UNIVERSIDAD NACIONAL DE SAN JUAN

Ministerio de Cultura y Educación

Facultad de Ingeniería
Departamento de Matemática

Álgebra y Geometría Analítica

Ingeniería Eléctrica
Ingeniería Electromecánica
Ingeniería Industrial
Ingeniería en Alimentos
Ingeniería Química

Unidad de Aprendizaje N° 2

Parte III

Programación Lineal

2020
Introducción
En los siglos XVII y XVIII, grandes matemáticos como Newton, Leibnitz, Bernoulli y Lagrange se
ocuparon de obtener máximos y mínimos condicionados a determinadas funciones.
Alrededor de 1800, el matemático francés Fourier fue el primero en intuir los métodos que actualmente
se denominan de “programación lineal”.
Durante el siglo XX (en la década de 1940), aparecieron nuevos estudios relacionados con los métodos
de la actual programación lineal. Los economistas Koopmans y Kantarovitch contribuyeron a la teoría
de la óptima distribución de recursos (organización y planificación de la producción, problemas de
transporte, etc.)
En paralelo a tales avances, se desarrollaron técnicas que emplean la computación y los ordenadores
para resolver y simplificar los problemas que se estaban gestando. En 1947, George B. Dantzig,
matemático estadounidense, formaliza el enunciado estándar de un problema de programación lineal.
Estos problemas involucran la optimización (maximizar o minimizar) de una función llamada función
objetivo, cuyas variables se encuentran sujetas a determinadas limitaciones denominadas restricciones.
Si tanto las restricciones como la función objetivo son lineales, el problema se denomina de
programación lineal.
Nos centraremos en este tema en aquellos problemas simples de programación lineal, los que tienen
solamente 2 variables, problemas bidimensionales.
Para sistemas de más variables, el procedimiento no es tan sencillo y se resuelven por el llamado
método Simplex (ideado por G. B. Dantzig, en 1951). Los problemas de este tipo, en el que intervienen
gran número de variables, y se resuelven usando ordenadores no serán tratados en ésta asignatura.

Inecuaciones lineales con 2 variables

Cuando el símbolo que liga dos expresiones matemáticas es de desigualdad (≤, ≥, <, >) se tiene una
inecuación. Una inecuación lineal con 2 variables es una expresión de la forma: 𝑎𝑥 + 𝑏𝑦 ≤ 𝑐, donde a, b y
c son números reales y x e y las incógnitas.
Resolver una inecuación, es encontrar el o los valores de la o las variables que intervienen, para que
dicha desigualdad resulte verdadera.
Para resolver estas inecuaciones, hay que representar gráficamente en el plano la recta dada por la
correspondiente ecuación lineal y marcar una de las dos regiones en que dicha recta divide al plano.
Ejemplo: Si queremos resolver la inecuación: 2𝑥 + 3𝑦 ≥ −3 , representamos en primer lugar la recta:
2𝑥 + 3𝑦 = −3

Figura 1: Recta de ecuación 2𝑥 + 3𝑦 = −3

La recta divide al plano en dos regiones, llamadas semiplanos, una de las cuales es la solución de la
inecuación. Para saber qué parte es, hay dos procedimientos:

Mg. Ing. María Rosa Castro 2

1. Se despeja la variable y de la inecuación, poniendo cuidado en que si en una inecuación multiplicamos
o dividimos por un número negativo, la desigualdad cambia de sentido.
(−3−2𝑥)
En este caso tendríamos que: 𝑦 ≥ 3

Observando el dibujo vemos que la recta corta, en la ordenada al origen, al eje “y” en dos partes.
La solución de la inecuación será aquel semiplano que contenga los puntos del eje “y”, en los cuales la
componente y sea mayor que la ordenada al origen, es decir, la parte superior.

Figura 2: Solución de la inecuación lineal 2𝑥 + 3𝑦 ≥ −3

2. Se toma un punto cualquiera que no pertenezca a la recta, por ejemplo el punto P= (1,2).
Para que dicho punto sea solución, se tendría que cumplir la desigualdad, por lo que sustituimos en la
inecuación inicial el (1,2):
2.1 + 3.2 ≥ −3, 𝑒𝑠 𝑑𝑒𝑐𝑖𝑟, 8 ≥ −3
Como esta última desigualdad es evidentemente cierta, concluimos que el punto P= (1,2) es solución y
por lo tanto el semiplano que contiene al punto P es la solución, es decir el semiplano superior, como
habíamos obtenido antes.
Cualquiera de los procedimientos es válido si se realiza con corrección.
Recuerda: La representación geométrica del conjunto solución de una inecuación lineal en dos variables
es un semiplano.

Sistemas de inecuaciones lineales con dos variables

Un conjunto de dos o más inecuaciones que se deben satisfacer simultáneamente es un sistema de
inecuaciones. La solución del sistema es el conjunto solución que satisface todas las inecuaciones
simultáneamente.
Un sistema de inecuaciones lineales, por lo tanto, es un conjunto de inecuaciones del tipo anterior, y
resolverlo consistirá en resolver gráficamente cada inecuación (como en el caso anterior), representar
la solución en un mismo gráfico y la solución total será la parte común a todas las soluciones.

