I O Chapter 3 PDF

Carlos Agreda, Ph.
D
1
Programación Lineal
Generalidades
La programación lineal, es un modelo matemático de
optimización; por lo cual, puede optimizar cada una de
las operaciones mineras unitarias que conforman el
ciclo total de minado en subterránea y/o superficial,
Carlos Agreda, Ph. D
tales como:
• Perforación
• Voladura
• Carguío
• Acarreo
• Chancado primario, etc.
2
1
Underground mining.

3
Por otro lado, se sabe que lograr las metas con éxito,
se tiene las siguientes claves.
1. Piense en ganar: Se debe luchar por lo que una

persona quiere, analizar la situación y no detenerse.
Atrévase a llegar mas lejos de

lo que usted cree que puede
llegar, diviértase en lo que

realice y tenga coraje para
derrotar el miedo, porque solo
usted podrá cambiar su
historia, afrontando los retos
con una actitud ganadora.
4
2
5
2. Desarrolle un plan: Una vez que defina y priorice

sus metas, canalice toda su energía en ese objetivo.
Asimismo, recuerde que si algo sale mal, no significa
que esta derrotado, vuelva a intentarlo, analice una
vez mas la situación y cambie la estrategia las veces
que sea necesario. Anímese a dejar de ser un simple
espectador y conviértase en el protagonista de su
propia vida, obteniendo como promedio la meta
anhelada.
3
3. Aproveche las oportunidades: Existen
oportunidades que se presentan solo una vez en la
vida. Por ello, enfrente los retos y obtenga
resultados con un valor diferencial. Recuerde,
todos somos capaces de lograr hechos importantes
en nuestra vida, aunque le parezca difícil inténtelo
las veces que sea necesario, pues si no se

arriesga no pierde pero tampoco gana. Así que
fortalezca su disciplina, cree hábitos potenciadores
que lo lleven a crecer día a día, y en un año habrá
crecido 365%.
4
4. Rodéese de personas positivas: Los estudios
revelan que las 5 personas con las que mas tiempo
comparte, son las que mas influencian tienen en
nuestras vidas, por ello aléjese de las amistades
con pensamientos limitados y negativos, e intente
compartir mayores oportunidades con personas
que compartan su misma visión, de esta manera
aprenderá y fortalecerá su crecimiento

9
Fuente: Comercio
Como se sabe, para llevar a cabo la optimización de

cualquier proceso minero o de cualquier otro proceso, es
necesario tener un líder. Por tanto, la sucesión del poder
consiste en trasmitir la responsabilidad, el patrimonio y el
capital humano al descendiente que se va a ocupar de la
empresa y/o negocio.
Cuanto no se encuentra al sucesor dentro de la familia, se

puede buscar un candidato externo o pensar en la

posibilidad de vender la empresa.
10
5
El perfil del líder sucesor, debe tener capacidades
desarrolladas para:
 Ser un integrador y motivador

 Dar el ejemplo
 Proponer metas posibles y atractivas


Procurar los medios para conseguirlas
 Saber motivar
 Alcanzar un compromiso personal con toda la
organización; a esto se le denomina el contrato
psicológico: aceptar y ser aceptado, no
impuesto
11
Pasos a seguir para seleccionar al líder sucesor, son los

siguiente:
1. Identificar retos: Conocer e identificar los retos
internos que tiene la empresa y definir el panorama
estratégico: ¿Cual es la visión de la empresa?
12
6
2. Diseñar el perfil de liderazgo: ¿Cuál deberá ser el
perfil del próximo líder de la empresa?; si es una
empresa familiar, esto primero se define en el
concejo de familia y luego en los lideres del
directorio, etc.

13
3. Recopilar información del futuro líder sucesor
14
7
4. Evaluar a los futuros lideres que estarán al frente
de la empresa: Conocer las posibilidades y
habilidades de cada uno de los candidatos.

15
5. Existen buenos candidatos dentro de la familia?:

De no existir un candidato interno que reúne las
condiciones y expectativas, se debe buscar
candidatos externos.
16
8
6. Escoger el mas idóneo.

17
7. Anunciar la decisión
18
9

19
Introducción:
Entre los avances científicos más importantes de la
mitad del siglo XX es la Programación Lineal, por su
impacto desde 1950 ha sido extraordinario por sus
aplicaciones.
Especialmente en el
calculo científico que
se lleva a cabo por
medio de las
computadoras.
20
10
Un modelo de P. L. proporciona un método eficiente
para determinar una decisión óptima, (o una estrategia
óptima o un plan óptimo) escogida de un gran número
de decisiones posibles y/o alternativas.

