INTRODUCCIÓN A LOS PROBLEMAS NO LINEALES
|
|
- Javier Santos Lagos
- hace 8 años
- Vistas:
Transcripción
1 INTRODUCCIÓN A LOS PROBLEMAS NO LINEALES RASGOS DISTINTIVOS DE LOS PNL. Forma de un problema de optimización no lineal. Concepto de óptimos locales y globales. Estrategia de los algoritmos de descenso. PROBLEMAS SIN RESTRICCIONES: Ejemplos. Problema de lote óptimo de pedido en un inventario. Ajuste no lineal. PROBLEMAS CON RESTRICCIONES: Ejemplos. Localización de torres de transmisión. Problema de equilibrio de mercados. MIOPD.FIB I.O.E. dística UPC
2 PPROGRAMACIÓN NO LINEAL SIN RESTRICCIONES CONCEPTOS BÁSICOS. Definición de mínimo local y global Representación a lo largo de una dirección de f. Concepto de dirección de descenso. f. Dif. CONDICIONES DE OPTIMALIDAD Necesarias de 1er orden. Funciones convexas dif. Propiedades básicas. Funciones cuadráticas y funciones 2-dif. Necesarias y suficientes de 2º orden MÉTODO DEL GRADIENTE Y EXPLORACIÓN LINEAL. I.O.E. ca MIOPD. FIB UPC
3 x 3 B A x 1 VÉRTICE A x 2 MIOPD. I.O.E. FIB de Estadística UPC
4 C x 3 B VÉRTICE B x 1 x 2 VÉRTICE C ÓPTIMOS ALTERNATIVOS MIOPD. FIB I.O.E. Diplomatura de UPC
5 x 3 C F Recorriendo las diferentes bases encontraríamos los puntos C, D, E, F. En todos ellos la f.obj. tiene igual valor: z* = 220/15. G E D x 1 Cualquier punto G sobre la cara tendrá igual valor para la f.obj. ( COMPROBADLO) x 2 MIOPD. I.O.E. FIB Diplomatura de UPC
6 EFICACIA DEL ALGORITMO SÍMPLEX En el ejemplo anterior se examinan sólo 3 de los 9 vértices del poliedro. Hay ejemplos en los que el algoritmo debe examinarlos TODOS (Klee-Minty, 1972). PEOR CASO POSIBLE. x 3 x 1 x 2 MIOPD. FIB I.O.E. Diplomatura de UPC
7 Introducción a los Problemas No Lineales (P.N.L.) Un P.N.L. es un problema de programación matemática donde la F.O. o alguna restricción és no lineal. Las propiedades y características de estos problemas son distintas a los de P.L. En consecuencia: Los algoritmos de optimización que se utilizan para resolver PNL's son muy diferentes a los utilizados en los P.L. La utilización de "RESOLVEDORES" (Solvers) en lenguajes de modelización como AMPL esconde las diferencias entre P.L. y P.N.L.'s. MIOPD. IE. Diplomatura FIB de UPC
8 Forma General de un P.N.L Max (Min): f 0 (x 1, x 2,, x n ) s. a: f 1 (x 1, x 2,, x n ) 0 : i f k (x 1, x 2,, x n ) 0 ( i, j) cte. : f m (x 1, x 2,, x n )=0 f j (x 1, x 2,, x n ) diferenciable j x i continua i f x j MIOPD. FIB I.O.E. Diplomatura UPC
9 PROBLEMA DE OPTIMIZACI ON NO LINEAL SIN RESTRICIONES 43 Min x IR n f(x) f :IR n IR,fdiferenciable f(x) = f x 1. f x n (x)
10
11 Curvas de nivel de
12 44 Definici on de m ınimo local x de f. δ 0 t.q. x, x x 2 δ, δ<δ 0 : CAPÍTULO 1. MODELOS DE TIEMPO DE VIDA f(x) f(x ) Definici on de m ınimo local estricto x de f. δ 0 t.q. x x, x x 2 δ, 0 <δ<δ 0 : f(x) >f(x ) Definici on de m ınimo global x de f. x IR n,f(x) f(x ) Definici on de m ınimo global estricto x de f. x IR n,x x,f(x) >f(x )
13 Ejemplo: P.N.L. sin restricciones
14 Min y t
15 Ejemplo de P.N.L. con restricciones no lineales Una empresa de telefonía móvil suministra servicio a varias ciudades. Quiere mejorar su servicio instalando una nueva torre. La nueva torre tendrá un radio de transmisión de 40 km y aprovechará las torres existentes en las cuatro ciudades. MIOPD. FIB plomatura de Estadística UPC
16 50 40 C 1 x=5, y=45 30 Nueva Torre x=?, y=? 20 C 2 x=12, y=21 C 3 x=52, y= C 4 x=17, y= I.O.E. I.O.D. Diplomatura de Estadística UPC
17 1-x 1 0,5 f(x) 0,5 1 1,5 2 x-1 x/2 NO DIFERENCIABLE!! x
18 REFORMULACIÓN
