Facultad Regional Multidisciplinaria, Matagalpa

UNAN Managua - FAREM Matagalpa

INVESTIGACIÓN DE OPERACIONES
Folleto #2

I. Datos Generales
Profesora: Dra. Nesly de los Ángeles Laguna Valle.
Carrera: Ingeniería Agroindustrial
Fecha: Sábado, 17 de abril del 2021
Unidad I: Modelos de Programación Lineal

II. Objetivos:
 Resolver problemas de programación lineal con dos y tres restricciones a través del
Método Gráfico.
 Graficar la región de factibilidad en un sistema de coordenadas, haciendo uso de las
restricciones del problema de programación lineal.
 Encontrar la solución al problema de programación lineal de dos y tres restricciones

III. Contenidos
 Construcción del modelo de programación lineal
 Solución gráfica del problema bidimensional

IV. Bibliografía
 Frederick S. Hiller & Gerald J (1996.). Introducción a la Investigación de Operaciones. Sexta
Edición, Mc. Graw Hill
 Taha Hamdy (2004). Investigación de Operaciones, Séptima Edición, México: Pearson Educacion

V. Orientaciones Generales
Lea detenidamente los objetivos, contenidos, anotaciones realizadas, material de apoyo y proceda a
realizar las actividades propuestas.

Los fundamentos matemáticos de la programación lineal se deben al matemático

norteamericano de origen húngaro John von Neumann (1903-1957), quien en 1928 publicó su
famoso trabajo Teoría de Juegos. En 1947 conjetura la equivalencia de los problemas de
programación lineal y la teoría de matrices desarrollada en sus trabajos. La influencia de este
respetado matemático, discípulo de David Hilbert en Gotinga y, desde 1930, catedrático de la
Universidad de Princenton de Estados Unidos, hace que otros investigadores se interesaran
paulatinamente por el desarrollo riguroso de esta disciplina.

En 1858 se aplicaron los métodos de la programación lineal a un problema concreto: el cálculo

del plan óptimo de transporte de arena de construcción a las obras de edificación de la ciudad de
Moscú. En este problema había 10 puntos de partida y 230 de llegada. El plan óptimo de
transporte, calculado con el ordenador Strena en 10 días del mes de junio, rebajó un 11% los
1
gastos respecto a los costos previstos. Se ha estimado, de una manera general que, si un país
subdesarrollado utilizase los métodos de la programación lineal, su producto interior bruto (PIB)
aumentaría entre un 10 y un 15% en tan sólo un año.

Definición de Programación lineal

Se llama programación lineal al conjunto de técnicas matemáticas que pretenden resolver la
situación siguiente: Optimizar (maximizar o minimizar) una función objetivo, función lineal de
varias variables, sujeta a una serie de restricciones, expresadas por inecuaciones lineales.

Un problema de programación lineal en dos variables, tiene la siguiente formulación estándar:

𝑀𝑎𝑥𝑖𝑚𝑖𝑧𝑎𝑟 𝑧 = 𝑓(𝑥, 𝑦) = 𝑎𝑥 + 𝑏𝑦
𝑠𝑢𝑗𝑒𝑡𝑜 𝑎: 𝑎1 𝑥 + 𝑏1 𝑦 ≤ 𝑐1
𝑎2 𝑥 + 𝑏2 𝑦 ≤ 𝑐2
.
.
.
{ 𝑎𝑛 𝑥 + 𝑏𝑛 𝑦 ≤ 𝑐𝑛

Pudiendo cambiarse maximizar por minimizar, y el sentido de las desigualdades. En un

problema de programación lineal intervienen:
 La función z = ax + by llamada función objetivo y que es necesario optimizar. En esa
expresión x e y son las variables de decisión, mientras que a, b y c son constantes.
 Las restricciones que deben ser inecuaciones lineales. Su número depende del
problema en cuestión. El carácter de desigualdad viene impuesto por las limitaciones,
disponibilidades o necesidades, que son: inferiores a… (< o ≤ ); como mínimo de… (> o
≥ ). Tanto si se trata de maximizar como de minimizar, las desigualdades pueden darse en
cualquiera de los dos sentidos.
 Al conjunto de valores de x e y que verifican todas y cada una de las restricciones se le
denomina conjunto (o región) factible. Todo punto de ese conjunto puede ser solución
del problema; todo punto no perteneciente a ese conjunto no puede ser solución. En el
apartado siguiente veremos cómo se determina la región factible.
 La solución óptima del problema será un par de valores (x0, y0) del conjunto factible que
haga que f(x,y) tome el valor máximo o mínimo.

