UNIVERSIDAD NACIONAL DE SAN CRISTOBAL

DE HUAMANGA
FACULTAD DE INGENIERIA DE MINAS, GEOLOGIA Y CIVIL
ESCUELA DE FORMACION PROFESIONAL DE INGENIERIA
DE MINAS

TEMA:

PROGRAMACION LINEAL
 METODO SIMPLEX
GRUPO 10

 Alegría rincón, Ana Orfelinda.

 Bustíos Diaz, Percy.
 Paredes Chavez, Tania.
 Quispe Huamaccto, Edwar

Curso de investigación con PL

 INTRODUCCIÓN
El método algebraico es muy dispendioso, en razón a que trabaja
con todos los datos de las ecuaciones, para mejorar éste aspecto
se creó el método simplex cuya gran virtud es su sencillez,
método muy práctico, ya que solo trabaja con los coeficientes de
la función objetivo y de las restricciones. Las reglas de decisión
para determinar la variable que entra, la que sale, la gran M, y
cómo determinar que estamos en el óptimo; Todas éstas reglas
de decisión fueron deducidas del método algebraico, solamente
que aquí se han acomodado para ser usadas en el tipo de
tablero simplex que se usará
El método símplex forma parte de los métodos de solución de
programación lineal. el método simplex es un conjunto de
algoritmo. La aplicación del método simplex en los problemas de
minería subterránea ha demostrado ser eficiente dado que el
método simplex es un método muy práctico, ya que solo trabaja
con los coeficientes de la función objetivo y de las restricciones.
Curso de investigación con PL
 1.método simplex

OBJETIVOS DE PL

Familiarizarse con algunas

aplicaciones básicas de la
programación lineal, estudiadas desde
un punto de vista algorítmico,
adaptado al perfil del ingeniero.
 Maximizar beneficios o minimizar
costos.
 Facilitar en la solución del PL.

Curso de investigación con PL

 1.1PROGRAMACION LINEAL

Es una técnica de optimización que consiste en la

maximización o minimización de una función
lineal, llamada función objetivo, sujeta a
restricciones también lineales.
La programación lineal es una técnica
matemática de optimización que permite la
administración racional de los recursos
(humanos, materiales, económicos). A diversas
actividades de la organización, de tal manera que
a la vez se cumple con ciertas condiciones que se
busca alcanzar un determinado objetivo.
Curso de investigación con PL
Formación del Problema: Es una de las fases más importantes
en la aplicación de la programación lineal; es decir, la
representación matemática del problema que se desea resolver,
una guía útil en la formulación del problema
A. FASE I.− Formación del Problema:
Es una de las fases más importantes en la aplicación de la
Programación lineal; es decir, la representación matemática del
problema que se desea resolver, una guía útil en la formulación del
problema es:
Determinar el objeto del problema
El cual puede ser:
Maximizar.− utilidades, producción, publicidad, audiencia, etc.
Minimizar.− costo, tiempo, distancia, desperdicios, etc.
Definir las variables del problema, así cual es el sistema de
medicina a utilizar números de artículos, horas−hombres,
horas−maquina, etc.