19 (3.d) PROGRAMACIÓN NO LINEAL SIN RESTRICCIONES CONCEPTOS BÁSICOS. Definición de mínimo local y global Representación a lo largo de una dirección de f. Concepto de dirección de descenso. f. Dif. CONDICIONES DE OPTIMALIDAD Necesarias de 1er orden. Funciones convexas dif. Propiedades básicas. Funciones cuadráticas y funciones 2-dif. Necesarias y suficientes de 2º orden MÉTODO DEL GRADIENTE Y EXPLORACIÓN LINEAL. I.O.E. MIOPD. stadística FIB UPC
20
21 PROBLEMA DE OPTIMIZACI ON NO LINEAL SIN RESTRICIONES 43 Min x IR n f(x) f :IR n IR,fdiferenciable f(x) = f x 1. f x n (x)
22
23 Curvas de nivel de
24 44 Definici on de m ınimo local x de f. δ 0 t.q. x, x x 2 δ, δ<δ 0 : CAPÍTULO 1. MODELOS DE TIEMPO DE VIDA f(x) f(x ) Definici on de m ınimo local estricto x de f. δ 0 t.q. x x, x x 2 δ, 0 <δ<δ 0 : f(x) >f(x ) Definici on de m ınimo global x de f. x IR n,f(x) f(x ) Definici on de m ınimo global estricto x de f. x IR n,x x,f(x) >f(x )
25 h(α) z=f(x 1,x 2 ) x d x 2 α x 1
26 46 h(α) =f(x + αd) es derivable y h(α) =h(0) + h o(α) (0)α + o(α) con lim α 0+ α Por la regla de la cadena: h (0) = d f(x): f(x + αd) =f(x)+α d f(x)+o(α) Direcci on d de descenso (d.d.) para f en x α 0 > 0, t.q. 0 <α<α 0,esf(x + αd) <f(x). Si f es diferenciable en x: (a) d es d.d. en x d f(x) 0. (b) d es d.d. en x d f(x) < 0. CAPÍTULO 1. MODELOS DE TIEMPO DE VIDA =0 Si f(x) 0entonces d = f(x) es d.d. en x para f: d f(x) = f(x) f(x) = f(x) 2 < 0
27
28 estrict. convexa f(x,y)=5x 2 +10y convexa x 1 x 2
29 0 α
30
31
32
33
34
35 COMPORTAMIENTO DEL MÉTODO DEL GRADIENTE (Exploración Lineal exacta) f () T T x = x Qx b x x 0 x 2 x * x 1 E E ( x ) k+ 1 ( x ) k ( A a) ( A a) ( ) ( *) T ( * x x x x x ) k = k Q k, E
36
37 h(α) ( h'(0) < 0 ) h(α) α 1ª Regla 2ª Regla α
38
39 0 τ 2 1-τ 1
40 Determinar intervalo de incertidumbre 0 0 τ 1 1-τ
41 Ejemplo: P.N.L. sin restricciones
42 Exeini # Carga los vectores t, y n=5 x0ini # Carga la solución inicial en x0 [x,options,f,j]=leastsq('fexe',x0,options,'gexe',t,y,n) t1=0:0.1:8.0 y1=x(1)*exp(x(2)*t1) plot(t,n1,'x',t1,y1) 'fexe.m' function f = FUN(x,t,y,n) for i=1:n f(i) = 0.5*(x(1)*exp(x(2)*t(i)) - y(i) ); end 'gexe.m' function gf = GRADFUN(x, t, y,n) for i = 1:n gf(1,i) = 0.5*exp(x(2)*t(i)); gf(2,i) = 0.5*t(i)*x(1)*exp(x(2)*t(i)); end
43 Min y t
44 OBJETIVO: Estudiar las condiciones que verifican los óptimos locales de (P) Notación: MIOPD. FIB UPC
45 CONDICIONES SUFICIENTES DE K-K-T MIOPD. FIB UPC
46 MODELO DE EQUILIBRIO DE MERCADOS d 1 d 2 d 3 0 s i 1 2 tij Transporte 1 2 d 1 d 2 Demanda Oferta 3 d 3
47 ( Pero puede existir z j > 0!! )
48 PROGRAMACIÓN NO LINEAL CON RESTRICCIONES CONDICIONES DE KARUSH-KUHN-TUCKER. Concepto de cono normal del conjunto factible. Condiciones necesarias de 1er orden y regularidad. Caso de problema convexo. Condiciones suficientes. Lagrangiano del problema. Ejemplos. Método de conjuntos activos. Ejemplos. MÉTODO DEL GRADIENTE REDUCIDO. Caso de restricciones lineales. Variables básicas y no básicas. Algoritmo del gradiente reducido. MIOPD. FIB I.O.E. de Estadística UPC
49
50
51 OBJETIVO: Estudiar las condiciones que verifican los óptimos locales de (P) Notación: MIOPD. I.O.E. FIB Diplomatura de UPC
52
53
54 Índices de las restricciones activas: MIOPD. FIB I.O.E. de Estadística UPC
55 CONDICIONES NECESARIAS DE K-K-T Regularidad en x* : de pleno rango MIOPD. FIB I.O.E. Diplomatura de UPC
56 y x x *
57 CONDICIONES SUFICIENTES DE K-K-T MIOPD. I.O.E. FIB de Estadística UPC
58 62 CAPÍTULO 1. MODELOS DE TIEMPO DE VIDA CONDICIONES DE 1 er ORDEN EN FUNCI ON DEL LAGRANGIANO Para el problema: Min f(x) s.a : h(x) =0v g(x) 0 u Se define el Lagrangiano L(x, v, u) =f(x) v h(x) u g(x) De forma que las condiciones de 1 er orden se expresan:. x L(x, v, u) = f(x) v L(x, v, u) =h(x) =0 u L(x, v, u) =g(x) 0 u g(x) =0, u 0 g x u h x v =0