Utilizaremos las siglas PPL para indicar problema de programación lineal

Determinación de la región factible

La solución de un problema de programación lineal, en el supuesto de que exista, debe estar
en la región determinada por las distintas desigualdades. Esta recibe el nombre de región
factible, y puede estar o no acotada.

Región factible acotada Región factible no acotada

La región factible incluye o no los lados y los vértices, según que las desigualdades sean en
sentido amplio (≤ o ≥ ) o en sentido estricto (< o >).
2
Si la región factible está acotada, su representación gráfica es un polígono convexo con un
número de lados menor o igual que el número de restricciones.

El procedimiento para determinar la región factible es el siguiente:

1) Se resuelve cada inecuación por separado, es decir, se encuentra el semiplano de
soluciones de cada una de las inecuaciones.
 Se dibuja la recta asociada a la inecuación. Esta recta divide al plano en dos regiones o
semiplanos
 Para averiguar cuál es la región válida, el procedimiento práctico consiste en elegir un
punto, por ejemplo, el (0,0) si la recta no pasa por el origen, y comprobar si las
coordenadas satisfacen o no la inecuación. Si lo hacen, la región en la que está ese punto
es aquella cuyos puntos verifican la inecuación; en caso contrario, la región válida es
la otra.
2) La región factible está formada por la intersección o región común de las soluciones de
todas las inecuaciones.
Como sucede con los sistemas de ecuaciones lineales, los sistemas de inecuaciones lineales
pueden presentar varias opciones respecto a sus soluciones: puede no existir solución, en el
caso de que exista el conjunto solución puede ser acotado o no.

Veámoslo con un ejemplo:

Dibuja la región factible asociada a las restricciones:

𝑥 + 𝑦 ≥4
𝑦 ≤4
𝑦 ≥𝑥
Las rectas asociadas son: r : x + y = 4 ; s : y = 4 , t: y = x

Elegimos el punto P(0,0), que se encuentra en el semiplano situado por debajo de la recta.
Introduciendo las coordenadas (0,0) en la inecuación x + y 4, vemos que no la satisface:
0 + 0 = 0 < 4 . Por tanto, el conjunto de soluciones de la inecuación es el semiplano situado
por encima de la recta r : x + y = 4 .

La recta t asociada a la restricción pasa por el origen, lo cual significa que si

probásemos con el punto P(0,0) no llegaríamos a ninguna conclusión.
Elegimos el punto (1,0) y vemos que no satisface la inecuación y ≥ x (y = 0 <
1 = x). Por tanto, el conjunto solución de esta inecuación es el semiplano
determinado por la recta t que no incluye al punto (1,0).

Procedemos como en el paso anterior. Las coordenadas (0,0) satisfacen la

inecuación y ≤4 (0 ≤4) . Por tanto, el conjunto de soluciones de la inecuación
es el semiplano que incluye al punto O.

La región factible está formada por los puntos que

cumplen las tres restricciones, es decir, se encuentran en los
tres semiplanos anteriores.

3
 Solución Gráfica de un problema de PL
Problema 1.

La WINDOR GLASS CO produce artículos de vidrio de alta calidad, entre ellos ventanas y
puertas de vidrio. Tiene tres plantas. Los marcos y molduras de aluminio se hacen en la planta
1, los de madera en la planta 2; la 3 produce el vidrio y ensambla los productos.

Debido a una reducción de las ganancias, la alta administración ha decidido reorganizar la línea
de producción de la compañía. Se descontinuarán varios productos no rentables y se dejará libre
una parte de la capacidad de producción para emprender la fabricación de dos productos nuevos
que tienen ventas potenciales grandes:
 Producto 1: una puerta de vidrio de 8 pies con marco de aluminio.
 Producto 2: una ventana corrediza con marco de madera de 4 pies por 6.

El producto 1 requiere de la capacidad de producción en las plantas 1 y 3 y nada en la planta 2.

El producto 2 sólo necesita trabajo en las plantas 2 y 3. La división de comercialización ha
concluido que la compañía puede vender todos los productos que se puedan fabricar en las
plantas. Sin embargo, como ambos productos competirán por la misma capacidad de producción
en la planta 3, no está claro qué mezcla de productos sería la más rentable. Por lo tanto, se ha
formado un equipo de IO para estudiar este problema.

