Investigacion Operativa

INVESTIGACIN
OPERACIONES I
DE
NDICE
INTRODUCCIN...
CAPTULO 1:
FORMULACIN DE MODELOS DE PROGRAMACIN LINEAL. ..
1.1 EJEMPLOS
1.2 PROBLEMAS RESUELTOS
17
1.3PROBLEMAS DE P.L PREPARADOS CON LINGO
66
1.4 ASPECTOS DEL ALGEBRA LINEAL Y ANLISIS CONVEXO
88
1.4.1 VECTORES
88
1.4.2 OPERACIONES CON VECTORES..
88
1.4.3 MATRICES
90
1.4.4 ECUACIONES LINEALES SIMULTNEAS
95
1.4.5 CONJUNTOS CONVEXOS
98
CAPITULO 2:
PROGRAMACIN LINEAL: TABLERO SIMPLEX .
99
2.1 MTODO GRFICO.
99
2.2 MTODO SIMPLEX..
103
2.3 MTODO DE PENALIZACIN.......
109
2.4 MTODO 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 MTODO DUAL SIMPLEX
123
3.5 MTODO PRIMAL DUAL..
125
3.6 PROBLEMASRESUELTOS..
128
CAPITULO 4:
ANLISIS DE SENSIBILIDAD...
140
4.1 ANLISIS GRFICO DE SENSIBILIDAD
141
4.2 CAMBIOS EN LOS COEFICIENTES DE LA FUNCIN OBJETIVO
144
4.3 CAMBIOS EN LA DISPONIBILIDAD DE RECURSOS..
149
4.4 PRECIO DUAL
151
4.5 CAMBIOS EN LA MATRIZ DE COEFICIENTES TECNOLGICOS
153
4.6 ADICIN DE UNA VARIABLE
156
4.7 ADICIN DE UNA RESTRICCIN.
157
4.8 REGLA DEL 100% .
158
4.9 INTERPRETACIN DEL PROGRAMA LINDO...
162
4.10 INTERPRETACIN DEL PROGRAMA LINGO.
177
CAPITULO 5:
PROGRAMACIN ENTERA
207
231
5.2 ANEXO.
240
INTRODUCCIN
En el mundo real, las organizaciones de diferentes naturalezas tienen problemas de decisin en el

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

poder resolver problemas del mundo real.
Todo problema de programacin lineal est compuesto de una funcin objetivo que se va
optimizar, (maximizar o minimizar) y las restricciones que describen los requerimientos y las
limitaciones de los recursos.
Todo programa lineal parte de los siguientes supuestos:

1. Linealidad, se exige que las restricciones y funcin objetivo sean lineales.
2. Independencia entre actividades, se pretende garantizar que el problema permanezca en
forma lineal.
3. Divisibilidad, los valores de las variables es de carcter continuo.
4. Determinstico, todos los trminos en el modelo lineal se suponen conocidos.
Sea el siguiente problema:
Minimizar
Z c1 X 1 c 2 X 2 ......... c n X n
Sujeto a:
a11 X 1 a12 X 2 ......... a1n X n b1

a21 X 1 a22 X 2 ......... a2 n X n b2
an1 X 1 am 2 X 2 ......... amn X n bn
X 1 , X 2 ,.... X n 0
La funcin objetivo es c1 X 1 c2 X 2 ......... cn X n ; c1 , c 2 ,......... , c n
son los coeficientes y
X 1 , X 2 ,......... , X n son las variables de decisin que deben determinarse.

Las desigualdades son las restricciones. Los coeficientes a ij para (i=1,2,....,m) y (j=1,2,...,n) se
denominan coeficientes tecnolgicos.
El vector columna del lado derecho representa los requerimientos mnimos que deben satisfacer.
Las restricciones X 1 , X 2 ,......... , X n 0 son las condiciones de no negatividad de cada variable.
El mtodo simplex est diseado para resolver programas lineales donde las variables de decisin
son no negativas.
A continuacin se presenta una serie de problemas con sus respectivos programas lineales, el
objetivo que se persigue es mostrar la mayor cantidad posible de mecanismos necesarios para
formular cualquier problema lineal.
1.1 EJEMPLOS
5
CASO: PRODUCCIN
1. Una compaa elabora dos productos P1 y P2 cada uno requiere de componentes c1 y c 2 la

disponibilidad de componentes y precio venta se muestra en el siguiente cuadro.
Componentes
Producto
Precio
Venta
c1
c2
(S/. /
Unidad)
P1
P2
Dispone
15000 10000
(Unid.)
Se pide presentar el modelo que optimiza el ingreso por ventas.
Solucin:
X i = Unidades del producto i a producir (i = 1,2)
Max Z = 4 X 1 + 3 X 2
Sujeto a:
X 1 +3 X 2 15,000
2 X 1 + X 2 10,000
X1 , X 2 0
2. Si cada unidad de P1 , problema 1 genera 3 unidades de un subproducto P3 y adems se tiene
que el mercado demanda como mximo 500 unidades de P3 al precio de S/. 2.00 por unidad y
un costo ocasionado por la destruccin de cada unidad excedente de S/. 0.50
Se pide formular el programa lineal.
Solucin:
6
X 3 j = Unidades del producto 3 que tiene el destino j; (j = Venta, Destruccin)
X 3 = Unidades producidas de P3
X 31 = Unidades producidas de P3 que se venden.
X 32 = Unidades producidas de P3 que se destruyen.
Max z = 4 X 1 + 3 X 2 + 2 X 31 - 0.5 X 32
Sujeto a:
X 1 +3 X 2 15,000
2 X 1 + X 2 10,000
X 3 =3 X 31
X 31 500
X 31 + X 32 = X 3
X 1 , X 2 , X 3 , X 31 , X 32 0
3. Si los costos de los componentes del problema 1 son como sigue:
Componente c1
Rg.
De
5,000
2
3
Componente c 2
S/. /
S/. /
Rg.
De
0.3
8,000
0.2
5,001 12,000
0.4
8,001 10,000
0.4
12,001 15,000
0.5
Unid
Unid
Solucin:
Adicionalmente a las variables del problema 1 se tiene las siguientes:
X c1 j = Unidades del componentes c1 del rango j (j=1, 2,3)
X c2 j = Unidades del componentes c 2 del rango j (j=1,2)
Max z = 4 X 1 + 3 X 2 - (0.3 X c 1 + 0.4 X c 2 + 0.5 X c 3 + 0.2 X c 1 + 0.4 X c 2 )

1
Sujeto a:
X 1 +3 X 2 15,000
2 X 1 + X 2 10,000
X c11 + X c1 2 + X c1 3 = X 1 +3 X 2
X c 2 1 + X c2 2 = 2 X 1 + X 2
X c11 5,000
X c1 2 7,000
X c1 3 3,000
X c2 1 8,000
X c2 2 2,000
X 1 , X 2 , X c 1 ,, X c 2 0
1
CASO: METAS DE TRABAJO
4. Se quiere obtener la mxima cantidad del producto P3 que se logra del ensamble de una
unidad de P1 y una unidad de P2 , las que se elaboran a partir de los componentes c1 y c 2
segn la siguiente informacin.
Componentes
Producto
c1
c2
P1
P2
15000
10000
Disponibilidad
(Unid.)
Solucin:
X i = Unidades del producto i (i = 1,2,3)
Max z = X 3
8
Sujeto a:
X 1 +3 X 2 15,000
2 X 1 + X 2 10,000
X1 X 3
X2 X3
X1 , X 2 , X 3 0
5. La capacidad de produccin de ALFA de 700 unidades mensuales. Los costos unitarios de
produccin y el compromiso mensual de venta a BETA son como sigue:
Costo de
Venta
Produccin
(Unidades)
100
300
150
350
200
400
Mes

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

Sujeto a:
X1 + X2 + X3 = 1050
X1 300
X1 + X2 650
X1 700
X2 700
X3 700
X1,X2,X30
CASO: TIPO DE PROGRESIONES
6. Preparar el modelo lineal para el problema anterior considerando adems que se desea
conocer en cada mes el inventario de producto terminado.
Solucin:
X i = Cantidad de produccin en el mes i (i = 1, 2, 3)

Y i = Excedente en el mes i (i = 1, 2, 3)
INVENTARIO INICIAL + PRODUCCIN - VENTA = INVENTARIO FINAL
MES 1
X 1 - 300 = Y1
X 1 700
MES 2
Y1 + X 2 -350 = Y2
X 2 700
MES 3
Y2 + X 3 - 400 =0
X 3 700
El programa tiene como objetivo minimizar el costo total de produccin
Min z = 100 X 1 + 150 X 2 + 200 X 3

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

de produccin y el compromiso mensual de venta a BETA son como sigue:
Mes
Costo de
Venta
10
Produccin
(Unidades)
300
300
200
350
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 tendr que pagar una multa de S/. 30.00
por unidad mensual faltante.
GAMMA est obligada a cumplir con la entrega de las 1.050 unidades al final del tercer mes.
Solucin:
X i = Produccin en el mes i (i = 1, 2, 3)
Y i = Excedente o dficit en el mes i (i = 1, 2, 3)

W i = Costo mensual de almacenamiento o multa en el mes i (i =1, 2, 3)
PRODUCCIN MENSUAL
INV. INICIAL + PRODUCCIN - VENTA = INV. FINAL (DFICIT)
MES 1
X 1 - 300 = Y1
X 1 800
MES 2
Y1 + X 2 - 350= Y2
X 2 800
MES 3
Y2 + X 3 - 400= 0
X 3 800
X 1 + X 2 + X 3 = 1,050
COSTOS DE ALMACENAMIENTO O MULTA
MES 1
11
Si: Y1 0:
10 Y1 W1
-30 Y1 W1
Si: Y1 < 0:
-30 Y1 W1
10 Y1 W1
Para los dos casos se cumple lo siguiente:

10 Y1 W1
-30 Y1 W1
MES 2
10 Y 2 W2
-30 Y 2 W2
Considerando que las variables de decisin deben ser no negativas se va a efectuar un cambio en
las variables
Y1 = Y11 - Y12 que son irrestrictas en signo y luego se presenta la Formulacin
completa.
Min z = 100 X 1 + 150 X 2 + 200 X 3 + W1 + W2

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

X 1 800
Y11 - Y12 + X 2 - ( Y11 - Y12 ) = 350
X 2 800
Y21 - Y22 + X 3 = 400
X 3 800
10( Y11 - Y12 )- W1 0
12
-30( Y11 - Y12 ) - W1 0

10( Y21 - Y22 )- W1 0
-30( Y21 - Y22 ) - W2 0
X 1 , X 2 , X 3 , Y11 , Y12 , Y21 , Y22 , W1 , W2 0
* OTRA SOLUCIN DEL PROBLEMA
Yij = Inventario final en el mes i (i=1, 2, 3) que se encuentra en j (j = Excedente, Faltante)
MES 1
X 1 - 300 = Y1e Y1 f
X 1 800
MES 2
Y1e Y1 f + X 2 - 350 = Y2 e Y2 f
X 2 800
MES 3
Y2 e Y2 f + X 3 400 = 0
X 3 800
X 1 + X 2 + X 3 = 1,050
Min z = 100 X 1 + 150 X 2 + 200 X 3 + 10 ( Y1e + Y2 e ) + 30 ( Y1 f + Y2 f )
CASO: TRANSPORTE
13
8. Las capacidades de produccin del producto P de las fbricas A y B, los costos por unidad
transportada a los centros de consumo c1 y c 2 y las demandas de estos son como sigue:
Fabrica
Costo de Transporte Produccin
c1
c2
(Unidades)
10
300
12
400
250
350
Demanda
(Unid)
Se pide preparar el modelo para minimizar el costo total de transporte.
Solucin
X ij Unidades transportadas de la fbrica i (i=1,2) al centro de consumo j (j = 1,2)
Min z 5 X 11 10 X 12 12 X 21 3 X 22
Sujeto a:
PRODUCCIN
X 11 X 12 300
X 21 X 22 400
DEMANDA
X 11 X 21 250
X 12 X 22 350
X 11 , X 12 , X 21 , X 22 0
14
Si se cambia por en la restriccin de la demanda, entonces cuando se resuelva el

problema el valor de la funcin objetiva es igual a cero; porque no se transporta nada y eso no
es lo queremos.
CASO: PROCESOS DE MEZCLA
9. Un Kg de P es el resultado de mezclar A, B y C cuyas caractersticas son las siguientes:
Elemento 1
Elemento 2
Precio (S/. /
(%)
(%)
Kg)
20
40
70
30
15
40
10
30
60
Producto
Obtenga la mezcla ptima si se desea que un kg. P tenga al menos 25% y 30% de los
elementos 1 y 2 respectivamente
Solucin
X i Cantidad del producto i (i = A, B, C) a utilizar en un Kg de P.

Min z 70 X A 40 X B 60 X C
sujeto a :
0.2 X A 0.3 X B 0.1X C 0.25 1Kg
0.4 X A 0.15 X B 0.3 X C 0.30 1Kg
X A X B X C 1Kg
X A, X B, XC 0
CASO: TIPO DE HORARIOS
15
10. El requerimiento de personal de seguridad de una empresa, as como los horarios de entrada
y salida son:
Requerimiento de
Cedulas de Servicio
Personal
Nm.
Tiempo
Mnimo de
Turno
personal
Horas
Salida
Entrada
00 04
04 08
12
08 12
12
16
12 16
10
12
20
16 20
16
20 00
10
20
Se desea determinar el nmero total de personas para esa labor.
Solucin
X i Nmero de personas que trabajan durante el turno i (i = 1,2....6)
Intervalo de Tiempo
Turno
1
00
04
08
12
16
20
04
08
12
16
20
00
X1
X1
X2
X2
X3
X3
X4
X4
X5
5
6
X6
Requerimiento
X5
X6
9
12
10
10
Min z X 1 X 2 X 3 X 4 X 5 X 6
16
sujeto a :
X1 X 6 5
X1 X 2 9
X 2 X 3 12
X 3 X 4 10
X4 X6 6
X 5 X 6 10
X1, X 2 , X 3, X 4 , X 5 , X 6 0
CASO: PRODUCCIN
1. La cervecera B produce cerveza COMN y la de tipo ALE. La cerveza se vende a $5.0 el

barril y el de ALE a $2.0. La produccin de un barril de cerveza COMN requiere de 5 libras
de cebada y dos libras de lpulo. La produccin de un barril tipo ALE requiere 2 libras de
cebada y 1 libra de lpulo. Se dispone de 60 libras de cebada y de 25 libras de lpulo.
Maximizar las utilidades de la cervecera B.
Tipo
Venta por
Composicin
Barril
Cebada
Lpulo
Comn
Ale
Solucin
X i Unidades producidas i (i = 1,2)

Max z 5 X 1 2 X 2
sa :
5 X 1 2 X 2 60
2 X 1 X 2 25
X1, X 2 0
2. Chemco produce dos productos qumicos:
manufactureros.
A y B. Se producen mediante dos procesos
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 dlares/oz y B a 14 dlares/oz. Se tiene que desechar todo B no vendido a

costo de 2 dlares/oz.
Formule un P.L. para maximizar los ingresos de Chemco menos los costos de desecho.
Proceso
Horas de
Materia
Trabajo
Producto (oz.)
Prima
(lb.)
Proceso 1
Proceso 2
Dispone
60
40
Solucin
X i Nmero de procesos de tipo i (i =1,2)

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

Max z 16Y A 14YBV 2YBD
Sujeto a:
Horas de trabajo= 2 X 1 3 X 2 60
Materia prima = X 1 2 X 2 40
Producto A= 2 X 1 3 X 2 YA
Producto B= X 1 2 X 2 YB
YBV 20
YBV YBD YB
3. Un fabricante de equipos de filtracin de aire produce dos modelos. En la fig. se dan los datos
relativos a precios de venta y costos, la firma ya tiene contratados 500 del producto 1 y
deseara calcular el punto de equilibrio para ambos modelos. Formule el programa lineal que
minimice los costos.
Precio de
Producto
Venta
(Por
Costo
Costo
Variable
Fijo
18
Unidad)
1
450
240
150,000
700
360
240,000
Solucin
X i Unidades del producto i (i = 1,2)

Para encontrar el punto de equilibrio se parte:
Ganancia Total = PV - Costo Total
450 X 1 700 X 2 240 X 1 360 X 2 150000 240000

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

La Formulacin completa del programa es:
Min z 240 X 1 360 X 2 150000 240000
sujeto a :
210 X 1 340 X 2 390000
X 1 500
X1, X 2 0
4. Un fabricante de acero produce 4 tamaos de vigas en I: pequeas, medianas, larga y extra
larga. Estas vigas se pueden producir en cualquiera de tres tipos de mquinas: A, B y C. A
continuacin se indican las longitudes (en pies) de las vigas I que pueden producir las
mquinas por hora.
Viga
Mquina
A
Pequea
300
600
800
Mediana
250
400
700
Larga
200
350
600
Extra Larga
100
200
300
Supongamos que cada mquina se puede usar hasta 50 horas por semana y que los costos
de operacin por hora de estas mquinas son $ 30, $ 50 y $ 80 respectivamente. Supngase
19
adems, que semanalmente se requiere 10000, 8000, 6000 y 6000 pies de los distintos
tamaos de las vigas I.
Formular el problema de programacin de mquinas como un programa lineal.
Solucin
X ij Cantidad de horas para producir la viga i (i = pequea, mediana, larga y extra larga) en
la mquina j (j = A, B, C).
Las horas de produccin de las mquinas para cada tipo de viga son:
Mquina A= X 11 X 21 X 31 X 41 50
Mquina B
= X 12 X 22 X 32 X 42 50
Mquina C= X 13 X 23 X 33 X 43 50
La produccin semanal por tipo de viga es:

Pequea = 300 X 11 600 X 12 800 X 13 10000
Mediana = 250 X 21 400 X 22 700 X 23 8000
Larga
= 200 X 31 350 X 32 600 X 33 6000
Extra larga= 100 X 41 200 X 42 300 X 43 6000
X 11 , X 12 , X 13 , X 21 , X 22 , X 23 , X 31 , X 32 , X 33 , X 41 , X 42 , X 43 0
Como se trata de costos de produccin la funcin objetivo es:
Min Z 30 X 11 X 21 X 31 X 41 50 X 12 X 22 X 32 X 42 80 X 13 X 23 X 33 X 43
5. Un fabricante tiene cuatro artculos A, B, C y D que deben ser producidos en un mes. Cada
artculo puede ser manejado en cualquiera de tres talleres. El tiempo requerido para cada
artculo en cada taller, el costo por hora en cada uno de ellos y
el nmero de horas
disponibles se dan en la figura. Tambin es permisible repartir cada artculo entre los
talleres en cualquier proporcin. Por ejemplo se puede hacer de artculo A en 8 horas del
taller y 1/3 del artculo C en 19 horas del taller 3.
El fabricante desea saber cuntas horas de cada artculo deben manejarse en cada taller para
minimizar el costo de terminar los cuatro artculos.
DATOS DE LOS TALLES DE PRODUCCIN

20
Artculos
Taller
Taller
Costo por
(tiempo
Hora ($)
disponible,
Hr.)
32
151
72
118
89
160
39
147
61
126
81
160
46
155
57
121
84
160
Solucin
X ij Articulo producido en el taller i (i = 1,2,3) y del tipo de artculo j (j=A, B, C, D)
Min Z 89 X 1A X 1B X 1C X 1D 81 X 2 A X 2 B X 2C X 2 D
84 X 3 A X 3B X 3C X 3D
Sujeto a:
32 X 1 A 151 X 1B 72 X 1C 118 X 1D 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 3C 121 X 3 D 160

X 1A X 2 A X 3 A 1
X 1B X 2 B X 3 B 1
X 1C X 2C X 3C 1
X 1D X 2 D X 3 D 1
X 1 A , X 2 A , X 3 A , X 1B , X 2 B , X 3 B , X 1C , X 2C , X 3C , X 1D , X 2 D , X 3 D 0
6. Se usa un torno para reducir de 14 pulg. a 12 pulg. El dimetro de una barra de acero cuya
longitud es de 36 pulg. Se deben determinar la velocidad X1 (en revoluciones por minuto), el
avance de profundidad X2 (en pulgadas por minuto). La duracin del corte est dada por
36/X2X3.La compresin y la tensin lateral ejercida sobre la herramienta cortante estn 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 + 0.5X1 +
150(X2 + X3). Los mximos permitidos de tensin de compresin, tensin de compresin,
tensin lateral y temperatura son 150,000 libras por pulgada cuadrada, 100,000 libras por
pulgada cuadrada y 800F. Se desea determinar la velocidad (que debe permanecer en el
rango 600 a 800 r.p.m.), el avance en profundidad, y el avance en longitud tal que la duracin
21
del corte sea mnima. Para poder usar un modelo lineal se hace la siguiente aproximacin
puesto que 36/X2X3 se minimiza si, y slo s X2 y X3 se maximiza, se decidi reemplazar el
objetivo por la maximizacin del mnimo de X2 y X3. Formular el problema como un modelo
lineal.
Solucin
X1 = Velocidad en r.p.m.
X2 = Avance en profundidad (pulg./min.)
X3 = Avance longitudinal (pulg/min)
X4 = Min. (X2, X3)
Max z = X4
Sujeto a:
40X1 + 6000X2 + 6000X3 100,000
0.5X1 + 150X2 +150X3 600
30X1 + 4000X2 150,000
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 mquinas A y B.
Ninguna de las mquinas puede procesar partes diferentes al mismo tiempo, a continuacin se
resume el nmero de partes que puede procesar cada mquina por hora.
Parte
Mquina A
Mquina B
Parte 1
12
06
Parte 2
15
12
Parte 3
25
La administracin busca una programacin diaria de mquinas, de tal forma que el nmero de
productos ensamblados sea mximo. Actualmente la compaa tiene tres mquinas del tipo A
y cinco mquinas del tipo B.
Solucin
22
Xij = Nmero de horas por da para fabricar la parte i(i=1, 2, 3) en la mquina j (j=1, 2).
X = Cantidad por da del producto ensamblado.
Considerando que el nmero de horas laborales por da es de 8 horas se tiene:
Max z = X
Clculo del nmero de productos ensamblados:

12X11 + 6X12 X
15X21 + 12X22 X
25X32 X
Horas disponibles:
X11 + X21 24
X12 + X22 + X32 40
X11, X12,...., X32 0
8. Steelco produce dos tipos de acero en tres aceras diferentes. Durante un mes dado cada
acera dispone de 200 horas de alto horno. El tiempo y el costo de produccin de una tonelada
de acero, difieren de una fbrica a otra, debido a las diferencias en los hornos de cada fbrica.
En la tabla se muestra el tiempo y el costo de produccin para cada fbrica. Cada mes,
Steelco tiene que producir 500 toneladas de acero1 y 600 toneladas de acero 2.
Formule la P.L. para minimizar los costos para producir el acero deseado.
Acero 1
Acera
Acera
1
Acera
2
Acera
3
Acero 2
Costo
Tiempo
Costo
Tiempo
($)
(min)
($)
(min)
10
20
11
22
12
24
18
14
28
10
30
Solucin
23
Xi j = Cantidad de acero tipo j (j=1, 2) producido en la acera i (i = 1, 2, 3)
Min Z = 10X11 + 12X21 + 14X31 + 11X12 + 9X22 + 10X32

Sujeto a:
20X11 + 22X1212000
24X21 + 18X2212000
28X31+30X3212000
X11 + X21+ X31500
X12 +X22+ X32600
9. Sunco Oil tiene refineras en Los ngeles y en Chicago. La refinera de Los ngeles puede
refinar hasta 2 millones de barriles por ao; La refinera en Chicago puede refinar hasta 3
millones de barriles de petrleo por ao. Una vez refinado, se enva el petrleo a dos puntos
de distribucin: Houston y Nueva York. Sunco estima que cada punto de distribucin puede
vender hasta 5 millones de barriles de petrleo refinado al ao. Debido a diferencias en los
costos de envo y de refinacin, la ganancia obtenida (en dlares) por milln de barriles de
petrleo enviado, depende del lugar de refinacin y del punto de distribucin (vase la tabla).
Sunco considera aumentar la capacidad de cada refinera. Cada aumento en la capacidad
anual de refinacin de un milln de barriles cuesta 120000 dlares para la refinera de Los
ngeles y 150000 para la refinera de Chicago. Utilice la programacin Lineal para determinar
cmo Sunco puede maximizar sus ganancias, menos los costos de la ampliacin, en un
periodo de diez aos.
UTILIDAD POR MILLN DE BARRILES ($)
A Houston
De los
ngeles
De Chicago
A Nueva
York
20000
15000
18000
17000
Solucin
Xij = Cantidad de barriles anuales provenientes de i con destino j

Yij = Cantidad de barriles (x milln) provenientes de la ampliacin en i con destino j.
Max z = 20000X11 + 15000X12 + 18000X21 + 17000X22 - 120000 (Y11 + Y12) - 150000 (Y21 + Y22)
24
Sujeto a:
X11 + X21+ Y11+Y215
X12 + X22 + Y12 + Y225
X11+X122
X21+X223
10. Para realizar una encuesta por telfono, un grupo de investigacin de mercado necesita
comunicar por lo menos a 150 esposas, 120 maridos, 100 varones adultos solteros y 110
mujeres adultas solteras. Cuestan 2 dlares realizar una llamada telefnica durante el da, y 5
dlares durante la noche (debido a mayores costos laborales). Estos resultados se muestran
la tabla sgte. Se pueden realizar a lo ms la mitad de estas llamadas en la noche, por disponer
de un nmero limitado de empleados. Formule un PL que minimice los costos para completar
la encuesta.
% de
% de
llamadas
llamadas
diurnas
nocturnas
Esposa
30
30
Marido
10
30
Soltero
10
15
Soltera
10
20
Nadie
40
05
Persona que
Contesto
Solucin
Xi = Cantidad de llamadas realizadas en el da o en la noche i (i =1,2)
Min z = 2X1 + 5X2

Sujeto a:
0.30X1+ 0.30X2150
0.10X1+0.30X2120
0.10X1 + 0.15X2100
0.10X1 + 0.20X2110
0.4X1+0.05X20
2X2X1
25
11. CSL es una cadena de tiendas de servicio para computadoras. El nmero de horas de
reparacin especializada que requiere CSL durante los prximos cinco meses, se dan a
continuacin:
Mes 1 (enero) =6000 horas

Mes 2 (febrero)
=7000 horas
Mes 3 (marzo)
=8000 horas
Mes 4 (abril) =9500 horas

Mes 5 (mayo) =11000 horas
Al principio de enero, 50 tcnicos especializados trabajan para CSL. Cada tcnico

especializado puede trabajar hasta 160 horas al mes. Para satisfacer futuras demandas hay
que capacitar a nuevos tcnicos. La capacitacin de un nuevo tcnico dura dos meses. Cada
aprendiz requiere de 50 horas del tiempo de un tcnico especializado el primer mes y 10
horas del tiempo de un tcnico experimentado durante el segundo mes de entrenamiento. A
cada tcnico experimentado se le pagan mensualmente 2000 dlares (aunque no trabaje las
160 horas). Durante el mes de entrenamiento, se paga al aprendiz 1000 dlares al mes. Al
final de cada mes, 5% de los tcnicos experimentados de CSL, cambian de trabajo, para irse
con PlumComputers. Formule un PL cuya solucin permitir a CSL minimizar los costos de
trabajo que se presentan al cumplir con los requerimientos de servicio durante los prximos
meses.
Solucin
Xi = Nmero de tcnicos capacitados en el mes i (i = 1, 2, 3, 4, 5)

Yi = Nmero de tcnicos especializados al inicio del mes i (i =1, 2, 3, 4, 5)
Min z = 2000X1+ 2000X2 + 2000X3 + 2000X4 + 2000X5 + 2000Y1 + 2000Y2 + 2000Y3 + 2000Y4
+ 2000Y5
Sujeto a:
Y1 = 50
160Y1 - 50X16000
160Y2 - 50X2 - 10X17000
160Y3 - 50X3- 10X2 8000
160Y4- 50X4 - 10X39500
60Y5- 50X5 -10X411000
Y2 - 0.95Y1 = 0
Y3 - 0.95Y2-X1=0
Y4- 0.95Y3-X2=0
Y5-0.95Y3-X3 = 0
26
12. Fumco fabrica mesas y sillas. Hay que fabricar cada mesa y cada silla completamente de roble
o de pino. Se dispone de un total de 150 pies de tabla (p.t) de roble y de 210 p.t. de pino. Una
mesa requiere 17 p.t. de roble, o bien 30 p.t. de pino, una silla necesita 5 p.t. de roble, o bien,
13 p.t. de pino. Se puede vender cada mesa a 40 dlares, y cada silla a 15 dlares. Formule
un PL que se puede usar para maximizar los ingresos.
Solucin
Roble (p.t.)
Pino (p.t.)
Precio
de
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 XSR150
30 X MP + 13 XSP210
X MR, X SR, X MP, X SP0
13. La corporacin Brady produce armarios. Necesita semanalmente 90000 pie3
de madera
procesada. Puede conseguir madera procesada de dos maneras. Primero, puede comprar
madera de un proveedor externo, y despus secarla en su propio horno. Segundo, puede
cortar troncos en sus propios terrenos, y convertirlos en madera en su propio aserradero y,
finalmente, secar la madera en su propio horno. Brady puede comprar madera clase 1 o clase
2. La madera clase 1 cuesta 3 dlares/pie3 y produce 0.7 pie3 de madera til luego de secarla.
La madera clase 2 cuesta 7 dlares/pie3 y produce 0.9 pie3 de madera til ya seca. Le
cuestan 3 dlares a la compaa cortar un tronco. Despus de cortarlo y secarlo, un tronco
produce 0.8 pie3 de madera. Brady incurre en un costo de 4 dlares/pie3 de madera seca.
Cuesta 2.50 dlares/pie3 procesar troncos en el aserradero.
El aserradero puede procesar semanalmente hasta 35000 pie3 de madera. Se puede comprar
cada semana hasta 40000 pie3 de madera de clase 1, y hasta 60000 pie3 de madera de clase
2. Semanalmente, se disponen de 40 horas para secar madera.
El tiempo necesario para secar 1 pie3 de madera de clase 1, madera de clase 2, o troncos, es
el siguiente: clase1, 2 segundos; clase 2, 0.8 segundos; tronco, 1.3 segundos.
27
Formule un PL para ayudar a Brady a minimizar los costos semanales para satisfacer las
demandas de madera procesada.
Solucin
Necesidad semanal = 90000 pie3 madera procesada

Costo de secar madera = 4 dlar / pie3
Costo de procesar tronco en aserradero = 2.5 dlar / pie3
Limite proceso del aserradero (semana) = 35000 pie3
Madera
tipo 1
Comprar a
externos
Madera
tipo 2
Madera
Procesada
Producir el
mismo
Se pueden comprar a la semana:

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

Min Z = 7X1 + 11X2 + 9.5X3
28
Sujeto a:
0.7X1 + 0.9X2 + 0.8X390000
X335000
X140000
X260000
2X1+ 0.8X2+ 1.3X340 (3600)
X1, X2, X3 0
Donde:
X1: madera tipo 1 costo (3 + 4 dlares/pie3) = 7 dlar/pie3
X2: madera tipo 2 costo (7 + 4 dlares/pie3) = 11 dlar/pie3
X3: tronco costo (3 + 4 dlares/pie3) = 9.5 dlar/pie3
14. La Chandler Enterprises produce dos productos que compiten en el mercado: A y B. La

compaa quiere vender estos productos a dos grupos de clientes: 1 y 2. El valor que da cada
cliente a una unidad de A y B se muestra en la tabla siguiente. Cada cliente comprar
cualquiera de los dos productos A B, pero no ambos.
Un cliente est dispuesto a comprar el producto A si cree que:
Valor del Producto A -Precio del Producto A Valor del Producto B-Precio del Producto B
Valor del Producto A-Precio del Producto A 0
Un cliente est dispuesto a comprar el producto B si cree que:
Valor del Producto B-Precio del Producto B Valor del Producto A-Precio del Producto A
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
maximizar los ingresos.
Valor de A
para(dlares)
Valor de B
para(dlares)
Grupo 1 de
Grupo 2 de
Clientes
Clientes
10
12
15
29
Solucin
Sea Xi el precio del Producto i (i =1, 2)
Max Z = 1000X1+ 1500X2

Sujeto a:
X1X22
X110
X1 - X2-3
X215
X1, X20
15. Una compaa produce un ensamblado que consiste de un bastidor, una barra y un cojinete.
La compaa fabrica las barras y los bastidores pero tiene que comprar los cojinetes a otro
fabricante. Cada barra debe procesarse en una mquina de forja, un torno y un esmeril.
Estas operaciones requieren de 0.5 horas, 0.2 horas y 0.3 horas por barra respectivamente,
cada bastidor requiere de 0.8 horas de trabajo de forja, 01 horas de taladro, 0.3 horas en la
fresadora y 0.5 horas en el esmeril.La compaa tiene cinco tornos, diez esmeriles, veinte
mquinas de forja, tres taladros y seis fresadoras, supngase que cada mquina opera un
mximo de 2,400 horas por ao.Formular como un programa lineal el problema de encontrar el
nmero Max. de componentes ensamblados que se pueden producir.
Solucin
X1 = Nmero de barras
X2 = Nmero de bastidores
X3 = Nmero de componentes ensamblados
Producto
Forja
Torno
Esmeril
Barra
0.5
0.2
Bastidor
0.8
--
Taladr Fresado
o
ra
0.3
---
---
0.5
0.1
0.3
24,000
7,200
14,400
Horas
Disponibles 48,000 12,000
30
Max. Z = X3
Sujeto a:
0.5X1 + 0.8X2 48,000
0.2X1 12,000
0.3X1 + 0.5X2 24,000
0.1X2 7,200
0.3X2 14,400
X1 X3
X2 X3
X1, X2, X3 0
16. Con rubes y zafiros zalesJewelers producen dos tipos de anillos. Un anillo tipo 1 requiere 2
rubes, 3 zafiros, y 1 h de trabajo de un joyero. Un anillo tipo 2 requiere 3 rubes, 2 zafiros, y 2
h de trabajo de un joyero. Cada anillo tipo 1 se vende a 400 dlares, y cada anillo tipo 2, a 500
dlares. Se pueden vender todos los anillos producidos por zales. Actualmente zales dispone
de 100 rubes, 120 zafiros y 70 horas de trabajo de un joyero. Se puede comprar ms rubes a
un costo de 100 dlares el rub. La demanda del mercado requiere una produccin de por lo
menos 20 anillos tipo 1, y por lo menos 25 anillos tipo 2. Para maximizar la ganancia, zales
tendr que resolver el PL siguiente:
X1 = anillos tipo 1 producidos

X2 = anillos tipo 2 producidos
R = nmero de rubes comprados
Solucin
MaxZ = 400X1 +500X2 - 100R

Sujeto a:
2X1 + 3X2 R 100
3X1 + 2X2 120
X1 + 2X2 70
X1 20
X2 25
X1, X2 0
31
17. Suponga que la planta en San Luis fabrica al producto 1, que sirve como componente
(insumo) para la fabricacin de un producto final 2, en Monterrey y otro producto final 3 en
Monclova. As mismo el producto 3 requiere como insumo adicional el producto 2. La siguiente
figura muestra el flujo de fabricacin.
Planta San
Luis
Producto 1
Planta
Monterey
Producto 2
Ventas
Planta
Monclova
Producto 3
Ventas
La capacidad mensual de produccin de cada ao es:
Capacidad de
Fabrica
Produccin
(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:
Producto
Insumo
Producto 1
Producto 2
Producto
Venta Nacional por mes

Mnima
Mxima
10000
30000
25000
50000
40000
60000
32
Adems por disposicin gubernamental se debe exportar el 10% de la venta nacional

mensual.
Los costos unitarios de produccin son de $ 3, $ 5 y de $ 10, respectivamente para los
productos 1, 2 y 3 los cuales se venden en el mercado nacional a $ 6, $ 10 y $15; en el
extranjero un 20% ms caro, respectivamente.Formule el Modelo Lineal que determina la
produccin mensual de cada producto, que satisfaga a la vez todas las condiciones descritas
antes y que optimice los ingresos por ventas.
Solucin
Xi = Unidades producidas del producto y (y = 1, 2, 3)

Yij = Unidades vendidas del producto y en el mercado j (j=nacional, extranjero) (i = 1, 2, 3)
(j=1:Nacional, 2: Extranjero, 3: Insumos)
Funcin Objetivo:
Max. Z = 6Y11+10Y21+15Y31+7.2Y12 +12Y22+18Y32-3X1-5X2-10X3

Restricciones de:
PRODUCCIN
X1 200,000
X2 120,000
X3 100,000
VENTA DE PRODUCTO 1
La venta es el resultado de la diferencia entre la produccin y el requerimiento de unidades
que participan como insumo para la produccin de otros productos.
X1 = Y11 + Y12
Y11 10,000
Y11 30,000
Y12 = 0.10 * Y11
Y11 =4X2 + X3+Y12
33
VENTA DEL PRODUCTO 2
X2 = Y21 + Y22
Y21 25,000
Y21 50,000
Y22 = 0.10 * Y21
Y21 = X3 + Y21
VENTA DEL PRODUCTO 3
X3 = Y31 + Y32
Y31 40,000
Y31 60,000
Y32 = 0.10 Y31
X1,......, Y320
CASO: MODELOS DE PROCESOS DE MEZCLAS
1. Un alimento para perros se hace mezclando dos productos de soya. En la figura se dan los
datos para los dos productos. Los perros deben recibir al menos cinco onzas de protenas y 2
onzas de grasa diariamente, Cul ser la mezcla de costo mnimo de los dos productos?
Producto
Costo por
Protena
Grasa (%)
de soya
Onza
(%)
0.05
40
15
0.02
15
18
Solucin
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
34
2. Un fabricante de plsticos planea obtener un nuevo producto mezclando 4 compuestos

qumicos. Estos compuestos consisten principalmente de 3 elementos qumicos A, B y C. A
continuacin se muestra la composicin y el costo por unidad de estos compuestos.
Compuesto
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
Qumico
El nuevo producto consiste del 20% del elemento A, al menos 30% del elemento B y al menos
20% del elemento C. Debido a los efectos laterales de los compuestos 1 y 2, estos no deben
de exceder del 30% y 40% del contenido del nuevo producto.
Formular como programa lineal el problema de encontrar la forma menos costosa de obtener
un nuevo producto.
Solucin
Xi = Cantidad del compuesto qumico i (i = 1,2,3,4)