59 MIOPD. FIB Diplomatura de Estadística UPC
60 En el óptimo se verifica: También en cualquier otro punto; p.ej: (!!!)
61 MODELO DE EQUILIBRIO DE MERCADOS d 1 d 2 d 3 0 s i 1 2 tij Transporte 1 2 d 1 d 2 Demanda Oferta 3 d 3
62
63
64 ( Pero puede existir z j > 0!! )
65
66 I.O.E. I.O.D. Diplomatura de Estadística UPC
67
68
69
70
71 PRESENTACIÓN Y ANÁLISIS DE MODELOS EN P.N.L. Semana 13. Sesión de teoría. Problemas de transporte. Problemas con demanda estocástica. Equilibrio de mercados. Análisis mediante las condiciones de KKT (Práctica 6) MIOPD. FIB I.O.E. Diplomatura de UPC
72 y x x *
73 CONDICIONES SUFICIENTES DE K-K-T MIOPD. FIB I.O.E. de Estadística UPC
74 MODELO DE EQUILIBRIO DE MERCADOS d 1 d 2 d 3 0 s i 1 2 tij Transporte 1 2 d 1 d 2 Demanda Oferta 3 d 3
75 MODELO DE EQUILIBRIO DE MERCADOS d j t1j j d j t2j MIOPD. FIB I.O.E. Diplomatura de UPC
76 MIOPD. I.O.E. FIB de Estadística UPC
77
78 PRÁCTICA 6 d = Cota superior de la demanda p(d) = p( d - δ ) = q(δ ) p(d) q(δ ) d δ d 1 d 2 d 3 s i 0 δ 1 δ 2 1 d Precio = p(demanda) tij 1 2 d 1 d 2 d d = d +δ Demanda absorbida por el mercado Exceso de demanda 2 δ 3 3 d 3 MIOPD. FIB I.O.E. Diplomatura de UPC
79 d 1 d 2 d 3 0 s i δ 1 δ 2 1 tij 1 2 d 1 d 2 2 δ 3 3 d 3
80 set FACT; set MERC; set ARCTR within (FACT cross MERC); set ORIGEN; set ARC_FACT within (ORIGEN cross FACT); set ARC_EXC within (ORIGEN cross MERC); param CTRANS {(i,j) in ARCTR} >=0; param a {j in MERC}>=0; s param b {j in MERC}; i param dmax {j in MERC}>0; d 1 param alfa {i in FACT}>0; 0 param beta {i in FACT}; d 2 d 3 let dtotal:= sum {j in MERC} dmax[j]; node OR {l in ORIGEN} net_out = dtotal; node P {i in FACT}; node MR {j in MERC} net_in = dmax[j]; arc fict {(l,j) in ARC_EXC} >= 0, from OR[l], to MR[j]; arc xij {(i,j) in ARCTR} >= 0, from P[i], to MR[j]; arc si {(i,j) in ARC_FACT} >=0, from OR[i], to P[j]; δ 1 δ δ 3 tij d 1 d 2 d 3
81 minimize F: sum{(i,j) in ARC_FACT} alfa[j]*si[j]+0,5*beta[j]*si[j]^2 + sum{(p,q) in ARCTR} CTRANS[p,q]*xij[p,q]+ sum{(r,s) in ARC_EXC} a[s]*fict[s] + 0,5*b[s]*fict[s]^2; d 1 0 s i δ 1 δ 2 1 tij 1 2 d 1 d 2 d 2 d 3 2 π(s )=α+βs δ 3 3 d 3 q(δ )=a+bδ s δ
82 set FACT:= P1 P2; set MERC:= M1 M2 M3; set ARCTR:= (P1,M1) (P1,M2) (P1,M3) (P2,M1) (P2,M2) (P2,M3); set ORIGEN:= O; set ARC_FACT:= (O,P1) (O,P2); set ARC_EXC:= (O,M1) (O,M2) (O,M3); param CTRANS:= P1 M1 1 P1 M2 2 P1 M3 1.5 P2 M1 3 P2 M2 2 P2 M3 2.5; param a:= M1 10 M2 12 M3 9; param b:= M1 3 M2 2 M3 4; param dmax:= M1 200 M2 200 M3 200; δ 1 param alfa:= P1 600 P2 600; tij 1 param beta:= P1-0.5 P2-0.5; s i 1 d 1 d 2 d 3 0 δ 2 2 d 1 d 2 2 δ 3 3 d 3
83 Precio en M1 Precio en M2; no se vende Precio en M3 d 1 d 2 d 3 0 s i δ 1 δ ,91 tij 1 2 d 1 d ,55 δ 3 3 d 3
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 detallesUnidad III: Programación no lineal
Unidad III: Programación no lineal 3.1 Conceptos básicos de problemas de programación no lineal Programación no lineal (PNL) es el proceso de resolución de un sistema de igualdades y desigualdades sujetas
Más detallesUNIDAD 6. Programación no lineal
UNIDAD 6 Programación no lineal En matemática Programación no lineal (PNL) es el proceso de resolución de un sistema de igualdades y desigualdades sujetas a un conjunto de restricciones sobre un conjunto
Más detalles3. MODELO MACROECONOMICO. 3.1 Oferta y demanda agregada nacional y su efecto en la economía internacional
3. MODELO MACROECONOMICO 3.1 Oferta y demanda agregada nacional y su efecto en la economía internacional Definimos primero a la oferta y demanda agregada para después desglosar sus elementos. Veremos la
Más detallesGEOMETRÍA. Septiembre 94. Determinar la ecuación del plano que pasa por el punto M (1,0, la recta x 1 y z
GEOMETRÍA Junio 94. 1. Sin resolver el sistema, determina si la recta x 3y + 1 = 0 es exterior, secante ó tangente a la circunferencia (x 1) (y ) 1. Razónalo. [1,5 puntos]. Dadas las ecuaciones de los
Más detallesUNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS (SOLUCIONES )
UNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS SOLUCIONES HOJA 5: Optimización 5-1. Hallar los puntos críticos de las siguiente funciones y clasificarlos: a fx, y = x y + xy.
