Opera Tiva

1
UNIVERSIDAD DE LAS FUERZAS ARMADAS –

“ESPE” EXTENSIÓN LATACUNGA
DEPARTAMENTO DE CIENCIAS EXACTAS
CARRERA: FINANZAS Y AUDITORÍA
DOCENTE: ING. BYRON COCHA
ESTUDIANTE: NAILA SUSANA QUISHPE JÁCOME
PERÍODO: (ABRIL–AGOSTO 2017)
ASIGNATURA: INVESTIGACIÓN OPERATIVA
NRC: 3517
2
Índice de contenido
PRIMER PARCIAL ..........................................................................................................................5

1.1. Origen y evolución de la investigación operativa .........................................................5
1.2. Evolución de la investigación operativa ........................................................................6
1.3. Aplicación de la investigación operativa .......................................................................6
1.6. ¿Qué me ofrece la investigación operativa?.................................................................9
1.7. Fases de la investigación operativa ..............................................................................9
PROGRAMACIÓN LINEAL ............................................................................................................10
2.1. Definición ........................................................................................................................10
2.2. Objetivos de la Programación Lineal ...............................................................................11
2.3. Aplicaciones de la programación lineal ...........................................................................11
2.4. Limitaciones de la programación lineal ...........................................................................12
Historia de la Investigación Operativa ...........................................................................12
APLICACIONES DE LA INVESTIGACIÓN DE OPERACIONES ...................................................15
2.5. Ejemplos de maximización y minimización......................................................................23
2.5.1. Ejercicio en clase ......................................................................................................26
2.6. Conceptos básicos de programación lineal .....................................................................27
2.7. Problema General de la Programación Lineal..................................................................28
2.7. Ejercicios de aplicación de la programación lineal ..........................................................29
2.7.1. Apuntes de la clase ...................................................................................................31
2.7.2. Ejercicios en clase .....................................................................................................34
2.7.3. Ejercicios del deber 1 ................................................................................................36
2.7.4. Ejercicios del deber 2 ................................................................................................44
2.7.5. Prueba del deber ......................................................................................................61
2.7.6. Solución no acotada .................................................................................................65
2.7.7. Ejercicios realizados en clase ....................................................................................66
2.7.8. Deber 3 de programación lineal .........................................................................70
2.7.9. Ejercicios de la prueba 3 ...................................................................................104
SEGUNDO PARCIAL...................................................................................................................117
MÉTODO SIMPLEX ....................................................................................................................117
3.1. Consulta....................................................................................................................117
3
PASO 1: MODELACIÓN MEDIANTE PROGRAMACIÓN LINEAL ...........................................120

PASO 2: CONVERTIR LAS INECUACIONES EN ECUACIONES ..............................................121
PASO 3: DEFINIR LA SOLUCIÓN BÁSICA INICIAL ................................................................121
PASO 4: DEFINIR LA TABLA SIMPLEX INICIAL .....................................................122
PASO 5: REALIZAR LAS ITERACIONES NECESARIAS...........................................123
Bibliografía ...............................................................................................................................129
3.2. Definición .................................................................................................................129
3.1.1. Ejemplo de Minimización .......................................................................................130
3.1.2. Ejemplo de Maximización .......................................................................................133
DUAL SIMPLEX ......................................................................................................................140
4.1. Ejercicio en clase ......................................................................................................140
4.2. Prueba 1 ...................................................................................................................146
4.3. Prueba 2 ...................................................................................................................149
TERCER PARCIAL .......................................................................................................................150
MÉTODO SIMPLEX ....................................................................................................................150
3.1. Consulta....................................................................................................................150
PROBLEMA DEL TRANSPORTE O DISTRIBUCIÓN ........................................................150
PROBLEMA DE TRANSPORTE MEDIANTE PROGRAMACIÓN LINEAL ..................152
EL PROBLEMA ..............................................................................................................152
SOLUCIÓN MEDIANTE PL ..........................................................................................153
Bibliografía ...............................................................................................................................158
3.2. Transporte o asignación ...........................................................................................158
3.2.1. Problema balanceado .......................................................................................159
3.2.2. Problema desbalanceado .................................................................................159
3.2.3. Problema desbalanceado .................................................................................160
3.2.4. Técnicas para resolver problemas de transporte..............................................160
3.3. Ejercicios En Clases ...................................................................................................162
3.3.1. Esquina del noreste ..........................................................................................162
3.3.2. Salto Piedra A Piedra ........................................................................................163
3.3.3. Ejercicio Tres.....................................................................................................165
3.4. Deber ........................................................................................................................168
3.5. Matriz Costos Indirectos ...........................................................................................172
3.6. Ejercicios...................................................................................................................175
3.6.1. Ejercicio en clases 1 ..........................................................................................175
4

3.7. Método De Vogel .....................................................................................................193
3.7.1. Algoritmo de Vogel ...........................................................................................193
3.7.2. Ejercicio ............................................................................................................194
3.8. Método Húngaro ......................................................................................................196
3.8.1. Pasos.................................................................................................................196
3.8.2. Ejercicio ............................................................................................................197
BIBLIOGRAFÍA ..........................................................................................................................200
3. Bibliografía ...........................................................................................................................202
5
PRIMER PARCIAL
1.1.Origen y evolución de la investigación operativa
Según (Erazo, 2007):
La investigación operativa están antigua como la conducta humana, pues el

avance científico es consecuencia de la acumulación de diferentes
investigaciones en las ciencias aplicadas. A inicios de la segunda guerra
mundial, los mandos militares ayudaron la ayudan de cientos de científicos para
la resolución de problemas estratégicos y tácticos. Los científicos procedentes
de las distintas disciplinas se organizaron en equipos dirigidos a buscar la
utilización optima de los recursos, estos fueron equipos de investigación
operativa (p.2)
De lo manifestado la investigación operativa es un conjunto de técnicas que

permite plantear un objetivo para dar diferentes soluciones o respuestas a los diferentes
problemas que se les puede presentar a las organizaciones, el origen de esta ciencia se
dio en la segunda guerra mundial por el motivo de que los barcos que llevaban los
víveres, armas, medicamentos, eran hundidos y no podían llegar a su punto de destino.
El término de la investigación se utiliza por primera vez en el año de 1939 durante la

segunda guerra mundial, especialmente cuando surge la necesidad de investigar las
operaciones táctica y estratégicas de la defensa área, ante la incorporación de un nuevo
radar en oportunidad a los ataques alemanes a Gran Bretaña. El avance tecnológico
militar hace recurrir al apoyo y orientación en la planificación de su defensa por medios
científicos que trabajaron con el ejecutivo militar a cargo. Durante la revolución
industrial se origina una segmentación funcional que da origen a la integración de la
administración.
Por las circunstancias propias de la época y el momento la investigacion operativa

se fundamentos en tres aspectos fundamentales como son lo logístico, táctico y
estratégico teniendo un enfoque militar.
 Estrategia: Precisión de un objetivo, a donde quiero llegar.
 Táctico: Habilidad para cumplir el objetivo con los recursos, es decir la forma
como lo hago.
6
 Logística: Recursos disponibles, es la manera para llegar al objetivo.

1.2.Evolución de la investigación operativa
Para (Gómez, 2009) las primeras actividades de la investigación operativa se:
Inicio en Inglaterra durante la segunda guerra mundial, cuando un equipo de

científicos empezó a tomar decisiones respecto a la utilización del material
bélico. Los primeros en desarrollar esta metodología se refieren a los problemas
de ordenamiento de tareas, reparto de cargos de trabajo, planificación,
asignación de recursos en el ámbito militar y luego en las organizaciones (p. 6)
Tabla 1: Evolución de la investigación operativa
Evolución de la investigación operativa

Año Autor Tema
1759 Quensay Programación matemática
1874,1873,1896 y 1903 Walros, Jordan, Falkas Precursores de modelos lineales
Entre 1890-1899 Markon Precursor de los modelos dinámicos

probabilísticos.
Entre 1920-1929 Markon Primero modelo de desarrollo de inventarios
Entre 1910-1919 Erlong Primeras líneas de espera.

Entre 1920-1930 Koning- Egervary Métodos de asignación
1937 Von Neuman Teoría de juegos y preferencias
1939 Kantorovich Problemas de distribución

1945 Segunda guerra mundial Logística estratégica para vencer al enemigo
1947 Dantzing, George Método simplex en base al trabajo de
precursores inicio de la programación lineal.
1950-1960 Bellaman, Ford, Scarf, Programación dinámica, no lineal, entera redes
Howard de optimización, sistemas de generalización.
1970-1980 Receso en el uso de la investigacion operativa
Actualmente La investigacion operativa se usa en el sector
público en los países avanzados
Fuente: (Gómez, 2009)
1.3.Aplicación de la investigación operativa
Según (Gómez, 2009) El campo de investigación operativa se aplica en:
Áreas funcionales: Una muestra de la investigacion operativa en los problemas

que han estudiado y resuelto con éxito en negocios e industria se tiene a
continuación
Personal: La automatización y la disminución de costos, reclutamiento del
personal, clasificación, asignación de tareas de mejor actuación e inventarios.
7
Servicios: Comercio, optimización de actividades financieras, gestión,

administración de empresas la publicidad y las consultorías y asesoramiento
económicos, tecnológicos, jurídico e inversiones.
Mercado y distribución: el desarrollo y la introducción del producto,
envasado, predicción de la demanda y actividad competidora, localización de
bodegas y centros distribuidos.
Compra de materiales: Las entidades y fuentes de suministro, costos fijos y
variables, situación de materiales, reemplazo de equipo.
Finanzas y contabilidad: Los análisis del flujo del efectivo, capital requerido
de largo plazo, inversiones alternas, muestreo para la seguridad en auditorias y
reclamaciones.
Planeación: Con los métodos pert para el avance de cualquier proyecto con
múltiples actividades, tanto simultaneas como las que deben esperar para
ejecutarse.
Manufactura: La planeación y control de la producción, mezclas optimas de
manufacturas, ubicación y tamaño de planta (p. 10)
Se puede aplicar en todo tipo de empresa, que depende de los recursos para
poderse desarrollar o ejecutar la investigación operativa, cono se analiza la
investigación operativa tiene un gran campo de aplicación, se puede desarrollar en
cualquier tipo de empresa pero para su aplicación depende de los recursos que tenga la
entidad, esta ciencia permite maximizar las ganancias y minimizar las costos o
encontrar el punto en donde las organizaciones puedan alcanzar su máximo nivel,
reducción costos.
1.4.Ejemplos de aplicación en las diferentes áreas
a. Personal
Establecimiento de un horario: En un sector de la cuidad se tiene el requerimiento de

policías
Tabla 2: Ejercicio
Periodo del día 1 2 3 4 5 6
Horario del día 06-10 10-14 14-16 16-18 18-20 20-22
Policías requeridos 300 350 425 450 250 200
Fuente: (Gómez, 2009)
b. Finanzas
Se desea invertir 2 millones de dólares en 6 tipos de inversión, cuyas características son

las siguientes:
8
Tabla 3: Ejercicio de finanzas

Tipo de interés Inversión anual Riesgo de inversión
1850.028 el factor riesgo significa que el riesgo sea
29001.20 esperado, considerando un periodo
3850.385 promedio
Fuente: (Erazo, 2009)
c. Manufactura
Optimización de programación de la mezcla de ingredientes disponibles para que los
productos de gasolina cumplieran con los requerimientos de venta y calidad.
d. Planeación
Maximización de ganancias a partir de la asignación de los tipos de aviones en 2500
vuelos adicionales.
e. Mercado y distribución
Restructuración de toda la cadena de proveedores entre proveedores, plantas y centros
de distribución.
1.5.Limitaciones de la investigacion operativa
Según (Erazo, 2009) La investigación operativa nos permite resolver muchos problemas
también encontramos algunas limitaciones en la práctica que son las siguientes:
a. Capacidad para el equipo investigador: Se refiere a las

restricciones en cuanto a contar con profesionales especializados en la
rama.
b. Costo de la investigación: Es el costo, pero es necesario anotar
que muchas empresas lo consideran como inversión ya que permite
minimizar errores.
c. El uso del computador: Actualmente es necesario la utilización
de los lenguajes de comunicación como los de la computación.
d. Grado de interés de la empresa: En los países menos
desarrollados no dan el apoyo a estas estrategias.
e. Servicios de informática: Generalmente las empresas no cuentan
con unidades sistemáticos de información capaza de dar agilidad a la
obtención de datos, fundamentalmente con los necesarios para la
identificación de coeficientes técnicos por unidad (p. 12)
9
De lo manifestado por el autor la investigacion operativa es una ciencia

multidisciplinaria que no tiene limitaciones en su campo de aplicación, pero si presenta
ciertas restricciones como son los recursos necesarios para la aplicación de proyectos, el
uso del computador también es importante, por medio de programas como el QRM
Windows o el Tora nos permite realizar los ejercicios y obtener conclusiones por medio
de los datos que nos arroja estos programas, dichos resultado le permitirá a la gerencia
tomar las decisiones que crean necesarias.
1.6.¿Qué me ofrece la investigación operativa?
Me ofrece resultados para la toma de decisiones por medio de los gerentes para
maximizar o minimizar los recursos que dispone las empresas.
1.7.Fases de la investigación operativa
Para (Erazo, 2007), la investigacion operativa tiene las siguientes fases de estudio:
-Formulación del problema: Debe estar perfectamente establecidos los

objetivos, los cursos alternativos de acción, las restricciones y los efectos del
sistema de estudio. Debe tomarse en cuenta que es casi imposible dar solución
correcta a un problema incorrectamente planteado.
-Construcción del modelo matemático: Las características esenciales de los
modelos permiten describirlos de diferentes maneras. Los modelos pueden
clasificarse por sus dimensiones, funciones, propósitos, temas o grados de
abstracción, estos son los siguientes:
 Modelos iconos: Es la representación física de un objeto o de una
situación, puede darse en dimensiones como los mapas o la fotografía o
en tres dimensiones como las maquetas.
 Modelos analógicos: Muestran características de una determinada
situación. Se los utiliza especialmente para representar situaciones
dinámicas uno de estos es ejemplos es la curva de la demanda, los
diagramas de flujo.
 Modelos simbólicos o matemáticos: Son representaciones de la
realidad y toman la forma de cifras y símbolos matemáticos, estos
modelos son representados en la investigacion operativa por medio de
las ecuaciones.
-Deducción de la solución: Este paso se desarrolla determinando la solución
óptima del modelo y luego aplicando esta solución al problema real. Algunas
ocasiones las complejidades matemáticas impiden dar la repuesta al problema.
10
-Solución del problema: Esto puede hacerse en dos pasos:

 Usando datos pasados, haciendo una comparación entre el rendimiento
real del sistema y el rendimiento iniciado por el modelo.
 Permite operar el sistema sin cambio y comparando su rendimiento con
aquel modelo.
-Verificación del modelo: Deben colocarse controladores sobre la solución con
el objeto de detectar cualquier cambio significativo de las condiciones en las
cuales se basa el modelo.
-Implementación de resultados: Es la última fase de un estudio de la
investigación operativa, en esta parte se explica la solución a la administración
responsable del sistema de estudio. Despues de aplicar la solución al sistema, se
observa la respuesta a los cambios introducidos, esto permite realizar ajustes y
modificaciones requeridas para el rendimiento del sistema (p.2-3)
Las fases de la investigación operativa permite abstraer todo un problema

matemático a un sistema de ecuaciones en donde constan las restricciones y la función
objetivo, las soluciones se las puede dar por el planteamientos de variables, una vez
obtenido el modelo se procede a su solución que se puede realizar por medio de la
resolución grafica o algebraica, luego se procede a la comprobación de las resultados y
por último a las toma de decisiones que ayuden a las empresas a encontrar sus puntos
óptimos.
PROGRAMACIÓN LINEAL
2.1. Definición
Según (Erazo, 2009) la programación lineal:
Es una clase de modelos de programación matemática destinados a la

asignación eficiente de los recursos limitados en actividades conocidas, con el
objetivo de satisfacer las metas deseadas (tal como maximizar beneficios o
minimizar costos). La característica distintiva de los modelos de programación
lineal es que las funciones que representan el objetivo y las restricciones son
lineales o sea inecuaciones o ecuaciones de primer grado. Tuvo sus orígenes a
raíz de la Segunda Guerra Mundial, cuando George Danzig, quien realizó
investigaciones y aplicaciones en distintos casos de operación aéreo-militar.
Leonfiel aportó principalmente en relaciones interindustriales a través de su
Matriz de Insumo - Producto. Koopmans, incursionó profundamente en
aplicaciones microeconómicas resolviendo casos de producción, asignación de
recursos, maximización de beneficios y minimización de costos, etc. Es un
modelo sistemático y matemático de enfocar determinado problema para lograr
una solución óptima o la mejor posible, empleando una ecuación objetivo
(propósito del problema), un conjunto de restricciones lineales y una condición
de eliminar valores negativos (condición de no negatividad) (p.25).
11
De acuerdo con lo expresado en el párrafo anterior la programación lineal es una

clase de modelos matemáticos, a través de los cuales se puede realizar la distribución
más eficiente de recursos, con el objetivo de satisfacer los objetivos deseados, como por
ejemplo maximizar utilidades o minimizar costos, en la programación lineal
establecemos una función objetivo y como característica principal encontramos que al
establecer las restricciones del problema a resolver estas son lineales, ecuaciones o
inecuaciones de primer grado. En conclusión, se puede decir que la programación lineal
nos ayuda a resolver problemas a través de problemas matemáticos obteniendo así la
solución óptima o la que mayor eficiencia y eficacia genere.
2.2. Objetivos de la Programación Lineal
 Maximizar la utilidad de las organizaciones

 Minimizar los costos de las organizaciones
Poner en forma cuantitativa acciones o decisiones a forma de optimizar sistemas donde

existen recursos escasos.
2.3. Aplicaciones de la programación lineal
Para (Gómez, 2009) La programación lineal presenta un gran número de aplicaciones

como:
a. Medios publicitarios: El campo del marketing y la publicidad es

utilizada como una herramienta que nos permite determinar cuál es la
combinación más efectiva de enunciar nuestros productos por medios de
los diferentes medios de comunicación.
b. Estudios de mercado: Es aplicable también es la investigación
de mercados, se aplica la programación lineal cuando las estadísticas se
aplican en encuestas.
c. Combinación optima de bienes: Permiten decidir sobre la
cantidad más adecuada de una empresa debe producir de uno de los
productos a fin de maximizar los beneficios sin dejar de cumplir con
unos determinados requisitos.
d. Planificación de los productos: Establecen un plan de periodos
de semanas, meses, esto resulta ser una matea más difícil e importante en
la mayoría de las plantas de producción se considera mano de obra,
cortes y almacenamiento, por lo general una empresa produce más de un
bien.
12
e. Asignación de horarios: Es asegurar de la forma más eficiente

posible de un trabajo o cada empleado o máquina.
f. Transporte: El llamado proceso de transporte se refiere al
proceso de determinar el número de bienes o mercancías que se han de
transportar desde cada uno de los orígenes o desde cada uno de los
distintos sitios posibles.
g. Mezclas: Las primeras aplicaciones comenzó a utilizase en los
hospitales para determinar la dieta más económica con la alimentar a los
pacientes a partir de especificaciones nutritivas (p.26)
De lo manifestado por el autor la programación lineal tiene un gran campo de

aplicación, como puede ser en las áreas de la salud, administración, técnicas,
agropecuarias, servicios a través de modelos matemáticos se puede dar respuesta a
posibles problemas que se le puede presentar las empresas. En lo general en la toma de
decisiones en el primero de describen los problemas clásicos de la dieta y de la mezcla.
2.4. Limitaciones de la programación lineal
Según (Erazo, 2009) Las limitaciones de la programación lineal son las siguientes:
No hay garantía de que se de soluciones enteras.

Las variables deben ser de entre 0 a 1.
Es un modelo determinístico y ni probabilístico
La función objetivo está limitada ser lineal.
No necesariamente alrededor se llega a la solución óptima.
En algunos casos las soluciones pueden ser deficientes.
No permite la incertidumbre.
Se asume que se conocer todos los coeficientes de las ecuaciones.
Existen técnicas más avanzadas de programación lineal (p. 26)
De lo manifestado por el autor una de las limitaciones que presenta la

programación lineal es que la función objetivo se sujeta a ser lineal y también las
restricciones, en algunos casos la programación lineal en su solución no puede ser
exacta, digamos si se quiere encontrar la solución en unidades en algunos casos va ser
exacta, pero al encontrar costos o utilidades no tienen hay ningún inconveniente, existen
métodos o técnicas más avanzas para dar las respectivas soluciones.
DEBER #1 - PRIMERA CONSULTA
Historia de la Investigación Operativa

13
Según (Palacios, 2010) A lo largo de la historia es frecuente encontrar una

estrecha colaboración entre científicos y militares con el fin de dictaminar la decisión
óptima en la batalla e intentar obtener la victoria. Es por esto que muchos expertos
en la materia consideran el inicio de la Investigación Operativa en el siglo III A.C.,
durante la II Guerra Púnica, con el análisis y solución que Arquímedes propuso para
la defensa de la ciudad de Siracusa, sitiada por los romanos. Entre sus inventos se
encontraban la catapulta, y un sistema de espejos con el que incendiaba las
embarcaciones enemigas al enfocarlas con los rayos del sol.
En 1503, Leonardo da Vinci participó como ingeniero en la guerra contra Pisa

ya que conocía técnicas para realizar bombardeos, construir barcos, vehículos
acorazados, cañones, catapultas, y otras máquinas bélicas. Otro antecedente de uso
de la Investigación Operativa se produce durante la Primera Guerra Mundial en
Inglaterra, con el estudio matemático de Frederick William Lanchester sobre la
potencia balística de las fuerzas opositoras. Además desarrolló, a partir de un sistema
de ecuaciones diferenciales, la Ley Cuadrática de Combate de Lanchester, con la que
era posible determinar el desenlace de una batalla militar en función de la fuerza
numérica relativa y la capacidad relativa de fuego de los combatientes.
Thomas Alva Edison también hizo uso de la Investigación Operativa,

contribuyendo en la guerra antisubmarina, desarrollando técnicas para que los navíos
pudiesen evadir y destruir los submarinos enemigos, dotándolos de una protección
anti-torpedos.
Desde el punto de vista matemático, en los siglos XVII y XVIII, Newton,

Leibnitz, Bernoulli y Lagrange, trabajaron en obtener máximos y mínimos
condicionados de ciertas funciones. El matemático francés Jean Baptiste-Joseph
Fourier esbozó métodos de la actual programación lineal. Y en los últimos años del
siglo XVIII, Gaspar Monge asentó los precedentes del método Gráfico gracias a su
desarrollo de la Geometría Descriptiva.
A finales del siglo XIX, Frederick Winslow Taylor realizó un estudio que
permitió maximizar el rendimiento de los mineros, en el que se determinaba que la
única variable realmente significativa era el peso combinado de la pala y su carga.
14
De esta forma se diseñaron palas según los diferentes tipos de materiales con los que
iban a utilizarse.
Sin embargo no se considera que ha nacido una nueva ciencia llamada

Investigación Operativa o Investigación de Operaciones hasta la II Guerra Mundial,
durante la batalla de Inglaterra. La Luftwaffe, Fuerza Aérea Alemana, estaba
sometiendo a este país a un fuerte acoso aprovechando la reducida capacidad aérea
británica debido a la política de desarme, aunque experimentada en el combate. El
gobierno británico, buscando algún método para defender su país, convocó
científicos de diversas disciplinas para tratar de resolver el problema y sacar el
máximo beneficio de los radares de reciente invención de que disponían. Gracias a
su trabajo determinando la localización óptima de las antenas y la mejor distribución
de las señales consiguieron duplicar la efectividad del sistema de defensa aérea y
evitar que la isla cayera en manos de la Alemania nazi.
También en 1942, la U-Bootswaffe alemana con su flota de submarinos U-Boot

inició un bloqueo a Gran Bretaña atacando convoyes de barcos cargados de
suministros procedentes de Estados Unidos e impidiendo que alcanzaran su destino.
El Grupo de Investigación de Operaciones de Guerra Antisubmarina de Estados
Unidos (ASWORG, Anti-Submarine Warfare Operations Research Group en inglés)
realizó representaciones matemáticas de dichos convoyes, teniendo en cuenta una
serie de restricciones y condiciones impuestas por la realidad, tales como la
velocidad máxima a la que podían desplazarse los navíos, la cantidad de suministros
que debían transportar, y el combustible necesario para alcanzar su destino
Tras apreciar el alcance de ésta nueva disciplina, Inglaterra creó otros grupos de
la misma índole para obtener resultados óptimos en la contienda. De la misma forma
Estados Unidos (EEUU), al unirse a la Guerra en 1942, comenzó a aplicar técnicas
de Investigación de Operaciones militarmente, y unos años más tarde, en 1947,
formó un grupo de trabajo dedicado a mejorar los procesos de planificación a gran
escala: el proyecto SCOOP (Scientific Computation Of Optimum Programs). En
dicho grupo se encontraba trabajando George Bernard Dantzig, quien desarrolló en
1947 el algoritmo del método Simplex.
15
Durante la Guerra Fría, la antigua Unión Soviética (URSS), excluida del Plan
Marshall, quiso controlar las comunicaciones terrestres, incluyendo rutas fluviales,
de Berlín. Para evitar la rendición de la ciudad, y su sumisión a formar parte de la
zona comunista alemana, Inglaterra y Estados Unidos decidieron abastecer la ciudad,
o bien mediante convoyes escoltados (lo que podría dar lugar a nuevos
enfrentamientos) o mediante puente aéreo, rompiendo o evadiendo en cualquier caso
el bloqueo de Berlín. Tras la Segunda Guerra Mundial, se estimó oportuno realizar la
organización de los recursos de Estados Unidos (energía, armamento, y todo tipo de
suministros) mediante modelos de optimización, resueltos mediante la Programación
Lineal.
Al mismo tiempo que la doctrina de la Investigación Operativa, se desarrollaron

también las técnicas de computación, las cuales permitieron una importante
reducción del tiempo de resolución de los problemas. El primer resultado de estas
técnicas se obtuvo en el año 1952, utilizando un ordenador SEAC del National
Bureau of Standars para obtener la solución de un problema.
Durante las décadas de los 50 y 60, creció el interés y el desarrollo de la

Investigación Operativa, debido a su aplicación en el ámbito del comercio y la
industria. Un ejemplo de esto es el problema del cálculo del plan óptimo de
transporte de arena de construcción a las obras de edificación de la ciudad de Moscú,
donde existían 10 puntos de origen y 230 de destino. Para resolverlo se utilizó un
ordenador Strena en el mes de junio de 1958, y después de 10 días de cálculos
produjo una solución que aportó una reducción del 11% de los gastos respecto a los
costes originales previstos.
APLICACIONES DE LA INVESTIGACIÓN DE OPERACIONES
La Investigación de Operaciones o Investigación Operativa es una

herramienta metodológica cuantitativa que nos permite la asignación óptima de
recursos escasos y en general apoyar de una forma eficiente el proceso de toma de
decisiones. La Investigación de Operaciones hace uso de modelos matemáticos con
el objetivo que las decisiones que éstos nos proveen sean significativamente mejores
en comparación a aquellas decisiones que se toman con una base cualitativa.
16
Organización Aplicación Año Ahorros

anuales
The Netherlands Desarrollo de la política nacional de 1985 $15
Rijkswaterstaat administración del agua, incluyendo millones
mezcla de nuevas instalaciones,
procedimientos de operaciones y costeo
Monsanto Corp. Optimización de las operaciones de 1985 $2
producción para cumplir metas con un millones
costo mínimo
Weyerhauser Co. Optimización del corte de árboles en 1986 $15
productos de madera para maximizar su millones
producción
Electrobas/CEPAL Asignación óptima de recursos hidráulicos 1986 $43
Brasil y térmicos en el sistema nacional de millones
generación de energía
United Airlines Programación de turnos de trabajo en 1986 $6
oficinas de reservaciones y aeropuertos millones
para cumplir con las necesidades del
cliente a un costo mínimo
Citgo Petroleum Optimización de las operaciones de 1987 $70
Corp. refinación y de la oferta, distribución y millones
comercialización de productos
SANTOS, Ltd., Optimización de inversiones de capital 1987 $3
Australia para producir gas natural durante 25 años millones
Electric Power Administración de inventarios de petróleo 1989 $59
Research Institute y carbón para el servicio eléctrico con el millones
fin de equilibrar los costos de inventario y
los riesgos de faltantes.
San Francisco Police Optimización de la programación y 1989 $11
Department asignación de oficiales de patrulla con un millones
sistema computarizado
LIMITACIONES DE LA INVESTIGACION DE OPERACIONES
Como la investigación de operaciones contiene un ámbito incierto por lo que no se

conoce la manera correcta de solucionar una cuestión, es decir cuando hay
desconocimientos y precisamente esto constituye la naturaleza del tema en cuestión.
En efecto tienen las siguientes limitaciones.
17
 No interpretar muy bien los datos requeridos relacionados con el area de las
matemáticas y sus afines. Es decir encontrarse con la realidad de que no existe
teoría preexistente y se presente un complejo camino matemático para lograr
las formas deseadas que solucionen la cuestión determinada.
 La falta de áreas interdisciplinares, nos referimos a una investigación que
busque en disciplinas diferentes aspectos necesarios requeridos en un tema
enmarcado en otra área del conocimiento.
Globalmente la limitación de la investigación de operaciones es la no existencia de la

teoría requerida, pero precisamente ese es el trabajo del investigador, por lo cual este
debe ser recursivo, tenas, apasionado en su labor, lleno de paciencia y sobre todo
nunca renunciar a la solución de su problema.
LA PROGRAMACIÓN LINEAL
La Programación Lineal corresponde a un algoritmo a través del cual se resuelven

situaciones reales en las que se pretende identificar y resolver dificultades para
aumentar la productividad respecto a los recursos (principalmente los limitados y
costosos), aumentando así los beneficios. El objetivo primordial de la Programación
Lineal es optimizar, es decir, maximizar o minimizar funciones lineales en varias
variables reales con restricciones lineales (sistemas de inecuaciones lineales),
optimizando una función objetivo también lineal.
El primer paso para la resolución de un problema de programación lineal consiste en

la identificación de los elementos básicos de un modelo matemático, estos son:
 Función Objetivo
 Variables
 Restricciones
El siguiente paso consiste en la determinación de los mismos, para lo cual proponemos

seguir la siguiente metodología:
LA FUNCIÓN OBJETIVO
18
 La función objetivo tiene una estrecha relación con la pregunta general que se
desea responder. Sí en un modelo resultasen distintas preguntas, la función
objetivo se relacionaría con la pregunta del nivel superior, es decir, la pregunta
fundamental.
LAS VARIABLES DE DECISIÓN
 Similar a la relación que existe entre objetivos específicos y objetivo general se

comportan las variables de decisión respecto a la función objetivo, puesto que
estas se identifican partiendo de una serie de preguntas derivadas de la
pregunta fundamental. Las variables de decisión son en teoría factores
controlables del sistema que se está modelando, y como tal, estas pueden tomar
diversos valores posibles, de los cuales se precisa conocer su valor óptimo, que
contribuya con la consecución del objetivo de la función general del problema.
LAS RESTRICCIONES
 Cuando hablamos de las restricciones en un problema de programación lineal,

nos referimos a todo aquello que limita la libertad de los valores que pueden
tomar las variables de decisión.
MAXIMIZAR O MINIMIZAR UNA FUNCIÓN
Maximizar o minimizar una función objetivo, obtener el beneficio máximo y el gasto

mínimo. Ejercicios y problemas resueltos de programación lineal para 2º de
Bachillerato de Ciencias Sociales.
Maximizar o minimizar una función objetivo: Optimizar un problema para maximizar

el beneficio y minimizar el gasto. Pasos
 Planteamiento del problema

- Tabla con los datos del enunciado
- Expresamos con ecuaciones e inecuaciones lineales la información
descrita.
 Resolvemos el problema usando el método analítico
- Representamos las restricciones.
19
- Calculamos las coordenadas de los puntos de la región factible.

