[M.C.

Irma Estrada Patio]

1
INTRODUCCIN

Actualmente existen muchas herramientas que ayudan a la toma de decisiones en la
Ingeniera Industrial dentro de ellas est la Investigacin de Operaciones. Este libro tiene
un enfoque sencillo de la materia y apropiado para alumnos de la Licenciatura, que
actualmente estn cursando Investigacin de operaciones I que estn interesados en el
tema. Se pretende proporcionar una metodologa conceptual y los conocimientos bsicos
para utilizar algunos criterios de optimizacin para la toma de decisiones de modelos
matemticos de Investigacin de Operaciones. El contenido de este libro est basado en la
experiencia adquirida a lo largo de los aos en la imparticin de la materia, as como la
consulta de varios autores e investigadores en el tema, en este libro el nico fin que
persigue es ser una fuente de consulta para los alumnos del programa de la materia de
Investigacin de Operaciones I de Ingeniera Industrial y Logstica del ITP, y sin fines de
lucro. Consta de 5 captulos los cuales estn divididos de la siguiente manera: En el
captulo I se analizan las fases de estudio de la Investigacin de Operaciones y la
Metodologa para el planteamiento de Modelos Matemticos Lineales, en el captulo II se
analizan conceptos del Mtodo Grfico y la metodologa y aplicacin del Mtodo Simplex,
Doble Fase, Simplex Revisado, y casos especiales con Simplex Revisado, y en el captulo
III se hace un anlisis de la Teora de la Dualidad y Anlisis de Sensibilidad, en el captulo
IV se desarrollar el Mtodo de Transporte y Asignacin, y finalmente en el captulo V se
abordar el tema de la Programacin Entera.
Para resolver e interpretar los problemas se recomienda el uso de la computadora, utilizar
Solver, hoja de clculo usar paquetera. En este libro se usar el WinQSB.
(QUANTITATIVE SYSTEMS FOR BUSINESS). Es desarrollado por el Dr. Yih- Long
Chang este Software contiene los algoritmos de solucin de problemas de Investigacin de
Operaciones y Gerencia.
En la ltima parte del libro se adiciona un anexo que viene siendo un repaso de los
conocimientos elementales de lgebra lineal que deben tener los alumnos para poder
trabajar con los temas de Investigacin de Operaciones.


[M.C. Irma Estrada Patio]


2
Captulo I

Metodologa de la Investigacin de Operaciones y
Formulacin de Modelos



Contenido:
1.1 Definicin, desarrollo y tipos de modelos de la
Investigacin de Operaciones

1.2 Fases de estudio de la Investigacin de Operaciones

1.3 Principales aplicaciones de la Investigacin de
Operaciones

1.4 Formulacin de Problemas Lineales

1.5 Formulacin de problemas ms comunes

1.6 Ejercicios





[M.C. Irma Estrada Patio]


3
1.1 Definicin, desarrollo y tipos de modelos de Investigacin de
Operaciones

El objetivo de este captulo es conocer y aplicar la Metodologa de la Investigacin de
Operaciones sealando la importancia de las fases de estudio y la formulacin,
justificacin y uso de los modelos matemticos que sirvan para la toma de decisiones
dentro de los proceso de mejora en una organizacin.

- Definicin de la Investigacin de Operaciones

El concepto de la investigacin de operaciones toma auge a partir de la segunda guerra
mundial en la planeacin, diseo y operacin de sistemas militares complejos. Atrados por
el xito obtenido, el mundo industrial, despus de la guerra inici la aplicacin, de esas
tcnicas en la resolucin de sus ya complejos problemas tcnicos y administrativos.
Asimismo los investigadores en esta rea desarrollaron tcnicas y procedimientos de
optimizacin. Uno de ellos fue George Dantzing que en 1947 aport el concepto de
Programacin Lineal y Mtodo Simplex, el cual es fundamental para la toma de decisiones
de modelos matemticos. En la actualidad el nmero y la variedad de aplicaciones de la
investigacin de operaciones, en organizaciones militares, industriales y gubernamentales
es impresionante. La mayora de las grandes corporaciones y un buen porcentaje de las
empresas incluyen en sus organizaciones a grupos de Investigacin de Operaciones (I.O).
La investigacin de operaciones se puede definir como un mtodo cuantitativo til para
tomar decisiones y que requiere que la organizacin y operacin del sistema sean
investigadas. Sin embargo esta definicin es muy general por lo que despus de analizar
algunas con diferentes autores, la ms adecuada para este autor es la siguiente.

A continuacin se dar la definicin de Investigacin de operaciones (IO) como la define
Juan Prawda (referencia) que agrupa conceptos de Churchman, Ackoff y Arnof.

"......La Investigacin de Operaciones es la aplicacin, por grupos interdisciplinarios, del
mtodo cientfico a problemas relacionados con el control de las organizaciones o sistemas
(Hombre-mquina) a fin de que se produzcan soluciones que mejor sirvan a los objetivos de
toda la organizacin......". (Juan Prawda)
Desarrollo de la IO y tipos de modelos
Segn el autor Juan Prawda .....La investigacin de operaciones se remonta a los aos
1759, cuando el economista Quesnay empieza a utilizar modelos primitivos de
programacin matemtica. Los modelos lineales de la Investigacin de operaciones tienen
como precursores a Jordan en 1873, Minkowsky en 1896 y a Farkas en 1903. Los
problemas de asignacin se estudian con mtodos matemticos por los hngaros Knig y
Egervary en la segunda y tercera dcada del siglo XX. Los problemas de distribucin se
estudian por el ruso Kantorovich en 1939. Von Neuman aporta en 1937 la Teora de juegos
y la Teora de Preferencias (esta ltima desarrollada en conjunto con Morgensten). Hay que
hacer notar que los modelos matemticos de la investigacin de operaciones que utilizaron
estos precursores estaban basados en el Clculo Diferencial e Integral (Newton, Lagrange,
[M.C. Irma Estrada Patio]


4
Laplace, Lebesgue, Leibnitz, Reimman, Stieltjes, por mencionar algunos), la Probabilidad y
la Estadstica (Bernoulli, Poisson, Gauss, Bayes, Gosset, Snedecor, etc) .Hasta la segunda
guerra mundial fue cuando la Investigacin de Operaciones empez a tomar auge. Primero
se le utiliz en la logstica estratgica para vencer al enemigo (Teora de Juegos) y, ms
tarde al finalizar la guerra, en la logstica de distribucin de todos los recursos militares de
los aliados dispersos por todo el mundo. Fue debido precisamente a este ltimo problema,
que la fuerza norteamericana a travs de su centro de investigacin Rand Corporation,
comision a un grupo de matemticos para que resolviera este problema que estaba
consumiendo tantos recursos humanos, financieros y materiales...... Fue el doctor George
Dantzig el que en 1947, inventara el mtodo Simple, con lo cual dio inicio la
Programacin Lineal. Actualmente se trabaja dentro de la Investigacin de operaciones las
reas de Programacin Dinmica, Programacin no Lineal, Programacin Entera, Redes de
Optimacin, Simulacin, Inventarios Anlisis de decisiones, Modelos de administracin y
control de la Produccin, Procesos robustos, Procesos Markovianos, Cadenas de
Suministros, Logstica, etc., etc. En la tabla 1.1 se muestra una clasificacin de la I.O.