Más detallesGuía 2 Del estudiante Modalidad a distancia. Modulo CÁLCULO UNIVARIADO ADMINISTRACIÓN TURÍSTICA Y HOTELERA II SEMESTRE
Guía 2 Del estudiante Modalidad a distancia Modulo CÁLCULO UNIVARIADO ADMINISTRACIÓN TURÍSTICA Y HOTELERA II SEMESTRE DATOS DE IDENTIFICACION TUTOR Luis Enrique Alvarado Vargas Teléfono 435 29 52 CEL.
Más detallesOPTIMIZACIÓN 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 detallesFundamentos 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 detallesIntroducción a la optimización con algoritmos. Ejercicios. 0 2 f(x + t(y x))(y x)dt. J(x + t(y x))(y x)dt siendo J la matriz Jacobiana de F.
Introducción a la optimización con algoritmos Ejercicios Preliminares 1. Demostrar que si f C 2 (IR n ), f : IR n IR entonces f(y) f(x) = 1 0 2 f(x + t(y x))(y x)dt. 2. Demostrar que si F C 1 (IR n ),
Más detallesDiferenciabilidad, Regla de la Cadena y Aplicaciones
Universidad Técnica Federico Santa María Departamento de Matemática Matemática III Guía Nº3 Primer Semestre 015 Diferenciabilidad, Regla de la Cadena y Aplicaciones Problemas Propuestos 1. Sea f : R R
Más detallesIntroducción a la Optimización Matemática
Introducción a la Optimización Matemática Modelos de Optimización Tienen como propósito seleccionar la mejor decisión de un número de posibles alternativas, sin tener que enumerar completamente todas ellas.
Más detalles(2.b) PROPIEDADES DE LOS MODELOS LINEALES
(2.b) PROPIEDADES DE LOS MODELOS LINEALES ESTUDIO GRÁFICO DE UN P.P.L. EN R 2. Caracterización de la región factible. Resolución gráfica del problema. Óptimos alternativos. Problemas no factibles y no
Más detallesSISTEMAS 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 detallesJuegos Cooperativos. Core
Curso : Juegos Cooperativos Core J. Oviedo Universidad Nacional de San Luis 1. Juegos Cooperativos En estos juegos se permite la comunicación entre los jugadores, también pueden firmar contratos de cooperación.
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Universidad de Cádiz Departamento de Matemáticas MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Tema 7 Funciones reales de una variable real Elaborado por la Profesora Doctora
Más detallesExtremos de varias variables
Capítulo 1 Extremos de varias variables Problema 1 Encontrar los extremos absolutos de la función fx, y) = xy en el conjunto A = x, y) IR : x + y 4, x 5/}. Solución: En primer lugar representamos el conjunto
Más detallesEjercicios Propuestos Tema 2
Ejercicios Propuestos Tema 2 1 Programar la función: fx, A, X = a 0 + a 1 x x 1 + a 2 x x 1 x x 2 + + a n x x 1 x x 2 x x n, donde A = [a 0, a 1,, a n ], X = [x 1, x 2,, x n ], con x R Calcular todas las
Más detallesObservaciones del profesor:
Calificación total máxima: 10 puntos. Tiempo: 60 minutos. OPCIÓN A Ejercicio 1. (Puntuación máxima: 4 puntos) Se considera la matriz: A=( ) a) Determina la matriz B= A 2-2A 1,5 PUNTOS b) Determina los
Más detallesProblemas elementales y soluciones difíciles
Vol. XIII No 1 Junio (2005) Matemáticas: 15 30 Matemáticas: Enseñanza Universitaria c Escuela Regional de Matemáticas Universidad del Valle - Colombia Problemas elementales y soluciones difíciles Yu Takeuchi
Más detallesCAPÍTULO 10 Aplicaciones de la Derivada a Funciones Económicas
CAPÍTULO 10 Aplicaciones de la Derivada a Funciones Económicas Introducción En la economía, la variación de alguna cantidad con respecto a otra puede ser descrita por un concepto promedio o por un concepto
Más detallesTema 8: Análisis Discriminante. Clasificación. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. Análisis discriminante
Aurea Grané. Máster en Estadística. Universidade Pedagógica. 1 Aurea Grané. Máster en Estadística. Universidade Pedagógica. 2 Análisis discriminante Tema 8: Análisis Discriminante y Clasificación Aurea
Más detallesProgramación Lineal Entera
Programación Lineal Entera Los modelos de programación entera son una extensión de los modelos lineales en los que algunas variables toman valores enteros. Con frecuencia las variables enteras sólo toman
Más detalles1. Hallar los extremos de las funciones siguientes en las regiones especificadas:
1 1. DERIVACIÓN 1. Hallar los extremos de las funciones siguientes en las regiones especificadas: b) f(x) x (x 1) en el intervalo [, ] y en su dominio. DOMINIO. D R. CORTES CON LOS EJES. Cortes con el
Más detallesDada la dificultad práctica para resolver de forma exacta toda una serie de problemas de
CAPÍTULO 2 Métodos de solución Dada la dificultad práctica para resolver de forma exacta toda una serie de problemas de programación entera, se han desarrollado algoritmos que proporcionan soluciones factibles
