Ejercicios PPL1

Introduccin - Investigacin de
Operaciones
Una decisin puede ser clasificada en estructurada si envuelve una serie de
factores que
puedan ser cuantificados y luego formulados en trminos matemticos. La
Investigacin de
Operaciones es una herramienta de apoyo a la decisin estructurada, y durante
el presente
curso vamos ver que algunos problemas pueden ser formulados
matemticamente.
Para mostrar los factores que intervienen en la formulacin de un problema de
programacin lineal, utilizaremos una situacin problemtica basada en el
juego a doble
mano. A este problema denominaremos El planeamiento de un jugador.
Resulta que Paquito est saliendo con dos de sus vecinas, llamadas Katy y
Fiorella. Por tal
motivo debe tomar la decisin con quien de las vecinas debe salir. Obviamente,
lo primero
que pasa por su cabeza, es salir con las dos al mismo tiempo, cierto?, pero salir
con las dos
al mismo tiempo puede causar problemas dado que ellas no aceptaran salir
juntas sobre
todo porque se sabe que son muy celosas.
Por otro lado, salir todo el da con una vecina no es muy bueno
econmicamente dado que
Paquito no dispone del dinero suficiente, pero por encima de esta limitacin
Paquito est
decidido disfrutar de su buena suerte al haber conquistado a sus dos vecinas;
as que est
pensando en alguna estrategia que le permita decidir cuantas veces al mes
debe salir con
cada una de sus vecinas. Cul es la decisin?.
Paquito recordando las sabias enseanzas de su profesor del curso de
Investigacin de
Operaciones, curso que a propsito llev por segunda matricula, decide
elaborar un modelo
matemtico que le permita determinar cuntas veces al mes salir con cada una
de sus
vecinas.
El primer paso que realiza es representar con letras y subndices el nmero de
salidas al
mes con cada una de sus vecinas, de la siguiente forma:

x1 : Representa la cantidad de veces al mes, que debe salir con Katy.
x2 : Representa la cantidad de veces al mes, que debe salir con Fiorella.
Estas expresiones son denominadas variables de decisin x1 y x2 , las cuales
son la parte
ms importante para la representacin matemtica de un problema, ests son
escogidas
libremente.
Podemos pensar que Paquito puede salir con sus vecinas cuantas veces
quisiera, pero uno
de sus principales problemas es la falta de dinero (problemas financieros),
puesto que
Paquito sabe que a Katy le gusta de frecuentar lugares caros y una salida le
genera un gasto
de 180 soles, sin embargo Fiorella es ms sencilla y gusta frecuentar lugares
ms baratos,
as ella le genera un gasto de 100 soles.
Se sabe que Paquito recibe una mensualidad 800 soles por mes, dinero que a
propsito le
envan sus padres para sus estudios. Conociendo los gastos que generan sus
vecinas,
Paquito se pregunta cmo hacer para no terminar endeudado. Por tanto
comienza hacer
sus cuentas del siguiente modo:
Como una salida con Katy le cuesta 180 soles y como x1 representa el nmero
de veces al
mes que sale con Katy, entonces al mes terminara gastando 180 x1 soles. Del
mismo modo
salir con Fiorella le cuesta 100 soles y como sale x2 veces al mes con ella,
entonces al mes
terminara gastando 100 x2 soles.
Paquito sabe que no puede gastar ms de 800 soles mensuales, por tanto
representa este
inconveniente del siguiente modo:
Pero los inconvenientes para salir con ellas no quedan all, porque la diferencia
entre las dos no son slo los gastos por salida, sino que tambin tiene
problemas con el tiempo. Es
decir, salir con Katy requiere en promedio 4 horas de su tiempo, mientras que
una salida
con Fiorella requiere en promedio 2 horas.
El problema con el tiempo es porque Paquito tiene que estudiar, porque de no
ser as sus calificaciones bajaran y sus padres dejaran de asignarles los 800
soles mensuales.
Consideremos que Paquito slo dispone de 20 horas libres por mes. Como
podemos
garantizar que l no emplear ms tiempo del que dispone, as usando la
notacin anterior,
tenemos:
Paquito debe comenzar a unir todo lo pensado anteriormente
Para poder planear y decidir cuantas veces tendr que salir con Katy ( x1 ) y
cuantas con
Fiorella ( x2 ), tomando en cuenta el dinero y tiempo disponible. A la vez podr
saber cuntas
horas y cuanto de dinero consumir, as como cunto dinero y tiempo le
sobrar.
1 Caso
Cunto consume si sale con Katy 3 veces y con Fiorella 2 veces?, es
decir x1=3 y x2 = 2 ,
verificamos cunto dinero y cunto tiempo consume.
180(3) + 100(2) =740 (dinero gastado)

4(3) + 2(2) =16 (tiempo gastado)
Cunto le sobra?
Como podemos ver al salir tres veces con Katy y dos veces con Fiorella, Paquito
consume
740 soles y 16 horas, sobrando al final del mes 60 soles y 4 horas.
2 Caso
Cunto consume si sale con Katy 3 veces y con Fiorella 4 veces?, es
decir x1 = 3 y x2 = 4 ,
verificamos cunto dinero y cunto tiempo consume.
180(3) +100(4) = 940 (dinero gastado)

4(3) + 2(4) = 20 (tiempo gastado)
Cunto le sobra?
Como podemos ver al salir tres veces con Katy y cuatro veces con Fiorella,
Paquito consume
940 soles y 20 horas, generndole una deuda de 140 soles dado que l dispone
slo de 800
soles, por otro lado consume todo el tiempo disponible del mes que son las 20
horas.
Por lo tanto, Paquito no puede salir tres veces con Katy y cuatro veces con
Fiorella, dado que est situacin es imposible, dentro de las condiciones que
fueron propuestas.
Pero nos falta un objetivo

Podemos notar que nos falta un objetivo, es decir debemos pensar que es lo
quiere Paquito
para obtener el mayor beneficio al salir con sus vecinas. Una opcin puede ser,
salir la
mayor cantidad de veces con las dos sin importar la preferencia por ellas; est
situacin
queda expresada del siguiente modo:
Maximizar x1 + x2
Otro posible objetivo puede ser construido del siguiente hecho; a Paquito le
gusta dos veces ms Katy que Fiorella, entonces podemos crear un coeficiente
que represente su
preferencia; es decir un valor unitario para Fiorella y el doble para Katy.
Obteniendo el
siguiente objetivo
Maximizar 2x1 + x2
De esta forma se logra formalizar dos modelos diferentes:
Metodologa - Investigacin de Operaciones
Es posible de una forma bastante general resumir el proceso de modelado o de

construccin de modelos bajo el punto de vista operacional, por los pasos
sugeridos en el siguiente flujograma.
Dnde:
1. La definicin del problema es una de las fases ms importantes del proceso
y comprende la clara percepcin del desafo colocado. El problema debe ser
traducido en elementos palpables englobando:
Descripcin exacta de los objetivos del estudio.
Identificacin de las variables de decisin o control existentes
Nivel de detalle (reconocimiento de las limitaciones, restricciones y

exigencias del sistema.
La descripcin de los objetivos es una de las actividades ms importantes en

todo el proceso de estudio pues a partir de ella es que el modelo es creado. De
la misma forma es esencial que las alternativas de decisin y las limitaciones
sean explicitadas, para que las soluciones obtenidas al final del proceso sean
vlidas y aceptables.
2. El secreto para construir un modelo de optimizacin depende de una
adecuada traduccin, tambin denominada formulacin. El propio trmino
formular largamente empleada para explicar el proceso de construccin de

modelos de optimizacin, trae consigo una enorme carga cuantitativa y
matemtica.
Por otro lado, una adecuada formulacin depende tambin de elementos que
escapan al contenido estrictamente tcnico, envolviendo la percepcin del
elaborador del modelo (o equipo de elaboracin) y una facultad cognitiva de
alto nivel.
Las frmulas o ecuaciones del modelo no se encuentran listas y acabadas de la
naturaleza, ellas tienen que ser identificadas o creadas. Extraamente, el rigor
de la traduccin es obtenido a travs de procesos poco rigurosos o conocidos,
envolviendo:
La intuicin.
La experiencia.
La creatividad.
El poder de sintesis, etc.
Esto nos trae dos consecuencias inmediatas para formulacin de modelos:
Existe una enorme dificultad en el proceso de formulacin.
Existe una fuerte tendencia a considerar la actividad de formulacin de

un modelo como un arte.
En esta fase de formulacin del modelo de optimizacin son definidos los tipos
de variables a utilizar en la representacin, as como el nivel apropiado de
agregacin de las variables. Tambin deben ser representadas las restricciones
del problema, tanto las cuantitativas como las de naturaleza lgica.
El modelo deber ser adecuado a la naturaleza de los datos de entrada y de
salida, as como ser capaz de expresar las funciones de desempeo que
posiblemente sern exigidos en el proceso de optimizacin. (Funcin objetivo)
3. Validacin del modelo, es necesario verificar la validez del modelo. Un
modelo es vlido si tomando en cuenta su inexactitud en representar el
sistema, l es capaz de dar una prediccin aceptable del comportamiento del
sistema. Un mtodo comn para verificar la validez del modelo es analizar su
desempeo con datos pasados del sistema y verificar si l logra reproducir el
comportamiento que el sistema present. Es importante observar que este
proceso de validacin no se aplica a sistemas inexistentes, es decir en
proyectos. En este caso la validacin es hecha por la verificacin de la
correspondencia entre los resultados obtenidos y algn comportamiento
esperado del nuevo sistema.
4. Una vez evaluadas las ventajas y la validacin de la solucin obtenida, esta
debe ser convertida en reglas operacionales. La implementacin, por ser una
actividad que altera una situacin existente, es una de las etapas crticas del
estudio. Es conveniente que sea controlada por el equipo responsable, pues