21
Origen
En los siglos XVII y XVIII, grandes matemáticos como
Newton, Leibnitz, Bernouilli y, sobre todo, Lagrange,
que tanto habían contribuido al desarrollo del cálculo
infinitesimal, se ocuparon de obtener máximos y
mínimos condicionados de determinadas funciones.
Posteriormente el matemático fránces Jean Baptiste-

Joseph Fourier (1768-1830) fue el primero en intuir,
aunque de forma imprecisa, los métodos de lo que
actualmente llamamos programación lineal y la
potencialidad que de ellos se deriva.
22
11
Si no se le toma en cuenta al matemático Gaspar
Monge (1746-1818), quien en 1776 se interesó por
problemas de este género, se debe enfatizar que en el
año 1939 para encontrar nuevos estudios relacionados
con los métodos de la actual programación lineal.
En este año, el matemático ruso Leonodas Vitalyevich

Kantarovitch publica una extensa monografía titulada
Métodos matemáticos de organización y planificación
de la producción en la que por primera vez se hace
corresponder a una extensa gama de problemas una
teoría matemática precisa y bien definida llamada
actualmente programación lineal .
23
En 1941-1942 se formula por primera vez el problema

de transporte, estudiado independientemente por
Koopmans y Kantarovitch, razón por la cual se suele
conocer con el nombre de problema de Koopmans-
Kantarovitch.
Tres años más tarde, G. Stigler plantea otro problema
particular conocido con el nombre de régimen
alimenticio optimal.
En estos años posteriores a la Segunda Guerra
Mundial, en Estados Unidos se asumió que la eficaz
coordinación de todas las energías y recursos de la
nación era un problema de tal complejidad, que su
resolución y simplificación pasaba necesariamente por
los modelos de optimización que resuelve la 24
programación lineal.
12
Paralelamente a los hechos descritos se desarrollan los
modelos de computación y los ordenadores,
instrumentos que harían posible la resolución y
simplificación de los problemas que se estaban
originando.
En 1947, G.B. Dantzig formula, en

términos matemáticos muy precisos,
el enunciado estándar al que cabe
reducir todo problema de
programación lineal. Dantzig, junto
con una serie de investigadores del
United States Departament of Air
Force, formarían el grupo
denominado SCOOP (Scientific 25
Computation of Optimum Programs).
Una de las primeras aplicaciones de los estudios del

grupo SCOOP fue el puente aéreo de Berlin. Luego se
continuó con una serie de aplicaciones de tipo
preferentemente militar.
Hacia 1950 se constituyen, fundamentalmente en
Estados Unidos, distintos grupos de estudio para ir
desarrollando las diferentes ramificaciones de la
programación lineal. Cabe citar, entre otros, Rand

Corporation, con Dantzig, Orchard-Hays, Ford,
Fulkerson y Gale, el departamento de Matemáticas de
la Universidad de Princenton, con Tucker y Kuhn, así
como la Escuela Graduada de Administración
Industrial, dependiente del Carnegie Institute of
Technology , con Charnes y Cooper. 26
13
Respecto al método del algoritmo simplex, que se
estudiara mas adelante, se puede enfatizar que su
estudio comenzó en el año 1951 y fue desarrollado por
Dantzig en el United States Bureau of Standards SEAC
COMPUTER, ayudándose de varios modelos de
ordenador de la firma IBM.
Los fundamentos matemáticos de la programación lineal
se deben al matemático norteamericano de origen

húngaro Janos von Neuman (1903-1957), quien en
1928 publicó: “La 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 en el desarrollo de 27
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 gastos
respecto a los costos previstos.
Se ha estimado, de una manera general, que si un país

subdesarrollado utilizase el modelo de la programación
lineal, su producto interior bruto (PIB) aumentaría entre
un 10 y un 15% en tan sólo un año.
28
14
Definición:
La programación lineal es uno de los primeros
modelos matemáticos de la investigación de
operaciones el cual es usado para encontrar un
valor extremo de una función lineal dada y

compuesta de varias variables; cuando estas
deben ser no negativas y ellas deben satisfacer
ciertas restricciones las cuales se presentan en la
forma de ecuaciones o inecuaciones lineales.
El problema mas simple de programación lineal
29
generalmente contiene un total de 2 a 3 variables.
Investigación De Operaciones
Consecuentemente
Máxima producción Minimiza costos
maximiza la
y productividad operaciones
rentabilidad de las
empresas de
cualquier actividad
económica
30
15
Objetivo:
Es optimizar la utilización de los recursos
disponibles.
Construir modelos de programación lineal para
problemas propios de la industria, en este caso

minero-metalúrgica.
Discutir las propiedades de las soluciones
optimas en modelos de programación lineal,
etc.
31
32
16
¿Qué es Programación?
Programación es el planeamiento generalmente de

actividades económicas con propósitos de optimización.
Por ejemplo:

Maximizar
+ ganancias
o
Minimizar
-
costos 33
Modelo y uso de interpretación

geométrica.
El método simplex.
Modelo dual y precio optimo.

