Universidad Católica Boliviana “San Pablo”

Sede Santa Cruz

ÁLGEBRA LINEAL
Unidad 4: Programación Lineal

Docente: [Link]. Ing. Tomás Wilson Alemán Ramírez

Gestión 2024
 “La paciencia y la persistencia son dos
cualidades que tarde o temprano te conducen
al éxito”
Tomás Wilson Alemán Ramírez
[Link]ÓN LINEAL

La programación lineal es el campo de la programación matemática

dedicado a maximizar o minimizar una función lineal, denominada
función objetivo, de tal forma que las variables de la función estén sujetas
a una serie de restricciones expresadas mediante un sistema de
ecuaciones o inecuaciones también lineales.

La programación lineal (PL) es un método matemático de

optimización, que permite representar modelos lineales para reducir
costos o maximizar ganancias en diversas áreas de una organización.
Por lo que, es utilizada para la administración eficiente de los procesos en
todos los ámbitos de una organización porque ayuda a la Toma de
Decisiones.
2. DEFINICIÓN DE PROGRAMACIÓN LINEAL
Hernández (2007), define la Programación
Lineal como una clase de modelos
matemáticos concernientes a la asignación
eficiente de ciertos recursos limitados a
actividades conocidas con el objeto de
alcanzar un objetivo deseado.
Hiller (2010), define la programación lineal
como un modelo matemático que se utiliza
para describir un problema, por lo que
involucra la planeación de actividades para
obtener un resultado optimo.
3. OPTIMIZACIÓN
El criterio de optimización es por lo general un objetivo económico, donde:

Se maximiza un beneficio, Se minimiza un costo,

ganancia o utilidad. perdida o tiempo.
3. APLICACIÓN DE LA PROGRAMACIÓN LINEAL
La aplicación principal de la
Programación Lineal es en
las matemáticas aplicadas,
en la industria y en el área
empresarial en áreas como:
•Producción
•Logística y Cadena de
Suministros
•Finanzas
•Recursos Humanos
PRODUCCION LOGISTICA Y CADENA DE
• Permite realizar un plan que SUMINISTRO
permita aumentar la • Permite diseñar una red
capacidad de producción de de suministros, que ayude
la empresa. minimizar los costos de
• Ayuda a minimizar los costos transporte desde los
de producción cumpliendo orígenes a los destinos
con la demanda del cliente. cumpliendo con la oferta y
demanda.

FINANZAS RECURSOS HUMANOS

• Ayuda a los procesos • Permite la Asignación
gerenciales a la toma de de Tareas y la
decisiones en el ámbito Programación de
financiero. Horarios.
4. FASES DE LA PROGRAMACIÓN LINEAL
La programación Lineal consta de 2 fases bien definidas que son.

 Formulación del Modelo  Resolución del Modelo

Matemático.
 Método Grafico
 Maximización de problemas
 Método Simplex
 Minimización de problemas
4.1. FORMULACIÓN DE MODELOS MATEMÁTICOS
El modelo matemático debe contener los siguientes elementos esenciales:

• Las variables de decisión.

• La función objetivo, de tipo lineal,
que describe el problema, puede ser
una Maximización (MAX) o una
Minimización (MIN).
• Las restricciones o Limitaciones que
el problema presenta, expresadas
por inecuaciones lineales.
• Conjunto de Restricciones de No
Negatividad.
4.2. FORMULACIÓN GENERAL DE UN MODELO MATEMÁTICO DE
PROGRAMACIÓN LINEAL

Variables : 𝒙𝒊 = 𝒙𝟏, 𝒙𝟐, … … . . 𝒙𝒏 Especificar lo que representa cada variable.

Función Objetivo:
Ganancia, utilidad o beneficio: 𝑴𝑨𝑿 𝒁 = 𝑪𝟏𝒙𝟏 + 𝑪𝟐𝒙𝟐 + ⋯ + 𝑪𝒏𝒙𝒏
Costo, tiempo o perdida: 𝑴𝑰𝑵 𝒁 = 𝑪𝟏𝒙𝟏 + 𝑪𝟐𝒙𝟐 + ⋯ + 𝑪𝒏𝒙𝒏
Restricciones:
𝑎11𝑥1 + 𝑎12𝑥2 + … … … … … . + 𝑎1𝑛𝑥𝑛 ≤ 𝑏1
𝑎21𝑥1 + 𝑎22𝑥2 + … … … … … . + 𝑎2𝑛𝑥𝑛 ≥ 𝑏2
𝑎𝑚1𝑥1 + 𝑎𝑚2𝑥2 + … … … … … . + 𝑎𝑚𝑛𝑥𝑛 = 𝑏𝑛

