Cap 1.

La Investigación de
Operaciones y Construcción
de Modelos Lineales
 1.1 RESUMEN
HISTORICO
1873 , Jordan desarrolla modelos lineales.
1874 Walras incursiona en modelos primitivos de la
programación matemática.
1896 Minkowsky aplica modelos matemáticos
basados en el Cálculo Diferencial e Integral para la
programación.
 1.1 RESUMEN
HISTORICO
1939. Científicos ingleses convocados para utilizar equipos de
radar, para la localización de aviones enemigos.

1939, este grupo británico es considerado el núcleo del primer

equipo de Investigación de Operaciones.

1940, encabezados por el físico británico P. M. S. Blackett se

reconoce al primer equipo interdisciplinario formado por 11
científicos. Las actividades realizadas por este grupo, fue
conocida en Inglaterra como "Investigación Operacional".

1947, el norteamericano George Dantzing, resume los trabajos

de los precursores del Método Simplex, dando origen a la
Programación Lineal, que es la utilización del Álgebra Lineal
en la resolución de problemas de asignación de recursos
 1.1 RESUMEN
HISTORICO
Concluida la Segunda Guerra Mundial hasta finales de 1950 la
expansión de la Investigación de Operaciones (I. O.) se hace
evidente.

o Líneas de Espera
o Teoría de Inventarios Arrow, Karlín, Scark, Whitin
o Programación Dinámica, Bellman
o Programación No-Lineal Kuhn y Tucker
o Programación Entera, Gomory
o redes de optimización Fulkerson y Ford
o Simulación por Markowitz.
o El Análisis de Decisiones de Raiffa,
o Procesos Markovianos. Howard

• La generalización de Investigación de Operaciones, han

tratado de darla Churchman,Ackoff y Arnoff.
1.2 DEFINICION DE I.O.
“La I.O. es la aplicación, por grupos interdisciplinarios, del
método científico a problemas relacionados con el control de
las organizaciones o sistemas (hombre - máquina) a fin de
que se produzcan soluciones que mejor sirvan a los objetivos
de toda la organización”

SOCIEDAD AMERICANA DE INVESTIGACIÓN DE OPERACIONES,

(ORSA).

“La Investigación de Operaciones está relacionada con el

mejor diseño y operación del sistema (hombre-máquina)
usualmente bajo ciertas condiciones y requiriendo la
asignación de recursos escasos.”
 1.3 DEFINICIÓN DE MODELO .
• “Representación o abstracción de un objeto o
situación real, que muestra las relaciones directas o
indirectas y las interrelaciones, de acción y
reacción, causa efecto, con el fin de solucionar
problemas”
 1.4 CLASIFICACIÓN DEL MODELO.
1. ICÓNICOS.-
o avión de juguete

2. ANÁLOGOS O ANALÓGICOS.-
o Termómetro

3. SIMBÓLICOS O MATEMÁTICOS.-
1.5 CLASIFICACIÓN Y ESTRUCTURA DEL
MODELO MATEMÁTICO.
A) CUALITATIVOS - CUANTITATIVOS.
- Cualitativos.
o La maqueta de una obra arquitectónica
- Cuantitativos.
o El CPM (Método del Camino Crítico),
o PERT (Técnica de Evaluación y Revisión de Programas),
1.5 CLASIFICACIÓN Y ESTRUCTURA DEL
MODELO MATEMÁTICO.
B) ESTÁNDAR - HECHO A LA MEDIDA
- Estándar.

- Modelo hecho a la medida.

o Presupuestos
 1.5 CLASIFICACIÓN Y ESTRUCTURA DEL
MODELO MATEMÁTICO.
C) PROBABILÍSTICO - DETERMINÍSTICO.
Probabilísticos o estocásticos.- al menos una
variable no controlable es incierta y está sujeta
a variación.
• Análisis de decisiones

Determinísticos.- se tiene total certeza de lo que

sucederá
• Programación lineal
1.5 CLASIFICACIÓN Y ESTRUCTURA DEL
MODELO MATEMÁTICO.
D) DESCRIPTIVOS - DE OPTIMIZACIÓN
- Descriptivos.
• Un mapa de división política,
- De optimización. Comúnmente iterativos por
naturaleza, respuesta final llega a pasos y cada
nueva iteración se acerca a la solución del nivel
óptimo.
• La programación Lineal
 1.5 CLASIFICACIÓN Y ESTRUCTURA DEL
MODELO MATEMÁTICO.
E) ESTÁTICO - DINÁMICO.
- Estático.- respuesta para una serie especial de
condiciones fijas que probablemente no
cambiarán significativamente a corto plazo.
• Ruta más corta

