PRACTICA:PROGRAMACION LINEAL Y SENSIBILIDAD

1. Un herrero con 80 Kg. de acero y 120 Kg. de aluminio quiere hacer bicicletas de paseo y de
montaña que quiere vender, respectivamente a 20.000 y 15.000 pesos cada una para sacar el
máximo beneficio. Para la de paseo empleará 1 Kg. De acero y 3 Kg. de aluminio, y para la de
montaña 2 Kg. de ambos metales. ¿Cuántas bicicletas de paseo y de montaña deberá fabricar
para maximizar las utilidades?

Definición de variables

X = Cantidad de bicicletas de paseo a producir.

Y = Cantidad de bicicletas de montaña a producir.

Restricciones

X + 2Y <= 80 (Disponibilidad de acero)

3X + 2Y <= 120 (Disponibilidad de aluminio)
X; Y >= 0 (Restricciones de NO negatividad)

Función objetivo

Zmax = 20000X + 15000Y

Solución : uso del modelo mediante aplicativo SOLVER

2. Un autobús que hace el recorrido Cali-Buga, ofrece asientos para fumadores al precio de
10.000 pesos y a no fumadores al precio de 6.000 pesos. Al no fumador se le deja llevar 50 Kg.
de peso y al fumador 20 Kg. Si el autobús tiene 90 asientos y admite un equipaje de hasta
3.000 Kg. ¿Cuál ha de ser la oferta de asientos de la compañía para cada tipo de pasajeros,
con la finalidad de optimizar el beneficio?

Además, debe considerarse que por políticas de la empresa, deben ofrecerse cómo mínimo 10
asientos para pasajeros no fumadore
Definición de variables

X = Cantidad de asientos reservados a fumadores.

Y = Cantidad de asientos reservados a no fumadores.

Restricciones

20X + 50Y <= 3000 (Equipaje permitido)

X + Y <= 90 (Asientos disponibles)
Y >= 10 (Políticas no fumadores)
X; Y >= 0 (No negatividad)

Función objetivo

Zmax = 10000X + 6000Y

Solución: Usando aplicativo SOLVER

3. Un comerciante acude al mercado popular a comprar naranjas con 50.000 pesos. Le ofrecen
dos tipos de naranjas: las de tipo A a 50 pesos el Kg. y las de tipo B a 80 pesos el Kg.
Sabiendo que sólo dispone de su camioneta con espacio para transportar 700 Kg. de naranjas
como máximo y que piensa vender el Kg. de naranjas tipo A a 58 pesos. y el Kg. de tipo B a 90
pesos. plantee un modelo de programación lineal que permita resolver la situación anterior.
Definición de las variables

X = Cantidad de Kg de naranjas tipo A a comprar.

Y = Cantidad de Kg de naranjas tipo B a comprar.

Restricciones

50X + 80Y <= 50.000 (Dinero disponible para comprar)

X + Y <= 700 (Capacidad de transporte)

Función Objetivo

Zmax = 8X + 10Y

Solución: usando aplicativo SOLVER

4. Un vendedor de frutas necesita 16 cajas de naranjas, 5 de plátanos y 20 de manzanas. Dos

mayoristas están en condiciones de satisfacer sus necesidades, pero solo venden la fruta en
contenedores completos. El mayorista A envía en cada contenedor 8 cajas de naranjas, 1 de
plátanos y 2 de manzanas. El mayorista B envía en cada contenedor 2 cajas de naranjas, una
de plátanos y 7 de manzanas. Sabiendo que el mayorista A se encuentra a 150 Km. de
distancia y el mayorista B a 300 Km., calcular cuántos contenedores habrá de comprar a cada
mayorista, con el objeto de ahorrar tiempo y dinero, reduciendo al mínimo la distancia.

Definición de variables

X = Cantidad de contenedores a comprar del mayorista A.

Y = Cantidad de contenedores a comprar del mayorista B.

Restricciones

8X + 2Y >= 16 (Requerimiento mínimo de naranjas)

X + Y >= 5 (Requerimiento mínimo de plátanos)
2X + 7Y >= 20 (Requerimiento mínimo de manzanas)
Función Objetivo (Minimizar distancia)

Zmin = 150X + 300Y

Solución obtenida mediante SOLVER

5. Un proveedor debe preparar con 5 bebidas de fruta en existencia, al menos 500 galones de
un ponche que contenga por lo menos 20% de jugo de naranja, 10% de jugo de toronja y 5%
de jugo de arándano. Si los datos del inventario son los que se muestran en la tabla siguiente
¿Qué cantidad de cada bebida deberá emplear el proveedor a fin de obtener la composición
requerida a un costo total mínimo?