Variables de no Negatividad: 𝑥1, 𝑥2, … . , 𝑥𝑛 ≥ 0

EJEMPLO 1
Una empresa de calzados de seguridad fabrica 2 tipos de zapatos, los Zapatos de Bota
Industrial y los zapatos de Bota Dieléctrica. Por cada zapato tipo Bota Industrial obtiene
una ganancia de 115 Bs. y por las Botas Dieléctrica se obtiene una ganancia 130 Bs.
La producción de los zapatos pasa por 4 divisiones en el departamento de producción que
son: Selección de la Materia Prima, Cortado según el tipo de zapato y hormas, Armado o
ensamble del calzado y Control de Calidad. En la siguiente tabla se muestra las horas
requeridas por cada tipo y en cada proceso. La empresa desea determinar qué cantidades
de cada tipo de botas se deben fabricar para optimizar la utilidad.
B. Industrial
Horas – Hombre Requerida Capacidad de
Dpto. de Producción. Bota Bota Hrs. mensuales
Industrial Dieléctrica por Dpto.
Selección de la Mat. Prima 1 1 320
B. Dieléctrica
Cortado según tipo Bota 0,5 0,60 480
Armado del calzado 0,8 1 480
Control de Calidad 0,4 0,30 320
1ero: Definición de variables
𝑥1 =Cantidad de Botas Industriales Selección Mat. Prima ⟹ 1 ∙ 𝑥1 + 1 ∙ 𝑥2 ≤ 320
𝑥2 =Cantidad de Botas Dieléctricas Cortado de Botas ⟹ 0,5 ∙ 𝑥1 + 0,6 ∙ 𝑥2 ≤ 480
Armado de calzados ⟹ 0,8 ∙ 𝑥1 + 1 ∙ 𝑥2 ≤ 480
2do: Función objetivo
Ganancias por 𝑥1 = 115 Bs Control de calidad⟹ 0,4 ∙ 𝑥1 + 0,3 ∙ 𝑥2 ≤ 320
Ganancias por 𝑥2 = 130 Bs 4to: Restricción de no negatividad
𝑴𝑨𝑿 𝒁 = 115 ∙ 𝑥1 + 130 ∙ 𝑥2 𝑥1 , 𝑥2 ≥ 0
3ero: Restricciones
Horas – Hombre Requerida Capacidad de
Dpto. de Producción. Bota Bota Horas mensuales
Industrial Dieléctrica por Dpto.
Selección de la Mat. Prima 1 1 320
Cortado según tipo Bota 0,5 0,60 480
Armado del calzado 0,8 1 480
Control de Calidad 0,4 0,30 320
EJEMPLO 2
Una fábrica de papel tiene almacenados 4000 kg. de pasta de papel normal y 3000 kg. de
pasta de papel reciclado. La fábrica produce 2 tipos diferentes de cajas de cartón.
Para el cartón tipo A utiliza 0.2 kg. de pasta de papel normal y 0.1 kg. de pasta de papel
reciclado, mientras que para las cajas de tipo B se utiliza 0.2 kg. de pasta de papel normal
y 0.3 pasta de papel reciclado. Los beneficios que la fábrica obtiene por la venta de cada
caja son: 5 Bs. y 6 Bs. respectivamente.
Determine cuantas cajas de cada tipo deben fabricarse para obtener el máximo beneficio y
cuál es el beneficio.
1ero: Análisis de los datos

TIPOS DE CAJAS DE CANT.

PASTA DE
CARTÓN ALMACENADA
PAPEL
TIPO A TIPO B [Kgs.]
Normal 0,2 0,2 4000
Reciclado 0,1 0,3 3000
Tipo A Tipo B
Beneficio 5 6
2do: Definición de Variables 4to: Restricciones
𝑥1 = Cant. De Cajas de Cartón Tipo A Normal ⟹ 0,2 ∙ 𝑥1 + 0,2 ∙ 𝑥2 ≤ 4000
𝑥2 = Cant. De Cajas de Cartón Tipo B Reciclado ⟹ 0,1 ∙ 𝑥1 + 0,3 ∙ 𝑥2 ≤ 3000
3ero: Función objetivo
5to: Restricciones de No negatividad
Beneficio por caja Tipo A: 5 𝐵𝑠
𝑥1 , 𝑥2 ≥ 0
Beneficio por caja Tipo B: 6 𝐵𝑠
𝑴𝑨𝑿 𝒁 = 5 ∙ 𝑥1 + 6 ∙ 𝑥2
4to: Restricciones

PASTA DE TIPOS DE CAJAS CANT.

PAPEL TIPO A TIPO B ALMACEN. [Kgs.]
Normal 0,2 0,2 4000
Reciclado 0,1 0,3 3000
Beneficio 5 6
EJEMPLO 3
Una empresa elabora 2 productos, este proceso cuenta con 3 etapas:
fundición, ensamblaje y distribución. La disponibilidad en horas en cada
etapa por cada producto es de 18, 8, 14 hrs. respectivamente.
La distribución del tiempo que se utiliza y el beneficio de cada producto se
resume en la siguiente tabla:
Etapas de Producto Producto Disponibilidad
producción 1 2 hrs.
Fundición 1 3 18
Ensamblaje 1 1 8
Distribución 2 1 14
Beneficio [$us] 3 2 Producto 1 Producto 2

