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

Save this PDF as:
 WORD  PNG  TXT  JPG

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

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

Transcripción

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

2 2 INTRODUCCIÓN Este trabajo tiene como propósito proveer ayuda al estudiante para que pueda comprender y manejar más efectivamente el método símplex de programación lineal. Ilustraremos la aplicación a situaciones de maximización, minimización y análisis de sensibilidad. El Método Símplex como herramienta de programación lineal fue desarrollado para la época de los años cuarenta por George Dantzing, un joven matemático. El método constituye una forma sistemática y de búsqueda intensiva a través de todas las posibles soluciones para obtener una solución óptima. Ello resulta de gran utilidad debido a su eficiencia. Además es fácil programarlo en una computadora. En contraste con el análisis gráfico, este método permite el uso de muchas variables. También permite la aplicación de cantidades de restricciones lineales con signos; mayores e igual, menores e igual y de igualdad. En comparación con el método gráfico, el método símplex tiene como punto de partida el origen siendo este la solución inicial al problema. El método prueba todos los puntos extremos gráficos aunque no necesariamente se detiene en todos los vértices. Por otro lado utiliza el concepto de álgebra de matrices en una serie de tablones. EL PROBLEMA DE MAXIMIXACIÓN SÍMPLEX FORMULACIÓN INICIAL Utilizando el siguiente ejemplo estableceremos la formulación inicial símplex y demostraremos la mecánica del método y su interpretación. El gerente de la Relojería la Torre desea conocer la ganancia máxima que se puede obtener de la producción y venta de dos clases de relojes económicos digitales de pulsera. La ganancia que se obtiene por la producción y venta de un reloj de hombre es de $4 y de $6 para un reloj de mujer. La empresa cuenta con 120 horas semanales para la producción de los relojes y 100 horas para la inspección y empaque de estos. La fabricación de un reloj de hombre requiere 2 horas de producción y 2 horas de inspección y empaque. Mientras que un reloj de mujer requiere 4 horas de producción y 3 horas de inspección y empaque. La formulación del problema para esta situación es la siguiente: Maximizar Z = $4X 1 + $6X 2 Sujeto a: 2X 1 + 4X (horas de producción) 2X 1 + 3X (horas de inspección y empaque) (X 1, X 2 0) Donde X 1 = cantidad de relojes de hombre que se producen semanalmente. X 2 = cantidad de relojes de mujer que se producen semanalmente.

3 3 Luego de formular el problema procedemos a trabajar primero con las restricciones y luego con la función objetivo. Comenzamos cambiando los signos de las restricciones de desigualdades a igualdades. El método símplex requiere la conversión de las restricciones con signos de desiguales a igualdades estrictas. Esto se debe a que el método usa álgebra de matrices en donde todas las relaciones matemáticas serán a base de ecuaciones lineales y que a su vez deben contener todas las variables. Llamaremos a este procedimiento como aumento de las restricciones y de la función objetivo. AUMENTO DE LAS RESTRICCIONES Y DE LA FUNCIÓN OBJETIVO El aumento de las restricciones y de la función objetivo surge porque el método símplex comienza por definición en el origen es decir en el punto (0,0) y de este punto al valor de las restricciones existe una diferencia. Esta diferencia se conoce como holgura y por cada restricción que tenga el problema tendremos una o más variables las cuales el método tomará en consideración. Comencemos con la primera restricción: 2X 1 + 4X (horas de producción) Al analizar la restricción hallamos que el lado izquierdo es menor que el lado derecho. Para poder hacer el cambio de la desigualdad a igualdad tendremos que añadir una variable que absorba la diferencia entre ambos lados. En este caso la variable representa recursos no utilizados o recursos disponibles. Esta variable se conoce como variable de holgura o "Slack". La primera restricción se reformula asignándole una variable de holgura positiva conocida como S 1, la que aparecerá de la siguiente forma: 2X 1 + 4X 2 + S 1 = 120. La variable S 1 se relaciona con la primera restricción. De manera parecida procedemos a reformular la segunda restricción: 2X 1 + 3X (horas de inspección y empaque). Encontramos que esta restricción también posee un signo de desigualdad que es menor o igual por lo tanto el lado izquierdo es menor que el derecho. Para poder llevar la ecuación a igualdad tendremos que también añadir una variable de holgura positiva que absorba la desigualdad. De tal manera la segunda restricción se reformula de la siguiente forma: 2X 1 + 3X 2 + S 2 = 100 en donde S 2 se relaciona con la segunda restricción. Tenemos que ambas restricciones se presentan de la siguiente forma: 2X 1 + 4X 2 + S 1 = 120 2X 1 + 3X 2 + S 2 = 100 La variable de holgura S 1 representa las horas de producción no utilzazas y la variable S 2 representa las horas de inspección y empaque no utilizadas. Si por definición el método símplex comienza en el origen (0,0) donde X 1 = 0 y X 2 = 0, entonces esto significa que por ahora no hay producción de relojes de ninguna clase (X 1 = relojes de hombre y X 2 = relojes de mujer). El no tener producción significa que los recursos disponibles son 120 horas de producción y 100 horas de inspección y empaque. Esta situación la representamos de la siguiente forma para la primera restricción: 2X 1 +

4 4 4X 2 + S 1 = 120 donde X 1 = 0 y X 2 = 0. Al sustituir los valores de X 1 y X 2 en la primera restricción tendremos el siguiente resultado: 2(0) + 4(0) + S 1 = 120 por lo tanto S 1 = 120 horas disponibles es decir tenemos 120 horas de producción disponibles porque no hay producción alguna. Lo mismo sucederá con la segunda restricción: 2X 1 + 3X 2 + S 2 = 100, al sustituir, X 1 y X 2 en la segunda restricción, se obtendrá el siguiente resultado: 2(0) + 3(0) + S 2 = 100 por lo tanto S 2 = 100. Esto representa 100 horas disponibles para inspección y empaque. Por qué? Por que no hay producción. Por lo tanto cuando X 1 = 0 y X 2 = 0, S 1 = 120 horas y S 2 = 100 horas. Si hacemos una comparación gráfica, estaríamos en el origen, punto I, según lo demuestra la siguiente gráfica. 1 Para aquellas variables símplex que no aparecen en una ecuación se le añaden coeficientes de 0. Veamos la nueva formulación: 2X 1 + 4X 2 + 1S 1 + 0S 2 = 120 2X 1 + 3X 2 + 0S 1 + 1S 2 = 100 Esto no afecta a las ecuaciones a las cuales se les agregan los coeficientes. Por ejemplo en la primera restricción S 2 posee un coeficiente de 0 porque la variable S 2 se refiere a la segunda restricción en donde en el punto (0,0) existe un sobrante de 100 horas. Estas horas se relacionan con la segunda restricción y no con la primera. De igual manera sucede con la segunda restricción. La variable S 1 se relaciona con la primera restricción indicando que hay disponible 120 horas. 1 Los modelos de gráfica son adaptados del programa QM.

5 5 Estas variables de holgura no producen ganancia alguna porque se relacionan con los recursos por lo tanto serán añadidas a la función objetivo y sus coeficientes serán 0 porque estas no aportan a la ganancia. Al reformular la función objetivo junto con las restricciones tendremos que estas se expresan de la siguiente forma: Maximizar Z (ganancia) = $4X 1 + $6X 2 + $0S 1 + $0S 2 Sujeto a: 2X 1 + 4X 2 + 1S 1 + 0S 2 = 120 2X 1 + 3X 2 + 0S 1 + 1S 2 = 100 (X 1, X 2, S 1, S 2 0) COMO OBTENER UNA SOLUCIÓN INICIAL Las dos restricciones consideradas en la formulación del problema establecen dos ecuaciones y cuatro variables (X 1, X 2, S 1, S 2 ). El uso del álgebra para aquellos casos donde tenemos cuatro variables desconocidas y solo dos ecuaciones, conlleva igualar dos de las variables a 0 y luego resolvemos para las otras dos variables restantes. Es decir si X 1 = X 2 = 0 entonces S 1 = 120 y S 2 = 100. Esto se conoce como una posible solución o solución básica factible. El método símplex comienza con una solución inicial básica en donde todas las variables reales X j son cero. Esta solución siempre produce una ganancia de 0 y valores de las variables de holgura iguales al valor de las constantes que aparecen al lado derecho. Si se fija en la gráfica anterior la solución inicial símplex será el punto de origen (0,0). Esta es una solución posible pero no es la mejor solución. Como se indicó anteriormente el método símplex solo considera soluciones que son factibles, es decir no toma en consideración aquellas combinaciones de variables reales que violentan las restricciones ya que el método siempre cumple con estas. El violentar una o más restricciones conlleva la no existencia de una solución y algunos mencionan esta situación como solución o soluciones no factibles.