El grupo comenzó a realizar juntas con la alta administración para identificar los objetivos del
estudio y desarrollaron la siguiente definición del problema:

Determinar que tasas de producción deben tener los dos productos con el fin de maximizar las
utilidades totales, sujetas a las restricciones impuestas por las capacidades de producción
limitadas disponibles en las tres plantas. (Cada producto se fabricará en lotes de 20 unidades, de
manera que la tasa de producción está definida con el número de lotes que se producen a la
semana) Se permite cualquier combinación de tasas de producción que satisfaga estas
restricciones, incluso no fabricar uno de los productos y elaborar todo lo que se posible del
otro.

El equipo de IO también identificó los datos que necesitan reunir:

Número de horas de producción disponibles por semana en cada planta para estos nuevos
productos. (Casi todo el tiempo de estas plantas estás plantas está comprometido con los
productos actuales, lo que limita la capacidad para manufacturar nuevos productos.)

Número de horas de fabricación que emplea cada lote producido de cada artículo nuevo en cada
una de las plantas.

La ganancia por lote de cada producto nuevo. (Se escogió la ganancia por lote producido como
una medida adecuada una vez que el equipo llegó a la conclusión de que la ganancia incremental
de cada lote adicional producido sería, en esencia, constante, sin importar el número total de
lotes producidos. Debido a que no se incurre en costos sustanciales para iniciar la producción
y comercialización de estos nuevos productos, la ganancia total de cada uno es aproximadamente
la ganancia por lote producido multiplicado por el número de lotes.)

La obtención de estimaciones razonables de estas cantidades requirió del apoyo de personal

clave en varias unidades de la compañía. El personal de la división de manufactura proporcionó
los datos de la primera categoría mencionada. El desarrollo de estimaciones para la segunda 4
categoría requirió un análisis de los ingenieros de manufactura involucrados en el diseño de los
procesos de producción para los nuevos artículos. Al analizar los datos de costos obtenidos por
estos ingenieros, junto con la decisión sobre los precios de la división de mercadotecnia, el
departamento de contabilidad calculó las estimaciones para la tercera categoría.
• La tabla siguiente resume los datos reunidos de la información anterior.
Tiempo de producción por Tiempo de prod. Disponible a
Planta Lotes, Horas la semana, horas
1 2
1 1 0 4
2 0 2 12
3 3 2 18
Ganancias $ 3000 $5000
El primer paso para la resolución del problema de programación es la definición de las variables
de decisión en este caso tenemos dos tipos de producto:

1. Variables de decisión
𝑥1 =Número de lotes del producto1 fabricado por semana
𝑥2 =Número de lotes del producto2 fabricado por semana
La función objetivo es lo que queremos optimizar (minimizar o maximizar), por ello está
compuesta por los costos de cada producto, los cuales van acompañado por las variables de
decisión en el caso de la minimización y de utilidades y variables de decisión en el caso de la
maximización. En este problema en particular lo que desea la empresa es encontrar la solución
que maximice sus utilidades. Colocamos 3 en lugar de 3000 y 5 en lugar de 5000, para trabajar
en unidades más pequeñas; pero al final representa miles de dólares.

2. Función Objetivo

Maximizar 𝑍 = 𝑓 (𝑥1 , 𝑥2 ) = 3𝑥1 + 5𝑥2

En este caso las restricciones son las limitantes que tiene la empresa para producir el producto1
y el producto2. Tenemos 3 restricciones bien definidas, las cuales. Cabe señalar que las
restricciones de no negatividad, siempre es necesario incluirlas, ya que en las respuestas no
pueden resultar valores menores que cero, sino la solución del problema no tendría ningún
sentido.

3. Restricciones
𝑥1 ≤ 4 Horas disponibles en la planta 1, para producir lotes del producto 1
2𝑥2 ≤ 12 Horas disponibles en la planta 2, para producir lotes del producto 2
3𝑥1 + 2𝑥2 ≤ 18 Horas disponibles en la planta 3, para producir lotes del producto 1 y producto 2
𝒙𝟏 ≥ 𝟎 , 𝒙𝟐 ≥ 𝟎 Restricciones de no negatividad