Se desea determinar qué cantidad de cada producto se debe elaborar para

maximizar los beneficios.
1ero: Definición de Variables Fundición ⟹ 1 ∙ 𝑥1 + 3 ∙ 𝑥2 ≤ 18
𝑥1 = Cant de fabricación Producto 1 Ensamblaje ⟹ 1 ∙ 𝑥1 + 1 ∙ 𝑥2 ≤ 8
𝑥2 = Cant de fabricación Producto 2 Distribución ⟹ 2 ∙ 𝑥1 + 1 ∙ 𝑥2 ≤ 14
2do: Función objetivo
4to: Restricciones de No negatividad
Beneficio por Producto 1: 3 $𝑢𝑠
Beneficio por Producto 2: 2 $𝑢𝑠 𝑥1 , 𝑥2 ≥ 0
𝑴𝑨𝑿 𝒁 = 3 ∙ 𝑥1 + 2 ∙ 𝑥2
3ero: Restricciones
Etapas de Producto Producto Disponibilidad
producción 1 2 hrs.
Fundición 1 3 18
Ensamblaje 1 1 8
Distribución 2 1 14
Beneficio [$us] 3 2
4.2. RESOLUCION DE LOS MODELOS MATEMATICOS
Se pueden resolver utilizando dos métodos:
• MÉTODO GRÁFICO
Este método es útil cuando se trabaja con problemas de programación lineal con sólo
dos variables. En este método se grafican las restricciones y la función objetivo en un
plano cartesiano y se busca la intersección de las restricciones para encontrar la solución
óptima.
• MÉTODO SIMPLEX
Este es uno de los métodos más utilizados para resolver problemas de programación
lineal con varias variables. En este método se construye una tabla que muestra las
variables y las restricciones, y se realiza una serie de iteraciones para encontrar la
solución óptima.
5. MÉTODO GRAFICO
1er Paso: Delinear sobre el primer
cuadrante (debido a las condiciones de No
Negatividad) la región de solución factible.
Una vez determinada la región factible se
debe determinar los Puntos de Esquina de
la Región Factible.
2do Paso: Teniendo ubicados y calculados
todos los Puntos de Esquina, se debe
reemplazar estos valores en la función
objetivo, con la finalidad de encontrar el
Punto Óptimo de la Región Factible.
 MÉTODO GRAFICO
 Región Factible.- Es aquella región que
cumple con todas las restricciones y las
condiciones de No Negatividad. En el
grafico es el área sombreada, es decir las
restricciones comunes a todas las
desigualdades.
 Solución Factible.- Es cualquier punto o
par de ordenadas que se encuentran
dentro de la Región Factible.
 Solucion Optima.- Es aquella que
maximiza o minimiza según sea la
Función Objetivo, los valores de los
diferentes Puntos de Esquina.
EJEMPLO 4
Un establecimiento de prendas de bioseguridad tiene almacenados 1600 trajes, 1000 gafas
y 800 protectores faciales. Se quiere incentivar la compra de estos productos mediante la
oferta de dos tipos de Combos: el Combo A, que produce un beneficio de 56 Bs, formado
por un traje, un protector y unas gafas, y el Combo B que produce un beneficio de 70 Bs y
esta formado por dos trajes y unas gafas.
La empresa desea saber cuál el número de Combos A y B que se deben vender para que
se alcance un beneficio máximo y a cuánto asciende éste.
1ero: Analizamos los datos

Prendas de Combos de Seguridad Cantidad

bioseguridad Combo A Combo B almacenada
Trajes 1 2 1600
Gafas 1 1 1000
Protectores 1 0 800
Beneficios [Bs] 56 70
2do: Definición de Variables Trajes de Seguridad ⟹ 1 ∙ 𝑥1 + 2 ∙ 𝑥2 ≤ 1600
𝑥1 = Cantidad de Combo A Gafas de Seguridad ⟹ 1 ∙ 𝑥1 + 1 ∙ 𝑥2 ≤ 1000
𝑥2 = Cantidad de Combo B Protectores Faciales ⟹ 1 ∙ 𝑥1 ≤ 800
3ero: Función objetivo
5to: Restricciones de No negatividad
Beneficio por Combo A: 56 𝐵𝑠.
𝑥1 , 𝑥2 ≥ 0
Beneficio por Combo B: 70 𝐵𝑠.
𝑴𝑨𝑿 𝒁 = 56 ∙ 𝑥1 + 70 ∙ 𝑥2
4to: Restricciones
Prendas de Combos de Seguridad Cantidad
bioseguridad Combo A Combo B almacenada
Trajes 1 2 1600
Gafas 1 1 1000
Protectores 1 0 800
Beneficios [Bs] 56 70
6to: Representación gráfica de las restricciones
𝑥2
Restricción 1: 1 ∙ 𝑥1 + 2 ∙ 𝑥2 ≤ 1600
1800
𝑥1 𝑥2
1600
0 800 1 ∙ 𝑥1 ≤ 800
1400
1600 0
1200

Restricción 2: 1 ∙ 𝑥1 + 1 ∙ 𝑥2 ≤ 1000 1000

1 ∙ 𝑥1 + 1 ∙ 𝑥2 ≤ 1000
𝑥1 𝑥2 800
0 1000 P1
600
1000 0 P2
400

Restricción 3: 1 ∙ 𝑥1 ≤ 800 1 ∙ 𝑥1 + 2 ∙ 𝑥2 ≤ 1600

200 P3
𝑥1 𝑥2
200 400 600
P4
800 1000 1200 1400 1600 1800
𝑥1
0 0
800 0
 7mo: Calculamos los puntos de Esquina
Punto 1:
Por observación: 𝑥2
𝑥1 = 0 𝑦 𝑥2 = 800
1800
Punto 2:
Punto en común de R1 y R2 1600
𝑹𝟏 − 𝑹𝟐: 1 ∙ 𝑥1 ≤ 800 𝑃1(0; 800)
1400
1 ∙ 𝑥1 + 2 ∙ 𝑥2 = 1600
−1 ∙ 𝑥1 − 1 ∙ 𝑥2 = − 1000 1200
𝑃2(400; 600)
𝑥2 = 600 1000
∴ 𝑥1 + 2 ∙ 600 = 1600
1 ∙ 𝑥1 + 1 ∙ 𝑥2 ≤ 1000 𝑃3(800; 200)
800
𝑥1 = 400 P1
Punto 3: 𝑥1 = 800 600 𝑃4(800; 0)
1 ∙ 800 + 1 ∙ 𝑥2 = 1000 400
P2
𝑥2 = 200 1 ∙ 𝑥1 + 2 ∙ 𝑥2 ≤ 1600
200 P3
Punto 4:
Por observación: 200 400 600
P4
800 1000 1200 1400 1600 1800
𝑥1
𝑥1 = 800 𝑦 𝑥2 = 0
8vo: Calculamos la solución óptima o
punto óptimo

Con la función objetivo:

𝑴𝒂𝒙 𝒛 = 56 ∙ 𝑥1 + 70 ∙ 𝑥2
𝑃1 0; 800  56(0) + 70 (800) = 56.000
𝑃2 400; 600  56(400) + 70 (600) = 64.400
𝑃3(800; 200) 56(800) + 70 (200) = 58.800
𝑃4 800; 0  56 (800) + 70 (0) = 44.800