La I.O. para su estudio se divide en:
1. Modelos Determinsticos (Son aquellos en donde toda la informacin es conocida)
2. Modelos Bajo Riesgo (Son aquellos en donde por lo menos un dato tiene un
comportamiento Probabilstico)
3. Modelos Bajo incertidumbre (son aquellos en donde se desconoce la informacin)
Algunos ejemplos de modelos de decisin segn su clase de incertidumbre y su uso en las
corporaciones ver tabla 1.1 (D = modelo determinstico, P = modelo probabilstico)


Programacin Lineal D
Redes D,P
Inventarios, Produccin y
Programacin
D,P
Econometra, Pronsticos y
Simulacin
D,P
Programacin Entera D
Programacin Dinmica D,P
Programacin P
Programacin No Lineal D
Teora de Juegos P
Lnea de Espera P
Tabla 1.1 clasificacin del uso de la IO segn (referencia)

Para hacer aprovechar la riqueza que nos ofrece la Investigacin de operaciones se
requieren conocimientos de: matemticas, probabilidad y estadstica y un lenguaje
cientfico de computacin.

1.2 Fases de estudio de la Investigacin de Operaciones

Las principales fases incluyen un trabajo en equipo dentro de la administracin que incluya
al lder de la organizacin para poder plantear alternativas dentro de un plan estratgico de
una situacin real de un problema y poderlo abstraer aun modelo matemtico para
[M.C. Irma Estrada Patio]


5
alcanzar objetivos deseados y estratgicos de la organizacin, para ello se requiere de los
siguientes puntos:

1. Definir el problema
2. Determinar el conjunto de soluciones alternativas que existan
3 Determinar el criterio o criterios que se usarn para evaluar las alternativas
4. Evaluar cada alternativa
5 Elegir la mejor decisin
6 Implementar la alternativa seleccionada
7 Evaluar los resultados

El punto 1 se refiere a definir el problema que quiere decir identificar el los objetivos de
una situacin a mejorar. El punto dos se refiere a analizar las posibles alternativas de
solucin que existan. El punto tres se refiere a identificar las interacciones que existan
entre los diferentes criterios el criterio a usar y analizar sus ventajas y desventajas. El
punto cuatro se refiere cuantificar cada alternativa a considerar que datos son pertinentes
para la cuantificacin de dichas variables y determinar las interacciones entre ellas. El
punto cinco se refiere a seleccionar la mejor decisin para la organizacin mediante un
anlisis y juicio del administrativo. El punto seis se refiera a poner en prctica el proyecto.
Y por ltimo el punto siete se refiere a retroalimentar al equipo con los resultados
obtenidos para continuar dentro del proceso de mejora que tiene inicio pero no tiene fin
En la figura 1.1 se representa un enfoque administrativo para la toma de decisiones para un
modelo matemtico, dada una situacin administrativa real se disea un modelo
matemtico de esa situacin real se ejecuta y se obtienen resultados, y para la toma de
decisiones sta va estar en funcin de tres aspectos que son los resultados, el juicio de la
organizacin y la intuicin de los lderes del proyecto.













Figura 1.1 Esquema de la modelacin de un problema








Situacin
administrativa
real
Modelo
matemtico
Resultados
Decisin Juicio Intuicin
[M.C. Irma Estrada Patio]


6
Algunas razones por las cuales usar los modelos matemticos:

El nmero de formas en que los modelos se utilizan es tan abundante como el de las
personas que lo construyen, se pueden usar para vender una idea o un diseo, para
produccin ptima, servicios. etc.
Los modelos obligan a definir explcitamente los objetivos a mejorar.
Los modelos obligan a identificar y registrar los tipos de decisiones que influyen en dichos
objetivos.
Los modelos obligan a identificar y registrar las interacciones entre todas esas decisiones y
sus respectivas ventajas y desventajas
Los modelos permiten comunicar las ideas y conocimientos, lo cual facilita el trabajo de
equipo.
Los modelos lo obligan a pensar cuidadosamente en las variables que va a incluir, y a
definirlas en trminos que sean cuantificables.
Los modelos lo obligan a considerar que datos son pertinentes para la cuantificacin de
dichas variables y a determinar las interacciones entre ellas.
Los modelos lo obligan a reconocer las restricciones (limitaciones) pertinentes en los
valores que esas variables cuantificadas puedan adoptar
Los modelos permiten que usted comunique sus ideas y conocimientos, lo cual facilita el
trabajo de equipo.

1.3 Principales aplicaciones de la Investigacin de Operaciones
La investigacin de operaciones se usa en mltiples situaciones en donde se analizan una
problemtica real y se crea un modelo matemtico que lo representa y que una vez que se
conoce la solucin sta se suma al juicio y experiencia de la administracin para tomar la
mejor decisin, algunas de las reas en donde se aplican estos modelos son: En la
actualidad el nmero y la variedad de aplicaciones de la investigacin de operaciones, en
organizaciones militares, industriales y gubernamentales es impresionante. La mayora de
las grandes corporaciones y un buen porcentaje de las empresas incluyen en sus
organizaciones a grupos de Investigacin de Operaciones (I.O).En un sistema de
inventarios para la determinacin del lote econmico de compra, en sistemas de produccin
para optimizar recursos, en un sistema de lnea de espera para optimizar el sistema de
espera y minimizar los tiempos de espera en la cola y con esto lograr la satisfaccin del
cliente, en la programacin de eventos de capacitacin para los trabajadores haciendo uso
de clculos de tiempos sealando la ruta crtica en cuanto a tiempo, recursos monetarios
etc. En el anlisis de toma de decisiones para la apertura de estrategias de inversin.
Actualmente tambin se emplea en la planeacin estratgica de una empresa, en la calidad
de productos robustos, y se estn haciendo estudios con innovacin con TRIZ Dentro del
campo educativo, una de las universidades ms importantes a nivel nacional e internacional
como lo es la UNAM tiene el posgrado y doctorado en investigacin de Operaciones y
cuenta con importantes lneas de investigacin y asociaciones entre ellas su pgina
http://ideo.fi-p.unam.mx en la cual se encontrarn varios enlaces artculos, con lneas de
investigacin en investigacin de operaciones, tambin en la UNAM s se celebr el
pasado 28 de Septiembre de 2006 el 40 aniversario de la Maestra y Doctorado en
Investigacin de Operaciones se llev a cabo la inauguracin y la presentacin de una serie
de 6 cuadernillos de divulgacin de Investigacin de Operaciones.
[M.C. Irma Estrada Patio]


7
1.4 Formulacin de Problemas lineales
En un problema lineal el proceso de mejora se plantea en el uso eficiente asignacin de
recursos limitados para alcanzar los objetivos deseados.
Estos problemas se caracterizan porque tienen muchas soluciones que satisfacen las
condiciones del sistema, y la seleccin de la mejor decisin depender del objetivo que se
pretenda alcanzar dentro del proceso de mejora. Una solucin que satisfaga las condiciones
del problema como el objetivo de la organizacin se denominar solucin ptima, por eso
es interesante construir de manera correcta los modelos de Programacin lineal (P.L.).

Cmo construir un modelo de P.L.?
1.- Estudie el ambiente de la situacin administrativa
2.- Formule una representacin selectiva de la situacin
3.- Construya y analice un modelo cuantitativo

Creacin y formulacin de modelos matemticos.
Un modelo es una abstraccin selectiva de la realidad.

