CAPÍTULO I: FUNDAMENTOS DE METODOS CUANTITATIVOS PARA LA TOMA DE

DECISIONES

1.1 Origen y definición

Inicialmente a esta disciplina que ahora indistintamente se le conoce como “Métodos
Cuantitativos para la Toma de Decisiones” o “Ciencia de la Administración”, se la denominaba
“Investigación de Operaciones”; presumiblemente en razón a la actividad desarrollada por un
grupo de científicos de Gran Bretaña, consistente en investigar operaciones militares
relativas al análisis de problemas estratégicos y tácticos asociados a la defensa aérea y
terrestre del país a fin de optimizar sus recursos militares.

Fueron los norteamericanos, quienes alentados por los logros alcanzados por los ingleses,
optaron por desarrollar actividades similares, alcanzando notables progresos metodológicos,
extendiendo el campo de acción al ámbito industrial, y con esto, adjudicarse el liderazgo en
esta fértil disciplina.

Uno de los aportes más significativos lo dio el matemático norteamericano George Dantzig
(1947), al descubrir y desarrollar la técnica ampliamente aceptada como lo es el método
simplex para la solución de problemas de programación lineal.

En la actualidad, la aplicación de esta disciplina se extiende no solo al campo empresarial y

militar, sino que está cobrando vigencia en las instituciones financieras, hospitales, sistemas
de transporte e incluso en estudios de investigación criminológica.

Ensayando una definición podemos decir que, los Métodos Cuantitativos para la Toma de
Decisiones constituyen un procedimiento científico que busca proveer las bases más
objetivas y cuantitativas que sean posibles, a fin de apreciar mejor los diversos factores o
variables que intervienen en un problema, analizar su relación a través de un modelo y
encontrar una solución óptima entre varias posibles.

Concepto de Sistema:”Es un conjunto de elementos dinámicamente relacionados en una

red de comunicaciones, resultante de la interacción de los elementos, formando una
actividad (procesamiento), para alcanzar un objetivo o propósito, operando sobre
datos/energía/materia (insumos), en una referencia dada de tiempo (ciclo de actividad
del sistema, para suministrar información/energía/materia(resultados o productos del
sistema).
1.2 Definición y Construcción del modelo

Sistema Real

Sistema Real Supuesto

MODELO

En general, un estudio de métodos cuantitativos es un proceso de abstracción cuyo

resultado es la construcción de un modelo, el cual representa un objeto o aspecto de la vida
real (sistema) y cuyo comportamiento queda definido por la estructura y relaciones entre
variables que concentran y cuya identificación y simplificación permiten su análisis para el
mejoramiento de su funcionamiento (sistema existente), o en su caso, para diversificar su
estructura (sistema futuro).

La reducción de variables que controlan el sistema a un número relativamente pequeño de

variables dominantes y la abstracción de un modelo del mundo real supuesto, constituye
más que una ciencia, un arte, puesto que la validación de un modelo al representar un
sistema real se asienta básicamente en la creatividad e imaginación del analista y del equipo
con el cual éste trabaja. Es por ello que, no existiendo reglas fijas al respecto, se presenta
algunos tipos de modelos que podrían ser de utilidad, tales como:

a) Modelos Icónicos: Que son réplicas de objetos reales, ejemplo: modelo a escala de
un avión, maqueta de un complejo habitacional que se proyecta construir, etc.
b) Modelos Analógicos: Tienen forma física pero no tienen el mismo aspecto físico del
objeto o situación real al cual representan, ejemplo: velocímetro de un automóvil; la
posición de la aguja sobre la carátula representa la velocidad del automóvil, el nivel
de mercurio en la escala del termómetro representa la temperatura, la pirámide
para representar la distribución de la sociedad en clases, el organigrama empleado
para mostrar la estructura orgánica de una empresa, etc.
c) Modelo Probabilístico o estocástico: En el cual, cuando menos un insumo
incontrolable es incierto y está sujeto a variación. Es decir, cuando no es posible
determinar el valor del resultado, aun cuando se conoce los valores de los insumos
controlables, porque se desconocen los valores específicos de los insumos
incontrolables, ejemplo: modelo de planeación de la producción en función de la
demanda del producto, la cual puede adoptar una serie de valores.
d) Modelo Determinístico: En el cual todos los insumos incontrolables que afectan
tanto a la función objetivo como a las restricciones del modelo son conocidos
previamente y no pueden variar, ejemplo: cálculo del impuesto a la renta a partir de
 la tasa correspondiente aplicable, cálculo del rendimiento sobre la inversión
conociendo la tasa de interés y modalidad de éste.
e) Modelo Heurístico o de Simulación: Los cuales imitan el comportamiento del
sistema sobre un periodo, especificando ciertos eventos (puntos en el tiempo). La
información que mide el funcionamiento del sistema se acumula en informaciones
estadísticas, las cuales se actualizan en cuanto cada evento tiene lugar, ejemplo: la
simulación de un choque automovilístico a través de la computadora para probar la
eficacia de un sistema de seguridad para el conductor.
f) Modelo Simbólico o Matemático: Aquellos que utilizan símbolos matemáticos para
representar variables, las cuales están relacionadas mediante las funciones
matemáticas apropiadas para describir el comportamiento del sistema o situación
real. Este modelo parte del supuesto de que todas las variables relevantes son
cuantificables. Entonces la solución del modelo se logra mediante manipulación
matemática.
Un modelo matemático incluye básicamente los siguientes elementos:
 Variables de Decisión (Xj ); son las incógnitas que deben determinarse con
la solución del modelo.
 Parámetros (aij ); representan las variables controlables del sistema
pudiendo ser éstas, probabilísticas o determinísticas.
 Restricciones (aij ≤, =, ≥ bi); son las limitantes físicas de las variables de
decisión a sus valores factibles o permisibles.
 Función Objetivo [F.O.: (MAX) ó (MIN) X0 = Cj Xj )]; Actúa como indicador
para el logro de la solución óptima (cuando los valores de las variables de
decisión brindan el mejor valor de la función objetivo, satisfaciendo a la vez
todas las restricciones, ejm:
F.O.: (MAX) ó (MIN) X0 = C1 X1 + C2 X2 + … + Cn Xn
Sujeto a:
a11 X1 + a12 X2 + … + a1n Xn ≤, =, ≥ b1
a21 X1 + a22 X2 + … + a2n Xn ≤, =, ≥ b2
. . . . .
. . . . .
am1 X1 + am2 X2 + … + amn Xn ≤, =, ≥ bn

X1 , X2 , …., Xn ≥ 0
En la formulación anterior, los coeficientes Cj , aij y bi se interpretan físicamente de la
siguiente manera:

bi : cantidad disponible del recurso “i”.

aij : Cantidad del recurso “i” que debe asignarse a cada unidad de la actividad “j”.

