Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
DESARROLLO
RESTRICCIONES
RESUMEN
I. VARIABLE DE DECISIÓN
TMA
TMB
II. FUNCIÓN OBJETIVA
MAX. Z = 600.000*TMA + 400.000*TMB ($)
III. RESTRICCIONES
TMA + TMB ≤ 9
TMA ≥ 4
½*MA - TMB ≤ 0
2*TMA + 1.5*TMB ≤ 30
TMA ≥ 0
TMB ≥ 0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
MODELO MATEMÁTICO
TMA = X
TMB = Y
I. VARIABLE DE DECISION
X = Cantidad de toneladas de la mercancía “A”
Y = Cantidad de toneladas de la mercancía “B”
DESARROLLO
V. RESTRICCIONES
VI. La empresa dispone de hasta 15 conductores para manejar en
cualquiera de los autobuses.
AG + AP ≤ 15
VII. La empresa dispone de ambos tipos de autobuses como mínimo para
los 500 alumnos.
La empresa dispone de 40 * autobuses grandes + 30 * autobuses
pequeños como mínimo para los 500 alumnos.
40*(AG) + 30*(AP) ≥ 500.
VIII. La empresa dispone de hasta 10 autobuses grandes.
AG ≤ 10
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
RESUMEN
I. VARIABLE DE DECISIÓN
AG
AP
II. FUNCIÓN OBJETIVA
MIN. Z = 600000*(AG) + 500000*(AP) ($)
III. RESTRICCIONES
1*AG + 1*AP ≤ 15
40*AG + 30*AP ≥ 500
1*AG ≤ 10
1*AP ≤ 8
AG ≥ 0
AP ≥ 0
MODELO MATEMÁTICO
AG = X
AP = Y
I. VARIABLE DE DECISION
DESARROLLO
RESUMEN
I. VARIABLE DE DECISIÓN
MA
MB
II. FUNCIÓN OBJETIVA
MÁX. Z = 40000*(MA) + 60000*(MB) ($)
III. RESTRICCIONES
MA ≤ 4000
MB ≤ 3000
MA + MB ≥ 600
MA ≥ 0
MB ≥ 0
MODELO MATEMÁTICO
MA = X
MB = Y
III. VARIABLE DE DECISION
X = Cantidad producida del producto modelo “A”
Y = Cantidad producida del producto modelo “B”
IV. FUNCION OBJETIVO
MIN. Z = 40000*(X) + 60000*(Y)
SUJETO A:
X ≤ 4000
Y ≤ 3000
X + Y ≥ 600
X ≥ 0
Y ≥ 0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
III. RESTRICCIONES
I. Solo se cuenta con 3000 horas de carpintería para la construcción de
casas tipo campo y casas tipo rancho.
20H*CTC + 25H*CTR ≤ 3000
II. Solo se cuenta con 8000 horas obra civil para la construcción de casas
tipo campo y casas tipo rancho.
100H*CTC + 80H*CTR ≤ 8000
III. El n° de casas tipo campo más el n° de casas tipo rancho deben ser
100.
CTC + CTR = 100
I. VARIABLE DE DECISIÓN
CTC
CTR
III. RESTRICCIONES
20*CTC + 25*CTR ≤ 3000
100*CTC + 80*CTR ≤ 8000
CTC + CTR = 100
CTC ≥ 0
CTR ≥ 0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
MODELO MATEMÁTICO
CTC = X
CTR = Y
I. VARIABLE DE DECISION
X = n° de casas construidas tipo campo.
Y = n° de casas construidas tipo rancho.
PRODUCTOS
CONTENIDO
1 2 3
FIBRA 20% 30% 5%
PROTEÍNA 60% 50% 38%
MINERALES 9% 8% 8%
PRECIO POR KG $10000 $11000 $9500
100gr = 1kg
100gr de fibra = 0.1kr de fibra
300gr de proteína = 0.3kg de proteína
70gr de mineral = 0.07kg de mineral
La cantidad necesaria de fibra, proteína y mineral para los 100 perros son:
DESARROLLO
III. RESTRICCIONES
I. Cantidad de fibra usada en el compuesto para los productos no es
menor a 0.1kg por los 100 perros.
Cantidad de fibra usada en el compuesto para el producto 1, el
producto 2 y producto 3 no es menor a 10kg.
Cantidad de fibra usada en el compuesto es 20% para el producto 1,
30% para el producto 2 y 5% para el producto 3 no es menor a 10kg.
Cantidad de fibra usada en el compuesto es 0.2 * producto 1 + 0.3 *
producto 2 + 0.05 * producto 3 no es menor a 10kg.
Cantidad de fibra usada en el compuesto es 0.2*(P1) + 0.3*(P2) +
0.05*(P3) no es menor a 10kg.
0.2*(P1) + 0.3*(P2) + 0.05*(P3) ≥ 10
II. Cantidad de proteína usada en el compuesto para los productos no es
menor a 0.3kg por los 100 perros.
Cantidad de proteína usada en el compuesto para el producto 1, el
producto 2 y producto 3 no es menor a 30kg.
Cantidad de proteína usada en el compuesto es 60% para el producto
1, 50% para el producto 2 y 38% para el producto 3 no es menor a 30kg.
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
RESUMEN
I. VARIABLE DE DECISIÓN
P1
P2
P3
II. FUNCIÓN OBJETIVA
MIN. Z = 10000*(P1) + 11000*(P2) + 9500*(P3) ($)
III. RESTRICCIONES
0.2*P1 + 0.3*P2 + 0.05*P3 ≥ 10
0.6*P1 + 0.5*P2 + 0.38*P3 ≥ 30
0.09*P1 + 0.08*P2 + 0.08*P3 ≥ 7
P1 ≥ 0
P2 ≥ 0
P3 ≥ 0
MODELO MATEMÁTICO
P1: X1
P2: X2
P3: X3
I. VARIABLE DE DECISION
X1 = Cantidad en kilos del producto 1
X2 = Cantidad en kilos del producto 2
X3 = Cantidad en kilos del producto 3
DESARROLLO
RESUMEN
I. VARIABLE DE DECISIÓN
N3T
N4C
II. FUNCIÓN OBJETIVA
Máx. Z = 37* (N3T)+ 72 (N4C) ($)
III. RESTRICCIONES
MODELO MATEMÁTICO
N3T = X
N4C = Y
I. VARIABLE DE DECISION
X = Número de paquetes de 3 unidades de trigo producidas
Y = Número de paquetes de 4 unidades de centeno producidas
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
6* X + 5* Y ≤ 100
3* X +4* Y ≤ 130
X ≥0
Y ≥0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
7) Usted como vendedor de FERRETERIA C.A tiene que decir como asignar sus
esfuerzos entre los diferentes tipos de clientes de su territorio. Ud de visitar
comerciantes mayoristas y clientes que compran al detal. Una visita a un
comerciante mayorista usualmente le produce $20 en ventas, pero la visita en
promedio dura 2 horas debe manejar también en promedio 10 km. En una
visita a un comprador al detal, le vende $50requiere de unas 3 horas y 20 km
manejando su carro aproximadamente. Usted planifica viajar como máximo
600 km por semana en su carro y prefiere trabajar no más de 36horas a la
semana. Encuentre la combinación óptima de visitas a comerciantes y
clientes al menudeo que le permitan maximizar sus ganancias.
DESARROLLO
RESUMEN
I. VARIABLE DE DECISIÓN
VCM
VCD
II. FUNCIÓN OBJETIVA
MAX. Z = 20*VCM + 50*VCD ($)
III. RESTRICCIONES
2*VCM + 3*VCD ≤ 36
10*VCM + 20*VCD ≤ 600
VCM ≥ 0
VCD ≥ 0
MODELO MATEMÁTICO
VCM = X
VCD = Y
I. VARIABLE DE DECISION
X = Visita a un comerciante mayorista
Y = Visita a un comerciante detal
II. FUNCION OBJETIVO
DESARROLLO
III. RESTRICCIONES
I. El número de hombres operario usados en el número de paquetes
transportados de las plantas a los comerciantes es menor a 1000.
El número de hombres operarios usados para el número de paquetes
transportados de la planta 1 al comerciante A + número de paquetes
transportados de la planta 1 al comerciante B + número de paquetes
transportados de la planta 1 al comerciante C + 0.5 * número de paquetes
transportados de la planta 2 al comerciante A + 0.5 * número de paquetes
transportados de la planta 2 al comerciante B + 0.5 * número de paquetes
transportados de la planta 2 al comerciante C ≤ 1000.
(P1-CA) + (P1-CB) + (P1-CC) + 0.5 (P2-CA) + 0.5 (P2-CB) + 0.5 (P2-CC) ≤ 1000
II. El número máximo producido por la planta 1 es 400.
El número máximo de paquetes transportados de la planta 1 al
comerciante A + paquetes transportados de la planta 1 al comerciante B +
paquetes transportados de la planta 1 al comerciante C ≤ 400.
(P1-CA) + (P1-CB) +(P1-CC) ≤ 400
III. El número máximo producido por la planta 2 es 400.
El número máximo de paquetes transportados de la planta 2 al
comerciante A + paquetes transportados de la planta 2 al comerciante B +
paquetes transportados de la planta 2 al comerciante C ≤ 400.
