Programación lineal (PL)

La programación lineal es una técnica de optimización matemática. Es decir,

es un método que intenta maximizar o minimizar algún objetivo; por ejemplo,
maximizar las utilidades o minimizar los costos. La idea es tomar decisiones
óptimas. La programación lineal es una técnica poderosa que se aplica en
forma generalizada. Ha habido aplicaciones extensivas de la programación
lineal en la industria militar y en la petrolera. Aunque estos sectores quizá son
los que han empleado en mayor medida la programación lineal, el sector de
servicios y el sector público de la economía también han aplicado los métodos
en forma extensiva.

En todo problema PL hay tomar ciertas decisiones. Estas decisiones se

representan mediante variables de decisión x j utilizadas en el modelo de PL.

La estructura básica de un problema de programación lineal consiste en

maximizar o bien minimizar una función objetivo en tanto se satisface un
conjunto de condiciones restrictivas o restricciones.

El conjunto de restricciones, también formulados en términos de xj ,

representa condiciones que se deben satisfacer al determinar niveles para las
variables de decisión. Al tratar de maximizar las utilidades de la producción y
venta de un grupo de productos, las restricciones de muestra podrían reflejar
recursos de trabajo limitados, materias primas limitadas y demanda limitada de
los productos.

Las restricciones de un problema de PL se pueden representar mediante

ecuaciones o desigualdades (de tipo ≤ y/o ≥ ).

Estos problemas reciben el nombre de problemas de PL porque la función

objetivo y todas las restricciones son lineales

Éste es el modelo de un problema de PL:

Maximice Z = 4 x1 + 2 x 2
sujeta a x1 + 2 x 2  24 (1)
4 x1 + 3 x 2  30 (2)
x1 , x 2  0 (3)

dónde

Z es la función objetivo.
x1 y x 2 son las variables de decisión.

(1) y (2) son restricciones estructurales.

(3 ) son las variables de no negatividad.
El objetivo es maximizar Z, que se expresa como una función lineal de las dos
variables de decisión x1 y x 2 . No obstante, al seleccionar los valores para
x1 y x 2 se deben satisfacer dos restricciones estructurales y dos restricciones
de No negatividad (es decir, las desigualdades).

Ejemplo:

Una empresa fabrica dos productos, cada uno de los cuales se debe procesar
en los departamentos 1 y 2.

Producto A Producto B Capacidad de

trabajo semanal
Departamento 1 3 h por unidad 2 h por unidad 120 h
Departamento 2 4 h por unidad 6 h por unidad 260 h
Margen de utilidad $5 por unidad $6 por unidad

En esta tabla se resume los requerimientos de horas de trabajo por unidad

para cada producto en cada departamento. También se incluyen las
capacidades de horas de trabajo semanales en cada departamento y los
respectivos márgenes de utilidad para los dos productos.

El problema consiste en determinar el número de unidades que hay que

producir de cada producto con el fin de maximizar las utilidades.

Si se supone que x1 y x 2 son el número de unidades producidas y vendidas,

respectivamente, de los productos A y B, entonces generemos el modelo de
PL para este ejemplo.

Maximice Z = 5 x1 + 6 x 2 Función objetivo

sujeta a 3 x1 + 2 x 2  120 (1) Restricciones estructurales.
4 x1 + 6 x 2  260 (2) (es decir, limitación de recursos)
x1 , x 2  0 (3)
Restricciones de No negatividad
 Soluciones Gráficas.

Cuando se establece un modelo de programación lineal en términos de dos

variables de decisión, se puede resolver por procedimientos gráficos.

Gráfica de desigualdades lineales.

Ejemplo 1) −4𝑥 + 3𝑦 ≤ −24

1º se grafica la línea que representa la ecuación −4𝑥 + 3𝑦 = −24

−4𝑥 + 3𝑦 = −24

2º se determina el lado de la que satisface la desigualdad estricta. −4𝑥 + 3𝑦 < −24

