Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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.
Por otro lado, se sabe que lograr las metas con éxito,
se tiene las siguientes claves.
2
Carlos Agreda, Ph. D
5
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
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
Fuente: Comercio
10
5
El perfil del líder sucesor, debe tener capacidades
desarrolladas para:
11
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.
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.
16
8
6. Escoger el mas idóneo.
7. Anunciar la decisión
18
9
Programación Lineal
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.
Carlos Agreda, Ph. D
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.
Programación Lineal
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
Carlos Agreda, Ph. D
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.
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
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
14
Programación Lineal
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
Investigación De Operaciones
Consecuentemente
Máxima producción Minimiza costos
maximiza la
y productividad operaciones
rentabilidad de las
empresas de
Carlos Agreda, Ph. D
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
31
32
16
¿Qué es Programación?
34
17
Características de la programación lineal.
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
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
39
40
20
Planteamiento general del problema de programación
lineal
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
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
Carlos Agreda, Ph. D
.
.
.
Am 1 x1 + am 2 x 2 + ………+ am n ≤ bm
44
22
La condición de no negatividad, será:
x1 ≥ 0; x2 ≥0, …….., xn ≥0
A matriz mxn
a1 1 a1 2 ......a1n
x1
a2 1 a2 2 ......a2 n ≥
b1
x b ≥
2
=
2 Ax b
.
Carlos Agreda, Ph. D
. . ≤
≤
.
. .
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
. .
. .
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
Ax ≥ B } Restricción
≤
Carlos Agreda, Ph. D
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.
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
programación lineal.
Método Grafico
54
27
Summary
56
28
Problema de aplicación Nº 1.
Min 10 X1 + 16X2
S.T
8X1 + 4X2 24 (1)
5X1 + 20X2 40 (2)
Se pide:
i. Graficar el problema de programación lineal
ii. Discutir los resultados
57
Problema de aplicación Nº 2.
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.
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
Carlos Agreda, Ph. D
Tm Tm
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
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)
Carlos Agreda, Ph. D
y
obviamente: x1, x2 ≥ 0 ….. (6)
31
Carlos Agreda, Ph. D
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
65
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
67
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).
69
Problema de aplicación Nº 3.
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
Problema de aplicación Nº 4.
Se pide:
72
36
Método Algebraico
Max Z 4 x1 3x2
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
75
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
Carlos Agreda, Ph. D
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.
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
Carlos Agreda, Ph. D
39
Se elige → x1 = 5000 y el sistema será:
x1 5000
Re ales
x2 0
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
81
82
41
De B) 2x1 + x2 + x4 = 10000
x1 = 5000 – ½x2 → ()
De D) x1 + x2 + x6 = 10000
x6 = 10000 – (5000- ½x2) – x2
x6= 5000 – ½x2 → (w)
83
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
Igualando a ambas:
5000 – ½x2 – ½x4 = 6000 – x2 – ½x5
x2 = 2000 + x4 – x5 85
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
87
88
44
Paso 0 Adicione las variables de holgura a
todas las desigualdades.
89
Stop.
45
4. En un sistema de restricciones-ecuaciones, una
ecuación puede ser reemplazada por una
ecuación equivalente aplicando las operaciones
siguientes:
91
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.
93
47