Ejemplo 1: Resolver el sistema de inecuaciones siguiente:

2𝑥 + 3𝑦 ≥ −3
{ 2𝑥 −𝑦−9≤0
2𝑥 − 5𝑦 − 5 ≥ 0

Si representamos las rectas:

2𝑥 + 3𝑦 = −3 (𝑟𝑒𝑐𝑡𝑎 𝑟)
{2𝑥 − 𝑦 − 9 = 0 (𝑟𝑒𝑐𝑡𝑎 𝑠)
2𝑥 − 5𝑦 − 5 = 0 (𝑟𝑒𝑐𝑡𝑎 𝑡)

Mg. Ing. María Rosa Castro 3

 Figura 3: Solución del sistema de inecuaciones lineales

El triángulo sombreado es la solución del sistema.

Además, para los problemas de programación lineal es necesario el cálculo de los vértices de la región
solución. Es sencillo su cálculo, pues se reduce a resolver sistemas de ecuaciones lineales con dos
incógnitas, que provienen de igualar las ecuaciones de las rectas correspondientes.
Por ejemplo, en este caso, si queremos el punto intersección de las rectas r y t tendremos que resolver
el sistema, utilizando el método de eliminación gaussiana, por ejemplo:

2𝑥 + 3𝑦 = −3 2𝑥 + 3𝑦 = −3
{ → {
2𝑥 − 𝑦 − 9 = 0 −4𝑦 = 12

Y obtener por sustitución regresiva el conjunto solución: 𝐶𝑆 = {(3, −3)}

Luego, r y t se cortan en el punto de coordenadas (3,-3).

Ejercicio 1: Calcular los otros dos vértices del ejemplo 1.

Ejercicio 2: Resolver los sistemas de inecuaciones lineales siguientes encontrando los vértices de las
regiones que sean solución:

𝑥+𝑦 >2
a) {
−2𝑥 + 𝑦 ≥ 0

Solución: La solución en forma gráfica, resulta de la intersección del semiplano 𝑥 + 𝑦 > 2 con el
semiplano −2𝑥 + 𝑦 ≥ 0. En la Figura 4, los puntos del conjunto solución están representados por la
región sombreada con puntitos naranja. Se puede ver que el conjunto solución no es acotado.

Figura 4: Solución del sistema de inecuaciones lineales del ejercicio 2. a)

Mg. Ing. María Rosa Castro 4

 𝑥+𝑦 ≤4
2𝑥 − 𝑦 ≤ 4
b) {
𝑥≥0
𝑦≥0

Solución: La solución grafica del sistema de inecuaciones 2. b) se puede observar en la Figura 5. Es un

conjunto acotado y los vértices de la región solución son A= (0,4), B= (0,0), C= (2,0) y D= (8/3, 4/3).

Figura 5: Solución del sistema de inecuaciones lineales 2. b)

Nota: Rectas horizontales y verticales.

En ocasiones, en estos sistemas, aparecen inecuaciones del tipo x ≥ k o bien y ≥ k, donde falta alguna de
las dos incógnitas.
Estas inecuaciones en realidad corresponden a rectas horizontales y verticales, y su representación se
muestra a continuación. Por ejemplo, la inecuación x ≤ −2 no es más que el conjunto de puntos a la
izquierda de la recta vertical que pasa por el punto x = −2, gráficamente se puede observar en la Figura
6.

Figura 6: x ≤ −2 Figura 7: y ≤ 1

Lo mismo ocurre con y ≤ 1, que sería en este caso la parte inferior a la recta horizontal y = 1, ver Figura
7.
En el caso particular de que sea x ≥ 0 o y ≥ 0, las rectas coincidirán con los ejes de coordenadas.

Ejercicio 3: Resolver los sistemas de inecuaciones lineales siguientes, encontrando los vértices de las
regiones que sean solución:

Mg. Ing. María Rosa Castro 5

 𝑥 + 3𝑦 ≤ 5
5𝑥 + 15𝑦 ≤ 15 2𝑥 + 𝑦 ≤ 10
9𝑥 − 8𝑦 ≥ 0
6𝑥 − 8𝑦 ≤ 12 𝑥 + 3𝑦 ≤ 12
a) { b) 3𝑥 + 4𝑦 ≥ 6 c) {
𝑥≥0 0≤𝑥≤8
𝑦≥0 𝑥≥0 0≤𝑦≤2
{ 𝑦≥0

Nota: Las dobles desigualdades como 0 ≤ x ≤ 8 se pueden desdoblar en otras dos, x ≥ 0 y x ≤ 8.