Muchas clases de modelos estn asociados a diversas clases de actividades.

Los modelos de decisin designan objetivos.

Un modelo es una representacin que idealiza, simplifica y abstrae selectivamente la
realidad y esta representacin es construida por individuos.
En la actualidad la creacin de modelos incluye una gran cantidad de arte e imaginacin as
como de conocimientos tcnicos.

Observaciones:
La experiencia es primordial en estos casos.
La formulacin es la expresin de las relaciones lgicas en el lenguaje de las
matemticas
Ningn modelo puede garantizar al planificador de alto nivel la mejor decisin.
El modelo es slo una aproximacin simblica selectiva de la realidad.

En general cuando se tiene un problema de optimizacin, consistente en asignar de manera
ptima recursos limitados en tal forma que se cumpla con ciertos objetivos establecidos, se
dice que es un problema de programacin lineal.

Ejemplos tpicos:

Determinar las cantidades a producir de varios artculos en tal forma que se maximice la
utilidad, considerando las restricciones de: capacidad de producir materias primas mercado,
etc. Cul es el programa de entrega de un producto que minimice los costos de transporte y
que adems cumpla con los requisitos de demanda de los centros de consumo y con las
capacidades de produccin de la fbrica. Cul es el programa de compra de materias primas
que nos minimice el costo total, considerando costos de compra y de manejo de inventarios
tal que satisface los requisitos de produccin.
[M.C. Irma Estrada Patio]


8
Modelos lineales en trminos generales cuando tenemos un problema de optimizacin,
consistente en asignar de manera ptima recursos limitados de tal manera que se cumpla
con ciertos objetivos establecidos, se dice que es un problema de programacin lineal.
De los problemas de programacin, los de tipo lineal son los ms sencillos y de gran
aplicacin, pero a pesar de ser los ms sencillos, la optimizacin clsica no es de poca
ayuda, razn por la cual son necesarios mtodos especiales de solucin.
Un problema general de programacin consiste en optimizar una funcin objetivo
representada por un conjunto de variables no-negativas, la cual esta sujeta a una serie de
restricciones, es decir:












Figura 1.2 representacin de un modelo matemtico de programacin lineal.

Optimizar la funcin objetivo Z quiere decir maximizar utilidades o minimizar costos.
X
i
= variables de decisin involucradas en el modelo o vector de actividades.
a
ij
= cantidad de recurso j que se necesita por unidad de la actividad i, es decir, (coeficiente
tecnolgico del producto inherente a la variable de decisin).
C
i
= vector de precios o costos unitarios.
b
j
= vector de disponibilidad de recursos.
X
i
0 nos seala la condicin de no negatividad.
Representacin estndar de un problema lineal
La representacin estndar de un modelo lineal se da cuando se quiere resolver el problema
usando un mtodo de solucin, el mtodo que se explicara mas adelante es el mtodo
Simplex por lo cual adicionar una matriz identidad al conjunto de desigualdades es
importante para trabajar con una base inicial dentro de la solucin inicial del mtodo
Simplex.
Cuando se quieren convertir las desigualdades en igualdades se hace uso de las variables
agregadas segn sea cada caso:

Optimizar Z = C
1
X
1
+ C
2
X
2
+ ..... + C
n
X
n

s.a. a
11
X
1
+ a
12
X
2
+ ..... + a
1n
X
n

b
1

a
21
X
1
+ a
22
X
2
+ ..... + a
2n
X
n

b
2

... ...
... ...
a
m1
X
1
+ a
m2
X
2
+ ..... + a
mn
X
n

b
m

X
i

j
0
i= 1,2,3,....., hasta n columnas
j= 1,2,3,....., hasta m filas
[M.C. Irma Estrada Patio]


9
Caso 1
Si la desigualdad se comporta como :
a
11
X
1
+ a
12
X
2
+ ..... + a
1n
X
n
b
1
al

pasar la desigualdad a la forma estndar se le
suma una variable denominada S llamada de holgura la cual absorber el valor mayor
igual a cero para que la igualdad se satisfaga esto es: a
11
X
1
+ a
12
X
2
+ .... + a
1n
X
n +
S

= b
1

Caso 2
Si la desigualdad se comporta como

a
11
X
1
+ a
12
X
2
+ ..... + a
1n
X
n
b
1
al pasar la desigualdad a la forma estndar se le
resta una variable denominada S llamada superflua

la cual absorber el valor necesario para
que la igualdad se satisfaga esto es:

a
11
X
1
+ a
12
X
2
+ ..... + a
1n
X
n
-

S
1
= b
1
Caso 3
Si lo que se tiene es una igualdad como =
a
11
X
1
+ a
12
X
2
+ ..... + a
1n
X
n
= b
1
se trabaja directamente como tal adicionando una
variable artificial llamada R la cual cumplir para formar

la

base del problema estndar en
un modelo lineal. esto es : a
11
X
1
+ a
12
X
2
+ ..... + a
1n
X
n
+ R
1
= b
1


De tal manera que si el problema lineal es.

Maximizar Z = C
1
X
1
+ C
2
X
2
+ ..... + C
n
X
n

s.a. a
11
X
1
+ a
12
X
2
+ ..... + a
1n
X
n
b1
a
21
X
1
+ a
22
X
2
+ ..... + a
2n
X
n
b
2

... ...
... ...
a
m1
X
1
+ a
m2
X
2
+ ..... + a
mn
X
n
b
m

X
i

j
0
i = 1,2,3,....., hasta n columnas
j = 1,2,3,....., hasta m filas




La representacin estndar quedara:

[M.C. Irma Estrada Patio]


10
Maximizar Z = C
1
X
1
+ C
2
X
2
+ ..... + C
n
X
n

s.a.
a
11
X
1
+ a
12
X
2
+ ..... + a
1n
X
n
+ S
1
= b1
a
21
X
1
+ a
22
X
2
+ ..... + a
2n
X
n
+S
2
= b
2

... ... ...
... ... ...
a
m1
X
1
+ a
m2
X
2
+ ..... + a
mn
X
n ..
+ S
m
= bm
X
i

j
0 i = 1,2,3,....., n ; j=1,2,3,..m


Una vez formulado el problema y resuelto por alguno de los mtodos conocidos se requiere
hacer un estudio de anlisis de sensibilidad.
El anlisis de sensibilidad en los modelos de programacin lineal se realiza sobre la
solucin ptima y ofrece informacin complementaria que es de gran utilidad para quien
toma las decisiones. Los cambios en los parmetros del problema nos permiten hacer una
interpretacin econmica, de lo que puede suceder si estos parmetros varan, estas
variaciones pueden ser en la demanda, cantidades de materia prima, costos de produccin,
mercados globales de mano de obra, los financiamientos, etc. Los tomadores de decisiones
podrn analizar como esos cambios afectan a la solucin actual y as poder planear y hacer
cambios si son necesarios a futuro.

1.5 Formulacin de problemas ms comunes

Dentro de la modelacin lineal se cuenta con problemas tipo como son el problema de: La
dieta, inversin, transporte, mezcla, recorte, asignacin, reemplazo y ruta ms corta los
cuales se ejemplificarn para mayor entendimiento en el orden en que fueron sealados.