4. Formule el modelo matemático del PPL. Max 𝒁 = 𝟑𝒙𝟏 + 𝟓𝒙𝟐

Ahora se puede formular el modelo matemático del S.a
problema para lo cual definimos la función objetivo a 𝒙𝟏 ≤ 𝟒
maximizar, sujeta a las restricciones que se señalan.
𝟐𝒙𝟐 ≤ 𝟏𝟐
𝟑𝒙𝟏 + 𝟐𝒙𝟐 ≤ 𝟏𝟖
𝒙𝟏 ≥ 𝟎, 𝒙𝟐 ≥ 𝟎
5
Grafica del modelos del PPL

(2, 6 )
(0, 6)

(4, 3 )
REGION

(0,0 )
(4, 0)

Los pares ordenados que han sido seleccionados son los que acotan la llamada Región Factible,
son las posibles soluciones al problema y son esenciales para descubrir cual es el óptimo. El
siguiente paso es evaluar cada uno de estos puntos y encontrar el que maximice nuestras
utilidades al mayor porcentaje posible.

6. Soluciones factibles.
Valores permitidos (x1 , x 2) de Función Objetivo Soluciones factibles
la región factible Z= 3x1+ 5x 2 (FEV)
(0,0) Z = 3(0) + 5(0) 0
(0,6) Z = 3(0) + 5(6) 30
(2,6) Z = 3(2) + 5(6) 36
(4,3) Z = 3(4) + 5(3) 27
(4,0) Z = 3(4) + 5(0) 12

Después de haber analizado las soluciones factibles vemos que la que nos da la máxima
utilidad es el punto (2,6) .

Esto se interpreta de la siguiente manera:

7. Soluciones óptimas:

Para obtener la máxima utilidad que es de $36,000 tendremos que producir dos lotes de puertas
de vidrio y 6 lotes de ventanas corredizas.

6
Problema 2.
Rulisa fabrica masa para pasteles de tipo I y II. La de tipo I la vende a 5 euros el kilo, gastando 1
euro en ingredientes y 2 en mano de obra. La de tipo II se vende a 3 euros y cuestan 1 euro, tanto
los ingredientes como el trabajo. Para hacer las masas se necesitan dos tipos de actividades:
amasado y horneado. Rulisa dispone de 18 horas de amasado y 12 de horneado a la semana. La
masa de tipo I necesita 2 horas de amasado y 3 de horneado, mientras que la de tipo II, necesita
3 de amasado y 1 de horneado. Si la cantidad de masa que se puede vender es ilimitada, optimizar
los beneficios semanales de Rulisa.

Análisis del problema

Identifiquemos los datos que necesitamos para la para definir el modelo:
 Número de horas disponibles para producción, por semana. (18 para amasado y 12 para
horneado)
 Número de horas que requiere cada tipo de masa (tipo I y II) en amasado y horneado.
 La ganancia por cada producto (precio de venta - costos de producción) de cada uno.

La tabla siguiente resume los datos reunidos.

Tiempo de producción por producto, horas
Tiempo de producción
Actividades Tipo de Masa disponible a la semana,
I II horas
Amasado 2 3 18
Horneado 3 1 12
Ganancias €2 €1
Para lograr una mejor solución del problema definiremos nuestras variables de decisión, las
cuales son:

1. Variables de decisión

2. Función Objetivo

3. Restricciones

7
4. Formule el modelo matemático del PPL.

5. Con la forma estándar del modelo, graficamos para encontrar la región factible.

6. Soluciones factibles.
Valores permitidos (x1 , x 2) Función Objetivo Soluciones factibles
de la región factible (FEV)

7. Solución óptima:

8
Problema3
La fábrica Gepetto S.L., manufactura muñecos y trenes de madera.
Cada muñeco
•Produce un beneficio neto de U$3 .
•Requiere 2 horas de trabajo de acabado.
•Requiere 1 hora de trabajo de carpinteria.
Cada tren
•Produce un beneficio neto de U$2
•Requiere 1 hora de trabajo de acabado.
•Requiere 1 hora trabajo de carpinteria.

Cada mañana Gepetto puede dispone de:

•Todo el material que necesite.
•Solamente 100 horas de acabado.
•Solamente 80 horas de carpinteria.

También:
•La demanda de trenes puede ser cualquiera (sin límite).
•La demanda de muñecos es como mucho 40.

Gepetto quiere maximizar sus beneficios. ¿Cuántos muñecos y cuántos trenes debe fabricar?

