Tema 5: Dualidad y sensibilidad de los modelos lineales.


Save this PDF as:
 WORD  PNG  TXT  JPG

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Tema 5: Dualidad y sensibilidad de los modelos lineales."

Transcripción

1 ema 5: Dualidad y sensibilidad de los modelos lineales. Objetivos del tema: Introducir el concepto de Sensibilidad en la Programación Lineal Introducir el concepto de Dualidad en la Programación Lineal Aprender a formular el modelo del problema Dual asociado al Primal Establecer la relación entre las sensibilidades del problema Primal y las soluciones del Dual

2 Sensibilidad en la Programación Lineal El análisis de sensibilidad para los modelos de Programación Lineal tiene por objetivo identificar el impacto sobre la solución del problema original tras determinadas modificaciones en los parámetros del problema, sin tener que resolver el problema nuevamente cada vez que se modifica uno de tales parámetro (como se verá más adelante, es suficiente con resolver el problema Dual). * * Sea B* la base óptima de un problema de Programación Lineal en forma estándar, entonces: B b B * * z c B B Si ahora se considera un cambio marginal en el vector de términos independientes b: Dicho cambio dará lugar a cambios en la solución ( B ) y el valor de la función objetivo (z): * b b b * * B B B * * * z z z Por tanto, y dado que se trata de un problema Lineal, se puede escribir: * B b B z c B B Dado lugar a * * * * z c c B b λ b λ c B B B B B Dicha ecuación, para una coordenada arbitraria j nos indica el cambio en el valor optimo de la función objetivo como resultado de un cambio marginal en la componente j del vector de términos independientes b. * z * b j bj z λ Estos parámetros de sensibilidad juegan un papel fundamental en aplicaciones de ingeniería y científicas. Como se verá en las secciones siguientes, los parámetros de sensibilidad son de hecho las variables del Problema Dual.

3 Ejemplo : Problema del carpintero Un carpintero fabrica dos tipos de mesas de madera. Cada mesa del tipo necesita 4 horas de mecanizado primario (preparación de piezas) y 4 horas de mecanizado secundario (ensamblado y barnizado). Análogamente, cada mesa del tipo necesita 3 horas de mecanizado primario y 7 horas de mecanizado secundario. Las disponibilidades diarias de mecanizados primario y secundario son respectivamente de 40 y 56 horas-máquina. La venta de una mesa del tipo reporta un beneficio de 70 euros, mientras que la venta de una mesa del tipo de 90 euros. iempo de mecanizado (horas) Disponibilidad diaria ipo de mesa ipo ipo (horas-máquina) Mecanizado primario Mecanizado secundario Beneficio ( ) Se trata de determinar el número de mesas de cada tipo que han de producirse diariamente para maimizar el beneficio obtenido. Solución: Problema del carpintero Este problema puede formularse como el problema de Programación Lineal siguiente: Maimizar z sujeto a , 0 Donde: cantidad diaria de mesas a fabricar del tipo cantidad diaria de mesas a fabricar del tipo 3

4 Solución: Problema del carpintero (continuación ) La solución óptima de este problema, como se observa en la figura, establece que han de producirse diariamente 7 y 4 sillas de los tipos y respectivamente, lo que da lugar a un beneficio de 850 euros. Este resultado indica que ambos recursos de mecanizado (primario y secundario) están plenamente utilizados porque las restricciones relacionadas con ellos están ambas activas. //Variables de decisión dvar float+ ; dvar float+ ; //Función objetivo maimize 70*+90*; //Restricciones subject to { 4* + 3* <= 40; 4* + 7* <= 56; } Final solution with objective 850: = 7; = 4; 4

5 Solución: Problema del carpintero (continuación ) Supóngase ahora que la capacidad de mecanizado puede aumentarse cada día en 8 horas-máquina. En estas condiciones: Cómo afecta esta ampliación de capacidad a los beneficios diarios? En qué tipo de mecanizado (primario o secundario) es preferible invertir estas 8 horas? Para responder a esta pregunta pueden calcularse las sensibilidades asociadas a cada una de las capacidades de mecanizado. El problema con la nueva capacidad de mecanizado primario incrementada en 8 horas-máquina es: Maimizar z sujeto a , 0 Final solution with objective 95: = 0.5; = ; Así, la solución óptima de este nuevo problema establece que han de producirse diariamente 0.5 sillas del tipo y sillas del tipo, dando lugar a un beneficio de 95 euros. Esta solución indica que el beneficio diario crece en 65 euros cuando la capacidad de mecanizado primario lo hace en 8 horas-máquina. * z 65 Así, la sensibilidad o precio sombra de la capacidad de mecanizado primario es el ratio euros, que determina el 8.5 b 8 crecimiento de la función objetivo al crecer la capacidad de mecanizado primario hora. El problema con la nueva capacidad de mecanizado secundario incrementada en 8 horas-máquina es: Maimizar z sujeto a , 0 Final solution with objective 95: = 5.5; = 6; 5

6 Solución: Problema del carpintero (continuación 3) Así, la solución óptima de este nuevo problema establece que han de producirse diariamente 5.5 sillas del tipo y 6 sillas del tipo, dando lugar a un beneficio de 95 euros. Esta solución indica que el beneficio diario crece en 75 euros cuando la capacidad de mecanizado secundario lo hace en 8 horas-máquina. * z 75 Así, la sensibilidad o precio sombra de la capacidad de mecanizado secundario es el ratio euros, que determina b 8 el crecimiento de la función objetivo al crecer la capacidad de mecanizado secundario hora. Nótese que dichas sensibilidades pueden obtenerse mediante la epresión: λ c A 4 7 En vista de los resultados, pueden etraerse las siguientes conclusiones: Incrementar la capacidad de mecanizado primario en hora-máquina incrementa el beneficio en 8.5 euros al día. Incrementar la capacidad de mecanizado secundario en hora-máquina incrementa el beneficio en euros al día. Si se dispusiese de 8 horas-máquina adicionales de mecanizado sería preferible invertirlas en el mecanizado secundario. Resumiendo: En general el precio sombra de una restricción proporciona el cambio en el valor de la función objetivo como resultado de un cambio unitario en el término independiente de la restricción, suponiendo que el resto de parámetros del problema permanecen inalterados. En muchos problemas de programación lineal los precios sombra son tan importantes como la solución del problema, ya que proporcionan información sobre el efecto en la función objetivo de cambios en los recursos disponibles. Como se verá en la siguiente sección, las sensibilidades o precios sombra pueden obtenerse simultáneamente resolviendo el problema Dual. 6

7 Dualidad en la Programación Lineal () Dado un problema de Programación Lineal, denominado problema Primal, eiste otro problema de Programación Lineal, denominado problema Dual, íntimamente relacionado con él. Se dice que ambos problemas son mutuamente duales. Bajo ciertas hipótesis, los problemas Primal y Dual dan lugar al mismo valor óptimo de la función objetivo, y por tanto se puede resolver indirectamente el problema Primal resolviendo el problema Dual. Esto puede suponer una ventaja computacional relevante. Problema Dual Dado el siguiente problema de Programación Lineal (problema Primal), su problema Dual es: Problema Primal Problema Dual Minimizar sujeto a z c A b 0 Maimizar sujeto a z b y A y c y 0 donde y=(y, y,, y m ) se denominan variables duales. Obsérvese que los mismos elementos (la matriz A y los vectores b y c) configuran ambos problemas. El problema primal no se ha escrito en forma estándar, sino en una forma que nos permite apreciar la simetría entre ambos problemas, y mostrar que el dual del dual es el primal. Para ello, escribiendo el dual como un problema de minimización, se tiene que: Minimizar sujeto a z b y A y c y 0 Maimizar z c sujeto a A b cuyo problema Dual es el Primal: 0 Minimizar sujeto a z c A b 0 7