eventualmente los valores de la nueva solucin, cuando llevados a la prctica
pueden demostrar la necesidad de corregir las relaciones funcionales del
modelo conjunto de posibles cursos de accin exigiendo la reformulacin del
modelo en alguna de sus partes.
Estructura y construccin de modelos de

optimizacin Investigacin de Operaciones
Un modelo representa o describe los elementos relevantes de una situacin y
sus interacciones existentes entre ellos. La concepcin de un modelo tiene por
finalidad facilitar el entendimiento y la manipulacin de las relaciones que
ocurren entre los diversos parmetros que integran un sistema o proceso,
abstradas de una realidad.
Como el proceso de modelado depende del espritu creativo del hombre, tal
vez no podemos definir claramente los lmites de los modelos de Programacin
Matemtica y sus aplicaciones. Generalmente podemos decir que su empleo
clsico seria:
Utilizar de forma eficiente recursos limitados y que pueden ser
disputados por actividades alternativas
En los modelos matemticos, la representacin de determinado sistema es
generalmente realizada por tres conjuntos principales de elementos:
1. Variables de decisin y parmetros: las variables de decisin son las

incgnitas a ser determinadas por la solucin del modelo. Los parmetros son
los valores fijos en el problema. Simblicamente, las variables de decisin son
representadas por letras
minsculas con subndices como: xi , i =1,2,3,...,n
2. Restricciones: de modo a llevar en cuenta las limitaciones fsicas del

sistema, el
modelo debe incluir restricciones que limitan las variables de decisin a sus
valores
posibles (o viables). Estas restricciones pueden ser expresadas
matemticamente por
medio de ecuaciones e inecuaciones.
3. Funcin objetivo: es una funcin matemtica que define la calidad de la

solucin en
funcin de las variables de decisin. En forma general es representada como
una
funcin de varias variables z = f (x1, x2,...,xn) .
Podemos resumir de forma sucinta los pasos del proceso de anlisis

cuantitativo conforme
se expresa en el siguiente flujo:
Proceso de anlisis cuantitativo
La etapa de formulacin comprende:
La definicin de las variables controlables (de decisin o control) y las

no controlables
(externas o de estado).
La elaboracin de la funcin objetivo y del criterio de optimizacin.
La formalizacin de las restricciones del modelo.
La etapa de construccin del modelo engloba:
La elaboracin de la estructura de entrada y salida de informacin.
Las frmulas de interrelacin.
Los horizontes de tiempo.
La etapa de ejecucin de los anlisis comprende:
Anlisis de sensibilidad de la solucin.
Levantamiento de la precisin de los datos.
Estudio de la estabilidad computacional.
Levantamiento de las dems especificaciones del modelo.
La etapa de implementacin de los resultados y la actualizacin del

modelo comprende:
Un gran proceso de feedback repasando las etapas anteriores, haciendo

uso del modelo en el sistema de produccin o prestacin de servicios.
Los Modelos Matemticos se dividen bsicamente en Modelos Determinsticos

(MD) y Modelos Estocsticos (ME). En el primer caso (MD) se considera que los
parmetros asociados al modelo son conocidos con certeza absoluta, a

diferencia de los Modelos Estocsticos, donde la totalidad o un subconjunto de
los parmetros tienen una distribucin de probabilidad asociada. Los cursos
introductorios a la Investigacin Operativa generalmente se enfocan slo en
Modelos Deterministas.
Clasificacin de los modelos de optimizacin
Modelos de programacin lineal Investigacin de Operaciones

Se llama programacin lineal al conjunto de tcnicas matemticas que
pretenden resolver la situacin siguiente:
"Optimizar (maximizar o minimizar) una funcin objetivo, funcin lineal de
varias variables, sujeta a una serie de restricciones, expresadas por
inecuaciones lineales"
As un modelo de Programacin Lineal (PL) considera que las variables de
decisin tienen un comportamiento lineal, tanto en la funcin objetivo como
restricciones del problema. En este sentido, la Programacin Lineal es una de
las herramientas ms utilizadas en la Investigacin Operativa debido a que por
su naturaleza se facilitan los clculos y en general permite una buena
aproximacin de la realidad.
La formulacin del problema a ser solucionado por programacin lineal sigue
algunos pasos
Bsicos:
Debe ser definido el objetivo bsico del problema, es decir la

optimizacin a ser alcanzada. Por ejemplo maximizar ganancias,
desempeos o bienestar social; minimizar costos, perdidas, tiempo. Tal
objetivo ser representado por una funcin objetivo, a ser maximizada o
minimizada.
Para que esta funcin objetivo sea matemticamente especificada,

deben ser definidas las variables de decisin involucradas. Por ejemplo,
nmero de mquinas, rea a ser explorada, etc. Normalmente se asume
que todas estas variables poseen solamente valores positivos.
Estas variables estn sujetas a una serie de restricciones, normalmente

representadas por inecuaciones. Por ejemplo, cantidad de equipos
disponibles, tamao del rea a ser explorada, etc.
Todas las expresiones, deben estar de acuerdo con la hiptesis principal de la

programacin lineal, es decir todas las relaciones entre las variables deben ser
lineales. Esto implica proporcionalidad de las cantidades envueltas.
A continuacin desarrollamos algunos ejemplos que nos permitir conocer un
poco ms acerca de los problemas de programacin lineal.
Problema 1.1.
Yemito es un aficionado de los juguetes electrnicos y planeando construir dos
tipos de juguetes electrnicos (Ben10 y DinoRey). l sabe que para construir un
juguete Ben10 debe utilizar 9 sensores electrnicos y 3 horas de trabajo.
Mientras que para construir un DinoRey utiliza 1 sensor electrnico y 1 hora de
trabajo. Yemito pidi a su pap comprar los sensores electrnicos, pero ste
slo compro 18 sensores electrnicos. A la vez Yemito suele despertar a las
8:00 am y dormir a las 8:00 pm, por tal motivo dispone de 12 horas para
trabajar en la construccin de los juguetes. Yemito tiene planeado vender estos
juguetes en su escuela, obteniendo una utilidad de 4 dlares por cada juguete
Ben10 y un dlar por cada juguete DinoRey. Por otro lado, sabiendo que Yemito
logra vender todos los juguetes construidos se debe elaborar un modelo de
programacin lineal para optimizar sus utilidades.
Solucin:
Para elaborar el modelo de programacin lineal seguimos los siguientes pasos:
1. Definicin de las variables de decisin:
En este caso estamos interesados en saber cuntos juguetes Ben10 y DinoRey
debe construir, por tal motivo declaramos las variables de decisin de la
siguiente forma:
x1 : Cantidad de juguetes Ben10 construidos
x2 : Cantidad de juguetes DinoRey construidos
Una vez declaradas las variables de decisin, debemos expresar la funcin
objetivo utilizando dichas variables.
2. Elaboracin de la funcin objetivo:
Dado que nuestro propsito es maximizar la utilidad total y sabemos que por la
fabricacin de un Ben10 tenemos una utilidad de 4 dlares, entonces la utilidad
total generada por el modelo ben10 es de $ 4x1 , de igual forma el modelo
DinoRey genera una utilidad de $1 x2 .
Por tanto si queremos obtener la utilidad total generada por la fabricacin de
los dos
juguetes tendremos z = 4x1 + x2 .
Como nuestro objetivo es maximizar la utilidad, tenemos la siguiente funcin
objetivo:
Max z = 4x1 + x2 .
3. Formulacin de las restricciones tecnolgicas:
Antes de construir las restricciones del problema, debemos tener presente las
siguientes
Observaciones:
No se puede utilizar lo que no se tiene.
La cantidad utilizada debe ser menor o igual a la cantidad disponible
Restriccin de sensores electrnicos
Sabemos que disponemos de 18 sensores electrnicos y que para fabricar un

Ben10, se necesita de 9 sensores electrnicos y para un DinoRey se necesita 1
sensor electrnico. Por tanto podemos decir que 9x1 + x2 <= 18 .
Restriccin de horas de trabajo
De igual modo, se dispone de 12 horas de trabajo, pero para fabricar un Ben10

se necesita 3 horas de trabajo y para un DinoRey se necesita 1 hora de trabajo.
Por tanto podemos decir que 3x1 + x2 <= 12 .
Restricciones de no negatividad
Dado que las variables de decisin slo pueden tomar valores no negativos, es
decir, mayores o iguales a cero tenemos que x1 >= 0 y x2 >= 0 .
4. Modelo final:
Finalmente podemos expresar el modelo de programacin lineal de la forma
siguiente
Max z = 4x1 + x2
S.A.:
9x1 + x2 <= 18
3x1 + x2 <= 12
x1, x2 >= 0
Observaciones:
Para determinar la funcin objetivo debe tomarse en cuenta lo siguiente:
1. Si tenemos como datos solo costos ya sean de materia prima, mano de

obra, uso de mquina, transporte, depreciacin, etc. Nos indica
indudablemente que la Funcin Objetivo (F.O.) ser de MINIMIZACIN.
2. Si el enunciado solo tiene datos econmicos de ganancia, precio de
venta o dinero a recibir por unidad producida la F.O. ser de
MAXIMIZACIN.
3. Si el enunciado tiene datos de costos y ganancias, entonces construimos
la F.O. de la siguiente manera: GANANCIAS - COSTOS =UTILIDAD, la que
tendr como F.O. MAXIMIZAR.
4. Si no se tiene ningn dato econmico y solo se tienen tiempos, el tiempo
se minimiza, si nos da solo produccin, la produccin se ha de
maximizar, si el modelo corresponde a contratar personal, la funcin
objetivo se debe minimizar.
Las restricciones o limitaciones en los modelos lineales se representan