9no: Interpretación de los Resultados

Para maximizar sus ingresos a 64.400 Bs. La
empresa deberá vender 400 unidades del combo
tipo A y 600 unidades del Combo tipo B.
EJEMPLO 5
Un estudiante de la maestría de Administración de Empresas de la Univ. de Pensilvania
necesita completar un total de 65 módulos para graduarse. El número de módulos del área
de administración tendrá que ser mayor o igual a 23.
El número de módulos ajenos al área de administración deberá ser mayor que o igual a 20.
La universidad exige comprar por cada módulo de las materias de administración un
promedio de un libro que cuesta $60 e implica 120 horas de estudio. Los cursos ajenos al
área de administración requieren un libro de texto que cuesta $24 e implican 200 horas de
estudio. El estudiante dispone de un presupuesto de $3000 para libros.
¿Con qué combinación de cursos de administración y otros ajenos a esta área se
minimizaría el número total de horas de estudio
1ero: Definición de Variables 4to: Restricciones de No negatividad
𝑥1 = Cantidad de módulos del área de
𝑥1 , 𝑥2 ≥ 0
administración
𝑥2 = Cantidad de módulos de otras áreas. 5to: Representación gráfica
Restricción 1: 𝑥1 + 𝑥2 = 65
2do: Función objetivo
𝑥1 𝑥2
Horas de estudio para 𝑥1 : 120 ℎ𝑟𝑠.
0 65
Horas de estudio para 𝑥2 : 200 ℎ𝑟𝑠.
65 0
𝑴𝑰𝑵 𝒁 = 120 ∙ 𝑥1 + 200 ∙ 𝑥2
Restricción 4: 60 ∙ 𝑥1 + 24 ∙ 𝑥2 ≤ 3000
3ero: Restricciones 60 ∙ 𝑥1 + 24 ∙ 𝑥2 = 3000
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑚ó𝑑𝑢𝑙𝑜𝑠 ∶ 𝑥1 + 𝑥2 = 65
𝑥1 𝑥2
𝑀ó𝑑𝑢𝑙𝑜𝑠 𝑑𝑒 𝑎𝑑𝑚. : 𝑥1 ≥ 23
0 125
𝑀ó𝑑𝑢𝑙𝑜𝑠 𝑜𝑡𝑟𝑎𝑠 á𝑟𝑒𝑎𝑠: 𝑥2 ≥ 20
50 0
𝑅𝑒𝑐𝑢𝑟𝑠𝑜𝑠: 60𝑥1 + 24𝑥2 ≤ 3000
 6to: Puntos de esquina
𝑥2
150
Punto 1:
𝑥1 ≥ 23 𝑥1 = 23
135 ቊ
125
𝑥1 + 𝑥2 = 65
120
60𝑥1 + 24𝑥2 ≤ 3000
23 + 𝑥2 = 65 ⟹ 𝑥2 = 42 ∴ 𝑷𝟏(𝟐𝟑; 𝟒𝟐)
105
Punto 2:
90 60 ∙ 𝑥1 + 24 ∙ 𝑥2 = 3000
ቊ
75
𝑥1 + 𝑥2 = 65
65 De la 2da ecuación: 𝑥2 = 65 − 𝑥1
60
Reemplazamos en la 1era ecuación:
45
P1 60 ∙ 𝑥1 + 24 ∙ 65 − 𝑥1 = 3000
30 60 ∙ 𝑥1 + 1560 − 24 ∙ 𝑥1 = 3000
P2 𝑥2 ≥ 20
20 36𝑥1 = 1440
15
𝑥1 + 𝑥2 = 65 𝑥1 = 40
15
23
30 45
50
6065 75 90 105 120 135 150
𝑥1 Reemplazamos x1
𝑥2 = 65 − 𝑥1
𝑥2 = 65 − 40
𝑥2 = 25 ∴ 𝑷𝟐(𝟒𝟎; 𝟐𝟓)
7mo: Calculamos la solución óptima o 8vo: Interpretación de los Resultados
punto óptimo Para minimizar las horas de estudio se debe
inscribir 40 módulos del área de
𝑷𝟏(𝟐𝟑; 𝟒𝟐)
administración y 25 módulos de otras áreas
𝑴𝑰𝑵 𝒁 = 120 ∙ 𝑥1 + 200 ∙ 𝑥2
𝑴𝑰𝑵 𝒁 = 120 ∙ 23 + 200 ∙ 42
𝑴𝑰𝑵 𝒁 = 11160 ℎ𝑜𝑟𝑎𝑠