Más detallesProgramación Lineal y Optimización Segundo Examen Parcial :Solución Profr. Eduardo Uresti, Verano 2009
Programación Lineal y Optimización Segundo Examen Parcial : Profr. Eduardo Uresti, Verano 2009 Matrícula: Nombre: 1. Suponga que se tiene disponible la siguiente información salida de LINDO a un problema
Más detallesTema 3: Aplicaciones de la diagonalización
TEORÍA DE ÁLGEBRA II: Tema 3. DIPLOMATURA DE ESTADÍSTICA 1 Tema 3: Aplicaciones de la diagonalización 1 Ecuaciones en diferencias Estudiando la cría de conejos, Fibonacci llegó a las siguientes conclusiones:
Más detallesOptimización para ingenieros. Introducción
Optimización para ingenieros Introducción 1er semestre de 2013 Optimización para ingenieros Objetivos del curso 2/22 Presentar la estructura para la formulación de problemas de optimización Discutir una
Más detallesTipo de máquina Tiempo disponible. (h/maq. Por semana) Fresadora 500 Torno 350 Rectificadora 150
Ejercicios Tema 1. 1.- Utilizar el procedimiento gráfico para resolver los siguientes P.L. a) Max z = 10x 1 + 20x 2 s.a x 1 + 2x 2 15 x 1 + x 2 12 5x 1 + 3x 2 45 x 1,x 2 0 b) Max z = 2x 1 + x 2 s.a. x
Más detalles1.- Encontrar los intervalos de crecimiento y decrecimiento de las funciones:
F. EJERCICIOS PROPUESTOS. 1.- Encontrar los intervalos de crecimiento y decrecimiento de las funciones: (a) f(x) =x 3 /3+3x 2 /2 10x. Resp.: Crece en (, 5) y en (2, ); decrece en ( 5, 2). (b) f(x) =x 3
Más detallesEL 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 detallesPara hallar el límite de una sucesión podemos utilizar algunas técnicas como: El concepto de límite de una función:
Tema 3 Sucesiones y Series 3.1. Sucesiones de números reales Definición 3.1.1 Una sucesión de números reales { } es una aplicación que asigna a cad N un número real: : N R a 1, a 2, a 3... son los términos
Más detallesProblemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás
Problemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás de mayo de 013 Capítulo 13 Año 01 13.1. Modelo 01 - Opción A Problema 13.1.1 (3 puntos) Dados los puntos A(1,
Más detallesVECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define.
VECTORES El estudio de los vectores es uno de tantos conocimientos de las matemáticas que provienen de la física. En esta ciencia se distingue entre magnitudes escalares y magnitudes vectoriales. Se llaman
Más detallesTema 6: Problemas Especiales de Programación Lineal
Tema 6: Problemas Especiales de Programación Lineal Transporte Asignación Transbordo Tienen una estructura especial que permite modelizar situaciones en las que es necesario: Determinar la manera óptima
Más detallesEscuela Politécnica Superior de Ingeniería Departamento de Ingeniería Informática
Escuela Politécnica Superior de Ingeniería Departamento de Ingeniería Informática Fundamentos de la informática 2. Algoritmos, diagramas de flujo y pseudocódigo Contenido Algoritmos Diagramas de flujo
Más detallesEl modelo EOQ básico (Economic Order Quantity) es el más simple y fundamental de todos los modelos de inventarios.
Tema 7 Sistemas de Inventarios 7.1. Modelo EOQ básico El modelo EOQ básico (Economic Order Quantity) es el más simple y fundamental de todos los modelos de inventarios. 7.1.1. Hipótesis del modelo 1. Todos
Más detalles(A) Primer parcial. si 1 x 1; x 3 si x>1. (B) Segundo parcial
CÁLCULO DIFERENCIAL E INTEGRAL I EVALUACIÓN GLOBAL E700 1) x 5 > 1. A) Primer parcial ) Sean las funciones ft) t +,gy) y 4&hw) w. Encontrar f/h, g f, f g y sus dominios. ) Graficar la función x + six
Más detallesEjercicios 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 detallesUna función f es derivable en un punto a de su dominio si existe el límite. f(x) f(a) Si f y g son derivables en a, entonces fg es derivable en a y
4. Derivabilidad 1 Una función f es derivable en un punto a de su dominio si existe el límite f (a) = lím x a f(x) f(a) x a f(a + h) f(a) = lím, h 0 h y es un número real. El número f (a) se denomina derivada
Más detallesFunciones vectoriales de variable vectorial. Son aplicaciones entre espacios eucĺıdeos, IR n, f : X IR n Y IR m
Funciones vectoriales de variable vectorial Son aplicaciones entre espacios eucĺıdeos, IR n, f : X IR n Y IR m x y x = (x 1, x 2,, x n ), y = (y 1, y 2,, y m ) e y j = f j (x 1, x 2,, x n ), 1 j n n =
Más detallesCapitulo 4. Polinomios
Capitulo 4. Polinomios Objetivo. El alumno usará y analizará los conceptos del álgebra de los polinomios y sus propiedades para obtener raíces. Contenido. 4.1 Definición de polinomio. Grado de un polinomio.