- Sustituimos estos puntos en la función objetivo para ver la solución.
En este problema tenemos que plantear una función objetivo para maximizar el
beneficio y otra función objetivo para minimizar el consumo.
EJEMPLO DE RESOLUCIÓN DE UN PROBLEMA DE PROGRAMACIÓN

LINEAL
Una campaña para promocionar una marca de productos lácteos se basa en el

reparto gratuito de yogures con sabor a limón o a fresa. Se decide repartir al menos
30000 yogures.
Cada yogur de limón necesita para su elaboración 0.5 gramos de un producto de

fermentación y cada yogur de fresa necesita 0.2 gramos de este mismo producto. Se
dispone de 9 kilogramos de este producto para fermentación. El costo de producción
de un yogurt de limón es de Q 30 y Q. 20 uno de fresa.
En los dos ejemplos descritos está claro que tanto la cantidad que deseamos maximizar
como la cantidad que deseamos minimizar, podemos expresarlas en forma de
ecuaciones lineales. Por otra parte, las restricciones que imponen las condiciones de
ambos problemas se pueden expresar en forma de inecuaciones lineales.
Planteamientos
1) Si designamos por x al número de sacos de pienso de clase P y por y el número

de sacos de pienso de clase que se han de vender, la función: Z = 300x +
800y representará la cantidad de quetzales obtenidas por la venta de los sacos,
y por tanto es la que debemos maximizar.
Podemos hacer un pequeño cuadro que nos ayude a obtener las restricciones:
Por otra parte, las variables x e y, lógicamente, han de ser no negativas, por tanto: x
0, y 0
20
Conjunto de restricciones:
8x + 10y 80
2x + 5y 25
x 0, y 0
2) Si representamos por x el número de yogures de limón y el número de yogures

de fresa con Y, se tiene que la función de coste es Z = 30x + 20y
Por otra parte, las condiciones del problema imponen las siguientes restricciones:
De número: x + y 80
De fermentación: 0.5x + 0.2y 9000
Las variables x e y han de ser, lógicamente, no negativas; es decir: x 0,

y 0
Conjunto de restricciones:
x + y 80
0.5x + 0.2y 9000
x 0, y 0
EL PROBLEMA
La fábrica de Hilados y Tejidos "SALAZAR" requiere fabricar dos tejidos de calidad

diferente T y T’; se dispone de 500 Kg de hilo a, 300 Kg de hilo b y 108 Kg de hilo c.
Para obtener un metro de T diariamente se necesitan 125 gr de a, 150 gr de b y 72 gr
de c; para producir un metro de T’ por día se necesitan 200 gr de a, 100 gr de b y 27 gr
21
de c. El T se vende a $4000 el metro y el T’ se vende a $5000 el metro. Si se debe

obtener el máximo beneficio, ¿cuántos metros de T y T’ se deben fabricar?
PASO 1: "FORMULAR EL PROBLEMA"
Para realizar este paso partimos de la pregunta central del problema.
¿Cuántos metros de T y T’ se deben fabricar?
Y la formulación es:
“Determinar la cantidad de metros diarios de tejido tipo T y T’ a fabricar teniendo en

cuenta el óptimo beneficio respecto a la utilidad”.
PASO 2: DETERMINAR LAS VARIABLES DE DECISIÓN
Basándonos en la formulación del problema nuestras variables de decisión son:
XT: Cantidad de metros diarios de tejido tipo T a fabricar
XT’: Cantidad de metros diarios de tejido tipo T’ a fabricar
PASO 3: DETERMINAR LAS RESTRICCIONES DEL PROBLEMA
En este paso determinamos las funciones que limitan el problema, estas están dadas
por capacidad, disponibilidad, proporción, no negatividad entre otras.
De disponibilidad de materia prima:
0,125XT + 0,200XT’ <= 500 Hilo “a”

0,150XT + 0,100XT’ <= 300 Hilo “b”
0,072XT + 0,027XT’ <= 108 Hilo “c”
De no negatividad XT, XT’ >= 0
PASO 4: DETERMINAR LA FUNCIÓN OBJETIVO

22
En este paso es de vital importancia establecer el contexto operativo del problema para
de esta forma determinar si es de Maximización o Minimización. En este caso
abordamos el contexto de beneficio por ende lo ideal es Maximizar.
Función Objetivo
ZMAX = 4000XT + 5000XT’
PASO 5: RESOLVER EL MODELO UTILIZANDO SOFTWARE O MÉTODOS

MANUALES
A menudo los problemas de programación lineal están constituidos por innumerables

variables, lo cual dificulta su resolución manual, es por esto que se recurre a software
especializado, como es el caso de WinQSB, TORA, Lingo o para modelos menos
complejos se hace útil la herramienta Solver de Excel.
El anterior ejercicio fue resuelto mediante Solver - Excel, y su resultado fue:
BIBLIOGRAFÍA
 https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/investigaci%C3%B3n-de-operaciones/programaci%C3%B3n-lineal/
 https://invdoperaciones.wordpress.com/limitaciones/
23
 http://www.investigaciondeoperaciones.net/aplicaciones_de_la_investigacion_
de_operaciones.html
 http://www.phpsimplex.com/historia.htm
2.5. Ejemplos de maximización y minimización
a. Maximización: Cuando se trata de problemas de maximización la solución está

determinada por la región inferior formada por un polígono convenzo z(máx.)
c1x1+ c2x2 utilizan expresiones como menor igual, igual o mayor igual según las
necesidades técnicas de producción.
La Compañía ECASA está produciendo dos clases de refrigeradoras, tipo A y tipo B.

De estudios hechos sobre las necesidades del país, se estima que para el próximo año
los requerimientos de estos dos tipos de refrigeradoras serán:
-Un máximo de 80.000 unidades de A
-Un máximo de 120.000 unidades de B
La utilidad que, cada refrigeradora le deja a la empresa es: 15 dólares por unidad de A y
30 dólares por unidad de B. Cuántas unidades de A y cuántas de B deben producirse
para que ECASA alcance la máxima utilidad anual, si sólo se dispone de:
10.000 unidades de hierro
16.000 unidades de fibra de vidrio
14.000 unidades de aluminio
Considerando que la composición de estas refrigeradoras debe ser la siguiente:
A = 10% de hierro, 12% de fibra de vidrio, 7% de aluminio
B = 5% de hierro, 10% de fibra de vidrio, 10% de aluminio
Función Objetivo
Z(máx.) = 15X1 + 30X2
Restricciones
Recursos 0,10 X1 + 0,05 X2 ≤10.000
Hierro 0,12 X1 + 0,10 X2 ≤ 16.000
Fibra de aluminio 0,07 X1 + 0,10 X2 ≤14.000
Demanda de A X1≤ 80.000
Demanda de B X2 ≤120.000
Solución grafica
24
Interpretación
La solución es que cuando se produce 28571 unidades de A y 120000 unidades de B la
utilidad de la empresa será de 4028565.00 dólares.
La primera restricción no está ocupando la disponibilidad de hierro por 1142.9 unidades
de hierro.
La segunda restricción la capacidad de hierro no está siendo ocupada en su totalidad.
La tercera restricción está siendo ocupada en su totalidad.
La demanda de A no está cumpliendo con las especificaciones del mercado.
La demanda de B está siendo ocupada en su totalidad.
b. Minimización: Se pueden resolver problemas de minimización, se utilizan la

expresión mayor igual para las desigualdades, el problema de ajusta a identificar
un punto que minimice la función objetivo.
25
Una compañía química está diseñando una planta para producir dos tipos de minerales
M y N. La planta debe ser capaz de producir al menos 100 unidades de M y 420
unidades de N cada día. Existen dos posibles diseños para las cámaras principales de
reacción que vienen incluidas en la planta. Cada cámara de tipo A cuesta 600 mil
dólares y es capaz de producir 10 unidades de M y 20 unidades de N por día; el tipo B
es un diseño más económico, cuesta 300 mil dólares y es capaz de producir 4 unidades
de M y 30 unidades de N por día. A causa de los costos de operación, es necesario tener
al menos 4 cámaras de cada tipo en la planta. ¿Cuántas cámaras de cada tipo deben ser
incluidas para minimizar el costo de constitución y satisfacer el programa de producción
requerido?
Variables de decisión
X1 = Cámaras tipo A
X2 = Cámaras tipo B
Función objetivo
Z(min) = 600X1 + 300X2
Restricciones
Cámara tipo A X1 ≥ 4
Cámara tipo B X2 ≥ 4
Producción mineral M 10X1 + 4X2 ≥100
Producción mineral N 20X1 + 30X2 ≥ 420
Variables de no negatividad
X; X2 ≥ 0
Solución grafica
26
Interpretación
La compañía debe que elaborar 6 minerales de tipo M y 10 minerales de tipo N para que
el costo mínimo sea de 6.600 dólares
La primera restricción tiene un excedente.
La segunda restricción tiene un excedente.
La tercera restricción está a su capacidad total.
La cuarta restricción está a su capacidad total
2.5.1. Ejercicio en clase
Una fábrica se dedica a la elaboración de calzado, para elaborar zapatos de hombre

utiliza 3 piezas de cuero y para elaborar zapatos de mujer utiliza 2, hay como mínimo
100 piezas de cuero disponibles. Para elaborar zapatos de hombre utiliza 4 libras de
suela y para elaborar zapatos de mujer utiliza 3 libras de suela, se tiene disponible por lo
menos 120 libras de suela. Para armar los zapatos se utiliza 1/8 de litro en zapatos de
hombre y 1/10 de litro en zapatos de mujer, se dispone de por lo menos 50 litros de
pega.
27
 Calzado de hombre: H
 Calzado de mujer: M
Materiales Calzado de Hombre Calzado de Mujer Disponibilidad

Cuero 3p2 2p2 100p2
Suela 4lbs 3lbs 120lbs
Pega 1/8 litros 1/10 litros 50 litros
Disponibilidad de cuero 3H + 2M ≥100
Disponibilidad de suela 4H + 3M ≥120
Disponibilidad de pega 1/8H + 1/10M ≥ 50
2.6. Conceptos básicos de programación lineal
a. Linealidad: Todo proceso, actividad o relación lineal utilizada se identifica con

la cantidad unitaria de cada uno de los factores con respecto a los demás y a las
cantidades de cada uno delos productos.
b. Infactibilidad: Cuando un problema no tiene una posible solución
c. Limitación: No hay polígono de solución y no tiene límites
d. Redundancia: No cambia o influye en el punto o solución optima
e. Optimas alternativas: Un problema puede tener múltiples soluciones
f. Finitud: Cantidades Finitas (Cantidades que tienen límites)
g. Aditividad: Los términos pueden sumarse o restarse, simplificarse o
multiplicarse
h. Divisibilidad: Los procesos pueden utilizarse en extensiones positivas divisibles
mientras se disponga de recursos.
i. Finitud: Hay que definir tanto el número de procesos identificados cuanto los
resultados disponibles deberán corresponder a cantidades finitas, esto es
conocidas y cuantificadas en forma determinada, es decir valores pasados
(datos) para hacer proyecciones en investigación operativa no se habla de
cantidades infinitas ya que en una empresa no se cuentan con recursos infinitos.
j. Algoritmos o iteraciones: Es decir aproximaciones sucesivas, ensayos, intentos
en los cuales se determinan pasos o etapas hasta llegar a un objetivo deseado.
28
2.7. Problema General de la Programación Lineal
El problema de la programación lineal se presenta por los limitados recursos que

se tratan de distribuir en la mejor forma. Los recursos que a la vez son limitados pueden
ser distribuidos en formas como combinaciones matemáticas permitan realizarlos y
relacionarlos con el mismo objetivo, de ahí que es necesario distribuirlos
adecuadamente en forma equilibrada y armónica entre los factores que intervienen en el
problema.
Los problemas de programación lineal resueltos por cualquiera de las técnicas deben
cumplir los siguientes requisitos.
a. Función Objetiva
Hay 2 alternativas:
-Maximización
-Minimización
z(máx.) = C1X1 + C2X2 + C3X3 +……..CnXn
z(min) = C1X1 + C2X2 + C3X3 +……..CnXn
En donde C1, C2, C3… en son los coeficientes de la función objetivo que pueden ser
costos, utilidades, margen de utilidad, satisfacción entre otros.
X1, X2, X3… Xn, son las variables de decisión del problema.
b. Limitaciones o Restricciones:
Son el conjunto de ecuaciones o inecuaciones que expresan las condiciones infinitas

del problema, denominadas también coeficientes técnicos de producción, tecnológicos,
de transporte, entre otros según el caso de estudio, y se representa de la siguiente forma:
A11X1 + A12X2 + A13X3 + ……..A1nXn T1b1

A21X1 + A22X2 + A23X3 +……..+ A2nXn T2b2
A31X1 + A32X2 + A33X3 +………..+ A3nXn T3b3
An1X1 + An2X2 + An3X3 + ……….AnnXn Tnbn
Dónde:
29
 A11, A12, A13, Anm son los coeficientes técnicos de las restricciones del
problema.
 X1, X2, X3, Xn son las variables del problema.
 T1, T2, T3, Tn son la relación entre los coeficientes y las variables y los términos
independientes que pueden ser ≤, ≥ ó =.
 B1, B2, B3, Bn: Términos Independientes a las disponibilidades.
c. Variables de no negatividad:
Son las variables que intervienen en el problema X1; X2; X3; Xn pero deben ser
mayores a ≥ 0
X1; X2; X3; Xn ≥ O
No existen respuestas negativas
d. Condiciones de optimización
Se va determinando por aproximaciones sucesivas estas pueden ser:

 Solución básica o zona factible o zona básica: Esta solución satisface las
limitaciones y restricciones.
 Solución Básica Factible: Es aquella que satisface tanto a las limitaciones o
restricciones como a la función objetivo (Punto Óptimo).
2.7. Ejercicios de aplicación de la programación lineal
Electra produce dos tipos de motores eléctricos, cada uno en una línea de ensamble
separada. Las respectivas capacidades diarias de las dos líneas son de 600 y 750
motores. El motor tipo 1 emplea 10 unidades de cierto componente electrónico y el
motor tipo 2 solo utiliza 8 unidades. El proveedor del componente puede proporcionar
8000 piezas al día. Las utilidades por motor para los tipos 1 y 2 son de 60 y 40 dólares,
respectivamente.
a. Determine la mezcla óptima para la producción diaria
Variables de no negatividad:
30
x1: número de unidades de motor 1 a producir

x2: número de unidades de motor 2 a producir
Función objetivo:
Z (máx.) = 60x1+40x2
Restricciones
Capacidad de motor tipo 1 x1≤ 600

Capacidad de motor tipo2 x2≤750
Disponibilidad de componente electrónico 10x1+8x2≤8000
Solución grafica
31
Interpretación
Se debe producir 600 motores de tipo 1 y 250 motores de tipo 2 para generar una
utilidad de 46000 dólares.
La primera restricción esta su capacidad total.

La segunda restricción no está ocupando toda su capacidad, tiene un disponible
causando una holgura.
La tercera restricción está siendo ocupada en su totalidad.
2.7.1. Apuntes de la clase
a. Función Objetivo
De acuerdo (Gómez, 2009) “Se trata de la función que mide la calidad de la

solución y que hay que optimizar (maximizar un beneficio o minimizar un coste.
También es una función lineal de todas o parte de las variables de decisión.”
La función objetivo viene establecida de acuerdo a las unidades monetarias,

producto o valor que se desea conocer su valor máximo o mínimo de acuerdo al campo
de aplicación del problema y de acuerdo a esta se establece la solución que cumpla con
todos los requerimientos. Se formula de la siguiente manera:
Z (máx.) = C1X1 + C2X2  C3X3 …….+ CnXn
Z (min.) = C1X1 + C2X2  C3X3 ……..+ CnXn
Dónde:
Cn: corresponde a los coeficientes de la función objetivo.

Xn: corresponde a las variables planteadas en el problema.
b. Variables de decisión
32
Son los elementos sobre los cuales se formulará la solución, están pueden
establecerse, por ejemplo: tipo de producto, materia prima, entre otros.
c. Restricciones
Las restricciones son las condiciones que hemos de imponer a las variables para que una
solución sea admisible como tal. Las restricciones establecen limitantes para la posible
solución del problema, están expresan la disponibilidad, número, costo, tiempo de las
variables a evaluar. Por ejemplo: el número de horas mínima para la fabricación de un
producto, la demanda, la materia prima disponible, entre otros. Vienen expresadas de la
siguiente manera:
𝐴 1 1 𝑋1 + 𝐴 12 𝑋2 + 𝐴13 𝑋3 … . . +𝐴1 𝑛 𝑋𝑛 𝑇1 𝑏1
𝐴2 1 𝑋1 + 𝐴 22 𝑋2 + 𝐴23 𝑋3 … . . +𝐴2𝑛 𝑋𝑛 𝑇2 𝑏2
𝐴𝑚 1 𝑋1 + 𝐴 𝑚2 𝑋2 + 𝐴𝑚3 𝑋3 … . . +𝐴𝑚𝑛 𝑋𝑛 𝑇𝑚 𝑏𝑚
Dónde:
Amn: corresponde a los coeficientes de la restricción.

Xn: las variables del problema sobre la que se plantea la restricción.
Tm: relaciones establecidas para la restricción.
bm: se refiere a las variables independientes
d. Relaciones
Están pueden expresarse gramaticalmente como: más, menos, cuando mucho, al menos,
como mucho, disponible, total. Se representan mediante los signos:
,  ,  ,  , 
e. Variables de no negatividad
Abarcan todas las variables planteadas por los problemas, también son conocidas
como condiciones de signo. Se expresa:
X1, X2, X3,….., Xn ≥ 0

33
f. Condiciones de optimización
Se refiere a la posible solución del problema y los valores que pueden tomas las
variables para optimizar o minimizar la solución. De acuerdo (Erazo, 2009) existen
cuatro tipos de soluciones, estás pueden ser:
Soluciones factibles/infactibles: Una solución factible de un problema es una

solución que satisface todas sus restricciones. En caso contrario se dice que es
una solución infactible.
Soluciones interiores/de frontera: Una solución factible de un problema es una
solución de frontera si cumple alguna de las restricciones con igualdad (y en tal
caso se dice que satura la restricción, o que la restricción está activa en dicha
solución). En caso contrario, es decir, si la solución cumple todas las
restricciones con desigualdad estricta se dice que es una solución interior.
Soluciones óptimas: Una solución factible es un máximo global de un problema
si en ella la función objetivo toma un valor mayor o igual que en cualquier otra
solución factible será un máximo global estricto si en ella la función objetivo es
mayor que en cualquier otra solución factible.
Óptimos locales: Un máximo local de un problema de optimización es una
solución factible x en la que la función objetivo es mayor o que sobre cualquier
otra solución factible y que este suficientemente próxima a x.
g. Formulación de un modelo de programación lineal
De acuerdo a Ruz, J. (2010). El paso recomendable a seguir para la formulación de un

modelo en programación lineal debe seguir los siguientes pasos:
1) Determinación de las variables de decisión: Representan los elementos del

sistema a modelar que son controlables por el decisor. En los modelos
lineales continuos estas variables toman como valores números reales y se
representan por letras con subíndices.
2) Determinación de las restricciones: Representan las limitaciones prácticas
de determinados recursos o imposiciones físicas de la realidad. Se expresan
como ecuaciones e inecuaciones lineales de las variables de decisión.
3) Formulación de la función objetivo: Se trata de la función que mide la
calidad de la solución y que hay que optimizar (maximizar un beneficio o
minimizar un coste)
4) Optimización: se evalúa las posibles soluciones en la función objetivo
determinando asi que solución llega a maximizar o minimizar la función.
De lo manifestado por el autor la formulación del modelo matemático debe que

cumplir debe con las restricciones planteadas en el ejercicio, la función objetivo estará
en función a lo que se planteó, si bien maximizar o minimizar para encontrar el punto
34
óptimo o solución básica con lo cual la empresa o el gerente pobra tomar las debidas
decisiones en función que mejore la eficacia de la empresa.
2.7.2. Ejercicios en clase
a. Suponga que se dispone de determinadas piezas para la elaboración de 2

productos finales. Se dispone de 8 piezas pequeñas y 6 piezas grandes que son
utilizadas para elaborar sillas. Una mesa utiliza 2 piezas de cada tipo y una silla
utiliza 2 piezas pequeñas y una pieza grande. Me interesa decidir cuantas sillas y
cuantas mesas fabricar de modo que pueda tener la máxima utilidad, sabiendo
que una silla me deja un beneficio de $10 y cada mesa fabricada me deja una
utilidad neta de $20.
x1: sillas
x2: mesas
Función objetivo
Z (máx.) 20x1+10X2
Restricciones
2X1+X2 ≤ 6 Disponibilidad de piezas grandes
2X1+2X2 ≤ 8 Disponibilidad de piezas pequeñas
X1; X2 ≥ 0
Abstracciones
1.- 2X1+X2 = 6
X1= 3
X2= 6 P (3,6)
2.- 2X1+2X2 =8
X1= 4
X2= 4 P (4,4)
35
Solución grafica
Interpretación
Esta empresa para obtener el máximo beneficio debe producir 2 mesas y 2 sillas por lo
cual se ha consumido todas las piezas grandes y pequeñas en la elaboración.
La primera restricción está siendo ocupada su disponible a su totalidad
La segunda restricción está siendo ocupada en su totalidad, no hay holgura.
b. Consiste en mantener una dieta, de manera eficiente a partir de un conjunto de

alimentos, de modo que satisfaga ciertos requerimientos especiales. Suponga
que tiene la siguiente información:
Leche Legumbres Naranjas Requerimientos

(Galón) (Porción) (Unidades) Nutricionales
Nianina 3,2 4,9 0,8 13
Tiamina 1,12 1,3 0,19 15
Vitamina C 32 0 93 45
Coto 2 0,2 0,25
Variable de decisión:
Leche: X1
Legumbres: X2
36
Naranjas: X3
Función Objetivo: Z (min)= 2𝑋1 + 0,2𝑋2 + 0,25𝑋3
Restricciones:
Requerimiento de Nianina 3,2𝑋1 + 4,9𝑋2 + 0,8𝑋3 ≥ 13

Requerimiento de Tiamina 1 12𝑋1 + 1,3𝑋2 + 0,19𝑋3 ≥ 15
Requerimiento de Vitamina C 32𝑋1 + 0𝑋2 + 93𝑋3 ≥ 45
Solución:
Atreves del método simplex
2.7.3. Ejercicios del deber 1
a. Una compañía que funciona 10 horas al día fabrica dos productos en tres
procesos secuenciales. En la siguiente tabla se resumen los datos
MINUTOS POR UNIDAD

PRODUCTO PROCESO PROCESO PROCESO UTILIDAD
1 2 3 MONETARIA
1 10 6 8 2
2 5 20 10 3
Determine la condición óptima de los dos productos.
X1= producto 1
X2= producto 2
Función objetiva
Z (máx.) = 2X1+3X2
Restricciones
Disponibilidad tiempo proceso 1 10X1+5X2 ≤ 600

37
Solución algebraica
Ecuación 1 y 2
10X1= 600 - 5X2
6X1= 600 - 20X2
600 - 20X2 = 600 - 20X2
10 6
3600 - 30 X2 = 600 – 200 X2
170 X2 = 2400
X2 = 14,12
Remplazamos en la ecuación 1
10 X1 + 5 (14,12) = 600
10 X1 = 529,4
X1 = 52,94
Función objetiva
Z (máx.) = 2X1+3X2
Z (máx.) = 2(52,94) +3 (14,12) = 148.24
Solución grafica
38
Interpretación
La compañía debe fabricar 52, 94 unidades del producto 1 y 14,12 del producto 2 para
alcanzar una utilidad máxima de 148.24 dólares.
La primera restricción 10X1+5X2 ≤ 600 no se produce un excedente en la disponibilidad
del tiempo del proceso 1; es decir: 600≤600.
Al igual que la segunda restricción 6X1+20X2 ≤ 600 perteneciente al proceso 2.
En la tercera restricción 8X1+10X2 ≤ 600 no se consume en su totalidad los 600 minutos
que funciona la fábrica al día: 8(52,94) + 10(14,12) =423.52+141.17= 564.69; 564.69 ≤
600 lo cual nos da una disponibilidad de 35.31 minuto del proceso 3.
b. Alumco fabrica láminas y varillas de aluminio. La capacidad de producción
máxima se estima en 800 láminas o 600 varillas por día. La demanda diaria
es de 550 láminas y 580 varillas. El beneficio por tonelada es de $40 por
lámina y de $35 por varilla. Determine la combinación de producción diaria
y realice un análisis del problema planteado.
x1 = láminas
x2 = varillas de aluminio
Función objetiva
𝑍(max) = 40𝑥1 + 35𝑥2
Restricciones
39
𝑥1 𝑥 2
Capacidad de producción + 600 ≤1
800
Demanda de lamino 𝑥1 ≤ 550