8 Dualidad en la Programación Lineal () Como puede observarse: Cada restricción del problema Primal tiene asociada una variable del problema Dual Los coeficientes de la función objetivo del problema Primal son los términos independientes de las restricciones del problema Dual y viceversa La matriz de restricciones del problema Dual es la traspuesta de la matriz de restricciones del problema Primal. Si el problema Primal es de minimización, el Dual de maimización y viceversa. Problema Dual del Primal en forma estándar Dado el siguiente problema de Programación Lineal en la forma estándar: Minimizar sujeto a z c A b 0 Minimizar z c ó su Dual es: A b sujetoj a A b 0 Maimizar z () () b y b y b y () y sujeto a A A c () y Obtención del problema Dual a partir del Primal La tabla siguiente muestra las reglas para obtener el problema Dual de cualquier problema de Programación Lineal: Primal (Dual) Dual (Primal) Regla Minimizar Maimizar Regla Una variable 0 Una restricción de desigualdad Regla 3 Una variable 0 Una restricción de desigualdad Regla 4 Una variable no restringida en signo Una restricción de igualdad Regla 5 Una restricción de desigualdad Una variable 0 Regla 6 Una restricción de desigualdad Una variable 0 Regla 7 Una restricción de igualdad Una variable no restringida en signo 8

9 Ejemplo : Obtención del problema Dual a partil del Primal Dado el siguiente problema de Programación Lineal: Minimizar z 3 sujeto a Se trata de obtener su problema Dual. Solución: Obtención del problema Dual a partil del Primal Para obtenerlo se aplican las reglas anteriores de la forma siguiente: Regla. Puesto que el problema Primal es de minimización, el Dual es de maimización. Además, dado que el problema Primal tiene restricciones, el Dual tiene dos variables (y e y ). Los coeficientes que multiplican a dichas variables en la función objetivo del Dual son los términos independientes de las restricciones del Primal. Así, la función objetivo del Dual resulta ser: Maimizar z 3y y Regla 6. La primera restricción ( ) del problema Primal hace que la primera variable dual sea no negativa. y 0 Regla 7. La segunda restricción (=) del problema Primal hace que la segunda variable dual no esté restringida en signo. 9

10 Solución: Obtención del problema Dual a partil del Primal (continuación) Regla 4. Puesto que las dos primeras variables del problema Primal no están restringidas en signo, las dos primeras restricciones del Dual son de igualdad. Los coeficientes que multiplican a las variables duales en dichas restricciones son los de la matriz A traspuesta, y los términos independientes son los coeficientes de las dos primeras variables primales en la función objetivo del problema Primal. y y 0 y 0 y Regla. Puesto que la tercera variable del problema Primal es no negativa, la tercera restricción del Dual es de desigualdad ( ). Al igual que con las restricciones anteriores los coeficientes que multiplican a las variables duales en dicha restricción son los de la matriz A traspuesta, y el término independiente es el coeficiente de la tercera variable primal en la función objetivo del problema Primal. y Problema dual: Reuniendo todo lo anterior, el problema Dual resulta ser: Maimizar z 3y y sujeto a y 0y y 0y y Se deja como ejercicio la aplicación de dichas reglas para demostrar que el Dual del Dual es el Primal. 0

11 eoremas de dualidad: La importancia del problema dual se establece en los siguientes teoremas: Lema de dualidad débil: Sea una solución factible de un problema de Programación Lineal e y una solución factible de su problema Dual. Entonces: b y c Corolario: Si b y* = c * para dos vectores * e y*, factibles en los problemas Primal y Dual respectivamente, entonces se satisface: min 0 c b y ma b y A y c c A b, c b y * * * * y Por tanto, todas las desigualdades son de hecho igualdades y * e y* deben ser soluciones óptimas de los problemas Primal y Dual respectivamente, tal como establecía la hipótesis inicial. El teorema de dualidad fuerte establece que los problemas Primal y Dual tienen, en general, soluciones óptimas simultáneamente. eorema de dualidad: Si * es una solución óptima del problema Primal, eiste una solución óptima y* para el Dual, y el mínimo del Primal y el máimo del Dual presentan el mismo valor de la función objetivo b y* = c *. Recíprocamente, si y* es una solución óptima del Dual, eiste una solución óptima del Primal, *, y nuevamente los valores mínimo y máimo del Primal y Dual dan lugar a un valor común de la función objetivo b y* = c *. En otro caso, o un conjunto factible esta vacío o lo están los dos. En resumen, dado un problema de Programación Lineal y su Dual, una de las siguientes afirmaciones es cierta: Ambos problemas tienen solución óptima y los valores óptimos de las funciones objetivo respectivas coinciden. Uno de los problemas no está acotado y el otro tiene una región factible vacía.

12 Ejemplo 3: Problema del carpintero Dual Dado el problema del carpintero del Ejemplo 3 cuya formulación del problema Primal resultó ser: Maimizar z sujeto a , 0 donde cantidad diaria de mesas a fabricar del tipo cantidad diaria de mesas a fabricar del tipo Y cuya solución resultó se de z=850 euros para =4 y =8. Se trata de obtener y resolver el problema dual. Solución: Problema del carpintero Dual Para obtenerlo se aplican las reglas anteriores de la forma siguiente: Regla. Puesto que el problema Primal es de maimización, el Dual es de minimización. Además, dado que el problema Primal tiene restricciones, el Dual tiene dos variables (y e y ). Los coeficientes que multiplican a dichas variables en la función objetivo del Dual son los términos independientes de las restricciones del Primal. Así, la función objetivo del Dual resulta ser: Minimizar z 40y 56y Regla. Las dos restricciones ( ) del problema Primal hacen que las dos variables duales sean no negativas. y, y 0

13 Solución: Problema del carpintero Dual (continuación ) Regla 6. Puesto que las dos variables del problema Primal son no negativa, las dos restricciones del Dual son de desigualdad ( ). Además, los coeficientes que multiplican a las variables duales en dicha restricción son los de la matriz A traspuesta, y los términos independientes son los coeficientes que multiplican a las variables primales en la función objetivo del problema Primal. 4y 4y 70 3 y 7 y 90 Problema dual: Reuniendo todo lo anterior, el problema Dual resulta ser: Minimizar z 40 y 56 y sujeto a 4y 4y 70 3y 7y 90 y, y 0 Resolviendo dicho problema mediante OPL, se obtiene: //Variables de decisión Final solution with objective 850: dvar float+ y; y = 8.5; dvar float+ y; y = 9.375; //Función objetivo maimize 40*y+56*y; //Restricciones subject to { 4*y + 4*y >= 70; 3*y + 7*y >= 90; } Que cómo puede comprobarse coinciden con las sensibilidades calculadas en el Ejemplo. Además: c A 3 7 3