por desigualdades o igualdades: <= , >= , =
Muchos problemas tienen expresiones caractersticas que nos pueden anunciar

que tipo de restriccin debemos usar, por ejemplo:
Usar
Para expresiones como:
<=
Cmo mximo, a lo ms, disponibilidad, demanda mxima.
>=
Cmo mnimo, por lo menos, al menos, demanda mnima.
Total, proporcin
Las restricciones deben tener las mismas unidades en tanto en su lado

izquierdo como derecho.
La no negatividad de algunas variables es muy importante para definir la

solucin de algunos modelos, por lo tanto se dice que todas las variables
son >= 0.
A partir de ahora mostraremos una gran variedad de aplicaciones de modelos

lineales con la finalidad de que se familiarice con los modelos de programacin
lineal. Para este fin se ha etiquetado a los problemas segn su nivel de
dificultad, por tal motivo al lado derecho de cada problema colocamos un icono
que identificar el nivel de dificultad. En la siguiente tabla se muestran los
niveles de los problemas y sus respectivos iconos de identificacin.
EJERCICIOS PPL (Gestin de

Operaciones)
Problema 1: Industria
Una industria vincola produce vino y vinagre. El doble de la produccin de vino
es siempre menor o igual que la produccin de vinagre ms cuatro unidades.
Por otra parte, el triple de la produccin de vinagre sumado con cuatro veces la
produccin de vino se mantiene siempre menor o igual a 18 unidades. Hallar el
nmero de unidades de cada producto que se deben producir para alcanzar un
beneficio mximo, sabiendo que cada litro de vino deja un beneficio de 8 soles
y cada litro de vinagre de 2 soles. Suponiendo que todo lo que se produce se
vende.
Solucin:
En primer lugar ordenamos la informacin en la siguiente tabla.

x1 : Cantidad de litros de vino a producir.
x2 : Cantidad de litros de vinagre a producir.
El beneficio total que da el vino, se obtiene multiplicando el total de litros de
vino producido por su respectivo beneficio obteniendo 8 soles/litro por x1 litro,
de la misma forma determinamos el beneficio total de la produccin del
vinagre 2 soles/litro por x2 litro, obteniendo un beneficio total de 8x1 + 2x2
soles.
Finalmente tenemos la siguiente funcin objetivo:
Maximizar z = 8x1 + 2x2
El doble de la produccin de vino es siempre menor o igual que la produccin
de vinagre ms cuatro unidades.
2x1 <= x2 + 4
El triple de la produccin de vinagre sumado con cuatro veces la produccin de
vino se mantiene siempre menor o igual a 18 unidades.
4x1 + 3x2 <=18
Restricciones de no negatividad Dado que las variables de decisin slo
pueden tomar valores no negativos, tenemos que
x1 >= 0 , x2 >= 0
4. Modelo Lineal:
Finalmente podemos expresar el modelo lineal de la siguiente manera:
Max z = 8x1 + 2x2
S.A.:
2x1 - x2 <= 4
4x1 + 3x2 <= 18
x1 >= 0, x2 >= 0
Problema 2: Produccin
Una fbrica de carroceras de automviles y camiones tiene dos
departamentos. En el departamento A, para hacer la carrocera de un camin,
se invierten 7 das-operario, para fabricar la de un automvil se precisan 2

das-operario. En el departamento B se invierten tres das operario tanto en
carroceras de camin como de automviles. Por limitaciones de mano de obra
y maquinaria, el departamento A dispone de 300 das operario, y el
departamento B de 270 das-operario. Si los beneficios que se obtienen por
cada camin son de $6000 y por cada automvil $2000 cuntas unidades de
cada uno se deben producir para maximizar las ganancias? (Considere que
para la produccin se debe utilizar ambos departamentos).
Solucin:
En primer lugar ordenamos la informacin en la siguiente tabla.

xi : Cantidad de carroceras de vehculos del tipo i =1(camin) , 2(automvil) a
producir.
El beneficio total se obtiene multiplicando el beneficio por el nmero de
vehculos
producidos. Obteniendo as, un beneficio total de 6000x1 + 2000x2 soles.
Maximizar z = 6000x1 + 2000x2
Restriccin de das-operario en el departamento A.
Podemos ver que, slo disponemos de 300 das-operario en el departamento A;
pero para producir la carrocera de un camin se necesita de 7 das-operario y
para producir la carrocera de un automvil se necesita de 2 das-operario. Por
tanto la restriccin de das-operario en el departamento A, queda expresado
como:
7x1 + 2x2 <= 300
Restriccin de das-operario en el departamento B.
Podemos ver que, slo disponemos de 270 das-operario en el departamento B;
pero para producir la carrocera de un camin se necesita de 3 das-operario y
para producir la carrocera de un automvil se necesita de 3 das-operario. Por

tanto la restriccin de das-operario en el departamento A, queda expresado
como:
3x1 + 3x2 <= 270
Dado que las variables de decisin slo pueden tomar valores no negativos,
tenemos que x1 >= 0 , x2 >= 0
4. Modelo Lineal:
Max z = 600x1 + 2000x2
S.A.:
7x1 + 2x2 <= 300
3x1 + 3x2 <= 270
x1 >= 0, x2 >= 0
Problema 3: Inversin
Una entidad financiera capta depsitos y presta dinero. La captacin de
depsitos lleva una hora para convencer al cliente y otra de trabajo
burocrtico. El prstamo de dinero lleva una hora para convencer al cliente y
dos horas de trabajo burocrtico. El mximo nmero de horas de trabajo
disponibles es de 40 horas para convencer a los clientes y 60 horas para el
trabajo burocrtico. El beneficio obtenido por prestar dinero es 1/3 mayor que
el de captar depsitos. Cuntas operaciones de cada tipo le convienen realizar
para obtener el mximo beneficio?.
Solucin:
En primer lugar ordenamos la informacin en la siguiente tabla

xi : Nmero de operaciones del tipo i = 1(depsitos) , 2(prstamos) a realizar.
El beneficio total se obtiene multiplicando el beneficio por el nmero de
depsitos y prstamos respectivamente. Obteniendo as, un beneficio total de
x1 + 4/3x2 soles.
Maximizar z = x1 + 4/3x2
Restriccin de horas para convencer al cliente. Podemos ver que, slo
disponemos de 40 horas, para convencer al cliente, de los cuales se necesita
de una hora para convencer al cliente de realizar un depsito y un prstamo
respectivamente. Por tanto la restriccin queda expresado como:
x1 + x2 <= 40
Restriccin de horas de trabajo burocrtico.
Podemos ver que, slo disponemos de 60 horas, para realizar el trabajo
burocrtico, de los cuales se necesita de 1 y 2 horas para realizar un depsito y
un prstamo respectivamente. Por tanto la restriccin queda expresado como:
x1 + 2x2 <= 60
tenemos que
x1 >= 0 , x2 >= 0
4. Modelo Lineal:
Max z = x1 + 4/3x2
S.A.:
x1 + x2 <= 40
x1 + 2x2 <= 60
x1 >= 0 , x2 >= 0
Una persona tiene S/500 para invertir en dos tipos de acciones A y B. El tipo A
tiene bastante riesgo con un inters anual del 10% y el tipo B es bastante
seguro con un inters anual del 7%. Decide invertir como mximo S/300 en A y
como mnimo S/100 en B, e invertir en A por lo menos tanto como en B. Cmo
deber invertir sus S/500 para maximizar sus intereses anuales?
Solucin:

xi : Nmero de acciones del tipo i = A,B a comprar.
El inters total se obtiene multiplicando el inters de cada accin con la
cantidad de acciones compradas. Obteniendo as, un inters total de 0.1xA
0.07xB . Finalmente tenemos la siguiente funcin objetivo:
Maximizar z = 0.1xA + 0.07xB
Restriccin de dinero mximo de inversin en las acciones A.
xA <= 300
Restriccin de dinero mnimo de inversin en las acciones B.
xB >= 100
Invertir en A por lo menos tanto como en B
xA >= xB
Restriccin de disponibilidad de dinero.
xA + xB <= 500
tenemos
que xA >= 0 , xB >= 0

4. Modelo Lineal:
Max z = 0.1xA + 0.07xB
S.A.:
xA <= 300
xB >= 100
xA - xB >= 0
xA + xB <= 500
xA >= 0 , xB >= 0
Problema 5: Mezclas
Alice, gerente de la Food Fast, proporciona albergues para cachorros. El
alimento para perros Kennel se hace mezclando dos productos de soya para
obtener una "dieta para perros bien balanceada". En la Tabla 1.2 se dan los
datos para los dos productos. Si Alice quiere asegurarse de que sus perros
reciban al menos 8 onzas de protenas y 1 onza de grasa diariamente, cul
sera la mezcla del costo mnimo de los dos alimentos para perro?.
Tabla: Costo y porcentaje de protenas y grasas por producto
Solucin:
xi : Nmero de onzas del producto i =1,2 a comprar.
El costo total se obtiene multiplicando el costo de cada onza con la cantidad de
onzas.
Obteniendo as, un costo total de 0.6x1 + 0.15x2 .
Minimizar z = 0.6x1 + 0.15x2