- Dinámico. Está sujeto al factor tiempo, ya que

desempeña un papel esencial en la secuencia de
decisiones.
• Modelos de Asignación de Presupuestos a
diversos proyectos.
 1.5 CLASIFICACIÓN Y ESTRUCTURA DEL
MODELO MATEMÁTICO.
F) SIMULACIÓN - NO SIMULACIÓN.
- Simulación. hacen réplica del comportamiento y
modelan la operación del sistema, haciendo uso
de números aleatorios, los resultados obtenidos
generalmente son imprecisos.

- No simulación. Estadísticamente hablando, no

realiza experimentos sobre los datos de una
muestra más que sobre el universo entero.
1.5 CLASIFICACIÓN Y ESTRUCTURA DEL
MODELO MATEMÁTICO.

“Todos los modelos son de

simulación”
1.5 CLASIFICACIÓN Y ESTRUCTURA DEL
MODELO MATEMÁTICO.
En la Investigación de Operaciones los modelos son
casi siempre matemáticos

Donde:
U : utilidad o valor de la ejecución del
sistema
F : es la función o la relación entre las variables
xi: variables independientes
yj: variables dependientes.
 1.5 CLASIFICACIÓN Y ESTRUCTURA DEL
MODELO MATEMÁTICO.
En todo modelo matemático se distinguen tres
conjuntos de elementos:
1) Variables y parámetros de decisión.
2) Restricciones o limitantes.
3) Función objetivo.

El éxito del Modelo Matemático dependerá en gran

medida de la precisión con la que se hayan
expresado la función objetivo y las restricciones a
las que está sujeta ésta, en términos de ecuaciones
matemáticas.
 1. 6 FASES DEL ESTUDIO DE
INVESTIGACIÓN DE OPERACIONES.
• 1) Estudio de la organización.
 1. 6 FASES DEL ESTUDIO DE
INVESTIGACIÓN DE OPERACIONES.
• 2) Interpretación de la organización como un
sistema.
 1. 6 FASES DEL ESTUDIO DE
INVESTIGACIÓN DE OPERACIONES.
• 3) Aplicación del Método Científico, Según
Churchman, Ackoff, Arnoff1, consiste en las
siguientes fases:

o I. FORMULACIÓN DEL PROBLEMA.

o II. CONSTRUCCIÓN DEL MODELO MATEMÁTICO
o III. DERIVACIÓN DE LA SOLUCIÓN A PARTIR DEL
MODELO.
o IV. COMPROBACIÓN DEL MODELO Y DE LA SOLUCIÓN
DERIVADA .
o V. APLICACIÓN DE LA SOLUCIÓN, (EJECUCIÓN).
 1.8 Modelo General de Programación
Lineal
• La Programación Lineal (PL), se ocupa de
los problemas de asignación de recursos
que son limitados, y que se destinarán a dos
o más actividades simultáneas.
• Trabaja con funciones exclusivamente
lineales, y la palabra "programación",
indica una serie de pasos lógicos que
permiten procesar distintos problemas bajo
un mismo principio
• Su objetivo es maximizar o minimizar una
función objetivo.
 1 Modelo General de Programación Lineal
Sea Y un fenómeno económico resultante de muchos
fenómenos elementales ei.
Admitimos que goza de la ley de composición
aditiva; por tanto:

También se admite que todo efecto elemental ei es

proporcional a su causa xi
 1 Modelo General de Programación Lineal
Por tanto:

Si en un problema m efectos son todos proporcionales a n causas,

entonces el problema puede ser descrito por m formas lineales
independientes
 1 Modelo General de Programación Lineal
Considérese ahora que los efectos no pueden ser ilimitados;

Considerando otro efecto m+1 que sintetiza el

grado de realización del fin que interesa optimizar
y, respetando las limitaciones de los m efectos
anteriores
Ym+1= am+1,1x1+am+1,2x2+..........+am+1,jxj+.........+ am+1,nxn

Hacemos la siguiente sustitución:

Y obtenemos:

n
Z  c1x1  c 2 x 2  .......  cn xn   c j x j
j 1
 1 Modelo General de Programación Lineal
En los problemas de programación lineal, interesa conocer
un extremo del efecto Z, para el cual existe un
condicionamiento dado por los m efectos anteriores.
Por otra parte los xj son necesariamente no negativos,
porque carece de sentido en problemas de naturaleza
física o económica
En resumen se tiene:

P.L.
 1 Modelo General de Programación Lineal
También podemos representarlo en forma
matricial

Cualquier problema cuya formulación matemática haga uso de

este modelo es un MODELO de PROGRAMACION LINEAL
1 Modelo General de Programación Lineal

Al multiplicar la matriz A por el

vector x, se cumple la regla de que
el número de columnas en la matriz
A debe ser igual al número de filas del
vector columna x.
 1 Modelo General de Programación Lineal

Por tanto:
Opt. Z = Cx Funcion Objetivo

s.a. Ax b
P.L. Restricciones

x≥0
Condiciones de no
negatividad
 2 FORMULACIÓN DE PROBLEMAS
DE PROGRAMACIÓN LINEAL
Sugerencias:

• Separar la información necesaria de la información

que no se requiere en la construcción del modelo.
Si es necesario organizar adecuadamente la
información en cuadros o tablas.
• Definir en forma apropiada las variables de
decisión X1, X2,..., Xn y la función objetivo.
• Construir la función objetivo en términos de las
variables de decisión. No se olvide considerar el
análisis de dimensiones, que consiste en verificar
que las unidades del lado izquierdo de una
igualdad o desigualdad coincidan con las
unidades del lado derecho.
 2 FORMULACIÓN DE PROBLEMAS
DE PROGRAMACIÓN LINEAL
• Sugerencias….

• Construir las restricciones en términos de las

variables de decisión, de acuerdo con los aspectos
mencionados en el numeral anterior.
• Cerciorarse de que está claro el significado de
expresiones como: por lo menos, a lo sumo, como
máximo, cuando mucho, al menos, como mínimo,
entre otras.
• No olvidar incluir todas las restricciones.
• Expresar las restricciones implícitas o que aparecen
disimuladas en el problema, pero que son claras
por la naturaleza de las variables. Por ejemplo, las
variables por su naturaleza pueden requerir que
sean no negativas o enteras, o pueden carecer de
restricciones.
Maximización
 Maximización

Max Z = Cx xj.- Cantidad del producto j a

producir
Cj.- Rendimiento unitario del
producto j
s.a. Ax ≤ b bi.- Cantidad disponible del
recurso i
Aij.- Cantidad del recurso bi
x≥0 necesaria para fabricar una
unidad del producto xj
 2 FORMULACIÓN DE PROBLEMAS
DE PROGRAMACIÓN LINEAL
Ejemplo 1
Una empresa donde se produce sillas y mesas, tiene una ganancia
por mesa de tres 3 dólares. Para construir una, necesita invertir 2
horas máquina y 1 hora hombre. Para la empresa producir una silla
necesita invertir 6 horas máquina y 4 horas hombre, donde tiene una
ganancia de 5 dólares por silla. Nuestro máximo disponible por
horas máquinas será de 12 y el máximo disponible para horas
hombre será de 6

Máx Disponible: 12 6
 2 FORMULACIÓN DE PROBLEMAS
DE PROGRAMACIÓN LINEAL
x1 .- mesas
x2.- sillas
Función Objetivo:

Restricciones:

No negatividad:
 Ejemplo 2:
Una fábrica elabora sobre una máquina, tres
productos diferentes P1,P2 y P3 trabajando 40 hrs.
semanales.

Los rendimientos económicos de estos son 140, 100 y 75

um. Respectivamente. Las velocidades de
producción de P1,P2 y P3 son 50 pza/hr., 25 pz/hr y 75
pza/hr.

Se sabe por otro lado que el mercado para estos

productos es cuando más 1000 pzas para P1, 500
pzas. Para P2 y 1500 pzas para P3 por semana.