14 Solución: Problema del carpintero Dual (continuación 3) El problema Dual puede interpretarse de la siguiente manera: Dado que las soluciones del problema Dual coinciden con las sensibilidades del Primal, las variables y e y del problema Dual corresponden al incremento en el beneficio obtenido al vender mesas al incrementar en una hora de la capacidad de mecanizado primario y secundario respectivamente. Así, dichas sensibilidades pueden verse cómo el precio a la hora al que deberían venderse las capacidades de mecanizado si se quiere obtener al menos el mismo nivel de beneficios vendiendo tiempo de mecanizado que haciendo mesas. En esta situación las variables Duales pueden interpretarse de la siguiente manera: y y precio de venta de una hora de capacidad de mecanizado primario precio de venta de una hora de capacidad de mecanizado secundario Para preservar la competitividad del negocio, se ha de ofrecer el mínimo precio de venta de las capacidades de mecanizado primario y secundario diarias, esto es minimizar la función 40yy + 56yy, donde 40 y 56 representan respectivamente la disponibilidad diaria en horas de mecanizado primario y secundario respectivamente: Minimizar z 40y 56y Por otro lado, si se desea obtener al menos el mismo beneficio vendiendo horas de mecanizado que vendiendo mesas, el beneficio que se obtiene por la venta de las horas de mecanizado primario y secundario para producir una mesa de cada tipo no debe ser inferior al beneficio que se obtiene por venta de la misma: 4y 4y 70 3y 7y 90 Si añadimos que los precios de venta son cantidades no negativas, se obtiene de nuevo el problema Dual: y, y 0 Minimizar z 40y 56y sujeto a 4y 4y 70 3y 7y 90 y, y 0 4

15 Solución: Problema del carpintero Dual (continuación ) Una segunda interpretación del problema Dual es la siguiente: Supóngase que el carpintero desea contratar un segura contra las pérdidas de capacidad de mecanizado primario y secundario. En estas circunstancias, se trata de determinar el precio al que dicho seguro deberá pagar al carpintero cada hora de mecanizado primario y secundario perdida. Así, las variables de decisión del problema Dual serían en este caso: y y indemnización del seguro por cada hora de capacidad de mecanizado primario perdida indemnización del seguro por cada hora de capacidad de mecanizado secundario perdida Ahora, el seguro tratará de minimizar la cantidad total a pagar al carpintero en caso de indemnización, esto es minimizar la función 40y + 56y, donde 40 y 56 representan respectivamente la disponibilidad diaria en horas de mecanizado primario y secundario respectivamente: Minimizari i z 40y 56y Por otro lado, el carpintero tratará de fijar unas condiciones a la compañía de seguros según las cuales la indemnización del seguro por lo menos cubra las pérdidas equivalentes a los ingresos netos que se tendrían por la fabricación de cada uno de los dos tipos de mesas: 4y 4y 70 3y 7y 90 Si añadimos que las indemnizaciones del seguro son cantidades no negativas, se obtiene de nuevo el problema Dual: y, y 0 Minimizar z 40y 56y sujeto a 4y 4y 70 3y 7y 90 y, y 0 5

16 Ejercicio : Se ha concedido permiso a un nuevo tour operador para realizar vuelos entre Madrid y las islas Baleares e interinsulares. Para ello, debe comprar turborreactores con los que cubrir los vuelos entre Madrid y las islas, así como aviones de hélice y/o helicópteros con los que servir los vuelos interinsulares. Las características de los aparatos que puede comprar el operador se resumen en la siguiente tabla: ipo de aparato Coste (0 6 ) Mantenimiento diario ( ) Pilotos Copilotos Azafatas Capacidad mensual urborreactor Avión de hélice Helicóptero Además, se dispone de la siguiente información: La compañía desea operar con coste de mantenimiento mínimo. El presupuesto de compra es de 35 millones de euros. El permiso concedido requiere que el número mínimo de aparatos sea 5. Se pueden contratar hasta 0 pilotos y 6 azafatas, y se desea emplear al menos a 3 copilotos. El tráfico entre Baleares y Madrid se estima en a menos 8000 pasajeros al mes y el interinsular en 500 pasajeros al mes. En estas condiciones, se pide: a) Formular un modelo de programación lineal que proporcione el plan óptimo de compra. b) Resolverlo e interpretar la solución (pueden analizarse las variables de holgura del problema planteado en forma estándar, A = b). c) Un cambio en el contrato reduce el número mínimo de aparatos a 4. Analizar el efecto económico de esta modificación resolviendo nuevamente el problema Primal e interpretando la solución del Dual. d) Qué otros parámetros del problema producen una modificación en la función de coste?, en qué cantidad y por qué? e) Suponiendo que el contrato no impone ninguna restricción sobre el mínimo número de aparatos, cuál es dicho número? 6

17 Ejercicio : Un fabricante de tejidos posee una máquina que utiliza para la fabricación de diversos artículos. Para dos de ellos, denominadosa y B, la máquina está disponible durante 70 horas al mes. La cadencia de fabricación del artículo A es de 50 por hora, y la del B de 80 por hora. Cada unidad de A proporciona un beneficio por venta de 30 euros y cada unidad de B 0 euros. Además, la capacidad de absorción del mercado es limitada, y a lo sumo debemos fabricar cada mes 7000 artículos de A y 0000 de B. Artículo A Artículo B Disponibilidad ibilid d mensual (horas) Cadencia a la hora (nº artículos) Ma. nº de art. a fabricar mensualmente Beneficio ( ) 30 0 El fabricante muestra el deseo de maimizar el beneficio total. Para ello: a) Formular un programa lineal que dé respuesta a los deseos del fabricante. b) Resolverlo e interpretar su solución. c) Formular y resolver su problema dual. 7

Capítulo 5 Método Simplex

Capítulo 5 Método Simplex Capítulo 5 Método Simplex Cj 5-2 3 0 -M 0 0 V.B. b X1 X2 X3 X4 X5 X6 X7 5 X1 13/9 1 0 0-4/15 4/15 7/45 4/45 NO 3 X3 14/9 0 0 1 1/15-1/15 2/45 14/45 70/3-2 X2 1/3 0 1 0-3/15 3/15-2/15 1/15 NO Zj - Cj 101/9

Más detalles

TP1 Programación Lineal - 2009

TP1 Programación Lineal - 2009 Problema Trabajo Práctico Nº 1 de cerdo. Una carnicería 1 La carne prepara vaca hamburguesas contiene 80% con de carne una combinación y 20% de grasa de carne y le molida cuesta de $5 vaca el kilo, y carne

Más detalles

4.3 INTERPRETACIÓN ECONÓMICA DE LA DUALIDAD

4.3 INTERPRETACIÓN ECONÓMICA DE LA DUALIDAD 4.3 INTERPRETACIÓN ECONÓMICA DE LA DUALIDAD El problema de programación lineal se puede considerar como modelo de asignación de recursos, en el que el objetivo es maximizar los ingresos o las utilidades,

Más detalles

Investigación Operacional I EII 445

Investigación Operacional I EII 445 Investigación Operacional I EII 445 Programación Lineal Método Simple Gabriel Gutiérrez Jarpa. Propiedades Básicas de Programación Lineal Formato Estándar Un problema de programación lineal es un programa

