UNIVERSIDAD NACIONAL DEL CENTRO DEL

PERÚ FACULTAD DE INGENIERÍA QUÍMICA

ESCUELA ACADÉMICA PROFESIONAL DE INGENIERÍA QUÍMICA

ASIGNATURA:
Investigación de Operaciones

CATEDRÁTICO:
Dr. David INDIGOYEN RAMÍREZ

INTEGRANTES:
Balbín Carhuamaca, Jennifer Sherly
Camac Román, Jair Silmer Capcha
Rojas, Mayely Susan Montes Lazo,
Judith Yessenia

2024 – I
ÍNDICE

1.Objetivos

1.1.Objetivo General

1.2. Objetivo Especifico

2. Marco Teórico

2.1. Programación Lineal

2.2.Formulacion de modelos de programación lineal

3. Ejercicios

3.1. Ejercicio 01

3.2. Ejercicio 02

3.3. Ejercicio 03

3.4. Ejercicio 04

3.5. Ejercicio 05

3.6. Ejercicio 06

3.7. Ejercicio 07

4. Formulación de problemas de programación lineal

4.1. Ejemplo 01

4.2. Ejemplo 02

4.3. Ejemplo 03

4.4. Ejemplo 04

4.5. Ejemplo 05

4.6. Ejemplo 06

4.7. Ejemplo 07

5. Conclusiones

6. Bibliografía
 I. OBJETIVOS:

1.1. Objetivo general:

 Determinar las variables de cuestión de los ejercicios,

utilizando en método adecuado.

1.2. Objetivos específicos:

 Definir una programación lineal.

 Conocer los algoritmos de resolución.

 Plantear los problemas de programación lineal.

II. MARCO TEÓRICO:

2.1. PROGRAMACIÓN LINEAL:

Es un método determinista de análisis para elegir la mejor alternativa entre muchas,

la cual satisface varios criterios al mismo tiempo. En otras palabras, la programación lineal

es un método a través del cual se optimiza una función objetivo, bien sea maximizando o

minimizando dicha función, en la cual las variables están elevadas a la potencia 1, de

manera que las variables de tal función estén sujetas a una serie de restricciones

expresadas a través de un sistema de ecuaciones o inecuaciones lineales (Aquino, 2012).

Está compuesta por dos elementos fundamentales: la región factible y las

restricciones estructurales y de no negatividad. A las restricciones se les llama restricciones

de no negatividad y, se le conocen como condiciones del modelo que estipulan que las

variables de decisión deben tener solo valores no negativos, es decir, positivos o nulos. Al

conjunto de valores que satisfacen todas las restricciones, se les denomina región factible,

que se le cataloga como un espacio de solución o de todos los puntos posibles de un

problema de optimización que satisface las restricciones del problema (Aquino, 2012).
2.2. FORMULACIÓN DE MODELOS DE PROGRAMACIÓN LINEAL:

El modelo es una representación o abstracción de una situación u objeto reales,

que muestra las relaciones (directas e indirectas) y las interrelaciones de la acción y la

reacción en términos de causa y efecto (Aquino, 2012).

Pasos a seguir:

I. Delimitar el problema y conocer el objetivo que desea alcanzar (maximizar o

minimizar).

II. Conocer las variables que presentarán la solución al problema, es decir, las

incógnitas que resolverán el modelo.

III. Plantear las restricciones que son los requerimientos que debe cumplir la

solución óptima.

IV. Tener presente que todas las variables deben ser siempre positivas porque

son representaciones de la realidad.

2.3. ALGORÍTMOS DE SOLUCIÓN:

Para dar solución a una programación lineal se puede hacer uso del método

grafico o el método simplex.

En el primer algoritmo se muestra cómo se comportan las variables del problema

en cuestión, mediante el trazo de todas las variables del problema formando un polígono

que representa el área de soluciones factibles, en donde también se ubica la solución

óptima.

El segundo algoritmo es un método iterativo que permite la solución de problemas

con un mayor número de variables que, por lo mismo, es imposible dibujarlas y buscar

una solución gráficamente.