Nota: Las tres primeras columnas indican el porcentaje de un tipo de jugo dentro de una
determinada bebida.

Definición de variables

A = Cantidad de galones de la bebida A a utilizar en el ponche.

B = Cantidad de galones de la bebida B a utilizar en el ponche.
C = Cantidad de galones de la bebida C a utilizar en el ponche.
D = Cantidad de galones de la bebida D a utilizar en el ponche.
E = Cantidad de galones de la bebida E a utilizar en el ponche.

Restricciones

A + B + C + D + E >= 500 (Requerimientos de Ponche)

A <= 200 (Disponibilidad de bebida A)
B <= 400 (Disponibilidad de bebida B)
C <= 100 (Disponibilidad de bebida C)
D <= 50 (Disponibilidad de bebida D)
E <= 800 (Disponibilidad de bebida E)
0,4A + 0,05B + C >= 0,2(A + B + C + D + E) Contenido de jugo de naranja
0,4A + 0,1B + D >= 0,1(A + B + C + D + E) Contenido de jugo de toronja
0,2B >= 0,05(A + B + C + D + E) Contenido de jugo de arándano
Función Objetivo

Zmin = 1,5A + 0,75B + 2,00C + 1,75D + 0,25E

Solución: Usando aplicativo Solver

6. Una empresa vitivinícola ha adquirido recientemente un terreno de 110 hectáreas. Debido a

la calidad del sol y el excelente clima de la región, se puede vender toda la producción de uvas
Sauvignon Blanc y Chardonay. Se desea conocer cuánto plantar de cada variedad en las 110
hectáreas, dado los costos, beneficios netos y requerimientos de mano de obra según los datos
que se muestran a continuación:

Suponga que se posee un presupuesto de US$10.000 y una disponibilidad de 1.200 días

hombre durante el horizonte de planificación. Formule y resuelva gráficamente un modelo de
Programación Lineal para este problema. Detalle claramente el dominio de soluciones factibles
y el procedimiento utilizado para encontrar la solución óptima y valor óptimo.

Variables de Decisión:

Programación Lineal (Método Gráfico)

El Método Gráfico (resolución gráfica) constituye una excelente alternativa de representación y

resolución de modelos de Programación Lineal que tienen 2 variables de decisión.

Existen herramientas computacionales que facilitan la aplicación del método gráfico como: los
softwares TORA, IORTutorial y Geogebra, los cuales se pueden consultar en detalle en Cómo
Resolver Gráficamente un Modelo de Programación Lineal con TORA, Cómo Resolver
Gráficamente un Modelo de Programación Lineal con IORTutorial y Cómo Resolver
Gráficamente un modelo de Programación Lineal con Geogebra, respectivamente.
MÉTODO GRÁFICO EN PROGRAMACIÓN LINEAL

1. Una empresa vitivinícola ha adquirido recientemente un terreno de 110 hectáreas. Debido a

la calidad del sol y el excelente clima de la región, se puede vender toda la producción de uvas
Sauvignon Blanc y Chardonay. Se desea conocer cuánto plantar de cada variedad en las 110
hectáreas, dado los costos, beneficios netos y requerimientos de mano de obra según los datos
que se muestran a continuación:

Variedad de vinos: programacion

Suponga que se posee un presupuesto de US$10.000 y una disponibilidad de 1.200 días

hombre durante el horizonte de planificación. Formule y resuelva gráficamente un modelo de
Programación Lineal para este problema. Detalle claramente el dominio de soluciones factibles
y el procedimiento utilizado para encontrar la solución óptima y valor óptimo.

Variables de Decisión:

X(1) : Hectáreas destinadas al cultivo de de Sauvignon Blanc

X(2) : Hectáreas destinadas al cultivo de Chardonay

Función Objetivo:

Maximizar 50X(1)+120X(2)

Restricciones:

X(1)+X_(2) \ leq 110

100X(1)+200X(2) \ leq 10.000
10X(1)+30X(2) \ leq 1.200
X(1),X(2) \ geq 0

Donde las restricciones están asociadas a la disponibilidad máxima de hectáreas para la

plantación, presupuesto disponible, horas hombre en el período de planificación y no
negatividad, respectivamente.