Demanda de varilla 𝑥2 ≤ 580
𝑥1 ; 𝑥2 ≥ 0
Solución gráfica:
Interpretación:
Alumco debe producir 550 láminas por día y 187,50 de varilla de aluminio por día para
obtener una utilidad de 28562.50 dólares.
optimizando su utilidad al máximo dando como resultado su mayor utilidad en la

empresa con estas unidades producidas.
La capacidad utilizada en el proceso de láminas es el 100% de su totalidad por lo cual la

demanda de láminas está cubierta en su completamente siendo eficiente su producción.
La capacidad utilizada en varillas de la cual está cubierta es de 187.50 ≤ 580 debido a

que la demanda de láminas ya está cubierta en su totalidad.
40
La holgura es de 391 unidades que falta para cubrir la demanda de varillas de aluminio
es decir que falta 391 unidades para completar las 580 unidades establecidos para la
demanda de varillas.
Se sugiere aumentar la capacidad de producción para poder cubrir la demanda tanto de

láminas como varillas y que la empresa Alumco pueda incrementar su utilidad en sus
dos productos.
c. Una compañía que funciona, 10 horas al día fabrica 2 productos en tres

procesos secuenciales: la siguiente tabla resumen los datos del problema.
Minutos por unidad
Utilidad Producto Precio 1 Precio 2 Precio 3

unitaria
$2 1 10 6 8
$3 2 5 20 10
Determine la combinación óptima de los dos productos
Producto 1 = x1
Producto 2 = x2
Función objetiva
Z (max.) = 2X1 + 3X2
Restricciones
Disponibilidad de precio 1: 10 X1+ 5X2 ≤ 600
Disponibilidad de precio 2: 6 X1+ 20X2 ≤ 600
Disponibilidad de precio 3: 8X1+ 10X2 ≤ 600
Variable de la no negatividad
X1, X2 ≥ 0
Solución gráfica
41
Interpretación
La fábrica tiene que producir 52,94 del producto uno y 14,13 de producto 2 para tiene
una utilidad de 148,27 de ganancia para la fábrica.
En la primera restricción 10 (52,94) + 5(14,13) ≤ 600 dando como resultado 600 ≤ 600
esto significa que está produciendo en su totalidad.
La segunda restricción se está produciendo en su totalidad.
En la tercera restricción 8(52,94) + 10 (14,13) ≤ 600 dio como resultado 562 ≤ 600 que
no está trabajando todos los recursos en la producción.
d. ALUMCO fabrica laminas y barriles de aluminio la capacidad de producción

máxima se estima en 800 láminas o 600 por día, la demanda diaria es de 550
láminas y 850 barriles la utilidad por tonelada es de $40 por lamina y $35
42
por barril. Determine la combinación de producción óptima diaria y realice

un análisis del problema planteado.
X1= Laminas
X1= Barriles
Función objetivo
Z (max)= 40x2 + 35x2
Restricciones
Demanda de láminas x1 ≤ 550

Demanda de varillas x2 ≤ 580
Capacidad de producción 1/800 x1+1/600 x2 ≤1
Solución grafica
Interpretación
ALUMCO debe fabricar o producir 550 láminas y 188 varillas para que de esta manera
se pueda maximizar la utilidad a $28562,50.
En la primera restricción se la demanda de las laminas no está cubierta en su totalidad.
Se tiene que cubrir la demanda de barrilla debiendo cubrir la demanda de producción,
ya que se tiene una holgura de 392 (580-188)
43
e. Suponga que tratamientos medicinales por radiación están disponibles y cada

onza contiene 500 unidades curativas y 400 unidades toxicas. Cada minuto
de radiación proporciona 1000 unidades curativas y 600unidades toxicas. El
paciente requiere al menos de 2000 unidades curativas y puede tolerar nomas
de 1400 unidades toxicas; si cada onza de medicina provoca el mismo
malestar que cada minuto de radiación. Determine la dosis de medicamento
y radiación de modo que el malestar en el paciente sea mínimo.
Variables de Decisión
Radiación = x1
Curativas = x2
Restricciones
Medicamento Radiación
Unidades
500X1 1000X2 ≥ 2000
curativas
Unidades
400X1 600X2 ≤ 1400
toxicas
Función Objetivo
Z (min)= 1000X1+600X2
Variable de No negatividad
X1; X2 ≥ 0
Solución grafica
Análisis
Interpretación
44
La dosis a suministrar de modo que el malestar en el paciente sea mínimo seria 2

tratamientos medicinales y uno de radiación pudiendo soportar 2000 unidades
medicinales y 600 unidades toxicas.
Las unidades curativas están copadas en su totalidad al igual que las unidades toxicas
que se encuentran copadas totalmente; el paciente está recibiendo 1400 unidades toxicas
que es lo máximo que puede soportar; y 2000 unidades curativas.
2.7.4. Ejercicios del deber 2
74. Una fábrica produce dos tipos de camisas A y B, las camisas tipo A requiere 2.5
min para cortarlas y 5 min para confeccionarlas, las de tipo B requieren 4 min
para cortarlas y 4 min para confeccionarlas. Se dispone de 1 hora y 40 min para
corte y 2 horas para confeccionar. El beneficio es de $2.50 para cada camiseta
tipo A y $3 para cada camiseta tipo B. ¿Cuántas camisas de cada clase debe
producirse para obtener la máxima ganancia?
Variables de decisión.
Camisa A = X1
Camisa B= X2
Función Objetivo
Z(max) = 2.5X1 + 3X2
Restricciones o limitaciones
Disponibilidad de Corte 2.5X1 + 4X2 ≤ 100

Disponibilidad de Confección 5 X1 + 4 X2 ≤ 120
Variable de No Negatividad.
X1, X2 ≥ 0
Solución grafica
45
46
a) Interpretación:
La fábrica de camisas debe producir 8 camisas de tipo A y 20 camisas de tipo B para así
maximizar sus ganancias con 80 unidades monetarias.
La disponibilidad del departamento de corte esta utilizado en su totalidad por lo que no

hay disponibilidad para que se siga corta las camisetas.
La disponibilidad del departamento de confección esta utilizado en su totalidad, ya que

la disponibilidad de corte ya se ocupó totalmente y por ende no hay disponibilidad de
cortado de las camisas tipo A ni de B.
75. Un laboratorio farmacéutico desea preparar un tónico de tal manera que cada
frasco contenga al menos 32 unidades de vitamina A, 10 de vitamina B y 40 de
vitamina C .Para suministrar estas vitaminas, el laboratorio emplea el aditivo
X1, a un costo de 2dólares por onza, el cual contiene 15 unidades de vitamina
A, 2 de B y 4 de C; un aditivo X2 a un costo de 4 dólares por cada onza, que
contiene 4 unidades de vitamina A, 2 de B y 14 de C. ¿Cuántas onzas de cada
aditivo se deben incluir en el frasco para minimizar el costo?
Aditivo= x1
Aditivo = x2
Función objetivo
Z(min)=2X1 + 4X2
Restricciones
15X1+4X2 ≥32
2X1+2X2 ≥10
4X1+14X ≥ 40
Variable de no negatividad
x1, x2≥ 0
47
Solución grafica
Interpretación
El laboratorio debe asignar 3 onzas de aditivo X1 y 2 onzas de aditivo X2 para que

pueda minimizar sus costos en la fabricación del tónico
Se recomienda al laboratorio farmacéutico elaborar más productos para que puedan

generar más utilidad, ya que mientras más productos de cada vitamina elaboren sus
ventas se elevarán cada vez más y más, el costo de fabricación se reducirá ya se para la
elaboración de los mismo al adquirir los ingredientes necesarios será más conveniente y
lógicamente al vender el producto final las ganancias serán beneficiosas para el
laboratorio farmacéutico.
76. Una compañía produce dos tipos de pantalones A y B cada pantalón tipo A
requiere el doble de mano de obra del tipo B se debe producir por lo menos 250
pantalones combinados , el mercado limita la venta diaria de pantalones tipo
A un máximo de 75 y los de clase B a un total de 125 pantalones .Lo
beneficiado por pantalón son $6 tipo A y $4 para el tipo B .Determine el
número de pantalones de cada clase que maximice sus beneficios .
48
Pantalón A = x1
Pantalón B = x2
RESTRICCIONES
Producción de pantalones combinados 2X1+X2≥250

Venta Límite de A X1≤75
Venta límite de B X2=125
Función objetivo
Z(max)=6X1+4X2
x1, x2≥0
Solución gráfica
49
Interpretación
La compañía debe producir 75 pantalones de tipo A y además 125 pantalones tipo B

para obtener una utilidad máxima de $950.
La producción de pantalones combinados produjo 25 unidades más de la producción

planteada inicialmente.
La venta de los pantalones tipo A llegó a su límite completando así las 75 unidades
disponibles
La venta de los pantalones tipo B al igual que del tipo A completó su límite en 125
unidades. La compañía ha completado todos los requerimientos de forma exitosa por lo
que se recomendaría seguir aumentando producción para obtener más utilidades.
77. Dos productos tienen el siguiente proceso. Hay un taller que lo más que puede
hacer es 200 productos de tipo A o 100 del tipo B por día. El taller de pintura
tiene una capacidad diaria de 120 productos del tipo A o 160 del tipo B.
También el tratamiento técnico puede procesar un total de 90 artículos del tipo
A por día. El producto A tiene una utilidad de 4 dólares y el producto B de 6
dólares. Determinar la producción óptima que maximice los beneficios.
Taller por día Taller pintura por Tratamiento

día técnico
A 200 120 90
B 100 160
𝑋1 = A
𝑋2 = B
𝑋1 ; 𝑋2 ≥ 0
Función objetivo
Z (máx.) = 4𝑋1 +6𝑋2
Restricciones
𝑋1 𝑋 2
Capacidad del taller + 100 ≤1
200
50
𝑋1 𝑋2
Capacidad del taller de pintura + 160 ≤1
120
Capacidad del tratamiento técnico 𝑋1 = 90

Solución gráfica
Se debe producir 90 artículos de tipo A y 40 artículos de tipo B para maximizar los

beneficios a 600 dólares.
La primera restricción no está cubierta en su totalidad y existe un faltante de 0,15 para
completar la capacidad del taller.
La segunda restricción está cubierta en su totalidad, toda la capacidad del taller de
pintura.
La tercera restricción cumple en su totalidad.
74. Se producen dos artículos A y B los mismos que son procesados por tres
máquinas M1, M2 y M3. La máquina 1 procesa 0,5 unidades de A y 0,5 de B;
M2 procesa 1 de A y 0,5 de B; M3 procesas 0,5 de A y 2 de B. Se dispone al
menos de 65 horas semanales para M1, 95 para M2 y 100 para M3. El costo de
A es de 3 dólares y 5 dólares el de B. ¿Cuántas unidades de A y B se debe
producir para que el costo sea mínimo?
51
VARIABLES DE DECISIÓN
Articulo A = X1
Articulo B = X2
DATOS
Máquinas Artículo A (𝐗 𝟏 ) Artículo B Disponibilidad

(𝐗 𝟐 )
Máquina 1 0,5 0,5 65 h⁄semanales
Máquina 2 1 0,5 95 h⁄semanales
Máquina 3 0,5 2 100 h⁄semanales
Costo $ 3,00 $ 5,00
Función objetivo
𝑍(min)= 3𝑋1 + 5𝑋2
Restricciones o limitaciones
Capacidad mínima de Procesamiento Máquina 1 0,5X1 + 0,5X2 ≥ 6
Capacidad mínima de Procesamiento Máquina 2 X1 + 0,5X2 ≥ 95
Capacidad mínima de Procesamiento Máquina 3 0,5X1 + 2X2 ≥ 100
X1 ; X 2 ≥ 0
Solución grafica
52
La
Interpretación
La empresa debe producir 107 artículos de tipo A y 23 artículos de tipo B para que su
costo mínimo sea de 436.67 $ dólares.
La capacidad de procesamiento de la maquina 1 está ocupada totalmente, la capacidad

de proceso de la maquina 2 es de 118,5 esta sobre el mínimo exigido de producción con
un 23,34 excedente.
53
La capacidad de proceso de la maquina 3 está ocupada en su totalidad es decir está

operando con el mínimo exigido.
Se sugiere a la empresa que tenga mayor cuidado y revise la maquina numero 2 pues
está operando con más de lo exigido lo que puede causar que la maquina se dañe.
75. ¿Un fabricante de gasolina para aviación vende dos clases de combustible A y
B. El combustible A tiene 12,5% de gasolina grado 1 y 2 y 25% de gasolina
grado 3. El combustible B tiene 25% de gasolina grado 2 y 3. Disponible para la
producción hay 25 galones / hora grado 1,100galones / hora de gasolina 2 y 3.
Los costos son de 15 centavos por galón de gasolina grado 1, el galón de
gasolina grado 2 cuesta 30 centavos y 45 centavos por galón de gasolina grado
3. El combustible A puede venderse a 66,88dólares por galón, mientras que el
combustible B alcanza 58,75 dólares por galón. ¿Qué cantidad debe fabricarse
de cada combustible para obtener el mayor beneficio?
Combustible A = X1
Combustible B = X2
Función objetivo
Zmax = 66.88X1 + 58,75X2
Restricciones
54
Gasolina grado 1 0.125𝑋1 ≤ 25
Gasolina grado 2 0.125𝑋1 + 0.25𝑋2 ≤ 100
Gasolina grado 3 0.25𝑋1 + 0.25𝑋2 ≤ 100
Interpretación:
Se pudo determinar que para obtener una utilidad máxima es necesario producir 200
galones del tipo de gasolina A y 200 galones del tipo B y se obtiene una utilidad de
25126.También se estableció que la disponibilidad para producir combustible de grado
1 y 3 se encuentra cubierta y que existe una holgura de 25 galones en la disponibilidad
de grado 2 para el combustible.
76. Un laboratorio farmacéutico desea elaborar un tónico de tal manera que cada frasco
contenga al menos 32 unidades de vitamina A, 10 de vitamina B Y 40 de vitamina C.
Para suministrara estas vitaminas el laboratorio emplea el aditivo X1, a un costo de $2
por onza, el cual contiene 15 unidades de vitamina A, 2 de B, y 4 de C, un aditivo X 2 a
un costo de $4 por cada onza, que contiene 4 unidades de vitamina A, 2 de B y 14 de
C. ¿Cuántas onzas de cada aditivo se deben incluir en el frasco para minimizar el
costo?
Vitamina Frasco Aditivo X1 Aditivo X2

A 32 15 4
B 10 2 2
C 40 4 14
Onza $2 $4
Aditivo X1
Aditivo X2
Restricciones
Vitamina A 15X1 +4X2 ≥53

55
Vitamina B 2X1 +2X2 ≥ 10
Vitamina C 4X1 +4X2 ≥ 40
Función Objetivo
Z(min) = 2x1 + 4X2
Z (min) = 2(3) +4(2) = 6 +8 = 14
X1; X2 ≥0
Solución gráfica
Interpretación
El laboratorio clínico en la elaboración del tónico debe tener 3 onzas del aditivo X1 y 2 onzas
del aditivo X2, con una inversión de $14 y así poder minimizar su costo.
La restricción de vitamina A tienes un excedente de 21 onzas, sobre el mínimo requerido que es

32, dando un total de 53 onzas.
La restricción de vitamina B, si está cumpliendo con el mínimo requerido que es 10 onzas.
La restricción de vitamina C, también está aportando con el mínimo requerido, que es 40 onzas.
56
7. Para el modelo de dieta Ozark Farms utiliza diariamente por lo menos 8000
libras de alimento especial. El alimento especial es una mezcla de maíz y semilla
de soya, con las siguientes opciones:
Libra por libra de alimento para ganado
Alimento para ganado proteína fibra Costo(libra)

Maíz 0.09 0.02 0.30
Semilla de soya 0.60 0.06 0.90
Los requerimientos dietéticos diarios del alimento especial estipulan por lo menos un 30
por ciento de proteína y cuando mucho 5 porciento de fibra. Ozark Farms desea
determinar el costo mínimo diario de la mezcla de alimento, supongamos que la
disponibilidad diaria de maíz se limita a 450 libras, identifique el nuevo espacio de
solución y determine la nueva solución óptima.
Maíz = x1
Soya= x2
Función objetivo
Z(min)= 0.30x1 + 0.90x2
Restricciones
Cantidad mínima proteína de los alimentos -0.21x1+0.30x2 ≥ 1
Cantidad máxima de fibra en el alimento -0.03x1+0.01x2 ≤ 1
Disponibilidad diaria de maíz x1 =450
Cantidad mínima de libras x1 + x2 ≥ 800
x1, x2≥0
57
Solución grafica
Interpretación
Se encontró un exceso en la cantidad mínima de proteínas en la cual se sobrepasó con10
libras de proteínas cumpliendo con el establecido y de la mima forma se encontró una
holgura de 10 libras en la cantidad de máxima de fibra cumpliendo con lo establecida
para minimizar los costos se debe usar por lo menos 450 libras de proteínas y 350 libras
de fibra para abonar un total de 450 dólares, se consumó el total de disponibilidad de
maíz y la cantidad de mínima de libras de fibra y proteína
8. Viviana Erazo debe trabajar por lo menos 20 horas a la semana para completar
su ingreso mientras asiste a la escuela. Tiene la oportunidad de trabajar en dos
tiendas al detalle: en la tienda 1, Viviana puede trabajar entre 5 y 12 horas a la
semana, y en la tienda 2 le permiten trabajar entre 6 y 10 horas. Ambas tiendas
pagan lo mismo por hora. De manera que Viviana quiere basar su decisión
acerca de cuantas horas debe trabajar en cada tienda en un criterio diferente: el
factor del estrés en el trabajo. Basándose en entrevistas con los empleados
actuales, Viviana calcula que, en una escala de 1 al 10, los factores del estrés son
8 y 6 en las tiendas 1 y 2, respectivamente. Debido a que el estrés aumenta por
58
hora, ella supone que el estrés total al final de la semana es proporcional al

número de horas que trabaja en la tienda. ¿Cuántas horas debe trabajar en cada
tienda?
ESTRÉS
TIENDA 1 5 12 8
TIENDA 2 6 10 6
Variables:
Horas tienda 1 = X1 Variables de no negatividad:
Horas tienda 2 = X2 X1; X2 ≥0
Función Objetivo:
Z(min) = 8X1 + 6X2
Restricciones
Disponibilidad de horas de trabajo X1 + X2 ≥ 20

Mínimo horas de trabajo en tienda 1X1 ≥5
Máximo horas de trabajo en tienda 1X1 ≤ 12
Mínimo horas de trabajo en tienda 2X2 ≥ 6
Máximo horas de trabajo en tienda X2 ≤10
Solución gráfica
59
Interpretación
Viviana Erazo debe trabajar 10 horas en la tienda 1 y 10 horas en la tienda 2, cada

semana para completar las 20 horas disponibles de trabajo;
Viviana trabajando 10 horas en cada tienda, tiene un mínimo de estrés que es lo que se
quiere obtener;
Si se está cubriendo el máximo de horas de trabajo disponibles para la tienda 2 y para la

tienda 1, se mantiene en una posición intermedia ya que las horas mínimas de la tienda
1 son 5h y horas máximas 12h.
9. La tienda de comestibles ByK vende dos tipos de bebidas alcohólicas: la marca

de sabor de cola A1 y la marca propia de la tienda, ByK de colas, más
económica. El margen de utilidad en la bebida de cola es de alrededor de 5
centavos de dólar por lata, mientras que de la bebida de cola ByK suma una
ganancia bruta de 7 centavos por lata. En promedio, la tienda no vende más de
500 latas de ambas bebidas de cola al día. Aun cuando A1 es una marca más
conocida, los clientes tienden a comprar más latas de marca ByK, porque
considerablemente es más económica. Se calcula que la venta de la marca ByK
superan a las de marca A1 en una razón de 2 a 1 por lo menos. Sin embargo.
a) ¿Cuántas latas de marca debe tener en existencia la tienda diariamente para
maximizar su utilidad?
b) Determine la razón de las utilidades por lata de A1 y ByK que mantendrá
inalterada la solución en (a).
 Variables
X1 bebidas A1 que debe tener la tienda en existencias diariamente.

X2 bebidas ByK que debe tener la tienda en existencias diariamente.
 Función objetiva
Z (máx.): 0,05X1 + 0,07X2

60
X1; X2 ≥ 0
Restricciones
En promedio la tienda no vende más de 500 latas de marca BK. X1 + X2 ≤ 500

Los clientes tienden a comprar más latas de marca ByK – X1 + X2 ≥ 0
La venta de la marca ByK superan a las de marca A1 en una razón de 2 a 1 por lo
menos– X1 + 1X2 ≥ 0
Solución grafica
61
Respuesta a.- La tienda debe tener 500 latas de bebidas ByK para maximizar su
utilidad en $35.
Respuesta b.- las restricciones deben mantenerse a ese nivel para obtener el nivel de
ganancia que ya se mencionó. Si mantenemos la proporcionalidad, donde la ganancia de
la bebida A1 sea inferior a la de B&K, la solución (a) seguirá manteniéndose como la
máxima utilidad.
2.7.5. Prueba del deber
1) Dos productos tienen el siguiente proceso. Hay un taller que lo más que
puede hacer es 200 productos del tipo A o 100 del tipo B por día. El taller de
pintura tiene una capacidad diaria del 120 del tipo A o 160 del tipo B.
También el tratamiento técnico puede procesar un total de 90 artículos del
tipo A por día. El producto A tiene una utilidad de 4 dólares y el producto B
de 6 dólares. Determinar la producción optima que maximice los beneficios.
Producto A= X1
Producto B= X2
Función Objetivo
Z(Max)= 4X1+6X2
Restricciones
Máxima Producción
𝑋1 𝑋2
+ ≤1
200 100
𝑋1 + 2𝑋2 ≤ 200
Capacidad diaria del taller de pintura
𝑋1 𝑋2
+ ≤1
120 160
160𝑋1 + 120𝑋2 ≤ 19200
Tratamiento Técnico
62
X1=90
Variables de No Negatividad
X1; X2>=0
Interpretación:
 La empresa tiene que producir 90 unidades de A y 40 de B para obtener la
utilidad máxima de 600 unidades.
 La capacidad de producción no está agotada, hay una holgura de 30 unidades.
 La capacidad del taller de pintura está agotada.
 La capacidad del departamento técnico fue consumida a su totalidad.
1. Dos productos tienen el siguiente proceso. Hay un taller que lo más que puede
hacer es 200 productos del tipo A o 100 del tipo B por día. El taller de pintura
tiene una capacidad diaria del 120 del tipo A o 160 del tipo B. También el
63
tratamiento técnico puede procesar 90 artículos del tipo A por día. El producto A
tiene una utilidad de 4 dólares y el producto B de 6 dólares. Determinar la
producción optima que maximice los beneficios.
Producto A= X1
Producto B= X2
Función Objetivo
Z(Max)= 4X1+6X2
Restricciones
Máxima Producción
𝑋1 𝑋2
+ ≤1
200 100
𝑋1 + 2𝑋2 ≤ 200
Capacidad diaria del taller de pintura
𝑋1 𝑋2
+ ≤1
120 160
160𝑋1 + 120𝑋2 ≤ 19200
Tratamiento Técnico
X≤190
X1; X2≥0
Solución grafica
64
Interpretación
 La empresa tiene que producir 72 unidades de A y 64 de B para obtener la

utilidad máxima de 672 dólares
 Se ha ocupado tota la capacidad del taller de pintura
 La capacidad del taller de pintura está agotada.
 La capacidad de producción no está agotada, hay una holgura de 118 unidades.
Se recomienda a la empresa que debe elaborar más productos, reduciendo los costos de
producción para tener una mayor utilidad.
65
2.7.6. Solución no acotada
a. Definición
Según (Romero, 2016):
No Acotada (ilimitada o Indeterminada): se presenta cuando una o más

variables y la función objetivo toman un valor ilimitado, cumpliendo con las
restricciones estructurales, es decir, el existe usencia de solución, cuando la
función objetivo no tiene valores extremos, pues la región factible es no
acotada. Cuando se obtiene solución ilimitada es debido a una de las
siguientes causas:
 Omisión de una o más restricciones

 Fallas en la formulación
 Errores en el valor de los parámetros
Lo que indica que ningún problema real de programación lineal tiene este tipo de
solución y cuando se presenta es porque se ha cometido alguno de los errores descritos.
b. Como reconocer una solución acotada

 Cuando no existe límite para la función objetivo
 Tiene por región factible la zona coloreada que aparece en la figura, que es una
región no acotada.
 La función crece indefinidamente para valores crecientes de x e y.
 En este caso no existe un valor extremo para la función objetivo, por lo que
puede decirse que el problema carece de solución.
c. Redundantes o sobrantes
Según (Salazar, 2016) define que existen en los modelos de programación lineal un
tipo de restricciones que no juegan rol alguno en la determinación del conjunto solución
(de igual manera en la solución óptima), lo que lleva a deducir que estas son redundantes.
66
De acuerdo a lo manifestado por el autor los redundantes o sobrantes no juegan, no

intervienen en una solución óptima, no afecta a la solución, pero si se las gráficas. Las
restricciones redundantes no sirven porque no se unen todas.
2.7.7. Ejercicios realizados en clase
1. El granjero Charles cultiva trigo y maíz en su granja con un terreno cultivable de

45 hectáreas. Él puede vender a lo más 140 quintales de trigo y 120 quintales de
maíz. Cada hectárea que él planta con trigo produce 5 quintales, mientras que
cada hectárea plantada con maíz produce 4 quintales. El trigo se vende a 30
dólares el quintal, mientras que el maíz a 50 dólares el quintal. Para cosechar
una hectárea de trigo requiere 6 horas de labor y cosechar una hectárea de trigo
requiere 10 horas. Se pueden contratar hasta 350 horas de labor a 10 dólares la
hora. Para maximizar las ganancias, Charles diseño y formulo un programa de
programación lineal.
Trigo = x1
Maíz = x2
Función Objeto
Z (máx.) = 30X1-(6X1/5) 10 +50X2 – (10X2/4) 10
Z (máx.) = 18X1+ 25X2
Restricciones
Venta de quintales de trigo x1 ≤ 140

Venta de quintales de maíz x2 ≤ 120
1 1
Producción por hectárea plantada 𝑥 1 + 4 𝑥2 ≤ 45
5
6 10
Horas de labor para cosechar una hectárea 𝑥1+ 𝑥2 ≤ 350
5 4
X1; X2 ≥ 0
67
Solución grafica
Z (máx.) = 18(125) + 25(80).