Restriccin de protenas.
0.5x1 + 0.2x2 >= 8
Restriccin de grasas.
0.1x1 + 0.2x2 >= 1
tenemos
que x1 >= 0 , x2 >= 0
4. Modelo Lineal:
Max z = 0.6x1 + 0.15x2
S.A.:
0.5x1 + 0.2x2 >= 8
0.1x1 + 0.2x2 >= 1
x1 >= 0, x2 >= 0
Problema 6: Mezclas
Pearce Dears, un antiguo entrenador de grupos de choque, se ha convertido en
avicultor.
Desea alimentar a sus animales en forma tal que se cubran sus necesidades de
nutricin a un costo mnimo. Pearce est estudiando el uso de maz, soya,
avena y alfalfa. En la siguiente tabla se muestra la informacin diettica
importante por libra de grano (por ejemplo, 1 libra de maz proporciona 15
miligramos de protena). Elabore un modelo de PL para determinar la mezcla
diettica que satisfaga los requisitos diarios a un costo mnimo.
Tabla: Nutrientes por libra de grano
Solucin:
xi : Cantidad de libras de i = 1,2,3,4 (maz, soya, avena y alfalfa
respectivamente) a comprar.
El costo total se obtiene multiplicando el costo por libra con la cantidad de
libras compradas. Obteniendo as, un costo total de 70x1 + 45x2 + 40x3 +
90x4 . Finalmente tenemos la siguiente funcin objetivo:
Minimizar z = 70x1 + 45x2 + 40x3 + 90x4
Restriccin de protenas.
Dado que, cada libra de maz aporta con 15 mg de protenas entonces la
cantidad total aportada por el maz es de 15x1 , de forma similar se obtienen
las cantidades aportadas por la soya, la avena y la alfalfa; obteniendo la
siguiente restriccin:
15x1 + 30x2 +15x3 + 7x4 >= 50
Restriccin de calcio.
40x1 + 10x2 + 40x3 + 45x4 >= 150
Restriccin de grasas.
20x1 + 50x2 + 8x3 + 25x4 >= 25
20x1 + 50x2 + 8x3 + 25x4 <= 120
Restriccin de caloras.
850x1 + 1500x2 + 1200x3 + 4000x4 >= 5000
tenemos que
x1 , x2 , x3 , x4 >= 0
4. Modelo Lineal:
Minimizar z = 70x1 + 45x2 + 40x3 + 90x4
S.A.:
15x1 + 30x2 +15x3 + 7x4 >= 50
40x1 + 10x2 + 40x3 + 45x4 >= 150
20x1 + 50x2 + 8x3 + 25x4 >= 25
20x1 + 50x2 + 8x3 + 25x4 <= 120
850x1 + 1500x2 + 1200x3 + 4000x4 >= 5000
x1 , x2 , x3 , x4 >= 0
Problema 7: Encuesta
Para realizar una encuesta por telfono, un grupo de investigacin de mercado
necesita comunicar por lo menos a 150 esposas, 120 maridos, 100 varones
adultos solteros y 110 mujeres adultas solteras. Cuesta $2 realizar una llamada
telefnica durante el da, y $5 realizar una llamada telefnica durante la noche
(debido a mayores costos laborales). Estos datos se muestran en la tabla
inferior. Se pueden realizar a lo ms la mitad de estas llamadas en la noche,
por disponer de un nmero limitado de empleados. Formule un PL que
minimice los costos para completar la encuesta.
Tabla: Porcentaje de personas que contestan las llamadas
Solucin:
xi : Nmero de llamadas realizadas en horario i =1,2 (diurno y nocturno

respectivamente).
El costo total por las llamadas realizadas se obtiene multiplicando el costo de
cada llamada segn el horario por la cantidad de llamadas realizadas.
Obteniendo as, un costo total de 2x1 + 5x2 . Finalmente tenemos la siguiente
funcin objetivo:
Minimizar z = 2x1 + 5x2
Restriccin de esposas encuestadas.
0.3x1 + 0.3x2 >= 150
Restriccin de maridos encuestados.
0.1x1 + 0.3x2 >= 120
Restriccin de varones solteros encuestados.
0.1x1 + 0.15x2 >= 100
Restriccin de mujeres solteras encuestadas.
0.1x1 + 0.2x2 >= 110
Restriccin realizar a lo ms la mitad de estas llamadas en la noche.
x2 <= (x1 + x2) / 2
tenemos que x1 , x2 >= 0
4. Modelo Lineal:
Min z = 2x1 + 5x2
S.A.:
0.3x1 + 0.3x2 >= 150
0.1x1 + 0.3x2 >= 120
0.1x1 + 0.15x2 >= 100
0.1x1 + 0.2x2 >=110
x2 - x1 <= 0
x1, x2 >= 0
Problema 8: Pesca
Las restricciones pesqueras impuestas por la CEE obligan a cierta empresa a
pescar como mximo 2000 toneladas de merluza y 2000 toneladas de rape,
adems, en total, las capturas de estas dos especies no pueden pasar de las
3000 toneladas. Si el precio de la merluza es de 10 soles el kilo y el precio del
rape es de 15 soles el kilo, qu cantidades debe pescar para obtener el
mximo beneficio?
Solucin:
Xi : Cantidad de toneladas de peces del tipo i=1,2 (merluza y rape
respectivamente) a pescar.
Para obtener el beneficio total multiplicamos el valor de un kilo de merluza y
rape por la cantidad vendida de cada uno de ellos, para esto, debemos
transformar la unidad de medida la variable de decisin dado que est en
toneladas.
Obteniendo as, un beneficio total de 10 soles/kg x (1000 soles/tn)X1 + 15
soles/kg x (1000 kg/tn) X2
Maximizar z = 10000X1 + 15000X2
Restriccin de pesca de merluza.

X1 <= 2000
Restriccin de pesca de rape.
X2 <= 2000
Restriccin de pesca mxima.
X1 + X2 <= 3000
tenemos que X1, X2 >= 0
4. Modelo Lineal:
Max z = 10000X1 + 15000X2
S.A.:
X1 <= 2000
X2 <= 2000
X1 + X2 <= 3000
X1, X2 >= 0
Problema 9: Compra
Un hipermercado necesita como mnimo 16 cajas de langostino, 5 cajas de
ncoras y 20 de percebes. Dos mayoristas, A y B, se ofrecen al hipermercado
para satisfacer sus necesidades, pero slo venden dicho marisco en
contenedores completos. El mayorista A enva en cada contenedor 8 cajas de
langostinos, 1 de ncoras y 2 de percebes. Por su parte, B enva en cada
contenedor 2, 1 y 7 cajas respectivamente. Cada contenedor que suministra A
cuesta S/210, mientras que los del mayorista B cuestan S/300 cada uno.
Cuntos contenedores deben pedir el hipermercado a cada mayorista para
satisfacer sus necesidades mnimas con el menor coste posible?
Solucin:

xi: Cantidad de contenedores del tipo i=A,B a solicitar.
Minimizar z = 210xA + 300xB

Restriccin de langostinos.
8xA + 2xB >=16
Restriccin de percebes.
2xA + 7xB >= 20
Restriccin de ncoras.
xA + xB >= 5
Restricciones de no negatividad.
tenemos que xA, xB >= 0.
4. Modelo Lineal:
Min z = 210xA + 300xB
S.A.:
8xA + 2xB >=16
2xA + 7xB >= 20
xA + xB >= 5
xA , xB >= 0

Una planta produce dos tipos de productos, en la misma lnea de ensamble. La
lnea de ensamble consta de tres departamentos. Los tiempos de ensamblaje
en los departamentos son dados en la siguiente tabla.
Cada departamento tiene disponible las 8 horas de trabajo diario. Sin embargo
los departamentos requieren mantenimiento diario, que utilizan el 5%, 8% y
6% del tiempo disponible para cada departamento diariamente. La planta

desea saber las unidades semanales (se trabaja 6 das a la semana) que se
ensamblaran a fin de minimizar la suma de tiempos no ocupados (ociosos) en
los tres departamentos.
Solucin:
Indudablemente es una produccin en lnea por que el producto para
ensamblarse debe pasar por los tres departamentos, entonces:
xi: Cantidad de unidades del producto i=1,2 a elaborar semanalmente.
sj: Tiempo ocioso en minutos en el departamento j=1,2,3.
Minimizar el tiempo ocioso
Minimizar z = s1 + s2 + s3
Restriccin del departamento 1.
El tiempo en minutos empleado para producir el Producto 1 es 1/8 , por tanto
(1/8)x1 representa el tiempo semanal empleado en la produccin del producto
1, as (1/9)x2 representa el tiempo semanal empleado en la produccin del
producto 2; por otro lado se dispone de 48 horas semanales equivalente a
2880 minutos, de los cuales el 5% (144 minutos) est dedicado al
mantenimiento, de este modo slo dispondremos de 2736 minutos:
(1/8)x1 + (1/9)x2 + s1 <= 2736
El tiempo en minutos empleado para producir el Producto 2 es 1/5 , por tanto
(1/5)x1 representa el tiempo semanal empleado en la produccin del producto
1, as (1/6)x2 representa el tiempo semanal empleado en la produccin del
producto 2; por otro lado se dispone de 48 horas semanales equivalente a
2880 minutos, de los cuales el 8% (230.4 minutos) est dedicado al
mantenimiento, de este modo slo dispondremos de 2649.6 minutos:
(1/5)x1 + (1/6)x2 + s2 <= 2649.6
Anlogamente, a lo realizado en el departamento 1 y 2, obtenemos:
(1/5)x1 + (1/3)x2 + s3 <= 2707.2
tenemos que x1, x2, s1, s2, s3 >= 0
4. Modelo Lineal:
Min z = s1 + s2 + s3
S.A.:
(1/8)x1 + (1/9)x2 + s1 <= 2736
(1/5)x1 + (1/6)x2 + s2 <= 2649.6
(1/5)x1 + (1/3)x2 + s3 <= 2707.2
x1, x2, s1, s2, s3 >= 0