Análisis de pos-optimalidad y P. L. bajo
incertidumbre.
34
17
Características de la programación lineal.
Las características principales de la programación

lineal entre otras son las siguientes:
Es un modelo de la investigación de operaciones
usada para maximizar y/o minimizar una función
objetivo cualquiera, sujeta a ciertas restricciones.

Las variables que intervienen tanto en la función
objetivo como en las restricciones son lineales o de
primer grado; además dichas variables deben ser
continuas.
La programación lineal generalmente es usada para
optimizar la distribución de recursos disponibles.
35
El valor optimo obtenido usando la programación

lineal es único, no siendo necesario utilizar las
condiciones de segundo grado que complican los
cálculos.
Para solucionar los problemas aplicando la

programación lineal existen algoritmos genéricos

que simplifican dicha solución.
En la actualidad, existen varios softwares para

solucionar problemas de cualquier tipo aplicando
programación lineal; los cuales representan una
gran ayuda técnico-económica, etc., etc.
36
18
Otras características de los problemas de P. L.
son:
Proporcionalidad: En un modelo de P. L la
función objetivo y cada restricción de las
variables de decisión tienen que ser lineales. Es

decir el indicador de eficiencia (utilidad o costo)
en la función objetivo y la cantidad de cada
recurso usado tienen que ser proporcionales, al
valor de cada variable de decisión considerada
individualmente.
37
Aditividad: En un modelo de P. L, es necesario

que cada variable sea “aditiva” respecto a la
utilidad (o costo) y a la cantidad de recursos
usados.
38
19
Divisibilidad: Para muchos de los problemas
propios de los negocios es muy frecuente el caso
de que las variables de decisión puedan tener
significado físico, solamente si tienen valores
enteros. Por lo tanto, otra limitación de la P. L es
que para obtener una solución optima los niveles

fraccionarios de las variables de decisión, tienen
que ser descontados.
39
Optimalidad: Es un problema de P. L una

solución de máxima utilidad o mínimo costo
siempre ocurre en uno de los vértices del
conjunto de soluciones factibles.
40
20
Planteamiento general del problema de programación
lineal
El problema general de programación lineal puede ser

planteado, como sigue:
Max n
( Z )   cj xj
j 1
Min

Sujeto a:
m
≥
a
i 1 ij xj
= bi
≤
i  1, 2....., m Donde:
j  1,2......, n aij, cj y bj son constantes.
41
y, xj, son variables continuas
xj  0
En otras palabras, se tiene:

Función objetivo.
n
F , O.( Z )   cj xj (Maximización o minimización).
j 1
Restricciones funcionales
m ≤
a
j 1 ij xj
= bi
≥
i  1, 2....., m
42
j  1, 2......, n
21
Condiciones de no negatividad.
xj ≥ 0 j = 1, 2, …., n
Se debe mencionar que para algunas situaciones

especiales se elimina las condiciones de no negatividad
para algunas variables de decisión.

En otras palabras, se cumple que:
xj = irrestricta en signo para algunos valores de j
Si se considera el problema con tres variables y tres
restricciones; la maximización de Z se puede expresar
matemáticamente mediante la siguiente expresión:
Max Z  C1 X1  C2 X 2  .......  Cn X n 43
Sujeto a:
A1 1 x1 + a1 2 x2 + ………+ a1 n ≤ b1
A2 1 x1 + a2 2 x2 + ………+ a2 n ≤ b2
A3 1 x1 + a3 2 x2 + ………+ a3 n ≤ b3
.
.
.
Am 1 x1 + am 2 x 2 + ………+ am n ≤ bm
44
22
La condición de no negatividad, será:
x1 ≥ 0; x2 ≥0, …….., xn ≥0
El problema de maximización también puede ser expresado

de la siguiente manera:
 x1 
x 
Max ( Z )  c1 , c2 , c3 ,......., cn   2
 cx

 x3 
 
. 
Donde: . 
 