Problema de la dieta
Se quiere determinar una dieta de costo mnimo que rena los requisitos alimenticios
siguientes: Al menos 5 mg de vitamina A, al menos 4 mg. De Vitamina D y al menos 12
mg. De vitamina B12. Se tiene varios alimentos con diferentes contenidos de vitaminas:

Contenido de*
i producto Costo($) Vit. A Vit. D Vit. B12
1 A1 35 0.50 0.40 0.14
2 B1 20 0.40 0.20 0.20
3 A2 25 0.40 0.20 0.30
4 B2 45 0.50 0.60 0.40

* contenido en mg. por gramo de producto
Cul es el modelo que nos conducir a la dieta de costo mnimo?

Formulacin:
[M.C. Irma Estrada Patio]


11
La funcin objetivo representa el costo total de la dieta al determinar cuntos gramos es
comprarn de cada producto.

Sea X
i
el nmero de gramos del producto i que se van a utilizar para la dieta. La funcin
objetivo quedara de la siguiente manera:
Min Z = 35X
1
+ 20X
2
+ 25X
3
+ 45X
4
sujeta a las restricciones que impone la dieta

Vitamina A: 0.50X1 + 0.40X2 + 0.40X3 + 0.50X4 5
El nmero de miligramos de vitamina A en la dieta debe ser mayor igual a 5, y eso se
lograr a travs del contenido que tiene cada uno de los productos multiplicado por el
nmero de gramos que se compren. De manera similar se calcula para las vitaminas D y
B12
Vitamina D: 0.40X1 + 0.20X2 + 0.20X3 + 0.60X4 4

Vitamina B12: 0.14X1 + 0.20X2 + 0.30X3 + 0.40X4 12

Representacin del modelo:
Mn Z = 35X
1
+ 20X
2
+ 25X
3
+ 45X
4

s.a.
0.50X
1
+ 0.40X
2
+ 0.40X
3
+ 0.50X
4
5
0.40X
1
+ 0.20X
2
+ 0.20X
3
+ 0.60X
4
4
0.14X
1
+ 0.20X
2
+ 0.30X
3
+ 0.40X
4
12
Xi0 para i = 1,2,3,4

Problema de Inversin
Un inversionista cuenta a la fecha con $30,000.00 (de pesos) los cuales tendr que manejar
durante 6 aos y obtener el mximo de efectivo al final de esos 6 aos para realizar una
inversin mayor previamente determinada.
Durante este periodo de 6 aos tiene las siguientes posibilidades de inversin:
Alternativa A, B y C disponibles al principio de cada ao. Cada peso invertido en A
produce 1.20 un ao despus (utilidad 0.20), cada peso invertido a B produce 1.60 dos aos
despus y por ltimo en C se obtiene 2.10 tres aos despus. Alternativa D y E disponibles
desde el principio del tercer y cuarto ao respectivamente producen 3.20 y 4.10
respectivamente tres aos despus. Cul es el plan de inversin que maximiza la cantidad
disponible al principio del sptimo ao?


Formulacin:

Se examinar cada alternativa por separado.



Alternativa A
Estar disponible al principio de cualquier ao y produce 1.20 por peso invertido un ao
despus.

[M.C. Irma Estrada Patio]


12
Inversin
A
1
*
A
2
A
3
A
4
A
5
A
6




Resultados 1

2 3 4 5 6 7 aos
1.2A
1
1.2A
2
1.2A
3
1.2A
4
1.2A
5
1.2A
6



* A
1
indica cantidad invertida en A, al principio del ao i

Alternativa B. Est disponible al principio de cada ao y produce 1.60 por peso invertido
dos aos despus.

Inversin
B
1
*
B
2
B
3
B
4
B
5




Resultados 1

2 3 4 5 6 7 aos
1.6B
1
1.6B
2
1.6B
3
1.6B
4
1.6B
5


* B
1
indica cantidad invertida en B, al principio del ao i

Alternativa C. Est disponible al principio de cada ao y produce 2.10 por peso invertido
tres aos despus.

Inversin
C
1
C
2
C
3
C
4




Resultados 1

2 3 4 5 6 7 aos
2.1C
1
2.1C
2
2.1C
3
2.1C
4


Alternativa D. Disponible al principio del tercer ao y produce 3.20 por peso invertido tres
aos despus.



D
3
D
4




1

2 3 4 5 6 7 aos
3.2D
3
3.2D
4



Alternativa E. Disponible al principio del cuarto ao y produce 4.10 por peso invertido tres
aos despus.





[M.C. Irma Estrada Patio]


13

E
4




1

2 3 4 5 6 7 aos
4.1E
4


Designaremos la cantidad disponible al principio de cada ao por Xi (i es el ao) y ser la
cantidad remanente al invertir en dicho ao.
La cantidad disponible al principio del primer ao ser:
X
1
= 30,000 A
1
B
1
C
1
, debido a que solo es posible invertir en alternativas A, B y C.
La cantidad disponible al principio del segundo ao ser:
X2 = X1 A2 B2 C2 + 1.2A1, en este caso al disponible del ao anterior le sumamos el
dinero producido por la inversin A1 y le restamos lo invertido en este ao (A
2
, B
2
y C
2
) si
hacemos lo mismo para cada ao tendremos la siguiente tabla:

ao inversin recuperacin Cantidad disponible
1 A
1
- B
1
- C
1
X
1
= 30000 A
1
- B
1
- C
1

2 A
2
- B
2
- C
2
1.2A
1
X
2
= X
1
+ 1.2A
1
- A
2
- B
2
- C
2

3 A
3
-B
3
- C
3
- D
3
1.2A
2
, 1.6B
1
X
3
= X
2
+ 1.2A
2
+ 1.6B
1
- A
3
- B
3
- C
3
- D
3

4 A
4
- B
4
- C
4
- D
4
-
E
4


1.2A
3
, 1.6B
2
, 2.1C
1

X
4
= X
3
+ 1.2A
3
+ 1.6B
2
+ 2.1C
1
- A
4
- B
4
-
C
4
- D
4
- E
4

5 A
5
- B
5
1.2A
4
, 1.6B
2
, 2.1C
2
X
5
= X
4
+ 1.2A
4
+ 1.6B
3
+ 2.1C
2
- A
5
- B
5

6
A
6

1.2A
5
, 1.6B
4
, 2.1C
3
,
3.2D
3

X
6
= X
5
+ 1.2A
5
+ 1.6B
4
+ 2.1C
3
+ 3.2D
3
-
A
6

7 -- 1.2A
6
, 1.6B
5
, 2.1C
4
,
3.2D
4
, 4.1E
4

X
7
= X
6
+ 1.2A
6
+ 1.6B
5
+ 2.1C
4
+ 3.2D
4
+
4.1E
4


Como el objetivo es maximizar la cantidad disponible al principio del sptimo ao, por lo
tanto X
7
ser la funcin objetivo y las dems cantidades (ecuaciones) sern las restricciones
es decir:

Mx. Z = X7 = X
6
+ 1.2A
6
+ 1.6B
5
+ 2.1C
4
+ 3.2D
4
+ 4.1E
4

Sujeta a:
X
1
+ A
1
+ B
1
+ C
1
= 30,000
X
2
- X
1
- 1.2A
1
+ A
2
+ B
2
+ C
2
= 0
X
3
- X
2
- 1.2A
2
- 1.6B
1
+ A
3
+ B
3
+ C
3
+ D
3
= 0
X
4
- X
3
- 1.2A
3
- 1.6B
2
- 2.1C
1
+ A
4
+ B
4
+