𝑷𝟐(𝟒𝟎; 𝟐𝟓)
𝑴𝑰𝑵 𝒁 = 120 ∙ 𝑥1 + 200 ∙ 𝑥2

𝑴𝑰𝑵 𝒁 = 120 ∙ 40 + 200 ∙ 25

𝑴𝑰𝑵 𝒁 = 9800 ℎ𝑜𝑟𝑎𝑠

6. MÉTODO SIMPLEX
El Método Simplex es un procedimiento
de cálculo algebraico, iterativo, para
resolver Modelos Lineales de cualquier
tamaño, es decir problemas que
manejan “n” variables de decisión.
Se utiliza bastante en la optimización
de utilidades o costos, en la gestión de
procesos de tipo administrativo y
gerencial y para la toma de decisiones.
[Link] de Análisis
1ero: Definición del Modelo Matemático: El
análisis de un problema en programación
lineal se inicia con la definición del modelo
matemático el cual incluye las siguientes
etapas:
- Declaración de variables
- Función objetivo
- Definición de las restricciones
2do: Transformación al Sistema Canónico:
En el Modelo Matemático anterior se debe
incorporar una variable básica en cada
restricción. Esto permite obtener una primera
solución posible que satisface todas las
restricciones.
[Link] básicas
Las variables básicas a incorporar pueden ser:
Variable de Holgura: Es aquella variable que se introduce
para convertir una restricción bajo la condición ≤ en una
igualdad. Una variable de holgura puede interpretarse
como la cantidad de recurso no empleado. Su costo o
beneficio asociado en la Función Objetivo será de CERO.
Variable Superflua: Es aquella variable que se introduce
para convertir una restricción del tipo ≥ en una igualdad.
Las variables superfluas se interpretan como el exceso de
un recurso. Su costo o beneficio asociado a la Función
objetivo será de CERO
Variable Artificial: Es aquella variable que se introduce a
cada restricción de la forma = y ≥, su costo asociado en la
Función Objetivo será M.
6.3. Tipos de restricciones
Restricciones del tipo ≤. Las restricciones de este
tipo se convierte en igualdad sumándole al lado
izquierdo una variable de holgura a cada restricción
que cumpla esta condición.

Restricciones del tipo ≥ Las restricciones de este

tipo en el lado izquierdo se le resta una variable
Superflua y se le suma una variable artificial por
cada restricción que cumpla la condición.

Restricciones del tipo = Al lado de izquierdo de

cada restricción se le debe sumar una variable
artificial.
EJEMPLO 6
Una mueblería fabrica escritorios, mesas y sillas. La fabricación requiere de
materia prima y de mano de obra. La mano de obra se clasifica en dos tipos:
carpintería y terminaciones. La cantidad de recurso requerido para cada tipo de
producto se muestra en el Cuadro siguiente:

Recurso Escritorios Mesas Sillas

Materiales (pulg. de madera) 8 6 1
Terminaciones (horas) 4 2 1,5
Carpintería (horas) 2 1,5 0,5

Actualmente se dispone de 48 pulgadas madereras, 20 horas para

terminaciones y 8 horas para carpintería. Cada escritorio se vende a US$ 60,
cada mesa a US$ 30 y cada silla a US$ 20. La empresa cree que se venderán
a lo más (<=) 5 mesas. Debido a que los recursos ya han sido adquiridos, la
empresa desea maximizar sus ingresos.
1ero: Análisis de los datos
Escritorios Mesas Sillas Disponibilidad
Recurso
𝒙𝟏 𝒙𝟐 𝒙𝟑 ≤
Materiales (pulg. de madera) 8 6 1 48
Terminaciones (horas) 4 2 1,5 20
Carpintería (horas) 2 1,5 0,5 8
Precio de venta ($us) 60 30 20

2do: Declaración de variables 4to: Restricciones

𝑥1 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑒𝑠𝑐𝑟𝑖𝑡𝑜𝑟𝑖𝑜𝑠 𝑎 𝑣𝑒𝑛𝑑𝑒𝑟 8𝑥1 + 6𝑥2 + 1𝑥3 ≤ 48
𝑥2 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑚𝑒𝑠𝑎𝑠 𝑎 𝑣𝑒𝑛𝑑𝑒𝑟 4𝑥1 + 2𝑥2 + 1,5𝑥3 ≤ 20
𝑥3 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑠𝑖𝑙𝑙𝑎𝑠 𝑎 𝑣𝑒𝑛𝑑𝑒𝑟 2𝑥1 + 1,5𝑥2 + 0,5𝑥3 ≤ 8
3ero: Función objetivo 𝑥2 ≤ 5
𝑀𝐴𝑋 𝑍 = 60𝑥1 + 30𝑥2 + 20𝑥3 𝑥1 , 𝑥2 , 𝑥3 ≥ 0 𝑁𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑
5to: Función Canónica 8𝑥1 + 6𝑥2 + 1𝑥3 + 𝑥4 = 48
4𝑥1 + 2𝑥2 + 1,5𝑥3 + 𝑥5 = 20
Restricciones
2𝑥1 + 1,5𝑥2 + 0,5𝑥3 + 𝑥6 =8
1𝑥2 + 𝑥7 = 5
𝑀𝐴𝑋 𝑍 = 60𝑥1 + 30𝑥2 + 20𝑥3 + 0𝑥4 + 0𝑥5 + 0𝑥6 + 0𝑥7 F. Objetivo

6to: Tabla 1 Tabla 2 x1 x2 x3 x4 x5 x6 x7 LD Razón

x4 8 6 1 1 0 0 0 48
x5 4 2 1,5 0 1 0 0 20
x6 2 1,5 0,5 0 0 1 0 8
x7 0 1 0 0 0 0 1 5
MAX(Z)

𝑀𝐴𝑋 𝑍 = 𝑪. 𝑽. 𝑯. 𝑭. 𝑶. × 𝑴. 𝑪. 𝑽. − 𝑪. 𝑭. 𝑶
𝟖 𝟔 𝟏 𝟏 𝟎 𝟎 𝟎
𝑀𝐴𝑋 𝑍 = 𝟎 𝟎 𝟎 𝟎 × 𝟒 𝟐 𝟏, 𝟓 𝟎 𝟏 𝟎 𝟎 − 𝟔𝟎 𝟑𝟎 𝟐𝟎 𝟎 𝟎 𝟎 𝟎
𝟐 𝟏, 𝟓 𝟎, 𝟓 𝟎 𝟎 𝟏 𝟎
𝟎 𝟏 𝟎 𝟎 𝟎 𝟎 𝟏
𝑀𝐴𝑋 𝑍 = −60 −30 −20 0 0 0 0
 Tabla 2 x1 x2 x3 x4 x5 x6 x7 LD Razón
x4 8 6 1 1 0 0 0 48 48/8=6
x5 4 2 1,5 0 1 0 0 20 20/4=5
x6 2 1,5 0,5 0 0 1 0 8 8/2=4
x7 0 1 0 0 0 0 1 5 5/0=∞
Max(Z) -60 -30 -20 0 0 0 0 0