6 6 CUADRO INICIAL Colocamos todos los coeficientes y constantes en un tablón. Esto simplifica el manejo de las ecuaciones y de la función objetivo. Veamos el siguiente modelo para un cuadro inicial. C j = forma aumentada de los coeficientes de la función objetivo C i = coeficientes de las variables básicas a ij = forma aumentada de los coeficientes de las restricciones o tasa de sustitución b i = valores del lado derecho de las restricciones z = valor de la función objetivo Z j = reducción de ganancias, aumento en costos asociados con la introducción de una de sus valores en las columnas respectivas Z j = C j - Z j = índice de mejoramiento o renglón de criterio símplex Ratio = límites introductorios En suma, con estos parámetros del tablón símplex tenemos dos clases de variables a considerarse, variables básicas y variables no básicas. Por definición las variables básicas son aquellas que poseen un Z j = 0 y las variables no básicas poseen Z j desiguales a 0. Procedemos a llenar el cuadro inicial utilizando la función objetivo y las restricciones de forma aumentada. Maximizar Z (ganancia) = $4X 1 + $6X 2 + $0S 1 + $0S 2 Sujeto a: 2X 1 + 4X 2 + 1S 1 + 0S 2 = 120 2X 1 + 3X 2 + 0S 1 + 1S 2 = 100 (X 1, X 2, S 1, S 2 0)

7 7 Comenzamos con la función objetivo. Luego seguimos con los coeficientes de las restricciones o tasa de sustitución y la constante o el valor derecho de las restricciones. Por ejemplo para la primera restricción el coeficiente que representa horas de consumo del recurso de producción para relojes de hombres (X 1 ) es 2 horas y se ubica en la primera fila, primera columna. La posición en el tablón será a 11 y así sucesivamente con los demás coeficientes. Para los relojes de mujer (X 2 ) es 4 horas y estará ubicada en la posición a 12 en el tablón. En relación al lado derecho de la primera restricción el valor de b 1 es 120. Hacemos lo mismo para la segunda restricción. Veamos el siguiente cuadro. En este cuadro inicial las variables básicas, que están en la solución, son las variables de holgura S 1 y S 2. Estas variables estarán ubicadas a lado izquierdo del tablón y sus Z j son cero. Esto sucede porque la solución inicial símplex es en el origen (0,0) por lo tanto si X 1 = 0 y X 2 = 0 entonces al no fabricar ningún tipo de relojes, los recursos disponibles serán S 1 = 120 horas de producción y S 2 = 100 horas de inspección y empaque. Los coeficientes C i de estas variables básicas son 0 porque no tienen efecto sobre la ganancia y estarán localizados en la parte izquierda dentro del tablón. Busquemos ahora los valores para Z j. Si no se están fabricando relojes entonces los costos o la reducción en las ganancias tiene que ser cero así como el valor final de la función objetivo Z. Por ejemplo la producción de la variable de decisión real X 1 (relojes de hombres) consume 2 horas de producción y 2 horas de inspección y empaque según lo indica sus coeficientes a ij o tasa de sustitución. Como no hay producción, la variable básica para la primera restricción o primer recurso será S 1 = 120 con un coeficiente C 1 = 0, es decir 0 aportación a las ganancias. De igual forma sucede con la segunda restricción en donde C 2 = 0.

8 8 Esta situación se refleja de la siguiente forma Z j = Σ C ij a ij. C 1 a 11 C 2 a 21 Z 1 = (0)(2) + (0)(2) = 0; este valor irá en la primera columna para el renglón Z j debajo de la columna X 1. C 1 a 12 C 2 a 22 Z 2 = (0)(4) + (0)(3) = 0; este valor irá en la segunda columna para el renglón Z j debajo de la columna X 2. C 1 a 13 C 2 a 23 Z 3 = (0)(1) + (0)(0) = 0; este valor irá en la tercera columna para el renglón Z j debajo de la columna S 1. C 1 a 14 C 2 a 24 Z 4 = (0)(0) + (0)(1) = 0; este valor irá en la cuarta columna para el renglón Z j debajo de la columna S 2. El cálculo para hallar la ganancia (Z), con valor es 0 se realiza de forma parecida donde Z = Σ C ij b i. Z = (0)(120) + (0)(100) = 0 Trasladamos estos datos al tablón inicial. El último paso para terminar el tablón será calcular los cambios en Z j, ( Z j ) para las columnas. Estos cambios se calculan restando los coeficientes de la función objetivo por el Z j correspondiente es decir Z j = C J - Z j. Z 1 = C 1 - Z 1 = 4 0 = 4 Z 2 = C 2 - Z 2 = 6 0 = 6 Z 3 = C 3 - Z 3 = 0 0 = 0 Z 4 = C 4 - Z 4 = 0 0 = 0

9 9 Trasladamos estos datos al tablón inicial y tenemos nuestro primer tablón símplex. Analizamos el tablón y encontramos que este posee una matriz identidad. La matriz identidad es aquella que está compuesta por diagonales de 1 y cero. Para este ejemplo la matriz se encuentra debajo del las variables de holguras S 1 y S 2. Al obtener una solución final la matriz identidad se trasladará al lado derecho debajo de las variables reales X 1 y X 2 o se obtendrá algo parecido a una matriz identidad. INTERPRETACIÓN DEL PRIMER CUADRO SÍMPLEX Para poder interpretar y analizar el primer tablón, procedemos a buscar las variables básicas y no básicas y leer sus valores. Las variables básicas son aquellas que están en la solución y poseen cambios en Z j de cero, ( Z j = 0) y valores positivos o cero en el lado derecho (b i 0). Los valores de las variables básicas, aquellas que se encuentran al lado derecho extremo, deberán ser siempre mayores o iguales a cero porque no existen negativos recursos o porque no se puede manufacturar negativos productos. Al estudiar el tablón encontramos que la variable S 1 posee un Z j = 0 con un valor 120 horas de producción. Este valor de 120 aparece a la extrema derecha del primer renglón (b 1 ). De igual forma la variable S 2 posee Z j = 0 con un valor 100 horas de inspección, valor que aparece a la extrema derecha del segundo renglón (b 2 ). Al estudiar los Z j para las variables antes mencionadas encontramos que S 1 y S 2 son variables básicas. Contrario a las variables básicas, las variables no básicas, no están en la solución y son aquellas que poseen cambios en Z j desiguales a cero ( Z j 0) y con valores de 0 (b i = 0). Los valores de las variables no básicas siempre serán cero porque estas variables no están en la solución. Al leer el tablón hallamos un Z 1 = 4 para la variable X 1 y un Z 2 = 6 para la variable X 2. Esto indica que X 1 y X 2 son variables no básicas y que sus valores son cero. Por último se desprende del tablón que la ganancia, (Z j ) es cero. Este valor de 0 aparece en el tablón a la extrema derecha del renglón Z j. En conclusión no se están fabricando relojes de hombre ni de mujer (variables no básicas X 1 = 0 y X 2 = 0). Se tienen disponible 120 horas semanales de producción y 100 horas semanales de inspección y empaque (variables básicas S 1 y S 2 respectivamente) para una ganancia semanal de $0.

10 10 MEJORANDO EL CUADRO INICIAL Para mejorar la solución el método símplex seleccionará el mejor cambio en Z j, ( Z j ), es decir el más grande o más positivo. Este cambio nos indicará que variable deberá entrar en la próxima solución. Si tomamos en consideración la función objetivo: Maximizar Z = $4X 1 + $6X 2 + $0S 1 + $0S 2, lo más seguro que usted escogerá la variable X 2 como aquella que conviene producir, porque esta nos da un rendimiento mayor que la variable X 1, ya que la ganancia que provee X 2 es de $6 en comparación con la ganancia de $4 que proporciona la variable X 1. Aparentemente la compañía ganará más si vende relojes para las damas en vez de relojes para caballeros. El método símplex hace un análisis parecido. Siempre selecciona el mejor coeficiente. Como se está maximizando, el método escogerá el valor que otorgue el mayor rendimiento, es decir el más positivo y el más negativo para casos de minimización. Utilizando la solución del cuadro inicial, seleccionamos el mejor cambio en Z j, entre Z 1 = 4 para la columna X 1 y el Z 2 = 6 para X 2 y lo circulamos. Este mejor cambio nos indicará qué variable no básica en la columna se convertirá en variable básica. Es decir, qué variable se va a producir y que a su vez provea un mejor rendimiento o una nueva y mejor solución al problema. También el mejor cambio en Z j, Z 2 = 6 en este caso, aumentará la ganancia actual de $0 por seis veces el numero de unidades entrantes, relojes de mujer. El método seleccionará la variable X 2 porque esta posee el mejor cambio en Z j, circulamos la columna X 2 y a esta columna se le conoce como la columna pivote. El método ha seleccionado la producción de relojes de damas, (X 2 ) pero queremos conocer cuántos relojes de mujer se van a manufacturar. Existen dos restricciones que limitan la producción de los relojes de damas (X 2 ) estas son: 2X 1 + 4X 2 + 1S 1 + 0S 2 = 120 (horas de producción) y 2X 1 + 3X 2 + 0S 1 + 1S 2 = 100 (horas de inspección y empaque). Al analizar la primera restricción, 2X 1 + 4X 2 + 1S 1 + 0S 2 = 120 (horas de producción) encontramos que todas las horas de producción se utilizan para fabricar la variable X 2 por lo tanto si la producción de una unidad de X 2 toma 2 horas y se tienen en existencia 120 horas entonces se manufacturarán 30 relojes, (120 horas 4 horas por unidad = 30 relojes de damas). No obstante, para poder completar el proceso de producción, debemos inspeccionar y luego empaquetar los relojes donde la cantidad disponible de horas para el anterior proceso mencionado es de 100 horas.

11 11 El estudio de la segunda restricción, 2X 1 + 3X 2 + 0S 1 + 1S 2 = 100, demuestra que el proceso de inspección toma 3 horas donde solo se pueden inspeccionar relojes de damas. 2 Por lo tanto a pesar de que la segunda restricción indica que se puede inspeccionar y empaquetar más relojes (33.33) de los que se pueden producir (30), en realidad solo hay recursos para hacer 30 relojes. Si por error se decide manufacturar relojes entonces habrá una deficiencia de horas necesarias para completar la producción. Veamos el porqué de lo antes mencionado. La fabricación de relojes requiere 4 horas por cada reloj del recurso horas de producción, para un total de horas requeridas (4 horas x relojes). El total de horas disponible para la producción de relojes son 120 por lo tanto faltarán horas para poder hacer los relojes ( ). Esto significa que la producción se quedará corta por 3.33 relojes ( horas 4 horas de producción). El proceso mecánico del método símplex toma en consideración lo antes mencionado mediante el cálculo de un Ratio o límite introductorio para cada renglón y luego selecciona el Ratio positivo más pequeño entre los renglones. Este Ratio indica la razón de entrada y salida para la nueva variable básica. Esto aplica para ambos casos, maximización y minimización. Es decir sabemos que la variable entrante, la nueva variable básica es X 2 y ésta deberá ocupar su lugar al lado extremo izquierdo donde están ubicadas las variables de holguras S 1 y S 2. La búsqueda del mejor Ratio nos indicará cuál de las variables básicas, S 1 y S 2 saldrá para dar paso a la nueva variable entrante, variable básica X 2 o lo que es lo mismo en cuál fila se ubicará la variable. Para lograr lo antes mencionado, el método calcula para cada renglón un Ratio, dividiendo el valor del lado derecho (b i ) entre el coeficiente a ij correspondiente y luego selecciona el positivo más pequeño. Para este caso se usarán los coeficientes a ij correspondiente a la columna pivote (columna X 2 ). b i a ij = Ratio (b 1 ) (a 12 ) S = 30» límite positivo más pequeño (renglón pivote) (b 2 ) (a 22 ) S = El ratio positivo más pequeño es 30 por lo tanto la variable S 1 ubicada en el primer renglón saldrá y en su lugar la ocupará la variable X 2. A este renglón saliente se le conoce como renglón pivote porque sale para dar paso a la entrada de la nueva variable básica provista por la columna pivote. Es decir sale la variable S 1, entra la variable X 2 y se producen 30 unidades. Se podrá seleccionar el cero como el valor positivo más pequeño de ser necesario, ante la ausencia de un ratio positivo. Véase tablón símplex en la siguiente página. 2 La cantidad de relojes que se inspeccionan y empacan deberá ser un número entero y no fraccionar. Para evitar esta situación se utiliza el enfoque de programación para enteros, el cual no veremos en este trabajo.

