipo 1, la base actual permanece óptima?
d). Si el trabajador 1 estuviera dispuesto a trabajar solamente 30 horas a la semana,
¿permanecería óptima la base actual?
e). Si el trabajador 2 estuviera dispuesto a trabajar hasta 60 horas a la semana, ¿permanecería
óptima la base actual?
f). Si el trabajador 1 estuviera dispuesto a trabajar una hora adicional, ¿cuál sería la máxima
cantidad que tendría que estar dispuesto a pagar Radioco?
g). Si el trabajador 2 estuviera dispuesto a trabajar solamente 48 horas, ¿cuáles serían las
utilidades de Radioco?. Verifique su respuesta al determinar el número de radios de cada tipo
que se producirían si el trabajador 2 estuviera dispuesto a trabajar solamente 48 horas.
h). Radiocoesta considerando la posibilidad de producir un radio tipo 3. Las especificaciones para
un radio tipo 3 son las siguientes: precio, 30 dólares, 2 horas del trabajador 1; 2 horas del
trabajador 2, costo de la materia prima, 3 dólares. ¿Tendría que producir Radioco radios tipo
3?

169
 MaxZ=25 X 1−( 5+5+6∗2 ) X 1 +22 X 2−( 4+ 5∗2+6) X 2
Sujeto a:
X1 + 2X2 40
2X1 + X2 50
X1, X2  0

En la tabla se muestra un cuadro óptimo para este PL.

X1 X2 S1 S2 LD
Z 0 0 1/3 4/3 80
X1 1 0 -1/3 2/3 20
X2 0 1 2/3 -1/3 10

Solución:

a) Calculando:

MaxZ=( 25−5−2∗6−5 ) X 1 + ( 22−2∗5−6−4 ) X 2 → Z=3 X 1 +2 X 2

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 2

OBJECTIVE FUNCTION VALUE

1) 80.000000

VARIABLE VALUE REDUCED COST

X1 20.000000 0.000000
X2 10.000000 0.000000

ROW SLACK OR SURPLUS DUAL PRICES

2) 0.000000 0.333333
3) 0.000000 1.333333

170
 Nº ITERATIONS = 2

RANGES IN WHICH THE BASIC IS UNCHANGED:

OBJCOEFFICIENTRANGES
ALLOWABLE ALLOWABLE
VARIABLE CURRENT COEF
INCREASE DECREASE
X1 3.000000 1.000000 2.000000
X2 2.000000 4.000000 0.500000

RIGHTHANDSIDERANGES
ALLOWABLE ALLOWABLE
ROW CURRENT RHS
INCREASE DECREASE
2) 40.000000 60.000000 15.000000
3) 50.000000 30.000000 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

C’1 = 3 + 1 = 4  P1 - 22 = 4  P1 = 26
C’1 = 3 - 2 = 1  P1 - 22 = 1  P1 = 23

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

C’2 = 2 - 1/2  P2 - 20 = 2 - 1/2  P1 = 21.5

C’2 = 2 + 4  P2 - 20 = 2 + 4  P1 = 26

171
d) Si el trabajador 1 estuviera dispuesto a trabajar solamente 30 horas a la semana,
¿permanecería óptima 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 óptima.

e) Si el trabajador 2 estuviera dispuesto a trabajar hasta 60 horas a la semana, ¿permanecería

óptima la base actual?

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 óptima.

f) Si el trabajador 1 estuviera dispuesto a trabajar una hora adicional, la máxima cantidad que
tendría que estar dispuesto a pagar Radioco:

A partir del precio sombra de 1/3 de la restricción X1 + 2X2 40, se observa que si hay 41 horas
de trabajo disponible, entonces (después de pagar 5 dólares por hora extra de trabajo). Las
utilidades aumentaran en 1/3 dólar. Por lo tanto Radioco paga 5 dólares + 1/3 dólar = 16/3
dólares por una hora extra de trabajo. Esto significa que Radioco estaría dispuesto a pagar
hasta 16/3 dólares por otra hora de trabajo.

g) Si el trabajador 2 estuviera dispuesto a trabajar solamente 48 horas, las utilidades de Radioco

[ ][ ]
B−1 . b= −1/3 2/3 . 40 ¿ RADIOS= 56 /3
2/3 −1/3 48 32/3 [ ]
[ ]
C B B−1 b=[ 3 2 ] 56/3 =77.33
32/3
172
 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 dólares, 2 horas del trabajador 1; 2 horas del
trabajador 2, costo de la materia prima, 3 dólares
Para que Radioco no produzca el radio tipo 3:

Zj - Cj 0
Zj - Cj = CBB-1(aj) - Cj
2
14
( )
33 2
3

28 1
3 ≥0
33 3
Por lo tanto Radioco no tendría que producir radios tipo 3.

4.10INTERPRETACIÓN DEL PROGRAMA LINGO

3.Carco fabrica automóviles y camiones. Cada automóvil contribuye con 300 dólares a la utilidad,
y cada camión contribuye con 400 dólares. En la Tabla se muestran los recursos requeridos
para la producción de un automóvil y de un camión. Cada día, Carco puede rentar hasta 98
máquinas tipo 1 a un costo de 50 dólares la máquina. Actualmente, la compañía dispone de 73
máquinas tipo 2 y 260 ton. de acero. Consideraciones del mercado indican que hay que
producir por lo menos 88 automóviles y por lo menos 26 camiones.

Sea:
X1 = automóviles producidos diariamente
X2 = camiones producidos diariamente
M1 = máquinas tipo 1 rentadas diariamente

DÍAS EN LA DÍAS EN LA
TONELADAS DE
MÁQUINA TIPO MÁQUINA TIPO
ACERO
1 2
AUTOMÓVIL 0.8 0.6 2

CAMIÓN 1 0.7 3

Para maximizar la ganancia, Carco tendrá que resolver el PL de la Fig. Utilice la salida de LINDO
para contestar las preguntas siguientes.

173
 a) Si los automóviles contribuyeran con 310 dólares a la utilidad, ¿cuál sería la nueva
solución óptima para el problema?
b) ¿Cuál es la máxima cantidad que Carco tendría que estar dispuesto a pagar para rentar 1
máquina adicional de tipo1 por día?
c) ¿Cuál es la máxima cantidad que Carco tendría que estar dispuesto a pagar por una
tonelada extra de acero?
d) Si Carco tuviera que producir por lo menos 86 automóviles, ¿cuál sería la utilidad de
Carco?
e) Carco considera la posibilidad de producir vehículos para todo terreno (jeep). Un jeep
contribuye con 600 dólares a la utilidad y requiere 1.2 días de la máquina 1,2 días de la
máquina 2 y 4 ton. de acero. ¿Tendría que producir Carco algún 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

OBJECTIVE FUNCTION VALUE

1) 32540.000000

VARIABLE VALUE REDUCED COST

X1 88.000000 0.000000
X2 27.599998 0.000000
X3 98.000000 0.000000

ROW SLACK OR SURPLUS DUAL PRICES

2) 0.000000 400.000000
3) 0.000000 350.000000

174
 4) 0.879999 0.000000
5) 1.200003 0.000000
6) 0.000000 -20.000000
7) 1.599999 0.000000

Nº ITERATIONS = 1

RANGES IN WHICH THE BASIC IS UNCHANGED:

OBJ COEFFICIENT RANGES

ALLOWABLE ALLOWABLE
VARIABLE CURRENT COEF
INCREASE DECREASE
X1 300.000000 20.000000 INFINITY
X2 400.000000 INFINITY 25.000000
X3 -50.000000 INFINITY 350.000000

RIGHTHAND SIDE RANGES

ALLOWABLE ALLOWABLE
ROW CURRENT RHS
INCREASE DECREASE
2) 0.000000 0.400001 1.599999
3) 98.000000 0.400001 1.599999
4) 73.000000 INFINITY 0.879999
5) 260.000000 INFINITY 1.200003
6) 88.000000 1.999999 3.000008
7) 26.000000 1.599999 INFINITY

Solución:

a). Si los automóviles contribuyeran con 310 dólares, se estaría adicionando $ 10 a la utilidad.
Observando el reporte en LINDO, vemos que 10 está dentro del rango admisible para un
incremento de X1 (automóviles); por lo tanto la F.O. seguiría siendo óptima.

Nuevo valor objetivo z = 32540 + 10(88) = 33420 dólares

b). Según el reporte LINDO, el aumento máximo permisible de la Máq. Tipo 1 es 0.400001, por lo
que si alquilamos 1 Máq. adicional, ésta no estará 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

175
d). Si Carco tuviera que producir por lo menos 86 automóviles (dos automóviles menos que el
planteamiento original). Veremos que una disminución en 2 está dentro del rango permisible;
por lo tanto:

Nueva utilidad = 32540 + (-2)(-20) = 32580

e). Si se considera la posibilidad de producir jeep:

Tendríamos que reformular con los datos de la nueva línea:

Sea X3 el número de jeep a producir:

MAX 300X1 + 400X2 + 600X3 - 50MT

Sujeto a:
0.8X1 + 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

El reporte en LINDO nos arroja una F.O. de 32631 dólares, que es mayor a la F.O. original, lo
que significa que aumentaría 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 dólares/lb. Se puede utilizar una libra de
materia prima, para producir 1 lb. del producto 1, ó 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 más 40 libras del producto 2. Se
vende el producto 1 a 13 dólares/lb., y el producto 2 a 40 dólares/lb. Sea:

RM = Lb. de materia prima procesadas

P1 = Lb. de materia prima utilizadas para fabricar el producto 2

176
Para maximizar la ganancia, WINCO tendrá que resolver el PL siguiente:

Max Z=13 P1 +40 ( 0.33 ) P2−10 RM

Sujeto a:
P1+ P 2 ≤ RM
2 P1 +3 P2 ≤200
RM ≥ 90
0.32 P 2 ≤ 40
P1 , P2 , RM ≥ 0

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 ¿Cuáles serían las utilidades de
WIVCO?
b) Si se vendiera el producto2 a 39.50 dólares/lb., ¿cuál sería la nueva solución optima para
el problema de WIVCO?
c) ¿Cuál es la máxima cantidad que tendría que estar dispuesta a pagar WIVCO por la otra
libra de materia prima?
d) ¿Cuál es la máxima cantidad que tendría que estar dispuesto a pagar WIVCO por otra hora
de trabajo?

e) Supóngase que se puede utilizar una libra de materia prima para fabricar 0.8 lb. del
producto 3. El producto 3 se vende a 24 dólares/lb. y por procesar 1 lb. de materia prima
de 0.8 lb. del producto 3 requiere 7 horas de mano de obra. ¿Tendría que producir WIVCO
algún producto 3?

MAX 13 P1 + 13.2P2 – 10RM

SUBJECT TO

- P1–P2+RM ≥0
2P1+3P2 ≤200
RM ≤ 90
0.33P2 ≤40

END

LP OPTIMUM FOUND AT STEP 3

OBJECTIVE FUNCTION VALUE

177
 1) 90.000000

VARIABLE VALUE REDUCED COST

P1 70.000000 0.000000
P2 20.000000 0.000000
RM 90.000000 0.000000

ROW SLACK OR SURPLUS DUAL PRICES

2) 0.000000 -12.600000
3) 0.000000 0.200000
4) 0.000000 2.600000
5) 33.400002 0.000000

Nº ITERATIONS = 3

RANGES IN WHICH THE BASIC IS UNCHANGED:

OBJCOEFFICIENTRANGES

ALLOWABLE ALLOWABLE
VARIABLE CURRENT COEF
INCREASE DECREASE
P1 13.000000 0.200000 0.866667
P2 13.200000 1.300000 0.200000
RM -10.000000 INFINITY 2.600000

RIGHTHANDSIDERANGES
ALLOWABLE ALLOWABLE
ROW CURRENT RHS
INCREASE DECREASE
2) 0.000000 23.333334 10.000000
3) 200.000000 70.000000 20.000000
4) 90.000000 10.000000 23.333334
5) 40.000000 INFINITY 33.400002

Solución:

a. Si se pudieran comprar solamente 87 lb. De materia prima, estaríamos disminuyendo 3

lb. de m.p. ésta disminución está dentro del rango permisible (reporte LINDO) por lo tanto:

178
 Nueva utilidad Z = 274 – (2.6x3) = 266.20 dólares

b. Las variables de decisión permanecen igual

Nuevo valor objetivo Z = 13x70 + 39.5x (0.33)20 – 10x90= 270.70 dólares

c. Una máquina adicional del tipo 1 por día:

La respuesta la obtendremos directamente observando los precios duales del reporte LINDO

ROW SLACK OR SURPLUS DUAL PRICES

2) 0.000000 -12.600000

Por lo que WIVCO estará dispuesto a pagar 12.60 dólares por rentar dicha máquina

d. De igual manera, la respuesta la obtendremos directamente observando los precios duales

del reporte LINDO:

ROW SLACK OR SURPLUS DUAL PRICES

3) 0.000000 0.200000

Por lo que WIVCO estará dispuesto a pagar 0.20 dólares (20 centavos $) por una hora
adicional de mano de obra.

e. Suponiendo que se fabrica el producto 3; se tendría que modificar nuestra formulación de la

siguiente manera:

Sea P3 número de artículos del producto 3 a fabricar

Max Z=13 P1 +40 ( 0.33 ) P2 +24( 0.8) P3−10 R M

Sujeto a:

RM ≥ P 1+ P2 + P3
2 P1 +3 P2 +7 P3 ≥ 200
RM ≥ 90
0.3 P2 ≤ 40
P1 , P2 , RM ≥ 0

179
 Lo cual no da una nueva F.O. de 294.800000 dólares

294.800000 > 274000000

Significa mayor utilidad; por lo tanto se fabricará el producto 3.