El siguiente gráfico muestra la representación del problema de la empresa vitivinícola. El área

achurada corresponde al dominio de soluciones factibles, donde la solución básica factible
óptima se alcanza en el vértice C, donde se encuentran activas las restricciones de
presupuestos y días hombre. De esta forma resolviendo dicho sistema de ecuaciones se
encuentra la coordenada de la solución óptima donde:

y (hectáreas).

El valor óptimo es

(dólares).
 2. Un taller tiene tres (3) tipos de máquinas A, B y C; puede fabricar dos (2) productos 1 y 2,
todos los productos tienen que ir a cada máquina y cada uno va en el mismo orden: Primero a
la máquina A, luego a la B y luego a la C. La siguiente tabla muestra:

 Las horas requeridas en cada máquina, por unidad de producto

 Las horas totales disponibles para cada máquina, por semana
 La ganancia por unidad vendida de cada producto


Formule y resuelva a través del método gráfico un modelo de Programación Lineal para la
situación anterior que permite obtener la máxima ganancia para el taller.

Variables de Decisión:

 : Unidades a producir del Producto 1 semanalmente

 : Unidades a producir del Producto 2 semanalmente

Función Objetivo:

Maximizar

Restricciones:






Las restricciones representan la disponibilidad de horas semanales para las máquinas A, B y C,

respectivamente, además de incorporar las condiciones de no negatividad.
Para la resolución gráfica de este modelo utilizaremos el software GLP cual abordamos en el
artículo Problema de Planificación Forestal resuelto con Graphic Linear Optimizer (GLP).
El área de color verde corresponde al conjunto de soluciones factibles y la curva de nivel de la
función objetivo que pasa por el vértice óptimo se muestra con una línea punteada de color
rojo.
 La solución óptima

es y
con valor óptimo

que representa la ganancia para el taller.

3. Una compañía elabora dos productos diferentes. Uno de ellos requiere por unidad 1/4 de
hora en labores de armado, 1/8 de hora en labores de control de calidad y US$1,2 en materias
primas. El otro producto requiere por unidad 1/3 de hora en labores de armado, 1/3 de hora en
labores de control de calidad y US$0,9 en materias primas. Dada las actuales disponibilidades
de personal en la compañía, existe a lo más un total de 90 horas para armado y 80 horas para
control de calidad, cada día. El primer producto descrito tiene un valor de mercado (precio de
venta) de US$9,0 por unidad y para el segundo este valor corresponde a US$8,0 por unidad.
Adicionalmente se ha estimado que el límite máximo de ventas diarias para el primer producto
descrito es de 200 unidades, no existiendo un límite máximo de ventas diarias para el segundo
producto.

Formule y resuelva gráficamente un modelo de Programación Lineal que permita maximizar las
utilidades de la compañía.

Variables de Decisión:

 : Unidades a producir diariamente del Producto 1

 : Unidades a producir diariamente del Producto 2

Función Objetivo:

Maximizar

Restricciones:






La primera restricción representa las limitantes de horas de armado diariamente. La segunda

restricción la disponibilidad de horas para labores de control de calidad (también diariamente).
La tercera restricción establece una cota superior para la producción y ventas diarias del
Producto 1. Adicionalmente se incluyen las condiciones de no negatividad para las variables de
decisión.

El dominio de soluciones factibles tiene 5 vértices que corresponden a los candidatos a

óptimos del problema. En particular el vértice óptimo es D de modo que:

la solución óptima es

Con valor óptimo

Que corresponde a la utilidad máxima para la empresa.

Importante:

A la fecha de esta publicación disponemos de más de 70 artículos relativos a la Programación

Lineal los cuales recomendamos revisar, donde se aborda la resolución gráfica de este tipo de
modelos como también la resolución a través de algoritmos como el Método Simplex y la
implementación computacional con herramientas como Solver, What’sBest! y OpenSolver,
entre otras

Análisis de Sensibilidad (Método Gráfico)

Análisis de Sensibilidad en Programación Lineal permite analizar el impacto en los resultados

del modelo (solución óptima y valor óptimo) en aquellos casos donde uno o varios parámetros
sufren modificaciones en relación a sus valores originales, sin la necesidad de resolver
nuevamente el problema (sin reoptimizar).