Problemas de optimización de una función sujeta a restricciones

La programación lineal es una herramienta aplicable a diversos campos; en la actualidad, las empresas
enfrentan problemas de todo tipo, mucho de los cuales ponen en riesgo su estabilidad económica y
permanencia en el mercado, por lo que los empresarios buscan soluciones factibles, eficientes y rápidas,
dichos procesos son manejados mediante la programación lineal, que plantea actividades para lograr
mejores resultados entre las alternativas de solución. (Marín y Maya, 2016)
La programación lineal es una técnica de optimización matemática. Por técnica de optimización, se
concibe la idea de un método que intenta maximizar o minimizar un objetivo establecido, como por
ejemplo la maximización de utilidades o la reducción de los costos. La programación lineal constituye
un subconjunto de un área mayor denominada programación matemática (Budnick.2007)
A la programación lineal, se la considera como una herramienta de fundamental importancia, pues,
mediante su aplicación, se obtienen soluciones cuantitativas a problemas de todo tipo, buscando
mejorar el resultado y una óptima toma de decisiones.
En cualquier problema de programación lineal es puntual tomar ciertas decisiones, las cuales se
representan mediante variables de decisión xj utilizadas en el modelo de programación lineal. La
función objetivo es el objetivo que en varios casos puede ser considerado el rendimiento total, el nivel
de utilidades, los costos generados, niveles de contaminación, participación en el mercado, la
rentabilidad sobre una inversión. Al conjunto de restricciones, se les considera como las condiciones
que debe cumplir o satisfacer los diferentes niveles de las variables de decisión. La resolución de
problemas de programación lineal se lleva a cabo mediante el desarrollo de tres fases:
• Planteamiento del modelo
• Resolución del problema
• Análisis económico de los resultados.
En un problema de programación lineal con dos variables x e y, se trata de optimizar (hacer máxima o
mínima, según el caso) una función llamada función objetivo, de la forma:
𝐹(𝑥, 𝑦) = 𝐴. 𝑥 + 𝐵. 𝑦 + 𝐶

Sujeta a una serie de restricciones dadas mediante un sistema de inecuaciones lineales del tipo:
𝑎1 𝑥 + 𝑏1 𝑦 ≤ 𝑐1
𝑎 𝑥 + 𝑏1 𝑦 ≤ 𝑐2
{ 2
⋮
𝑎𝑚 𝑥 + 𝑏𝑚 𝑦 ≤ 𝑐𝑚

Si existe una solución única que optimice la función objetivo F(x, y), ésta se encuentra en un punto
extremo (vértice), de la región factible acotada (región convexa), nunca en el interior de dicha región.
Si la función objetivo toma el mismo valor óptimo en dos vértices, también toma idéntico valor en todos
los puntos del segmento que determinan.
En el caso de que la región factible no sea acotada, la función objetivo no alcanza necesariamente un
valor óptimo concreto, pero si lo hace, éste se encuentra en uno de los vértices de la región.
Los puntos del plano que cumplen el sistema de desigualdades forman un recinto convexo acotado
(poligonal) o no acotado, llamado región factible del problema.

Mg. Ing. María Rosa Castro 6

Todos los puntos de dicha región cumplen el sistema de desigualdades. Se trata de buscar, entre todos
esos puntos, aquel o aquellos que hagan el valor de F(x, y) máximo o mínimo, según sea el problema.
Los puntos de la región factible se denominan soluciones factibles.
De todas esas soluciones factibles, aquellas que hacen óptima (máxima o mínima) la función objetivo se
llaman soluciones óptimas.
En general, un problema de programación lineal puede tener una, infinitas o ninguna solución.
Lo que si se verifica es la siguiente propiedad:

Propiedad:
Si hay una única solución óptima, ésta se encuentra en un vértice de la región factible, y si hay infinitas
soluciones óptimas, se encontrarán en un lado de la región factible.
Es posible que no haya solución óptima, pues cuando el recinto es no acotado, la función objetivo puede
crecer o decrecer indefinidamente.

Definamos y aclaremos conceptos:

• Los conjuntos convexos son los conjuntos más sencillos que aparecen de forma natural en la
programación lineal. Un conjunto S es convexo si la línea que une dos puntos arbitrarios de ese
conjunto, pertenece al conjunto. Ver Figura 8.
• Conjunto poliédrico: cada lado del conjunto poliédrico se obtiene representando cada recta
frontera del sistema de inecuaciones. Ver Figura 9.
• Los vértices del conjunto poliédrico convexo (CPC) se encuentran calculando la intersección de
las rectas fronteras del sistema de inecuaciones.
•

Figura 8: Conjunto convexo en a) y no convexo en b) en R2 Figura 9: Conjunto Poliédrico

• Un conjunto poliédrico convexo es acotado, si al considerar una circunferencia de radio r

arbitrario, con centro en el origen del sistema de coordenadas, éste queda contenido dentro de
la circunferencia.
• Un CPC no es acotado, cuando no se puede encerrar o contener de ésta forma.

Tipos de soluciones de un problema de programación lineal

Así como los sistemas de ecuaciones lineales se pueden caracterizar de acuerdo con el tipo de
soluciones, los problemas de programación lineal también.
Se puede mostrar que siempre es posible, matemáticamente, arribar a alguno de los cuatro tipos de
solución siguiente:
𝐶𝑜𝑛 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 ú𝑛𝑖𝑐𝑎
𝐹𝑎𝑐𝑡𝑖𝑏𝑙𝑒𝑠 { 𝐶𝑜𝑛 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑚ú𝑙𝑡𝑖𝑝𝑙𝑒
𝑇𝑖𝑝𝑜𝑠 𝑑𝑒 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛𝑒𝑠 𝑑𝑒 𝑢𝑛 𝑝𝑟𝑜𝑏𝑙𝑒𝑚𝑎 𝑑𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑎𝑐𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙 {
𝐶𝑜𝑛 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑛𝑜 𝑎𝑐𝑜𝑡𝑎𝑑𝑎
𝑁𝑜 𝑓𝑎𝑐𝑡𝑖𝑏𝑙𝑒𝑠

Mg. Ing. María Rosa Castro 7

Para resolver el problema, podemos abordarlo de dos formas, pero antes de aplicar cualquiera de ellas
siempre hay que dibujar la región factible, resolviendo el sistema de inecuaciones lineales
correspondiente, como se ha visto anteriormente (la región factible puede estar acotada o no), y se
calculan los vértices de dicha región.