¿Qué cantidad de los productos P1, P2 y P3 debe

elaborar la fábrica para un rendimiento económico
óptimo?
 Ejemplo 2:
Solución:
X1= cant. Prod.. de P1([pzP1])
X2= cant. Prod.. de P2([pzP2])
X3= cant. Prod.. de P3([pzP3])

Restricciones de
mercado
Ejemplo 2:
 Ejemplo 3:
Un centro productivo compuesto de tres talleres T1,T2 y T3 elabora 3 productos diferentes P1,P2 y
P3. Las horas de trabajo límite de los talleres son respectivamente 440, 350 y 110 por más.
Los productos son elaborados en los talleres con los rendimientos y los pasos indicados a
continuación:

Producto P1 Talleres ocupados T1 T3 T2 T3

Rendimiento horario [pz/hr] 1 15 20 10
Producto P2 Talleres ocupados T1 T2 T3
Rendimiento horario [pz/hr] 1.5 4 12
Producto P3 Talleres ocupados T2 T3
Rendimiento horario [pz/hr] 5 15

Las demandas mensuales de los productos son no mas de 200, 400 y 600 pzs respectivamente.
Los precios de venta unitarios de los productos son 500, 300 y 700 u.m. respectivamente y el costo
de producción y almacenaje es el mismo para los tres e igual a 250 u.m.

¿Cuál sería el mejor plan mensual de producción de estos productos?

Ejemplo 3:
Ejemplo 3:
 Ejemplo 4
• Un fabricante de muebles tiene 6 unidades de
maderas y 28 horas disponibles, durante las cuales
fabricará biombos decorativos. Con anterioridad,
se han vendido bien 2 modelos, de manera que se
limitará a producir estos 2 tipos. Estima que el
modelo uno requiere 2 unidades de madera y 7
horas de tiempo disponible, mientras que el
modelo 2 requiere una unidad de madera y 8
horas. Los precios de los modelos son 120 dls. y 80
dls., respectivamente. ¿Cuántos biombos de cada
modelo debe fabricar si desea maximizar su ingreso
en la venta?
• Solución:
Max Z= 120X1 +80X2
s.a. 2X1 + X2 ≤ 6
7X1 + 8X2 ≤ 28
X!,X2 ≥ 0
 Ejemplo 5
Una firma de contadores públicos especializados en preparar
liquidaciones y pago de impuestos y también auditorías en
empresas pequeñas.
El interés es saber cuantas auditorías y liquidaciones pueden
realizar mensualmente, de tal manera que obtengan los
máximos ingresos.
Se dispone de 800 horas para trabajo directo y dirección y 320
horas para revisión.
Una auditoría en promedio requiere de 40 horas de trabajo
directo y dirección y 10 horas de revisión, además aporta un
ingreso de 300 dls.
Una liquidación de impuestos requiere de 8 horas de trabajo
directo y dirección y 5 horas de revisión y produce un ingreso de
100 dls.
Se pueden realizar tantas auditorías como se desee, pero el
máximo de liquidaciones mensuales disponibles es de 60.
Encontrar la máxima utilidad.
• Solución:

Max Z= 300X1 + 100X2

s.a. 40X1 + 8X2 ≤ 800
10X1 + 5X2 ≤ 320
X2 ≤ 60
X!,X2 ≥ 0
Restriciones como consecuencia de
relación entre las variables
Supongamos que en el ejemplo 1, se requieren añadir las
siguientes restricciones que no son del tipo producto-
recurso ni restricciones de mercado:

A) El total de muebles debe ser al menos de 10 unidades:

X1[mesas]+x2[sillas]>=10[objetos]
No se pueden sumar sillas + mesas y las unidades del lado
derecho son objetos.

Para resolver esta situación hagamos la siguiente relación:

1mesa/1 objeto y 1 silla/1 objeto. Por tanto se tiene:
𝑜𝑏𝑗𝑒𝑡𝑜 𝑜𝑏𝑗𝑒𝑡𝑜
𝑥1 𝑚𝑒𝑠𝑎 1 + 𝑥2 𝑠𝑖𝑙𝑙𝑎 1 ≥ 10 𝑜𝑏𝑗𝑒𝑡𝑜
𝑚𝑒𝑠𝑎 𝑠𝑖𝑙𝑙𝑎
B) Supongamos que se quiere añadir la siguiente
restricción:
El carpintero vende las mesas en conjunto con 4 sillas,
pero puede vender sillas sueltas.
Esto implica que por cada mesa que construye, debe
fabricar al menos 4 sillas.
La relación es: 1mesa/4 sillas y la restricción será:
4 𝑠𝑖𝑙𝑙𝑎𝑠
𝑥1 𝑚𝑒𝑠𝑎 ≤ 𝑥2 𝑠𝑖𝑙𝑙𝑎𝑠
1 𝑚𝑒𝑠𝑎
O sea:
4𝑥1 − 𝑥2 ≤ 0
 Ejemplo 6
Una tienda de comestibles vende dos tipos de bebidas:
La marca sabor a cola A1 y la marca propia de la tienda A2 de
cola, más económica.
El margen de utilidad en la bebida A1 es de 5 centavos de dólar
por lata, mientras que la bebida de cola A2 suma una ganancia
de 7 centavos por lata.
En promedio, la tienda no vende más de 500 latas de ambas
bebidas de cola al día.
Aún cuando A1 es una marca más conocida, los clientes
tienden a comprar más latas de la marca A2, porque es
considerablemente más económica.
Se calcula que las ventas de la marca A2 superan a las de la
marca A1 en una razón 2:1 por lo menos.
Sin embargo, se vende, como mínimo, 100 latas de A1 al
día. ¿Cuántas latas de cada marca debe tener en existencia la
tienda diariamente para maximizar su utilidad ?
• Solución:

MAX Z = 5 X1 + 7X2
Sujeto a:
X1 + X2 < = 500
-X1 + X2 > = 0 Restricciones de relación entre las
-2X1 + X2 > = 0 variables
X1 > = 100
X1,X2>=0
 Ejemplo 7
BFC emplea a cuatro carpinteros durante 10 días
para ensamblar mesas y sillas.
Se requieren 2 horas para ensamblar una mesa y 30
minutos para ensamblar una silla.
Por lo común, los clientes compran entre cuatro y seis
sillas con cada mesa.
Las utilidades son de $ 135 por mesa y $ 50 por silla.
La compañía opera un turno de 8 horas al día.
Formular el P.L. que permita encontrar la ganancia
máxima.
• Solución:

Max Z= 135X1 + 50X2

s.a. 4X1 + X2 ≤ 160
4X1 - X2 ≤ 0
-6X1 + X2 ≤ 0
X!,X2 ≥ 0
 Ejemplo 8
Juan es un estudiante emprendedor de primer año de
universidad.
Juan quiere distribuir su tiempo disponible, de alrededor de
10 horas al día, entre el estudio y la diversión.
Calcula que el juego es dos veces más divertido que el
estudio.
También quiere estudiar por lo menos tanto como juega.
Sin embargo, Juan comprende que si quiere terminar
todas sus tareas universitarias, no puede jugar más de
cuatro horas al día.
¿ Cómo debe distribuir Juan su tiempo para maximizar su
satisfacción tanto en el estudio como en el juego.?
Solución:
MAX Z = 2 X1 + X2
Sujeto a;
X1 + X2 < = 10
- X1 + X2 > = 0
X1 <=4
X1 , X2 > = 0
Minimización
 Minimización

Min Z = Cx xj.- Cantidad necesaria del

recurso j
Cj.- Costo unitario del recurso j
bi.- Cantidad necesaria del
s.a. Ax ≥ b producto i
Aij.- Cantidad del producto bi
que se puede fabricar con una
x≥0 unidad del recurso cj
 Ejemplo 9
Una compañía química programa la producción de ciertos tipos de
mezclas, donde el material M es igual a 8 dólares por paquete y con
un peso de 4 kilos, el material N es igual a 5 dólares por paquete con
un peso de 2 kilos.
Se requiere 100 kilos de la mezcla y se necesita emplear no menos de
20 paquetes de N para hacer la mezcla.
¿Cuántos paquetes de M y N se deben usar para minimizar los
costos?
 Ejemplo 10:
Una cooperativa agroganadera puede comprar y mezclar 3 tipos de
alimentos, cada uno de los cuales contiene cantidades diferentes de
cuatro componentes nutricionales A, B, C y D como se indica en la
tabla siguiente:

Cada mezcla servirá para la alimentación del ganado, rubro de

producción importante de la cooperativa. Las cantidades totales de
componentes nutricionales deben ser semanalmente 125, 450, 130
y 650 unidades de A, B, C y D respectivamente.
El costo de los alimentos es 40 u.m. , 30 u.m., y 85 u.m. ,
respectivamente
Si la unidad de tiempo para la planificación de suministros de mezcla
es la semana, plantear un P.L. con los datos que se disponen, con
ayuda del cual se pueda determinar la mejor forma de comprar y
suministrar los alimentos al ganado efectuando el menor costo.
 Ejemplo 10:
Solución.-
Sea X1 = cant. de alimento 1 comprado
X2 = cant. de alimento 2 comprado
X3 = cant. de alimento 3 comprado
El costo total es: 40X1 + 30X2 + 85X3
Restricciones: X1 + ½ X2 + X3 ≥ 125
4X1 + 2X2 ≥ 450
3X1 + 4X2 + 6X3 ≥ 130
X2 + 8X3 ≥ 650
El modelo lineal es:

Min Z = 40X1 + 30X2 + 85X3

Sujeto a: 2X1 + X2 + 2X3 ≥ 250
4X1 + 2X2 ≥ 450
3X1 + 4X2 + 6X3 ≥ 130 P.L.
X2 + 8X3 ≥ 650
X1,X2,X3 ≥ 0
 Ejemplo 11
• El departamento de control de calidad de una
empresa que fabrica autopartes, desea contratar
personal tanto senior como junior, para las inspecciones
de sus productos.
• El personal senior recibe por su jornada de 8 hrs., Bs188 y
realiza su labor a una tasa promedio de 30 inspecciones
por hora, con un rendimiento del 99%.en cambio el
personal junior, recibe Bs150 por su jornada, realizando
25 inspecciones por hora, con un rendimiento del 95%.
• La demanda diaria de inspecciones es de 1600
unidades y el personal senior a contratar, no debe ser
mayor que el personal júnior.
• Si las ensambladoras aplican una multa de Bs 5 por
cada unidad defectuosa, ¿cuánto de personal senior y
júnior, se debe contratar?
 Ejemplo 11
SOLUCION:
La formulación del modelo al problema de minimización
seria:
X1: Numero de personal senior a contratar
X2: Numero de personal junior a contratar

La función objetivo consiste en minimizar los costos de salario

y los de multas por unidad defectuosa
Z = Salario + Multa
𝐵𝑠 𝐵𝑠
Salario = 188 𝑆𝑟
X1 𝑆𝑟 + 150 𝐽𝑟
X1 𝐽𝑟
𝐼𝑛𝑠𝑝 ℎ𝑟 𝑓𝑎𝑙𝑙𝑎𝑠 𝐼𝑛𝑠𝑝
Multa = (30 ℎ𝑟𝑎−𝑆𝑟 *8 *0.01 X1 𝑆𝑟 + 25 *8
𝐼𝑛𝑠𝑝 ℎ𝑟𝑎−𝐽𝑟
ℎ𝑟𝑎 𝑓𝑎𝑙𝑙𝑎𝑠 𝐵𝑠
*0.05 𝐼𝑛𝑠𝑝 X2 𝐽𝑟 )*5 𝑓𝑎𝑙𝑙𝑎
= 12X1 + 50X
Luego la función objetivo es:
Min Z = 200X1+ 200X2
 Ejemplo 11
sujeta a las restricciones:

30(8) X1+25(8) X2>=1600 (Demanda diaria)

X1<= X2 (Relación personal)

Finalmente el modelo se reduce a:

MinZ = 200X1 + 200X2
S.A.: 6X1+ 5X2 >=40
X1 - X2 <=0
X1, X2 >=0
 Ejemplo 12
Un distribuidor de ferretería planea vender paquetes de tornillos
de tamaños mezclados.
Cada paquete pesa por lo menos 2 libras. Tres tamaños de
tornillos componen el paquete y se compran en lotes de 200
libras. Los tamaños 1, 2 y 3 cuestan respectivamente
$20, $8 y $12,
además:
a) El peso combinado de los tamaños 1 y 3 debe ser al menos la
mitad del peso total del paquete.
b) El peso de los tamaños 1 y 2 no debe ser mayor que 1,6 libras
c) Cualquier tamaño de tornillo debe ser al menos el 10% del
paquete total

Cuál será la composición del paquete que ocasionará un costo

mínimo ?
 Ejemplo 12
Solución:
Compra lotes de 200 lbs.
Vende bolsas de al menos 2 Libras cada una