 III. EJERCICIO

3.1. EJERCICIO 01:

La empresa Aires del Sur SA de CV, produce dos tipos de aires acondicionados:
Supercraft (X) y Powermax (Y). Un Supercraft tiene un precio de $600 y un Powermax
$700. Los dos productos, deben pasar por tres áreas. La empresa desea conocer el
volumen de producción que maximice las ganancias, ajustándose a las limitantes de
tiempo presentadas en la tabla siguiente:

Solución:

Max 𝑍 = 600𝑋 + 700𝑌 (Función objetivo)

1𝑋 + 2𝑌 ≤ 140
El signo ≤ indica que las horas requeridas por
2𝑋 + 2𝑌 ≤ 190 cada área, deben ser menores que las disponibles
al mes.
3𝑋 + 2𝑌 ≤ 240
El signo ≥ indica que X e Y deben ser mayores
𝑋 ≥0^𝑌 ≥0
que cero, porque se produce o no se produce.

El siguiente paso consiste en expresar gráficamente las restricciones (horas requeridas);

para ello se deben localizar los puntos X e Y de cada una de las tres desigualdades.

- Para la primera desigualdad tenemos:

1𝑋 + 2𝑌 = 140

Si 𝑌 = 0 → 𝑋 = 140

Si 𝑋 = 0 → 𝑌 = 70
Si todo el tiempo el área 1 produce sólo Supercraft (X) y no produce Powermax (Y),
entonces pueden fabricarse 140 unidades de X.

Si todo el tiempo el área 1 produce sólo Powermax (Y) y no produce Supercraft (X),
entonces pueden fabricarse 70 unidades de Y.
Para la segunda desigualdad
tenemos:

2𝑋 + 2𝑌 ≤ 190
Si 𝑌 = 0 → 𝑋 = 95

Si 𝑋 = 0 → 𝑌 = 95

Si todo el tiempo el área 2 produce sólo Supercraft (X) y no produce Powermax (Y),
entonces pueden fabricarse 95 unidades de X.

Si todo el tiempo el área 2 produce sólo Powermax (Y) y no produce Supercraft (X),
entonces pueden fabricarse 95 unidades de Y.

Para la tercera desigualdad tenemos:

3𝑋 + 2𝑌 ≤ 240

Si 𝑌 = 0 →𝑋 = 80
Si 𝑋 = 0 → 𝑌 = 120
Uniendo todos los puntos en un gráfico:

Para el siguiente paso, se debe trazar la función objetivo. Es necesario conocer los puntos
para el eje X y para el eje Y, por ello se propone conseguir una contribución mínima,
multiplicando el coeficiente de X con el de Y (600 * 700= 420,000). Los cálculos son los
siguientes:

Max 𝑍 = 600𝑋 + 700𝑌

→ 600𝑋 + 700(0) = 420,000

 𝑋 = 700

→ 600(0) + 700𝑌 = 420,000

𝑌 = 600
Como resultan cantidades grandes, se deben reducir para poder graficar la

línea en conjunto con las desigualdades. Para ello de dividirá entre 10 para tener como
resultado el eje X=70 y Y=60. Procedemos a prolongar la línea que representa a la función
objetivo de forma paralela, hasta tocar el punto más lejano que delimita el área de
soluciones factibles, como se presenta a continuación:

Hallando el punto C:

La solución del sistema de ecuaciones de las líneas que se cruzan en el punto C, que son la
desigualdad 1 y desigualdad 2, como se presenta a continuación:

1X + 2Y ≤ 140 (desigualdad 1)

2X + 2Y ≤ 190 (desigualdad 2)
Empleando el método de reducción, se multiplica toda la desigualdad 1 por -1, para poder
eliminar la incógnita Y (resultando:–1X – 2Y ≤ –140).
Después se realiza la reducción siguiente:

−1X − 2Y ≤ −140 2X + 2Y ≤ 190

X ≤ 50

Ahora que se conoce el valor de X, se sustituye en cualquiera de las dos

desigualdades originales. Sustituyendo X en la desigualdad 1, tenemos:
 1 X + 2Y ≤ 140

1 (50) + 2Y ≤ 140

2Y ≤ 140 – 50

Y ≤ 45

Analizamos los puntos A, B, C y D: -

Para el punto B:
X=0 ^ Y=70

𝑍𝐵 = 600(0) + 700(70) = 49,000

Para el punto C:

X=50 ^ Y=45

𝑍𝐶 = 600(50) + 700(45) = 61,500 (máximo)

Para el punto D:

X=50 ^ Y=0

𝑍𝐷 = 600(95) + 700(0) = 57,00

Por lo tanto, se debe producir mensualmente 50 aires acondicionados de la marca

Supercraft y 45 de la marca Powermax.

Veamos si cumple con las restricciones:

En la inecuación 1:

1𝑋 + 2𝑌 ≤ 140

1(50) + 2(45) ≤ 140

140 ≤ 140 (cumple)

En la inecuación 2:
2𝑋 + 2𝑌 ≤ 190

2(50) + 2(45) ≤ 190

190 ≤ 190 (cumple)

En la inecuación :
3𝑋 + 2𝑌 ≤ 240

3(50) + 2(45) ≤ 240

240 ≤ 240 (cumple)

Se puede concluir que la empresa Aires del Sur SA. de CV, de acuerdo con
las limitantes de tiempo, debe producir mensualmente 50 aires
acondicionados de la marca Supercraft y 45 de la marca Powermax, que le
brindarán una contribución de $61,500.

3.2. EJERCICIO 02:

En un almacén de frutas de 800 kg de manzanas ,800 kg de naranjas y 500

kg de plátanos. Con estas existencias van a poner a la venta dos tipos de
lotes de frutas, A y
B. El lote A consta de 1 kg de manzanas, 2 kg de naranjas y 1 kg de plátanos;
mientras que el lote B consta de 2 kg de manzanas, 1 kg de naranjas y 1 kg
de plátanos. Si los lotes A se venden a 12 soles cada uno y los lotes B a 14
soles cada. Determinar el número de lotes de cada tipo que ha de vender
para maximizar sus ganancias.

Solución:

LOTE A LOTE B DISPONIBLE

Manzanas 1 kg 2 kg 800 kg
Naranjas 2 kg 1 kg 800 kg
platanos 1 kg 1 kg 500 kg
PRECIO 12 14
Variables de decisión (V.D)
Las 2 variables están dadas por:

X = Numero de lotes de A

Y= Numero de lotes de B Función a

maximizar:

Max Z = 12X+14Y

Entonces:

X + 2Y ≤ 800 (Restricción a
los kilos de manzanas)

2X + Y ≤ 800 (Restricción a los

kilos de naranjas)

X + Y ≤ 500 (Restricción a los

kilos de plátanos)

X, Y ≥ 0

X + 2Y = 800 X=0  Y=400

Y=0  X=800
2X + Y = 800
X=0  Y = 800

Y=0  X = 400

X + Y = 500 X=0 Y = 500

Y=0  X = 500

X, Y = 0

A (0,0) Z1= 12X + 14Y = 0

B (400, 0) Z2=12X + 14Y =4800

C (300, 200) MAX Z3=12X + 14 =6400

D (200, 300) Z4=12X + 14Y=6600

E (0 ,400) Z5=12X + 14Y = 5600

 Por lo tanto :

Para poder tener la ganancia máxima de 6600 se necesita producir 200 lotes A y 300 lotes
B.

RESTRICCIONES:

1) 200 + 2(300) ≤ 800 cumple

2) 2(200) + 300 ≤ 800 cumple

3) 200 + 300 ≤ 500 cumple

3.3. EJERCICIO 03:

 3.4. EJERCICIO 04:
Una empresa que sirve comidas preparadas tiene que diseñar un menú utilizando dos
ingredientes. El ingrediente A contiene 35g de grasas y 150 kilocalorías para cada 100g
de ingrediente, mientras que el B contiene 15g de grasas y 100 kilocalorías por cada
100g. El coste es de 1,5 euros por cada 100g del ingrediente A y de 1 euros por cada
100g del ingrediente B.