Cj : Valor (costo, beneficio) por unidad de la actividad “j”.

1.3 Fases de un estudio de métodos cuantitativos

DEFINICION
DEL PROBLEMA

CONSTRUCCION SOLUCION
DEL MODELO DEL
MODELO

VALIDACION
MODELO DEL
MODIFICADO MODELO

IMPLANTACION
DE LOS
RESULTADOS
FINALES

Aún cuando el analista en métodos cuantitativos posea amplio dominio de técnicas de

solución y en modelística, es recomendable que el trabajo sea realizado por un equipo de
investigación, el cual deberá incluir a éste y a los miembros de la organización cuyas
responsabilidades están directamente vinculadas al problema-objeto de estudio; esto,
aparte de generar un efecto sinérgico en el grupo, garantiza una eficiente ejecución e
implantación de la solución recomendada.

Dependiendo de la naturaleza del problema y del contexto de investigación en el cual éste

se encuentra inmerso, puede adoptarse la siguiente secuencia:

a) Definición del problema; lo cual debe efectuarse considerando los siguientes

aspectos:
 Una descripción de la meta u objetivo del estudio, lo cual debe reflejar
aproximadamente el interés total del sistema. Es decir, el problema debe
abordarse en forma integral.
 Una identificación de las alternativas de decisión del sistema, y;
 Un reconocimiento de las restricciones y requisitos del sistema.
a) Construcción del modelo; dependiendo de la naturaleza y complejidad del sistema
en estudio, deberá decidirse por aquel que mejor se adecúe a éste. Tal modelo
deberá especificar relaciones cuantitativas para el objetivo y para las
restricciones del problema en función de sus variables de decisión. Si las
relaciones matemáticas son excesivamente complejas que dificulten su análisis,
se puede optar por los modelos heurísticos o de simulación, o la combinación de
éstos últimos con los matemáticos.
b) Solución del modelo; En los modelos matemáticos, esto se logra a través de las
técnicas de optimización. En casos que se haga uso de los modelos heurísticos el
 concepto de optimización no está claramente definido por lo que la solución se
emplea para obtener evaluaciones aproximadas de las medidas del sistema.
Es importante incluir además en esta fase, información referente a los cambios en
el comportamiento del sistema debido a la variación de los parámetros (análisis
de sensibilidad), lo cual permitirá hacer reajustes en el sistema para mejorar su
funcionamiento.
c) Validación del modelo; Un modelo es válido en tanto proporciona elementos
confiables de predicción del funcionamiento del sistema. Usualmente esto se
resuelve utilizando datos pasados disponibles del sistema. Esto encierra cierta
dificultad debido a que no existe certeza de que el funcionamiento futuro del
sistema duplique su historia. Por ello, en algunos casos esto se resuelve utilizando
datos de corridas de ensayo del sistema. Cabe acotar que el citado método no es
apropiado para sistemas que no existen, dado que no se cuenta con datos para la
comparación, por lo cual, si el modelo original fuera matemático podría ser
factible construir un modelo heurístico para efectuar tal comparación.
d) Implantación de resultados finales; cuya tarea recae en el equipo de investigación.
Ello implica la traducción de los resultados probados del modelo en instrucciones
específicas y detalladas de operaciones a los individuos que en el futuro
administrarán y operarán el sistema. En esta fase es imperativa la cooperación
mutua entre el equipo de investigación y los responsables de la administración y
operación del sistema.
 CAPITULO II: PROGRAMACION LINEAL
2.1 Introducción

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 objeto 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.

2.2 Aplicaciones de la programación lineal

En la práctica, la programación lineal ha probado ser uno de los enfoques cuantitativos más
exitosos para la toma de decisiones en la administración. Se han reportado numerosas
aplicaciones en las industrias química, del aerotransporte, del acero, del papel, del petróleo
y en otras. Los problemas específicos que han sido estudiados son diversos e incluyen
programación de la producción, selección de medios publicitarios, planeación financiera,
presupuestos de capital, transporte, ubicación de plantas, mezcla de productos, asignación
de personal, mezclados y muchas otras.

2.3 Definición general de programación lineal

Un modelo de programación lineal, en general, se define como:

F.O.: (MAX) ó (MIN) X0 = C1 X1 + C2 X2 + …+ Cn Xn

Sujeto a:
a11 X1 + a12 X2 + …+ a1n Xn (≤, = ó ≥) b1
a21 X1 + a22 X2 + …+ a2n Xn (≤, = ó ≥) b2
. . . . .
. . . . .
am1 X1 + am2 X2 + …+ amn Xn (≤, = ó ≥) bn

X 1 , X 2 , … Xn ≥ 0

Donde Cj , bi , aij (i=1, 2, …, m); j=1, 2, …, n) son constantes determinadas por la tecnología
del problema y Xj son las variables de decisión. Únicamente un signo (≤, = ó ≥) ocurre para
cada restricción. No obstante que todas las variables son declaradas no negativas, cada
variable irrestricta puede convertirse equivalentemente a variables no negativas. La
restricción de no negatividad es esencial para el desarrollo del método de solución para
programación lineal.

Los modelos de PL a menudo representan problemas de “asignación” en los cuales los

recursos limitados se asignan a un número de actividades. Así, los coeficientes Cj , bi y aij se
interpretan físicamente como sigue:
Si bi es la cantidad disponible del recurso “i”, entonces aij es la cantidad del recurso “i” que
debe asignarse a cada unidad de la actividad “j”. El “valor” por unidad de la actividad “j” es
igual a Cj .

Después de formular el modelo, el siguiente paso del análisis es resolver el modelo. Debido
a que estos modelos pueden presentarse en las formas (MAX) ó (MIN) para la Función
Objetivo y (≤, = ó ≥) para las restricciones, es necesario modificar estas formas a fin de que
se ajusten al procedimiento de solución adecuado. La forma estándar se utiliza
directamente para resolver el modelo; la forma canónica es particularmente útil al
presentar la teoría de dualidad.
La forma canónica
n
(MAX) X0 = Cj Xj
j=1
Sujeto a:

n
aij Xj ≤ bi , i = 1, 2,…, m
j=1

Xj ≥j = 1, 2,…, n

Las características de esta forma son:

 Todas las variables de decisión son no negativas.
 Todas las restricciones son del tipo (menor o igual).
 La función objetivo es del tipo maximización

Un problema de PL puede expresarse en la forma canónica por el uso de cinco

transformaciones elementales:
1. La minimización de una función, f(X), es matemáticamente equivalente a la
maximización de la expresión negativa de esta función, - f(X). Por ejemplo, la función
lineal:

(MIN) X0 = C1 X1 + C2 X2 + …+ Cn Xn , es equivalente a:

(MAX) g0 = - X0 = - C1 X1 - C2 X2 - …- Cn Xn ; con X0 = g0

2. Una desigualdad puede cambiar su dirección multiplicando ambos lados de la

desigualdad por -1. Por ejemplo, la restricción lineal:

a1 X1 + a1 X1 ≥ b es equivalente a: - a1 X1 - a1 X1 ≤ - b

3. Una ecuación puede ser reemplazada por dos desigualdades en direcciones

opuestas. Por ejemplo:

a1 X1 + a1 X1 = b ; es equivalente a las dos restricciones simultaneas:

a1 X 1 + a1 X 1 ≤ b y a 1 X 1 + a1 X 1 ≥ b

4. Una restricción de desigualdad con su lado izquierdo en la forma de valor absoluto

puede cambiarse a dos desigualdades regulares. Por consiguiente, para b ≥ 0;

│ a1 X1 + a1 X1 │ ≤ b; es equivalente a:

a1 X 1 + a1 X 1 ≤ b y a1 X 1 + a1 X 1 ≥ - b

De igual manera, para b ≥ 0;

│ a1 X1 + a1 X1 │ ≥ b; es equivalente a:
a1 X 1 + a1 X 1 ≥ b ó a1 X 1 + a1 X 1 ≤ - b
 5. Una variable que es irrestricta en signo (esto es, positiva, negativa o cero) es
equivalente a la diferencia entre dos variables no negativas. Por consiguiente si X
es irrestricta en signo puede reemplazarse por ( X+ - X- ) donde X+ ≥ 0 y X- ≥ 0.

Ejemplo:
Considere el problema de programación lineal:

(MIN) X0 = 3X1 - 3X2 + 7X3

Sujeto a:

X1 + X2 + 3X3 ≤ 40
X1 + 9X2 - 7X3 ≥ 50
5X1 + 3X2 = 20
│ 5X2 + 8X3 │ ≤ 100

X1 , X2 ≥ 0; X3 es irrestricta en signo

Efectuando las transformaciones elementales el PL se expresa en su forma canónica como

sigue:

(MAX) g0 = - ( X0 ) = -3X1 + 3X2 - 7 ( X3+ - X3- )

Sujeto a:

X1 + X2 + 3 ( X3+ - X3- ) ≤ 40
- X1 - 9X2 + 7 ( X3+ - X3- ) ≤ -50
5X1 + 3X2 ≤ 20
-5X1 - 3X2 ≤ -20

5X2 + 8 ( X3+ - X3- ) ≤ 100

- 5X2 - 8 ( X3+ - X3- ) ≤ 100

X1, X2, X3+ , X3- ≥ 0

La forma estándar

n
(MAX) X0 = Cj Xj
j=1
Sujeto a:

n
aij Xj + Si = bi , i = 1, 2,…, m
j=1

Xj ≥ 0, j = 1, 2,…, n

Si ≥ 0, i = 1, 2,…, m

Las características de la forma estándar son:
 Todas las restricciones son ecuaciones excepto la restricción de no negatividad que
permanece como desigualdad (≥ 0).
 Los elementos del lado derecho (bi) de cada ecuación son no negativos.
 Todas las variables son no negativas.
 La función objetivo es del tipo (MAX) ó (MIN).
Las restricciones de desigualdad pueden cambiarse a ecuaciones introduciendo (sumando
o restando) en el lado izquierdo de cada una de tales restricciones una variable no negativa.
Estas nuevas variables se conocen como variables de holgura. Estas últimas deberán
incluirse tanto en la función objetivo como en las restricciones con coeficiente cero a fin de
no alterar el modelo original.
Tomando como referencia el modelo anterior, este quedaría expresado en su forma
estándar como sigue:

(MAX) g0 = - ( X0 ) = -3X1 + 3X2 - 7 ( X3+ - X3- ) + 0S1 + 0S2 +0S3 +0S4 +0S5 +0S6
Sujeto a:

X 1 + X2 + 3 ( X3+ - X3- ) + S1 = 40
X1 + 9X2 - 7 ( X3+ - X3- ) - S2 = 50
5X1 + 3X2 + S3 = 20
5X1 + 3X2 - S4 = 20
5X2 + 8 ( X3+ - X3- ) + S5 = 100
- 5X2 - 8 ( X3+ - X3- ) + S6 = 100

X1 , X2 , X3+ , X3- , S1 , S2 , S3 , S4 , S5 , S6 ≥ 0

2.4 FORMULACION DEL PROBLEMA (PLANTEAMIENTO)

La optimización basada en programación lineal corresponde a 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.

Los resultados y el proceso de optimización se convierten en un respaldo cuantitativo de las

decisiones frente a las situaciones planteadas. Decisiones en las que sería importante tener
en cuenta diversos criterios administrativos como:

 Los hechos
 La experiencia
 La intuición
 La autoridad

Ejemplo 1:

La Cia. Par Inc., es un pequeño fabricante de equipo y accesorios para golf cuyos
administradores han decidido incursionar en el mercado de las bolsas para bastones de golf
hechas de piel, a precios mediano y alto. El distribuidor de Par está muy entusiasmado con
la nueva línea de productos y ha aceptado comprar todas las bolsas de golf que fabrique Par
en los tres meses siguientes. Después de una investigación cuidadosa de las etapas
necesarias para fabricar una bolsa, los administradores determinan que cada bolsa que se
fabrique requerirá de las siguientes operaciones:
 1. Cortar y teñir el material
2. Coser
3. Terminar (insertar el portasombrilla, los pasadores de los palos, etc.)
4. Inspeccionar y embalar
El director de manufactura ha analizado cada una de las operaciones y llegado a la
conclusión de que si la compañía fabrica un modelo estándar de precio medio se requerirá
7/10 de hora en el departamento de corte y teñido, 1/2 hora en el departamento de costura,
1 hora en el departamento de terminado, y 1/10 hora en el departamento de inspección y
embalaje. El modelo de lujo más costoso requerirá de 1 hora para corte y teñido, 5/6 hora
para costura, 2/3 hora para terminado y 1/4 hora para inspección y embalaje. El
departamento de costos ha analizado estas cifras de producción, ha asignado todos los
costos pertinentes y llegado a la conclusión de que se obtendría una contribución a las
utilidades de $. 10 para cada bolsa estándar, y de $. 9 para cada bolsa de lujo que se fabrique.

Además, después de estudiar las proyecciones de las cargas de trabajo en los

departamentos, el director de manufactura estima que para los departamentos, el director
de manufactura estima que para la producción de la bolsa de golf en los tres meses
siguientes, habrá disponibles 630 horas de tiempo de corte y teñido, 600 horas de costura,
708 horas de acabado y 135 horas de inspección y embalaje.

El problema de Par es determinar cuántas bolsas estándares y cuántas bolsas de lujo deben
fabricar con el objeto de maximizar la contribución a las utilidades. Si estuviera a cargo del
programa de producción para la compañía Par ¿qué decisión tomaría? Es decir, ¿cuántas
bolsas estándares y cuántas bolsas de lujo fabricaría en los tres meses siguientes?