X1= Peso de tornillos del tamaño 1 en la bolsa

X2= Peso de tornillos del tamaño 2 en la bolsa
X3= Peso de tornillos del tamaño 3 en la bolsa

Observe que:
20/200 es lo que vale una libra de tornillos tipo 1
8/200 es lo que vale una libra de tornillos tipo 2
12/200 es lo que vale una libra de tornillos tipo 3

Min Z = 20/200 X1 + 8/200 X2 + 12/200 X3 = 0.1X1 + 0.04X2 + 0.06X3

 Ejemplo 12
Restricciones:
X1 + X2 + X3 ≥ 2 (El paquete debe ser al menos de 2
libras )
X1 + X3 ≥ (X1 + X2 + X3) / 2 (Los tamaños 1 y 3 al
menos la mitad del peso)
X1 + X2 ≤ 1,6 (Los tamaños 1 y 2 no deben ser mayor
de 1,6 lbs )
X1 ≥ 0,1 (X1 + X2 + X3) (El tamaño 1 debe ser al
menos el 10% del total )
X2 ≥ 0,1 (X1 + X2 + X3) (El tamaño 2 debe ser al
menos el 10% del total )
X3 ≥ 0,1 (X1 + X2 + X3) (El tamaño 3 debe ser al
menos el 10% del total )
 Ejemplo 12
RESUMIENDO:
Min Z = 0,1X1 + 0,04X2 + 0,06X3

s.a. X1 + X2 + X3 ≥ 2
X1 - X2 + X3 ≥ 0
X1 + X2 ≤ 1,6
9X1 - X2 - X3 ≥ 0
-X1 + 9X2 - X3 ≥ 0
-X1 - X2 + 9X3 ≥ 0
X1, X2, X3 ≥ 0
 EJEMPLO 13
Una compañía de transporte de carga tiene 10
camiones con capacidad de 20 ton y 5 camiones de
15 ton de capacidad.
Los camiones grandes tienen costos de operación de
0.30 $us/km y los mas pequeños de o.25 $us/Km.
La compañía debe transportar 200 ton de malta para
un recorrido de 800 km.
La posibilidad de otros compromisos impone que por
cada dos camiones pequeños mantenidos en reserva
debe quedarse por lo menos uno de los grandes.
Se pregunta: ¿Cuál es el número óptimo de camiones
de ambas clases que deben movilizarse para
transportar la malta?
 EJEMPLO 13
Solución:
Del enunciado se deduce el siguiente cuadro:
Camiones Variables Costo de Camiones en
Operación reserva

Grandes X1 0.30 x 800 10 - X1

Pequeños X2 0.25 x 800 5 – X2

La F.O. es la resultante de los costos incurridos en la

operación de transportar la malta en el recorrido de 800
Km

Min Z = 240 X1 + 200 X2

 EJEMPLO 13
Las restricciones son:
DISPONIBILIDAD DE UNIDADES
X1 ≤ 10
X2 ≤ 5

CANTIDAD TRANSPORTADA
20 X1 + 15 X2 ≥ 200

POSIBILIDAD DE FUTUROS COMPROMISOS

(5−𝑋2)
≤2
(10−𝑋1)
 EJEMPLO 13
Luego el P.L. es e3l siguiente:

Min Z = 240 X1 + 200 X2

s.a. X1 ≤ 10
x2 ≤5
4X1 + 3X2 ≥ 40
2X1 - X2 ≤ 15
X1, X2 ≥ 0
 Ejemplo 14
Para una jornada de 24 horas, una cafetería está
requiriendo los siguientes mozos:

Cada mozo trabaja 8 horas consecutivas por día. El

objetivo es encontrar el número menor de mozos que
cumplan con los requerimientos.
 Ejemplo 14
Solución: Resolveremos el problema con ayuda del
siguiente gráfico.
2 6 10 14 18 22 2
 Ejemplo 14
La Función Objetivo es:
Min Z = x1 + x2+ x3+ x4+ x5+ x6
s.a. x1 + x2 ≥ 8
x2 + x3 ≥ 10
x3 + x4 ≥7
x4 + x5 ≥ 12
x5 + x6 ≥4
x1 + x6 ≥ 4

x1,x2,x3,x4,x5,x6 ≥ 0