Más detallesUna invitación al estudio de las cadenas de Markov
Una invitación al estudio de las cadenas de Markov Víctor RIVERO Centro de Investigación en Matemáticas A. C. Taller de solución de problemas de probabilidad, 21-25 de Enero de 2008. 1/ 1 Introducción
Más detalles3.1. Concepto de función. Dominio, recorrido y gráfica. 3.1.1. Concepto de función
TEMA 3 FUNCIONES 3.1. Concepto de función. Dominio, recorrido y gráfica. 3.1.1. Concepto de función Una función es una relación establecida entre dos variables que asocia a cada valor de la primera variable
Más detallesFinanzas de Empresas Turísticas
Finanzas de Empresas Turísticas Prof. Francisco Pérez Hernández (f.perez@uam.es) Departamento de Financiación e Investigación de la Universidad Autónoma de Madrid 1 Departamento de Financiación e Investigación
Más detallesJuegos. Esquema. Introducción: juegos como búsqueda Decisiones perfectas Decisiones imperfectas Poda α β
Juegos Transparencias IA (F29) M.Marcos, 2002 (Figuras c S.Russell & P.Norvig, 1998) 1 Esquema Introducción: juegos como búsqueda Decisiones perfectas Decisiones imperfectas Poda α β Transparencias IA
Más detallesb) Para encontrar los intervalos de crecimiento y decrecimiento, hay que derivar la función. Como que se trata de un cociente, aplicamos la fórmula:
1. Dada la función f(x) = : a) Encontrar el dominio, las AH y las AV. b) Intervalos de crecimiento, decrecimiento, máximos y mínimos relativos. c) Primitiva que cumpla que F(0) = 0. a) Para encontrar el
Más detallesÁlgebra Vectorial. Principios de Mecánica. Licenciatura de Física. Curso 2007-2008. 1
Álgebra Vectorial Principios de Mecánica. Licenciatura de Física. Curso 2007-2008. 1 Indice. 1. Magnitudes Escalares y Vectoriales. 2. Vectores. 3. Suma de Vectores. Producto de un vector por un escalar.
Más detallesEL ALGORITMO DEL SIMPLEX PARA
FLUJOS SOBRE REDES Presentación y definiciones. Modelos de flujos sobre redes (I). Modelo de transporte y asignación. Problema de Coste Mínimo (Min-Cost). EL ALGORITMO DEL SIMPLEX PARA Min-Cost. Soluciones
Más detallesSupport Vector Machine
Juan Carlos Caicedo Juan Carlos Mendivelso Maestria en Ingenieria de Sistemas y Computacion Universidad Nacional de Colombia 20 de marzo de 2007 Agenda 1 2 3 4 Outline 1 2 3 4 Clasificador lineal que utiliza
Más detalles1. Ecuaciones no lineales
1. Ecuaciones no lineales 1.1 Ejercicios resueltos Ejercicio 1.1 Dada la ecuación xe x 1 = 0, se pide: a) Estudiar gráficamente sus raíces reales y acotarlas. b) Aplicar el método de la bisección y acotar
Más detallesMétodos generales de generación de variables aleatorias
Tema Métodos generales de generación de variables aleatorias.1. Generación de variables discretas A lo largo de esta sección, consideraremos una variable aleatoria X cuya función puntual es probabilidad
Más detallesCAPÍTULO 3. ALGORITMOS DE PREVISIÓN BASADOS EN LA EXTRAPOLACIÓN DE LOS DATOS MÁS RECIENTES
CAPÍTULO 3. ALGORITMOS DE PREVISIÓN BASADOS EN LA EXTRAPOLACIÓN DE LOS DATOS MÁS RECIENTES El objetivo de esta tesina es la introducción de mejoras en la previsión meteorológica a corto plazo. El punto
Más detallesPara cada cada valor de la función original lo multiplicas por 3 lo recorres 45 a la derecha y lo subes 5 unidades.
3.5 Gráficas de las funciones: f(x) = a sen (bx + c) + d f(x) = a cos (bx + c) + d f(x) = a tan (bx + c) + d en donde a, b, c, y d son números reales En la sección 3.4 ya realizamos algunos ejemplos en
Más detallesCapítulo 3 Soluciones de ejercicios seleccionados
Capítulo 3 Soluciones de ejercicios seleccionados Sección 3.1.4 1. Dom a = [ 1, 1]. Dom b = R. Dom c = (, 4). Dom d = ( 1, ). Dom e = R ( 1, 3] y Dom f = R {, }. 5x 4 x < 1, (x 1)(3x ) x < 1,. (f + g)(x)
Más detallesInstituto Politécnico Nacional Escuela Superior de Cómputo. Modelos de ubicación. M. En C. Eduardo Bustos Farías
Instituto Politécnico Nacional Escuela Superior de Cómputo Modelos de ubicación M. En C. Eduardo Bustos Farías 1 Objetivos Describir los factores que influyen las decisiones sobre Localización en manufacturas
Más detallesInteligencia Artificial Búsqueda entre adversarios
Inteligencia Artificial Búsqueda entre adversarios Primavera 27 profesor: Luigi Ceccaroni Juegos En los entornos multiagente (cooperativos o competitivos), cualquier agente tiene que considerar las acciones
Más detallesUNIDAD 4 PROCESOS DE MARKOV
UNIDAD 4 PROCESOS DE MARKOV Anteriormente se han cubierto modelos estáticos, esto es, modelos cuyos parámetros permanecen sin cambio a través del tiempo. Con excepción de programación dinámica donde se
Más detallesProblemas y Ejercicios Resueltos. Tema 2: Espacios vectoriales.
Problemas y Ejercicios Resueltos. Tema : Espacios vectoriales. Ejercicios 1.- Determinar el valor de x para que el vector (1, x, 5) R 3 pertenezca al subespacio < (1,, 3), (1, 1, 1) >. Solución. (1, x,
Más detallesProgramación 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 detallesOrganización como función administrativa Resumen para Administración y Gestión Profesor: Gonzalo V.