= $ 4250
Trigo = 125 quintales
Maíz = 80 quintales
Interpretación
El granjero Carles debe producir 125 quintales de trigo y 80 quintales de maíz para
obtener una ganancia máxima de $ 4250 por venta.
El trigo falta por cubrir una demanda de 15 quintales para para producir su totalidad.
125 ≤ 140
68
El maíz falta por cubrir una demanda de 40 quintales para producir su totalidad 80 ≤
120
1 1
Las hectáreas están sembradas y plantadas en su totalidad. (125) + (80) ≤ 45
5 4
6 10
Se contrataron la totalidad de 350 horas de labor 5 (125) + (80) ≤ 350 es decir no
4
hay excedente.
2. Una empresa planea una campaña de publicidad para un nuevo producto. Se

establece como metas el que la publicidad llegue por lo menos a 320.000
individuos audiencia A, de los cuales al menos 120.000 tengan un ingreso
mínimo anual 5.000$ y al menos de 80.000$ sean solteras. Se desea utilizar
únicamente la radio y la televisión como medios de publicidad. Un anuncio de
televisión cuesta 10.000$ y se estima que llegue a un promedio de 40.000
individuos Audiencia A, de los cuales un 25% tienen ingresos superiores a
$5.000 anuales y un 20% son solteros. Un anuncio es radio FM cuesta $6.000 y
llega a un auditorio promedio de 10.000 oyentes dase A, de los cuales el 80%
tienen ingresos superiores a $5.000 anules y a 4.000 solteros. Hallar el número
de anuncios por cada medio para minimizar el costo
Función Objetiva
10.000 X1 + 6.000 X2
Restricciones
Audiencia: 40.000X1+10.000X2≥320.000
Ingreso: 10.000X1 + 8.00X2 ≥ 120.000
Solteros: 8.000X1 + 4.000X2 ≥ 8.000
Solución grafica
69
Interpretación
Para concluir número de anuncios por la tv es de 6.67 de la radio 6.67

En la primera restricción cumple un valor de 333500
En la segunda restricción cumple con un valor de 72036
En la tercera restricción cumple con un valor de 80040
Una fábrica elabora dos clases de cerveza pílsener " club, para lo cual dispone de
ingrediente para llenar por lo menos 30 botellas combinadas. Toma 1 hora llenar 20
botellas de la cerveza pílsener 2 horas llenar 25 botellas de cerveza club, se dispone a lo
mucho de 2 horas. La demanda de la cerveza pílsener se estima en el mercado un total
de 22 botellas " a lo mucho 10 botellas de la cerveza club. Cada botella de pílsener deja
una utilidad de 10 centavos " 15 centavos cada botella de la cerveza club. Cuantas
botellas de cada cerveza se deben llenar para alcanzar la máxima ganancia.
X1 = Cerveza pilsener
X2 = cerveza club
Función objetivo
70
𝑧(𝑚𝑎x) 0,10𝑋1 + 0,15𝑋2
Restricciones
𝑋1 + 𝑋2 ≥ 30 Botellas combinadas
1 2
𝑋1 + 25 𝑋2 ≤ 2 Tiempo de llenar
20
𝑋1 = 22 Demanda pilsener
𝑋2 ≤ 10 Demanda club
𝑋1; 𝑋2 ≥ 0
Análisis
La fábrica debe llenar 22 botellas de cerveza pílsener y 10 botellas de cerveza club para
obtener una utilidad de 3,7 en cuanto a las botellas combinadas existe un excedente de
dos botellas para el tiempo de llenar existe una insuficiencia de 0,10.
2.7.8. Deber 3 de programación lineal

71
1) Baba Furniture Company emplea a cuatro carpinteros durante 10 días para

ensamblar sillas y mesas. Se requieren 30 minutos para ensamblar una silla, y 2
horas para ensamblar una mesa. Por lo común, los clientes compran entre cuatro
y seis sillas con cada mesa. Las utilidades son de 13.5 dólares por mesa y 5
dólares por silla. La compañía opera un turno de 8 horas al día.
Variable de decisión
X1: Sillas
X2: Mesas
Función objetivo
Z(max.) 5 X1 + 13,5 X2
Restricciones
Disponibilidad horas ensamblaje 0,5 X1 + 2 X2 <= 320  1

Compra mínima de sillas -X1 + 4 X2 <= 0  2
Compra máxima de sillas X1 - 6 X2 >= 0  3
X1; X2 >= 0
Abstracciones
1. 0,5 X1 + 2 X2 = 320
X1 = 0
0,5(0) + 2 X2 = 320
X2 = 160
X2 = 0
0,5 X1+ 2 (0) = 320

X1 = 640
2. -X1 + 4 X2 = 0
X1 = 0
(0) + 4 X2 = 0
X2 = 0
72
X2 = 80
-X1 + 4(0) = 10
X1 = 320
3. X1 - 6 X2 = 0
X1 = 0
(0) - 6 X2 = 0
X2 = 0
X2 = 64
X1 - 6 (64) = 0
X1 = 384
Solución grafica
1. 0,5 X1 + 2 X2 = 320 (*3)

3. X1 - 6 X2 = 0
2,5 X1 = 960
X1 = 384
Reemplazo en 1 X1 = 384
0,5 (384) + 2 X2 = 320

X2 = 64
Z(max): 5 X1 + 13,5 X2
Z(max) = 5 (384) + 13,5 (64)
Z(max) = 2.784
73
Solucion grafica
Interpretación
Baba Furniture Company debe tener una producción máxima de 384 sillas y 64 mesas
para tener una utilidad máxima de 2.784 dólares.
La disponibilidad horas de ensamblaje está cubierto.
La compra mínima de sillas no está cubierta debido a que existe una excedente de 128
lo que no cubre la expectativa expuesta.
La compra máxima está cubierta lo que quiere decir que la producción máxima de sillas
y mesas está bien establecida.
2) El Banco del Pacífico está asignando un máximo de 200.000 dólares para

préstamos personales y de automóviles durante el próximo mes. El banco cobra
14% por préstamos personales y 12% por préstamos para automóviles. Ambos
tipos de préstamos se liquidan al final de un periodo de un año. La experiencia
muestra que alrededor del 3% de los préstamos personales y del 2% de los
préstamos para automóviles nunca se liquidan. Por lo común, el banco asigna
74
cuando menos el doble de los préstamos personales a los préstamos para

automóviles.
Variables de Decisión
Dinero asignado para préstamos personales → x1
Dinero asignado para préstamos de automóviles → X2
Función Objetivo
z (max) = 0.12X1 + 0.14X2
- (0.02X1 + 0.03X2)
0.10X1 + 0.11X2
Z (MAX) = 0.10X1 + 0.11X2
Restricciones
* Asignación máxima de fondos
X1 + X2 ≤ 200.000,00
* Asignación de préstamos personales y préstamos de automóviles
X1 ≥ 2 X2
X1 − 2 X2 ≥ 0
X1 ; X2 ≥ 0
Solución Gráfica
75
a) Determine la asignación óptima de fondos para los tipos de préstamos y la tasa

neta de utilidad que obtendrá el banco de todos los préstamos.
Solución Algebraica
X1 + X2 = 200 000 66666.66 + X2 = 200000

76
2X1 –X2 = 0 (-1) X2 = 133 333.33
3X1 = 200 000 Z (MAX) = 0.11 (66

666.66) + 0.10 (133 333.33)
X1 = 200 000/3 Z (MAX) = 20 666.67
X1 = 66 666.66
Se debe asignar 66 666.66 para los préstamos personales y 133 333.33 para los
préstamos para automóviles para obtener así la máxima utilidad de 20 666.67, alcanzado
así el punto más optimo
b) Determine el rango de optimalización para la razón de las tasas de interés de

préstamos personales y para automóvil que
Rango Óptimo de Tazas de Interés mantendrá inalterada la solución en (a)
X1 X2
8.5 14
9 12
10 11
11 9
z (max) = 0,10 x1 + 0,11 x2
z (max) = % x1 + % x2
20.667 = 0,085(133.333) + % (66.667)
11.333+%(66.667) = 20.667
%(66.667) = 20.667-11.333
%= 9.334/66.667
%= 0.14
c) Supongamos que el porcentaje de préstamos personales y para automóvil no

liquidados cambia a 4% y 3% respectivamente. ¿Cómo afectaría este cambio la
solución óptima en (a)?
77
z (max) = (12% x1 – 3% x1) + (14% x1 – 4% x2)
z (max) = 9% x1 + 10% x2
z (max) = 0.09 x1 + 0.10x2
Con las coordenadas del punto óptimo (133.333,33 y 66.666,66), reemplazamos en las
variables de decisión
z= 0.09 x1 + 0.10x2
z= [0.09 (133.333,33)] + [0.10 (66.666,66)]
z= (11.999,999+ 6.666.666)
z= 12.000+6.667
z= 18.667 (segunda solución óptima)
3) Electra produce dos tipos de motores eléctricos, cada uno en una línea de ensamble
separada. Las respectivas capacidades diarias de las dos líneas son de 600 y 750
motores. El motor tipo 1 emplea 10 unidades de cierto componente electrónico y el
motor tipo 2 solo utiliza 8 unidades. El proveedor del componente puede proporcionar
8000 piezas al día. Las utilidades por motor para los tipos 1 y 2 son de 60 y 40 dólares,
respectivamente.
a. Determine la mezcla óptima para la producción diaria
VARIABLES DE NO NEGATIVIDAD:
x1: # de unidades de motor 1 a producir

x2: # de unidades de motor 2 a producir
Función objetivo:
Z (max)= 60x1+40x2
Restricciones
x1<=600 Capacidad de motor tipo1

x2<=750 Capacidad de motor tipo2
10x1+8x2<=8000 Disponibilidad de componente electrónico
78
Solución razonada:
Se debe producir 600 motores de tipo 1 y 250 motores de tipo 2 para generar una utilidad de
46000 dólares de tal modo que la capacidad del motor tipo 1 con esto se cubrirá la capacidad
máxima de 600 motores, de igual modo la que la capacidad del motor tipo 2 también estará
cubierta la capacidad máxima de 250 motores tipo 2. Con respecto a la disponibilidad de
componente electrónico se cubre con las 800 unidades para las que cuenta con el componente
suficiente de componente electrónico. Una vez analizada la mezcla óptima para la producción
diaria se recomienda incrementar la disponibilidad de componente electrónico pues existe la
capacidad de producir mayores motores tipo 2 para así tener una producción que brinde mayores
beneficios económicos a la empresa.
c. Determine el rango de optimización de la razón de utilidades por unidad que mantendrá

inalterada la solución en (a).
79
Solución razonada:
El rango de optimización para que se conserva la solución óptima es de 600 unidades a un rango
de 60 y a su vez en motores de tipo 2 de 250 unidades a un rango de 40 en cada unidad, de tal
modo se conservara la solución óptima y la capacidad máxima de producir motores tipo 1, tipo
2 y a su vez se cubre con la disponibilidad máxima de componente eléctrico.
4) Popeye Canning tiene un contrato para recibir 60.000 libras de tomates maduros a
7centavos de dólar por libra, con las cuales produce jugo de tomate enlatado, así como
pasta de tomate. Los productos enlatados se empacan en cajas de 24 latas. Una lata de
jugo requiere una libra de tomates frescos y una lata de pasta solo requiere 1/3 de libra.
La participación de mercado de las compañías se limita a 2.000 cajas de jugo y 6.000
cajas de pasta. Los precios de mayoreo por caja de jugo y pasta son de 18 y 9 dólares
respectivamente.
Variables De Decisión
Jugo de tomate X1
Pasta de tomate X2
Restricciones
Participación en mercado de jugo X1 ≤ 2.000
Participación en mercado de pasta X2 ≤ 6.000
Disponibilidad de tomate 24X1+8 X2= 60.000
Función Objetivo
Z (max) = 18 X1 + 9 X2
Variables De No Negatividad
X1, X2 ≥ 0
Abstracciones
X1 =2.000
X2 = 6.000
24X1+8 X2 = 60.000
Solución
80
Respuesta:
Z (máx.) = 18 X1 + 9 X2
Z (máx.) = 18 (500) + 9 (6000)
Z (máx.) = $ 63000
Interpretación
Popeye Canning debe producir 500 latas de jugo de tomate y 6.000 latas de pasta de tomate para
obtener un ingreso máximo de 63.000 dólares.
Hay una holgura de 1500 latas de jugo de tomate, la demanda no ha sido satisfecha, ya que la
producción es solo de 500 latas de jugo. (500 ≤ 2.000)
La pasta ha sido cubierta en su totalidad en su participación en el mercado (6000 ≤ 6000)
El tomate ha sido consumido en su totalidad. 24(500) +8 (6000) = 60.000

81
5) Dean´s Furniture Company ensambla dos tipos de gabinetes de cocina de

madera pre cortada: regulares y de lujo. Los gabinetes regulares están pintados
de blanco y los de lujo están barnizados. Tanto la pintura como el barnizado se
llevan a cabo en un departamento. La capacidad diaria del departamento de
ensamble puede producir un máximo de 200 gabinetes regulares y 150 gabinetes
de lujo. El barnizado de un gabinete de lujo se lleva el doble de tiempo que
pintar una regular. Si el departamento de pintura/barnizado se dedica únicamente
a las unidades de lujo, terminaría 180 unidades diarias. La compañía calcula que
las utilidades por unidad de los gabinetes regulares y de lujo son $100 y $140
dólares, respectivamente.
a) Formule el problema como un programa lineal y encuentre el programa de
producción óptima por día.
b) Supongamos que debido a la competencia las utilidades por unidad de las
regulares y de lujo, deben reducirse a 80 y 110 respectivamente. Utilice al
análisis de sensibilidad para determinar si la solución óptima en (a) se mantiene
inalterada.
X1: Gabinetes regulares
X2: Gabinetes de lujo
Función objetivo
Z (Max)= 100X1+ 140 X2
Restricciones
Capacidad de ensamble gabinetes regulares: X1 ≤ 200
Capacidad de ensamble gabinetes lujo: X2 ≤ 150
Capacidad de barnizado y pintura: 0.5 X1 +X2 ≤ 180
X1, X2 ≥ 0
82
Resolución grafica
Interpretación
Dean´s Forniture Company para obtener su máxima utilidad de $31.200 debe producir
200 gabinetes regulares y 80 gabinetes de lujo por día.
En la producción de gabinetes regulares no existe holgura ya que son producidos los
200 programados mientras que en los gabinetes de lujo solo se producen 80 de los 150
gabinetes de su capacidad total teniendo una holgura de 70 gabinetes.
De igual manera la capacidad de barnizado y pintura está completa en su totalidad. Se
debe considerar incrementar la capacidad del proceso de barnizado y pintura para así
producir más gabinetes de lujos y generar mayor utilidad posteriormente.
4. Wild West produce dos tipos de sombrero estilo vaquero. El sombrero tipo 1
requiere el doble de tiempo de trabajo que el del tipo 2. Si todos los sombreros
producidos únicamente son del tipo 2, la compañía puede producir un total de
83
400 sombreros al día. Los límites diarios del mercado son de 150 y 200
sombreros de los tipos 1 y 2, respectivamente. La utilidad del sombrero tipo 1 es
de 8 dólares y la del sombrero tipo 2 es de 5 dólares.
a) Utilice la solución grafica para determinar el número de sombreros de cada tipo

que se debe producir.
X1 = Sombrero tipo 1 a producir diariamente.

X2 = Sombrero tipo 2 a producir diariamente
Función Objetivo
Z (max) = 8 X1 + 5 X2
Restricciones
2 X1 = X2 requerimiento de tiempo para la elaboración de sombreros
X2 < = 400 capacidad máxima de elaboración de sombrero tipo 2
X1 < = 150 demanda máxima diaria de sombrero tipo 1
X2 < = 200 demanda máxima de sombrero tipo 2
Variable de no Negatividad
X1, X2 > = 0
Solución Gráfica
84
Interpretación:
Se debe elaborar 100 sombreros tipo 1 y 200 sombreros tipo 2 para obtener la máxima utilidad
de 1800 dólares.
Se cumple el requerimiento de tiempo
No se utiliza la capacidad máxima de elaboración del Sombrero tipo 2 puesto q aún se pueden
fabricar 200 más al día.
No se cubre la demanda diaria del sombrero tipo uno faltando 50 unidades por producir
Se cubre la demanda del mercado de sombreros tipo 2
b) Determine el valor de incrementar la capacidad de producción de la compañía en

un sombre tipo 2 y el rango para el cual es aplicable este resultado.
La compañía no cumple con el límite de producción diario con respecto al sombrero de tipo 2,
pero si satisface la demanda diaria de elaboración del sombrero tipo 2, por lo tanto, si produce
más sombreros tipo 2 no tendrá a quien vender a menos que aumente la demanda del producto
incentivando a sus compradores.
c) Si el límite de la demanda del sombrero tipo 1 disminuye a 120, determine el efecto

correspondiente en la utilidad óptima, utilizando el valor unitario del recurso.
 Variables
X1 = Sombrero tipo 1 a producir diariamente.

X2 = Sombrero tipo 2 a producir diariamente
Función Objetivo
Z (max) = 8 X1 + 5 X2
Restricciones
1. 2 X1 = X2 requerimiento de tiempo para la elaboración de sombreros

2. X2 < = 400 capacidad máxima de elaboración de sombrero tipo 2
85
3. X1 < = 120 demanda máxima diaria de sombrero tipo 1

4. X2 < = 200 demanda máxima de sombrero tipo 2
X1, X2 > = 0
Solución gráfica
Interpretación
Se debe elaborar 100 sombreros tipo 1 y 200 sombreros tipo 2 para obtener la máxima utilidad
de 1800 dólares.
1. Se cumple el requerimiento de tiempo

2. No se utiliza la capacidad máxima de elaboración del Sombrero tipo 2 puesto q aún se
pueden fabricar 200 más al día.
3. No se cubre la demanda diaria del sombrero tipo uno faltando 20 unidades por producir
4. Se cubre la demanda del mercado de sombreros tipo 2
d) ¿Cuál es el incremento en el valor por unidad en la participación del sombrero

tipo 2?
No existe incremento de valor
e) ¿En cuánto se puede incrementar la participación en el mercado, al mismo tiempo

que rinde el valor calculado por unidad?
86
5. Una compañía fabrica dos productos, A y B. El volumen de ventas de A es por

lo menos 80% de las ventas totales de A y B. Sin embargo, la compañía no
puede vender más de 100 unidades de A por día. Ambos productos utilizan una
materia prima, cuya disponibilidad diaria máxima es de 240 lb. Las tasas de
consumo de la materia prima son de 2 lb por unidad de A y de 4 lb por unidad de
B. Las utilidades de A y B son de $20 y $50, respectivamente.
a) Determine la mezcla optima de los dos productos
b) Determine el valor por cambio unitario en la disponibilidad de la materia prima
y su rango de aplicabilidad
c) Utilice el análisis de sensibilidad para determinar el efecto de cambiar la
demanda máxima del producto A por = 10 unidades.
X1 = Producto A
X2= Producto B
Función Objetivo
Z (máx.) = 20X1+50X2
Restricciones
 X1≥ 0.8(X1+X2) Volumen de ventas
0.2 X1-0.8X2≥0
 X1≤ 100 demanda máxima
 X1+2X2 ≤ 120 disponibilidad de Materia Prima
X1, X2≥ 0
Solución Grafica
a) La compañía debe fabricar 80 productos de A y 20 del producto B para obtener
una utilidad máxima de $2600
b) La disponibilidad de materia prima tanto para el producto a y producto b está
cubierto en su totalidad no existe capacidad para producir más unidades.
87
c) Si la demanda máxima de A ≤ 10 la fábrica deberá producir 10 unidades del

producto A y 3 unidades del producto B cambiando la utilidad máxima a $325
6. Una compañía que opera 10 horas al día fabrica cada uno de los productos en tres
procesos en secuencia. La siguiente tabla resume los datos del problema:
Minutos por unidad

Producto Proceso 1 Proceso 2 Proceso 3 Utilidad por unidad
1 10 6 8 $2
2 5 20 10 $3
a) Determine la mezcla óptima de los dos productos.

Mezcla Óptima
10𝑋1 + 5𝑋2 ≤ 600 Requerimiento Proceso 1

88
b) Supongamos que se está considerando los tres procesos para una expansión y usted
necesita determinar su prioridad. Diseñe una forma lógica para lograr esta meta.
Variable de decisión: Función Objetivo:
Producto 1: 𝑿𝟏 Z (min)= 2𝑋1 + 3𝑋2

Producto 2: 𝑿𝟐
Restricciones:
Interpretación
La compañía al operar las 10 horas en los tres procesos para tener una mezcla óptima de los dos
productos que fabrica debe producir 53 unidades del producto 1 y 14 unidades del producto 2
para tener una utilidad de $ 148,24. Entonces en el proceso 1 si se está cumpliendo con las 600
89
horas que se han establecido para este proceso, en el proceso 2 respecto a las horas que se opera
existe una holgura de dos horas y en proceso 3 también hay una holgura de 36 horas.
Se recomienda a la empresa realizar un análisis en las horas donde existe holgura, de esta
manera poder aprovechar todos los recursos que es el tiempo para operar más producto y de esta
forma la mezcla óptima será mucho mejor y por ende generará más beneficios para la compañía.
7. Show y Sell puede anunciar sus productos en la radio o la televisión locales. El

presupuesto para anuncios está limitado a 10000 dólares al mes. Cada minuto de
anuncio por radio cuesta 15 dólares y cada minuto de comerciales por televisión
cuesta 300 dólares. A Show y Sell le agrada utilizar los anuncios por la radio por
lo menos el doble de los anuncios por televisión. Por lo pronto, no es práctico
utilizar más de 400 minutos de anuncios por radio. La experiencia pasada
muestra que se calcula que los anuncios por televisión son 25 veces más
efectivos que los de la radio.
 Determine la asignación óptima del presupuesto para los anuncios por radios y
televisión.
 Determine el valor por unidad de incrementar el límite mensual en la publicidad
por la radio.
 Si el presupuesto mensual se aumenta a 15000 dólares, utilice la definición de
valor de la unidad para determinar la medida resultante de la efectividad
publicitaria.
Minutos de Radio = X1
Minutos de Televisión = X2
Función objetiva
Z (max) = X1+ 25X2
Restricciones
Límite de anuncio 15 X1+ 300X2 ≤ 10000
Anuncios agregados - X1+ 2X2 ≤ 0
Mínimo de anuncio X1≤ 400
X1, X2 ≥ 0
90
Solución grafica
Interpretación
La empresa debe Anunciar 60,61 minutos de radio y 30,3 minuto de TV, con un
máximo de experiencia en los meses anteriores de 818.11 es efectivo
En la primera restricción 15 (60,61) + 300(30,3) ≤ 10000 dando como resultado 10000 ≤

10000 esto significa que los anuncios son realizados en su totalidad.
La segunda restricción – (60,61) + 2(30,3) ≤ 0 dio como resultado 0 ≤ 0 esto significa

que los anuncios son realizados en su totalidad exigido.
En la tercera restricción X1≤ 400, dio como resultado de 60,61 ≤ 400 significa no sobre
pasa los anuncios publicitarios en la radio.
91
8. Wyoming Electric Coop. Es propietaria de una planta generadora de energía con

turbina de vapor. Debido a que Wyoming es rica en depósitos de carbón, la
planta genera vapor con carbón. Sin embargo, esto crea el problema de satisfacer
los estándares de emisión. Las regulaciones de la Environmetal Protección
Agency (Agencia de Protección Ambiental) limitan la descarga de dióxido de
azufre a 2.000 partes por millón y la descarga de humo de las chimeneas de la
planta a 20libras por hora. La Cooperativa recibe dos grados de carbones
pulverizados, C1y C2, para ser utilizados en la planta. Por lo común, los dos
grados se mezclan antes de quemarlos. Por simplicidad, supondremos que el
contaminante de azufre de la mezcla (en partes por millón) es un promedio
ponderado de la proporción de cada grado empleado en la mezcla. Los
siguientes datos se basan en el consumo de una tonelada por hora de cada uno de
los dos grados de carbón.
GRADO DE CARBÓN DESCARGA DE AZUFRE EN DESCARGA DE HUMO EN VAPOR GENERADO EN

PARTES POR MILLÓN LIBRAS POR HORA LIBRAS POR HORA
C1 1800 2,1 12000
C2 2100 0,9 9000
a) Determine la proporción óptima para mezclar los dos grados de carbón.
x1: C1
x2: C2
Función objetivo:
Z (max)= 12.000x1+9.000x2
RESTRICCIONES:
-200x1+100x2 ≤ 0 Descarga de azufre

2.1x1+0.9x2 ≤ 20 Descarga de humo
92
Solución lógica
La proporción óptima para mezclar dos grados de carbón contempla mezclar 5 toneladas de
carbón 1 y 10 toneladas de carbón 2 para generar una utilidad máxima de $153,85.
b) Determine el efecto de relajar el límite de la descarga de humo 1 libra sobre la

cantidad de vapor generado por hora.
Interpretación
En este caso al relajar el límite de la descarga de humo 1 libra sobre la cantidad de vapor
generado por hora, la proporción óptima de mezclado contempla mezclar 5 toneladas de carbón
1 y 10 toneladas de carbón 2 para generar una utilidad máxima de $148,72.
93
9. Burroughs Garment Company fabrica camisas para caballero y blusas para dama
para Walmark Discount Stores. Walmark aceptará toda la producción que le
proporcione Burroughs. El proceso de producción incluye corte, costura y
empacado. Burroughs emplea a 25 trabajadores en el departamento de corte, a
35 en el departamento de costura y a 5 en el departamento de empacado. La
fábrica trabaja un turno de 8 horas, sólo 5 días a la semana. La siguiente tabla
proporciona los requerimientos de tiempo y las utilidades por unidad para las
dos prendas:
a) Determine el programa de producción semanal óptima para Burroughs b.
Variables de no negatividad:
x1: Camisas
x2: Blusas
Función objetivo:
Z (max)= 2,5x1+3,2x2
Restricciones:
20x1+60x2≤ 60000 corte
70x1+60x2≤ 84000 costura
12x1+4x2≤ 12000 empacado

94
b) Si los requerimientos mínimos diarios de Walmark son de 2 000 camisas y 3 000

blusas, ¿es posible que Burroughs proporcione estas cantidades con su semana de
trabajo actual de 5 días? De no ser así, ¿puede usted sugerir alguna forma para que
Burroughs satisfaga estos requerimientos? ¿Cuál será el programa de producción
óptimo en este caso?
c)Determine el valor por hora de los procesos de corte, costura y empacado.
10. ChemLabs fabrica dos productos de limpieza para el hogar, A y B, procesando

dos tipos de materia prima, I y II. El procesamiento de una unidad be materia
prima I cuesta 8 dólares y produce .5 unidad de solución A y ·5 unidad de
solución B. Además, el procesamiento de una unidad de materia prima II cuesta
5 dólares y produce .6 unidad de solución A y .4unidad de solución B. La
demanda diaria de la solución A es entre 10 y 15 unidades y la de la solución B
es entre 12 y 20unidades.
Función objetivo
Z (min)= 8X1 + 5X2
Restricciones
Demanda solución A
0.5X1+0.6X2>=10
0.5X1+0.6X2<=15
Demanda solución B
0.5X1+0.4X2>=12
0.5X1<+0.4<=20
X1; X2>=0
a) Encuentre la mezcla óptima de A y B que debe producir ChemLabs b.

95
Interpretación
La mezcla optima que debe producir Chem Labs es de 12 unidades de solución A y 15

unidades de solución B.
Se ha demandado 5 unidades más de lo normal de A
Se ha demandado las unidades justas de A en un día normal.
Se ha demandado las unidades justas de
No se han demandado las unidades de B que se tenían disponibles por lo que hay una
holgura de 8 unidades.
Se recomienda a la empresa aumentar la producción de A y de B para tener una mayor

ganancia.
Una línea de ensamble que consta de tres estaciones consecutivas produce dos
modelos de radio HF1 y HF2. La siguiente tabla proporciona los tiempos de
ensamblaje para las tres estaciones de trabajo.
Minutos por unidad

Edición de trabajo Hi-fi1 Hi-fi2
1 6 4
2 5 5
3 4 6
96
El mantenimiento diario de las estaciones 1, 2 y 3 consume 10%, 14% y 12%,

respectivamente, del máximo de 480 minutos disponibles para cada estación, cada día
a) La compañía desea determinar la mezcla optima de productos que minimizara

los tiempos inactivos (o no utilizados) en las tres estaciones de trabajo.
b) Determine el valor de disminuir 1 punto de porcentaje el tiempo diario de
mantenimiento para cada estación.
Variables decisión.
Hi.fi1= X1
Hi.fi2= X2
Función Objetivo
Z(min) =15X1 + 15X2
Restricciones
Disponibilidad de tiempo para la estación 1 6X1 + 4X2 ≤ 432,00

Variable de No Negatividad.
X1, X2 ≥ 0
Solución grafica
97
Interpretación.
La línea de ensamble debe producir 36.48 o 50.88 minutos de ensamble de Hi-fi1 y
31.68 o 46.08 minutos de ensamble de Hi-fi2 para obtener una maximizo de 1238.40
minutos activos de ensamble diario.
La estación 1 no dispone de minutos ya que se está ocupando en su totalidad.