Más detalles

ÁLGEBRA LINEAL - Año 2012

ÁLGEBRA LINEAL - Año 2012 UNIVERSIDAD NACIONAL DE RÍO CUARTO FACULTAD DE CIENCIAS ECONÓMICAS ÁLGEBRA LINEAL - Año 0 Notas de Cátedra correspondientes a la UNIDAD SIETE PROGRAMACIÓN LINEAL * INECUACIONES Se denomina inecuación a

Más detalles

Dualidad y Análisis de Sensibilidad

Dualidad y Análisis de Sensibilidad Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Industrial IN34A: Clase Auxiliar Dualidad y Análisis de Sensibilidad Marcel Goic F. 1 1 Esta es una versión bastante

Más detalles

Unidad 2 Método gráfico de solución

Unidad 2 Método gráfico de solución Unidad 2 Método gráfico de solución Los problemas de programación lineal (pl) que sólo tengan dos variables de decisión pueden resolverse gráficamente, ya que, como se ha visto en los Antecedentes, una

Más detalles

CAPITULO 4: OPTIMIZACIÓN

CAPITULO 4: OPTIMIZACIÓN CAPITULO 4: OPTIMIZACIÓN Optimización es el proceso de hallar el máimo o mínimo relativo de una función, generalmente sin la auda de gráficos. 4.1 Conceptos claves A continuación se describirá brevemente

Más detalles

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Fundamentos de Investigación de Operaciones Investigación de Operaciones de agosto de 200. Estandarización Cuando se plantea un modelo de LP pueden existir igualdades y desigualdades. De la misma forma

Más detalles

Programación Lineal 1. Prof. Jorge Amaya A. 2

Programación Lineal 1. Prof. Jorge Amaya A. 2 Programación Lineal 1 Prof. Jorge Amaya A. 2. Abril de 2007 1 Este es un teto destinado eclusivamente a los alumnos del curso MA37A-OPTIMIZACION, de la Escuela de Ingeniería de la Universidad de Chile.

Más detalles

Ejercicios resueltos de Programación Lineal

Ejercicios resueltos de Programación Lineal Investigación Operativa I 009 Ejercicios resueltos de Programación Lineal Mauricio estrella Erika Beatriz Palacin Palacios Pajuelo Daniel PREGUNTA Ingeniería de Sistemas y Computación UNDAC 3..6 la empresa

Más detalles

Unidad 5 Utilización de Excel para la solución de problemas de programación lineal

Unidad 5 Utilización de Excel para la solución de problemas de programación lineal Unidad 5 Utilización de Excel para la solución de problemas de programación lineal La solución del modelo de programación lineal (pl) es una adaptación de los métodos matriciales ya que el modelo tiene

Más detalles

EJERCICIOS DE REPASO SOBRE DERIVABILIDAD III. PROBLEMAS DE OPTIMIZACIÓN

EJERCICIOS DE REPASO SOBRE DERIVABILIDAD III. PROBLEMAS DE OPTIMIZACIÓN EJERCICIOS DE REPASO SOBRE DERIVABILIDAD III. PROBLEMAS DE OPTIMIZACIÓN Una de las aplicaciones más comunes de los conceptos relacionados con la derivada de una función son los problemas de optimización.

Más detalles

Unidad 7 Aplicación de máximos y mínimos

Unidad 7 Aplicación de máximos y mínimos Unidad 7 Aplicación de máimos y mínimos Objetivos Al terminar la unidad, el alumno: Interpretará el concepto de ingreso y costos marginal. Aplicará la función de ingresos en problemas de maimización. Aplicará

Más detalles

Tema 2. Espacios Vectoriales. 2.1. Introducción

Tema 2. Espacios Vectoriales. 2.1. Introducción Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por

Más detalles

Unidad 1 Modelos de programación lineal

Unidad 1 Modelos de programación lineal Unidad 1 Modelos de programación lineal La programación lineal comenzó a utilizarse prácticamente en 1950 para resolver problemas en los que había que optimizar el uso de recursos escasos. Fueron de los

Más detalles

INTERPRETACION ECONOMICA DEL ANALISIS DE SENSIBILIDAD

INTERPRETACION ECONOMICA DEL ANALISIS DE SENSIBILIDAD ESCOLA UNIVERSITÀRIA D ESTUDIS EMPRESARIALS DEPARTAMENT D ECONOMIA I ORGANITZACIÓ D EMPRESES INTERPRETACION ECONOMICA DEL ANALISIS DE SENSIBILIDAD Dunia Durán Juvé Profesora Titular 1ª Edición de 1995:

Más detalles

MATEMÁTICAS II APUNTES DE TEORÍA CURSO ACADÉMICO 2012-13. Carlos Ivorra

MATEMÁTICAS II APUNTES DE TEORÍA CURSO ACADÉMICO 2012-13. Carlos Ivorra MATEMÁTICAS II APUNTES DE TEORÍA CURSO ACADÉMICO 2012-13 Carlos Ivorra Índice 1 Introducción a la optimización 1 2 Programación entera 18 3 Introducción a la programación lineal 24 4 El método símplex

Más detalles

SOLUCIONES SESIÓN DE PRÁCTICAS 2

SOLUCIONES SESIÓN DE PRÁCTICAS 2 INVESTIGACIÓN OPERATIVA CURSO 2008/2009 EJERCICIOS PARA ENTREGAR SOLUCIONES SESIÓN DE PRÁCTICAS 2 Ejercicio 1 página 15 del cuadernillo: responder a todos los apartados. a) Determinar el número de unidades

Más detalles

euresti@itesm.mx Matemáticas

euresti@itesm.mx Matemáticas al Método al Método Matemáticas al Método En esta lectura daremos una introducción al método desarrollado por George Bernard Dantzig (8 de noviembre de 1914-13 de mayo de 2005) en 1947. Este método se

Más detalles

SISTEMAS INTELIGENTES

SISTEMAS INTELIGENTES SISTEMAS INTELIGENTES T11: Métodos Kernel: Máquinas de vectores soporte {jdiez, juanjo} @ aic.uniovi.es Índice Funciones y métodos kernel Concepto: representación de datos Características y ventajas Funciones

Más detalles

BREVE MANUAL DE SOLVER

BREVE MANUAL DE SOLVER BREVE MANUAL DE SOLVER PROFESOR: DAVID LAHOZ ARNEDO PROGRAMACIÓN LINEAL Definición: Un problema se define de programación lineal si se busca calcular el máximo o el mínimo de una función lineal, la relación

Más detalles

2) Se ha considerado únicamente la mano de obra, teniéndose en cuenta las horas utilizadas en cada actividad por unidad de página.