Sean:

X1 = n° bolsas estándares a fabricar

X2 = n° bolsas de lujo a fabricar

Tiempo requerido por unidad de Capacidad de

Actividad u operación producto (horas) operación
Bolsa estándar Bolsa de lujo (horas)
Corte y teñido 7/10 1 630
Costura 1/2 5/6 600
Terminado 1 2/3 708
Inspección y embalaje 1/10 1/4 135
Utilidad ($.) 10 9

Contribución total a las utilidades (Z)

Como el objetivo (maximizar la contribución total de utilidades) es función de sus variables

de decisión (X1 , X2 ), a 10X1 + 9X2 se le denomina función objetivo (F.O.), quedando
planteado el objetivo de la siguiente manera:

F.O.: (MAX)Z = 10X1 + 9X2

Cualquier combinación específica de fabricación de artículos de tipo estándar y de lujo se le
designa por solución del problema. Sin embargo sólo aquellas soluciones que satisfacen
todas las restricciones se les denomina soluciones factibles. La combinación factible
específica que aporta la mayor utilidad se la denomina solución óptima. Para determinar las
soluciones factibles es necesario identificar las restricciones del problema, así:

Tiempo total requerido de corte y teñido = 7/10 X1 + X2 ; lo cual denota que el número de
horas que se utilicen para las operaciones de corte y teñido en la fabricación de X 1 bolsas
estándares y X2 bolsas de lujo deberá ser menor o igual que la cantidad máxima de tiempo
disponible para corte y teñido.

Para las demás operaciones se procede del mismo modo. Dado que no es posible fabricar
un número negativo de bolsas estándares o de lujo y a fin de que las variables de decisión
no asuman valores negativos, debe añadirse dos restricciones:

X1 ≥ 0

X2 ≥ 0

ó en forma abreviada: X1 , X2 ≥ 0 (restricciones de no negatividad), con lo cual queda el

problema completo queda planteado de la siguiente manera:

F.O.: (MAX)Z = 10X1 + 9X2

Sujeto a:

Corte y teñido: 7/10 X1 + X2 ≤ 630

Costura: 1/2 X1 + 5/6 X2 ≤ 600

Terminado: X1 + 2/3 X2 ≤ 708

Inspección y embalaje: 1/10 X1 + 1/4 X2 ≤ 135

X 1 , X2 ≥ 0

Ejemplo 2:

Se procesan cuatro productos sucesivamente en dos máquinas. Los tiempos de manufactura

en horas por unidad de cada producto se tabulan a continuación para dos máquinas:

MAQUINA TIEMPO POR UNIDAD (HORAS)

PROD. 1 PROD. 2 PROD. 3 PROD. 4

1 2 3 4 2

2 3 2 1 2
El costo total de producir una unidad de cada producto está basado directamente en el
tiempo de máquina. Suponga que los costos por hora para las máquinas 1 y 2 son $. 10 y $.
15. Las horas totales presupuestadas para todos los productos en las máquinas 1 y 2 son
500 y 380. Si el precio de venta por unidad para los productos 1, 2, 3 y 4 es $. 65, $. 70, $.
55 y $. 45. Formule el problema como un modelo de programación lineal para maximizar
el beneficio neto total.

Solución:

Sean:

X1, X2, X3, X4 = n° de unidades producidas de los productos 1, 2, 3 y 4.

Se tiene:

CAPADIDAD COSTO HORA

TIEMPO POR UNIDAD (HORAS) DE MAQUINA
MAQUINA OPERACIÓN ($)
(HORA)
PROD. 1 PROD. PROD. PROD.
1 2 2 3 4 500 10
2 3 3 4 2 380 15
2 1 2
INGRESO
UNITARIO
POR 65 70 55 45
VENTA ($)

CONDICION DE CAPACIDAD:

MAQUINA 1: 2X1 + 3X2 + 4X3 + 2X4 ≤ 500

MAQUINA 2: 3X1 + 2X2 + 1X3 + 2X4 ≤ 380

FUNCION OBJETIVO: F.O.: UTILIDAD = INGRESOS – COSTOS

UTILIDAD = 65X1 + 70X2 + 55X3 + 45X4 - [10 (2X1 + 3X2 + 4X3 + 2X4) + 15 (3X1 + 2X2 + 1X3 +
2X4)]

UTILIDAD = 10X2 - 5X4

Luego: F.O.: (MAX) U = 10X2 - 5X4

Sujeto a:
MAQUINA 1: 2X1 + 3X2 + 4X3 + 2X4 ≤ 500
MAQUINA 2: 3X1 + 2X2 + 1X3 + 2X4 ≤ 380
R.N.N.: X1 , X2 , X3 , X4 ≥ 0
Ejemplo 3:

Un granjero desea determinar la mezcla óptima para un lote diario de alimentos de 100 kg
de manera tal que satisfaga los requerimientos nutritivos para sus animales; siendo éstos:

 Al menos 0.8% pero no más de 1.2% de Calcio

 Al menos 22% de Proteínas
 A lo más 5% de Fibras Crudas

Se sabe además de que los ingredientes de que éste dispone tienen el siguiente contenido
nutritivo:

INGREDIENTES Kgs por Kg de INGREDIENTE COSTO

CALCIO PROTEINAS FIBRA por Kg ($)

PIEDRA CALIZA 0.3800 0.0000 0.0000 0.0164

MAÍZ 0.0010 0.0900 0.0200 0.0463
ALIMENTO DE 0.0020 0.5000 0.0800 0.1250
SOYA

Formule el problema como un modelo de programación lineal para minimizar el costo neto
total.

Solución:

Sean: X1 = n° kg de Piedra Caliza a comprar

X1 = n° kg de Maíz a comprar

X1 = n° kg de Alimento de Soya a comprar

Luego: F.O.: (MIN) C = 0.0164X1 + 0.0463X2 + 0.1250X3

Sujeto a:

TAMAÑO DEL LOTE: X1 + X2 + X3 = 100

REQUERIMIENTOS NUTRITIVOS:
CALCIO: 0.3800X1 + 0.0010X2 + 0.0020X3 ≤ 1.20/100X100
0.3800X1 + 0.0010X2 + 0.0020X3 ≥ 0.80/100X100
PROTEÍNAS: 0.0900X2 + 0.5000X3 ≥ 22/100X100
FIBRA: 0.0200X2 + 0.0800X3 ≤ 5/100X100
R.N.N.: X1, X2, X3 ≥ 0
Ejemplo 4:

Una fábrica de automóviles y camiones consta de los departamentos que a continuación se

enumeran:

Dpto. 1 : Estampado de planchas metálicas

Dpto. 2: Armado de motores

Dpto. 3: Montaje de automóviles

Dpto. 4: Montaje de camiones

El departamento 1 puede estampar por mes las planchas necesarias para 25,000
automóviles o 35,000 camiones, o las correspondientes combinaciones de automóviles y
camiones. El departamento 2 puede armar por mes 33,333 motores de automóviles o
16,667 motores de camión, o las correspondientes combinaciones de automóviles y
camiones. El departamento 3 puede montar y terminar 22,500 automóviles y 15,000
camiones el departamento 4. Si cada automóvil deja una utilidad de $. 300 y cada camión $.
250. ¿Qué cantidad de automóviles y camiones deben producirse de manera que las
utilidades que se obtengan sean las máximas posibles?

