A Dios por habernos permitido llegar hasta este

punto y darnos salud, ser el manantial de vida y

darme lo necesario para seguir adelante da a da
para lograr mis objetivos, adems de su infinita
bondad y amor.

INTRODUCCIN
La optimizacin de los procesos mineros en minera subterrnea en la
actualidad, es una herramienta que le permite a las diferentes empresas que
extraen los recursos minerales aumentar la vida de sus proyectos mineros,
obtener recursos minerales de menor tenor, incrementar las reservas probadas
del mineral de inters y obtener utilidades mayores, entre otros.
Debido a esto se plantea una propuesta destinada a optimizar el diseo de
perforacin y voladura (P&V) en la Mina chungar, para mejorar la
fragmentacin del material volado, ya que esta operacin es uno de los
procesos de mayor relevancia en la extraccin minera y su misin especfica es
condicionar la roca (mineral o estril), para su posterior tratamiento, de forma
econmica y sustentable.
Por tal motivo la presente investigacin contara con seis (6) captulos, los
cuales estarn distribuidos de la siguiente manera:
Captulo I, conformado por las generalidades de la investigacin, entre las
cuales se encuentran el planteamiento del problema, los objetivos de la
investigacin, la justificacin, alcance y limitaciones encontradas en la
realizacin del proyecto.
Captulo II Descripcin del medio fsico, dar a conocer la resea histrica,
descripcin y estructura de la empresa, ubicacin del rea, caractersticas
fsico natural, la geologa y el ciclo productivo, entre otros.
Captulo III Marco terico, donde encontraremos las bases tericas, dentro de
las cuales encontraremos conceptos y frmulas matemticas relacionadas al
problema dual.

OBJETIVOS
El principal propsito del presente trabajo es desarrollar un conjunto de
modelos basados en la programacin lineal, para la resolucin de problemas
de planificacin de la produccin en condiciones de incertidumbre para
empresas mineras.

CAPITULO II
DUALIDAD EN PROGRAMACION LINEAL
Asociado a cada problema lineal existe otro problema de programacin lineal
denominado problema dual (PD), que posee importantes propiedades y
relaciones notables con respecto al problema lineal original, problema que para
diferencia del dual se denomina entonces como problema primal (PP).
Las relaciones las podemos enumerar como siguen:
a) El problema dual tiene tantas variables como restricciones tiene el programa
primal.
b) El problema dual tiene tantas restricciones como variables tiene el programa
primal.
c) Los coeficientes de la funcin objetivo del problema dual son los trminos
independientes de las restricciones del programa primal.
d) Los trminos independientes de las restricciones del dual son los
coeficientes de la funcin objetivo del problema primal.
e) La matriz de coeficientes tcnicos del problema dual es la traspuesta de la
matriz tcnica del problema primal.
f) El sentido de las desigualdades de las restricciones del problema dual y el
signo de las variables del mismo problema, dependen de la forma de que tenga
el signo de las variables del problema primal y del sentido de las restricciones
del mismo problema. (Ver tabla de TUCKER)
g) Si el programa primal es un problema de maximizacin, el programa dual es
un problema de minimizacin.
h) El problema dual de un problema dual es el programa primal original.

Tabla de TUCKER

PREGUNTAS:
Por qu se plantea el programa dual?
Qu significado tiene su solucin?
La solucin del dual se puede obtener desde el primal?
RESPUESTAS:
A)

Por una parte permite resolver problemas lineales donde el

nmero de restricciones es mayor que el nmero de variables. Gracias a

los teoremas que expondremos a continuacin la solucin de unos de
los problemas (primal o dual) nos proporciona de forma automtica la
solucin del otro programa.

B)

La

dualidad

permite

realizar

importantes

interpretaciones

econmicas de los problemas de programacin lineal.

C) La dualidad permite generar mtodos como el mtodo dual del simplex
de gran importancia en el anlisis de post-optimizacin y en la
programacin lineal paramtrica.

IMPORTANCIA DE LA DUALIDAD EN PROGRAMACIN LINEAL

La resolucin de los problemas duales respecto a los primales se justifica dada
la facilidad que se presenta dados problemas donde el nmero de restricciones
supere al nmero de variables. Adems de tener gran aplicacin en el anlisis
econmico del problema.
Otra de las ventajas que presenta es que dado a que el nmero de
restricciones y variables entre problema dual y primal es inverso, se pueden
resolver grficamente problemas que presenten dos restricciones sin importar
el nmero de variables.
Consideremos el siguiente problema lineal:
Min Z(x) = 2 x1 + 3 x2 + 5 x3 + 2 x4 + 3 x5
Sujeto a:
X1+ x2 + 2 x3 + x4 + 3 x5 4
2 x1 - x2 + 3 x3 + x4 + x5 3
X1 0, x2 0, x3 0, x4 0, x5 0
Dado que se trata de un programa lineal en forma cannica, ello nos
proporciona un dual en forma simtrica como el siguiente:
Max G () = 4 1 + 3 2