Organización como función administrativa Introducción: Organización rganización como función administrativa En las organizaciones que se caracterizan por estar orientadas al éxito, a la eficiencia y al
Más detallesUnidad 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 detallesEJERCICIOS DE PROGRAMACIÓN LINEAL
EJERCICIOS DE PROGRAMACIÓN LINEAL 1. Disponemos de 210.000 euros para invertir en bolsa. Nos recomiendan dos tipos de acciones. Las del tipo A, que rinden el 10% y las del tipo B, que rinden el 8%. Decidimos
Más detallesEL MÉTODO DE LA BISECCIÓN
EL MÉTODO DE LA BISECCIÓN Teorema de Bolzano Sea f : [a, b] IR IR una función continua en [a, b] tal que f(a) f(b) < 0, es decir, que tiene distinto signo en a y en b. Entonces, existe c (a, b) tal que
Más detallesCAPITULO 3. Aplicaciones de la Derivada. Licda. Elsie Hernández Saborío. Instituto Tecnológico de Costa Rica. Escuela de Matemática
CAPITULO Aplicaciones de la Derivada Licda. Elsie Hernández Saborío Instituto Tecnológico de Costa Rica Escuela de Matemática Créditos Primera edición impresa: Rosario Álvarez, 1988. Edición Latex: Marieth
Más detalles1. Derivadas parciales
Análisis Matemático II. Curso 2009/2010. Diplomatura en Estadística/Ing. Téc. en Inf. de Gestión. Universidad de Jaén TEMA 3. ABLES DIFERENCIACIÓN DE FUNCIONES DE VARIAS VARI- 1. Derivadas parciales Para
Más detallesFunciones de varias variables
Capítulo 2 Funciones de varias variables 1. Definiciones básicas En este texto consideraremos funciones f : A R m, A R n. Dichas funciones son comúnmente denominadas como funciones de varias variables,
Más detallesIntroducción a los sistemas disipativos y prueba del Teorema de pequeña ganancia
Introducción a los sistemas disipativos y prueba del Teorema de pequeña ganancia Gabriel Tucci Scuadroni Profesor: Álvaro Giusto 14 de diciembre de 2002 Control Robusto Ingeniería Electrica Universidad
Más detallesTema 5. Aproximación funcional local: Polinomio de Taylor. 5.1 Polinomio de Taylor
Tema 5 Aproximación funcional local: Polinomio de Taylor Teoría Los polinomios son las funciones reales más fáciles de evaluar; por esta razón, cuando una función resulta difícil de evaluar con exactitud,
Más detalles1. Definición 2. Operaciones con funciones
1. Definición 2. Operaciones con funciones 3. Estudio de una función: Suma y diferencia Producto Cociente Composición de funciones Función reciproca (inversa) Dominio Recorrido Puntos de corte Signo de
Más detalles(2.a) INTRODUCCIÓN A LA FORMULACIÓN DE MODELOS LINEALES
(2.a) INTRODUCCIÓN A LA FORMULACIÓN DE MODELOS LINEALES PROBLEMAS DE PROGRAMACIÓN LINEAL. Función objetivo y restricciones. HIPÓTESIS DE MODELIZACIÓN. Ejemplos: problema de producción, problema de dietas.
Más detallesUNIVERSIDAD 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 detallesCinemática en una Dimensión. Posición, velocidad. Cantidades vectoriales: operación de suma y diferencia.
Cinemática en una Dimensión. Posición, velocidad. Cantidades vectoriales: operación de suma y diferencia. Resumen Para cualquier numero que resulte de una medición es importante especificar su incertidumbre
Más detallesModelando la cadena de suministro como un problema de programación multinivel y su solución a través de la programación multiparamétrica
Modelando la cadena de suministro como un problema de programación multinivel y su solución a través de la programación multiparamétrica Introducción La importancia de la cadena de suministro Lo siento,
Más detalleswww.abaco.com.ve www.abrakadabra.com.ve www.miprofe.com.ve
Autor: José Arturo Barreto M.A. Páginas web: www.abaco.com.ve www.abrakadabra.com.ve www.miprofe.com.ve Correo electrónico: josearturobarreto@yahoo.com Capítulo I El Problema 1.1 Planteamiento del problema
Más detallesSistemas de ayuda a la decisión Tema 5. Análisis de Sensibilidad Análisis Cualitivo y Análisis Paramétrico
Tema 5. Análisis de Sensibilidad Análisis Cualitivo y Análisis Paramétrico Indice 1) Motivavión, Identifición y Estructuración del problema 2) Análisis Paramétrico: Medidas basadas en distancias de umbral
Más detallesLímites y Continuidad de funciones
CAPITULO Límites y Continuidad de funciones Licda. Elsie Hernández Saborío Instituto Tecnológico de Costa Rica Escuela de Matemática Revista digital Matemática, educación e internet (www.cidse.itcr.ac.cr)
Más detalles(a) El triángulo dado se descompone en tres segmentos de recta que parametrizamos de la siguiente forma: (0 t 1); y = 0. { x = 1 t y = t. (0 t 1).
INTEGRALES DE LÍNEA. 15. alcular las siguientes integrales: (a) (x + y) ds donde es el borde del triángulo con vértices (, ), (1, ), (, 1). (b) x + y ds donde es la circunferencia x + y ax (a > ). (a)
Más detallesSoluciones a los problemas Olimpiada de Matemáticas Fase local Extremadura Enero de 2015
Olimpiada atemática Española RSE Soluciones a los problemas Olimpiada de atemáticas Fase local Extremadura Enero de 2015 1. lrededor de una mesa circular están sentadas seis personas. ada una lleva un
Más detallesS n = 3n + 2 n + 4. ln(1 + a n ) (3) Decidir, para cada una de las siguientes series, si es convergente o divergente.
