INTRODUCCIÓN A LA

PROGRAMACIÓN LINEAL

TRUJILLO-PERU
 CEPUNT MATEMÁTICA

“INTRODUCCION A LA PROGRAMACION LINEAL”

La Programación Lineal es un procedimiento o algoritmo matemático

mediante el cual se resuelve un problema indeterminado, formulado a
través de ecuaciones lineales, optimizando la función objetivo, también
lineal. Consiste en optimizar (minimizar o maximizar) una función lineal,
que denominaremos función objetivo, de tal forma que las variables de
dicha función estén sujetas a una serie de restricciones que expresamos
mediante un sistema de inecuaciones lineales.
Historia de la programación lineal.
El problema de la resolución de un sistema lineal de inecuaciones se
remonta, al menos, a Fourier, después de quien nace el método de
eliminación de Fourier - Motzkin. La programación lineal se plantea como
un modelo matemático desarrollado durante la Segunda Guerra Mundial
para planificar los gastos y los retornos, a fin de reducir los costos al
ejército y aumentar las pérdidas del enemigo. Se mantuvo en secreto
hasta 1947. En la posguerra, muchas industrias lo usaron en su
planificación diaria.
Los fundadores de la técnica son George Dantzig, quien publicó el
algoritmo simplex, en 1947, John von Neumann, que desarrolló la teoría de
la dualidad en el mismo año, y LeonidKantoróvich, un matemático ruso,
que utiliza técnicas similares en la economía antes de Dantzig y ganó el
premio Nobel en economía en 1975. En 1979, otro matemático ruso,
LeonidKhachiyan, demostró que el problema de la programación lineal era
resoluble en tiempo polinomial. Más tarde, en 1984, NarendraKarmarkar
introduce un nuevo método del punto interior para resolver problemas de
programación lineal, lo que constituiría un enorme avance en los principios
teóricos y prácticos en el área.
El ejemplo original de Dantzig de la búsqueda de la mejor asignación de 70
personas a 70 puestos de trabajo es un ejemplo de la utilidad de la
programación lineal. La potencia de computación necesaria para examinar
todas las permutaciones a fin de seleccionar la mejor asignación es
inmensa; el número de posibles configuraciones excede al número de
partículas en el universo. Sin embargo, toma sólo un momento encontrar la
solución óptima mediante el planteamiento del problema como una
programación lineal y la aplicación del algoritmo simplex. La teoría de la
programación lineal reduce drásticamente el número de posibles
soluciones óptimas que deberán ser revisadas.

Equipo de Matemática 461

 CEPUNT MATEMÁTICA
La programación lineal constituye un importante campo de la optimización
por varias razones, muchos problemas prácticos de la investigación de
operaciones pueden plantearse como problemas de programación lineal.
Algunos casos especiales de programación lineal, tales como los
problemas de flujo de redes y problemas de flujo de mercancías se
consideraron en el desarrollo de las matemáticas lo suficientemente
importantes como para generar por si mismos mucha investigación sobre
algoritmos especializados en su solución. Una serie de algoritmos
diseñados para resolver otros tipos de problemas de optimización
constituyen casos particulares de la más amplia técnica de la
programación lineal. Históricamente, las ideas de programación lineal han
inspirado muchos de los conceptos centrales de la teoría de optimización
tales como la dualidad, la descomposición y la importancia de la
convexidad y sus generalizaciones. Del mismo modo, la programación
lineal es muy usada en la microeconomía y la administración de empresas,
ya sea para aumentar al máximo los ingresos o reducir al mínimo los
costos de un sistema de producción. Algunos ejemplos son la mezcla de
alimentos, la gestión de inventarios, la cartera y la gestión de las finanzas,
la asignación de recursos humanos y recursos de máquinas, la
planificación de campañas de publicidad, etc.

Los problemas de programación lineal del mundo real pueden tener

cientos y aun miles de variables. Sin embargo, inicialmente estudiaremos
el caso de Programación Lineal con 2 variables.

Observaciones:
1. Todo problema de programación lineal trata de la maximización y
minimización de una función lineal en el conjunto solución de un
sistema formado por desigualdades lineales.
2. Cualquier desigualdad de la forma ax + by< c tiene como conjunto
solución un semiplano formado por la recta ax + by = c; junto con la
parte del plano que está a un lado de la recta. Dado cualquier sistema
de desigualdades lineales con x e y, se desea hallar todos los puntos
(x, y) para los cuales todos las desigualdades se cumplen
simultáneamente.

Definición:
El conjunto solución de un sistema de desigualdades lineales consiste en
una intersección de estos semiplanos.