Forma geométrica

En este caso se representa el vector director de la recta que viene dada por la ecuación de la función
objetivo, F(x, y) = A · x + B · y+ C, que hay que maximizar o minimizar.
El vector director de la recta k= A· x + B · y + C viene dado por 𝑣⃗ = (−B, A). Además, como lo único que nos
importa es la dirección del vector y no su módulo (longitud), podemos dividir a las coordenadas del
vector si los números son muy grandes, puesto que vectores con coordenadas proporcionales tienen la
misma dirección.
Posteriormente, se trazan rectas paralelas a este vector que pasen por los vértices de la región factible
(si es acotada), o por todo el borde de la región factible (cuándo no es acotada) y se observa en qué
vértice la función F se hace máxima (o mínima) sin más que tener en cuenta cuál de las rectas tiene
mayor (o menor) ordenada en el origen, es decir, qué recta corta en un punto mayor o menor al eje y.

Ejemplo 2: Maximizar la función F(x, y) = 2000 x + 5000 y sujeta a las restricciones:

2𝑥 + 3𝑦 ≥ −3
{ 2𝑥 − 𝑦 − 9 ≤ 0
2𝑥 − 5𝑦 − 5 ≥ 0

La región factible en este caso es:

Figura 10: Región factible del ejemplo 2

Los vértices son los puntos (0,-1), (5,1) y (3,-3).

Como la función es F(x, y) = 2000x + 5000y, el vector director es 𝑣⃗ = (−5000, 2000), que tiene la misma
dirección que el 𝑣
⃗⃗⃗⃗= (−5, 2) y representándolo queda:

Mg. Ing. María Rosa Castro 8

 Figura 11: Región factible y vector de la función objetivo

Se trata ahora de trazar paralelas al vector que pasen por los vértices anteriores, es decir:

Figura 12: Región factible y vector de la función objetivo y rectas paralelas que pasan por los vértices.

Se observa gráficamente que, de las tres paralelas trazadas, la que corta al eje y en un punto mayor es la
que pasa por el punto (5,1), que por tanto será la solución óptima al problema de máximos planteado.

Para saber cuál es este valor, máximo sustituimos en la función:

F (5, 1) = 2000 · 5 + 5000 · 1 = 10000 + 5000 = 15000
Luego la función tiene su solución óptima en (5,1) donde toma el valor 15000.

Forma algebraica

Consiste, simplemente, en sustituir cada uno de los vértices de la región en la función objetivo. La
solución óptima vendrá dada por aquel que tome el mayor (o menor) valor.
Trabajando con la misma región factible que en el caso anterior.
Los vértices eran los puntos (0,-1), (5,1) y (3,-3).
De esta forma sustituyendo cada uno de los vértices de la región factible en la función objetivo, resulta:
F (5, 1) = 2000 · 5 + 5000 · 1 = 10000 + 5000 = 15000
F (0, −1) = 2000 · 0 + 5000 · (−1) = 0 − 5000 = −5000
F (3, −3) = 2000 · 3 + 5000 · (−3) = 6000 − 15000 = −9000

Mg. Ing. María Rosa Castro 9

Vemos que el valor máximo se alcanza para el vértice (5,1) y que dicho valor es 15000. La misma
solución que se obtuvo antes.

Ejercicio 4: Resolver los problemas de programación lineal:

2𝑥 + 𝑦 ≤ 10
𝑥 + 3𝑦 ≤ 12
a. 𝑀𝑎𝑥𝑖𝑚𝑖𝑧𝑎𝑟 𝐹(𝑥, 𝑦) = 4𝑥 + 5𝑦 𝑠𝑢𝑗𝑒𝑡𝑜 𝑎: {
0≤𝑥≤8
0≤𝑦≤2

3𝑥 + 2𝑦 ≥ 12
4𝑥 + 5𝑦 ≥ 29
b. 𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝐹(𝑥, 𝑦) = 12𝑥 + 10 𝑦 𝑠𝑢𝑗𝑒𝑡𝑜 𝑎: {
𝑥≥0
𝑦≥0

4𝑥 + 2𝑦 ≤ 6
7𝑥 + 8𝑦 ≤ 28
c. 𝑀𝑎𝑥𝑖𝑚𝑖𝑧𝑎𝑟 𝐹(𝑥, 𝑦) = 120𝑥 + 80 𝑦 𝑠𝑢𝑗𝑒𝑡𝑜 𝑎: {
𝑥≥0
𝑦≥0

4𝑥 + 5𝑦 ≥ 20
d. 𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝐹(𝑥, 𝑦) = 12𝑥 + 8 𝑦 𝑠𝑢𝑗𝑒𝑡𝑜 𝑎: {7𝑥 + 2𝑦 ≥ 14
𝑥≤𝑦