(P2-CA) + (P2-CB) + (P2-CC) ≤ 400
IV. El número de paquetes transportados de una planta a los comerciantes es
mayor o igual a cero
El número de paquetes transportados de la planta 1 al comerciante A +
número de paquetes transportados de la planta 1 al comerciante B +
número de paquetes transportados de la planta 1 al comerciante C +
número de paquetes transportados de la planta 2 al comerciante A +
número de paquetes transportados de la planta 2 al comerciante B +
número de paquetes transportados de la planta 2 al comerciante C ≥ 0
(P1-CA) ≥ 0, (P1-CB) ≥ 0, (P1-CC) ≥ 0, (P2-CA) ≥ 0, (P2-CB) ≥ 0, (P2-CC) ≥ 0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
RESUMEN
I. VARIABLE DE DECISIÓN
(P1-CA), (P1-CB), (P1-CC), (P2-CA), (P2-CB), (P2-CC)
III. RESTRICCIONES
(P1-CA) +(P1-CB) +(P1-CC) +0.5 (P2-CA) +0.5 (P2-CB) +0.5 (P2-CC) ≤ 1000
MODELO MATEMÁTICO
- (P1CA) = X1
- (P1CB) = X2
- (P1CC) = X3
- (P2CA) = X4
- (P2CB) = X5
- (P2CC) = X6
I. VARIABLE DE DECISION
- X1 = Número de paquetes transportados de la planta 1 al comerciante A
- X2 = Número de paquetes transportados de la planta 1 al comerciante B
- X3 = Número de paquetes transportados de la planta 1 al comerciante C
- X4 = Número de paquetes transportados de la planta 2 al comerciante A
- X5 = Número de paquetes transportados de la planta 2 al comerciante B
- X6 = Número de paquetes transportados de la planta 2 al comerciante C
X1 + X2 + X3 ≤ 400
X4 + X5 + X6 ≤ 400
X1 ≥0
X2 ≥0
X3 ≥0
X4 ≥0
X5 ≥0
X6 ≥0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
9) Una persona acaba de heredar $6000 y que desea invertirlos. Al oír esta
noticia dos amigos distintos le ofrecen la oportunidad de participar como
socio en dos negocios, cada uno planeado por cada amigo. En ambos casos,
la inversión significa dedicar un poco de tiempo el siguiente verano, al igual
que invertir efectivo. Con el primer amigo al convertirse en socio completo
tendría que invertir $5000 y 400 horas, y las ganancia estimada (ignorado el
valor del tiempo) seria $4500. Las cifras correspondientes a la propuesta del
segundo amigo son $4000 y 500 horas con una ganancia estimada de$4500.
Sin embargo, ambos amigos son flexibles y le permitirían entrar en el negocio
en cualquier proporción de la sociedad; la participación en las utilidades será
proporcional a esa fracción. Como de todas maneras esta persona está
buscando un trabajo interesante para el verano (600 horas a lo sumo), ha
decidido participar en una o ambas propuestas con la combinación que
maximice la ganancia total estimada
DESARROLLO
III. RESTRICCIONES
I. La persona acaba de heredar $6000
El monto invertido en el primer negocio + el monto invertido en el
segundo negocio deben ser menores o iguales que $6000
$5000*(MI1N) + $4000*(MI2N) ≤ $6000
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
RESUMEN
I. VARIABLE DE DECISIÓN
MI1N
MI2N
II. FUNCIÓN OBJETIVA
MÁX. Z = 4500*(MI1N) + 4500*(MI2N) ($)
III. RESTRICCIONES
5000*MI1N + 4000*MI2N ≤ 6000 ($)
400*MI1N + 500*MI2N ≤ 600
MI1N ≥ 0
MI2N ≥ 0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
MODELO MATEMÁTICO
MI1N = X
MI2N = Y
I. VARIABLE DE DECISION
X = Monto invertido en el primer negocio
Y = Monto invertido en el segundo negocio
II. FUNCION OBJETIVO
MÁX. Z = 4500*(X) + 4500*(Y)
SUJETO A:
5000*X + 4000*Y ≤ 6000
400*X + 500*Y ≤ 600
X ≥ 0
Y ≥ 0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
10) Un granjero cría cerdos para venta y desea determinar qué cantidad de los
distintos tipos de alimento debe dar a cada cerdo para cumplir requisitos
nutricionales a un costo mínimo. En la siguiente tabla se dan las unidades de
casa clase de ingredientes nutritivo básico contenido en un kilogramo de cada
tipo de alimento, junto con los requisitos nutricionales diarios y los costos de los
alimentos.
Kg de Kg de Kg de
Ingr. Nutricional maíz grasa alfalfa Mínimo diario
Carbohidratos 90 20 40 200
Proteínas 30 80 60 180
Vitaminas 10 20 60 150
Costos 42 36 30
Formule y resuelva el modelo de programación lineal.
DESARROLLO
VIII. RESTRICCIONES
I. Para los tres tipos de alimentos se puede utilizar como mínimo 200
unidades diarias de carbohidratos.
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
II. Para los tres tipos de alimentos se puede utilizar como mínimo 180
unidades diarias de proteínas.
Para cada Kg. de maíz * 30 + cada Kg. de grasa * 80 + cada Kg. de
alfalfa * 60 como mínimo 200 unid. diarias de proteínas.
30KM + 80KG + 60KA ≥ 180
III. Para los tres tipos de alimentos se puede utilizar como mínimo 150
unidades diarias de vitaminas.
Para cada Kg. de maíz * 10 + cada Kg. de grasa * 20 + cada Kg. de
alfalfa * 60 como mínimo 200 unid. diarias de vitaminas.
10KM + 20KG + 60KA ≥ 150
IV. La cantidad de kg. de maíz, kg. de grasa y kg. de alfalfa deben ser
mayor a 0.
KM ≥ 0
KG ≥ 0
KA ≥ 0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
RESUMEN
I. VARIABLE DE DECISIÓN
KM
KG
KA
II. FUNCIÓN OBJETIVA
MIN. Z = 42(KM) + 36(KG) + 30(KA) (UM)
III. RESTRICCIONES
90*KM + 20*KG + 40*KA ≥ 200
30*KM + 80*KG + 60*KA ≥ 180
10*KM + 20*KG + 60*KA ≥ 150
KM ≥ 0
KG ≥ 0
KA ≥ 0
MODELO MATEMÁTICO
KM = X
KG = Y
KA = Z
I. VARIABLE DE DECISION
X = Cantidad de kilogramos de maíz.
Y = Cantidad de Kilogramos de grasa.
Z = Cantidad de Kilogramos de alfalfa.
DESARROLLO
III. RESTRICCIONES
I. El peso de las cargas en el compartimiento trasero del avión no puede
ser mayor a 10 toneladas.
El peso de la carga 1 más el peso de la carga 2 más el peso de la
carga 3 más el peso de la carga 4 en el compartimiento trasero no
puede ser mayor a 10 toneladas.
20*(T1) + 16*(T2) + 25*(T3) + 13*(T4) ≤ 10
II. El peso de las cargas en el compartimiento central del avión no puede
ser mayor a 18 toneladas.
El peso de la carga 1 más el peso de la carga 2 más el peso de la
carga 3 más el peso de la carga 4 en el compartimiento central no
puede ser mayor a 18 toneladas.
20*(C1) + 16*(C2) + 25*(C3) + 13*(C4) ≤ 18
III. El peso de las cargas en el compartimiento delantero del avión no
puede ser mayor a 12 toneladas.
El peso de la carga 1 más el peso de la carga 2 más el peso de la
carga 3 más el peso de la carga 4 en el compartimiento delantero no
puede ser mayor a 12 toneladas.
20*(D1) + 16*(D2) + 25*(D3) + 13*(D4) ≤ 12
IV. El volumen de las cargas en el compartimiento trasero del avión no
puede ser mayor a 5000 pies cúbicos.
El volumen de la carga 1 más el volumen de la carga 2 más el volumen
de la carga 3 más el volumen de la carga 4 en el compartimiento
trasero no puede ser mayor a 5000 pies cúbicos.