2) Se ha considerado únicamente la mano de obra, teniéndose en cuenta las horas utilizadas en cada actividad por unidad de página. APLICACIÓN AL PROCESO PRODUCTIVO DE LA EMPRESA "F. G. / DISEÑO GRÁFICO". AÑO 2004 Rescala, Carmen Según lo explicado en el Informe del presente trabajo, la variación en la producción de páginas web de

Más detalles

Valuación de opciones financieras mediante la teoría de la dualidad de la programación lineal

Valuación de opciones financieras mediante la teoría de la dualidad de la programación lineal Miscelánea Matemática 54 (2012) 99 120 SMM Valuación de opciones financieras mediante la teoría de la dualidad de la programación lineal J. Agustín Cano Garcés jacano@unam.mx Departamento de Matemáticas

Más detalles

MATEMÁTICAS III. RESTRICCIONES DE IGUALDAD

MATEMÁTICAS III. RESTRICCIONES DE IGUALDAD MATEMÁTICAS III. PROBLEMAS Y CUESTIONES TEMA 4: RESTRICCIONES DE IGUALDAD OPTIMIZACIÓN CON Problema 1: Una empresa calcula que puede alcanzar unos beneficios anuales (en miles de euros) dados por la función:

Más detalles

Caso Giapetto Inc. Entonces la Función Objetivo es igual a: [27*X 1 + 21*X 2 ] [10*X 1 + 9X 2 ] [14*X 1 + 10*X 2 ] = 3*X 1 + 2*X 2

Caso Giapetto Inc. Entonces la Función Objetivo es igual a: [27*X 1 + 21*X 2 ] [10*X 1 + 9X 2 ] [14*X 1 + 10*X 2 ] = 3*X 1 + 2*X 2 Caso Giapetto Inc. Objetivo del caso: Explicar los componentes de la programación lineal a través de la modelación de un ejemplo. La compañía Giapetto fabrica 2 tipos de juguetes de madera: soldados y

Más detalles

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Formulación de Modelos de Programacón Lineal 25 de julio de 2003 La (LP es una herramienta para resolver problemas de optimización

Más detalles

Problemas Resueltos de Desigualdades y Programación Lineal

Problemas Resueltos de Desigualdades y Programación Lineal Universidad de Sonora División de Ciencias Exactas y Naturales Departamento de Matemáticas. Problemas Resueltos de Desigualdades y Programación Lineal Para el curso de Cálculo Diferencial de Químico Biólogo

Más detalles

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Programación Lineal Entera

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Programación Lineal Entera Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 11 de septiembre de 2003 1. Introducción Un LP donde se requiere que todas las variables sean enteras se denomina un problema

Más detalles

1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n.

1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n. Ortogonalidad Producto interior Longitud y ortogonalidad Definición Sean u y v vectores de R n Se define el producto escalar o producto interior) de u y v como u v = u T v = u, u,, u n ) Ejemplo Calcular

Más detalles

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 1 de agosto de 2003 1. Introducción Cualquier modelo de una situación es una simplificación de la situación real. Por lo tanto,

Más detalles

Fundamentos de Investigación de Operaciones Asignación y Vendedor Viajero

Fundamentos de Investigación de Operaciones Asignación y Vendedor Viajero Fundamentos de Investigación de Operaciones y Vendedor Viajero 23 de mayo de 2004 Si bien la resolución del problema de transporte mediante tableau parece ser muy expedita, existen ciertos tipos de problemas

Más detalles

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una

Más detalles

MÉTODOS MATEMÁTICOS DE LA ECONOMÍA

MÉTODOS MATEMÁTICOS DE LA ECONOMÍA UNIVERSIDAD DE VALLADOLID DEPARTAMENTO DE ECONOMÍA APLICADA SUBSECCIÓN DE MATEMÁTICAS MÉTODOS MATEMÁTICOS DE LA ECONOMÍA Economía Derecho Administración y Dirección de Empresas RELACIÓN DE PROBLEMAS DE

Más detalles

CANTABRIA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / ÁLGEBRA / BLOQUE 1 / OPCIÓN A

CANTABRIA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / ÁLGEBRA / BLOQUE 1 / OPCIÓN A CANTABRIA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / ÁLGEBRA / BLOQUE 1 / OPCIÓN A BLOQUE 1 OPCIÓN A Un fabricante de coches lanza una oferta especial en dos de sus modelos, ofreciendo

Más detalles

Optimización y la Programación Lineal: Una Introducción

Optimización y la Programación Lineal: Una Introducción Reporte de Investigación 2007-07 Optimización y la Programación Lineal: Una Introducción Responsables: Marchena Williams Ornelas Carlos Supervisor: Francisco M. González-Longatt Línea de Investigación:

Más detalles

EJERCICIO 1. Sean las variables de decisión: x= n: de impresos diarios tipo A repartidos. y= n: de impresos diarios tipo B repartidos.

EJERCICIO 1. Sean las variables de decisión: x= n: de impresos diarios tipo A repartidos. y= n: de impresos diarios tipo B repartidos. EJERCICIO 1 Un estudiante dedica parte de su tiempo al reparto de propaganda publicitaria. La empresa A le paga 5 Bs.. por cada impreso repartido y la empresa B, con folletos más grandes, le paga 7 Bs.

Más detalles

Optimización, Solemne 2. Semestre Otoño 2012 Profesores: Paul Bosch, Rodrigo López, Fernando Paredes, Pablo Rey Tiempo: 110 min.

Optimización, Solemne 2. Semestre Otoño 2012 Profesores: Paul Bosch, Rodrigo López, Fernando Paredes, Pablo Rey Tiempo: 110 min. UNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERIA. ESCUELA DE INGENIERIA INDUSTRIAL. Optimización, Solemne. Semestre Otoño Profesores: Paul Bosch, Rodrigo López, Fernando Paredes, Pablo Rey Tiempo: min.

Más detalles

1. Producto escalar, métrica y norma asociada

1. Producto escalar, métrica y norma asociada 1. asociada Consideramos el espacio vectorial R n sobre el cuerpo R; escribimos los vectores o puntos de R n, indistintamente, como x = (x 1,..., x n ) = n x i e i i=1 donde e i son los vectores de la

Más detalles

DUALIDAD EN PROGRAMACIÓN LINEAL CON LINDO

DUALIDAD EN PROGRAMACIÓN LINEAL CON LINDO DUALIDAD EN PROGRAMACIÓN LINEAL CON LINDO Autores: Ángel A. Juan (ajuanp@uoc.edu), Javier Faulin (ffaulin@uoc.edu). ESQUEMA DE CONTENIDOS Partes de un problema de PL Precios duales o precios sombra Dualidad

Más detalles

4 Programación lineal

4 Programación lineal 4 Programación lineal TIVIES INIILES 4.I. Resuelve las siguientes inecuaciones de primer grado. a) ( ) 4( ) b) > 6 a) 6 4 8 6 4 8 6 9, Solución:, b) > 6 6 6 > 6 6 6 6 > 6 6 6 > 6 8 > 0 > Solución:, 4.II.