5.El Granjero Leary Cultiva trigo y maíz en su granza de 45 acres. Puede vender a lo más 140
bushel de trigo y, a lo más, 120 bushel de trigo. Cada acre cultivado produce 5 bushel de trigo o 4
bushel de maíz a 50 dólares 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 maíz. Se pueden adquirir
350 horas de mano de obra a 10 dólares la hora. Sea.

A1 = Acres sembrados de trigo

A2 = Acres sembrados de maíz
L = h de trabajo adquiridas.

Para maximizar las utilidades, el grajero Leary tendrá que resolver al PL siguiente:

Max Z=150 A1 +200 A 2−10 L

Sujeto a:
A 1 + A 2 ≤ 45
6 A 1 +10 A 2−L ≤0
L≤ 350
5 A 1 ≤ 130
4 A 2 ≤ 120
A 1 , A 2 , L≥ 0

Utilice la salida de LINDO de la figura para contestar las preguntas siguientes:

a) ¿Cuál es la máxima cantidad que tendría que estar dispuesto a pagar el granjero, Leary
por una hora adicional de mano de obra?
b) ¿Cuál es la máxima cantidad que tendría que estar dispuesto a pagar el granjero Leary por
un acre adicional de tierra?
c) Si dispusiera solamente de 40 acres de tierra ¿Cuál sería la utilidad del granjero Leary?
d) Si el precio del trigo bajara 26 dólares ¿Cuál sería la nueva solución óptima para el
problema del granjero Leary?
e) El granjero Leary considera la posibilidad de cultivar cebada. La demanda de cebada no
tiene límites. Un acre produce 4 bushel de cebada y requiere 3 horas de mano de obra.

180
 Si la cebada se venda a 30 dólares el bushel ¿tendría 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

OBJECTIVE FUNCTION VALUE

1) 4250.000000

VARIABLE VALUE REDUCED COST

A1 25.000000 0.000000
A2 20.000000 0.000000
L 350.000000 0.000000

ROW SLACK OR SURPLUS DUAL PRICES

2) 0.000000 75.000000
3) 0.000000 12.000000
4) 0.000000 2.500000
5) 15.000000 0.000000
6) 40.000000 0.000000

Nº ITERATIONS = 3

RANGES IN WHICH THE BASIC IS UNCHANGED:

OBJCOEFFICIENTRANGES
ALLOWABLE ALLOWABLE
VARIABLE CURRENT COEF
INCREASE DECREASE
A1 150.000000 10.000000 30.000000
A2 200.000000 50.000000 10.000000

181
 L -10.000000 INFINITY 2.500000

RIGHTHANDSIDERANGES
ALLOWABLE ALLOWABLE
ROW CURRENT RHS
INCREASE DECREASE
2) 45.000000 1.200000 6.666667
3) 0.000000 40.000000 12.000000
4) 350.000000 40.000000 12.000000
5) 140.000000 INFINITY 15.000000
6) 120.000000 INFINITY 40.000000

Solución:

a) La máxima cantidad que estará dispuesto a pagar el granjero Leary por una hora adicional
de mano de obra será menos de 2.5 dólares.

ROW SLACK OR SURPLUS DUAL PRICES

4) 0.000000 2.500000
… ...

b) La máxima cantidad que estará dispuesto a pagar el granjero Leary por un acre adicional
de tierra será: 75 dólares.

ROW SLACK OR SURPLUS DUAL PRICES

2) 0.000000 75.000000
… …

c) Si se dispusieran 40 acres de tierra, tendríamos 5 acres de tierra menos.

Observando el reporte LINDO, 5 acres está dentro del rango de disminución Permisible,
por lo que la solución actual permanecerá siendo óptima.

Nueva utilidad Z = 4250 - 5(75) = 3875 dólares

182
 d) Sabemos que actualmente se tiene 5 x 30 = 150 dólares en trigo por cada acre ; si el
precio del trigo bajara a 26 dólares (el bushel) se tendría 5 x 26=130 dólares en trigo lo que
significa una disminución de 20 dólares.

Una disminución de 20 dólares mantendrá óptima a la F.O por estar dentro del intervalo
permisible

Nueva utilidad Z = 130(25) + 200(20) - 10(350) = 3750 dólares

e) Suponiendo que se cultiva cebad, la nueva formulación será:

MAX Z= 150 A1 + 200 A2 + 120 A3 – 10L

Sujeto a:
A1 + A2 + A3≤ 45
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 rubíes y zafiro ZalesJewelers producen dos tipos de anillos. Un anillo tipo 1 requiere 2
rubíes, 3 zafiros y 1 h. de trabajo de un joyero. Un anillo tipo 2 requiere 3 rubíes, 2 zafiros y 2 h de
trabajo de un joyero. Cada anillo tipo 1 se vende a 400 dólares y cada anillo tipo 2 a 500 dólares.
Se pueden vender todos los anillos producidos por Zales. Actualmente Zales dispone de 100
rubíes, 120 zafiros y 70 horas de trabajo de un joyero. Se puede compras más rubíes a un costo
de 100 dólares el rubí. La demanda del mercado requiere una producción por lo menos de 20
anillos tipo 1 y por lo menos 25 anillos tipo. Para maximizar la ganancia Zales tendrá que resolver
el PL siguiente:

X 1 = Anillos tipo 1 producidos

183
 X2 = Anillos tipo 2 producidos
R = Número de rubíes comprados

Max Z=400 X 1+ 500 X 2−200 R

Sujeto a:
2 X 1+ 3 X 2−R ≤100
3 X 1 +2 X 2 ≤ 120
X 1 +2 X 2 ≤ 170
X 1 ≥20
X 2 ≥25
X1 , X2≥ 0

Con la ayuda de la salida de LINDO de la Fig. Conteste las preguntas siguientes:

a) Suponga que cada rubí cuesta 190 dólares, en lugar de 100 dólares ¿Todavía compraría
Zales rubíes? ¿Cuál sería la nueva solución óptima para el problema?
b) Suponga que Zales solamente tuviera que producir 23 anillos tipo 2 ¿Cuál sería la utilidad
de Zales ahora?
c) ¿Cuál es la máxima cantidad que tendría que estar dispuesto a pagar Zales por otra hora
de trabajo a un joyero?
d) ¿Cuál es la máxima cantidad que tendría que estar dispuesto a pagar Zales por otro
zafiro?
e) Zales considera producir anillos tipo 3. Cada anillo tipo 3 puede venderse a 550 dólares y
requiere 4 rubíes, 2 zafiros y 1 hora de trabajo de un joyero. ¿Tendría 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

LP OPTIMUM FOUND AT STEP 1

184
 OBJECTIVE FUNCTION VALUE

1) 19000.000000
VARIABLE VALUE REDUCED COST
X1 20.000000 0.000000
X2 25.000000 0.000000
R 15.000000 0.000000

ROW SLACK OR SURPLUS DUAL PRICES

2) 0.000000 100.000000
3) 10.000000 0.000000
4) 0.000000 200.000000
5) 0.000000 0.000000
6) 0.000000 -200.000000

Nº ITERATIONS = 1

RANGES IN WHICH THE BASIC IS UNCHANGED:

OBJCOEFFICIENTRANGES
ALLOWABLE ALLOWABLE
VARIABLE CURRENT COEF
INCREASE DECREASE
X1 400.000000 INFINITY 100.000000
X2 500.000000 200.000000 INFINITY
R -100.000000 100.000000 100.000000

RIGHTHANDSIDERANGES
ALLOWABLE ALLOWABLE
ROW 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

Solución:

a) Suponiendo que cada rubí cuesta 190 dólares en lugar de 100 dólares; entonces habría un
incremento de 90 dólares; si observamos el reporte LINDO, 90 estará dentro del intervalo
permisible del aumento por lo que la nueva solución seguirá siendo óptima.

185
 Nueva solución óptima = 400(20) + 500(25) - 190(15) = 17650 dólares

b) En caso de que Zales solamente tuviera que producir 23 anillos tipo 2 (2 anillos menos), la
F.O. permanecerá óptima y la nueva utilidad sería.

Nueva solución óptima = 19000 – 2(-200) = 19400 dólares

c) La máxima cantidad que estaría dispuesto a pagar Zales por otra hora de trabajo de un
joyero será: 200 dólares.

ROW SLACK OR SURPLUS DUAL PRICES

4) 0.000000 200.000000

d) La máxima cantidad que Zales estaría dispuesto a pagar por otro Zafiro seria 0 dólares.

ROW SLACK OR SURPLUS DUAL PRICES

3) 10.000000 0.000000

e) Si se considera producir anillos tipo 3:

Tendríamos que reformular de la siguiente manera:

Sea X3  Anillos del tipo 3

Max Z = 400X1 + 500X2 + 550X3 - 100R

Sujeto a:
2X1 + 3X2 + 4X3 – R ≤ 100
3X1 + 2X2 + 2X3 ≤ 120
X1 + 2X2 + X3 <= 70
X1 ≤ 20
X2 ≤ 25
X1, X2 ≥ 0

186
 La nueva F.O. seguirá siendo 19000 dólares y no se reducirá el anillo tipo 3.

7.SOFÍA S.A. produce cuatro tipos de losetas, las cuales serán vendidas en la próxima edición 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. SOFÍA S.A. dispone de 5 toneladas de Barbotina (Barro
Líquido) y 4600 horas de trabajo .la empresa debe abastecer su stand con una producción exacta
de 950 unidades en total .Por estudios de mercado y de aceptación de productos, se exige que se
produzcan por lo menos 400 unidades de losetas Atenas.
Romana Esparta Sicilia Atenas
Materia Prima (Barbotina)en 3 4 5 6
Kg./unid
Horas de trabajo (hr/unid) 2 3 4 6
Precio de venta($/unid) 4 6 7 8

SOFÍA S.A. necesita conocer la cantidad de losetas a producir por cada tipo a fin de maximizar
ingresos.

MAX: 4X1+6X2+7X3+8X4

SUBJECT TO

2) X1 + X2 + X3 + X4 = 950
3) X4 >= 400
4) 2X1 + 3X2 + 4X3 + 6X4<= 4600
5) 3X1 + 4X2 + 5X3 + 6X4<= 5000

END
LP OPTIMUM FOUND AT STEP 1

OBJECTIVE FUNCTION VALUE

1) 6900.000000

VARIABLE VALUE REDUCED COST

X1 0.000000 1.000000
X2 150.000000 0.000000
X3 400.000000 0.000000
X4 400.000000 0.000000
187
 ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 2.000000
3) 0.000000 0.000000
4) 150.000000 0.000000
5) 0.000000 1.000000

Nº ITERATIONS = 3

RANGES IN WHICH THE BASIC IS UNCHANGED:

OBJCOEFFICIENTRANGES
ALLOWABLE ALLOWABLE
VARIABLE CURRENT COEF
INCREASE DECREASE
X1 4.000000 1.000000 INFINITY
X2 6.000000 0.000000 0.500000
X3 7.000000 1.000000 0.000000
X4 8.000000 0.000000 INFINITY

RIGHTHANDSIDERANGES
ALLOWABLE ALLOWABLE
ROW CURRENT RHS
INCREASE DECREASE
2) 950.000000 100.000000 30.000000
3) 400.000000 150.000000 150.000000
4) 4600.000000 INFINITY 150.000000
5) 5000.000000 150.000000 400.000000

a) ¿Cuántas unidades de cada tipo de losetas tendrá que producir SOFÍA S.A.?
- No debe producir losetas Romanas, según 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, ¿cuál será la utilidad que percibirá la empresa?
La utilidad que percibirá la empresa SOFÍA S.A. es de $ 6900, como lo apreciamos en el
reporte LINDO.

c) Si es que SOFÍA S.A. decidiera producir una loseta más, ¿cuál sería el costo al que
incurriría?