(20*500) * la carga 1 en el compartimiento trasero + (16*700) * la carga
2 en el compartimiento trasero + (25*600) * la carga 3 en el
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
RESUMEN
I. VARIABLE DE DECISIÓN
T1
T2
T3
T4
C1
C2
C3
C4
D1
D2
D3
D4
RESTRICCIONES
MODELO MATEMÁTICO
T1: X1
T2: X2
T3: X3
T4: X4
C1: X5
C2: X6
C3: X7
C4: X8
D1: X9
D2: X10
D3: X11
D4: X12
I. VARIABLE DE DECISION
Max. Z = 6400*T1 + 6400*T2 + 9000*T3 + 3770*T4 + 6400*C1 + 6400*C2 + 9000*C3 + 3770*C4 + 6400*D1 + 6400*D2 + 9000*D3 + 3770*D4
SUJETO A:
20*T1 + 16*T2 + 25*T3 + 13*T4 ≤ 10
20*C1 + 16*C2 + 25*C3 + 13*C4 ≤ 18
20*D1 + 16*D2 + 25*D3 + 13*D4 ≤ 12
10000*T1 + 11200*T2 + 15000*T3 + 5200*T4 ≤ 5000
10000*C1 + 11200*C2 + 15000*C3 + 5200*C4 ≤ 9000
10000*D1 + 11200*D2 + 15000*D3 + 5200*D4 ≤ 7000
1*T1 + 1*C1 + 1*D1 ≤ 20
1*T2 + 1*C2 + 1*D2 ≤ 16
1*T3 + 1*C3 + 1*D3 ≤ 25
1*T4 + 1*C4 + 1*D4 ≤ 20
1*T1 + 1*T2 + 1*T3 + 1*T4 ≤ 10
1*C1 + 1*C2 + 1*C3 + 1*C4 ≤ 18
1*D1 + 1*D2 + 1*D3 + 1*D4 ≤ 12
T1 ≥ 0
T2 ≥ 0
T3 ≥ 0
T4 ≥ 0
C1 ≥ 0
C2 ≥ 0
C3 ≥ 0
C4 ≥ 0
D1 ≥ 0
D2 ≥ 0
D3 ≥ 0
D4 ≥ 0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
- Minimizar el costo del $1.50* (GA) + $0.75* (GB) + $2* (GC) + $1.75*
(GD)+ $ 0.25* (GE)
- Min Z = $1.50* (GA) + $0.75* (GB) + $2* (GC) + $1.75* (GD)+ $ 0.25* (GE)
III. RESTRICCIONES
I. El número de galones usados de las cinco bebidas debe ser al menos 500
galones
El número de galones de la bebida A + Número de galones de la bebida
B + Número de galones de la bebida C + Número de galones de la bebida
D + Número de galones de la bebida E ≥ 500
(GA) + (GB) + (GC) + (GD) + (GE) ≥ 500
II. Del total de galones al menos debe haber 20% de jugo de naranja
0.2* [(GA) + (GB) + (GC) + (GD) + (GE)] ≤ 0.4 (GA) + 0.05 (GB) + (GC)
-0.2*(GA) + 0.15* (GB) – 0.8* (GC) + 0.2* (GD) + 0.2* (GE)] ≤ 0
III. Del total de galones al menos debe haber 10% de jugo de a toronja
0.1* [(GA) + (GB) + (GC) + (GD) + (GE)] ≤ 0.4 (GA) + 0.01 (GB) + (GD)
RESUMEN
I. VARIABLE DE DECISIÓN
Min Z = 1.50* (GA) + 0.75* (GB) + 2* (GC) + 1.75* (GD) + 0.25* (GE) ($)
III. RESTRICCIONES
(GC) ≤ 100
(GD) ≤ 50
(GE) ≤ 800
(GA) ≥0
(GB) ≥0
(GC) ≥0
(GD) ≥0
(GE) ≥0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
MODELO MATEMÁTICO
- (GA) = X1
- (GB) = X2
- (GC) = X3
- (GD) = X4
- (GE) = X5
I. VARIABLE DE DECISION
- X1 = Número de galones de la bebida A
- X2 = Número de galones de la bebida B
- X3 = Número de galones de la bebida C
- X4 = Número de galones de la bebida D
- X5 = Número de galones de la bebida E
II. FUNCION OBJETIVO
Min Z = 1.50* X1 + 0.75* X2 + 2* X3 + 1.75* X4 + 0.25* X5
SUJERTO A:
X1 + X2 + X3 + X4 + X5 ≥ 500
X2 ≤ 400
X3 ≤ 100
X4 ≤ 50
X5 ≤ 800
X1 ≥0
X2 ≥0
X3 ≥0
X4 ≥0
X5 ≥0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
13) Un herrero con 80kgs de acero y 120kgs de aluminio quiere hacer bicicletas de
paseo y de montaña que quiere vender respectivamente a $20.000 y $15.000
bolívares cada para una sacar el máximo beneficio. Para la de paseo
empleara 1 kg de acero y 3 kg de aluminio y para la de montaña 2 kg de
ambos metales ¿Cuántas bicicletas de paseo y de montaña venderá?
Acero Aluminio
Paseo 1 3
Montaña 2 2
DESARROLLO
RESUMEN
I. VARIABLE DE DECISIÓN
CBP
CBM
II. FUNCIÓN OBJETIVA
MAX. Z = 20.000*CBP + 15.000*CBM ($)
III. RESTRICCIONES
1*CBP + 2*CBM ≤ 80
3*CBP + 2*CBM ≤ 120
CBP ≥ 0
CBM ≥ 0
CBP = X
CBM = Y
I. VARIABLE DE DECISION
X = Cantidad de bicicletas de paseo
Y = Cantidad de bicicletas de montaña
II. FUNCION OBJETIVO
14) A una persona le tocan 10 millones de bolívares en una lotería y le aconsejan que
las invierta en dos tipos de acciones; A y B las de tipo A tiene más riesgo pero
producen un beneficio del 10%. Las de tipo B son más seguras, pero producen
solo el 7% anual. Después de varias deliberaciones decide invertir como máximo 6
millones en la compra de acciones A y por lo menos 2 millones en la compra de
acciones B además. Decide que lo invertido en A sea por lo menos, igual a lo
invertido en B. ¿cómo deberá invertir 10millones para que le beneficio anual sea
máximo?
DESARROLLO
RESUMEN
AA = X
AB = Y
III. VARIABLE DE DECISION
X = Cantidad de dinero invertido en acciones de tipo “A”
Y = Cantidad de dinero invertido en acciones de tipo “B”
IV. FUNCION OBJETIVO
MÁX.Z = 0.1*(X) + 0.07*(Y)
SUJETO A:
X ≤ 6000000
Y ≥ 2000000
-X + Y ≤ 0
X ≥ 0
Y ≥ 0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
DESARROLLO
III. RESTRICCIONES
I. Lleva una bolsa en la que caben 120 impresos de la empresa “A”
La cantidad de impresos de la empresa “A” debe ser menor o igual de
120
VA ≤ 120
II. Lleva una bolsa en la que caben 100 impresos de la empresa “B”
La cantidad de impresos de la empresa “B” debe ser menor o igual de
100
VB ≤ 100
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
RESUMEN
I. VARIABLE DE DECISIÓN
VA
VB
II. FUNCIÓN OBJETIVA
MODELO MATEMÁTICO
VA = X
VB = Y
I. VARIABLE DE DECISION
X = Cantidad de impresos de la empresa “A”
Y = Cantidad de impresos de la empresa “B”
II. FUNCION OBJETIVO
MIN. Z = 5*(X) + 7*(Y)
SUJETO A:
X ≤ 120
Y ≤ 100
X + Y ≤ 150
X ≥ 0
Y ≥ 0
DESARROLLO
RESUMEN
I. VARIABLE DE DECISIÓN
KGA
KGB
III. RESTRICCIONES
50*KGA + 80*KGB ≤ 500.000
KGA + KGB ≤ 700
KGA ≥ 0
KGB ≥ 0
MODELO MATEMÁTICO
I. VARIABLE DE DECISION
X = Cantidad de Kg. comprados de naranja tipo A.
Y = Cantidad de Kg. comprados de naranja tipo B
DESARROLLO
RESUMEN
I. VARIABLE DE DECISIÓN
CT
MODELO MATEMÁTICO
CT = X
CV = Y
I. VARIABLE DE DECISION
X = Cantidad de trajes a confeccionar.
Y = Cantidad de vestidos a confeccionar.
DESARROLLO
III. El número de casas del tipo B debe ser mayor o igual al20% del total de
casas construidas
El número de casas del tipo B debe ser mayor o igual al 20% del número de
casas construidas del tipo A más el número de casas construidas del tipo B
(CCB) ≥ 0.2* [(CCA)+ (CCB)]
0.8* (CCB)- 0.2 (CCA) ≥ 0
IV. El número de casas construidas de A y B es mayor o igual a cero
El número de casas construidas de A y el número de casas construidas de B
es ≥ 0
(CCA) ≥ 0, (CCB) ≥ 0
RESUMEN
I. VARIABLE DE DECISIÓN
- (CCA)
- (CCB)
MODELO MATEMÁTICO
(CCA) = x
(CCB) = y
I. VARIABLE DE DECISION
X = Número de casas construidas del tipo A
Y = Número de casas construidas del tipo B
19) Una refinería de petróleo tiene dos fuentes de petróleo crudo: crudo ligero,
que cuesta 35dólares por barril y crudo pesado a 30 dólares el barril. Con
cada barril de crudo ligero, la refinería produce 0.3 barriles de gasolina (G),
0.2 barriles de combustible para calefacción(C) y 0.3 barriles de combustible
para turbinas (T). Mientras que con cada barril de crudo pesado produce 0.3
barriles de G, 0.4 barriles de C y 0.2 barriles de T. La refinería ha contratado el
suministro de 900.000 barriles G, 800.000 barriles de C y 500.000 barriles de T.
hallar las cantidades de crudo ligero y pesado que debe comprar para poder
cubrir sus necesidades al costo mínimo.
DESARROLLO
RESUMEN
I. VARIABLE DE DECISIÓN
CL
CP
II. FUNCIÓN OBJETIVA
MIN. Z = 35*CL + 30*CP ($)
III. RESTRICCIONES
CL = X
CP = Y
I. VARIABLE DE DECISION
X = Cantidad de petróleo crudo ligero
Y = Cantidad de petróleo crudo pesado
II. FUNCION OBJETIVO
DESARROLLO
III. RESTRICCIONES
I. El número de horas de carpintería no debe exceder las 80 horas
El número de horas de carpintería para construir sillas + el número de horas
de carpintería para construir mesas es ≤ 80 horas
(NSC)+ (NMC) ≤ 80 horas
II. El número de horas de trabajo de acabado no debe exceder las 100 horas
El número de horas de trabajo de acabado para construir sillas + 2 horas* el
número de horas de trabajo de acabado para construir mesas es ≤ 100
horas
(NSC)+ 2* (NMC) ≤ 100 horas
III. El número de mesas construidas debe ser menor de 40 unidades a la
semana
(NMC) ≤ 40
IV. El número de sillas construidas y el número mesas construidas deben ser
mayor o igual a cero
RESUMEN
I. VARIABLE DE DECISIÓN
- NSC (unid)
- NMC (unid)
II. FUNCIÓN OBJETIVA
Max z= 300* (NSC) + 200* (NMC) ($)
III. RESTRICCIONES
(NSC ) + (NMC) ≤ 80
(NSC) + 2* (NMC) ≤ 100
(NMC) ≤ 40
(NSC) ≤0
(NMC) ≤0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
MODELO MATEMÁTICO
NSC = X
NMC = Y
I. VARIABLE DE DECISION
X = Número de sillas construidas
Y = Número de mesas construidas
II. FUNCION OBJETIVO
SUJETO A
X + Y ≤ 80
X + 2* Y ≤ 100
Y ≤ 40
Dado que cada enfermera trabaja jornadas de 8 horas diarias, el/ellas puede
comenzar a trabajar al comienzo de cualquiera de los primeros cinco
periodos: 8:00, 10:00, 12:00, 2:00o 4:00. Adicionalmente, no se necesita ninguna
enfermera que comience a trabajar después de las 4:00, dado que su horario
se extendería hasta después de la madia noche cuando no son necesarias.