El menú a preparar debería de contener no más de 30g de grasas y al menos 110

kilocalorías por cada 100g de alimentos. Se pide determinar las proporciones de cada
ingrediente a emplear en el menú de manera que su coste sea lo más reducido posible.

1. Indíquese la expresión de las restricciones y la función objetivo.

2. Represéntese gráficamente la región delimitada por las restricciones.

3. Calcúlese el porcentaje óptimo de cada ingrediente a incluir en el menú.

Solución:
1. Sea X= “cantidad de A” e Y=“cantidad de B”
Para establecer las restricciones se hace la siguiente tabla:

La función objetivo que hay que minimizar es: Z= f(x,y) =1,5x + y

2. Se representa el conjunto de restricciones de la recta:

1.5x + y =0 que da la dirección de las rectas 1.5x + y =k

- Para la primera desigualdad tenemos:

7x + 3y ≤6

7x + 3y =6

X=0; Y=2

Y=0 ; X=6/7
 - Para la segunda desigualdad tenemos:

15x + 10y ≥11

15x + 10y =11

X=0 ; Y=11/10

Y=0 ; X= 11/15

3. Graficando:

4. El valor mínimo es cualquier punto de la recta

15x + 10y= 11

Para obtener el porcentaje se resuelve el siguiente sistema:

X= 0,2 (20%) ; Y=0,8 (80%)

La proporción buscada sería el 20% de A y el 80% de B.

 3.5. EJERCICIO 05:

Una fábrica de piensos para animales produce diariamente como mucho seis toneladas de
pienso del tipo A y como máximo cuatro toneladas de pienso del tipo B. además, la
producción diaria de pienso del tipo B no puede superar el doble de la del tipo A y, por
último, el doble de la fabricación de pienso del tipo A sumada con la del tipo B debe ser
como poco cuatro toneladas diarias. Teniendo en cuanta que el coste de fabricación de una
tonelada de pienso del tipo A es de 1000 euros y el de una tonelada del tipo B de 2000
euros, ¿Cuál es la producción diaria para que la fábrica cumpla con sus obligaciones con un
coste mínimo? Calcúlese dicho coste diario mínimo.

Solución:
x=cantidad de pienso de A
y=cantidad de pienso de B

Objetivo:
Minimizar z=1000 x +2000 y
- Restricciones:
0 ≤ x ≤ 6, 0 ≤ y ≤ 4
y ≤2 x
2 x+ y ≥ 4
- Por lo tanto:
0 ≤ x ≤ 6, 0 ≤ y ≤ 4
2 x− y ≥0
2 x+ y ≥ 4
- Igualando:
2 x− y=0
→ x=0 ; y=0
→ y=0 ; x=0
2 x+ y=4
x=0 ; y =4
y=0; x =2
 - Graficando:

Los vértices son: (2,0); (6,0); (6,4); (2,4); (1,2)

 En el vértice (2,0):
z=1000 ( 2 ) +2000 ( 0 ) =2000

 En el vértice (6,0):
z=1000 ( 6 )+2000 ( 0 )=6000

 En el vértice (6,0):
z=1000 ( 6 )+2000 ( 4 ) =14000

 En el vértice (2,4):
z=1000 ( 2 ) +2000 ( 4 )=10000

 En el vértice (1,2):
z=1000 ( 1 ) +2000 ( 2 )=5000

El coste mínimo es de 2000 euros y se alcanza produciendo 2 toneladas de pienso A y

ninguna de la tonelada de pienso B.
 3.6. EJERCICIO 06:

En una pastelería se hacen dos tipos de tartas: Vienesa y real. Cada tarta Vienesa necesita
un cuarto de relleno por cada Kg de bizcocho y genera un beneficio de $ 250, mientras que
una tarta Real necesita medio Kg de relleno por cada Kg de bizcocho y genera $ 400 de
beneficio. En la pastelería se pueden hacer diariamente hasta 150 Kg de bizcocho y 50 Kg
de relleno, aunque por problemas de maquinaria no pueden hacer más de 125 tartas de
cada tipo. ¿Cuántas tartas vienesa y real deben venderse al día para que sea máximo el
beneficio?