Algunos ejemplos de casos extremos

Puede ocurrir que la solución óptima no sea única, e incluso que no exista, como en los ejemplos
siguientes:

𝑥 + 𝑦 ≥ 14
2𝑥 + 3𝑦 ≥ 36
Ejemplo 3: Maximizar G(x, y)=3x+4y sujeta a las restricciones: {
4𝑥 + 𝑦 ≥ 16
𝑥 − 3𝑦 ≤ 0
Si representamos la región factible:

2 40
Los vértices serán: 𝐴 = (3 , 3
), 𝐵 = (6,8) y 𝐶 = (12,4)

Mg. Ing. María Rosa Castro 10

Observemos que la región factible es no acotada superiormente.
Si aplicamos el método geométrico, debemos trazar paralelas al vector director por los vértices, pero
como la región en no acotada, dichas rectas paralelas al vector director 𝑣⃗ son cada vez mayores al
trazarlas sobre los vértices, y sobre puntos de la recta, que son soluciones factibles. Por tanto el
problema no tiene solución.

Figura 13: Las paralelas cortan cada vez en un punto mayor

En general, un problema de máximos no tiene solución si la región factible no está acotada

superiormente, y un problema de mínimos no tiene solución si la región no está acotada inferiormente.

También puede tener el problema infinitas soluciones:

𝑥+𝑦 ≥5
𝑦 ≤𝑥+3
Ejemplo 4: Minimizar G(x, y)=3x+3y sujeta a las restricciones: 3𝑦 − 𝑥 ≥ −1
𝑦 + 2𝑥 ≤ 16
{ 4𝑦 + 𝑥 ≤ 22
La región factible, en este caso es:

Los vértices respectivos son: A= (1,4), B= (2,5), C= (6,4), D= (7,2) y E= (4,1).

Si utilizamos el método gráfico, obtenemos:

Mg. Ing. María Rosa Castro 11

Es decir, como buscamos el valor mínimo, todos los puntos comprendidos entre A y E cumplen esa
condición, es decir, hay infinitas soluciones.

Si utilizamos el método algebraico: G(x, y) = 3x+ 3y, luego:

A =G (1, 4) = 3 + 12 = 15
B = G (2, 5) = 6 + 15 = 21
C =G (6, 4) = 18 + 12 = 30
D = G (7, 2) = 21 + 6 = 27
E = G (4, 1) = 12 + 3 = 15

Observamos que el valor mínimo se toma en A y en E, y por tanto en todos los puntos comprendidos
entre ellos, es decir, hay infinitas soluciones.

Aplicación a problemas concretos

La programación lineal es una técnica matemática relativamente reciente, que consiste en una serie de
métodos y procedimientos que permiten resolver problemas de optimización en el ámbito, sobre todo,
de la industria y la ciencia.
El verdadero valor de las técnicas de la programación lineal consiste en poder aplicarlas a problemas
reales.
Para resolver estos problemas se deben seguir los siguientes pasos, a la vez que vemos como se
aplicaría a un ejemplo concreto.

Ejemplo 5:
Una fábrica de muebles fabrica dos tipos de sillones, S1 y S2. La fábrica cuenta con dos secciones;
carpintería y tapicería.
Hacer un sillón de tipo S1 requiere 1 hora de carpintería y 2 de tapicería, mientras que uno de tipo S2
requiere 3 horas de carpintería y 1 de tapicería.
El personal de tapicería trabaja un total de 80 horas, y el de carpintería 90.
Las ganancias por las ventas de S1 y S2 (unidad) son, respectivamente 600 y 300 pesos. Calcular
cuántos sillones de cada tipo hay que hacer para maximizar las ganancias.
Este es un problema típico en el que hay que usar las técnicas de programación lineal. Intentaremos
seguir el siguiente esquema:

1. Leer el enunciado, determinar la función objetivo y definir las variables.

Mg. Ing. María Rosa Castro 12

En este caso, queremos hacer máximo el beneficio, es decir, queremos maximizar una función.
Como queremos determinar las cantidades de sillones S1 y S2 respectivamente, llamemos x: número de
unidades de S1 e y: número de unidades de S2.

La función beneficio a maximizar será: B(x, y) = 600 · x + 300 · y, que es la función objetivo.

2. Reordenar los datos del problema y escribir las inecuaciones correspondientes.

En este paso es conveniente el uso de tablas:
Tiempo (horas) Carpintería Tapicería
S1 1 2
S2 3 1
Disponible 90 80

Tiempo (horas) Cantidad Carpintería Tapicería

S1 x x 2x
S2 y 3y y
Necesario x+3y 2x+y
Disponible 90 80

De aquí se deduce que:

𝑥 + 3𝑦 ≤ 90
2𝑥 + 𝑦 ≤ 80

y además:
𝑥≥0
𝑦≥0

Pues el número de unidades producidas no puede ser negativo.

Ya tenemos por tanto las restricciones.
3. Representar gráficamente la región factible, calcular sus vértices y el vector si usamos el método
geométrico.

