PROGRAMACION LINEAL

DESIDERIO PADILLA GARCIA

Dr en Ciencias de la Educación

Docente U.P.C.
PROGRAMACION LINEAL

DEFINICION

Es una técnica que se vale de los modelos matemáticos lineales y la informática

para resolver problemas del mundo real, tomando decisiones acertadas que
garanticen optimizar los recursos

TERMINOLOGIA

Investigación de Operaciones

Es el termino mas general con el cal se conoce esta técnica, la investigación de

operaciones consta de dos partes :una la Programación Lineal constituida por
todos aquellos problemas que se pueden plantear con el modelo de ecuaciones de
primer grado o lineales y la otra la programación no lineal que se plantea con
modelos de ecuaciones de diferentes grados.
También podemos encontrar la Investigación de Operaciones con los nombre de :
El Estudio de los Métodos Cuantitativos para Resolver Problemas de la
Administración y el Estudio de los Modelos Cuantitativos para Resolver
Problemas de la Administración.
 JUSTIFICACIÓN

Colocar al alcance del estudiante una herramienta para resolver problemas de la

Investigación de Operaciones con cualquier número de variables, que manualmente son
muy complejos de resolver, ofreciendo soluciones con unos datos confiables, ágiles e
instantáneos. El texto se hace como una guía de consulta obligatoria en la función básica
de sistematización del proceso educativo en la enseñanza de la Programación Lineal y no
lineal, por otra parte sirve de instrumento didáctico de la enseñanza teórica frente al
desarrollo de la práctica en la solución de los modelos matemáticos de la Programación
Lineal y no lineal, de esta forma se hace participe al estudiantado con una mejor
preparación del desarrollo institucional y se crea un proceso dinámico para que los
estudiantes puedan adaptarse al medio en el ejercicio de sus profesiones.

Se requiere para la toma de decisiones ejecutivas, que consiste en: – El arte de modelar
situaciones complejas, – La ciencia de desarrollar técnicas de solución para resolver
dichos modelos. – La capacidad de comunicar efectivamente los resultados en la
planeación , programación y ejecución .
 OBJETIVO GENERAL

El Objetivo de la Programación Lineal es Aportar a la toma de decisiones sistemas

complejos. Estudiar la asignación óptima de recursos escasos a determinada actividad.
Evaluar el rendimiento de un sistema con objeto de mejorarlo. Obtener de la información
resultados cuantitativos para optimizar los recursos. Mejorar procedimientos
tradicionales: opiniones de expertos, reglas simples. Lograr flexibilidad y bajos costos.
Conocer las limitaciones de los modelos determinísticos. Conocer y aplicar las
metodologías y herramientas científicas básicas de la Programación Lineal mediante la
construcción de modelos, conllevan a la resolución de problemas y su optimización, bajo
situaciones de disponibilidad de recursos escasos. .

OBJETIVOS ESPECÍFICOS

Facilitar el proceso de aprendizaje de la programación lineal y no lineal.

- Servir de herramienta práctica para la solución de problemas del mundo real, en el

campo de la programación lineal, con cualquier número de variables.

- Desarrollar en el gestor educativo cualidades y destrezas en el análisis para la toma

de decisiones cuantitativas acertadas, que contribuyan a la optimización de los
recursos escasos disponibles (y a su cualificación).
 Ofrecer a los estudiantes una comprensión conceptual y práctica en el uso del
método SIMPLEX de la programación lineal en la optimización de los recursos
escasos.

Servir de guía técnica y experimental, que propenda la cualificación del profesional

en la Administración de los recursos.

Servir de guía para solucionar problemas relacionados con las actividades

industriales y de servicios, optimizando los costos e ingresos que permitan la dinámica
efectiva del proceso en la planeación, programación y organización administrativa.

Desarrollar al estudiante la capacidad de interpretación económica del resultado

obtenido en la optimización.

PROGRAMACION LINEAL

1. CONCEPTOS BÁSICOS DE LA PROGRAMACIÓN LINEAL

1.1.1. Formulación del problema.

Un problema de programación lineal se puede formular de la siguiente manera:

Dados los números reales o parámetros Cj, bi, aij, ( i = 1, 2, 3, ....m ; j = 1, 2, 3, ... n). Se
desea optimizar el objetivo. Sujeto a m restricciones, por los recursos escasos.
1.1.2. Variables de decisión

Es el conjunto de variables cuya magnitud deseamos determinar resolviendo el

modelo de la programación lineal, dan respuesta a la pregunta hecha en la
formulación del problema, estas las representamos por Xj j = 1, 2, . . . n

1.1.3. Función objetivo (F.O)

La función objetivo la denominamos Z, es la función matemática que relaciona

las variables de decisión Xj
j = 1, 2, 3 . . . n.

1.1.4. Restricciones

Las restricciones están constituidas por el conjunto de ecuaciones y

desigualdades que limitan los valores que puedan tomar las variables de decisión
en la solución, debido a la escasez de los recursos. (m número de restricciones)

1.1.5. Linealidad

Las relaciones entre las variables en la función objetivo, al igual que en las
restricciones deben ser lineales; es decir, debe formularse el problema como un
modelo de programación lineal.

1.1.6. Desigualdades cerradas

Las desigualdades usadas para representar las restricciones tienen que ser
cerradas o flexibles, esto quiere decir, menor o igual o mayor o igual, no se
permiten restricciones abiertas.

1.1.7. Condición de no-negatividad

Las variables en el modelo matemático de la programación lineal sólo puede tomar

valores de cero o positivos, no se permiten variables con valores negativos.

2. EL MODELO MATEMÁTICO GENERAL DE LA PROGRAMACION

LINEAL

El modelo matemático de la programación lineal tiene la siguiente estructura:

Maximizar

Z = C1 X1 + C2 X2 + ... + Cn Xn

Sujeto a:

a11x1 + a12x2 + ... +a1xn  b1

a21x1 + a22x2 + ... +a2xn  b2

. . .
. . .
. . .
am1 X1 + am2x2 + ... +am1xn  bm

xj  0 para j = 1, 2, …n
Éste modelo lo podemos expresar en forma condensada como sigue: haciendo
uso de sumatorias o de anotación matricial.

Maximizar Z   Cj X j j = 1, 2, ... n

Sujeto a:

ax ij j  bi para i = 1, 2, ...m J = 1,2 ...n

Xj 0 para j = 1, 2, ... n

Max. Z = c x

Sujeto a :

AX  b
X  0

Donde la función Z es la función objetivo que se desea optimizar sujeta a las

restricciones. Xj representa las variables de decisión cuyos valores deseamos
conocer.

Cj , a ij y bi son parámetros

El vector renglón Cj =  C1 , C2 , . . . , Cn ]

Se llama el “ vector de costos unitarios “ o “vector de precios unitarios “.

El Vector b b1
b2
b .
.
.
bm

El Vector b Es el vector de disponibilidad de recursos, es un vector columna.

La matriz A de valores aij se llama “matriz de coeficientes tecnológicos” o

“matriz de uso o consumo”.

.a11 a12 . . . a1n

.a21 a22 . . . a2n
A=
.
.
.
.am1 am2 . . . amn

X1
X2
.
X  Las variables de
.
Decisión .
X es un vector columna Xn
A=  a1 a2 a3 ... an 
a j = Vector formado por el vector correspondiente a cada columna de la matriz

A ; se denominan vectores de actividad.

Xj  0 para j = 1, 2, . . . n

Representa la condición de no-negatividad de las variables del sistema

matemático. X es un vector columna de las variables de decisión. En las m
restricciones del modelo matemático no se incluye la condición de no negatividad
X  0 , ya que esta es una condición y no una restricción.

Aplicación en la construcción de modelos matemáticos de la programación

lineal a partir de la formulación de problemas :

Problema de producción
La compañía P G. produce dos tipos de radios y compra distintas partes de los
radios a otra compañía local y los arma en su planta. El radio tipo I necesita 5
horas de montaje y el tipo II necesita 3 horas. Se dispone diariamente de 105
horas en el departamento de montaje, la compañía puede gastar hasta U$ 70
para comprar los elementos de los radios. Utiliza U$ 2 de material para el radio
tipo I y U$ 4 para el radio tipo II, se pueden vender todos los que se producen y
gana U$ 20 netos al vender cada unidad de radio tipo I y U$ 16 al vender cada
unidad tipo II.

La compañía P y G pide que se calculen cuántas unidades de cada uno de los

radios se deben producir para maximizar la utilidad.
Nota: los datos están en miles de unidades.

3.1 Modelo matemático

Planteamiento
Variables de decisión

Sea: x1 = Número de unidades del radio tipo I a producir.

x2 = Número de unidades del radio tipo II a producir.

F. O.1

Maximizar Z = 20 X1 + 16 X2
Sujeto a: Restricciones.
1. 5 X1 + 3 X2  105
2. 2 X1 + 4 X2  70
N. N. 2 X1 X2  0

Convertir las desigualdades a igualdades o pasar a la forma estándar. Igualar.

(0) Z = 20X1 + 16X2 + 0X3 + 0X4

(1) 5X1 + 3X2 + X3 = 105
(2) 2X1 + 4X2 + X4 = 70
X1’ X2’ X3’ X4’  0

Problema de mezcla
1
Función Objetivo
2 No Negatividad
16. La Compañía Moreno Ltda.. fabrica fertilizantes especiales para clientes del mercado
de cítricos. La Compañía acaba de recibir un pedido de 1000 toneladas de un fertilizante
que debe satisfacer las siguientes especificaciones.

a. Cuando menos un 20% de nitrógeno.

b. Cuando menos un 30% de potasio.

c. Cuando menos un 8% de fosfato.

La Compañía ha adquirido cuatro mezclas de fertilizantes a partir de los cuales puede

fabricar sus fertilizantes especiales. Los porcentajes de potasio, nitrógeno y fosfato que
contienen los fertilizantes básicos son:

Porcentaje de

Fertilizante

Nitrógeno Potasio Fosfato

Básico

1 40 20 10

2 30 10 5

3 20 40 5

4 5 5 30
El porcentaje restante de cada fertilizante básico consta de ingredientes inertes.
Los costos de los fertilizantes básicos respectivos son $16, $12, $15, y $ 8 por
tonelada. El objetivo es minimizar los costos. Plantear el modelo matemático.

MODELO MATEMÁTICO P. L.
VARIABLES DE DECISIÓN
Sea: Xj = El número de toneladas de cada uno de los fertilizantes básicos
que deben incluirse en la mezcla de las 1000 toneladas.
j = 1, 2, 3, 4

FUNCIÓN OBJETIVO

Mín Z = 16X1 + 12X2 + 15X3 + 8X4

Sujeto a:

1) 0.40X1 + 0.30X2 + 0.20X3 + 0.05X4  200

2) 0.20X1 + 0.10X2 + 0.40X3 + 0.05X4  300

3) 0.10X1 + 0.05X2 + 0.05X3 + 0.30X4  80

4) X1 + X2 + X3 + X4 = 1000

X1 , X2 , X 3 , X4  0
 Problema de publicidad
19. El Gerente de Mercadotecnia de una compañía que vende productos
alimenticios dietéticos está considerando la promoción de un nuevo producto. El
presupuesto de publicidad de la compañía incluye U$ 80000 para este fin.

La compañía puede hacer publicidad al nuevo producto a través de comerciales

en televisión y / o anuncios en revistas. Cada comercial de televisión cuesta U$
10000, pero se ha estimado que esos comerciales los ven 60000 personas.

Cada anuncio de revista cuesta U$ 6500, se estima que 35000 personas ven esos
anuncios. Debido a que la compañía controladora de la empresa que vende
alimentos dietéticos también tiene inversiones en diversas imprentas, los
administradores de primer nivel han dado instrucciones al Gerente de
mercadotecnia de que coloque cuando menos tres anuncios de revistas.

El Gerente de mercadotecnia ha decidido que la compañía debería tener cuando

menos tantos comerciales de televisión como anuncios en revistas.

Formule el modelo de Programación Lineal para este problema.

MODELO MATEMÁTICO P. L.
VARIABLES DE DECISIÓN

Sea : X1 = Cantidad de dinero a invertir en comerciales de televisión.

X2 = Cantidad de dinero a invertir en anuncios de revistas.