7to: Interacción 1
Tabla 2 x1 x2 x3 x4 x5 x6 x7 LD Razón
x4=-8x1+x4 0 0 -1 1 0 -4 0 16
x5=-4x1+x5 0 -1 0,5 0 1 -2 0 4
x1=x6/2 1 0,75 0,25 0 0 0,5 0 4
x7 0 1 0 0 0 0 1 5
Max(Z)=60x1+Max(Z) 0 15 -5 0 0 30 0 240
 7to: Interacción 1
Tabla 2 x1 x2 x3 x4 x5 x6 x7 LD Razón
x4 0 0 -1 1 0 -4 0 16 16/(-1)=-16
x5 0 -1 0,5 0 1 -2 0 4 4/0,5=8
x1 1 0,75 0,25 0 0 0,5 0 4 4/0,25=16
x7 0 1 0 0 0 0 1 5 5/0=∞
Max(Z) 0 15 -5 0 0 30 0 240

8vo: Interacción 2
Tabla 2 x1 x2 x3 x4 x5 x6 x7 LD Razón
x4=x3+x4 0 -2 0 1 2 -8 0 24
𝒙𝟑 = 𝒙𝟓 ÷ 𝟎, 𝟓 0 -2 1 0 2 -4 0 8
x1=−0,25x3+x1 1 1,25 0 0 -0,50 1,5 0 2
x7 0 1 0 0 0 0 1 5
Max(Z)=5x3+Max(Z) 0 5 0 0 10 10 0 280

RESPUESTA: Para maximizar los ingresos la empresa deberá vender 2 unidades de

escritorios, ninguna mesa y 8 unidades de sillas, para así obtener un ingreso diario de $us 280.
EJEMPLO 7
Una industria debe preparar una mezcla de un producto para atender un pedido de
𝟏𝟎. 𝟎𝟎𝟎 𝒌𝒈. Los insumos son 𝐴, 𝐵 𝑦 𝐶.
Los costos de cada insumo son: 𝟖 $𝒖𝒔 por 𝒌𝒈. para 𝑨, 𝟏𝟎 $𝒖𝒔 por 𝒌𝒈. para 𝑩,
𝟏𝟏 $𝒖𝒔 por 𝒌𝒈. para 𝑪. Del insumo 𝑨 no debe usarse más de 𝟑𝟎𝟎𝟎 𝒌𝒈, y para 𝑩
por lo menos (≥) debe usarse 𝟏𝟓𝟎𝟎 𝒌𝒈. Además se requiere (≥) 𝟐𝟎𝟎𝟎 𝒌𝒈. de 𝑪
a) Minimizar los costos
b) Encontrar las cantidades óptimas para la mezcla
1ero: Análisis de los datos
Insumo A Insumo B Insumo C
Recurso
𝒙𝟏 𝒙𝟐 𝒙𝟑
Restricción ≤ 3000 ≥ 1500 ≥ 2000
Costo de cada insumo ($us) 8 10 11

Pedido: 𝒙𝟏 + 𝒙𝟐 + 𝒙𝟑 = 10.000
 2do: Declaración de Variables 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖𝑜𝑛𝑒𝑠
≤ ⟹ + 𝑽𝑯
𝑥1 = 𝐶𝑎𝑛𝑡. 𝐷𝑒𝑙 𝐼𝑛𝑠𝑢𝑚𝑜 𝐴 ≥ ⟹ − 𝑽𝑺 + 𝑽𝑨
𝑥2 = 𝐶𝑎𝑛𝑡. 𝐷𝑒𝑙 𝐼𝑛𝑠𝑢𝑚𝑜 𝐵 = ⟹ + 𝑽𝑨
𝑥3 = 𝐶𝑎𝑛𝑡. 𝐷𝑒𝑙 𝐼𝑛𝑠𝑢𝑚𝑜 𝐶 𝐹𝑢𝑛𝑐𝑖ó𝑛 𝑜𝑏𝑗𝑒𝑡𝑖𝑣𝑜
3ero: Función objetivo 𝑀𝐴𝑋/𝑀𝐼𝑁 𝑍 = 𝑉. 𝑂𝑅𝐼𝐺 + 𝟎 ∙ 𝑽𝑯 + 𝟎 ∙ 𝑽𝑺 + 𝑴 ∙ 𝑽𝑨
𝑉𝐻 = 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒 𝐻𝑜𝑙𝑔𝑢𝑟𝑎
MIN Z = 8𝑥1 + 10𝑥2 + 11𝑥3
𝑉𝑆 = 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑆𝑢𝑝𝑒𝑟𝑓𝑙𝑢𝑎
4to: Restricciones 𝑉𝐴 = 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝐴𝑟𝑡𝑖𝑓𝑖𝑐𝑖𝑎𝑙
𝑥1 ≤ 3000 𝑀 = 𝐶𝑜𝑒𝑓𝑖𝑐. 𝑚𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑑𝑜𝑟
𝑥2 ≥ 1500 𝒂) 𝑹𝒆𝒔𝒕𝒓𝒊𝒄𝒄𝒊𝒐𝒏𝒆𝒔
𝑥3 ≥ 2000 𝑥1 + 𝒙𝟒 = 3000
𝑥1 + 𝑥2 + 𝑥3 = 10000 𝑥2 − 𝒙 𝟓 + 𝒙𝟕 = 1500
𝑥1 , 𝑥2 , 𝑥3 ≥ 0 𝑥3 − 𝒙𝟔 + 𝒙 𝟖 = 2000
𝑥1 + 𝑥2 + 𝑥3 + 𝒙𝟗 = 10000
5to: Modelo canónico
Se debe verificar que el problema se encuentre 𝒃) 𝑭𝒖𝒏𝒄𝒊ó𝒏 𝒐𝒃𝒋𝒆𝒕𝒊𝒗𝒐
en la forma Estándar para ello deben estar las 𝑀𝐼𝑁 𝑧 = 8𝑥1 + 10𝑥2 + 11𝑥3 + 𝟎 ∙ 𝒙𝟒 +𝟎 ∙ 𝒙𝟓 + 𝟎 ∙ 𝒙𝟔 +
restricciones ordenadas: +𝑴 ∙ 𝒙𝟕 + 𝑴 ∙ 𝒙𝟖 + 𝑴 ∙ 𝒙𝟗
6to: Tabla inicial 𝒙𝟏 + 0𝑥2 + 0𝑥3 + 𝒙𝟒 + 0𝑥5 + 0𝑥6 + 0𝑥7 + 0𝑥8 + 0𝑥9 = 3000
0𝑥1 + 𝒙𝟐 + 0𝑥3 + 0𝑥4 − 𝒙𝟓 + 0𝑥6 + 𝒙𝟕 + 0𝑥8 + 0𝑥9 = 1500
0𝑥1 + 0𝑥2 + 𝒙𝟑 + 0𝑥4 + 0𝑥5 − 𝒙𝟔 + 0𝑥7 + 𝒙𝟖 + 0𝑥9 = 2000
𝒙𝟏 + 𝒙𝟐 + 𝒙𝟑 + 0𝑥4 + 0𝑥5 + 0𝑥6 + 0𝑥7 + 0𝑥8 + 𝒙𝟗 = 10000