Equipo de Matemática 462

 CEPUNT MATEMÁTICA
Ejemplo :
Sea el sistema de desigualdades lineales

2x + 3y > 6 (I)
2x + y > 2 (II)
x - y< 3 (III)

Observación:
El conjunto solución no vacío de un sistema de desigualdades lineales
está acotado por rectas o segmentos de rectas y que todas sus esquinas
apuntan hacia fuera. Dichos conjuntos se llaman conjuntos poligonales
convexos.

Definición:
Un subconjunto del plano es convexo si para cada par de puntos P y Q del
conjunto el segmento de recta que los une también está en el conjunto

TEOREMA: Cualquier intersección no vacía de semiplanos es un conjunto

convexo.

MAXIMIZAR Y MINIMIZAR ax +by

EN UNA INTERSECCION DE SEMIPLANOS

Se considera el problema de programación lineal de maximizar o minimizar

una función lineal ax + by en el conjunto solución de un sistema de
desigualdades lineales. Las desigualdades se llaman restricciones y la
función ax +by es la función objetivo.

Equipo de Matemática 463

 CEPUNT MATEMÁTICA
Teniendo en cuenta las aplicaciones económicas a la función objetivo se
le llama función de ganancia si se va a maximizar, y función de costo si se
va a minimizar. En problemas aplicados siempre se considera que dos de
las restricciones son x ≥ 0 e y ≥ 0.

El conjunto solución convexo de la restricciones se llama conjunto factible

y cualquier punto de este conjunto es una solución factible. Nuestro fin
será entonces determinar entre todas las soluciones factibles aquellas que
maximicen o minimicen ax + by.

METODO GRAFICO O METODO DE LAS RECTAS DE NIVEL

Los problemas de programación lineal pueden presentarse en la forma

estándar, dando la función objetivo y las restricciones, o bien plantearlos
mediante un enunciado. Si éste es el caso, puede seguirse el camino que
indicamos a continuación, ejemplificado con el siguiente problema:

En un almacén se guarda aceite de girasol y de oliva. Para

atender a los clientes se han de tener almacenados un mínimo
de 20 bidones de aceite de girasol y 40 de aceite de oliva y,
además, el número de bidones de aceite de oliva no debe ser
inferior a la mitad del número de bidones de aceite de girasol. La
capacidad total del almacén es de 150 bidones. Sabiendo que el
gasto de almacenaje es el mismo para los dos tipos de aceite (1
unidad monetaria). ¿Cuántos bidones de cada tipo habrá que
almacenar para que el gasto sea máximo?

Paso 1º: Leer detenidamente el enunciado: determinar el objetivo,

definir las variables y escribir la función objetivo.
El objetivo es: halla cuántos bidones de cada tipo hay que almacenar
para maximizar los gastos
Suponemos que tal objetivo se consigue almacenado x bidones de
aceite de girasol e y de aceite de oliva
Cómo cada bidón de aceite de girasol cuesta almacenarlo 1 unidad
monetaria y lo mismo para uno de aceite, los gastos serán x + y
Luego, la función objetivo es:

Maximizar la función Z = f(x, y) = x + y

Equipo de Matemática 464

 CEPUNT MATEMÁTICA
Paso 2º: Reordenar los datos del problema y a partir de las cantidades
decididas, x e y, escribir el sistema de inecuaciones que determinan las
restricciones.
 Un mínimo de 20 bidones de aceite de girasol: x ≥20
 Un mínimo de 40 bidones de aceite de oliva:y≥ 40
 El número de bidones de aceite de oliva no debe ser inferior a la
mitad del número de bidones de aceite de girasol: y ≤ x/2
 La capacidad total del almacén es de 150 bidones: x + y ≤150
Además, los números de bidones deben ser cantidades positivas: x≥ 0;
y≥0

Paso 3º: Expresar el problema en la forma estándar.

Siguiendo con el ejemplo, sería:
Maximizar: Z = f(x,y) = x + y
sujeto a: x + y≤ 150
y≤ x/2
x≥ 20 ; y≥ 40
Aquí termina el planteamiento del problema. Para su resolución hay que
continuar con:

Paso 4º: Representar gráficamente las restricciones y marcar

claramente la región factible.
Para las restricciones anteriores debemos representar las rectas: x + y
= 150 , y = x/2 , x = 20 e y = 40, obteniéndose la región factible que en
la figura se encuentra coloreada.

Equipo de Matemática 465

 CEPUNT MATEMÁTICA

Paso 5º: Hallar las coordenadas de los vértices del polígono obtenido.
Resolviendo los sistemas : { x = 20,y = 40 } , { y = x/2 , y = 40 } , { y =
x/2 , x + y = 150} , { x + y = 150, x = 20}; se obtienen los vértices:
A(20,40) , B(80,40) , C(100, 50) , D(20,130)

Paso 6º: Sustituir las coordenadas de esos puntos en la función

objetivo y hallar el valor máximo o mínimo.
Sustituyendo en f(x,y) = x + y, se tiene:
f(20,40) = 60
f(80,40) = 120
f(100, 50) = 150
f(20,130) = 150
Como el valor máximo se obtiene en los puntos C y D, puede optarse
por cualquiera de los dos, o por cualquier punto perteneciente al
segmento que los une. Así, por ejemplo, se obtendría el mismo gasto
con 40 bidones de aceite girasol y 110 bidones de aceite de oliva; o 90
y 60 respectivamente.