FUNCIÓN OBJETIVO

Max Z = 60000X1 + 35000X2

Sujeto a:
1) 10000X1 + 6500X2  80000
2) X2  3
3) X1 - X2 = 0
X1 , X2  0

UN PROBLEMA DE INVERSION

Problema 1. Disponemos de 210.000 euros para invertir en bolsa. Nos

recomiendan dos tipos de acciones. Las del tipo A, que rinden el 10% y
las del tipo B, que rinden el 8%. Decidimos invertir un máximo de
130.000 euros en las del tipo A y como mínimo 60.000 en las del tipo
B. Además queremos que la inversión en las del tipo A sea menor que el
doble de la inversión en B. ¿Cuál tiene que ser la distribución de la
inversión para obtener el máximo interés anual?

Solución

Plantear el modelo matemático de programación lineal.

Sea x a la cantidad que invertimos en acciones de tipo A ,

y a la cantidad que invertimos en acciones de tipo B

Acciones Inversión rendimiento

Tipo A X 0,1x

Tipo B Y 0,08y

Función objetivo Maximizar z = 0,1x+0,08y

Sujeto a: Condiciones que deben cumplirse (restricciones):
R1 X + y <= 210.000 inversión total

R2 X <= 130.000 inversión tipo A

R3 y > = 60.000 inversión tipo B

R4 x -2y <= 0 relación de inversiones

Condición de no negatividad

El problema de las vitaminas

11. Se quiere obtener la cantidad de leche, carne y huevos que satisfacen

determinada dieta nutritiva en cuanto a vitamina A, B y C. Suponga que el número
de miligramos de cada una de estas vitaminas, contenidas por unidad de producto
se muestra en la siguiente tabla:

VITAMINAS Gl. de LECHE Lb. DE CARNE Doc. De HUEVOS

A 1 1 10

B 100 10 10

C 10 100 10

Las cantidades mínimas requeridas diariamente son :

Vitamina A un miligramo; Vitamina C 50 miligramos y Vitamina D 10 miligramos. Los
costos son:

Galón de leche U$ 4; libra de carne U$ 10 y huevos U$ 1.5 la docena.

Formule el modelo de Programación Lineal para este problema.

MODELO MATEMÁTICO P. L.

VARIABLES DE DECISIÓN

Sea: X1 = Cantidad de galones de leche a comprar para producir la dieta.

X2 = Cantidad de libras de carne a comprar para producir la dieta.

X3 = Cantidad de docenas de huevos a comprar para producir la dieta.

FUNCIÓN OBJETIVO

Min Z = 4X1 + 10x2 + 1.5X3

Sujeto a :

Restricciones

1) X1 + X2 + 10X3  1

2) 100X1 + 10X2 + 10X3  50

3) 10X1 +100X2 + 10X3  10

X1 , X2 , X3  0
 LA SOLUCION GRAFICA

SOLUCIONES GRAFICAS
Gráficamente Se puede resolver un problema de programación lineal que tenga sólo dos
variables de decisión, ya que en un plano solamente contamos con dos dimensiones, el
método de solución grafico es restringido, pero lo utilizamos

pedagógicamente como un método apropiado para el aprendizaje, con el cual podemos

apropiarnos de de los conocimientos,(saber),actitudes (querer hacer ) y las

habilidades(saber hacer),sobre lo que se refiere a las soluciones de un modelo

matemático de la Programación Lineal.

PROCEDIMIENTO

1. Graficar todas las restricciones, una por una y de finir el área de soluciones factibles
para cada restricción.

2. simultáneamente, en la medida que vamos haciendo la gráfica vamos construyendo el

área de soluciones factibles (Esta es el área común a todas las restricciones).

3. Encontramos la solución optima

Se comienza: 1. graficando todas las restricciones una a una, sobre un sistema de ejes
coordenados, colocamos los valores de X1, (x) en el eje horizontal y los valores de X2,(y)
en el eje vertical.( la gráfica de una igualdad es una recta, la gráfica de una desigualdad
es un semiplano, a un lado de la recta) El siguiente paso consiste en determinar qué
puntos solución corresponden al área de soluciones factibles para el programa lineal. Se
requiere que tanto X1 (x)como X2 (y) : sean no negativas, y por ello sólo es necesario
considerar la porción de la gráfica en la que X1 ≥0 y X2 ≥0.
Solo nos interesa la Grafica en el cuadrante X 1 ≥0 y X2 ≥0. Es el
único cuadrante del sistema coordenado que cumple con el concepto de no
negatividad.

Que corresponde al primer cuadrante o cuadrante de arriba a la derecha del sistema de

ejes coordenados , éste cuadrante en su totalidad señala la porción de la región de
soluciones en donde se satisfacen esos requisitos de no negatividad , en términos
generales.

Como siempre se requiere que las variables decisorias de la programación lineal sean no
negativas. la gráfica que se obtengan en cada restricción o general, mostrarán sólo la
porción de la región de soluciones factibles que corresponde a los valores no negativos de
las variables de decisión.

Una solución factible es aquella que cumple con la condición de no negatividad.

LA grafica de una igualdad son los puntos sobre esa recta.

Para trazar una recta buscamos dos puntos solución que satisfagan la ecuación y
trazamos una recta por tales puntos.
Para buscar un punto solución le damos un valor cualquiera a una de las variable y
despejamos la otra. Luego le damos un valor cualquiera a la otra variable y
despejamos la anterior.

Por conveniencia le podemos dar valores cero a las variable para obtener los dos puntos
cuando la recta no pasa por el origen. Si la recta pasa por el origen ( por ejemplo 2x ≥0.
0 sea que el valor a la derecha del signo sea cero ) solo para el primer valor le podemos
dar un valor de cero, para el segundo valor debe dársele un valor diferente de cero Y
obtenemos

los dos puntos solución para trazar la recta.

coordenados(por conveniencia).

NOTA:

LA grafica de una desigualdad es un semiplano a un lado de la recta

Para encontrar el semiplano solución, tomamos un punto cualquiera a un lado de la recta

y remplazamos el valor de sus coordenadas en la ecuación, si el resultado es
consecuente el punto pertenece al semiplano solución. Por ejemplo si tomamos la
ecuación 25X1 + ½ X2 <= 20

Trazamos la recta 25X1 + ½ X2 = 20,tomamos un punto a un lado de la recta por

ejemplo p (40, 30 ) , remplazamos estos valores en la ecuación

25 x 40 + ½ x 30 <= 20

200 + 15 <= 20

215 <= 20 no es consecuente por que 215 no es menor que 20 el punto p (40, 30) no
pertenece al semiplano solución luego la el semiplano solución es el del otro lado de la
recta
Grafica de la desigualdad 25 x 40 + ½ x 30 <= 20
Grafica de la inecuación 1/5 X2 <= 5

Grafica de la inecuación 2X1 – X2 <= 100

Grafica de la inecuación X1 - X2 < = 0
SOLUCION ÓPTIMA

Para encontrar la solución optima buscamos los valores de la función objetiva f(z) en los
puntos extremos del aérea de las soluciones factibles y si estamos maximizando la
solución optima será el mayor valor encontrado ., pero si estamos minimizando será el
menor valor la solución optima.

ANALISIS

Luego hacemos el análisis de la solución optima tomando los valores optimos y

remplazándolos en cada restricción podemos ver que holgura nos resulta si se trata de

una ecuación con signo  o que excedente si se trata de una restricción del  o si se
cumplen las proporcionalidades en la igualdad.=

APLICACIÓN DE LA SOLUCION GRAFICA

 UN PROBLEMA DE INVERSION

Problema 1. Disponemos de 210.000 euros para invertir en bolsa. Nos

recomiendan dos tipos de acciones. Las del tipo A, que rinden el 10% y
las del tipo B, que rinden el 8%. Decidimos invertir un máximo de
130.000 euros en las del tipo A y como mínimo 60.000 en las del tipo
B. Además queremos que la inversión en las del tipo A sea menor que el
doble de la inversión en B. ¿Cuál tiene que ser la distribución de la
inversión para obtener el máximo interés anual?

Solución

Plantear el modelo matemático de programación lineal.

Sea x a la cantidad que invertimos en acciones de tipo A ,

y a la cantidad que invertimos en acciones de tipo B

Acciones Inversión rendimiento

Tipo A X 0,1x

Tipo B Y 0,08y

Función objetivo Maximizar z = 0,1x+0,08y

Sujeto a: Condiciones que deben cumplirse (restricciones):

R1 X + y <= 210.000 inversión total

R2 X <= 130.000 inversión tipo A

 R3 y > = 60.000 inversión tipo B

R4 x -2y <= 0 relación de inversiones

Condición de no negatividad

Dibujamos las rectas auxiliares asociadas a las restricciones para

conseguir el área de soluciones factibles (conjunto de puntos que
cumplen esas condiciones)

r1 r2 (paralela a OY) r3(paralela a Ox r4

X y X y x y x y

0 210000 130000 0 0 60000 0 0

210000 0 130000 65000

 E

D
A
C
B

Grafica N° 1

A(0, 60000), B(120000, 60000), C(130000, 65000), D(130000,

80000) y E(0, 210000)

La región factible, o el área de soluciones factibles es la pintada de

amarillo, de vértices A, B, C, D y E o el polígono ABCDE.

La función objetivo es;

F(x, y) Maximizar Z = 0,1x+0,08y

Si dibujamos la recta F(x, y) =0 (en rojo) y la desplazamos se puede

comprobar gráficamente que el vértice mas alejado es el D, y por
tanto es la solución óptima.

Comprobarlo analíticamente (es decir comprobar que el valor máximo

de la función objetivo, F, se alcanza en el vértice D)

ENCONTRAR LA SOLUCION OPTIMA EXPLORANDO LOS VALORES

DE LA FUNCION OBJETIVA EN LOS PUNTOS EXTREMOS

PUNTOS X Y Z
EXTREMOS

A 0 60 000 4 800

B 120 000 60 000 16 800

C 130 000 65 000 18 200

D 130 000* 80 000* 19 400*

E 0 21 0000 16 800

NB. Para encontrar las coordenadas del punto de corte de

dos rectas, se resuelve el sistema de las dos ecuaciones
Z(A)= 4.800 Z(B) = 16.800 Z(C) = 18.200 Z(D) = 19.400

Z(E) = 16.800
Tomamos los valores de la mayor Z porque estamos maximizando

La solución optima es : Z*(C) = 19.400 X* = 130.000

Y* = 80.000

ANALISIS

Tomamos la R1

R1 X + y <= 210.000 inversión total

Remplazamos los valores de la solucion optima en ella

X*= 130.000 y*= 80.000

Tenemos :

Consumo de la solución optima <= disponibilidad

130.000 + 80.000 <= 210.000

210.000 <= 210.000

210.000 = 210.000

Significa:

La Solución óptima Consumió exactamente los 2100 disponible

Sigue la R2

R2 X <= 130.000 inversión tipo A

Remplazamos los valores de la solucion optima en ella

X*= 130.000 y*= 80.000

Tenemos :

130.000 <= 130.000

130.000=130.000 la inversión tipo A fue exactamente 130.000

En estos casos no existe holgura, la holgura es cero

Sol optima + holgura = disponibilidad

Para todos los casos <=

Sigue la R3

R3 y > = 60.000 inversión tipo B

Remplazamos los valores de la solucion optima en ella

X*= 130.000 y*= 80.000

Tenemos

80.000 >= 60.000

Entonces igualamos al lado derecho

80.000 - 20.000 = 60.000

Solución - excedente = disponibilidad

Óptima

O sea : la solución optima consume 80.000 quiere decir que se

excede en 20.000 de lo que se dispone.

Cuando una restricción es de signo >= existe un excedente igual a la

diferencia entre el con sumo optimo y la disponibilidad.

Cuando las dos cantidades son iguale (consumo optimo =

disponibilidad ) el excedente es igual a cero.

Sol optima – excedentes = disponibilidad

Para todos los casos >=

PROBLEMA 2
En una pastelería se hacen dos tipos de tortas: Vienesa y Real. Cada
torta Vienesa necesita un cuarto de relleno por cada Kg. de bizcocho y
produce un beneficio de $,250 mientras que una torta Real necesita
medio Kg. de relleno por cada Kg. de bizcocho y produce $400 . de
beneficio. En la pastelería se pueden hacer diariamente hasta 150 Kg.
de bizcocho y 50 Kg. de relleno, aunque por problemas de maquinaria
no pueden hacer mas de 125 tortas de cada tipo. ¿Cuántas tortas
Vienesas y cuantas Reales deben vender al día para que sea máximo el
beneficio?