𝑀𝐼𝑁 𝑧 = 8𝑥1 + 10𝑥2 + 11𝑥3 + 𝟎 ∙ 𝒙𝟒 +𝟎 ∙ 𝒙𝟓 + 𝟎 ∙ 𝒙𝟔 + 𝑴 ∙ 𝒙𝟕 + 𝑴 ∙ 𝒙𝟖 + 𝑴 ∙ 𝒙𝟗

𝑻𝒂𝒃𝒍𝒂 𝟎 𝒙𝟏 𝒙𝟐 𝒙𝟑 𝒙𝟒 𝒙𝟓
𝒙𝟗 𝒙𝟔 𝒙𝟕 𝒙𝟖 𝑳𝑫 𝑹𝑨𝒁𝑶𝑵
𝒙𝟒 1 0 0 1 00 0 0 0 3000
𝒙𝟕 0 1 0 0 -10 0 1 0 1500
𝒙𝟖 0 0 1 0 00 -1 0 1 2000
𝒙𝟗 1 1 1 0 01 0 0 0 10000
𝒁 8 10 11 0 00 0 0 0
𝑀 -1 -2 -2 0 10 1 0 0
1 0 0 1 0 0 0 0 0
𝑍 + 𝑀 = 8 10 11 0 0 0 𝑀 𝑀 𝑀 − 𝟎 𝑴 𝑴 𝑴 × 0 1 0 0 −1 0 1 0 0
0 0 1 0 0 −1 0 1 0
1 1 1 0 0 0 0 0 1
𝑍 + 𝑀 = 8 10 11 0 0 0 𝑀 𝑀 𝑀 − 𝑀 2𝑀 2𝑀 0 −𝑀 −𝑀 𝑀 𝑀 𝑀
𝒁+𝑴= 𝟖−𝑴 𝟏𝟎 − 𝟐𝑴 𝟏𝟏 − 𝟐 𝑴 0 𝑴 𝑴 0 0 0
7mo: Cálculo de la esquina inferior izquierda
3000
1500
− 𝐶𝐹𝑂𝑉𝐻. 𝑉𝐴. ∗ 𝐿𝐷 = − 0 𝑀 𝑀 𝑀 × = −𝟏𝟑𝟓𝟎𝟎𝑀
2000
8vo: Primera iteración 10000

𝑻𝒂𝒃𝒍𝒂 𝟎 𝒙𝟏 𝒙𝟐 𝒙𝟑 𝒙𝟒 𝒙𝟓 𝒙𝟔 𝒙𝟕 𝒙𝟖 𝒙𝟗 𝑳𝑫 𝑹𝑨𝒁𝑶𝑵
𝒙𝟒 1 0 0 1 0 0 0 0 0 3000 3000/0 = ∞
𝒙𝟕 0 1 0 0 -1 0 1 0 0 1500 1500/1 = 1500
𝒙𝟖 0 0 1 0 0 -1 0 1 0 2000 2000/0 = ∞
𝒙𝟗 1 1 1 0 0 0 0 0 1 10000 10000/1 = 10000
𝒁 8 10 11 0 0 0 0 0 0 0
𝑴 -1 -2 -2 0 1 1 0 0 0 -13500

𝑻𝒂𝒃𝒍𝒂 𝑰 𝒙𝟏 𝒙𝟐 𝒙𝟑 𝒙𝟒 𝒙𝟓 𝒙𝟔 𝒙𝟕 𝒙𝟖 𝒙𝟗 𝑳𝑫 𝑹𝑨𝒁𝑶𝑵
𝑥4 1 0 0 1 0 0 0 0 0 3000 ∞
𝒙𝟐 0 1 0 0 -1 0 1 0 0 1500 ∞
𝑥8 0 0 1 0 0 -1 0 1 0 2000 2000
𝑥9 = 𝑥9 − 𝑥2 1 0 1 0 1 0 -1 0 1 8500 8500
𝑍 = 𝑍 − 10𝑥2 8 0 11 0 10 0 -10 0 0 -15000
𝑀 = 𝑀 + 2𝑥2 -1 0 -2 0 -1 1 2 0 0 -10500
9no: Segunda iteración