Solución:

Sean: X1 = n° automóviles a producir

X2 = n° camiones a producir

F.O.: (MAX) U = 300X1 + 250X2

RESTRICCIONES DE CAPACIDAD:

Dpto. 1: Asumiendo que la capacidad total de este departamento es 100% = 100/100

= 1; se tiene:

25,000 automóviles ________________ 1 (Capacidad total)

X1 automóviles ________________ ?

___________________________________________________________________

? = X1 / 25,000 (Capacidad del Dpto. 1 empleada en automóviles)

35,000 camiones ________________ 1 (Capacidad total)

X2 camiones ________________ ?

___________________________________________________________________

? = X2 / 35,000 (Capacidad del Dpto. 1 empleada en automóviles)

∴ Capacidad empleada en automóviles + Capacidad empleada en camiones = Capacidad

total

Capacidad Dpto. 1: X1 / 25,000 + X2 / 35,000 ≤ 1

Siguiendo el mismo razonamiento para los demás departamentos y resumiendo, se tiene:

F.O.: (MAX) U = 300X1 + 250X2

Sujeto a:

RESTRICCIONES DE CAPACIDAD:

Capacidad Dpto. 1: X1 / 25,000 + X2 / 35,000 ≤ 1

Capacidad Dpto. 2: X1 / 33,333 + X2 / 16,667 ≤ 1

Capacidad Dpto. 3: X1 / 22,500 ≤1

Capacidad Dpto. 3: X2 / 15,000 ≤ 1

RN.N.: X1, X2 ≥ 0

Ejemplo 5:

Se procesan tres productos a través de tres operaciones diferentes. Los tiempos (en
minutos) requeridos por unidad de cada producto, la capacidad diaria de las operaciones
(en minutos por día) y el beneficio por unidad vendida de cada producto (en dólares) son
como sigue:

TIEMPO POR UNIDAD CAPACIDAD

(minutos) DE
OPERACION OPERACIÓN
Prod. 1 Prod. 2 Prod. 3 (minutos/día)
1 1 2 1 430
2 3 0 2 460
3 1 4 0 420
GANANCIA 3 2 5
($.)

a. Determinar la producción diaria óptima para los tres productos que maximice
el beneficio (Z).
b. Supongamos que un cuarto producto debe fabricarse en las mismas operaciones.
Los tiempos por unidad en las tres operaciones son 3, 5 y 1. El beneficio por
unidad es igual a $. 6. Vuelva a formular el modelo de programación lineal si
además debe utilizarse la capacidad total de la operación 3. ¿Cómo cambiaría
esto la formulación?
c. En el problema original, suponga que la suma de las capacidades no utilizadas
de las tres operaciones no deben exceder de 10 minutos por día. Muestre como
ésta restricción puede ser implantada en la formulación.
d. Suponga además que un estudio de mercado indica que la relación del número
de unidades del producto 1 al número de unidades del producto 2 y 3 debe ser
al menos igual a 0.4. Muestre como esta restricción puede ser tomada en cuenta
en la formulación del problema original.
Solución:

a) Solución:
Sean: X1 , X2 , X3 = n° unidades de los productos 1, 2, 3 a producir

F.O.: (MAX) Z = 3X1 + 2X2 + 5X3

Sujeto a:
Operación 1: X1 + 2X2 + X3 ≤ 430
Operación 2: 3X1 + 2X3 ≤ 460
Operación 3: X1 + 4X2 ≤ 420
X1 , X2 , X3 ≥ 0

b) Solución:

Operación Tiempo por unidad (minutos) Capacidad de

Prod. 1 Prod. 2 Prod. 3 Prod. 4 operación
(minutos/día)
1 1 2 1 3 430
2 3 0 2 5 460
3 1 4 0 1 420
Ganancia 3 2 5 6
por unidad
($)

Sean: X1 , X2 , X3 , X4 = n° unidades de los productos 1, 2, 3, 4 a producir

F.O.: (MAX) Z = 3X1 + 2X2 + 5X3 + 6X4
Sujeto a:
Operación 1: X1 + 2X2 + X3 + 3X4 ≤ 430
Operación 2: 3X1 + 2X3 + 5X4 ≤ 460
Operación 3: X1 + 4X2 + X4 = 420
X1 , X2 , X3 , X4 ≥ 0

c) Dado que se hace mención a las capacidades no utilizadas (holguras) de las

operaciones , es menester, previo a la formulación del problema explicar el concepto
de “holgura”.
1er caso:
Sea: J: aij Xj ≤ bi
J: aij Xj + Si = bi
Donde:
aij Xj = cantidad mínima necesaria de recursos para la ejecución de la actividad “J”
bi = recursos disponibles para la ejecución de la actividad “J”
Si = holgura de la actividad “J”

aij Xj = 30 hr-h

bi = 50 hr-h

Si = 20 hr-h

En el caso expuesto, la holgura positiva +Si refleja una capacidad ociosa de recursos
(superávit) que no están siendo utilizados, ante lo cual podría optarse por rotar
personal hacia otras áreas deficitarias o en el peor de los casos prescindir de dicho
personal, dado que afectarían los costos operativos de la empresa.

2do caso:

Sea: J: aij Xj ≥ bi

J: aij Xj - Si = bi
Donde:
aij Xj = cantidad mínima necesaria de recursos para la ejecución de la actividad “J”
bi = recursos disponibles para la ejecución de la actividad “J”
Si = holgura de la actividad “J”

bi = 30 hr-h

aij Xj = 50 hr-h

Si = 20 hr-h

En el presente caso, la holgura negativa -Si refleja una falta de recursos (déficit) que
de no asignarse, dicha actividad no podría concretarse, paralizándose
temporalmente el proceso productivo y pudiendo desencadenar colateralmente
otros malestares de orden social y económico.

3er caso:

Sea: J: aij Xj = bi

J: aij Xj ± Si = bi ; Si = 0
Donde:
aij Xj = cantidad mínima necesaria de recursos para la ejecución de la actividad “J”
bi = recursos disponibles para la ejecución de la actividad “J”
Si = holgura de la actividad “J”

aij Xj = 50 hr-h bi = 50 hr-h

Este caso, en que la cantidad necesaria de recursos y su disponibilidad se igualan, es

decir, la holgura es nula, Si = 0, se interpreta que se estaría operando a plena
capacidad en dicha fase del proceso productivo.