Curso de investigación con PL

Establecer las restricciones del problema, en cuanto a
materia prima, tiempo, recursos financieros, requerimientos de
producción, etc.
B.FASE II.− Construcción del Modelo del Problema:
cuando la función objetivo a optimizar (maximizar ó minimizar),
así como las restricciones son funciones lineales, entonces el
problema es completamente lineal y su forma general queda
establecida de la siguiente manera dada las j variables X1, X2,...
Xj, llamadas variables de decisión, determinar que valor de cada
una de ellas hacen máxima ó mínima una función objetivo Z, es
decir, que sea óptima, considerando que una función es óptima, si
primero es factible y su formulación general es:
 a)Función objetivo: Max ó Min Z= C1, X1, + C2 X2 + . . . +Cj X
 b) sujeta a las restricciones
a11 x1 + a12 x2 + . . . + a1 jXj < = > b1
a21 x1 + a22 x2 + . . . + a2 jXj < = > b2
ai1 X1 + ai2 X2 + . . . + aij Xj < = > bj Curso de investigación con PL
c) No−negatividad: X j 0 ; j = 1, 2, 3, ... N
DONDE: Z = Objetivo del problema (maximizar ó minimizar)
El propósito de la programación lineal es el de MAXIMIZAR o
MINIMIZAR funciones lineales de la forma:
f(X) = C1X1 + C2X2 + C3X3 +. .... ....+ CnXn
Sujeta a un sistema de inecuaciones o ecuaciones lineales.
a11X1 + a12X2 + a13X3 a1nXn <= b1
a21X1 + a22X2 + a23X3 a2nXn <= b2
am1X1 + am2X2 + am3X3 + amnXn <= bn
En donde las variables Xi (i = 1,2,3 n) son no negativas
1.2 DIVERSAS FORMAS DE PRESENTACION DEL MODELO
DE PROGRAMACION LINEAL
 Forma canónica de PL
Cuando el modelo no contiene ningún término independiente en
la función objetiva
Curso de investigación con PL
 Sus restricciones son de la forma:
“≤” Para el caso de maximización
“≥” Para el caso de minimización
Las variables de decisión aceptan valores no negativos
 Forma estandarizada de un PL
Es una forma más sistemática de expresar un problema de PL, aunque
este formulado en forma canónica, mixta o genérica es posible
transformar a la forma estándar
Sus características son los siguientes:
Todas las restricciones son ecuaciones, excepto para la restricción de no
negatividad que permanecen como desigualdades (≥ 0)
 Forma mixta de un PL
Para reconocer el PL en esta forma la ecuación no debe contener
ningún término independiente a la función objetivo. Las ecuaciones de
las restricciones tanto para el caso de maximización y minimización
indistintamente pueden contener:
La igualdad además de la “≤ o ≥” los rangos de existencia también son
no negativos Curso de investigación con PL
 METODOS DE SOLUCION POR EL
METODO SIMPLEX
Es un procedimiento iterativo que permite ir mejorando
la solución a cada paso. El proceso concluye cuando no
es posible seguir mejorando más dicha solución.
Deberá tenerse en cuenta que este método sólo trabaja
para restricciones que tengan un tipo de desigualdad
"≤" y coeficientes independientes mayores o iguales a 0,
y habrá que estandarizar las mismas para el algoritmo.
En caso de que después de este proceso, aparezcan(o
no varíen) restricciones del tipo "≥" o "=" habrá que
emplear otros métodos, siendo el mas común de las Dos
Fases.

Curso de investigación con PL

 TABLERO SIMPLEX
BASICO Z X1 X2 X3 S1 S2 S3 SOLUCION
Z 1 ... …. …. 0 0 0 0 0
S1 0 … …. …. 1 0 0 … ….
S2 0 …. …. …. 0 1 0 …. ….
S3 0 …. .. … 0 0 1 .. …..

Z 1 …. … …. .. … … ….

S1 0 … … …. .. ... … ….

X3 0 … …. …. .. .. … …

S3 0 ….. …. …. … … … ….

Z (Anterior) 1 …. .…. … 0 0 0 0

Pivote(CONJUGADA
) 0 .. … …. 0 0 0 …

Nuevo Z 1 … …. 0 0 …. 0 ...

Curso de investigación con PL

Conversión de signo de los términos independientes (las
constantes a la derecha de las restricciones
Deberemos preparar nuestro modelo de forma que los términos
independientes de las restricciones sean mayores o iguales a 0,
sino no se puede emplear el método Simplex. Lo único que
habría que hacer es multiplicar por "-1" las restricciones donde
los términos independientes sean menores que 0.
Ventaja: Con ésta simple modificación de los signos en la
restricción podemos aplicar el método Simplex a nuestro modelo.
Inconvenientes: Puede resultar que en las restricciones donde
tengamos que modificar los signos de las constantes, los signos
de las desigualdades fueran ("=", "≤"), quedando ("=","≥") por
lo que en cualquier caso deberemos desarrollar el método de las
Dos Fases. Este inconveniente no es controlable, aunque nos
podría beneficiar si sólo existen términos de desigualdad
("≤","≥"), y los "≥" coincidieran con restricciones donde el
término independiente es negativo.
Curso de investigación con PL
Todas las restricciones son de igualdad.
Si en nuestro modelo aparece una inecuación con una
desigualdad del tipo "≥", deberemos añadir una nueva variable,
llamada variable de exceso si, con la restricción si ≥ 0. La nueva
variable aparece con coeficiente cero en la función objetivo, y
restando en las inecuaciones.
Surge ahora un problema, veamos como queda una de nuestras
inecuaciones que contenga una desigualdad "≥" :
a11·x1 + a12·x2 ≥ b1 a11·x1 + a12·x2 - 1·xs = b1
Como todo nuestro modelo, está basado en que todas sus
variables sean mayores o iguales que cero, cuando hagamos la
primera iteración con el método Simplex, las variables básicas no
estarán en la base y tomarán valor cero, y el resto el valor que
tengan. En este caso nuestra variable xs, tras hacer cero a x1 y
x2, tomará el valor -b1. no cumpliría la condición de no
negatividad, por lo que habrá que añadir una nueva variable, xr,
que aparecerá con coeficiente cero en la función objetivo, y
sumando en la inecuación de restricción correspondiente.
Curso de investigación con PL
Quedaría entonces de la siguiente manera:
a11·x1 + a12·x2 ≥ b1 a11·x1 + a12·x2 - 1·xs + 1 ·xr = b1
Este tipo de variables se les llama variables artificiales, y aparecerán cuando
haya inecuaciones con desigualdad ("=","≥"). Esto nos llevará obligadamente a
realizar el método de las Dos Fases, que se explicará más adelante.
Del mismo modo, si la inecuación tiene una desigualdad del tipo "≤",
deberemos añadir una nueva variable, llamada variable de holgura si, con la
restricción si "≥" 0
. La nueva variable aparece con coeficiente cero en la función objetivo, y
sumando en las inecuaciones
A modo resumen podemos dejar esta tabla, según la desigualdad que
aparezca, y con el valor que deben estar las nuevas variables.