MinZ = 20X1 + 30X2 + 20X3 + 15X4
Un kilogramo del nuevo producto tiene las siguientes caractersticas:
0.3X1 + 0.20X2 + 0.40X3 +0.2X4=0.2

0.2X1 + 0.60X2 + 0.30X3+0.4X4 0.3
0.4X1 + 0.15X2 + 0.25X3 + 0.3X4 0.2
X1 0.3
X2 0.4
X1+ X2 + X3 + X4= 1
X1, X2, X3, X4 0
3. Una compaa produce dos salsas para carne, la aromtica Diablo y la suave Barn Rojo.
Estas salsas se obtienen mezclando dos ingredientes A y B. Se permite cierto nivel de
flexibilidad en la frmula de estos productos. De hecho las restricciones son:
La Barn debe contener un mximo del 75% del ingrediente A;
La Diablo debe contener por lo menos 25% de A y por lo menos 50% de B.
35
Se pueden vender ms de 40 cuartos de A y 30 cuartos de B. La compaa puede vender la

salsa que produzca al precio por cuarto de $ 3.35 La Diablo y $ 2.85 la Barn Rojo.
A y B cuestan $ 1.60 y $ 2.95 por cuarto respectivamente se desea maximizar el ingreso neto
por venta de las salsas.
Formule el problema como programa lineal.
Solucin
X1 = Produccin en cuartos de salsa Diablo

X11 = Cantidad de ingredientes A para la salsa Diablo
X12 = Cantidad de ingredientes B para la salsa Diablo
X2 = Produccin en cuartos de salsa Barn Rojo
X21 = Cantidad de ingredientes A para la salsa Barn Rojo
X22 = Cantidad de ingredientes B para la salsa Barn Rojo
La funcin objetivo es:
Max. Z = 3.35X1 + 2.85X2 - 1.60 [X11 + X21] - 2.95 [X12 + X22]

Las restricciones (1) y (2) son:
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 est planeando poner fertilizantes al pasto en el rea de patios a la
entrada de la primavera. El pasto necesita nitrgeno, fsforo y potasa al menos en las
cantidades dadas en la fig. Estn disponibles tres clases de fertilizantes comerciales; en la fig.
2 se da el anlisis y los precios de ellos. Formule un modelo de programacin lineal para
determinar cunto de cada fertilizante deben comprar para satisfacer los requerimientos a un
costo mnimo
Requerimientos de Pasto
36
Mineral
Peso mnimo (lb)
Nitrgeno
10
Fsforo
Potasio
Caractersticas de los fertilizantes

Contenido
Fertilizantes
de
Nitrgeno
(lb.)
Contenido
Contenido
de Fosforo
de Potasio
(lb.)
(lb.)
Precio
($/lb.)
25
10
10
II
10
10
III
10
Solucin
Xi= Cantidad de fertilizantes i (i = 1,2,3) dado en fraccin de unidad.
Min Z = 10X1 + 8X2 + 7X3

Sujeto a:
25X1 + 10X2 + 5X3 10
10X1 + 5X2 + 10X3 7
5X1 + 10X2 + 5X3 5
X1 + X2 + X3 = 1
X1, X2, X3 0
5. Un vinatero desea mezclar vinos de 5 aos diferentes i= (1,.., 5) para hacer tres tipos de vinos
mezclados. La oferta disponible (en galones) de vino del ao i es Si, i = 1,2,....,5. La mezcla 1
se considera especial, por lo que no se producirn ms de 100 galones. En la figura se dan
las restricciones de cada una de las mezclas. Se pide formular un programa lineal.
Datos Para La Mezcla De Vinos
37
Mezcla
Beneficio
Restriccin
(P/Galn)
Por lo menos el 60% debe

1
provenir de los aos 1 y 2 y

no ms del 10% de los aos
C1
4 y 5.
2
3
Al
menos
el
50%
debe
provenir de los aos 1,2 y 3

No ms del 50% del ao 3
C2
C3
Solucin
Xj = Cantidad de galones de vino de la mezcla j (j = 1,2,3)

Xij = Cantidad de galones de vino del ao i y de la mezcla j (i = 1.....5)
Max. Z = C1 X1 + C2 X2 + C3 X3
Sujeto a:
Restricciones debidas a las mezclas (ver figura)

X11 + X21 0.6X1
X41 + X51 0.1X1
X12 + X22 + X32 0.5X2
X33 0.5X3
Restricciones debido a la oferta disponible y los componentes de las mezclas:
X11+ X12 + X13S1
X21+ X22 + X23S2
X31+ X32 + X33S3
X41+ X42 + X43S4
X51+ X52 + X53S5
X1100
Finalmente las restricciones debido a las componentes de las mezclas:

38
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 frmulas, se obtiene los whiskys de calidades
comercializables ESCOCS, KILT y TARTAN.Las citadas frmulas especifican las siguientes
relaciones entre los elementos a mezclar.
MARC
ESPECIFICACIONE
PRECI
O
DE
VENTA
No menos del 60%

ESCOCS
de A
No ms del 20% de
680
C
No ms del 60% de
KILT
C
No menos del 15%
570
de A.
TARTAN
No ms del 50% de
C
450
Se conocen asimismo, las disponibilidades y precios de los licores A, B, y C.
LITROS
TIPO
DISPONIBLES
PRECIO DE
COSTO
$/LITRO
2000
700
2500
500
1200
400
Se desea definir la composicin de cada marca maximizar el beneficio.
39
Solucin
Xi = Cantidad de litros de whisky de calidad ESCOCS, KILT, TARTAN, (i=1, 2, 3)

Xij = Cantidad de litros del licor j (j = A, B, C) que intervienen en preparar whisky.
Max z = 680X1 + 570X2 + 450X3 - 700(X11 + X21 + X31) - 500(X12 + X22 + X32) - 400(X13 + X23 + X33)
ESCOCS
X11 0.60X1
X13 0.20X1
X11 + X21 + X13 = X1
KILT
X23 0.60X2
X51 0.15X2
X21 + X22 + X23 = X2
TARTAN
X33 0.5X3
X31 + X32 + X33 = X3
Disponibilidad de los licores A, B, C.
X11 + X21 + X31 2,000
X12 + X22 + X32 2,500
X13 + X23 + X33 1,200
X1, X11,, X33 0
7. Una compaa petrolera produce dos tipos de gasolina que vende a
18 y 21 centavos de
dlar por galn. La refinera puede comprar cuatro diferentes crudos con los siguientes anlisis
y costos:
Crudo
0.80
0.10
0.10
0.14
0.30
0.30
0.40
0.10
0.70
0.10
0.20
0.15
0.40
0.50
0.10
0.12
40
La gasolina cuyo precio de venta es 21 centavos de dlar por galn debe tener cuando menos
60% de A y no ms de 35% de B. La de 18 centavos de dlar por galn no debe tener ms de
30% de C. En el proceso de mezclado se pierde, por evaporacin 2% de A y 1% de B y C.
Demustrese como se determinan las cantidades relativas de crudo que se deben utilizar.
Solucin
= Cantidad de crudo i (i=1, 2, 3) que intervienen en la gasolina j(j=1, 2)

La funcin objetivo es:
Min. Z = 0.14(X11 + X12)+ 0.10(X21 + X22) + 0.15(X31 + X32) + 0.12(X41+X42)

Para determinar las cantidades de crudo a utilizar se parte de la produccin de un galn de
gasolina de cada tipo.
Como en el proceso de mezclado se pierde por evaporacin parte de los elementos A, B, C;
se registra a continuacin los porcentajes que quedan de cada elemento y la suma total de
estos componentes.
Crudo
0.784
0.099
0.099
0.982
0.294
0.297
0.396
0.987
0.686
0.099
0.198
0.983
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 evaporacin, entonces queda slo: 0.80 x 0.98 = 0.784% de
A.
Finalmente sumando los porcentajes da como resultado 0.982.
0.982X11 + 0.987X21 + 0.983X31 + 0.986X41 = 1

0.982X12 + 0.987X22 + 0.983X32 + 0.986X42 = 1
Caractersticas de la gasolina tipo 2:
0.784X12 + 0.294X22 + 0.686X32 + 0.392X42 0.60 (0.982X12 + 0.987X22 + 0.983X32 + 0.986X42)
0.099X12 + 0.297X22 + 0.099X32 + 0.495X42 0.35 (0.982X12 + 0.987X22 + 0.983X32 + 0.986X42)
41
Caractersticas de la gasolina tipo 1:

0.099X11 + 0.396X21 + 0.198X31 + 0.099X41 0.30 (0.982X11 + 0.987X21 + 0.983X31 + 0.986X41)
8. Una fbrica de vidrio produce dos tipos de vidrio para uso industrial que se hacen a base de
Borosilicato de Plomo y, la mayor parte de las veces, a base de sustitutos. La empresa tiene
almacenado Slice, Plomo, Brax y pedecera de vidrio, y dispone de dos mezcladoras y dos
hornos para preparar sus productos, cada tipo de vidrio se procesa en cualquiera de las
mezcladoras y en cualquier horno. Todo el vidrio plano se lamina en la misma mquina de
modo que no es necesario considerar esta operacin.
Los productos y los factores de
produccin estn relacionados como se muestra en las siguientes tablas:
Materia
Composicin (Tn) Abastecimiento
Costo
Vidrio 1
Vidrio 2
(Ton)
(Ton)
Brax (A)
0.1
0.2
25000
100
Plomo (B)
0.1
0.2
35000
300
Silice (C)
0.8
0.5
50000
60
Pedecera
0.0
0.1
15000
30
(D)
Composicin (Tn)
Mquina
Mezcladora
Vidrio 1
Vidrio 2
Capacidad
(Hor)
Costo
Variable
(Ton)
0.4
0.2
2000
30
0.1
0.2
1000
50
Horno X
0.2
0.4
2000
40
Horno Y
0.5
0.2
1800
30
L
Mezcladora
M
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
programacin lineal para programar la produccin de los tipos de vidrios.
Solucin
42
Xi = Toneladas del vidrio tipo i (i = 1,2)

Xij = Toneladas de vidrio tipo y que procesa la mezcladora L o M (j=L,M)
Xijk = Toneladas del vidrio tipo y que luego de procesar en la mezcladora j pasa a
continuacin al horno K (K= X, Y).
Restricciones de la Materia Prima:

0.1X1+0.2X2 25,000
0.1X1+ 0.2X2 35,000
0.8X1+ 0.5X2 50,000
0.1X2 15,000
Del grfico se desprender las siguientes restricciones:
X1= X1L+X1M
X1L= X1LX+ X1LY
X1M= X1MX+ X1MY
X2= X2L +X2M
X2L= X2LX+ X2LY
X2X= X2MX+ X2MY
Restricciones del proceso de las mezcladoras:
0.4X1L+0.2X2L 2,000
0.1X1M+0.2X2M 1,000
Restricciones del proceso de los hornos:
0.2
[X1LX + X1MX] + 0.4 [X2LX + X2MX] 2,000
0.5
[X1LY + X1MY] + 0.2 [X2LY + X2MY] 1,800
Condiciones de Produccin:
X1 100
X2 100
X1, X2,......, X2LM, X2MY 0
La produccin ptima se logro con la siguiente funcin objetivo:
43
Max Z = 200 X1 + 300 X2 - 100[0.1 X1 + 0.2 X2] - 300[0.1 X1 + 0.2 X2] - 60[0.8 X1 + 0.5 X2] - 30[0.1
X2] - 30[0.4 X1L + 0.2 X2L] - 50[0.1 X1M + 0.2 X2M] - 40[0.2(X1LX + X1MX) + 0.4(X2XL + X2MX)]
30[0.5(X1LY + X1MY) + 0.2 (X2LY + X2MY)]

9. Un molino agrcola produce alimento para ganado y alimento para pollos. Estos productos se
componen de 3 ingredientes principales, a saber: maz, cal y harina de pescado. Los
ingredientes contienen dos tipos principales de nutrientes por libra de cada ingrediente.
NUTRIENTES
Protenas de
calcio
INGREDIENTES
Maz
Cal
Harina
25
15
25
15
30
20
El contenido de protena en el alimento para ganado debe estar en el intervalo [18 - 22] por
libra, el contenido de calcio en el mismo alimento debe ser mayor o igual que 20 por libra. De
igual manera, en el alimento para pollos el contenido de protenas y el contenido de calcio
deben estar en los intervalos [20 - 23] y [20 - 25], respectivamente. Supngase que se
dispone de 3000, 2500 y 100 libras de maz, cal y harina de pescado es, respectivamente. El
precio por libras de maz, de cal y la harina de pescado es, respectivamente de $0.10, $0.10 y
$0.80. El ganado requiere de 4000 lb. de alimento, mientras que los pollos requieren 2000 lb.
Formlese el problema de mezclado con el objeto de minimizar el costo.
Solucin
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
44
X11+ X12=3000
X21+ X22=2500
X31+ X32=100
Requerimientos de alimentos:
X11+ X21+ X31 4000
X12+ X22+ X32 2000
Contenido de Nutrientes:
18
25 X 11 15 X 21 25 X 31
22
X 11 X 21 X 31
20
15 X 11 30 X 21 20 X 31
23
X 11 X 21 X 31
20
25 X 11 15 X 21 25 X 31
X 11 X 21 X 31
20
15 X 11 30 X 21 20 X 31
25
X 11 X 21 X 31
La funcin objetiva es expresada como:
Min Z = 0.10X11 + 0.10X12 + 0.10X21 + 0.10X22 + 0.8X31 + 0.8X32

El programa lineal puede quedar como:
Min Z = 0.10X11 + 0.10X12 + 0.10X21 + 0.10X22 + 0.8X31 + 0.8X32

Sujeto a:
X11+ X12=3000
X21 + X22=2500
X31 + X32=100
X11 + X21+ X31 4000
X12 +X22+X32 2000
45
3X11 - 7X21+3X31 0
7X11 - 3X21 + 7X31 0
-5X11+10X21 0
2X128X22+2X32 0
5X125X22+5X32 0
-10X12 +5X225X32 0
-5X12+10X22 0
Xij 0
Como la suma de disponibilidad es menor que la suma de requerimientos (es decir, no se

puede cumplir con la produccin deseada), se ha forzado las restricciones de disponibilidad a
ser de igualdad ( en vez de menor igual) y las de requerimiento a menor o igual ( en vez de
mayor igual).
10. Todo el acero producido por Steelco tiene que cumplir con las siguientes especificaciones:
3.2% a 3.5% de carbono,
1.8 a 2.5% de Silicio,
0.9 a 1.2% de nquel,
Resistencia a la traccin de por lo menos 45 000 lb/pulg2.

Steelco produce acero mezclando dos aleaciones. El costo y las propiedades de cada aleacin
se dan en la Tabla mostrada. Supngase que se puede determinar la resistencia a la traccin
de una mezcla promediando las resistencias de las aleaciones que se mezclan. Por ejemplo,
una mezcla de una tonelada que se compone de 40% de la aleacin 1 y de 60% de la aleacin
2, tiene una resistencia a la traccin de 0.4(42 0000) + 0.6(50 000). Utilice la programacin
lineal para determinar cmo minimizar los costos de produccin de una tonelada de acero.
Aleacin 1
Aleacin 2
Costo por tonelada ($)
190
200
Porcentaje de Silicio
2%
2.5 %
Porcentaje de Nquel
1%
1.5 %
Porcentaje de Carbono
3%
4%
42000
50000
Resistencia
a
2
Traccin(lb/pulg )
la
Solucin
46
= cantidad de aleacin i, (i = 1,2)
Componentes
Tipo de Aleacin
Especificacin
Aleacin 1
Aleacin 2
Silicio
2.5
1.8 2.5
Nquel
1.5
0.9 1.2
Carbono
3.2 3.5
190
200
Costo
($)
Ton
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 X20.012
X1+ X2=1
0.01 X1+0.015 X20.009
0.03 X1+ 0.04 X20.035
0.03 X1+ 0.04 X20.032
[X1/(X1 + X2)] (42000) + [X2/(X1 + X2)] (50000) 450000 (*)
Simplificando (*)
3000 X1- 5000 X2 = 0

X1, X20
11. Feedco produce dos tipos de alimentos para ganado. Ambos productos estn hechos
completamente de trigo y de alfalfa. El alimento 1 debe contener por lo menos 80% de trigo, y
el alimento 2 por lo menos 60% de alfalfa. El alimento 1 se vende a 1.50 U$ / lb, y el alimento
2 a 1.30 U$ / lb. Feedco puede comprar hasta 1000 lb de trigo a 0.50 U$ / lb y hasta 80 lb de
alfalfa, a 0.40 U$ / lb. La demanda de ambos tipos de alimento no tiene lmite. Formule un P.L.
para maximizar las ganancias de Feedco.
47
Solucin
Alimento
Alimento
Compra max
Precio
(lb)
($ / lb)
Trigo
>= 80%
>= 40%
1000
0.50
Alfalfa
<= 20%
<= 60%
800
0.40
1.50
1.30
Insumos
Precio ($ /
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+X121000
X21+X22800
0.2X11-0.8X210
0.4X22-0.6X120
12. Feedco decidi otorgar a su cliente (supngase que hay solamente un cliente) un descuento,
dependiente de la cantidad comprada. Si el cliente compra ms de 300 lb del producto 1, se le
vender cada libra que rebase las primeras 300 lb, a solo 1,25 dlares. Similarmente, si el
cliente compra ms de 300 lb del producto 2, se le vender cada libra que rebase las primeras
300 lb, a slo 1,00 dlar. Modifique el PL del problema 11 para tomar en cuenta los
descuentos por la cantidad comprada. (Sugerencia: defina variables para el alimento vendido
a cada precio).
Solucin
48
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
X1T0.8 Y1
X2A0.6 Y2
T1000
A800
X1T+X2T=T
X1A+X2A=A
Y11+Y12=Y1
Y21+Y22=Y2
Y11300
Y21300
X1T, X1A,......., Y11, Y220
13. Feedco
decidi otorgar a su cliente (supngase que hay solo un cliente) un descuento,
dependiente de la cantidad comprada. Si el cliente compra ms de 300 lb del producto 1, se le

vender cada libra que rebase las primeras 300 lb, a solo 1.25 dlares. Similarmente, si el
cliente compra ms de 300 lb del producto 2, se le vender cada libra que rebase las primeras
300 lb, a solo 1.00 dlar. Modifique el PL del problema 11 para tomar en cuenta los
descuentos por la cantidad comprada. (Sugerencia: defina variables para el alimento vendido
a cada precio.
Solucin(Verificar con el Problema anterior)

49
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
Y11300
Y21300
Y12300
Y22300
X11 -0.8X10
X22 -0.6X20
X11+X211000
X12+X22800
14. Un fabricante de gasolina para aviacin vende dos clases de combustibles:
A y B.
El
combustible A tiene 25% de gasolina de grado 1, 25% de gasolina de grado 2 y 50% de grado
3. El combustible B tiene 50% de gasolina de grado 2 y 50% de grado 3.. Hay 500 gln/hr. De
grado 1 y 200 gln./hr de los grados 2 y3, disponible para su produccin. Los costos son de 30
ctvs. ($0.30) por gln de grado 1, $0.60 por gln de grado 2 y $0.50 por gln. de grado 3. La clase
A puede venderse a $0.75 por gln., mientras que la clase B alcanza $0.90/gln. Qu cantidad
puede producirse de cada combustible?
Solucin
50
La informacin se resume en el siguiente cuadro:
Combustible
Costo
Disponibilidad
($ / 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
0.75
0.90
Gasolina
Precio ($ /
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 ser:
Para el grado 1:0.25X1

Para el grado 2:0.25X1+ 0.50X2
Para el grado 3:0.50X1+0.50X2
Siendo el Costo Total:
0.3(0.25X1) + (0.6)(0.25X1 + 0.5X2) + (0.5)(0.5)(X1 + X2)

Y su expresin simplificada:
0475X1 + 0.55X2
Por otro lado, el Ingreso por concepto de las ventas ser:
0.75X1 + 0.90X2
Luego, la funcin Objetivo ser la suma de las contribuciones (utilidad) de cada producto.
Max Z = 0.275X1 +0.35X2

Las restricciones corresponden a la limitacin que se tiene en el uso de cada grado de gasolina
con respecto a la cantidad disponible, es decir:
51
0.25X1 500
0.25X1+ 0.50X2 200
0.50X1+ 0.50X2 200
X1,......, X2 0
CASO: MODELOS DE TIEMPOS
1. Una cafetera trabaja las 24 horas del da y requiere de contratar una cierta cantidad de mozos
para los servicios. Cada mozo trabaja 8 horas consecutivas. Se desea determinar el menor
nmero de mozos que debe contratarse para satisfacer los siguientes requisitos.
Nmero
Turno de horas al da
mnimo de
mozos
02 10
04
06 14
08
10 18
10
14 22
07
18 02
12
22 06
04
Solucin
= Nmero de mozos contratados en el turno i, (i= 1,..,6)
Trminos
10
14
18
22
1
2
X1
X2
X3
5
6
X4
X6
X5
MinZ = X1 + X2 + X3 + X4 + X5 + X6
Sujeto a:
52
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 aerolnea desea asignar dos tipos de aviones a tres rutas. Cada avin puede hacer a lo
ms dos vueltas diarias. Adems, se dispone de tres aviones del tipo A y 4 del tipo B. La
capacidad de los aviones del tipo A es de 140 pasajeros y la de los aviones del tipo B es de
100 pasajeros.
El nmero esperado de pasajeros por da en las tres rutas es de 300, 700 y 220
respectivamente.
A continuacin se resumen los costos de operacin por viaje en las diferentes rutas:
Tipo de
Costo de operaciones de una ruta dada
avin
3000
2500
2000
2400
2000
1800
Se pide formular el problema como un programa lineal a fin de minimizar los costos de
operacin.
Solucin
XAi=Cantidad de vuelos por da en la ruta i(i= 1, 2, 3) de los aviones tipo A.

XBi=Cantidad de vuelos por da en la ruta i(i= 1, 2, 3) de los aviones tipo B.
Min. Z =3000XA1 + 2500XA2 + 200XA3 + 2400XB1 + 2000XB2 + 1800XB3
Sujeto a:
53
XA1+ XA2+ XA36

XB1+ XB2+ XB38
140XA1+100XB1300
140XA2+ 100XB2700
140XA3+ 100XB3220
XA1, XA2,.,XB30
3. El Ghotam City National Bank abre de lunes a viernes, de las 9 a.m. hasta las 5 p.m. De
experiencias anteriores, el banco sabe que necesita el nmero de cajeras, indicado en la tabla
A. El banco contrata dos tipos de cajeras. Las cajeras de tiempo completo trabajan de 9 a 5,
los cinco das de la semana, y tienen 1 hora de descanso para comer. ( El banco determina
cuando una empleada de tiempo completo puede comer, pero cada cajera tiene que comer
entre medioda y la 1 p.m. o entre la 1 y las 2 p.m.) Se les paga 8 dlares (incluyendo
prestaciones complementarias) por hora (incluyendo la hora de la comida) a las empleadas de
tiempo completo. El banco tambin contrata cajeras de tiempo parcial. Cada cajera de tiempo
parcial debe trabajar exactamente 3 horas consecutivas cada da. Se les paga 5 dlares/h a
una cajera de tiempo parcial (y no reciben beneficios complementarios). Para conservar una
calidad adecuada del servicio, el banco ha decidido que se pueden contratar a lo sumo cinco
cajeras de tiempo parcial. Formule un PL para cumplir con los requerimientos de las cajeras a
un costo mnimo. Resuelve el PL en una computadora. Juegue con las respuestas del PL para
determinar una poltica de contratacin que ste cerca de minimizar los costos laborales.
TABLA A
PERIODO DE
CAJERAS
TIEMPO
REQUERIDAS
09 10
10 11
11 MEDIODIA
MEDIODIA 01
01 02
02 03
03 04
04 05
Solucin
Xi = Nmero de Cajeras a tiempo completo en el turno i (i = 1, 4, 5)

Yi = Nmero de Cajeras a tiempo parcial en el turno i (i = 1, 2, 3, 4, 5, 6)
54
Cajeras Requeridas en cada periodo de tiempo

Turnos
Tiempo
Tipo de cajera
Completo
Periodo de tiempo
T1 9 -
T2 10
T3 11 -
T4 12 -
T5 1 -
T6 2 -
T7 3 -
T8 4 -
10
11
12
X1
X1
X1
X4
X5
X1
X1
X1
Y1
Y1
Y1
Y2
Y2
Y2
Y3
Y3
Y3
Y4
Y4
Y4
Y5
Y5
Y5
Y6
Y6
Y6
Tiempo
Parcial
Requerimient
o
Min Z = 64X1 + 15Y1 + 15Y2 + 15Y3 + 15Y4 + 15Y5 + 15Y6

Sujeto a:
X1 + Y14
X1 + Y1 + Y2 3
X1 + Y1 +Y2 + Y3 4
X4 + Y2 + Y3 + Y4 6
X5 + Y3 + Y4 + Y5 5
X1 + Y4 + Y5 + Y6 6
X1 + Y5 + Y6 8
X1 + Y6 8
X4 + X5 X1= 0
Y1 + Y2 + Y3 + Y4 + Y5 + Y6 5
X1, X4, X5, Y1, Y2, Y3, Y4, Y5, Y6 0
CASO: PROBLEMAS DE METAS DE TRABAJO

55
1. Un agente vendedor maneja 2 productos. Dicho agente no puede vender ms de 10 unid/mes

del producto 1 39 unid/mes del producto 2. Para evitar una multa, el debe vender al menos
24 unidades del producto 2. El recibe una comisin del 10% sobre todas las ventas y debe
pagar sus propios gastos, la cual se estima en $1,50 por hora gastada en hacer visitas. El
trabaja un mximo de 80 hrs/mes. El producto 1 se vende en $150 por unidad y requiere un
promedio de 1,5 horas por cada visita; la probabilidad de hacer una venta es de 0,5. El
producto 2 se vende en $70 por unidad y requiere un tiempo de 30 minutos por cada visita,
siendo la probabilidad de hacer una venta de 0,6.
Cuntas visitas mensuales debe hacer a los clientes de cada producto?
Solucin
Xi = Nmero 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 nmero 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 mquinas. En la tabla A, se dan los tiempos necesarios (en horas) para producir cada
producto en cada mquina. Cada mes los clientes estn dispuestos a comprar los productos
hasta las cantidades y a los precios indicados en la tabla B. La meta de la compaa es
maximizar los ingresos obtenidos mediante la venta de los productos durante los prximos
dos meses. Formule un PL para ayudar alcanzar esta meta.
TABLA A
56
MAQUINA
MAQUINA
Producto 1
Producto 2
TABLA B
DEMANDAS PRECIO(Dlares)
Mes
Mes 1 2
Mes 1
Mes 2
Producto 1
100
190
55
12
Producto 2
140
130
65
32
Solucin
Sea:
Xijk= Cantidad de producto i, fabricado en maquina j, en el mes k (i,j, k =1, 2)
Mes 1:
4X111 +7X211500
3X121 +4X221500
Mes 2:
4X112 +7X212500
3X122 +4X222500
Sea:
Cik = La cantidad de producto i, vendida en el mes k (i, k = 1, 2)

Nik = La cantidad de producto i, que no se vende en el mes k(i, k =1, 2)
Est sujeta a las siguientes restricciones:
X111 + X121 = C1 +N11

C11 100
X211 + X22 = C21 + N21
C21 140
57
X112 + X122 + N11 = C12 + N12

C12 190
X212 + X222 + N21 = C22 + N22
C22 130
Luego la funcin objetivo viene a ser la maximizacin de la venta de los productos durante
los prximos dos meses.
Max z = 55C11 + 65C21 + 12C12 + 32C22
CASO: PROBLEMAS DE DISTRIBUCIN DE TIERRAS
1. Una empresa agrcola explota una finca de 200 Ha., de regado, que puede dedicarse en
principio a dos cultivos C1 y C2. Los ingresos y costos variables por hectreas para cada
cultivo figuran en la siguiente tabla:
Cultivo
Ingresos
(S/. / Ha)
Costos
Variables
(S/. / Ha)
Cultivo C1
14.000
6.000
Cultivo C2
15.000
6.000
El cultivo C1 puede repetirse indefinidamente todos los aos en la misma parcela; en cambio el
cultivo C2 ha de implementarse en parcelas que el ao anterior llevaron otro cultivo; pues sino se
sigue esta norma tcnica (rotacin de cosechas), disminuirn apreciablemente los rendimientos.
El agua para riego es de 1 lt/seg. y por hectrea, es decir 610,000 m2 al mes para toda la finca.
Las necesidades de agua de los cultivos en el mes prximo:
Cultivo C1 = 3.000 m3/Ha.

Cultivo C2 = 4.000 m3/Ha.
La cosecha C2 solo tiene salida en el mercado local, que puede absorber como mximo la
produccin de 60 Ha. de dicho cultivo.
58
El fin de la programacin es, en este caso, determinar la superficie, que deben cultivarse C1 y C2
para que el beneficio sea mximo.
Solucin
Xi = Nmero de hectreas para el cultivo i (y =1,2)

Max Z = 14000X1 + 15000X2 6000X1 6000X2
Sujeto a:
X1 + X2 = 200
X2 X1
3000X1 + 4000X2 610000
X2< 60
X1, X2 0
2. La Canadian ParksComission vigila dos terrenos. El terreno 1 est formado de 300 acres y el
terreno 2 por 100 acres. Se puede utilizar cada acre del terreno 1 para abetos, la caza o para
ambas cosas. Se puede utilizar cada acre del terreno 2 para abetos, para acampar o para
ambas cosas. En la tabla, se da el capital, (en cientos de dlares) Y la mano de obra (das
hombre) que se necesitan para mantener un acre de cada terreno, y la ganancia (miles de
dlares) por acre, para cada uso posible del suelo. Se dispone un capital de 150000 y 200
das-hombre de trabajo. Cmo se tiene que asignar el suelo a los usos diferentes, para
maximizar la ganancia recibida de los dos terrenos?
Capital
Mano de
obra
Ganancia
Terreno 1
Abetos
0.1
0.2
0.2
0.4
0.2
0.5
0.05
0.06
30
0.09
10
1.01
1.1
Terreno 1
Caza
Terreno 1
Ambas cosas
Terreno 2
Abetos
Terreno 2
Acampar
Terreno 2
Ambas cosas
59
Solucin
Xij = # de acres del terreno i (1 ,2) para la actividad j (1, 2, 3)

Max Z = 0.2X11 + 0.4X12 + 0.5X13 + 0.06X21 + 0.09X22 + 1.1X23
Sujeto a:
X11 + X12 + X13 = 300
X21 + X22 + X23 = 100
300X11 + 300X12 + 400X13 + 100X21 + 3000X22 + 1000X23 150000
0.1X11 + 0.2X12 + 0.2X13 + 0.05X21 +5X22 + 1.01X23 200
CASO: PROBLEMAS DE TRANSPORTE
1. Una empresa empaca frutas envueltas para regalo de aniversario. Los paquetes son envueltos
en dos tiendas diferentes desde las cuales son enviadas a cinco vendedoras diferentes. El
costo de empacar los productos en las tiendas 1 y 2 es de $ 5.25 y $ 5.70 respectivamente,
las predicciones de la empresa sobre la demanda indica que los embarques deben ser como
se indica en la Tabla 1. La capacidad de empaque de la tienda 1 es de 20,000 paquetes y la
tienda 2 de 12,000. Los costos de distribucin desde las dos tiendas se dan en la Tabla 2,
formule un modelo de programacin lineal para determinar cuntos paquetes debe enviar la
empresa desde cada tienda a cada vendedor.
DEMANDA DE LOS MAYORISTAS
Vendedor
4,000
6,000
2,000
10,000
8,000
Mayorista
Embarques
requeridos
COSTOS DE DISTRIBUCION
Al vendedor mayorista
De la
tienda
0.06
0.04
0.12
0.12
0.05
0.15
0.09
0.05
0.08
0.08
60
Solucin
Xij= Cantidad de paquetes entregados por la tienda i al vendedor j (i = 1,2) (j = 1,2,3,4,5 ).

Se debe minimizar el costo del paquete y distribucin de las tiendas a los vendedores.
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 POLTICAS Y PRSTAMOS BANCARIOS
1. Tengo ahora $ 100. Durante los prximos 3 aos se tiene proyectado realizar las
siguientes inversiones:
Inversin A: Cada dlar invertido ahora produce $0.10 dentro de 1 ao y $1.3 dentro de 3
aos.
Inversin B: Cada dlar invertido ahora produce $0.2 dentro 1 ao y 1.1 dentro de 3 aos.
Inversin C: Cada dlar invertido dentro de 1 ao, producir $1.5 dentro de 3 aos.
Cada ao se puede colocar el dinero no invertido en fondos del mercado de dinero, lo que
produce 6 % de inters anual. Se puede colocar a lo ms 50% en cada una de las
inversiones A, B, C.
Formule un P.L para maximizar efectivo en caja dentro de 3 aos.

Solucin
Xij = Inversin de tipo i en el ao j, (i = A, B, C; j = 1,2,3)

Xi = Inversin de tipo i para 3 aos
XFj = Cantidad no invertida en el ao j.
61
AO 1
XA1 +XA 50
XB1 + XB 50
XA1 + XA + XB1 + XB + XF1 = 100
AO 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)
AO 3
Dinero disponible:
1.1XA2 + 1.2XB2 + 1.06XF2
XA3 + XB3 + XF3 = 1.1XA2 + 1.2XB2 + 1.06XF2

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

desperdicio.
62
Solucin
X = Nmero de lminas del patrn 1 extradas de la lmina de 11 x 2000.
Y = Nmero de lminas del patrn 2 extradas de la lmina de 10 x 3000.
Z1 = Nmero de lminas del patrn 3 extradas de la lmina de 10 x 3000.
Z2 = Nmero de lminas del patrn 3 extradas de la lmina de 11 x 2000.
Considerando que cada 4 se efecta un corte de cada una de las lminas estndar, se tiene:
Patrones extrados de las lminas 11 x 2000 y 10 x 3000

X + Z2 500
Y + Z1 750
Lminas de 2 X 4 Y 4 X 7:
2X + Y + 5Z1 + 5Z2 2000
X + Y 1000
X, Y, Z1, Z2 0
Se entiende por desperdicios a los residuos que son generados a partir de la confeccin de los
patrones 2 y 3.
MaxZ = Y + Z2
2. Una papelera produce papel en bobinas de un ancho definido por las caractersticas de sus
equipos de proceso. De acuerdo a la poltica de ventas de la compaa, a determinados
compradores se les preparan bobinas de un ancho menor al de las bobinas estndar, por lo
cual sta debe ser cortada para satisfacer la demanda.
La empresa desea hacer la cantidad total de recortes desechables tan pequea como sea
posible.
El caso en estudio presenta una produccin de bobinas de 215 cm. De ancho, debindose
cumplir con los siguientes pedidos:
LONGITUD DEL
PEDIDO
(m)
ANCHO
(cm)
18,000
64
9,000
60
9,000
35
63
Se aclara que los cortes deben efectuarse en sentido longitudinal y que los mismos no
necesitan estar formados por una sola tira.
Solucin
Se debe establecer los posibles patrones de corte, o sea las distintas maneras que se ha de
cortar la bobina a fin de satisfacer los pedidos.
= Longitud de la tira en metros del patrn i
ANCHO (cm)
Ancho Del
64
60
35
X1
23
X2
27
X3
17
X4
31
X5
21
X6
11
X7
25
X8
--
X9
LONGITUD (m)
Recorte
Ejemplo Del Primer Patrn: X1
Tiras de 64 cm. de ancho:

3X1 + 2X2 + 2X3 + X4 + X5 + X6 18000
X2 + 2X4 + X5 + 2X7 + 3X8 9000
64

2X2 + 2X5 + 4X6 + 2X7 + X8 + 6X9 9000
X1,.., X9 0
65
1.3 PROBLEMAS DE PROGRAMACIN LINEAL PREPARADOS CON LINGO
1.
Una compaa elabora dos productos P1 y P2, cada uno requiere e componentes C1 y C2, la
disponibilidad de los componentes y precio de venta de muestra en el siguiente cuadro:
Producto
Componentes
Precio de Venta
C1
C2
(S/./Unidad)
P1
P2
Dispone
15000
10000
Se pide formular el problema y optimizar el ingreso de ventas:

Solucin:
!PROBLEMA N1;
!PROD=TIPO DE PRODUCTO PV=PRECIO DE VENTA DE PRODUCTO;

!COM=COMPONENTES DISP=DISPONIBILIDAD DE LOS COMPONENTES;
!CANT=COMPONENTES PARA CADA PRODUCTO X=CANTIDAD DEL PRODUCTO(1,2);
SETS:
PROD/1..2/:PV,X;
COM/1..2/:DISP;
MATRIZ(PROD,COM):CANT;
ENDSETS
DATA:
PV=4,3;
DISP=15000,10000;
CANT=1,2,
3,1;
ENDDATA
MAX=@SUM(PROD:PV*X);
@FOR(COM(J):@SUM(PROD(I):CANT(I,J)*X(I))<=DISP(J));
66
2. (PROPUESTO)La capacidad de produccin de TEXTIL-PERU es de 900 unidades mensuales.