Una empresa manufacturera ha descontinuado la produccin de cierta lnea de
productos no provechosa. Esto cre un exceso considerable en la capacidad de
produccin. El gerente est considerando dedicar esta capacidad en exceso a
uno o ms de tres productos, llammoslos los productos1, 2 y 3. La capacidad
disponible de la mquina que podra limitar la produccin se resume en la
siguiente tabla.
El nmero de horas de mquina requerida por cada unidad de los productos

respectivos se muestran en la siguiente tabla.
El departamento de ventas indica que el potencial de ventas para los

productos 1 y 2 es mayor que la tasa de produccin mxima y que el potencial
de ventas para el producto 3 es de 20 unidades por semana.
La utilidad unitaria ser de $30, $12 y $15, para los productos 1, 2 y 3,
respectivamente.
Formlese un modelo PL para determinar cunto debe producir la empresa de
cada producto para maximizar la utilidad.
Solucin:
xi: Cantidad a producir del producto i=1,2,3.
Maximizar z = 30x1 + 12x2 + 15x3
Restriccin de tiempo de la fresadora.
9x1 +3x2 +5x3 <= 500
Restriccin de tiempo de torno.
5x1 + 4x2 <= 350
Restriccin de tiempo de rectificadora.
3x1 + 2x3 <= 150
Restriccin del potencial de ventas del producto 3.
x3 <= 20
tenemos que x1, x2, x3 >= 0
4. Modelo Lineal:

Max z = 30x1 + 12x2 + 15x3
S.A.:
9x1 +3x2 +5x3 <= 500
5x1 + 4x2 <= 350
3x1 + 2x3 <= 150
x3 <= 20
x1, x2, x3 >= 0

Carmac Company fabrica carros compactos y subcompactos. La produccin de
cada carro requiere una cierta cantidad de materia prima y mano de obra,
como se especifica en la siguiente tabla.
La divisin de comercializacin ha estimado que a los ms 1500 compactos

pueden venderse a $10 000 cada uno y que a lo ms 200 subcompactos
pueden venderse a $8000 cada uno. Como vicepresidente de programacin,
formule un modelo para determinar la cantidad a fabricar de cada tipo de carro
para maximizar la ganancia total (ingresos menos gastos).
Solucin:
xi: Cantidad de unidades de carros i=1,2 (compactos y subcompactos,
respectivamente) a producir.

Dado que se desea maximizar la ganancia, debemos saber que:
Ganancia=Precio de venta-Costos de produccin
Como la materia prima tiene un costo de $10 y para la elaboracin de un
compacto se utiliza 200 unidades de materia prima, se tiene un costo de total
de $2000 por cada compacto producido y $ 1500 por cada subcompacto.
Del mismo modo, la mano de obra tiene un costo de $70 y para la elaboracin
de un compacto se utiliza 18 unidades de mano de obra, se tiene un costo total
de $1260 por cada compacto producido y $1400 por cada subcompacto.
Finalmente obtenemos la siguiente funcin objetivo:
Maximizar z = 10000x1 + 8000x2 - 2000x1 - 1500x2 - 1260x1 - 1400x2
Restriccin de materia prima.
200x1 + 150x2 <= 80000
Restriccin de mano de obra.
18x1 + 20x2 <= 9000
Restriccin de nmero mximo de compactos.
x1 <= 1500
Restriccin de nmero mximo de subcompactos.
x2 <= 200
tenemos que x1, x2 >= 0
4. Modelo Lineal:
Max z = 6740x1 + 5100x2
S.A.:
200x1 + 150x2 <= 80000
18x1 + 20x2 <= 9000
x1 <= 1500
x2 <= 200

La empresa Elit elabora yogurt y jugos a base de mango y durazno, esta
empresa compra su materia prima al precio de $0,50 por kilogramo de mango
y $0,30 por kilogramo de durazno, las cantidades mximas que puede comprar
es de 1600 kilogramos de mango y 2100 kilogramos de durazno.
El mercado de venta de yogurt es de 9000 botellas como mximo y para jugo
no hay lmite, el precio de venta del yogurt y de jugo es de $5 y $3 por cada
botella respectivamente; estos datos y otros se dan en la siguiente tabla.
Disponibilidad y costo de las frutas, Elabore un modelo lineal para la empresa

Elit.
Solucin:
xi: Cantidad de botellas de i=1,2 (yogurt y jugo respectivamente) a producir.
Maximizar z = 5x1 + 3x2 - 0.5(2x1 + 3x2) - 0.3(3x1 + x2)
Restriccin de la disponibilidad del mango.
2x1 + 3x2 <= 1600
Restriccin de la disponibilidad del durazno.
3x1 + x2 <= 2100
Restriccin de la cantidad de botellas de yogurt.
x1 <= 9000
tenemos que x1,x2 >= 0.
4. Modelo Lineal:
Max z = 3.1x1 + 1.2x2
S.A.:
2x1 + 3x2 <= 1600
3x1 + x2 <= 2100
x1 <= 9000
x1,x2 >= 0
Grado dificultad razonable.
Se est diseando un vehculo espacial para llevar astronautas a Marte y
traerlos de regreso.
Este vehculo tendr tres compartimentos, cada uno con su propio sistema de
mantenimiento de la vida independiente. El elemento clave en cada uno de
estos sistemas es una pequea unidad oxidante que provoca un proceso
qumico para producir oxgeno. Sin embargo, no pueden probarse con
anticipacin y solo se logra algo en provocar este proceso qumico. Por lo tanto,
es importante tener unidades de apoyo para cada sistema. En virtud de la
diferencia en los requerimientos para los tres compartimentos, las unidades
que se necesitan para cada uno tienen caractersticas un tanto diferentes.
Ahora debe tomarse una decisin sobre cuntas unidades proporcionar a cada
compartimento, tomando en cuenta las limitaciones de diseo sobre la
cantidad total de espacio, peso y costo que pueden ser asignadas a estas
unidades en relacin con la nave completa. La Tabla siguiente se resume estas
limitaciones as como las caractersticas de las unidades individuales por cada
compartimento.
Tabla: Espacio, peso y probabilidades de fallas en los compartimientos
Si todas las unidades fallan en solo uno o dos de los compartimentos, los
astronautas pueden ocupar el compartimento, o los compartimentos restantes
y continuar su viaje espacial pero con cierta perdida en la cantidad de