Más detalles

Espacios vectoriales y aplicaciones lineales

Espacios vectoriales y aplicaciones lineales Capítulo 3 Espacios vectoriales y aplicaciones lineales 3.1 Espacios vectoriales. Aplicaciones lineales Definición 3.1 Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea K un

Más detalles

1. Juegos de suma cero con dos jugadores

1. Juegos de suma cero con dos jugadores Teoría de juegos Jesús López Fidalgo Esta teoría está íntimamente relacionada con la teoría de la decisión. Lo que diferencia una de otra es el rival contra el que se entra en juego. En la teoría de la

Más detalles

SOLUCION DE MODELOS EMPRESARIALES POR COMPUTADORA

SOLUCION DE MODELOS EMPRESARIALES POR COMPUTADORA Tema 2 SOLUCION DE MODELOS EMPRESARIALES POR COMPUTADORA 2.1 SOFTWARE PARA SOLUCION DE MODELOS PL Programas típicos para resolver problemas de Programación Lineal: - QSB - SOLVER - GLP QSB (Quantitative

Más detalles

Números Reales DESIGUALDADES DESIGUALDADES. Solución de desigualdades. 2x + 4 < 6x +1 6x + 3 8x 7 x 2 > 3x 2 5x + 8. INECUACIONES o DESIGUALDADES

Números Reales DESIGUALDADES DESIGUALDADES. Solución de desigualdades. 2x + 4 < 6x +1 6x + 3 8x 7 x 2 > 3x 2 5x + 8. INECUACIONES o DESIGUALDADES Números Reales INECUACIONES o DESIGUALDADES DESIGUALDADES Una desigualdad en una variable es una expresión donde se establece una relación entre dos cantidades. Las relaciones de orden son: ,, Ejemplos:

Más detalles

OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 2 Programación Lineal

OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 2 Programación Lineal OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 2 Programación Lineal ORGANIZACIÓN DEL TEMA Sesiones: Introducción, definición y ejemplos Propiedades y procedimientos de solución Interpretación económica

Más detalles

Ministerio de Educación Nuevo Bachillerato Ecuatoriano. Programación lineal

Ministerio de Educación Nuevo Bachillerato Ecuatoriano. Programación lineal Ministerio de Educación Nuevo Bachillerato Ecuatoriano Programación lineal Con el fin de motivar a sus estudiantes, un profesor de Matemática decide proporcionarles dos paquetes de golosinas: uno con 2

Más detalles

Espacios Vectoriales

Espacios Vectoriales Espacios Vectoriales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 2 Índice 3.. Objetivos................................................ 3.2. Motivación...............................................

Más detalles

Sobre dos alimentos diferentes tenemos la siguiente información por kilogramo:

Sobre dos alimentos diferentes tenemos la siguiente información por kilogramo: EJEMPLO. Sobre dos alimentos diferentes tenemos la siguiente información por kilogramo: limento Calorías Proteínas (gr Precio (ptas B allar el coste mínimo de una dieta formada sólo por este tipo de alimentos

Más detalles

L A P R O G R A M A C I O N

L A P R O G R A M A C I O N L A P R O G R A M A C I O N L I N E A L 1. INTRODUCCIÓN: la programación lineal como método de optimación La complejidad de nuestra sociedad en cuanto a organización general y económica exige disponer

Más detalles

EXCEL: Herramienta Solver

EXCEL: Herramienta Solver EXCEL: Herramienta Solver Introducción Las planillas de cálculo se han convertido en herramientas obligadas de análisis de datos. Sin embargo, no siempre se aprovechan todas sus potencialidades. La planilla

Más detalles

TEMA II: ÁLGEBRA DE CONMUTACIÓN

TEMA II: ÁLGEBRA DE CONMUTACIÓN TEMA II: ÁLGEBRA DE CONMUTACIÓN En este capítulo veremos los métodos matemáticos que se disponen para las operaciones relacionadas con los circuitos digitales, así como las funciones más básicas de la

Más detalles

Repaso de matrices, determinantes y sistemas de ecuaciones lineales

Repaso de matrices, determinantes y sistemas de ecuaciones lineales Tema 1 Repaso de matrices, determinantes y sistemas de ecuaciones lineales Comenzamos este primer tema con un problema de motivación. Problema: El aire puro está compuesto esencialmente por un 78 por ciento

Más detalles

Ejemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR}

Ejemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR} Subespacios Capítulo 1 Definición 1.1 Subespacio Sea H un subconjunto no vacio de un espacio vectorial V K. Si H es un espacio vectorial sobre K bajo las operaciones de suma y multiplicación por escalar

Más detalles

30 = 2 3 5 = ( 2) 3 ( 5) = 2 ( 3) ( 5) = ( 2) ( 3) 5.

30 = 2 3 5 = ( 2) 3 ( 5) = 2 ( 3) ( 5) = ( 2) ( 3) 5. 11 1.3. Factorización Como ya hemos mencionado, la teoría de ideales surgió en relación con ciertos problemas de factorización en anillos. A título meramente ilustrativo, nótese que por ejemplo hallar

Más detalles

Una desigualdad se obtiene al escribir dos expresiones numéricas o algebraicas relacionadas con alguno de los símbolos

Una desigualdad se obtiene al escribir dos expresiones numéricas o algebraicas relacionadas con alguno de los símbolos MATEMÁTICAS BÁSICAS DESIGUALDADES DESIGUALDADES DE PRIMER GRADO EN UNA VARIABLE La epresión a b significa que "a" no es igual a "b ". Según los valores particulares de a de b, puede tenerse a > b, que

Más detalles

UNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS (SOLUCIONES )

UNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS (SOLUCIONES ) UNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS (SOLUCIONES ) HOJA : Límites continuidad de funciones en R n. -. Dibuja cada uno de los subconjuntos de R siguientes. Dibuja su

Más detalles

PROBLEMAS TEÓRICO-PRÁCTICOS EJERCICIOS PARA ORDENADOR

PROBLEMAS TEÓRICO-PRÁCTICOS EJERCICIOS PARA ORDENADOR PROGRAMACIÓN MATEMÁTICA PROBLEMAS TEÓRICO-PRÁCTICOS EJERCICIOS PARA ORDENADOR CURSO 2002/2003 DEPARTAMENT DE MATEMÀTICA ECONÒMICO EMPRESARIAL COLECCIÓN DE EJERCICIOS TEÓRICO-PRÁCTICOS TEMA 1 - INTRODUCCIÓN

Más detalles

Dependencia lineal de vectores y sus aplicaciones a la resolución de sistemas de ecuaciones lineales y de problemas geométricos.

Dependencia lineal de vectores y sus aplicaciones a la resolución de sistemas de ecuaciones lineales y de problemas geométricos. Dependencia lineal de vectores y sus aplicaciones a la resolución de sistemas de ecuaciones lineales y de problemas geométricos. Prof. D. Miguel Ángel García Hoyo. Septiembre de 2011 Dependencia lineal

Más detalles

Programación Lineal. Ejercicio nº 1.- a) Representa gráficamente las soluciones de la inecuación: 2x y 3

Programación Lineal. Ejercicio nº 1.- a) Representa gráficamente las soluciones de la inecuación: 2x y 3 Programación Lineal Ejercicio nº.- a) Representa gráficamente las soluciones de la inecuación: b) Averigua cuál es la inecuación cuas soluciones corresponden al siguiente semiplano: Ejercicio nº.- a) Representa

Más detalles

Álgebra Lineal Ma1010

Álgebra Lineal Ma1010 Álgebra Lineal Ma1010 Mínimos Cuadrados Departamento de Matemáticas ITESM Mínimos Cuadrados Álgebra Lineal - p. 1/34 En esta sección veremos cómo se trabaja un sistema inconsistente. Esta situación es

Más detalles

EJERCICIOS RESUELTOS

EJERCICIOS RESUELTOS FUNDAMENTOS MATEMÁTICOS DE LA INGENIERÍA Ingeriería Técnica Industrial. Especialidad en Mecánica. Boletin 6. Funciones de Varias Variables EJERCICIOS RESUELTOS Curso 003-004 1. En cada apartado, calcular

Más detalles

Programación Lineal Entera

Programación Lineal Entera Programación Lineal Entera P.M. Mateo y David Lahoz 2 de julio de 2009 En este tema se presenta un tipo de problemas formalmente similares a los problemas de programación lineal, ya que en su descripción

Más detalles

PROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables

PROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables Capítulo 8 PROGRAMACIÓN LINEAL 8.1. Introducción La programación lineal es una técnica matemática relativamente reciente (siglo XX), que consiste en una serie de métodos y procedimientos que permiten resolver

Más detalles

Jesús Getán y Eva Boj. Marzo de 2014

Jesús Getán y Eva Boj. Marzo de 2014 Optimización sin restricciones Jesús Getán y Eva Boj Facultat d Economia i Empresa Universitat de Barcelona Marzo de 2014 Jesús Getán y Eva Boj Optimización sin restricciones 1 / 32 Formulación del problema

Más detalles

(x + y) + z = x + (y + z), x, y, z R N.