12 12 El propósito del Ratio es saber el número máximo de unidades que se pueden asignar a la variable que entra y así evitar que las variables básicas tengan valores negativos o se violenten las restricciones. La selección errónea de como el mejor Ratio violenta la primera restricción causando un faltante de horas (33.33 x 4 horas 120 horas disponibles de producción) y como consecuencia de está decisión, la producción se quedará corta por 3.33 relojes ( horas 4 horas de producción). El Ratio seleccionado indica una producción de 30 relojes y la columna pivote indica que estos relojes serán de damas (X 2 ). Si la aportación a las ganancias de la variable X 2 son $6 por unidad entonces la ganancia total será de $180; ($6)(30 relojes). Para expresar esta relación de entrada y salida se hace el cálculo para nuevo renglón pivote y se trasladan los resultados al segundo tablón símplex. El cálculo del nuevo renglón se realiza dividiendo el renglón pivote entre el elemento de intersección de la columna y el renglón pivote. Elemento Nuevo Renglón Pivote Intersección = Renglón Pivote (2, 4, 1, 0; 120) 4 = (½, 1, ¼, 0; 30)» Trasladar al segundo tablón. La justificación para que el renglón pivote se divida entre el elemento de intersección viene de las ecuaciones lineales. El ratio positivo más pequeño seleccionado de 30 se obtuvo de la primera ecuación y de la división del valor o la constante al lado derecho (b 1 ) de 120 entre 4. Ahora bien, cualquier ajuste que se realice a un elemento de una ecuación afecta a todos los demás elementos de esa ecuación. Es decir lo que se le haga a un lado de la ecuación afecta toda la ecuación lineal. Por ejemplo la división entre 4 al valor del lado derecho de 120 para la restricción, 2X 1 + 4X 2 + 1S 1 + 0S 2 = 120, afecta toda la ecuación por lo tanto toda la ecuación lineal se divide entre 4. El resultado obtenido es igual al nuevo renglón pivote. 2X 1 + 4X 2 + 1S 1 + 0S 2 = 120 = (½ X 1 +1X 2 + ¼ S 1 + 0S 2 ; 30) «Nuevo renglón 4 pivote

13 13 Luego de producir las 30 unidades de X 2 se requieren que en su totalidad se inspeccionen y se empaquen para la venta. La segunda restricción se relaciona con este proceso, 100 horas disponibles. La sustitución del valor de X 2 en la ecuación lineal, 2X 1 + 3X 2 + 0S 1 + 1S 2 = 100, indica el uso de 90 horas que se consumen del total de 100 horas disponibles del segundo recurso, creando un sobrante de 10 horas. El resultado anterior se obtiene sustituyendo X 1 = 0 y X 2 = 30 en la segunda ecuación. 2(0) + 3(30) + 0S 1 + 1S 2 = 100 S 2 = = 10 (horas disponibles) Este procedimiento se conoce como revisión de los renglones y es mandatario para todas las filas, excluyendo el nuevo renglón pivote. A continuación se resume el proceso de revisión de los renglones según el método símplex: 1. Halle el elemento de intersección que se encuentra entre la columna pivote y el renglón a revisarse. (3 para nuestro ejemplo) 2. Multiplique el nuevo renglón pivote por el negativo del elemento de intersección. (½, 1, ¼, 0; 30) x (3) = (- 3 / 2, -3, -¾, 0; -90) 3. Súmele algebraicamente al el renglón negativo el renglón que se está revisando y trasládelo al próximo tablón. (segundo tabla símplex) (- 3 / 2, -3, -¾, 0; -90) S 2 : + ( 2, 3, 0, 1; 100) ( ½, 0, -¾, 1; 10) Al igual que para el tablón inicial habrá que buscar los valores Z j para la nueva tabla símplex. (Z j = Σ C ij a ij.), llevarlos al segundo tablón y luego buscar la ganancia de manera parecida donde Z = Σ C ij b i. C 2 a 11 C 2 a 21 Z 1 = (6)(½) + (0)(½) = 3; este valor irá en la primera columna para el renglón Z j debajo de la columna X 1. C 2 a 12 C 2 a 22 Z 2 = (6)(1) + (0)(0) = 6; este valor irá en la segunda columna para el renglón Z j debajo de la columna X 2. C 2 a 13 C 2 a 23 Z 3 = (6)(¼) + (0)(-¾) = 3 / 2; este valor irá en la tercera columna para el renglón Z j debajo de la columna S 1. C 1 a 14 C 2 a 24 Z 4 = (6)(0) + (0)(1) = 0; este valor irá en la cuarta columna para el renglón Z j debajo de la columna S 2. Z = (6)(30) + (0)(10) = 180 Finalmente para completar el tablón habrá que buscar los Z j correspondientes donde Z j = C J - Z j.

14 14 Z 1 = C 1 - Z 1 = 4 3 = 1 Z 2 = C 2 - Z 2 = 6 6 = 0 Z 3 = C 3 - Z 3 = 0 3 / 2 = - 3 / 2 Z 4 = C 1 - Z 4 = 0 0 = 0 INTERPRETACIÓN DE LA SEGUNDA TABLA SÍMPLEX El siguiente tablón símplex hace un resumen de todos los datos pertinentes a la empresa para ser interpretados. La búsqueda de la solución actual se obtiene al interpretar los resultados del segundo cuadro. Se analizan las variables básicas y no básicas, se leen el valor de estas variables y finalmente se busca la ganancia. Las variables básicas son aquellas con Z j = 0 y con valores al lado derecho (b i ) mayores e iguales a cero. La razón por la cual estos cambios son cero se debe a que estas variables hicieron su aportación máxima a la ganancia. La variable X 2 posee con Z 2 = 0 y su valor a la extrema derecha (b 1 ) es 30. Mientras que la variable S 2 también posee un Z j = 0 con un valor de 10. Note que para ambas variables existe un coeficiente de 1, ubicado en la intersección entre la columna y el renglón donde se encuentra la variable. Las variables no básicas son aquellas con Z j 0 y con valores de cero. Su valor es cero porque no están o no aportan a la solución. Además estás variables tienen cambios positivos o negativos. Las variables no básicas para el segundo tablón son: X 1 con Z 1 = 1 y S 1 con Z 3 = - 3 / 2 y los valores de estas dos son cero. La ganancia (Z j ) será de $180. Se puede cotejar si la ganancia expresada en el tablón es la correcta utilizando la siguiente relación aritmética; Z i +1 = Z i + (mejor Z j )( mejor Ratio). Z II = Z I + (mejor Z I )( mejor Ratio I ). Z II = $0 + ($6)(30 ) = $180.

15 15 En conclusión la mezcla para la producción de los relojes se encuentra en el punto (0, 30) en donde la producción semanal será de 30 relojes de mujer y 0 relojes de hombre. Además se utilizó el total de horas de producción para hacer los relojes y existe un sobrante de 10 horas disponibles de inspección y empaque para una ganancia de $180. Al comparar la solución símplex con el análisis gráfico encontramos la solución en el punto II. TERCER TABLÓN SÍMPLEX Un vistazo a las variables no básicas en el segundo tablón símplex demuestra la existencia de Z j positivos. Esto indica que el tablón no es final óptimo. La solución se puede mejorar al seleccionar el Z j más positivo. Este cambio provee una ganancia mayor que la anterior. La variable X 1 tiene el Z j más positivo, Z 1 = 1. Esto indica que la solución se puede mejorar si se decide entrar a la base la variable X 1. La selección de ésta variable aumenta la ganancia por $1 según la cantidad entrante de X 1 unidades. El método selecciona la variable no básica con el Z j = 1 por lo tanto X 1 será la nueva columna pivote. (Véase página 16) Luego se buscan los Ratio para cada renglón y se escoge el positivo más pequeño entre estos. b i a ij = Ratio (b 1 ) (a 11 ) X 2 30 ½ = 60 (b 2 ) (a 21 ) S 2 10 ½ = 20» límite positivo más pequeño (renglón pivote)