bi  vector columna  xn 
c  vector fila
x  vector columna 45
A  matriz mxn
Las restricciones pueden expresarse matricialmente de

la siguiente manera:
a1 1 a1 2 ......a1n 
   x1 
a2 1 a2 2 ......a2 n  ≥
b1 
x  b  ≥
 
 
 2
=  
2 Ax  b
. 
 .  .  ≤
  ≤  
  . 
 .  . 
 xm  bm 
     
am1 am2 ......amn
 
46
23
La condición de no negatividad puede también
expresarse matricialmente de la siguiente manera:
 x1  0
 x  0 
 2  
.   .  x  0

   
.  0
 xm  0
 
Por otro lado, el problema de programación lineal puede

también plantearse de la siguiente manera: 47
Actividad Uso del recurso/unidad Cantidad

del recurso
Recurso 1 2 3 ……….n disponible
1 a11 a12 a13 …….. a1 n b1

2 a21 a22 a23 …….. a2 n b2
3 a31 a32 a33 …….. a3n b3
. .
. .
. .
. .
m Bm
am1 am2 am3 …….. amn
∆z/unidad c1 c2 c3 ……... cn
nivel X1 x2 x3 …….. xn
48
24
Donde:
xj = Nivel de la variable j (variable de decisión)
(j = 1, 2, …., n)
cj = incremento en Z que resultaría debido a cada unidad de
incremento en xj.
(j = 1, 2, …., n) coeficiente de beneficio de la j-enesima
variable
z = medida global de la efectividad. Función objetivo, funcional
o función preferencial (maximizar o minimizar ganancias o

costos)
bi = Cantidad de recursos disponibles en la i-esima restricción
unidad de recurso, i = 1, 2 …., m
aij = cantidad de recurso i consumida por cada unidad de la
actividad j.
Coeficiente de la j-esima variable de decisión en i-esima
restricción
49
Resumiendo se tiene que en forma vectorial el

planteamiento de un problema de programación lineal
seria como sigue:
Zopt = C x } función objetivo

Sujeto a:
Ax ≥ B } Restricción
≤
X ≥o } Condiciòn de no negatividad
Donde:
X = (x1, x2, …., xn)T = Vector columna con n componentes.
Se le denomina vector de actividad; y sus 50
componentes son variables de decisión.
25
C = (c1, c2, …., cn) = vector fila con n componentes.
Se le denomina vector de precios o costos
unitarios (coeficiente beneficio)
B = (b1, b2, …., bm) T = Vector columna con m componentes.
Se le denomina vector de disponibilidad de
recursos.
0 = (0, 0, …., 0) T = vector columna de n ceros.

 a11a12....a1n 
 
 21 22
a a ....a 2 n  Matriz de m filas y n

A .   columnas. Se le denomina
  matriz de coeficientes.
. 
  51
 am1am 2 ....amn 
aij = Representa la cantidad de recursos j que se necesita

por unidad de la actividad i.
i = 1 …. m
j = 1 …. n
En forma esquemática la programación lineal puede ser

representada como se muestra en el siguiente diagrama:
Sistema
real
x x Variable
Programación xj
lineal
Modelo
x x
52
Representación
Sistema real matemática f(x)
“supuesto” o funciones
“simulado” lineales
26
Métodos de solución de los problemas de
La aplicación del modelo de P. L para resolver cualquier

problema, se puede efectuar usando los siguientes
métodos:
•Grafico
•Algebraico

•Del algoritmo simplex
•Del algoritmo del tablero simplex.
Cada uno de estos métodos tienen sus ventajas, desventajas

y/o limitaciones, por lo tanto, cada uno de ellos serán
analizados, evaluados y discutidos a través de varios ejemplos
prácticos aplicables a cualquier actividad económica en
general. 53
Método Grafico
El método grafico de solución de los problemas de

programación lineal esta restringido solamente a 2 ó 3
variables y por lo tanto, sus limitaciones son obvias.
El método de solución será mostrado a través de un

problema sencillo que se presenta con frecuencia en
la industria minera, cuyo enunciado se observa mas
adelante:
54
27
Summary
Para solucionar los problemas usando el modelo

matemático de programación lineal en la técnica de
transporte, se debe tener en cuenta lo siguiente:
1. Addition of extra shifts

2. Overtime in one center versus straight time in
another
3. Addition of more machines (additional available
time in the machine center)
4. Addition of new machines, special tools or
improvements (reduction in unit production rates)
55
5. Changes in prices to meet a competitive market