188
 La cantidad de losetas está referido en la fila 2, por lo cual para saber el costo de producir
una loseta más estaría en el precio dual de dicha fila, el cual es de $2.Además si se podría
producir una loseta más porque la holgura de ésta fila es cero lo que quiere decir que las
950 unidades producidas han sido vendidas

d) ¿Cuál es la máxima cantidad que tendría que pagar SOFÍA 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 cuánto más se pagará de por un kilo adicional de materia prima , observamos el
precio dual de la fila 4 que es $1.00, entonces este será el precio que SOFÍA S.A. pagaría
por un kilo de barbotina extra.

e) ¿Cuánto le costaría a SOFÍA S.A. producir una unidad adicional de loseta Atenas?
SOFÍA S.A. no debe producir más 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 contribuirían con 8.5 dólares a la utilidad se SOFÍA S.A. ¿Cuál sería
la nueva utilidad de la empresa?
De la Salida de LINDO (Análisis de Sensibilidad) vemos que el incremento del precio de
venta de estas losetas (variable X4) que es de 8.00-8.50=0.5 dólares, se encuentra dentro
rango de incremento permisible: incremento de 1 dólar. Luego la nueva utilidad será:

Z nueva = 6900 + (0.5)550=7175 dólares

g) De Acuerdo a los últimos resultados de un estudio de mercado, los clientes de loseta

prefieren el tipo Nápoles (línea anteriormente producida por SOFÍA S.A.). Una loseta
Nápoles requiere 5 kilos de materia prima, 5 horas de trabajo y se vende a 9 dólares .La
empresa debe tomar la decisión de producir o no dicho tipo de losetas para la temporada
de Feria.
Solución:

El Producir un tipo de loseta más estaría aumentando una nueva actividad, por lo tanto, el tablero
inicial será ahora:

Nueva Actividad X5

Z X1 X2 X3 X4 X5 S1 S2 S3 S4 LD
Z 1 -4 -6 -7 -8 -9 0 0 0 0 0
S1 0 1 1 1 1 1 1 0 0 0 950
S2 0 0 0 0 1 0 0 1 0 0 400
S3 0 2 3 4 6 5 0 0 1 0 4600

189
 S4 0 3 4 5 6 5 0 0 0 1 5000

Entonces se hallan los valores del coeficiente de X5 y su respectiva columna a 5, que se

encontrará en el tablero óptimo

[]
1
[ 0 0 0 1 ] X 0 − 9 = 5 − 9 = −4
5
5

[ ][] [ ]
0 0 1 −2 1 −5
−1 0 1 1 −1 0 0
a δ = B aδ = X =
1 0 1 −1 5 1
0 0 −2 3 5 5

Introducimos estos valores en la solución óptima:

Z X1 X2 X3 X4 X5 S1 S2 S3 LD
Z 1 1 0 0 0 -4 0 0 0 6900
X2 0 2 1 0 0 -5 0 1 -2 950
S1 0 0 0 0 0 0 1 1 -1 400
X4 0 0 0 0 1 1 0 1 -1 4600
X3 0 -1 0 1 0 5 0 -2 3 5000

Dado que el valor del coeficiente de Losetas Nápoles <0 (= - 4), esto indica que la base no sería
óptima; por lo tanto, podríamos usar el algoritmo Simplex a fin de no tener coeficientes negativos
en el reglón (o con lo que la variable de Losetas Nápoles entraría a la base, convirtiéndose en
variables de decisión).

190
 Z X1 X2 X3 X4 X5 S1 S2 S3 LD
Z 1 0.5 0 0.5 0 0 2.5 1.5 0 7325
X2 0 1.5 1 0.5 0 0 -0.5 -0.5 0 275
X5 0 -0.5 0 0.5 0 1 1.5 0.5 0 275
X4 0 0 0 0 1 0 -1 0 0 400
S3 0 -0.5 0 0.5 0 0 0.5 -0.5 1 125

De estos resultados SOFÍA S.A. puede notar que se deberían producir 275 unidades de las losetas
Nápoles y no producir losetas Sicilia; ya que así aumenta la utilidad a $7325.00

8.SOFÍA S.A. está planeando dar un acabado especial a sus losetas , el cual consiste en un fino
acabado de oro. Es necesario entonces utilizar más 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 máxima de horas de acabado es de 4000 ¿Disminuirá las
utilidades de la empresa añadiendo este tipo de acabado a las losetas?

Solución:

Agregamos los valores de las restricciones de las horas de acabado de oro a la Tabla óptima, con
lo que aumentaría una variable S4 de holgura. Esta variable se asume en el tablero como variable
básica, y se puede notar que las columnas aij de cada una de las variables básicas restantes
quedarán alteradas por el ingreso de esta nueva restricción. Este problema se solucionará usando
el método de transformaciones de Gauss-Jordan

Tablero Óptimo Alterado:

Z X1 X2 X3 X4 S1 S2 S3 S4 LD
Z 1 1 0 0 0 0 0 1 0 6900
X2 0 2 1 0 0 0 1 -2 0 950
S1 0 0 0 0 0 1 1 -1 0 400
X4 0 0 0 0 1 0 1 -1 0 4600
X3 0 -1 0 1 0 0 -2 3 0 5000
S4 0 4 3 5 4 0 0 0 1 4000

 Debemos transformar los valores en negrita, que son los que alteran el tablero óptimo.
Luego de las transformaciones, obtenemos el siguiente tablero óptimo:

Z X1 X2 X3 X4 S1 S2 S3 S4 LD
Z 1 1 0 0 0 0 0 1 0 6900
X2 0 2 1 0 0 0 1 -2 0 300
S1 0 0 0 0 0 1 1 -1 0 150

191
 X4 0 0 0 0 1 0 1 -1 0 550
X3 0 -1 0 1 0 0 -2 3 0 100
S4 0 3 0 0 0 0 3 -5 1 400

 Entonces, aunque el valor de la función no ha cambiado, vemos que ahora Sofía S.S. deberá
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
dólares la unidad. La compañía 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 dólares la hora extra. Cada semana se dispone de 320 horas de máquina. 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 dólar que se gasta para el producto
1, aumenta la demanda en 10 unidades; y cada dólar que se gasta en publicidad para el producto
2, aumenta la ganancia en 15 unidades .Se puede gastar hasta 1000 dólares en publicidad.
Defina las variables de decisión siguientes:

P1 = Unidades del producto 1 producidas cada semana

P2 = Unidades del producto 2 producidas cada semana
OT = Número de horas extras empleadas cada semana
RM = Número de unidades de materia prima comprada semanalmente
A1 = Dólares gastados semanalmente en la publicidad del producto 1
A2 = Dólares gastados semanalmente en la publicidad del producto 1

PRODUCTO 1 PRODUCTO 2
Precio de Venta 15 dólares 8 dólares
Trabajo requerido 0.75 horas 0.50 horas
Tiempo de máquina requerido 1.50 horas 0.80 horas
Materia prima requerida 2 unidades 1 unidad

PROGRAMA EN LINDO

MAX 15P1+8P2-6OT-1.5RM-A1-A2

SUBJECT TO

192
 2) P1 - 10A1<= 50
3) P2 - 15A2<= 60
4) 0.75P1 + 0.5P2 - OT<= 160
5) 2P1 + P2 - RM<= 0
6) RM<= 400
7) A1 + A2<= 100
8) 1.5P1+ 0.8P2<= 320

END

LP OPTIMUM FOUND AT STEP 1

OBJECTIVE FUNCTION VALUE

1) 6900.000000

VARIABLE VALUE REDUCED COST

P1 160.000000 0.000000
P2 80.000000 0.000000
OT 0.000000 2.133333
RM 400.000000 0.000000
A1 11.000000 0.000000
A2 1.333333 0.000000

ROW SLACK OR SURPLUS DUAL PRICES

2) 0.000000 0.100000
3) 0.000000 0.066667
4) 0.000000 3.866667
5) 0.000000 6.000000
6) 0.000000 4.000000
7) 87.666664 0.000000
8) 16.000000 0.000000

Nº ITERATIONS = 5

RANGES IN WHICH THE BASIC IS UNCHANGED:

OBJCOEFFICIENTRANGES
ALLOWABLE ALLOWABLE
VARIABLE CURRENT COEF
INCREASE DECREASE
P1 15.000000 0.966667 0.533333

193
 P2 8.000000 0.266667 0.483333
OT -6.000000 2.133333 INFINITY
RM -1.000000 INFINITY 4.500000
A1 -1.000000 1.000000 5.333333
A2 -1.000000 1.000000 7.250000

RIGHTHANDSIDERANGES
ALLOWABLE ALLOWABLE
ROW CURRENT RHS
INCREASE DECREASE
2) 50.000000 110.000000 876.666626
3) 60.000000 20.000000 1314.999878
4) 160.000000 27.500000 2.500000
5) 0.000000 6.666667 55.000000
6) 400.000000 6.666667 55.000000
7) 100.000000 INFINITY 87.666667
8) 320.000000 INFINITY 16.000000

a) Si el tiempo extra costara solamente 4 dólares la hora ¿Utilizaría Wivco tiempo extra?
b) Si se vendiera cada unidad de producto 1 a 15.50 dólares; ¿Permanecería óptima la base
actual? ¿Cuál sería la nueva solución óptima?
c) ¿Cuál es la máxima cantidad que Wivco estaría dispuesto a pagar por otra unidad e materia
prima?
d) ¿Cuál es la cantidad que Wivco estaría dispuesto a pagar por hora de Tiempo máquina?
e) Si se exigiera a cada trabajador a trabajar 45 horas a la semana (como parte de la semana
normal de trabajo). ¿Cuál sería ahora la ganancia?
f) Wivco considera fabricar un nuevo producto (producto 3). Se vende cada unidad del producto
3 a 17 dólares y se requieren 17 horas de trabajo por unidad de materia prima y 2 horas de
tiempo máquina. ¿Tendría que producir Wivco algún producto 3?
g) Si se vendiera cada unidad de producto 2 a 10 dólares ¿Permanecería óptima la base actual?

Solución:

a) Al costar 4 dólares la hora, la disminución sería de 2 dólares; la que se encuentra en el rango

permisible de disminución. Aún así la solución óptima no es afectada ya que la variable horas
extras de trabajo (OT) no es una variable de decisión.
b) Al costar 15.50 dólares la hora, se está aumentando el costo en 0.50 dólares; este aumento se
encuentra en el rango permisible de aumento que es 0.96 dólares. Entonces:

Z nueva = Z + ΔC 1 = 2427 .667 + ( 0.5)160 = 2507. 667

c) Wivco debería pagar por otra unidad de materia prima 4.5 dólares, este valor lo obtenemos del
precio dual de la fila (6), ya que esta fila está referida a las unidades de materia prima.}

d) Con respecto a las horas máquinas, sabemos que Wivco utiliza 1.5 horas en el producto 1 y 0.8
en el producto 2 (tabla 1), esto está referido en la fila 8, entonces para saber si se necesitan

194
 más horas máquinas tenemos que ver la holgura (slackor surplus) de la fila 8, el valor que
encontramos es de 16; esto implica que están sobrando 16 horas máquina, por lo que Wivco no
pagaría nada por hora máquina.

e) Al aumentar las horas-hombre a 45 (45x4=180), encontramos un aumento de 20 horas(45x4-

40x4=20), este aumento está 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 solución óptima
tendremos que esta será : 2505 dólares, lo que se puede obtener tanto del reporte LINDO,
como de ejecutar:

Z nueva = Z + ΔC 1 = 2427 .667 + (20 )(3.866667 )= 2505

f) Los requerimientos del producto 3 son:

PRODUCTO 3
Precio de Venta 17 dólares
Trabajo requerido 2 horas
Tiempo de máquina 2 horas
requerido 1 unidad
Materia prima requerida

Al introducir estos datos en el reporte LINDO se tendrá los siguientes valores:

Función Objetivo = 2443.769, aumenta en 16.102 dólares al producir 7 unidades del producto 3,
por lo que si debería producir el producto 3 pero ya no se produciría ninguna unidad del
producto 2.

g) No se puede aumentar a 10 dólares el precio de venta del producto 2, ya que sería un

incremento de 2 dólares lo cual no está permitido en el rango de aumento permisible para este
producto. Y la base actual no permanecería óptima.