16 16 El renglón S 2 sale para dar entrada a la variable X 1. Esto indica una producción de 20 unidades de X 1, relojes de hombres. Fabricar relojes de hombre causa un efecto negativo en la producción de relojes de mujer (X 2 ) porque habrá que hacer una reducción en la cantidad de relojes de mujer que se producen ya que para la solución anterior (cuadro II) se usaron todas las horas de producción (S 1 ) en los relojes de mujer variable (X 2 ). Esta situación que presenta el método se puede plasmar y ver su resultado mediante el análisis de las tasas de substitución (a ij ) provista por las ecuaciones lineales en el corazón del tablón símplex. Por ejemplo las ecuaciones lineales originales son: 2X 1 + 4X 2 + 1S 1 + 0S 2 = 120 (horas de producción) 2X 1 + 3X 2 + 0S 1 + 1S 2 = 100 (horas de inspección y empaque) La producción de 20 unidades de X 2 (relojes de mujer) utiliza un total de 80 horas de producción (20 unidades x 4 horas) para un restante de 40 horas disponibles (120 total horas 80 horas utilizadas). Como la variable X 1 (relojes de hombre) se quedó en la fila, es decir es una variable básica entonces las 40 horas restantes y disponibles se utilizarán para producir X 1. De la primera restricción se desprende que la variable básica X 1 utiliza 2 horas del primer recurso (horas de producción) por lo tanto se producirán 20 unidades (40 horas restantes y disponibles 2 horas). Observe que al sustituir los valores de la mezcla de producción: X 1 = 20, X 2 = 20 en las restricciones y en la función objetivo, se agotan o se consumen al máximo todos los recursos para obtener una ganancia de $200. Veamos, primero sustituimos en las restricciones los valores de X 1 = 20, X 2 = 20 y luego en la función objetivo. Primera restricción, 2X 1 + 4X 2 + 1S 1 + 0S 2 = 120 2(20) + 4(20) + 1S 1 + 0S 2 = 120 (horas de producción) 1S 1 + 0S 2 = = 0 S 1 = 0 Segunda restricción, 2X 1 + 3X 2 + 0S 1 + 1S 2 = 100 2(20) + 3(20) + 0S 1 + 1S 2 = 100 (horas de inspección y empaque) S 2 = = 0 S 2 = 0 Función objetivo, Maximizar Z = $4X 1 + $6X 2 Maximizar Z = $4(20) + $6(20) = $80 + $120 = $200 Resumiendo, la solución para el tercer tablón será: X 1 = 20, X 2 = 20, S 1 = 0, S 2 = 0 y Z j = $200.

17 17 Para completar el tercer tablón, repetimos el proceso mecánico símplex. A continuación se resume el procedimiento. 1. Busque el mejor el Z j más positivo, Z j = 1 para la columna X Halle el Ratio positivo más pequeño, R 2 = 20, S 2 renglón pivote. 3. Halle el renglón pivote, (½, 0, -¾, 1; 10) 4. Halle el nuevo renglón pivote y trasládelo a próximo tablón (tabla III) a. Busque el elemento de intersección que se encuentra entre la columna pivote y el renglón pivote. (½ para nuestro ejemplo) y divida el renglón pivote entre el elemento de intersección. (½, 0, -¾, 1; 10) (½); para este caso es más fácil multiplicar el renglón pivote por el inverso de la fracción, es decir 2. (½, 0, -¾, 1; 10) x (2) = (1, 0, - 3 / 2, 2, 20)» Nuevo renglón pivote 5. Revise los renglones restantes para nuestro ejemplo la fila X 2. a. Multiplique el nuevo renglón pivote por el negativo del elemento de intersección. (1, 0, - 3 / 2, 2, 20) x (½) = (- ½, 0, ¾, -1; -10) b. Súmele algebraicamente al renglón negativo el renglón que se está revisando y trasládelo al próximo tablón. (III tabla símplex) (- ½, 0, ¾, -1; -10) X 2 : + ( ½, 1, ¼, 0; 30) ( 0, 1, 1, -1; 20) 6. Halle los valores Z j para la nueva tabla símplex. (Z j = Σ C ij a ij.) C 2 a 11 C 2 a 21 Z 1 = (6)(0) + (4)(1) = 4; este valor irá en la primera columna para el renglón Z j debajo de la columna X 1.

18 18 C 2 a 12 C 2 a 22 Z 2 = (6)(1) + (4)(0) = 6; este valor irá en la segunda columna para el renglón Z j debajo de la columna X 2. C 2 a 13 C 2 a 23 Z 3 = (6)(1) + (4)(- 3 / 2 ) = 0; este valor irá en la tercera columna para el renglón Z j debajo de la columna S 1. C 1 a 14 C 2 a 24 Z 4 = (6)(-1) + (4)(2) = 2; este valor irá en la cuarta columna para el renglón Z j debajo de la columna S Halle la ganancia donde Z = Σ C ij b i. Z = (6)(20) + (4)(20) = Halle los Z j correspondientes donde Z j = C J - Z j. Z 1 = C 1 - Z 1 = 4 4 = 0 Z 2 = C 2 - Z 2 = 6 6 = 0 Z 3 = C 3 - Z 3 = 0 0 = 0 Z 4 = C 1 - Z 4 = 0 2 = -2 Leemos el tercer tablón, buscamos las variables básicas, no básicas, la ganancia e interpretamos la solución. Las variables básicas son aquellas que poseen Z j = 0 y sus valores al lado derecho extremo son positivo. La variable X 1 y X 2 poseen Z j = 0 y un coeficiente de 1 en la intersección entre la columna y fila donde se encuentra la variable. El valor para la variable X 1 es de 20 unidades mientras que X 2 posee un valor también de 20 unidades. Por otra lado las variables no básicas poseen Z j 0, (positivos o negativos) mientras que su valor es 0. De la tabla se desprende a S 1 y S 2 como variables no básicas y ambas con valores de 0. La ganancia (Z j ) que se obtiene de la mezcla de producción son $200. Se puede cotejar si la ganancia expresada en el tablón es la correcta utilizando la siguiente relación aritmética; Z i +1 = Z i + (mejor Z j )( mejor Ratio). Z III = Z i + (mejor Z II )( mejor RatioII) Z III = (1)(20) = 200

19 19 El análisis de todos los Z j para el tercer tablón indica que la solución es final óptima. Esto se debe a que la única manera para mejorar la solución es que una variable no básica se convierta en variable básica. Para que esto suceda la variable no básica debe tener un cambio positivo de manera que al seleccionarse aumente la ganancia. De seleccionarse una variable con cambio negativo, esta reducirá la ganancia. En resumen, para casos de maximización una solución será óptima si está posee Z j de cero para las variables básicas y negativo para las variables no básicas. En conclusión el tablón final indica que la mezcla para la producción de los relojes se encuentra en el punto (20, 20) en donde la producción semanal será de 20 relojes de hombre (X 1 ) y 20 relojes de mujer (X 2 ). Se utilizó todos los recursos para obtener una ganancia máxima semanal de $200. En la solución gráfica, véase gráfica, aparecen cuatro puntos extremos que son soluciones posibles, estas se prueban hasta obtener una solución óptima. El método símplex probó todas las esquinas de la solución gráfica en solo tres tablones.

20 20 EL PROBLEMA DE MINIMIZACIÓN La solución para un problema de minimización se simplifica después de haber practicado un problema de maximización. La diferencia en el procedimiento es mínima. Veamos el siguiente ejemplo. La empresa Que Lindo Perrito se dedica a la producción y venta de comida seca para perros. La compañía produce y empaca dos clases de comidas en bolsos de 20 libras, estos son a saber; comida seca para perros en crecimiento y comida seca para perros adultos. El costo semanal de fabricar un saco de comida para crecimiento es de $5 y para adultos de $7. A la comida para crecimiento se le puede añadir un máximo de 200 unidades de vitaminas mientras que la comida para perros adultos deberá tener un mínimo de 100 unidades. El total de unidades de vitaminas para la mezcla deberá ser exactamente 800 unidades. La formulación para este problema de programación lineal es la siguiente. Minimizar Z = $5X 1 + $7X 2 Sujeto a: 1X (unidades de vitaminas para perros en crecimiento) + 1X (unidades de vitaminas para perros adultos) X 1 + X 2 = 800 (total de unidades de vitaminas) (X 1, X 2 0) Donde X 1 = unidades de vitaminas para las bolsas de comida para crecimiento X 2 = unidades de vitaminas para bolsas de comida perros adultos AUMENTO DE LAS RESTRICCIONES Y DE LA FUNCIÓN OBJETIVO Al igual que en el caso de maximización, antes discutido, se comienza aumentando las restricciones y luego la función objetivo. La primera restricción, 1X (unidades de vitaminas para perros en crecimiento) posee un signo de desigualdad por lo tanto se le asigna una variable de holgura positiva. 1X 1 + S 1 = 200 La segunda restricción, 2X 1 + 3X (unidades de vitaminas para perros adultos) tiene un signo mayor e igual, es decir el lado izquierdo es mayor que el lado derecho. Para poder igualar la restricción habrá que restar una variable de holgura. Esta variable se conoce como una variable de holgura negativa o de excedente o superflua. 0X 1 + 1X 2 -S 2 = 100 Como el método símplex comienza en el origen, esto significa desafortunadamente que en el punto de solución inicial (0,0) el valor de la variable S 2 será de -100.

21 21 Esto se debe a que se sustituyó el punto (0,0) en la ecuación obteniendo el resultado antes mencionado. 1(0) -S 2 = 100, S 2 = -100 No es permitido un valor negativo para la variable de holgura. Este valor negativo representa la falta de recurso. No se puede asignar una cantidad negativa de vitaminas para las bolsas de comida de perro. Para remediar esta situación se le asignará una variable artificial a la restricción al lado izquierdo en adición a la variable de holgura negativa. La variable artificial absorberá la negatividad de la variable de holgura. 1X 2 -S 2 + A 2 = 100 La variable artificial posee un subíndice de 2 porque pertenece a la segunda restricción. Su interpretación, es de una variable de holgura negativa que demuestra por cuántas unidades la solución final violenta la segunda restricción. Cuando se encuentra una solución que no violente la restricción, A 2 será cero (0) y se quedará con ese valor. Su único propósito es el proveer una solución inicial con valores no negativos. La tercera restricción, X 1 + X 2 = 800 (total de unidades de vitaminas), se le añadirá una variable artificial para no violentar la restricción. A menos que la restricción pase por el origen, de lo contrario existirá una diferencia entre el origen y la igualad de la restricción. La variable artificial absorberá esta diferencia X 1 + X 2 + A 2 = 800 Siempre que se incorpore una variable de holgura o artificial a una restricción, habrá que agregarlas en las demás restricciones y en la función objetivo. En una solución óptima, las variables artificiales no pueden ser variables básicas. La razón para que estas se excluyan en la solución óptima es que estas absorben la negatividad de la variable de holgura. También representan por cuantas unidades no se ha cumplido con la restricción. Para eliminar estas variables artificiales se le asigna un costo extremadamente alto para los casos de minimización y una reducción grande en las ganancias para los casos de maximización. En problemas de minimización las variables con costos bajos son deseables y son las primeras en entrar a la solución y las variables con costos altos serán rápidamente eliminadas. Para lograr esto utilizaremos el método de la M grande. El método de la M grande permite la eliminación de estas variables hasta donde sea posible. El método utiliza la letra $M en vez de dólares para representar un número muy grande. Le asigna un coeficiente de +$M, costo muy alto en casos de minimización y -$M, reducción de ganancias para maximización. Las variables de holgura negativa tienen un costo de cero.