informacin cientfica que puede ser obtenida. Sin embargo, si todas las
unidades fallan en los tres compartimentos, entonces los astronautas todava
pueden regresar la nave con seguridad, pero el viaje en conjunto debe ser
completamente abortado a gran costo. Por lo tanto, el objetivo es minimizar la
probabilidad de que esto ocurra, sujeto a las limitaciones antes mencionadas y
a la restriccin adicional de que cada compartimento tenga una probabilidad
de no ms del 0.05 de que todas sus unidades fallen. Plantese el modelo de
programacin lineal para este problema. (Sugerencia: sense logaritmos)
Solucin:
xi : Nmero de unidades de apoyo en el compartimento i =1,2,3 .
Prob (compart. 1) Prob (compart. 2) Prob (compart. 3)
Dado que dicho objetivo no es lineal, debemos linealizar dicha funcin objetivo,
para esto utilizamos las propiedades de los logaritmos, tomando Z = ln z ,
obtenemos
4. Modelo Lineal:
Problema 2: Agricultura
Una familia de granjeros posee 100 acres de tierra y tiene $30.000 en fondos
disponibles para inversin. Sus miembros pueden producir un total de 3.500
horas-hombre de mano de obra durante los meses de invierno (de mediados de
septiembre a mediados de mayo), 4000 horas-hombre durante el verano. Si no
se necesitan cualesquiera de estas horas-hombre, los miembros ms jvenes
de la familia usarn para trabajar en una granja vecina por $4.00/hora, durante
los meses de invierno, y $4.50/hora, durante el verano.
El ingreso de efectivo puede obtenerse a partir de tres cultivos y dos tipos de
animales: vacas lecheras y gallinas ponedoras. No se necesita invertir en los
cultivos. Sin embargo, cada vaca requerir un desembolso de $900 y cada
gallina requerir de $7. Cada vaca requerir 1.5 acres de tierra, 100 horashombre de trabajo durante los meses de invierno, y otras 50 horas-hombre
durante el verano. Cada vaca producir un ingreso anual neto en efectivo de
$800 para la familia. Los valores correspondientes para las gallinas son: nada
de tierra, 0,6 horas hombre durante el verano y un ingreso anual neto en
efectivo de $5. El gallinero puede acomodar un mximo de 300 gallinas y el
tamao del granero limita el rebao a un mximo de 32 vacas. Las horas
hombres y los ingresos estimados por acre plantado en cada uno de los tres
cultivos se muestran en la siguiente tabla.
La familia desea saber cuntos acres deben plantarse en cada uno de cultivos
y cuntas vacas y gallinas deben tener para maximizar su ingreso neto de
efectivo.
Plantese el modelo de programacin lineal para este problema.
Solucin:
x1 : Nmero de acres de tierra asignados para el frijol de soya.
x2 : Nmero de acres de tierra asignados para el maz.
x3 : Nmero de acres de tierra asignados para la avena.
x4 : Nmero de vacas.
x5 : Nmero de gallinas.
x6 : Horas-hombre ociosas en invierno.
x7 : Horas-hombre ociosas en verano.
Minimizar z = 375x1 + 550x2 + 250x3 + 800x4 + 5x5 + 4x6 + 4.5x7
4. Modelo Lineal:
La corporacin Brady produce armarios. Necesitan semanalmente 90 000 pies
cbicos de madera procesada. Puede conseguir madera procesada de dos
maneras.
Primero, puede comprar madera de un proveedor eterno, y despus secarla en
su propio horno. Segundo, puede cortar troncos en sus propios terrenos,
convertidos en madera en su propio aserradero y, finalmente, secar la madera
en su propio horno. Brady puede comprar madera clase 1 o clase 2. La madera
clase 1 cuesta 3 dlares/pie cbico y produce 0.7 pie cbico de manera til
luego de secarla. La madera clase 2 cuesta 7 dlares/pie cbico y produce 0.9
pie cbico de madera til ya seca. Le cuesta 3 dlares a la compaa cortar un
tronco. Despus de cortarlo y secarlo, un tronco produce 0.8 pie cbico de
madera. Brady incurre en un costo de 4 dlares/pie cbico de madera seca.
Cuesta 2.50 dlares/pie cbico procesar troncos en el aserradero. El aserradero
puede procesar semanalmente hasta 35 000 pie cbico de madera. Se puede
comprar cada semana hasta 40 000 pies cbicos de madera de clase 1, y hasta
60 000 pies cbicos de madera de clase 2.
Semanalmente, se disponen de 40 horas para secar madera de clase 1,
madera clase 2, o troncos, es el siguiente. Clase 1, 2 segundos, clase 2, 8
segundos, troncos, 1.3 segundos. Formule un PL para ayudar a Brady a
minimizar los costos semanales para satisfacer las demandas de madera
procesada.
Solucin:
T : Nmero de acres de tierra asignados para el frijol de soya.
PCL1: Nmero de pies cbicos de madera comprada de clase 1 semanalmente.
PCL2 : Nmero de pies cbicos de madera comprada de clase 2 semanalmente.
4. Modelo Lineal:
Un consumidor requiere, durante los prximos cuatro meses, 50, 65, 100 y 70
unidades, respectivamente, de cierto artculo (no se permiten demandas
pendientes). Los costos de produccin son 5 dlares, 8 dlares, 4 dlares y 7
dlares por unidad, durante estos meses.
El costo de almacenaje de un mes al siguiente, es de 2 dlares por unidad
(aplicado al terminar el inventario). Se estima que cada unidad sobrante al final
del cuarto mes, tendr que venderse a 6 dlares. Formule un PL que minimice
los costos netos para cumplir con las demandas durante los prximos cuatro
meses.
Solucin:
Ii : Nmero de unidades en el mes i =1,2,3,4 .
Pi : Nmero de unidades producidas en el mes i = 1,2 .
Di : Nmero de unidades demandadas en el mes i = 1,2,3,4 .
4. Modelo Lineal:
Problema 5: Renta
Una compaa de seguros cree que necesitarn las siguientes cantidades de

computadoras personales durante los prximos seis meses: enero, 9; febrero,
5; marzo, 7; abril, 9; mayo,10; junio,5. Se pueden rentar computadoras por un
perodo de uno, dos o tres meses, a las rentas unitarias siguientes: renta por un
mes, 200 dlares; renta por dos meses, 350 dlares; renta por tres meses, 450
dlares.
Formule un PL que permita minimizar los costos de renta de computadoras
requeridas.
Puede suponer que si se renta una mquina por un perodo que se prolongue
ms all de junio, habr que promediar el costo de la renta. Por ejemplo, si se
renta una computadora por tres meses, a principios de mayo, entonces se
tendr que aplicar una cuota por la renta 2/3(450)=300 dlares, y no 450
dlares, a la funcin objetivo.
Solucin:
Ei : Nmero de computadoras a alquilar en el mes de Enero durante i =1,2,3
meses.
Fi : Nmero de computadoras a alquilar en el mes de Febrero durante
i =1,2,3 meses.
Mi : Nmero de computadoras a alquilar en el mes de Marzo durante i =1,2,3
meses.
Ai : Nmero de computadoras a alquilar en el mes de Abril durante i =1,2,3
meses.
MYi : Nmero de computadoras a alquilar en el mes de Mayo durante i =1,2,3
meses.
Ji : Nmero de computadoras a alquilar en el mes de Junio durante i =1,2,3
meses.
4. Modelo Lineal:
Problema 6: Mezcla
Un proveedor debe preparar con 5 bebidas de fruta en existencias, 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 arndano. Si los datos del inventario
son los que se muestran en la tabla siguiente Qu cantidad de cada bebida
deber emplear el proveedor a fin de obtener la composicin requerida a un
costo total mnimo?
Nota: Las tres primeras columnas indican el porcentaje de un tipo de jugo

dentro de una determinada bebida.
Solucin:
El objetivo es minimizar los costos cumpliendo todos los requisitos. Para esto
definimos las siguientes variables
Xi : Cantidad de bebida i en galones incorporada al ponche i = A, E
Y las siguientes constantes
Ci : Costo por galn de bebida tipo i .
Ni : Porcentaje de jugo de naranja en bebida tipo i .
Ti : Porcentaje de jugo de toronja en bebida tipo i .
Ai : Porcentaje de jugo de arndano en bebida tipo i .
Ei : Existencia de bebida tipo i
Un pequeo taller arma dispositivos mecnicos, ya sea como un producto
terminado que entrega al mercado, o como un proceso intermedio para
entregar a una gran fbrica. Trabajan 3 personas en jornadas de 40 horas
semanales. Dos de estos obreros no calificados reciben $0.4 por hora, y el
tercero, un obrero calificado, recibe $0.6 por hora. Los tres estn dispuestos a
trabajar hasta 10 horas adicionales a la semana con un salario 50% superior
durante este perodo.
Los costos fijos semanales son de $800. Los gastos de operacin variables son
de $1.0 por hora de trabajo de obrero no calificado y $2.4 por hora de obrero
calificado. Los dispositivos mecnicos sin acabar son vendidos a la planta a
$6.5 cada uno. El taller tiene un contrato bajo el cual debe entregar 100 de
estos dispositivos semanalmente a la empresa. El dueo del taller tiene como
poltica el producir no ms de 50 dispositivos a la semana por sobre el
contrato.
Los dispositivos terminados se venden a $15 cada uno sin restricciones de

mercado. Se requieren 0.5 horas de obrero no calificado y 0.25 horas de obrero
calificado para producir un dispositivo sin acabar listo para entregar a la
empresa. Uno de estos dispositivos puede ensamblarse y dejarlo terminado
agregndole 0.5 horas de trabajador calificado.
Un dispositivo acabado listo para entregar al mercado se puede producir con
0.6 horas de obrero no calificado y 0.5 horas de obrero calificado.
Plantear el modelo de programacin lineal que permita responder la consulta:
cmo y cunto producir para cumplir el contrato de modo de maximizar las
utilidades?
Para la formulacin del problema, supondremos que los obreros trabajan 40
horas semanales.
Solucin:
Xi : Cantidad de productos tipo i = 1,2,3 fabricados.
Zj : Horas extra trabajadas por obreros del tipo j = 1,2 .
Un inversionista tiene oportunidad de realizar las actividades A y B al principio
de cada uno de los prximos 5 aos (llmense aos 1 al 5). Cada dlar
invertido en A al principio de cualquier ao retribuye $1.40 (una ganancia de
$0.40) 2 aos despus (a tiempo para la reinversin inmediata). Cada dlar
invertido en B al principio de cualquier ao retribuye $1.70, 3 aos despus.
Adems, la actividad C estar disponible para inversin una sola vez en el
futuro. Cada dlar invertido en C al principio del ao 2 da $1.90 al final del ao
5. La actividad D estar disponible slo 2 veces, al inicio del ao 1 y del ao 5.
Cada dlar invertido en D al principio de ao retribuye $1.30 al final de ese
ao. El inversionista tiene $60000 para iniciar y desea saber cul plan de
inversin maximiza la cantidad de dinero acumulada ao principio del ao 6.
Formule el modelo de programacin lineal para este problema.
Solucin:
La situacin se puede ilustrar grficamente como:
Las lneas segmentadas indican el trmino del ao en curso y el inicio del ao

siguiente. Las flechas representa la duracin de cada una de las inversiones,
antes de obtener los retornos.
Se debe considerar que al inicio de cada ao slo se puede destinar a inversin

el dinero proveniente de inversiones que terminan en ese momento, o bien que
sean excedentes del perodo inmediatamente anterior.
Objetivo: Maximizar utilidades al final del quinto ao.
Xij : Cantidad invertida de tipo i = A, B,C,D al inicio del ao j = 1,2,3,4,5
Zj : Excedente no invertido al inicio del ao j = 1,2,3,4 .
Problema 9: Compra
Una empresa de arriendo de vehculos desea establecer la flota de
automviles, camionetas y jeeps para el presente ao. Para tales efectos,
estudia la adquisicin de vehculos de los tres tipos. Todos los vehculos
comprados son depreciados y pagados en un perodo de 2 aos, despus del
cual son vendidos. La tabla siguiente muestra el precio de compra y los
ingresos del perodo para los tres tipos de vehculos (los ingresos para el
segundo ao incluyen el valor de salvataje).
Aun cuando la empresa puede pagar el costo de los vehculos inmediatamente,

puede tambin decidir diferir parte del costo de los vehculos al final del primer
o segundo ao. El costo del crdito es de 14% anual. La empresa debe pagar
por lo menos el 20% de la inversin inicial al recibir un vehculo y por lo menos
el 50% de la inversin inicial ms los intereses del crdito deben haber sido
pagado al final del primer ao. La empresa dispone de US$2000000 para la
compra de vehculos este ao. La compaa usa una tasa de descuento del
15% para efectos de financiamiento (es decir, US$100 hoy valen US$85 dentro
de un ao). Todo excedente en cualquier ao es invertido en otros rubros y, por
lo tanto, no puede considerarse en pagos futuros.
Formule un modelo de programacin lineal para el problema. Defina
claramente variables, funcin objetivo y restricciones.
Solucin:
Xi : Cantidad de vehculos tipo i = 1,2,3 comprados inicialmente.
Yij : Dinero pagado en vehculos tipo i = 1,2,3 al inicio del ao j = 1,2,3.
Zij : Saldo al inicio del ao j 1,2,3 en vehculos tipo i =1,2,3.
Constantes:
Ci : Costo del vehculo del tipo i =1,2,3 .
Iij : Ingresos por vehculo del tipo i =1,2,3 durante el ao j =1,2,3 .