Curso de investigación con PL

OBSERVACION

Tipo de variable que

Tipo de desigualdad
aparece

≥ - exceso + artificial

= + artificial

≤ + holgura

Curso de investigación con PL

 DESARROLLANDO EL MÉTODO
SIMPLEX
Una vez que hemos estandarizado nuestro
modelo, puede ocurrir que necesitemos
aplicar el método Simplex o el método de
las Dos Fases. Véase en la figura como
debemos actuar para llegar a la solución de
nuestro problema.

Curso de investigación con PL

DIAGRAMA DE FLUJO

Curso de investigación con PL

 PROBLEMA DE APLICACIÓN DE
METODO SIMPLEX

 En una Unidad minera se vienen

explotando por el método de corte y
relleno ascendente mecanizado en los
tajeos 1 y 2 de 100 m. de longitud cada
uno y se tienen los siguientes datos:

Curso de investigación con PL

 Tajeo 1 :
producción : 1000 TCS
Relación de perforación : 1 m/TCS
Ley : 10 onz Ag / TCS
Factor de potencia : 0.29 Kg/TCS
Nº de taladros : 725
Margen económico actual : 25 $/TCS
 Tajeo 2 :
producción : 800 TCS
Relación de perforación : 1 m/TCS menos 10
% que el tajeo 1
Ley : 15 onz Ag / TCS
Factor de potencia : 0.35 Kg/TCS
Nº de taladros : 700
Margen económico actual : 55 $/TCS
Curso de investigación con PL
 En ambos tajeos se usan juego de
barrenos de 5 ,6 y 8 pies y como explosivo
dinamita semexa de 65 % de 7x7//8” en
peso igual 0.081kg/cartucho, previo
estudio de optimización de las operaciones
se pueden alcanzar hasta 900 TCS para el
tajeo 1 y 1200 TCS para el tajeo 2. Se
desea mejorar el margen económico
actual así mismo comprobar los valores
optimizado con los datos originales.
Curso de investigación con PL
 Solución

 Sea el tonelaje a producir

 Tejeo 1 : x1
 Tejeo 2 : x2

 Función objetiva
Max (Z) = 25X1+55X2

 Producción de los 2 tajeos

 1000 TCS +800 TCS = 1800 TCS

Curso de investigación con PL

 Calculando los metros perforados de acuerdo a la
producción de cada tejeo
1000 TCS * 1 m/ TCS + 800 TCS * 0.9 m/ TCS = 1720
metros perforados
X1 + 0.9X2 ≤ 1720 metros perforados
 Contenido fino
1000 TCS *10 onzAg/TCS + 800 TCS * 15 onzAg/TCS =
22000 onzAg
Entonces
10X1 + 15X2 ≥ 22000 onzAg
 Kilogramos de explosivos

1000 TCS * 0.29 kg/ TCS + 800 TCS * 0.35kg/ TCS = 570
kg. de explosivos
Entonces
 0.29X1 + 0.35X2 ≤ 570 kg. De explosivo
Curso de investigación con PL
 RESUMIENDO