22 22 Acomodamos las restricciones y la función objetivo con sus nuevas variables de holgura y artificiales. Minimizar Z (costo) = $5X 1 + $7X 2 + $0S 1 + $0S 2 + MA 2 + MA 3 Sujeto a: 1X 1 + 0X 2 + 1S 1 + 0S 2 + 0A 2 + 0A 3 = 200 0X 1 + 1X 2 + 0S 1-1S 2 + 1A 2 + 0A 3 = 100 1X 1 + 1X 2 + 0S 1 + 0S 2 + 0A 2 + 1A 3 = 800 (X 1, X 2, S 1, S 2, A 2, A 3 0) COMO OBTENER UNA SOLUCIÓN INICIAL El tablón símplex inicial se construye de manera parecida al anterior ejemplo de maximización. Las variables básicas en la solución inicial son aquellas que poseen signos positivos en este caso son las de holgura positivas (S 1 ) y las artificiales (A 2 y A 3 ). Veamos cuales de las variables son básicas a ser asignadas al tablón inicial. La primera restricción, 1X 1 200; S 1, se asigna la variable S 1» Variable básica La segunda restricción, 1X 2 100; -S 2 + A 2, se asigna la variable A 2» Variable básica La tercera restricción, X 1 + X 2 = 800; A 3, se asigna la variable A 3»Variable básica Luego de trasladar las ecuaciones a la tabla inicial procedemos a buscar los valores de Z j y los Z j correspondientes y los llevamos al tablón inicial. Z 1 = (0)(1) + (M)(0) + (M)(1) = M Z 2 = (0)(0) + (M)(1) + (M)(1) = 2M Z 3 = (0)(1) + (M)(0) + (M)(0) = 0 Z 4 = (0)(0) + (M)(-1) + (M)(0)= -M Z 5 = (0)(0) + (M)(1) + (M)(0)= M Z 6 = (0)(0) + (M)(0) + (M)(1)= M Z = (0)(200) + (M)(100) + (M)(800) = 900M Z 1 = C 1 - Z 1 = 5 M = 5-M Z 2 = C 2 - Z 2 = 7 2M = 7-2M Z 3 = C 3 - Z 3 = 0 0 = 0 Z 4 = C 4 - Z 4 = 0 M = M Z 5 = C 5 - Z 5 = M M = 0 Z 6 = C 6 - Z 6 = M M = 0

23 23 Para la tabla inicial buscamos las variables básicas, no básicas e interpretamos la solución. Las variables básicas como se ha mencionado son aquellas que poseen Z j = 0, mientras que las variables no básicas tienen Z j 0. Las variables: S 1, A 2 y A 3 son básicas, mientras que las variables: X 1, X 2 y S 2 son variables no básicas porque tienen cambios negativos y sus valores son cero. El valor de la variable básica S 1 es de 200 y significa, la existencia de 200 unidades disponibles de vitaminas para perros en crecimiento. Las variables artificiales significan que no se ha cumplido con la restricción. El valor de 100 para la variable A 2 indica el incumplimiento por la cantidad de 100 unidades de la segunda restricción, 1X (unidades de vitaminas para perros adultos). Esta restricción exige que se agreguen por lo menos 100 unidades y su incumplimiento se debe a que la solución inicial está en el punto (0,0). De igual manera sucede con la variable A 3. Está variable se refiere a la tercera restricción e indica el incumplimiento de la restricción por 800 unidades. Al sustituir los valores de X 1 y X 2 faltarán las 800 unidades para su cumplimiento. Para la tercera restricción sustituimos los valores de X 1 = 0 y X 2 = 0, entonces A 3 = 800 por lo tanto A 3 = 800. Cuando se cumpla con la tercera restricción entonces la variable artificial dejará de ser básica y tendrá un valor de cero. Siempre se violentarán las restricciones mientras una variable artificial se mantenga como básica. En conclusión no se asignan vitaminas para alimentos de perros en crecimiento, (X 1 = 0) ni vitaminas para perros adultos, (X 2 = 0), y se podrá agregar 200 unidades de vitaminas para perros en crecimiento. Se incumple con la segunda restricción por 100 unidades y con la tercera restricción por 100 unidades y el costo es alto.

24 24 SEGUNDO TABLÓN SÍMPLEX La construcción del segundo tablón símplex comienza con la búsqueda de la columna pivote. En el método de la M grande, los Z j son afectados según el valor asignado a la variable M. Para seleccionar el mejor cambio, asignamos un valor extremadamente alto en comparación con los coeficientes de X 1 y X 2. Un valor de $100 es bastante alto si este es comparado con $5 y $7. Asignamos el valor de $100 y los sustituimos en los cambios. La selección del Z j más negativo o el costo más bajo, -193, nos indica que la columna pivote es la segunda columna. Z 1 = 5-(100) = = -95 Z 2 = 7-2(100) = = -193 La variable X 2 entrará a la base. Luego se buscan los Ratio para cada renglón y se escoge el positivo más pequeño entre estos. b i a ij = Ratio S = (No definido) A = 100» límite positivo más pequeño (renglón pivote) A = 800 El renglón A 2 sale para dar entrada a la variable X 2. Esto indica una asignación de 100 unidades para X 2. Después que una variable artificial sale de la base o deja de ser variable básica esta no podrá entrar a la base. Esto sucede porque el costo de entrar la variable es muy alto y el método descartará la variable. Es recomendable aunque no necesario, la eliminación de la columna A 2 en el tablón. Esto hace el cálculo aritmético más fácil porque la tabla tiene menos elementos. De existir una solución óptima, el tablón final será más pequeño.

25 25 Se repiten los pasos aprendidos en el caso de maximización para completar el segundo cuadro. 1. Halle el renglón pivote, (0, 1, 0, -1, 0; 100). Se eliminó la columna A Halle el nuevo renglón pivote y trasládalo a próximo tablón (tabla II) a. Busque el elemento de intersección que se encuentra entre la columna pivote y el renglón pivote. (1 para nuestro ejemplo) y divida el renglón pivote entre el elemento de intersección. b. Para este ejemplo el elemento de intersección es 1 por lo tanto el nuevo reglón pivote será igual que el renglón pivote. (0, 1, 0, -1, 0; 100) (1). (0, 1, 0, -1, 0; 100) (1) = (0, 1, 0, -1, 0; 100)» Nuevo renglón pivote 3. Revise los renglones restantes, a. para la fila S 1. i. Multiplique el nuevo renglón pivote por el negativo del elemento de intersección. (0, 1, 0, -1, 0; 100) x (0) = (0, 0, 0, 0, 0; 0) ii. Súmele algebraicamente al el renglón negativo, el renglón que se está revisando y trasládelo al próximo tablón. Como los elementos son cero entonces el renglón revisado es igual al renglón a revisarse. (0, 0, 0, 0, 0; 0) S 1 : + (1, 0, 1, 0, 0; 200) (1, 0, 1, 0, 0; 200) b. para la fila A 3. iii. Multiplique el nuevo renglón pivote por el negativo del elemento de intersección. (0, 1, 0, -1, 0; 100) x (1) = (0, -1, 0, 1, 0;-100) iv. Súmele algebraicamente al el renglón negativo el renglón que se está revisando y trasládelo al próximo tablón. Como el elemento es cero el renglón revisado es igual al renglón a revisarse. (0, -1, 0, 1, 0;-100) A 3 : + (1, 1, 0, 0, 1; 800) (1, 0, 0, 1, 1; 700)

26 26 4. Halle los valores Z j para la nueva tabla símplex. (Z j = Σ C ij a ij.) Z 1 = (0)(1) + (7)(0) + M(1) = M Z 2 = (0)(0) + (7)(1) + M(0) = 7 Z 3 = (0)(1) + (7)(0) + M(0) = 0 Z 4 = (0)(0) + (7)(-1) + M(1) = -7+M Z 5 = (0)(0) + (7)(0) + M(1) = M 5. Halle la ganancia donde Z = Σ C ij b i. Z = (0)(200) + (7)(100) + M(700) = M 6. Halle los Z j correspondientes donde Z j = C J - Z j. Z 1 = C 1 - Z 1 = 5 M = 5 M Z 2 = C 2 - Z 2 = 7 7 = 0 Z 3 = C 3 - Z 3 = 0 0 = 0 Z 4 = C 4 - Z 4 = 0 (-7 +M) = 7-M Z 5 = C 5 Z 5 = M -M = 0 INTERPRETACIÓN DEL SEGUNDO TABLÓN La tabla anterior resume toda la información sobre la mezcla de producción. Un examen de los datos provistos, demuestran las variables básicas: S 1 con valor de 200, X 2 con valor de 100 y A 3 con valor de 700 y las no básicas: X 1 y S 2 ambas con valores de 0. El costo para la mezcla de M es todavía muy alto. El punto de solución (0,100) indica la asignación de 100 unidades de vitaminas para perros adultos (X 2 ) y 0 unidades de vitaminas para perros en crecimiento.