Solución:

Vienesa Real disponible

Bizcocho 1 kg 1 kg 150 kg
Relleno ¼ kg ½ kg 50 kg
Precio $ 250 $ 400

- Función objetivo:

MAX Z= 250X + 400Y

- Consideramos: X: # tartas Vienesa Y: # tartas reales

- Restricciones:

X + y ≤ 150 (cantidad de bizcocho)

0.25X + 0.5Y ≤ 50 (cantidad de relleno)

X ≤ 125 (unidades prod. de tartas vienesa)

Y≤125(unidades prod. De tartas real)

 - Luego vamos a determinar puntos X y Y para determinar la gráfica de las

P.O(100,50
)

restricciones:

Luego de tener el punto de la región factible que maximiza el beneficio:

PO= (100, 50)
Z = 250X + 400Y  Z= 250(100) + 400(50) = $ 45000

Por lo tanto, se producirán 100 tartas vienesas y 50 tartas real.

Comprobando restricciones:
 X + y ≤ 150
50 + 100 ≤ 150
150 ≤ 150 (CUMPLE)

 0.25X + 0.5Y ≤ 50
0.25(100) + 0.5(50) ≤ 50
50 ≤ 50 (CUMPLE)

 X ≤ 125
100 ≤ 125 (CUMPLE)

 Y ≤ 125
50 ≤ 125 (CUMPLE)
 3.7. EJERCICIO 07:

4. FORMULACIÓN DE PROBLEMAS DE PROGRAMACIÓN LINEAL :

4.1. EJEMPLO 01: UN PROBLEMA DE MEZCLA

Se desea producir una bebida mezclando jugos o zumos de naranja, toronja y mandarina.
Los costos de los jugos son 3, 6 y 5 por litro, respectivamente. Se requiere que la bebida
tenga al menos el 30% de toronja y no más de 25% de naranja.
Formula el problema de optimización para obtener una mezcla de bebida cuyo costo sea
mínimo.

Solución:
Sean e, f y g, las cantidades de naranja, toronja y mandarina, en litros, para obtener un litro
de mezcla de bebida. Luego, los costos de cada componente son 3e, 6f y 5g,
respectivamente, y el costo de las bebidas es C = 3e + 6f + 5g.
En el problema se quiere obtener el valor mínimo de C.
Falta precisar las condiciones sobre las cantidades de jugos. Estas son:

- Las tres cantidades suman un litro: e + f + g = 1

- La cantidad de toronja al menos es 30% de un litro: f ≥ 0.30
- La cantidad de naranja no excede el 25% de un litro: e ≤ 0.25
- Las tres cantidades son evidentemente no negativas: e, f y g ≥ 0

Así, el conjunto X sobre el cual C queda definida es X = todos los (e, f, g) tales que
e+f+g=1
f ≥ 0.30
e ≤ 0.25
e, f y g ≥ 0

El problema de optimización es
Minimizar C = 3e + 6f + 5g sobre el conjunto X
 4.2. EJEMPLO 02:

En el comedor universitario se desea diseñar un menú para sus comensales a costo mínimo, pero
proporcionando al menos 200Kcal de energía, 55 g de proteínas y 800 mg de calcio. Para ello dispone
de los siguientes productos con sus características.

PRODUCTO TAMAÑ ENERGIA PROTEINAS(g) CALCIO PRECIO(S/.)