−4𝑥 + 3𝑦 ≤ −24
Para determinar esto, se puede seleccionar un punto arbitrario en cualquier
lado de la línea y sustituir sus coordenadas en la desigualdad (las coordenadas
del origen son una selección conveniente si éste no cae sobre la línea). Si las
coordenadas satisfacen la desigualdad, ese lado de la línea está incluido en el
semiplano permisible. Si las coordenadas no satisfacen la desigualdad, el
semiplano permisible cae del otro lado de la línea. Para ilustrar el paso 2, si se
escoge (0, 0) como un punto de prueba, las coordenadas no satisfacen la
desigualdad [-4(0)+ 3(0) < - 24]. Ya que el punto de prueba no logra satisfacer
la desigualdad, no cae dentro del semiplano permisible. Por consiguiente en el
gráfico 2, el semiplano permisible se encuentra a la derecha y por debajo de la
línea

Ejemplo 2)

Una empresa fabrica dos productos. Los productos se deben procesar en un

departamento. El producto A requiere cuatro horas por unidad y el producto B
necesita dos horas por unidad. El tiempo de producción total disponible para la
semana entrante es de 60 horas. Por consiguiente, una restricción en la
planeación de la programación de la producción es que el total de horas
usadas en la producción de los dos productos no puede exceder de 60; o bien
si x1 equivale al número de unidades fabricadas del producto A y x 2 es igual
al número de unidades fabricadas del producto B, se representa la restricción
mediante la siguiente desigualdad: 4 x1 + 2 x2  60

Pero hay otras dos restricciones implícitas de no negatividad ya que los

productos producidos no pueden ser negativos (primer cuadrante). Por lo tanto
las restricciones serían las siguientes:

4 x1 + 2 x 2  60 (1)
x1 , x 2  0 (2)

Obviamente x1 y x 2 es la cantidad a producir.

A continuación graficamos las restricciones para encontrar el área sombreada.

 X2
Primer cuadrante

X1
B

Por lo tanto, el área sombreada (azul más oscura) representa las

combinaciones de los productos A y B que se pueden fabricar. Se puede hacer
una mayor distinción en la figura 10.3. Todas las combinaciones de los dos
productos representadas por los puntos en el trazo AB usarían el total de 60
horas. Cualquier punto en el interior del área sombreada representa
combinaciones de los dos artículos que requerirían menos de 60 horas.

Sistema de desigualdades lineales.

En los problemas de PL se trabajará con sistemas de desigualdades lineales.

Nuestro interés se centrará en determinar el conjunto solución que satisfaga
todas las desigualdades en el sistema de restricciones. Para ilustrar la
representación gráfica de sistemas de desigualdades lineales, considere el
siguiente ejemplo.

Ejemplo 3)

Suponga que los productos del ejemplo anterior también se tienen que
procesar en otro departamento, además del departamento original. Suponga
que en este segundo departamento el producto A necesita tres horas por
unidad y que el producto B requiere cinco horas por unidad. Si el segundo
departamento dispone de 75 h cada semana, la desigualdad que describe las
posibilidades de producción en este departamento será 3 x1 + 5 x2  75
Si el objetivo es determinar las combinaciones de los dos productos que se
pueden procesar en ambos departamentos, estaremos buscando el conjunto
solución para el siguiente sistema de desigualdades lineales.

4 x1 + 2 x 2  60 (1)
3 x1 + 5 x 2  75 ( 2)
x1 , x 2  0 (3)

X2

B
[
E C
s [
c E
r s
X1
Ai c
D
b ri
[
b
Ela área sombreada ABCDE muestra el conjunto solución para el sistema de
a
restricciones, donde ses encuentran todas las combinaciones de los productos A
yB u que satisfacenutodas las restricciones.
c
n n
ri
Ejemplo
a 4) a
b
c
Determine a el conjunto solución para el siguiente sistema.
gráficamente
c it
u
i a
n
t d
()
a
a e
ci 2 x1 + 5 x 2  20 1
l
d
t 2 x1 + 2 x 2  24 ( 2)
d
a
e o 2 x1 + x 2 = 10 ( 3)
d
l c
u
e ()
x1 , x 2  0 4
d
l
o m
d
c e
o
u n
c
m t
u
e o
m
n o
e
t e
n
 X2

X1

Nótese que el tercer miembro de este sistema es una ecuación cuyo conjunto
solución se representa mediante una línea. Del mismo modo, no hay puntos
comunes para las dos primeras desigualdades. Por consiguiente, el conjunto
solución no contiene elementos. No hay puntos ( x1 , x 2 ) que satisfagan todas
las relaciones del sistema. (en otras palabras las tres áreas de las
desigualdades y ecuación no se interceptan en el primer cuadrante).