Problema 4.
Un fabricante produce mesas (X) y escritorios (Y). Para cada mesa que produce requiere 2 horas
y media de montaje, tres horas de pulido y una hora de embalaje. Asimismo, para cada escritorio
se requiere una hora de montaje, tres horas de pulido y dos horas de embalaje. Estas secciones
presentan las siguientes limitaciones: la unidad de montaje trabaja, como máximo 20 horas al día;
la unidad de pulido como máximo 15 horas al día; la unidad de embalaje como máximo 16 horas
al día. El fabricante trabaja con un margen de beneficios de U$25 por mesa producida y U$40 por
cada escritorio, Plantear el modelo de programación Matemático en el caso que el fabricante
pretenda maximizar beneficios.

Problema 5.
Un fabricante de cemento produce dos tipos de cemento, a saber en gránulos y polvo. Él no puede
hacer más de 1600 bolsas un día debido a una escasez de vehículos para transportar el cemento
fuera de la planta. Un contrato de ventas establece que él debe producir 500 bolsas al dia de
cemento en polvo. Debido a restricciones del proceso, se requiere el doble del tiempo para
producir una bolsa de cemento granulado en relación al tiempo requerido por el cemento en
polvo. Una bolsa de cemento en polvo consume para su fabricación 0.24 minutos/bolsa y la planta
opera un 8 día de la hora. Su ganancia es £4 por la bolsa para el cemento granulado y £3 por la
bolsa para el cemento en polvo. Formule el problema de decidir cuánto se debe producir de cada
tipo de cemento para maximizar las ganancias de la Empresa, utilizando el Método Gráfico.

Problema 6.
La empresa McDonald’s vende hamburguesas de un cuarto de libra y hamburguesas con queso.
La hamburguesa de un cuarto de libra obviamente utiliza ¼ de libra de carne y la hamburguesa
con queso sólo utiliza 0,2 libras. El restaurante empieza cada día con 200 libras de carne. La
utilidad neta es la siguiente: 0,20$ por cada hamburguesa de cuarto de libra y $0,15 por cada
hamburguesa con queso. El gerente estima además que no venderá más de 900 hamburguesas
en total. Aplicando el método gráfico, determine la máxima utilidad que obtiene McDonald's.
9
USO DEL MÉTODO GRÁFICO PARA MINIMIZACIÓN

Consideremos un Problema de PL en el cual el objetivo es minimizar costos. La solución del

problema de minimización sigue el mismo procedimiento que la de problemas de maximización.
La única diferencia es que ahora se quiere el menor valor posible para la función objetivo.
Supóngase que se tiene el siguiente problema:

Ejemplo: Problema de dieta.

Un comprador está tratando de seleccionar la combinación más barata de dos alimentos A y B,

que debe cumplir con ciertas necesidades diarias de vitaminas. Los requerimientos vitamínicos
son por lo menos 40 unidades de vitamina W, 50 unidades de vitamina X y 49 unidades de
vitamina Y. Cada onza del alimento A proporciona 4 unidades de vitamina W, 10 unidades de
vitamina X y 7 unidades de vitamina Y; cada onza del alimento B proporciona 10 unidades de
W, 5 unidades de X y 7 unidades de Y. El alimento A cuesta 5 C$/kilogramo y el alimento B
cuesta 8 C$/kilogramo.

Formulación del problema.

La meta en este problema es encontrar la manera menos costosa para satisfacer las
necesidades vitamínicas. Las dos alternativas disponibles son los alimentos A y B.
Matemáticamente la función objetivo es:

Minimizar 𝑍 = 5𝐴 + 8𝐵

Las restricciones son los requerimientos mínimos de las tres vitaminas. Éstas se muestran
enseguida:

Restricciones:
4𝐴 + 10𝐵 ≥ 40 𝑣𝑖𝑡𝑎𝑚𝑖𝑛𝑎 𝑊
10𝐴 + 5𝐵 ≥ 50 𝑣𝑖𝑡𝑎𝑚𝑖𝑛𝑎 𝑋
7𝐴 + 7𝐵 ≥ 49 𝑣𝑖𝑡𝑎𝑚𝑖𝑛𝑎 𝑌
𝐴 ≥ 0, 𝐵 ≥ 0 𝑛𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑

Modelo Matemático
𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝑍 = 5𝐴 + 8𝐵
𝑠𝑢𝑗𝑒𝑡𝑜 𝑎
4𝐴 + 10𝐵 ≥ 40
2𝐴 + 𝐵 ≥ 10
𝐴 + 𝐵 ≥ 7
{ 𝐴 ≥ 0, 𝐵 ≥ 0

10
Gráfica de las restricciones

En la figura anterior se observa que el punto b es la intersección de dos líneas:

(1) 4A + 10B = 40
(2) 7A + 7B = 49
Resolviendo el sistema de ecuaciones:
Multiplíquese la ecuación (1) por 7: (3) 28A + 70B = 280
Multiplíquese la ecuación (2) por – 4: (4) –28A – 28B = –196
42B = 84
B= 2
Sustitúyase en la ecuación (1): 4A + 10(2) = 40
A= 5

De la misma forma encontramos el punto que nos hace falta.