¿Cuántas enfermeras se deben reportar de forma tal de cumplirlos
III. RESTRICCIONES
I. El número de enfermeras requerido en el primer periodo es de 10
La cantidad de enfermeras 1 periodo debe ser mayor o igual que 10
E1 ≥ 10
II. El número de enfermeras requerido en el segundo periodo es de 8
La cantidad de enfermeras 1 periodo + la cantidad de enfermeras 2
periodo debe ser mayor o igual que 8
E1 + E2 ≥ 8
III. El número de enfermeras requerido en el tercer periodo es de 9
La cantidad de enfermeras 1 periodo + la cantidad de enfermeras 2
periodo + la cantidad de enfermeras 3 periodo debe ser mayor o igual
que 9
E1 + E2 + E3 ≥ 9
IV. El numero de enfermeras requerido en el cuarto periodo es de 11
La cantidad de enfermeras 1 periodo + la cantidad de enfermeras 2
I. VARIABLE DE DECISIÓN
E1 E4
E2 E5
E3
II. FUNCIÓN OBJETIVA
III. RESTRICCIONES
E1 ≥ 10
E1 + E2 ≥ 8
E1 + E2 + E3 ≥ 9
E1 + E2 + E3 + E4 ≥ 11
E2 + E3 + E4 + E5 ≥ 13
E3 + E4 + E5 ≥ 8
E4 + E5 ≥ 5
E5 ≥ 3
E1 ≥ 0
E2 ≥ 0
E3 ≥ 0
E4 ≥ 0
E5 ≥ 0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
MODELO MATEMÁTICO
E1 = X1
E2 = X2
E3 = X3
E4 = X4
E5 = X5
I. VARIABLE DE DECISION
E1 = Cantidad de enfermeras 1 periodo
E2 = Cantidad de enfermeras 2 periodo
E3 = Cantidad de enfermeras 3 periodo
E4 = Cantidad de enfermeras 4 periodo
E5 = Cantidad de enfermeras 5 periodo
22) Suponga que un almacén de madera ofrece láminas de 10 metros, las cuales son
cortadas en 3 metros, 4 metros y 5 metros dependiendo de las exigencias de los
clientes. La lámina de madera de 10 metros puede ser cortada en 6 patrones
sensibles tal y como se muestra en la tabla siguiente:
3
Patrón # 4 metros 5 metros desperdicio
metros
1 3 0 0 1
2 2 1 0 0
3 1 0 1 2
4 0 1 1 1
5 0 2 0 2
6 0 0 2 0
Existen otros patrones posibles pero que son sensibles; por lo tanto, se podrá cortar
una lámina de madera de 10 metros en una de 3 metros y una de 4 metros
dejando un desperdicio de 3 metros. Esto no tendría sentido dado que 3 metros
de desperdicio podrían ser utilizados como una pieza de 3 metros, así como se
muestra en el patrón 2. Si algún cliente ordena 50 láminas de 3 metros, 65 de 4
metros, y de 40 de 5 metros. La pregunta sería ¿Cuantas láminas de 10 metros se
necesitan para cortar estas órdenes y que patrones se debería utilizar?
Como vemos en total se necesitan 610 metros para cumplir con la orden del
cliente, si dividimos esta cantidad en 10 metros, que es el tamaño de las láminas
que el almacén ofrece, entonces como mínimo debemos usar 61 láminas.
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
DESARROLLO
RESUMEN
I. VARIABLE DE DECISIÓN
LCP#1
LCP#2
LCP#3
LCP#4
LCP#5
LCP#6
MODELO MATEMÁTICO
LCP#1 = X1
LCP#2 = X2
LCP#3 = X3
LCP#4 = X4
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
LCP#5 = X5
LCP#6 = X6
I. VARIABLE DE DECISION
X1 = Cantidad de láminas de 10 mt. cortadas en patrón #1
X2 = Cantidad de láminas de 10 mt. cortadas en patrón #2
X3 = Cantidad de láminas de 10 mt. cortadas en patrón #3
X4 = Cantidad de láminas de 10 mt. cortadas en patrón #4
X5 = Cantidad de láminas de 10 mt. cortadas en patrón #5
X6 = Cantidad de láminas de 10 mt. cortadas en patrón #6
23) Una compañía de químicos está produciendo dos tipos de sustancias (A y B) que
requieren tres tipos de materia prima (I, II, y III). Los requerimientos en la
composición de las tres sustancias así como también la utilidad son mostrados a
continuación:
Utilidad
Sustancia Composición por kg
No más de 20% de I
No más de 10% de II
A 10
Por lo menos 20% de III
No más de 40% de I
B No más de 50% de III 8
DESARROLLO
RESUMEN
I. VARIABLE DE DECISIÓN
AI
AII
AIII
BI
BII
III. RESTRICCIONES
MODELO MATEMÁTICO
AI : X1
AII : X2
AIII : X3
BI : X4
BII : X5
I. VARIABLE DE DECISION
X1 = Cantidad de la sustancia A de la composición I
X2 = Cantidad de la sustancia A de la composición II
X3 = Cantidad de la sustancia A de la composición III
X4 = Cantidad de la sustancia B de la composición I
X5 = Cantidad de la sustancia B de la composición II
II. FUNCION OBJETIVO
Sujeto a:
1*AI + 1*BI ≤ 400
1*AII + 1*BII ≤ 500
1*AIII ≤ 300
0.8*AI - 0.2*AII - 0.2*AIII ≤ 0
-0.1*AI + 0.9*AII - 0.1*AIII ≤ 0
-0.2*AI - 0.2*AII + 0.8*AIII ≥ 0
0.6*BI - 0.4*BII ≤ 0
-0.5*BI + 0.5*BII ≤ 0
AI ≥ 0
AII ≥ 0
AIII ≥ 0
BI ≥ 0
BII ≥ 0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
24) En una La Apex Televisión debe decir el número de televisores de 27” y 20’’,
producidos en una de sus fábricas, la investigación de mercado indica ventas
a lo más 40 televisores de 27” y10 de 20” cada mes. El número máximo de
horas-hombre disponible es de 500 por mes, un televisor de 27” requiere 20
horas –hombres y uno 20” requiere 10 horas -hombres, cada televisor de 27”
produce una ganancia de $120 y cada uno de 20”da una ganancia de$80.
Un distribuidor está de acuerdo comprar todos los televisores producidos
siempre en cuando no excede el máximo indicado por el estudio de
mercado.
DESARROLLO
RESUMEN
I. VARIABLE DE DECISIÓN
- TV27
- TV20
II. FUNCIÓN OBJETIVA
Max Z= 120* (TV27)+ 80* (TV20) ($)
(TV27”) ≤ 40
(TV20”) ≤ 10
20*(TV27”) +10* (TV20”) ≤ 500
(TV27”) ≥0
(TV20”) ≥0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
MODELO MATEMÁTICO
TV27 = X
TV20 = Y
I. VARIABLE DE DECISION
X = Número de televisores producidos de 27”
Y = Número de televisores producidos de 20”
X ≤ 40
Y ≤ 10
20*X +10* Y ≤ 500
RESUMEN
I. VARIABLE DE DECISIÓN
MODELO MATEMÁTICO
RK = X
RL = Y
TC = Z
TK = W
I. VARIABLE DE DECISION
X = Número de piezas del producto R hecho con K:
Y = Número de piezas del producto R hecho con L
Z = Número de piezas del producto T comprados
W = Número de piezas del producto T hecho con L
26) La empresa lechera Milko no puede recibir más de 100.000 litros de leche al
día debido a las limitaciones impuestas por el congestionamiento de
recepción. Las políticas de la administración requieren el uso de cuando
menos 10.000 litros de leche diarios para la fabricación de queso, y el resto
para ser empleado en manteca o leche embotellada según lo permita el
equipo. El beneficio de un litro de l según como se emplee es como sigue:
Manteca $0.02
Leche $0.10
Queso $0.30
El equipo para fabricar manteca puede procesar hasta 60.0000 litros de leche
por día y el de fabricar queso hasta 30.000 litros de leche diarios. Plantear el
problema.