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

para plantas que emplea 3 tipos diferentes de ingredientes A, B y C, para conseguir 3 tipos de
abonos 1, 2, y 3.
En cuanto a los ingredientes, su disponibilidad es limitada y sus costos son los siguientes:
INGREDIENTE
CANTIDAD DISPONIBLE
(kg)
COSTOS
(S/./ kg)
4.000
1.300
6.000
1.500
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
Adems de lo anterior, los ingredientes han de mezclarse en proporciones especficas para

asegurar una combinacin adecuada:
Para el abono 1, no menos del 25 % de A y no ms del 40 % de C; para el abono 2, no menos del
30 % de A, no menos del 20 % ni ms del 30 % de B y no ms del 15 % de C; y para el abono 3,
no menos del 35 % de B.
67
Con todos los datos que FLORANID S.A. nos ha facilitado, nos piden que determinemos: Cunta
cantidad de cada tipo de abono hay que producir de forma que se maximice el beneficio de la
compaa?
Solucin:
Con los datos podemos construir un primer esquema que nos permitir desarrollar el modelo de
programacin lineal para la resolucin del problema:
ABONOS
INGREDIENTES
CANTIDAD
COSTOS
DISPONIBLE (kg)
(S/. /kg)
X11
X12
X13
4000
1300
X21
X22
X23
6000
1500
X31
X32
X33
2000
1000
4. (PROPUESTO) Una compaa vende dos mezclas diferentes de nueces. La mezcla ms

barata contiene un 80% de cacahuates y un 20% de nueces, mientras que las ms cara
contiene 50% de cada tipo. Cada semana la compaa obtiene 1800 kilos de cacahuates y
1200 kilos de nueces de sus fuentes de suministros. Cuntos kilos de cada mezcla debera
producir a fin de maximizar las utilidades si las ganancias son de $ 10 por cada kilo de la
mezcla ms barata y de $ 15 por cada kilo de la mezcla ms cara?
MEZCLA
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 prximo ao en las siguientes cantidades estimadas:
1. trimestre: 7000dias vigilante.

2. trimestre: 8500dias vigilante
Un vigilante debe ser entrenado durante cinco das antes de estar disponible para asignarlo a los
clientes.
68
Existe 65 das de trabajo en cada trimestre y al inicio del primer trimestre existen 120 vigilantes
calificados en la nmina. Los vigilantes son pagados por la empresa y no por el cliente; ellos
ganan un salario de S/.500 al mes. Durante cada trimestre la empresa pierde el 15) de su personal
(incluyendo vigilantes entrenados en el trimestre anterior). Formular la PL.
6. Los requerimientos para la produccin de 3 tipos de barras de chocolate as como la cantidad

de recursos y la utilidad de cada tipo se muestran en el siguiente cuadro:
Materia prima
B1
B2
B3
Cantidad
disponible
Azcar
50
Chocolate
100
Ganancia
unitaria
Solucin:
!D=CANTIDAD DISPONIBLE G=GANANCIA UNITARIA;

!IN=MATERIA PRIMA B=TIPO DE BARRA DE CHOCOLATE;
!P=REQUERIMIENTOS PARA CADA PRODUCTO ;
sets:
in/1..2/:d;
b/1..3/:p,g;
ca(in,b):uso;
endsets
data:
g=3, 7, 5;
d=50, 100;
uso= 1, 1, 1
2, 3, 1;
enddata
max=@sum(b:p*g);
@for(in(i):@sum(b(j):uso(i,j)*p(j))<=d(i));
end
69
MAX
3 P( 1) + 7 P( 2) + 5 P( 3)
SUBJECT TO
2] P( 1) + P( 2) + P( 3) <= 50
3] 2 P( 1) + 3 P( 2) + P( 3) <= 100
END
7. Las fabricas F1 y F2 tienen una capacidad de produccin de 30 y 20 unidades

respectivamente, se tiene adems 3 centros de demanda C1, C2 y C3, con capacidades de
10, 25 y 15 unidades respectivamente; finalmente el costo unitario de transporte de las
Fabricas a los Centros es como sigue:
Fabrica / Centro
C1
C2
C3
F1
F2
10
Minimizar el costo de la manera ms ptima.

Solucin:
La solucin de este problema es un problema tipo clsico y sencillo de transporte, el cual se

resolver de la siguiente forma en LINGO.
!CP=CAPACIDAD DE PRODUCCION D=CAPACIDAD DE DEMANDA;

!CT=COSTO UNITARIO DE TRANSPORTE X=CANTIDAD A TRANSPORTAR;
sets:
f/1..2/:cp;
!Fabricas con su respectivo costo de produccin
c/1..3/:d;
!Centros de demanda y su respectivo valor de demanda
rutas(f,c):ct,x;
endsets
data:
cp=30,20;
d=10,25,15;
ct=2 4 6,
7 10 1;
enddata
min = @sum(rutas:ct*x);
!Funcin Objetivo
70
@for(c(j):@sum(f(i):x(i,j))>=d(j));
@for(f(i):@sum(c(j):x(i,j))<=cp(i));
end
Formulacin:
MIN
2 X( 1, 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
END
8. Steelco produce dos tipos de acero en tres diferentes aceras. Durante un mes dado, cada
acera dispone de 200 horas de alto horno. El tiempo
y el costo de produccin de una
tonelada de acero, difiere de una fbrica a otra, debido a las diferencia en los hornos de cada
fbrica. En el cuadro siguiente se muestran el tiempo y el costo de produccin para cada
fbrica. Cada mes, Steelco tiene que producir por lo menos 500 toneladas de acero 1 y 600
toneladas de acero2. formule un PL, para minimizar los costos para producir el acero deseado.
ACERIA
ACERO 1
ACERO 2
COSTO
TIEMPO
COSTO
TIEMPO
ACERIA 1
10
20
11
22
ACERIA 2
12
24
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
71
DATA:
horas=12000,12000,12000;
cantidad=500,600;
costo=10 11,
12 9,
14 10;
tiempo=20 22,
24 18,
28 30;
ENDDATA
min=@sum(rutas:costo*x);
@for(acero(j):@sum(aceria(i):x(i,j))>=cantidad(j));
@for(aceria(i):@sum(acero(j):tiempo(i,j)*x(i,j))<=horas(i));
END
9. Una Tienda de animales ha determinado que cada Hmster debera recibirla al menos 70
unidades de protena. 100 unidades de carbohidratos y 20 unidades de grasa. Si la tienda
vende los seis tipos de alimentos mostrados en la tabla. Qu mezcla de alimento satisface
las necesidades a un costo mnimo para la tienda?
Protenas
Carbohidratos
Grasa
(Unid /Oz)
(Unid /Oz)
(Unid / Oz) (Oz)
20
50
30
30
40
20
11
40
25
10
45
50
30
20
10
Alimento
Costo
Solucin:
!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;
72
SETS:
TIPO/1..6/:CO,X;
MACRO/1..3/:UNID;
MATRIZ1(TIPO,MACRO):CANT;
ENDSETS
DATA:
CO=2,3,5,6,8,8;
UNID=70,100,20;
CANT=20,50,4,
30,30,9,
40,20,11
40,25,10,
45,50,9,
30,20,10;
ENDDATA
MIN=@SUM(TIPO:CO*X);
@FOR(MACRO(J):@SUM(TIPO(I):CANT(I,J)*X(I))>=UNID(J));
END
10. Las capacidades de produccin del producto P de las fbricas A y B, los costos por unidad
transportada a los centros de consumo C1 y C2 y las demandas de estos son como sigue:
Fabrica
Costos de Transporte
Produccin
C1
C2
10
300
12
400
Demanda
250
350
Solucin:
!FAB=FABRICA(1,2) PROD=PRODUCCION DE CADA FABRICA;

!CEN=CENTRO (1,2) DEM=DEMANDA;
!CO= COSTO DE TRANSPORTE X=UNIDADES TRANSPORTADAS;
73
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
11. Cuatro productos se procesan en secuencia de dos maquinas. La siguiente tabla proporciona
los datos pertinentes al problema.
Tiempo de fabricacin por unidad (hora)

Mquina
Costo
Producto
Capacidad
($) / hora 1
(hora)
10
500
380
65
70
55
45
Precio
de
venta
!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
74
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 rea
de enfermera, se define 6 turnos de 4 horas cada uno.
Turno
Nmero mnimo
de personal
2:00 - 6:00
6:00 - 10:00
10:00 - 14:00
10
14:00 - 18:00
18:00 - 20:00
12
20:00 - 24:00
Los contratos laborales son de 8 horas consecutivas por da. El objetivo es encontrar el nmero
menor de personas que cumplan con los requerimientos. Formule el problema como un modelo
de programacin lineal.
Solucin:
Xi = Cantidad de personal por cada turno i = 1, 2, 3, 4, 5, 6.
75
Necesidades de personal por horario

Horas
2:00 -
6:00 -
10:00 -
14:00 -
18:00 -
20:00 -
6:00
10:00
14:00
18:00
20:00
24:00
X1
X1
X2
X2
X3
X3
X4
X4
X5
X6
Personal
X5
X6
10
12
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
!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,
76
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
dlares en 6 tipos de inversin cuyas caractersticas son las
siguientes:
Tipo
de Interes
Factor
de
Plazo
promedio de
Inversion
Anual (%)
Riesgo
8.5
0.02
0.01
8.5
0.38
14.3
0.45
6.7
0.07
13
0.35
inversion
El factor de riesgo significa la probabilidad de que el rendimiento real sea inferior al esperado. Se
considera ventajoso un perodo promedio ponderado de inversin de ciando menos 5 aos; pero
el factor promedio ponderado de riesgo no debe ser superior a 0.20. La ley prohbe que la suma
de las inversiones de los tipos 4 y 6 sea mayor al 25% del total de la inversin. Con P.L formule un
modelo de P.L para decidir cmo invertir para maximizar el rendimiento de los 2 millones de
dlares.
77
!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
14. Salvaje Oeste produce dos clases de sombrero vaquero. Un sombrero de la clase 1 requiere
el doble de mano de obra que uno de la clase 2. Si toda la mano de obra se dedicara solo a la
clase 2, la empresa podra producir diariamente 400 de estos sombreros. Los lmites de
mercado respectivos son 150 y 200 sombreros diarios para esas clases. La utilidad es $8 por
cada sombrero de la clase 1, y $5 por cada uno de la clase 2.
Solucin:
!Rhs=Recursos U=Utilidad de cada sombrero;
!Aij=Coeficientes de las variables X= Cantidad de sombreros a producir;
SETS:
VARI/1..3/:Rhs;
VARJ/1..2/:U,X;
ConsVar(VARI,VARJ):Aij;
ENDSETS
78
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 elstico) y Resistex (material rgido). Los tres productos requieren los mismos tres
polmeros qumicos y una base. La cantidad de cada ingrediente usado por libra del producto
final se muestra en la siguiente tabla.
Producto
Ingrediente (OZ/LB de producto)

Polmero A
Polmero B
Polmero C
Base
Airtex
Extendex
Resistex
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.
Solucin:
!PROD=PRODUCTO GAN=UTILIDAD DEM=DEMANDA;

!X= CANTIDAD A PRODUCIR INV=INVENTARIO CANT=CANTIDAD DE INGREDIENTES;
SETS:
PROD/1..3/:GAN,DEM,X;
ING/1..4/:INV;
VECTOR(PROD,ING):CANT;
ENDSETS
79
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 maz. Debido a las diferentes
condiciones el suelo, existen diferencias en la produccin y en los costos e produccin de las
dos granjas. En la tabla se encuentran los costos y la produccin para las dos granjas. Cada
granja dispone de 100 acres para los cultivos. Hay que producir 11000 busheles de trigo y
7000 busheles de maz. Determinar un plan de siembra que minimice los costos para
satisfacer estas demandas.
Granja
Maz
Trigo
Costo
Produccin
Costo
Produccin
Granja 1
100
500
90
400
Granja 2
120
650
80
350
Solucin:
!TAM=TAMAO DE ACRES DISPONIBLES PARA CADA GRANJA;

!UNID=PRODUCCION DE CADA GRANJA X=CANTIDAD DE LA GRANJA(1,2);
SETS:
GRANJA/1..2/:TAM;
PRODUCTO/1..2/:DEMANDA;
RUTAS(GRANJA,PRODUCTO):UNID,COSTO,X;
ENDSETS
80
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 solucin ptima mediante LINGO:

MIN
100 X( 1, 1) + 120 X( 1, 2) + 90 X( 2, 1) + 80 X( 2, 2)
SUBJECT TO
2] X( 1, 1) + X( 1, 2) <= 100
3] X( 2, 1) + X( 2, 2) <= 100
4] 500 X( 1, 1) + 400 X( 2, 1) >= 11000
5] 650 X( 1, 2) + 350 X( 2, 2) >= 7000
END
17. Una empresa produce filtros para monitores de PC formado por tres capas, una intermedia de
calidad A y otras dos exteriores de calidad B que envuelven a la anterior. Ambas calidades se
consiguen con diferentes mezclas de fibras de vidrio y resina de las que el fabricante dispone
por semana de 700 y 900 unidades, respectivamente. La empresa posee cuatro plantas de
produccin que utilizan procedimientos de fabricacin que difieren en las cantidades de
materia prima que utilizan. Las cantidades necesarias de materia prima por operacin para
cada planta que se pueden llevar a cabo total o parcialmente, as como el nmero de capas
producidas de uno y otro tipo, se tiene en la tabla.
Unidades requeridas por
Capas producidas por
operacin
operacin
Planta
Vidrio
Resina
Tipo A
Tipo B
15
19
14
20
16
15
12
188
Disponibilidad
700
900
SC (1)
SC (2)
81
Solucin:
Xi: numero de operaciones en la planta i (1, 2, 3,4)

Y: filtros fabricados
S: suma de capas producidas
MAX Z = Y
!MP= MATERIA PRIMA X= NUMERO DE OPERACIONES;

!DISP=DISPONIBILIDAD DE LA MATERIA PRIMA SC=SUMA DE CAPAS;
!Y=SOLUCION UNID=UNIDADES REQUERIDAS FAB= NUMERO DE CAPAS;
SETS:
PLANTA/1..4/:X;
MP/1..2/:DISP;
CAP/1..2/:SC;
SOL/1..1/:Y;
VECTOR1(PLANTA,MP):UNID;
VECTOR2(PLANTA,CAP):FAB;
ENDSETS
DATA:
DISP=700,900;
UNID=15,19,
14,20,
16,15,
12,18;
FAB=2,3,
3,7,
5,4,
4,4;
ENDDATA
MAX=@SUM(SOL:Y);
@FOR(MP(J):@SUM(PLANTA(I):UNID(I,J)*X(I))<=DISP(J));
@FOR(CAP(J):@SUM(PLANTA(I):FAB(I,J)*X(I))=SC(J));
Y(1)<=SC(1);
Y(1)<=SC(2)/2;
END
82
18. Una empresa que fabrica un producto nico, tiene 3 fbricas y 4 clientes. Las 3 fabricas
producen 3 000, 5 000 y 5 000 unidades respectivamente, durante el siguiente periodo. La
empresa se comprometi a vender 4 000 unidades al cliente 1; 3 000 unidades al cliente 2; y,
por lo menos, 3 000 unidades al cliente 3. Los clientes 3 y 4 quieren comprar la mayor
cantidad posible de las unidades restantes. En la siguiente tabla se da la ganancia asociada
con el envo de una unidad desde la fbrica i hacia el cliente j.
DESDE
AL CLIENTE
1
(dlares)
(dlares)
Fabrica 1
65
63
62
64
Fabrica 2
68
67
65
62
Fabrica 3
63
60
59
60
(dlares) (dlares)
Plantear un problema de transporte balanceado que se pueda utilizar para maximizar la

ganancia de la compaa.
SETS:
FABR/FAB1,FAB2,FAB3/: CAPAC;
CLIEN/CEN1,CEN2,CEN3,CEN4/:DEMAN;
VIAS(FABR,CLIEN):GANAN,UNID;
ENDSETS
DATA:
CAPAC=3000 5000 5000;
DEMAN=4000 3000 3000 6000;
GANAN=65,63,62,64,
68,67,65,62,
63,60,59,60;
ENDDATA
83
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 petrolferos es San Diego y en Los ngeles. El campo de San Diego
puede producir diariamente hasta 500 000 barriles por da.
Se manda el petrleo desde los campos hacia una refinera en Dallas o en Houston (suponga
que cada refinera tiene capacidad ilimitada).
Cuesta 700 dlares refinar 100 000 barriles de petrleo en Dallas y 900 dlares 100 000
barriles en Houston. Se enva petrleo refinado hacia clientes en Chicago y en New York. Los
clientes en Chicago necesitan diariamente 400 000 barriles de petrleo refinado y los clientes
de Nueva York slo 300 000 barriles de petrleo refinado. En la tabla se muestran los costos
de envo de 100 000 barriles de petrleo (refinado o no) entre las ciudades. Formule un modelo
de transporte balanceado para esta situacin.
DESDE
HACIA
Dallas
Houston
New York
Chicago
L.A.
300
110
San Diego
420
100
Dallas
450
550
Houston
470
530
Solucin:
!S=COSTO DE ENVIAR DE LOS CAMPOS A LAS REFINERIAS;

!C=COSTO DE ENVIAR DE LAS REFIENRIAS A LOS CLIENTES;
!Y=CANTIDAD ENVIADA A LAS REFINERIAS X=CANTIDAD ENVIADA A LOS CLIENTES;
SETS:
CAMPOS/C1,C2/:PRODUCCION;
CLIENTES/Z1,Z2,Z3/:DEMANDA;
!se ha creado un cliente ficticio al cual llamamos z3;
RUTA1(CAMPOS,CAMPOS):S,Y;
RUTAS(CAMPOS,CLIENTES):C,X;
ENDSETS
84
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 compaa se fabrican 2 productos S y T, los cuales tiene que pasar por
2 operaciones de manufactura. La primera operacin se realiza en el centro de maquinas 1 o
2; y la segunda en el centro de maquinas 3 o 4. los tiempos de operacin por cada unidad
producida, las capacidades de dichos centros de maquina y sus costos por minuto se
muestran en la tabla. Las necesidades diarias son de 600 unidades para el producto S y 300
unidades para el producto T. El objetivo consiste en encontrar una programacin de la
produccin que minimice los costos totales.
85
Centro
de 1
maquinas
Producto S
10
16
12
Producto T
20
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 mquina.
Cada mes hay 500 horas de tiempo disponible para cada maquina. Cada mes los clientes
estn dispuestos a comprar los productos hasta las cantidades y a los precios indicados en la
tabla 2. La compaa desea maximizar los ingresos obtenidos mediante la venta de productos
durante los dos prximos meses y se ha propuesto adems para el mes 2, ofrecer al mercado
un nuevo producto que resulta del ensamble de unidades del producto 1 con tres unidades del
producto 2, el precio de venta de este nuevo producto es de 280 por unidad y se estima que la
demanda de este nuevo producto sea de 50 unidades. Formule un PL para maximizar el
ingreso.
Tabla 1
Maquina 1
Maquina 2
Producto 1
Producto 2
Tabla 2
Demanda mes Demanda mes Precio mes 1
Precio mes 2
Producto 1
100
90
55
42
Producto 2
140
70
65
62
86
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 deber pagar a
FENIX S/. 3 adicionales al costo de corte por cada unidad de diferencia y si la solicitud de corte
aumenta al mes anterior, ABC deber pagar solo S/. 1 adicional al costo del corte por cada unidad
de aumento.
Determinar la funcin objetivo que optimice el costo de corte.
87
1.4ASPECTOS DEL ALGEBRA LINEAL Y ANLISIS CONVEXO
1.4.1 VECTORES
Un vector es un arreglo de n nmeros denotados por: a1 = (a11, a21,. . ., a n-1) llamado vector fila o
llamado columna donde n es la dimensin del vector.
Ejemplos:
a.- (1, 3, -1, 5) es un vector fila de dimensin
b.- es un vector columna de dimensin

8
n = 4.
n=2
c.- e3 = (0, 0, 1, 0) es un vector unitario de dimensin 4 donde el 1 se ubica en la tercera posicin.
d.- 0 =
0
es un vector cero cuyas componentes son iguales a cero.
1.4.2 OPERACIONES CON VECTORES
Suma De Vectores
Los vectores de igual dimensin se pueden sumar, ejemplo:
a1 =(3, 5, 7)
a2 =(4, 2, 1)
a3 = a1+ a2 = (7, 7, 8)
Multiplicacin Por Un Escalar
Dado un vector a = (a1, a2,. . ., a n) y un escalar k el producto b es:

b = a k = (a1k, a2 k..., an k)
Espacio Euclidiano
Un espacio euclidiano
n dimensional, denotado por E n , es el conjunto de todos los
vectores de dimensin n.
Combinacin Lineal
88
Se dice que un vector b en E n es una combinacin lineal de los vectores a1, a2,. . ., a k en E n
, si:
b=
a
j 1
, donde 1, 2,. . ., k son nmeros
reales.
Vectores Linealmente Independientes
Los vectores a1, a2,. . ., a k de dimensin n son linealmente independientes si:

k
R a
j 1
0 , implica que R j=0 para j = 1, 2,. . ., k
Ejemplo:
a1 = (3, 5) y a2 = (1, 7), estos vectores son linealmenteIndependientes puesto que:

R1 (3, 5) + R2 (1, 7) = (0, 0)
(3R1 + R2, 5R1 + 7R2) = (0, 0)
3R1 + R2 = 0
5R1 + 7R2 = 0
La solucin es R1 = R2 = 0
Si para alguna R j = R1, R2,. . ., R
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)
De (1) R1 = -2R2, si R2 = -1 entonces R1 = 2. Entonces los vectores a1 y a2 son linealmente

dependientes.
89
BASE
Una coleccin de vectores a1, a2,. . ., a
forman una base de E n (espacio n dimensional) si se
satisfacen las siguientes condiciones:
1. a1, a2,. . ., a k generan a E n .

2. Si se elimina cualquiera de estos vectores, la coleccin de vectores restantes no
generan E n .
1.4.3 MATRICES
Una matriz es un arreglo rectangular de nmeros denotados por A =[a i j] mxn donde m = # de filas y
n = # de columnas.
Matriz Cero
Una matriz A = [a i j ] mxn se llama matriz cero si cada elementos cero.

Es decir, a i j = 0.
Ejemplo:
0 0 0
A
0 0 0
Es una matriz cero de orden 2 x 3.
Suma de Matrices
Si A = [ a
ij
]yB[b
ij
] son matrices mxn, se llama suma de A y B a otra matriz C= [ c
i j ]mxn
tal
que c i j = a i j + b i j para i = 1, 2, . . .,m y j = 1, 2, . . ., n.
Ejemplo:
3 1
A
4 3
5 8
B
6 8
90
8 9
C A B
10 11
Multiplicacin por un Escalar
Sea A = [ a
ij
] una matriz mxn y k un escalar entonces k A es una matriz m x n cuyo elemento i j
es k x a ij.
Ejemplo:
3 1
A
4 3
y K 2
6 2
2A
8 6
91
Multiplicacin 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 nmero de filas de B, esto es, si A es del orden (mxr) entonces B es del orden
(rxn). Sea D = AB, entonces D = [d i j] es del orden (mxn) y sus elementos d ij estn dados por:
d i j = a i k * b k 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
1x5 1x3 1x1 1x0 1x0 1x1

D 4 x5 2 x3 5 x1 4 x0 2 x0 5 x1
2 x5 0 x3 1x1 2 x0 0 x0 1x1
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
2 3 4
AT
5 6 7
92
Para las matrices transpuestas se cumple:

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

independientes.
Sea A = [a i j ] mxn una matriz m x n, el rango (A) mnimo (m, n).
Si rango (A) = min (m, n) se dice entonces que A es rango completo.
93
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 sucesin de transformaciones con filas solamente, la matriz A se
cambia a I e I se cambia a A-1.
Ejemplo: Sea el siguiente sistema de ecuaciones
3x1 + x2 = 9
5x1 2x2 = 4
Este es un sistema de la forma AX= b
3 1
5 2
X 1 9
X 4
2
La solucin de X y la inversa de la matriz base pueden obtenerse directamente considerando:

(A | I)(x) = b y omitiendo (x) (A | I | b)
Multiplicando por A-1 (A-1) (A | I | b)
Obteniendo finalmente (I | A-1 | A-1b)
Por consiguiente, aplicando una operacin de transformacin de filas, se obtiene las siguientes
iteraciones:
Para el sistema A x = b, le damos la forma (A | I | b)
3 1
5 2
1 0
b
9
0 1
Iteracin 1: (se divide la primera fila entre 3, al resultado se multiplica por (-5) y se suma a
la segunda fila)
1/ 3
1/ 3
0 11/ 3 5 / 3 1 11
94
Iteracin 2: (la segunda fila se divide entre -11/3, al resultado se multiplica por (-1/3) y se
suma a la primera fila)
1 0 2 / 11
1/ 11
0 0 15 / 33 3 / 11 3
Esto da X1 = 2 y X2 = 3, la inversa de A es:
2 / 11 1/ 11
A1
15 / 33 3 / 11
Es til conocer los siguientes hechos sobre inversin de matrices:
Si A = [a i j] es no singular, entonces AT = [a i j] tambin es no singular y (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-1A1
1.4.4 ECUACIONES LINEALES SIMULTNEAS
Sean A = [a i j] una matriz m x n y sea el sistema AX = b y la matriz aumentada (A, b) con m filas y
(n+1) columnas.
Si el rango de (A, b) es mayor que el rango de A, entonces b no se puede representar como una
combinacin de (A, b) es mayor que el rango de A, entonces b no se puede representar como una
combinacin lineal de a1, a2,. . ., a n, y por lo tanto el sistema AX = b no tiene solucin (y en
particular, el sistema AX = b, X 0 no tiene solucin).
Si K es el nmero de ecuaciones y n el nmero de incgnitas, entonces: Los casos posibles que

pueden ocurrir son:
1. Rango (A, b) >Rango (A). Por lo tanto, AX = b no tiene solucin.

2. Rango (A, b) = Rango (A) con k = n, entonces solo existe una solucin para el sistema.
3. Rango (A, b) = Rango (A) con k < n, en consecuencia existe un nmero infinito de soluciones
al sistema AX =b
Ejemplos:
95
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 solucin
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
Caso 3:
96
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 , entonces: X1 = 5 + y X2 = 3 - 2.

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

cero las (n-m) variables se tiene que el nmero de soluciones bsicas es:
Cmn
n!
m!n m !
Del ejemplo anterior, m=2 y n=3 el nmero de soluciones es:
C23
3!
2!3 2!
1.4.5 CONJUNTOS CONVEXOS
97
Un conjunto X en E n se llama convexo, si dados 2 puntos X1 y X2, en X, se cumple que X1 + ( 1 )X2 X, donde 0 1, a esta expresin se le denomina combinacin convexa de X1 y X2.
Dicho de otra manera, una conjunto X es convexo si y solo si el segmento determinado por
cualquier par de puntos de X est incluido en X.
En la siguiente figura se muestra un ejemplo de conjunto convexo y de un conjunto no convexo.
Ejemplo:
CONJUNTO CONVEXO
CONJUNTO NO CONVEXO
Puntos Extremos
Sea un conjunto X en E n , se dice que los puntos extremos son aquellos que no pueden ser
representados como una combinacin convexa estricta de dos puntos distintos en X.
Ejemplo:
Hiperplano
Es aquel que divide a E n en dos regiones llamadas semiespacios y adems es un conjunto

convexo.
Conjunto Polidrico
Es la interseccin de un nmero finito de semiespacios.
98
2.1 MTODO GRFICO

Consiste en presentar la restricciones sobre los ejes de coordenadas, para delimitar la regin
donde se encuentran las soluciones factibles (x 0).
Las soluciones ptimas se encontrarn en el permetro del conjunto polidrico formado por
planos.
2.1.1TIPOS DE SOLUCIONES
Regin factible acotada
Solucin nica.
nico mximo y mnimo.
99
Regin factible no acotada
Solucin nica.
No puede tener mximo.
Un slo mnimo.
Solucin mltiple
Puntos del segmento AD.
Sea el siguiente problema
100
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 grfica, que se muestra en la siguiente pgina.
2X1 + X2 = 6
X1
X2
Si X1 = 0 X2 = 6
Si X2 = 0 X1 = 3
X1
X2
-1
X1 -X2 = 1
Si X1 = 0 X2 =-1
Si X2= 0 X1= 0
La orientacin de los planos, se logra asumiendo que X1= X2=0 para cada inecuacin, el valor
ptimo de la funcin objetivo se obtiene reemplazando los valores aceptables de
X1y X2. Los
nmeros en parntesis son las restricciones en la formulacin.
101
La regin factible, es el rea delimitada por los planos (1) y (2).
Ahora interceptamos las ecuaciones (1) y (2), para obtener los valores de X1, X2,convirtiendo las
inecuaciones en igualdades.
2X1 + X2 = 6......... (1)

X1 - X2 = 1......... (2)
X1 = 7/3
X2 = 4/3
Reemplazando los valores aceptables de X1y X2, obtenemos el valor de la funcin objetivo.
Decimos valores aceptables por que stos tienen que satisfacer las condiciones de las
inecuaciones.
Z = 2(7/ 3) + 3(4/ 3) = 26/3
Este valor encontrado es el valor ptimo de la funcin objetivo, que en este ejemplo se presenta
como maximizacin. A continuacin veremos otro mtodo para encontrar la solucin de este tipo
de problemas.
2.2 MTODO SIMPLEX
Optimizar:
Z = CX
Sujeto a:
AX = b
X0
CB: Coeficientes de las variables bsicas

CN: Coeficientes de las variables no bsicas
102
XB: Variables bsicas

XN: Variables No bsicas
B: Matriz bsica
N: Matriz No bsica
Entonces si reemplazamos, quedara de la siguiente forma:
X
Z (C B C N ) B
XN
Sujeto a:
X
( B N ) B b
XN
Luego:
Z = CB XB + CN XN
Sujeto a:
BXB + NXN = b
A continuacin multiplicamos por B-1 tanto en la parte derecha como en la parte izquierda de la
restriccin:
B-1(BXB + NXN) = B-1b
Resolviendo el siguiente producto:
B-1BXB + B-1NXN = B-1b
XB = B-1b - B-1NXN.. 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
103
Para un Xj XNse tiene:

Z= CBB-1b (CBB-1AN - CN) XN
Z=Z0-(
)Xj
Sea XK XN
Z=Z0-(ZK-CK)XK
ZJ=CBB-1AJ
Caso 1: Maximizacin
ZK-CK=min
);
Por consiguiente XK es una variable de entrada a la base

Caso 2: Minimizacin
ZK-CK=max
);
Variable que sale de la dase (2)

XB = B-1b - B-1NXN
Para Xk:
XB = B-1b - B-1AKXK
XB = - YKXK
XB1 = - Y1KXK
XB2 = 2- Y2KXK
XBr = r- YrKXK
.
.
XBm = m- YmKXK
XK=Min (
104
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 + 1XB + (B-1N)XN = B-1b ......5
De
5 :
Z
C B B 1b
1 0 C B B 1 N C N
X
1
0 1
B B 1b
B
N
X
N
XB
XN
LD
CBB-1N - CN
CBB-1b
XB
B-1N
B-1b
METODO DE SOLUCION PARA UN ALGORITMO SIMPLEX
Para resolver un problema Lineal se requiere partir de una solucin bsica factible (IX B = b). La
matriz identidad (I) se obtiene agregando variables artificiales a las restricciones, estas variables
formarn la primera base del sistema (XB) y por consiguiente se tendr la primera solucin bsica.
VARIABLES DE HOLGURA
Es una variable positiva que representa la diferencia entre los dos lados de una restriccin.
VARIABLES ARTIFICIALES
105
Despus de introducir las variables de holgura y observar que no existe una submatriz identidad
para tener una solucin bsica factible inicial, entonces se introducir variables denominadas como
Variables Artificiales para obtener la submatriz identidad.
Se va ilustrar con un ejemplo los pasos a dar para la resolucin de un problema.
Max Z = 3X1 + 10X2

2X1 + 3X2 8
Sujeto a:
8X1 + 3X2 20
X 1,X2 0
a) Se tiene que transformar las inecuaciones en ecuaciones, para lo cual introducimos solo
las variables de holgura ya que las restricciones son del tipo.
As se tiene:
Max Z = 3X1 + 10X2 + 0X3 + 0X4

Sujeto a:
2X1 + 3X2 + X3= 8

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

Se construye la siguiente tabla:
X1
X2
X3
X4
LD
-3
-10
X3
X4
20
b) Identificacin de la variable de entrada a la base: Seleccionar la variable no bsica que

mejore el valor de Z ms rpidamente.
Para la maximizacin se elige la de coeficiente ms negativo (ZJ CJ< 0)
Para la minimizacin se elige la de coeficiente ms positivo (ZJ CJ> 0)
En el caso de que no existan variables con coeficientes negativos en la

maximizacin y positivos en la minimizacin se habr alcanzado la solucin ptima.
106
En el ejemplo, la variable X2 es la que tiene el coeficiente ms negativo (-10), por lo tanto

se convertira en la variable de entrada.
c) Identificacin de la variable de salida de la base: Se denomina variable de salida a aquella
variable, cuyo valor se aproxime ms rpidamente o cero a medida que el valor de la
variable de entrada vaya creciendo, esto se hace mediante el siguiente procedimiento
algebraico.
XK
br
min
, YrK 0
YrK
En el ejemplo:
XK = mnimo (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.
X1
X2
X3
X4
LD
-3
-10
X2
X4
20
d) Determinacin de la nueva solucin factible bsica:

En la tabla, la columna encabezada por la variable de entrada, debe ser un vector unitario,
esto se logr mediante operaciones de filas.
En el ejemplo:
X2
Se ha de convertir
X2
en
-10
La transformacin se logr de la manera siguiente:
Se divide la segunda fila entre 3
(0
8)
x 1/3
107
Al resultado de la segunda fila se le multiplica por 10 y se suma a la primera fila.
(0
+ (1
1
2/3
1/3
8/3 )
-3
-10
0)
10/3
80/3
11/3
x 10
Al resultado de la segunda fila se multiplica por (-3) y se suma a la tercera fila
(0
2/3
1/3
8/3 )
(-
3)
+ (0
20 )
-1
12
Entonces la tabla resultante es como sigue:
X1
X2
X3
X4
LD
11/3
10/3
80/3
X2
2/3
1/3
8/3
X4
-1
12
Como se puede apreciar en el tablero, no existen variables con coeficientes negativos esto indica
que se ha llegado a la solucin ptima.
Si hubiese alguna variable con coeficiente negativo se contina con el paso (b) hasta llegar a una
solucin ptima.
Cuando existen desigualdades del sentido mayor o igual y tambin igualdades entonces se
prepara el programa, introduciendo variables de holgura y artificiales a fin de obtener una
submatriz identidad.
A continuacin se presentan dos mtodos para resolver problemas de las caractersticas

precedentes.
2.3 MTODO DE PENALIZACION

Para resolver un problema, los pasos que se siguen son:
108
Obtencin de la submatriz identidad.
Le adicionan tambin las variables artificiales en la funcin objetivo. Con el coeficiente M

para el caso de maximizacin y +M para el caso de minimizacin.
Se procede a solucionar el problema.
Ejemplo:
Min Z = 3X1 + 8X2
Sujeto a:
X1 + X2 = 200
X1
80
X2
60
Adicionando las variables de holgura X4 y X5 y las variables artificiales X3 y X6 se tiene:

Min Z = 3X1 + 8X2 + MX3 +0X4+0X5+ 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
-3
-8
-M
-M
X3
200
X4
80
X6
-1
60
M-3
-M
260M
X3
200
X4
80
X6
-1
60
M-3
M-8
X3
-1
140
X4
80
X2
-1
60
2M8
82M
140M+480
109
8-
3-M
M-8
X3
-1
-1
60
X1
80
X2
-1
60
8-M
-5
-M
1200
X5
-1
-1
60
X1
80
X2
-1
120
2M
60M+720
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 all el procedimiento es el descrito
anteriormente.
Como en el tablero no existen variables con coeficientes positivos, recordar que M es un valor
muy grande por tratarse de una minimizacin, se dice que se ha llegado a su solucin ptima.
X1 = 80,
X2 = 120,
ZMIN = 1200
2.4 MTODO DE LAS DOS FASES
Para resolver un problema, los pasos que se siguen son:
Obtencin de la submatriz identidad.
La primera fase consiste en minimizar la funcin objetivo compuesta de variables artificiales

has lograr que sean igual a cero.
La segunda fase consiste en la optimizacin de la funcin objetivo original en base a la

solucin obtenida en la fase uno.
Ejemplo:
Con el ejemplo utilizado en el Mtodo de Penalizacin.
110
FASE I:Se tiene que la funcin objetivo para la primera fase es:
Min = X3 + X6
Y los tableros correspondientes son:
X1
X2
X3
X4
X5
X6
LD
-1
-1
X3
200
X4
80
X6
-1
60
-1
260
X3
200
X4
80
X6
-1
60
-2
140
X3
-1
140
X4
80
X2
-1
60
-1
-2
60
X3
-1
-1
60
X1
80
X2
-1
60
-1
-1
X5
-1
-1
60
X1
80
X2
-1
120
Como se observa en ltimo tablero las variables artificiales tienen valor cero lo cual significa que el
problema tiene solucin.
FASE II:Por consiguiente la segunda fase comprende de la funcin objetivo inicial y la informacin
de las variables bsicas del ltimo tablero de la primera fase donde, si se desea, se puede omitir
la informacin referente a las variables artificiales.
111
X1
X2
-3
X5
X1
X3
X4
X5
X6
LD
-8
-1
60
80
X2
-1
120
-5
1200
X5
-1
60
X1
80
X2
-1
120
Del tablero se observa que:
X1 = 80,
X2 = 120,
ZMIN = 1200
3.1 DUALIDAD: UN ENFOQUE CONCEPTUAL
Cuando se asocia un Problema Lineal (PL), con otro Problema Lineal se llama Dualidad. Conocer
esta relacin existente es muy importante para el entendimiento de temas de programacin lineal
y no lineal, as como las interpretaciones econmicas y por supuesto las perspectivas del anlisis
de sensibilidad.
Cuando hallamos el dual de un PL, nos referimos al PL dado como el primal; as, si el problema
dado es un problema de maximizacin, el dual ser uno de minimizacin o viceversa.
Forma cannica de dualidad
112
Supngase que el programa lineal primal est dado en la forma:
P: Minimizar cx
Sujeto a:
Ax b
x0
Entonces el programa lineal dual est definido por:
D: Maximizar wb
Sujeto a:
wA c
w0
Ntese que existe exactamente una variable dual por cada restriccin primal, y exactamente una
restriccin dual por cada variable primal. Despus se dir ms sobre esto.
Considrese el siguiente programa lineal y su dual:
P: Minimizar 6x1 + 8x2
Sujeto a:
3x1 + x2 4
5x1 + 2x2 7
x1 , x2 0
Su dual ser:
D: Maximizar 4w1 + 7w2

Sujeto a:
3w1 + 5w2 6
w1 + 2w2 8
w1, w2 0
En teora para aplicar la definicin cannica de dualidad primero se debe convertir el programa
lineal primal al formato anterior. Sin embargo, en la prctica es posible escribir inmediatamente el
dual de cualquier programa lineal.
113
Forma estndar de dualidad
.
Otra definicin equivalente se aplica cuando las restricciones son igualdades. Supngase que el
programa lineal primal est dado en la forma:
P: Minimizar Cx
Sujeto a:
Ax = b
x=0
Entonces el programa lineal dual est definido por:
D: Maximizar Wb
Sujeto a:
wA= c
w no restringida
Considrese el siguiente programa lineal y su dual:
P: Minimizar 6x1 + 8x2

Sujeto a:
3x1 + x2 - x3 = 4
5x1 + 2x2 - x4 = 7
x1,x2, x3, x4= 0
D: Maximizar 4w1 + 7w2

Sujeto a:
3w1 + 5w2= 6
w1 + 2w2= 8
-w1
=0
-w2= 0
w1, w2 no restringidas
114
Observacin 1: El dual del dual es el primal

Este lema indica que las definiciones se pueden aplicar al revs. Los trminos primal y dual son
relativos al marco de referencia que se seleccione.
Formas mixtas de dualidad
En la prctica, muchos programas lineales contienen algunas restricciones del tipo menor o igual
que, algunas del tipo mayor o igual que, y algunas del tipo igual a. Asimismo, las variables que
pueden ser =0 no restringida. En teora, esto no presenta problema alguno porque se pueden
aplicar las tcnicas de transformacin para convertir cualquier problema mixto a una de las formas
primal o dual.
Considere el siguiente programa lineal.
PASO 1:Max z = 2x1 + x2

Sujeto a:
x1 + x2 2
2x1 - x2 3
x1 - x2= 1=> x1 - x2 1
=> x1 - x2 1
x1 0, x2nrs
PASO 2 : Max z = 2x1 + x2 - x2

Sujeto a :
x1 + x2 - x2 2=>-x1 - x2 + x2 -2
2x1 x2 + x2 3=>- 2x1 + x2 - x2 -3
x1 x2 + x2 1 =>x1 x2 + x2 1
x1 x2 + x2 1=> -x1 + x2 - x2 -1
x1, x2, x2 0
PASO 3 :Min w = -2y1-3y2 + y3-y3
Sujeto a:
-y1 - 2y2 + y3- y4 2
-y1+ y2 - y3 + y4 1
2y1- y2+ y3 y4 -1
y1, y2, y3, y4 0
115
De este ejemplo se ve que las restricciones de la forma mayor o igual que en el problema de
minimizacin dan origen a variables =0 en el problema de maximizacin dan origen a variables
no restringidas.
Tabla: Relaciones entre problemas primario y dual.
MINIMIZACION
MAXIMIZACION
DE PROBLEMA
DE PROBLEMA
=0
=0
No restringido
Variable
s
Restric_
ciones
=
=
Variables
=0
=0
Restriccion
es
No restringido
Considrese el siguiente programa lineal:
Maximizar 8x1 + 3x2

Sujeto a:
x1 - 6x2= 2
5x1 + 7x2 = -4
x1, x2 = 0
Aplicando los resultados de la tabla, se puede obtener el dual de inmediato:
Minimizar 2w1 - 4w2

Sujeto a:
w1 + 5w2= 8
-6w1 + 7w2= 3
w1 , w2 no restringidas
116
3.2 RELACIONES PRIMAL - DUAL
Relaciones entre los valores objetivos
Considrese la forma cannica 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.
Observacin 2:
El valor de la funcin objetivo, para cualquier solucin factible del problema de minimizacin, es
siempre mayor o igual que el valor de la funcin objetivo para cualquier solucin factible del
problema de maximizacin. En particular, el valor objetivo de cualquier solucin factible del
problema de minimizacin da una cota superior del objetivo ptimo del problema de maximizacin,
Anlogamente, el valor objetivo de cualquier solucin factible de problema de maximizacin es
una cota inferior del objetivo ptimo del problema de minimizacin.
Corolario 1
Si xoywoson soluciones factibles de los problemas primal y dual y son tales que cxo = wob,
entonces xoywo son soluciones ptimas de sus respectivos problemas.
Corolario 2
Si uno de los dos problemas tiene un valor objetivo no acotado, entonces el otro problema no tiene
ninguna solucin factible.
El corolario indica que el no acotamiento en uno de los problemas implica no factibilidad en el otro
problema. Es simtrica esta propiedad? No factibilidad en uno de los problemas implica no
acotamiento en el otro? La respuesta es no necesariamente. Esto se ilustra mejor con el
siguiente ejemplo.
Considrese los siguientes problemas primal y dual:

P: Minimizar -x1 - x2
Sujeto a:
117
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 solucin factible
x2
w2
x1
w1
Dualidad y condiciones de optimalidad de Kuhn-Tucker
Recordemos que las condiciones de optimalidad para un programa lineal establecen que una
condicin necesaria y suficiente para que x* sea un punto ptimo del programa lineal Minimizar cx
sujeta a Ax= b, x = 0, es que exista un vector w* tal que:
1. Ax* = b, x* = 0
2. w*A = c, w* = 0
3. w*(Ax* - b) = 0
(c - w*A)x* = 0
La condicin 1 anterior simplemente requiere que el punto ptimo x* debe ser factible para el
problema primario. La condicin 2 esta condicin indica que el vector w* debe ser un punto
factible para el problema dual. De la condicin 3 anterior, se sigue que cx*=w*b. Por lo tanto, w*
debe ser una solucin ptima del problema dual. Las condiciones de optimalidad de Kuhn - Tucker
118
para el problema dual implican la existencia de una solucin factible primal cuyo objetivo es igual
al del dual ptimo. La razn nos conduce al siguiente lema.
Observacin 3:
Si uno de los problemas tiene una solucin ptima, entonces ambos problemas tienen soluciones
ptimas y los dos valores objetivos ptimos son iguales.
En lugar de resolver directamente para el ptimo x*, sera razonable buscar entre los valores de w
que satisfacen la condicin 2 anterior. Sabiendo que (condicin 2) cualquier wo factible satisface
wob= cx* y que el w* ptimo satisface w*b=cx*, surge de manera natural la maximizacin de la
forma lineal wb sobre todos los valores factibles de w que satisfacen la condicin 2.
El teorema fundamental de dualidad
Teorema 1 (Teorema fundamental de dualidad)

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

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

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

Sean x* y w* cualquier par de soluciones ptimas de los problemas primal y dual,
respectivamente, en forma cannica. Entonces:
cx* = w* Ax* = w*b
Pero cx* = w*b (porqu?). Luego

cx* = w*Ax* = w*b
119
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 dbil de holgura complementaria)

Si x* y w* son puntos ptimos cualesquiera de los problemas primario y dual en la forma cannica,
entonces
(cj - w*a)x*j = 0
j=1,,n
w*i (aijx*-bi) = 0
I = 1,,m
Este es un teorema muy importante que relaciona los problemas primal y dual. obviamente indica
que al menos uno de los factores en cada una de las expresiones anteriores debe ser cero. En
particular,
x*j > 0 w*aj = cj
w*aj<cj x*i = 0
w*i> 0 aix* = bi
El teorema dbil de holgura complementaria tambin se puede enunciar como sigue: en caso de
optimalidad, "si una variable en uno de los problemas es positiva, entonces la restriccin
correspondiente en el otro problema es sin holgura", y "si una restriccin en uno de los problemas
es con holgura, entonces la variable correspondiente en el otro problema debe ser cero"
Uso del dual para resolver el primal
Ahora se dispone de poderosas herramientas de anlisis, en la forma de los teoremas de esta

seccin, para utilizar el problema dual en la solucin del problema primal.
Considere los siguientes problemas primal y dual:
P: Minimizar: 2x1 + 5x2 + 3x3
Sujeto a:
x1 + 2x2 + 3x3 4
2x1+3x2 + x3 3
x1, x2, x3 0
D:Maximizar:4w1 + 3w2
Sujeto a:
w1 + 2w2 2
2w1 + 3w2 5
3w1 + w2 3
w1, w2 0
120
Puesto que el dual tiene solo dos variables, se puede resolver grficamente como se muestra en
la figura. La solucin optima del dual es w1* =4/5, w2* = 3/5 con objetivo 5. De inmediato se sabe
que z* = 5. Utilizando el teorema dbil de holgura complementaria, se sabe adems que x* =0,
pues ninguna de las correspondientes restricciones duales complementarias son sin holgura.
Solucingrafica del problema dual.
Interpretacin econmica del Dual

Hablaremos de esta interpretacin a partir de un problema primal como sigue:
Interpretacin econmica del problema primal
Variabl
e
xj
cj
z
bi
aij
Significado
Nivel de actividad j ( j = 1, 2,n)

Utilidad unitaria de la actividad j
Utilidad total
Cantidad de recurso i disponible
por cada unidad de actividad j
En el problema dual las variables se interpretan como: y es la contribucin en la utilidad, por

unidad de recurso i (i=1,2,...,m), al usar un conjunto determinado de variables bsicas para
obtener la solucin primal; es decir, y* (la solucin optima) representa el precio sombra del recurso
i -valor marginal de este recurso.
121
Como cada unidad de actividad j en el problema primal consume unidades del recurso i
Se interpreta como la contribucin en la actualidad de la mezcla de recursos que
a y
i 1
ij
serian consumidos si una unidad de actividad j fuese usada (j=1,2,...,n).
a y c
i 1
ij
establece que la contribucin en la utilidad de la mezcla de recursos debe ser por lo

menos tanto como si fuese usados por una unidad de actividad j, de otra manera no
se estara haciendo el mejor uso posible de estos recursos.
y 0
i
Minimizar y =
La contribucin en la utilidad del recurso i(i=1,2,...,n) debe ser no negativa, de lo

contrario sera mejor no usar el recurso.
es la minimizacin de valor total implcita de los recursos consumidos por
b y
i 1
las actividades.
Ambos problemas de programacin lineal, en notacin matricial son:
Primal
Maximizar
z = cx
Sujeto a
Ax= b
x=0
Dual
Minimizar yo = yb
SujetoaAy= c
y= 0
3.4 EL MTODO DUAL SIMPLEX
En esta seccin se describir el mtodo dual simplex, el cual resuelve el problema dual
directamente sobre el tablero simplex (primal). En cada iteracin el mtodo se mueve de una
solucin bsica factible del problema dual a una solucin bsica factible mejorada, hasta alcanzar
la optimalidad del dual (y tambin del primal), o bien hasta concluir que el dual es no acotado y
que el primal es no factible.
Resumen del mtodo dual simplex (problema de minimizacin)
PASO INICIAL:
122
Encuntrese una base B del primal tal que zj - cj = cBB-1aj - cj= 0 para todo j.
PASO PRINCIPAL:
1. Si b = B-1 b 0, el proceso termina; la solucin presente es ptima. En caso contrario,
seleccinese el rengln pivote r con b r< 0, digamos b r = Mnimo { b i}.
2. Si yrj 0 para todo j, el proceso termina; el dual es no acotado y el primal es no factible.
En caso contrario, seleccinese la columna pivote k mediante la siguiente prueba de la
razn mnima:
z k ck
y
3. Pivotese en
rk
rk

zj cj
Minimo
:
y rj
yrj 0
y regrese al paso 1.
Considrese el siguiente problema:
Minimizar 2x1 + 3x2 + 4x3

Sujeto a:
x1 + 2x2 + x3 3
2x1 - x2 + 3x3 4
x1, x2, x3 0
Una solucin bsica inicial que sea dual factible se puede obtener utilizando las variables de
holgura x4 y x5. Esto resulta del hecho de que el vector de costos es no negativo. Aplicando el
mtodo dual simplex, se obtiene la siguiente serie de tableros.
x1
x2
x3
x4
x5
L
D
-2
-3
-4
x4
-1
-2
-1
-3
x5
-2
-3
-4
123
x1
x2
x3
x4
x5
LD
-4
-1
-1
x4
-5/2
1/2
-1/2
-1
x1
-1/2
3/2
-1/2
x1
x2
x3
x4
x5
LD
-9/5
-8/5
-1/5
28/5
x2
-1/5
-2/5
1/5
2/5
x1
7/5
-1/5
-2/5
11/5
Puesto que b 0 y zj - cj= 0 para todo j, se tienen a la mano las soluciones ptimas primal y dual.
En particular.
(X*1, X*2, X*3, X*4, X*5) = (11/5, 2/5, 0, 0, 0)
(w*1, w*2) = (8/5, 1/5)

Ntese que w*1 y w*2 son, respectivamente, los negativos de las cantidades zj - cj que se
encuentran abajo de las variables de holgura x4 y x5. Tambin ntese que en cada tablero
sucesivo el valor de la funcin objetivo es creciente, como debe ser, para el problema (de
maximizacin) dual.
3.5 EL MTODO PRIMAL DUAL
Recurdese que en el mtodo dual simplex se empieza con una solucin bsica (no
necesariamente factible) para el problema primal y una solucin bsica factible complementaria
para el problema dual. El mtodo dual simplex procede, mediante pivoteos, a travs de una serie
de soluciones bsicas factibles duales hasta que la solucin bsica primal complementaria
asociada es factible, satisfaciendo as todas las condiciones para optimalidad de Kuhn - Tucker.
En esta seccin se describir un mtodo, llamado el algoritmo primal - dual similar al mtodo dual
simplex, el cual empieza con factibilidad dual
y proceda a obtener factibilidad primaria,
manteniendo durante el proceso holgura complementaria. Una diferencia importante entre el

mtodo dual simplex y el mtodo primal - dual es que este ltimo no requiere que una solucin
factible dual sea bsica. Dada una solucin factible dual, se determina las variables primales que
corresponden a restricciones duales ligantes o activas (de tal manera que la holgura
complementaria se satisface). Usando la fase I del mtodo simplex, se trata de alcanzar la
factibilidad primal, se cambia la solucin factible dual en tal forma que se admita al menos una
124
nueva variable en el problema de la fase I. Esto se contina hasta que, o bien la solucin primal se
hace factible, o bien, la solucin dual se hace no acotada.
Resumen del algoritmo primal - dual (problema de minimizacin)
PASO INICIAL:
Seleccinese un vector w tal que waj - cj= 0 para todo j.
PASO PRINCIPAL:
1. Sea Q = { j : waj - cj = 0} y resuelvase el siguiente problema restringido:
Minimizar 0 x j 1 xo
j Q
Sujeta a
a x x
j
j Q
xj 0 para j Q
xa 0
Dentese el objetivo ptimo por xo, si xo = 0, detngase; se ha obtenido una solucin optima. En
caso contrario, dentese por v* la solucin dual ptima del problema primal restringido anterior.
Si v*aj= 0 para todo j, entonces detngase: el dual es no acotado y el primal es no factible. En
caso contrario, defnase
(w a j c j)
: v * a j 0 0
v *a j
Minimo
y reemplcese w por w + v*. Reptase el paso 1.
Considrese el siguiente problema:
Minimizar 3x1 + 4x2 + 6x3 + 7x4 + x5

Sujeto a:
2x1 - x2 + x3 + 6x4 - 5x5 - x6 = 6
x1 + x2 + 2x3 + x4 + 2x5 - x7 = 3
x1, x2, x3, x4, x5, x6, x7 0
125
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 solucin factible dual inicial est dada por w = (w1 , w2 ) = (0,0). Sustituyendo w en cada
restriccin dual, se encuentra que las dos ltimas restricciones duales son estrictas de manera
que Q = {6,7}. Denotando las variables artificiales por X8 y X9, el problema primal restringido
resulta ser el siguiente:
Minimizar x8 + x9
Sujeto a:
- x6 + x8 = 6
-x7 + x9 = 3
x6, x7, x8, x9 0
Es claro que la solucin ptima primal restringido es (x6, x7, x8, x9 ) = (0,0,6,3) y el objeto ptimo es
xo = 9. El dual de este problema primal restringido es el siguiente:
Maximizar 6v1 + 3v2
Sujeto a:
-v1= 0
-v2 = 0
v1= 1
v2= 1
v1, v2 no restringida
Utilizando holgura complementaria, se ve que, puesto que x8 y x9 son bsicas, las dos ltimas restricciones
duales deben ser holgura y v* = (v*1 , v*2) = (1,1). Calculando v*aj para cada columna j, se obtiene v*a1 = 3,
v*a2 = 0, v*a3 = 0, v*a4 = 7, y v*a5 = -3. Por lo tanto, se determina como sigue:
126
3 6 7
Minimo , , 1
3 3 7
1
y w = (0,0) +1(1,1) = (1,1).

1
Con la nueva solucin dual w , se calcula de nuevo Q y se obtiene Q ={1,4} esto da el siguiente problema
primal restringido:
Minimizar x8 + x9
Sujeto a:
2x1 + 6x4 + x8 = 6
x1 + x4 +x9 = 3
x1 , x4 , x8 , x9 0
Esta vez una solucin al problema restringido est dada por:
(x1, x4 , x8 , x9 ) = (3 , 0, 0 , 0)
ConXo =0. As pues, se tiene una solucin ptima del problema original con soluciones ptimas primal y dual
dadas por:
(x*1, x*2 , x*3 , x*4, x*5, x*6 , x*7 ) = (3 , 0, 0 , 0 , 0, 0 , 0)
y,
(w*1, w*2 ) = (1,1)
1. Una fbrica pequea de juguetes produce 2 tipos de pelotas. Los recursos disponibles
mensualmente son 200 pies2 de cuero y 18 horas mquina. Los requerimientos de recursos por
cada unidad de los dos tipos de pelotas, as como la ganancia unitaria se muestran en el
siguiente cuadro:
HORAS MAQUINA
CUERO
GANANCIA
(por tipo)
(pie2/tipo)
(S/./unid.)
0.3
200
0.2
150
Disponibilidad
18
200
PELOTATIPO
Plantear el problema primal y discutir el significado econmico del programa dual.
Solucin:
Xi = nmero de pelotas de tipo i (i = 1,2)
Entonces el programa primal es:
127
max Z = 200X1 + 150X2

Sujeto a:
H-Mquina
0.3X1 + 0.2X2< 18
(1)
Cuero
2X1 +
(2)
X2< 200
X1, X2> 0
La solucin del problema es:
Z = 13500;
X1 = 0;
X2 = 90
Reemplazando los valores de X1 y X2 en las restricciones se tiene:

Precio Dual
H-Mquina
0.3 (0) + 0.2 (90) < 18
Y1
2 (0) + 1 (90) < 200
Y2
Cuero
Observe que se ha utilizado todas las horas mquina (restriccin limitante) y que hay un
excedente de 110 pies2 de cuero (restriccin no limitante).
Esto implica que para aumentar la ganancia e necesario aumentar la disponibilidad del recurso 1.
Ahora procederemos a hallar el dual para realizar algunas discusiones:
El programa dual esta dado por.
Min W = 18Y1 + 200Y2

Sujeto a:
0.3Y1 + 2Y2> 200
(1)
0.2Y1 + Y2> 150
(2)
Y1, Y2> 0
Si se aumenta, por ejemplo, en 2 unidades las horas mquina (recurso limitante) del programa
primal, se tiene:
Max Z = 200X1 + 150X2

Sujeto a:
0.3X1 + 0.2X2< 20
2X1 + X2< 200
Z = 15000;
X1 = 0;
X2 = 100
128
Con la solucin de los dos problemas, se puede determinar la variacin de Z por unidad de
recurso:
Z 15000 13500
750 Y1
b
20 18
Este valor representa el precio dual del primer recurso, es decir que Z aumentar en 750 unidades
si las horas mquina aumentan en 1 hora.
Si ahora aumentamos, por ejemplo, en 2 unidades el recurso cuero, se tiene:

Max Z = 200X1 + 150X2
Sujeto a:
0.3X1 + 0.2X2< 18
2X1 + X2< 202
Z = 13500;
X1 = 0;
X2 = 90
La variacin de Z por unidad del recurso es:
Z 13500 - 13500
0 Y2
b
202 200
Como se sabe el recurso cuero esta en exceso y por consiguiente incrementar este recurso no
aporta en nada a la funcin objetivo.
La formulacin estndar y el ltimo tablero del primal es como sigue:
Max Z = 200X1 + 150X2 + 0X3 + 0X4
Sujeto a:
0.3X1 + 0.2X2+ X3 = 18
2X1 + X2+ X4 = 200
X1
X2
X3
X4
LD
25
75
1350
X2
1.5
0.5
X4
25
75
191
Como se observa (Z3 C3) = 75 y (Z4 C4) = 0 [debajo de X3 y X4] son los valores de las variables
U1 y U2 respectivamente, esto se explica por lo siguiente:
El tablero puede ser escrito de la siguiente forma:
129
XB
XN1
XH
LD
CBB-1N1 CN1
CBB-1I 0
CBB-1b
XB
B-1N1
B-1
B-1b
Donde:
XN = (XN1
X H)
XN1 = (Xm+1 Xm+2 ... Xn)

XH = (Xn+1
Xn+2 ...
Xn+m)
Como se sabe los coeficientes de XH en la funcin 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
Nutriente
Ingredientes
Requerimientos
u./comida.
20
30
10
10
Costo
200
300
250
$/g
El problema a resolver consiste en definir la combinacin de ingredientes que permite obtener, al

mnimo costo, el alimento con el contenido nutricional deseado. La solucin puede obtenerse
resolviendo el siguiente modelo, en el cual las variables Xi indican la cantidad (g.) del ingrediente i
a utilizar.
Minimizar Costo:
Utilidad= 200X1+ 300X2+ 250X3
Sujeto a:
4X1 + 3X2 + 2X3 20
Nutriente A
5X1 + 6X2 + 3X3 30
Nutriente B
130
1X1 + 2X2 + 1X3 10
Nutriente C
2X1 + 1X2 + 2X3 5
Nutriente D
2X1 + 3X2 + 1X3 10
Nutriente E
Con Xi
0, i =1, 2,3.
Antes de conocer la solucin ptima de este modelo, consideremos una situacin hipottica que
puede presentrsele a la dietista. Un laboratorio farmacutico ofrece pastillas de cada uno de los
nutrientes, con los cuales ella puede sustituir la comida que piensa preparar.
Para resolver este nuevo problema reflexionemos en el hecho de que el director del laboratorio
desea obtener la mxima utilidad en la venta de las pastillas. Por ello, al evaluar la cotizacin del
laboratorio, en comparacin con el costo de preparar la comida, la dietista necesita conocer el
mximo precio que puede pagar por una pastilla que contenga una unidad de cada nutriente.
La dietista tambin sabe que los precios que puede pagar tienen limitaciones provenientes de los
costos y contenido vitamnico de los ingredientes, as por ejemplo:
Un gramo del alimento 1 cuesta $200 y aporta cuatro unidades del nutriente A, cinco del nutriente
B, uno del C, dos del D y dos del E. Por lo tanto, por esas cantidades de los nutrientes puede
pagarse en total un mximo de $200.
Similarmente, como un gramo del alimento 2 cuesta $300 y aporta tres unidades del nutriente A,
seis del B, dos del C, uno del D y tres del E, lo mximo que podemos pagar conjuntamente por
esas cantidades de los nutrientes es $300.
Si denotamos respectivamente con las variables YA, YB, YC, YD, YE, los precios mximos que
se pueden pagar por la pastilla con una unidad de cada uno de los nutrientes, y efectuamos un
anlisis para todos los ingredientes, obtenemos el siguiente modelo de programacin lineal.
Maximizar Ventas
ZD = 20YA + 30YB + 10YC + 5YD + 10YE
Sujeto a:
4YA + 5YB + 1YC + 2YD + 2YE 200 ingrediente 1
Con YA, YB, YC, YD, YE 0
131
Este segundo modelo representa el enfoque dual del primero y de nuevo podemos verificar que se
presentan ciertas relaciones estructurales, a saber
1. El vector de coeficientes objetivo de uno es la transpuesta del vector de coeficientes recurso

del otro.
2. El vector de coeficientes recurso del uno es la transpuesta del vector de coeficientes objetivo
del otro.
3. La matriz de coeficientes tecnolgicos de uno es la transpuesta de la matriz de coeficientes
tecnolgicos del otro.
4. Ambos problemas estn en formato cannico, o sea que tienen las siguientes caractersticas
4.1 El objetivo del primal es minimizar, mientras que el del dual es maximizar.
4.2 Las restricciones del primo son del tipo , y las del dual del tipo .
4.3 Las variables de ambos problemas solo pueden tomar valores mayores o iguales que
cero.
Pero las relaciones de forma no son las ms importantes para nuestro estudio de la dualidad en
Programacin lineal, como si lo son las relaciones lgicas existentes entre sus soluciones ptimas
y el significado econmico de las variables del modelo dual.
Resolviendo ambos modelos obtenemos, para el PRIMAL:
132
X1* = 2; X2* = 4; EB* = 4; ED* = 3; EE* = 6; Z = $1600

Interpretando los valores de las variables de decisin, ha encontrado que mezclando 2 gramos
del ingrediente 1 y cuatro gramos del ingrediente 2 obtendra el menor costo posible que es de
$1600. De la misma manera interpretando las variables de holgura, tambin observa que la
comida resultante contiene exactamente las 20 unidades requeridas del nutriente A( pues EA =
0) y las 10 unidades requeridas del nutriente C ( pues EC = 0), mientras que del nutriente B
tendr 4 unidades por encima de las 30 requeridas ( pues EB = 4), del nutriente D tendr 3
unidades ms que las 5 requeridas ( pues ED = 3) y del nutriente E tendr 6 unidades adicionales
133
a las 10 requeridas ( pues EE = 6). Dicho ms exactamente, la mezcla (comida) que se prepare
con los gramos de cada ingrediente prescritos por esta solucin ptima, tendr la siguiente
composicin:
cantidad
cantidad
contenida
requerida
20
20
34
30
10
10
16
10
Nutriente
exceso
Podemos decir que si nos aumentaran, por ejemplo en una unidad, las exigencias de alguno de
los nutrientes B, D o E, el costo (y la mezcla actual de ingredientes) no cambiara ya que las
unidades de esos nutrientes con que efectivamente queda la comida, son superiores a las
exigencias, as estas suban en una unidad.
Solucin aumentando en uno las exigencias del nutriente B
134
Solucin aumentando en uno las exigencias del nutriente D
135
En cambio si, por ejemplo, nos piden que la comida debe contener una unidad mas del nutriente
A,( la exigencia ser de 21 unidades y no de 20) la solucin actual ( X1=2 y X2= 4,), no cumplira
esta nueva condicin y por ello no sera ms la solucin ptima. Ser necesario encontrar una
mezcla diferente de los ingredientes, de tal forma que el contenido del nutriente A sea de 21
unidades y esta mayor exigencia elevar el costo de la comida.
Escribamos el modelo modificado al incluir esta nueva exigencia para el contenido del nutriente A
y resolvmoslo.
Minimizar Costo:
Utilidad= 200X1+ 300X2+ 250X3
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

Con Xi
Nutriente E
0, i =1, 2,3.
Solucin aumentando en uno las exigencias del nutriente A
136
137
X1 = 2.4 X2 = 3.8 EB = 4.8 ED = 3.6 EE = 6.2 costo $ 1 620
En el Dual:
138
YA = 20; YC = 120; H3* = 90; ZD = $1 600
La conclusin de la dietista ser entonces mezclar dos gramos del ingrediente 1 y cuatro gramos
del ingrediente 2, para obtener la comida a un costo mnimo de $1600. Pero tambin puede
adquirir las pastillas de una unidad de los nutrientes, pagando un mximo de $20 por cada pastilla
del nutriente A y de $120 por cada pastilla del nutriente C.
De esta manera, si las unidades de vitamina A se consiguen a un precio inferior de $20, o las de
vitamina B a un precio inferior de $120, es ms favorable para la dietista comprar las unidades, ya
que obtiene una disminucin de los costos en comparacin con el costo de preparar la comida.
Ac se ha planteado esta situacin hipottica del dual, no con el nimo de llevarla a cabo sino
como medio para determinar el costo implcito de las unidades asociadas a cada restriccin del
modelo primal.
Hablamos de las unidades de vitamina A y B cuyos precios sombra o costos implcitos fueron
dados por el valor de las variables del modelo dual.
Es decir, las variables del modelo dual pueden significar ya sea la utilidad marginal o el costo
implcito (precio sombra) de un recurso, dependiendo del contexto lgico del problema primal al
que se refiera.
139
El anlisis de sensibilidad es el estudio de la forma en que afectan a la solucin ptima los

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

objetivo?
Cmo afectar a la solucin ptima un cambio en el valor del segundo miembro de

una restriccin?
Como el anlisis de sensibilidad se ocupa de la forma en que los cambios anteriores afectan a la
solucin ptima del anlisis no comienza sino hasta que se obtiene tal solucin al problema de
programacin lineal, porque eso se le llama tambin anlisis de post-optimalidad.
El anlisis de sensibilidad que se realiza sobre la solucin ptima ofrece informacin

complementaria que es valiosa para quien toma las decisiones.
La principal importancia del anlisis para quienes toman decisiones es que los problemas reales
ocurren en un medio ambiente dinmico, es decir cuando ocurre alguna de las situaciones
siguientes:
1. Los precios de las materias primas varan.

2. L a demanda flucta.
3. Las compaas adquieren maquinas nuevas para reemplazar las antiguas.
4. Los mercados globales de mano de obra ocasionan cambios en los costos de produccin.
5. Rotacin e los empleos.
Los gerentes y ejecutivos desean determinar la forma en que estos cambios afectan a la solucin
ptima del problema primitivo de programacin lineal.
EJEMPLO
Una compaa textil, incursiona en el mercado de bolsas de tela por despacho de mercaderas y
fabrica dos clases de bolsas: el modelo estndar por tiendas y bodegas y el de lujo para
supermercados y grandes almacenes. El proceso de fabricacin es corte y teido, costura,
terminado e inspeccin y embalaje, cuya programacin lineal es la siguiente:
140
Sujeto a:
Corte y Teido
Costura
Terminado
Inspeccin y Emb.
La solucin optima X1= 540 bolsas estndar, X2 = 252 bolsas de lujo y Z = 7688, donde X1 da $10
de utilidades y X2 da $9.0.
Supongamos que posteriormente debido a una reduccin en el precio, la contribucin a las
utilidades de las bolsas estndar se reduce a $7.0, puede utilizarse el anlisis de sensibilidad para
determinar si el programa de produccin de 540 bolsas estndar y 252 bolsas de lujo sigue siendo
la mejor solucin, si lo es, no habr necesidad de resolver un programa lineal modificado que
tenga 7X1 + 9X2 como funcin objetivo
4.1 ANLISIS GRFICO DE SENSIBILIDAD
En este caso se utilizara mtodos grficos de solucin para problemas de programacin lineal con
dos variables de decisin para realizar anlisis de sensibilidad sobre los coeficientes de la funcin
objetivo y sobre los valores en el segundo miembro o lado derecho de las restricciones.
COEFICIENTES DE LA FUNCIN OBJETIVO
En el ejemplo anterior la solucin ptima indica la fabricacin de 540 bolsas estndares y 252
bolsas de lujo. El intervalo de optimidad para cada coeficiente de la funcin objetivo muestra la
gama de valores sobre las cuales la solucin del momento sigue siendo ptima. En la grafica
siguiente muestra la solucin grafica del problema, una observacin cuidadosa en la grafica indica
mientras el pendiente de la funcin objetivo se encuentra entre las pendientes de la recta A y la
pendiente de la recta B el punto extremo 3 con X1 = 540 y X2 = 252 ser ptimo.
Girar la recta de la funcin objetivo en sentido contrario al del reloj ocasiona que la pendiente se
vuelva menos negativa, permitiendo el aumento de la pendiente, llegando los ptimos alternos de
los puntos extremos 3 y 2
141
Del anlisis debe resultar evidente que el punto extremo 3 ser la solucin ptima y cuando:
( Pndte de la recta A) ( Pndte de la recta F.O) ( Pndte de la recta)
En la figura se observa que la ecuacin de la recta A (la recta de restriccin de corte y teido) es
la siguiente:
Despejando
se obtiene en su forma de pendiente y ordenada en el origen:
La ecuacin de la recta B:
Despejando
y poniendo en pendiente e interseccin para la recta B:
Para que el extremo 3 siga siendo ptimo, se debe cumplir que:
142
Ecuacin (a)
Considere la ecuacin de la funcin objetivo como:
Despejando
De ello se desprende que la pendiente, de la funcin objetivo es C1/C2 luego sustituyendo en la

ecuacin (a) se observa que el punto extremo 3 seguir siendo ptimo siempre y cuando se
satisfaga la expresin siguiente:
Para calcular el intervalo de optimidad para la contribucin a las utilidades por las bolsas
estndares, se mantiene fija la contribucin a las utilidades por las bolsas de lujo, en su valor
inicial
= 9, luego:
Combinando los lmites para C1 se obtiene el intervalo de optimidad para la contribucin a las
utilidades de la bolsa estndar.
Esto significa que si no se cambia los dems coeficientes, la contribucin a las utilidades de la
bolsa estndar puede encontrarse en cualquier punto entre $6.30 y $13.5 y las cantidades de 540
bolsas estndar y 252 bolsas de lujo seguirn siendo optimas.
Similarmente, manteniendo constante
, se puede verificar que
143
4.2 CAMBIOS EN LOS COEFICIENTES DE LA FUNCIN OBJETIVO

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

(Coeficientes de Variables no bsicas)
4.2.1 CAMBIO DEL COEFICIENTE CBr CB

Si se altera el coeficiente CBr en una cantidad CBr, el nuevo coeficiente es:
CBr = CBr + CBr, y por consiguiente:
CB = CB1,, CBr + CBr,, CBm
Caso I: Maximizacin
En la K-sima columna (K = m+1, m+2,... n), se tiene:

ZK CK 0
CBB-1aK CK 0
(C B1 , C B 2 ,...,C Br
Y1k
Y
2k
.

.
C Br ,...,C Bm ) C k 0
Yrk

.
.

Ymk
Operando resulta:
; K = m+1, m+2,, n(1)
144
Caso II: Minimizacin
De manera anloga se obtiene:

; K = m+1, m+2,, n(2)
EJEMPLO
Se desea optimizar la produccin de mesas y sillas de una fbrica industrial, para lo cual se
dispone del nmero de horas mquina en cada una de las secciones siguientes:
MAQ.
MESAS
SILLAS
HORAS - MAQUINA
20
28
UTILIDAD
10
El programa lineal es:
Sujeto a:
Sea el ltimo tablero de la funcin objetivo:
Variacin de
X1
X2
X3
X4
88
X2
-1/2
X1
-1/2
1/2
LD
: Primer coeficiente de la funcin objetivo de:
k = 3, 4;
r=2
145
Para k = 3
Entonces:
C1 6
Para k = 4
Entonces:
Por tanto:
C1 -2
-2 C1 6
Variacin de
: Segundo coeficiente de la funcin objetivo de:
k = 3, 4;
r=1
Para k = 3
146
Entonces:
C2 -3
Para k = 4
Entonces:
Por tanto:
C2 -2
-3 C2 2
Por otra parte la
, perteneciente a la variable bsica Xj es igual a cero y permanece con el
mismo valor para el coeficiente
puesto que:
= CBj - CBj
Zj - CBj = 0
4.2.2 CAMBIO DEL COEFICIENTE Cr CN
147
Si se altera el coeficiente Cr en una cantidad Cr el nuevo coeficiente es:

Cr = Cr + Cr
Caso I: Maximizacin
En el ltimo tablero (en la posicin r, r = m+1, m+2,..., n) se tiene:
Zr - Cr 0
Zr -(Cr + Cr) 0
Cr Zr Cr
En el caso del coeficiente
Por tanto:
En el caso del coeficiente
Por tanto:
Caso II: Minimizacin

Zr -Cr 0
148
Cr Zr Cr
4.3 CAMBIOS EN LA DISPONIBILIDAD DE RECURSOS

Aqu se calcula la variacin de cada uno de los recursos, manteniendo la misma base.
Se sabe que:
b1
b 2

.
XB = B-1b y que: b = , B-1b =
br
.

bm
Si se altera el recurso
b1
b2

.

br
.

bm
en una cantidad br se tiene que: br = br + br
y deber ocurrir que:
b1
b2
.
b =
br br
.
bm
v11
v 21
.....
i se asume que B-1 = .....