6. Cost (reduction in profits) of good-will items
7. Direction of sales effort
8. Optimum product mix
56
28
Problema de aplicación Nº 1.
Resolver el siguiente problema de programación lineal.
Min 10 X1 + 16X2
S.T
8X1 + 4X2  24 (1)
5X1 + 20X2  40 (2)

2X1 + 3.2X2  12 (3)
0  X1  3
0  X2  3.5
Se pide:
i. Graficar el problema de programación lineal
ii. Discutir los resultados
57
En una operación minera subterránea que explota los

minerales de plomo (Pb) y Zinc (Zn), las estadísticas de
producción son las siguientes:
Labores Zn Pb Producción Costo ($)

mineras (%) (%) planificada (Tm/día) (Hr/hombre/Tm)
Tajeo 1 4 6 40 4
Tajeo 2 8 4 60 6
58
29
Los requerimientos de producción son los siguientes:
i) 80 Tm de mineral por día
ii) El contenido de mineral en promedio debe ser: No
menor de 6.5% de Zn, y no menor de 4.5% de Pb.

Se pide:
i. Usando el método grafico, calcular la producción que
debe extraerse de cada uno de los tajeos, de tal
manera de cumplir con los requerimientos de esta, a
un costo mínimo por hora/hombre.
ii. Discutir los resultados 59
Solución.
Sea x1 el tonelaje explotado por día del tajeo 1.
Sea x2 el tonelaje explotado por día del tajeo 2.
En este caso la función objetivo será planteada de la
siguiente manera:
 Hrs / hom bre   Hrs / hom bre 
Min ( Z )   4  x1   6  x2
   
Tm Tm
Sujeto a las siguientes restricciones:

i) La capacidad de producción del:
Tajeo 1 …….. x1 ≤ 40 Tm/dia
ii) La capacidad de producción del: 60
Tajeo 2 …….. X2 ≤ 60 Tm/dia
30
iii. La producción requerida es: x1 + x2 = 80 Tm/día.
iv. Contenido mínimo de Zn: 0.04x1 + 0.08x2 ≥0.065
(x1+x2)
v. Contenido mínimo de Pb: 0.06x1 + 0.04x2 ≥0.045
(x1+x2)
Min Z  4 x1  6 x2

Luego el planeamiento matemático para resolver este
problema de programación lineal mediante el método
grafico será el siguiente:
Sujeto a:
61
x1 ≤ 40 ….. (1)
x2 ≤ 60 ….. (2)
x1 + x2 ≤ 80 ….. (3)
-2.5x1 + 1.5x2 ≥ 000 ….. (4)
1.5x1 - 0.5x2 ≥ 000 ….. (5)
y
obviamente: x1, x2 ≥ 0 ….. (6)
Por lo tanto, la solución grafica estará contenida en el

primer cuadrante (esta prácticamente es una condición
general para este tipo de problemas, desde que ellos
tratan acerca de tonelajes, dólares, recursos, etc., etc. en 62
los cuales valores negativos no son aceptables.
31
La solución grafica para este problema se
muestra en el diagrama conceptual siguiente: 63
64
32
En el cual se puede observar lo siguiente:
Las coordenadas (x1, x2) de un punto satisfacerían
todas las restricciones si y solamente si; este punto esta
contenido en el área ABC; esto hablando en términos
del álgebra de espacios vectoriales.
El área ABC incluye todos los puntos interiores o al

costado del triangulo ABC. Se debe notar que el área es
convexa y que la solución optima es un punto extremo
de esta área convexa.
65
Se puede observar también que, para:

x1 = 0, x2 = 0 z=0
x1 = 30, x2 = 50  z = 420
x1 = 20, x2 = 60  z = 440
La solución optima se puede apreciar que es:

x1 = 30
x2 = 50
66
33
Se debe mencionar también que la mayoría de los
problemas que son necesarios resolver en las
diversas organizaciones industriales constan de 2 ò
3 variables por lo tanto, se debe trabajar con
poliedros convexos en lugar de polígonos convexos;
y en estos casos ya el método grafico no es

aplicable; entonces, es necesario buscar otros
métodos de solución para este tipo de problemas.
67
Terminología usada en la solución de problemas de