9. 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 así como el precio de venta unitario
se presenta en la siguiente tabla:

PRODUCTO C1 C2 C3 PRECIO DE

195
 VENTA
A 1 2 6 60
B 3 2 2 70
C 4 5 1 80
CANTIDAD
140 130 80
DISPONIBLE

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 (BASIS) XA XB XC SLK 2 SLK 3

1 ART 6.000 0.000 0.000 18.000 0.000
2 XC -3.200 0.000 1.000 1.400 0.000
3 SLK 3 8.800 0.000 0.000 -1.600 1.000
4 XB 4.600 1.000 0.000 -0.200 0.000

ROW SLK 4
1 8.000 3160.000
2 -0.600 8.000
3 1.400 18.000
4 0.800 36.000

LP OPTIMUM FOUND AT STEP 2

OBJECTIVE FUNCTION VALUE

1) 3160.000000

VARIABLE VALUE REDUCED COST

XA 0.000000 6.000000
XB 36.000000 0.000000
XC 8.000000 0.000000

ROW SLACK OR SURPLUS DUAL PRICES

2) 0.000000 18.000000
196
 3) 18.000000 0.000000
4) 0.000000 8.000000

Nº ITERATIONS = 2

RANGES IN WHICH THE BASIC IS UNCHANGED:

OBJCOEFFICIENTRANGES
ALLOWABLE ALLOWABLE
VARIABLE CURRENT COEF
INCREASE DECREASE
XA 60.000000 6.000000 INFINITY
XB 70.000000 90.000000 1.304348
XC 80.000000 1.875000 45.000000

RIGHTHANDSIDERANGES
ALLOWABLE ALLOWABLE
ROW CURRENT RHS
INCREASE DECREASE
2) 140.000000 11.250000 20.000000
3) 130.000000 INFINITY 18.000000
4) 80.000000 13.333333 12.857143

a) Encuentre el intervalo de los valores del precio de C para los cuales la base actual
permanece óptima.

Como e Aumento Admisible Disminución Admisible

1.875 45

80 − 45 ≤C+ ΔC≤80+1.875
35≤C≤81. 875

b) Halle los intervalos de los valores de la cantidad del componente C3 para los cuales la
base actual permanece óptima.

Como el Aumento Admisible Disminución Admisible

197
 13.33 12.86

80 − 12. 86≤C 3 +ΔC 3 ≤80+13. 33

67 .14≤C 3 ≤93 .33

c) ¿Cuál es la máxima cantidad adicional que ABC estaría 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, ¿Cuál sería el
ingreso total?

Como el Aumento Admisible

11.25

Z =3160+11∗18=3358

e) Si fuera posible disminuir el precio de B en la unidad, ¿Cuál sería el ingreso total?

Como la Disminución Admisible

1.304

Z =3160+(−1)∗36=3124

12. ABC es una empresa especializada en la fabricación de tres modelos de puertas. La empresa
cuenta con la siguiente información.

MODELO MATERIALE M. DE T DE MAQ. P. DE VENTA

S OBRA
A 2 1.5 0.5 80
B 4 2 1.2 130
C 1 0.5 0.2 40

198
 RECURSO 700 450 220
DISPONIBLE

El costo por unidad de recurso de MATERIALES, MANO DE OBRA, TIEMPO DE MAQUINA es de

15, 5 y 10 soles respectivamente.
La demanda mínima de A es 150 unidades
El programa lineal y la solución 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
4) 0.5XA + 1.2XB + 0.2XC <=220
5) XA >=150

LP OPTIMUM FOUND AT STEP 3

OBJECTIVE FUNCTION VALUE

1) 13825.000000

VARIABLE VALUE REDUCED COST

XA 150.000000 0.000000
XB 0.000000 34.000000
XC 400.000000 0.000000

ROW SLACK OR SURPLUS DUAL PRICES

2) 0.000000 20.500000
3) 25.000000 0.000000
4) 65.000000 0.000000
5) 0.000000 -3.500000

Nº ITERATIONS = 2

RANGES IN WHICH THE BASIC IS UNCHANGED:

ALLOWABLE ALLOWABLE
VARIABLE CURRENT COEF
INCREASE DECREASE
XA 37.500000 3.500000 INFINITY
XB 48.000000 34.000000 INFINITY
XC 20.500000 INFINITY 1.750000
OBJCOEFFICIENTRANGES

199
 RIGHTHANDSIDERANGES
ALLOWABLE ALLOWABLE
ROW CURRENT RHS
INCREASE DECREASE
2) 700.000000 50.000000 400.000000
3) 450.000000 INFINITY 5.000000
4) 220.000000 INFINITY 65.000000
5) 150.000000 50.000000 50.000000

Se pide responder:
a) ¿Cuál deberá ser el precio de B para hacer atractiva su fabricación?
Precio de Vta. + Costo reducido

130+34=164

b) Calcule la holgura del tiempo de máquina

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 deberá pagar 20 soles por cada unidad adicional

Z = 13825 + (20.5 – (20 - 15))*10 = 13980

e) Exprese en el modelo los cambios que se deberá hacer para incluir lo solicitado en (d).

MAX 37.5XA + 48XB + 20.5XC – 5XM

ST
2) 2XA + 4XB + XC < 700 + XM
3) 1.5XA + 2XB + 0.5XC <450
4) 0.5XA + 1.2XB + 0.2XC <220
5) XA >150

200
 f) ¿Cuál 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?

Aplicando la regla del 100%

1/3.5 + 0.8/1.75 = 0.7<1

Z = 13825 + 1*150 – 0.8*400 = 1365

Un problema de programación entera se puede definir en forma sencilla como un programa lineal
en el cual algunas de las variables o todas son números enteros no negativos.
Mediante el uso de la programación entera es posible formular una mayor cantidad de situaciones
de la vida real que las que se formularían mediante la programación lineal, aún cuando, la
formulación de un programa entero, es más difícil de realizar que la formulación de un programa
lineal.
En este capítulo se desarrollarán una gran variedad de problemas tipo y a la vez se pondrá a
vuestro alcance algunas herramientas bastante útiles y de gran ayuda para la formulación de
diversas situaciones lógicas que se presentan en una gran variedad de problemas.

 PROBLEMAS DE PROGRAMACION ENTERA PURA

Se llaman así a los problemas en la cual todas las variables tienen que ser números 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

201
 Se llaman así los problemas en la cual solamente algunas de las variables tienen que ser números
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 número entero

 PROBLEMAS DE PROGRAMACION ENTERA 0-1

Se llama así a los problemas en los cuales todas las variables deben ser iguales a 0 ó 1.

Ejemplo:

Min Z = 5 X1 + 3 X2
Sujeto a:
5 X1 + 3 X2  6
X1, X2 = 0 ó 1

 RESTRICCIONES O BIEN

Frecuentemente se dará la situación en que se dan restricciones de la forma:

f (x 1 , x 2 , .. . , x n )≤0 ( α)
g( x 1 , x 2 , . .. , x n )≤0 (β)

Donde se quiere estar seguro que se satisfaga al menos 1, de las restricciones () y (), también
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 formulación las dos restricciones siguientes:

f (x 1 , x 2 ,... ,x n )≤My
g( x 1 , x 2 ,. .., x n )≤M (1− y) 202
Donde:

y : es una variable 0-1

M : es un número 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, ¿cómo podría asegurar que x e y satisfarán x + y  3, 2 x + 5 y 12, ó

ambas?

Solución:

Escribiendo las restricciones anteriores de la forma () y () se tiene:

x+ y –30 ...(1)
2 x + 5 y – 12  0 ...(2)

Las restricciones que se deben remplazar en la formulación son:

x+ y – 3  M yi ...(1.1)
2 x + 5 y – 12  M (1-yi) ...(2.1)

Donde:

yi : es una variable 0 – 1 y,
M : es un valor suficientemente grande que se escoge para asegurar que se satisfagan las Ec.
(1.1) y (2.1)

De la Ec. (2.1) , el lado izquierdo toma su valor máximo, cuando x e y toman valores máximos,
pero de la Ec.(1), se tiene que x + y, toma como valor máximo 3, o sea x e y son linealmente
dependientes entre sí es decir : x + y = 3, ó también 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 máximo y tiene que
tomar su valor

203
máximo (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 restricción (se satisfaga o no la otra)
tiene que ser mayor igual que 3. En forma análoga se hace el calculo del valor mínimo que puede
tomar M en la Ec.(1.1) para que satisfaga esta ecuación (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
escribirán:

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 restricción 1 o bien las restricciones
(1) y (2) y cuando yi= 1, se satisface la restricción (2) o bien las restricciones (1) y (2).

 RESTRICCIONES SI ENTONCES

También es posible encontrar muchos problemas donde se presenta la situación siguiente: se

desea estar seguro de que se debe satisfacer la restricción g(x1,x2,..,xn )  0, si se satisface una
restricción f(x1,x2,..,xn) > 0, mientras que si no se satisface f(x1,x2,..,xn) > 0, entonces g(x1,x2,..,xn)
 0puede o no satisfacerse. Resumiendo se quiere estar seguro que:

f (x 1 , x 2 , .. . , x n )>0 ⇒ g( x 1 , x 2 ,. . . , x n )≥0
Para lograr esto, es necesario incluir las restricciones siguientes a la formulación:

−g (x 1 , x 2 ,... ,x n )≤My
f ( x 1 , x 2 ,... ,x n )≤M (1− y )
Donde:
Y: es una variable 0-1
M: es un número positivo suficientemente grande para que se cumplan las dos restricciones
anteriores, para todos los valores de xi que satisfacen las otras restricciones del problema.

EJEMPLOS

1.El gobierno peruano, dentro de sus planes de apoyo y fomento del sector agrario, está
considerando 4 proyectos de irrigación. El proyecto 1, irrigará aproximadamente 20000 hectáreas
de terreno, el proyecto 2, 27500 hectáreas, el proyecto 3, 15000 hectáreas y el proyecto 4, 10000
hectáreas. La ejecución y puesta en marcha del proyecto 1 tiene un costo de 10 millones de
dólares, el proyecto 2, 14 millones de dólares, el proyecto 3, 8 millones y el proyecto 4, 6 millones.
Si además se sabe que el presupuesto para la ejecución de proyectos de inversión en el sector

204
agrario es de 28 millones de dólares, formule un P.E., cuya solución ayude al gobierno a maximizar
el número de hectáreas irrigadas.

Solución:
Como el gobierno puede tomar solo dos decisiones, respecto a cada proyecto de inversión,
empezamos definiendo una variable 0-1.

Sea Xi: 0 – 1: Se ejecuta o no el proyecto de inversión i (i = 1,2,3,4)

Por ejemplo si el proyecto 3 se ejecuta, la variable X3 = 1, y si no se realiza, X3 = 0.
El número total de hectáreas que se irrigarán será:

20000 X1 + 27500 X2 + 15000 X3 + 10000 X4

Hay que tener en cuenta que el número de hectáreas irrigadas depende de los valores que tomen
las variables de decisión, por ejemplo, si las variables toman los valores siguientes: X 1 = 1, X2 =
1, X3 = 0 y X4 = 0, entonces el número de hectáreas irrigadas será de: 47500 hectáreas, Luego
como el gobierno desea irrigar la mayor cantidad de terreno habrá que maximizar el valor de esta
expresión:

Max Z = 20000 X1 + 27500 X2 + 15000 X3 + 10000 X4 ...(1)

La cantidad total invertida en millones de dólares es:

10 X1 + 14 X2 + 8 X3 + 6 X4
Como el presupuesto para la ejecución de proyectos de inversión 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

2.El entrenador Night trata de escoger una alineación inicial para el equipo de básquetbol. 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.

205
 La alineación 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 alineación inicial debe ser
por lo menos igual a 2.
 Si inicia el jugador 3 entonces el jugador 6 no podrá 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 POSICIÓN MANEJO DE PELOTA TIROS REBOTE DEFENSA
1 A 3 3 1 3
2 C 2 1 3 2
3 A-D 2 3 2 2
4 D-C 1 3 3 1
5 A-D 1 3 1 2
6 D-C 3 1 2 3
7 A-D 3 2 2 1

Solución:

De la tabla 1 se puede observar que los jugadores juegan en las posiciones siguientes:

Posición Jugadores
D 3,4,5,6,7
A 1,3,5,7
C 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 y2 + 2 y3 + y 4 + 2 y5 + 3 y6 + y 7

Sujeto a:
y1 + y2 + y3 + y4 + y5 + y6 + y7 = 5
3 y1 + 2 y 2 + 2 y 3 + y4 + y5 + 3 y6 + 3 y7 10

206
 3 y1 + y 2 + 3 y3 + 3 y4 + 3 y5 + y6 + 2 y7 10
y 1 + 3 y2 + 2 y3 + 3 y4 + y5 + 2 y6 + 2 y7 10
y3 + y61
y1- y4 0
y1 - y5 0
y2 + y31
y3 + y4 + y5 + y6 + y74
y1 + y3 + y5 + y72
y2 + y4 + y5 1

3.Debido a la contaminación excesiva del río Mommis, el estado de Mommis construirá algunas
estaciones para el control de la contaminación. Se está considerando 3 lugares (Lugares 1,2 y 3).
A Mommis le interesa controlar los niveles de contaminación de dos contaminantes
(Contaminantes 1 y 2), la legislación del estado requiere que se eliminen por lo menos 80000
toneladas del contaminante 1 y por lo menos 50000 toneladas del contaminante 2 del río. En la
Tabla 2 se encuentran los datos relevantes para este problema.
Formule un PE para minimizar el costo de cumplir con las metas de la legislación del estado

Tabla 2
COSTO DE COSTO DEL
CANTIDAD REMOVIDA
CONSTRUC. TRATAM. DE
POR TONELADA DE
DE UNA 1 TON. DE
AGUA
ESTACION AGUA
(dólares) (dólares) Contam. 1 Contam. 2
Lugar 1 100000 20 0.40 Ton 0.30 Ton
Lugar 2 60000 30 0.25 Ton 0.20 Ton
Lugar 3 40000 40 0.20 Ton 0.25 Ton

Solución:
Sea:

yi = 1,0 Se construye o no una estación en el lugar i (i = 1,2,3)

Xi = Nº de toneladas de agua tratadas en la estación 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
X1 M1 y1
207
 X2 M2 y2
X3 M3 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

4.Para graduarse en la BasketweaversUniversity, con una especialidad de investigación de

operaciones, un estudiante debe completar por lo menos dos cursos de matemáticas, por lo
menos dos cursos de IO y por lo menos dos cursos de computación. Se pueden utilizar algunos
cursos para satisfacer mas de un requisito: El cálculo puede satisfacer el requerimiento de las
matemáticas; la Investigación de Operaciones; los requerimientos de Matemáticas y de IO; la
Estructura de Datos, los de Matemáticas y de Computación; la Estadística para la Administración,
los de Matemáticas y de IO; la Simulación por Computadora, los de IO y de Computación; la
Introducción a la Programación de Computadoras, los de Computación; y la Predicción, los
requerimientos de IO y de Matemáticas.