Solución

En primer lugar hacemos una tabla para organizar los datos:

Tipo Nº Bizcocho Relleno Beneficio

T. Vienesa x X 0,250x $250

T. Real y Y 0,500y $400

150 50

Función objetivo máximo beneficio: f(x, y) z=250x+ 400y

Sujeta a : LAS RESTRICCIONES

r1 x+y  150
r2 0,25x + 0,5y  50
r3 x  125 biscocho
r4 y  125 relleno

CNN X ≥0 y ≥0.

Consideramos las restricciones y dibujamos la región factible:

Se buscan los puntos de corte de cada recta con el sistema de ejes

coordenado y trazamos cada recta, NB. ninguna reta pasa por el
origen.

Para r1 x + y =150

X Y

0 150

150 0

Para r2 0.25x + 0.5y=50, ó x + 2y=200

Multiplicando x40 todos los términos

x Y

0 100

200 0

La otras dos son paralelas a los ejes

Al eje OY x=125

Al eje Ox y =125

La región factible o area de soluciones factibles se ha coloreado de

amarillo:

r3

r4
D

B
r2
O

r1

Grafica N° 2

Encontremos los vértices:

El O(0,0), el A(125, 0) y el D(0, 100) se encuentran directamente

(son las intersecciones con los ejes coordenados)

Se observa que la restricción y es redundante (es decir “sobra”)

Las coordenadas de B se obtienen resolviendo el sistema:

X+y=150

X=125

Cuya solución es: X=125, Y=25 B(125, 25)

Las coordenadas de C se obtienen resolviendo el sistema

r1 x+y  150
r2 x + 2y  200

por reducción obtenemos y=50, x=100

C( 100,50)

Los vértices de la región son O(0,0), A(125,0), B(125,25) y C(100,50) y

D(0,100), que constituyen el area de soluciones factibles , el polígono
OABCD ( grafica color amarillo)

BUSCAMOS LA SOLUCIÓN OPTIMA

SE ENCUENTRA LA SOLUCION OPTIMA EXPLORANDO LOS

VALORES DE LA FUNCION OBJETIVA EN LOS PUNTOS
EXTREMOS
Lo comprobamos con el método analítico, es decir usando el teorema
que dice que si existe solución única debe hallarse en uno de los
vértices o puntos extremos del área de soluciones factibles

PUNTOS X Y Z
EXTREMOS

0 0 0 0

A 125 0 31.250

B 125 25 41.250

C 100* 50* 45.000*

D 0 100 40.000

Encontramos :

Z(O) = 0 Z(A) = 31.250 Z(B) = 41,250 Z(C) =45,000

Z(D) = 40.000

La solución optima es : Z*(C) = 45.000 X* = 100

Y* = 50
Se ve gráficamente que la solución es el punto C* (100, 50), ya que es
el vértice mas alejado (el último que nos encontramos al desplazar la
rectas 250x+400y=0 )

Lo comprobamos con el método analítico, es decir usando el teorema

que dice que si existe solución única debe hallarse en uno de los
vértices

La unción objetivo era: f(x, y)=250x+400y, sustituyendo en los

vértices obtenemos

Z(A) =f(125,0)=31.250(D) = (0,100)=40.000

El máximo beneficio es 45.000 y se obtiene en el punto (100, 50)

Conclusión: se tienen que vender 100 tortas vienesas y 50 tortas

reales.

ANALISIS:

Tomamos la r1

En las restricciones siempre consideramos el lado izquierdo del signo

como lo consumido por la solución optima y el lado derecho la
disponibilidad y si el signo es  la forma general es :
r1 x+y  150

consumo de + holgura = disponibilidad

la solución optima

Remplazamos los valores de la solución optima en ella

X*= 100 y*= 50

Tenemos :

100 + 50 <= 1500

150 <= 150

Consumo de la + 0 holgura = disponibilidad
Solución optima
150 = 150

Solución optima disponibilidad

Consumió

Significa que la solución optima consumio de biscocho 150

exactamente igual a los 150 disponible

Sigue la r2

r2 0,25x + 0,5y  50

Remplazamos los valores de la solución optima en ella

X*= 100 y*= 50

Tenemos :
25 + 25 <= 50

50=50 la solución optima consumio 50 exactamente igual a los 50

disponibles.

Sigue la R3

r3 x  125
Remplazamos los valores de la solución optima en ella

X*= 100 y*= 50

Tenemos :

100  125 tortas

100 + 25 = 125

Solución Holgura Disponibilidad

Optima

O sea : la solución optima consume 100 quiere decir que tenemos

una holgura de 25 en la disponibilidad de 125.

Cuando una restricción es de signo <= existe una holgura igual a la

diferencia entre el con sumo optimo y la disponibilidad.
Cuando las dos cantidades son iguale (consumo optimo =
disponibilidad ) la holgura es cero.

Nota la holgura se considera un sobrante.

r4 y  125 vienesa

Remplazamos los valores de la solución optima en ella

X*= 100 y*= 50

Tenemos :

50  125 tortas

50 + 75 = 125

Solución Holgura Disponibilidad

Optima

O sea : la solución optima consume 50 quiere decir que tenemos una

holgura de 75 en la disponibilidad de 125.
En el caso de signo mayor o igual la holgura se combierte en un
excedendte consumido por la solución optima comparada con la
disponibilidad.

Problema 3. Una escuela prepara una excursión para 400 alumnos. La

empresa de transporte tiene 8 autocares de 40 plazas y 10 autocares
de 50 plazas, pero solo dispone de 9 conductores. El alquiler de un
autocar grande cuesta 80 euros y el de uno pequeño, 60 euros.
Calcular cuantos de cada tipo hay que utilizar para que la excursión
resulte lo mas económica posible para la escuela.

Solución

Es un problema de programación lineal, en este caso lo que queremos

es hacer mínima la función objetivo.

Llamamos x al nº de autocares de 40 plazas e y al nº de autocares de

50 plazas que alquila la escuela.
Entonces se tiene x ,y

Como sólo hay 9 conductores se verifica que: x +y

Como tienen que caber 400 alumnos se debe de verificar:

40x +50y , que simplificada quedaría 4 x +5y

Por lo tanto las restricciones que nos van a permitir calcular la región
factible (conjunto de puntos solución donde se cumplen todas las
condiciones) son

Función objetivo de mínimo costo: Minimizarf(x, y) z=60x+ 80y

Sujeta a : LAS RESTRICCIONES

r1 x 8
r2 y  10
r3 x+ y 9
r4 4x + 5y ≥ 40.

CNN X ≥0 y ≥0.

Dibujamos las restricciones

r1 r2 r3 r4

X y X y X y X y

8 0 0 10 0 9 0 8

9 0 10 0

r1 x 8
r1 x =8

Se encuentra la región factible o el área de soluciones factibles en el

dibujo es la parte amarilla.
 r2
B
C r1

A r4

r3

r2 y  10

r2 y = 10

El area de soluciones factibles es el polígono ABC (amarillo)

Los vértices son C(0, 8) de la recta r4,B(0, 9) de r3 y el A(5, 4), este

último es el punto de intersección de las rectas r3 y r4

r3 x+ y 9
r4 4x + 5y ≥ 40.
A sus coordenadas salen al resolver el sistema r3 y r4

restando ambas ecuaciones se tiene x =5 y sustituyendo en la 1ª

ecuación, y =4

Resolviendo gráficamente se llega a que el punto (5, 4) es la solución

del problema. La solución óptima .

Comprobarlo sustituyendo en F(x, y) todos los vértices y que este es

el que da menor valor (método analítico).

SE ENCUENTRA LA SOLUCION OPTIMA EXPLORANDO LOS

VALORES DE LA FUNCION OBJETIVA EN LOS PUNTOS
EXTREMOS

Lo comprobamos con el método analítico, es decir usando el teorema

que dice que si existe solución única debe hallarse en uno de los
vértices o puntos extremos del área de soluciones factibles

Minimizar z=60x+ 80y

Z(A)= 60x 5 + 80x4 = 300+ 320 = 620

Z (C) = 80x8 = 640

Z (B) = 80 x 9 = 720
PUNTOS X Y Z
EXTREMOS

A 5* 4* 620*

B 0 9 720

C 0 8 640

La solución optima es Z minima : Z*(A) = 620 X* = 5

Y* = 4
PROBLEMA 4

4. Una compañía posee dos minas: la mina A produce cada día 1

tonelada de hierro de alta calidad, 3 toneladas de calidad media y 5
de baja calidad. La mina B produce cada día 2 toneladas de cada una
de las tres calidades. La compañía necesita al menos 80 toneladas de
mineral de alta calidad, 160 toneladas de calidad media y 200 de baja
calidad. Sabiendo que el costo diario de la operación es de 2000 euros
en cada mina ¿cuántos días debe trabajar cada mina para que el coste
sea mínimo?.

Solución

Organizamos los datos en una tabla:

días Alta Calidad media Baja calidad Coste diario

calidad

Mina A x 1x 3x 5x 2000x

Mina B y 2y 2y 2y 2000y

80 160 200

La función objetivo C(x, y)=2000x + 2000y

Las restricciones son:

La región factible la obtenemos dibujando las rectas auxiliares: r1 x
+ 2y=80, r2 3x + 2y= 160 y r3 5x + 2y=200 en el primer cuadrante y
considerando la región no acotada que determina el sistema de
restricciones:

Los vértices son los puntos A(0, 100), B(20, 50), C(40, 20), D(80, 0),
que se encuentran al resolver el sistema que determinan dos a dos las
rectas auxiliares y (y que estén dentro de la región factible).

r1 r2 que nos da el punto (40, 20) (comprobarlo)

r2 r3 que nos da el punto (20, 50)

r1 r3 no hace falta calcularlo pues queda fuera de la región factible.

En la gráfica se aprecia que el primer punto que se alcanza al

desplazar la recta C(x, y)=0 es el (40, 20). Luego la solución es
trabajar 40 días en la mina A y 20 en la B. (método gráfico)

Lo comprobamos aplicando el método analítico:

C(0, 100)=2000.100=200000

C(20, 50)=2000.20+2000.50=40000 + 100000= 140000

C(40, 20)= 2000. 40+2000.20=80000 + 40000= 120000 coste

mínimo

C(80, 0)= 2000.80 =160000

5. Se va a organizar una planta de un taller de automóviles donde van

a trabajar electricistas y mecánicos. Por necesidades de mercado, es
necesario que haya mayor o igual número de mecánicos que de
electricistas y que el número de mecánicos no supere al doble que el
de electricistas. En total hay disponibles 30 electricistas y 20
mecánicos. El beneficio de la empresa por jornada es de 250 euros por
electricista y 200 euros por mecánico. ¿Cuántos trabajadores de cada
clase deben elegirse para obtener el máximo beneficio y cual es este?

Sea x = nº electricistas

y = nº mecánicos

La función objetivo
 f (x, y)=250x+ 200y , las restricciones

La región factible sería para estas restricciones:

Se aprecia gráficamente (línea en rojo) que la solución óptima está en

el punto (20, 20).

Por tanto:

20 electricistas y 20 mecánicos dan el máximo beneficio, y este es

9000 euros, ya que f(x, y) =250.20+200.20=9000
6. Para recorrer un determinado trayecto, una compañía aérea desea
ofertar, a lo sumo, 5000 plazas de dos tipos: T(turista) y P(primera).
La ganancia correspondiente a cada plaza de tipo T es de 30 euros,
mientras que la ganancia del tipo P es de 40 euros.

El número de plazas tipo T no puede exceder de 4500 y el del tipo P,

debe ser, como máximo, la tercera parte de las del tipo T que se
oferten.

Calcular cuántas tienen que ofertarse de cada clase para que las
ganancias sean máximas.