Considere el problema de programacin de la produccin de un conjunto de m
tipos diferentes de artculos para los prximos n meses en una fbrica.
En cuanto al uso de materias primas, el costo de produccin de cada artculo
de tipo i se estima en ci.
La produccin de un artculo tipo i requiere mo i horas de mano de obra,
disponiendo la fbrica de hjhoras de mano de obra durante el mes j . En ciertos
meses, la fbrica puede emplear horas extras para aumentar sus recursos de
mano de obra. En general, se puede denotar por st j la cantidad mxima de
horas extras disponibles en el mes j , cada una de las cuales tiene un costo
unitario de cst.
La demanda de artculos tipo i en el mes j se estima en d ij, las cuales
necesariamente deben ser satisfechas.
El exceso de produccin puede ser almacenado a un costo mensual unitario de
s. Existe capacidad para almacenar un volumen mximo de v, pudindose
representar por vi el volumen de un artculo de tipo i . Polticas de produccin
exigen que al final del perodo bajo consideracin exista un inventario mnimo
de si unidades de artculos tipo i.
Formule un modelo de programacin lineal que permita planificar la operacin
de la fbrica durante los prximos n meses de forma tal de minimizar el costo
total.
Solucin:
Supongamos que se trabaja por lo menos el total de horas hj de cada mes,
nunca menos.
Xij : Cantidad de artculos tipo i =1,...,m producidos en mes j =1,...,n .
Zj : Cantidad de mano extra empleada en mes j =1,...,n .
Vij : Cantidad de artculos tipo i =1,...,m almacenados en mes j =1,...,n .
Modelos DIFICILES
Gracias a una adecuada estrategia de marketing y a la calidad del producto,
cierta pequea fbrica de canastos de mimbre ha recibido pedidos que superan
su actual capacidad de produccin. Durante las prximas cuatro semanas debe
entregar 52, 65, 70 y 85 canastos, respectivamente. Actualmente cuenta con
seis artesanos.
La gerencia general de la fbrica ha decidido contratar personal nuevo para
poder cumplir sus compromisos comerciales. Dada la escasez de artesanos, se
deber contratar personal sin experiencia. Un novato puede ser entrenado para
llegar a ser aprendiz durante una semana.
La segunda semana trabaja como aprendiz para ganar experiencia.
Comenzando la tercera semana (despus de dos semanas de trabajo) se
transforma en artesano.
La produccin estimada y sueldos de los empleados es la siguiente:
Cada artesano puede entrenar hasta dos novatos por semana (el
entrenamiento de un novato slo dura una semana). Todo excedente de
produccin semanal puede ser guardado para cumplir los siguientes
compromisos comerciales.
Los analistas de la empresa estiman que la demanda semanal de canastos
difcilmente superar los noventa canastos, por lo que han decidido terminar el
perodo sin novatos y aprendices, pero con al menos nueve artesanos. Los
reglamentos sindicales de la empresa prohben los despidos por reduccin de
personal.
Formule un modelo de programacin lineal que permita definir las
contrataciones a realizar, de modo de cumplir los compromisos comerciales a
costo mnimo.
Solucin:
Para resolver el problema se utilizarn las siguientes variables de decisin:
xij : Personal de tipo i =1,2,3,4 (artesano productor, artesano instructor,
aprendiz y novato respectivamente) trabajando en semana j = 1,2,3,4 .
zj : Sobreproduccin de semana j =1,2,3,4.
Variable secundaria:
i : Salario del empleado del tipo i =1,2,3,4.
Se debe de cumplir con los compromisos a costo mnimo.
La ciudad 1 produce 500 toneladas de basura por da y la ciudad 2 produce 400
toneladas por da. La basura debe ser incinerada en los incineradores 1 2, y
cada incinerador puede procesar hasta 500 toneladas de basura por da. El
costo de incinerar la basura es US$ 40/ton en el incinerador 1 y US$ 30/ton en
el incinerador 2. La incineracin reduce cada tonelada de basura a 0.2
toneladas de cenizas, las cuales deben ser llevadas a uno de dos depsitos.
Cada depsito puede recibir a lo ms 200 toneladas de cenizas por da. El costo
es de US$ 3/milla para transportar una tonelada de material (ya sea ceniza o
basura). Las distancias en millas se muestran en la tabla.
Formule el problema de programacin lineal que se puede usar para minimizar
los costos.
Solucin:
El objetivo del problema es minimizar los costos involucrados en el traslado e
incineracin de la basura. Este costo est asociado al costo de transporte
(funcin de la distancia) y al costo de incinerar (funcin del incinerador y la
cantidad). Para conseguir este objetivo se debe considerar las posibles
decisiones que admite el problema:
La cantidad de basura a trasladar desde cada ciudad (1 y 2) a cada uno de los
incineradores (1 y 2).
La cantidad de ceniza a trasladar desde cada incinerador (1 y 2) a cada uno de

los botaderos (1 y 2).
Para esto, asumimos algunos supuestos y caractersticas:
Toda la basura producida en un da debe ser incinerada durante ese

mismo da.
Los botaderos no cobran por recibir las cenizas.
Existe indiferencia en escoger el incinerador 1 2 con relacin a

cualquier variable que no sea el costo por tonelada incinerada.
El costo de transporte es una funcin exclusiva de la distancia recorrida,

dejando de lado cualquier otro factor.
La decisin se tomar exclusivamente desde el punto de vista de los

costos.
El anlisis se realizar en el perodo de un da, dado los datos

entregados.

De acuerdo al objetivo y los supuestos planteados, determinamos las
siguientes variables de decisin:
Xij : Cantidad de basura en toneladas transportada desde la ciudad i = 1,2
hasta el incinerador j = 1,2 .
Yij : Cantidad de ceniza en toneladas transportada desde el incinerador i = 1,2
hasta el botadero j = 1,2 .
Con la tabla de distancias dadas y los costos de incineracin, se plantea la
funcin objetivo:

Con la informacin de la produccin de basura, capacidad de incineracin y la
capacidad mxima de recepcin de ceniza de los botaderos, se construyen las
restricciones del problema
Cabe destacar que todas las variables deben ser positivas y no necesariamente
enteras dado que representan peso de basura o de ceniza. Es importante
agregar tambin dos condiciones relativas a que cada tonelada de basura que
entra al incinerador es transformada en 0.2 toneladas de ceniza, luego:
Las condiciones anteriores pueden ser agregadas al problema como dos

restricciones ms, o bien despejar dos de ellas en funcin de otras tres, de
modo de reducir el problema a un total de seis variables.
Silicon Valley Corporation (Silvco) fabrica transistores. Un aspecto importante

en la fabricacin de los transistores es fundir un elemento denominado G
(germanium) en un horno. Lamentablemente el proceso de fundido vara
mucho en cuanto a la calidad que se obtiene del elemento G. Hay dos mtodos
que se pueden usar para fundir el elemento G: el mtodo 1 cuesta US$50 por
transistor, y el mtodo 2 US$70 por transistor. Las calidades del elemento se
muestran en la tabla. Silvco puede realizar un proceso adicional para aumentar
la calidad del elemento fundido. Este cuesta US$25 por transistor. Los
resultados del proceso adicional se muestran en la tabla. Silvco tiene suficiente
capacidad de horneado ya sea para fundir o hacer el retratamiento de a lo ms
20000 transistores al mes. Las demandas mensuales son 1000 de transistores
de nivel 4, 2000 del nivel 3, 3000 del nivel 2, y 3000 del nivel 1. Use
programacin lineal para minimizar el costo de producir los transistores que se
requieren.
Donde Nivel 1 es pobre; nivel 4 es excelente. La calidad del transistor fabricado