Algunos cursos son pre-requisitos para otros: el Cálculo es un requisito para la Estadística para la
Administración; la Introducción a la Programación de Computadoras es un requisito para la
Simulación por Computadora y para la Estructura de Datos; y la Estadística para la Administración
es un requisito para la Predicción. Formule un PE que minimice el número de cursos necesarios
para satisfacer los requerimientos para la especialización

Solución:

Los datos de este problema se pueden escribir de la manera siguiente:

CURSOS (i)
Calc. IO Estr. Estad Sim. IntrPro PredRe Total
MATERIAS Dat adm Comp g quer
(1) (2) (3) (4) (5) (6) (7)
Matemática X X X X X 2
s
Inv. Oper. X X X X 2
Computació X X X 2
n
Pre- Ning Ning (6) (1) (6) Ning (4)
Requisito

208
Sea:
yi = 1,0 : Se estudia o no el curso i (i = 1,2,…,7)

Min Z = y1 + 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
- y4 + y7 0

5.Una compañía considera la apertura de almacenes en cuatro ciudades: Nueva York, Los
Angeles, Chicago y Atlanta. Cada almacén puede enviar 100 unidades a la semana. El costo
semana fijo para mantener abierto cada almacén es de 400 dólares en Nueva York, de 500
dólares en Los Angeles, de 300 dólares en Chicago, y de 150 dólares en Atlanta. La región 1 del
país requiere semanalmente 80 unidades; la región 2,70 unidades y la región 3, 40 unidades. En
la tabla 3 se muestran los costos (incluyendo los costos de producción y de envío) para enviar 1
unidad de la fábrica a una región. Se desea satisfacer las demandas semanales a un costo
mínimo, sujetas a la información anterior y a las restricciones siguientes:

1. Si se abre el almacén en Nueva York, entonces hay que abrir el almacén en Los
Ángeles.
2. Se pueden abrir a lo más dos almacenes.
3. Hay que abrir el almacén en Atlanta o en Los Ángeles.

Formule un PE que se utilice para minimizar los costos semanales de satisfacer la demanda

Tabla 3
HACIA
Región 1 (dólares) Región 2 Región 3 (dólares)
DE (dólares)
Nueva York 20 40 50
Los Angeles 48 15 26
Chicago 26 35 18
Atlanta 24 50 35

209
Solución:

La tabla 3 se puede re-escribir de la manera siguiente:

HACIA
Región 1 Región 2 Región 3 Envío Costo Fijo
Ciudad (i)
(dólares) (dólares) (dólares) (sem.) (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

Sea:

yi = 1,0 Se abre o no un almacén en la ciudad i (i = 1,2,3,4)

Xij= Nº de unid. Enviadas semanalmente de la ciudad i a la región 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
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
210
 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 continuación:
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 mínima
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 formulación de modo que si se usa el disco 3 o el disco 5, entonces habrá
que utilizar también el disco 2.

Tabla 4
DISCO
1 2 3 4 5 6 7 8 9 10
Archivo 1 X X X X X X
Archivo 2 X X
Archivo 3 X X X X
Archivo 4 X X X
Archivo 5 X X X X X X X

Solución:

La Capacidad de los Discos la podemos tabular de la manera siguiente:

DISCO
1 2 3 4 5 6 7 8 9 10
Capacidad
3 5 1 2 1 4 3 1 2 2
(K)

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:

211
 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 habrá que agregar a la formulación anterior la siguiente condición:

Si y3 + y5> 0 Entonces y2 1

Esta condición lógica puede escribirse:

1 - y2 M y
y3 + y5 M (1-y)

Donde el mínimo valor que puede tomar M es: M = 2

Por lo tanto:

1 - y2 2 y
y3 + y5 2 (1-y)

7.El proyecto Lotus Point Condo contendrá casas y departamentos, en el lugar se puede
acomodar hasta 10000 viviendas. El proyecto debe incluir un proyecto recreativo; ya sea un
complejo para natación y tenis, o bien, una dársena para veleros, pero no ambas cosas. Si se
construye una dársena, el número de casas en el proyecto tendrá que ser por lo menos el triple
del número de departamentos. Una dársena costará 1.2 millones de dólares y un complejo para
natación y tenis costará 2.8 millones de dólares. Los promotores creen que cada departamento
proporcionará ingresos con un valor actual neto de 48000 dólares, y que cada casa proporcionará
ingresos por un valor actual neto de 46000 dólares. El costo de construcción de cada casa (o
departamento) es de 40000 dólares. Formule un PE para ayudar a Lotus Point a maximizar las
ganancias.

Solución:
212
 Los Ingresos y costos se pueden tabular como sigue:

INGRESO COSTO UTILIDAD

(MILES $) (MILES $) (MILES $)

departamento 48 40 8
casas 46 40 6

Sea:

yj = 1,0 Se construye o no el proyecto recreacional j (j = 1,2)

Xi = El número 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 condición:

Si se construye una dársena, el número de casas en el proyecto tendrá que ser por lo menos el
triple del número de departamentos, puede escribirse.

Si y2 > 0 Entonces
X1  3 X2
3 X2 - X1 M y
y2 M (1-y)

Donde M puede tomar como valor mínimo: M = 3 (10000)

Por lo tanto:

3 X2 - X1 30000 y …(3)

y2 30000 (1-y) …(4)

Obs:
Las restricciones (3) y (4), pueden escribirse como:

213
 3 X2 - X1  30000 (1-y2)
Además
Teniendo en cuenta que: y1 + y2 = 1, también se pueden escribir como:

3 X2 - X1  30000 y1

8.Speaker’sClearinghouse debe desembolsar cheques a los ganadores de la lotería en 4 regiones

diferentes del país; Sudeste (SE), Noreste (NE), Lejano Oeste (LO), Medio Oeste(MO). El
promedio de la cantidad diaria de los cheques extendidos a ganadores en cada región del país se
da a continuación: SE, 40000 dólares; EN, 60000 dólares; LO, 30000 dólares; MO, 50000 dólares.
Speaker’s debe extender el cheque el mismo día que se da cuenta de que un cliente ha ganado.
Pueden retrasar el cobro rápido por parte de los ganadores, al extender al ganador un cheque
girado en un banco remoto (esto hace mas despacio la liquidación del cheque). Se están
considerando cuatro lugares de bancos: Frosbite Falls, Montana (FF); Redville, South Carolina ( R
); PaintedForest, Arizona (PF); y Beanville, Maine (B). El costo anual para mantener una cuenta
abierta en cada uno de los bancos es: FF, 50000 dólares; R, 40000 dólares; PF, 30000 dólares; B,
20000 dólares respectivamente. Cada banco tiene como restricción que el promedio diario de
cheques girados no puede ser superior a 90000 dólares. En la tabla 5 se da el promedio del
número de días que tarda la liquidación de un cheque. En donde tendría que tener Speaker’s sus
cuentas bancarias y de que banco dado tendría que recibir un cliente dado su cheque, suponiendo
que el dinero invertido por: Speaker’s gana 15% al año?

Tabla 5
FF R PF B
SE 7 2 6 5
EN 8 4 5 3
LO 4 8 2 11
MO 5 4 7 5

Solución:

La tabla 5 la podemos escribir de la manera siguiente:

214
 Cant. Prom.
REGION FF R PF B extend en
cheq./día
SE X11 X21 X31 X41 40000
EN X12 X22 X32 X42 60000
LO X13 X23 X33 X43 30000
MO X14 X24 X34 X44 50000
Prom. Cheques/día 90000 90000 90000 90000
C. de mantener una
50000 40000 30000 20000
Cta. /año

Tasa de Interés anual = 15%

Donde es necesario definir:

Xij =La cantidad Promedio girada en cheques por el banco i desde la región 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)

Función 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
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 compañía produce dos productos A y B. Cada unidad de producto A requiere una hora de
servicios de ingeniería y 5 horas de tiempo máquina. Producir una unidad de producto B requiere
2 horas de servicios de ingeniería y 8 horas de maquina disponible. Hay 100 horas de ingeniería y

215
400 horas de tiempo de maquina disponible. El costo de producción es una función no lineal de la
cantidad producida tal como se da en la tabla 7

Tabla 7
PRODUCTO A PRODUCTO B
Producción Producción
Utilidad Utilidad
(unidades) (unidades)
0- 49 10 0- 39 7
50 - 100 8 40 - 100 3

Solución:

Sea:

X ij = Unidades del producto i con costo de producción del rango j (i=A,B; j=1,2)
Y i =1,0
; (i = 1,2)

MAX Z=10 X A 1 +8 X A 2 +7 X B 1 +3 X B 2

Sujetoa:
(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 raíces está 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 inversión i y C1 el costo de hacerlo. Desea
maximizar la utilidad total al invertir hasta M dólares. Formule el problema como un PE. Defina sus
variables de decisión.

Tabla 8
PROYECTO CONDICION
A Ninguna
B No si C y solo si E
C No si B
D Solo si A
E No si F y solo si C
216
 F No si E y solo si C
G Solo si A y B

Solución:

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 + XC 1
XE - XB0
XC – XF 1
XA - XD 0
XE + XF 1
XC - XE 0
2 XG - XA - XB 0
XA + … + XG 0

3.Un problema que afronta todos los días un electricista consiste en decidir que generadores
conectar. El electricista en cuestión tiene tres generadores con las características que se muestran
en la Tabla 9. Hay dos periodos del día. 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 conexión. Todos los generadores principales (como
son A, B y C de la tabla 9) son apagados al término del día. Formule este problema como un PLE.

Tabla 9
Generado Costo fijo Costo por periodo Capacidad
r de por megawatts máxima en cada
conexión usado periodo en (MW)
A 3000 5 2100
B 2000 4 1800
Costos 1000 7 3000

Solución:
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)
217
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
1 Ninguna
2 Solo sí 1
3 Solo sí 2
4 Se hará sí 1 y 2
5 No sí 1 ó 2
6 No sí 2 ó 3
7 Solo sí 2 y no 3

Sean Ri y Ci el rédito y costo de las inversiones i, la junta desea maximizar el rédito total,
invirtiendo no más de M soles en total.
Elabore el programa.

Solución:

Xi = 0,1; se invierte o no en el proyecto de inversión i.

Max Z=∑ RiXi

Sujeto a:
C.2: X2 - X1 0
C.3: X3 - X2 0
C.4: X4 - X1 0
X4 - X2 0
C.5: X1 - X2 + X5 1
- X1 + X2 + X5 1
C.6: X2 + X3 + X6 2
C.7: X2 + X3 + X7 2
X 2 - X7  0

218
X1 , X2 , X3 , X4 , X5 , X6 , X7 0

INV.2 X2 X1 Solo sí 1
1 1 X 2 −X 1 ≤0
1 0
0 1
0 0

INV.3 X3 X2 Solo sí 2
1 1 X 3 −X 2≤0
1 0
0 1
0 0

INV. 4 X4 X1 X2 Se hará sí 1 y 2

1 1 1

X 4− X 1 ≤ 0
1 1 0
( X 4− X 2 ≤ 0)≡ ( X 1 + X 2−2 X 4 ≥0 )

1 0 1
1 0 0
0 0 0
0 0 1
0 1 0
0 1 1
INV. 5 X1 X2 X5 No sí 1 ó 2
1 1 1 X2 + X3 + X6 2
1 1 0
1 0 1
1 0 0
0 0 0
0 0 1
0 1 0
0 1 1

INV. 6 X6 X2 X3 No sí 2 y 3
1 1 1 X2 + X3 + X6 2
1 1 0
1 0 1
1 0 0

219
 0 0 0
0 0 1
0 1 0
0 1 1

INV. 7 X7 X2 X3 Solo sí 2 y no 3
1 1 1 X7 - X2 0
1 1 0 X3 + X7 1
1 0 1
1 0 0
0 0 0
0 0 1
0 1 0

0 1 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 número de republicanos y de demócratas 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 según 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 demócrata. Suponga que cada elector siempre vota por su propio partido.
Formule un PE para ayudar al gobernador Blue a maximizar el número de demócratas que
ganarán una silla en el congreso.