𝑻𝒂𝒃𝒍𝒂 𝑰 𝒙𝟏 𝒙𝟐 𝒙𝟑 𝒙𝟒 𝒙𝟓 𝒙𝟔 𝒙𝟕 𝒙𝟖 𝒙𝟗 𝑳𝑫 𝑹𝑨𝒁𝑶𝑵
𝑥4 1 0 0 1 0 0 0 0 0 3000 ∞
𝑥2 0 1 0 0 -1 0 1 0 0 1500 ∞
𝒙𝟖 0 0 1 0 0 -1 0 1 0 2000 2000
𝑥9 = 𝑥9 − 𝑥2 1 0 1 0 1 0 -1 0 1 8500 8500
𝑍 = 𝑍 − 10𝑥2 8 0 11 0 10 0 -10 0 0 -15000
𝑀 = 𝑀 + 2𝑥2 -1 0 -2 0 -1 1 2 0 0 -10500

𝑻𝒂𝒃𝒍𝒂 𝑰𝑰 𝒙𝟏 𝒙𝟐 𝒙𝟑 𝒙𝟒 𝒙𝟓 𝒙𝟔 𝒙𝟕 𝒙𝟖 𝒙𝟗 𝑳𝑫 𝑹𝑨𝒁𝑶𝑵
𝑥4 1 0 0 1 0 0 0 0 0 3000 3000
𝑥2 0 1 0 0 -1 0 1 0 0 1500 ∞
𝒙𝟑 0 0 1 0 0 -1 0 1 0 2000 ∞
𝑥9 = 𝑥9 − 𝑥3 1 0 0 0 1 1 -1 -1 1 6500 6500
𝑍 = 𝑍 − 11𝑥3 8 0 0 0 10 11 -10 -11 0 -37000
𝑀 = 𝑀 + 2𝑥3 -1 0 0 0 -1 -1 2 2 0 -6500
9no: Tercera iteración

𝑻𝒂𝒃𝒍𝒂 𝑰𝑰 𝒙𝟏 𝒙𝟐 𝒙𝟑 𝒙𝟒 𝒙𝟓 𝒙𝟔 𝒙𝟕 𝒙𝟖 𝒙𝟗 𝑳𝑫 𝑹𝑨𝒁𝑶𝑵
𝑥4 1 0 0 1 0 0 0 0 0 3000 3000
𝑥2 0 1 0 0 -1 0 1 0 0 1500 ∞
𝑥3 0 0 1 0 0 -1 0 1 0 2000 ∞
𝑥9 = 𝑥9 − 𝑥3 1 0 0 0 1 1 -1 -1 1 6500 6500
𝑍 = 𝑍 − 11𝑥3 8 0 0 0 10 11 -10 -11 0 -37000
𝑀 = 𝑀 + 2𝑥3 -1 0 0 0 -1 -1 2 2 0 -6500

𝑻𝒂𝒃𝒍𝒂 𝑰𝑰𝑰 𝒙𝟏 𝒙𝟐 𝒙𝟑 𝒙𝟒 𝒙𝟓 𝒙𝟔 𝒙𝟕 𝒙𝟖 𝒙𝟗 𝑳𝑫 𝑹𝑨𝒁𝑶𝑵

𝒙𝟏 1 0 0 1 0 0 0 0 0 3000 ∞
𝑥2 0 1 0 0 -1 0 1 0 0 1500 -1500
𝑥3 0 0 1 0 0 -1 0 1 0 2000 ∞
𝑥9 = 𝑥9 − 𝑥1 0 0 0 -1 1 1 -1 -1 1 3500 3500
𝑍 = 𝑍 − 8𝑥1 0 0 0 -8 10 11 -10 -11 0 -61000
𝑀 = 𝑀 + 𝑥1 0 0 0 1 -1 -1 2 2 0 -3500
10mo: Cuarta iteración

𝑻𝒂𝒃𝒍𝒂 𝑰𝑰𝑰 𝒙𝟏 𝒙𝟐 𝒙𝟑 𝒙𝟒 𝒙𝟓 𝒙𝟔 𝒙𝟕 𝒙𝟖 𝒙𝟗 𝑳𝑫 𝑹𝑨𝒁𝑶𝑵

𝒙𝟏 1 0 0 1 0 0 0 0 0 3000 ∞
𝑥2 0 1 0 0 -1 0 1 0 0 1500 -1500
𝑥3 0 0 1 0 0 -1 0 1 0 2000 ∞
𝑥9 = 𝑥9 − 𝑥1 0 0 0 -1 1 1 -1 -1 1 3500 3500
𝑍 = 𝑍 − 8𝑥1 0 0 0 -8 10 11 -10 -11 0 -61000
𝑀 = 𝑀 + 𝑥1 0 0 0 1 -1 -1 2 2 0 -3500

𝑻𝒂𝒃𝒍𝒂 𝑰𝑽 𝒙𝟏 𝒙𝟐 𝒙𝟑 𝒙𝟒 𝒙𝟓 𝒙𝟔 𝒙𝟕 𝒙𝟖 𝒙𝟗 𝑳𝑫 𝑹𝑨𝒁𝑶𝑵
𝑥1 1 0 0 1 0 0 0 0 0 3000
𝑥2 = 𝑥2 + 𝑥5 0 1 0 -1 0 0 0 -1 1 5000
𝑥3 0 0 1 0 0 -1 0 1 0 2000
𝑥5 0 0 0 -1 1 1 -1 -1 1 3500
𝑍 = 𝑍 − 10𝑥5 0 0 0 -2 0 1 0 -1 -10 -96000
𝑀 = 𝑀 + 𝑥5 0 0 0 0 0 0 1 1 1 0
10mo: Resultados
Para minimizar los costos a 96000 $us se tiene que utilizar 3000 kgs del insumo A, 5000 kgs del
insumo B y 2000 kgs del insumo C.