est en directa relacin con
Solucin:
Objetivo: el objetivo del problema es minimizar los costos involucrados en la
produccin de los transistores, satisfaciendo la demanda para cada nivel de
ellos. Se considerarn dos mtodos de produccin adems de un mtodo de
retratamiento para mejorar la calidad de dichos transistores. Para conseguir
este objetivo se debe considerar las posibles decisiones que admite el
problema:
La cantidad transistores a producir por el mtodo 1 y por el mtodo 2.
La cantidad transistores de cada nivel: 3, 2, 1 y los defectuosos que se envan
a retratamiento con la esperanza de mejorar su nivel y con ello su precio.
Evidentemente no tiene sentido enviar los transistores de nivel 4 al proceso
adicional. Es importante considerar por separado los transistores provenientes
de cada proceso.
Supuestos:
Los porcentajes entregados en las tablas son exactos o 100% confiables, es
decir que si se fabrican 100 por el mtodo 1 es seguro que 30 de ellos van a
ser defectuosos, ni uno ms ni uno menos. Se entiende tambin que se
utilizar la misma consideracin para los datos del proceso adicional.
Existe indiferencia entre los transistores de cada mtodo, es decir que un
transistor de un nivel dado producido por el mtodo 1 es exactamente igual a
uno del mismo nivel producido por el mtodo 2.
Similarmente para el proceso adicional, no existe ninguna diferencia entre los
transistores de un nivel dado proveniente de uno de los dos mtodos de
fabricacin que los provenientes del retratamiento.
El objetivo es producir exactamente la cantidad demandada, ni uno de ms ni
uno de menos. Se considera adems que los valores de esta demanda son
100% confiables.
Slo se considerar que el proceso adicional se puede realizar una vez, es decir
la decisin de cuantas variables mandar al retratamiento se realiza una vez.
No es necesario producir a plena capacidad (20000 transistores al mes), puede
producirse esta cantidad o menos, la produccin se ajustar al resultado de
este estudio.
Como los datos entregados estn referidos a un mes, el anlisis se har para
este intervalo de tiempo, pero en trminos de cantidades producidas al mes no
de variables temporales propiamente tales.
De acuerdo al objetivo y supuestos planteados, declaramos las variables de
decisin del siguiente modo:
X1 : Cantidad de transistores producidos por el mtodo 1.
X 2 : Cantidad de transistores producidos por el mtodo 2.
Xij : Cantidad de transistores provenientes del mtodo i =1,2 y de clase j =
0,1,2,3 que se envan a reprocesar.
Entendemos por clase j al nivel de fundido, considerando como defectuoso la
clase 0.
Por otro lado, no tiene sentido reprocesar los transistores de nivel 4, por tal
motivo el subndice j slo llega hasta 3.
Con las tablas de produccin en porcentaje dadas y los costos de fabricacin
por unidad, se formula la funcin objetivo:
Observacin: Todas las funciones y restricciones sern trabajadas en dlares.

Con la informacin de la produccin de los distintos niveles por mtodo, ms la
informacin de la produccin por niveles del retratamiento, se construyen las
restricciones del problema:
Cabe destacar que todas las variables deben ser positivas y enteras dado que
representan nmero de unidades de transistores.
Problema 4: Produccin - PLANEACION DE

PRODUCCION DE CASSINELLI E HIJOS S.A.C
La empresa de bebidas gaseosas Enrique Cassinelli e Hijos S.A. es de origen
trujillano, se dedica a la produccin y comercializacin de bebidas gaseosas
Cassinelli, en diferentes presentaciones y sabores.
Su comercializacin se realiza tanto en la ciudad de Trujillo como en la zona
norte (Chiclayo, Piura, Talara) y nor Oriente (Bagua, Jaen, Tarapoto).
Actualmente Cassinelli tiene una participacin en el mercado de Trujillo de
10%, Concordia 14%, Kola Real 11%, Triple Kola 13.4%, Inka Kola 13.8%, Coca
Cola 14.2%, y el 23.6% corresponde a otras marcas.
Gaseosas Cassinelli posee un potencial para tener una importante participacin
en el mercado , ya que posee caractersticas que se ajustan a una bebida
agradable y es percibida como una bebida regional ,sin embargo presenta una
baja recordacin por alojamiento de la marca del mercado, por lo que le hace
perder preferencia ante otras marcas de gaseosas.
Por lo tanto la Gerencia General ha encomendado al Departamento de
Produccin realizar un plan de Produccin para maximizar sus ganancias
mensuales.
Como se mencion, la empresa Enrique Cassinelli e hijos se dedica a la
fabricacin de bebidas gaseosas, siendo las presentaciones comercializadas las
que se demuestran a continuacin:
La empresa en estudio cuenta con una planta de produccin que opera las 48
horas a la semana. Esta planta tiene una capacidad de produccin de 160,000
caja/mes.
El proceso de fabricacin de estos productos se lleva a cabo en dos etapas

(reas de trabajo)
1. En el Dpto. de Elaboracin se realiza la preparacin de jarabes el mismo que
cuenta con 4 trabajadores permanentes.
2. En el Dpto. de Envasado se realiza trabajos inherentes al proceso de
envasado y presentacin final del producto. Este Dpto. cuenta con 15
trabajadores
Las horas requeridas en ambos departamentos para producir 1000 cajas de
cada uno de los productos mencionados en la Tabla 1.22, se muestran en la
Tabla 1.23.
La demanda proyectada mxima para el mes de octubre 2002 se muestra en la

siguiente Tabla 1.24
El Dpto. de Contabilidad de la empresa estima un margen de ganancia para

cada producto, de:
La Gerencia ha solicitado determinar el Plan de Produccin semanal ptimo

para el mes de octubre 2002.
Para determinar el plan de produccin ptimo, el objetivo general es elaborar
un modelo lineal que permita hallar el plan de produccin ptimo y como
objetivos especficos tenemos que determinar la cantidad de cada tipo de
gaseosa que se debe elaborar semanalmente y obtener la mxima utilidad en
la produccin de gaseosas Cassinelli.
Solucin:
Xij : Nmero de cajas a producir de gaseosa del tipo i = 1,2,3,4 (NR de 2.65 lt,
NR de 1.75 lt, NR de 0.60 lt, VR de 0.296 lt) en la semana j =1,2,3,4 .
Maximizar el precio de venta*produccin

Con la informacin de la produccin de basura, capacidad de incineracin y la
capacidad mxima de recepcin de ceniza de los botaderos, se construyen las
restricciones del problema.
Link de Interes, para encontrar los ejercicios que nos faltan.

http://es.slideshare.net/johanastar/ejercicios-resueltos-programacion-lineal

Ejercicios PPL1

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Ejercicios PPL1

Uploaded by

Copyright:

Available Formats

Introduccin - Investigacin de

mes con cada una de sus vecinas, de la siguiente forma:

Paquito debe comenzar a unir todo lo pensado anteriormente

180(3) + 100(2) =740 (dinero gastado)

180(3) +100(4) = 940 (dinero gastado)

Pero nos falta un objetivo

De esta forma se logra formalizar dos modelos diferentes:

Metodologa - Investigacin de Operaciones

Es posible de una forma bastante general resumir el proceso de modelado o de

Descripcin exacta de los objetivos del estudio.

Identificacin de las variables de decisin o control existentes

Nivel de detalle (reconocimiento de las limitaciones, restricciones y

La descripcin de los objetivos es una de las actividades ms importantes en

formular largamente empleada para explicar el proceso de construccin de

El poder de sintesis, etc.

Esto nos trae dos consecuencias inmediatas para formulacin de modelos:

Existe una enorme dificultad en el proceso de formulacin.

Existe una fuerte tendencia a considerar la actividad de formulacin de

estudio. Es conveniente que sea controlada por el equipo responsable, pues

Estructura y construccin de modelos de

1. Variables de decisin y parmetros: las variables de decisin son las

2. Restricciones: de modo a llevar en cuenta las limitaciones fsicas del

3. Funcin objetivo: es una funcin matemtica que define la calidad de la

Podemos resumir de forma sucinta los pasos del proceso de anlisis

La etapa de formulacin comprende:

La definicin de las variables controlables (de decisin o control) y las

La elaboracin de la funcin objetivo y del criterio de optimizacin.

La formalizacin de las restricciones del modelo.

La etapa de construccin del modelo engloba:

La elaboracin de la estructura de entrada y salida de informacin.

Las frmulas de interrelacin.

Los horizontes de tiempo.

La etapa de ejecucin de los anlisis comprende:

Anlisis de sensibilidad de la solucin.

Levantamiento de la precisin de los datos.

Estudio de la estabilidad computacional.

Levantamiento de las dems especificaciones del modelo.

La etapa de implementacin de los resultados y la actualizacin del

Un gran proceso de feedback repasando las etapas anteriores, haciendo

Los Modelos Matemticos se dividen bsicamente en Modelos Determinsticos

parmetros asociados al modelo son conocidos con certeza absoluta, a

Clasificacin de los modelos de optimizacin

Modelos de programacin lineal Investigacin de Operaciones

Debe ser definido el objetivo bsico del problema, es decir la

Para que esta funcin objetivo sea matemticamente especificada,

Estas variables estn sujetas a una serie de restricciones, normalmente

Todas las expresiones, deben estar de acuerdo con la hiptesis principal de la

No se puede utilizar lo que no se tiene.

La cantidad utilizada debe ser menor o igual a la cantidad disponible

Restriccin de sensores electrnicos

Sabemos que disponemos de 18 sensores electrnicos y que para fabricar un

Restriccin de horas de trabajo

De igual modo, se dispone de 12 horas de trabajo, pero para fabricar un Ben10

1. Si tenemos como datos solo costos ya sean de materia prima, mano de

Las restricciones o limitaciones en los modelos lineales se representan

Muchos problemas tienen expresiones caractersticas que nos pueden anunciar

Para expresiones como:

Cmo mximo, a lo ms, disponibilidad, demanda mxima.

Cmo mnimo, por lo menos, al menos, demanda mnima.

Las restricciones deben tener las mismas unidades en tanto en su lado

La no negatividad de algunas variables es muy importante para definir la

A partir de ahora mostraremos una gran variedad de aplicaciones de modelos

EJERCICIOS PPL (Gestin de