Sujeto a:
1 + 2 2 2
1 - 2 3
2 1 + 3 2 5
1 + 2 2
3 1 + 2 3
1 0, 2 0

Este problema solo tiene dos variables y cinco restricciones por tanto se puede
resolver grficamente:

vrtice solucin es el punto (4/5,3/5) con un valor de la funcin objetivo de 5.

x1 +3x5 =4
2 x1 + x5 = 3
La solucin de este sistema es : x1 = 1 y x5 = 1, lo cual nos proporciona un
valor de la funcin objetivo de Z(x) = 5, idntico a la solucin del dual

RESOLUCIN DEL PROBLEMA DUAL, PASO A PASO

El siguiente problema a resolver nos ayudara a entender el procedimiento que
se debe llevar acabo para un problema dual, dado que trataremos de resolver
un problema primal y su dual mediante Mtodo Simplex utilizando variables de
holgura, exceso y artificiales; adems resolveremos el primal utilizando Simplex
maximizando y el dual minimizando.

Dado el siguiente modelo primal,

ZMAX = 40X1 + 18X2
16X1 + 2X2 700
6X1 + 3X2 612
X1 80
X2 120

Cuya respuesta es

X1 = 28,75
X2 = 120
S1 = 79.5
S3 = 51.25
Funcin objetivo = 3310

Procedemos a resolver el problema dual

PASO 1: Definimos el problema dual

Este paso se lleva a cabo teniendo en cuenta las relaciones que se expusieron
en la definicin de la dualidad. Ahora las variables en el dual las
representaremos por "" y corresponden a cada restriccin.
El modelo queda de la siguiente forma:
ZMIN = 7001 + 6122 + 803 + 1204
161 + 62 + 3 40
21 + 32 + 4 18
1;4 0
Ahora preparamos el modelo para ser resuelto mediante Mtodo Simplex,
utilizaremos el procedimiento en el cual la funcin objetivo es multiplicada
por (-1) y resolveremos el modelo mediante maximizacin.

ZMIN = 7001 + 6122 + 803 + 1204

Lo que es igual:
(-Z)MAX = -7001 - 6122 - 803 - 1204
Ahora dado que los signos de las inecuaciones son mayor o igual procedemos
a volverlas ecuaciones agregando variables de exceso, recordemos que en
este caso las variables de exceso se restan del lado izquierdo de la igualdad,
por ende.
161

+ 62 + 3

+ 04 - 1S1

211

+ 32 + 03 + 4

+ 0S2 = 40

+ 0S1 - 1S2 = 18

1; 4 0
Recordemos que el Mtodo Simplex solo es posible por la formacin de la
matriz identidad, sin embargo en una matriz identidad no pueden ir coeficientes
negativos, el cual es el caso, por ende recurriremos al artificio denominado
"Mtodo de la M grande" utilizando variables artificiales, las cuales siempre se
suman.
161

+ 62 + 3

+ 04 - 1S1

211

+ 32 + 03 + 4

+ 0S2 + 1A1 + 0A2 40

+ 0S1 - 1S2

+ 0A1 + 1A2 18

1; 4 0
Ahora si observamos la matriz identidad formada por las variables artificiales,
nuestra funcin objetivo es la siguiente (vara dada la incorporacin de las
nuevas variables).

(-Z)MAX = -7001 - 6122 - 803 - 1204 + 0S1 + 0S2 - MA1 - MA2

Recordemos que el coeficiente de las variables de holgura y exceso es 0,

adems que los coeficientes de las variables artificiales es M, donde M
corresponde a un nmero grande poco atractivo cuyo signo en la funcin
objetivo depende del criterio de la misma, dado que la funcin es maximizar el
signo es negativo. Dado que utilizaremos el Mtodo Simplex y no un software
para la resolucin del modelo es necesario que M adquiera valor, en este caso
ser "-10000" un nmero bastante grande en el problema.

Las iteraciones que utiliza el Mtodo Simplex son las siguientes:

Podemos observar que todos los Cj - Zj son menores o iguales a 0, por ende
hemos llegado a la solucin ptima del problema, sin embargo recordemos que
la funcin objetivo fue alterada en su signo al principio, por ende se hace
necesario regresarle su signo original a Zj y a la fila Cj - Zj.
(-Z) max = -3310 *

(-1)

Zmax = 3310
Podemos cotejar con la funcin objetivo del modelo primal y encontraremos
que hallamos el mismo resultado.

Ahora se hace necesario interpretar los resultados de la tabla dual respecto al

modelo primal, y esta interpretacin se realiza siguiendo los siguientes
principios.

La interpretacin del tabulado final del modelo dual es la siguiente:

TEOREMAS DE LA DUALIDAD EN PROGRAMACIN LINEAL

1. Si el modelo primal o dual tiene solucin ptima finita entonces su
respectivo dual o primal tendrn solucin ptima finita.
2. Si el modelo primal o dual tiene solucin ptima no acotada, entonces su
respectivo dual o primal no tendrn solucin, ser un modelo infactible.
3. Si el modelo primal o dual no tiene solucin entonces su respectivo dual
o primal no tendrn solucin.
4. Sea "A" un modelo primal cuyo modelo dual es "B", el modelo dual de
"B" es igual a "A", es decir "El modelo dual de un dual es un modelo
primal"