27 27 La interpretación de la variable básica S 1 se obtiene al estudiar la primera restricción, 1X (unidades de vitaminas para perros en crecimiento). Observe que la sustitución del valor de cero para X 1 en la ecuación de forma aumentada causa una disponibilidad máxima de 200 unidades de parta de la variable S 1. Veamos, para 0 + 0X 2 + 1S 1 + 0S 2 + 0A 2 + 0A 3 = 200; S 1 = 200. En cuanto a la variable básica A 3, esta indica el incumplimiento de la tercera restricción, X 1 + X 2 = 800 (total de unidades de vitaminas), por la cantidad de 700 unidades. La restricción exige una combinación exacta de 800 unidades para X 1 y X 2, sin embargo se asignó una cantidad de 100, incumpliendo con la restricción por 700 unidades. Veamos, sustituyendo X 1 = 0 y X 2 = 100 en la ecuación; 1X 1 + 1X 2 + 0S 1 + 0S 2 + 0A 2 + 1A 3 = 800 1(0) + 1(100) + 0S 1 + 0S 2 + 0A 2 + 1A 3 = 800 1A 3 = = 700 A 3 = 700 Por último se revisa el costo del tablón para ver si este es el correcto, donde; Z i +1 = Z i + (mejor Z j )( mejor Ratio). Z II = Z I + (mejor Z I )( mejor Ratio I ) Z II = $900M + ($7-2M)(100 ) = $900M M Z II = $700M TERCER TABLÓN SÍMPLEX Un examen de los Z j indica que la solución del segundo tablón no es óptima porque no todos los cambios son cero y positivos. La solución se puede mejorar porque existen dos cambio negativos: Z 1 = 5-M para la columna X 1 y Z 4 = 7-M para la columna S 2, uno de estos cambios reducirá el costo más que el otro para la próxima tabla. Seleccionamos el primer cambio porque es el más negativo. Por consiguiente la variable X 1 entrará en la base y será la columna pivote remplazando aquel renglón que posea ratio positivo más pequeño.

28 28 Enumeramos los siguientes pasos para el cálculo del tercer tablón símplex luego de haber seleccionado la columna pivote. 1. Para el segundo tablón busque los Ratio para cada renglón y escoja el positivo más pequeño entre estos. b i a ij = Ratio S = 200» límite positivo más pequeño (renglón pivote) X = (No definido) A = 700 El renglón S 1 sale al poseer el ratio positivo más pequeño. 9. Halle el renglón pivote, (1, 0, 1, 0, 0; 200) 10. Halle el nuevo renglón pivote y trasládalo al tercer tablón. a. Busque el elemento de intersección que se encuentra entre la columna pivote y el renglón pivote. (1 para nuestro ejemplo) y divida el renglón pivote entre el elemento de intersección. 11. Para este ejemplo el elemento de intersección es 1 por lo tanto el nuevo reglón pivote será igual que el renglón pivote. (1, 0, 1, 0, 0; 200) (1) = (1, 0, 1, 0, 0; 200)» Nuevo renglón pivote 12. Revise los renglones restantes, a. Para la fila X 2, la multiplicación del nuevo renglón pivote por cero y la suma del renglón S 1, hace que el reglón revisado sea igual al renglón a revisarse. b. para la fila A 3.

29 29 i. Multiplique el nuevo renglón pivote por el negativo del elemento de intersección; (1, 0, 1, 0, 0; 200) x -(1) = (-1, 0, -1, 0, 0; -200) ii. Súmele algebraicamente al el renglón negativo, el renglón que se está revisando y trasládelo al tercer tablón; (-1, 0, -1, 0, 0; -200) + (1, 0, 0, 1, 1; 700) = (0, 0, -1, 1, 1; 500) 13. Halle los valores Z j para la tercera tabla símplex. (Z j = Σ C ij a ij.) Z 1 = (5)(1) + (7)(0) + M(0) = 5 Z 2 = (5)(0) + (7)(1) + M(0) = 7 Z 3 = (5)(1) + (7)(0) + M(-1) = 5-M Z 4 = (5)(0) + (7)(-1) + M(1) = -7+M Z 5 = (5)(0) + (7)(0) + M(1) = M 14. Halle el costo donde Z = Σ C ij b i. Z = (5)(200) + (7)(100) + M(500) = 1, M Z = M 15. Halle los Z j correspondientes donde Z j = C J - Z j. Z 1 = C 1 - Z 1 = 5 5 = 0 Z 2 = C 2 - Z 2 = 7 7 = 0 Z 3 = C 3 - Z 3 = 0 (5-M) = -5+M Z 4 = C 4 - Z 4 = 0 - (-7 +M) = 7 -M Z 5 = C 5 Z 5 = M -M = 0

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

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

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

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

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

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

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

EL MÉTODO SIMPLEX ALGEBRAICO: MINIMIZACION. M. En C. Eduardo Bustos Farías

EL MÉTODO SIMPLEX ALGEBRAICO: MINIMIZACION. M. En C. Eduardo Bustos Farías EL MÉTODO SIMPLEX ALGEBRAICO: MINIMIZACION M. En C. Eduardo Bustos Farías 1 Minimización El método simplex puede aplicarse a un problema de minimización si se modifican los pasos del algoritmo: 1. Se cambia

Más detalles

DESIGUALDADES E INECUACIONES

DESIGUALDADES E INECUACIONES DESIGUALDAD DESIGUALDADES E INECUACIONES Para hablar de la NO IGUALDAD podemos utilizar varios términos o palabras. Como son: distinto y desigual. El término "DISTINTO" (signo ), no tiene apenas importancia

Más detalles

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

APLICACIONES CON SOLVER OPCIONES DE SOLVER

APLICACIONES CON SOLVER OPCIONES DE SOLVER APLICACIONES CON SOLVER Una de las herramientas con que cuenta el Excel es el solver, que sirve para crear modelos al poderse, diseñar, construir y resolver problemas de optimización. Es una poderosa herramienta

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

Datos del autor. Nombres y apellido: Germán Andrés Paz. Lugar de nacimiento: Rosario (Código Postal 2000), Santa Fe, Argentina

Datos del autor. Nombres y apellido: Germán Andrés Paz. Lugar de nacimiento: Rosario (Código Postal 2000), Santa Fe, Argentina Datos del autor Nombres y apellido: Germán Andrés Paz Lugar de nacimiento: Rosario (Código Postal 2000), Santa Fe, Argentina Correo electrónico: germanpaz_ar@hotmail.com =========0========= Introducción

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

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

INTERVALOS, DESIGUALDADES Y VALOR ABSOLUTO

INTERVALOS, DESIGUALDADES Y VALOR ABSOLUTO INTERVALOS, DESIGUALDADES Y VALOR ABSOLUTO INTERVALOS Los Intervalos son una herramienta matemática que se utiliza para delimitar un conjunto determinado de números reales. Por ejemplo el intervalo [-5,3]

Más detalles

ALGEBRA LINEAL. Héctor Jairo Martínez R. Ana María Sanabria R.

ALGEBRA LINEAL. Héctor Jairo Martínez R. Ana María Sanabria R. ALGEBRA LINEAL Héctor Jairo Martínez R. Ana María Sanabria R. SEGUNDO SEMESTRE 8 Índice general. SISTEMAS DE ECUACIONES LINEALES.. Introducción................................................ Conceptos

Más detalles

Espacios generados, dependencia lineal y bases

Espacios generados, dependencia lineal y bases Espacios generados dependencia lineal y bases Departamento de Matemáticas CCIR/ITESM 14 de enero de 2011 Índice 14.1. Introducción............................................... 1 14.2. Espacio Generado............................................

Más detalles

1.4.- D E S I G U A L D A D E S

1.4.- D E S I G U A L D A D E S 1.4.- D E S I G U A L D A D E S OBJETIVO: Que el alumno conozca y maneje las reglas empleadas en la resolución de desigualdades y las use para determinar el conjunto solución de una desigualdad dada y

Más detalles

Problema de Programación Lineal

Problema de Programación Lineal Problema de Programación Lineal Introducción La optimización es un enfoque que busca la mejor solución a un problema. Propósito: Maximizar o minimizar una función objetivo que mide la calidad de la solución,

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

Fundamentos de Investigación de Operaciones El Problema de Transporte

Fundamentos de Investigación de Operaciones El Problema de Transporte Fundamentos de Investigación de Operaciones El Problema de Transporte Septiembre 2002 El Problema de Transporte corresponde a un tipo particular de un problema de programación lineal. Si bien este tipo

Más detalles

Matrices Invertibles y Elementos de Álgebra Matricial

Matrices Invertibles y Elementos de Álgebra Matricial Matrices Invertibles y Elementos de Álgebra Matricial Departamento de Matemáticas, CCIR/ITESM 12 de enero de 2011 Índice 91 Introducción 1 92 Transpuesta 1 93 Propiedades de la transpuesta 2 94 Matrices

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

Matrices equivalentes. El método de Gauss

Matrices equivalentes. El método de Gauss Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar

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

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

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

EXPRESIONES ALGEBRAICAS

EXPRESIONES ALGEBRAICAS EXPRESIONES ALGEBRAICAS Un grupo de variables representadas por letras junto con un conjunto de números combinados con operaciones de suma, resta, multiplicación, división, potencia o etracción de raíces

Más detalles

Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 2012

Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 2012 Grupo: Matrícula: Nombre: Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 22. (pts) Sea A una matriz cuadrada. Indique validez a cada una de las siguientes

Más detalles

SISTEMAS DE ECUACIONES LINEALES

SISTEMAS DE ECUACIONES LINEALES SISTEMAS DE ECUACIONES LINEALES INTRODUCCIÓN En el presente documento se explican detalladamente dos importantes temas: 1. Descomposición LU. 2. Método de Gauss-Seidel. Se trata de dos importantes herramientas

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

Son números enteros los números naturales y pueden ser de dos tipos: positivos (+) y negativos (-)

Son números enteros los números naturales y pueden ser de dos tipos: positivos (+) y negativos (-) CÁLCULO MATEMÁTICO BÁSICO LOS NUMEROS ENTEROS Son números enteros los números naturales y pueden ser de dos tipos: positivos (+) y negativos (-) Si un número aparece entre barras /5/, significa que su