Solución

Sea x el nº que se ofertan de tipo T, y el nº que se ofertan de tipo P.

nº Ganancia

Turista x 30x

Primera y 40y

Total 5000 30x +40y

La función objetivo es:

f(x, y)=30x +40y

Las restricciones:

La región factible:
Los vértices, A(0, 5000), B(3750, 1250), C(4500, 500) y D(4500, 0)
(comprueba el punto B resolviendo el sistema correspondiente)

El método gráfico nos da que el punto solución es el B (3750, 1250)

Comprueba los resultados usando el método analítico (sustituyendo los
puntos vértices en f y viendo q el máximo valor se obtiene en B)

APLICACIÓN COMPUTARIZADA DEL METODO SIMPLEX

INTRODUCCIÓN

Muchos problemas de la administración de empresas y negocios son formulados y

desarrollados como o modelos matemáticos de la programación lineal, con un
número cualquiera de variables de decisión y de restricciones. El algoritmo que
explicaremos es un procedimiento interactivo denominado el MÉTODO SIMPLEX.

En el transcurso del desarrollo del método SIMPLEX, para cada problema se hace la
formulación, se definen las variables de decisión y se construye el modelo matemático.
Para la aplicación del programa sistematizado se prepara la tabla inicial y se somete a la
generación de la solución óptima, a través del programa computarizado.
Este método, encuentra una solución básica factible del problema y una sucesión de
soluciones básicas factibles nuevas en cada una de sus interacciones; de tal forma, que
los valores de la función lineal objetiva que estamos tratando llega progresivamente hasta
su valor óptimo (máximo o mínimo) para dar así una decisión óptima, escogida de un gran
número de decisiones posibles. La decisión óptima es la que satisface un objetivo de
administración sujeta a varias restricciones.

El método SIMPLEX con el uso del computador encuentra amplias aplicaciones efectivas,
empleadas exitosamente en la administración de las industrias petroleras, automotriz,
químicas, forestales, metalúrgicas, agrícolas, militares, de servicios, financieras y otras. Al
ser desarrollado en el centro de información durante el transcurso del programa de
programación lineal; en la Universidad Popular del Cesar, pretendo que los estudiantes
aprendan a aplicar e interpretar los modelos matemáticos y sigan la dinámica para
adaptarse a los cambios frecuentes del medio en el que los profesionales actúan.

1. ESTANDRIZACIÓN DEL MODELO MATEMÁTICO O IGUALAR

Un modelo de programación lineal se dice que esta en forma estándar, cuando se

convierte en un problema equivalente donde el objetivo es maximizar, todas las
restricciones son ecuaciones y todas las variables del modelo son negativas.

NOTA: Minimizar Z = - Máx Z

TABLA PARA ESTANDARIZAR EL MODELO MATEMÁTICO O IGUALAR

 TABLA 1

TIPO Agregar a:
DE La La Función Objetivo
RESTRICCIÓN Restricción Maximizar Minimizar
Menor o igual V. De Holgura
 +S +OS +OS
V. Excedente y
Mayor o igual Artificial
 -S+A +OS-MA +OS+MA
Igualdad Variable Artificial
= A -M*A +MA

V Variable

Para estandarizar nuestro modelo matemático debemos utilizar variables de

relleno y variables artificiales.

Como se ilustra en la tabla número uno, si la restricción en el modelo es del tipo 

(menor o igual), agregamos una variable de relleno al lado izquierdo de la
restricción con signo (+) más, para convertirla en una igualdad, se llama variable
de relleno de holgura, porque toma la diferencia entre la parte derecha de la
ecuación de los recursos disponibles, para convertirla en una igualdad, y esta
variable de holgura modifica a la función objetivo agregándole cero por la variable
de holgura. Si la restricción es de tipo  (mayor o igual) debemos agregar al lado
izquierdo de la restricción una variable de relleno con el signo (-) o variable de
excedente, para que asuma el exceso de la desigualdad de los recursos
disponibles y una variable artificial para conservar la condición de no-negatividad,
de la variable de excedente; estas variables agregan a la función objetivo cero por
la variable de excedente, y -M por la variable artificial, si estamos maximizando o
+M por la variable artificial si se trata de minimizar.

Los signos del coeficiente M nos garantiza que la variable artificial no este en la
solución final. Si la restricción es del tipo igual se agrega una variable artificial al
lado izquierdo de la restricción y la función objetivo se afecta en -M por la
variable artificial si estamos maximizando o +M por la variable artificial si se trata
de minimizar.

El valor de los coeficientes de las variables de relleno en la función objetivo

siempre son cero porque los recursos de holgura no contribuyen en nada en las
utilidades, el valor de los coeficientes de las variables artificiales en la función
objetivo depende de que el problema sea maximización o minimización. Para
asegurarnos de que ninguna variable artificial este en la solución final en la función
objetivo, damos el coeficiente M anotado, lo que hacemos es restar o sumar M
veces la variable artificial, donde M es un número mil veces mayor que cualquiera
de los coeficientes del modelo. Digamos (999´999.999.999). número comparado
con M para el computador.

LA SOLUCIÓN INICIAL tabla 2

X1 X2 . . . Xn Solución

CB Cj C1 C2 . . . Cn bi
LA BASE a1 a2 . . . an

CB1 XB1 a11 a12 a1n b1

b2
 CB2 XB2 a21 a22 a2n

. . . . .
bm
. . . . .

. . . . .

CBm XBm am1 am2 amn

Zj - Cj
Max -C1 -C2 -Cn 0

Zj = CB x a j

CB = Vector fila formado por todos los coeficientes de las variables en la base
de la función objetivo.

Fila de Decisión Simplex: Zj - Cj, son los coeficientes para la función objetivo en la
tabla inicial y sucesivas se llama z.

4. ALGORITMO SIMPLEX

2.1 PROCESO BÁSICO DE SOLUCIÓN

2.1.1 Solución Básica factible y solución óptima

Podemos notar que en un problema o modelo matemático de la programación

lineal existen n variables y m ecuaciones, donde n > m entonces podemos
tener una solución Básica haciendo (n –m) variables iguales a cero y resolviendo
en forma simultánea las m ecuaciones restantes, m ecuaciones con m
variables.

A las n-m variables se le denominan NO BÁSICAS o fuera de la base y las m

variables que se usan en el proceso de solución son las variables BÁSICAS o
dentro de la base. Cuando todas las variables básicas de una solución básicas
son no negativas entonces la solución se denomina Solución Básica Factible.

La solución básica factible que tiene el mejor valor para la función objetivo se
llama la solución óptima.

La solución óptima cumple las condiciones de todas las restricciones incluyendo la

condición de no negatividad.

La importancia del algoritmo SIMPLEX es que proporciona solución etapa por

etapa, donde podemos analizar cada solución básica factible y en cada etapa
podemos obtener una mejor solución, hasta encontrar la solución óptima.

En cada etapa podemos analizar si la solución es óptima, si no, proseguimos con

la operación hasta encontrar la solución óptima o la mejor solución.

Para la tabla inicial debemos hacer n – m variables iguales a cero o no básicas, y

resolver para las m variables m ecuaciones con m variables.

n número total de variables y m número total de restricciones ; las variables no

básica en la solución inicial son las originales y de excedentes. Las de holgura y
artificiales son BÁSICAS.

El proceso de eliminación de GAUSS-JORDAN, para resolver un sistema de

ecuaciones simultáneas lineales son la base del proceso para el algoritmo
SIMPLEX de la programación lineal. El proceso de eliminación completa de
Gauss-Jordan, pasa una matriz inicial (A / I / B /) en la forma ( I / A-1/ X).

Al llegar al final de la transformación se dice que la matriz se ha invertido y de esa

manera se obtiene la solución al sistema de ecuaciones, lo cual aplicado al
método SIMPLEX permite llegar a una solución factible y / u óptima.

3. APLICACIÓN
PROBLEMAS

Utilicemos un ejemplo para la construcción de la tabla.

La compañía P G. produce dos tipos de radios y compra distintas partes de los

radios a otra compañía local y los arma en su planta. El radio tipo I necesita 5
horas de montaje y el tipo II necesita 3 horas. Se dispone diariamente de 105
horas en el departamento de montaje, la compañía puede gastar hasta U$ 70
para comprar los elementos de los radios. Utiliza U$ 2 de material para el radio
tipo I y U$ 4 para el radio tipo II, se pueden vender todos los que se producen y
gana U$ 20 netos al vender cada unidad de radio tipo I y U$ 16 al vender cada
unidad tipo II.

La compañía P y G pide que se calculen cuántas unidades de cada uno de los

radios se deben producir para maximizar la utilidad.

Nota: los datos están en miles de unidades.

3.2 Modelo matemático

Planteamiento
Variables de decisión

Sea: x1 = Número de unidades del radio tipo I a producir.

x2 = Número de unidades del radio tipo II a producir.

F. O.3

Maximizar Z = 20 X1 + 16 X2
Sujeto a: Restricciones.
1. 5 X1 + 3 X2  105
2. 2 X1 + 4 X2  70
N. N. 4 X1 X2  0

Convertir las desigualdades a igualdades o pasar a la forma estándar. Igualar.

(3) Z = 20X1 + 16X2 + 0X3 + 0X4

(4) 5X1 + 3X2 + X3 = 105
(5) 2X1 + 4X2 + X4 = 70
X1’ X2’ X3’ X4’  0

Función objetivo igualada a cero.

Z – 20 X1 - 16 X2 = 0

3
Función Objetivo
4 No Negatividad
 SOLUCIÓN INICIAL SIMPLEX TABLA 3

X1 X2 X3 X4
Cj  20 16 0 0
Sale X3
CB LA BASE a1 a2 a3 a4 Solución


0 X3 5 3 1 0 105
0 X4 2 4 0 1 70 X1

Máx ZJ - CJ -20 -16 0 0 0

ZJ 0 0 0 0 0

 ZJ =
Entra
CB a j

3.3 Variable que entra en la base

La tabla inicial nos enseña que la solución inicial es el origen del sistema, puesto
que la ganancia
Entraes cero y las variables de holgura X3 y X4 presentan toda la
disponibilidad de recursos; ya que estos no han sido utilizados. Para resolver el
problema tenemos que utilizar las disponibilidades, por lo tanto , se debe entrar
alguna de las variables de decisión a la base y sacar una variable de holgura.
El criterio para seleccionar la variable que entra en la base, es la de escoger
aquella variable que nos aumenta más rápidamente el valor de la función objetivo
Z, es decir, la que da el máximo valor para la función objetivo.

Si examinamos la función objetivo

Z - 20 X1 - 16 X2 = 0

Si damos un valor positivo a cualquiera de las variables X1, X2 la función

aumenta de valor; pero cual de las dos escogemos: por ejemplo,

1. damos a X1 = 1 X2 = 0 
Z - 20 X1 - 6 X 0 = 0
Z = 20

La función Z nos aumenta 20 veces el valor tomado.

Si tomamos X2 y damos el mismo valor X2 = 1  X1 = 0
Entonces:

Z – 20 X 0 - 16 X 1 = 0
Z = 16
La función Z aumentaría 16 veces el valor tomado. Luego, debemos entrar a la
base X1 ya que es la variable que nos aumenta más rápidamente el valor de Z
comparado con X2, o sea que escogemos aquella con el coeficiente más negativo,
es decir, la variable que nos da la mayor utilidad por unidad.

A la columna de la variable que entra en la base, la llamamos la columna pivote

(K). Columna 1.

Escogemos el mínimo Zk – Cj < 0 y para al menos una aij >0 (para i = 1, 2, . . .

m ; j = 1, 2, . . . n ).
 3.4 Variable que sale de la base

Encontramos la razón para cada elemento de la columna solución entre su

correspondiente elemento de la columna pivote aik > 0.

Encontrar el mínimo

bi
a ik i = 1, … m

aik > 0
105 , 70 , 21, 35
5 2

Sale X4 este renglón se llama el renglón (r). En este caso el renglón (r) en la
intersección con la columna (k) encontramos el pivote, para este caso el 5.

3.5 Encontrar los coeficientes de la nueva tabla (proceso manual)

3.4.1. Encontramos los nuevos valores de los coeficientes del renglón de la

variable que salió de la base i = r, con ellos seguimos nuestro proceso de
eliminación completa.

Realizamos esta operación dividiendo todos los coeficientes del renglón r entre el
pivote operacional. ark

arj
arj 
ark
5
5 3 1 0
 Coeficient e 5 Nuevo
105
a rj 5 5 5

aij 1 3/5 1/5 0 21

Los nuevos valores del renglón X1 renglón 1.