 Función objetivo : Max (Z) = 25X1+55X2

 Sujeto a las siguientes restricciones

X1 + 0.9X2 ≤ 1720
10X1 + 15X2 ≥ 22000
0.29X1 + 0.35X2 ≤ 570
X1 ≤ 900
X2 ≤ 1200

X1 ,X2 ≥ 0 , por la condición de no negatividad

Curso de investigación con PL
SOLUCION POR EL METODO
TABLERO SIMPLEX
 Función objetivo : Max (Z) = 25X1+55X2
 Sujeto a las siguientes restricciones
 X1 + 0.9X2 ≤ 1720

 10X1 + 15X2 ≥ 22000
 0.29X1 + 0.35X2 ≤ 570
 X1 ≤ 900
 X2 ≤ 1200
 X1 ,X2 ≥ 0 , condición de la no
negatividad
Curso de investigación con PL
 Llevando las ecuaciones a la
forma estándar

 Max(z) = 25X1 + 55X2 + S2 + S1 + S3 + S4 +S5 –L1

 X1 + 0.9X2 + S1 = 1720

 10X1 + 15X2 - S2 + L1 = 22000

 0.29X1 + 0.35X2 + S3 = 570
 X1 + S4 = 900
 X2 + S5 = 1200

Curso de investigación con PL

TABLERO SIMPLEX

Curso de investigación con PL

 BASE Z X1 X2 S2 S1 S3 S4 S5 L1 SOLUCION

Z 1 -25 -55 0 0 0 0 0 0 0

S1 0 1 0.9 0 1 0 0 0 0 1720 1911.11

S3 0 10 15 -1 0 1 0 0 0 22000 1466.67

S4 0 0.29 0.35 0 0 0 1 0 0 570 1628.57

S5 0 1 0 0 0 0 0 1 0 900 No existe

L1 0 0 1 0 0 0 0 0 1 1200 1200

excel

Curso de investigación con PL

 BASE Z X1 X2 S2 S1 S3 S4 S5 L1 SOLUCION

Z 1 -25 0 0 0 0 0 0 55 66000

S1 0 1 0 0 1 0 0 0 -0.9 640 640

S3 0 10 0 -1 0 1 0 0 -15 4000 400

S4 0 0.29 0 0 0 0 1 0 -0.35 150 517.2414

S5 0 1 0 0 0 0 0 1 0 900 900

NRP X2 0 0 1 0 0 0 0 0 1 1200 No existe

Curso de investigación con PL

 1RA ITERACION:

Z actual 1 -25 -55 0 0 0 0 0 0 0

55xNRP 0 0 55 0 0 0 0 0 55 66000

Nuevo Z 1 -25 0 0 0 0 0 0 55 66000

S1 actual 0 1 0.9 0 1 0 0 0 0 1720

-0.9xNRP 0 0 -0.9 0 0 0 0 0 -0.9 -1080

Nuevo S1 0 1 0 0 1 0 0 0 -0.9 640

S3 actual 0 10 15 -1 0 1 0 0 0 22000

-15xNRP 0 0 -15 0 0 0 0 0 -15 -18000

Nuevo S3 0 10 0 -1 0 1 0 0 -15 4000

S4 actual 0 0.29 0.35 0 0 0 1 0 0 570

-0.35xNRP 0 0 -0.35 0 0 0 0 0 -0.35 -420

Nuevo S4 0 0.29 0 0 0 0 1 0 -0.35 150

S5 actual 0 1 0 0 0 0 0 1 0 900

0xNRP 0 0 0 0 0 0 0 0 0 0

Nuevo S5 0 1 0 0 0 0 0 1 0 900

Curso de investigación con PL

 BASE Z X1 X2 S2 S1 S3 S4 S5 L1 SOLUCION

Z 1 0 0 -2.5 0 2.5 0 0 17.5 76000

S1 0 0 0 0.1 1 -0.1 0 0 0.6 240 2400

NRP X1 0 1 0 -0.1 0 0.1 0 0 -1.5 400 No entra

S4 0 0 0 0.029 0 -0.029 1 0 0.085 34 1172.414

S5 0 0 0 0.1 0 -0.1 0 1 1.5 500 5000

X2 0 0 1 0 0 0 0 0 1 1200 No existe

Curso de investigación con PL

2DA ITERACION:

Z actual 1 -25 0 0 0 0 0 0 55 66000

25xNRP 0 25 0 -2.5 0 2.5 0 0 -37.5 10000

Nuevo Z 1 0 0 -2.5 0 2.5 0 0 17.5 76000

S1 actual 0 1 0 0 1 0 0 0 -0.9 640

-1xNRP 0 -1 0 0.1 0 -0.1 0 0 1.5 -400

Nuevo S1 0 0 0 0.1 1 -0.1 0 0 0.6 240

S4 actual 0 0.29 0 0 0 0 1 0 -0.35 150

-0.29xNRP 0 -0.29 0 0.029 0 -0.029 0 0 0.435 -116

Nuevo S4 0 0 0 0.029 0 -0.029 1 0 0.085 34

S5 actual 0 1 0 0 0 0 0 1 0 900

-1xNRP 0 -1 0 0.1 0 -0.1 0 0 1.5 -400

Nuevo S5 0 0 0 0.1 0 -0.1 0 1 1.5 500

X2 actual 0 0 1 0 0 0 0 0 1 1200

0xNRP 0 0 0 0 0 0 0 0 0 0

Nuevo X2 0 0 1 0 0 0 0 0 1 1200

Curso de investigación con PL

 BASE Z X1 X2 S2 S1 S3 S4 S5 L1 SOLUCION

Z 1 0 0 0 0 0 86.207 0 24.828 78931.0345

S1 0 0 0 0 1 0 -3.448 0 0.307 122.75862

X1 0 1 0 0 0 0 3.4483 0 -1.207 517.241379

NRP S2 0 0 0 1 0 -1 34.483 0 2.931 1172.41379

S5 0 0 0 0 0 0 -3.448 1 1.2069 382.758621

X2 0 0 1 0 0 0 0 0 1 1200

Curso de investigación con PL

3RA ITERACION:

Z actual 1 0 0 -2.5 0 2.5 0 0 17.5 76000

2.5xNRP 0 0 0 2.5 0 -2.5 86.21 0 7.328 2931.0345

Nuevo Z 1 0 0 0 0 0 86.21 0 24.83 78931.034

S1 actual 0 0 0 0.1 1 -0.1 0 0 0.6 240

-0.1xNRP 0 0 0 -0.1 0 0.1 -3.448 0 -0.293 -117.2414

Nuevo S1 0 0 0 0 1 0 -3.448 0 0.307 122.75862

X1 actual 0 1 0 -0.1 0 0.1 0 0 -1.5 400

0.1xNRP 0 0 0 0.1 0 -0.1 3.448 0 0.293 117.24138

Nuevo X1 0 1 0 0 0 0 3.448 0 -1.207 517.24138

S5 actual 0 0 0 0.1 0 -0.1 0 1 1.5 500

-0.1xNRP 0 0 0 -0.1 0 0.1 -3.448 0 -0.293 -117.2414

Nuevo S5 0 0 0 0 0 0 -3.448 1 1.207 382.75862

X2 actual 0 0 1 0 0 0 0 0 1 1200

0xNRP 0 0 0 0 0 0 0 0 0 0

Nuevo X2 0 0 1 0 0 0 0 0 1 1200

Curso de investigación con PL

 RESULTADOS

De donde:
X1 = 517.24
X2= 1200
Z = 78931.034

Curso de investigación con PL

 CONCLUSIONES

 Existen muchos métodos analíticos para resolver

programas lineales, sin embargo uno de ellos,
llamado método simplex, es el que se usa
universalmente debido a su eficiencia
computacional.
 En PL, el término optimizar se usa para indicar la
maximización o la minimización de una función
según sea conveniente como: requerimiento,
capacidades, ganancias, etc. Son funciones que
se deben maximizar. En cambio costos, perdidas,
accidentes se deben minimizar.
Curso de investigación con PL
 El método de tablero simplex llega a la solución
optima por medio de iteraciones o pasos sucesivos,
utiliza los conceptos básicos del algebra matricial.
 El método de solución del tablero simplex
prácticamente son laboriosos, tediosos y consume
mucho tiempo cuando ellos son realizados
manualmente; por eso se han desarrollado varios
softwares que permiten dar soluciones reales
concretas y rápidas a cualquier problema de PL
como por ejemplo el software SUPER LINDO,
WinQsB2, etc.
 En el problema planteada se ha demostrado con
ambos métodos de solución y utilizando el
programa así obteniendo los mismos resultados.
Curso de investigación con PL
 RECOMENDACIONES

 El método grafico se usa para dar solución a

dos variables, los resultados se aproximan si se
grafica manualmente.
 Se recomienda el uso del software para el método
Grafico y método de tablero simplex , porque con
ella da resultados exactos.
 El método de tablero simplex se usa para dar
soluciones a n variables
 Se recomienda para ambos métodos de solución
estructurar el análisis de la función objetiva y sus
restricciones , ya de estos dependerán obtener
soluciones optimas y por ende tomar decisiones
adecuadas. Curso de investigación con PL
Curso de investigación con PL