98
La estación 2 tampoco dispone de minutos para realizar el ensamble ya que está

ocupando en su totalidad.
La estación 3 tiene una disponibilidad de 28.80 para realizar el ensamblando.
11. Ahorros S.A desea invertir una suma que genere un rendimiento anual mínimo
de $10000. Dispone de dos grupos de accionarios: acciones selectas y alta
tecnología, con un rendimiento anual promedio de 10 y 25%, respectivamente.
Aunque las acciones de alta tecnología dan más rendimiento, son más
arriesgadas, y Ahorros desea limitar la cantidad invertida en ellas a un máximo
de 60% del total.
¿Cuál es la cantidad mínima que debe invertir Ahorros en cada grupo de acciones para
alcanzar la meta de inversión?
acciones selectas= X1
alta tecnología= X2
función objetivo
Z (min)= X1 + X2
Restricciones
invertir una suma que genere un rendimiento anual mínimo
0.10X1+0.25X2≥10000
cantidad invertida
-0,60X1+0.40x2≤0
X1; X2≥0
99
Interpretación:
Hay que invertir $ 21,053 como mínimo en las acciones selectas, para tener un
rendimiento de $ 2105,3 al año
Hay que invertir $ 31,578 en acciones de alta tecnología, para tener un rendimiento de
$ 7894,75 al año.
Por lo tanto, satisface los rendimientos esperados por el inversionista con capital total
de $52632 de inversión, repartido en los dos tipos de acciones indicadas.
Se recomienda a Ahorros invertir en las acciones que sean rentables y tenga la seguridad
de que la empresa es sólida para que no pierda su inversión.
33. Una compañía vende dos productos diferentes A y B. La información del precio de
venta y de los costos unitarios es la siguiente:
Producto A Producto B
Precio de venta $ 60 $ 40
Costo unitario 30 10
Beneficios unitarios $ 30 $ 30
100
Los dos productos se fabrican en un proceso de producción común y se vende a dos

mercados distintos. El proceso de producción tiene capacidad de 30.000 horas de
trabajo. Se requieren tres horas para producir una unidad A y una hora para producir una
unidad B. El mercado se ha estudiado y los funcionarios de la compañía consideran que
el número máximo de unidades de A que pueden vender es 8.000; el máximo de B es
12.000 unidades. Los Productos se pueden vender en cualquier combinación, con las
limitaciones anteriores.
Formula el problema anterior como un problema de programación lineal, es decir,
escriba las ecuaciones apropiadas y resuélvalo gráficamente.
X1: Producto A
X2: Producto B
Función objetivo
Z(MAX): 30x1 +30x2
Restricciones
Capacidad de horas de trabajo 3x1+x2 ≤ 30.000

Venta máxima de producto A x1≤ 8.000
Venta máxima de producto B x2 ≤ 12.000
X1; X2 >= 0
Solución grafica
101
Interpretación
La compañía debe producir 6.000 unidades del producto A y 12.000 del producto B
para tener un beneficio de 540.000 dólares.
La capacidad de horas de trabajo está cubierta.
La venta máxima de Producto A tiene un excedente de 2.000 unidades por lo cual se

recomendaría al propietario de la compañía producir más unidades del producto A.
102
La venta máxima de Producto B está cubierta.
12. Queremos seleccionar una estrategia de publicidad para llegar a dos tipos de
clientes; y amas de casa de familias con ingresos anuales inferiores a 10000
dólares. Consideremos que las personas del primer grupo comprarán dos veces
más nuestro producto que las personas del segundo grupo y nuestro objetivo es
maximizar las compras. Podemos anunciar la producción en televisión o en una
revista; una unidad de publicidad por televisión cuesta 20000 dólares y llega a
aproximadamente 2000 personas del primer grupo y a 8000 del segundo. Una
unidad de publicidad en la revista cuesta 12000 dólares y llega a 8000 personas
del primer grupo y a 3000 del segundo. Hay que usar por lo menos seis unidades
de publicidad en televisión y no podemos usar más de 12 unidades de publicidad
en la revista por cuestiones de política. El presupuesto para publicidad es de
180000 dólares.
Ingresos superiores Ingresos inferiores a 10000 precio

a 10000
Publicidad 4000 8000 20000
en TV
Publicidad 16000 3000 12000
en Revistas
Total $180000
X1= Publicidad en TV
X2= Publicidad en Revistas
Función Objetivo
103
Z (Max)= 12000x1 + 19000x2
X1; x2>=0
Restricciones
4000X1 + 16000X2 >= 8000X1 + 3000X2 Requerimiento mínimo de audiencia
20000X1 + 12000X2 <= 180000 Disponibilidad máxima de dinero para publicidad
X1 >= 6 Requerimiento mínimo de publicidad en TV
X2 <= 12 Requerimiento Máximo de publicidad en radio
Variables de abstracción
-4000 X1 + 13000X2 = 0
20000X1 + 12000X2 = 180000
X1 = 6
X2 = 12
Solución gráfica
104
Interpretación
Restricción 1: se cumple con el mínimo de audiencia establecido
Restricción 2: se ocupa el total de la disponibilidad máxima de dinero para publicidad
Restricción 3: se cubre el requerimiento mínimo de publicidad en TV
Restricción 4: se cubre el requerimiento Máximo de publicidad en radio con 7

propagandas aun disponibles
Recomendación
Se recomienda realizar 6 propagandas en TV y 5 en radio para utilizar de la forma más

razonable los recursos disponibles y obtener una audiencia de 167000 posibles
compradores.
Se recomienda enfocarse más en el público de amas de casa con ingresos anuales

superiores a 10000 puesto q ellas consumen el doble de productos q las amas de casa
con ingresos inferiores a 10000 anules, cada propaganda a una ama de casa con ingresos
superiores a 10000 anuales nos proporciona 2 ventas mientras q las del otro grupo solo
una.
2.7.9. Ejercicios de la prueba 3
1) Se producen dos artículos A y B los mismos que son procesados por tres máquinas
M1, M2 y M3. La máquina 1 procesa 0,5 unidades de A y 0,5 de B; M2 procesa 1 de A
y 0,5 de B; M3 procesas 0,5 de A y 2 de B. Se dispone al menos de 65 horas semanales
para M1, 95 para M2 y 100 para M3. El costo de A es de 3 dólares y 5 dólares el de B.
¿Cuántas unidades de A y B se debe producir para que el costo sea mínimo?
Articulo A= X1
Articulo B= X2
Función objetiva
Z (min) = 3X1+ 5X2

105
Restricciones
Requerimiento Artículo A Artículo B

Máquina 1 0,5 X1 + 0,5 X2 ≥ 65 h
Máquina 2 1 X1 + 0,5 X2 ≥ 95 h
Máquina 3 0,5 X1 + 2 X2 ≥ 100
X1, X2 ≥ 0
Solución y gráfico
Interpretación
-Para que los costos sean los más bajos se debe producir 106.67 productos de A y 23.33
productos de B para que el costo mínimo sea de 436.67.
-En la primera restricción tenemos que se está ocupando la totalidad del tiempo
disponible el primer proceso.
106
-En la segunda restricción tenemos que se está ocupando un poco más del tiempo
disponible porque 106.67+11.67≥ 95, entonces en este proceso de la máquina dos se
está excediendo en 23.34 unidades, hay holgura.
-En el proceso 3 se está ocupando todo el tiempo disponible para la producción de los
dos artículos.
-Se recomienda a la gerencia que mantenga los mismos tiempos en cada uno de los
procesos porque son los adecuados para que la empresa tenga los costos mínimos en los
procesos de producción.
2) Una compañía produce dos tipos de pantalones A y B, cada pantalón tipo A requiere
del doble de mano de obra que el de tipo B. Se deben producir por lo menos 250
pantalones combinados. El mercado limita la venta diaria de pantalones tipo A, a un
máximo de 75 y los de clase B a un total de 125 pantalones. Los beneficios por pantalón
son 6 dólares para el tipo A y 4 dólares para el tipo B. Determinar el número de
pantalones de cada clase que maximice la ganancia.
x1 = pantalones A
x2 = pantalones B
Función objetivo
Z(MAX) = 6x1 + 4x2
Restricciones
2x1 + X 2 ≥ 250 capacidad de producción de pantalones combinados
X1 ≤ 75 limitacion de ventas de pantalones tipo a
X2 = 125 total, de ventas de pantalones b
107
Solución grafica
Interpretación
De acuerdo al análisis realizado se llegó a la conclusión que es necesario producir 75

unidades de pantalones tipo A y 125 unidades de pantalones tipo B debido que a la
compañía le conviene para la maximización de sus utilidades obteniendo una utilidad de
950 dólares.
La compañía ha superado la capacidad mínima de producción obteniendo 270 unidades

siendo estas mayores a lo mínimo propuesta por la empresa de pantalones combinados.
La limitación de ventas del pantalón tipo A llega a cumplir su totalidad con 75 unidades
producidas, por lo que no se desperdicia ningún pantalón y todos han sido vendidos
trayendo consigo beneficio a la compañía.
La venta total de pantalones tipo B ha llegado a su totalidad vendiéndose todo lo

producido por la empresa y no obteniendo sobrantes del mismo producto incrementando
la utilidad y ganancias de la empresa
2) Un estacionamiento puede atender cuando más a 100 vehículos entre

automóviles y camiones. Un automóvil ocupa 10 metros cuadrados, mientras
que un camión necesita un área de 20m cuadrados, y se sabe que el área total
de estacionamiento es de 1200metros cuadrados. La tarifa que se cobra
108
mensualmente es de 20dolares por auto y 35 dólares por camión ¿cuantos

vehículos de cada tipo le proporcionara el estacionamiento una ganancia
máxima?
1.- Variables de Decisión

Automóviles: 𝑥1
Camiones: 𝑥2
2.- Función Objetiva
Z (MAX)= 20𝑥1 + 35𝑥2
3.- Restricciones
Limite Combinado de estacionamiento 𝑋1 + 𝑋2 = 100
Área total de estacionamiento 10𝑥1 + 20𝑥1 = 1200
Solución grafica
Interpretación
El estacionamiento debe atender a 80 automóviles y 20 camiones para obtener una
ganancia máxima de $2.300 dólares mensuales.
Recomendaciones:
109
Se recomienda a el estacionamiento que tome en cuenta que un automóvil ocupa 10 m

cuadrados y un camión 20 m cuadrados, es decir el doble por lo tanto debe cobrar $ 40
dólares y no $ 35 dólares para así obtener más ganancia.
3) Un laboratorio farmacéutico desea preparar un tónico de tal manera que cada

frasco contenga al menos 32 unidades de vitamina A, 10 de vitamina B y 40
de vitamina C. Para suministrar estas vitaminas el laboratorio emplea aditivo
X1, a un costo de 2 dólares por onza, el cual contiene 15 unidades de
vitamina A, 2 de B y 4 de C; un aditivo X2, a un costo de 4 dólares por cada
onza, que contiene 4 unidades de vitamina A, 2 de B y 14 de C. ¿Cuántas
onzas de cada aditivo se deben incluir en el frasco para minimizar el costo?
Variables
X1= aditivo X1
X2= aditivo X2
Función objetivo
Z (min) = 2X1+4X2
Restricciones
15 X1+4X2 ≥ 32 mínimo de vitamina A

2 X1+2X2 ≥ 10 mínimo de vitamina B
4 X1+14X2 ≥ 40 mínimo de vitamina C
X1; X2 ≥ 0
Abstracciones
15 X1+4 X2 = 32
2 X1+2 X2 = 10
4 X1+14 X2 = 40
Resolución gráfica
110
Interpretación
El laboratorio farmacéutico debe incluir 3 onzas de aditivo de X 1 y 2 onzas de aditivo

X2, para minimizar el costo en 14 dólares.
En la restricción 1, tenemos un excedente de 21 onzas sobre el mínimo requerido que es
de 32 onzas de vitamina A. (total 53 onzas)
En la restricción 2 la vitamina B está cumpliendo con el mínimo requerido (10 onzas de
vitamina B)
La restricción 3 está aportando con el mínimo requerido es decir 40 onzas de vitamina C
en la composición del tónico.
111
5) Se producen dos artículos A y B los mismos que son procesados por tres máquinas
M1, M2 y M3. La máquina 1 procesa 0.5 de A y 0.5 de B. M2 procesa 1 de A y 0.5 de
B, M3 procesa 0.5 de A y 2 de B. S e dispone de al menos de 65 horas semanales para
M1, 95 para M2 100 para M3. El costo de A es de 3 dólares y 5 dólares de B. Cuántas
unidades de A y B se deben producir para que el costo sea mínimo.
Función objetivo
Z (min)= 3X1 + 5X2
Restricciones
Requerimiento de M1
0.5X1+0.5X2>=65
Requerimiento de M2
1x1+0.5x2>=95
Requerimiento de M3
0.5X1+2X2>=100
Variables de No negatividad
X1; X2>=0
112
Interpretación:
 La empresa para minimizar sus costos debe producir 107 unidades de A y 23

unidades de B.
 Se ha ocupado todo el tiempo esperado de la maquina 1
 Se ha ocupado más tiempo de lo esperado en la maquina 2.
 Se ha ocupado todo el tiempo disponible en la maquina 3
 Se recomiendo al fabricante buscar una alternativa para que las maquinas
procesen más en menor tiempo y hacer disminuir los costos de producción y
obtener más beneficios y más ganancias.
6) Una fábrica elabora dos clases de champú A y B, para lo cual dispone de ingrediente
para llenar a lo mucho 80botellas combinadas de A y B. Toma 1 hora llenar 10 botellas
de A y 4 horas llenar 10 botellas de B, se dispone cuando mucho de 2 horas, la demanda
de A se estima a lo más en 70 botellas. La fábrica está en capacidad de llenar cuando
mucho 90 botellas de A o 60 botellas de B. Cada botella de A le deja una utilidad de 80
centavos y 90 centavos la de B. ¿Cuántas botellas de A y B se deben llenar para que la
fábrica obtenga Los mayores beneficios?
113
Shampu A = x1
Champú B = x2
Función objetivo
Z (MAX)= 0.8X1 + 0.9X2
Restricciones
Disponibilidad independiente X 1+X2≤ 80
Disponibilidad hora/ llenado
1 4
𝑋1 + 𝑋 ≤2
10 10 2
Demanda máxima de Champú A X1≤70
Capacidad etiquetada
1 1
𝑋1 + 𝑋 ≤ 1
80 90 2
X1; X2 ≥0
Solución grafica
114
Interpretación.
La fábrica de Champú debe producir 20 botellas de A y 0 botellas de champú B para maximizar

sus utilidades de 16 centavos.
La fábrica de Champú cuenta con una disponibilidad de ingredientes de 60, los cuales
pueden ser combinados con las botellas de Shampu A y B.
La fábrica de Shampu no tiene disponibilidad en llenado ya que se ha ocupado en su

totalidad, la demanda máxima de Champú A existe una disponibilidad de 50 botellas de
Champú A.
La fábrica de Champú tiene disponibilidad en la capacidad de etiquetado con un 0.75

por lo que la fábrica puede etiquetar más botellas de A o de B.
Un vivero desea añadir árboles frutales y arbustos orientales a sus cultivos existentes.
Los árboles proporcionan 14 dólares por unidad. Cada árbol requiere de 2 metros
115
cuadrados para exhibición, mientras que cada arbusto necesita de tres metros cuadrados,
además, el tiempo necesario para preparar un árbol para exhibición es de dos minutos,
mientras que el que se requiere para cada arbusto es de un minuto. Las restricciones de
espacio y tiempo son las siguientes:
 Hay a lo más 12 metros cuadrados para exhibición disponible.

 Se dispone a lo mucho de 8 minutos de tiempo de preparación.
Si el vivero puede vender todos los árboles y arbustos en exhibición. ¿Cuántos árboles y
cuantos arbustos deberán exhibir diariamente para maximizar su ganancia? (Suponga
que es posible preparar una exhibición solamente una vez al día. Los arbustos dejan una
utilidad de $12,00
Variables
X1 = Árboles frutales
X2 = Arbustos orientales
Función Objetivo
Z (max) = 14 X1 + 12 X2
Restricciones
2X1 + 3X2 < = 12 Disponibilidad máxima de terreno
2X1 + X2 <= 8 Disponibilidad máxima de tiempo de preparación
X1 < = 22 Demanda máxima de botellas de cervezas Pílsener.
X2 < = 10 Demanda máxima de botellas de cerveza Club.
X1, X2 > = 0
Solución Gráfica
116
Interpretación
Se cubre toda la disponibilidad máxima de terreno
Se utiliza todo el tiempo máximo para exhibición de árboles y arbustos
Se necesita exhibir 3 árboles frutales y 2 arbustos orientales para lograr obtener la

máxima utilidad de $66,00
Se recomienda aumentar la disponibilidad de recurso para la exhibición en el vivero

como lo son: metros cuadrados de terreno y disponibilidad de tiempo para la exhibición,
tanto para árboles como para abusos y de esta manera poder aumentar el número de
unidades disponibles para la venta, que se encuentran en exhibición. Debido a la
acogida que tiene el producto y que se venden todas las existencias se puede ir
aumentando progresivamente las unidades para no quedarse con unidades en stock, pero
aumentar las ventas.
117
SEGUNDO PARCIAL
MÉTODO SIMPLEX
3.1.Consulta
MÉTODO SIMPLEX
APARICIÓN
El método simplex es un método que sirve para resolver problemas de

programación lineal. Este método fue inventado por George Dantzig en el 1947. La
primera formulación del método simplex fue en el verano de 1947. El primer
problema práctico que se resolvió con este método fue uno de nutrición.
Según (AUDREY SIERRA, 2009) El problema de la resolución de un sistema

lineal de inecuaciones se remonta, al menos, a Fourier, después de quien nace el
método de eliminación de Fourier-Motzkin. La programación lineal se plantea como
un modelo matemático desarrollado durante la Segunda Guerra Mundial para
planificar los gastos y los retornos, a fin de reducir los costos al ejército y aumentar
las pérdidas del enemigo. Se mantuvo en secreto hasta 1947. En la posguerra,
muchas industrias lo usaron en su planificación diaria. Los fundadores de la técnica
son George Dantzig, quien publicó el algoritmo simplex, en 1947, John von
Neumann, que desarrolló la teoría de la dualidad en el mismo año, y Leonid
Kantoróvich, un matemático ruso, que utiliza técnicas similares en la economía antes
de Dantzig y ganó el premio Nobel en economía en1975. En 1979, otro matemático
ruso, Leonid Khachiyan, demostró que el problema de la programación lineal era
resoluble en tiempo polinomial. Más tarde, en 1984, Narendra Karmarkar introduce
un nuevo método del punto interior para resolver problemas de programación lineal,
lo que constituiría un enorme avance en los principios teóricos y prácticos en el área.
¿QUÉ ES EL MÉTODO SIMPLEX?
Según (Palacios, 2010) “Es una técnica popular para dar soluciones numéricas
del problema de la programación lineal. Es un método numérico para optimización
de problemas libres multidimensionales perteneciente a la clase más general de
algoritmos de búsqueda”. Permite encontrar una solución óptima en un problema de
118
maximización o minimización, Es un procedimiento iterativo que permite ir

mejorando la solución a cada paso. El proceso concluye cuando no es posible seguir
mejorando más dicha solución.
APLICACIÓN
La aplicación del método del Simplex, se utiliza cuando el problema es de un

tamaño suficientemente grande. Está diseñado para problemas de programación
lineal. Se han desarrollado diversas variantes del método simplex que tienen en
cuenta las particularidades de las diversas clases especiales de problemas de
programación lineal
DEFINICIONES
Variables de decisión y parámetros- Las variables de decisión son incógnitas que

deben ser determinadas a partir de la solución del modelo. Los parámetros
representan los valores conocidos del sistema o bien que se pueden controlar.
Restricciones- Las restricciones son relaciones entre las variables de decisión y

magnitudes que dan sentido a la solución del problema y las acotan a valores
factibles.
Función Objetivo- La función objetivo es una relación matemática entre las

variables de decisión, parámetros y una magnitud que representa el objetivo o
producto del sistema.
CONDICIONES
1. El objetivo es de la forma de maximización o de minimización.

2. Todas las restricciones son de igualdad.
3. Todas las variables son no negativas
4. Las constantes a la derecha de las restricciones son no negativas.
IMPORTANCIA
Este método es muy importante en el área empresarial ya que lo utilizan para

obtener solución a los problemas de las empresas en cuanto a inventario, ganancias y
119
pérdidas. Este método permite visualizar cuanto se debe vender, cuanto se debe
producir o cuanto se debe comprar según sea el caso para que la empresa obtenga las
ganancias optimas y suficientes para competir en el mercado.
ALGUNOS SOFTWARE EN LA IMPLEMENTACIÓN DEL METODO

SIMPLEX
 WinQSB- Creado por el del Dr. Yih-Long Chang. Consta de una serie de
módulos o aplicaciones individuales que nos ayudarán en temas de
investigación de operaciones, métodos de trabajo, planteamiento de la
producción, evaluación de proyectos, control de calidad, simulación,
estadística, etc.
 LINDO - Se especializa en software de Optimización Lineal, No Lineal, y
Entera ofreciendo una línea completa de productos, con un total soporte de
estos.
 Implementación con el uso de Excel
 Implementación con Java
 Implementación con Mathematica
VENTAJAS DEL MÉTODO SIMPLEX
 Es un método heurístico. Se basa en consideraciones geométricas y no

requiere el uso de derivadas de la función objetivo.
 Es de gran eficacia incluso para ajustar gran número de parámetros.
 Es fácil de implementar y usar, y sin embargo tiene una alta eficacia.
 Se puede usar con funciones objetivo muy sinuosas pues en las primeras
iteraciones busca el mínimo más ampliamente y evita caer en mínimos locales
fácilmente.
DESVENTAJAS DEL METODO SIMPLEX
 Converge más lentamente que otros métodos pues requiere mayor número de
iteraciones.
EJERCICIO PRÁCTICO
120
La empresa el SAMÁN Ltda. Dedicada a la fabricación de muebles, ha ampliado su

producción en dos líneas más. Por lo tanto actualmente fabrica mesas, sillas, camas y
bibliotecas. Cada mesa requiere de 2 piezas rectangulares de 8 pines, y 2 piezas
cuadradas de 4 pines. Cada silla requiere de 1 pieza rectangular de 8 pines y 2 piezas
cuadradas de 4 pines, cada cama requiere de 1 pieza rectangular de 8 pines, 1 cuadrada
de 4 pines y 2 bases trapezoidales de 2 pines y finalmente cada biblioteca requiere de 2
piezas rectangulares de 8 pines, 2 bases trapezoidales de 2 pines y 4 piezas
rectangulares de 2 pines. Cada mesa cuesta producirla $10000 y se vende en $ 30000,
cada silla cuesta producirla $ 8000 y se vende en $ 28000, cada cama cuesta producirla
$ 20000 y se vende en $ 40000, cada biblioteca cuesta producirla $ 40000 y se vende en
$ 60000. El objetivo de la fábrica es maximizar las utilidades.
Problema planteado por Edwin Bastidas - Ingeniero Industrial

PASO 1: MODELACIÓN MEDIANTE PROGRAMACIÓN LINEAL
Las variables:
X1 = Cantidad de mesas a producir (unidades)

X2 = Cantidad de sillas a producir (unidades)
X3 = Cantidad de camas a producir (unidades)
X4 = Cantidad de bibliotecas a producir (unidades)
Las restricciones:
121
2X1 + 1X2 + 1X3 + 2X4 <= 24

2X1 + 2X2 + 1X3 <= 20
2X3 + 2X4 <= 20
4X4 <= 16
La función Objetivo:
ZMAX = 20000X1 + 20000X2 + 20000X3 + 20000X4

PASO 2: CONVERTIR LAS INECUACIONES EN ECUACIONES
En este paso el objetivo es asignar a cada recurso una variable de Holgura, dado que
todas las restricciones son "<=".
2X1 + 1X2 + 1X3 + 2X4 + 1S1 + 0S2 + 0S3 + 0S4 = 24

2X1 + 2X2 + 1X3 + 0X4 + 0S1 + 1S2 + 0S3 + 0S4 = 20
0X1 + 0X2 + 2X3 + 2X4 + 0S1 + 0S2 + 1S3 + 0S4 = 20
0X1 + 0X2 + 0X3 + 4X4 + 0S1 + 0S2 + 0S3 + 1S4 = 16
De esta manera podemos apreciar una matriz identidad (n = 4), formado por las
variables de holgura las cuales solo tienen coeficiente 1 en su respectivo recurso, por el
ejemplo la variable de holgura "S1" solo tiene coeficiente 1 en la restricción
correspondiente a el recurso 1.
La función objetivo no sufre variaciones:
ZMAX = 20000X1 + 20000X2 + 20000X3 + 20000X4

PASO 3: DEFINIR LA SOLUCIÓN BÁSICA INICIAL
El Método Simplex parte de una solución básica inicial para realizar todas sus
iteraciones, esta solución básica inicial se forma con las variables de coeficiente
diferente de cero (0) en la matriz identidad.
1S1 = 24
1S2 = 20
1S3 = 20
1S4 = 16
122
PASO 4: DEFINIR LA TABLA SIMPLEX INICIAL
www.ingenieriaindustrialonline.com
Solución: (segundo término)= En esta fila se consigna el segundo término de la
solución, es decir las variables, lo más adecuado es que estas se consignen de manera
ordenada, tal cual como se escribieron en la definición de restricciones.
Cj = La fila "Cj" hace referencia al coeficiente que tiene cada una de las variables de la
fila "solución" en la función objetivo.
Variable Solución = En esta columna se consigna la solución básica inicial, y a partir
de esta en cada iteración se van incluyendo las variables que formarán parte de la
solución final.
Cb = En esta fila se consigna el valor que tiene la variable que se encuentra a su
derecha "Variable solución" en la función objetivo.
Zj = En esta fila se consigna la contribución total, es decir la suma de los productos
entre término y Cb.
Cj - Zj = En esta fila se realiza la diferencia entre la fila Cj y la fila Zj, su significado
es un "Shadow price", es decir, la utilidad que se deja de recibir por cada unidad de la
variable correspondiente que no forme parte de la solución.
Solución inicial:
123
PASO 5: REALIZAR LAS ITERACIONES NECESARIAS

Este es el paso definitivo en la resolución por medio del Método Simplex, consiste en
realizar intentos mientras el modelo va de un vértice del poliedro objetivo a otro.
El procedimiento a seguir es el siguiente:
1. Evaluar que variable entrará y cual saldrá de la solución óptima:
Maximizar Minimizar
Variable que
La más positiva de los Cj - Zj La más negativa de los Cj - Zj
entra
Siendo b los valores bajo la celda solución Siendo b los valores bajo la celda
Variable que y a el valor correspondiente a la solución y a el valor correspondiente a la
sale intersección entre b y la variable que entra. intersección entre b y la variable que
La menos positiva de los b/a. entra. La más positiva de los b/a.
124
2. El hecho de que una variable distinta forme parte de las variables solución implica
una serie de cambios en el tabulado Simplex, cambios que se explicarán a continuación.
- Lo primero es no olvidar el valor del "a" correspondiente a la variables a entrar, en

este caso el "a = 4".
- Lo siguiente es comenzar a rellenar el resto de la tabla, fila x fila.
125
- Se repite este procedimiento con las dos filas restantes, ahora se harán los cálculos
correspondientes en el resto de las celdas.
126
De esta manera se culmina la primera iteración, este paso se repetirá cuantas veces sea
necesario y solo se dará por terminado el método según los siguientes criterios.
Maximizar Minimizar
Solución Cuando todos los Cj - Zj sean <= Cuando todos los Cj - Zj sean >=
Óptima 0 0
- Continuamos con las iteraciones para lo cual tenemos que repetir los pasos anteriores.
En esta última iteración podemos observar que se cumple con la consigna Cj - Zj <= 0,
para ejercicios cuya función objetivo sea "Maximizar", por ende hemos llegado a la
respuesta óptima.
X1 = 3
127
X2 = 4
X3 = 6
X4 = 4
Con una utilidad de: $ 340000
Sin embargo una vez finalizado el Método Simplex se debe observar una matriz
identidad en el rectángulo determinado por las variables de decisión, el hecho de que en
este caso no se muestre la matriz identidad significa que existe una solución óptima
alterna.
La manera de llegar a la otra solución consiste en alterar el orden en que cada una de las
variables entro a la solución básica, recordemos que el proceso fue decidido al azar
debido a la igualdad en el Cj - Zj del tabulado inicial. Aquí les presentamos una de las
maneras de llegar a la otra solución.
128
Podemos observar como existe una solución óptima alternativa en la cual la
combinación de variables es distinta y existe un menor consumo de recursos, dado que
el hecho de que se encuentre la variable "S1" en la solución óptima con un coeficiente
129
de "3" significa que se presenta una holgura de 3 unidades del recurso (pieza rectangular
de 8 pines).
X1 = 0 (Cantidad de mesas a producir = 0)

X2 = 7 (Cantidad de sillas a producir = 7)
X3 = 6 (Cantidad de camas a producir = 6)
X4 = 4 (Cantidad de bibliotecas a producir = 4)
S1 = 3 (Cantidad de piezas rectangulares de 8 pines sin utilizar =3)
Con una utilidad de: $ 340000
Bibliografía
AUDREY SIERRA. (2009). Blogger Themes. Método simplex: origen. Obtenido de
http://metodosimplexminimizar.blogspot.com/2015/05/origen-el-metodo-simplex-
fue-creadoen.html
Palacios, F. (2010). Programación. Obtenido de

https://evelynjania.jimdo.com/temas/programacion-lineal/ejercicios-
maximizaci%C3%B3n-minimizaci%C3%B3n/
3.2.Definición
Según Portilla M. (2010) “El método símplex cuya gran virtud es su sencillez,
es un método muy práctico, ya que solo trabaja con los coeficientes de la función
objetivo y de las restricciones. Ilustraremos su funcionamiento mediante un ejemplo,
pero previamente mostraremos las reglas de decisión para determinar la variable que
entra, la que sale, la gran M, y cómo determinar que estamos en el óptimo; Todas éstas
reglas de decisión fueron deducidas del método algebraico, solamente que aquí se han
acomodado para ser usadas en el tipo de tablero símplex que se usará.”
V. Holgura = S
≤+S
≥-S+M
= +M
130
3.1.1. Ejemplo de Minimización
 Un problema consiste en determinar una dieta de una manera eficiente a partir

de un conjunto dado de alimento de modo que se satisfaga ciertos
requerimientos especiales, suponga que tiene la siguiente información.
Leche (Galón) Legumbre Naranja Requerimiento