3.4.2. Para encontrar los nuevos valores de los demás renglones diferente al de la
variable que entra i  seguimos el siguiente procedimiento:

Le restamos al elemento que deseamos encontrar al producto de 1 multiplicado

por el respectivo elemento en la columna pivote.

a (i,j) = a (i,j) - a ( i,k ) * a ( r,j )/ark

Para la fila 2
2 x5
a 21  2  0
5
2 x3 14
a 22  4  
5 5
2 x1 2
a 23  0  
5 5
2 x0
a 24  1  1
5
2 x105
a 20  70   28
5
La nueva fila dos es:
0 14/5 -2/5 1 28

De la misma manera encontramos los nuevos coeficientes de la función objetivo

para la fila 3:
a rj
a ij  a ij  a ik x
a rk
 5 x 20
a 31
 20  0
5
  20 x3
a 32
 16   4
5
   20 x1
a 33
 0 4
5
  20 x0
a 34
 0 0
5

  20 x105
a 30
 0  420
5

Luego tenemos la nueva solución en la tabla siguiente.

PRIMERA INTERACCIÓN TABLA 4

X1 X2 X3 X4 LA
Cj 20 16 0 0 SOLUCION

CB LA BASE b
a1 a2 a3 a4
20 X1 1 3/5 1/5 0 21
0 X5 0 14/5 -2/5 1 28
 Máx Zj - Cj 0 -4 0 420

Ahora en nuestra nueva solución solo hay un coeficiente negativo en el renglón de

Zj-Cj. Hay una sola posibilidad de incrementando el valor de Z, o sea que X 2 entra
a la base tomando valores positivos, luego la columna bajo esta variable es la
columna pivote.

Sacamos las razones de los renglones 1 y 2 y escogemos el mínimo.

i  1,...m
X Bi
a ik

aik > 0
21
3 y 28
14
5 5

Para el caso escogemos la fila 2 , la del menor valor positivo 10 sale X5, el pivote
operativo es entonces 14/5, luego aplicamos el criterio para encontrar los nuevos
valores para i = r e i  r.
Encontramos la nueva solución .

SEGUNDA INTERACCIÓN TABLA 5

X1 X2 X3 X4 La

CB CJ 20 16 0 0 Solución

LA BASE b
a1 a2 a3 a4
1 20 X1 1 0 2/7 -3/14 15
6 X2 0 1 -1/7 5/14 10
2
 Máx Zj-Cj 0 0 30/7 10/7 460

SOLUCIÓN ÓPTIMA

Como el renglón de decisión SIMPLEX o Zj-Cj no tienen coeficientes negativos

hemos llegado a la solución óptima en la cual se deben producir :

X1 = 15 unidades de radios tipo I

X2 = 10 unidades de radios tipo II

Para una ganancia total de Z = 460.

Siempre debemos tener en cuenta :

1. Que los coeficientes de las variables que están en la base constituyen los
elementos de una matriz identidad en cada etapa del proceso simplex.
2. llegaremos a la solución óptima cuando los coeficientes de la función objetivo
en la tabla SIMPLEX sean positivos o cero

Zj - Cj  0

4. MINIMIZACIÓN

Para resolver este caso directamente lo hacemos similar al procedimiento

maximizar; teniendo en cuenta lo siguiente:

1. El criterio para escoger la variable que entra en la base es seleccionar el

coeficiente de la función objetivo con mayor valor positivo en el renglón de criterio
SIMPLEX (m+1), para ello:

Zj = C B x aj j = 1, 2 . . . n
C B = vector fila de los coeficientes de las variables en la base en la función
objetivo.

aj cualquier vector columna de la matriz A para j = 1, 2, . . .n

renglón de criterio simplex Zj - Cj (m+1).

2. El valor del coeficiente de la variable artificial es +M. El resto del procedimiento

es similar al de maximización y tendremos una solución óptima cuando todos los
coeficientes Zj - Cj  0 del renglón de criterio simplex sean negativos o ceros.

Ejemplo:
La compañía D. C recibió la orden de una mezcla de 20.000 lbs que lleva cereal
y carne de res como alimento para perros. El cereal cuesta $300 c/lbs y $800 la
libra de carne. Solamente hay 8000 lbs de cereal y hay que usar al menos 6000
lbs de carne en la mezcla. Que cantidad de cada ingrediente se debe utilizar, de
tal manera que se minimice el costo y cumplir con los requisitos al mismo tiempo.

5. Modelo Matemático

Desarrollo:
Sea X1 = Cantidad de libras de cereal en la mezcla.
X2 = Cantidad de libras de carne de res en la mezcla.

F.O. Min. Z = 300 X1 + 800 X2

Sujeto a: Restricciones

X1  8000
X2  6000
 X1 + X2 = 20.000
X1, X2  0

Estandarización o igualación.

(0) Z = 300 X1 + 800 X2 + 0 X3 + 0 X4 + M As + M A6

Sujeto a: Restricciones

1) X1 X3 = 8000
2) X2 -X4 + A5 = 6000
A5 = X5
3) X1 + X2 + A6 = 20000

X1, X2, X3, X4, A5, A6  0. A6 = X6

SOLUCIÓN INICIAL SIMPLEX TABLA 6

Cj 300 800 0 0 +M +M
CB LA BASE X1 X2 X3 X4 X5 X6 Solución
0 X3 1 0 1 0 0 0 8000
M A5 0 1 0 -1 1 0 6000
M A6 1 1 0 0 0 1 20000
Min Zj - Cj M-300 2M-800 0 -M 0 0 26000M

Zj M 2M 0 -M M M 26000M

El problema de minimización lo podemos convertir en n problema de maximización

mediante la fórmula:

Minimizar Z = - Máx Z
Entonces el procedimiento para resolver este problema es como el caso
maximizar anterior, lo que quiere decir, que debemos hacer el cambio de signo
para el renglón de decisión simple.x (renglón m+a) de la función objetivo y como
consecuencia terminaremos cuando todos los ZJ - CJ  0, allí estaremos en la
solución óptima.

TABLA TRANSFORMADA A MAXIMIZAR TABLA 7

Cj 300 800 0 0 +M +M La
CB X1 X2 X3 X4 X5 X6 Solución
LA BASE a1 a2 a3 a4 a5 a6
b
0 X3 1 0 1 0 0 0 8000 
+M X5 0 1 0 -1 1 0 6000
+M X6 1 1 0 0 0 1 20000
-Max Zj - Cj 300-M 800-2M 0 M 0 0 -26000M

Tabla inicial transformada a - Maximizar Z = MINIMIZAR PARA M = 1000

-Max -Zj - Cj -700 -1200 0 1000 0 0 -26000000


ENTRA X2

INTERACCIÓN Nro. 1
CMAX = -1200

V. B.
X3 1 0 1 0 0 0 = 8000
X2 0 1 0 -1 1 0 = 6000
X6 1 0 0 1 -1 1 = 14000
C = -700 0 0 -2000 1200 0

Variable básica que entra = 2

Variable básica que sale = 5

Z = -1 . 88E + 07

INTERACCIÓN Nro. 2
CMAX = -700

V. B.

X1 1 0 1 0 0 0 = 8000
X2 0 1 0 -1 1 0 = 6000
X6 0 0 -1 1 -1 1 = 6000

C = 0 0 700 -200 1200 0

Variable básica que entra = 1

Variable básica que sale = 3

Z = -1 .32E+07

INTERACCIÓN Nro. 3
CMAX = -200

V. B.
X1 1 0 1 0 0 0 = 8000
X2 0 1 -1 0 0 1 = 12000
X4 0 0 -1 1 -1 1 = 6000
C = 0 0 500 0 1000 200

Variable básica que entra = 4

Variable básica que sale = 6

Z = -1 . 2E+07 = -1.2 x 107 = -12’000.000

Como minimizar = - Maximizar el resultado es positivo

SOLUCIÓN ÓPTIMA

FUNCIÓN OBJETIVA MÁXIMA Z = 12’000.000

VARIABLES BÁSICAS DE LA SOLUCIÓN MÁXIMA

X(1) = 8000
X(2) = 12000
X(4) = 6000

6. APLICACIÓN DEL PROBLEMA

PROBLEMA No. 1

1. Considere que se han aislado 4 nutrientes para ganado; designados A, B, C

y D. El I.C.A. especifica que el requerimiento mínimo diario por animal es de 6
libras de A, 8 libras de B, 4 libras de C y 5 libras de D exactamente, se dispone
de dos alimentos, Maíz y Alfalfa. Los análisis de estos alimentos son:
 NUTRIENTES ALIMENTOS
MAIZ(%) ALFALFA(%)
A 10 45
B 40 20
C 30 15
D 20 20

El maíz cuesta 4 centavos la libra y la alfalfa 3 centavos la libra. Qué cantidad de

cada alimento se debe comprar para obtener EL COSTO MÍNIMO.

Sea: X1 = Número de libras de Maíz por animal DESARROLLO

DEL MODELO MATEMÁTICO DE LA PROGRAMACIÓN LINEAL

VARIABLES DE DECISIÓN

a consumir diariamente.

X2 = Número de libras de Alfalfa a consumir por animal diariamente.

FUNCIÓN OBJETIVO

Min Z = 4X1 + 3X2 (Costo Mínimo)

Sujeto a: Restricciones
1) 10X1 + 45X2  6 (Nutriente A )
2) 40X1 + 20X2  8 (Nutriente B )
3) 30X1 + 15X2  4 (Nutriente C )
4) 20X1 + 20X2 = 5 (Nutriente D )
X1 , X2  0
2. Federaltex enfrenta el problema de determinar qué problemas de
“crecimiento” debe emprender en los 4 años. La compañía tiene una cantidad
limitada de fondos para inversiones de capital; por tanto, no puede financiar todos
los proyectos.

A cada uno de estos se ha caracterizado determinando su valor presente y el

requerimiento ( costo ) asociado de capital. Cada proyecto tiene diferentes
requerimientos de capital para los próximos 4 años. En la tabla siguiente se
muestra el valor presente estimado, los requerimientos de capital y el capital
disponible proyectado para cada uno de ellos.

VALOR ACTUAL, REQUERIMIENTOS DE CAPITAL Y CAPITAL DISPONIBLE

PARA FEDERALTEX.

REQUERIMIENTOS DE
VALOR PRESENTE
TIPO DE PROYECTO CAPITAL
Estimado
AÑO 1 AÑO2 AÑO3 AÑ04
Expansión de la planta $180.000 $300.000 $40.000 $40.000 $30.000

Nueva Maquinaria 20.000 12.000 8.000 0 4.000

Investigación sobre
72.000 30.000 20.000 20.000 20.000
nuevos productos
Ampliación del 80.000 20.000 30.000 40.000 10.000

Fondos disponibles de
$65.000 $80.000 $80.000 $50.000
capital

A los administradores de Federaltex les gustaría desarrollar un plan de asignación

de capital que muestre las erogaciones que debe hacer par
cada uno de los cuatro años y que proyectos se deben financiar bajo el plan
general. El objetivo de Federaltex es determinar que proyectos se pueden
“financiar por completo”, es decir, financiar para el período completo de cuatro (4)
años, reconociendo que cada año existen disponibles fondos limitados de capital.
El proceso de financiamiento debe ser tal que se maximice el valor actual
estimado total de los proyectos.

DESARROLLO DEL MODELO MATEMÁTICO. P.L.

VARIABLES DE DECISIÓN

Sea: Xj = Valor proporcional que indica la medida en que se financiará el

proyecto j ( Xj = 1 indica que se financia completo, Xj < 1 señala que no se
financia).

J = 1, 2, 3, 4
FUNCIÓN OBJETIVO

Máx Z = 180000X1 + 20000X2 + 72000X3 + 80000X4

Sujeto a : Restricciones

1) 30000X1 + 12000X2 + 30000X3 + 20000X4  65000

2) 40000 X1 + 8000 X2 + 20000 X3 + 30000 X4  80000
3) 40000 X1 + 0 X2 + 20000 X3 + 40000 X4  80000
4) 30000 X1 + 4000 X2 + 20000 X3 + 20000 X4  50000

5) X1 1
6) X2 1
7) X3 1
8) X4 1

X1 , X2 , X3 , X4  0
4. La dietista de un hospital debe encontrar la combinación más barata de dos
productos A y B que contienen al menos 0.5 miligramos de Tiamina y al menos
600 calorías. Cada onza de A contiene 0.12 miligramos de Tiamina y 100 calorías
mientras que cada onza de B contiene 0.08 miligramos de Tiamina y 150 calorías.
Si el costo de cada alimento es de U$ 10 por onza. Cuántas onzas de cada uno
deberían combinarse?