Solución factible: Es una solución que satisface todas las

restricciones aplicables al sistema en estudio.
Solución básica factible: Es una solución factible de
tantas soluciones variables como ecuaciones tiene el
sistema en estudio.
Solución Optima: Es una solución básica factible que

tiene el valor mas favorable de la función objetivo. (El
mayor o el menor, dependiendo si se trata de
maximización o de minimización)
El objetivo de la P. L es encontrar la solución factible que
sea la optima. 68
34
Generalmente, un problema de P.L. tendrá una solución
optima. Sin embargo, también es posible tener
soluciones optimas múltiples (Rectas que representan
a las restricciones paralelas al funcional).
La posibilidad de que un problema no tenga soluciones

optimas ocurre cuando:
a) Si no tiene soluciones factibles

b) Si las restricciones no evitan el crecimiento de la F. O.,
indefinidamente en la dirección favorable z.
69
Se tiene el siguiente problema de programación lineal.
Max Z = 3x1 + 2x2
Subject to: X1 + x2 ≤ 20 → (1)

X1 = 15 → (2)
X1 + 3x2 ≤ 45 → (3)
-3X1 + 5x2 ≤ 60 → (4)
Se pide:
• Solucionar el problema de P. L, usando el método
grafico.
70
• Discutir los resultados
35
una compañía minera subterránea, ubicada a 4500 MOSL

produce dos tipos de concentrados.
La mezcla proviene del mineral que se explota de 4
labores subterráneas (tajeos).
La disponibilidad del tonelaje de mineral proviene de cada
labor minera y el beneficio económico $/Tm. Se
muestra en la tabla I

Tabla I
Mining stopes Tipos de concentrados Disponibilidad
I (TM) II (TM) (Tm/month)
A 1 3 15,000
B 2 1 10,000
C 2 2 12,000
D 1 1 10,000 71
Utility (US$/Tm) 4 3
Se pide:
i. Calcular el tonelaje de concentrado de cada tipos de

mineral que debe producirse, para maximizar la
rentabilidad de dicha empresa minera
ii. Discutir los resultados
72
36
Método Algebraico
El presente método de solución será mostrado a través

del siguiente ejemplo:
Max Z  4 x1  3x2

Sujeto a:
1x1 + 3x2 ≤ 15000 ….. (A)
2x1 + 1X2 ≤ 10000 ….. (B)
2x1 + 2X2 ≤ 12000 ….. (C)
1x1 + 1X2 ≤ 10000 ….. (D) 73
x1 ≥ 0 x2 ≥ 0
En primer lugar se agregan las variables de holgura para

transformar las inecuaciones en ecuaciones y se tiene lo
siguiente:
1x1 + 3x2 + x3 =15000 (A)

2x1 + 1x2 + x4 = 10000 (B)
2x1 + 2x2 + x5 = 12000 (C)

1x1 + 1x2 + x6 = 10000 (D)
Max. Z = 4x1 + 3x2 + 0x3 + 0x4 + 0x5 + 0x6

74
37
Como hay cuatro ecuaciones (m) y seis incógnitas (n) →
se debe suponer que el problema tendrá n – m = 2
variables iguales a cero. En este caso se tiene:
n 6
= = 15 combinaciones posibles.
m 2

Es decir, hay que resolver 15 veces el sistema de
ecuaciones asignando el valor cero a un par de variables
en cada solución o iteración respectiva.
75
Solución básica factible: Se elige x1 = 0 x2 = 0 y se

obtiene la 1era. Solución básica factible.
x1 = 0
x2 = 0 Z = 0 Es decir esta solución es no producir nada
y las variables de holgura x3, x4, x5, x6; solo
x3 = 15000
reportan disponibilidad.
x4 = 10000
x5 = 12000
x6 = 10000
76
38
Como se esta maximizando, se debe introducir en la
solución, aquella variable que reporte mayor beneficio, cj
es mayor.
En este caso el cj de la función objetivo de mayor beneficio
es c1 = 4 que corresponde a x1.
¿Qué variable saldría de la solución básica factible?

¿Cuál de las variables no nulas se convertirían o se le
deben asignar el valor cero para obtener la siguiente
solución?
Para ello se expresa el conjunto de variables no nulas del

sistema de ecuaciones (1) en función de x1 (la variable que
ingresa). 77
x2 = 0
x1 + x3 = 15000 --- x3 = 15,000 – x1 → x1 = 15000
2x1 + x4 = 10000 (2) --- x4 = 10,000 – 2x1 → x1 = 5000
2x1 + x5 = 12000 --- x5 = 12,000 – 2x1 → x1 = 6000
x1 + x6 = 10000 --- x6 = 12,000 – x1 → x1 = 10000
Al igualar x3, x4, x5, x6 = 0 se obtendrá varios valores de

x1 y se elige el menor porque si se toma alguno de los
otros, cualquiera de las ecuaciones del sistema (2)
tomaría un valor negativo, contradiciendo las
condiciones de no negatividad. 78
39
Se elige → x1 = 5000 y el sistema será:
 x1  5000
  Re ales
 x2  0 

x3 = 15000 - 5000 = 10000
x4 = 10000 - 2 x 5000 = 0 z = 20000
x5 = 12000 – 2 x 5000 = 2000
x6 = 10000 – 5000 = 5000
79
Búsqueda de la mejor solución.