III. RESTRICCIONES
I. La cantidad de litros de leche para manteca, la cantidad de litros de
leche para leche y la cantidad de litros de leche para queso debe ser a
lo mucho 100.000 litros de leche al día:
LM + LL + LQ ≤ 100.000
II. El equipo puede procesar hasta 60.000 de la cantidad de litros de leche
para manteca:
LM ≤ 60.000
III. El equipo puede procesar hasta 10.000 de la cantidad de litros de leche
para leche:
LL ≤ 10.000
IV. El equipo puede procesar hasta 30.000 de la cantidad de litros de leche
para queso:
LQ ≤ 30.000
V. La cantidad de litros de leche para manteca, la cantidad de litros de
RESUMEN
I. VARIABLE DE DECISIÓN
LM
LL
LQ
II. FUNCIÓN OBJETIVA
MAX. Z = 0.02*LM + 0.10*LL + 0.30*LQ
III. RESTRICCIONES
LM + LL + LQ ≤ 100.000
LM ≤ 60.000
LL ≤ 10.000
LQ ≤ 30.000
LM ≥ 0
LL ≥ 0
LQ ≥ 0
LM = X
LL = Y
LQ = Z
I. VARIABLE DE DECISION
X = cantidad de litros de leche para manteca
Y = cantidad de litros de leche para leche
Z = cantidad de litros de leche para manteca
II. FUNCION OBJETIVO
27) Una empresa automotriz está equipada para producir automóviles y camiones. Su
planta fabril está organizada en cuatro departamentos: estampado, montaje de
motores, línea de montaje de automóviles y línea de montaje de camiones. La
capacidad de producción de cada departamento está limitada de la siguiente
manera:
Estampado: puede producir 25.000 autos o 35.000 camiones por año.
Montaje de motores: 33.333 autos o 16.667 camiones por año.
Línea de montaje de automóviles: 22.500 autos/año.
Línea de montaje de camiones: 15.000 camiones/año.
Por otra parte, se desea producir como mínimo 12.000 autos y 8.000 camiones
por año, estimándose asimismo en 18.000 u la demanda anual de automóviles.
El margen de beneficio es 150.000 $/auto y 125.000 $/camión. Se desea
conocer el plan de producción que maximice el beneficio.
DESARROLLO
RESUMEN
I. VARIABLE DE DECISIÓN
CA
CC
II. FUNCIÓN OBJETIVA
($)
MÁX. Z = 150000*(CA) + 125000*(CC)
III. RESTRICCIONES
(1/25000)*CA + (1/35000)*CC ≤ 1
(1/33.333)*CA + (1/16.667)*CC ≤ 1
CA ≤ 22500
CC ≤ 15000
CA ≥ 12000
CC ≥ 8000
CA ≥ 18000
MODELO MATEMÁTICO
CA = X
CC = Y
I. VARIABLE DE DECISION
X = Cantidad de autos a producir
Y = Cantidad de camiones a producir
II. FUNCION OBJETIVO
MÁX. Z = 150000*(CA) + 125000*(CC)
SUJETO A:
(1/25000)*CA + (1/35000)*CC ≤ 1
(1/33.333)*CA + (1/16.667)*CC ≤ 1
CA ≤ 22500
CC ≤ 15000
CA ≥ 12000
CC ≥ 8000
CA ≥ 18000
CA ≥ 0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
28) Sharon dispone de 40 millones de pesos para invertir en tres tipos de fondos
mutualistas: fondos para el crecimiento, de equilibrio y para el ingreso, cuya
respectivas tasas de rendimiento anual son 12%, 10% y 6%. Los fondos para el
crecimiento, equilibrio y para el ingreso, tienen asignado los factores de riesgo 1%,
0.6%, 0.2% Respectivamente. Sharon ha decidido que como máximo el 50% de su
capital se invertirá en fondos para el ingreso y un 25% en fondos de equilibrio.
También ha decidido que el factor de riesgo promedio de inversión no exceda de
5%. ¿Qué cantidad debe invertir Sharon en cada tipo de fondo para lograr el
máximo rendimiento de su inversión? ¿Cuál es el rendimiento máximo?
Fondo de Fondo de
Fondo de ingreso
crecimiento equilibrio
Tasa anual 0.12 0.1 0.06
Factor de
0.01 0.006 0.002
riesgo
DESARROLLO
MIFI ≥ 0
RESUMEN
I. VARIABLE DE DECISIÓN
MIFC
MIFE
MIFI
II. FUNCIÓN OBJETIVA
0.12(MIFC 0.10(MIFE
MAX. Z = + + 0.06(MIFI) (MILLONES DE PESOS)
) )
III. RESTRICCIONES
MIFI ≤ 200
MIFE ≤ 100
MODELO MATEMÁTICO
MIFC = X
MIFE = Y
MIFI = Z
I. VARIABLE DE DECISION
DESARROLLO
MODELO MATEMÁTICO
PF = X
PNF = Y
I. VARIABLE DE DECISION
X = Cantidad de plazas en el autobús para pasajeros fumadores.
Y = Cantidad de plazas en el autobús para pasajeros no
fumadores.
30) Cierta persona dispone de 10 millones como máximo para repartir entre dos
tipos de inversión (A y B). En la opción A desea invertir entre 2 y 7 millones.
Además, quiere destinar a esa opción, como mínimo, tanta cantidad de
dinero como a la B. sabiendo que el rendimiento de la inversión será del 9% en
la opción A y del 12% en la B ¿Qué cantidad debe invertir en cada una para
optimizar el rendimiento global?
DESARROLLO
RESUMEN
I. VARIABLE DE DECISIÓN
- (MIOA)
- (MIOB)
III. RESTRICCIONES
MIOA + MIOB ≤ 10’
MODELO MATEMÁTICO
MIOA = X
MIOB = Y
I. VARIABLE DE DECISION
X = Millones invertidos en la opción A
Y = Millones invertidos en la opción B
II. FUNCION OBJETIVO
Máx. Z = 0.09* (X)+ 0.12* (Y)
SUJETO A
X +Y ≤ 10’
X ≥ 2’
X ≤ 7’
X -Y ≤0
X ≥0
Y ≥0
31) Una escuela prepara una excursión para 400 alumnos. La empresa de
transporte tiene 8buses con capacidad de 40 personas y 10 buses con
capacidad de 30 personas, pero solo dispone de 12 conductores. El alquiler
de un bus grande cuesta $800.00 y el de uno pequeño $600.000. Calcular
cuántos de cada tipo hay que utilizar para que la excursión resulte lo más
económica posible para la escuela.
DESARROLLO
RESUMEN
I. VARIABLE DE DECISIÓN
BG
BP
II. FUNCIÓN OBJETIVA
MIN. Z = 800.000*BG + 600.000*BP ($)
III. RESTRICCIONES
40*BG + 30*BP ≥ 400
BG = X
BP = Y
I. VARIABLE DE DECISION
X = Cantidad de buses grandes
Y = Cantidad de buses pequeños
II. FUNCION OBJETIVO
32) En una fábrica se construyen aparatos A y B, que necesitan pasar por los
talleres X e Y. Estos trabajan 100 horas cada semana. Cada aparato A lleva 3
horas del taller X y 1 del Y, y cada aparato de B, 1 y 2 respectivamente. Cada
A se vende a 100$ y cada B a 150$. Decir cuántos de cada se producirán para
que el ingreso por ventas sea máximo.
DESARROLLO
RESUMEN
I. VARIABLE DE DECISIÓN
AA
AB
II. FUNCIÓN OBJETIVA
($)
MÁX. Z = 100*(AA) + 150*(AB)
III. RESTRICCIONES
3*(AA) + 1*(AB) ≤ 100
1*(AA) + 2*(AB) ≤ 100
AA ≥ 0
AB ≥ 0
MODELO MATEMÁTICO
DESARROLLO
III. RESTRICCIONES
I. Se necesita entre 6 y 15 vigilantes cuando están abiertos
Se necesita entre 6 y 15 vigilantes de la cantidad de vigilantes diurnos
VD ≥ 6 VD ≤ 15
II. Se necesita entre 4 y 7 vigilantes nocturnos
Se necesita entre 6 y 15 vigilantes de la cantidad de vigilantes
nocturnos
VN ≥ 4 VN ≤ 7
III. La cantidad de vigilantes diurnos y la cantidad de vigilantes nocturnos
deben ser mayor o igual que 0
VD ≥ 0
VN ≥ 0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
RESUMEN
I. VARIABLE DE DECISIÓN
VD
VN
II. FUNCIÓN OBJETIVA
($)
MIN. Z = 100*(VD) + 150*(VN)
III. RESTRICCIONES
VD ≤ 15
VD ≥ 6
VN ≤ 7
VN ≥ 4
VD ≥ 0
VN ≥ 0
VD = X
VN = Y
I. VARIABLE DE DECISION
X = Cantidad de aparatos “A”
Y = Cantidad de aparatos “B”
II. FUNCION OBJETIVO
MIN. Z = 100*(X) + 150*(Y)
SUJETO A:
X ≤ 15
X Y ≥ 6
Y ≤ 7
≥ 4
X ≥ 0
Y ≥ 0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
34) La compañía Hierro del Norte debe decidir cuantas toneladas de acero puro ( X )
y cuantas de chatarra (Y ) se deben utilizar en la preparación de una aleación
para un cliente. El corto por tonelada de acero puro es de 3 y el de chatarra 6
(por las impurezas); la demanda del cliente es por lo menos 5, y el aceptaría más
si así requiere.
DESARROLLO
7
IV. La relación entre chatarra y acero puro no puede exceder .
8
𝐶𝑇𝐶 7
≤
𝐶𝑇𝐴 8
𝟖∗𝑪𝑻𝑪
≥0
𝟕∗𝑪𝑻𝑨
V. La fábrica solo tiene 18 horas disponibles para derretir y fundir, una
tonelada de acero requiere 3h, mientras que la chatarra solo 2h.