Tabla 6
REPUBLICANOS DEMOCRATAS
Ciudad 1 80 34
Ciudad 2 60 44
Ciudad 3 40 44
Ciudad 4 20 24
Ciudad 5 40 114
Ciudad 6 40 64
Ciudad 7 70 14
Ciudad 8 50 44
Ciudad 9 70 54
220
 Ciudad 10 70 64

Solución:
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

Para cumplir 2, de la tabla 6 podemos tabular la diferencia entre demócratas y republicanos en

cada ciudad en la tabla siguiente:

REPUBLICANOS DEMOCRATAS (R ) -
(R ) (D) (D)
Ciudad 1 80 34 46
Ciudad 2 60 44 16
Ciudad 3 40 44 -4
Ciudad 4 20 24 -4
Ciudad 5 40 114 -74
Ciudad 6 40 64 -24
Ciudad 7 70 14 56
Ciudad 8 50 44 6
Ciudad 9 70 54 26
Ciudad 10 70 64 6

Luego es necesario definir:

221
Sea:
Xj= 1,0: Gana o no el partido demócrata en el distrito congresional j

Entonces:

Si 46 y11 + 16 y21 - 4 y31 + …+ 6 y101> 0 , Entonces y1 0

 Esta expresión lógica se puede escribir de la manera siguiente:

46 y11 + 16 y21 - 4 y31 + …+ 6 y101 M (1-y1)

X1 M y1

 De manera análoga 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)
X5 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 demócrata en el distrito congresional j
yj = 1,0 : Se cumple o no la condición 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
222
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)
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

223
5.1PROBLEMAS DE PROGRAMACION ENTERA CON LINGO

1. Una decisión de la corte indica que las inscripciones en cada secundaria en la ciudad de
Metrópolis deben incluir por lo menos un 20% de negros. En la tabla se muestra el número de
alumnos negros y blancos de las secundarias en cada uno de los cinco distritos escolares de la
ciudad.

BLANCOS NEGROS
Distrito 1 80 30
Distrito 2 70 5
Distrito 3 90 10
Distrito 4 50 40
Distrito 5 60 30

La distancia, en millas, que debe viajar un alumno de cada distrito para llegar a cada secundaria
se muestra en la siguiente tabla:

ESC.SEC 1 ESC.SEC 2
Distrito 1 1 2
Distrito 2 0.5 1.7
Distrito 3 0.8 0.8
Distrito 4 1.3 0.4
Distrito 5 1.5 0.6

La política de la dirección 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 población de por
lo menos 150 alumnos, formule una PE para minimizar la distancia total que deben viajar los
alumnos de Metrópolis a su secundaria.

MODEL:
SETS:
BN/1,2/:;
DIS/1..5/:;
ESC/1,2/:;
BNDIS(BN,DIS):;
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;
224
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. StateUniversity debe comprar 1100 computadoras de tres vendedores. El vendedor 1 cobra

$500 por computadora, más un costo de transporte de $5000. El vendedor 2 cobra $350 más
$4000, el vendedor 3 cobra $250 más $6000. El vendedor 1 venderá a lo más 500
computadoras a la universidad, el vendedor 2 venderá a lo más 900 computadoras, y el
vendedor 3 venderá a lo más 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

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;

225
@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) = 1100
END
INTE 3
Reconsiderando el problema 19, suponga que al inicio del año 1 se han construido y están en
operación las plantas generadoras de energía eléctrica 1-4. Al inicio de cada año, PSI puede
cerrar una planta que está 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 próximos cinco años

CAPACIDAD GENERADORA (millones kwh)

AÑO 1 80
AÑO 2 100
AÑO 3 120
AÑO 4 140
AÑO 5 160

Capacidad Costo Costo Costo por

Generadora Operación Reapertura cierre
PLANTA 1 70 1.5 1.9 1.7
PLANTA 2 50 0.8 1.5 1.2
PLANTA 3 60 1.3 1.6 1.3
PLANTA 4 40 0.6 1.1 0.8

!XijYijZij i=Planta j=año;

MODEL:

SETS:
PLA/1..4/:CAPL;
ANO/1..5/:CAPAC;

226
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);
@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 operación de cada camión.

Nota: He supuesto que ese costo diario es por CADA operación, es decir, si el camión 1 va
a dos tiendas, el costo de operación del camión 1 será 45+45=90.

Se puede satisfacer la demanda de una tienda de comestibles mediante un solo camión pero un
mismo camión puede entregar leche a más 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.

227
 CAPACIDA COSTO
D (galones) OPERACIÓN
($)
Camión 1 400 45
Camión 2 500 50
Camión 3 600 55
Camión 4 1100 60

! Xij=galones transportados i=camión j=tienda;

MODEL:

SETS:
CA/1..4/:CAP,OPE;
TI/1..5/:DEM;
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

SECUENCIACIÓN EN LINGO

Sea la siguiente matriz de tiempos:

MAQUINA
J
TRABAJO I M1 M2 M3
A 3 -- 8

228
 B 7 3 --
C 5 4 3

Donde Dij es el tiempo de operación del trabajo i en la máquina j.

Sea la secuencia de operaciones de cada uno de los trabajos:

SECUENCIA K
TRABAJO I 1 2 3
A M3 M1 --
B M2 M1 --
C M1 M3 M2

Se pide determinar el tiempo mínimo de ejecución de los trabajos.

Tij = Tiempo de inicio del trabajo i en la máquina j

Dij = duración del trabajo i en la máquina j
TT = Tiempo total del programa
Yk = 1 Si se cumple que, por ejemplo, el trabajo1 en la máquina 1 es anterior al trabajo 2 en la
máquina 1.

FORMULACIÓN EN LINGO:

!PROBLEMA DE SECUENCIACIÓN
Tij= Tiempo de Inicio del trabajo i en la máquina j
Dij = Duración
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);

229
@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));
@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

FORMULACIÓN 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

230
29]- T( 3, 2) + T( 3, 3) <= - 3
32] T( 3, 2) - TT( 1) <= - 4
41]- 500 Y( 1) + T( 1, 1) - T( 2, 1) <= - 3
44] 500 Y( 1) - T( 1, 1) + T( 2, 1) <= 493
47]- 500 Y( 2) + T( 1, 1) - T( 3, 1) <= - 3
50] 500 Y( 2) - T( 1, 1) + T( 3, 1) <= 495
53]- 500 Y( 3) + T( 2, 1) - T( 3, 1) <= - 7
56] 500 Y( 3) - T( 2, 1) + T( 3, 1) <= 495
59]- 500 Y( 4) + T( 2, 2) - T( 3, 2) <= - 3
62] 500 Y( 4) - T( 2, 2) + T( 3, 2) <= 496
65]- 500 Y( 5) + T( 1, 3) - T( 3, 3) <= - 8
68] 500 Y( 5) - T( 1, 3) + T( 3, 3) <= 497

END
INTE Y( 1)
INTE Y( 2)
INTE Y( 3)
INTE Y( 4)
INTE Y( 5)

HACIENDO CORRER EL PROGRAMA:

Global optimal solution found at step: 80

Objective value: 15.00000
Branch count: 2

Variable Value Reduced Cost

TT( 1) 15.00000 0.0000000
Y( 1) 1.000000 0.0000000
Y( 2) 1.000000 0.0000000
Y( 3) 1.000000 0.0000000
Y( 4) 0.0000000 0.0000000
Y( 5) 0.0000000 -500.0000
T( 1, 1) 12.00000 0.0000000
T( 1, 2) 0.0000000 0.0000000
T( 1, 3) 0.0000000 1.000000
T( 2, 1) 5.000000 0.0000000

231
 T( 2, 2) 0.0000000 0.0000000
T( 2, 3) 0.0000000 0.0000000
T( 3, 1) 0.0000000 0.0000000
T( 3, 2) 11.00000 0.0000000
T( 3, 3) 8.000000 0.0000000
D( 1, 1) 0.0000000 0.0000000
D( 1, 2) 0.0000000 0.0000000
D( 1, 3) 0.0000000 0.0000000
D( 2, 1) 0.0000000 0.0000000
D( 2, 2) 0.0000000 0.0000000
D( 2, 3) 0.0000000 0.0000000
D( 3, 1) 0.0000000 0.0000000
D( 3, 2) 0.0000000 0.0000000
D( 3, 3) 0.0000000 0.0000000

Como se puede ver, el tiempo mínimo de ejecución de los trabajos es 15.

5.2 ANEXO

LENGUAJE DE MODELADO LINGO

¿Qué es LINGO?

LINGO es una herramienta simple para utilizar la potencialidad de la optimización lineal y no lineal
para formular problemas muy grandes de una manera concisa, resolverlos y analizar su solución.
La optimización le ayuda a encontrar la respuesta que representa la mejor solución; obtiene la
mayor utilidad, respuesta o felicidad; o logra el menor costo, desperdicio o disconformidad. A
menudo estos problemas significan hacer el uso más eficiente de sus recursos- incluyendo

232
dinero, tiempo, maquinaria, personal, inventario y mucho más. Los problemas de optimización
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 matemático diseñado para formular y resolver

problemas de programación lineal, programación entera y programación 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
Máximo, Deben comenzar con una letra seguido de letras, dígitos o _.
LINGO no distingue entre mayúsculas y minúsculas.

Con respecto a las sentencias:

• Todas las sentencias deben terminar en un punto y coma.

• Para darle un nombre a la función objetivo o a las restricciones, estos se deben colocar entre
corchetes.
• Para declarar la función objetivo debemos colocar las palabras reservadas MAX o MIN,
(aparecerán 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.

Una formulación en LINGO, tiene tres secciones:

1. Sección de conjuntos, SETS, que especifica los conjuntos y sus atributos
2. Sección de datos, DATA, que proporciona los datos a usar o indica donde obtenerlos
3. Sección del modelo, MODEL, lugar donde se describe el modelo matemático.

SECCION DE CONJUNTOS
Cada conjunto tiene la sintaxis siguiente:
NOMBRE/ LOS MIEMBROS/: LOS ATRIBUTOS;

SETS:FABRICAS /F1,F2/ : CAPACIDAD;

CENTROS /C1,C2,C3/ :DEMANDA;

233
RUTAS( FABRICAS, CENTROS ): C, X;
ENDSETS

Los conjuntos, FABRICAS y CENTROS se denominan conjuntos primitivos y el último 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

SECCION DEL MODELO

Para presentar el modelo se utiliza dos funciones @SUM y @FOR.
@SUM calcula la suma de una expresión sobre todos los miembros del conjunto.
La forma general es:
@SUM ( set: expresión)
Suma la expresión que sigue a los dos puntos.
Por ejemplo:
@SUM (RUTAS: C*X)
Suma la expresión 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 función es @FOR, esta función sirve para generar restricciones sobre los miembros
de un conjunto. La forma general es:

@FOR(set: restricción)
Por ejemplo:

@FOR(CENTROS(J):@SUM(FABRICAS(I):X(I,J))<=CAPACIDAD(I));
Indica que se genere la restricción 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 formulación completa es como sigue:

234
MODEL:
! 2 FABRICAS, 3 CENTROS, problema de transporte;
SETS:
FABRICAS /F1, F2/: CAPACIDAD;
CENTROS /C1, C2, C3/ : DEMANDA;
RUTAS (FÁBRICAS, 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 solución del modelo haciendo clic en LINGO, Solve
obteniendo el siguiente resultado:

235
 Objective value: 160.0000

Variable Value Reduced Cost

CAPACIDAD( F1) 30.00000 0.0000000
CAPACIDAD( F2) 20.00000 0.0000000
DEMANDA( C1) 10.00000 0.0000000
DEMANDA( C2) 25.00000 0.0000000
DEMANDA( C3) 15.00000 0.0000000
C( F1, C1) 2.000000 0.0000000
C( F1, C2) 4.000000 0.0000000
C( F1, C3) 6.000000 0.0000000
C( F2, C1) 7.000000 0.0000000
C( F2, C2) 10.00000 0.0000000
C( F2, C3) 1.000000 0.0000000
X( F1, C1) 5.000000 0.0000000
X( F1, C2) 25.00000 0.0000000
X( F1, C3) 0.0000000 10.00000
X( F2, C1) 5.000000 0.0000000
X( F2, C2) 0.0000000 1.000000
X( F2, C3) 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. Más específicamente las variables pueden asumir cualquier valor real desde cero hasta
más 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 está provisto de cuatro funciones de dominio de variables que permiten
sobrepasar el dominio por omisión de una variable:

@GIN Limita la variable sólo a valores enteros

@BIN Hace una variable binaria (0 ó 1)

Permite que la variable tome cualquier valor
@FREE
real (positivo o negativo)
Limita la variable para que se ajuste a un rango
@BND
finito

Ejemplos de uso de variables enteras:

236
@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 STARTen 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 límites:

@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 límites de todas las variables del atributo Q en 10 y
20
@FOR(ITEMS: @BND(QL, Q, QU)): Fija los límites de todas las variables del atributo Q en QL y
QU (A QL y QU deben habérsele asignado valores en la sección de datos)

OPERADORES LOGICOS
LINGO tiene nueve operadores lógicos:
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 Nº 1:(MEZCLA) (usando 1 variables)

Una compañía Fabrica tres productos de caucho: AIRTEX (material esponjoso), EXTENDEX
(material elástico) y RESISTEX (material rígido). Los tres productos requieren los mismos tres
polímeros químicos y una base. La cantidad de cada ingrediente usado por libra del producto final
se muestra en la siguiente tabla.