Paso 3: Evaluar los vértices de la Región Factibles

Valores (A,B) Función Objetivo Z = 5A + 8B Soluciones Factibles

(10,0) Z=5(10)=8(0) 50
(5,2) Z=5(5)=8(2) 41→menor
(3,4) Z=5(3)=8(4) 47
(0,10) Z=5(0)=8(10) 80

Solución Optima

LA SOLUCIÓN MENOS COSTOSA ES 5 KILOGRAMOS DE ALIMENTO A Y 2 KILOGRAMOS

DE ALIMENTO B. EL COSTO TOTAL DE ESTA COMBINACIÓN ES DE C$41

11
Resolver
1. Los 400 alumnos de un colegio van a ir de excursión. Para ello se contrata el viaje a una
empresa que dispone de 8 autobuses con 40 plazas y 10 con 50 plazas, pero sólo de 9
conductores para ese día. Dada la diferente capacidad y calidad, el alquiler de cada
autobús de los grandes cuesta C$8000 y el de cada uno de los pequeños, C$6000.
¿Utilizando el Método gráfico, cuantos autobuses de cada clase convendrá alquilar para
que el viaje resulte lo más económico posible?
2. Una empresa láctea plantea la producción de dos nuevas bebidas. producir un litro del
primer tipo de bebida cuesta 2$, mientras que un litro del segundo tipo de bebida cuesta
5$. Para realizar el lanzamiento comercial se necesitan más de 6.000.000 litros de
bebida, aunque del segundo tipo no podrán producirse (por limitaciones técnicas) más
de 5.000.000. Además, se desea producir más cantidad de bebida del segundo tipo que
del primero. ¿Cuántos litros habrá que producir de cada tipo de bebida para que el
costo de producción sea mínimo?

3. Podemos comprar paquetes de abono A o B. Cada paquete contiene las unidades de

potasio (K), fósforo (P) y nitrógeno (N) indicadas en la tabla, donde se da el precio del
paquete.
Marca K P N Precio
A 4 6 1 15
B 1 10 6 24
¿Utilizando el método gráfico, en qué proporción hay que mezclar ambos tipos de
abono para obtener al mínimo precio un abono que contenga como mínimo 4 unidades
de K, 23 de P y 6 de N?

4. Un expendio de carnes acostumbra a preparar la carne para hamburguesas con una

combinación de carne molida de res y carne molida de cerdo. La carne de res contiene
80% de carne y 20% de grasa, y le cuesta a la tienda Bs. 800 por kilo. La carne de cerdo
contiene 68% de carne y 32% de grasa, y le cuesta Bs. 600 el kilo. El expendio no desea
que el contenido de grasa de un kilo de hamburguesa preparada sea superior al 25%.
Aplicando el método SIMPLEX, ¿Qué cantidad de cada tipo de carne debe emplear la
tienda para preparar un kilo de hamburguesas a fin de minimizar los costos?

5. Usted tiene 60 hectáreas de tierra que aún no ha cultivado, y piensa trabajarlas para la
próxima temporada junto a sus dos hijos, Pedro y Javier. Pedro insiste en sembrar ajo,
pues tiene una ganancia neta mayor: sacarían $300 por ha., una vez descontados los
gastos, que son de $10 por ha. Javier quiere sembrar tomate, que tiene una ganancia
neta de $200 por hectárea, pues están escasos de agua, y el tomate necesita menos
agua que el ajo: 1 m3 por ha., contra 2 m3 por ha. para el ajo. (Disponen para la época
crítica de sólo 100 m3 de agua). Su administrador, por su parte, hace notar que sólo
tienen $1200 para comprar semillas, contratar obreros y otros gastos, así que no les
alcanza el dinero para sembrar tomate, ya que los gastos son de $30 por hectárea.
Formule y resuelva gráficamente el modelo matemático de Programación Lineal para
maximizar la ganancia.

12