C
4
+ D
4
+ E
4
= 0
X
5
- X
4
+ 1.2A
4
+ 1.6B
3
+ 2.1C
2
- A
5
- B
5
= 0
X
6
- X
5
- 1.2A
5
- 1.6B
4
- 2.1C
3
- 3.2D
3
+ A
6
= 0
X
i
0 i=1,2,..........7
A
j
0 j=1,2,..........6
B
k
0 k=1,2,... . .5
C
l
0 l=1,2, .........4
D
3
, D
4
, E
4
0

[M.C. Irma Estrada Patio]


14
Problema de Transporte

Una compaa distribuidora de cerveza desea saber que polticas de distribucin
minimizar sus costos de distribucin, si cuenta con depsitos en: Monterrey, Mxico y
Guadalajara, y los centros de consumo a los que tiene que surtir son: Tecate, Culiacn,
Durango y Mrida.
Los costos de distribucin entre centros de consumo y depsitos, as como las capacidades
y demanda por periodo son:
Centros de consumo
Depsitos Tecate Culiacn Durango Mrida capacidad
Monterrey 800* 300 400 500 550000
Mxico 700 600 500 200 300000
Guadalajara 200 400 300 300 250000
Demanda 250000 300000 200000 160000

*costo por mil cartones
Formular el modelo que cumpla con los requisitos anteriores

Formulacin:
Se designar X
ij
el nmero de miles de cartones que se envan del depsito
i
al centro de
consumo
j
desde
i = 1,2,3,
y
j = 1,2,3,4
L funcin objetivo es minimizar el costo total de distribucin y las restricciones son la
capacidad y la demanda.
Centros de consumo
Depsitos 1. Tecate 2. Culiacn 3. Durango 4. Mrida
1. Monterrey X
11
X
12
X
13
X
14

2. Mxico X
21
X
22
X
23
X
24

3. Guadalajara X
31
X
32
X
33
X
34

Formulacin del modelo
Funcin objetivo:

MnZ = 800X
11
+ 300X
12
+ 400X
13
+ 500X
14
+ 700X
21
+ 600X
22
+ 500X
23
+ 200X
24
+
200X
31
+ 400X
32
+ 300X
33
+ 300X
34


Sujeta las restricciones siguientes:
X
11
+X
12
+X
13
+X
14
550000
X
21
+X
22
+X
23
+X
24
300000 depsitos
X
31
+X
32
+X
33
+X
34
250000
X
11
+X
21
+X
31
= 250000
X
12
+X
22
+X
32
= 300000 centros de
X
13
+X
23
+X
33
= 200000 consumo
X
14
+X
24
+X
34
= 160000
X
ij
0 para
i=1,2,3
y
j= 1,2,3,4





[M.C. Irma Estrada Patio]


15
Problema de mezcla

Una compaa desea aprovechar desea aprovechar al mximo su exceso en capacidad de
produccin en dos de sus plantas.
Con tal objeto el departamento de desarrollo del producto propone la fabricacin de un
artculo llamado nivelador el cual se puede vender en tres tamaos: nivelador-familiar,
nivelador-mediano y nivelador personal, produciendo una utilidad neta por unidad de: $12,
$9 y $6 respectivamente. Las plantas tienen una capacidad de produccin de 800 y 500
unidades por da, sin importar el tamao combinacin de tamaos a producir. Cada una
de las plantas tiene restricciones en cuanto a su capacidad de almacenamiento, 4,000 y
5,000 metros cuadrados de espacio disponible respectivamente. Cada unidad necesita 8, 6 y
4 metros cuadrados de espacio en el almacn.
El departamento de ventas, basado en un pronostico indica que: 1000, 400 y 300 unidades
por da de nivelador familiar, mediano y personal pueden ser colocadas en el mercado.
Como poltica de personal de la compaa se tiene que ambas plantas utilizarn el mismo
porcentaje de su exceso de capacidad de produccin.
Se desea conocer el modelo que nos representa esta situacin con el objeto de poder
maximizar la utilidad.

Formulacin:

El objetivo es maximizar utilidades.
Utilizaremos dos subndices, para definir el tamao del artculo y la planta que lo produce:
X
ij
= nmero de unidades del tamao
j
producidas en la planta
i
. Desde
i=1,2
y
j =1,2,3

Es decir X
12
(

es el nmero de artculos de tamao mediano
2
producidos en la planta
1
)
La funcin objetivo ser:

Mx. Z = 12 (X
11
+ X
21
) + 9 (X
12
+X
22
) + 6 (X
13
+ X
23
)
Sujeta a las restricciones de:

- capacidad
- almacenaje
- ventas
- carga de trabajo

Capacidad- Las capacidades son 800 y 500 para cada una de las plantas. La suma de los
artculos producidos no exceder a la capacidad, por lo tanto:
X
11
+ X
12
+ X
13
800
X
21
+ X
22
+ X
23
500
Almacenaje. El rea disponible por planta es de 4,000 y 5,000 metros cuadrados, por lo
tanto al rea utilizada vendr expresada por las siguientes desigualdades:
8X
11
+ 6X
12
+ 4X
13
4,000
8X
21
+ 6X
22
+ 4X
23
5,000
Ventas. La produccin de ambas plantas de cada tamao no debe exceder al pronstico:
X
11
+ X
21
1,000
X
12
+ X
22
400
X
13
+ X
23
300
[M.C. Irma Estrada Patio]


16
Carga de trabajo.
Para lograr la proporcionalidad que se pide es necesario establecer las siguientes relaciones:

X
11
+ X
12
+ X
13
= X
21
+ X
22
+ X
23

800 500

Esto es, el porcentaje de la capacidad empleada en la primera planta es el total de unidades
fabricadas en ella, entre la capacidad potencial y esto debe ser igual al porcentaje de
utilidades en la segunda.
Resumiendo lo anterior el modelo matemtico de programacin lineal quedara
representado por.


Mx Z = 12 (X
11
+ X
21
) + 9 (X
12
+X
22
) + 6 (X
13
+ X
23
)

Sujeto a:
X
11
+X
12
+X
13
800
X
21
+X
22
+X
23
500
8X
11
+ 6X
12
+4X
13
4,000
8X
21
+6X
22
+4X
23
5,000
X
11
+X
21
1,000
X
12
+X
22
400
X
13
+ X
23
300
1/800 (X
11
+X
12
+X
13
) - 1/500 (X
21
+X
22
+X
23
) = 0
Xij 0 para
i=1,2
j= 1,2,3




Problema de recorte

Una fbrica de papel produce bobinas con una medida estndar de 1000 m de longitud y 1
m de ancho. Recibe semanalmente pedidos de diferentes centros de suministro. Para la
semana entrante este pedido es de 320 bobinas de 20 cm. de ancho, 365 de 30 cm. 480 de
40 cm. y 176 de 70 cm. (todas con la misma longitud estndar de 1000 m).
El fabricante debe cortar a lo ancho las bobinas de 1 m para satisfacer la demanda. Desea
fabricar el mnimo nmero posible de bobinas de 1 m (se supone que los sobrantes se
reciclan, por lo que tienen un coto despreciable). Formular un programa lineal que
responda a los deseos del fabricante.
Si el papel sobrante tuviera un costo no despreciable, cul sera entonces la funcin
objetivo?
Formulacin:

Xi = nmero de bobinas que se cortaran de acuerdo a la opcin i

Definimos como variable de decisin las opciones de corte a lo ancho de cada bobina
utilizable en produccin de los tipos de bobinas solicitadas. Las alternativas de cortes
posibles son los siguientes:
[M.C. Irma Estrada Patio]


17
opcin 20 cm. 30 cm. 40 cm. 70 cm. Cm
sobrantes
1 5 0 0 0 0
2 3 0 1 0 0
3 3 1 0 0 10
4 1 0 0 1 10
5 0 1 0 1 0
6 1 1 1 0 10
7 0 2 1 0 0
8 0 3 0 0 10
9 1 0 2 0 0
10 2 2 0 0 0

La funcin objetivo estar dada por:
El objetivo es fabricar el menor nmero de bobinas que, matemticamente, se expresar
como:

Mn Z = X
1
+ X
2
+ X
3
+ X
4
+ X
5
+ X
6
+ X
7
+ X
8
+ X
9
+ X
10

Sujeta a:
5X
1
+ 3X
2
+ 3X
3
+ X
4
+ X
6
+ X
9
+ 2X
10
320
X
3
+ X
5
+ X
6
+ 2X
7
+ 3X
8
+ 2X
10
365
X
2
+ X
6
+ X
7
+ 2X
9
480
X
4
+ X
5
176
X
i
0
i = 1,....10

Ahora bien si el papel sobrante tuviera un costo no despreciable (suponiendo que todo lo
que se fabrica se vende), entonces la funcin objetivo sera:
Min Z = 10X
3
+ 10X
4
+ 10X
6
+ 10X
8
+ 20(5X
1
+ 3X
2
+ 3X
3
+ X
4
+ X
6
+ X
9
+ 2X
10
320)
+ 30(X
3
+ X
5
+ X
6
+ 2X
7
+ 3X
8
+ 2X
10
365) + 40(X
2
+ X
6
+ X
7
+ 2X
9
480) + 70(X
4
+
X
5
176)
Las restricciones son las mismas sealadas arriba

Problema de asignacin

Cierta compaa tiene que producir 4,000 unidades debido a un pedido especial, el
problema es programar la produccin de esas unidades en tal forma que el costo total sea
mnimo. Se cuenta con tres mquinas de capacidades y costos diferentes en las cuales se
puede producir ese tipo de unidades.

Mquina 1 2 3
Costo de
preparacin

2,600.

1,000.

800.
Costo por
unidad

10

12

14
capacidad 2,600 1,600 2,400
[M.C. Irma Estrada Patio]


18
Representar el problema como un modelo de programacin lineal

La funcin objetivo a minimizar incluye el costo debido al nmero de unidades producidas
en cada mquina ms un costo fijo que depender de si se producir no en una mquina.
Sea Xi el nmero de unidades producidas en la mquina i, Yi la variable que nos indica si
se produce o no en la mquina i, o sea:
Si Yi = 0 entonces Xi = 0 (no se produce en mquina i)
Si Yi = 1 entonces Xi > 0 (si se produce en mquina i)

La funcin objetivo es:

Mn Z = 2,600Y
1
+ 10X
1
+ 1,000Y
2
+ 12X
2
+ 800Y
3
+ 14X
3


Sujeta a las restricciones:

X
1
+ X
2
+ X
3
= 4,000 (restriccin de produccin)
X
1
2,600Y
1

X
2
1,600Y
2
(restriccin de capacidad por mquina)
X
3
2,400Y
3

X
i
0 para
i =

1,2,3

Y
i
= 0,1

Explicacin de las restricciones.
La restriccin de produccin es para 4,000 unidades
Las restricciones de capacidad por mquina es por ejemplo X
1
2,600Y
1
nos indica que si
Y
1
es igual a cero, la mquina 1 no producir y por lo tanto X
1
= 0, en cambio si Y
1
es igual
a 1, la mquina 1 si producir y entonces X
1
> 0 las dems restricciones son similares.

Problema de Reemplazo

En un saln de banquetes se tienen programados banquetes durante los siguientes 5 das, lo
requisitos de manteles por banquetes son:

Banquete 1 2 3 4 5
Nmero de
manteles
80 60 100 130 200

El problema del administrador es que se requieren manteles diferentes a los que l usa, por
lo que tendr que reemplazar comprando ese tipo de manteles, el costo de cada mantel es
de $40 y el costo de mandarlo a la lavandera es de $10 por mantel y lo entregan a los dos
das. Cul es el modelo que le permitir al administrador cumplir con sus requisitos y
adems minimizarle el costo total?

Planteamiento del problema:
La funcin objetivo est formada por el nmero de manteles que se compran ms los que se
mandan a la lavandera.
[M.C. Irma Estrada Patio]


19
Si X
i
es el nmero de manteles que se compran el da i y Y
i
es el nmero de manteles que
se enviarn a la lavandera el da
i

La funcin objetivo se expresa:
Min Z = 40(X
1
+ X
2
+ X
3
+ X
4
+ X
5
) + 10(Y
1
+ Y
2
+ Y
3
)
Como se puede ver, slo se mandan manteles los 3 primeros das, ya que de mandar el
cuarto da no recibiramos los manteles a tiempo para utilizarlos y despus de los 5
banquetes no interesa tener manteles de ese tipo limpios.
Las restricciones son los requisitos de manteles de banquete a banquete.
Al no tener manteles de ese tipo, tendremos que comprar los que se necesitan para el primer
da y tambin para el segundo ya que los manteles que se mandan a la lavandera estn
disponibles hasta 2 das despus.

De donde X
1
= 80 y X
2
= 60

El requisito de 100 manteles para el tercer da se puede satisfacer mediante nuevos y los
que lleguen de la lavandera.
Por lo que X
3
+ Y
1
= 100

De manera similar para el cuarto y quinto da:
X
4
+ Y
2
= 130
X
5
+ Y
3
= 200
Ahora bien los valores de Y
1
, Y
2
, Y
3
estarn dados por las siguientes restricciones:
Y
1
80 cuando mucho se enviar a la lavandera los 80 que se compren el primer da.

Para el segundo da: Y
2
80 Y
1
+ 60 los manteles comprados en los 2 primeros das
menos los que se mandan a la lavandera el primer da. De manera similar obtenemos Y
3
.
Y
3
80 + 60 Y
1
Y
2
+ Y
1
= 140 Y
2

La diferencia es que Y
1
se contabiliza.

La representacin resumida del modelo es la siguiente:

Mn Z = 40(X
1
+ X
2
+ X
3
+ X
4
+ X
5
) + 10(Y
1
+ Y
2
+ Y
3
)
Sujeta a:
X
3
+Y
1
= 100
X
4
+ Y
2
= 130
X
5
+ Y
3
= 200
Y
1
80
Y
1
+Y
2
140
Y
2
+ Y
3
140
X
1
= 80
X
2
= 60
X
3,
X
4,
X
5
0
Y
1,
Y
2
,Y
3
0



[M.C. Irma Estrada Patio]


20
Problema de la ruta

Se quiere determinar la ruta de ms corta a travs de la siguiente red que representa las
operaciones de un proyecto, se incluye en cada operacin el tiempo necesario para
realizarla en la grfica de la siguiente red.