Área de soluciones factibles.

Anteriormente formulamos un problema de programación lineal de mezcla de

productos con dos variables. He aquí lo anterior:

Maximice Z = 5 x1 + 6 x 2
sujeta a 3 x1 + 2 x 2  120 (1)
4 x1 + 6 x 2  260 (2)
x1 , x 2  0 (3)

donde x1 y x2 representan el número de unidades fabricadas de los

productos A y B. Puesto que el problema implica dos variables de decisión, se
puede determinar gráficamente la solución óptima. El primer paso en el
procedimiento gráfico es identificar el conjunto solución para el sistema de
restricciones. Este conjunto solución a menudo recibe el nombre de área de
soluciones factibles. Incluye todas las combinaciones de las variables de
decisión que satisfacen las restricciones estructurales y no negativas. Pueden
considerarse estas combinaciones como candidatos para la solución óptima. El
conjunto solución para las desigualdades es

X2

F (0,60)

3x1 + 2 x2 ≤ 120 (departamento 1)

B (0,43.3)

C (20,30)

Área de
soluciones 4x1 + 6 x2 ≤ 260 (departamento 2)
factibles

D(40,0) E (65,0)
X1
A

Ésta es la zona de soluciones factibles para el problema de programación

lineal.

Observación: Las coordenadas de los puntos B y D se identifican como los

valores de la intersección. Dada la imprecisión gráfica, puede ser difícil que
podamos leer de manera exacta las coordenadas de algunos puntos como C.
Con el fin de determinar las coordenadas exactas de dichos puntos, se deben
resolver en forma simultanea las ecuaciones de las líneas que se intersectan
en el punto. Para determinar las coordenadas (20, 30), las partes de igualdad
de las restricciones (1) y (2) se resuelven en forma simultánea.
(1) 3 x1
+ 2 x 2 = 120 * −3
(2) 4 x 1
+ 6 x 2 = 260

− 9 x1 − 6 x 2 = −360
4 x1 + 6 x 2 = 260

− 5 x1 = −100
5 x1 = 100

x1 = 20

60 + 2 x 2 = 120
2 x 2 = 60

x 2 = 30

Cada punto en la zona de soluciones factibles de nuestro ejercicio representa

una combinación de los dos productos que se puede fabricar. El problema
consiste en determinar la(s) combinación(es) que maximice(n) el valor de la
función objetivo.
 Guía de ejercicios

En los ejercicios 1 a 5, determine de manera gráfica el semiplano permisible

que satisface la desigualdad.

1. 2x + 3y ≤ 24
2. 0.5x - y ≥ 6
3. 1,5x + 4y ≤ -18
4. –x + 2y ≥- 8
5. –2x + 6y ≤ 24

En los ejercicios 6 a 10, determine gráficamente el espacio de soluciones (si es

que existe alguno).

6. 2x - 4y ≤ 20
3x + 2y ≤ 18

7. 5x + 2y ≤ 20
3x + 4y ≤ 32

8. x+y≥8
2x + y ≥ 12
x ≤ 10
x≥2
y ≤ 10

9. 4x + 3y ≤ 24
x+y≥4
x≤6
y≤6
x≥2
y≥1

10. 4x - 2y ≥ 12
x+y≤8
y≤6
x≥0
y≥0
 Incorporación de la función objetivo

El procedimiento de solución de la programación lineal implica una búsqueda

de la región de soluciones factibles para la solución óptima.

Soluciones por medio del punto en la esquina.

I Identifique gráficamente la región de soluciones factibles.

II Determine las coordenadas de cada punto vértice en la región de soluciones
factibles.
III Sustituya las coordenadas de los puntos vértice en la función objetivo para
determinar el valor correspondiente de z.
IV Una solución óptima ocurre en un problema de maximización en el punto
vértice que da el valor más alto de z y en un problema de minimización en
el punto vértice que da el menor valor de z.

Ejemplo 5)

En el ejemplo de la mezcla de productos

Maximice Z = 5 x1 + 6 x 2
sujeta a 3 x1 + 2 x 2  120 (1)
4 x1 + 6 x 2  260 (2)
x1 , x 2  0 (3)
La función objetivo que se debe maximizar es z = 5x1 + 6x2. Los puntos de
cada esquina en la región de soluciones factibles son (0, 0), (0, 43.3), (20, 30) y
(40, 0). Al sustituirlos en la función objetivo, se llega a la siguiente tabla.