La fábrica derrite y funde 3h * cant. toneladas acero + 2h * cant.
toneladas chatarra como máximo en 18h.
3*CTA + 2*CTC ≤ 18
VI. La cantidad de toneladas de acero puro y chatarra deben ser mayor a
0.
RESUMEN
I. VARIABLE DE DECISIÓN
CTA
CTC
II. FUNCIÓN OBJETIVA
MIN. Z = 3(CTA) + 6(CTC) (UM)
III. RESTRICCIONES
CTA + CTC ≥ 5
CTA ≤ 4
CTC ≤ 7
8 ∗ 𝐶𝑇𝐶
≥ 0
7 ∗ 𝐶𝑇𝐴
3*CTA + 2*CTC ≤ 18
CTA ≥ 0
CTC ≥ 0
MODELO MATEMÁTICO
35) A una persona que quiere adelgazar se le ofrecen dos productos A y B para que
tome una mezcla de ambos con las siguientes recomendaciones:
DESARROLLO
RESUMEN
I. VARIABLE DE DECISIÓN
A
B
II. FUNCIÓN OBJETIVA
MÁX.Z = 0.0003*A + 0.0002*B (vit)
III. RESTRICCIONES
1*A + 1*B ≤ 150
1*A + 1*B ≥ 50
1*A ≤ 100
-1*A + 1*B ≤ 0
1*A ≥ 0
1*B ≥ 0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
MODELO MATEMÁTICO
A = X
B = Y
I. VARIABLE DE DECISION
X = Cantidad en gramos del producto A.
Y = Cantidad en gramos del producto B.
DESARROLLO
III. RESTRICCIONES
I. La mezcla formada por ambos productos no debe ser mayor a 150gr ni
menor a 50gr.
La mezcla formada por el producto A y el producto B no debe ser
mayor a 150gr ni menor a 50gr.
La mezcla formada por el producto A + el producto B no es mayor a
150gr ni menor a 50gr.
A + B ≤ 150
A + B ≥ 50
II. La cantidad de producto A no puede contener más de 100gr en la
mezcla.
A ≤ 100
III. La cantidad del producto A en la mezcla debe ser igual o superior a la
cantidad del producto B.
A≥B
RESUMEN
I. VARIABLE DE DECISIÓN
A
B
II. FUNCIÓN OBJETIVA
MÁX.Z = 4.5*A + 1.5*B (cal)
III. RESTRICCIONES
1*A + 1*B ≤ 150
1*A + 1*B ≥ 50
1*A ≤ 100
-1*A + 1*B ≤ 0
1*A ≥ 0
1*B ≥ 0
MODELO MATEMÁTICO
I. VARIABLE DE DECISION
X = Cantidad en gramos del producto A.
Y = Cantidad en gramos del producto B.
36) Desde dos almacenes A y B, se tiene que distribuir fruta de tres mercados de la
ciudad. El almacén A dispone de 10 toneladas de fruta diarias y el B de 15
toneladas, que se reparten en su totalidad. Los dos primeros mercados
necesitan, diariamente, 8 toneladas de fruta, mientras que el tercero necesita
9 toneladas diarias. El costo del transporte desde cada almacén a cada
mercado viene dado por el siguiente cuadro:
ALMACEN MERCADO 1 MERCADO 2 MERCADO 3
A 10 15 20
B 15 10 10
Planificar el transporte para el coste sea mínimo. Objetivo: minimizar costos.
DESARROLLO
III. RESTRICCIONES
I. El número de toneladas enviadas del almacén A a los tres mercados es
menor o igual a 10
El número de toneladas enviadas del almacén A al mercado 1 +número de
toneladas enviadas del almacén A al mercado 2 + número de toneladas
enviadas del almacén A al mercado 3 ≤ 10
RESUMEN
I. VARIABLE DE DECISIÓN
(AAM1); (AAM2); (AAM3); (ABM1); (ABM2); (ABM3)
II. FUNCIÓN OBJETIVA
Min Z = 10* (AAM1) + 15* (AAM2) + 20* (AAM3) + 15* (ABM1)
+ 10* (ABM2) + 10*(ABM3) ($)
III. RESTRICCIONES
(AAM1) + (AAM2) + (AAM3) ≤ 10
(ABM1) + (ABM2) + (ABM3) ≤ 15
(AAM1) + (ABM1) ≥8
(AAM2) + (ABM2) ≥8
(AAM3) + (ABM3) ≥9
(AAM1) ≥0
(AAM2) ≥0
MODELO MATEMÁTICO
- (AAM1) = X1
- (AAM2) = X2
- (AAM3) = X3
- (ABM1) = X4
- (ABM2) = X5
- (ABM3) = X6
I. VARIABLE DE DECISION
- X1= Número de toneladas enviadas del almacén A al mercado 1
- X2= Número de toneladas enviadas del almacén A al mercado 2
- X3= Número de toneladas enviadas del almacén A al mercado 3
- X4= Número de toneladas enviadas del almacén B al mercado 1
- X5= Número de toneladas enviadas del almacén B al mercado 2
- X6= Número de toneladas enviadas del almacén B al mercado 3
DESARROLLO
IV. La cantidad de cortes del tipo I y la cantidad de cortes del tipo II deben
de ser mayor o igual a cero.
TI ≥ 0
TII ≥ 0
RESUMEN
I. VARIABLE DE DECISIÓN
TI
TII
II. FUNCIÓN OBJETIVA
MIN. Z = 3*TI + 1*TII ($)
III. RESTRICCIONES
TI + TII ≤ 1.800
1*TI ≥ 1.000
2*TI + 1*TII ≥ 10
TI ≥ 0
TI = X
TII = Y
I. VARIABLE DE DECISION
X = Cantidad de cortes del tipo I
Y = Cantidad de cortes del tipo II
II. FUNCION OBJETIVO
MIN. Z = 3X + Y
SUJETO A:
X + Y ≤ 1.800
X ≥ 1.000
2X + Y ≥ 10
X ≥ 0
Y ≥ 0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
DESARROLLO
I. VARIABLE DE DECISIÓN
N°CA
N°CB
MODELO MATEMÁTICO
N°CA = X
N°CB = Y
I. VARIABLE DE DECISION
X = n° de camiones tipo A.
Y = n° de camiones tipo B.
DESARROLLO
III. RESTRICCIONES
I. La compañía requiere al menos 160 toneladas de grado A
La compañía requiere al menos 160 toneladas de grado A del trabajo
en la cantidad de semanas de explotación de la mina “A” + la
cantidad de semanas de explotación de la mina “B”
10*(MA) + 30*(MB) ≥ 160
II. La compañía requiere al menos 303 toneladas de grado B
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
I. VARIABLE DE DECISIÓN
MA
MB
II. FUNCIÓN OBJETIVA
MIN. Z = 800000*(MA) + 700000*(MB) ($)
III. RESTRICCIONES
10*(MA) + 30*(MB) ≤ 160
30*(MA) + 30*(MB) ≤ 303
50*(MA) + 30*(MB) ≥ 800
MA ≥ 0
MB ≥ 0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
MODELO MATEMÁTICO
MA = X
MB = Y
I. VARIABLE DE DECISION
X = Cantidad de semanas de explotación de la mina “A”
Y = Cantidad de semanas de explotación de la mina “B”
II. FUNCION OBJETIVO
40) Una Compañía tiene dos plantas y tres almacenes la primera planta
puede suministrar como máximo 500 lb de un producto dado la segunda
planta, 200 como máximo. La demanda del primer almacén es de 150 lb
el segundo es de 200 y el tercero de 250. Los costos de fabricación del
producto se indican en la siguiente tabla precios de fabricación unitarios.
DESARROLLO
I. VARIABLE DE DECISIÓN
PP1EA1
PP1EA2
PP1EA3
PP2EA1
III. RESTRICCIONES
PP1EA1 + PP2EA1 ≥ 150
PP1EA2 + PP2EA2 ≥ 200
+ PP1EA3 + PP2EA3 ≥ 250
PP1EA1 + PP1EA2 + PP1EA3 ≤ 500
PP2EA3 + PP2EA2 + PP2EA3 ≤ 200
PP1EA1 ≥ 0
PP1EA2 ≥ 0
PP1EA3 ≥ 0
PP2EA1 ≥ 0
PP2EA2 ≥ 0
PP2EA3 ≥ 0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
MODELO MATEMÁTICO
PP1EA1 = X1
PP1EA2 = X2
PP1EA3 = X3
PP2EA1 = X4
PP2EA2 = X5
PP2EA3 = X6
I. VARIABLE DE DECISION
X1 = Cantidad unidades de productos planta 1enviadas almacén 1
DESARROLLO
III. RESTRICCIONES
I. Cantidad de tiempo usado en corte para cada modelo de mesas es
como máximo 150 horas.
Cantidad de tiempo usado en corte para el modelo de mesa A +
cantidad de horas usado en corte para el modelo de mesa B +
cantidad de horas usado en corte para el modelo de mesa C +
cantidad de horas usado en corte para el modelo de mesa C sin pintar
es como máximo 150 horas.
Cantidad de tiempo usado en corte 3 * el modelo de mesa A + 1 * el
modelo de mesa B + 4 * el modelo de mesa C + 4 * el modelo de mesa
C sin pintar es como máximo 150 horas.
Cantidad de tiempo usado en corte 3*(MA) + 1*(MB) + 4*(MC) +
4*(MCD) es como máximo 150 horas.