.....
vm1
..... v1n
..... v 2 r ..... v 2 n
..... ..... ..... .....
..... ..... ..... .....

..... ..... ..... .....
..... vmr ..... vmn

..... v1r
Para que se mantenga la misma base se debe cumplir con lo siguiente:

B-1b 0 (siempre, en min. y mx.).
En forma matricial:
149
v11
v 21
.....
.....
.....
vm1
..... v1r ..... v1n

..... v 2 r ..... v 2 n
..... ..... ..... .....
..... ..... ..... .....

..... ..... ..... .....
..... vmr ..... vmn
b1
b2
0
br br
.
bm
b1 v1r br 0
b 2 v 2 r br 0
B-1b =
..........
..........
.
br vrr br 0
..........
..........
.
bm vmr br 0
En el problema anterior:
20 b1
b
28
Si variamos el primer recurso b1:
( )
Entonces:
150
Si variamos el segundo recurso b2:
Entonces:
4.4 PRECIO DUAL

Llamado tambin imagen o sombra, solo las restricciones que tienen holgura o exceso cero
tendrn un precio dual diferente de cero.
Indica la tasa de variacin del valor ptimo de la funcin objetiva cuando cambia el segundo
miembro de una restriccin dentro de cierto rango de sensibilidad, y segn el siguiente esquema:
151
Restriccin
Variacin en el
Consecuencia en
recurso b
funcin Objetivo
Si el recurso b
la F.O. mejora en
aumenta una
<b
precio dual
unidad
Si el recurso b
la F.O. empeora en
una tasa igual al
una unidad
precio dual
la F.O. empeora en
aumenta en una
una tasa igual al
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
MAX
disminuye en
Si el recurso b
>b
una tasa igual al
la F.O. mejora en
aumenta en una
una tasa igual al
unidad
precio dual
=b
si el recurso b
la F.O. empeora en
disminuye en
una tasa igual al
una unidad
precio dual
si el recurso b
MIN
la F.O. empeora en
aumenta en una
una tasa igual al
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 TECNOLGICOS

Sea el siguiente problema:
152
Sujeto a:
AX b
X0
El vector columna aj se cambia por aj, entonces:
Sujeto a:
AX b
X0
Este cambio afecta al producto B-1(aj). Luego tambin a Zj - Cj entonces se tiene:
Zj - Cj = CBB-1a'j - Cj
Que deber cumplir con la funcin de optimizacin (Zj - Cj 0), en caso contrario se pivotea para
encontrar el ptimo.
EJEMPLO
Winco vende 3 productos 1, 2 y 3. En la tabla se dan los recursos requeridos para producir una
unidad de cada producto y los precios de venta de cada producto.
Producto 1
Producto 2
Producto 3
Materia Prima
Horas de Trabajo
Precio Venta
10
Se dispone de 8 unidades de materia prima y 12 horas de trabajo para la produccin.

Formulando el Programa Lineal para maximizar los ingresos de Winco por las ventas de sus
productos
Sujeto a:
153
X1 + 2X2 + 4X3 8
2X1 + X2 + 3X3 12
X1, X2, X3 0
Y cuya solucin es:
X1
X2
X3
X4
X5
LD
38/3
14/3
2/3
136/3
X2
5/3
2/3
-1/3
4/3
X1
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 solucin ptima vara con el cambio.
Solucin:
Se desea cambiar a3 =
4

3
por a3 =
2
entonces:
2
Y3 = B-1a'3
2/3
1/ 3
2
2
2/3
1 / 3
Z3 - C3 =
Luego:
2 / 3
2 / 3
2 / 3
10 6 2 / 3 - 8 = 8/3
La solucin ptima no vara porque:
4.6 ADICIN DE UNA VARIABLE

Aqu se requiere conocer la columna de la actividad y coeficientes de la funcin objetivo, as para
la columna j = n + m + 1, se tiene:
Yj = B-1aj
Zj Cj = CBYj - Cj
Zj - Cj 0, si se trata de maximizar.
Zj - Cj 0, si se trata de minimizar.
EJEMPLO
154
En el problema de las mesas y sillas se desea incorporar la lnea de produccin de repisas, si se

necesitan una hora por cada mquina para elaborar una repisa siendo la utilidad de S/.8 por
unidad Cmo cambia la solucin? Recordemos que este es el ltimo tablero de la funcin
objetivo:
X1
X2
X3
X4
LD
88
X2
-1/2
X1
-1/2
1/2
Solucin:
La informacin para este problema ser:
Mquina
Mesas
Sillas
Repisas
Horas Mquina
20
28
Utilidad
10
El nuevo PL es:
Sujeto a:
2X1 + 2X2 + X3 20
4X1 + 2X2 + X3 28
X1, X2, X3 0
Hallando el valor de Z3 - C3, conociendo los valores de C3 = 8 (utilidad)
1
y a3 = 1 Y3 = B-1a3 =
1 / 2
1 / 2 1
1
1 = 0
1/ 2 1/ 2
Entonces:
155
Z3 - C3 = 8 10
1 / 2
0
- 8= -4
Introduciendo este valor al tablero:
X1
X2
X3
X4
X5
LD
-4
88
X2
-1/2
1/2
X1
-1/2
1/2
LD
Empleando el mtodo Simplex
Dado que Z5 - C5 < 0 se pivotea
En el ltimo tablero:
Z
X1
X2
X3
X4
X5
160
X5
20
X4
-1
Se concluye que se debe producir slo repisas, dado que las Variables bsicas (de decisin) son
ahora X5 y X4 (no se considera X4 porque es una variable de holgura).
4.7 ADICIN DE UNA RESTRICCIN

Se necesita analizar si esta hace variar el vector solucin, si ocurre esto se pivotea, si para un
Programa lineal al introducir la restriccin m +1 el sistema tiene m + 1 filas y m + n + 1 columnas.
La adicin de una nueva restriccin puede dar origen a una de dos condiciones:
1. La restriccin satisface la solucin actual y en este caso la restriccin es redundante, y, por lo
tanto, su adicin noalterara la solucin.
2. La solucin actual no satisface la restriccin. En este caso, la nueva solucin se obtiene
utilizando el Mtodo Simplex Dual.
EJEMPLO
Para el problema de mesas y sillas se ha adicionado la mquina C la que produce 2 mesas y 1
silla, para lo cual dispone de 28 horas - mquina. Se desea saber si la solucin ptima vara con el
cambio.
156
Maquina
Mesas
Sillas
Horas - Mquina
20
28
28
Utilidad
10
El nuevo PL es:
Sujeto a:
2X1 + 2X2 20
4X1 + 2X2 28
2X1 + X2 28
X1, X2 0
Incorporando esta informacin en el tablero resulta:
X1
X2
X3
X4
X5
LD
88
X2
-1/2
X1
-1/2
1/2
X5
28
Por teora de matrices podemos ingresar toda una fila sin tener problemas
Debemos pivotear la ltima fila del tablero
X1
X2
X3
X4
X5
LD
88
X2
-1/2
X1
-1/2
1/2
X5
-1/2
14
Donde se concluye que la nueva restriccin no afecta a la solucin original.
157
4.8 REGLA DEL 100%
4.8.1. Regla del 100% para el cambio de coeficientes de la funcin objetivo

Se consideran dos casos dependiendo, si cambia o no el coeficiente de la funcin objetivo de
cualquier variable con un costo reducido de cero en el cuadro ptimo:
Caso I: Variacin de los Coeficientes de las variables de decisin con todos sus costos reducidos
diferentes de cero.
Caso II: Variacin de los Coeficientes de las variables de decisin con al menos uno de sus
costos reducidos igual a cero.
EJEMPLO
Mi alimentacin requiere que todo lo que coma pertenezca a uno de los cuatro grupos bsicos de
alimentos (pastel de chocolate, helado, refrescos y pastel de queso). Actualmente, se dispone de
los siguientes alimentos para el consumo: bizcochos de chocolate y nueces, helado de chocolate,
cola, y pastel de queso con pia. Cada bizcocho cuesta 50 centavos; cada bola de helado de
chocolate, 20 centavos; cada botella de refresco de cola, 30 centavos; y cada pieza de pastel de
queso con pia, 80 centavos. Cada da tengo que ingerir por lo menos 500 caloras, 6 onzas de
chocolate, 10 onzas de azcar y 8 onzas de grasa. El contenido nutritivo por unidad de cada
elemento se muestra en la tabla.
Caloras
Bizcocho
Helado de chocolate
(1 bola)
Refresco de Cola
(1 botella)
Pastel de Queso con
pia
Chocolate
Azcar
Grasa
(onzas)
(onzas)
(onzas)
400
200
150
500
El PL que satisface mis requerimientos alimenticios diarios a un costo mnimo es:

= Bizcocho
= Bola de helado de chocolate
= Botella de refresco de cola
= Pastel de queso con pia
158
Sujeto a:
400X1 + 200X2 + 150X3 + 500X4 500(Rest. de caloras)
3X1 + 2X2 6(Rest. de chocolate)
2X1 +2X2 +4X3 +4X4 10
(Rest. del azcar)
2X1 + 4X2 + X3 + 5X4 8
(Rest. de grasa)
X1, X2, X3, X4 0
La salida en LINDO para este problema es la siguiente:
MIN
50X1 + 20X2 + 30X3 + 8X4
SUBJECT TO
2)
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
N ITERATIONS = 5
159
RANGES IN WHICH THE BASIC IS UNCHANGED:
OBJ COEFFICIENT RANGES
ALLOWABLE
ALLOWABLE
INCREASE
DECREASE
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
VARIABLE
CURRENT COEF
X1
RIGHTHAND SIDE RANGES
ALLOWABLE
ALLOWABLE
INCREASE
DECREASE
500.000000
250.000000
INFINITY
3)
6.000000
4.000000
2.857143
4)
10.000000
INFINITY
4.000000
5)
8.000000
5.000000
INFINITY
ROW
CURRENT RHS
2)
A.
Suponga que el precio de un bizcocho aumenta hasta 60 centavos, y el precio de una
rebanada de pastel de queso con pia disminuye hasta 50 centavos. Seguir siendo ptima la
base actual? Cul sera la nueva solucin ptima?
Solucin:
Como los bizcochos
y el pastel de queso con pia
tienen costos reducido diferente de
cero, se presenta el caso I.

De la salida del LINDO se ve que la base actual es ptima, si y slo si:
22.5 = 50 - 27.5
30 = 80 - 50
50 + =
80 + =
Como los nuevos precios satisfacen ambas condiciones, la base actual permanece ptima.
Tampoco cambia el valor ptimo de z y el valor ptimo de las variables de decisin.
160
B.
Si el precio de un bizcocho baja hasta 40 centavos, y el precio de una rebanada de pastel
de queso con pia baja hasta 25 centavos, ser todava ptima la base actual?
Solucin:
De la salida del LINDO, se ve que se presenta nuevamente el Caso I. Aunque el costo de un
bizcocho est dentro del intervalo permisible, el caso del precio de una rebanada de pastel de
queso con pia, ya est fuera de su intervalo permisible. Por lo tanto, la base actual ya no es
ptima, y hay que resolver nuevamente el problema.
4.8.2 LA REGLA DEL 100% PARA CAMBIAR LOS LADOS DERECHOS
Hay que considerar dos casos, dependiendo de si cualquier de las restricciones, cuyos lados
derechos se cambian, son obligatorios o no:
CASO I: Todas las restricciones cuyos lados derechos se modifican, no son obligatorias.
CASO II: Al menos una de las restricciones que se modifica es una restriccin obligatoria.
Del ejemplo de alimentacin:
CASO I
A. Suponga que las caloras necesarias disminuyen hasta 400 y que el requerimiento de grasa
aumenta hasta 10 onzas. Permanecer ptima la base actual?, Cul ser la nueva solucin
optima?
Solucin:
Como ambas restricciones no son obligatorias, se presenta el caso I. De la corrida del lindo,
observamos que los intervalos permisibles para las restricciones de las caloras de la grasa
son:
500 calorias necesarias 500 250 750
8 requerimento de grasa 8 5 13
Los nuevos requerimientos de caloras y grasa permanecen dentro de sus valores permisibles;
por lo tanto, la base actual permanece ptima. No cambian el valor ptimo de Z y los valores de
las variables de decisin.
B. Suponga que disminuye el requerimiento de caloras hasta 400, y que el requerimiento de

grasa aumenta hasta 15 onzas. Permanecer ptima la base actual?
Solucin:
EL requerimiento de grasa ya no se encuentra dentro de su intervalo permisible de esta
manera la base actual ya no es optima.
161
CASO II
Al menos una de las restricciones que se modifica es una restriccin obligatoria. En el
problema de la alimentacin, supngase que se aumenta la cantidad necesaria de chocolate
hasta 8 onzas y que se reduce la del azcar hasta 7 onzas. Permanecer ptima la base
actual?
Solucin:
Ya que las restricciones para el chocolate y el azcar son obligatorias se presenta el Caso II y
hay que utilizar la regla del 100%.
b2 = 8 - 6 = 2,
I2 = 4, entonces r2 = 2/4 = 0.5
b3 = 7 - 10 = -3, D3 = -4, entonces r3 = 3/4 = 0.75

b1 = b4 = 0, entonces r1 = r4 = 0
Ya que r1 + r2 + r3 + r4 = 1.25 > 1, la Regla del 100 % no proporciona informacin si la base

actual es ptima o no.
4.9 INTERPRETACIN DEL PROGRAMA LINDO:
Ejemplo 1:
Un empresario, fabricante de artculos de cuero ha decidido lanzar un nuevo producto de bolsas
de piel para damas. El distribuidor Alda de lnea de cartera, bolsas y bolsones acepta comprar
todas las bolsas que fabrique la empresa. Las operaciones necesarias para la fabricacin de las
bolsas son las siguientes:
1)
Cortar y Teir el material
2)
Coser
3)
Terminar
4)
Inspeccionar y embalar
162
El problema del empresario es determinar cuantas bolsas estndares y cuantas bolsas de lujo
deben fabricar con objeto de maximizar la contribucin a las
utilidades.
TIEMPO DE PRODUCCIN
PRODUCTO
Corte y teido.
Costura
Terminado
Insp. y Emb.
Utilidad
7/10
1/2
1/10
10
Bolsa de Lujo
5/6
2/3
1/4
Disponibilidad
603
600
708
135
Bolsa
Estndar
de
Prod.-
horas
: N de bolsas estndares fabricadas

: N de bolsas de lujo fabricadas
Sujeto a:
7/10 X1 + 10X2 <= 630
1/2X1 +5/6X2 <= 600
X1 + 2/3X2 <= 708
1/10X1 +1/4X2 <= 135
X1, X2 >= 0
El desarrollo en Lindo es:
1)
7662.147000
VARIABLE
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
163
5)
17.881355
0.000000
N ITERATIONS = 0
OBJCOEFFICIENTRANGES
ALLOWABLE
ALLOWABLE
INCREASE
DECREASE
10.000000
3.432836
3.700000
9.000000
5.285714
2.300000
VARIABLE
CURRENT COEF
X1
X2
RIGHTHANDSIDERANGES
ALLOWABLE
ALLOWABLE
INCREASE
DECREASE
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
ROW
CURRENT RHS
2)
La interpretacin del problema mediante Lindo ser:
Objetive Vale, representa el valor ptimo de la funcin objetivo y es $7668

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

coeficiente de la funcin objetivo de cada variable de decisin antes de que sea posible
que tal variable asuma un valor positivo en la solucin ptima. Si una variable de decisin
ya es positiva en la solucin optima, su costo reducido es cero. En un problema de
164
maximizacin, mejorar significa aumentar y en un problema de minimizacin, mejorar

significa disminuir.
VARIABLE
REDUCED COST
X1
0.000000
X2
0.000000
Slackor surplus, representa holguras o excesos e indica el valor ptimo de las

variables de holgura asociada con cada restriccin del problema transformado.
ROW
SLACK OR
SURPLUS
2)
0.000000
/ corte y teido
3)
120.711861
/ costura
4)
0.000000
/ terminado
5)
17.881355
/ inspeccin y embalaje
Dual Prices, representa los precios duales, significa que el ndice de la mejora de la
funcin objetivo cuando el vector disponibilidad de recursos aumenta sobre el rango
permisible. Tambin el precio dual correspondiente a una restriccin es el Mejoramiento en
el valor ptimo de la funcin objetivo (recursos) de la restriccin.
ROW
DUAL PRICES
2)
4.331450
/ corte y teido
3)
0.000000
/ costura
4)
6.967985
/ terminado
5)
0.000000
/ inspeccin y embalaje
Se puede afirmar que una hora adicional de tiempo corte t teido mejora (aumenta) el valor de la
funcin objetivo en $4.33 y una hora adicional de tiempo de Terminado mejora (aumenta) en
$6.967.
En consecuencia, aumenta el tiempo de corte y teido de 630 a 631 horas, manteniendo
constante todos los dems coeficientes del problema, aumentando las utilidades de la compaa
de 7662.1 + 4.33 = 7666.43, similarmente en el caso de terminado aumenta el tiempo de 7662.1 +
6.97 =7669.07. Los precios duales cero sealan que aumentar las horas disponibles de estos
recursos no mejora el valor de la funcin objetivo.
Si el precio dual es negativo por ejemplo 4.33 significa que al aumentar el tiempo de corte y
teido de 630 a 631 horas las utilidades disminuiran en $4.33
165
Ejemplo 2:
Considere el PL siguiente y su tablero ptimo:
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 bsica.
d) Obtenga el mximo valor de la funcin objetivo para la variacin del segundo recurso.
e) Obtenga el mximo valor de la funcin objetivo para la variacin del coeficiente X2
Solucin:
a)
Hallando los intervalos pedidos tenemos:
Para x2
0.907+ (-0.140) Cs2 0
Cs2 6.479
1.047+ (0.070) Cs2 0
Cs2 -14.957
0.605+ (-0.093) Cs2 0
Cs2 6.505
-14.957 Cs2 6.479
166
Para x3
0.907+ (0.674) Cs3 0
Cs3 -1.346
1.047+ (0.163) Cs3 0
Cs3 -6.423
0.605+ (0.116) Cs3 0
Cs3 -5.216
-1.346 Cs3 infinito
Ahora preparamos el Reporte de Lindo

Z=24.884
Var.
Valor
Costo reducido
X1
0.907
X2
0.326
X3
4.093
Recurso
Valor
Precio Dual
2)
1.047
3)
0.605
4)
4.907
RANGOS
Var.
X1
Coef.
Aumento
infinito
Disminucin
infinito
X2
6.479
14.957
X3
infinito
1.346
167
b) 2X1 + 5X2 + 4X3 + S1=18

S1= -0.002
c) Para que sea bsica x1 debe ser 3+0.907=3.907 su coeficiente
d) Para el segundo recurso: Max incremento

4.907+ (-0.116) Cs2 0
Cs2 42.302
0.326+ (-0.093) Cs2 0
Cs2 3.505
4.093+ (0.116) Cs2 0
Cs2 -35.284
e) Para Z mximo entonces el incremento debe ser mximo

Coeficiente de X2: 1+6.479=7.479
Max Z= 3X1 + 7.479X2 + 6X3
Z = 26.996
PROBLEMAS RESUELTOS
1. Beerco fabrica cerveza tipo ALE y BEER, a partir de trigo, lpulo y malta. Actualmente, se
disponen de 40 lb. de trigo, 30 lb. de lpulo y 40 lb. de malta. Un barril de ALE se vende a 40
dlares y requiere 1 lb. de trigo, 1 lb. de lpulo y 2 lb. de malta. Un barril de BEER se vende a
50 dlares y se necesitan 2 lb. de trigo, 1 lb. de lpulo y 1 lb. de malta. Beerco puede vender
toda la ALE y toda la BEER que produce. Suponiendo que la meta de Beerco es maximizar el
ingreso total de las ventas, Beerco tendr que resolver el PL siguiente:
Sujeto a:
ALE + 2 BEER 40
ALE + BEER 30
2ALE + BEER 40
ALE, BEER 0
ALE = barriles de ale producidos y BEER = barriles de cerveza producidos.
En la tabla se muestra un cuadro ptimo para este PL.
ALE
BEER
S1
S2
S3
LD
20
10
1200
BEER
2/3
-1/3
40/3
S2
-1/3
-1/3
10/3
168
ALE
-1/3
2/3
40/3
a) Escribir la solucin dual y obtenga su solucin optima
b) Encuentre el intervalo de los valores del precio de ALE para los cuales la base actual
permanece ptima
.
c) Encuentre el intervalo de los valores del precio de BEER para los cuales la base actual
permanece ptima.
d) Halle el intervalo de los valores de la cantidad de trigo disponible para los cuales la base
actual permanece ptima.
e) Obtenga el intervalo de los valores de la cantidad de lpulo disponible para los cuales la
base actual permanece ptima.
f) Obtenga el intervalo de los valores de la cantidad de malta disponible para los cuales la
g) Suponga que Beerco est considerando producir otro tipo de cerveza (MALT LIQUOR). Un
barril de MALT LIQUOR requiere 0.5 lb. de trigo, 3 lb. de lpulo y 3 lb. de malta y se vende
a 50 dlares. Tendr que producir BeercoMaltliquor?
Solucin:
a) Solucin dual :
Sujeto a:
La solucin ptima es: 40*20 + 30*0 + 40*10 = 1200
b) EL intervalo de los valores del precio de ALE para los cuales la base actual permanece
optima.
Sea el cuadro ptimo el siguiente:
169
Para k = 3, r = 3
Para k = 5, r = 3
Z3 - C3 + Y33
Z5 - C5 + Y35
20 + (-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 -
Z5 -
-30
-30 CBEER 30
El intervalo es:
d) El intervalo de los valores de la cantidad de trigo disponible para los cuales la base actual
permanece optima.
Para b1:( Restriccin del trigo)
40/3 + (2/3)b1 0
b1 -20
10/3 + (-1/3)b1 0
b1 10
40/3 + (-1/3)b1 0
b1 40
170
-20 b1 10
El intervalo es:
e) El intervalo de los valores de la cantidad de lpulo disponible para los cuales la base actual
permanece optima.
Para b2: ( Restriccin del lpulo)
El intervalo es:
40/3 + (0)b2 0
b2 -
10/3 + (1)b2 0
b2 -10/3
40/3 + (0)b2 0
b2 -
-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:
(Restriccin de la
malta)
El intervalo es:
40/3 + (-1/3)b3 0
b3 40
10/3 + (-1/3)b3 0
b3 10
40/3 + (2/3)b3 0
b3 -20
-20 b3 10
171
g) Beerco est considerando producir otro tipo de cerveza (MALT LIQUOR). Un barril de
maltliquor requiere 0.5 lb. de trigo, 3 lb. de lpulo y 3 lb. de malta y se vende a 50 dlares.
Tendr que producir BeercoMaltliquor?
Al aumentar una nueva actividad, el tablero inicial ser ahora:

Z
ALE
BEER
MALT
S1
S2
S3
LD
- 40
- 50
-50
S1
0.5
40
S2
30
S3
40
Zj - Cj = CVBB-1 aj - Cj
0.5
20 0 10 3 - 50 = 10 + 30 - 50 = -10
3
2 / 3 0 1 / 3 0.5
2 / 3
1 / 3 0 2 / 3 3
11 / 6
A3 = B-1a3 = 1 / 3 1 1 / 3 3 = 11 / 6
El nuevo tablero ptimo ser:
172
ALE
BEER
MALT LQ
S1
S2
S3
LD
-10
20
10
1200
CERV.
-2/3
2/3
-1/3
40/3
S2
11/6
-1/3
-1/3
10/3
ALE
11/6
-1/3
2/3
40/3
Dado que el valor del coeficiente de MaltLiquor es < 0 (= -10), esto indica que la base no sera
optima; por lo tanto, podra usar el algoritmo Simplex a fin de no tener coeficientes negativos en el
rengln o, con lo que la variable MaltLiquor entrara a la base, convirtindose en variable de
decisin.
2. Radioco fabrica dos tipos de radios. El nico recurso escaso que se necesita para producir
los radios es la mano de obra. Actualmente la compaa tiene dos trabajadores. El
trabajador 1 est dispuesto a trabajar hasta 40 horas a la semana, y se le para 5 dlares la
hora. El trabajador 2 est dispuesto a trabajar hasta 50 horas a la semana, y se le paga 6
dlares la hora. En la tabla siguiente se dan los precios, as como los recursos requeridos
para fabricar cada tipo de radio.
RADIO 1
RADIO 2
Precio
Recursos
Precio
Recursos
(dlares
Requeridos
(dlares)
Requeridos
)
25
a).
Trabajador 1: 1 hora
22
Trabajador 1: 2 horas
Trabajador 2: 2 horas
Trabajador 2: 1 hora
Materia prima:
Materia prima
Costo: 5 dlares
costo: 4 dlares
Sea Xi el nmero de radios tipo i producidos semanalmente. Demuestre que Radioco tendra
que resolver el PL siguiente (su cuadro optimo se da en la siguiente tabla)
b). Para qu valores del precio de un radio tipo 1, la base actual permanece ptima?
c). Para qu valores del precio de un radio tipo 1, la base actual permanece ptima?
d). Si el trabajador 1 estuviera dispuesto a trabajar solamente 30 horas a la semana,
permanecera ptima la base actual?
e). Si el trabajador 2 estuviera dispuesto a trabajar hasta 60 horas a la semana, permanecera
ptima la base actual?
173
f). Si el trabajador 1 estuviera dispuesto a trabajar una hora adicional, cul sera la mxima
cantidad que tendra que estar dispuesto a pagar Radioco?
g). Si el trabajador 2 estuviera dispuesto a trabajar solamente 48 horas, cules seran las
utilidades de Radioco?. Verifique su respuesta al determinar el nmero de radios de cada tipo
que se produciran si el trabajador 2 estuviera dispuesto a trabajar solamente 48 horas.
h). Radiocoesta considerando la posibilidad de producir un radio tipo 3. Las especificaciones para
un radio tipo 3 son las siguientes: precio, 30 dlares, 2 horas del trabajador 1; 2 horas del
trabajador 2, costo de la materia prima, 3 dlares. Tendra que producir Radioco radios tipo
3?
Sujeto a:
X1 + 2X2 40
2X1 + X2 50
X1, X2 0
En la tabla se muestra un cuadro ptimo para este PL.
X1
X2
S1
S2
LD
1/3
4/3
80
X1
-1/3
2/3
20
X2
2/3
-1/3
10
Solucin:
a) Calculando:
Trabajador 1: X1 + 2X2 40
Trabajador 2: 2X1 + X2 50
Desarrollo del PL con la ayuda del LINDO
MAX 3X1 + 2X2

SUBJECT TO:
X1 + 2X2 <= 40
2X1 + X2 <= 50
LP OPTIMUM FOUND AT STEP
174
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
N ITERATIONS = 2
ALLOWABLE
ALLOWABLE
INCREASE
DECREASE
3.000000
1.000000
2.000000
2.000000
4.000000
0.500000
VARIABLE
CURRENT COEF
X1
X2
RIGHTHANDSIDERANGES
ALLOWABLE
ALLOWABLE
INCREASE
DECREASE
40.000000
60.000000
15.000000
50.000000
30.000000
30.000000
ROW
CURRENT RHS
2)
3)
b) Valores del precio de un radio tipo 1, en donde la base actual permanece optima
k=4
1/3 + (-1/3)C1 0
C1 1
k=5
4/3 + (2/3)C1 0
C1 -2
C1 = 3 + 1 = 4
C1 = 3 - 2 = 1
P1 - 22 = 4
P1 - 22 = 1
P1 = 26
P1 = 23
175
c) Valores del precio de un radio tipo 1,en donde la base actual permanece optima
1/3 + (2/3) C2 0
C2 -1/2
4/3 + (-1/3) C2 0
C2 4
C2 = 2 - 1/2
P2 - 20 = 2 - 1/2
C2 = 2 + 4
P2 - 20 = 2 + 4
P1 = 26
P1 = 21.5
d) Si el trabajador 1 estuviera dispuesto a trabajar solamente 30 horas a la semana,

permanecera ptima la base actual?
20 + (-1/3)b1 0
b1 60
10 + (2/3)b1 0
b1 -15
40 + 60 = 100
40 - 15 = 25
La base actual permanece ptima.
e) Si el trabajador 2 estuviera dispuesto a trabajar hasta 60 horas a la semana, permanecera

ptima la base actual?
20 + (2/3)b2 0
b2 -30
10 + (-1/3)b2 0
b2 30
50 + 30 = 80
50 - 30 = 20
Por lo tanto, la base actual permanece ptima.
f) Si el trabajador 1 estuviera dispuesto a trabajar una hora adicional, la mxima cantidad que
tendra que estar dispuesto a pagar Radioco:
176
A partir del precio sombra de 1/3 de la restriccin X 1 + 2X2 40, se observa que si hay 41
horas de trabajo disponible, entonces (despus de pagar 5 dlares por hora extra de trabajo).
Las utilidades aumentaran en 1/3 dlar. Por lo tanto Radioco paga 5 dlares + 1/3 dlar = 16/3
dlares por una hora extra de trabajo. Esto significa que Radioco estara dispuesto a pagar
hasta 16/3 dlares por otra hora de trabajo.
g) Si el trabajador 2 estuviera dispuesto a trabajar solamente 48 horas, las utilidades de Radioco
] [
][
De otra manera: Z = 80 - 2x4/3 = 77.33
h) Radioco considera la posibilidad de producir un radio tipo 3. Las especificaciones para un

radio tipo 3 son las siguientes: precio, 30 dlares, 2 horas del trabajador 1; 2 horas del
trabajador 2, costo de la materia prima, 3 dlares
Para que Radioco no produzca el radio tipo 3:
Zj - Cj 0
Zj - Cj = CBB-1(aj) - Cj
2
1 4
3
3 3 2
28 1
3 0
33 3
Por lo tanto Radioco no tendra que producir radios tipo 3.
4.10INTERPRETACIN DEL PROGRAMA LINGO
3.Carco fabrica automviles y camiones. Cada automvil contribuye con 300 dlares a la utilidad,
y cada camin contribuye con 400 dlares. En la Tabla se muestran los recursos requeridos
para la produccin de un automvil y de un camin. Cada da, Carco puede rentar hasta 98
mquinas tipo 1 a un costo de 50 dlares la mquina. Actualmente, la compaa dispone de 73
mquinas tipo 2 y 260 ton. de acero. Consideraciones del mercado indican que hay que
producir por lo menos 88 automviles y por lo menos 26 camiones.
Sea:
177
X1 = automviles producidos diariamente

X2 = camiones producidos diariamente
M1 = mquinas tipo 1 rentadas diariamente
DAS EN LA
DAS EN LA
MQUINA TIPO
MQUINA TIPO
AUTOMVIL
0.8
0.6
CAMIN
0.7
TONELADAS DE
ACERO
Para maximizar la ganancia, Carco tendr que resolver el PL de la Fig. Utilice la salida de LINDO
para contestar las preguntas siguientes.
a) Si los automviles contribuyeran con 310 dlares a la utilidad, cul sera la nueva
solucin ptima para el problema?
b) Cul es la mxima cantidad que Carco tendra que estar dispuesto a pagar para rentar 1
mquina adicional de tipo1 por da?
c) Cul es la mxima cantidad que Carco tendra que estar dispuesto a pagar por una
tonelada extra de acero?
d) Si Carco tuviera que producir por lo menos 86 automviles, cul sera la utilidad de
Carco?
e) Carco considera la posibilidad de producir vehculos para todo terreno (jeep). Un jeep
contribuye con 600 dlares a la utilidad y requiere 1.2 das de la mquina 1,2 das de la
mquina 2 y 4 ton. de acero. Tendra que producir Carco algn jeep?
REPORTE EN LINDO:
MAX 300X1 + 400X2 - 50M1
SUBJECT TO
2) 0.8X1 + X2 -
M1 0
3)
M1 98
4) 0.6X1 + 0.7X2
73
5)
2X1+
260
6)
X1
7)
3X2
88
X2
26
END
178

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
4)
0.879999
0.000000
5)
1.200003
0.000000
6)
0.000000
-20.000000
7)
1.599999
0.000000
N ITERATIONS = 1
OBJ COEFFICIENT RANGES

ALLOWABLE
ALLOWABLE
INCREASE
DECREASE
300.000000
20.000000
INFINITY
X2
400.000000
INFINITY
25.000000
X3
-50.000000
INFINITY
350.000000
VARIABLE
CURRENT COEF
X1
RIGHTHAND SIDE RANGES

ALLOWABLE
ALLOWABLE
INCREASE
DECREASE
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
ROW
CURRENT RHS
2)
Solucin:
179
a). Si los automviles contribuyeran con 310 dlares, se estara adicionando $ 10 a la utilidad.
Observando el reporte en LINDO, vemos que 10 est dentro del rango admisible para un
incremento de X1 (automviles); por lo tanto la F.O. seguira siendo ptima.
Nuevo valor objetivo
z = 32540 + 10(88) = 33420 dlares
b). Segn el reporte LINDO, el aumento mximo permisible de la Mq. Tipo 1 es 0.400001, por lo
que si alquilamos 1 Mq. adicional, sta no estar dentro del intervalo permisible (< 1).
c). Carco no utiliza todo el recurso disponible de acero; por lo tanto, no le interesa comprar 1 ton
extra de acero.
0
d). Si Carco tuviera que producir por lo menos 86 automviles (dos automviles menos que el
planteamiento original). Veremos que una disminucin en 2 est dentro del rango permisible;
por lo tanto:
Nueva utilidad = 32540 + (-2)(-20) = 32580
e). Si se considera la posibilidad de producir jeep:

Tendramos que reformular con los datos de la nueva lnea:
Sea X3 el nmero de jeep a producir:
MAX 300X1 + 400X2 + 600X3 - 50MT
Sujeto a:
0.8X1 +
X2 + 1.2X3 - M1 0
M1 98
0.6X1 + 0.7X2 +
2X1 +
3X2 +
2X3 73
4X3 260
X1 88
X2 26
X1, X2, X3 0
El reporte en LINDO nos arroja una F.O. de 32631 dlares, que es mayor a la F.O. original, lo
que significa que aumentara nuestras utilidades.
180
Por lo tanto, es recomendable producir jeep.
4.WIVCO fabrica un producto 1 y un producto 2, procesando materia prima. Se puede comprar

hasta 90 lb. De materia prima a un costo de 10 dlares/lb. Se puede utilizar una libra de
materia prima, para producir 1 lb. del producto 1, 0.33 lb. del producto 2, Usar una libra de
materia para producir 0.33 lb. del producto 2, requiere tres horas de mano de obra. Se
disponen 200 has de mano de obra; se pueden vender a lo ms 40 libras del producto 2. Se
vende el producto 1 a 13 dlares/lb., y el producto 2 a 40 dlares/lb. Sea:
RM = Lb. de materia prima procesadas

P1 = Lb. de materia prima utilizadas para fabricar el producto 2
Para maximizar la ganancia, WINCO tendr que resolver el PL siguiente:
Sujeto a:
Con la ayuda de la salida de LINDO de la Fig. Conteste las preguntas siguientes:
a) Si se pudieran comprar solamente 87 lb. de materia prima Cules seran las utilidades de
WIVCO?
b) Si se vendiera el producto2 a 39.50 dlares/lb., cul sera la nueva solucin optima para
el problema de WIVCO?
c) Cul es la mxima cantidad que tendra que estar dispuesta a pagar WIVCO por la otra
libra de materia prima?
d) Cul es la mxima cantidad que tendra que estar dispuesto a pagar WIVCO por otra hora
de trabajo?
e) Supngase que se puede utilizar una libra de materia prima para fabricar 0.8 lb. del
producto 3. El producto 3 se vende a 24 dlares/lb. y por procesar 1 lb. de materia prima
de 0.8 lb. del producto 3 requiere 7 horas de mano de obra. Tendra que producir WIVCO
algn producto 3?
181
MAX 13 P1 + 13.2P2 10RM
SUBJECT TO
- P1P2+RM 0
2P1+3P2 200
RM 90
0.33P2 40
END
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
N ITERATIONS = 3
182
ALLOWABLE
ALLOWABLE
INCREASE
DECREASE
13.000000
0.200000
0.866667
P2
13.200000
1.300000
0.200000
RM
-10.000000
INFINITY
2.600000
VARIABLE
CURRENT COEF
P1
RIGHTHANDSIDERANGES
ALLOWABLE
ALLOWABLE
INCREASE
DECREASE
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
ROW
CURRENT RHS
2)
Solucin:
a. Si se pudieran comprar solamente 87 lb. De materia prima, estaramos disminuyendo 3 lb.

de m.p. sta disminucin est dentro del rango permisible (reporte LINDO) por lo tanto:
Nueva utilidad
Z = 274 (2.6x3) = 266.20
dlares
b. Las variables de decisin permanecen igual

Nuevo valor objetivo Z = 13x70 + 39.5x (0.33)20 10x90= 270.70 dlares
c. Una mquina adicional del tipo 1 por da:
La respuesta la obtendremos directamente observando los precios duales del reporte LINDO
ROW
SLACK OR SURPLUS
2)
0.000000
DUAL PRICES
-12.600000
Por lo que WIVCO estar dispuesto a pagar 12.60 dlares por rentar dicha mquina
d. De igual manera, la respuesta la obtendremos directamente observando los precios duales

del reporte LINDO:
ROW
SLACK OR SURPLUS
DUAL PRICES
183
3)
0.000000
0.200000
Por lo que WIVCO estar dispuesto a pagar 0.20 dlares (20 centavos $) por una hora
adicional de mano de obra.
e. Suponiendo que se fabrica el producto 3; se tendra que modificar nuestra formulacin de la

siguiente manera:
Sea P3 nmero de artculos del producto 3 a fabricar
Sujeto a:
Lo cual no da una nueva F.O. de 294.800000 dlares
294.800000 > 274000000
Significa mayor utilidad; por lo tanto se fabricar el producto 3.