Aclarado el concepto de holgura, pasamos a formular el programa lineal

correspondiente al problema antecitado como sigue:

Problema original:

Sean: X1 , X2 , X3 = n° unidades de los productos 1, 2, 3 a producir

F.O.: (MAX) Z = 3X1 + 2X2 + 5X3

Sujeto a:

Operación 1: X1 + 2X2 + X3 ≤ 430

Operación 2: 3X1 + 2X3 ≤ 460

Operación 3: X1 + 4X2 ≤ 420

X1 , X2 , X3 ≥ 0
 Incorporando variables de holgura:

F.O.: (MAX) Z = 3X1 + 2X2 + 5X3 + 0 S1 + 0 S2 + 0 S3

Sujeto a:

Operación 1: X1 + 2X2 + X3 + S1 = 430

Operación 2: 3X1 + 2X3 + S2 = 460

Operación 3: X1 + 4X2 + S3 = 420

X 1 , X 2 , X 3 , S 1 , S2 , S3 ≥ 0

Donde: S1 , S2 , S3 = capacidades no utilizadas

Despejando, se tiene:

S1 = 430 - X1 - 2X2 - X3 (I)

S2 = 460 - 3X1 - 2X3 (II)

S3 = 420 - X1 - 4X2 (III)

(I) + (II) + (III):

S1 + S2 + S3 = 1310 - 5X1 - 6X2 - 3X3 (IV)

Pero: S1 + S2 + S3 ≤ 10 (V)

Luego:

Reemplazando (V) en (IV) y multiplicando por (-1), se tiene:

1310 - 5X1 - 6X2 - 3X3 ≤ 10 (-1)

5X1 + 6X2 + 3X3 ≥ 1300

Finalmente, incorporando esta restricción al modelo original:

F.O.: (MAX) Z = 3X1 + 2X2 + 5X3

Sujeto a:

Operación 1: X1 + 2X2 + X3 ≤ 430

Operación 2: 3X1 + 2X3 ≤ 460

Operación 3: X1 + 4X2 ≤ 420

Condición de capacidad ociosa: 5X1 + 6X2 + 3X3 ≥ 1300

X1 , X2 , X3 ≥ 0

d) Solución:
Pauta de producción: X1 / X1 + X2 ≥ 0.4

X1 ≥ 0.4X2 + 0.4X3

X1 - 0.4X2 - 0.4X3 ≥ 0
Incluyendo ésta restricción en el problema original:

F.O.: (MAX) Z = 3X1 + 2X2 + 5X3

Sujeto a:

Operación 1: X1 + 2X2 + X3 ≤ 430

Operación 2: 3X1 + 2X3 ≤ 460

Operación 3: X1 + 4X2 ≤ 420

Pauta de producción: X1 - 0.4X2 - 0.4X3 ≥ 0

X1 , X2 , X3 ≥ 0
 EJERCICIOS PROPUESTOS

1. Supóngase que el Banco de Crédito al Campesino, tiene dos planes de inversión: el

primero en el programa de tierras de riego y el segundo en el programa de tierras de
temporal. El primer programa regresa un 30% de la inversión anualmente, mientras que el
segundo plan regresa un 65% de la inversión, pero al término de dos años. Los intereses
recibidos en ambos planes son reinvertidos de nuevo en cualquiera de ambos planes.
Formule el programa lineal que le permita al Banco maximizar la inversión total en un
sexenio, si la inversión anual es de $. 100,000.

2. La Cía. Petromar ubicada cerca de Piura, suministra gasolina a sus distribuidores en

camiones. La Cía. recientemente recibió un contrato para iniciar el suministro de 800,000
galones de gasolina por mes a distribuidores de Lima. La Cía. tiene $. 500,000 disponibles
para crear una flota consistente en tres tipos diferentes de camiones. En la siguiente tabla
se muestra la capacidad relevante, costo de compra, costo operativo y número máximo de
viajes por cada tipo de camión:

COSTO DE MÁXIMO DE
TIPO DE CAPACIDAD COSTO DE OPERACIÓN VIAJES POR
CAMION (gls.) COMPRA ($.) $/. por mes MES
1 6,000 50,000 800 20
2 3,000 40,000 650 25
3 2,000 25,000 500 30

Sobre la base del mantenimiento y la disponibilidad de conductores, la compañía no desea

comprar más de diez vehículos para su flota. Asimismo, la Cía. desearía asegurarse que se
compren al menos dos de los camiones de tipo 3 (se requieren para su uso en las rutas de
trayecto corto/baja demanda). Finalmente, la Cía. no desearía que más de la mitad de la
flota sea de camiones del tipo 1. Como gerente de operaciones, formule un modelo para
determinar la composición de la flota que minimice los costos operativos mensuales al
tiempo que satisfaga las demandas no saliéndose del presupuesto y satisfaciendo los
requerimientos de las otras compañías.

3. Los socios de INVERSOL, una compañía de inversión de capital de riesgo, están

considerando invertir en una o más propuestas que han recibido de varios negocios
empresariales. El departamento de investigación ha examinado cada propuesta, y cuatro
de los empresarios cumplen con el requerimiento de INVERSOL de lograr un rendimiento
lo suficientemente alto para el riesgo asociado. Estas compañías son: TELE-MM, CEMENTOS
BETA, EPSILÓN Y MINSUR. El departamento de investigación de de INVERSOL ha estimado
el rendimiento total así como las inversiones al principio de cada uno de los siguientes
cuatro años (en dólares actuales). El departamento de contabilidad ha estimado los fondos
totales que INVERSOL tiene para invertir a principio de cada uno de los cuatro años.
Observe que los fondos no usados de cualquier año no están disponibles para su inversión
en los años posteriores. Asimismo, por acuerdo de los socios se ha decidido no invertir
conjuntamente en CEMENTOS BETA y EPSILÓN. Formule el modelo que maximice el
rendimiento total de las inversiones.
 PROYECTO AÑO 1 AÑO2 AÑO 3 AÑO 4 DEVOLUCIÓN
TELE-MM 60 10 10 10 250
CEMENTOS 35 35 35 35 375
BETA 10 50 50 10 275
EPSILÓN 15 10 10 40 140
MINSUR
FONDOS PARA 90 80 80 50
INVERSIÓN

4. Una fábrica de papel recibió tres pedidos de rollos de papel con los anchos y longitudes
indicadas en la tabla siguiente:

PEDIDO n° ANCHURA(pies) LONGITUD

(pies)
1 5 10,000
2 7 30,000
3 9 20,000

Los rollos se producen en la fábrica con dos anchos estándar: 10’ y 20’ (pies), los cuales hay
que recortar a los tamaños especificados por los pedidos. No existe límite sobre la longitud
de los rollos estándar ya que para propósitos prácticos los rollos de longitud limitada
pueden unirse para proporcionar las longitudes requeridas. El objetivo es determinar el
esquema de producción (modelo de corte) que minimice la pérdida por ajuste y satisfaga la
demanda dada.