3*(MA) + 1*(MB) + 4*(MC) + 4*(MCD) ≤ 150
I. VARIABLE DE DECISIÓN
MA
MB
MC
MCD
MODELO MATEMÁTICO
MA : X1
MB : X2
MC : X3
MCD : X4
I. VARIABLE DE DECISION
X1 = Cantidad de mesas tipo A
X2 = Cantidad de mesas tipo B
X3 = Cantidad de mesas tipo C
X4 = Cantidad de mesas tipo C sin pintar
Sujeto a:
3*X1 + 1*X2 + 4*X3 + 4*X4 ≤ 150
4*X1 + 2*X2 + 5*X3 + 5*X4 ≤ 200
5*X1 + 5*X2 + 5*X3 ≤ 300
X1 ≥ 0
X2 ≥ 0
X3 ≥ 0
X4 ≥ 0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
I. VARIABLE DE DECISIÓN
- NAIA
- NAIB
III. RESTRICCIONES
(NAIA) + (NAIB) ≤ 210000
(NAIA) ≤130000
(NAIB) ≥ 60000
(NAIA) ≤ 2*(NAIB)
(NAIA) ≥0
(NAIB) ≥0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
MODELO MATEMÁTICO
- NAIA = X
- NAIB = Y
I. VARIABLE DE DECISION
X = Número de acciones que invertimos en el tipo A
Y = Número de acciones que invertimos en el tipo B
2) En una pastelería se hacen dos tipos de tartas: Vienesa y Real. Cada tarta
Vienesa necesita un cuarto de relleno por cada Kg. de bizcocho y produce un
beneficio de 250 Pts, mientras que una tarta Real necesita medio Kg. de
relleno por cada Kg. de bizcocho y produce 400 Ptas. de beneficio. En la
pastelería se pueden hacer diariamente hasta 150 Kg. de bizcocho y 50 Kg. de
relleno, aunque por problemas de maquinaria no pueden hacer más de 125
tartas de cada tipo. ¿Cuántas tartas Vienesas y cuantas Reales deben vender
al día para que sea máximo el beneficio?
DESARROLLO
RESUMEN
I. VARIABLE DE DECISIÓN
TV
TR
II. FUNCIÓN OBJETIVA
MAX. Z = 250*TV + 400*TR
III. RESTRICCIONES
TV + TR ≤ 150
TV = X
TR = Y
I. VARIABLE DE DECISION
X = Cantidad de tortas Vienesa
Y = Cantidad de tortas Reales
II. FUNCION OBJETIVO
3) Una escuela prepara una excursión para 400 alumnos. La empresa de transporte
tiene 8 autocares de 40 plazas y 10 autocares de 50 plazas, pero solo dispone de
9 conductores. El alquiler de un autocar grande cuesta 80 euros y el de uno
pequeño, 60 euros. Calcular cuántos de cada tipo hay que utilizar para que la
excursión resulte lo más económica posible para la escuela.
DESARROLLO
I. VARIABLE DE DECISIÓN
AG
AP
II. FUNCIÓN OBJETIVA
MIN. Z = 80*(AG) + 60*(AP) (€)
III. RESTRICCIONES
1*AG + 1*AP ≤ 9
50*AG + 40*AP ≥ 400
1*AG ≤ 10
AG = X
AP = Y
I. VARIABLE DE DECISION
X = Cantidad de autocares grandes
4) Una compañía posee dos minas: la mina A produce cada día 1 tonelada de
hierro de alta calidad, 3 toneladas de calidad media y 5 de baja calidad. La
mina B produce cada día 2 toneladas de cada una de las tres calidades. La
compañía necesita al menos 80 toneladas de mineral de alta calidad, 160
toneladas de calidad media y 200 de baja calidad. Sabiendo que el coste diario
de la operación es de 2000 euros en cada mina ¿cuántos días debe trabajar
cada mina para que el coste sea mínimo?
DESARROLLO
I. VARIABLE DE DECISIÓN
MA
MB
III. RESTRICCIONES
1*MA + 2*MB ≥ 80
3*MA + 2*MB ≥ 160
5*MA + 2*MB ≥ 200
MA ≥ 0
MB ≥ 0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
MODELO MATEMÁTICO
MA = X
MB = Y
I. VARIABLE DE DECISION
X = Días a trabajar en la mina “A”
Y = Días a trabajar en la mina “B”
DESARROLLO
RESUMEN
I. VARIABLE DE DECISIÓN
N°E
N°M
III. RESTRICCIONES
-N°M + N°E ≤ 0
N°M - 2*N°E ≤ 0
N°E ≤ 30
N°M ≤ 20
N°M ≥ 0
N°E ≥ 0
N°E = X
N°M = Y
I. VARIABLE DE DECISION
X = N° de electricistas
Y = N° de mecánicos
Calcular cuántas tienen que ofertarse de cada clase para que las ganancias
sean máximas.
DESARROLLO
I. VARIABLE DE DECISIÓN
T
P
II. FUNCIÓN OBJETIVA
III. RESTRICCIONES
1*T + 1*P ≤ 5000
1*T ≤ 4500
2/3*T + 1*P ≤ 0
T ≥ 0
P ≥ 0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
MODELO MATEMÁTICO
T = X
P = Y
I. VARIABLE DE DECISION
X = Cantidad de plazas en la clase turista.
7) Se dispone de 120 refrescos de cola con cafeína 2 y de 180 refrescos de cola sin
cafeína. Los refrescos se venden en paquetes de dos tipos. Los paquetes de tipo
A contienen tres refrescos con cafeína y tres sin cafeína, y los de tipo B contienen
dos con cafeína y cuatro sin cafeína. El vendedor gana 6 € por cada paquete
que venda de tipo A y 5 € por cada uno que vende de tipo B. Calcular de forma
razonada cuántos paquetes de cada tipo debe vender para maximizar los
beneficios y calcular éste.
DESARROLLO
I. VARIABLE DE DECISIÓN
- NPRA
- NPRB
III. RESTRICCIONES
3*(NPRA) + 2*(NPRB) ≤ 120
3*(NPRA) + 4*(NPRB) ≤ 180
(NPRA) ≥0
MODELO MATEMÁTICO
- NPRA = X
- NPRB = Y
III. VARIABLE DE DECISION
X = Número de paquetes de refrescos del tipo A
Y = Número de paquetes de refrescos del tipo B
IV. FUNCION OBJETIVO
Max Z= 6* (NPRA) + 5* (NPRB)
SUJETO A
3*(NPRA) + 2*(NPRB) ≤ 120
3*(NPRA) + 4*(NPRB) ≤ 180
(NPRA) ≥0
(NPRB) ≥0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
8) Una persona para recuperarse de una cierta enfermedad tiene que tomar en
su alimentación dos clases de componentes que llamaremos A y B. Necesita
tomar 70 unidades de A y 120 unidades de B. El médico le da dos tipos de
dietas en las que la concentración de dichos componentes es:
- dieta D1: 2 unidades de A y 3 unidades de B
- dieta D2: 1 unidad de A y 2 unidades de B.
Sabiendo que el precio de la dieta D1 es 2,5 €. y el de la dieta D2 es 1,45 €.
¿Cuál es la distribución óptima para el menor coste?
DESARROLLO
RESUMEN
I. VARIABLE DE DECISIÓN
D1
D2
II. FUNCIÓN OBJETIVA
MIN. Z = 2.5*D1 + 1.45*D2
III. RESTRICCIONES
2*D1 + 1*D2 ≥ 70
3*D1 + 2*D2 ≥ 120
D1 ≥ 0
D2 ≥ 0
MODELO MATEMÁTICO
D1 = X
D2 = Y
I. VARIABLE DE DECISION
10) Una empresa fabrica dos modelos de fundas de sofá, A y B, que dejan unos
beneficios de 40 y 20 euros respectivamente. Para cada funda del modelo A
se precisan 4 horas de trabajo y 3 unidades de tela. Para fabricar una del
modelo B se requieren 3 horas de trabajo y 5 unidades de tela. La empresa
dispone de 48 horas de trabajo y 60 unidades de tela. Si a lo sumo pueden
hacerse 9 fundas del modelo A. ¿Cuántas fundas de cada modelo han de
fabricarse para obtener el máximo beneficio y cual sería este?
DESARROLLO
RESUMEN
I. VARIABLE DE DECISIÓN
FA
FB
III. RESTRICCIONES
4*FA + 3*FB ≤ 48
3*FA + 5*FB ≤ 60
FA ≤ 9
FA ≥ 0
FB ≥ 0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
MODELO MATEMÁTICO
FA = X
FB = Y
I. VARIABLE DE DECISION
X = Cantidad de fundas del modelo “A”
Y = Cantidad de fundas del modelo “B”
II. FUNCION OBJETIVO
MÁX.Z = 40*(X) + 20*(Y)
SUJETO A:
4*X + 3*Y ≤ 48
3*X + 5*Y ≤ 60
X ≤ 9
X ≥ 0
Y ≥ 0
11) Disponemos de 210.000 euros para invertir en bolsa. Nos recomiendan dos tipos de
acciones. Las del tipo A, que rinden el 10% y las del tipo B, que rinden el 8%.
Decidimos invertir un máximo de 130.000 euros en las del tipo A y como mínimo
60.000 en las del tipo B. Además queremos que la inversión en las de tipo Asea
menor que el doble de la inversión de tipo B ¿Cuál tiene que ser la distribución de
la inversión para obtener el máximo interés anual?
DESARROLLO
RESUMEN
I. VARIABLE DE DECISIÓN
MIA
MIB
III. RESTRICCIONES
MIB ≥ 2*MIA
MIB ≥ 6000
MIA ≤ 13000
MIA + MIB ≤ 21000
CTC ≥ 0
CTR ≥ 0
MIA = X
MIB = Y
I. VARIABLE DE DECISION
X = Monto de inversión en acciones tipo A.