El ejemplo del análisis es para un problema de optimización lineal con 2 variables de decisión.

1. Un productor tabaquero posee 85 hectáreas (ha) de terreno para plantar dos variedades de
tabacos Virginia y Procesado. La variedad Virginia tiene un ingreso de 9.600 USD/ha y
necesita 3 horas/ha de uso de maquinaria y 80 horas/ha de mano de obra. Además, el
Estado limita su explotación a 30 ha como máximo. La variedad Procesado tiene un ingreso
de 7.500 USD/ha y utiliza 2 horas/ha de uso de maquinaria y 60 horas/ha de mano de obra.
La cooperativa local le ha asignado un máximo de 190 horas de uso de maquinaria y solo se
dispone de 5.420 horas de mano de obra a 12 USD/hora.

Formule y resuelva gráficamente un modelo de Programación Lineal que permita determinar

cuánto se debe plantar de cada variedad de tabaco de manera de maximizar la utilidad total.

Solución

Primero:
Definir el modelo de optimización para este problema.
Es decir: identificar las variables de decisión, función objetivo y restricciones.

Segundo:
Detalle el procedimiento aplicado a problemas de 2 variables de Decisión:

X1 = Número de Ha a plantar de la variedad Virginia

X2 = Número de Ha a plantar de la variedad Procesado
Función Objetivo:

Maximizar (9.600 – 960)X1 + (7.500 – 720)X2 = 8.640X1 + 6.780X2

Restricciones:

X1 ≤ 30
X1 + X2 ≤ 85
3X1 + 2X2 ≤ 190
80X1 + 60X2 ≤ 5.420
X1, X2 ≥ 0
Una representación gráfica del problema para el productor de tabaco se puede realizar a través
del software Geómetra:

Según el Teorema Fundamental de la Programación Lineal que en caso de existir solución

óptima ésta se encontrará en un vértice o en un tramo en la frontera del dominio de soluciones
factibles (en el ejemplo área achurada en color verde).

También se puede apreciar que no es tan evidente que el vértice C reporte una mayor
utilidad en la función objetivo que el vértice D, por lo cual, se inspecciona ambos puntos.

En el caso del vértice C éste se encuentra en la intersección de las restricciones 2 y 4. La

coordenada respectiva se obtiene al resolver el siguiente sistema de ecuaciones:

X1 + X2 = 85

80X1 + 60X2 = 5.420

Donde

X1=16 y X2=69,
lo cual reporta un valor en la función objetivo de

V(P)=8.640*(16)+6.780(69)=606.060.

Análogamente en el caso del vértice D las restricciones activas son 3 y 4:

Intervalo Variación Coeficiente Función Objetivo

Determine cuánto podría variar la utilidad por hectárea del tabaco Virginia, manteniendo
constante la utilidad por hectárea del tabaco procesado, de forma que la actual solución óptima
no cambie. Para este caso determine el intervalo de variación de la utilidad total.

Sea en términos generales la función objetivo

Z=C1X1+C2X2,

donde inicialmente en el ejemplo

C1=8.640 y C2=6.780.

La pendiente de las curvas de nivel de la función objetiva es -C1/C2. De este modo se conserva
la actual solución óptima (vértice C) en la medida que:

En este caso la utilidad por hectárea del tabaco Virginia puede variar entre 6.780 USD y 9.040
USD, de tal forma que el actual nivel de producción (solución óptima) sería el mismo. Lo
anterior permite concluir que el intervalo de variación para la utilidad total será

Precio Sombra (Método Gráfico)

Si se pudiese contratar más mano de obra disponible en el mercado, ¿Cuántas horas de

mano de obra en total estaría dispuesto a utilizar? ¿Cuál sería el aporte adicional de esas
horas extras que utilizaría en términos monetarios? Responda lo anterior utilizando el
concepto de Precio Sombra.