Paso 7º: También es conveniente representar las rectas de nivel para

comprobar que la solución gráfica coincide con la encontrada. Esta
conveniencia se convierte en necesidad cuando la región factible es no
acotada.
En nuestro caso, puede comprobarse que las rectas de nivel tienen la
misma pendiente que la recta límite de la restricción x + y 150 ; por
tanto, hay múltiples soluciones.

Paso 8º: Por último, como en la resolución de todo problema es

necesario criticar la solución: cerciorarse de que la solución hallada es
lógica y correcta.

En este ejemplo, no todos los puntos del segmento CD son soluciones

válidas, ya que no podemos admitir valores de x e y no enteros, como
ocurriría en el punto (90.5; 59.5) .

MÉTODO ANALÍTICO O MÉTODO DE LOS VÉRTICES

El siguiente resultado, denominado teorema fundamental de la

programación lineal, nos permite conocer otro método de solucionar un
programa con dos variables.

Equipo de Matemática 466

 CEPUNT MATEMÁTICA
En un programa lineal con dos variables, si existe una solución única que
optimice la función objetivo, ésta se encuentra en un punto extremo
(vértice) de la región factible acotada, nunca en el interior de dicha región.
Si la función objetivo toma el mismo valor óptimo en dos vértices, también
toma idéntico valor en los puntos del segmento que determinan.
En el caso de que la región factible no es acotada, la función lineal objetivo
no alcanza necesariamente un valor óptimo concreto, pero, si lo hace, éste
se encuentra en uno de los vértices de la región
La evaluación de la función objetivo en los vértices de la región factible nos
va a permitir encontrar el valor óptimo (máximo o mínimo) en alguno de
ellos.

Veámoslo con un ejemplo:

Maximizar: Z = f(x,y) = 3x + 8y
sujeto a: 4x + 5y ≤ 40
2x + 5y ≤ 30
x≥0,y≥0

1) Hallar los puntos de corte de las rectas asociadas a las

restricciones:
Calculamos las soluciones de cada uno de los seis sistemas de dos
ecuaciones con dos incógnitas que se pueden formar con las cuatro
restricciones:
{ 4x + 5y = 40 , 2x + 5y = 30}. Solución: A(5, 4)
{ 4x + 5y = 40 , x = 0 } Solución: B (0, 8)
{ 4x + 5y = 40 , y = 0}. Solución: C(10, 0)
{ 2x+ 5y = 30 , x = 0} Solución: D(0, 6)
{ 2x + 5y = 30 , y = 0}. Solución: E(15, 0)
{ x = 0, y = 0} Solución: O(0, 0)

2) Determinar los vértices de la región factible:

Los vértices de la región factible son aquellos puntos que cumplen
todas las restricciones.
Si sustituimos los puntos en cada una de las desigualdades tenemos
que:
 B no cumple la segunda restricción 2x + 5y≤30 , ya que 2·0 + 5·8 =
40 . Por tanto, el punto B no es un vértice de la región factible.
 E no cumple la primera restricción 4x + 5y≤40 , ya que 4·15 + 5·0 =
60 . Por tanto, el punto E no es un vértice de la región factible.
Equipo de Matemática 467
 CEPUNT MATEMÁTICA
Los puntos A, C, D y O verifican todas las desigualdades, son los
vértices de la región factible.

3) Calcular los valores de la función objetivo en los vértices:

f(A) = f(5,4) = 3·5 + 8·4 = 47

f(C) = f(10,0) = 3·10 + 8· 0 = 30
f(D) = f(0,6) = 3·0 + 8·6 = 48
f(O) = f(0,0) = 3·0 + 8·0 = 0

La solución óptima corresponde al vértice para el que la función objetivo

toma el valor máximo. En este caso es el vértice D(0,6).