O (kcal) (mg)
Pan 26 g 110 4 2 0.50
Pollo 10 g 205 32 12 1.20
Huevo 2u 160 13 54 0.40
Leche 237 cm3 160 8 185 1.10
Ensalada mixta 170 g 420 4 22 1.00
Papas con 260 g 260 14 80 2.00
carne

Además, se precisa que en el menú propuesto no se incluye más de 4 unidades de pan, ni más de 3 de
pollo, ni más de 2 huevos, ni más de 8 de leche, ni más de 2 de ensalada, ni más de 2 papas con carne.
¿Cuál es el modelo matemático?

Solución:
variables de decisión: Xi  Porciones de alimentos a consumir durante el día del alimento
Función objetivo a minimizar:
Z( min )= 0.50 X1 + 1.20 X2 + 0.40 X3 + 1.10 X4 +1.00 X5 + 2.00 X6
Restricciones:

No Negatividad: Xi≥ 0 Para todo i.

EL MODELO MATEMATICO EMPLEADO ES LINEAL
 4.3. EJEMPLO 03:
Una firma industrial elabora dos productos, en los cuales entran 4 componentes de cada
uno; hay una determinada disponibilidad de cada componente y un beneficio por cada
producto. Se desea hallar la cantidad de cada artículo que debe fabricarse.
El siguiente cuadro resume los coeficientes de transformación o sea la cantidad de cada
componente que entra en cada producto.

Product P1 P2 Disponibilidad
o (Kg)
Componentes
A 1 3 15000
B 2 1 10000
C 2 2 12000
D 1 1 10000
Beneficios ($) por unidad 4 3

Solución:
x 1=cantidad del producto P 1
x 2=cantidad del producto P 2
Se desea:
Max ( Z )=4 x 1 +3 x2
Sujeto a:
1 x1 +3 x 2 ≤ 15000
2 x1 +1 x 2 ≤ 10000
2 x1 +2 x 2 ≤ 12000
1 x1 +1 x 2 ≤ 10000
x1 , x2 ≥ 0
 4.4. EJEMPLO 04:
Se hace pedido a una papelería de 800 rollos de papel CORRUGADO DE 30” de ancho,
500 rollos de 45” de ancho y 1000 de 50” . Si la papelería tiene solo rollos de 108” de
ancho. Como deben cortarse los rollos para surtir al pedido con el mínimo desperdicio de
papel sabiendo que el máximo desperdicio aceptable de papel por rollo es de 22”.

Solución:

X j =(# de rollos cortados de diferentes maneras j=1,2,……,5)

Las posibilidades lógicas de corte son:

X1 X2 X3 X4 X5
30 3 2 0 0 0 800
45 0 1 0 2 1 500
50 0 0 2 0 1 1000
Desperdicio 18 3 8 18 13

Por lo tanto, el programa lineal es:

(Min) Z = 18X1 + 3X2 + 8X3 + 18X4 + 13X5
Sujeto a :
3X1 + 2X2=800
X3 + 2X4 + X5=600
2 X3 + X5=1000
X j ≥ 0; j=1,2,……,5
 4.5. EJEMPLO 05:
4.6. EJEMPLO 06:
4.7. EJEMPLO 07:

5. CONCLUSIONES

En el primer ejercicio se deben producir 50 aires acondicionados de la marca Supercraft y 45

de la marca Powermax, que le brindarán una contribución de $61,500. En el segundo

ejercicio para obtener la ganancia máxima de 6600 se necesita vender 200 cantidades del

lote A y 300 cantidades del lote B.

La programación lineal es un método determinista de análisis para elegir la mejor alternativa

entre muchas, la cual satisface varios criterios al mismo tiempo.

La programación lineal se puede resolver por el método gráfico y método simplex.

6. BIBLIOGRAFÍA

Aquino Córdova, J. (2012). Investigación de operaciones. RED TERCER MILENIO S.C.

Euroinnova Business School. (2021, noviembre 30). ¿Qué es programación lineal en

investigación? Euroinnova Business School.

Lorente Castro, J. (2021) Matemáticas aplicadas a ciencias sociales II . Comunidad

autónoma de Castilla y León .

Maynard Kong, P. (2018). Investigación de operaciones . Fondo editorial Pontifica

Universidad Católica del Perú.