CÁLCULO HOJA 1 INGENIERO TÉCNICO EN INFORMÁTICA DE SISTEMAS GRUPO DE MAÑANA, MÓSTOLES, 2008-09 (1) De la serie a n se sabe que la sucesión de sumas parciales viene dada por: S n = 3n + 2 n + 4. Encontrar
Más detallesCapitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario)
Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS (Solucionario) 2 Í N D I C E CAPÍTULO : MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES CAPÍTULO 2: ESPACIOS VECTORIALES
Más detallesALGORITMOS GEOMÉTRICOS. Análisis y diseño de algoritmos II- 2009
ALGORITMOS GEOMÉTRICOS Análisis y diseño de algoritmos II- 2009 La geometría computacional es una rama de la ciencia de la computación que estudia algoritmos para resolver problemas geométricos. Aplicaciones
Más detallesTEORÍA TEMA 9. 2. Definición de ESFUERZOS CARACTERÍSTICOS ( Mf.; Q; N)
1. Definición de Viga de alma llena TEORÍA TEMA 9 2. Definición de ESFUERZOS CARACTERÍSTICOS ( Mf.; Q; N) 3. Determinación de los esfuerzos característicos i. Concepto de Polígonos de Presiones ii. Caso
Más detallesTÉCNICAS DE PLANIFICACIÓN Y CONTROL DE PROYECTOS 1
Técnicas de planificación y control de proyectos Andrés Ramos Universidad Pontificia Comillas http://www.iit.comillas.edu/aramos/ Andres.Ramos@comillas.edu TÉCNICAS DE PLANIFICACIÓN Y CONTROL DE PROYECTOS
Más detallesGestión de Riesgos - Introducción
Temario de la clase Gestión de Riesgos Definiciones Tipos de Riesgos Análisis de Riesgos Resolución de Riesgos Gestión de Riesgos - Introducción El riesgo implica: Riesgo: Definiremos como Riesgo a cualquier
Más detallesOPTIMIZACIÓN 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 detallesUsamos que f( p) = q y que, por tanto, g( q) = g(f( p)) = h( p) para simplificar esta expresión:
Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 2004-2005 Propiedades de las funciones diferenciables. 1. Regla de la cadena Después de la generalización que hemos
Más detallesConcepto de función. El subconjunto en el que se define la función se llama dominio o campo existencia de la función. Se designa por D.
Concepto de función Dados dos conjuntos A y B, llamamos función a la correspondencia de A en B en la cual todos los elementos de A tienen a lo sumo una imagen en B, es decir una imagen o ninguna. Función
Más detallesProblemas Resueltos de Ecuaciones en Derivadas Parciales
Problemas Resueltos de Ecuaciones en Derivadas Parciales Alberto Cabada Fernández 4 de diciembre de. Índice general Introducción I. Ecuaciones de primer orden.. Método de las bandas características...................
Más detallesApuntes de cálculo diferencial en una y varias variables reales. Eduardo Liz Marzán
Apuntes de cálculo diferencial en una y varias variables reales Eduardo Liz Marzán Diciembre de 2013 Índice general 1 Preliminares 1 11 Introducción 1 12 La relación de orden en el conjunto de los números
Más detalleseuresti@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 detallesHerramientas digitales de auto-aprendizaje para Matemáticas
Herramientas digitales de auto-aprendizaje para Matemáticas, Grupo de Innovación Didáctica Departamento de Matemáticas Universidad de Extremadura Índice Dada una función f : D R R y un intervalo I D
Más detallesCálculo de las Acciones Motoras en Mecánica Analítica
Cálculo de las Acciones Motoras en Mecánica Analítica 1. Planteamiento general El diseño típico de la motorización de un sistema mecánico S es el que se muestra en la figura 1. Su posición viene definida
Más detallesRepresentación gráfica de funciones
Gráfica de una fución Representación gráfica de funciones La gráfica de una función está formada por el conjunto de puntos (x, y) para todos los valores de x pertenecientes al Dominio de la función gráfica
Más detallesCadenas de Markov y Perron-Frobenius
Cadenas de Markov y Perron-Frobenius Pablo Lessa 10 de octubre de 2014 1. Cadenas de Markov En 1996 Larry Page y Sergey Brin, en ese momento en Stanford, inventaron una manera de asignar un ranking de
Más detallesProgramación Lineal y Optimización Segundo Examen Parcial Respuesta: :Solución Profr. Eduardo Uresti, Enero-Mayo 2011
Matrícula: Nombre: Programación Lineal y Optimización Segundo Examen Parcial Respuesta: : Profr. Eduardo Uresti, Enero-Mayo 2011 1. Suponga que tiene una empresa que produce tres tipos de productos (P
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Universidad de Cádiz Departamento de Matemáticas MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Tema Representación gráfica de funciones reales de una variable real Elaborado
Más detallesGASTO METABOLICO DE ENERGIA
GASTO METABOLICO DE ENERGIA Indice Introducción Conceptos Básicos de Metabolismo Métodos Usados para Evaluar la Demanda Metabólica de una Tarea Desarrollo del Método Predictivo AAMA Cálculos del Modelo
Más detallesC u r s o : Matemática ENSAYO EX CÁTEDRA Nº 2 MATEMÁTICA
u r s o : Matemática ENSYO EX ÁTER Nº MTEMÁTI PSU MTEMÁTI INSTRUIONES ESPEÍFIS. Esta prueba consta de 70 preguntas. Usted dispone de horas y 5 minutos para responderla.. continuación encontrará una serie
Más detalles