Más detalles

Ecuaciones de primer grado con dos incógnitas

Ecuaciones de primer grado con dos incógnitas Ecuaciones de primer grado con dos incógnitas Si decimos: "las edades de mis padres suman 120 años", podemos expresar esta frase algebraicamente de la siguiente forma: Entonces, Denominamos x a la edad

Más detalles

3.- DETERMINANTES. a 11 a 22 a 12 a 21

3.- DETERMINANTES. a 11 a 22 a 12 a 21 3.- DETERMINANTES. 3.1. -DEFINICIÓN Dada una matriz cuadrada de orden n, se llama determinante de esta matriz (y se representa por A o deta al polinomio cuyos términos son todos los productos posibles

Más detalles

Informática Bioingeniería

Informática Bioingeniería Informática Bioingeniería Representación Números Negativos En matemáticas, los números negativos en cualquier base se representan del modo habitual, precediéndolos con un signo. Sin embargo, en una computadora,

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

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

Tema 2: Sistemas de representación numérica

Tema 2: Sistemas de representación numérica 2.1 Sistemas de Numeración Definiciones previas Comenzaremos por definir unos conceptos fundamentales. Existen 2 tipos de computadoras: Analógicas: actúan bajo el control de variables continuas, es decir,

Más detalles

Una fórmula para la pendiente

Una fórmula para la pendiente LECCIÓN CONDENSADA 5.1 Una fórmula para la pendiente En esta lección aprenderás cómo calcular la pendiente de una recta dados dos puntos de la recta determinarás si un punto se encuentra en la misma recta

Más detalles

Universidad de Costa Rica Escuela de Matemática ALGEBRA LINEAL. x x1 n. θ y. 1 n x1 n ȳ1 n. Carlos Arce S. William Castillo E. Jorge González V.

Universidad de Costa Rica Escuela de Matemática ALGEBRA LINEAL. x x1 n. θ y. 1 n x1 n ȳ1 n. Carlos Arce S. William Castillo E. Jorge González V. Universidad de Costa Rica Escuela de Matemática ALGEBRA LINEAL x x x1 n θ y y ȳ1 n 1 n x1 n ȳ1 n Carlos Arce S. William Castillo E. Jorge González V. 2003 Algebra Lineal Carlos Arce S., William Castillo

Más detalles

Sistemas de Numeración

Sistemas de Numeración UNIDAD Sistemas de Numeración Introducción a la unidad Para la mayoría de nosotros el sistema numérico base 0 aparentemente es algo natural, sin embargo si se establecen reglas de construcción basadas

Más detalles

Secuencias definidas de manera recursiva

Secuencias definidas de manera recursiva LECCIÓN CONDENSADA 1.1 Secuencias definidas de manera recursiva En esta lección Escribirás definiciones y fórmulas recursivas para patrones y secuencias Aprenderás a reconocer y escribir fórmulas para

Más detalles

Anexo 1: Demostraciones

Anexo 1: Demostraciones 75 Matemáticas I : Álgebra Lineal Anexo 1: Demostraciones Espacios vectoriales Demostración de: Propiedades 89 de la página 41 Propiedades 89- Algunas propiedades que se deducen de las anteriores son:

Más detalles

UNIDAD Nº 1: 1. SISTEMAS DE NUMERACION. Formalizado este concepto, se dirá que un número X viene representado por una cadena de dígitos:

UNIDAD Nº 1: 1. SISTEMAS DE NUMERACION. Formalizado este concepto, se dirá que un número X viene representado por una cadena de dígitos: UNIDAD Nº 1: TECNICATURA EN INFORMATICA UNLAR - CHEPES 1.1. INTRODUCCION 1. SISTEMAS DE NUMERACION El mundo del computador es un mundo binario. Por el contrario, el mundo de la información, manejada por

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

EJERCICIOS RESUELTOS DE PROGRAMACIÓN LINEAL

EJERCICIOS RESUELTOS DE PROGRAMACIÓN LINEAL EJERCICIOS RESUELTOS DE PROGRAMACIÓN LINEAL. Para facilitar la elaboración del modelo matemático en La Programación Lineal (PL) recomendamos lectura y análisis de las siguientes 12 consideraciones: Si

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

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

Apuntes de Matemática Discreta 7. Relaciones de Orden

Apuntes de Matemática Discreta 7. Relaciones de Orden Apuntes de Matemática Discreta 7. Relaciones de Orden Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 7 Relaciones de Orden Contenido

Más detalles

Apuntes de Microcontroladores (Repaso de temas previos)

Apuntes de Microcontroladores (Repaso de temas previos) Apuntes de Microcontroladores (Repaso de temas previos) Por M. C. Miguelangel Fraga Aguilar Enero 2015 Representaciones numéricas En estos apuntes se usara el posfijo b para denotar un número escrito en

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

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

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

UNIDAD 3: ARITMÉTICA DEL COMPUTADOR

UNIDAD 3: ARITMÉTICA DEL COMPUTADOR UNIDAD 3: ARITMÉTICA DEL COMPUTADOR Señor estudiante, es un gusto iniciar nuevamente con usted el desarrollo de esta tercera unidad. En esta ocasión, haremos una explicación más detallada de la representación

Más detalles

Funciones más usuales 1

Funciones más usuales 1 Funciones más usuales 1 1. La función constante Funciones más usuales La función constante Consideremos la función más sencilla, por ejemplo. La imagen de cualquier número es siempre 2. Si hacemos una

Más detalles

6 Ecuaciones de 1. er y 2. o grado

6 Ecuaciones de 1. er y 2. o grado 8985 _ 009-08.qd /9/07 5:7 Página 09 Ecuaciones de. er y. o grado INTRODUCCIÓN La unidad comienza diferenciando entre ecuaciones e identidades, para pasar luego a la eposición de los conceptos asociados

Más detalles

1. Números Reales 1.1 Clasificación y propiedades

1. Números Reales 1.1 Clasificación y propiedades 1. Números Reales 1.1 Clasificación y propiedades 1.1.1 Definición Número real, cualquier número racional o irracional. Los números reales pueden expresarse en forma decimal mediante un número entero,

Más detalles

Ejercicios de Programación Lineal

Ejercicios de Programación Lineal Ejercicios de Programación Lineal Investigación Operativa Ingeniería Informática, UCM Curso 8/9 Una compañía de transporte dispone de camiones con capacidad de 4 libras y de 5 camiones con capacidad de

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

Materia: Informática. Nota de Clases Sistemas de Numeración

Materia: Informática. Nota de Clases Sistemas de Numeración Nota de Clases Sistemas de Numeración Conversión Entre Sistemas de Numeración 1. EL SISTEMA DE NUMERACIÓN 1.1. DEFINICIÓN DE UN SISTEMA DE NUMERACIÓN Un sistema de numeración es un conjunto finito de símbolos

Más detalles

LECCIÓN 3.- FORMAS CUADRÁTICAS PROBLEMA 1. a) La matriz simétrica asociada. b) Cuál es su signo? Justifique su respuesta.

LECCIÓN 3.- FORMAS CUADRÁTICAS PROBLEMA 1. a) La matriz simétrica asociada. b) Cuál es su signo? Justifique su respuesta. LECCIÓN.- FORMAS CUARÁTICAS PROBLEMA Sea la forma cuadrática. Calcule: ) ( φ a) La matri simétrica asociada. b) Cuál es su signo? Justifique su respuesta. a) La matri simétrica A que determina la forma

Más detalles

SISTEMAS DE NUMERACIÓN. Sistema decimal

SISTEMAS DE NUMERACIÓN. Sistema decimal SISTEMAS DE NUMERACIÓN Sistema decimal Desde antiguo el Hombre ha ideado sistemas para numerar objetos, algunos sistemas primitivos han llegado hasta nuestros días, tal es el caso de los "números romanos",

Más detalles

Sistemas de numeración

Sistemas de numeración Sistemas de numeración Un sistema de numeración es un conjunto de símbolos y reglas que permiten representar datos numéricos. Los sistemas de numeración actuales son sistemas posicionales, que se caracterizan

Más detalles

Matemáticas. 1 o ESO. David J. Tarifa García. info@esobachilleratouniversidad.com.es

Matemáticas. 1 o ESO. David J. Tarifa García. info@esobachilleratouniversidad.com.es Matemáticas 1 o ESO David J. Tarifa García info@esobachilleratouniversidad.com.es 1 Matemáticas - 1 o ESO 2 Índice 1 Tema 1. Los números naturales 6 1.1 Suma de números naturales................................

Más detalles

Cambio de representaciones para variedades lineales.

Cambio de representaciones para variedades lineales. Cambio de representaciones para variedades lineales 18 de marzo de 2015 ALN IS 5 Una variedad lineal en R n admite dos tipos de representaciones: por un sistema de ecuaciones implícitas por una familia

Más detalles

3 POLINOMIOS Y FRACCIONES ALGEBRAICAS

3 POLINOMIOS Y FRACCIONES ALGEBRAICAS POLINOMIOS Y FRACCIONES ALGEBRAICAS PARA EMPEZAR Un cuadrado tiene 5 centímetros de lado. Escribe la epresión algebraica que da el área cuando el lado aumenta centímetros. A ( 5) Señala cuáles de las siguientes

Más detalles

Polinomios y Ecuaciones

Polinomios y Ecuaciones Ejercicios de Cálculo 0 Prof. María D. Ferrer G. Polinomios y Ecuaciones.. Polinomios: Un polinomio o función polinómica es una epresión de la forma: n n n P a a a a a a = n + n + n + + + + 0 () Los números

Más detalles

Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales

Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales Ejercicio 1 Escribe las siguientes matrices en forma normal de Hermite: 2 4 3 1 2 3 2 4 3 1 2 3 1. 1 2 3 2. 2 1 1 3. 1 2 3 4. 2

Más detalles

UNIVERSIDAD TECNOLÓGICA NACIONAL FACULTAD REGIONAL CÓRDOBA EL LENGUAJE DE LOS DATOS EN LA PC Y SU FORMA DE ALMACENAMIENTO

UNIVERSIDAD TECNOLÓGICA NACIONAL FACULTAD REGIONAL CÓRDOBA EL LENGUAJE DE LOS DATOS EN LA PC Y SU FORMA DE ALMACENAMIENTO UNIVERSIDAD TECNOLÓGICA NACIONAL FACULTAD REGIONAL CÓRDOBA EL LENGUAJE DE LOS DATOS EN LA PC Y SU FORMA DE ALMACENAMIENTO TRABAJO REALIZADO COMO APOYO PARA LA CATEDRA INFORMATICA I Autora: Ing. Ing. Sylvia

Más detalles

Los sistemas de numeración se clasifican en: posicionales y no posicionales.