5.El Granjero Leary Cultiva trigo y maz en su granza de 45 acres. Puede vender a lo ms 140
bushel de trigo y, a lo ms, 120 bushel de trigo. Cada acre cultivado produce 5 bushel de trigo o 4
bushel de maz a 50 dlares el bushel. Se necesitan seis horas de mano de obra para cosechar
un acre de trigo y 10 horas de mano de obra para cosechar un acre de maz. Se pueden adquirir
350 horas de mano de obra a 10 dlares la hora. Sea.
A1 = Acres sembrados de trigo

A2 = Acres sembrados de maz
L = h de trabajo adquiridas.
Para maximizar las utilidades, el grajero Leary tendr que resolver al PL siguiente:
184
Sujeto a:
Utilice la salida de LINDO de la figura para contestar las preguntas siguientes:
a) Cul es la mxima cantidad que tendra que estar dispuesto a pagar el granjero, Leary
por una hora adicional de mano de obra?
b) Cul es la mxima cantidad que tendra que estar dispuesto a pagar el granjero Leary por
un acre adicional de tierra?
c) Si dispusiera solamente de 40 acres de tierra Cul sera la utilidad del granjero Leary?
d) Si el precio del trigo bajara 26 dlares Cul sera la nueva solucin ptima para el
problema del granjero Leary?
e) El granjero Leary considera la posibilidad de cultivar cebada.
La demanda de cebada no
tiene lmites. Un acre produce 4 bushel de cebada y requiere 3 horas de mano de obra.
Si la cebada se venda a 30 dlares el bushel tendra que producir el granjero Leary algo
de cebada).
MAX 150A1+ 200A2 - 10L
SUBJECT TO
A1 +A2 45
6 A1 + 10A2 L 0
L 350
5 A1 140
4A2 120
1)
4250.000000
185
VARIABLE
VALUE
REDUCED COST
A1
25.000000
0.000000
A2
20.000000
0.000000
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
N ITERATIONS = 3
ALLOWABLE
ALLOWABLE
INCREASE
DECREASE
150.000000
10.000000
30.000000
A2
200.000000
50.000000
10.000000
-10.000000
INFINITY
2.500000
VARIABLE
CURRENT COEF
A1
RIGHTHANDSIDERANGES
ALLOWABLE
ALLOWABLE
INCREASE
DECREASE
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
ROW
CURRENT RHS
2)
Solucin:
186
a) La mxima cantidad que estar dispuesto a pagar el granjero Leary por una hora adicional
de mano de obra ser menos de 2.5 dlares.
ROW
SLACK OR SURPLUS
4)
DUAL PRICES
0.000000
2.500000
...
b) La mxima cantidad que estar dispuesto a pagar el granjero Leary por un acre adicional
de tierra ser: 75 dlares.
ROW
SLACK OR SURPLUS
2)
0.000000
DUAL PRICES
75.000000
c) Si se dispusieran 40 acres de tierra, tendramos 5 acres de tierra menos.

Observando el reporte LINDO, 5 acres est dentro del rango de disminucin Permisible,
por lo que la solucin actual permanecer siendo ptima.
Nueva utilidad
Z = 4250 - 5(75) = 3875 dlares
d) Sabemos que actualmente se tiene 5 x 30 = 150 dlares en trigo por cada acre ; si el
precio del trigo bajara a 26 dlares (el bushel) se tendra 5 x 26=130 dlares en trigo lo que
significa una disminucin de 20 dlares.
Una disminucin de 20 dlares mantendr ptima a la F.O por estar dentro del intervalo
permisible
Nueva utilidad Z = 130(25) + 200(20) - 10(350) = 3750 dlares
e) Suponiendo que se cultiva cebad, la nueva formulacin ser:

MAX Z= 150 A1 + 200 A2 + 120 A3 10L
187
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 rubes y zafiro ZalesJewelers producen dos tipos de anillos.
Un anillo tipo 1 requiere 2
rubes, 3 zafiros y 1 h. de trabajo de un joyero. Un anillo tipo 2 requiere 3 rubes, 2 zafiros y 2 h de

trabajo de un joyero. Cada anillo tipo 1 se vende a 400 dlares y cada anillo tipo 2 a 500 dlares.
Se pueden vender todos los anillos producidos por Zales. Actualmente Zales dispone de 100
rubes, 120 zafiros y 70 horas de trabajo de un joyero. Se puede compras ms rubes a un costo
de 100 dlares el rub. La demanda del mercado requiere una produccin por lo menos de 20
anillos tipo 1 y por lo menos 25 anillos tipo. Para maximizar la ganancia Zales tendr que resolver
el PL siguiente:
= Anillos tipo 1 producidos

= Anillos tipo 2 producidos
= Nmero de rubes comprados
Sujeto a:
Con la ayuda de la salida de LINDO de la Fig. Conteste las preguntas siguientes:
188
a) Suponga que cada rub cuesta 190 dlares, en lugar de 100 dlares Todava comprara
Zales rubes? Cul sera la nueva solucin ptima para el problema?
b) Suponga que Zales solamente tuviera que producir 23 anillos tipo 2 Cul sera la utilidad
de Zales ahora?
c) Cul es la mxima cantidad que tendra que estar dispuesto a pagar Zales por otra hora
de trabajo a un joyero?
d) Cul es la mxima cantidad que tendra que estar dispuesto a pagar Zales por otro
zafiro?
e) Zales considera producir anillos tipo 3. Cada anillo tipo 3 puede venderse a 550 dlares y
requiere 4 rubes, 2 zafiros y 1 hora de trabajo de un joyero. Tendra que producir Zales
anillos tipo 3?
MAX 400X1 + 500X2 - 100R

SUBJECT TO
2X1 + 3X2 R 100
3X1 + 2X2 120
X1 + 2X2 70
X1 >= 20
X2 >= 25
END
1)
19000.000000
VARIABLE
VALUE
REDUCED COST
X1
20.000000
0.000000
X2
25.000000
0.000000
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
189
N ITERATIONS = 1
ALLOWABLE
ALLOWABLE
INCREASE
DECREASE
400.000000
INFINITY
100.000000
X2
500.000000
200.000000
INFINITY
-100.000000
100.000000
100.000000
VARIABLE
CURRENT COEF
X1
RIGHTHANDSIDERANGES
ALLOWABLE
ALLOWABLE
INCREASE
DECREASE
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
ROW
CURRENT RHS
2)
Solucin:
a) Suponiendo que cada rub cuesta 190 dlares en lugar de 100 dlares; entonces habra un
incremento de 90 dlares; si observamos el reporte LINDO, 90 estar dentro del intervalo
permisible del aumento por lo que la nueva solucin seguir siendo ptima.
Nueva solucin ptima = 400(20) + 500(25) - 190(15) = 17650 dlares
b) En caso de que Zales solamente tuviera que producir 23 anillos tipo 2 (2 anillos menos), la
F.O. permanecer ptima y la nueva utilidad sera.
Nueva solucin ptima
= 19000 2(-200) = 19400 dlares
c) La mxima cantidad que estara dispuesto a pagar Zales por otra hora de trabajo de un
joyero ser: 200 dlares.
190
ROW
SLACK OR SURPLUS
4)
0.000000
DUAL PRICES
200.000000
d) La mxima cantidad que Zales estara dispuesto a pagar por otro Zafiro seria 0 dlares.
ROW
SLACK OR SURPLUS
3)
10.000000
DUAL PRICES
0.000000
e) Si se considera producir anillos tipo 3:
Tendramos que reformular de la siguiente manera:

Sea X3
Anillos del tipo 3
Max Z = 400X1 + 500X2 + 550X3 - 100R
Sujeto a:
2X1 +
3X2 + 4X3 R 100
3X1 +
2X2 + 2X3 120
X1 +
2X2 + X3 <= 70
X1 20
X2 25
X1, X2 0
La nueva F.O. seguir siendo 19000 dlares y no se reducir el anillo tipo 3.
7.SOFA S.A. produce cuatro tipos de losetas, las cuales sern vendidas en la prxima edicin de
la Feria del Hogar. Estos cuatro tipos son:
- Romana
- Esparta
- Sicilia
- Atenas
En la tabla se dan los recursos requeridos para producir una unidad de cada producto y los
precios de venta de cada tipo de loseta. SOFA S.A. dispone de 5 toneladas de Barbotina (Barro
Lquido) y 4600 horas de trabajo .la empresa debe abastecer su stand con una produccin exacta
191
de 950 unidades en total .Por estudios de mercado y de aceptacin de productos, se exige que se
produzcan por lo menos 400 unidades de losetas Atenas.
Romana
Materia Prima (Barbotina)en
Esparta Sicilia
Atenas
Horas de trabajo (hr/unid)
Precio de venta($/unid)
Kg./unid
SOFA 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
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
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
N ITERATIONS = 3
192
ALLOWABLE
ALLOWABLE
INCREASE
DECREASE
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
VARIABLE
CURRENT COEF
X1
RIGHTHANDSIDERANGES
ALLOWABLE
ALLOWABLE
INCREASE
DECREASE
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
ROW
CURRENT RHS
2)
a) Cuntas unidades de cada tipo de losetas tendr que producir SOFA S.A.?
-
No debe producir losetas Romanas, segn lo que observamos en la salida de LINDO,

ya que el valor de esta variable (X1) es igual a cero.
Debe producir 150 unidades de losetas Esparta
Debe producir 400 unidades de losetas Sicilia
Debe producir 400 unidades de losetas Atenas.
b) Al producir estas cantidades de losetas, cul ser la utilidad que percibir la empresa?
La utilidad que percibir la empresa SOFA S.A. es de $ 6900, como lo apreciamos en el
reporte LINDO.
c) Si es que SOFA S.A. decidiera producir una loseta ms, cul sera el costo al que
incurrira?
La cantidad de losetas est referido en la fila 2, por lo cual para saber el costo de producir
una loseta ms estara en el precio dual de dicha fila, el cual es de $2.Adems si se podra
producir una loseta ms porque la holgura de sta fila es cero lo que quiere decir que las
950 unidades producidas han sido vendidas
d) Cul es la mxima cantidad que tendra que pagar SOFA S.A. por un kilo de materia
prima (barbotina) adicional?
193
La materia prima se encuentra referida en la fila 4 del reporte de LINDO por lo cual para
saber cuanto ms se pagar de por un kilo adicional de materia prima , observamos el
precio dual de la fila 4 que es $1.00, entonces este ser el precio que SOFA S.A. pagara
por un kilo de barbotina extra.
e) Cunto le costara a SOFA S.A. producir una unidad adicional de loseta Atenas?
SOFA S.A. no debe producir ms losetas Atenas porque como observamos en el reporte
de LINDO tiene un exceso de 150 unidades (holgura de fila 3)
f) Si las Losetas Atenas contribuiran con 8.5 dlares a la utilidad se SOFA S.A. Cul sera
la nueva utilidad de la empresa?
De la Salida de LINDO (Anlisis de Sensibilidad) vemos que el incremento del precio de
venta de estas losetas (variable X4) que es de 8.00-8.50=0.5 dlares, se encuentra dentro
rango de incremento permisible: incremento de 1 dlar. Luego la nueva utilidad ser:
Z nueva = 6900 + (0.5)550=7175 dlares

g) De Acuerdo a los ltimos resultados de un estudio de mercado, los clientes de loseta
prefieren el tipo Npoles (lnea anteriormente producida por SOFA S.A.). Una loseta
Npoles requiere 5 kilos de materia prima, 5 horas de trabajo y se vende a 9 dlares .La
empresa debe tomar la decisin de producir o no dicho tipo de losetas para la temporada
de Feria.
Solucin:
El Producir un tipo de loseta ms estara aumentando una nueva actividad, por lo tanto, el tablero
inicial ser ahora:
Nueva Actividad X5
X1
X2
X3
X4
X5
S1
S2
S3
S4
LD
-4
-6
-7
-8
-9
S1
950
S2
400
S3
4600
S4
5000
Entonces se hallan los valores del coeficiente de X5 y su respectiva columna a5, que se
encontrar en el tablero ptimo
194
1
0
0 0 0 1X 9 5 9 4
5

5
0
0
1
a B a
1
2 1 5
1 1 1 0 0
X
0 1 1 5 1

0 2 3 5 5
0
Introducimos estos valores en la solucin ptima:
X1
X2
X3
X4
X5
S1
S2
S3
LD
-4
6900
X2
-5
-2
950
S1
-1
400
X4
-1
4600
X3
-1
-2
5000
Dado que el valor del coeficiente de Losetas Npoles <0 (= - 4), esto indica que la base no sera
ptima; por lo tanto, podramos usar el algoritmo Simplex a fin de no tener coeficientes negativos
en el regln (o con lo que la variable de Losetas Npoles entrara a la base, convirtindose en
variables de decisin).
X1
X2
X3
X4
X5
S1
S2
S3
LD
0.5
0.5
2.5
1.5
7325
X2
1.5
0.5
-0.5
-0.5
275
195
X5
-0.5
0.5
1.5
0.5
275
X4
-1
400
S3
-0.5
0.5
0.5
-0.5
125
De estos resultados SOFA S.A. puede notar que se deberan producir 275 unidades de las losetas
Npoles y no producir losetas Sicilia; ya que as aumenta la utilidad a $7325.00
8.SOFA S.A. est planeando dar un acabado especial a sus losetas , el cual consiste en un fino
acabado de oro. Es necesario entonces utilizar ms horas por cada tipo de losetas : para el tipo
Romana , se necesitan 4 horas; para el tipo Esparta , 3 horas; para el tipo Sicilia, 5 horas; y para
el tipo Atenas, 4 horas. La disponibilidad mxima de horas de acabado es de 4000 Disminuir las
utilidades de la empresa aadiendo este tipo de acabado a las losetas?
Solucin:
Agregamos los valores de las restricciones de las horas de acabado de oro a la Tabla ptima, con
lo que aumentara una variable S4 de holgura. Esta variable se asume en el tablero como variable
bsica, y se puede notar que las columnas aij de cada una de las variables bsicas restantes
quedarn alteradas por el ingreso de esta nueva restriccin. Este problema se solucionar usando
el mtodo de transformaciones de Gauss-Jordan
Tablero ptimo Alterado:
X1
X2
X3
X4
S1
S2
S3
S4
LD
6900
X2
-2
950
S1
-1
400
X4
-1
4600
X3
-1
-2
5000
S4
4000
Debemos transformar los valores en negrita, que son los que alteran el tablero ptimo.
Luego de las transformaciones, obtenemos el siguiente tablero ptimo:
X1
X2
X3
X4
S1
S2
S3
S4
LD
6900
X2
-2
300
196
S1
-1
150
X4
-1
550
X3
-1
-2
100
S4
-5
400
Entonces, aunque el valor de la funcin no ha cambiado, vemos que ahora Sofa S.S. deber
producir 300 losetas Esparta; 550 losetas Atenas y 1000 losetas Sicilia.
9.Wivco fabrica dos productos: producto 1 y producto2 .Los datos pertinentes se encuentran en la
tabla .Cada semana, se puede comprar hasta 400 unidades de materia prima, a un costo de 1.50
dlares la unidad. La compaa tiene 4 trabajadores, que trabajan 40 horas a la semana (su
salario se considera como un costo fijo): se Puede pedir a los obreros que trabajen tiempo extra, y
se le paga 6 dlares la hora extra. Cada semana se dispone de 320 horas de mquina. Sin
publicidad, la demanda semanal del producto 1 es 50, y del producto 2 es de 60. Se puede usar
publicidad para estimular la demanda de cada producto .Cada dlar que se gasta para el producto
1, aumenta la demanda en 10 unidades; y cada dlar que se gasta en publicidad para el producto
2, aumenta la ganancia en 15 unidades .Se puede gastar hasta 1000 dlares en publicidad.
Defina las variables de decisin siguientes:
P1 = Unidades del producto 1 producidas cada semana

P2 = Unidades del producto 2 producidas cada semana
OT = Nmero de horas extras empleadas cada semana
RM = Nmero de unidades de materia prima comprada semanalmente
A1 = Dlares gastados semanalmente en la publicidad del producto 1
A2 = Dlares gastados semanalmente en la publicidad del producto 1
PRODUCTO 1
PRODUCTO 2
Precio de Venta
15 dlares
8 dlares
Trabajo requerido
0.75 horas
0.50 horas
Tiempo de mquina 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
197
SUBJECT TO
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
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
N ITERATIONS = 5
198
ALLOWABLE
ALLOWABLE
INCREASE
DECREASE
15.000000
0.966667
0.533333
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
VARIABLE
CURRENT COEF
P1
RIGHTHANDSIDERANGES
ALLOWABLE
ALLOWABLE
INCREASE
DECREASE
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
ROW
CURRENT RHS
2)
a) Si el tiempo extra costara solamente 4 dlares la hora Utilizara Wivco tiempo extra?
b) Si se vendiera cada unidad de producto 1 a 15.50 dlares; Permanecera ptima la base
actual? Cul sera la nueva solucin ptima?
c) Cul es la mxima cantidad que Wivco estara dispuesto a pagar por otra unidad e materia
prima?
d) Cul es la cantidad que Wivco estara dispuesto a pagar por hora de Tiempo mquina?
e) Si se exigiera a cada trabajador a trabajar 45 horas a la semana (como parte de la semana
normal de trabajo). Cul sera ahora la ganancia?
f) Wivco considera fabricar un nuevo producto (producto 3). Se vende cada unidad del producto
3 a 17 dlares y se requieren 17 horas de trabajo por unidad de materia prima y 2 horas de
tiempo mquina. Tendra que producir Wivco algn producto 3?
g) Si se vendiera cada unidad de producto 2 a 10 dlares Permanecera ptima la base actual?
Solucin:
199
a) Al costar 4 dlares la hora, la disminucin sera de 2 dlares; la que se encuentra en el rango

permisible de disminucin. An as la solucin ptima no es afectada ya que la variable horas
extras de trabajo (OT) no es una variable de decisin.
b) Al costar 15.50 dlares la hora, se est aumentando el costo en 0.50 dlares; este aumento se
encuentra en el rango permisible de aumento que es 0.96 dlares. Entonces:
Z nueva Z C1 2427 .667 (0.5)160 2507 .667

c) Wivco debera pagar por otra unidad de materia prima 4.5 dlares, este valor lo obtenemos del
precio dual de la fila (6), ya que esta fila est referida a las unidades de materia prima.}
d) Con respecto a las horas mquinas, sabemos que Wivco utiliza 1.5 horas en el producto 1 y 0.8
en el producto 2 (tabla 1), esto est referido en la fila 8, entonces para saber si se necesitan
ms horas mquinas tenemos que ver la holgura (slackor surplus) de la fila 8, el valor que
encontramos es de 16; esto implica que estn sobrando 16 horas mquina, por lo que Wivco no
pagara nada por hora mquina.
e) Al aumentar las horas-hombre a 45 (45x4=180), encontramos un aumento de 20 horas(45x440x4=20), este aumento est en el rango permisible de aumento ; la fila 4 se refiere a las horashombres , y el precio dual de esta fila es 3.866667 , al calcular la nueva solucin ptima
tendremos que esta ser : 2505 dlares, lo que se puede obtener tanto del reporte LINDO,
como de ejecutar:
Z nueva Z C1 2427 .667 (20 )(3.866667 ) 2505
f) Los requerimientos del producto 3 son:
PRODUCTO 3
Precio de Venta
17 dlares
Trabajo requerido
Tiempo
de
2 horas
mquina
requerido
2 horas
1 unidad
Materia prima requerida
Al introducir estos datos en el reporte LINDO se tendr los siguientes valores:
200
Funcin Objetivo = 2443.769, aumenta en 16.102 dlares al producir 7 unidades del producto 3,
por lo que si debera producir el producto 3 pero ya no se producira ninguna unidad del
producto 2.
g) No se puede aumentar a 10 dlares el precio de venta del producto 2, ya que sera un

incremento de 2 dlares lo cual no est permitido en el rango de aumento permisible para este
producto. Y la base actual no permanecera ptima.
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 as como el precio de venta unitario
se presenta en la siguiente tabla:
PRODUCTO
C1
C2
C3
PRECIO DE
VENTA
60
70
80
140
130
80
CANTIDAD
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
ART
6.000
0.000
0.000
18.000
0.000
XC
-3.200
0.000
1.000
1.400
0.000
SLK 3
8.800
0.000
0.000
-1.600
1.000
XB
4.600
1.000
0.000
-0.200
0.000
201
ROW
SLK 4
8.000
3160.000
-0.600
8.000
1.400
18.000
0.800
36.000
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
3)
18.000000
0.000000
4)
0.000000
8.000000
N ITERATIONS = 2
ALLOWABLE
ALLOWABLE
INCREASE
DECREASE
60.000000
6.000000
INFINITY
XB
70.000000
90.000000
1.304348
XC
80.000000
1.875000
45.000000
VARIABLE
CURRENT COEF
XA
RIGHTHANDSIDERANGES
ROW
CURRENT RHS
ALLOWABLE
ALLOWABLE
202
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 ptima.
Como e
Aumento Admisible Disminucin Admisible

1.875
45
80 45 C C 80 1.875
35 C 81.875
b) Halle los intervalos de los valores de la cantidad del componente C3 para los cuales la
Como el
Aumento Admisible Disminucin Admisible

13.33
12.86
80 12 .86 C 3 C 3 80 13 .33
67 .14 C 3 93 .33
c) Cul es la mxima cantidad adicional que ABC estara dispuesto a pagar por otra unidad
de C1?
El equivalente al precio dual o precio sombra; 18
d) Si ABC tuviera la posibilidad de conseguir 11 unidades del componente C1, Cul sera el
ingreso total?
203
Como el
Aumento Admisible
11.25
Z 3160 11*18 3358
e) Si fuera posible disminuir el precio de B en la unidad, Cul sera el ingreso total?
Como la
Disminucin Admisible
1.304
Z 3160 (1) * 36 3124

12. ABC es una empresa especializada en la fabricacin de tres modelos de puertas. La empresa
cuenta con la siguiente informacin.
MODELO
MATERIALE
M. DE
T DE MAQ.
P. DE VENTA
OBRA
1.5
0.5
80
1.2
130
0.5
0.2
40
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 mnima de A es 150 unidades
El programa lineal y la solucin del mismo, maximizando las utilidades, es como sigue:
MAX 37.5XA + 48XB+20.5XC

ST
2)
2XA +
3) 1.5XA +
4XB +
XC <=700
2XB + 0.5XC <=450
4) 0.5XA + 1.2XB + 0.2XC <=220

5)
XA
>=150
204
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
N ITERATIONS = 2
ALLOWABLE
ALLOWABLE
INCREASE
DECREASE
VARIABLE
CURRENT COEF
XA
37.500000
3.500000
INFINITY
XB
48.000000
34.000000
INFINITY
XC
20.500000
INFINITY
1.750000
ROW
CURRENT RHS
2)
ALLOWABLE
ALLOWABLE
INCREASE
DECREASE
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
OBJCOEFFICIENTRA
NGES
RIGHTHANDSIDERA
NGES
Se pide responder:
a) Cul deber ser el precio de B para hacer atractiva su fabricacin?
Precio de Vta. + Costo reducido
130 34 164
b) Calcule la holgura del tiempo de mquina
205
0.5XA+1.2XB+0.2XC + H = 220
0.5*150+1.2*0+0.2*400 + H = 220
H = 65
c) Calcule la utilidad total si solo se produce 110 unidades de A.

Z = 13825 + (110 150)*(-3.5) = 13965
d) Calcule la utilidad total si se deseas aumentar en 10 unidades los MATERIALES,

considerando que se deber pagar 20 soles por cada unidad adicional
Z = 13825 + (20.5 (20 - 15))*10 = 13980
e) Exprese en el modelo los cambios que se deber hacer para incluir lo solicitado en (d).
MAX
37.5XA + 48XB + 20.5XC 5XM
ST
2)
2XA +
3) 1.5XA +
4XB +
XC < 700 + XM
2XB + 0.5XC <450
4) 0.5XA + 1.2XB + 0.2XC <220

5)
XA
>150
f) Cul es el nuevo valor de Z si la utilidad en S/1.00 y la del modelo C se disminuye en S/.

0.8 por unidad?
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 programacin entera se puede definir en forma sencilla como un programa lineal
en el cual algunas de las variables o todas son nmeros enteros no negativos.
206
Mediante el uso de la programacin entera es posible formular una mayor cantidad de situaciones
de la vida real que las que se formularan mediante la programacin lineal, an cuando, la
formulacin de un programa entero, es ms difcil de realizar que la formulacin de un programa
lineal.
En este captulo se desarrollarn una gran variedad de problemas tipo y a la vez se pondr a
vuestro alcance algunas herramientas bastante tiles y de gran ayuda para la formulacin de
diversas situaciones lgicas que se presentan en una gran variedad de problemas.
PROBLEMAS DE PROGRAMACION ENTERA PURA
Se llaman as a los problemas en la cual todas las variables tienen que ser nmeros enteros.
Ejemplo:
Min Z = 5 X1 + 3 X2
Sujeto a:
5 X1 + 3 X2 6
X1, X2 0, X1, X2 enteros
PROBLEMAS DE PROGRAMACION ENTERA MIXTA
Se llaman as los problemas en la cual solamente algunas de las variables tienen que ser nmeros
enteros.
Ejemplo:
Min Z = 5 X1 + 3 X2
Sujeto a:
5 X1 + 3 X2 6
X1, X2 0
X1 entero
X2 no tiene que ser un nmero entero
PROBLEMAS DE PROGRAMACION ENTERA 0-1
Se llama as a los problemas en los cuales todas las variables deben ser iguales a 0 1.
Ejemplo:
207
Min Z = 5 X1 + 3 X2
Sujeto a:
5 X1 + 3 X2 6
X1, X2 = 0 1
RESTRICCIONES O BIEN
Frecuentemente se dar la situacin en que se dan restricciones de la forma:

f ( x1 , x2 ,...,xn ) 0
g ( x1 , x2 ,...,xn ) 0
Donde se quiere estar seguro que se satisfaga al menos 1, de las restricciones () y (), tambin
conocidas
como restricciones o bien. Para poder estar seguros de que se satisface al menos 1 de las
restricciones
() y () se deben agregar a la formulacin las dos restricciones siguientes:
f ( x1 , x 2 ,...,x n ) My
g ( x1 , x 2 ,...,x n ) M (1 y)
Donde:
y : es una variable 0-1

M : es un nmero suficientemente grande que se escoge para asegurar que se satisfagan las
dos restricciones anteriores, para todos los valores de X1, X2,...,Xn, que a su vez satisfacen las
otras restricciones del problema.
Ejemplo:
Si x e y son enteros, cmo podra asegurar que x e y satisfarn
x + y 3, 2 x + 5 y 12,
ambas?
Solucin:
208
Escribiendo las restricciones anteriores de la forma () y () se tiene:
x+
y 30
...(1)
2 x + 5 y 12 0
...(2)
Las restricciones que se deben remplazar en la formulacin son:
x+
y 3 M yi
2 x + 5 y 12 M (1-yi)
...(1.1)
...(2.1)
Donde:
yi : es una variable 0 1 y,
M : es un valor suficientemente grande que se escoge para asegurar que se satisfagan las Ec.
(1.1) y (2.1)
De la Ec. (2.1) , el lado izquierdo toma su valor mximo, cuando x e y toman valores mximos,
pero de la Ec.(1), se tiene que x + y, toma como valor mximo 3, o sea x e y son linealmente
dependientes entre s es decir : x + y = 3, tambin y = 3 x; luego a medida que x aumenta y
disminuye, pero de la Ec.(2.1) como el coeficiente que afecta a la variable y es mayor que el
coeficiente que afecta a x, entonces para que el lado izquierdo tome su valor mximo y tiene que
tomar su valor
mximo (y = 3) y x tiene que ser cero, Reemplazando datos se tiene que el valor del lado izquierdo
es 3, por lo tanto el valor de M para que se satisfaga esta restriccin (se satisfaga o no la otra)
tiene que ser mayor igual que 3. En forma anloga se hace el calculo del valor mnimo que puede
tomar M en la Ec.(1.1) para que satisfaga esta ecuacin (satisfaga o no la otra), este valor es: 3.
Finalmente el valor que M que se toma debe ser suficientemente grande para satisfacer las dos
ecuaciones (1.1) y (2.1) por lo tanto se toma el mayor valor M y las ecuaciones (1.1) y (2.1) se
escribirn:
x + y 3 3 yi
2 x + 5 y 12 3 (1-yi)
...(1.2)
...(2.2)
Finalmente podemos afirmar que cuando yi = 0, se satisface la restriccin 1 o bien las restricciones
(1) y (2) y cuando yi= 1, se satisface la restriccin (2) o bien las restricciones (1) y (2).
RESTRICCIONES SI ENTONCES
Tambin es posible encontrar muchos problemas donde se presenta la situacin siguiente: se

desea estar seguro de que se debe satisfacer la restriccin g(x1,x2,..,xn ) 0, si se satisface una
209
restriccin 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 ( x1 , x2 ,..., xn ) 0 g ( x1 , x2 ,..., xn ) 0
Para lograr esto, es necesario incluir las restricciones siguientes a la formulacin:
g ( x1 , x2 ,...,xn ) My
f ( x1 , x2 ,...,xn ) M (1 y)
Donde:
Y: es una variable 0-1
M: es un nmero positivo suficientemente grande para que se cumplan las dos restricciones
anteriores, para todos los valores de xi que satisfacen las otras restricciones del problema.
EJEMPLOS
1.El gobierno peruano, dentro de sus planes de apoyo y fomento del sector agrario, est
considerando 4 proyectos de irrigacin. El proyecto 1, irrigar aproximadamente 20000 hectreas
de terreno, el proyecto 2, 27500 hectreas, el proyecto 3, 15000 hectreas y el proyecto 4, 10000
hectreas. La ejecucin y puesta en marcha del proyecto 1 tiene un costo de 10 millones de
dlares, el proyecto 2, 14 millones de dlares, el proyecto 3, 8 millones y el proyecto 4, 6 millones.
Si adems se sabe que el presupuesto para la ejecucin de proyectos de inversin en el sector
agrario es de 28 millones de dlares, formule un P.E., cuya solucin ayude al gobierno a maximizar
el nmero de hectreas irrigadas.
Solucin:
Como el gobierno puede tomar solo dos decisiones, respecto a cada proyecto de inversin,
empezamos definiendo una variable 0-1.
Sea Xi: 0 1: Se ejecuta o no el proyecto de inversin i (i = 1,2,3,4)
Por ejemplo si el proyecto 3 se ejecuta, la variable X3 = 1, y si no se realiza, X3 = 0.
El nmero total de hectreas que se irrigarn ser:
20000 X1 + 27500 X2 + 15000 X3 + 10000 X4

Hay que tener en cuenta que el nmero de hectreas irrigadas depende de los valores que tomen
las variables de decisin, por ejemplo, si las variables toman los valores siguientes: X 1 = 1, X2 =
1, X3 = 0 y X4 = 0, entonces el nmero de hectreas irrigadas ser de: 47500 hectreas, Luego
como el gobierno desea irrigar la mayor cantidad de terreno habr que maximizar el valor de esta
expresin:
210
Max Z = 20000 X1 + 27500 X2 + 15000 X3 + 10000 X4
...(1)
La cantidad total invertida en millones de dlares es:

10 X1 + 14 X2 + 8 X3 + 6 X4
Como el presupuesto para la ejecucin de proyectos de inversin es de 28 millones entonces la
cantidad total invertida tiene que ser menor o igual que el presupuesto. Esto es:
10 X1 + 14 X2 + 8 X3 + 6 X4 28
...(2)
Finalmente de (1) y (2) se tiene el P.E 0-1 siguiente:
Max Z = 20000 X1 + 27500 X2 + 15000 X3 + 10000 X4

Sujeto a:
10 X1 + 14 X2 + 8 X3 + 6 X4 28
X1 +
X2 +
X3 +
X4 1
X1, X2, X3, X4 0

2.El entrenador Night trata de escoger una alineacin inicial para el equipo de bsquetbol. El
equipo consta de jugadores que han sido evaluados (en una escala de 1= pobre a 3 = excelente)
de acuerdo a su manejo de pelota, sus tiros, su rebote y sus habilidades defensivas. En la tabla 1
se encuentran las posiciones que cada jugador puede ocupar y sus habilidades.
La alineacin inicial de cinco jugadores debe satisfacer las restricciones siguientes:
Por lo menos cuatro jugadores del equipo inicial deben poder jugar en la defensa (D) , por lo
menos 2 miembros deben pode jugar al ataque (A) y por lo menos un jugador del equipo inicial
debe poder jugar en el centro ( C) .
El nivel medio del manejo de la pelota, de los tiros, y del rebote de la alineacin inicial debe ser
por lo menos igual a 2.
Si inicia el jugador 3 entonces el jugador 6 no podr iniciar.
Si el jugador 1 inicia, entonces los jugadores 4 y 5 deben iniciar al mismo tiempo.
Ya sea el jugador 2 o el jugador 3 debe iniciar.
Dadas estas restricciones, el entrenador Night quiere maximizar la habilidad total defensiva del
equipo inicial. Formule un PE que ayude al entrenador Night escoger su equipo inicial.
Tabla 1
JUGADOR POSICIN MANEJO DE PELOTA TIROS REBOTE DEFENSA
1
211
A-D
D-C
A-D
D-C
A-D
Solucin:
De la tabla 1 se puede observar que los jugadores juegan en las posiciones siguientes:
Posicin
Jugadores
3,4,5,6,7
1,3,5,7
2,4,6
Sea:
yi = 1,0 : Inicia o no el juego el jugador i (i = 1,2,7)
Max
Z = 3 y1 + 2 y2 + 2 y3 + y4 + 2 y5 + 3 y6 + y7
Sujeto a:
y1 +
y2 +
3 y1 + 2 y2 + 2 y3 +
3 y1 +
y3 +
y4 +
y2 + 3 y3 + 3 y4 + 3 y5 +
y1 + 3 y2 + 2 y3 + 3 y4 +
y4 +
y5 +
y6 +
y7 = 5
y5 + 3 y6 + 3 y7 10
y6 + 2 y7 10
y5 + 2 y6 + 2 y7 10
y3 + y61
y1- y4 0
y1 - y5 0
y2 + y31
y3 + y4 + y5 + y6 + y74
y1 + y3 + y5 + y72
y2 + y4 + y5 1
3.Debido a la contaminacin excesiva del ro Mommis, el estado de Mommis construir algunas

estaciones para el control de la contaminacin. Se est considerando 3 lugares (Lugares 1,2 y 3).
A Mommis le interesa controlar los niveles de contaminacin
de dos contaminantes
(Contaminantes 1 y 2), la legislacin del estado requiere que se eliminen por lo menos 80000
212
toneladas del contaminante 1 y por lo menos 50000 toneladas del contaminante 2 del ro. En la
Tabla 2 se encuentran los datos relevantes para este problema.
Formule un PE para minimizar el costo de cumplir con las metas de la legislacin del estado
Tabla 2
COSTO DE
COSTO DEL
CONSTRUC.
TRATAM. DE
DE UNA
1 TON. DE
ESTACION
AGUA
CANTIDAD REMOVIDA
POR TONELADA DE
AGUA
(dlares)
(dlares)
Contam. 1 Contam. 2
Lugar 1
100000
20
0.40 Ton
Lugar 2
60000
30
0.25 Ton
0.20 Ton
Lugar 3
40000
40
0.20 Ton
0.25 Ton
0.30 Ton
Solucin:
Sea:
yi = 1,0 Se construye o no una estacin en el lugar i (i = 1,2,3)

Xi = N de toneladas de agua tratadas en la estacin i (i = 1,2,3)
Min Z = 100000 y1 + 60000 y2 + 40000 y3 + 20 X1 + 30 X2 + 40 X3
Sujeto a:
0.40X1 + 0.25 X2 + 0.20 X3 80000
0.30 X1 + 0.20 X2 + 0.25 X3 50000
X1 M1 y1
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 investigacin de

operaciones, un estudiante debe completar por lo menos dos cursos de matemticas, por lo
menos dos cursos de IO y por lo menos dos cursos de computacin. Se pueden utilizar algunos
cursos para satisfacer mas de un requisito: El clculo puede satisfacer el requerimiento de las
213
matemticas; la Investigacin de Operaciones; los requerimientos de Matemticas y de IO; la