10

4

5

1
7


1


2
8
6


Cul ser el modelo matemtico que represente esta situacin?

Formulacin:

La manera de plantear este problema es suponer un flujo unitario que entra del nodo 1 y
sale por el nodo 6, y determinar la ruta de 1 a 6 de menor duracin, obteniendo as la ruta
menor.
La funcin objetivo nos dar la duracin de la ruta seleccionada como la mejor, en este
caso Xij nos indicar si el flujo para o no pasa por la rama de la red entre el nodo i y el
nodo j. De donde Xij =0, 1. En otras palabras, si el flujo pasa por una rama significativa
que esa operacin forme parte de la ruta, de la red.

La funcin objetivo quedara:
Mn Z= 10X
12
+ 2X
13
+ 5X
23
+ 4X
24
+ 7X
25
+ 5X
46
+ 6X
56
+8X
35


Las restricciones son la conservacin del flujo a travs de cada nudo.


*
equilibrio en:
X
12
+X
13
=1 (nodo 1)
X
24
+X
25
+X
23
-X
12
=0 (nodo 2)
X
35
-X
13
-X
23
=0 (nodo 3)
X
46
-X
24
=0 (nodo 4)
X
56
-X
25
-X
35
=0 (nodo 5)
X
46
+X
56
=1 (nodo 6)
X
ij
= 0,1
i= 1,2,3,4,5
y
j = 2,3,4,5,6


* l equilibrio en un nodo, se calcula igualado el flujo que entra con el flujo que sale del
nodo. En caso de querer determinar la ruta mas larga, el problema se plantea de la misma
manera nicamente que la funcin objetivo se cambiara a Minimizar.



2 4
1
3 5
6
[M.C. Irma Estrada Patio]


21
1.6 Ejercicios captulo I
[16, 22, 25]


Plantear los siguientes problemas como modelos matemticos de programacin lineal

Problema 1. Se envan automviles en camin de tres centros de distribucin a cinco
distribuidores, el costo de envo est basado en la distancia recorrida entre las fuentes y
destinos. El costo es independiente de si el camin hace el recorrido con carga parcial o
completa. La siguiente tabla muestra un resumen de las distancias de recorrido entre los
centros de distribucin y los distribuidores y tambin las cifras mensuales de oferta y
demanda calculadas en nmeros de automviles. Cada camin puede transportar un
mximo de 18 vehculos, dado que el costo de transporte por milla recorrida por le camin
es $10.00 formular el problema como un modelo de matemtico de programacin lineal.
.
Distribuidores
Centro de
distribucin
1 2 3 4 5 Oferta
1 100 150 200 140 35 400
2 50 70 60 65 80 200
3 40 90 100 150 130 150
Demanda 100 200 150 160 140

Problema 2. Una fbrica produce cuatro productos a, b, c, d. cada unidad del producto a
requiere de 2 horas de maquinado, una hora de montaje y vale 10 dlares en el inventario
en proceso. Cada unidad del producto b requiere de 1 hora de maquinado, 3 horas de
montaje y vale 5 dlares en el inventario en proceso. Cada unidad de c necesita 2 horas
de maquinado, 2 horas de montaje y vale 2 dlares en el inventario en proceso.
Finalmente, cada unidad del producto d requiere de 5 horas de maquinado, no necesita
tiempo de montaje, y vale12 dlares en el inventario en proceso.
La fbrica dispone de 1200 horas de maquinado y 1600 horas de montaje. Adems no
puede disponer de ms de 10,000.00 dlares en el inventario en proceso. Cada unidad del
producto a tiene una utilidad de $40 dlares, cada unidad de b, $24.00, cada unidad de c,
$36, y cada unidad de d, $23. No pueden venderse mas de 200 unidades de a, no ms de
160 unidades de c, y pueden venderse cualquier cantidad de unidades de b, y d. sin
embargo para cumplir con un contrato deben producirse y venderse por lo menos 100
unidades del producto d. el objetivo de la fbrica es maximizar la utilidad plantear el
problema como un modelo lineal.

Problema3.La compaa HYLSA de Puebla quiere disminuir los desperdicios de lmina,
para lo cual encarga a su departamento de produccin para optimizar el costo de las
lminas de acuerdo a los requisitos de los consumidores. En particular se har con el
consumidor ms importante al cual se le surten tres tamaos de lminas que son: tipo1 de
30cm x 60 cm. (El espesor es igual de 8mm) Tipo 2 de 30 cm x 70 cm. y Tipo 3 de 30 cm.
x 50 cm. Las cantidades necesarias para cada tipo son 10 000, 15 000, y 5 000 por mes
respectivamente. Si las lminas que produce la compaa son de las siguientes dimensiones:
30 cm. x 180 cm. Cul es el modelo que representa esta situacin? y que alternativa es la
mejor solucin?
[M.C. Irma Estrada Patio]


22
Problema 4. - Una fbrica produce una bebida con sabor a naranja llamada "oranj". Al
mezclar refresco y jugo de naranja. Cada onza de refresco de naranja contiene 0.5 oz. de
azcar y 1 mg. de vitamina c. Cada onza de jugo de naranja contiene 0.25 oz. de azcar, y
3 mg. de vitamina c. a la empresa le cuesta 2 centavos producir una onza de refresco de
naranja y 3 centavos una onza de jugo de naranja. El departamento de mercadotecnia de la
empresa ha decidido que cada botella de 10 onzas de "oranj" debe contener por lo menos 20
mg. de vitamina c, y a lo mas 4 onzas de azcar. Plantear el problema como un modelo
lineal.

Problema 5. Una fbrica de papel produce bobinas con una medida estndar de 1000
metros de longitud y 1 metro de ancho. Recibe semanalmente pedidos de diferentes centros
de suministro. Para la semana entrante este pedido es de 320 bobinas de 20 cm. de ancho,
365 de 30 cm., 480 de 40 cm. Y 176 de 70 cm. (Todas con la misma longitud estndar de
1000 metros). El fabricante debe cortar a lo ancho las bobinas de 1 metro para satisfacer la
demanda. Desea fabricar el mnimo nmero posible de bobinas de 1 metro. Formular un
programa lineal que responda a los deseos del fabricante.

Problema 6. Una empresa de seguridad tiene a su servicio la vigilancia de un aeropuerto y
debe cubrir las necesidades de personal durante los seis periodos de 4 horas en que esta
dividido el da como se muestra en la tabla.