Punto en la
esquina
( x1 , x2 )
A (0,0)
B (0,43.3)
C (20,30)
D (40,0)
Z = 5 x1 + 6 x2
Z = 5  (0) + 6  (0) = 0
Z = 5  (0) + 6  (43.3) = 260
Z = 5  (20) + 6  (30) = 280 
Z = 5  (40) + 6  (0) = 200

Notemos que la solución óptima ocurre en x1 = 20 y x2 = 30, dando como

resultado un valor máximo de 280 para Z, es decir, hay que producir y vender
20 unidades del producto A y 30 unidades del producto B para maximizar las
utilidades a 280.

Ejemplo 6)

Determine la solución óptima para el siguiente problema de PL usando el

método de punto en la esquina.
Minimice Z = 3 x1 + 6 x 2
sujeta a 4 x1 + x 2  20 (1)
x1 + x 2  20 (2)
x1 + x 2  10 (3)
x1 , x 2  0 (4)
 2 1

B(0,20
)
3

A(3.3,6.6)

C(20,0)

D(10,0)
(1) 4 x1 + x2 = 20
(3) x1 + x2 = 10 * −1

4 x1 + x 2 = 20
− x1 − x 2 = −10

3 x1 = 10
1
x1 = 3
3

1
4  3 + x 2 = 20
3
1
13 + x 2 = 20
3

2
x2 = 6
3

Punto en la
esquina
( x1 , x2 ) Z = 3 x1 + 6 x2
A  1 2  1  2
 3 ,6  Z = 3   3  + 6   6  = 50
 3 3  3  3
B (0,20) Z = 3  (0) + 6  (20) = 120
C (20,0) Z = 3  (20) + 6  (0) = 60
D (10,0) Z = 3  (10) + 6  (0) = 30 

El objetivo ha sido minimizar z en este problema, un valor mínimo de 30

resultaría en el punto en la esquina D cuando x1 = 10 y x2 = 0.
 Soluciones óptimas alternativas.

En el método del punto en la esquina se indicó que una solución óptima

siempre ocurrirá en un punto vértice de la región de soluciones factibles. Existe
la posibilidad de más de una solución óptima en un problema de programación
lineal.

Cuando se usa el método del punto en la esquina, se señalan soluciones

óptimas alternativas cuando ocurre una coincidencia de una línea limítrofe de
una restricción con el valor óptimo de la función objetivo. Las soluciones
óptimas alternativas ocurren en los puntos vértice “de coincidencia”, a lo largo
del segmento de recta completo que conecta los dos puntos.

Ejemplo 7)

Determine la solución óptima para el siguiente problema de PL usando el

método de punto en la esquina.

Maximice Z = 20 x1 + 15 x 2
sujeta a 3 x1 + 4 x 2  60 (1)
4 x1 + 3 x 2  60 (2)
x1  10 (3)
x 2  12 (4)
x1 , x 2  0 (5)
 B(0,12) C(4,12)

D(60/7,60/7)

E(10,20/3)

A(0,0)

F(10,0)
(1) 3 x1 + 4 x 2 = 60 * −3
(2) 4 x1 + 3 x 2 = 60 * 4

− 9 x1 − 12 x 2 = −180
16 x1 + 12 x 2 = 240

7 x1 = 60
60
x1 =
7

60
3 + 4 x 2 = 60
7
180
+ 4 x 2 = 60
7

180
4 x 2 = 60 −
7

240
4 x2 =
7

240 60
x2 = =
28 7

Punto en la
esquina
( x1 , x2 ) Z = 20 x1 + 15 x2
A (0,0) Z = 20  (0) + 15  (0) = 0
B (0,12) Z = 20  (0) + 15  (12) = 180
C (4,12) Z = 20  (4) + 15  (12) = 260
D  60 60   60   60 
 ,  Z = 20    + 15    = 300 *
 7 7   7  7
E  20   20 
 10,  Z = 20  (10) + 15    = 300 *
 3  3
F (10,0) Z = 20  (10) + 15(0) = 200
Soluciones óptimas alternativas a lo largo del trazo DE.

En esta situación existirá un número infinito de puntos, cada uno dando como
resultado el mismo valor máximo de z. Para situaciones como ésta, se dice que
hay soluciones óptimas alternativas para el problema.