Estructura de Datos, los de Matemticas y de Computacin; la Estadstica para la Administracin,
los de Matemticas y de IO; la Simulacin por Computadora, los de IO y de Computacin; la
Introduccin a la Programacin de Computadoras, los de Computacin; y la Prediccin, los
requerimientos de IO y de Matemticas.
Algunos cursos son pre-requisitos para otros: el Clculo es un requisito para la Estadstica para la
Administracin; la Introduccin a la Programacin de Computadoras es un requisito para la
Simulacin por Computadora y para la Estructura de Datos; y la Estadstica para la Administracin
es un requisito para la Prediccin. Formule un PE que minimice el nmero de cursos necesarios
para satisfacer los requerimientos para la especializacin
Solucin:
Los datos de este problema se pueden escribir de la manera siguiente:
CURSOS (i)
Calc.
IO
Estr.
Estad
Dat
adm
MATERIAS
Matemticas
(1)
(2)
(3)
(4)
Inv. Oper.
X
X
Sim.
Comp
(5)
IntrPro PredRe Total

g
(6)
X
X
(6)
Ning
quer
(7)
X
2
2
Computacin
Pre-
Ning Ning
(6)
(1)
(4)
Requisito
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
- y1 + y4 0
y3 - y6 0
214
y5 - y6 0
- y4 + y7 0
5.Una compaa considera la apertura de almacenes en cuatro ciudades: Nueva York, Los
Angeles, Chicago y Atlanta. Cada almacn puede enviar 100 unidades a la semana. El costo
semana fijo para mantener abierto cada almacn es de 400 dlares en Nueva York, de 500
dlares en Los Angeles, de 300 dlares en Chicago, y de 150 dlares en Atlanta. La regin 1 del
pas requiere semanalmente 80 unidades; la regin 2,70 unidades y la regin 3, 40 unidades. En
la tabla 3 se muestran los costos (incluyendo los costos de produccin y de envo) para enviar 1
unidad de la fbrica a una regin. Se desea satisfacer las demandas semanales a un costo
mnimo, sujetas a la informacin anterior y a las restricciones siguientes:
1. Si se abre el almacn en Nueva York, entonces hay que abrir el almacn en Los
ngeles.
2. Se pueden abrir a lo ms dos almacenes.
3. Hay que abrir el almacn en Atlanta o en Los ngeles.
Formule un PE que se utilice para minimizar los costos semanales de satisfacer la demanda
Tabla 3
HACIA
Regin 1 (dlares)
Regin 2
DE
Regin 3 (dlares)
(dlares)
Nueva York
20
40
50
Los Angeles
48
15
26
Chicago
26
35
18
Atlanta
24
50
35
Solucin:
La tabla 3 se puede re-escribir de la manera siguiente:
HACIA
215
Ciudad (i)
Regin 1
Regin 2
Regin 3
(dlares)
(dlares)
(dlares)
Envo
(sem.)
Costo Fijo
(semanal)
New York (1)
20
40
50
100
400
Los Ang. (2)
48
15
26
100
500
Chicago
(3)
26
35
18
100
300
Atlanta
(4)
24
50
35
100
150
Requer./sem.
80
70
40
Sea:
yi = 1,0 Se abre o no un almacn en la ciudad i (i = 1,2,3,4)

Xij= N de unid. Enviadas semanalmente de la ciudad i a la regin j (i = 1,2,3,4; j = 1,2,3)
Min
Z =20 X11 + 40 X12 + 50 X13 + 400 y1 +

48 X21 + 15 X22 + 26 X23 + 500 y2 +
26 X31 + 35 X32 + 18 X33 + 300 y3 +
24 X41 + 50 X42 + 35 X43 + 150 y4
Sujeto a:
X11 + X12 + X13 100 y1
X21 + X22 + X23 100 y2
X31 + X32 + X33 100 y3
X41 + X42 + X43 100 y4
X11 + X21 + X31 + X41 80
X12 + X22 + X32 + X42 70
X13 + X23 + X33 + X43 40
y1 - y2 0
y1 + y2 + y3 + y4 2
y2 + y4 1
X11 , X12 , X13 , X21 , X22 , X23 , X31 , X32 , X33 , X41 , X42 , X43 0
6.El administrador de la computadora DED de la Universidad Estatal quiere tener la posibilidad de
accesar cinco archivos diferentes. Estos archivos se encuentran en diez discos, como se muestra
en la tabla 4. La capacidad de almacenamiento requerido por cada disco se da a continuacin:
1,3K; disco 2,5K; disco 3,1K; disco 4,2K; disco 5,1K; disco6,4K; disco 7,3K; disco 8,1K; disco
9,2K; disco10,2K.
216
(a) Formule un programa PE que determine un conjunto de discos que necesitan la mnima
cantidad de almacenaje, tal que cada archivo se encuentra en por lo menos uno de los discos.
Para un disco dado, hay que almacenar o bien todo el disco o bien nada del disco; no es
posible guardar parte de un disco.
(b) Modifique su formulacin de modo que si se usa el disco 3 o el disco 5, entonces habr que
utilizar tambin el disco 2.
Tabla 4
DISCO
1
Archivo 1
Archivo 2
10
Archivo 3
Archivo 4
Archivo 5
X
X
Solucin:
La Capacidad de los Discos la podemos tabular de la manera siguiente:
DISCO
Capacidad
(K)
10
a) Sea:
yi = 1,0 Se selecciona o no el disco i (i = 1,2,,10)
Min Z = 3 y1 + 5 y2 + y3 + 2 y4 + y5 + 4 y6 + 3 y7 + y8 + 2 y9 + 2 y10
Sujeto a:
y1 + y3 + y4 + y5 + y8 + y9 1
y1 + y3 1
y2 + y5 + y7 + y10 1
y3 + y6+ y8 1
y1 + y2 + y4 + y6 + y7 + y9 + y10 1
217
b) Para esta parte habr que agregar a la formulacin anterior la siguiente condicin:
Si y3 + y5> 0 Entonces y2 1
Esta condicin lgica puede escribirse:
1 - y2 M y
y3 + y5 M (1-y)
Donde el mnimo valor que puede tomar M es: M = 2
Por lo tanto:
1 - y2 2 y
y3 + y5 2 (1-y)
7.El proyecto Lotus Point Condo contendr casas y departamentos, en el lugar se puede
acomodar hasta 10000 viviendas. El proyecto debe incluir un proyecto recreativo; ya sea un
complejo para natacin y tenis, o bien, una drsena para veleros, pero no ambas cosas. Si se
construye una drsena, el nmero de casas en el proyecto tendr que ser por lo menos el triple
del nmero de departamentos. Una drsena costar 1.2 millones de dlares y un complejo para
natacin y tenis costar 2.8 millones de dlares. Los promotores creen que cada departamento
proporcionar ingresos con un valor actual neto de 48000 dlares, y que cada casa proporcionar
ingresos por un valor actual neto de 46000 dlares. El costo de construccin de cada casa (o
departamento) es de 40000 dlares. Formule un PE para ayudar a Lotus Point a maximizar las
ganancias.
Solucin:
Los Ingresos y costos se pueden tabular como sigue:
INGRESO
COSTO
UTILIDAD
(MILES $)
(MILES $)
(MILES $)
218
departamento
48
40
casas
46
40
Sea:
yj = 1,0 Se construye o no el proyecto recreacional j (j = 1,2)
Xi = El nmero de viviendas de tipo i en miles (i = 1,2: Casa, Dpto.)
Max Z = 8 X2 + 6 X1 - 28000 y1 - 12000 y2
Sujeto a:
X1+ X2 10
(1)
y1 + y2 = 1
(2)
La condicin:
Si se construye una drsena, el nmero de casas en el proyecto tendr que ser por lo menos el
triple del nmero de departamentos, puede escribirse.
Si y2 > 0 Entonces
X1 3 X2
3 X2 - X1 M y
y2 M (1-y)
Donde M puede tomar como valor mnimo: M = 3 (10000)
Por lo tanto:
3 X2 - X1 30000 y
(3)
y2 30000 (1-y)
(4)
Obs:
Las restricciones (3) y (4), pueden escribirse como:
3 X2 - X1 30000 (1-y2)
Adems
Teniendo en cuenta que: y1 + y2 = 1, tambin se pueden escribir como:
219
3 X2 - X1 30000 y1
8.SpeakersClearinghouse debe desembolsar cheques a los ganadores de la lotera en 4 regiones

diferentes del pas; Sudeste (SE), Noreste (NE), Lejano Oeste (LO), Medio Oeste(MO). El
promedio de la cantidad diaria de los cheques extendidos a ganadores en cada regin del pas se
da a continuacin: SE, 40000 dlares; EN, 60000 dlares; LO, 30000 dlares; MO, 50000 dlares.
Speakers debe extender el cheque el mismo da que se da cuenta de que un cliente ha ganado.
Pueden retrasar el cobro rpido por parte de los ganadores, al extender al ganador un cheque
girado en un banco remoto (esto hace mas despacio la liquidacin del cheque). Se estn
considerando cuatro lugares de bancos: Frosbite Falls, Montana (FF); Redville, South Carolina ( R
); PaintedForest, Arizona (PF); y Beanville, Maine (B). El costo anual para mantener una cuenta
abierta en cada uno de los bancos es: FF, 50000 dlares; R, 40000 dlares; PF, 30000 dlares; B,
20000 dlares respectivamente. Cada banco tiene como restriccin que el promedio diario de
cheques girados no puede ser superior a 90000 dlares. En la tabla 5 se da el promedio del
nmero de das que tarda la liquidacin de un cheque. En donde tendra que tener Speakers sus
cuentas bancarias y de que banco dado tendra que recibir un cliente dado su cheque, suponiendo
que el dinero invertido por: Speakers gana 15% al ao?
Tabla 5
FF
PF
SE
EN
LO
11
MO
Solucin:
La tabla 5 la podemos escribir de la manera siguiente:
REGION
FF
PF
Cant. Prom.
220
extend en
cheq./da
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/da 90000 90000 90000 90000

C. de mantener una
Cta. /ao
50000 40000 30000 20000
Tasa de Inters anual = 15%

Donde es necesario definir:
Xij =La cantidad Promedio girada en cheques por el banco i desde la regin j (i = 1,2,3,4; j =
1,2,3,4)
yi = 1,0 : Se abre o no una cuenta en el lugar de bancos i (i = 1,2,3,4)
Funcin objetivo
Max
Z = 0.15(2555 X11 + 2920 X12 + 1460 X13 + 1825 X14 + 730 X21 + 1460 X22 + 2920 X23 +
1460 X24 + 2190 X31 + 1825 X32 + 730 X33 + 2555 X34 + 1825 X41 + 1095 X42 + 4015 X43 + 1825 X4 )
50000 y1 40000y2 30000 y3 20000 y4
Sujeto a:
X11 + X21 + X31 + X41 = 40000
X12 + X22 + X32 + X42 = 60000
X13 + X23 + X33 + X43 = 30000
X14 + X24 + X34 + X44 = 50000
X11 + X12 + X13 + X14 90000
X21 + X22 + X23 + X24 90000
X31 + X32 + X33 + X34 90000
X41 + X42 + X43 + X44 90000
X11, X21, X31, X41, X12, X22, X32, X42, X13 , X23, X33, X43, X14 X24, X34, X44 ,X11, X12, X13,
X14, X21, X22, X23, X24, X31, X32 X33, X34, X41, X42, X4, X44 0
PROBLEMAS RESUELTOS
1.Una compaa produce dos productos A y B. Cada unidad de producto A requiere una hora de
servicios de ingeniera y 5 horas de tiempo mquina. Producir una unidad de producto B requiere
2 horas de servicios de ingeniera y 8 horas de maquina disponible. Hay 100 horas de ingeniera y
221
400 horas de tiempo de maquina disponible. El costo de produccin es una funcin no lineal de la
cantidad producida tal como se da en la tabla 7
Tabla 7
PRODUCTO A
Produccin
PRODUCTO B
Produccin
Utilidad
(unidades)
(unidades)
Utilidad
0-
49
10
0-
39
50 -
100
40 -
100
Solucin:
Sea:
Xij Unidades del producto i con costo de produccin del rango j (i=A,B; j=1,2)
Yi 1,0 ; (i = 1,2)
MAX Z 10 X A1 8 X A2 7 X B1 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
races
est
estudiando
varios
proyectos
estrechamente
interrelacionados. Algunos proyectos solo se pueden llevar a cabo si se cumplen ciertas

condiciones (Tabla 8). Sea R1 la utilidad total de la inversin i y C1 el costo de hacerlo. Desea
maximizar la utilidad total al invertir hasta M dlares. Formule el problema como un PE. Defina sus
variables de decisin.
Tabla 8
PROYECTO
CONDICION
Ninguna
222
No si C y solo si E
No si B
Solo si A
No si F y solo si C
No si E y solo si C
Solo si A y B
Solucin:
Sea:
Xi = 1,0 : Se realiza o no el proyecto i (i = A,B,,G)
Max Z = RA XA + + RG XG - (CA XA +.......+ CG XG)
Sujeto a:
XB + XC 1
XE - XB0
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 das un electricista consiste en decidir que generadores
conectar. El electricista en cuestin tiene tres generadores con las caractersticas que se
muestran en la Tabla 9. Hay dos periodos del da. En el primero se necesitan 2900 megawatts. En
el segundo 3900 megawatts. Un generador que se conecte para el primer periodo puede ser
usado en el segundo sin causar un nuevo gasto de conexin. Todos los generadores principales
(como son A, B y C de la tabla 9) son apagados al trmino del da. Formule este problema como
un PLE.
Tabla 9
Generado
Costo fijo
Costo por periodo
Capacidad
de
por megawatts
mxima en cada
conexin
usado
periodo en (MW)
3000
2100
2000
1800
223
Costos
1000
3000
Solucin:
Sea:
Xij = MW utilizados por el generador i en el periodo j (i = A,B,C; j = 1,2)
yi = 1,0 : Se utiliza o no el generador i (i = A,B,C)
Min
Z =
3000 yA + 2000 yB + 1000 yC + 5 (XA1 + XA2) + 4 (XB1 + XB2) + 7 (XC1 + XC2)
Sujeto a:
XA1 + XB1 + XC1 2900
XA2 + XB2 + XC2 3900
XA1 2100 yA
XA2 2100 yA
XB1 1800 yB
XB2 1800 yB
XC1 3000 yC
XC2 3000 yC
XA1 , XA2 , XB1 , XB2 , XC1 , XC2 0
4.La junta de directores de una empresa manufacturera esta estudiando un conjunto de
inversiones sujetas a las siguientes condiciones:
INVERSION
CONDICION
Ninguna
Solo s 1
Solo s 2
Se har s 1 y 2
No s 1 2
No s 2 3
Solo s 2 y no 3
Sean Ri y Ci el rdito y costo de las inversiones i, la junta desea maximizar el rdito total,
invirtiendo no ms de M soles en total.
Elabore el programa.
Solucin:
Xi = 0,1; se invierte o no en el proyecto de inversin i.
224
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
X2 - X7 0
X1 , X2 , X3 , X4 , X5 , X6 , X7 0
INV.2
INV.3
INV. 4
X2
X1
Solo s 1
X 2 X1 0
X3
X2
Solo s 2
X3 X2 0
X4
X1
X2
Se har s 1 y 2
225
INV. 5
INV. 6
INV. 7
X1
X2
X5
No s 1 2
X2 + X3 + X6 2
X6
X2
X3
No s 2 y 3
X2 + X3 + X6 2
X7
X2
X3
Solo s 2 y no 3
X7 - X2 0
X3 + X7 1
226
5.El gobernador Blue del estado de Berry intenta convencer a la asamblea legislativa del estado
para que dividan arbitrariamente los distritos congresionales (para sacar ventaja de ello) de Berry.
El estado consta de diez ciudades; el nmero de republicanos y de demcratas registrados (en
miles) en cada ciudad, se encuentra en la tabla 6. Berry tiene cinco representantes
congresionales. Para formar distritos congresionales, hay que agrupar las ciudades segn las
siguientes restricciones:
1. Todos los votantes de una ciudad deben estar en el mismo distrito.

2. Cada distrito debe tener entre 150000 y 250000 votantes (no hay votantes
independientes)
El gobernador Blue es demcrata. Suponga que cada elector siempre vota por su propio partido.
Formule un PE para ayudar al gobernador Blue a maximizar el nmero de demcratas que
ganarn una silla en el congreso.
Tabla 6
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
Ciudad 10
70
64
Solucin:
Sea:
yij = 1,0 : Pertenece o no la ciudad i al distrito congresional j (i = 1,2,,10; j = 1,2,,5)
Como cada distrito tiene entre 150000 y 250000 votantes se tienen:
114 y11 + 104 y21 + 84 y31 +.+ 134 y101 150000
227
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 demcratas 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
Ciudad 9
70
54
26
Ciudad 10
70
64
Luego es necesario definir:
Sea:
Xj= 1,0: Gana o no el partido demcrata en el distrito congresional j
228
Entonces:
Si 46 y11 + 16 y21 - 4 y31 + + 6 y101> 0 , Entonces y1 0
Esta expresin lgica se puede escribir de la manera siguiente:
46 y11 + 16 y21 - 4 y31 + + 6 y101 M (1-y1)
X1 M y1
De manera anloga se tiene:
46 y12 + 16 y22 - 4 y32 ++ 6 y102 M (1-y2)
X2 M y2
.
.
46 y15 + 16 y25 - 4 y35 ++ 6 y105 M (1-y5)
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 demcrata en el distrito congresional j
yj = 1,0 : Se cumple o no la condicin j
Max
Z = X1 + X2 + X3 + X 4 + X5
Sujeto a:
114 y11 + 104 y21 + 84 y31 +.+ 134 y101 150000
114 y11 + 104 y21 + 84 y31 +.+ 134 y101 250000
114 y12 + 104 y22 + 84 y32 +.+ 134 y102 150000
114 y12 + 104 y22 + 84 y32 +.+ 134 y102 250000
114 y15 + 104 y25 + 84 y35 +.+ 134 y105 150000

114 y15 + 104 y25 + 84 y35 +.+ 134 y105 250000
y11 + y12 + y13 + y14 + y15 = 1
y21 + y22 + y23 + y24 + y25 = 1
229
.....................................
.....................................
y51 + y52 + y53 + y54 + y55 = 1
46 y11 + 16 y21 - 4 y31 + + 6 y101 M (1-y1)
X1 M y1
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
230
5.1PROBLEMAS DE PROGRAMACION ENTERA CON LINGO
1. Una decisin de la corte indica que las inscripciones en cada secundaria en la ciudad de
Metrpolis deben incluir por lo menos un 20% de negros. En la tabla se muestra el nmero de
alumnos negros y blancos de las secundarias en cada uno de los cinco distritos escolares de la
ciudad.
BLANCOS
NEGROS
Distrito 1
80
30
Distrito 2
70
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
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 poltica de la direccin de la escuela establece que todos los alumnos de un distrito dado
deben asistir a la misma escuela. Suponiendo que cada escuela debe tener una poblacin de por
lo menos 150 alumnos, formule una PE para minimizar la distancia total que deben viajar los
alumnos de Metrpolis a su secundaria.
MODEL:
SETS:
BN/1,2/:;
DIS/1..5/:;
ESC/1,2/:;
BNDIS(BN,DIS):;
BNESC(BN,ESC):;
DISESC(DIS,ESC):;
ALUMNO(BN,DIS,ESC):Y,X,DISTA,NUME;
ENDSETS
231
DATA:
DISTA=1,2,.5,1.7,.8,.8,1.3,.4,1.5,.6,
1,2,.5,1.7,.8,.8,1.3,.4,1.5,.6;
NUME=80,80,70,70,90,90,50,50,60,60,
30,30,5,5,10,10,40,40,30,30;
ENDDATA
MIN=@SUM(ALUMNO:X*DISTA);
@FOR(ESC(K):@SUM(BNDIS(I,J):X(I,J,K))>=150);
@FOR(ESC(K):@SUM(BNDIS(I,J)|I#EQ#2:X(I,J,K))*4>=@SUM(BNDIS(I,J)|I#EQ#1:X(I,J,K)));
@FOR(ALUMNO:X=NUME*Y);
@FOR(DISESC(J,K):Y(1,J,K)=Y(2,J,K));
@FOR(BNDIS(I,J):Y(I,J,1)+Y(I,J,2)=1);
@FOR(ALUMNO:@BIN(Y));
END
2. StateUniversity debe comprar 1100 computadoras de tres vendedores. El vendedor 1 cobra

$500 por computadora, ms un costo de transporte de $5000. El vendedor 2 cobra $350 ms
$4000, el vendedor 3 cobra $250 ms $6000. El vendedor 1 vender a lo ms 500
computadoras a la universidad, el vendedor 2 vender a lo ms 900 computadoras, y el
vendedor 3 vender a lo ms 400 computadoras. Formule una PE para minimizar el costo de la
compra de las computadoras necesarias.
EN LINGO
!Xi: #computadoras del vendedor i

Yi: Si compro o no al vendedor i;
MODEL:
SETS:
F/1..3/:CF,CV,X,Y,LIM;
ENDSETS
DATA:
CV=500,350,250;
CF=5000,4000,6000;
LIM=500,900,400;
ENDDATA
232
MIN=@SUM(F:CV*X+CF*Y);
@FOR(F(I):X(I)<=LIM(I)*Y(I));
@SUM(F:X)=1100;
@FOR(F:@BIN(Y));
END
ALGEBRAICAMENTE:
MIN 5000Y(1)+4000Y(2)+6000Y(3)+500X(1)+350X(2)+250X(3)
SUBJECT TO
2]- 500 Y( 1) + X( 1) <= 0
3]- 900 Y( 2) + X( 2) <= 0
4]- 400 Y( 3) + X( 3) <= 0
5] X( 1) + X( 2) + X( 3) =
1100
END
INTE
Reconsiderando el problema 19, suponga que al inicio del ao 1 se han construido y estn en
operacin las plantas generadoras de energa elctrica 1-4. Al inicio de cada ao, PSI puede
cerrar una planta que est funcionando, o volver a echar a andar una planta cerrada. En las tablas
siguientes se muestran las Capacidades generadoras deseadas, los costos asociados a la
reapertura o cierre de una planta. Formule una PE para minimizar el costo total para poder
satisfacer las demandas de los prximos cinco aos
CAPACIDAD GENERADORA (millones kwh)

AO 1
80
AO 2
100
AO 3
120
AO 4
140
AO 5
160
Capacidad
Costo
Costo
Generadora Operacin Reapertura
Costo por
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
233
!XijYijZij i=Planta j=ao;

MODEL:
SETS:
PLA/1..4/:CAPL;
ANO/1..5/:CAPAC;
FUN(PLA,ANO):Y,X,Z,COSOP,COSCIE,COSABR;
ENDSETS
DATA:
CAPL=70,50,60,40;
CAPAC=80,100,120,140,160;
COSOP=1.5,1.5,1.5,1.5,1.5,.8,.8,.8,.8,.8,1.3,1.3,1.3,1.3,1.3,.6,.6,.6,.6,.6;
COSCIE=1.7,1.7,1.7,1.7,1.7,1.2,1.2,1.2,1.2,1.2,1.3,1.3,1.3,1.3,1.3,.8,.8,.8,.8,.8;
COSABR=1.9,1.9,1.9,1.9,1.9,1.5,1.5,1.5,1.5,1.5,1.6,1.6,1.6,1.6,1.6,1.1,1.1,1.1,1.1,1.1;
ENDDATA
MIN=@SUM(FUN:X*COSOP+Y*COSCIE+Z*COSABR);
@FOR(ANO(J):@SUM(FUN(I,J):X(I,J)*CAPL(I))>=CAPAC);
@FOR(FUN(I,J)|J#EQ#1:X(I,J)=1);
@FOR(FUN(I,J)|J#EQ#1:Z(I,J)=0);
@FOR(FUN(I,J)|J#NE#5:X(I,J)-Y(I,J)=X(I,J+1));
@FOR(FUN(I,J):Y(I,J)<=X(I,J));
@FOR(FUN(I,J)|J#NE#1:X(I,J)-Z(I,J)=X(I,J-1));
@FOR(FUN(I,J):Z(I,J)<=X(I,J));
@FOR(FUN:@BIN(Y));
@FOR(FUN:@BIN(X));
@FOR(FUN:@BIN(Z));
END
3. Se disponen de cuatro camiones para entregar leche a cinco tiendas de comestibles. En la

siguiente tabla se muestran la capacidad y el costo diario de operacin de cada camin.
Nota: He supuesto que ese costo diario es por CADA operacin, es decir, si el camin 1 va
a dos tiendas, el costo de operacin del camin 1 ser 45+45=90.
234
Se puede satisfacer la demanda de una tienda de comestibles mediante un solo camin pero un
mismo camin puede entregar leche a ms de una tienda. La demanda diaria de cada una de las
tiendas es la siguiente: tienda 1 demanda 100 galones, tienda 2=200galones, tienda3=300
galones, tienda 4=500 galones, tienda 5 demanda 800 galones. Formule una PE que se puede
usar para minimizar el costo diario para satisfacer las demandas de las cinco tiendas.
CAPACIDA
COSTO
D (galones)
OPERACIN
($)
Camin 1
400
45
Camin 2
500
50
Camin 3
600
55
Camin 4
1100
60
! Xij=galones transportados i=camin 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
235
SECUENCIACIN EN LINGO
Sea la siguiente matriz de tiempos:
MAQUINA
J
TRABAJO I
M1
M2
M3
--
--
Donde Dij es el tiempo de operacin del trabajo i en la mquina j.
Sea la secuencia de operaciones de cada uno de los trabajos:
SECUENCIA K
TRABAJO I
M3
M1
--
M2
M1
--
M1
M3
M2
Se pide determinar el tiempo mnimo de ejecucin de los trabajos.

Tij = Tiempo de inicio del trabajo i en la mquina j
Dij = duracin del trabajo i en la mquina j
TT = Tiempo total del programa
Yk = 1 Si se cumple que, por ejemplo, el trabajo1 en la mquina 1 es anterior al trabajo 2 en la
mquina 1.
FORMULACIN EN LINGO:
!PROBLEMA DE SECUENCIACIN
Tij= Tiempo de Inicio del trabajo i en la mquina j
Dij = Duracin
TT = tiempo total del programa;
236
MODEL:
SETS:
A/1/:TT;
B/1..5/:Y;
TR/1..3/:;
MQ/1..3/:;
GOL(TR,MQ):T,D;
ENDSETS
MIN=@SUM(A:TT);
@FOR(GOL(I,J)|I#EQ#1:T(1,3)+8<=T(1,1));
@FOR(GOL(I,J):T(1,1)+3<=TT(1));
@FOR(GOL(I,J)|I#EQ#2:T(2,2)+3<=T(2,1));
@FOR(GOL(I,J):T(2,1)+7<=TT(1));
@FOR(GOL(I,J)|I#EQ#3:T(3,1)+5<=T(3,3));
@FOR(GOL(I,J)|I#EQ#3:T(3,3)+3<=T(3,2));
@FOR(GOL(I,J):T(3,2)+4<=TT(1));
@FOR(GOL(I,J)|J#EQ#1:T(1,1)+3<=T(2,1)+500*Y(1));
@FOR(GOL(I,J)|J#EQ#1:T(2,1)+7<=T(1,1)+500*(1-Y(1)));
@FOR(GOL(I,J)|J#EQ#1:T(1,1)+3<=T(3,1)+500*Y(2));
@FOR(GOL(I,J)|J#EQ#1:T(3,1)+5<=T(1,1)+500*(1-Y(2)));
@FOR(GOL(I,J)|J#EQ#1:T(2,1)+7<=T(3,1)+500*Y(3));
@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
237
FORMULACIN ALGEBRAICA
MIN
TT( 1)
SUBJECT TO
2]- T( 1, 1) + T( 1, 3) <= - 8
5] T( 1, 1) - TT( 1) <= - 3
10] T( 1, 1) - TT( 1) <= - 3
14]- T( 2, 1) + T( 2, 2) <= - 3
17] T( 2, 1) - TT( 1) <= - 7
26] T( 3, 1) - T( 3, 3) <= - 5
29]- T( 3, 2) + T( 3, 3) <= - 3
32] T( 3, 2) - TT( 1) <= - 4
41]- 500 Y( 1) + T( 1, 1) - T( 2, 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:

Objective value:
Branch count:
80
15.00000
2
238
Variable
TT( 1)
T( 2, 1)
15.00000
Value
Reduced Cost
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
5.000000
0.0000000
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 mnimo de ejecucin de los trabajos es 15.
239
5.2 ANEXO
LENGUAJE DE MODELADO LINGO

Qu es LINGO?
LINGO es una herramienta simple para utilizar la potencialidad de la optimizacin lineal y no lineal
para formular problemas muy grandes de una manera concisa, resolverlos y analizar su solucin.
La optimizacin le ayuda a encontrar la respuesta que representa la mejor solucin; obtiene la
mayor utilidad, respuesta o felicidad; o logra el menor costo, desperdicio o disconformidad. A
menudo estos problemas significan hacer el uso ms eficiente de sus recursos- incluyendo
dinero, tiempo, maquinaria, personal, inventario y mucho ms. Los problemas de optimizacin
se clasifican a menudo como lineales y no lineales, dependiendo si las relaciones entre las
variables son o no lineales.
LINGO es un lenguaje de modelado matemtico diseado para formular y resolver
problemas de programacin lineal, programacin entera y programacin no lineal.
Lenguaje de modelado de LINGO
Sintaxis de LINGO
La sintaxis que se utiliza en este programa es muy sencilla. Para el nombre de las
Variables y otros identificadores se establece que pueden tener 32 caracteres como
Mximo, Deben comenzar con una letra seguido de letras, dgitos o _.
LINGO no distingue entre maysculas y minsculas.
Con respecto a las sentencias:

Todas las sentencias deben terminar en un punto y coma.
Para darle un nombre a la funcin objetivo o a las restricciones, estos se deben colocar
entre
corchetes.
Para declarar la funcin objetivo debemos colocar las palabras reservadas MAX o MIN,
(aparecern resaltadas en azul) seguidas del signo =
Los comentarios deben comenzar con un signo ! , los cuales aparecen resaltados en verde. Al
igual q las sentencias los comentarios finalizan con un punto y coma.
240
Una formulacin en LINGO, tiene tres secciones:

1. Seccin de conjuntos, SETS, que especifica los conjuntos y sus atributos
2. Seccin de datos, DATA, que proporciona los datos a usar o indica donde obtenerlos
3. Seccin del modelo, MODEL, lugar donde se describe el modelo matemtico.
SECCION DE CONJUNTOS
Cada conjunto tiene la sintaxis siguiente:
NOMBRE/ LOS MIEMBROS/: LOS ATRIBUTOS;
SETS:FABRICAS /F1,F2/ : CAPACIDAD;

CENTROS /C1,C2,C3/ :DEMANDA;
RUTAS( FABRICAS, CENTROS ): C, X;
ENDSETS
Los conjuntos, FABRICAS y CENTROS se denominan conjuntos primitivos y el ltimo se

denomina conjunto derivado, donde C y X representan, respectivamente, los costos unitarios
de transporte y cantidad transportada de las fabricas a los centros.
SECCION DE DATOS
Los valores de los atributos de los elementos de los conjuntos, tienen la sintaxis siguiente:
DATA:
CAPACIDAD = 30, 20;
DEMANDA = 10, 25, 15;
C = 2, 4, 6,7, 10, 1;
ENDDATA
SECCION DEL MODELO

Para presentar el modelo se utiliza dos funciones @SUM y @FOR.
@SUM calcula la suma de una expresin sobre todos los miembros del conjunto.
La forma general es:
@SUM ( set: expresin)
Suma la expresin que sigue a los dos puntos.
Por ejemplo:
@SUM (RUTAS: C*X)
Suma la expresin que sigue a los dos puntos que corresponde al producto del costo unitario de
transporte por la cantidad transportada de cada origen a cada destino considerado.
La segunda funcin es @FOR, esta funcin sirve para generar restricciones sobre los miembros
de un conjunto. La forma general es:
@FOR(set: restriccin)
241
Por ejemplo:
@FOR(CENTROS(J):@SUM(FABRICAS(I):X(I,J))<=CAPACIDAD(I));
Indica que se genere la restriccin que sigue a los dos puntos para cada miembro del conjunto
que les precede. Cada elemento del conjunto
CENTROS(J) para
J = 1,2,3 se genera las
restricciones siguientes:
J = 1:
X11 + X21 >= 10
J = 2:
X12 + X22 >= 25
J=3
X13 + X23 >= 15
La formulacin completa es como sigue:

MODEL:
! 2 FABRICAS, 3 CENTROS, problema de transporte;
SETS:
FABRICAS /F1, F2/: CAPACIDAD;
CENTROS /C1, C2, C3/ : DEMANDA;
RUTAS (FBRICAS, CENTROS): C, X;
ENDSETS
DATA:
CAPACIDAD = 30,20;
DEMANDA = 10, 25,15;
C = 2, 4, 6,
7,10, 1;
ENDDATA
! LA FUNCION OBJETIVO;
MIN = @SUM(RUTAS:C*X);
! RESTRICCIONES DE LA DEMANDA;
@FOR (CENTROS (J): @SUM (FABRICAS (I): X (I, J)) >= DEMANDA (J));
! RESTRICCIONES DE LA OFERTA;
@FOR (FABRICAS (I): @SUM (CENTROS (J): X (I, J)) <= CAPACIDAD (I));
END
Para
presentar
el
modelo
algebraico se hace
clic
en
la ficha
LINGO,
Generate,
Algebraic,Generate y se tiene como resultado lo siguiente:
242
MIN = X*( F2, C3) + 10 *X( F2, C2) + 7 *X( F2, C1) + 6 *X( F1, C3) + 4 *X( F1, C2) + *2 X( F1,
C1)
SUBJECT TO
2] X( F2, C1) + X( F1, C1) >= 10
3] X( F2, C2) + X( F1, C2) >= 25
4] X( F2, C3) + X( F1, C3) >= 15
5] X( F1, C3) + X( F1, C2) + X( F1, C1) <= 30
6] X( F2, C3) + X( F2, C2) + X( F2, C1) <= 20
END
Se puede omitir el paso anterior pasando a la solucin del modelo haciendo clic en LINGO, Solve
obteniendo el siguiente resultado:
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)
C( F1, C2)
4.000000
C( F1, C3)
2.000000
0.0000000
6.000000
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)
X( F2, C3)
15.00000
0.0000000
0.0000000
0.0000000
1.000000
0.0000000
Uso de funciones de dominio de variables

A menos que se especifique lo contrario, las variables en un modelo de LINGO son continuas y no
negativas. Ms especficamente las variables pueden asumir cualquier valor real desde cero hasta
ms infinito. En muchos casos este dominio para una variable puede ser inapropiado.
Por
ejemplo puede necesitarse que una variable asuma valores negativos, o solamente valores
243
enteros.
LINGO est provisto de cuatro funciones de dominio de variables que permiten
sobrepasar el dominio por omisin de una variable:
@GIN
Limita la variable slo a valores enteros
@BIN
Hace una variable binaria (0 1)
@FREE
@BND
Permite que la variable tome cualquier valor

real (positivo o negativo)
Limita la variable para que se ajuste a un rango
finito
Ejemplos de uso de variables enteras:
@GIN(X); Transforma la variable escalar X en entera

@GIN(PRODUCE(5)); Transforma la variable PRODUCE(5) en entera
@FOR(DAYS(I): @GIN(START(I))); Transforma todas las variables del atributo 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 lmites:
@BND(-1, X, 1) : Restringe la variable X al intervalo [-1, 1]

@BND(100, QUANTITY(4), 200): Limita QUANTITY(4) entre 100 y 200
@FOR(ITEMS: @BND( 10, Q, 20)): Fija los lmites de todas las variables del atributo Q en 10 y
20
@FOR(ITEMS: @BND(QL, Q, QU)): Fija los lmites de todas las variables del atributo Q en QL y
QU (A QL y QU deben habrsele asignado valores en la seccin de datos)
244
OPERADORES LOGICOS
LINGO tiene nueve operadores lgicos:
NOT (no), EQ (igual), NE (no igual), GT (mayor que), GE (mayor igual), LT (menor igual), LE
(menor igual), AND (y) y OR (o) que se utilizan para comparar valores, la forma de usar es:
#operador#.
Problema N 1:(MEZCLA) (usando 1 variables)

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

Polmero A
Polmero B
Polmero C
Producto
Base
AIRTEX
EXTENDEX
EXTENDEX
Inventario
500
425
650
1100
La compaa tiene el compromiso de producir ala menos 1000 libras de airtex,500 libras de
extendex y 400 libras de resistex para la prxima semana pero la gerencia de la compaa sabe
que puede vender ms de cada uno de los tres productos .los inventarios actuales
de los
ingredientes son 500 libras del polmero A , 425 libras del polmero B,650 libras el polmero C Y
1100 libras de la base . Cada libra de airtex produce a la compaa una ganancia de $ 7, cada
libra de extendex una ganancia de $7 y cada libra de resistex una ganancia de $6.como gerente
del departamento de produccin, usted necesita determinar el plan de produccin optimo para
esta semana.
Solucin:
Ingredientes (oz/lb. de producto)

Polmer
Polmer
Polmer
airtex
extendex
resistex
inventario
500
Producto
compromis
gananci
1000
500
400
425
650
1100
base
245
Sea:
Xi: la cantidad de ingredientes del PRODUCTO i(i=airtex,extendex,resistex)que se puede usar.
FUNCION OBJETIVO:
X*
ganacia
(
i) ;donde ganancia es la utilidad ya sea del
i
1
Producto airtex, extendex, resistex.