PROBLEMAS DE APLICACIÓN:
1) Al maximizar x + y; x, y ∈ℝ; sujeto a las siguientes condiciones:
2x + 3y ≥ 6
2x + y ≤ 6
y≤ 4
x≥ 0, y ≥ 0
Indique la alternativa correcta después de determinar si la proposición
es verdadera (V) o falsa (F).
I. Los puntos (2; 2) y (4; 1) pertenecen a la región admisible.
II. La región admisible es un polígono de cuatro lados.
III. El valor óptimo es 5.
A) VVF B) VVV C) VFV D) FVV E) FVF
Resolución:
Maximizar: x + y; x, y ∈ℝ
Sujeto a: 2x + 3y ≥ 6
2x + y ≤ 6
y≤ 4
x≥ 0, y ≥ 0

Grafiquemos las restricciones:

Equipo de Matemática 468

 CEPUNT MATEMÁTICA
Evaluemos en los vértices del polígono:
(0; 2) ⟹ x + y = 2
(0; 4) ⟹ x + y = 4
(1; 4) ⟹ x + y = 5 (máximo – óptimo)
(3; 0) ⟹ x + y = 3
Del gráfico obtenemos:
I. Falso
II. Verdadero
III. Verdadero
CLAVE D

2) El valor mínimo que toma la función objetivo: P(x; y) = 10x + 20y,

sujeta a las restricciones:
x + y≥2
x – 2y ≤ 2
y≤ x
es:
A) -70 B) -20 C) 0 D) 20 E) 30

Resolución:
Nos piden: valor mínimo de: P(x; y) = 10x + 20y
Sujeto a:
x + y≥2
x – 2y ≤ 2
y≤ x
Graficando cada una de las desigualdades:

Ahora, para hallar el valor mínimo, evaluamos P(x; y) en los vértices de

la región factible:

Por lo tanto, el valor mínimo que toma la función objetivo es 20.

CLAVE D

Equipo de Matemática 469

 CEPUNT MATEMÁTICA
3) Sea f: ℝ2ℝ una función definida por:
f(x; y) = –3x + y
El punto de la región convexa mostrada en la figura, donde f alcanza
su mínimo, es:
A) (2; 3)
B) (2; 0)
C) (0; 3)
D) (6; 4)
E) (4;6)

Resolución:
Sea: f(x; y) = –3x + y; f: ℝ2ℝ
La función f puede alcanzar los valores máximo o mínimo en los
vértices de la región convexa; entonces, según la gráfica, los vértices
son:
(0; 0), (1; 0), (6; 4) y (0;3)
Evaluando los vértices en la función:
f(0; 0) = –3(0) + 0 = 0
f(1; 0) = –3(1) + 0 = –3
f(6; 4) = –3(6) + 4 = –14 (mínimo)
f(0; 3) = –3(0) + 3 = 3 (máximo)
 La función f alcanza su mínimo valor de –14 en el punto (6; 4)

CLAVE D

4) Sea “u” el número de decenas de sillas y “v” el número de decenas de

mesas que fabrica una empresa al día. Si la utilidad diaria está dada
por 200u + 300v y se tienen las siguientes restricciones:
u+v≤4
2u + 3v ≤ 10
40u + 20v ≤ 120
El número de decenas de mesas y sillas a fabricar diariamente, de
modo que la empresa obtenga la mayor utilidad, es:
A) 3 y 1 B) 1 y 3 C) 2 y 2 D) 2 y 3 E) 3 y 2

Resolución:
Se tiene, la función a maximizar: U(u; v) = 200u + 300v
Sujeto a:
u+v≤4 (I)
2u + 3v ≤ 10 (II)
40u + 20v ≤ 120 (III)

Equipo de Matemática 470

 CEPUNT MATEMÁTICA
Graficando las restricciones, respectivamente, se obtiene:

Según la gráfica, observamos que sus vértices son:

(0; 10/3), (3; 0) y (2; 2)
Evaluando los vértices en la función:
U(0; 10/3) = 200(0) + 300(10/3) = 1000
U(3; 0) = 200(3) + 300(0) = 600
U(2; 2) = 200(2) + 300(2) = 1000
Como se obtiene el óptimo en dos vértices consecutivos, la utilidad es
máxima para todos los puntos que pertenecen al segmento que une
los vértices (0; 10/3) y (2; 2) de los cuales elegimos (2; 2).

CLAVE C

5) Dadas las siguientes proposiciones respecto a la programación lineal:

I. Las restricciones de desigualdad son polinomios de primer y
segundo grado.
II. El punto óptimo se encuentra en la región admisible.
III. La región admisible contiene puntos, los cuales tienen en alguna
de sus coordenadas valor negativo.
Es (son) correcta(s):
A) Solo I B) Solo II C) Solo III D) I y II E) II y III

Resolución:
Analizando cada proposición respecto a la programación lineal:
I. Las restricciones de desigualdad siempre son de primer grado
(lineal); no puede ser de segundo grado. Es INCORRECTA.
II. El punto óptimo se encuentra en la región admisible, dado que
este punto es uno de los pertenecientes a la región admisible. Es
CORRECTA.
III. Siempre, las coordenadas de todos los puntos de la región
admisible van a tener valor positivo, nunca, un valor negativo, pues
sus variables siempre mayor o igual que cero. Es INCORRECTA.

CLAVE B

Equipo de Matemática 471