PRODUCTO TIAMINA CALORÍAS COSTO

A 0.12 mg. 100 U$ 10

B 0.08 mg. 150 10

Disponibilidad 0.5 600

MODELO MATEMÁTICO P. L.

VARIABLES DE DECISIÓN

Sea : X1 = Número de onzas del producto A a combinarse para producir

la dieta.
X2 = Número de onzas del producto B a combinarse para producir la dieta.

FUNCIÓN OBJETIVO
Min Z = 10X1 + 10X2

Restricciones

Sujeto a:

1) 0.12X1 + 0.08  0.5

2) 100X1 + 150X2  600

X1 , X2  0

5. Una compañía produce dos tipos de calculadoras electrónicas, un modelo estándar

cuya utilidad es de U$ 5 y un modelo de lujo cuya utilidad es de U$ 8. La compañía
estima que su red de distribuidores a lo más puede manejar 1000 calculadoras a la
semana. Debido al rápido crecimiento de la industria de las calculadoras, existe
disminución tanto en las partes como en la mano de obra calificada necesaria a fin de
ensamblar las calculadoras.

La compañía puede obtener un suministro semanal regular de solo 5000 circuitos

electrónicos (Chips) necesarios para las calculadoras; cada calculadora estándar necesita
3 de estos chips y cada calculadora de lujo requiere 6 chips. Más aún, la compañía
dispone de 2500 horas-hombre de mano de obra calificada a la semana, cada calculadora
estándar demanda 3 horas-hombre y cada calculadora de lujo necesita 2 horas-hombre.

Cuántas calculadoras de cada tipo deberían producirse a la semana a fin de maximizar

la utilidad total?

CALCULADORAS CHIPS MANO DE OBRA BENEFICIO

Regular 3 3 U$ 5

Lujo 6 2 U$ 8
Disponibilidad 5000 2500 H/H

MODELO MATEMÁTICO P. L.

VARIABLES DE DECISIÓN

Sea: X1 = Número de calculadoras regular a producir a la semana.

X2 = Número de calculadoras de lujo a producir a la semana.

FUNCIÓN OBJETIVO

Max Z = 5X1 + 8X2

Restricciones

Sujeto a:

1) X1 + X2  1000
2) 3X1 + 6X2  5000
3) 3X1 + 2X2  2500

X1 , X2  0
6. La ladrillera lacera desea obtener una mezcla de arena y cemento que tenga
30% de arena y 70% de cemento. En el mercado venden tres clases de
productos: Producto 1 tiene 25% de arena y 75% de cemento y vale U$ 600 ton; el
producto 2 tiene 40% de arena y 60% de cemento y vale U$ 400 ton y la producto
3 tiene 50% de arena y 50% de cemento y vale U$ 150 ton.

Qué cantidad de cada producto se debe comprar para producir una tonelada de la mezcla
deseada?

MODELO MATEMÁTICO P. L.

VARIABLES DE DECISIÓN

Sea : X1 = Número de toneladas de producto 1 a comprar para producir la mezcla

deseada.

X2 = Número de toneladas de producto 2 a comprar para producir la mezcla

deseada.

X3 = Número de toneladas de producto 3 a comprar para producir la mezcla

deseada.

FUNCIÓN OBJETIVO

Min Z = 600 X1 + 400X2 + 150X3

Restricciones

Sujeto a :
A4 = X4
1) 25X1 + 40X2 + 50X3 = 30
A5 = X5
2) 75X1 + 60X2 + 50X3 = 70 A6 = X6

3) X1 + X2 + X3 = 1
Xj  0, i = 1, 2, 3

7. La compañía tropical fabrica y vende tres productos A, B, y C. la información

relacionada con los tres productos se presenta a continuación en la siguiente
tabla.

INFORMACIÓN DE PRECIO Y COSTO ( Por unidad )

A B C

Precio de venta U$ 25 30 40

Mano de obra directa 7.50 10 12.50

Materiales Directos 9 6 10.50

Costos Variables 6 6 6

Costos Fijos 6 6 6

Los tres productos utilizan el mismo tipo de material directo, el cual cuesta U$ 1.50
por libra de material. La mano de obra directa se paga a la tasa de U$ 5 por hora.
Hay 2.000 horas de mano de obra directa y 20.000 libras de materiales directos
disponibles en un mes. Cuanto debe fabricar de cada producto, para maximizar la
contribución.
Plantear el modelo matemático de la P.L.

PRODUCTOS
A B C
Mat Dir. 9.0 6.0 10
M. O. Dir 7.5 10 12.5

Cost. Var 6.0 6.0 6.0

22.5 22 29

Cost. Var. Total

Pvta – Cvatot = Marg Cont

A B C
Margen de contribución 2.5 8 11

Horas M. O. D 7.5 / 5= 1,5 10 / 5 = 2 12.5/5 = 2.5

Tasa ( U$ 5 / H ) Relación de consumo de Mod/Producto

Materiales Directos 9 / 1.5 = 6 6 / 1.5 = 4 10.5 / 1.5 =7

( en U$ 1.5 / lib ) Relación de consumo de materiales/prod

MODELO MATEMÁTICO P. L.

VARIABLES DE DECISIÓN

Sea: X1 = Número de unidades del producto A a producir en el mes.

X2 = Número de unidades del producto B a producir en el mes.

X3 = Número de unidades del producto C a producir en el mes.

FUNCIÓN OBJETIVO

Max Z = 2.5X1 + 8X2 + 11X3

Sujeto a :

1) 1.5X1 + 2X2 + 2.5X3  2000 (Horas- H)

2) 6X1 + 4X2 + 7X3  20.000 (Libras)

X1 , X2 , X3  0

8. Una compañía fabrica y ensambla dos productos A y B. Toma tres minutos

para fabricar cada unidad de A y seis minutos para fabricar cada unidad de B. El
tiempo de ensamble por unidad para el producto A es de dos minutos y para el
producto B de 9 minutos. Están disponibles 10 horas de tiempo de fabricación y
30 horas de tiempo de ensamble. La compañía logra un margen de contribución
de U$ 2 en cada unidad de A que vende y U$ 1 en cada unidad de B. Cuanto
debe ensembrar de cada producto para maximizar la contribución.

Formule el problema como un modelo de programación lineal.

MODELO MATEMÁTICO P. L.
VARIABLES DE DECISIÓN

Sea: X1 = Número de unidades del producto A a producir.

X2 = Número de unidades del producto A a producir.

10 X 60 = 600 Minutos
 30 X 30 = 1800 Minutos

FUNCIÓN OBJETIVO

Max Z = 2X1 + X2

Sujeto a:

1) 3X1 + 6X2  600

2) 2X1 + 9X2  1800

X1 , X2  0

SOLUCIÓN INICIAL SIMPLEX TABLA No. 18

Cj 2 1 0 0

Cb La Base X1 X2 X3 X4 SOLUCIÓN

0 X3 3 6 1 0 600

0 X4 2 9 0 1 1800

Max Zj - C j -2 -1 0 0 0

9. La compañía Químicos Unidos S. A. fabrica un limpiador industrial para

alfombras. Este químico se hace de una mezcla de otros dos químicos que
contienen ambos el agente limpiador W5 y el agente limpiador Q2. su producto
debe contener 175 unidades del W5 y 150 unidades del Q2, y pesar al menos 100
libras.
El químico A cuesta U$ 8 por libra, mientras que el químico B cuesta U$ 6 por
libra. El químico A contiene una unidad del agente W5 y tres unidades del agente
Q2; el químico B contiene siete unidades y una unidad de los agentes respectivos.

PRODUCTO W5 Q2 COSTO
A 1 3 U$ 8
B 7 1 U$ 6

Disponibilidad 175 150

Formule el problema como un modelo de Programación lineal.

VARIABLES DE DESICION

Sea X1 = Número de libras del químico A a producir.

X2 = Número de libras del químico B a producir.
Min Z = 8X1 + 6X2

Sujeto a :
1) X1 + 7X2  175 A6 = X6
2) 3X1 + X2  150 A7 = X6
3) X1 + X2  100
A8 = X8
X1 , X2  0

10. La compañía la Muñeca fabrica dos tipos de juguetes A y B. Para producir el

juguete B se gasta el doble de tiempo que para producir el juguete tipo A y la
compañía tiene tiempo para hacer por día un máximo de 2000 juguetes tipo A.
El suministro de materia prima es suficiente para producir por día 1500 juguetes de A y B
combinados. El juguete tipo B requiere de un aditamento especial del cual solo se
dispone de 600 unidades por día. El gerente de la compañía se comprometió a entregar a
un cliente 200 unidades del juguete tipo A.

Es política de la compañía que el número de juguetes tipo B que se haga no debe ser
mayor a 1.5 veces el número de juguetes tipo A. los costos de producción son de U$ 30
y U$ 40 para los juguetes A y B respectivamente, y los precios de venta respectivamente
U$ 60 y U$ 90 para A y B respectivamente.

Formule el modelo de Programación Lineal para este problema.

MODELO MATEMÁTICO P. L.

VARIABLES DE DECISIÓN

Sea : X1 = Cantidad de juguetes tipo A a producir por día.

X2 = Cantidad de juguetes tipo B a producir por día.

Pv - C = Ut

A 60 - 30 = 30

B 90 - 40 = 50

FUNCIÓN OBJETIVO
Max Z = 30X1 + 50X2

Restricciones

Sujeto a :
 1) X1 + 2X2  2000
2) X1 + X2  1500
3) X2  600
4) X1  200
5) –1.5X1 + X2  0

X1 , X2  0

11. Se quiere obtener la cantidad de leche, carne y huevos que satisfacen

determinada dieta nutritiva en cuanto a vitamina A, B y C. Suponga que el número
de miligramos de cada una de estas vitaminas, contenidas por unidad de producto
se muestra en la siguiente tabla:

VITAMINAS Gl. de LECHE Lb. DE CARNE Doc. De HUEVOS

A 1 1 10

B 100 10 10

C 10 100 10

Las cantidades mínimas requeridas diariamente son :

Vitamina A un miligramo; Vitamina C 50 miligramos y Vitamina D 10 miligramos. Los

costos son:

Galón de leche U$ 4; libra de carne U$ 10 y huevos U$ 1.5 la docena.

Formule el modelo de Programación Lineal para este problema.

MODELO MATEMÁTICO P. L.

VARIABLES DE DECISIÓN

Sea: X1 = Cantidad de galones de leche a comprar para producir la dieta.

X2 = Cantidad de libras de carne a comprar para producir la dieta.

X3 = Cantidad de docenas de huevos a comprar para producir la dieta.

FUNCIÓN OBJETIVO

Restricciones

Min Z = 4X1 + 10x2 + 1.5X3

Sujeto a :

1) X1 + X2 + 10X3  1

2) 100X1 + 10X2 + 10X3  50

3) 10X1 +100X2 + 10X3  10

X1 , X2 , X3  0

12. Un agricultor tiene 500 hectáreas y dispone de 4000 horas-hombre que asignará a
cultivar los siguientes productos: maíz, trigo y soya. El agricultor debe producir al menos
150 ton. de trigo debido a un contrato especial firmado con un cliente y al menos 400
toneladas de maíz.
En la siguiente tabla se asume el tonelaje y la mano de obra en horas-hombre por
hectárea para los diferentes productos:

MAÍZ TRIGO SOYA

Ton / Hect. 15 8 10

Horas hombre / hect. 120 135 105

El maíz, trigo y soya lo comercializan a U$ 200, 300 y 145 / ton. cuántas hectáreas se
deben producir de cada producto por cosecha para maximizar los ingresos.

MODELO MATEMÁTICO P. L.

VARIABLES DE DECISIÓN

Sea: X1 = Número de hectáreas asignadas al cultivo de maíz por cosecha.

X2 = Número de hectáreas asignadas al cultivo de trigo por cosecha.