Calcular gráficamente el precio sombra

1. Identificar la máxima y mínima variación para el lado derecho de la restricción de mano de

obra que permita garantizar que se conserva la actual base óptima (restricciones activas
originales).
2. En el caso de aumentar el lado derecho de dicha restricción la solución óptima podrá ser
encontrada manteniendo las restricciones activas (e incorporando una adicional) hasta la
coordenada (20,65) que es donde se interceptan la segunda y tercera restricción.
3. Si el caso es disminuir la disponibilidad de horas en mano de obra se mantiene la base
óptima hasta el vértice B cuya coordenada es (0,85).
4. De esta forma se obtiene el precio sombra de la siguiente forma:
En consecuencia el lado derecho de la restricción 4 (disponibilidad de mano de obra) puede
variar entre:

[5.100, 5.500]

y se conservan las actuales restricciones activas. Adicionalmente dado que en el óptimo actual
se utilizan 5.420 horas de mano de obra se deben contratar 80 horas adicionales (de modo de
alcanzar las 5.500 horas).

Luego, la variación de 80 horas adicionales implicaría un aumento en la utilidad total

de 80*USD93=7.440USD.

PROBLEMAS PARA RESOLVER

1. Un a c om pañ í a f abr i c a y v e nd e n d os m od e los de l ám par a L 1 y L 2 . P ar a s u

f abr ic ac i ó n s e n ec es i t a un tr a baj o m a nu a l d e 20 m in ut os p ar a el m ode lo L 1 y
de 30 m in ut os p ar a e l L 2 ; y u n tr a baj o d e m áq u i na d e 2 0 m in ut os p ar a e l
m ode lo L 1 y d e 1 0 m in ut os par a L 2 . S e d is p o ne p ar a e l tr ab aj o m anu a l de 1 0 0
hor as a l m es y p ar a l a m áq u in a 8 0 hor as a l m es . S a bi e n do q u e e l b e n ef ic io
por u n id a d es d e 1 5 y 1 0 e ur os p ar a L 1 y L 2 , res p ec t i v am en te , p la n if ic ar la
pro d uc c ió n p ar a o bt en er e l m áx im o b e nef ic i o .

So lu ció n

1. El e cc ión d e l as in có g nit as .
x = nº de lám pa r as L 1
y = n º de lám pa r as L 2

2.F un ció n o bj et iv o

f (x , y) = 1 5x + 10 y

3. Re st ri c cio ne s

P as am os l os t iem pos a h or as
20 m in = 1/ 3 h
30 m in = 1/ 2 h
10 m in = 1/ 6 h

P ara es c r i b ir l as r es tr i c c i on es v am os a a yu d arn os d e u n a ta b la :

L1 L2 T iempo
M anual 1/ 3 1/ 2 10 0
M áquina 1/ 3 1/ 6 80

1/ 3x + 1/ 2 y ≤ 1 0 0

1/ 3x + 1/ 6 y ≤ 8 0

Com o e l n úm er o de l ám par as son n ú m eros na tu ra l es , te ndr em os d os

res tr ic c i on es m ás :

x ≥ 0

y ≥ 0
4. Ha ll a r el con junt o de so lu cio ne s fa ct ibl es
T enem os q ue r epr es e nt ar gr áf ic am en te las r es tr ic c i on es .
A l s er x ≥ 0 e y ≥ 0, tr ab aj ar em os e n e l pr im er c u adr a nt e.
Re pr es e n tam os l as r e c tas , a p art ir d e s us p un t os de c ort e c o n l os ej es .
Res o l vem os gr áf ic am ent e l a i n ec u ac ió n : 1/ 3 x + 1/ 2 y ≤ 1 00 ; p ar a e l lo
tom am os u n p un t o de l p la n o, p or ej em pl o e l ( 0, 0).

1/ 3· 0 + 1 /2 · 0 ≤ 1 00
1/ 3· 0 + 1 /6 · 0 ≤ 8 0

La zo n a d e i nt er s ec c ió n d e l as s o luc i on es d e l as i n ec u ac i on es s er í a l a
s o luc i ón al s is t em a de i n ec u ac i on es , qu e c o ns t i tu ye e l c o nj u nt o d e l as
s o luc i on es f ac t i b les .