(x + y) + z = x + (y + z), x, y, z R N. TEMA 1: EL ESPACIO R N ÍNDICE 1. El espacio vectorial R N 1 2. El producto escalar euclídeo 2 3. Norma y distancia en R N 4 4. Ángulo y ortogonalidad en R N 6 5. Topología en R N 7 6. Nociones topológicas

Más detalles

U.D. 24 Análisis económico (II)

U.D. 24 Análisis económico (II) U.D. 24 Análisis económico (II) 24.01 El margen de contribución unitario y el margen de contribución total. 24.02 el Punto de equilibrio (o Punto muerto). 24.02.01 Incremento de ventas y aumento de beneficio.

Más detalles

EXAMEN DE MATEMÁTICAS I Licenciatura en Ciencias Económicas 24 de Enero de 2009

EXAMEN DE MATEMÁTICAS I Licenciatura en Ciencias Económicas 24 de Enero de 2009 EXAMEN DE MATEMÁTICAS I Licenciatura en Ciencias Económicas 4 de Enero de 9 NOMBRE: APELLIDOS: D.N.I.: GRUPO: INSTRUCCIONES: Para la realización de este eamen se entregarán dos cuadernillos. Cuadernillo

Más detalles

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases.

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases. Tema III Capítulo 2 Sistemas generadores Sistemas libres Bases Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC 2 Sistemas generadores Sistemas libres Bases 1 Combinación lineal

Más detalles

Programación Lineal Continua/ Investigación Operativa. EJERCICIOS DE INVESTIGACIÓN OPERATIVA. Hoja 1

Programación Lineal Continua/ Investigación Operativa. EJERCICIOS DE INVESTIGACIÓN OPERATIVA. Hoja 1 EJERCICIOS DE INVESTIGACIÓN OPERATIVA. Hoja 1 1. Una empresa que fabrica vehículos quiere determinar un plan de producción semanal. Esta empresa dispone de 5 fábricas que producen distintos elementos del

Más detalles

DESIGUALDADES página 1

DESIGUALDADES página 1 DESIGUALDADES página 1 1.1 CONCEPTOS Y DEFINICIONES Una igualdad en Álgebra es aquella relación que establece equivalencia entre dos entes matemáticos. Es una afirmación, a través del signo =, de que dos

Más detalles

Unidad 2 Modelos de optimización

Unidad 2 Modelos de optimización Unidad 2 Modelos de optimización Objetivos Al nalizar la unidad, el alumno: Construirá modelos matemáticos de optimización. Resolverá problemas prácticos con el método gráfico. Matemáticas para negocios

Más detalles

Unidad 6 Cálculo de máximos y mínimos

Unidad 6 Cálculo de máximos y mínimos Unidad 6 Cálculo de máimos y mínimos Objetivos Al terminar la unidad, el alumno: Utilizará la derivada para decidir cuándo una función es creciente o decreciente. Usará la derivada para calcular los etremos

Más detalles

APUNTES SOBRE EL MÉTODO SÍMPLEX DE PROGRAMACIÓN LINEAL. Adriel R. Collazo Pedraja

APUNTES SOBRE EL MÉTODO SÍMPLEX DE PROGRAMACIÓN LINEAL. Adriel R. Collazo Pedraja APUNTES SOBRE EL MÉTODO SÍMPLEX DE PROGRAMACIÓN LINEAL Adriel R. Collazo Pedraja 2 INTRODUCCIÓN Este trabajo tiene como propósito proveer ayuda al estudiante para que pueda comprender y manejar más efectivamente

Más detalles

11 LÍMITES DE FUNCIONES. CONTINUIDAD

11 LÍMITES DE FUNCIONES. CONTINUIDAD LÍMITES DE FUNCIONES. CONTINUIDAD EJERCICIOS PROPUESTOS. A qué valor tiende la función f ()? 5 a) Cuando se acerca a. c) Cuando se acerca a. b) Cuando se aproima a 5. d) Cuando se aproima a. a) se aproima

Más detalles

Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.

Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una

Más detalles

SOLUCION DE MODELOS DE PROGRAMACION LINEAL EN UNA HOJA DE CALCULO. PROBLEMAS DE TRANSPORTE Y ASIGNACION.

SOLUCION DE MODELOS DE PROGRAMACION LINEAL EN UNA HOJA DE CALCULO. PROBLEMAS DE TRANSPORTE Y ASIGNACION. UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE INGENIERÍA DEPARTAMENTO DE INGENIERÍA DE LA PRODUCCIÓN INGENIERÍA INDUSTRIAL SOLUCION DE MODELOS DE PROGRAMACION LINEAL EN UNA HOJA DE CALCULO. PROBLEMAS DE

Más detalles

INTRODUCCION..2 ANALISIS POSOPTIMO O DE SENSIBILIDAD.3. CAMBIOS EN LA VARIABLE DE COEFICIENTE.3 SOLUCIOON DE EJMPLO 2.14

INTRODUCCION..2 ANALISIS POSOPTIMO O DE SENSIBILIDAD.3. CAMBIOS EN LA VARIABLE DE COEFICIENTE.3 SOLUCIOON DE EJMPLO 2.14 INDICE: 1 INTRODUCCION.. ANALISIS POSOPTIMO O DE SENSIBILIDAD.3. CAMBIOS EN LA VARIABLE DE COEFICIENTE.3 CAMBIOS QUE AFECTAN LA FACTIBILIDAD..5 SOLUICON DE JEJMPLO 1..7 SOLUCIOON DE EJMPLO.14 CONCLUCIONES

Más detalles

CAPÍTULO II. 2 El espacio vectorial R n

CAPÍTULO II. 2 El espacio vectorial R n CAPÍTULO II 2 El espacio vectorial R n A una n upla (x 1, x 2,..., x n ) de números reales se le denomina vector de n coordenadas o, simplemente, vector. Por ejemplo, el par ( 3, 2) es un vector de R 2,

Más detalles

+ 7 es una ecuación de segundo grado. es una ecuación de tercer grado.

+ 7 es una ecuación de segundo grado. es una ecuación de tercer grado. ECUACIONES Y DESIGUALDADES UNIDAD VII VII. CONCEPTO DE ECUACIÓN Una igualdad es una relación de equivalencia entre dos epresiones, numéricas o literales, que se cumple para algún, algunos o todos los valores

Más detalles

Como ya se sabe, existen algunas ecuaciones de segundo grado que no tienen ninguna solución real. Tal es el caso de la ecuación x2 + 1 = 0.