Periodo de tiempo Duracin del periodo Necesidades del personal
1 12 am- 4am 27
2 4 am-8am 30
3 8am-12pm 52
4 12 pm-4pm 56
5 4pm-8pm 67
6 8pm-12am 48

Los vigilantes trabajan en turnos de 8 horas seguidas con 6 cambios posibles de turno a lo
largo de las 24 horas, correspondientes a las horas de comienzo y finalizacin de los
periodos en la tabla anterior. El director de personal de la empresa desea conocer cuantos
vigilantes deben trabajar en cada periodo de manera que todos queden cubiertos y el total
de personal utilizado sea mnimo.
Problema 7. Un camin puede transportar como mximo 9 Tm. Por viaje. En un viaje desea
transportar al menos 4 Tm. De la mercanca A y un peso de la mercanca B que no sea
inferior a la mitad del peso que transporta de A. Sabiendo que cobra 30 $./kilo de A y 20
$./kilo de B, cmo se debe cargar el camin para obtener la ganancia mxima?
Problema 8. Una empresa proveedora de alimentos balanceados y maximizadora de
beneficios ha obtenido una orden de compra para producir un compuesto con, por lo menos,
100 gramos de fibras, 300 gramos de protenas y 70 gramos de minerales.
En el mercado puede obtener los siguientes productos con las siguientes caractersticas:


[M.C. Irma Estrada Patio]


23
Contenido Producto
de: 1 2 3
Fibras 20% 30% 5%
Protenas 60% 50% 38%
Minerales 9% 8% 8%
Precio por kg $10 $15 $8

Plantear el problema como un modelo de P.L.

Problema 9. Una firma productora de detergentes cuenta con dos procesos productivos para
fabricarlos. Cada actividad utiliza enzimas, capacidad de planta de produccin y capacidad
de planta de envasado. Las enzimas se pueden comprar en el mercado en cantidades
ilimitadas a $100 por unidad. Las plantas de envasado y produccin tienen una capacidad
mxima de procesado fija.
El precio del detergente es de $4 por unidad y se puede vender toda la cantidad que se
pueda fabricar.
El primero de los procesos utiliza dos unidades de enzimas, 4% de la capacidad de la planta
de produccin y 8% de la de envasado, por cada 100 unidades de detergente. El segundo
proceso requiere dos unidades de enzimas, 2% de la capacidad de la planta de produccin y
12% de la de envasado, por cada 100 unidades de detergente. Formular el problema como
un modelo lineal


Problema 10. Un pequeo banco asigna un mximo de $20,000 para prstamos personales
y para automvil. Durante el mes siguiente. El banco cobra una tasa de inters anual del
14% a prstamos personales y del 12% a prstamos para automvil. Ambos tipos de
prstamos se saldan en perodo de tres aos. El monto de los prstamos para automvil
debe ser cuando menos dos veces mayor que el de los prstamos personales. La experiencia
pasada ha demostrado que los adeudos no cubiertos constituyen el 1% de todos los
prstamos personales. Cmo deben asignarse los fondos?

Problema 11. Cierta compaa tiene tres plantas con un exceso en su capacidad de
produccin. Las tres pueden fabricar un determinado producto y la gerencia ha decidido
usar parte de la capacidad adicional para esto, el producto puede hacerse en tres tamaos:
grande, mediano y chico, que darn una ganancia neta de $420, $360 y $300,
respectivamente. Las plantas tienen capacidad de mano de obra y equipo para producir 750,
900 y 450 unidades diarias cada una, sin importar el tamao o la combinacin de tamaos
de que se trate. La cantidad de espacio disponible para almacenar material en proceso
impone tambin una limitacin en las tasas de produccin del nuevo producto. Se cuenta
con 13000, 12000 y 5000 pies cuadrados de espacio en las plantas 1, 2 y 3, para los
materiales en proceso de la produccin diaria de este producto. Cada unidad grande,
mediana y chica que se produce requiere 20, 15 y 12 pies cuadrados, respectivamente. Los
pronsticos de mercado indican que se pueden vender 900, 1200 y 650 unidades diarias,
[M.C. Irma Estrada Patio]


24
correspondientes a los tamaos grandes, mediano y chico. Con el fin de mantener una carga
de trabajo uniforme entre las plantas y para conservar alguna flexibilidad, la gerencia ha
decidido que la produccin adicional que se les asigne emplee el mismo porcentaje de la
capacidad adicional con que cuentan. El gerente quiere saber cuntas unidades de
cada tamao debe producir en cada planta para maximizar la ganancia. Formule el modelo
de programacin lineal para este problema.

Problema 12. Una compaa que fabrica partes electrnicas para aparatos de televisin y
radio. La compaa ha decidido fabricar y vender radios de AM/FM y toca cinta. Ha
construido una planta que puede operar 48 hora semanales con gastos fijos de $10,000 por
semana. La produccin de un radio AM/FM requiere 2 horas de mano de obra y la
produccin de un toca cintas requiere 3 horas de mano de obra. Cada radio contribuye con
$20 a las utilidades y cada toca cintas con $25. El departamento de mercadotecnia de la
compaa ha determinado que lo mximo que puede venderse por semana son 150 radios y
100 toca cintas. Plantee un problema de PL para determinar la mezcla ptima de
produccin que maximice la contribucin a las utilidades.































[M.C. Irma Estrada Patio]


25
Bibliografa.
1. Anderson, D.R.-Sweeny, D.J.-William, T.A. "Introduccin a los modelos
cuantitativos para administracin". Ed. Iberoamericana.
2. An-Min Chung Linear Programming Edit. Merrill
3. Bazaraa, M.-Jarvis, J. "Programacin lineal y flujo en redes". Ed. Limusa. .
4. Chang, Y.-Sullivan, R. "QSB+. Quantitative Systems for Business Aplications
Plus". Prentice Hall.
5. Fernndez Lechon, R.-Castrodeza Chamorro, C. (1989) "Programacin lineal".
Ariel.
6. Garcia, J.-Fernandez, L.-Tejera, P. (1990) "Tcnicas de Investigacin Operativa".
Ed. Paraninfo.
7. Gass, S.I. "Programacin lineal". CECSA.
8. Hillier, F.-Lieberman, G. "Introduccin a la investigacin de operaciones".
Mcgraw-Hill.
9. Infante Macias, R. "Mtodos de Programacin matemtica". UNED.
10. Kaufmann A. Mtodos y Modelos dela Investigacin de Operaciones. Edit.
CECSA
11. Luenberger, D.E. "Programacin lineal y no lineal". Addison-Wesley
Iberoamericana.
12. Martn, Q. "Investigacin Operativa". Prentice Hall.
13. Meredith. Administracin de operciones edit. Limusa Wiley
14. Miguel A. Crdenas La ingeniera de Sistemas . Ed. Limusa
15. Mora, J.L. "Investigacin de operaciones e informtica". Ed. Trillas.
16. Prawda Witemberg, J. "Mtodos y modelos de investigacin de operaciones".
Vol I Limusa.
17. Ravindran, A.-Phillips, D.-Solberg, J. (1987) "Operations research. Principles and
Practice". Willey.
18. Rios Insua, S. "Investigacin Operativa. Optimizacin". Ed. Centro de Estudios
Ramn Areces.
19. Sasini Yaspan. Investigacin de operaciones editorial Limusa Wiley
20. Shamblin, J.E.-Stevens, G.T. "Investigacin de operaciones: un enfoque
fundamental". Mcgraw-Hill.
21. Simonnard, M. "Programacin lineal". Paraninfo.
22. Taha, H. "Investigacin de operaciones". Alfaomega.
23. Thierauf, R.J. "Introducin a la investigacin de operaciones". Ed. Limusa..
24. Schrage, L. "Linear,Integer, and Quadratic Programming with LINDO". The
Scientific Press, Palo Alto, California.
25. Wayne L. Winston Investigacin de Operaciones Aplicaciones y algoritmos
Editorial Iberoamerica