En este caso, representando la región factible:

Mg. Ing. María Rosa Castro 13

Siendo los vértices A= (0,0), B= (0,30), C= (30,20), D= (40,0).
El vector será 𝑣⃗= (−300, 600), equivalente a (−10, 20).
Gráficamente se observa que la solución no es única, sino que se encuentran infinitas soluciones en el
lado correspondiente CD, sobre la recta 2x + y = 80, desde que x vale 30 hasta que vale 40, todas las
soluciones son válidas.

4. Sustituir las coordenadas en la función objetivo y dar la solución correcta.

En este caso se obtiene:
B (0, 0) = 0
B (0, 30) = 9000
B (30, 20) = 24000
B (40, 0) = 24000
Con lo cual hay infinitas soluciones y el beneficio que se obtiene es 24000 pesos

5. Analizar la solución obtenida en el contexto del problema: ¿tiene sentido?

Debemos interpretar que en el contexto del problema no todas las soluciones son válidas, sino que sólo
sirven soluciones enteras, es decir, no se pueden fabricar, por ejemplo 3,8 sillones del tipo S1. Las
soluciones con sentido vendrían dadas por:
S1 30 31 32 33 34 35 36 37 38 39 40
S2 20 18 16 14 12 10 8 6 4 2 0

Encontramos por tanto sólo 11 soluciones que son las de la tabla. En cualquiera de estas soluciones el
beneficio es de 24000 pesos, que es el máximo bajo las condiciones del problema.

El problema del transporte

Es uno de los problemas que dieron lugar a la programación lineal. Un ejemplo típico sería el siguiente:

Ejemplo 6: Una empresa tiene 2 plantas de producción (P1 y P2) de cierto artículo que vende en 3
ciudades (C1, C2 y C3). En P1 produce 5000 unidades, y en P2, 7000 unidades. De estas 12000 unidades
las vende así: 3500 es C1, 4000 en C2 y 4500 en C3. Los costes de transporte, en pesos por unidad de
producto, desde las plantas de producción a las ciudades son:

Mg. Ing. María Rosa Castro 14

 Envíos Hasta C1 Hasta C2 Hasta C3
Desde P1 3 2,5 3,5
Desde P2 2,25 3,75 4

Determina el número de artículos que debe enviar la empresa desde cada planta a cada ciudad para que
los costes de transporte sean mínimos. Para problemas de este tipo necesitamos una nueva variable.
Sea x: unidades de P1 a C1, y: unidades de P1 a C2 y z: unidades de P1 a C3.
Tiene que verificarse entonces que x + y + z = 5000.
Si desde P1 a C1 se envían x unidades, como en C1 necesitan 3500, desde P2 se mandarían a C1: 3500 −
x. Razonando del mismo modo con y y z, se obtiene la tabla:

Envíos Hasta C1 Hasta C2 Hasta C3

Desde P1 x y z=5000-x-y
Desde P2 3500-x 4000-y 4500-z= 4500 -(5000 –x -y)

Hemos sustituido z por 5000 − y − x, porque x + y + z = 5000 y así transformamos las 3 incógnitas en sólo
2.
Para obtener las restricciones imponemos que cada cantidad ha de ser mayor o igual que cero, es decir:

𝑥≥0
3500 − 𝑥 ≥ 0
𝑦≥0
4000 − 𝑦 ≥ 0
5000 − 𝑥 − 𝑦 ≥ 0
−500 + 𝑥 + 𝑦 ≥ 0

Por lo tanto el sistema de inecuaciones es:

𝑥≥0
𝑥 ≤ 3500
𝑦≥0
𝑦 ≤ 4000
𝑥 + 𝑦 ≤ 5000
{ 𝑥 + 𝑦 ≥ 500

Como se trata de minimizar costes, la función objetivo es:

𝐶(𝑥, 𝑦) = 3. 𝑥 + 2,5. 𝑦 + 3,5. (5000 − 𝑥 − 𝑦) + 2,25. (3500 − 𝑥) + 3,75. (4000 − 𝑦) + 4. (−500 + 𝑥 + 𝑦)

𝐶(𝑥, 𝑦) = 1,25𝑥 − 0,75𝑦 + 38375

Dibujando la región factible:

Mg. Ing. María Rosa Castro 15

Resulta que A= (0,500), B= (0,4000), C= (1000,4000), D= (3500,1500), E= (3500,0) y F= (500,0).

Sustituyendo los vértices en la función objetivo, se obtiene:

C (0, 500) = 38000
C (0, 4000) = 35375
C (1000, 4000) = 36625
C (3500, 1500) = 41625
C (3500, 0) = 42750
C (500, 0) = 39000
El mínimo se da en B, cuando x = 0 e y = 4000.
Es decir, las unidades a distribuir son:

Envíos Hasta C1 Hasta C2 Hasta C3

Desde P1 0 4000 1000
Desde P2 3500 0 3500

Ejercicio 5:

Una empresa fabrica dos productos X e Y. Para cada uno es necesario emplear tres máquinas: A, B y C.
Para fabricar una unidad del producto X, se debe usar 3 horas la máquina A, 1 hora la máquina B y una
hora la C. Para fabricar una unidad del producto Y se necesitan 2 horas en A, 2 horas en B y 1 hora en C.
La utilidad del producto X es $500 por unidad, y del producto Y es $350 por unidad;
La máquina A esta disponible 24 horas diarias, sin embargo B se puede usar sólo 16 horas y la C tan solo
9 horas.
Suponiendo que las máquinas están disponibles cuando sea necesario, sujetas a las restricciones
mencionadas y al tiempo total de trabajo, calcule el número de unidades de cada producto que se deben
fabricar cada día para maximizar las utilidades.

