UNIVERSIDAD NACIONAL DEL CENTRO DEL PERU

FACULTAD DE INGENIERIA DE MINAS

CURSO: INVESTIGACION DE OPERACIONES

EJEMPLO Y METODO ALGEBRAICO

Ing. Eli Teobaldo Caro Meza

HUANCAYO - 2019 I
 MODELO SIN SOLUCIÓN ÓPTIMA

NO FACTIBLE: Ocurre cuando en el

modelo no hay ningún punto de
factible.

NO ACOTADO: Ocurre cuando el

objetivo puede crecer infinitamente
(objetivo a maximizar).
 INFACTIBILIDAD

Ningún punto se encuentra,

simultáneamente, sobre la línea 1
la línea 2 y 3

1
3
SOLUCIÓN NO ACOTADA


 EJEMPLO Nº 1.
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 planificada Costo ($)
mineras (%) (%) (Tm/día) (Hr/hombre/Tm)
Tajeo 1 4 6 40 4
Tajeo 2 8 4 60 6

5
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
6
 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 
 1 6
x  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:
Tajeo 2 …….. X2 ≤ 60 Tm/dia
7
 iii. La producción requerida es:
x1 + x2 = 80 Tm/día.
iii. Contenido mínimo de Zn:
0.04x1 + 0.08x2 ≥0.065 (x1 + x2)
iii. Contenido mínimo de Pb:
0.06x1 + 0.04x2 ≥0.045 (x1 + x2)

Luego el planeamiento matemático para resolver este

problema de programación lineal mediante el método
grafico será el siguiente:

Min Z  4 x1  6 x2
Sujeto a:
8
 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 los cuales valores negativos no son aceptables.
9
Resolver:
Min Z  4 x1  6 x2
Sujeto a:
x1 ≤ 40 ….. (1)
x2 ≤ 60 ….. (2)
x1 + x2 ≤ 80 ….. (3)
-2.5x1 + 1.5x2 ≥ 000 ….. (4)
1.5x1 - 0.5x2 ≥ 000 ….. (5)
x1, x2 ≥ 0 ….. (6)
 LA SOLUCIÓN GRAFICA PARA ESTE
PROBLEMA SE MUESTRA EN EL
DIAGRAMA CONCEPTUAL SIGUIENTE:

11
12
En el cual se puede observar lo siguiente:
Las coordenadas (x1, x2) de un punto
satisfaceran 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.
13
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
14
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.
15
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)
x1 ≥ 0 x2 ≥ 0
16
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

17
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 4

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.

18
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
x3 = 15000
holgura x3, x4, x5, x6; solo
x4 = 10000 reportan disponibilidad.
x5 = 12000
x6 = 10000

19
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).
20
x2 = 0
x1 + x3 = 15000  x3 = 15,000 – x1 → x1 = 15000
2x1 + x4 = 10000  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 tomaría un valor
negativo, contradiciendo las condiciones de no
negatividad.
21
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

22
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 + x2 + x4 = 10000
→ x1 = 5000 - ½x2 - ½x4

23
Reemplazando este valor de x1 en el
funcional Z se obtiene:

Zmax = 4x1 + 3x2

Zmax = 20000 + x2 – 2x4
 Se introduce x2

Como se maximiza, se ve que la

incorporación de x2 lo beneficia,
mientras que x4 lo perjudica.
24
 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 → ()

25
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)

26
De: () x3 = 0 cuando x2 = 4000
() x1 = 0 cuando x2 = 10000
() x5 = 0 cuando x2 = 2000 (se elige el valor menor
para evitar valores
(w) x6 = 0 cuando x2 = 10000 negativos)

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?
x6 = 4000 27
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
28
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 (4) 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 el
algoritmo simplex.
29
EJERCICIOS
 EJERCICIO Nº 1
Se tiene el siguiente problema de programación lineal.
Max Z = 3x1 + 2x2

Sujeto a: 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 y algebraico
• Discutir los resultados
31
 EJERCICIO Nº 2.

una compañía minera subterránea, ubicada a 4500

msnm 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 $/Tm. Se
muestra en la tabla I
Tabla I
Mining stopes Tipos de concentrados Disponibilidad
I (TM) II (TM) (Tm/month)
A 1 3 15,000
B 2 1 10,000
C 2 2 12,000
D 1 1 10,000
Utility (US$/Tm) 4 3
32
Se pide:

i. Calcular el tonelaje de concentrado

de cada tipos de mineral que debe
producirse, para maximizar la
rentabilidad de dicha empresa
minera, con el método grafico y
algebraico.

ii. Discutir los resultados

33