(Porción) (unidades) Nutricionales
Niacina 3,2 4,9 0,8 13
Tiamina 1,12 1,3 0,19 15
Vitamina C 32 0 93 45
Costos 2 0,2 0,25
X1= Leche
X2= Legumbre
X3= Naranja
Función Objetivo
Z(min) = 2X1 + 0,2 X2 + 0,25X3
Restricciones
Requerimiento niacina = 3,2 X1 + 4,9X2 + 0,8X3 ≥ 13

Requerimiento Tiamina = 1,12X1 + 1,3X2 + 0,19X3 ≥ 14
Requerimiento Vitamina C = 32X1+ + 93X2 ≥ 45
Valor No Negatividad
X1; X2; X3 ≥ 0
Abstracciones
3,2X1 + 4,9X2 + 0,8X3 – S1 + 0S2 + M1 + 0M2 + 0M3 = 13

1,12X1 + 1,3X2 + 0,19X3 - S2 + M2 = 15
32X1 + 93X3 -S3 +M3 = 45
Tabla
131
Cj 2 0,2 0,25 0 0 0 M M M
Xj bn X1 X2 X3 S1 S2 S3 M1 M2 M3
Cj 2 0,2 0,25 0 0 0 M M M
M M1 12,62 2,93 4,9* 0 -1 0 0,0026 1 0 -0,0086
Xj Bn X1 X2 X3 S1 S2 S3 M1 M2 M3
M M2 14,91 1,06 1,3 0 0 -1 0,00204 0 1 -0,00204
0,25 X3 M M1
0,48 13
0,34 3,20 4,9 1 0,8 0 -1 O 0 0
-0,01075 1 0 0 0 0 0,01075
Zj M M2
27,53M 15
3,99M 1,12
6,2M 1,300 0,19-M 0 -M -1 0,01064M 0 0 M 1 M 0 -0,9064M
Zj-CjM M3
------- 45
3,99M 32
6,2M 0-0,25 93* -M 0 -M 0 0,01064M -1 0 0 0 0 1 -1,01064M
Zj 73M 36,32M 6,2M 93,99M -M -M -M M M M
93,99M
Zj-Cj ----- 36,32M 6,2M -M -M -M 0 0 0
Cj 2 0,2 0,25 0 0 0 M M M
Xj bn X1 X2 X3 S1 S2 S3 M1 M2 M3
0,2 X2 2.58 0,6 1 0 -0,20408 0 0,00176 0,20408 0 -0,00176
M M2 11,56 0,28 0 0 0,2653 -1 -0,00025 -0,2653 1 0,00025
0,25 X3 0,48 0,34* 0 1 0 0 0 0 0 0,01075
Zj 11,56 0,28 0 0 0,26530M -M 0,00025M -0,26530M M 0,00025M
Zj-Cj ------ 0,28M -0,2 -0,25 0,26530M -M 0,00025M -0,26530M O -0,99975M
Eliminar el mayor pijote

𝑏𝑛 𝑏𝑛 13
= = = 16, 25
𝑥𝑗 𝑥3 0,8
15
= 78,95
0,19
45
= 0,48 = menor pijote
0,19
15
= 𝑛𝑜 𝑣𝑎𝑙𝑒 𝑠𝑒𝑟 𝑝𝑖𝑗𝑜𝑡𝑒
−2
Cj 2 0.2 0.25 0 0 0 0 M M M
Xj Bn X1 X2 X3 S1 S2 S3 M1 M2 M3
0.2 X2 1.73 0 1 -1.764 -0.20408 0 0.02074 0.20408 0 -0.02074
M M2 11.17 0 0 -0.8232 0.2653 -1 -0.00861 -0.2653 1 -0.00861
2 X1 1.41 1 0 2.44 0 * 0 -0.03163 0 0 0.03163
Zj 11.17M 0 0 -0.6232M 0.2653M -M 0.00861M -0.2653M M -0.00861M
132
Zj-Cj ------- -2M -0.2M -0.8232 0.2653M -M 0.00861M -1.2653M 0 -1.00861M
Cj 2 0,2 0,25 0 0 0
Xj Bn X1 X2 X3 S1 S2 S3
0,2 X1 11,47 0,81348 1 0 0 -0,7694 0,00153
0 S1 43,59 1,0540 0 0 1 -3,7693 -0,00088
0,25 X3 0,48 0,34 0 1 0 0 -0,01075
Zj 2,41 0,2477 0,2 0,25 0 -0,15388 -0,00238
Zj-Cj -------- -1,1723 0 0 0 -0,15388 -0,00238
Conclusión
X1: leche galones = 0
X2: legumbres porción = 11,47
X3: naranjas unidades = 0,48
Z (min) = 2,41
Es decir la dieta debe tener 11,47 porciones de legumbres y 0,48 unidades de

naranja para satisfacer los requerimientos nutricionales de la tabla y a un costo mínimo
de 2,41 dólares.
La primera restricción que es requerimientos de Niacina existe un holgura de

43,59 es decir la dieta excede en 43,59 en el requerimiento de Niacina.
La segunda restricción de requerimiento de Tianina está cubierta en su totalidad

es decir la dieta cumple con los requerimientos nutricionales de Tianina. Y en el análisis
de sensibilidad no varía la respuesta de las cantidades que minimizan el costo de la dieta
con un con un mínimo de 14,845 y un máximo de 15,154.
La tercera restricción de requerimiento de Vitamina C está cubierta en su

totalidad es decir la dieta cumple con los requerimientos nutricionales de Vitamina C. Y
en el análisis de sensibilidad no varía la respuesta de las cantidades que minimizan el
costo de la dieta con un mínimo de 44,998 y un máximo de 45,002.
133
3.1.2. Ejemplo de Maximización
 Con el inicio de clases una empresa va a lanzar unas ofertas de materiales

escolares, la empresa tiene para ofrecer 600 cuadernos ,500 carpetas y 400
bolígrafos empaquetándolos de dos formas distintas: 1 bloque oferta 2 cuadernos
,1 carpeta, 2 bolígrafos él; en el 2 bloque oferta :3 cuardenos,1 carpeta ,1
bolígrafo .Los precios de cada paquete serán de 6 y 7 dólares respectivamente
¿Cuantos paquetes de cada forma le conviene estructurar para tener el máximo
beneficio?
𝑥1 = bloque 1
𝑥2 = bloque 2
Función Objetivo
Z (máx.)= 6𝑥1 + 7𝑥2

𝑥1 , 𝑥2 , ≥, 0
Restricciones
Disponibilidad de cuadernos 2𝑥1 + 3𝑥2 ≤ 600
Disponibilidad de carpetas 𝑥1 + 𝑥2 ≤ 500
Disponibilidad de bolígrafos 2𝑥1 + 𝑥2 ≤ 400
Abstracciones:
2𝑥1 + 3𝑥2 + 𝑆1 = 600
𝑥1 + 𝑥2 + 𝑆2 = 500
2𝑥1 + 𝑥2 + 𝑆3 = 400
Tabla
134
Cj 6 7 0 0 0
Xj Bn X1 X2 S1 S2 S3
0 S1 600 2 3* 1 0 0
0 S2 500 1 1 0 1 0
0 S3 400 2 1 0 0 1
Zj 0 0 0 0 0 0
Zj-Cj --------- -6 -7 0 0 0
Cj 6 7 0 0 0
Xj Bn X1 X2 S1 S2 S3
7 X2 200 0,6666 1 0,3333 0 0
0 S2 300 0,3334 0 -0,3333 1 0
0 S3 200 1,3334* 0 -0,3333 0 1
Zj 1400 4,6662 7 2,3331 0 0
Zj-Cj --------- -1,3338 -0 2,331 0 0
Cj 6 7 0 0 0
Xj bn X1 X2 S1 S2 S3
135
7 X2 100.01 0 1 0,499992 0 -0,4999

0 S2 249,99 0 0 -0,24996 1 -0,2500
6 X1 149,99 1 0 -0,24996 0 0,74996
Zj 1600,01 6 7 1,98968 0 1,00032
Zj-Cj --------- 0 0 1,98968 0 1,00032
Conclusión:
De acuerdo al analisis realizado y con los resultados obtenidos se puede concluir que se
deben hacer 150 del bloque uno el cual contiene dos cuaderno una carpeta, y dos
boligrafos, y en el bloque dos conviene poner 3 cuadernos 1 carpeta,y 1 boligrafo para
lograr una maxima utilidad de 1600 dolares
 Suponga que tratamientos medicinales por radiación están disponibles y cada

onza contiene 500 unidades curativas y 400 unidades toxicas. Cada minuto de
radiación proporciona 1000 unidades curativas y 600unidades toxicas. El
paciente requiere al menos de 2000 unidades curativas y puede tolerar nomas de
1400 unidades toxicas; si cada onza de medicina provoca el mismo malestar que
cada minuto de radiación. Determine la dosis de medicamento y radiación de
modo que el malestar en el paciente sea mínimo.
X1= tratamiento medicinal
X2= tratamiento por radiación
Función objetivo
Z(min) = 2000x1+1400x2
𝑋1; 𝑋2 ≥ 0
Restricciones
Unidades curativas 500x1+1000x2≥ 2000
Unidades toxicas 400x1+600x2 ≤ 1400
136
Función objetivo
Z(min) = 2000x1+1400x2+0s1+0s2+Mm1+Mm2
Abstracciones
500x1+1000x1-S1 +m1 = 2000
400x1+ 600x2 -S2 = 1400
Tabla
Cj 2000 1400 0 0 M
Xj bn X1 X2 S1 S2 M1
M m1 2000 500 1000* -1 0 1
0 S1 1400 400 600 0 -1 0
Zj 2000 500 1000 (-M) 0 M
Zj-Cj ------- 500 1000 (-M) 0 0
Cj 2000 1400 0 0 M
Xj bn X1 X2 S1 S2 M1
1400 x2 2 0,5 1 -0,001 0 0,001*
0 S1 200 100 0 0,6 -1 -0,6
Zj 2800 700 1400 -1,4 0 1,4
Zj-Cj ------- -1300 0 -1,4 0 M
Cj 2000 1400 0 0 M
Xj Bn X1 X2 S1 S2 M1
M M1 2000 500 1000* -1 0 1
0 S1 1400 400 600° 1/5 1 0
Zj 2000M 500M 1000M -M 0 M
Zj-Cj ------- 500M 1000M -M 0 0
137
Cj 2000 1400 0 0
Xj Bn X1 X2 S1 S2
1400 X2 2 ½ 1 -1/1000 0
0 S2 200 100 0 9/5 1
Zj 2800 700 1400 -7/5 0
Zj-Cj --------- -1300 0 -7/5 0
Conclusión
La empresa debe producir 200 de producto b a para para tener una utilidad de
2800, además la empresa dispone de 1300 de producto a y la (S1) que no fueron
utilizado en su totalidad de lo cual dispone de 7/5 y al producto A no se utilización de
1300 de lo cual la empresa se recomienda que debe utilizar la producción además la
empresa no utiliza los insumos todo lo necesario.
 Una empresa que se dedica a la producción de pantalones de tipo A y B los

cuales tienes una capacidad máxima de producción de 250 pantalones, la ventas
diarias de pantalones del tipo A es a lo mucho 75 y las ventas diarias del
pantalón del tipo B es un total de 125 pantalones, usando el método simplex
máxime las ganancias de la empresa si el pantalón de tipo se vende a 6$ y el
pantalón del tipo B a 4$.
X1: pantalón tipo A
X2: pantalón tipo B
Funciona Objetivo
138
Z (Max): 6x1 + 4x2
Restricciones
Capacidad máxima de producción: 2x1 + x2 ≥ 250
Ventas máximas diarias pantalón tipo A: x1 ≤ 75
Ventas totales diarias pantalón tipo B: x1 = 125
X1, X2, ≥ 0
Abstracciones
2x1 + x2 – S1+S0+ M1+ M0+ M0 =250
x1 +S2+ M0+ M0+ M0=75
x2 +S0+S0+ M0+ M0+M3 =125
Tabla
Cj 6 4 0 0 M M
XJ BN X1 X2 S1 S2 M1 M3
M M1 250 2 1 -1 0 1 0
0 S2 75 1* 0 0 1 0 0
M M3 125 0 1 0 0 0 1
ZJ 375 2M 2M -M 0 M M
ZJ-CJ --------- 2M 2M -M 0 0 0
139
Cj 6 4 0 0 M M
M M1 100 0 1* -1 -2 1 0
6 X1 75 1 0 0 1 0 0
M M3 125 0 1 0 0 0 1
ZJ 225M 6 2M -M -2M M M
ZJ-CJ --------- 0 2M -M -2M 0 0
Cj 6 4 0 0 M M
4 X2 100 0 1 -1 -2 1 0
6 X1 75 1 0 0 1* 0 0
M M3 25 0 0 1 2 1 1
ZJ 100M 6 4 -M 2M -M M
ZJ-CJ --------- 0 0 -M 2M -2M 0
Cj 6 4 0 0 M M
4 X2 125 0 1 0 0 0 1
6 X1 62.5 1 0 -0.5 0 0.5 -0.5
140
0 S2 12.5 0 0 0.5* 1 -0.5 0.5

ZJ 875 6 4 -3 0 3 1
ZJ-CJ --------- 0 0 -3 0 - -
Cj 6 4 0 0
XJ BN X1 X2 S1 S2
4 X2 125 0 1 0 0
6 X1 75 1 0 0 1
0 S1 25 0 0 1 2
ZJ 950 6 4 0 6
ZJ-CJ --------- 0 0 0 6
Conclusión
 La empresa debe elaborar 75 pantalones de tipo A y 125 pantalones tipo B para

generar una utilidad de $950.
 S1, 275 ≥ 250. Su capacidad mínima sobrepasa con 25, es decir, que se tiene la
capacidad mínima requerida.
 Las ventas diarias A, cumple con el requerimiento de S2.
 Las ventas totales están cubiertas.
Del análisis realizado se obtuvo que la empresa necesita vender 75 pantalones del tipo A
y 125 pantalones del tipo B para obtener una ganancia máxima de 950$, en la primera
restricción se encontró una holgura de 25 pantalones por lo que la producción diaria de
pantalones produce 30 pantalones demás, las restricciones 2 y 3 se cumplieron en su
totalidad y que la venta diaria de pantalones del tipo A puede ir desde 69 a 81
pantalones sin afectas al ejercicio planteado
DUAL SIMPLEX
4.1.Ejercicio en clase
141
 Dos productos tienen el siguiente proceso: hay un taller que lo más que puede
hacer son 200 del tipo A y 100 del tipo B por día. El taller de pintura tiene una
capacidad diaria de 120 del tipo A y 160 del tipo B, también el tratamiento
técnico puede procesar un total de 90 del tipo A por día. El producto A tiene
una utilidad de $4 y el B de $6. Determinar la producción optima que maximice
los beneficios y realice un análisis del problema planteado.
Tipo A: X1
Tipo B: X2
Funciona Objetivo
Z (Max): 4x1+6x2
Restricciones
1 1
𝑥1 + 𝑥2 ≤ 1 : Capacidad de producción ≈ X1 + 2X2 ≤ 200
200 100
:S1
1 1
𝑥1 + 𝑥2 ≤ 1 : Capacidad taller de pintura ≈ 16X1 + 12X2 ≤ 1920
120 160
:S2
X1꞊ 90 : Capacidad Tratamiento Técnico ≈ X1 ≥ 90 (-) ≈ -X1 ≤ -90
:S3
≈ X1 ≤ 90
:S4
X1, x2 ≥ 0
CAMBIAR LA FUNCIÓN OBJETIVO DUAL SIMPLEX
Funciona Objetivo
Z (Min): 200y1+1920 y2 – 90 y3 + 90 y4 + 0S1 + 0S2 + Mm1 + Mm2

142
Restricciones
y1 + 16y2 – y3 + y4 ≥ 4
2y1 + 12y2 ≥6
y1, y2, y3, y4 ≥0
Abstracciones
y1+ 16y2 – y3+ y4 – S1 + m1 ꞊4
2y1 + 12y2 – S2 + m2 ꞊6
Cj 200 1920 -90 90 0 0 M M

Xj Bn Y1 Y2 Y3 Y4 S1 S2 M1 M2
M M1 4 1 16* -1 1 -1 0 1 0
1 M2 6 2 12 0 0 0 -1 0 1
ZJ 10M 3M 28M -M M -M -M M M
ZJ-CJ ----- 3M 28M -M M -M -M 0 0
Cj 200 1920 -90 90 0 0 M M

1920 Y2 1/4 1/16 1 -1/16 1/16 -1/16 0 1/16 0
M M2 3 5/4* 0 3/4 -3/4 ¾ -1 -3/4M 1
Zj 3M 5/4M 1920 3/4M -3/4M 3/4M -M -3/4M M
Zj-Cj ----- 5/4M 0 3/4M -3/4M 3/4M -M -7/4M 0
Cj 200 1920 -90 90 0 0 M M

1920 Y2 1/10 0 1 -1/10 1/10 -1/10 1/20 1/10 0
200 Y1 12/5 1 0 3/5* -3/5 3/5 -4/5 -3/5 0
Zj 600 200 1920 -72 72 -72 -64 72 0
Zj-Cj ----- 0 0 18 -18 -72 -64 - -
143
Cj 200 1920 -90 90 0 0

Xj Bn S1 S2 S3 S4 X1 X2
1920 Y2 ½ 1/6 1 0 0 0 -1/12
-90 Y3 4 5/3 0 1 -1 1 -4/3
Zj 600 170 1920 -90 90 -90 -40
Zj-Cj ----- │-30│ 0 0 0 │-90│ │-40│
Conclusión
S1: Capacidad taller de producción

S2: Capacidad taller de pintura
S3: Capacidad Tratamiento técnico
S4: Capacidad Tratamiento técnico
Se deben producir 90 productos del tipo A y 40 del tipo B para maximizar los
beneficios y obtener una utilidad de $ 600. La Capacidad del taller de pintura y el
tratamiento técnico se encuentran ocupados en su totalidad mientras que el taller de
producción tiene una capacidad de 30 productos.
 Banco Pichincha está ofertando 3 tipos de créditos: Préstamos Personales,

Préstamos para vivienda y Préstamos para autos cuyo rendimiento es de 15%,
10% y 12%, respectivamente. La política del banco impone los siguientes
límites. Los préstamos personales no pueden exceder del 10% de todos los
préstamos. La cantidad de préstamos personales y para autos en conjunto no
debe ser mayor del 20% de todos los préstamos. El banco desea maximizar los
ingresos de los créditos otorgados sujetándose a las restricciones anteriores. El
144
banco puede prestar como mínimo 150.000. Formule este problema como un
método de programación lineal y resuélvalo por el dual simplex.
Función Objetivo
Z (máx): 0.15𝑋1 + 0.10𝑋2 + 0.12𝑋3
Restricciones
1. Limite préstamos personales 𝑋1 ≤ 0.10(𝑋1 + 𝑋2 + 𝑋3 )
0.90𝑋1 − 0.10𝑋2 − 0.10𝑋3 ≤ 0
2. Límite de préstamos para autos 𝑋1 + 𝑋3 ≤ 0.20(𝑋1 + 𝑋2 + 𝑋3 )
0.80𝑋1 − 0.2𝑋2 + 0.80𝑋3 ≤ 0
3. Mínimo de préstamos 𝑋1 + 𝑋2 + 𝑋3 ≥ 150.000 (−1)
−𝑋1 − 𝑋2 − 𝑋3 ≤ −150.000
𝑋1 , 𝑋2 , 𝑋3 ≥ 0
CAMBIAR LA FUNCIÓN OBJETIVO DUALSUMPLEX
Función Objetivo
Z (min): 0𝑌1 + 0𝑌2 − 150.000𝑌3
Restricciones
1. 0.90𝑌1 + 0.80𝑌2 − 𝑌3 ≥ 0.15
2. −0.10𝑌1 − 0.20𝑌2 − 𝑌3 ≥ 0.10
3. −0.10𝑌1 + 0.8𝑌2 − 𝑌3 ≥ 0.12
𝑌1, 𝑌2, 𝑌3 ≥ 0
Abstracciones
0.90𝑌1 + 0.80𝑌2 − 𝑌3 − 𝑆1 + 𝑀1 ≥ 0.15
−0.10𝑌1 − 0.20𝑌2 − 𝑌3 − 𝑆2 + 𝑀2 ≥ 0.10
−0.10𝑌1 + 0.80𝑌2 − 𝑌3 − 𝑆3 + 𝑀3 ≥ 0.12

145
Tabla
Cj 0 0 -150000 0 0 0 M M M
Xj Bn Y1 Y2 Y3 S1 S2 S3 M1 M2 M3
M M1 0.15 0.9 0.8 -1 -1 0 0 1 0 0
M M2 0.10 -0.1 -0.2 -1 0 -1 0 0 1 0
M M3 0.12 -0.1 0.8* -1 0 0 -1 0 0 1
Zj 37/100M 7/10M 7/5M -3M -M -M -M M M M
Zj-Cj -------- 7/10M 7/5M -3M -M -M -M 0 0 0
Cj 0 0 -150000 0 0 0 M M M
M M1 3/100 1* 0 0 -1 0 1 1 0 -1
M M2 13/100 -1/8 0 -5/4 0 -1 -1/4 0 1 1/4
0 Y2 3/20 -1/8 1 -5/4 0 0 -5/4 0 0 5/4
Zj 4/25M 7/8M 0 -5/4M -M -M 3/4M M M -3/4M
Zj-Cj ------ 7/8M 0 -5/4M -M -M 3/4M 0 0 -7/4M
Cj 0 0 -150000 0 0 0 M M M
0 Y1 3/100 1 0 0 -1 0 1 1 0 -1
M M2 107/800 ¼ 0 -5/4 -1/8 -1 -1/8 1/8 1 1/8
0 Y2 123/800 5/32* 1 -45/32 -1/64 -1/8 -81/64 1/64 1/8 81/64
Zj 107/800M 1/4M 0 -5/4M -1/8M -M -1/8M 1/8M M 1/8M
Zj-Cj ------- 1/4M 0 -5/4M -1/8M -M -1/8M 1/8M 0 1/8M
146
Cj 0 0 -150000 0 0 0
Xj Bn Y1 Y2 Y3 S1 S2 S3
0 Y1 3/100 1 0 0 -1 0 1
0 Y3 101/800 0 0 -5/4 -3/8 -1 -3/8
0 Y2 477/3200 0 1 -45/32 9/64 -1/8 -91/64
Zj 101/800 0 0 -5/4 -3/8 0 -3/8
Zj-Cj ------- 0 0 -149999.25 -3/8 0 -3/8
Conclusión
Se debe otorgar 3/8 del total de la cantidad asignada de préstamos para los
préstamos personales y 3/8 del total asignado para otorgar préstamos para autos, para
obtener así la máxima utilidad de 12625, cumpliendo así con el objetivo del banco que
es maximizar sus ganancias con la prestación de los préstamos, que en este caso resultan
ser los que generan un mayor beneficio los préstamos personales y los préstamos
otorgados para autos.
Los préstamos personales no exceden del 10% del total de todos los préstamos
Los préstamos para autos son mayores del 20% del total de todos los préstamos
No hay disponibilidad para realizar préstamos para vivienda.
4.2.Prueba 1
Realizar el siguiente ejercicio
Función Objetivo
Z(Max):0.15x1+0.14x2+o.13x3
Restricciones
 Relación de Préstamos Personales:
X1 ≥ 0.10(x1+x2+x3)
-0.9x1+0.10x2+0.10x3 ≥0(-1)
0.9x1-0.10x2-0.10x3 ≤0
 Relación de préstamos personales y préstamos para muebles:

x1+x2≤ 0.20(x1+x2+x3)
0.8x1+0.8x2-0.2x3≤0
147
 Disponibilidad de Préstamos:
X1+x2+x3≤130000
X1,X2,X3 ≥0
MÉTODO SIMPLEX
Función Objetivo
Z(max):0.15x1+0.14x2+0.13x3 +0s1+0s2+0s3
Restricciones
0.9x1-0.10x2-0.10x3 ≤0
0.8x1+0.8x2-0.2x3≤0
X1+x2+x3≤130000
X1,X2,X3 ≥0
Abstracciones
0.9x1-0.10x2-0.10x3 +s1=0
0.8x1+0.8x2-0.2x3+s2=0
X1+x2+x3+s3=130000
Tabla
Cj 0.15 0.14 0.13 0 0 0

148
0 S1 0 -0.9 0.1 0.1 1 0 0

0 S2 0 0.8 0.8 -0.2 0 1 0
0 S3 130000 1 1 1 0 0 1
Zj 0 0 0 0 0 0 0
Zj-Cj ----- -0.15 -0.14 -0.13 0 0 0
Cj 0.15 0.14 0.13 0 0 0

0 S1 0 0 1 -1/8 1 9/8 0
0 S2 0 1 1 -1/4 0 5/4 0
0 S3 130000 0 0 5/4 0 -5/4 1
Zj 0 0.15 0.15 -3/80 0 3/16 0
Zj-Cj ----- 0 1/100 -67/400 0 3/16 0
Cj 0.15 0.14 0.13 0 0 0

0 S1 13000 0 1 0 1 1 1/10
0 S2 26000 1 1 0 0 1 1/5
0 S3 104000 0 0 1 0 -1 4/5
Zj 17420 0.15 0.15 0.13 0 1/50 67/500
Zj-Cj ----- 0 0 0 0 1/50 67/500
Conclusión
La compañía de préstamos para tener un máximo de ingresos debe otorgar

26000 dólares en créditos personales y 104000 dólares en créditos para autos y ningún
crédito para muebles , pues ello tendrá un ingresos máximo de USD 17420 , en donde
su disponibilidad de préstamos estará cubierta , su disponibilidad de créditos personales
y para muebles será de 0 cumpliendo con el límite y alcanzara su disponibilidad de
préstamos a su totalidad pues entre préstamos personales y para autos llega a los USD
130000 que tiene para sus créditos , además cuenta con una posible variación de 0.01
dólares en cuanto a disponibilidad de préstamos personales y de muebles , de igual
149
modo en sus disponibilidad de préstamos cuenta con una sensibilidad de 0.13 dólares de
préstamos .
4.3.Prueba 2
 P.P: X1
 P.M: X2
 P.A: X3
Función Objetivo
Z(max): 15%X1 + 14%X2 + 13%X3 + 0S1 + 0S2 + 0S3
X1;X2;X3 >= 0
Restricciones
Rotación P.P/ todos los prestamos x1>= 0,1(x1+x2+x3)
Rotación P.P y P.A / todos los préstamos ,9x1- 0,1x2- 0,1x3 <= 0
Disponibilidad prestamos x1 + x2 + x3 <= 130 000
Abstracciones
-,9x1+,1x2+,1 +,1x3 + s1 = 0
0,8x1 + 0,8x2 – 0,2x3 + s2 = 0
x1 + x2 + x3 + s3 = 0
Tabla
Cj 0,15 0,14 0,13 0 0 0

Xj bn x1 x2 x3 s1 s2 s3
0 s1 0 -0,9 0,1 0,1 1 0 0
0 s2 0 0,8 0,8 0,8 0 1 0
0 s3 130000 1 1 1 0 0 1
Zj 0 0 0 0 0 0 0
Zj-Cj -0,15 -0,14 -0,13 0 0 0 0
Cj 0,15 0,14 0,13 0 0 0

150
0 s1 0 0 1 -0,125 1 1,125 0
0,15 x1 0 1 1 -0,125 0 1,25 0
0 s3 130000 0 0 1,25 0 -1,25 1
Zj 0 0,15 0,15 -0,0375 0 0,1875 0
Zj-Cj 0 0,01 -0,1675 0 0,1875 0
Cj 0,15 0,14 0,13 0 0 0