Como ya se sabe, existen algunas ecuaciones de segundo grado que no tienen ninguna solución real. Tal es el caso de la ecuación x2 + 1 = 0. NÚMEROS COMPLEJOS. INTRO. ( I ) Como ya se sabe, existen algunas ecuaciones de segundo grado que no tienen ninguna solución real. Tal es el caso de la ecuación x2 + 1 = 0. Si bien esto no era un problema

Más detalles

Ortogonalidad y Series de Fourier

Ortogonalidad y Series de Fourier Capítulo 4 Ortogonalidad y Series de Fourier El adjetivo ortogonal proviene del griego orthos (recto) y gonia (ángulo). Este denota entonces la perpendicularidad entre dos elementos: dos calles que se

Más detalles

Un programa entero de dos variables. 15.053 Jueves, 4 de abril. La región factible. Por qué programación entera? Variables 0-1

Un programa entero de dos variables. 15.053 Jueves, 4 de abril. La región factible. Por qué programación entera? Variables 0-1 15.053 Jueves, 4 de abril Un programa entero de dos variables Introducción a la programación entera Modelos de programación entera Handouts: material de clase maximizar 3x + 4y sujeto a 5x + 8y 24 x, y

Más detalles

FUNCIONES CUADRÁTICAS Y RACIONALES

FUNCIONES CUADRÁTICAS Y RACIONALES www.matesronda.net José A. Jiménez Nieto FUNCIONES CUADRÁTICAS Y RACIONALES 1. FUNCIONES CUADRÁTICAS. Representemos, en función de la longitud de la base (), el área (y) de todos los rectángulos de perímetro

Más detalles

Representaciones de matrices

Representaciones de matrices LECCIÓN CONDENSADA 6. Representaciones de matrices En esta lección Representarás unos sistemas cerrados con unos diagramas de transición unas matrices de transición Usarás las matrices para organizar información

Más detalles

Desarrollar un modelo Lingo. Para desarrollar un modelo de optimización en Lingo hay que especificar:

Desarrollar un modelo Lingo. Para desarrollar un modelo de optimización en Lingo hay que especificar: Desarrollar un modelo Lingo Para desarrollar un modelo de optimización en Lingo hay que especificar: Función Objetivo Max(Min) = COST O1 V ARIABLE1 + COST O2 V ARIABLE2; Variables: Los nombres de las variables

Más detalles

4 INECUACIONES Y SISTEMAS

4 INECUACIONES Y SISTEMAS 4 INECUACINES SISTEMAS EJERCICIS PRPUESTS 4. Escribe las siguientes informaciones utilizando desigualdades. a) He sacado, por lo menos, un 7 en el examen. b) Tengo tarifa plana de ADSL de ocho de la mañana

Más detalles

Tema 3. Espacios vectoriales

Tema 3. Espacios vectoriales Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición

Más detalles

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases. BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades

Más detalles

UNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERIA. ESCUELA DE INGENIERIA INDUSTRIAL.

UNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERIA. ESCUELA DE INGENIERIA INDUSTRIAL. UNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERIA. ESCUELA DE INGENIERIA INDUSTRIAL. Optimización, Pauta Solemne 2. Semestre Primavera 2011 Profesores: Paul Bosch, Fernando Paredes, Pablo Rey Tiempo:

Más detalles

ÁLGEBRA 2º Ciencias Sociales PAU- LOGSE

ÁLGEBRA 2º Ciencias Sociales PAU- LOGSE . (Jun. 205 Opción A) Dadas las matrices A = ( a 2 + 2 2 ), B = ( ) y C = (c 0 0 b 0 c ) Calcula las matrices A B y B C. Calcula los valores de a, b y c que cumplen A B B C. Sol.- 2. (Jun. 205 Opción B)

Más detalles

DESIGUALDADES E INTERVALOS

DESIGUALDADES E INTERVALOS DESIGUALDADES E INTERVALOS 1. INTERVALOS: Son regiones comprendidas entre dos números reales. En general, si los etremos pertenecen al intervalo, se dice que cerrado, si por el contrario no pertenecen

Más detalles

PROGRAMACIÓN LINEAL. Ejemplo a) Dibuja el recinto formado por los puntos que cumplen las siguientes condiciones:

PROGRAMACIÓN LINEAL. Ejemplo a) Dibuja el recinto formado por los puntos que cumplen las siguientes condiciones: PROGRAMACIÓN LINEAL CONTENIDOS: Desigualdades e inecuaciones. Sistemas lineales de inecuaciones. Recintos convexos. Problemas de programación lineal. Terminología básica. Resolución analítica. Resolución

Más detalles

Apuntes de Matemática Discreta 9. Funciones

Apuntes de Matemática Discreta 9. Funciones Apuntes de Matemática Discreta 9. Funciones Francisco José González Gutiérrez Cádiz, Octubre de 004 Universidad de Cádiz Departamento de Matemáticas ii Lección 9 Funciones Contenido 9.1 Definiciones y

Más detalles

Álgebra y Trigonometría CNM-108

Álgebra y Trigonometría CNM-108 Álgebra y Trigonometría CNM-108 Clase 2 Ecuaciones, desigualdades y funciones Departamento de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Copyleft c 2008. Reproducción

Más detalles

Nota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades:

Nota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades: Capítulo 1 DETERMINANTES Definición 1 (Matriz traspuesta) Llamaremos matriz traspuesta de A = (a ij ) a la matriz A t = (a ji ); es decir la matriz que consiste en poner las filas de A como columnas Definición

Más detalles

x + y 4 2x + 3y 10 4x + 2y 12 x 0, y 0

x + y 4 2x + 3y 10 4x + 2y 12 x 0, y 0 PRUEBAS DE ACCESO A LA UNIVERSIDAD PROBLEMAS DE PROGRAMACIÓN LINEAL JUNIO 2000. OPCIÓN B. Una empresa especializada en la fabricación de mobiliario para casas de muñecas, produce cierto tipo de mesas y

Más detalles

OPTIMIZACIÓN ESCALAR. María Jesús de la Fuente Aparicio Dpto. Ingeniería de Sistemas y Automática

OPTIMIZACIÓN ESCALAR. María Jesús de la Fuente Aparicio Dpto. Ingeniería de Sistemas y Automática OPTIMIZACIÓN ESCALAR María Jesús de la Fuente Aparicio Dpto. Ingeniería de Sistemas y Automática CONCEPTOS BÁSICOS DEFINICIONES Definiciones Optimo local (mínimo local) Un punto * F se denomina un mínimo

Más detalles

MATEMÁTICAS EMPRESARIALES II:

MATEMÁTICAS EMPRESARIALES II: MATEMÁTICAS EMPRESARIALES II: FUNCIÓN REAL DE VARIAS VARIABLES ÓPTIMOS DE UNA FUNCIÓN ESCALAR MATERIAL DIDÁCTICO DE SOPORTE González-Vila Puchades, Laura Ortí Celma, Francesc J. Sáez Madrid, José B. Departament

Más detalles

Análisis III. Joaquín M. Ortega Aramburu

Análisis III. Joaquín M. Ortega Aramburu Análisis III Joaquín M. Ortega Aramburu Septiembre de 1999 Actualizado en julio de 2001 2 Índice General 1 Continuidad en el espacio euclídeo 5 1.1 El espacio euclídeo R n...............................

Más detalles
Sitemap