5. El fundo “El Dorado” cuenta con 50 acres de tierra disponibles para la siembra de maíz,
soya, lechuga, algodón y brócoli. La siguiente tabla muestra la información relevante
perteneciente producción, el costo de plantación, el precio de venta y los requerimientos de
agua para cada cultivo.

CULTIVO PRODUCCIÓN COSTO ($/ PRECIO DE AGUA REQUERIDA

(kg/acre) kg) VENTA ($/kg) (litros/kg)
Maíz 640 1.00 1.70 8.75
Frijol de soya 500 0.5 1.30 5.00
Lechuga 400 0.4 1.00 2.25
algodón 300 0.25 1.00 4.25
Brócoli 350 0.60 1.30 3.50

Para la próxima temporada, hay 100,000 litros de agua disponibles y “El Dorado” ha
contratado vender al menos 5,120 kg de maíz. Formule un programa lineal para determinar
una estrategia de plantación óptima para “El Dorado”.

6. Al gerente de AFP “PROFUTURO” se le pide invertir $. 1’000,000 del Fondo de Pensiones

de sus afiliados. El departamento de investigación de inversiones ha identificado seis
fondos mutuos con estrategias de inversiones variables, resultando en diferentes
rendimientos potenciales y riesgos asociados como se resume en la tabla siguiente:
 RIESGO Y TASA DE RENDIMIENTO DE SEIS FONDOS DE
INVERSIÓN
FONDO FONDO FONDO FONDO FONDO FONDO
1 2 3 4 5 6
PRECIO 45 76 110 17 23 22
($/Acción)
DEVOLUCIÓN 30 20 15 12 10 7
ESPERADA (%)
CATEGORÍA DE Alto Alto Alto Mediano Mediano Bajo
RIESGO

Una forma de controlar el riesgo, es limitar la cantidad de dinero invertido en los diversos
fondos. Para este fin, la administración de AFP “PROFUTURO” ha especificado las siguientes
pautas:
 La cantidad total invertida en fondos de alto riesgo debe estar entre 50 y
75% de la cartera.
 La cantidad total invertida en fondos de mediano riesgo debe estar entre 20
y 30% de la cartera.
 La cantidad total invertida en fondos de bajo riesgo debe ser al menos de
5% de la cartera.
Una segunda forma de controlar el riesgo es diversificar, esto es, esparcir el riesgo
invirtiendo en muchas alternativas diferentes. La gerencia de AFP “PROFUTURO” ha
especificado que la cantidad invertida en los fondos de alto riesgo 1, 2 y 3, debe estar en la
tasa 1:2:3, respectivamente. La cantidad invertida en los fondos de mediano riesgo 4 y 5
debe ser 1:2.

7. Un industrial desea determinar el programa óptimo para tres mezclas distintas que hace
con diferentes proporciones de pistaches, cacahuates y avellanas. Las especificaciones de
cada una de ellas son: la mezcla 1 debe contener 50% de pistaches como mínimo y 25% de
cacahuates cuando más, la libra de esta mezcla se vende a 50 centavos. El segundo tipo debe
contener el 25% de pistaches, por lo menos y un 50% de cacahuates cuando más, y se vende
a 35 centavos la libra. El tercer tipo no tiene especificaciones y se vende a 25 centavos la
libra. Sin embargo, están restringidas las cantidades de materias primas que puede
conseguir el industrial, las máximas por periodo son: 100 libras de pistaches, 100 libras de
cacahuates y 60 libras de avellanas. Cada libra de pistaches le cuesta 65 centavos, la de
cacahuates 25 centavos y 35 centavos la de avellanas. Se trata de determinar cuantas libras
se deben preparar de cada mezcla, de manera que se obtengan las máximas utilidades.

8. Un molino agrícola produce alimento para ganado y alimento para pollos. Estos
productos se componen de tres ingredientes principales, a saber, maíz, cal y harina de
pescado. Los ingredientes contienen dos tipos principales de nutrientes que son proteínas
y calcio. En la tabla siguiente se dan los contenidos de nutrientes por libra de cada
ingrediente.
NUTRIENTES INGREDIENTES

Maíz Cal Harina de

pescado

Proteína 25 15 25
Calcio 15 30 20
El contenido de Proteína en el alimento para ganado debe estar en el intervalo [18, 22] por
libra. El contenido de Calcio en el mismo alimento debe ser mayor o igual que 20 por libra.
De igual manera, en el alimento para pollos el contenido de Proteínas y el contenido de
Calcio debe estar en los intervalos [20, 23] y [20, 25], respectivamente. Supóngase que se
dispone de 3000, 2500 y 100 libras de Maíz, Cal y Harina de pescado. Supóngase también
que se requieren producir 4000 y 2000 libras de alimentos para ganado y para pollos,
respectivamente. El precio por libra de Maíz, la Cal y la Harina de pescado es,
respectivamente, de $. 0.10, $. 0.10, y $. 0.08. Formúlese el problema de mezclado con el
objeto de minimizar el costo.

9. Bob Frapples empaca frutas exóticas envueltas para regalo. Sus paquetes son envueltos
en dos tiendas diferentes que las envían a cinco diferentes vendedores. El costo de empacar
los productos en las tiendas 1 y 2 es de $. 5.25 y $. 5.70 respectivamente. El pronóstico de
Bob de la demanda indica que los envíos deben ser como se indica en la tabla 1. La capacidad
de empaque de la tienda 1 es de 20,000 paquetes y la de la tienda 2 de 12,000. Los costos
de distribución desde las dos tiendas se dan en la tabla 2. Formule un modelo de
programación lineal para determinar cuántos paquetes debe enviar Bob desde cada tienda
a cada vendedor.
Demanda de los mayoristas (Tabla 1)

MAYORISTA
1 2 3 4 5
ENVIOS 4000 6000 2000 10000 8000

Costos de distribución (Tabla 2)

LOCALIDAD VENDEDOR
1 2 3 4 5
1 0.06 0.04 0.12 0.09 0.05
2 0.15 0.09 0.05 0.08 0.08

10. Se desea enviar 6 unidades desde el punto 1 al punto 5. En la gráfica adjunta, se detallan
las rutas, los costos unitarios y las capacidades; así por ejemplo para la ruta (1 ,2), cada
unidad enviada cuesta 2 dólares y su capacidad es de 4 unidades. Se desea determinar el
mejor esquema de envío usando para ello un modelo de PL.