5. C a lc u l ar l as c o or de na d as d e l os v ért ic es de l rec i n to d e l as s o l u c i on es
f ac t ib l es .
La s ol uc i ón ó p tim a s i es ú nic a s e e nc ue n tra en un vér t ic e de l rec i n to . Es tos
s on las s ol uc i on es a l os s is tem as :
1/ 3x + 1/ 2 y = 1 0 0; x = 0 ( 0, 20 0)
1/ 3x + 1/ 6 y = 8 0 ; y = 0 ( 24 0 , 0)
1/ 3x + 1/ 2 y = 1 0 0 ; 1 / 3 x + 1/ 6 y = 80( 2 10 , 6 0)
6. C al cu la r e l v alo r d e la f un c ión ob jet iv o
E n l a f u nc i ón o bj et i v o s us t i tu im os c ad a u n o de los v ért ic es .
f (x , y) = 1 5x + 10 y
f (0, 2 00) = 1 5· 0 + 1 0· 20 0 = 2 0 00 €
f (24 0, 0 ) = 15· 2 40 + 1 0· 0 = 3 6 0 0 €
f ( 21 0, 6 0) = 15· 2 1 0 + 10· 6 0 = 3 75 0 € M áx im o

La s ol uc i ón ó p tim a es f abr ic a r 21 0 d el mod e lo L 1 y 6 0 d el mo de lo L 1 p ar a

ob t en er u n b en ef ic i o d e 3 7 50 €

3. Co n e l c om ie n zo de l c ur s o s e v a a l a n zar u nas of er tas d e m ate ri a l

es c o l ar. Un os a lm ac e nes qu i er en of rec er 6 00 c ua d er nos , 5 00 c arp e tas y
40 0 b ol í gr af os p ar a la of er ta , em paq u et á nd o lo d e dos f orm as d is ti n tas ; e n
e l pr im er b l oq u e po n dr á 2 c ua d ern os , 1 c arp e ta y 2 bo l íg raf os ; e n e l
s eg u nd o , p o ndr á n 3 c ua d er nos , 1 c ar pe t a y 1 b o lí gr af o. L os pr ec i o s de c a da
pa q ue t e s er án 6 . 5 y 7 € , r es pec t i vam en t e. ¿Cu á nt os p a qu et es l e c o n v ie n e
po n er d e c a da t i po par a o bt en er e l m áx im o b en ef ic i o ?

E n un a gr anj a de po l l os s e da u n a d i et a, p ar a e n g ord ar , c o n un a
c om pos ic ió n m ínim a d e 1 5 u n i da d es d e u n a s us t anc i a A y o t ras 1 5 d e u n a
s us t a nc i a B . E n e l m e r c ad o s ó l o s e e nc u e nt ra d os c l as es d e c om p ues t os : e l
ti p o X c o n u na c om po s ic ió n d e u na un i da d de A y 5 d e B, y e l ot ro t ip o, Y,
c on un a c om pos ic i ó n de c i nc o un i d ad es d e A y u na d e B . E l prec i o d e l t ip o
X es d e 10 e ur os y de l t i po Y es d e 3 0 €. ¿Q ué c a nt i d ad es s e ha n d e
c om prar de c a da t i po p ar a c u bri r l as nec es i da d es c o n un c os t e
m ínim o? So luc ión

4. S e d is p o ne d e 60 0 g de u n de t erm in ad o f árm ac o pa ra e l ab or ar pas t i ll a s

gra n d es y p e qu e ñas . Las gr a nd es pes a n 40 g y l as p e q ue ñ as 30 g . Se
nec es it a n a l m en os tr es p as t i l l as gr a nd es , y al m en os e l d ob l e de pe q ue ñ as
qu e d e l as gr an d es . C ad a p as t i l l a gr an d e pr op orc i on a u n b en ef ic i o d e 2 € y
la pequeña de 1 €. ¿Cuántas pas tillas s e han de elaborar de c ada c las e
par a q u e e l b en ef ic i o s ea m áx im o?

5. U n os gr an d es a lm ac en es d es ea n l i q ui d ar 2 0 0 c am is as y 10 0 p an t al o nes de
l a t em por a da a n ter i or . Pa r a e l l o l an za n , d os of ert as , A y B . L a of ert a A
c ons is te en u n lo te d e u na c am is a y u n p a nt a ló n , qu e s e v en d e n a 3 0 €; la
of ert a B c o ns is t e e n u n l ot e de tr es c am is as y u n p an t al ó n, q u e s e v e nd e a 5 0
€. No s e d es e a of r ec e r m enos de 2 0 l ot es d e la of er t a A n i m en os de 1 0 de l a
B. ¿ Cu á nt os l ot es h a de v en d er d e c ad a t i p o p ara m ax im i zar la g an a nc ia ?