Como x2 = 0 y x4 = 0 se debe introducir una nueva
variable a la solución, Entre x2 y x4.
De la ecuación (1) se busca aquellas que contengan a x2
y x4; es decir (B):
2x1 + 1x2 + x4 = 10000

→ x1 = 5000 - ½x2 - ½x4
80
40
Reemplazando este valor de x1 en el funcional Z se
obtiene:
Como se maximiza,
Zmax = 4x1 + 3x2 se ve que la
incorporación de x2
Zmax = 20000 + x2 – 2x4

lo beneficia, mientras
 Se introduce x2 que x4 lo perjudica.
81
Obtención de la tercera solución.

Como x2 ingresa al conjunto solución, el sistema (1).
Se despejan las variables para ponerlas en función de:

x2 (x4 = 0 ….)
De A) x1 + 3x2 + x3 = 15000 x3 = 15000 – x1 – 3x2

x3 = 15000 – (5000 – ½x2) -3x2
x3 = 10000 – 5/2x2 → ()
82
41
De B) 2x1 + x2 + x4 = 10000
x1 = 5000 – ½x2 → ()
De C) 2x1 + 2x2 + x3 = 12000

x5 = 12000 – 2 (5000- ½x2) – 2x2

x5 = 2000 – x2 → ()
De D) x1 + x2 + x6 = 10000
x6 = 10000 – (5000- ½x2) – x2
x6= 5000 – ½x2 → (w)
83
De: () x3 = 0 cuando x2 = 4000

() x1 = 0 cuando x2 = 10000 (se elige el valor menor para
evitar valores negativos)
() x5 = 0 cuando x2 = 2000
(w) x6 = 0 cuando x2 = 10000
La tercera solución quedaría:

x1 = 4000
x2 = 2000
x3 = 5000 Z = 22,000
(4)
x4 = 0 Se ha mejorado la solución
x5 = 0 ¿será la optima?
84
x6 = 4000
42
Veamos si se puede introducir x4 ò x5 que valen cero:
En el sistema (1) se buscan aquellas soluciones que
contengan x4 y x5 ò x4 y x5 en forma independiente.
(B) 2x1 + x2 x4 = 10000
(C) 2x1 + 2x2 + x5 = 12000
x1 = 5000 – ½x2 – ½x4

x1 = 6000 – x2 – ½x5
Igualando a ambas:
5000 – ½x2 – ½x4 = 6000 – x2 – ½x5
x2 = 2000 + x4 – x5 85
Reemplazando x2, se tiene lo siguiente:

Z = 20000 + (2000 + x4 – x5) 2x4
Z = 22000 – x4 – x5
La introducción de x4 ò x5 no mejora al funcional, la

solución obtenida en ) es la optima.
Como se puede apreciar este método algebraico es tedioso

y consume mucho tiempo para solucionar problemas de P.
L que se presentan en todas y cada de las organizaciones
industriales; por lo que los diferentes investigadores
propusieron métodos matemáticos mas directos para dar
solución a este tipo de problemas y se planteo el método y 86
el algoritmo simplex.
43
Conceptos fundamentales del algoritmo
simplex.
Se expondrán los conceptos básicos y las definiciones del
álgebra lineal del espacio n-dimensional que son
necesarias para la solución de problemas de P. L usando
el algoritmo simplex.
Básicamente el método simplex traslada la definición

geométrica del punto extremo a una definición algebraica.
Fundamentalmente, la transición del procedimiento
grafico al algebraico se basa en la validez de la siguiente
relación:
87
Creación del método simplex
Se inicia con la elaboración de la forma estándar

necesaria para representar el espacio de soluciones de la
programación lineal, por medio de un sistema de
ecuaciones simultaneas.
Para ello se debe tener en cuenta lo siguiente:

• Los algoritmos del método simplex primal y,
• Los simplex dual.
88
44
Paso 0 Adicione las variables de holgura a
todas las desigualdades.
Paso 1 Encontrar una solución básica

factible
Paso 2 ¿puede encontrar una solución

básica factible “mejor” (una que
Si aporte una utilidad mas alta)