X3 = Número de hectáreas asignadas al cultivo de soya por cosecha.

FUNCIÓN OBJETIVO
Máx Z = 15x200X1 + 8x300X2 + 10x145X3 Ingresos Totales

Sujeto a:

1) X1 + X2 + X3 +  500
2) 120X1 + 135 X2 + 105X3 +  40000 (Simplificado al pasar a la tabla)
3) 15X1  400
4) 8 X2x  150
X1 , X2 , X 3  0

13. La junta de planeación del municipio de Valledupar tiene tres proyectos para la
comunidad de Pueblo bello. Construir un colegio, un puesto de salud y una casa comunal.
Abre una licitación para construir estas obras, cuyo número de pliegos presentados por
los contratistas muestra las siguientes cotizaciones para las obras en millones de pesos:

PROYECTOS

CONTRATISTAS A B C

1 500 200 50

2 480 210 45

3 450 180 42
Dentro de las condiciones del pliego la Junta de Planeación especifica que se debe
asignar un proyecto a un contratista. Que proyectos adjudican a que contratista? Para
minimizar los costos.

MODELO MATEMÁTICO P. L.

VARIABLES DE DECISIÓN

Sea: Xi j = contratista i que se le adjudica el proyecto j.

.i = 1, 2, 3 j = 1, 2, 3

FUNCIÓN OBJETIVO
Min Z = 500X11 + 200X12 + 50X13

480X21 + 210X22 + 45X23

450X31 + 180X23 + 42X33

Sujeto a:

1) X11 + X12 + X13 = 1

2) X21 + X22 + X23 = 1

3) X31 + X32 + X33 = 1

4) X11 + X21 + X31 = 1

5) X12 + X22 + X32 = 1

6) X13 + X23 + X33 = 1

Xi j  0

14. El comando de bombardeo estratégico recibe instrucciones de interrumpir la

destrucción de tanques del enemigo.
Este tiene 4 plantas de gran importancia localizadas en distintas ciudades y la destrucción
de cualquier planta detendrá efectivamente la producción de tanques. Hay una aguda
escasez de combustible, que limita la provisión a 48000 galones para esta misión
particular.

Cualquier bombardeo enviado a determinada ciudad particular debe llevar cuando menos
el combustible suficiente para el viaje redondo, mas una reserva de 100 galones. El
número de bombarderos de que dispone el comandante, así como las descripciones, se
presentan en la siguiente tabla:

TIPO BOMBARDERO DESCRIPCIÓN MILLAS/GLS DISPONIBLE

1 Pesado 2 48

2 Liviano 3 32

La información a cerca de la localización de las plantas y de su vulnerabilidad al

ataque de un bombardero liviano y uno pesado, se da enseguida.

PLANTA DISTANCIA DE LA PROBABILIDAD DE DESTRUCCIÓN

BASE EN MILLAS PESASADO LIVIANO

1 450 0.10 0.08

2 480 0.20 0.16

3 540 0.15 0.12

4 600 0.25 0.20

Cuántos bombarderos de cada tipo deben ser despachados a las diferentes fábricas y
cómo deben repartirse en los cuatro blancos, para hacer máxima la probabilidad de éxito
?.

PLANTAS MILLAS / GALÓN DISPONIBILIDAD

1 2 3 4
BOMBARDERO

1 X11 X12 X13 X14 2 48

2 X21 X22 X23 X24 3 32

MODELO MATEMATICO P.L.

VARIABLES DE DECISIÓN

Sea: Xij = El número de bombero de tipo i enviado a la ciudad j.

i = 1, 2 j= 1,2,3,4

FUNCION OBJETIVO

Max Z = 0.10X11 + 0.20X12 + 0.15X13 + 0.25X14 + 0.08X21 + 0.16X22 + 0.12X23 + 0.20X24

Sujeto a :

2 x 450 2 x 480 2 x540 2 x600

1) X 11  X 12  X 13  X 14 
2 2 2 2

2 x 450 2 x 480 2 x540 2 x600

X 21  X 22  X 23  X 12 
3 3 3 3

100 (X11 + X12 + X13 + X14 + X21 + X22 + X23 + X24 )  48000 (Combustible)

2) X11 + X12 + X13 + X14  48 (aviones pesados)

3) X21 + X22 + X23 + X24  32 (aviones livianos)

X11  0

15. Cervecería Leona tiene tres plantas que embotellan cerveza de marca genérica. La
cerveza se distribuye desde tres plantas a cuatro (4) bodegas. Los gerentes de
producción de cada una de las plantas han estimado la producción mensual esperada
para sus respectivas plantas. Se fabricará en total en las tres plantas una cantidad
suficiente de cerveza para cargar 300 camiones.
La gerencia general ha asignado la producción total a las respectivas bodegas
examinando datos de meses anteriores. En la tabla siguiente se presenta la información
de oferta (producción) y demanda (asignación), junto con los costos de transporte para
cada combinación de oferta y demanda.

Debe observarse que las unidades de oferta y demanda se expresan en camiones de

cerveza, en tanto que las cifras de costo que aparecen en el cuerpo de la tabla se
expresan en dólares por camión.

BODEGAS
PLANTAS 1 2 3 4 PRODUCCIÓN (OFERTA) 1
U$ 464 513 654 867 75

2 352 416 690 791 125

3 995 682 388 685 100

ASIGNACIÓN -----------

(DEMANDA) 80 65 70 85 300

Formule el modelo de programación lineal para un programa de transporte con costo

mínimo.

MODELO MATEMÁTICO P. L.
VARIABLES DE DECISIÓN

Sea: Xij = Número de camiones que se enviaron de la planta i a la bodega j.

i = 1, 2, 3

j = 1, 2, 3, 4

FUNCIÓN OBJETIVO

Min Z = 464X11 + 513X12 + 654X13 + 867X14

+ 352X21 + 416X22 + 690X23 + 791X24

+ 995X31 + 682X32 + 388X33 + 685X34

Sujeto a:

1) X11 + X12 + X13 + X14 = 75

2) X21 + X22 + X23 + X24 = 125

3) X31 + X32 + X33 + X34 = 100

4) X11 + X21 + X31 = 80

5) X12 + X22 + X32 = 65

6) X13 + X23 + X33 = 70

7) X14 + X24 + X34 = 85

Xi j  0
16. La Compañía Moreno Ltda.. fabrica fertilizantes especiales para clientes del mercado
de cítricos. La Compañía acaba de recibir un pedido de 1000 toneladas de un fertilizante
que debe satisfacer las siguientes especificaciones.

a. Cuando menos un 20% de nitrógeno.

b. Cuando menos un 30% de potasio.

c. Cuando menos un 8% de fosfato.

La Compañía ha adquirido cuatro mezclas de fertilizantes a partir de los cuales puede

fabricar sus fertilizantes especiales. Los porcentajes de potasio, nitrógeno y fosfato que
contienen los fertilizantes básicos son:

Porcentaje de

Fertilizante

Nitrógeno Potasio Fosfato

Básico

1 40 20 10

2 30 10 5

3 20 40 5

4 5 5 30

El porcentaje restante de cada fertilizante básico consta de ingredientes inertes.

Los costos de los fertilizantes básicos respectivos son $16, $12, $15, y $ 8 por
tonelada. El objetivo es minimizar los costos. Plantear el modelo matemático.

MODELO MATEMÁTICO P. L.
VARIABLES DE DECISIÓN
Sea: Xj = El número de toneladas de cada uno de los fertilizantes básicos
que deben incluirse en la mezcla de las 1000 toneladas.
j = 1, 2, 3, 4

FUNCIÓN OBJETIVO

Mín Z = 16X1 + 12X2 + 15X3 + 8X4

Sujeto a:

1) 0.40X1 + 0.30X2 + 0.20X3 + 0.05X4  200

2) 0.20X1 + 0.10X2 + 0.40X3 + 0.05X4  300

3) 0.10X1 + 0.05X2 + 0.05X3 + 0.30X4  80

4) X1 + X2 + X3 + X4 = 1000

X1 , X2 , X 3 , X4  0
EL PROBLEMA DE TRANSPORTE Y ASIGNACION

EL PROBLEMA DE TRANSPORTE

El problema de transporte se presenta cuando se planea la distribución de bienes y

servicios a partir de varios lugares de suministro, producción, ofertas u orígenes y son
transportados a diferentes ubicaciones de demandas clientes o destinos. El

Objetivo del problema es minimizar los costos de transportar los artículos desde

los orígenes hasta los destinos.

Utilizamos el problema de la programación lineal para resolver el problema de Transporte

, para ello definimos los siguientes parámetros y variables,

Sea:

i = Índice para los orígenes, i = 1, 2, 3, …..m

j = índice para los destinos j = 1, 2, 3 … n

X ij = Número de unidades que se envían del origen i al destino j

C ij = Costo por unidad que se envía del origen i al destino j

ai = Oferta o capacidad de unidades del origen

bj = Demanda de unidades en el destino

El modelo general de programación lineal de un problema de transporte con m orígenes y
n destinos es :

m n
Minimizar Z =   Cij X ij
1 1

Sujetos :

n
 X ij  ai i= 1, 2, 3, .. m
1

m
 X ij  b j j= 1, 2, 3, .. n
1

m n
 ai =  bj condición necesaria
1 1

Xij  0 para toda i = 1, 2, 3, . . . m y toda j = 1, 2, 3, …n

Ejemplo:

Postobón tiene tres fabricas la de Valledupar, Bucaramanga y Barranquilla

respectivamente y desea distribuir sus productos en tres poblaciones :El Banco ,Caucacia
y Aguachica, en la tabla siguiente se definen las cantidades a transportar en cada una de
las variables, los costos por unida en pesos por unidad, la producción y las demadas en
millones de botellas semanales. Cual es el programa de costo mínimo semanal.
 CLIENTE ui
1 2 3

PLANTA
1 X 11 6 X 12 7 X 13 5 60

2 X 21 8 X 22 20 X 23 1 80

3 X 31 X 32 4 X 33 3 40
5

Bj 50 90 70 180

210
Solución

1. Construimos la red de distribución

PLANTAS CLIENTES

1 1
7

20

2 2
1

5 4

3 3

3
 2. IGUALAR OFERTAS Y DEMANDAS

Si las ofertas son mayores agregamos un cliente ficticio con costos cero, para que asuma
la diferencia de las demandas, en caso contrario agregamos una planta ficticia con costos
cero para que asuma la diferencia de las ofertas, de esta forma tenemos la tabla
equilibrada o igualada o estandarizada.