Los sistemas de numeración se clasifican en: posicionales y no posicionales. SISTEMAS NUMERICOS Un sistema numérico es un conjunto de números que se relacionan para expresar la relación existente entre la cantidad y la unidad. Debido a que un número es un símbolo, podemos encontrar

Más detalles

MANEJO DE EXPRESIONES ALGEBRAICAS. Al finalizar el capítulo el alumno manejará expresiones algebraicas para la solución de problemas

MANEJO DE EXPRESIONES ALGEBRAICAS. Al finalizar el capítulo el alumno manejará expresiones algebraicas para la solución de problemas MANEJO DE EXPRESIONES ALGEBRAICAS Al finalizar el capítulo el alumno manejará expresiones algebraicas para la solución de problemas 34 Reforma académica 003 MAPA CURRICULAR Matemáticas I Aritmética y Álgebra

Más detalles

VECTORES EN EL ESPACIO. 1. Determina el valor de t para que los vectores de coordenadas sean linealmente dependientes.

VECTORES EN EL ESPACIO. 1. Determina el valor de t para que los vectores de coordenadas sean linealmente dependientes. VECTORES EN EL ESPACIO. Determina el valor de t para que los vectores de coordenadas (,, t), 0, t, t) y(, 2, t) sean linealmente dependientes. Si son linealmente dependientes, uno de ellos, se podrá expresar

Más detalles

AXIOMAS DE CUERPO (CAMPO) DE LOS NÚMEROS REALES

AXIOMAS DE CUERPO (CAMPO) DE LOS NÚMEROS REALES AXIOMASDECUERPO(CAMPO) DELOSNÚMEROSREALES Ejemplo: 6 INECUACIONES 15 VA11) x y x y. VA12) x y x y. Las demostraciones de muchas de estas propiedades son evidentes de la definición. Otras se demostrarán

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

Colegio Las Tablas Tarea de verano Matemáticas 3º ESO

Colegio Las Tablas Tarea de verano Matemáticas 3º ESO Colegio Las Tablas Tarea de verano Matemáticas º ESO Nombre: C o l e g i o L a s T a b l a s Tarea de verano Matemáticas º ESO Resolver la siguiente ecuación: 5 5 6 Multiplicando por el mcm(,,6) = 6 y

Más detalles

El álgebra booleana (Algebra de los circuitos lógicos tiene muchas leyes o teoremas muy útiles tales como :

El álgebra booleana (Algebra de los circuitos lógicos tiene muchas leyes o teoremas muy útiles tales como : SIMPLIFICACION DE CIRCUITOS LOGICOS : Una vez que se obtiene la expresión booleana para un circuito lógico, podemos reducirla a una forma más simple que contenga menos términos, la nueva expresión puede

Más detalles

Determinantes y Desarrollo por Cofactores

Determinantes y Desarrollo por Cofactores Determinantes y Desarrollo por Cofactores Departamento de Matemáticas, CCIR/ITESM 12 de enero de 2011 Índice 11.1.Introducción............................................... 1 11.2.El determinate de una

Más detalles

martilloatomico@gmail.com

martilloatomico@gmail.com Titulo: OPERACIONES CON POLINOMIOS (Reducción de términos semejantes, suma y resta de polinomios, signos de agrupación, multiplicación y división de polinomios) Año escolar: 2do: año de bachillerato Autor:

Más detalles

DOMINIO Y RANGO página 89. Cuando se grafica una función existen las siguientes posibilidades:

DOMINIO Y RANGO página 89. Cuando se grafica una función existen las siguientes posibilidades: DOMINIO Y RANGO página 89 3. CONCEPTOS Y DEFINICIONES Cuando se grafica una función eisten las siguientes posibilidades: a) Que la gráfica ocupe todo el plano horizontalmente (sobre el eje de las ). b)

Más detalles

Programación Lineal. Ficha para enseñar a utilizar el Solver de EXCEL en la resolución de problemas de Programación Lineal

Programación Lineal. Ficha para enseñar a utilizar el Solver de EXCEL en la resolución de problemas de Programación Lineal Programación Lineal Ficha para enseñar a utilizar el Solver de EXCEL en la resolución de problemas de Programación Lineal Ejemplo: Plan de producción de PROTRAC En esta ficha vamos a comentar cómo se construyó

Más detalles

4. Se considera la función f(x) =. Se pide:

4. Se considera la función f(x) =. Se pide: Propuesta A 1. Queremos realizar una inversión en dos tipos de acciones con las siguientes condiciones: Lo invertido en las acciones de tipo A no puede superar los 10000 euros. Lo invertido en las acciones

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

PARTE 3 SISTEMAS DE NUMERACION

PARTE 3 SISTEMAS DE NUMERACION PARTE 3 SISTEMAS DE NUMERACION Cuántos camellos hay?. Para responder a esta pregunta hay que emplear el número. Serán cuarenta? Serán cien? Para llegar al resultado el beduino precisa poner en práctica

Más detalles

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas.

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas. Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Septiembre 2012 - Propuesta A 1. Queremos realizar una inversión en dos tipos

Más detalles

EJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores

EJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores EJERCICIOS DE MATEMÁTICAS I HOJA 4 Ejercicio 1. Se consideran los vectores u 1 = (1, 1, 0, 1), u 2 = (0, 2, 1, 0), u 3 = ( 1, 1, 1, 1), u 4 = (2, 2, 1, 0) de R 4. Expresa, si es posible, los vectores u

Más detalles

Introducción al Cálculo Simbólico a través de Maple

Introducción al Cálculo Simbólico a través de Maple 1 inn-edu.com ricardo.villafana@gmail.com Introducción al Cálculo Simbólico a través de Maple A manera de introducción, podemos decir que los lenguajes computacionales de cálculo simbólico son aquellos

Más detalles

Nombre del polinomio. uno monomio 17 x 5 dos binomio 2x 3 6x tres trinomio x 4 x 2 + 2

Nombre del polinomio. uno monomio 17 x 5 dos binomio 2x 3 6x tres trinomio x 4 x 2 + 2 SISTEMA DE ACCESO COMÚN A LAS CARRERAS DE INGENIERÍA DE LA UNaM III. UNIDAD : FUNCIONES POLINÓMICAS III..1 POLINOMIOS La expresión 5x + 7 x + 4x 1 recibe el nombre de polinomio en la variable x. Es de

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

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

Tema 4: Sistemas de Numeración. Codificación Binaria. Escuela Politécnica Superior Ingeniería Informática Universidad Autónoma de Madrid

Tema 4: Sistemas de Numeración. Codificación Binaria. Escuela Politécnica Superior Ingeniería Informática Universidad Autónoma de Madrid Tema 4: Sistemas de Numeración. Codificación Binaria Ingeniería Informática Universidad Autónoma de Madrid 1 O B J E T I V O S Sistemas de Numeración. Codificación Binaria Conocer los diferentes sistemas

Más detalles

21/02/2012. Agenda. Unidad Central de Procesamiento (CPU)

21/02/2012. Agenda. Unidad Central de Procesamiento (CPU) Agenda 0 Tipos de datos 0 Sistemas numéricos 0 Conversión de bases 0 Números racionales o Decimales 0 Representación en signo-magnitud 0 Representación en complemento Unidad Central de Procesamiento (CPU)

Más detalles

VII. Estructuras Algebraicas

VII. Estructuras Algebraicas VII. Estructuras Algebraicas Objetivo Se analizarán las operaciones binarias y sus propiedades dentro de una estructura algebraica. Definición de operación binaria Operaciones como la suma, resta, multiplicación

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

Desarrollo de un nuevo algoritmo para resolver programas lineales enteros y su aplicación práctica en el desarrollo económico.

Desarrollo de un nuevo algoritmo para resolver programas lineales enteros y su aplicación práctica en el desarrollo económico. Desarrollo de un nuevo algoritmo para resolver programas lineales enteros y su aplicación práctica en el desarrollo económico. 7071 Febrero, 2014 Resumen Es importante señalar que en un entorno social

Más detalles

Ejercicios de Trigonometría

Ejercicios de Trigonometría Ejercicios de Trigonometría 1) Indica la medida de estos ángulos en radianes: a) 0º b) 45º c) 60º d) 120º Recuerda que 360º son 2π radianes, con lo que para hacer la conversión realizaremos una simple

Más detalles

UNIDAD 2: COSTOS POR PROCESOS II: Ampliación de Conceptos

UNIDAD 2: COSTOS POR PROCESOS II: Ampliación de Conceptos UNIDAD 2: COSTOS POR PROCESOS II: Ampliación de Conceptos Descripción Temática Una de las finalidades de la implementación de un sistema de costos es determinar con el mayor nivel de exactitud posible,

Más detalles

SISTEMAS DE ECUACIONES LINEALES

SISTEMAS DE ECUACIONES LINEALES Capítulo 7 SISTEMAS DE ECUACIONES LINEALES 7.1. Introducción Se denomina ecuación lineal a aquella que tiene la forma de un polinomio de primer grado, es decir, las incógnitas no están elevadas a potencias,

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

I. RELACIONES Y FUNCIONES 1.1. PRODUCTO CARTESIANO { }

I. RELACIONES Y FUNCIONES 1.1. PRODUCTO CARTESIANO { } I. RELACIONES Y FUNCIONES PAREJAS ORDENADAS Una pareja ordenada se compone de dos elementos x y y, escribiéndose ( x, y ) donde x es el primer elemento y y el segundo elemento. Teniéndose que dos parejas

Más detalles