0 s1 13000 0 1 0 1 1 0,1
0,15 x1 26000 1 1 0 0 1 0,2
0,13 x3 104000 0 0 1 0 -1 0,8
Zj 17420 0,15 0,15 0,13 0 0,02 0,13
Zj-Cj 0 0,01 0 0 0,02 0,13
Conclusión
Se debe optar por $26 000 es Préstamos Personales y $ 104 000 en Prestamos
Autos para obtener un rendimiento de $ 17420; no se debe optar por Prestamos /
Muebles.
Los P. Personales son $13 000 más sobre todos los préstamos.
Los P.P y P.M son el 20% de todos los préstamos otorgados.
Se utilizó todo el dinero para préstamos
TERCER PARCIAL
MÉTODO SIMPLEX
3.1.Consulta
PROBLEMA DEL TRANSPORTE O DISTRIBUCIÓN
151
Según (López, 2016) El problema del transporte o distribución, es un problema de

redes especial en programación lineal que se funda en la necesidad de llevar
unidades de un punto específico llamado fuente u origen hacia otro punto específico
llamado destino. Los principales objetivos de un modelo de transporte son la
satisfacción de todos los requerimientos establecidos por los destinos, y claro está,
la minimización de los costos relacionados con el plan determinado por las rutas
escogidas.
El contexto en el que se aplica el modelo de transporte es amplio y puede generar

soluciones atinentes al área de operaciones, inventario y asignación de elementos.
El procedimiento de resolución de un modelo de transporte se puede llevar a cabo

mediante programación lineal común, sin embargo su estructura permite la creación
de múltiples alternativas de solución tales como la estructura de asignación o los
métodos heurísticos más populares como Vogel, Esquina Noroeste o Mínimos
Costos.
152
AUTOR: Bryan Antonio Salazar López

Los problemas de transporte o distribución son uno de los más aplicados en la
economía actual, dejando como es de prever múltiples casos de éxito a escala global
que estimulan la aprehensión de los mismos.
PROBLEMA DE TRANSPORTE MEDIANTE PROGRAMACIÓN LINEAL
Como se mencionó anteriormente, la programación lineal puede ser utilizada para la

resolución de modelos de transporte, aunque no sea sensato resolver los modelos
mediante el Método Simplex, si puede ser de gran utilidad la fase de modelización,
la programación carece de la practicidad de los métodos de asignación, pero puede
ser de gran importancia dependiendo de la complejidad de las restricciones
adicionales que puede presentar un problema particular.
EL PROBLEMA
1.- Una empresa energética colombiana dispone de cuatro plantas de generación

para satisfacer la demanda diaria eléctrica en cuatro ciudades, Cali, Bogotá,
Medellín y Barranquilla. Las plantas 1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45
millones de KW al día respectivamente. Las necesidades de las ciudades de Cali,
Bogotá, Medellín y Barranquilla son de 70, 40, 70 y 35 millones de Kw al día
respectivamente.
153
Los costos asociados al envío de suministro energético por cada millón de KW entre
cada planta y cada ciudad son los registrados en la siguiente tabla.
Formule un modelo de programación lineal que permita satisfacer las necesidades

de todas las ciudades al tiempo que minimice los costos asociados al transporte.
SOLUCIÓN MEDIANTE PL
El modelo básico de transporte es el modelo en el cual la cantidad ofertada es igual a

la cantidad demandada, como es el caso de este ejercicio, sin embargo trasladar esta
suposición a la realidad es casi imposible por lo cual hace falta crear orígenes y/o
destinos ficticios con el excedente de oferta y/o demanda.
Como ya lo hemos planteado en módulos anteriores el primer paso corresponde a la

definición de las variables, regularmente se le denomina a las variables de manera
algebraica Xi,j donde i simboliza a la fuente y j simboliza al destino. En este
caso i define el conjunto {Planta 1, Planta 2, Planta 3 y Planta 4}, y j define el
conjunto {Cali, Bogotá, Medellín y Barranquilla}. Sin embargo es práctico
renombrar cada fuente y destino por un número respectivo, por ende la variable
X1,2 corresponde a la cantidad de millones de KW enviados diariamente de la Planta
1 a la ciudad de Bogotá.
154
El segundo paso corresponde a la formulación de las restricciones de oferta y

demanda, cuya cantidad se encuentra determinada por el factor entre fuentes y
destinos, en este caso 16 restricciones.
Restricciones de oferta o disponibilidad, las cuales son de signo ≤:
X1,1 + X1,2 + X1,3 + X1,4 ≤ 80

X2,1 + X2,2 + X2,3 + X2,4 ≤ 30
X3,1 + X3,2 + X3,3 + X3,4 ≤ 60
X4,1 + X4,2 + X4,3 + X4,4 ≤ 45
Restricciones de demanda, las cuales son de signo ≥:
X1,1 + X2,1 + X3,1 + X4,1 ≥ 70

X1,2 + X2,2 + X3,2 + X4,2 ≥ 40
X1,3 + X2,3 + X3,3 + X4,3 ≥ 70
X1,4 + X2,4 + X3,4 + X4,4 ≥ 35
155
Luego se procede a formular la función objetivo, en la cual se relaciona el costo

correspondiente a cada ruta.
ZMIN = 5X1,1 + 2X1,2 + 7X1,3 + 3X1,4 + 3X2,1 + 6X2,2 + 6X2,3 + 1X2,4 + 6X3,1 + 1X3,2 +
2X3,3 + 4X3,4 + 4X4,1 + 3X4,2 + 6X4,3 + 6X4,4
Luego se puede proceder al uso de la herramienta WinQSB para resolver el modelo

realizado, aquí están los resultados.
156
Este problema presenta una solución óptima alternativa, aquí los resultados.
157
Red Solución
158
Los análisis de dualidad y sensibilidad en los modelos de transporte resultan ser

bastante interesantes, pues pueden llegar a determinar aumentos de capacidad en las
fuentes si el precio sombra de las rutas en relación a ellas lo justifica.
Bibliografía
López, B. S. (2016). Ingenieria Industrial. Obtenido de
https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/investigaci%C3%B3n-de-operaciones/problema-del-transporte-o-
distribuci%C3%B3n/
3.2.Transporte o asignación
Según (Moya, 2000) en su libro de Investigación de Operaciones menciona el tema de

transporte o asignación lo siguiente:
El problema clásico de transporte consiste en transportar un bien, el cual el

punto de vista económico puede ser un producto terminado, una materia
prima, etc. Desde varios orígenes o centros de oferta, a varios destinos o
centros de demanda. Cada uno de los destinos demanda niveles específicos
de mercancía, la cual es suplida por los orígenes u oferentes.
A excepción de la cantidad disponible, la asignación de las cantidades de
mercancía a cada uno de los destinos no es una restricción. Esto quiere decir
que teóricamente cada uno de los orígenes puede proveer TODO, PARTE O
NADA de su oferta, para satisfacer la demanda de los destinos o centros de
consumo (p. 16).
De acuerdo a lo manifestado anteriormente por el autor el transporte o

asignación es una técnica que se utiliza generalmente en distribuciones en redes,
telecomunicaciones, transportar mercadería de un centro de distribución a varios
destinos de esta manera se puede minimizar costos y maximizar utilidades.
159
Figura 1: Orígenes y destinos

Fuente: Investigación de Operaciones I
3.2.1. Problema balanceado
Cuando las disponibilidades son iguales a las demandas se tiene un problema

balanceado.
𝑶𝒓𝒊𝒈𝒆𝒏𝒆𝒔 ⁄ X Y X Disponibilidades
𝑫𝒆𝒔𝒕𝒊𝒏𝒐𝒔
1 10 20 15 100
2 12 18 20 250
3 11 19 18 150
500
Demandas 50 250 200 500
3.2.2. Problema desbalanceado
Cuando las disponibilidades son mayores a las demandas tenemos un problema

desbalanceado.
160
1 10 20 15 100
2 12 18 20 250
3 11 19 18 150
500
Demandas 100 200 100 400
3.2.3. Problema desbalanceado
Cuando las disponibilidades son menores a las demandas tenemos un problema

desbalanceado.
1 10 20 15 100
2 12 18 20 200
3 11 19 18 100
400
Demandas 200 200 100 500
3.2.4. Técnicas para resolver problemas de transporte
1. Esquina del Noroeste
Esta técnica solo permite resolver problemas balanceados.
La primera elección X11, es decir, se inicia la asignación por la esquina noroeste de

tabla. Luego se desplaza a la columna de la derecha si todavía quedan recursos en ese
origen. De lo contrario se mueve al reglo debajo hasta realizar todas las asignaciones.
161
2. Salto de piedra a piedra o Cruce del rio o cruce del arroyo
Se basa indirectamente en el método Simplex haciendo uso de un procedimiento

heurístico que da la sensación de que no se aplica una técnica de Programación Lineal.
3. Método de costo mínimo
Se fundamenta en la asignación a partir del costo mínimo de distribuir una unidad.

Primero se identifica este costo se realiza la asignación de recursos máxima posible y
luego se identifica el siguiente costo menor realizando el mismo procedimiento hasta
realizar todas las asignaciones.
4. Aproximación de Vogel
Para cada reglón y columna, se calcula su diferencia, que se define como la

diferencia aritmética entre el costo unitario más pequeño y el costo menor que le sigue
en ese renglón o columna. En el renglón o columna con la mayor diferencia, se le asigna
al menor costo unitario. Los empates se pueden romper de manera arbitraria.
5. Método húngaro
Es un método de optimización de problemas de asignación.
Paso 1.- Empiece por encontrar el elemento más pequeño en cada renglón de la matriz
de costos. Construya una nueva matriz, al restar de cada costo, el costo mínimo de su
renglón. Encuentre, para esta nueva matriz el costo mínimo en cada columna. Construya
una nueva matriz (la matriz de costos reducidos) al restar de cada costo el costo mínimo
de su columna.
Paso 2.- Dibuje el mínimo número de líneas (horizontales o verticales) que se necesitan
para cubrir todos los ceros en la matriz de costos reducidos. Si se requieren m líneas
para cubrir todos los ceros, siga con el paso 3.
Paso 3.- Encuentre el menor elemento no cero (llame su valor k en la matriz de costos
reducidos, que no está cubiertos por las líneas dibujadas en el paso 2. Ahora reste k de
cada elemento no cubierto de la matriz de costos reducidos y sume k a cada elemento de
la matriz de costos reducidos cubierto por dos líneas. Regrese al paso 2.
162
3.3.Ejercicios En Clases
3.3.1. Esquina del noreste
Una empresa industrial cuenta con 3 centros de producción de sus productos C1,
que dispone de 12 toneladas, C2 que dispone de 17 toneladas y el C3 que dispone de 9
toneladas. Con estas producciones se debe abastecer a 4 centros de distribución
ubicados en diferentes ciudades, los mismos que el requieren de las siguientes
cantidades: CA demanda 6 toneladas, el CB demanda de 7 toneladas, el CC demanda 11
toneladas y el CD demanda 14 toneladas, los costos por tonelada de envío son lo
siguiente:
CA CB CC CD DISPONIBILIDAD
P1 4 6 5 2 12
P2 3 7 4 5 17
P3 6 5 2 7 9
38
DEMANDAS 6 7 11 14 38
La industria desea a cubrir las demandas al menor costo posible
FUNCIÓN OBJETIVO
𝑍(𝑀𝐼𝑁) = 4𝑋11 + 6𝑋12 + 5𝑋13 + 2𝑋14 + 3𝑋21 + 7𝑋22 + 4𝑋23 + 5𝑋24 + 6𝑋31
+ 5𝑋32 + 2𝑋33 + 7𝑋34
VARIABLES DE NO NEGATIVIDAD
𝑿𝑰𝑱 ≥ 0
163
RESTIRCCIONES
𝑋11 + 𝑋12 + 𝑋13 + 𝑋14 ≤ 12 𝑋11 + 𝑋21 + 𝑋31 + 𝑋41 ≤ 6
𝑋21 + 𝑋22 + 𝑋23 + 𝑋24 ≤ 17 𝑋12 + 𝑋22 + 𝑋32 + 𝑋42 ≤ 7
𝑋31 + 𝑋32 + 𝑋33 + 𝑋34 ≤ 9 𝑋13 + 𝑋23 + 𝑋33 + 𝑋43 ≤ 11
𝑋14 + 𝑋24 + 𝑋34 + 𝑋44 ≤ 14
PROBLEMA BALANCEADO
CA CB CC CD Disponi
bilidad
4 6 5 2
P1 6 6 12
3 7 4 5
P2 1 11 5 17
6 5 2 7
P3 9 9
38
Demanda 6 7 11 14 38
M+N-1= # ENVIOS
3+4-1=6
6=6
No degenerado por que el número de envíos es igual al número de envíos de la tabla
CONCLUSIÓN:
 El centro de distribución 1 debe distribuir al centro de producción A 6 unidades
a un costo de 4$.
a un costo de 6$.
 El centro de distribución 2 debe distribuir al centro de producción A 1 unidad a
un costo de 7$.
a un costo de 4$.
a un costo de 5$.
a un costo de 7$.
3.3.2. Salto Piedra A Piedra
Problema balanceado
164
CA CB CC CD Disponibilidad
4 6 5 2
P1 6 6 12
3 7 4 5
P2 1 11 5 17
6 5 2 7
P3 9 9
38
Demanda 6 7 11 14 38
M+N-1= # ENVIOS
3+4-1=6
6=6
No degenerado por que el número de envíos es igual al número de envíos de la tabla
𝑍(𝑀𝐼𝑁) = 195
𝑍(𝑀𝐼𝑁) = 161
𝑍(𝑀𝐼𝑁) = 163
𝑍(𝑀𝐼𝑁) = 141
𝒁(𝑴𝑰𝑵) = 𝟏𝟐𝟕 𝑺𝑶𝑳𝑼𝑪𝑰Ó𝑵 𝑶𝑷𝑻𝑰𝑴𝑨

CONCLUSIÓN:
Se puede comercializar todos los productos a un costo MINIMO de 141 $. El centro de

distribución 1 debe distribuir al centro de producción A 6 unidades a un costo de 4$. El
centro de distribución 1 debe distribuir al centro de producción A 6 unidades a un costo
de 6$. El centro de distribución 2 debe distribuir al centro de producción A 1 unidad a
un costo de 7$. El centro de distribución 2 debe distribuir al centro de producción A 11
unidades a un costo de 4$. El centro de distribución 2 debe distribuir al centro de
producción A 5 unidades a un costo de 5$. El centro de distribución 3 debe distribuir al
centro de producción A 9 unidades a un costo de 7$.
FORMAS DE ASIGNAR
165
3.3.3. Ejercicio Tres
Una empresa industrial cuenta con 3 centros de producción de sus productos: C1

que dispone de 12 toneladas; el C2 que dispone de 17 toneladas y el C3 que dispone de
9 toneladas, con estas producciones se debe abastecer a 4 centros de distribución
ubicados en diferentes ciudades, las mismas que requieren de las siguientes cantidades:
El CA demanda 6 toneladas, el CB demanda 7 toneladas, el CC demanda 11 toneladas y

el CD demanda 14 toneladas. Los costos por tonelada de envío son los siguientes:
P1 4 6 5 2 12
P2 3 7 4 5 17
P3 6 5 2 7 9
38
Demanda 6 7 11 14 38
FUNCIÓN OBJETIVO
𝑍(𝑀𝐼𝑁) = 4𝑋11 + 6𝑋12 + 5𝑋13 + 2𝑋14 + 3𝑋21 + 7𝑋22 + 4𝑋23 + 5𝑋24 + 6𝑋31
+ 5𝑋32 + 2𝑋33 + 7𝑋34
166
𝑋11 ; 𝑋12; 𝑋13 ; 𝑋14 ; 6𝑋21 ; 𝑋22 ; 𝑋23 ; 𝑋24 ; 𝑋31 ; 𝑋32 ; 𝑋33 ; 𝑋34 ; ≥ 0
RESTIRCCIONES
𝑋11 + 𝑋12 + 𝑋13 + 𝑋14 ≤ 12
6𝑋21 + 𝑋22 + 𝑋23 + 𝑋24 ≤ 17
𝑋31 + 𝑋32 + 𝑋33 + 𝑋34 ≤ 9
𝑋11 + 𝑋21 + 𝑋31 ≥ 6
𝑋12 + 𝑋22 + 𝑋23 ≥7
𝑋13 + 𝑋23 + 𝑋33 ≥ 11
𝑋14 + 𝑋24 + 𝑋34 ≥ 14
Problema Balanceado
P1 4 6 5 2 12
P2 3 7 4 5 17
P3 6 5 2 7 9
38
Demanda 6 7 11 14
38
4 6 5 2
P1 6 6 12
3 7 4 5
P2 1 11 5 17
6 5 2 7
P3 9 9
167
38
Demanda 6 7 11 14
38
Z (min) = 199
m+n-1 = E
3+4-1=6
No Degenerado
4 6 5 2
P1 6 6 12
3 7 -4 +5
P2 1 2 14 17
6 5 +2 -7
P3 9 9
38
Demanda 6 7 11 14
38
Z (min) = 163
m+n-1 = E
3+4-1=6
No Degenerado
4 -6 5 +2
P1 6 6 12
3 +7 4 -5
P2 7 2 8 17
6 5 2 7
P3 9 9
38
Demanda 6 7 11 14
38
Z (min) = 151
m+n-1 = E
3+4-1=6
No Degenerado
-4 6 5 +2
P1 12 12
+3 7 4 -5
P2 6 7 2 2 17
168
6 5 2 7
P3 9 9
38
Demanda 6 7 11 14
38
Z (min) = 127
m+n-1 = E
3+4-1=6
No Degenerado
CONCLUSIÓN:
Se debe enviar 6 unidades del centro de producción P2 al centro de distribución ubicado
en la ciudad CA con un costo unitario de envío de $3,00
Se debe enviar 7 unidades del centro de producción P2 al centro de distribución
ubicado en la ciudad CB con un costo unitario de envío de $7,00
en la ciudad CC con un costo unitario de envío de $4,00
en la ciudad CC con un costo unitario de envío de $2,00
en la ciudad CD con un costo unitario de envío de $5,00
Se debe enviar 12 unidades del centro de producción P1 al centro de distribución
ubicado en la ciudad CD con un costo unitario de envío de $2,00
Al realizar estos envíos se optimizaran los recursos y se tendrá un costo total de envíos
de $ 127,00
3.4. Deber
A B C D Producción
1 4 1 2 6 80
2 6 4 3 5 100
3 5 2 6 4 120
4 0 0 0 0 40
340
Demanda 70 90 110 70 340
169
FUNCIÓN OBJETIVO
𝑍(𝑀𝐼𝑁) = 4𝑋11 + 𝑋12 + 2𝑋13 + 6𝑋14 + 6𝑋21 + 4𝑋22 + 3𝑋23 + 5𝑋24 + 5𝑋31
+ 2𝑋32 + 6𝑋33 + 4𝑋34 + 0𝑋41 + 0𝑋42 + 0𝑋43 + 0𝑋44
𝑋11 ; 𝑋12 ; 𝑋13 ; 𝑋14 ; 6𝑋21 ; 𝑋22 ; 𝑋23 ; 𝑋24 ; 𝑋31 ; 𝑋32 ; 𝑋33 ; 𝑋34 ; 𝑋41 ; 𝑋42 ; 𝑋43 ; 𝑋44 ≥ 0
RESTIRCCIONES
𝑋11 + 𝑋12 + 𝑋13 + 𝑋14 ≤ 0
6𝑋21 + 𝑋22 + 𝑋23 + 𝑋24 ≤ 0
𝑋31 + 𝑋32 + 𝑋33 + 𝑋34 ≤ 0
𝑋41 + 𝑋42 + 𝑋43 + 𝑋44 ≤ 0
𝑋11 + 𝑋21 + 𝑋31 + 𝑋41
𝑋12 + 𝑋22 + 𝑋23 + 𝑋24
𝑋13 + 𝑋23 + 𝑋33 + 𝑋43
𝑋14 + 𝑋24 + 𝑋34 + 𝑋43
Problema balanceado
A B C D Producción
1 4 1 2 6 80
2 6 4 3 5 100
3 5 2 6 4 120
4 0 0 0 0 40
170
340
Demanda 70 90 110 70
340
A B C D Producción
4 1 2 6
1 70 10 80
6 4 3 5
2 80 20 100
5 2 6 4
3 90 30 120
0 0 0 0
4 40 40
340
Demanda 70 90 110 70
340
Z (min) = 1330
m+n-1 = E
4+4-1=7
No Degenerado
A B C D Producción
-4 +1 2 6
1 30 50 80
6 -4 +3 5
2 40 60 100
5 2 -6 +4
3 50 70 120
+0 0 0 -0
4 40 40
340
Demanda 70 90 110 70
340
Z (min)= 1090
m+n-1 = E
4+4-1=7
No Degenerado
171
A B C D Producción
-4 +1 2 6
1 80 80
6 -4 +3 5
2 10 90 100
+5 2 -6 4
3 30 20 70 120
0 0 0 0
4 40 40
340
Demanda 70 90 110 70
340
Z (min)= 940
m+n-1 = E
4+4-1=7
No Degenerado
A B C D Producción
4 1 2 6
1 80 80
6 -4 +3 5
2 100 100
5 +2 -6 4
3 30 10 10 70 120
0 0 0 0
4 40 40
340
Demanda 70 90 110 70
340
Z (min)= 890
m+n-1 = E
4+4-1=7
No Degenerado
172
A B C D Producción
4 -1 +2 6
1 70 10 80
6 4 3 5
2 100 100
5 +2 -6 4
3 30 20 70 120
0 0 0 0
4 40 40
340
Demanda 70 90 110 70
340
Z (min)= 860
m+n-1 = E
4+4-1=7
No Degenerado
CONCLUSIÓN:
Se debe enviar 70 unidades de la fábrica 1 a la distribuidora B con un costo unitario de
envío de $1,00
Se debe enviar 30 unidades de la fábrica 3 a la distribuidora A con un costo unitario de
envío de $5,00
Se debe enviar 40 unidades de la fábrica 4 a la distribuidora A con un costo unitario de
envío de $0,00
Se debe enviar 20 unidades de la fábrica 3 a la distribuidora B con un costo unitario de
envío de $2,00
Se debe enviar 10 unidades de la fábrica 1 a la distribuidora C con un costo unitario de
envío de $2,00
Se debe enviar 100 unidades de la fábrica 2 a la distribuidora C con un costo unitario de
envío de $3,00
Se debe enviar 70 unidades de la fábrica 3 a la distribuidora D con un costo unitario de
envío de $4,00
Al realizar estos envíos se optimizaran los recursos y se tendrá un costo total de envíos
de $ 860,00
3.5.Matriz Costos Indirectos
FUNCIÓN OBJETIVO
173
𝑍(𝑀𝐼𝑁) = 4𝑋11 + 𝑋12 + 2𝑋13 + 6𝑋14 + 6𝑋21 + 4𝑋22 + 3𝑋23 + 5𝑋24

+ 6𝑋31 + 2𝑋32 + +6𝑋33 + 4𝑋34
𝑿𝟏𝟏 … . +𝑿𝟑𝟓 ≥ 0
RESTIRCCIONES
X11+X12+X13+X14+X15<= 100 X11+X21+X31>=50

X21+X22+X23+X24+X25<= 120 X12+X22+X32>=70
X31+X32+X33+X34+X35<= 120 X13+X23+X33>=90
X14+X24+X34>=90
X13+X23+X33>=90
X14+X24+X34>=40
Problema balanceado
A B C D E Disponibilidad
1 4 1 2 6 0 100
2 6 4 4 5 0 120
3 5 2 6 4 0 120
340
Demanda 50 70 90 90 40
340
A B C D E Disponibilidad
4 1 2 6 0
1 50 50 100
174
6 4 3 5 0
2 20 90 10 120
5 2 6 4 0
3 80 40 120
340
Demanda 50 70 90 90 40
340
Ambato Tulcán Manta Napo Disponibilidad
1 10 20 15 20 1200
2 12 18 20 15 1000
3 11 19 18 18 1300
3500
4 1080 800 1700 500
3500
M.COSTO INDIRECTOS M.
4 1 0 2 -2 C1=0 COSTOS ORIGINALES M. ASIG
7 4 3 5 1 C2=7
10 0 20 11 0 0 -2 -4 -2
6 3 2 4 0 C3=0
2 7 9 22
B1=4 B2=1 B3=0 B4=2 B5=5 1 0 0 0 1
0 14 16 18
1 1 -4 0 0
A B C D E
4 1 2 6 0
1 50 50
6 4 3 5 0
2 30 30
5 2 6 4 0
3 20 90 10
175
CONCLUSIÓN:
La empresa debe enviar 50 unidades de 1 a A a un coso de $4 y 50 de 1 a B a un costo
de $1 dólar, debe enviar del centro de producción 2 al centro de distribución C 30 a un
costo de $3 y 30 a un costo de 0, del centro de producción 3 debe enviar al centro de
distribución B 20 a $2, al D 90 a $4, se recomiendo crear un centro de distribución E
para cubrir con toda la demanda.
3.6. Ejercicios
3.6.1. Ejercicio en clases 1
Una empresa productora de arroz con tres centros de producción y cuatro centros de
distribución a nivel nacional quiere llegar con su producto a estos lugares, al menor
costo posible cuyas demandas son 5, 15, 15 y 10 toneladas métricas anuales. Las
disponibilidades son 15, 25 y 5 toneladas métricas anuales esta empresa arrocera no
puede llegar de la plata 2 al centro de distribución D porque no existen vías de acceso.
Los costos de envío de cada tonelada métrica de arroz son:
Problema balanceado
A B C D Disponibilidad
1 10 0 20 11 15
2 12 7 9 22 25
3 0 14 16 18 5
45
Demanda 5 15 15 10 45
176
10 0 20 11
1 5 10 15
12 7 9 22
2 5 15 5 25
0 14 16 18
3 5 5
5 15 15 10 45
Demanda
FUNCIÓN OBJETIVO
𝑍(𝑀𝐼𝑁) = 10𝑋11 + 𝑋12 + 20𝑋13 + 11𝑋14 + 2𝑋21 + 7𝑋22 + 9𝑋23 +

22𝑋24 + 𝑋31 + 14𝑋32 + 16𝑋33 + 18𝑋34
𝑿𝑰𝑱 ≥ 0
RESTIRCCIONES
𝑋11 + 𝑋12 + 𝑋13 + 𝑋14 ≤ 15 𝑋11 + 𝑋21 + 𝑋31 ≥ 5
𝑋21 + 𝑋22 + 𝑋23 + 𝑋24 ≤ 25 𝑋12 + 𝑋22 + 𝑋32 ≥ 15
𝑋31 + 𝑋32 + 𝑋33 + 𝑋34 ≤ 5 𝑋13 + 𝑋23 + 𝑋33 ≥ 15

𝑋14 + 𝑋24 + 𝑋34 ≥ 10
A B C D Disponibilid
ad
10 0 20 11
1 5 10 15
12 7 9 22
2 5 15 5 25
0 14 16 18
3 5 5
5 15 15 10 45
Demanda 45
𝑍(𝑀𝐼𝑁) = 420
M.COSTO INDIRECTOS M. COSTOS ORIGINALES M.