237
 Ingrediente (OZ/LB de producto)
Producto
Polímero A Polímero B Polímero C Base
AIRTEX 4 2 4 6
EXTENDEX 3 2 2 9
EXTENDEX 6 3 5 2
Inventario 500 425 650 1100

La compañía tiene el compromiso de producir ala menos 1000 libras de airtex,500 libras de
extendex y 400 libras de resistex para la próxima semana pero la gerencia de la compañía sabe
que puede vender más de cada uno de los tres productos .los inventarios actuales de los
ingredientes son 500 libras del polímero A , 425 libras del polímero B,650 libras el polímero C Y
1100 libras de la base . Cada libra de airtex produce a la compañía 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 producción, usted necesita determinar el plan de producción optimo para
esta semana.

Solución:

Ingredientes (oz/lb. de producto)

Polímer Polímer Polímer
compromis gananci
Producto o o o base
o a
A B C
airtex 4 2 4 6 1000 7
extendex 3 2 2 9 500 7
resistex 6 3 5 2 400 6
inventario 500 425 650 1100

Sea:
Xi: la cantidad de ingredientes del PRODUCTO i(i=airtex,extendex,resistex)que se puede usar.

3
∑ X i ∗ganacia ( i )
FUNCION OBJETIVO: i =1 ;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 >= COMPROMISO ( i )
i =1

Para i=1-----X1>=1000
Para i=2-----X2>=500

238
Para i=3-----X3 >=400
3
∑ X i ∗requerimento( i , j ) <=inventario( j )∗16
i=1 , donde requerimiento (i , j) es la cantidad
de producto de cada tipo de ingrediente.

para J=1------4X1 + 3X2 + 6X3<= 500*16;

para J=2------2X1 + 2X2 + 3X3<= 425*16;
para J=3------4X1 + 2X2 + 5X3 <= 650*16;
para J=4------6X1 + 9X2 + 2X3 <= 1100*16;

SETS:
PRODUCTO/AIRTEX EXTENDEX RESISTEX/:NIVEL,COMPROMISO,GANANCIA;
INGREDIENTE/POLIA POLIB POLIC/:INVENTARIO;
PROIN(PRODUCTO,INGREDIENTE):X;
ENDSETS

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))<=INVENTARIO(I)*16);
!RESTRICCION DEL COMPROMISO;
@FOR(PRODUCTO:NIVEL>=COMPROMISO);
END

Problema Nº 2:(DIETAS) (usando 1 subíndice):

El departamento de nutrición de un hospital prepara 30 menús de cena, uno para cada día del
más. Una comida consiste en espagueti,pavo,papas en escalope y pastel de manzanas. Como

239
director del departamento de nutrición, usted ha determinado que esta comida debe proporcionar
63000 miligramos de proteínas,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:

NUTRIENTE(mg / 100g)
Proteína Hierro Tiacina Tiamina Vitna c Grasa
Espagueti 5000 1.1 1.4 0.18 0.0 5000
Pavo 29300 1.8 5.4 0.06 0.0 5000
Papas 5300 0.5 0.9 0.06 10 7900
Espinaca
3000 2.2 0.5 0.07 28 300
s
Pastel 4000 1.2 0.60 0.15 3.0 14300

Solución: hacemos nuestra tabla

Potaje NUTRIENTE(mg/100g)
Proteína Hierro Tiacina Tiamin Vitna c Grasa Maxim
a o
Espaguet 5000 1.1 1.4 0.18 0 5000 300
i
Pavo 29300 1.8 5.4 0.06 0 5000 300
Papas 5300 0.5 0.9 0.06 10 7900 200
Espinaca 3000 2.2 0.5 0.07 28 300 100
s
Pastel 4000 1.2 0.6 0.15 3 14300 100
Minimo 63000 10 15 1 50 0

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

Función objetivo:

min Z=X6;

Sujeto a:

240
Restricción de la cantidad de grasa total que debe haber :
5
X 6 −∑ X i ∗CGi =0 ; donde
i =1 CGi es la cantidad de grasa ya sea en
Pavo , papas ,espinacas ,pastel, espagueti.

Por lo tanto: X6 – X1*5000 – 5000*X2 – 7900*X3 – 3000*X4 – 14300*X5=0

Restricción de la cantidad de nutriente por cada 100 mg que proporciona:

5
∑ X i <= MAXIMOi / 100 ; donde
i =1 MAXIMO i es la cantidad máxima 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

Restricción de la cantidad de nutriente por pataje que debe haber como mínimo:

5
∑ X i ∗nutriente j , i >= MINIMO j
i =1

Donde:

NUTRIENTEj,i . j ,es la cantidad de nutriente ya sea de proteína, hierro, tiacina, tiamina, vitna C
,grasa por cada potaje i ya sea:Espagueti,pavo,papas,espinacas,pastel.

yMINIMOj es la cantidad de potaje como máximo que debe existir.

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
241
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

Objective value: 54800.00

Total solver iterations: 3

Variable Value Reduced Cost

NIVEL( ESPAGUETI) 3.000000 0.000000

242
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 Nº 3:(TRANSPORTE) (usando 2 subíndices):

La cadena de restaurantes “CUATRO MARIAS” se especializa en la preparación 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.

Jesús
Sucursal Callao San Luis Los Olivos
María
Demanda(Ton) 15 17 22 12

La cadena de restaurantes “CUATRO MARIAS” compra el pescado de 3 proveedores que

proporcionan las siguientes cantidades (ton) de pescado

Villa el
Proveedor ventanilla chorrillos
salvador
cantidad 30 25 21

Los costos de transporte (soles/tonelada) de los proveedores a las sucursales son:

sucursal
Proveedor Jesús María 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 distribución óptima de pescado de los proveedores de las
sucursales.

SOLUCION:

El problema nos menciona q debemos determinar la distribución óptima de pescado o también

dicho la cantidad de toneladas pescado q debe ir de cada proveedor a cada sucursal de la
empresa, este dato debe reflejarse en la función 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)

243
En esta expresión “i” (por convención 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 distribución óptima para tener el
menor costo posible debido a la distribución del pescado.

sucursal
Proveedor Jesús Maria Callao San Luis Los Olivos
Ventanilla 6 2 6 7
V. salvador 4 9 5 3
chorrillos 8 8 1 5

Para armar la función objetivo necesitamos relacionar los datos costo unitario por tonelada de
pescado por número de toneladas pescados trasportados esto nos daría es costo total de
transporte.

En la tabla relacionamos primero al primer proveedor ventanilla (rojo) con la primera sucursal
Jesús María (verde) este dato nos refleja el costo por tonelada de trasporte desde ventanilla hacia
Jesús María (azul) lo cual nos da la relación 6*X11 este mismo paso es para los demás datos con
lo cual tendríamos:

3 4
∑ ∑ Xij∗Cij
FO: MIN Z = 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:

Al determinar nuestra función objetivo ya tenemos un punto de partida de donde trabajar ahora
debemos relacionar de la forma más adecuada todos los datos q tengamos a mano de preferencia
almacenarlos en una sola tabla.

Sucursal
Los disponibilida
proveedor Jesús M. Callao S. Luis
Olivos d
ventanilla 6 2 6 7 30
V.
4 9 5 3 25
Salvador
Chorrillos 8 8 1 5 21
Demanda 15 17 22 12

244
A la tabla de costos hemos hecho unos añadidos los cuales son la disponibilidad y la demanda, la
que nos ayudaran a determinar las restricciones del problema

Restricción de la demanda:

Para la determinación de las restricciones se debe tener muy en cuenta la relación entre los datos,
para el caso de la demanda ella está relacionada directamente con los proveedores ya q refleja la
cantidad de toneladas q requiere cada sucursal. Entonces la restricción de la demanda va estar
basada según sucursal “j”.

3
∑ X i , 1 ≥ disponibilidad ( 1)
Para j=1----- i=1

X11+ X21 +X31 ¿ 15 (Jesús Maria)

3
∑ X i , 2 ≥ disponibilidad ( 2 )
Para j=2----- i =1

X12+ X22 +X32 ¿ 17 (Callao)

3
∑ X i , 3 ≥ disponibilidad (3 )
Para j=3----- i =1

X13+ X23 +X33 ¿ 22 (San Luis)

3
∑ X i , 4 ≥ disponibilidad ( 4 )
Para j=4----- i =1

X14+ X24 +X34 ¿ 12 (Los Olivos)

El símbolo de mayor igual en las restricciones quiere decir q la empresa requiere satisfacer sus
necesidades de demanda más 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
DEMANDAestá en función a las cantidad de toneladas de pescado y no en función a los costos,
es por ello q se relaciona directamente con las cantidades a transportar, en conclusión se deben
relacionar datos q tengan igual UNIDADES de medición para q exista concordancia en el
problema.

Restricción de la disponibilidad:

245
Se trabaja de forma análoga a la restricción de demanda pero como se vio en el cuadro anterior la
disponibilidad no está relacionada con las sucursales sino con los proveedores “i”, entonces

El símbolo de menor igual refleja q los pro veedores pueden distribuir todo el pescado q poseen o
menos hacia las sucursales.

2
∑ X 1, j ≥ COMPRA (1)
Para i=1----- j =1

X11+ X12 +X13 ¿ 30 (ventanilla)

2
∑ X 2, j ≥ COMPRA ( 2)
Para i=2----- j=1

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

2
∑ X 3, j ≥ COMPRA (3)
Para i=3----- j =1

i=3 X31+ X32 +X33 ¿ 21 (Chorrillos)

Al igual que la demanda la disponibilidad está en función a la cantidad de toneladas trasportadas
así q no debe estar relacionada con ninguna dato que refleje costos.

Problema Nº 3:(usando 3 subíndices):

La ciudad de Busville tiene tres distritos escolares. En la tabla A se da el número 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
ESTUDIANTES DE GRUPOS
DE GRUPOS NO
DISTRITO MINORITARIOS MINORITARIOS
1 50 200
2 50 250
3 100 150

La corte local a decidido que cada una de las dos escuelas de segunda enseñanza de la
ciudad (Cooley y waltwhitman) debe tener aproximadamente (más o menos 5%) el mismo
porcentaje de estudiantes de minorías, 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
246
 estudiantes. Utilice la programación lineal para determinar la asignación 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

Solución:

Primero vamos a encontrar la función objetivo, la escuela busca minimizar la distancia total
recorrida por sus estudiantes desde su distrito a la escuela y cuantos estudiantes son mayorías y
minoritarios, entonces vamos a llamar a la variable estudiantesi,j,k, donde i: estudiantes del
distrito i (i=1,2,3) que pertenecen al 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 222)+1*(estudiantes 221+ estudiantes
222 )+1*(estudiantes 312+1* estudiantes 322)

Esta fórmula nos explica que se está 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 matemáticamente seria:

MINIMIZAR Σ DISTANCIAik * ESTUDIANTEijK

Las Restricciones:

La primera restricción va ser con respecto a cantidad de alumnos de los dos tipos minoría y
mayoría en los distritos i, según la encuesta realizada matemáticamente lo expresaríamos así.