Solución: En la tabla siguiente se resumen los datos que aparecen en el enunciado del problema.

Mg. Ing. María Rosa Castro 16

 Máquina horas necesarias horas necesarias horas disponibles
para fabricar una para fabricar una
unidad X unidad de Y
A 3 2 24
B 1 2 16
C 1 1 9
Ganancia $500 $350

Se definen las siguientes variables

x = número de unidades X que se fabrican cada día.
y = número de unidades Y que se fabrican cada día.
Se observa que cada unidad de X necesita 3 horas en la máquina, y por lo tanto, x unidades necesitan 3x
horas. Por lo tanto, el número que cada unidad de Y requiere 2 horas en A, entonces y unidades
requieren 2y horas. Por lo tanto, el número total de horas diarias que se debe usar la máquina A es 3x +
2y. Esto junto con el hecho de que se puede usar A cuanto mucho 24 horas diarias.
La región factible estará delimitada por las siguientes restricciones:

3𝑥 + 2𝑦 ≤ 24
𝑥 + 2𝑦 ≤ 16
𝑥+𝑦 ≤9
𝑥≥0
{ 𝑦 ≥0

Como la producción de cada unidad del producto X proporciona una ganancia $500 y cada unidad del
producto Y de $350, la utilidad que se obtiene produciendo x unidades de X e y unidades de Y es:
La función objetivo del problema es: P = 500 x + 350 y. El vector director de la recta que viene dada por
función objetivo es k=500. x +350. y, es 𝑣⃗= (-3.5, 5) que es proporcional al vector (-350, 500).

El máximo debe encontrarse en uno de los vértices de la región factible, se observa en la gráfica que el
máximo se logra en el vértice D= (6,3)

Mg. Ing. María Rosa Castro 17

 Vértice Valor de P = 500 x +350 y
(0,0) 0
(0,8) 2.800
(8,0) 4.000
(2,7) 3.450
(6,3) 4.050

La utilidad máxima es de $4.050 y se obtiene con una producción diaria de 6 unidades del producto X y
3 del producto Y.

Actividades de fijación y autoevaluación

1) Resuelva los siguientes sistemas de inecuaciones. Representa gráficamente las diferentes rectas que
encierran el área solución.
𝑥 + 𝑦 ≤ 18
𝑥 ≤ 12
𝑥 ≥ 2𝑦
a) { 𝑦 ≤ 8 b) {
𝑥≥0
𝑦 ≥ 0,5. 𝑥
𝑦≥0
Respuestas:
a) Región abierta. Vértices que puede encontrar: A = (12, 6) y B = (12, 8)
b) Región cerrada. Vértices: A = (0, 0), B = (18, 0) y C = (12, 6)

2) Calcule el valor máximo y el valor mínimo de la función objetivo en los siguientes sistemas de
inecuaciones.

𝑥 − 2𝑦 ≤ 10
2𝑥 + 𝑦 ≤ 10
a) F(x, y)= 7x+3 y; {
𝑥≥0
𝑦≥0

Respuesta: Vértices: A = (0, 0), B = (5, 0) y C = (0, 10); Valor mínimo: 0; Valor máximo: 35

2𝑥 + 3𝑦 ≥ 12
𝑥 + 3𝑦 ≥ 9
b) F(x, y)= 2x+6y; {
𝑥≥0
𝑦≥0

Respuesta: Valor mínimo: 18, en todos los segmentos de la recta que une los puntos P= (3,2) y Q= (9,0)

3) Trace la región factible determinada por las restricciones dadas e identifique sus vértices. Calcule los
valores máximo y mínimo de la función objetivo.
3x − 4y ≥ −12
2x + 3y ≥ 12
3x + 2y ≤ 24
2x + 5y ≥ 18
a) F(x, y)=3x+y; 3x − y ≤ 15 b) F(x, y)=3x+6y; {
x≥ 0
x≥0
y≥0
{y ≥ 0

x − 2y ≥ −8 3x + y ≥ 3
c) F(x, y)=4x-2y; {7x − 2y ≤ 28 d) F(x, y)=6x+y; {x + 5y ≤ 15
x+y≥4 2x + y ≤ 2
Respuestas:
a) Vértices: A = (0, 0), B = (5, 0), C = (6, 3), D = (4, 6), E = (0, 3); Valor mínimo: 0; Valor máximo: 21
b) Región abierta. Vértices que puede encontrar: A = (9, 0), B = (1.5, 3), C = (0, 4); Valor mínimo: 22.5

Mg. Ing. María Rosa Castro 18

c) Vértices: A = (4, 0), B = (6, 7), C = (0, 4); Valor mínimo: -8; Valor máximo: 16
d) Región abierta. Vértice que puede encontrar: A = (1, 0)

4) Trace la región factible determinada por las restricciones dadas e identifique sus vértices. Calcule los
valores máximo y mínimo de la función objetivo.