4, 4

2 4
3, 6
2, 4

f=6 5, 4 f
6, 8
1 5

5, 6
3 5, 4

11. La Cámara de Industriales de la región periódicamente promueve servicios públicos,

seminarios y programas. Actualmente los planes de promoción para este año están en
marcha. Los medios alternativos para realizar la publicidad así como los costos y la
audiencia estimados por unidad de publicidad, además de la cantidad máxima de unidades
de publicidad en que puede ser usado cada medio se muestran a continuación.

Restricciones Televisión Radio Prensa

Audiencia por unidad de 100.000 18.000 40.000
publicidad
Costo por unidad de publicidad $ 2.000 $ 300 $ 600

Uso máximo del medio 10 20 10

Para lograr un uso balanceado de los medios, la publicidad en radio no debe exceder el 50%
del total de unidades de publicidad autorizados. Además la cantidad de unidades solicitadas
en televisión debe ser al menos 10% del total autorizado. El presupuesto total para
promociones se ha limitado a $18.500.

12. Chirality Company debe producir al menos 600,000 tornillos pequeños y 400,000
tornillos grandes para satisfacer la demanda de las siguientes 4 semanas. Estos tornillos
pueden producirse en dos máquinas distintas, cada una de las cuales está disponible 40
horas a la semana. Los requerimientos de costos y tiempo para producir cada tamaño de
tornillo en cada máquina y el precio de venta de cada tamaño de tornillo se muestran en la
siguiente tabla:

TORNILLOS TORNILLOS
PEQUEÑOS GRANDES
Precio de venta ($/1000) 27.5 32.5
Costo en la máquina 1 6.25 7.75
($/1000)
Costo en la máquina 2 8.00 9.25
($/1000)
Tiempo en la máquina 1 1.5 1.75
(min/lb)
Tiempo en la máquina 2 1.00 1.25
(min/lb)

En cada libra hay aproximadamente 60 tornillos pequeños y 40 tornillos grandes. Como

Gerente de Producción formule el modelo de PL para maximizar la ganancia, satisfaciendo
la demanda y con la disponibilidad limitada de tiempo de máquina en las siguientes 4
semanas.

13. Una perfumería produce el perfume “OXES”. Este perfume requiere de Esencia y Fijador
para su producción. Dos procesos están disponibles. El proceso “A” transforma 1 onza de
fijador y 2 onzas de esencia en 3 onzas de perfume. El proceso “B” transforma 2 onzas de
fijador y 3 onzas de esencia en 5 onzas de perfume. Cada onza de fijador le cuesta a la
perfumería Bs. 10.000,00 y cada onza de esencia Bs. 15.000,00. Se tiene una disponibilidad
máxima de 200 onzas de fijador y un máximo de 350 onzas de esencia para este período de
planificación. Para estimular la demanda la perfumería ha contratado una publicidad por un
costo total de Bs. 4.000.000,00. El perfume se vende en embases de una onza a Bs. 40.000,00
c/u. Determine la producción óptima que permita obtener la máxima utilidad tomando en
cuenta que se debe producir únicamente lo que se va a embasar.

14. La firma “DOMENICA” S.A., vende cuatro marcas de shampoo para niños: Bebito, Barney,
Caricia y Chicoco. Esta firma vende exclusivamente a través de tiendas de departamentos y
utiliza un personal de ventas de dos personas para visitar a sus clientes. El tiempo de ventas
necesario para que cada representante venda una caja de producto varía con la experiencia
y la habilidad. En seguida se presentan los datos sobre el tiempo promedio para cada uno
de los representantes de “DOMENICA” S.A.

Vendedor Tiempo promedio de ventas (minutos)

Bebito Barney Caricia Chicoco
Leonardo 10 15 20 25
María 25 20 15 10

Cada vendedor invierte aproximadamente 175 horas por mes en la venta real de esos
productos. Las utilidades por caja de Bebito, Barney, Caricia y Chicoco, son de $. 8, $. 10,
$. 20 y $. 30 (dólares) respectivamente. ¿Cuántas cajas de cada shampoo deben vender cada
persona durante el próximo mes para maximizar las utilidades de la empresa? Formule el
problema como un modelo de PL.

METODO GRAFICO: PROBLEMAS PROPUESTOS

1. (MAX) X0 = 4X1 + 3X2 7. (MAX) X0 = 3X1 + 5X2

Sujeto a: Sujeto a:

2X1 + 3X2 ≤ 6 2X1 + 2X2 ≤ 230

-3X1 + 2X2 ≤ 3 X1 + 2X2 ≤ 250
2X2 ≤ 5 X2 ≤ 120
2X1 + X2 ≤ 4
X1 , X2 ≥ 0
X1 , X2 ≥ 0
8. (MAX) X0 = 3X1 + 9X2
2. (MAX) X0 = 3X1 + 5X2 Sujeto a:
Sujeto a:
X1 + 4X2 ≤ 8
2X1 + X2 ≤ 230 X1 + 2X2 ≤ 4
X1 + 2X2 ≤ 250
X2 ≤ 120 X1 , X2 ≥ 0
X1 ≥ 150
9. (MAX) X0 = 6X1 - 2X2
X1 , X2 ≥ 0 Sujeto a:

3. (MAX) X0 = 2X1 + X2 2X1 - X2 ≤ 2

Sujeto a: X1 ≤ 4

X1 - X2 ≤ 10 X1 , X2 ≥ 0
2X1 - X2 ≤ 40

X1 , X2 ≥ 0
4. (MAX) X0 = 4X1 + 14X2 10. (MAX) X0 = 1500X1 + 2000X2
Sujeto a: Sujeto a:

2X1 + 7X2 ≤ 21 X1 + X2 ≤ 750

7X1 + 2X2 ≤ 21 X1 ≤ 250
3 X1 + 5X2 ≤ 1350
X1 , X2 ≥ 0
X1 , X2 ≥ 0
5. (MAX) X0 = 3X1 + 2X2
Sujeto a: 11. (MIN) X0 = 6X1
Sujeto a:
2X1 + X2 ≤ 2
3X1 + 4X2 ≥ 12 3X1 + 2X2 ≥ 12
X1 - X2 ≤ 5
X1 , X2 ≥ 0 4X1 + X2 ≤ 12
X2 ≥ 9/2

X1 , X2 ≥ 0
6. (MAX) X0 = 3X1 + 2X2
Sujeto a: 12. (MIN) X0 = 4X1 + X2
Sujeto a:
X1 - 2X2 ≤ 8
-4X1 + 5X2 ≤ 20 3X1 + X2 = 3
4X1 + X2 ≤ 12 4X1 + 3X2 ≥ 6
X2 ≤ 9/2 X1 + 2X2 ≤ 3
X1 ≤ 6
X1 , X2 ≥ 0
X1 , X2 ≥ 0