For i ( For j Σ EST UDIANTE ijK< CANTIDAD ij )

247
La segunda restricción es con respecto a la cantidad de estudiantes en cada escuela por dato nos
dicen que lo mínimonumero de estudiantes para la dos escuelas es 300 estudiantes y la máxima
500 estudiantes, lo presentaremos matemáticamente así

For k ΣiΣj ESTUDIANTE ijk>= Numero de estudiantes

La tercera restricción es con respecto al porcentaje de alumnos en cada escuela, la minoría

representa el 25 % de la ciudad entera y la mayoría representa el 75%, comonosdice que cada
escuela tiene un +- 5% de minoría de la minoría total de la ciudad, entonces cada escuela debe
tomar entre el 20% y el 30% de estudiantes de las minorías .Representando matemáticamente

For k ( ΣiΣj ESTUDIANTE ijk>= PORCTIPO*( ΣiΣj 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
248
EL MODELO ALGEBRAICO:

MODEL:
[_1] MIN= X_1_1_1 + 2 * X_1_1_2 + 2 * X_1_2_1 + X_1_2_2 + X_2_1_1 + 2 *
X_2_1_2 + 2 * X_2_2_1 + X_2_2_2 + X_3_1_1 + 2 * X_3_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_1_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_1_2 + X_3_2_2 <=
500;
[_10] 0.8 * X_1_1_1 - 0.2 * X_1_2_1 + 0.8 * X_2_1_1 - 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 * X_2_1_2 - 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 * X_2_1_1 - 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 * X_2_1_2 - 0.3 * X_2_2_2 +
0.7 * X_3_1_2 - 0.3 * X_3_2_2 <= 0 ;
END

249
Problema Nº 5:(TRASPORTE) (usando 4 subíndices):
La qualitypaper,fabricante y distribuidor de papel .produce 3 tipos diferentes de papel que se
pueden fabricar tanto en la fábrica A,B, o C ubicados en lima.la empresa busca satisfacer la
demanda establecida para las ciudades(Tacna y Cuzco) en donde se venden los productos.
Además en cada ciudad existen 2 tipos de centros de distribución (supermercados y librerías) los
cuales pertenecen a la corporación.los precios de ventas de los productos según donde fueron
fabricados, la ciudad y el centro de distribución donde se va a vender son los siguientes:

TACNA CUZCO
SUPERMEMRC SUPERMERC
LIBRERIA LIBRERIA
ADO ADO
Pro Pro Pro Pro Pro Prod Pr Pro Pro Pro Pro Pro
d1 d2 d3 d1 d2 3 d1 d2 d3 d1 d2 d3
FA
13 15 17 11 12 15 14 12 13 15 13 12
BA
FA 10 13 14 12 14 16 13 14 15 11 12 13

250
 BB
FA
12 11 13 10 11 13 11 13 14 12 13 14
BC

LA corporación busca maximizar sus ventas y saber cómo va a distribuir sus productos tomando
en cuenta la capacidad de producción de las fábricas, la demanda de las ciudades y la capacidad
de los centros de distribución.

Capacidad de producción

FAB FAB FAB C

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 distribución

TACNA CUZCO
SUPER
150 140
MERCADO
LIBRERÍA 130 150

Solución:
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 LIBRERÍA (K=SM,L) el producto
L(L=P1,P2,P3).

FUNCION OBJETIVO:

251
 C CZ L P4
∑ ∑ ∑ ∑ X I , J, K , L∗PRECIO I , J , K , L
MAX I = A , J=TC K=SM L= P 1 , 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 producción:
L P4
∑ ∑ X I, J ,K , L
K =SM , L=P 1

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:
XB,P2,SM,TC + XB,P2,SM,CZ + XB,P2,L,TC + XB,P2,L,CZ <= 70 ;

Para I=B,J=P3:
XB,P3,SM,TC + XB,P3,SM,CZ + XB,P3,L,TC + XB,P3,L,CZ <= 75 ;

252
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 L
∑ ∑ X I,J , K , L
I = A , K=SM

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 +
XC,P2,SM,CZ + XC,P2,L,CZ >= 72 ;

Para J=TC, L=P3:

XA,P3,SM,TC + XA,P3,L,TC + XB,P3,SM,TC + XB,P3,L,TC +
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 +
XC,P3,SM,CZ + XC,P3,L,CZ >= 74 ;

Capacidad de los centros de distribución:

253
 C P4
∑ ∑ X I ,J , K , L
I = A , L=P 1

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:

SETS:
! FABRICAS DONDE SE VA A PRODUCIR EL PAPEL;
FABRICAS/A B C/: ;
! PRODUCTOS A SER PRODUCIDO POR LAS FÁBRICAS;
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 (FÁBRICAS, PRODUCTOS, CDIST, CIUDAD): PRECIO, X;
! CAPACIDAD DE PRODUCCION DE UN TERMENINADOM PRODUCTO POR
FÁBRICA;
FABPRO (FÁBRICAS, PRODUCTOS): CAPACIDAD;
! DEMANDA DE PRODUCCION;
PROCIU(PRODUCTOS,CIUDAD):DEMANDA;
! CAPACIDAD DE LOS CENTROS DE DISTRIBUCION;
254
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));
! 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 *

255
 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 ;
[_3] X_A_P2_SM_TC + X_A_P2_SM_CZ + X_A_P2_L_TC + X_A_P2_L_CZ <= 60 ;
[_4] X_A_P3_SM_TC + X_A_P3_SM_CZ + X_A_P3_L_TC + X_A_P3_L_CZ <= 65 ;
[_5] X_B_P1_SM_TC + X_B_P1_SM_CZ + X_B_P1_L_TC + X_B_P1_L_CZ <= 65 ;
[_6] X_B_P2_SM_TC + X_B_P2_SM_CZ + X_B_P2_L_TC + X_B_P2_L_CZ <= 70 ;
[_7] X_B_P3_SM_TC + X_B_P3_SM_CZ + X_B_P3_L_TC + X_B_P3_L_CZ <= 75 ;
[_8] X_C_P1_SM_TC + X_C_P1_SM_CZ + X_C_P1_L_TC + X_C_P1_L_CZ <= 70 ;
[_9] X_C_P2_SM_TC + X_C_P2_SM_CZ + X_C_P2_L_TC + X_C_P2_L_CZ <= 80 ;
[_10] X_C_P3_SM_TC + X_C_P3_SM_CZ + X_C_P3_L_TC + X_C_P3_L_CZ <= 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 ;
[_13] X_A_P2_SM_TC + X_A_P2_L_TC + X_B_P2_SM_TC + X_B_P2_L_TC +
X_C_P2_SM_TC + X_C_P2_L_TC >= 58 ;
[_14] X_A_P2_SM_CZ + X_A_P2_L_CZ + X_B_P2_SM_CZ + X_B_P2_L_CZ +
X_C_P2_SM_CZ + X_C_P2_L_CZ >= 72 ;
[_15] X_A_P3_SM_TC + X_A_P3_L_TC + X_B_P3_SM_TC + X_B_P3_L_TC +
X_C_P3_SM_TC + X_C_P3_L_TC >= 67 ;
[_16] X_A_P3_SM_CZ + X_A_P3_L_CZ + X_B_P3_SM_CZ + X_B_P3_L_CZ +
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 +

256
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 + X_C_P3_L_CZ
<=
150 ;
END

HACIENDO CORRER EL PROGRAMA CON LINGO 10.0

Global optimal solution found.

Objective value: 8260.000
Total solver iterations: 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
PRECIO( A, P2, SM, TC) 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
PRECIO( A, P3, SM, TC) 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 cálculo denominada COLHO siguiendo la secuencia:
257
 3. C:\COLHO hacemos doble click , se continúa con el ingreso de la información para
resolver el problema, los pasos que se siguen son los siguientes:

Así 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 función de conexión @OLE(), para transferir datos de y a la hoja
de cálculo .
Se ingresa la información, en la hoja de cálculo tal como se indica en el siguiente
programa,

La compañía Coelho S.A. fabrica los motores. El departamento de mercadeo está previendo
ventas de 6100 unidades del Roncam de motor el próximo semestre. Esto es una nueva demanda
y la compañía tendrán que probar su capacidad de producción. 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 producción y la adquisición cuesta en $/unidad se resume en la tabla siguiente.

Costo de Adquisición ( en Costo de Producción ( en

Componente
minutos) minutos)
Cuerpo 10 8
Base 20 20
Armado 16 16

La fábrica de la Compañía 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 compañía para cada componente está rayado en la última línea.

Componente Tiempo de Tiempo de Tiempo de

Preparación Molde Fabricación
Cuerpo 2 4 2
Base 5 2 4
Armado 4 5 5
Disponibilidad 49200 49200 49200
258
El modelo de decisión del problema se da debajo, dónde 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 + 20X2F + 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 X3F<=49200
2X 1F + 4X2F + 5 X3F<=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 está el hecho de nosotros estamos leyendo las constantes de los SETS de la sección a
través de una hoja de cálculo de Excel y exportando el resultado después para el mismo,
utilizando las DATA de la sección. Tanto la lectura como la exportación de los datos para la hoja de
cálculo se hace a través del orden @ OLE ('nombre de la Hoja de Calculo.xls', 'el nombre del
grupo de celdas’). Para el uso de una hoja de cálculo de Excel, nosotros debimos un nombre al
definir para cada de grupo de celdas referenciadas en el modelo.
Considerado la hoja de cálculo presentada en la figura 2, nosotros tenemos los grupos siguientes
de celdas con sus nombres respectivos:

Conjunto de
Nombre
Celdas
B3 a G3 Costo
H5 a HI7 Coef1
H8 a H10 Coef2
C16 FO
B5 a G7 Rest1
B8 a G10 Rest2
B14 a G14 x

259
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:
@OLE('C:\Samples\coelhos.xls','x','FO')= x,FO;
ENDDATA

Observación:

260
-Intenta poner la Hoja de cálculo sin ruta te va salir una venta diciéndote “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 después de la compilación tienes que poner
la ruta como en la figura, esta ruta puede ser cualquiera donde tu decidas guardar tu archivo.

Objective value: 234650.0

Total solver iterations: 3

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

Variable Value Reduced Cost

N 6.000000 0.000000
M 3.000000 0.000000
FO 234650.0 0.000000
X( 1) 4675.000 0.000000
X( 2) 0.000000 1.000000
X( 3) 6100.000 0.000000
X( 4) 1425.000 0.000000
X( 5) 6100.000 0.000000
X( 6) 0.000000 3.500000

261
EL PROBLEMA DE LAS BARRAS DE CHOCOLATE

Los requerimientos para la producción de 3 tipos de barras de chocolate así como la cantidad de
recursos y la utilidad de cada tipo se muestran en el siguiente cuadro:

CANTIDAD
MATERIA
B1 B2 B3 DISPONIBL
PRIMA
E

AZUCAR 1 1 1 50

CHOCOLATE 2 3 1 100

GANANCIA
3 7 5
UNITARIA

SOLUCION.
Xi = Cantidad de barras de tipo i a producir; (i = 1, 2,3)

FO max 3X1+7X2 +5X3

Sujeto a:
X1+ X2 + X3 < 50
2X1+ 3X2 + X3 < 100

SOLUCIÓN 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);

262
@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 cálculo, LINGO tiene una función, @OLE( ) .
Para pasar los datos de la sección DATA a EXCEL se procede como sigue:
1.1 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 ratón se marca las celdas del un conjunto de datos ( 3 7 5)
Con INSERTAR, NOMBRE, DEFINIR del menú, se define el nombre del conjunto
(Ejemplo: G)

En LINGO
En la sección DATA, para importar información, se escribe el nombre del conjunto que se
iguala a la función @OLE señalando la ruta donde se ubican los datos y si se desea
exportar resultados a un lugar predefinido en EXCEL se escribe primero la función y esta
se iguala al nombre de las celdas definidas en EXCEL

SOLUCION COLOCANDO LOS DATOS EN EXCEL

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;

263
ENDSETS

MAX= @SUM(B:P*G);
@FOR(IN(I):@SUM(B(J):USO(I,J)*P(J))<=D(I));

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;
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 continúa con el ingreso de la información 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.
 Así 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 Diseño/Aceptar/en Nombre del Campo , colocar BB/en Tipo de
Datos: texto, se sigue nombrando los demás campos:

Nombre del
Tipo de Datos
Campo
264
 BB Texto
P Texto
G numérico

Hacer clic en X (cerrar)/si/Guardar Como/B/Aceptar

Las demás tablas se crean bajo el mismo procedimiento y para llenar la información en estas se
ingresa a cada una de estas haciendo doble clic y luego se escribe los datos quedando estas
como a continuación se indica:

I C
B
N A
B US
P G II D IN B
B O
P
B1 3 A 50 A B1 1
1
P C 10
B2 7 A B2 1
2 H 0
P
B3 5 A B3 1
3
C
B1 2
H
C
B2 3
H
C
B3 1
H

Finalmente en la sección DATA del programa LINGO, de manera semejante a lo ocurrido en

EXCEL, aquí se utiliza otra función de conexión @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 convención ODBC.

Se ingresa la información, en DATA, tal como se indica en el siguiente programa, se deberá

observar que en la sección SETS no se tiene los elementos de B y de IN es por ello que estos,
además de G, D y USO deberán ser señalados en DATA.

SETS:
!BARRAS,PRODUCCION Y GANANCIA;
!INGREDIENTES (AZUCAR,CHOCOLATE) Y DISPONIBILIDAD;
!CANTIDAD USADA POR BARRA;
B:P,G;
IN: D;
CA(IN,B):USO;

265
ENDSETS
MAX= @SUM(B:P*G);
@FOR(IN(I):@SUM(B(J):USO(I,J)*P(J))<=D(I));
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

266