y≤3
5x + 4y ≤ 30 −2x + 3y ≤ 12
4x + 3y ≤ 24
x≤2 x+y ≥ 6
x≤5
a) F(x, y)=x+2y; 5x − 2y ≥ 0 b) F(x, y)=6x+y; c) F(x, y)=3x+2y; x ≤ 3
𝑥 + 2𝑦 ≥ 2
x≥0 x≥0
x≥0
{y ≥ 0 {y ≥ 0
{y ≥ 0
Respuestas:
a) Vértices: A = (0, 0), B = (2, 0), C = (2, 5); Valor mínimo: 0; Valor máximo: 12
4 15
b) Vértices: A = (2, 0), B = (2, 5), C = (5, 3), D = ( 4 , 3), E = (0, 3) y F = (0, 1); Valor mínimo: 1; Valor
máximo: 31.33
6 24
c) Vértices: A = (3, 3), B = (3, 6), C = ( , ); Valor mínimo: 6; Valor máximo: 9
5 5

5) Discute la veracidad o la falsedad de las siguientes afirmaciones. Justifica tus respuestas.

1) La desigualdad a x +b y>c, donde a, b, c son números reales no nulos simultáneamente, es un

ejemplo de la restricción del tipo mayor o igual que.
2) Una desigualdad tal como a x + b y<c, donde a, b, c son números reales no nulos
simultáneamente, tiene por recta frontera a: a x + b y=c.
3) Incluye los puntos de su recta frontera el conjunto solución de ax+by>c, donde a, b, c son
números reales no nulos simultáneamente.
4) Si nos dan la desigualdad ax+by>c, donde a, b, c son números reales no nulos
simultáneamente, su conjunto solución está formado por todos los pares ordenados (x, y)
que la satisfacen.
5) Un sistema de inecuaciones lineales constituido por una única inecuación del tipo ax+by<c,
donde a, b, c son números reales no nulos simultáneamente, siempre tiene una y solo una
solución.
6) En un sistema de inecuaciones lineales se pueden presentar inecuaciones de tipo mayor,
mayor o igual, menor, menor o igual.
7) En un sistema de desigualdades lineales todas ellas deben ser del mismo tipo (por ej. menor
o igual)
8) Cualquier desigualdad del tipo menor (o menor que) puede transformarse en una tipo
mayor (o mayor que) o viceversa, multiplicando ambos miembros de ella por (-1).
9) La recta frontera de ax+by>c, donde a, b, c son números reales no nulos simultáneamente,
pasa por (0, c/b) y (c/a, 0).
10) La recta frontera de ax+by>0, donde son números reales no nulos simultáneamente, pasa
por (0,0) y (k,-a k/b)
11) La recta frontera de a x>c, donde a y c son números reales no nulos simultáneamente, es
paralela al eje de abscisas.
12) La recta frontera de b y<c, donde b, c son números reales no nulos simultáneamente, pasa
por (0, c/b).
13) El conjunto solución de cualquier sistema de inecuaciones lineales en las variables x e y es
una figura convexa.
14) El conjunto solución de cualquier sistema de inecuaciones lineales en las variables x es un
polígono cerrado.
15) El conjunto solución de un sistema de inecuaciones lineales en las variables x e y puede ser
un punto, un segmento de recta, un polígono abierto o cerrado.

Mg. Ing. María Rosa Castro 19

 16) El conjunto solución de cualquier sistema de inecuaciones lineales en las variables x e y es
un polígono acotado.
17) Se dice que una figura es convexa cuando se cumple que si elegimos dos puntos cualesquiera
de él, designados por ejemplos como A y B, todos los puntos del segmento AB pertenecen a
la figura.
18) Todo polígono regular es un ejemplo de figura convexa.
19) Un circulo es un ejemplo de figura convexa
20) Un ángulo es un ejemplo de figura convexa.
21) Se dice que en una región de un sistema de inecuaciones es acotada cuando la misma está
incluida en algún círculo de radio arbitrario con centro en el origen de coordenadas.
22) Se designa como vértice de una región factible a la intersección de dos rectas fronteras
cualesquiera.
23) En un sistema de inecuaciones lineales puede haber desigualdades redundantes.
24) El funcional en un problema de optimización en dos variables, siempre toma su máximo o
mínimo en los vértices de la región factible.
25) Cuando una región factible está acotada siempre es posible encontrar al máximo y/o el
mínimo de un funcional.
26) Un funcional puede tomar su máximo o mínimo en todos los puntos de un lado de un
polígono que sea solución de un sistema de inecuaciones lineales en dos variables.
27) La solución de la inecuación x + y>0 define un semiplano que contiene al origen.
𝑥≤𝑦
28) { , tiene por solución a la recta x=y
𝑥≥𝑦
𝑥≥0
29) En problemas de optimización en dos variables, las desigualdades { se conocen como
𝑦≥0
condiciones de negatividad
30) Un problema de optimización de una función objetivo o función económica implica
maximizar ganancias o minimizar costos.
31) Las desigualdades: 2x+3y<6; -x + y<2; -x-3y<3 son satisfechas simultáneamente por los
puntos del triángulo de vértices (0,2), (-7/4, -1/4) y (9,-4).
32) Un sistema de inecuaciones lineales siempre tiene solución.

Si deseas resolver más ejercicios consulta la bibliografía recomendada

Mg. Ing. María Rosa Castro 20