Y = Monto de inversión en acciones tipo B.
3) En una granja de pollos se da una dieta "para engordar" con una composición
mínima de 15 unidades de una sustancia A y otras 15 de una sustancia B. En el
mercado sólo se encuentran dos clases de compuestos: el tipo I con una
composición de una unidad de A y cinco de B, y el tipo II, con una
composición de cinco unidades de A y una de B. El precio del tipo I es de 10
euros y el del tipo II es de 30 euros. Se pregunta: ¿Qué cantidades se han de
comprar de cada tipo para cubrir las necesidades con un coste mínimo?
DESARROLLO
RESUMEN
I. VARIABLE DE DECISIÓN
TI
TII
II. FUNCIÓN OBJETIVA
MIN. Z = 10*TI + 30*TII
III. RESTRICCIONES
1*TI + 5*TII ≥ 15
5*TI + 1*TII ≥ 15
TI ≥ 0
TII ≥ 0
MODELO MATEMÁTICO
TI = X
TII = Y
I. VARIABLE DE DECISION
Una escuela prepara una excursión para 400 alumnos. La empresa de transporte
tiene 8 autocares de 40 plazas y 10 autocares de 50 plazas, pero solo dispone de
9 conductores. El alquiler de un autocar grande cuesta 80 euros y el de uno
pequeño, 60 euros. Calcular cuántos de cada tipo hay que utilizar para que la
DESARROLLO
III. RESTRICCIONES
I. El fabricante dispone de hasta 9 horas de trabajo para ambos artículos
en la sección de montaje.
El fabricante dispone de hasta 9 horas de trabajo para el artículo A + el
artículo B en la sección de montaje.
El fabricante dispone de hasta 9 horas de trabajo 1 * el artículo A + 3 * el
artículo B en la sección de montaje.
El fabricante dispone de hasta 9 horas de trabajo 1 * (AA) + 3 * (AB) en
la sección de montaje.
1*(AA) + 3*(AB) ≤ 9
II. El fabricante dispone de hasta 8 horas de trabajo para ambos artículos
en la sección de pintura.
El fabricante dispone de hasta 8 horas de trabajo para el artículo A + el
artículo B en la sección de pintura.
El fabricante dispone de hasta 8 horas de trabajo 2 * el artículo A + 1 * el
RESUMEN
I. VARIABLE DE DECISIÓN
AA
AB
II. FUNCIÓN OBJETIVA
Max. Z = 20*(AA) + 40*(AB) (€)
III. RESTRICCIONES
1*AA + 3*AB ≤ 9
2*AA + 1*AB ≤ 8
AA ≥ 0
AB ≥ 0
MODELO MATEMÁTICO
AA = X
RESUMEN
I. VARIABLE DE DECISIÓN
- NB
- NC
II. FUNCIÓN OBJETIVA
Max Z= 0.20 * (NB)+ 0.30* (NC) (€)
III. RESTRICCIONES
0.20*(NB) + 0.30*(NC) ≤ 1.20
(NB) =(NC)
(NB) ≥0
(NC) ≥0
MODELO MATEMÁTICO
- NB = X
- NC = Y
11) Un orfebre fabrica dos tipos de joyas. Las del tipo A precisan 1 g de oro y 1,5 g de
plata, vendiéndolas a 40 euros cada una. Para la fabricación de las de tipo B
emplea 1,5 g de oro y 1 g de plata, y las vende a 50 euros. El orfebre tiene solo en
el taller 750 g de cada uno de los metales.
Calcula cuántas joyas ha de fabricar de cada clase para obtener un beneficio
máximo.
DESARROLLO
III. RESTRICCIONES
I. La orfebre tiene solo en el taller 750 gramos de oro
La orfebre tiene solo 750 gramos de oro para la fabricación de la
cantidad de joyas del tipo “A” + cantidad de joyas del tipo “B”
1*(JA) + 1.5*(JB) ≤ 750
II. La orfebre tiene solo en el taller 750 gramos de plata
La orfebre tiene solo 750 gramos de plata para la fabricación de la
cantidad de joyas del tipo “A” + cantidad de joyas del tipo “B”
1.5*(JA) + 1*(JB) ≤ 750
III. La cantidad de joyas del tipo “A” y la cantidad de joyas del tipo “B”
deben ser mayor o igual a cero
JA ≥ 0
JB ≥ 0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
RESUMEN
I. VARIABLE DE DECISIÓN
JA
JB
II. FUNCIÓN OBJETIVA
MAX. Z = 40*(JA) + 50*(JB) (€)
III. RESTRICCIONES
1*JA + 1.5*JB ≤ 750
1.5*JA + 1*JB ≤ 750
JA ≥ 0
JB ≥ 0
MODELO MATEMÁTICO
JA = X
12) En una pequeña empresa se fabrican diariamente solo dos tipos de aparatos, A
y B. Como máximo pueden fabricarse 3 aparatos de cada tipo y,
obligatoriamente, al menos un artículo del tipo B.
DESARROLLO
RESUMEN
I. VARIABLE DE DECISIÓN
N°TA
N°TB
III. RESTRICCIONES
N°TA + N°TB ≤ 3
N°TB ≥ 1
30*N°TA + 10*N°TB ≥ 60
N°TA ≥ 0
MODELO MATEMÁTICO
15) Unos grandes almacenes desean liquidar 200 camisas y 100 pantalones de la
temporada anterior. Para ello lanzan, dos ofertas, A y B. La oferta A consiste en
un lote de una camisa y un pantalón, que se venden a 30 €; la oferta B
consiste en un lote de tres camisas y un pantalón, que se vende a 50 €. No se
desea ofrecer menos de 20 lotes de la oferta A ni menos de 10 de la B.
¿Cuántos lotes ha de vender de cada tipo para maximizar la ganancia?
DESARROLLO
RESUMEN
I. VARIABLE DE DECISIÓN
TA
TB
II. FUNCIÓN OBJETIVA
MAX. Z = 30*TA + 50*TB
III. RESTRICCIONES
1*TA + 3*TB ≤ 200
1*TA + 1*TB ≤ 100
TA ≥ 20
TB ≥ 10
TA = X
TB = Y
I. VARIABLE DE DECISION
X = oferta del tipo “A”
Y = oferta del tipo “B”
16) Se desea obtener tres elementos químicos a partir de las sustancias A y B. Un kilo
de A contiene 8 gramos del primer elemento, 1 gramo del segundo y 2 del
tercero; un kilo de B tiene 4 gramos del primer elemento, 1 gramo del segundo y
2 del tercero. Se desea obtener al menos 16 gramos del primer elemento y las
cantidades del segundo y del tercero han de ser como mucho 5 y 20 gramos,
respectivamente; y la cantidad de A es como mucho el doble que la de B.
Calcula los kilos de A y los de B que han de tomarse para que el coste sea
mínimo si un kilo de A vale 2 euros y uno de B 10 euros. ¿Puede eliminarse
alguna restricción?
DESARROLLO
2*(SA) + 2*(SB) ≤ 20
IV. La cantidad de sustancia “A” y la cantidad de sustancia “B” deben ser
mayor o igual a cero
SA ≥ 0
SB ≥ 0
RESUMEN
I. VARIABLE DE DECISIÓN
SA
SB
II. FUNCIÓN OBJETIVA
MAX. Z = 2*(SA) + 10*(SB) (€)
III. RESTRICCIONES
8*(SA) + 4*(SB) ≥ 16
(SA) + (SB) ≤ 5
2*(SA) + 2*(SB) ≤ 20
MODELO MATEMÁTICO
SA = X
SB = Y
I. VARIABLE DE DECISION
X = Cantidad de sustancia “A”
Y = Cantidad de sustancia “B”
II. FUNCION OBJETIVO
MAX.Z = 2*(X) + 10*(Y)
SUJETO A:
8*X + 4*Y ≥ 16
1*X + 1*Y ≤ 5
2*X + 2*Y ≤ 20
X ≥ 0
Y ≥ 0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
17) Una fábrica produce neveras utilitarias y de lujo. La fábrica esta dividida en dos
secciones: montaje y acabado. Los requerimientos de trabajo vienen dados por
la siguiente tabla:
DESARROLLO
RESUMEN
I. VARIABLE DE DECISIÓN
NU NL
II. FUNCIÓN OBJETIVA
MAX. Z = 300*(NU) + 400*(NL) (€)
III. RESTRICCIONES
3*(NU) + 3*(NL) ≤ 120
3*(NU) + 6*(NL) ≤ 180
NU ≥ 0
MODELO MATEMÁTICO
NU = X
NL = Y
I. VARIABLE DE DECISION
X = Cantidad de neveras utilitarias
Y = Cantidad de neveras de lujo
II. FUNCION OBJETIVO
MAX.Z = 300*(X) + 400*(Y)
SUJETO A:
3*X + 3*Y ≤ 120
3*X + 6*Y ≤ 180
X ≥ 0
Y ≥ 0
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS
DESARROLLO
RESUMEN
I. VARIABLE DE DECISIÓN
KGA
KGB
III. RESTRICCIONES
KGA + KGB ≤ 1000
1,8*KGA + 1,5*KGB ≤ 2700
KGA ≥ 0
KGB ≥ 0
MODELO MATEMÁTICO
I. VARIABLE DE DECISION
X = Cantidad de Kg. de helados A.
Y = Cantidad de Kg. de helados B.