TABLA IGUALADA O ESTANDARIZADA

CLIENTE ui
1 2 3

PLANTA
1 X 11 6 X 12 7 X 13 5 60

2 X 21 8 X 22 20 X 23 1 80
3 X 31 5 X 32 4 X 33 3 40

4 X 41 0 X 42 0 X 43 0 30
FICTICIA

Bj 50 90 70 210

210

3. Construir el modelo matemático de la

programación lineal
 MODELO MATEMATICO DE LA PROGRAMACION
LINEAL

Minimizar Z = 6X 11 + 7 X 12 + 5 X + 8 X 21 +20 X 22 + 13

X +5X +
23 31

+4X +3 X +0 X 41 + 0 X 42 + 0 X
32 33 43

Sujeto a :

1. X 11 + X 12 + X 13 = 60 0ferta

2. X 21 + X 22 + X 23 = 80 0ferta

3. X + X
31 32 + X 33 = 40 oferta

4. X 41 + X 42 + X 43 = 30 oferta
5. X 11 . + X 21 . + X . +
31 X 41 = 50 demanda

6. X 12 + X 22 + X 32 + X 42 = 90
demanda
7. X + X 13 23 + X 33 + X 43 = 70
demanda

Xij  0 i = 1, 2, 3,4 y j = 1, 2, 3

4. EQUIVALENCIA DE VARIABLES

X 11 = X1 X 12 = X2 X = X3
13

X 21 = X4 X 22 = X5 X =
23 X6
 X = X7
31 X = X8
32 X = X9
33

X 41 = X10 X 42 = X11 X = X12

43

X13 = A13 X14 = A14

X15 = A15 X16 = A16

X17 = A17 X18 =A18 X19 = A19

5. MODELO MATEMÁTICO EQUIVALENTE

PARA CONSTRUIR LA FORMA SIMPLEX
 Minimizar Z = 6 X1 + 7 X2 +5 X3 + 8X4 + 20 X5 +
X6
+ 5 X7 + 4 X8 + 3 X9 + 0X10 + 0 X11 + 0X12

Sujeto a :

1. X1 + X2 + X3 = 60 0ferta

2. X4 + X5 + X6 = 80 0ferta

3. X7 + X8 + X9 = 40 oferta

4. X10 + X11 + X12= 30 oferta

5. X1. + X4 + X7 + X10 = 50
demanda

6. X2 + X5 + X8 + X11 = 90 demanda
7. X3 + X6 + X9 + X12 = 70
demanda

Xj  0 j = 1, 2, 3,4,5,6,7,8,9,10,11,12

6. APLICACIÓN DE LA LA TABLA DE
IGUALAR DEL SIMPLEX

TABLA DE IGUALAR SIMPLEX

TIPO Agregar a:
DE La La Función Objetivo
RESTRICCIÓN Restricción Maximizar Minimizar
Menor o igual V. De Holgura
 +S +OS +OS
 V. Excedente y
Mayor o igual Artificial
 -S+A +OS-MA +OS+MA
Igualdad Variable Artificial
= A -M*A +MA

MODELO MATEMATICO SIMPLEX IGUALADO

Minimizar Z = 6 X1 + 7 X2 +5 X3 + 8X4 + 20 X5 +
X6
+ 5 X7 + 4 X8 + 3 X9 + 0X10 + 0 X11 +
0X12+MX13 + MX14 + MX15 + MX16 + MX17 + MX18 +
MX19

Sujeto a :

1. X1 + X2 + X3 + X13 = 60
2. X4 + X5 + X6 + X14 = 80

3. X7 + X8 + X9 + X15 = 40

4. X10 + X11 + X12 + X16 = 30

5. X1. + X4. + X7. + X10 + X17 = 50

6. X2 + X5 + X8 + X11 + X18 = 90

7. X3 + X6 + X9 + X12 + X19 = 70

Xj  0
j = 1, 2,3,4,5,6,7,89,10,11,12,13,14,15,16,17,18,1

7. CONSTRUCCION DE LA TABLA DE LA
SOLUCION INICIAL
 SOLUCIÓN INICIAL SIMPLEX

Cj 6 7 5 8 20 1 5 4 3 0 M M M M M M M b
0 0

Cb Base X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X16 X17 X18 X19 Solución

M X13 1 1 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 60

M X14 0 0 0 1 1 1 0 0 0 0 0 0 0 1 0 0 0 0 0 80

M X15 0 0 0 0 0 0 1 1 1 0 0 0 0 0 1 0 0 0 0 40

M X16 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 1 0 0 0 30

M X17 1 0 0 1 0 0 1 0 0 1 0 0 0 0 0 0 1 0 0 50

M X18 0 1 0 0 1 0 0 1 0 0 1 0 0 0 0 0 0 1 0 90

M X19 0 0 1 0 0 1 0 0 1 0 0 1 0 0 0 0 0 0 1 70

2M-
Min Zj - Cj 2M-6 2M-7 2M-5 2M-8 2M-5 2M-4 2M-3 2M 2M 0 0 0 0 0 0 0 420M
20
2M-1 2M

Zj 2M 2M 2M 2M 2M 2M 2M 2M 2M 2M 0 0 0 0 0 0 0 420M
2M 2M

Min = - Max y para M = 100 (Multiplicamos la

ultima fila por -1 y remplazamos a M por 100). Sigue:

- Zj- - - - - - - - - - - - - 0 0 0 0 0 0 0 -42000
M Cj 1 1
1 1 1 1 1 1 1 2 2 2
ax 9 9
9 9 8 9 9 9 9 0 0 0
4 5
3 2 0 9 5 6 7 0 0 0
Aplicar el software y obtiene la solución optima.

EL PROBLEMA DE ASIGNACION

El problema de asignación se presenta en diversos casos de toma de decisiones.Por

ejemplo los problemas típicos de asignación implican asignar tareas a máquinas.
trabajadores a tareas y proyectos ,personas de ventas a territorios de ventas, contratos a
licitantes . Una característica es que se asignan uno a uno . por ejemplo una maquina a
un obrero, un trabajador una tarea , un proyecto a un analista, un contrato a un licitante,
se busca el conjunto de asignaciones que optimice el objetivo planteado tal como
minimizar costos, minimizar tiempos o maximizar utilidades

Utilizamos el problema de la programación lineal para resolver el problema de

Asignación, para ello definimos los siguientes parámetros y variables,

El problema de asignación implica n agentes y m tareas si se hace que:

i = Índice para los orígenes o tareas i = 1, 2, 3, …..m

j = índice para los destinos o agentes j = 1, 2, 3 … n

X ij = 1 Número de unidades que se asignan del origen i al destino j

C ij = Costo de asignar el agente i a la tarea j

ai = 1 unidad ofrecida

bj = 1 unidad Demandada

El modelo general de programación lineal problema de asignación es :

m n
Minimizar Z =   Cij X ij
1 1

Sujetos:
n
 X ij  1 i= 1, 2, 3, .. m
1

m
 X ij  1 j= 1, 2, 3, .. n
1

m n
 ai =  bj condición necesaria
1 1

Xij  0 para toda i = 1, 2, 3, . . . m y toda j = 1, 2, 3, …n

Ejemplo: La empresa EVA tiene tres maquinas y tres trabajadores respectivamente y

desea asignar una maquina a cada trabajador, en la tabla siguiente se definen las
variables y los costos de asignación por unida en miles de pesos , Cual es el programa
de costo mínimo optimo .

Trabaj 2 ui
1 3

Maquinas

1 X 11 7 X 12 5 X 13 6 1

2 X 21 8 X 22 10 X 23 9 1

3 X 31 5 X 32 3 X 33 4 1

Bj 1 1 1 3

3
Solución

1. Construimos la red de distribución

MAQUINAS TRABAJADORES

1 1
5

10

2 2
9

5 3

3 3

4
 2. IGUALAR OFERTAS Y DEMANDAS

Si las ofertas son mayores agregamos un cliente ficticio con costos cero, para que asuma
la diferencia de las demandas, en caso contrario agregamos una planta ficticia con costos
cero para que asuma la diferencia de las ofertas, de esta forma tenemos la tabla
equilibrada o igualada o estandarizada. En este caso ya esta igualada o estandarizada
tres maquinas y tres trabajadores.

TABLA ESTANDARIZADA O IGUALADA

ui
1 2 3
TRABAJADORES

MAQUINAS
1 X 11 X 12 5 X 13 6 1
7

2 X 21 X 22 10 X 23 9 1
8

3 X 31 5 X 32 3 X 33 4 1
Bj 1 1 1 3

3. CONSTRUIR EL MODELO MATEMÁTICO DE LA

PROGRAMACIÓN LINEAL

MODELO MATEMATICO DE LA PROGRAMACION

LINEAL

Minimizar Z = 7X 11 + 5 X 12 + 6 X + 8 X 21 +10 X 22 +
13

+9X + 5 X + 3X +4 X
23 31 32 33

Sujeto a :

1. X 11 + X 12 + X 13 = 1 0ferta
2. X 21 + X 22 + X 23 = 1 0ferta

3. X + X
31 32 + X 33 = 1 oferta

4. X 11 . + X 21 . + X . = 1 demanda
31

5. X 12 + X 22 + X 32 = 1 demanda

6. X 13 + X 23 + X 33 = 1 demanda

Xij  0 i = 1, 2, 3 y j = 1, 2, 3

4. EQUIVALENCIA DE VARIABLES

X 11 = X1 X 12 = X2 X = X3
13
 X 21 = X4 X 22 = X5 X =
23 X6

X = X7
31 X = X8
32 X = X9
33

X10 = A10 X11 = A11 X12 = A12 X13 = A13

X14 = A14 X15 =A15

MODELO MATEMATICO DE LA PROGRAMACION

LINEAL EQUIVALENTE
 Minimizar Z = 7 X1 + 5 X2 +6 X3 + 8X4 + 10 X5 + 9
X6
+ 5 X7 + 3 X8 + 4 X9

Sujeto a :

1. X1 + X2 + X3 = 1 0ferta

2. X4 + X5 + X6 = 1 oferta

3. X7 + X8 + X9 = 1 oferta

4. X1. + X4 + X7 = 1 demanda

5. X2 + X5 + X8 = 1 demanda

6. X3 + X6 + X9 = 1 demanda
Xj  0 j = 1, 2, 3,4,5,6,7,8,9

6. APLICACIÓN DE LA TABLA DE IGUALAR

DEL SIMPLEX

TABLA DE IGUALAR DEL SIMPLEX

TIPO Agregar a:
DE La La Función Objetivo
RESTRICCIÓN Restricción Maximizar Minimizar
Menor o igual V. De Holgura
 +S +OS +OS
V. Excedente y
Mayor o igual Artificial
 -S+A +OS-MA +OS+MA
Igualdad Variable Artificial
= A -M*A +MA
MODELO MATEMATICO SIMPLEX

Minimizar Z = 6 X1 + 7 X2 +5 X3 + 8X4 + 10 X5 +
9X6
+ 5 X7 + 3 X8 + 4 X9 + MX10 +M X11 +
MX12+MX13 + MX14 + MX15

Sujeto a :

1. X1 + X2 + X3 + X10 = 1

2. X4 + X5 + X6 + X11 = 1

3. X7 + X8 + X9 + X12 = 1

4. X1. + X4. + X7. + X13 = 1

 5. X2 + X5 + X8 + X14 = 1

6. X 3 + X6 + X9 + X15 = 1

Xj  0 j = 1, 2, 3,4,5,6,7,8,9,10,11,12,13,14,15

7. CONSTRUCCION DE LA TABLA DE LA
SOLUCION INICIAL

SOLUCIÓN INICIAL SIMPLEX

Cj 6 7 5 8 10 9 5 3 4 M M M M M M b

Cb Base X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 solución

M X10 1 1 1 0 0 0 0 0 0 1 0 0 0 0 0 1

M X11 0 0 0 1 1 1 0 0 0 0 1 0 0 0 0 1

M X12 0 0 0 0 0 0 1 1 1 0 0 1 0 0 0 1

M X13 1 0 0 1 0 0 1 0 0 0 0 0 1 0 0 1
 M X14 0 1 0 0 1 0 0 1 0 0 0 0 0 1 0 1

M X15 0 0 1 0 0 1 0 0 1 0 0 0 0 0 1 1

Zj - C j
2M-
Min 2M-7 2M-5 2M-8 2M-10 2M-5 2M-3 2M-4 0 0 0 0 0 6M
6
2M-9 0

Zj 2M 2M 2M 2M 2M 2M 2M 2M 2M M M M M M M

Min = - Max y para M = 100 (Multiplicamos la

ultima fila por -1 y remplazamos a M por 100). Sigue:

-- Zj-Cj - - -1 - - - - - - 0 0 0 -600
Máx. 1
1 9 1 1 1 1 1 1 0 0 0
9
9 5 9 9 9 9 9 9
4
3 2 9 1 5 7 6

Aplicar el software y obtiene la solución óptima.

 REFERENCIAS BIBLIOGRÁFICAS

Hamdy A. Taha, Investigación de Operaciones, México, Ediciones Alfa Omega

S.A, 1991.

G. D Eppen/ F. J Gould, Investigación de Operaciones en las Ciencias

Administrativas, México, Editorial PRENTICE – Hall Hispanoamericana S.
A, 1992

David R. Anderson, Dennis J. Sweeney, Thomas A. Williams, Introducción a los

modelos cuantitativos para administración, México, Grupo Editorial Iberoamérica,
1993.

Frederick S. Hillier / Gerald J. Lieberman, Introducción a la investigación de

operaciones, México, editorial McGraw-Hill, 1998.

Mokhtar S. Bazaraa / Jhon J. Jarvis, programación lineal y flujo en redes, México,

editorial Limusa S. A, 1992.

Herbert Moskowitz / Gordon P. Wright, Investigación de operaciones, Colombia,

editorial Prentice / Hall Internacional, 1982.

investigacion de operaciones Mohammad Naghi Namakforoosh Editorial Limusa 1989 Dr. ciencias
admitivas UAM Universidad Autonoma De Mexico