ASIG
177
10 0 2 15 C1=0 10 0 20 11 0 0 -18 4
17 7 9 22 C2=7 2 7 9 22
0 14 16 18 5 0 0 0
613 3 5 18 C3=3 13 -11 -11 0
B1=10 B2=0 B3=2 B4=15
ad
10 0 20 11
1 𝜶 15 15
12 7 9 22
2 𝜶 15 10 25
0 14 16 18
3 5 5
5 15 15 10 45
Demanda
45
𝑍(𝑀𝐼𝑁) = 355

ASIG
10 0 20 11 0 0 -18 4
2 7 9 22 5 0 0 0
10 0 2 15 C1=0
17 7 9 22 C2=7 0 14 16 18 0 -24 -24 -13
0 -10 -8 5 C3=
-10
B1=10 B2=0 B3=2 B4=15
ad
10 0 20 11
1 5 10 15
12 7 9 22
2 𝜶 10 15 25
0 14 16 18
3 5 5
5 15 15 10 45
Demanda
45
𝑍(𝑀𝐼𝑁) = 315
178

ASIG
0 0 2 11 C1=0 10 0 20 11 -10 0 -18 0

12 7 9 18 C2=7 2 7 9 22 0 0 0 -4
0 -5 -3 6 C3= 0 14 16 18 0 -19 -19 -12
-5
B1=5 B2=0 B3=2 B4=11
CONCLUSIÓN:
La empresa debe enviar del centro de producción 1 al centro de distribución B 5
toneladas métricas de arroz a un costo de $ 0 y al centro de producción D 10 toneladas
métricas de arroz a un costo de $ 11.
La empresa debe enviar del centro de producción 2 al centro de distribución B 10

toneladas métricas de arroz a un costo de $ 7 y al centro de producción C 15 toneladas
métricas de arroz a un costo de $ 9.
La empresa debe enviar del centro de producción 3 al centro de distribución A 5

toneladas métricas de arroz a un costo de $ 0.
Una empresa productora de arroz con 3 centros de producción y 4 centros de

distribución a nivel nacional quiere llegar con su producto a estos lugares al menor
costo posible cuyas demandas son5, 15,15 y 10 toneladas al menor costo posible cuyas
demandas son 15,25 y 5 toneladas métricas anuales. Esta empresa arrocera no puede
llegar de la planta 2 al centro distribución 0 porque no existen ventas de acceso los
costos de envió de cada tonelada métrica de arroz son:
FUNCIÓN OBJETIVO
179
𝑍(𝑀𝐼𝑁) = 10𝑋11 + 𝑋12 + 20𝑋13 + 11𝑋14 + 12𝑋21 + 7𝑋22 + 9𝑋23 + 𝑋24

+ 𝑋31 + 14𝑋32 + 16𝑋3 + 18𝑋34
𝑿𝑰𝑱 ≥ 0
RESTIRCCIONES
𝑋11 + 𝑋12 + 𝑋13 + 𝑋14 ≤ 15 𝑋11 + 𝑋21 + 𝑋31 + 𝑋41 ≤ 5

𝑋21 + 𝑋22 + 𝑋23 + 𝑋24 ≤ 25 𝑋12 + 𝑋22 + 𝑋32 + 𝑋42 ≤ 15
𝑋31 + 𝑋32 + 𝑋33 + 𝑋34 ≤ 5 𝑋13 + 𝑋23 + 𝑋33 + 𝑋43 ≤ 15
𝑋14 + 𝑋24 + 𝑋34 + 𝑋44 ≤ 10
Problema balanceado
1 10 0 20 11 15
2 12 7 9 25
3 0 14 16 18 5
ad
-10 +0 21 11
I 5 10 15
12 -7 9 +21
II 5 15 5 25
+0 14 16 -18
III * 5 5
45
Demanda 5 15 15 10
45
45
4 5 15 15 10
45
180
M.COSTO INDIRECTOS M.COSTOS ORIGINALES

M.ASIG
10 0 2 14 C1=0 10 0 20 11 0 0 - 3
12 7 9 21 18
17 7 9 21 C2=7
5 0 0 0
14 4 6 18 C3=4 0 14 16 18
14 - - 0
B1=10 B2=0 B3=2 B4=14 10 10
A B C D
0 0 -18 3
5 0 0 0
14 -10 -10 0
10 -0 20 +11
∞ 15 10
12 +7 9 -21
∞ 10 15 10
0 14 16 18
5
𝑍(𝑀𝐼𝑁) = 345

M.ASIG
10 0 2 14 C1=0 10 0 21 11
17 7 9 21 C2=7 12 7 9 21
0 -10 -8 4 C3= -10 0 14 16 18
B1=10 B2=0 B3=2 B4=14
0 0 - 3
18181
5 0 0 0
0 - - -
24 24 14
10 -0 20 +11
5 10
12 +7 9 -21
∞ 10 15
0 14 16 18
5
𝑍(𝑀𝐼𝑁) = 315

M.ASIG
5 0 2 11 C1=0 10 0 20 11 -5 0 - 0
∞ 12 7 9 18 C2=7 12 7 9 21 18
5 0 0 -3
0 -5 -3 6 C3= -5 0 14 16 18
0 - - -
B1=5 B2=0 B3=2 B4=11 19 19 12
CONCLUSION:
La planta 4 debe mandar 10 toneladas para que llegue al centro de distribución D a un

costo de envió de 11 dólares. La planta 2 debe mandar 10 toneladas para que llegue al
centro de distribución B a un costo de envió de 7 dólares, así mismo la planta 2 debe
enviar 15 toneladas para que llegue al centro de distribución C a un costo de envió de 9
dólares

182
La empresa productora de motores con tres centros de producción y tres centros de

distribución a niveles nacional quiere llegar con sus productos a estos lugares, al menor
costo posible se tiene los siguientes datos:
A B C Disponibilidad
3 2 1
1 15
1 2 3
2 10
2 3 1
3 14
DEMANDA 10 6 12 39
28
1 3 2 1 0 15
10 5
2 1 2 3 0 10
1 9
3 2 3 1 0 14
3 11
11
1 39
DEMANDA 10 6 12 11
39
FUNCIÓN OBJETIVO
𝑍(𝑀𝐼𝑁) = 3𝑋11 + 2𝑋12 + 1𝑋13 + 1𝑋21 + 2𝑋22 + 3𝑋23 + 2𝑋31 + 3𝑋32 + 1𝑋33
𝑿𝑰𝑱 ≥ 0
183
RESTIRCCIONES
𝑋11 + 𝑋12 + 𝑋13 ≥ 15 𝑋11 + 𝑋21 + 𝑋31 ≤ 10
𝑋21 + 𝑋22 + 𝑋23 ≥ 10 𝑋12 + 𝑋22 + 𝑋32 ≤6
𝑋31 + 𝑋32 + 𝑋33 ≥ 14 𝑋13 + 𝑋23 + 𝑋33 ≤ 12
0𝑋14 + 0𝑋24 + 0𝑋34 ≤ 11
Problema Degenerado
1 3 2 1 0 15
10
5
2 1 2 3 0 10
1
9
3 2 3 1 0 14
3 11
11
1 39
DEMANDA 10 6 12 11
39
1 3 2 1 0 15
10 5
2 1 2 3 0 10
1 9
184
3 2 3 1 0 14
3 11
11
1 39
DEMANDA 10 6 12 11
39
M.COSTO INDIRECTOS
3 2 3 2 C1=0
3 2 1 0 M.COSTOS
3 2 3 2 C2=0
1 2 3 0 ORIGINALES
1 0 1 0 C3=-2
2 3 1 0
B1=3 B2=2 B3=3 B4=2
0 0 2 2
M.ASIG
2 0 0 2
-1 -3 0 0
1 3 2 1 0 15
10 5
2 1 2 3 0 10
6 4
3 2 3 1 0 14
3 11
11
1
DEMANDA 10 6 12 11 39
39
M.COSTO INDIRECTOS
3 0 1 0 C1=0
3 2 1 0 M.COSTOS
5 2 3 2 C2=2
1 2 3 0 ORIGINALES
3 0 1 0 C3=0
2 3 1 0
M.ASIG
B1=3 B2=0 B3=1 B4=0
185
0 -2 0 0
4 0 0 2
1 -3 0 0
1 3 2 1 0 15
6 9
2 1 2 3 0 10
4 6
3 2 3 1 0 14
3 11
11
DEMANDA 10 6 12 1
11 39
39
M.COSTO INDIRECTOS
3 4 1 0 C1=0
3 2 1 0 M.CO 0 2 0 0
1 2 -1 -2 C2=-2
1 2 3 0 STOS 0 0 -4 -2
3 4 1 0 C3=0
2 3 1 0 1 1 0 0
ORIGI
B1=3 B2=4 B3=1 B4=0
NALES M.ASIG
186
1 3 2 1 0 15
6 9
2 1 2 3 0 10
10
3 2 3 1 0 14
3 11
11
1
DEMANDA 10 6 12 11 39
39
M.COSTO INDIRECTOS
1 2 1 0 C1=0
3 2 1 0 M.CO -2 0 0 0
1 2 1 0 C2=-2
1 2 3 0 STOS 0 0 -2 0
3 2 1 0 C3=0
2 3 1 0 -1 -1 0 0
ORIGI
B1=3 B2=4 B3=1 B4=0
NALES M.ASIG
Z (min) = 34
CONCLUSIÓN:
La empresa desde el centro de producción 2 debe mandar 10 motores para que llegue al
centro de distribución A un costo de envió de 1 dólar. La planta 1 debe mandar 6
motores para que llegue al centro de distribución B a un costo de envió de 2 dólares, así
mismo la planta 1 debe enviar 9 motores para que llegue al centro de distribución C a
un costo de envió de 1 dólar, además se recomienda crea un centro de distribución
adicional para poder evacuar la producción de la empresa.

187
FUNCIÓN OBJETIVO
𝑍(𝑀𝐼𝑁) = 200𝑋11 + 100𝑋12 + 300𝑋13 + 210𝑋14 + 220𝑋21 + 170𝑋22 + 190𝑋23

+ 120𝑋24 + 100𝑋31 + 240𝑋32 + 260𝑋33 + 300𝑋34
𝑿𝑰𝑱 ≥ 0
RESTIRCCIONES
𝑋11 + 𝑋12 + 𝑋13 + 𝑋14 ≥ 300 𝑋11 + 𝑋21 + 𝑋31 ≤ 200

𝑋21 + 𝑋22 + 𝑋23 + 𝑋24 ≥ 450
𝑋12 + 𝑋22 + 𝑋32 ≤ 300
𝑋31 + 𝑋32 + 𝑋33 + 𝑋34 ≥ 200
𝑋13 + 𝑋23 + 𝑋33 ≤ 300
𝑋14 + 𝑋24 + 𝑋34 ≤ 250
Problema desbalanceado
1 200 100 300 210 300
2 220 170 190 120 450
3 100 240 260 300 200
950
Demanda 200 300 300 250
1050
1 200 100 300 210 300
2 220 170 190 120 450
3 100 240 260 300 200

188
4 0 0 0 0 100
1050
Demanda 200 300 300 250
1050
-200 +100 300 210

1 200 100 300
220 -170 +190 120

2 200 250 450
+100 240 -260 300

3 50 150 200
0 0 0
4 100 100
1050
Demanda 200 300 300 250
1050
5
Z (min) = 189.500
200 100 120 160 C1=0 200 100 300 210

270 170 190 230 C2=70 220 170 190 120
340 240 260 300 C3=140 100 240 260 300
40 -60 -40 0 C4= -160 0 0 0 0
B1=200 B2=100 B3=120 B4=160
0 0 -180 -50
189
50 0 0 40
240 0 0 0
-40 -60 -40 0
M. ASIGNACIÓN
-200 +100 300 210

1 150 150 300
220 -170 190 +120

2 150 300 450
+100 240 260 -300

3 50 150 200
0 0 0
4 100 100
1050
Demanda 200 300 300 250
1050
5
Z (min) = 177.500
200 100 300 210

200 100 120 400 C1=0
220 170 190 120
270 170 190 470 C2=70
100 0 20 300 C3= -100 100 240 260 300
-200 -300 -280 0 C4= -400 0 0 0 0
B1=200 B2=100 B3=120 B4=400
0 0 -180 190
190
50 0 0 350
0 -240 -240 0
-200 -300 -280 0
M. ASIGNACIÓN
200 100 300 210

1 300 300
220 170 -190 +120

2 ∞ 300 150 450
100 240 260 300
3 200 200
0 0 +0 -0
4 ∞ 100 100
1050
Demanda 200 300 300 250
1050
5
Z (min) = 125.000
M.COSTO INDIRECTOS M. COSTOS ORIGINALES
200 100 280 210 C1=0 200 100 300 210

110 10 190 120 C2=-90 220 170 190 120
100 0 180 110 C3= -100 100 240 260 300
-10 -110 70 0 C4= -210 0 0 0 0
B1=2000 B2=100 B3=280 B4=210
191
M. ASIGNACIÓN
0 0 -20 0
-110 -160 0 0
0 -240 -80 -190
-10 -110 70 0
192
200 100 300 210

1 ∞ 300 300
220 170 190 120
2 200 250 450
100 240 260 300
3 200 200
0 0 0 0
4 100 100
1050
Demanda 200 300 300 250 1050
5
Z (min) = 118.00
M.COSTO INDIRECTOS M. COSTOS ORIGINALES
200 100 280 210 C1=0 200 100 300 210

110 10 190 120 C2=-90 220 170 190 120
100 0 180 100 C3= -100 100 240 260 300
-80 -180 70 -70 C4= -280 0 0 0 0
B1=200 B2=100 B3=280 B4=210
M. ASIGNACIÓN
0 0 -20 0
-100 -160 0 0
0 -240 -80 -190
-80 -180 0 -70
CONCLUSIÓN:
La empresa debe enviar 300 unidades del centro de producción I al centro de
distribución A un costo de envió de $100, del centro de producción II al centro de
distribución C debe enviar 260 unidades a un costo de envió de $190, del centro de
distribución II al centro de distribución D debe enviar 250 unidades a un costo de envió
de $120, del centro de distribución III al centro de distribución A debe enviar 200
unidades a un costo de envió de $100 y del centro de producción IV al centro de
193
distribución C debe enviar 100 unidades con un costo de envió de $0. El costo mínimo
total de los envíos es de $118.000
3.7.Método De Vogel
En cuanto a este método (Salazar López, 2018) menciona:

El método de aproximación de Vogel es un método heurístico de resolución
de problemas de transporte capaz de alcanzar una solución básica no artificial
de inicio, este modelo requiere de la realización de un número generalmente
mayor de iteraciones que los demás métodos heurísticos existentes con este
fin, sin embargo produce mejores resultados iniciales que los mismos (p. 2).
Por tanto, se puede decir que es un método que aplica un algoritmo que
encuentra una solución inicial factible al problema de transporte mediante la
consideración de “costos de penalidad” de no usar la ruta económica disponible. Cabe
mencionar que el método de aproximación de Vogel (MAV) usa la información de
costos mediante el concepto de costo de oportunidad para determinar una solución
inicial factible que, al igual que con la REN y el MCM, podría ser óptima; sin embargo,
se aproxima a una mejor solución.
3.7.1. Algoritmo de Vogel
El método consiste en la realización de un algoritmo que consta de 3 pasos

fundamentales y 1 más que asegura el ciclo hasta la culminación del método.
 Pasos
a. Determinar para cada fila y columna una medida de penalización restando los
dos costos menores en filas y columnas.
b. Escoger la fila o columna con la mayor penalización, es decir que de la resta
realizada en el "Paso 1" se debe escoger el número mayor. En caso de haber
empate, se debe escoger arbitrariamente (a juicio personal).
c. De la fila o columna de mayor penalización determinada en el paso anterior
debemos de escoger la celda con el menor costo, y en esta asignar la mayor
cantidad posible de unidades. Una vez se realiza este paso una oferta o demanda
quedará satisfecha por ende se tachará la fila o columna, en caso de empate solo
se tachará 1, la restante quedará con oferta o demanda igual a cero (0).
194
d. De ciclo y excepciones
i. Si queda sin tachar exactamente una fila o columna con cero ofertas o
demanda, detenerse.
ii. Si queda sin tachar una fila o columna con oferta o demanda positiva,
determine las variables básicas en la fila o columna con el método de costos
mínimos, detenerse.
iii. Si todas las filas y columnas que no se tacharon tienen cero oferta y demanda,
determine las variables básicas cero por el método del costo mínimo,
detenerse.
iv. Si no se presenta ninguno de los casos anteriores vuelva al paso 1 hasta que
las ofertas y las demandas se hayan agotado.
3.7.2. Ejercicio
Función Objetivo
Z(min)= 10X11 +15X12 +12X13 +18x14 + 12X21 +16X22 +15X23 +20X24 +13X31
+14X32 +16X33 + 12X34
Restricciones:
X11 + x12 + x13 +x14 <= 500 X11 + x21 +X 31 >= 300
X21 +X22 +X23 + X24 <= 300 X12 + x22 +X 32 >= 250
X31 +X32 +X33 +x34 <= 200 X13 +x23 +x33 >= 250
X14 + X24+ X34 >= 200
195
Destino
Origen
250 250
1 500 2 2
300
2 300 3 3
3 200 200 1
1000
Demanda 250 250 200
300 1000
2 1 3 6
Destino
A 2 B1 C3 D Disponibilidad
Origen
10 15 12 18
1 500
12 16 15 20
2 300
13 14 16 12
3 200
1000
Demanda 300 250 250 200
1000
Z(min)= 12750
Destino A B C D Disponibilidad
Origen
250 250
1 500 2 2 5
50 250
2 300 3 3 4
3 200 200 1
1000
Demanda 250 250 200
300 1000
196
2 1 3 6
2 1 3
2 1
Z (min) = 12500
CONCLUSIÓN:
La empresa de enviar del origen 1 al destino A la cantidad de 250 y al destino C 250
para complementar la demanda de $500
La empresa de enviar del origen 2 al destino A la cantidad de 50 y al destino B 250 para

complementar la demanda de $300
La empresa de enviar del origen 3 al destino D la cantidad de 200 para complementar la

demanda de $200
Se debe enviar esas cantidades para obtener un costo mínimo de $12500
3.8.Método Húngaro
En cuanto a este método (Salazar López, 2018) manifiesta:
El método Húngaro es un método de optimización de problemas de

asignación, conocido como tal gracias a que los primeros aportes al método
clásico definitivo fueron de Dénes König y Jenő Egerváry dos matemáticos
húngaros. El algoritmo tal como se detallará a continuación está diseñado para
la resolución de problemas de minimización únicamente, será entonces
cuestión de agregar un paso adicional para abordar ejercicios de
maximización. (p. 5).
De tal forma se puede inferir que el método húngaro es un algoritmo que reduce
la matriz de costos mediante una serie de operaciones aritméticas para solucionar un
problema de asignación. La asignación óptima se logra mediante la selección de
celdillas con un costo “reducido” de cero.
3.8.1. Pasos
a. Antes que nada cabe recordar que el método húngaro trabaja en una matriz de
costos n*m (en este caso conocida como matriz m*m, dado que el número de
197
filas es igual al número de columnas n = m), una vez construida esta se debe
encontrar el elemento más pequeño en cada fila de la matriz.
b. Una vez se cumple el procedimiento anterior se debe construir una nueva matriz
n*m, en la cual se consignarán los valores resultantes de la diferencia entre cada
costo y el valor mínimo de la fila a la cual cada costo corresponde (valor mínimo
hallado en el primer paso).
c. Este paso consiste en realizar el mismo procedimiento de los dos pasos
anteriores referidos ahora a las columnas, es decir, se halla el valor mínimo de
cada columna, con la diferencia que este se halla de la matriz resultante en el
segundo paso, luego se construirá una nueva matriz en la cual se consignarán los
valores resultantes de la diferencia entre cada costo y el valor mínimo de la
columna a la cual cada costo corresponde, matriz llamada "Matriz de Costos
Reducidos".
d. A continuación se deben de trazar líneas horizontales o verticales o ambas
(únicamente de esos tipos) con el objetivo de cubrir todos los ceros de la matriz
de costos reducidos con el menor número de líneas posibles, si el número de
líneas es igual al número de filas o columnas se ha logrado obtener la solución
óptima (la mejor asignación según el contexto de optimización), si el número de
líneas es inferior al número de filas o columnas se debe de proceder con el paso
5.
e. Este paso consiste en encontrar el menor elemento de aquellos valores que no se
encuentran cubiertos por las líneas del paso 4, ahora se restará del restante de
elementos que no se encuentran cubiertos por las líneas; a continuación este
mismo valor se sumará a los valores que se encuentren en las intersecciones de
las líneas horizontales y verticales, una vez finalizado este paso se debe volver al
paso 4.
3.8.2. Ejercicio
MÁQUINAS
198
A B C D E
TRABAJAD 1 12 17 4 10 11
ORES 2 7 2 3 10 2
3 5 3 2 9 16
4 14 3 2 11 16
MAQUINAS
Menor
TRABAJADORE
A B C D E valor
1 12 17 4 10 11 4
2 7 2 3 10 2 2
S
3 5 3 2 9 16 2
4 14 3 2 11 16 2
5 0 0 0 0 0 0
En esta parte se aumenta una fila, para que la matriz sea cuadrada, asignándoles valores
de cero.
MAQUINAS
A B C D E Menor
TRABAJADORE
valor
1 8 13 4 6 7 1
2 5 0 1 8 0
S
3 3 1 0 7 14
4 12 1 0 9 14
5 0 0 0 0 0
MAQUINAS
A B C D E Menor
TRABAJADORE
valor
1 7 12 4 5 6 2
2 5 0 2 8 0
S
3 2 0 0 6 13
4 11 0 0 8 13
5 0 0 1 0 0
En las filas y columnas que están amarradas se suma el costo menor
MAQUINAS
A B C D E Menor
ES
AJ
O
R
A
A
D
R
T
valor
199
1 5 12 4 3 4
2 5 2 4 8 0
3 0 0 0 4 11
4 9 0 0 6 11
5 0 2 3 0 0
Matriz de asignación
MAQUINAS
A B C D E
TRABAJADO
1 *
2 *
RES
3 * * *
4 * *
5 * * *
Asignación de la matriz original a los costos asociados
1- C= 4
2- E= 2
3- A= 5
4- B= 3
5- D= 0
Z(min) = 14
CONCLUSIÓN:
El costo mínimo para la operación de las maquinas es de 14 dólares.

El costo mínimo para operar la maquina C es de 4 dólares.
La operación de la maquina E necesita un costo mínimo de 2 dólares.
Para operar la máquina A tiene un costo mínimo de 5 dólares.
El costo mínimo para operar la maquina B es de 3 dólares.
En la operación de la D se tiene un costo de cero dólares.
Se recomienda a la gerencia de la empresa aumentar un operador más, para que opere la
maquina D
200
BIBLIOGRAFÍA
 Erazo, J. (2007). Investigación operativa. En J. Erazo, Investigación operativa (pág.

02). Quito: ESPE.
 Erazo, J. (2009). Obtenido de
https://www.academia.edu/28296288/ECON._JUAN_CARLOS_ERAZO_F_INVES
TIGACI%C3%93N_OPERATIVA_II_TOMO_II_Investigaci%C3%B3n_Operativa_
Tomo_I_Cap%C3%ADtulo_I_OBJETIVOS_DEL_CAP%C3%8DTULO_I
 Gómez, E. (2009). Investigación de operaciones (Vol. 5). Mexico: Pearson Education
Hall.
 Initelabs. (2015). Método símplex. Obtenido de Método símplex:
http://gc.initelabs.com/recursos/files/r157r/w13108w/MateNegocios_unidad%203.pdf
 Moya, M. (2000). Investigaciones de Operaciones . Costa Rica .
 Pedraja, A. R. (2012). APUNTES SOBRE EL MÉTODO SÍMPLEX DE
PROGRAMACIÓN LIN. Obtenido de APUNTES SOBRE EL MÉTODO SÍMPLEX
DE PROGRAMACIÓN LIN:
http://cicia.uprrp.edu/publicaciones/docentes/metodosimplexdePL.pdf
 Romero, E. (05 de 2016). Obtenido de CASOS ESPECIALES Y TIPOS DE
SOLUCIONES EN PROGRAMACIÓN LINEAL:
https://www.academia.edu/6156400/CASOS_ESPECIALES_Y_TIPOS_DE_SOLUC
IONES_EN_PROGRAMACI%C3%93N_LINEAL_CASOS_ESPECIALES_Y_TIP
OS_DE_SOLUCIONES_EN_PROGRAMACI%C3%93N_LINEAL
 Salazar López, B. (10 de 02 de 2018). Ingenieros Industriales. Obtenido de Método
de Aproximación de VOGEL:
https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/investigaci%C3%B3n-de-operaciones/m%C3%A9todo-de-
aproximaci%C3%B3n-de-vogel/
 Salazar, B. (2016). Redundante o sobrante. Recuperado el lunes de noviembre de
2017, de Redundante o sobrante: https://www.ingenieriaindustrialonline.com/
201
202
3. Bibliografía
 Erazo, J. (2009). Obtenido de

https://www.academia.edu/28296288/ECON._JUAN_CARLOS_ERAZO_F_INVES
TIGACI%C3%93N_OPERATIVA_II_TOMO_II_Investigaci%C3%B3n_Operativa_
Tomo_I_Cap%C3%ADtulo_I_OBJETIVOS_DEL_CAP%C3%8DTULO_I
 Gómez, E. (2009). Investigación de operaciones (Vol. 5). Mexico: Pearson Education
Hall.
 Romero, E. (05 de 2016). Obtenido de CASOS ESPECIALES Y TIPOS DE
SOLUCIONES EN PROGRAMACIÓN LINEAL:
https://www.academia.edu/6156400/CASOS_ESPECIALES_Y_TIPOS_DE_SOLUC
IONES_EN_PROGRAMACI%C3%93N_LINEAL_CASOS_ESPECIALES_Y_TIP
OS_DE_SOLUCIONES_EN_PROGRAMACI%C3%93N_LINEAL
 Salazar, B. (2016). Redundante o sobrante. Recuperado el lunes de noviembre de
2017, de Redundante o sobrante: https://www.ingenieriaindustrialonline.com/

Opera Tiva

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Opera Tiva

Загружено:

Авторское право:

Доступные форматы

1

UNIVERSIDAD DE LAS FUERZAS ARMADAS –

DEPARTAMENTO DE CIENCIAS EXACTAS

CARRERA: FINANZAS Y AUDITORÍA

DOCENTE: ING. BYRON COCHA

ESTUDIANTE: NAILA SUSANA QUISHPE JÁCOME

PERÍODO: (ABRIL–AGOSTO 2017)

ASIGNATURA: INVESTIGACIÓN OPERATIVA

PRIMER PARCIAL ..........................................................................................................................5

PASO 1: MODELACIÓN MEDIANTE PROGRAMACIÓN LINEAL ...........................................120

3.6.4. Ejercicio en clases 4 ..........................................................................................186

1.1.Origen y evolución de la investigación operativa

Según (Erazo, 2007):

La investigación operativa están antigua como la conducta humana, pues el

De lo manifestado la investigación operativa es un conjunto de técnicas que

El término de la investigación se utiliza por primera vez en el año de 1939 durante la

Por las circunstancias propias de la época y el momento la investigacion operativa

 Logística: Recursos disponibles, es la manera para llegar al objetivo.

Para (Gómez, 2009) las primeras actividades de la investigación operativa se:

Inicio en Inglaterra durante la segunda guerra mundial, cuando un equipo de

Tabla 1: Evolución de la investigación operativa

Evolución de la investigación operativa

Entre 1890-1899 Markon Precursor de los modelos dinámicos

Entre 1910-1919 Erlong Primeras líneas de espera.

1939 Kantorovich Problemas de distribución

1.3.Aplicación de la investigación operativa

Según (Gómez, 2009) El campo de investigación operativa se aplica en:

Áreas funcionales: Una muestra de la investigacion operativa en los problemas

Servicios: Comercio, optimización de actividades financieras, gestión,

1.4.Ejemplos de aplicación en las diferentes áreas

Establecimiento de un horario: En un sector de la cuidad se tiene el requerimiento de

Se desea invertir 2 millones de dólares en 6 tipos de inversión, cuyas características son

Tabla 3: Ejercicio de finanzas

1.5.Limitaciones de la investigacion operativa

a. Capacidad para el equipo investigador: Se refiere a las

De lo manifestado por el autor la investigacion operativa es una ciencia

1.6.¿Qué me ofrece la investigación operativa?

1.7.Fases de la investigación operativa

-Formulación del problema: Debe estar perfectamente establecidos los

-Solución del problema: Esto puede hacerse en dos pasos:

Las fases de la investigación operativa permite abstraer todo un problema

Según (Erazo, 2009) la programación lineal:

Es una clase de modelos de programación matemática destinados a la

De acuerdo con lo expresado en el párrafo anterior la programación lineal es una

2.2. Objetivos de la Programación Lineal

 Maximizar la utilidad de las organizaciones

Poner en forma cuantitativa acciones o decisiones a forma de optimizar sistemas donde

2.3. Aplicaciones de la programación lineal

Para (Gómez, 2009) La programación lineal presenta un gran número de aplicaciones

a. Medios publicitarios: El campo del marketing y la publicidad es

e. Asignación de horarios: Es asegurar de la forma más eficiente

De lo manifestado por el autor la programación lineal tiene un gran campo de

2.4. Limitaciones de la programación lineal

No hay garantía de que se de soluciones enteras.

De lo manifestado por el autor una de las limitaciones que presenta la

DEBER #1 - PRIMERA CONSULTA

Historia de la Investigación Operativa

Según (Palacios, 2010) A lo largo de la historia es frecuente encontrar una

En 1503, Leonardo da Vinci participó como ingeniero en la guerra contra Pisa

Thomas Alva Edison también hizo uso de la Investigación Operativa,

Desde el punto de vista matemático, en los siglos XVII y XVIII, Newton,

Sin embargo no se considera que ha nacido una nueva ciencia llamada

También en 1942, la U-Bootswaffe alemana con su flota de submarinos U-Boot

Al mismo tiempo que la doctrina de la Investigación Operativa, se desarrollaron