Entonces: MAX Z = 7*X1 + 7*X2 + 6*X3
SUJETO A:
COMPROMISO
(
i
)
Para i=1-----X1>=1000
Para i=2-----X2>=500
Para i=3-----X3 >=400
3
X
*
requerimen
to
(
i
,
j
)
inventario
(
j
)
*
16
, donde requerimiento (i , j) es la cantidad
i
i
de producto de cada tipo de ingrediente.
para J=1------
+ 3X2 + 6X3<= 500*16;
para J=2------
+ 2X2 + 3X3<= 425*16;
para J=3------
1+
para J=4------
2X2 + 5X3 <= 650*16;
+ 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;
246
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 N 2:(DIETAS) (usando 1 subndice):
El departamento de nutricin de un hospital prepara 30 mens de cena, uno para cada da del
ms. Una comida consiste en espagueti,pavo,papas en escalope y pastel de manzanas. Como
director del departamento de nutricin, usted ha determinado que esta comida debe proporcionar
63000 miligramos de protenas,10 miligramos de hierro,15 miligramos de niacina, 1 miligramo de
tiamina y 50 miligramos de vitamina C .cada 100 gramos de esta comida proporciona la cantidad
de cada nutriente y grasas indicadas en la siguiente tabla:
NUTRIENTE(mg / 100g)
Tiacina
Tiamina
Vitna c
Protena
Hierro
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
3000
2.2
0.5
0.07
28
300
4000
1.2
0.60
0.15
3.0
14300
Espinaca
s
Pastel
Grasa
Solucin: hacemos nuestra tabla
Potaje
Protena
Hierro
NUTRIENTE(mg/100g)
Tiacina Tiamin Vitna c
Grasa
a
Espaguet
Maxim
o
5000
1.1
1.4
0.18
5000
300
Pavo
29300
1.8
5.4
0.06
5000
300
Papas
5300
0.5
0.9
0.06
10
7900
200
Espinaca
3000
2.2
0.5
0.07
28
300
100
247
s
Pastel
4000
1.2
0.6
0.15
14300
Minimo
63000
10
15
50
100
Sea Xi: cantidad de nutriente de tipo (i=1,2,3,4,5,6)

i=1---espagueti
i=2---pavo
i=3---papas
i=4---espinacas
i=5---pastel
i=6---grasa
Funcin objetivo:
min Z=X6;
Sujeto a:
Restriccin de la cantidad de grasa total que debe haber :

5
X 6 X i * CGi 0
; donde CGi es la cantidad de grasa ya sea en
i 1
Pavo , papas ,espinacas ,pastel, espagueti.

Por lo tanto: X6 X1*5000 5000*X2 7900*X3 3000*X4 14300*X5=0
Restriccin de la cantidad de nutriente por cada 100 mg que proporciona:
X
i 1
MAXIMO i / 100
; donde MAXIMO i es la cantidad mxima de cada potaje ya sea de

Espagueti, pavo, papas, espinacas y pastel
Por lo tanto:
Para i=1--
1<=300/100
Para i=2--
2<=300/100
Para i=3--
3<=200/100
Para i=4--
4<=100/100
Para i=5--
5<=100/100
248
Restriccin de la cantidad de nutriente por pataje que debe haber como mnimo:
X
i 1
* nutriente j ,i MINIMO j
Donde:
NUTRIENTEj,i . j ,es la cantidad de nutriente ya sea de protena, hierro, tiacina, tiamina, vitna C
,grasa por cada potaje i ya sea:Espagueti,pavo,papas,espinacas,pastel.
yMINIMOj es la cantidad de potaje como mximo 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
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,
249
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:
Variable
Value
NIVEL( ESPAGUETI)
NIVEL( PAVO)
3.000000
2.833333
NIVEL( PAPAS)
0.000000
0.000000
2.000000
NIVEL( ESPINACAS)
NIVEL( PASTEL)
Reduced Cost
0.000000
1.000000
0.6666667
0.000000
0.000000
A ASI SUCESIVAMENTE.
Problema N 3:(TRANSPORTE) (usando 2 subndices):

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

proporcionan las siguientes cantidades (ton) de pescado
250
Proveedor
ventanilla
cantidad
30
Villa el
chorrillos
salvador
25
21
Los costos de transporte (soles/tonelada) de los proveedores a las sucursales son:
sucursal
Proveedor
Jess Mara
Callao
San Luis
Los Olivos
Ventanilla
V. salvador
chorrillos
Formule el modelo de PL que permita la distribucin ptima de pescado de los proveedores de las
sucursales.
SOLUCION:
El problema nos menciona q debemos determinar la distribucin ptima de pescado o tambin

dicho la cantidad de toneladas pescado q debe ir de cada proveedor a cada sucursal de la
empresa, este dato debe reflejarse en la funcin objetivo (FO).
Xij: cantidad de pescado distribuido (en toneladas) por el proveedor i hacia destino j donde: (i va
de 1 a 3 y j va de 1 a 4)
En esta expresin i (por convencin representa las filas) representa a los proveedores y j
representa a las sucursales de la empresa CUATRO MARIAS
Ya tenemos el conjunto de variables con que vamos a trabajar pero eso no es suficiente para
determinar la FO, para nuestro caso nos pide determinar la distribucin ptima para tener el
menor costo posible debido a la distribucin del pescado.
sucursal
Proveedor
Jess Maria
Callao
San Luis
Los Olivos
Ventanilla
V. salvador
chorrillos
Para armar la funcin objetivo necesitamos relacionar los datos costo unitario por tonelada de
pescado por nmero de toneladas pescados trasportados esto nos dara es costo total de
transporte.
251
En la tabla relacionamos primero al primer proveedor ventanilla (rojo) con la primera sucursal
Jess Mara (verde) este dato nos refleja el costo por tonelada de trasporte desde ventanilla hacia
Jess Mara (azul) lo cual nos da la relacin 6*X11 este mismo paso es para los dems datos con
lo cual tendramos:
FO: MIN Z =
*Cij
Xij
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 funcin objetivo ya tenemos un punto de partida de donde trabajar ahora
debemos relacionar de la forma ms adecuada todos los datos q tengamos a mano de preferencia
almacenarlos en una sola tabla.
Sucursal
Los
disponibilida
Olivos
30
25
21
15
17
22
12
proveedor
Jess M.
Callao
S. Luis
ventanilla
Chorrillos
Demanda
V.
Salvador
A la tabla de costos hemos hecho unos aadidos los cuales son la disponibilidad y la demanda, la
que nos ayudaran a determinar las restricciones del problema
Restriccin de la demanda:
Para la determinacin de las restricciones se debe tener muy en cuenta la relacin entre los datos,
para el caso de la demanda ella est relacionada directamente con los proveedores ya q refleja la
cantidad de toneladas q requiere cada sucursal. Entonces la restriccin de la demanda va estar
basada segn sucursal j.
Para j=1-----
X
disponibil
idad
(
1
)
X11+ X21 +X31 15
i
,
1
(Jess Maria)
252
Para j=2-----
X
disponibil
idad
(
2
)
X12+ X22 +X32 17
i
,
2
(Callao)
Para j=3-----
X
disponibil
idad
(
3
)
X13+ X23 +X33 22
i
,
3
(San Luis)
Para j=4-----
X
disponibil
idad
(
4
)
X14+ X24 +X34 12
i
,
4
(Los Olivos)
El smbolo de mayor igual en las restricciones quiere decir q la empresa requiere satisfacer sus
necesidades de demanda ms un excedente para q no haya problemas de insuficiencia de comida
Como se observa no se ha tomado los datos de los costos de transporte, esto se debe a que la
DEMANDAest en funcin a las cantidad de toneladas de pescado y no en funcin a los costos,
es por ello q se relaciona directamente con las cantidades a transportar, en conclusin se deben
relacionar datos q tengan igual UNIDADES de medicin para q exista concordancia en el
problema.
Restriccin de la disponibilidad:
Se trabaja de forma anloga a la restriccin de demanda pero como se vio en el cuadro anterior la
disponibilidad no est relacionada con las sucursales sino con los proveedores i, entonces
El smbolo de menor igual refleja q los pro veedores pueden distribuir todo el pescado q poseen o
menos hacia las sucursales.
Para i=1-----
X
COMPRA
(
1
)
X11+ X12 +X13 30
1
,j
(ventanilla)
Para i=2----i=2
X
COMPRA
(
2
)
2
,j
X21+ X22 +X23 25 (Villa el Salvador)
Para i=3-----
X
COMPRA
(
3
)
3
,j
253
i=3
X31+ X32 +X33 21
(Chorrillos)
Al igual que la demanda la disponibilidad est en funcin a la cantidad de toneladas trasportadas

as q no debe estar relacionada con ninguna dato que refleje costos.
Problema N 3:(usando 3 subndices):
La ciudad de Busville tiene tres distritos escolares. En la tabla A se da el nmero de estudiantes

que pertenecen a grupos minoritarios y no minoritarios. El 25% de todos los estudiantes (200/800)
pertenecen a grupos minoritarios.
Tabla A:
ESTUDIANTES
ESTUDIANTES
DE GRUPOS
DE GRUPOS
NO
DISTRITO
MINORITARIOS
MINORITARIOS
50
200
50
250
100
150
La corte local a decidido que cada una de las dos escuelas de segunda enseanza de la
ciudad (Cooley y waltwhitman) debe tener aproximadamente (ms o menos 5%) el mismo
porcentaje de estudiantes de minoras, que la ciudad entera. En la tabla B se da las distancias
entre los distritos escolares y las escuelas. Cada escuela debe tener entre 300 y 500
estudiantes. Utilice la programacin lineal para determinar la asignacin de los estudiantes a
cada escuela para minimizar la distancia total que tienen que viajar los estudiantes para llegar
a ella.
Tabla B:
WALT
DISTRITO
COOLE WHITMA
Y
Solucin:
Primero vamos a encontrar la funcin objetivo, la escuela busca minimizar la distancia total
recorrida por sus estudiantes desde su distrito a la escuela y cuantos estudiantes son mayoras y
254
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 frmula nos explica que se est multiplicando la distancia recorrida de la escuela k con la
cantidad de estudiantes de tipo j (1: minoria y 2: mayoria) en cada distrito i. Si lo queremos
expresar matemticamente seria:
MINIMIZAR DISTANCIAik * ESTUDIANTEijK
Las Restricciones:
La primera restriccin va ser con respecto a cantidad de alumnos de los dos tipos minora y
mayora en los distritos i, segn la encuesta realizada matemticamente lo expresaramos as.
For i ( For j
EST UDIANTE ijK< CANTIDAD ij )
La segunda restriccin es con respecto a la cantidad de estudiantes en cada escuela por dato nos
dicen que lo mnimonumero de estudiantes para la dos escuelas es 300 estudiantes y la mxima
500 estudiantes, lo presentaremos matemticamente as
For k ij ESTUDIANTE ijk>= Numero de estudiantes
La tercera restriccin es con respecto al porcentaje de alumnos en cada escuela, la minora

representa el 25 % de la ciudad entera y la mayora representa el 75%, comonosdice que cada
escuela tiene un +- 5% de minora de la minora total de la ciudad, entonces cada escuela debe
tomar entre el 20% y el 30% de estudiantes de las minoras .Representando matemticamente
For k ( ij ESTUDIANTE ijk>= PORCTIPO*( ij ESTUDIANTE ijk ) )
255
!colegios ;
SETS:
DIST/1..3/:;
TIPO/1..2/:;
COLE/1..2/:;
DT(DIST,TIPO):CANT;
DC(DIST,COLE):DISTA;
ALUMNOS(DIST,TIPO,COLE):X;
ENDSETS
DATA:
CANT=50,200,50,250,100,150;
DISTA=1,2,2,1,1,1;
ENDDATA
MIN=@SUM(ALUMNOS:DISTA*X);
!ALUMNOS POR DISTRITO Y POR TIPO;
@FOR(DT(I,J):@SUM(ALUMNOS(I,J,K):X(I,J,K))=CANT(I,J));
@FOR(COLE(K):@SUM(ALUMNOS(I,J,K):X(I,J,K))>300);
@FOR(COLE(K):@SUM(ALUMNOS(I,J,K):X(I,J,K))<500);
@FOR(COLE(K):@SUM(ALUMNOS(I,J,K)|J#EQ#1:X(I,J,K))>0.2*(@SUM(DT(I,J):X(I,J,K))));
@FOR(COLE(K):@SUM(ALUMNOS(I,J,K)|J#EQ#1:X(I,J,K))<0.3*(@SUM(DT(I,J):X(I,J,K))));
END
EL MODELO ALGEBRAICO:
256
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
Problema N 5:(TRASPORTE) (usando 4 subndices):

La qualitypaper,fabricante y distribuidor de papel .produce 3 tipos diferentes de papel que se
pueden fabricar tanto en la fbrica A,B, o C ubicados en lima.la empresa busca satisfacer la
demanda establecida para las ciudades(Tacna y Cuzco) en donde se venden los productos.
Adems en cada ciudad existen 2 tipos de centros de distribucin (supermercados y libreras) los
cuales pertenecen a la corporacin.los precios de ventas de los productos segn donde fueron
fabricados, la ciudad y el centro de distribucin donde se va a vender son los siguientes:
TACNA
SUPERMEMRC
CUZCO
LIBRERIA
SUPERMERC
LIBRERIA
257
ADO
FA
BA
FA
BB
FA
BC
ADO
Pro
Pro
Pro
Pro
Pro
Prod
Pr
Pro
Pro
Pro
Pro
Pro
d1
d2
d3
d1
d2
d1
d2
d3
d1
d2
d3
13
15
17
11
12
15
14
12
13
15
13
12
10
13
14
12
14
16
13
14
15
11
12
13
12
11
13
10
11
13
11
13
14
12
13
14
LA corporacin busca maximizar sus ventas y saber cmo va a distribuir sus productos tomando
en cuenta la capacidad de produccin de las fbricas, la demanda de las ciudades y la capacidad
de los centros de distribucin.
Capacidad de produccin
FAB
FAB
FAB C
PROD1
75
65
70
PROD2
60
70
80
PROD3
65
75
75
Demanda
TACNA
CUZCO
PROD1
73
67
PROD2
58
72
PROD3
67
74
Capacidad de los centros de distribucin
SUPER
MERCADO
LIBRERA
TACNA
CUZCO
150
140
130
150
Solucin:
258
Xi,j,k,l=cantidad de productos fabricados en la fabrica i(i=A,B,C),en la ciudad si en TACNA, si y

CUZCO(j=TC,CZ) distribuidos en SUPER MERCADO y LIBRERA (K=SM,L) el producto
L(L=P1,P2,P3).
FUNCION OBJETIVO:
C
MAX
CZ
P4
I A, J TC K SM L P1
X I , J , K , L * PRECIO I , J , K , L
, donde PRECIO es el precio de venta de
cada producto.
MAXZ=12 * XA,P1,SM,TC + 15* XA,P1,SM,CZ + 17 * XA,P1,L,TC
+11 * XA,P1,L,CZ + 12 * XA,P2,SM,TC + 15 * XA,P2,SM,CZ +14*XA,P2,L,TC + 12 *
XA,P2_L,CZ + 13 * XA,P3,SM,TC +
15 * XA,P3,SM,CZ + 13 * XA,P3,L,TC + 12 * XA,P3,L,CZ +
10 * XB,P1,SM,TC + 13 *XB,P1,SM,CZ + 14 * XB,P1,L,TC +
12 * XB, P1, L, CZ + 14 * XB,P2,SM,TC + 16 * XB,P2,SM,CZ +
13 * XB,P2,L,TC + 14 * XB,P2,L,CZ + 15 * XB,P3,SM,TC +
11 * XB,P3,SM,CZ + 12 * XB,P3,L,TC + 13 * XB,P3,LCZ +
12 * XC,P1,SM,TC + 11 * XC,P1,SM,CZ + 13 * XC,P1,L,TC +
10 *XC,P1,L,CZ + 11 * XC,P2,SM,TC + 13 * XC,P2,SM,CZ +
11 * XC,P2,LTC +13 * XC,P2,L,CZ + 14 * X,C,P3,SM,TC +
12 * XC,P3,SM,CZ + 13 *XC,P3,L,TC + 14 * XC,P3,LCZ ;
SUJETO A:
Capacidad de produccin:
L
P
4
SM
,L
P
1
I,J,K
,L
Para I=A,J=P1:
XA,P1_SM,TC + XA,P1,SM,CZ + XA,P1,L,TC + XA,P1,L,CZ <= 75 ;
Para I=A,J=P2:
XA,P2,SM,TC + XA,P2,SM,CZ + XA,P2,L,TC + XA,P2,L,CZ <= 60 ;
Para I=A,J=P3:
XA,P3,SM,TC + XA,P3,SM,CZ + XA,P3,L,TC + XA,P3,L,CZ <= 65 ;
Para I=B,J=P1:
XB,P1,SM,TC + XB,P1,SM,CZ + XB,P1,L,TC + XB,P1,L,CZ <= 65 ;
Para I=B,J=P2:
259
Para I=B,J=P3:
Para I=C,J=P1:
XC,P1,SM,TC + XC,P1,SM,CZ + XC,P1,L,TC + XC,P1,L,CZ <= 70 ;
Para I=C,J=P2:
XC,P2,SM,TC + XC,P2,SM,CZ + XC,P2,L,TC + XC,P2,LCZ <= 80 ;
Para I=C,J=P3:
XC,P3,SM,TC + XC,P3,SM,CZ + XC,P3,L,TC + XC,P3,L,CZ <= 75
Demanda:
C
I,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 +
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 +
260
Capacidad de los centros de distribucin:
C P
4
I
A
,L
P
1
I,J,K
,L
Para J=TC, K=SM:

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

XA,P1,SM,CZ + X,A,P2,SM,CZ + X,A,P3,SM,CZ + X,B,P1,SM,CZ + X_B_P2_SM_CZ +
XB,P3_SM,CZ + XC,P1,SM,CZ + XC,P2,SM,CZ + XC,P3,SM,CZ <= 140 ;
Para J=TC, K=L:
XA,P1,L,TC + XA,P2,L,TC + X,A,P3,L,TC + XB,P1,L,TC +XB,P2,L,TC + XB,P3,L,TC +
XC,P1,L,TC + XC,P2,L,TC + XC,P3,L,TC <=130 ;
Para J=CZ, K=L:
XA,P1,L,CZ + XA,P2,L,CZ + XA,P3,L,CZ + XB,P1,L,CZ +XB,P2,L,CZ + XB,P3,L,CZ + XC,P1,L,CZ
+ XC,P2,L,CZ + XC,P3,L,CZ <=150 ;
EL EQUIVALENTE EN LINGO ES:

SETS:
! FABRICAS DONDE SE VA A PRODUCIR EL PAPEL;
FABRICAS/A B C/: ;
! PRODUCTOS A SER PRODUCIDO POR LAS FBRICAS;
PRODUCTOS/P1 P2 P3/: ;
! CENTRO DE DISTRIBUCION DE LOS PRODUCTOS;
CDIST/SM L/:;
! CIUDADES DONDE VAN A SER DISTRIBUIDOS LOS PRODUCTOS;
CIUDAD/TC CZ/:;
! REQUERIMIENTO DE PRODUCTOS PARA UNA FABRICA ,EN UNA CIUDAD,EN UN
DETERMINADO SUPERMERCADO;
FPCC (FBRICAS, PRODUCTOS, CDIST, CIUDAD): PRECIO, X;
! CAPACIDAD DE PRODUCCION DE UN TERMENINADOM PRODUCTO POR
FBRICA;
261
FABPRO (FBRICAS, PRODUCTOS): CAPACIDAD;

! DEMANDA DE PRODUCCION;
PROCIU(PRODUCTOS,CIUDAD):DEMANDA;
! CAPACIDAD DE LOS CENTROS DE DISTRIBUCION;
CDCIUDAD (CDIST, CIUDAD): CAPACCD;
ENDSETS
DATA:
CAPACIDAD=75,60,65,
65,70,75,
70,80,75;
DEMANDA=
73,67,
58,72,
67,74;
CAPACCD= 150,140,
130,150;
PRECIO=
12,15,17,11,12,15,14,12,13,15,13,12,
10,13,14,12,14,16,13,14,15,11,12,13,
12,11,13,10,11,13,11,13,14,12,13,14;
ENDDATA
!FUNCION OBJETIVO ,MAXIMIZANDO LA UTILIDAD;
[OBJETIVO]MAX =@SUM(FPCC:PRECIO*X);
!RESTRICCION DE LA CAPACIDAD DE DISTRIBUCION ;
@FOR(FABPRO(I,J):@SUM(FPCC(I,J,K,L):X(I,J,K,L))<=CAPACIDAD(I,J));
!RESTRICCION DE LA DEMANDA;
@FOR(PROCIU(J,L):@SUM(FPCC(I,J,K,L):X(I,J,K,L))>=DEMANDA(J,L));
! 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:
262
MODEL:
[OBJETIVO] MAX= 12 * X_A_P1_SM_TC + 15 * X_A_P1_SM_CZ + 17 *
X_A_P1_L_TC
+ 11 * X_A_P1_L_CZ + 12 * X_A_P2_SM_TC + 15 * X_A_P2_SM_CZ + 14 *
X_A_P2_L_TC + 12 * X_A_P2_L_CZ + 13 * X_A_P3_SM_TC + 15 * X_A_P3_SM_CZ
+
13 * X_A_P3_L_TC + 12 * X_A_P3_L_CZ + 10 * X_B_P1_SM_TC + 13 *
X_B_P1_SM_CZ + 14 * X_B_P1_L_TC + 12 * X_B_P1_L_CZ + 14 * X_B_P2_SM_TC
+
16 * X_B_P2_SM_CZ + 13 * X_B_P2_L_TC + 14 * X_B_P2_L_CZ + 15 *
X_B_P3_SM_TC + 11 * X_B_P3_SM_CZ + 12 * X_B_P3_L_TC + 13 * X_B_P3_L_CZ
+
12 * X_C_P1_SM_TC + 11 * X_C_P1_SM_CZ + 13 * X_C_P1_L_TC + 10 *
X_C_P1_L_CZ + 11 * X_C_P2_SM_TC + 13 * X_C_P2_SM_CZ + 11 * X_C_P2_L_TC
+
13 * X_C_P2_L_CZ + 14 * X_C_P3_SM_TC + 12 * X_C_P3_SM_CZ + 13 *
X_C_P3_L_TC + 14 * X_C_P3_L_CZ ;
[_2] X_A_P1_SM_TC + X_A_P1_SM_CZ + X_A_P1_L_TC + X_A_P1_L_CZ <= 75 ;
[_5] X_B_P1_SM_TC + X_B_P1_SM_CZ + X_B_P1_L_TC + X_B_P1_L_CZ <= 65 ;
[_8] X_C_P1_SM_TC + X_C_P1_SM_CZ + X_C_P1_L_TC + X_C_P1_L_CZ <= 70 ;
[_11] X_A_P1_SM_TC + X_A_P1_L_TC + X_B_P1_SM_TC + X_B_P1_L_TC +
X_C_P1_SM_TC + X_C_P1_L_TC >= 73 ;
[_12] X_A_P1_SM_CZ + X_A_P1_L_CZ + X_B_P1_SM_CZ + X_B_P1_L_CZ +
X_C_P1_SM_CZ + X_C_P1_L_CZ >= 67 ;
X_C_P2_SM_TC + X_C_P2_L_TC >= 58 ;
X_C_P2_SM_CZ + X_C_P2_L_CZ >= 72 ;
X_C_P3_SM_TC + X_C_P3_L_TC >= 67 ;
X_C_P3_SM_CZ + X_C_P3_L_CZ >= 74 ;
[_17] X_A_P1_SM_TC + X_A_P2_SM_TC + X_A_P3_SM_TC + X_B_P1_SM_TC +
X_B_P2_SM_TC + X_B_P3_SM_TC + X_C_P1_SM_TC + X_C_P2_SM_TC +
263
X_C_P3_SM_TC
<= 150 ;
[_18] X_A_P1_SM_CZ + X_A_P2_SM_CZ + X_A_P3_SM_CZ + X_B_P1_SM_CZ +
X_B_P2_SM_CZ + X_B_P3_SM_CZ + X_C_P1_SM_CZ + X_C_P2_SM_CZ +
X_C_P3_SM_CZ
<= 140 ;
[_19] X_A_P1_L_TC + X_A_P2_L_TC + X_A_P3_L_TC + X_B_P1_L_TC +
X_B_P2_L_TC + X_B_P3_L_TC + X_C_P1_L_TC + X_C_P2_L_TC + X_C_P3_L_TC
<=
130 ;
[_20] X_A_P1_L_CZ + X_A_P2_L_CZ + X_A_P3_L_CZ + X_B_P1_L_CZ +
X_B_P2_L_CZ + X_B_P3_L_CZ + X_C_P1_L_CZ + X_C_P2_L_CZ + X_C_P3_L_CZ
<=
150 ;
END
HACIENDO CORRER EL PROGRAMA CON LINGO 10.0
Global optimal solution found.

Objective value:
8260.000
20
Variable
Value
PRECIO( A, P1, SM, TC)
Reduced Cost
12.00000
PRECIO( A, P1, SM, CZ)
15.00000
0.000000
0.000000
PRECIO( A, P1, L, TC)
17.00000
0.000000
PRECIO( A, P1, L, CZ)
11.00000
0.000000
12.00000
0.000000
PRECIO( A, P2, SM, CZ)
15.00000
0.000000
PRECIO( A, P2, L, TC)
14.00000
0.000000
PRECIO( A, P2, L, CZ)
12.00000
0.000000
13.00000
0.000000
A ASI SUCESIVAMENTE.
Problema en LINGO exportando datos en Excel
264
Los pasos que se sigue para crear una base de datos en EXCEL son:
1. Crear una carpeta en C, por ejemplo: USO DEL LINGO CON EXCEL.
2. Crear una Hoja de clculo denominada COLHO siguiendo la secuencia:
3. C:\COLHO hacemos doble click , se contina con el ingreso de la informacin para
resolver el problema, los pasos que se siguen son los siguientes:
As como en SETS del programa LINGO se generaron los conjuntos, en EXCEL se crean
las registros con los rangos con estos mismos nombres.
Hacer clic en X (cerrar)/si/Guardar Como/B/Aceptar
Finalmente se utiliza otra funcin de conexin @OLE(), para transferir datos de y a la hoja
de clculo .
Se ingresa la informacin, en la hoja de clculo tal como se indica en el siguiente
programa,
La compaa Coelho S.A. fabrica los motores. El departamento de mercadeo est previendo
ventas de 6100 unidades del Roncam de motor el prximo semestre. Esto es una nueva demanda
y la compaa tendrn que probar su capacidad de produccin. Los motores tipo Roncam el
montaje consta de
tres componentes: el cuerpo, la base y el armado. Algunos de estos
componentes ellos pueden comprarse de otros proveedores, si hay limitaciones de Coelho S.A.
Los costos de la produccin y la adquisicin cuesta en $/unidad se resume en la tabla siguiente.
Costo de Adquisicin ( en
Costo de Produccin ( en
minutos)
minutos)
Cuerpo
10
Base
20
20
Armado
16
16
Componente
La fbrica de la Compaa Coelho S.A. tiene tres departamentos. El requisito de tiempo en

minutos que cada componente consume en cada departamento se resume en la tabla siguiente.
El tiempo disponible en la compaa para cada componente est rayado en la ltima lnea.
265
Componente
Tiempo
de Tiempo
de Tiempo
de
Preparacin
Molde
Fabricacin
Cuerpo
Base
Armado
Disponibilidad
49200
49200
49200
El modelo de decisin del problema se da debajo, dnde el Xij representa la cantidad de

componentes el i=(1=si el componente es el Cuerpo, 2=si el componente es la Base y 3=si el
componente es la Armado) y proviene de j = (A=si el componente se adquiera y F= Si el
componente se fabrica).
Min
S.A
8X 1F + 20X2F + 1 0X 3F + 10 X 1A + 20 X 2A + 16X 3A
2 X 1F + 5X
4X
2X
1F
1F
2F
+ 4X 3F<=49200
+ 2X 2F + 5 X3F<=49200
+ 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 est el hecho de nosotros estamos leyendo las constantes de los SETS de la seccin a
travs de una hoja de clculo de Excel y exportando el resultado despus para el mismo,
utilizando las DATA de la seccin. Tanto la lectura como la exportacin de los datos para la hoja
de clculo se hace a travs del orden @ OLE ('nombre de la Hoja de Calculo.xls', 'el nombre del
grupo de celdas). Para el uso de una hoja de clculo de Excel, nosotros debimos un nombre al
definir para cada de grupo de celdas referenciadas en el modelo.
Considerado la hoja de clculo presentada en la figura 2, nosotros tenemos los grupos siguientes
de celdas con sus nombres respectivos:
Conjunto de
Celdas
B3 a G3
Nombre
Costo
266
H5 a HI7
Coef1
H8 a H10
Coef2
C16
FO
B5 a G7
Rest1
B8 a G10
Rest2
B14 a G14
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));
267
DATA:
@OLE('C:\Samples\coelhos.xls','x','FO')= x,FO;
ENDDATA
Observacin:
-Intenta poner la Hoja de clculo sin ruta te va salir una venta dicindote OPEN FILE si no pones
la ruta tiene que estar el archivo abierto, para exportar los resultados.
Si no quieres que el archivo se abra inmediatamente despus de la compilacin tienes que poner
la ruta como en la figura, esta ruta puede ser cualquiera donde tu decidas guardar tu archivo.
Objective value:
234650.0
Export Summary Report

--------------------Transfer Method:
Workbook:
OLE BASED
C:\Samples\coelhos.xls
Ranges Specified:
x
FO
Ranges Found:
Range Size Mismatches:

Values Transferred:
Variable
N
6.000000
0
7
Value
Reduced Cost
0.000000
M
3.000000
0.000000
FO
234650.0
0.000000
268
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
EL PROBLEMA DE LAS BARRAS DE CHOCOLATE
Los requerimientos para la produccin de 3 tipos de barras de chocolate as como la cantidad de

recursos y la utilidad de cada tipo se muestran en el siguiente cuadro:
MATERIA
CANTIDAD
B1
B2
B3
AZUCAR
50
CHOCOLATE
100
PRIMA
GANANCIA
UNITARIA
DISPONIBLE
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
SOLUCIN EN LINGO
SETS:
!BARRAS,PRODUCCION Y GANANCIA;
!INGREDIENTES (AZUCAR,CHOCOLATE) Y DISPONIBILIDAD;
269
!CANTIDAD USADA POR BARRA;

B/B1,B2,B3/:P,G;
IN/A,CH/: D;
CA(IN,B):USO;
ENDSETS
MAX= @SUM(B:P*G);
@FOR(IN(I):@SUM(B(J):USO(I,J)*P(J))<=D(I));
DATA:
G=3,7,5;
D=50,100;
USO= 1,1,1,
2,3,1;
ENDDATA
END
1)
IMPORTAR Y EXPORTAR DATOS DE EXCEL
Para importar y exportar datos de una hoja de clculo, LINGO tiene una funcin, @OLE( ) .
Para pasar los datos de la seccin DATA a EXCEL se procede como sigue:
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 ratn se marca las celdas del un conjunto de datos ( 3 7 5)
Con INSERTAR, NOMBRE, DEFINIR
del men, se define el nombre del conjunto
(Ejemplo: G)
En LINGO
En la seccin DATA, para importar informacin, se escribe el nombre del conjunto que se
iguala a la funcin @OLE sealando la ruta donde se ubican los datos y si se desea
exportar resultados a un lugar predefinido en EXCEL se escribe primero la funcin y esta
se iguala al nombre de las celdas definidas en EXCEL
SOLUCION COLOCANDO LOS DATOS EN EXCEL
SETS:
270
B/B1,B2,B3/:P,G;
IN/A,CH/: D;
CA(IN,B):USO;
ENDSETS
MAX= @SUM(B:P*G);
DATA:
G=@OLE('C:\MIS DOCUMENTOS\BARRAS.XLS');
D=@OLE('C:\MIS DOCUMENTOS\BARRAS.XLS');
USO= @OLE('C:\MIS DOCUMENTOS\BARRAS.XLS');
!RESPUESTA DE PRODUCCION DE BARRAS;
@OLE('C:\MIS DOCUMENTOS\BARRAS.XLS')=P;
ENDDATA
END
2)
IMPORTAR Y EXPORTAR DATOS EN LA BASE DE DATOS ACCESS
Los pasos que se sigue para crear una base de datos en ACCESS son:
Crear una carpeta en C, por ejemplo: USO DEL LINGO CON ACCESS.
Crear
una
base
de
datos
en
ACCESS
denominada
BARRA
con:
INICIO
CONFIGURACION PANEL DE CONTROL (clic) FUENTE DE DATOS ODBC(doble

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

C:\(doble clic)ubicar USO DEL LINGO CON ACCESS(doble clic) NOMBRE DE BASE DE
DATOS se escribe BARRA.mdb ACEPTAR ACEPTAR, ACEPTAR.
Creada la base de datos BARRA se contina con el ingreso de la informacin para resolver el
problema, los pasos que se siguen son los siguientes:
En la carpeta USO DEL LINGO CON ACCESS localizar la base de datos BARRA e
ingresar a la base haciendo clic.
As como en SETS del programa LINGO se generaron los conjuntos B, IN y CA, en

ACCESS se crean las tablas con estos mismos nombres.
271
Para crear la primera tabla B se procede como sigue: Crear una tabla utilizando el
asistente/Nuevo/Vista Diseo/Aceptar/en Nombre del Campo , colocar BB/en Tipo de
Datos: texto, se sigue nombrando los dems campos:
Nombre del Campo
Tipo de Datos
BB
Texto
Texto
numrico
Hacer clic en X (cerrar)/si/Guardar Como/B/Aceptar
Las dems tablas se crean bajo el mismo procedimiento y para llenar la informacin en estas se
ingresa a cada una de estas haciendo doble clic y luego se escribe los datos quedando estas
como a continuacin se indica:
IN
CA
BB
II
IN
USO
B1
P1
50
B1
B2
P2
CH
100
B2
B3
P3
B3
CH
B1
CH
B2
CH
B3
Finalmente en la seccin DATA del programa LINGO, de manera semejante a lo ocurrido en

EXCEL, aqu se utiliza otra funcin de conexin @ODBC(), para transferir datos de y a una base
de datos. Las bases de datos de mayor uso como Oracle, Paradox, DB/2, MS/Access y SQL
Server, son compatibles con la convencin ODBC.
Se ingresa la informacin, en DATA, tal como se indica en el siguiente programa, se deber

observar que en la seccin SETS no se tiene los elementos de B y de IN es por ello que estos,
adems de G, D y USO debern ser sealados en DATA.
SETS:
B:P,G;
IN: D;
CA(IN,B):USO;
272
ENDSETS
MAX= @SUM(B:P*G);
DATA:
B=@odbc('BARRA','B','BB');
G=@odbc('BARRA','B','G');
IN=@odbc('BARRA','IN','II');
D=@odbc('BARRA','IN','D');
USO=@odbc('BARRA','CA','USO');
ENDDATA
END
273

Investigacion Operativa

Cargado por

Copyright:

Formatos disponibles

Investigacion Operativa

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Investigacion Operativa

Cargado por

Copyright:

Formatos disponibles

INVESTIGACIN

1.2 PROBLEMAS RESUELTOS

1.3PROBLEMAS DE P.L PREPARADOS CON LINGO

1.4 ASPECTOS DEL ALGEBRA LINEAL Y ANLISIS CONVEXO

1.4.2 OPERACIONES CON VECTORES..

1.4.4 ECUACIONES LINEALES SIMULTNEAS

1.4.5 CONJUNTOS CONVEXOS

2.1 MTODO GRFICO.

2.2 MTODO SIMPLEX..

2.3 MTODO DE PENALIZACIN.......

2.4 MTODO DE LAS DOS FASES.....

3.1 DUALIDAD: UN ENFOQUE CONCEPTUAL.

3.2 RELACIONES PRIMAL DUAL

3.3 HOLGURA COMPLEMENTARIA......

3.4 MTODO DUAL SIMPLEX

3.5 MTODO PRIMAL DUAL..

4.1 ANLISIS GRFICO DE SENSIBILIDAD

4.2 CAMBIOS EN LOS COEFICIENTES DE LA FUNCIN OBJETIVO

4.3 CAMBIOS EN LA DISPONIBILIDAD DE RECURSOS..

4.4 PRECIO DUAL

4.5 CAMBIOS EN LA MATRIZ DE COEFICIENTES TECNOLGICOS

4.6 ADICIN DE UNA VARIABLE

4.7 ADICIN DE UNA RESTRICCIN.

4.8 REGLA DEL 100% .

4.9 INTERPRETACIN DEL PROGRAMA LINDO...

4.10 INTERPRETACIN DEL PROGRAMA LINGO.

5.1 PROBLEMAS RESUELTOS

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

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

Todo programa lineal parte de los siguientes supuestos:

Sea el siguiente problema:

a11 X 1 a12 X 2 ......... a1n X n b1

son los coeficientes y

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

1. Una compaa elabora dos productos P1 y P2 cada uno requiere de componentes c1 y c 2 la

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

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

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

X 32 = Unidades producidas de P3 que se destruyen.

Se pide formular el programa lineal.

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

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

X c2 j = Unidades del componentes c 2 del rango j (j=1,2)

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

CASO: METAS DE TRABAJO

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

Se pide formular el programa lineal.

X i = Produccin en el mes i (i=1, 2, 3)

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

X i = Cantidad de produccin en el mes i (i = 1, 2, 3)

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

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

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

Y i = Excedente o dficit en el mes i (i = 1, 2, 3)

INV. INICIAL + PRODUCCIN - VENTA = INV. FINAL (DFICIT)

Para los dos casos se cumple lo siguiente:

Y1 = Y11 - Y12 que son irrestrictas en signo y luego se presenta la Formulacin

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

X 1 - ( Y11 - Y12 ) = 300