No
Resuelva para la La solución básica

“mejor” solución Paso 3 Paso 4 factible es la
básica factible optima
89
Stop.
Aspectos generales sobre el método simplex.
1. El método simplex encuentra una solución

optima (o una solución básica optima factible).
2. El método simplex es un método de cambio
de bases. Una variable entra a la base, la
variable básica entrante, y una variable sale

de la base, la variable básica saliente.
3. El método de cambio de base implica el
reemplazo de un sistema de restricciones-
ecuaciones por un sistema equivalente de
restricciones-ecuaciones. 90
45
4. En un sistema de restricciones-ecuaciones, una
ecuación puede ser reemplazada por una
ecuación equivalente aplicando las operaciones
siguientes:

O1: Reemplazar una ecuación por si misma, tantas
veces una constante diferente de cero.
O2: Reemplazar una ecuación por si misma, sumada
a tantas veces una constante diferente de cero
otra ecuación restricción.
91
5. El método simplex requiere que la función

objetivo sea expresada de tal forma que cada
variable básica, tenga como coeficiente 0.
6. El método simplex requiere que cada variable
básica aparezca en una y solamente una
ecuación-restricción.
92
46
Lo mas importante de un ser humano es reclamar su propia
y vital vocación. “La vocación actúa como una ley divina de la
que no hay escapatoria”, pero muy pocos se atreven a luchar
por su sueño, además de que en nuestro sistema educativo,
se nos enseña a ser conformistas y dar gusto a los demás,
aun cuando tengamos que renunciar a nuestro propio
llamado.

Profesor
93
47

I O Chapter 3 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

I O Chapter 3 PDF

Cargado por

Copyright:

Formatos disponibles

Carlos Agreda, Ph.

Carlos Agreda, Ph. D

1. Piense en ganar: Se debe luchar por lo que una

Atrévase a llegar mas lejos de

llegar, diviértase en lo que

2. Desarrolle un plan: Una vez que defina y priorice

Carlos Agreda, Ph. D

Carlos Agreda, Ph. D

Carlos Agreda, Ph. D

Como se sabe, para llevar a cabo la optimización de

Cuanto no se encuentra al sucesor dentro de la familia, se

puede buscar un candidato externo o pensar en la

 Ser un integrador y motivador

Carlos Agreda, Ph. D

Pasos a seguir para seleccionar al líder sucesor, son los

Carlos Agreda, Ph. D

3. Recopilar información del futuro líder sucesor

Carlos Agreda, Ph. D

Carlos Agreda, Ph. D

5. Existen buenos candidatos dentro de la familia?:

Carlos Agreda, Ph. D

Carlos Agreda, Ph. D

Carlos Agreda, Ph. D

Carlos Agreda, Ph. D

mínimos condicionados de determinadas funciones.

Posteriormente el matemático fránces Jean Baptiste-

En este año, el matemático ruso Leonodas Vitalyevich

Carlos Agreda, Ph. D

En 1941-1942 se formula por primera vez el problema

Carlos Agreda, Ph. D

Una de las primeras aplicaciones de los estudios del

programación lineal. Cabe citar, entre otros, Rand

Carlos Agreda, Ph. D

En 1858 se aplicaron los métodos de la programación

respecto a los costos previstos.

Se ha estimado, de una manera general, que si un país

Carlos Agreda, Ph. D

Carlos Agreda, Ph. D

Carlos Agreda, Ph. D

Programación es el planeamiento generalmente de

Carlos Agreda, Ph. D

Modelo y uso de interpretación

Modelo dual y precio optimo.

Las características principales de la programación

Carlos Agreda, Ph. D

El valor optimo obtenido usando la programación

Para solucionar los problemas aplicando la

programación lineal existen algoritmos genéricos

En la actualidad, existen varios softwares para

Carlos Agreda, Ph. D

Aditividad: En un modelo de P. L, es necesario

Carlos Agreda, Ph. D

Optimalidad: Es un problema de P. L una

El problema general de programación lineal puede ser

Carlos Agreda, Ph. D

En otras palabras, se tiene:

Se debe mencionar que para algunas situaciones

Carlos Agreda, Ph. D

El problema de maximización también puede ser expresado

Carlos Agreda, Ph. D

Las restricciones pueden expresarse matricialmente de

Carlos Agreda, Ph. D

Por otro lado, el problema de programación lineal puede