Unidad 2 Método gráfico de solución
|
|
- Ángela Méndez Lara
- hace 1 años
- Vistas:
Transcripción
1 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 ecuación de dos variables corresponde a una recta en el plano y una desigualdad de dos variables corresponde a una región en el plano. La representación gráfica de los problemas de pl ofrece un medio muy efectivo para entender los distintos casos que se pueden presentar en este tipo de problemas. Aunque la mayoría de los problemas de interés práctico tienen más variables y por lo tanto no es posible su representación en R 2, al entender el significado de algunos conceptos básicos de manera gráfica, posteriormente se pueden generalizar para n dimensiones. Más adelante se utilizará también la representación geométrica para introducir el concepto de sensibilidad o análisis de pos-optimalidad. Para los problemas con tres o más variables de decisión se estudiará el método Simplex; actualmente existen varias herramientas computacionales para resolver estos problemas, ya que los casos reales suelen tener decenas o centenas de variables y de restricciones. En el presente libro se presentará como herramienta de resolución la utilería Solver de la hoja de cálculo Excel. El método gráfico consiste en encontrar en primer lugar todos los puntos que son solución del conjunto de restricciones; el conjunto de puntos solución se llama región factible. Posteriormente hay que determinar, de todas las posibles soluciones, cuál o cuáles de ellas optimizan la función objetivo (fo). Para entender el método se analiza el siguiente ejemplo. Ejemplo 2.1 Una empresa produce dos tipos de mesas: una estilo colonial y otra estilo nórdico. Las utilidades que se obtienen de su venta son de $2 por la colonial y $2 2 por la nórdica. Para esta semana ya hay un pedido de 1 mesas de tipo nórdico. El gerente de producción quiere realizar la planeación de su producción semanal sabiendo que solamente cuenta con 45 horas para la construcción y 2 horas para barnizarlas. En el siguiente cuadro se indican las horas necesarias para realizar cada una de las tareas y la utilidad para ambas mesas. 51
2 Programación lineal Cuadro 2.1 Colonial Nórdico Construcción 6 h 8 h Barnizado 5 h 2 h Utilidad unitaria $2 $2 2 En primer lugar hay que definir las variables de decisión; en este caso se debe decidir cuántas mesas de cada tipo producir en la semana. x 1 : cantidad de mesas de tipo colonial a producir x 2 : cantidad de mesas de tipo nórdico a producir El objetivo es maximizar la utilidad obtenida por la venta de su producción. La fo es maximizar la utilidad: Máx U = 2 x x 2 Las restricciones son estas: Pedido: x 2 1 mesas nórdico Fabricación: 6x 1 + 8x 2 45 horas Barnizado: 5x 1 + 2x 2 2 horas x 1, x 2 El método de solución gráfica requiere de la realización de los siguientes pasos: Paso 1. Graficar las restricciones. Las condiciones de no negatividad nos indican que ambas variables deben ser mayores o iguales a cero, por lo que el espacio de los puntos que cumplan con las condiciones necesariamente debe estar en el primer cuadrante. La primera restricción, x 2 1, indica que hay que producir al menos 1 mesas de tipo nórdico pues ya hay un pedido de 1 mesas (gráfica 2.1). Esta restricción acota la región factible: todos los puntos pertenecientes al área sombreada cumplen con la primera restricción: ambas variables son positivas y x 2 1. La segunda restricción es no exceder las 45 horas disponibles para la fabricación de ambos tipos de mesas. Al agregar esta segunda restricción se reduce la región factible: sólo los puntos que aparecen sombreados en la gráfica 2.2 representan las posibles soluciones; esto es, las combinaciones del número de mesas de tipo colonial y nórdico que se pueden fabricar con las 45 horas y que por lo menos haya 1 de estilo nórdico. 52
3 Método gráfico de solución Gráfica x x 1 En general, cada restricción acota el área de las posibles soluciones; aun así, el número de soluciones posibles es muy grande; si se consideran variables reales, hay infinitas soluciones. Hay algunas excepciones que se verán más adelante. Gráfica x x 1 Por último hay que introducir la restricción que indica la cantidad de horas con que se cuenta para barnizar las mesas producidas: 5x 1 + 2x 2 2. La nueva restricción reduce nuevamente la región factible. Es posible construir 4 mesas coloniales y 2 nórdicas, para las que se requieren (6 (4)) + (8 (2)) = 4 horas 53
4 Programación lineal de trabajo 45 horas disponibles sin embargo 4 mesas coloniales requieren de 2 horas de barnizado (cada una consume 5 horas), pero no alcanza el tiempo para barnizar las 2 mesas nórdicas (gráfica 2.3). 1 Gráfica B x 2 4 C 2 A D x 1 El conjunto de las posibles soluciones del problema se reduce a los puntos pertenecientes al polígono determinado por los vértices a, b, c y d, que es la región factible. Paso 2. Evaluación de las posibles soluciones. Para esto debe evaluarse la función de utilidad para cada una de las posibles soluciones. En el cuadro 2.2 se muestran los resultados para algunas de estas posibles soluciones. Se puede observar que cuanto mayor sea el número de mesas, aumenta la utilidad. También vemos que en cuanto aumenta el número de mesas tipo colonial, disminuye el número máximo de mesas tipo nórdico que se pueden fabricar. Para garantizar que el resultado sea el óptimo, sería necesario calcular la función de utilidad para cada uno de los puntos solución, que en este sencillo caso llegan a algunos cientos de puntos. Paso 3. Evaluación de los vértices. Afortunadamente no es necesario evaluar todas las soluciones ya que para todo problema de pl, y dado que el área factible siempre es una figura convexa, se puede comprobar que la fo toma su valor máximo o mínimo en un vértice, o un lado del área que representa el conjunto de soluciones. La región factible tiene cuatro vértices: a = (, 1); b = (, 56.25); c = (25, 37.5); d = (36, 1) 54
5 Método gráfico de solución Cuadro 2.2 Colonial Nórdica Utilidad Colonial Nórdica Utilidad Colonial Nórdica Utilidad Cuadro 2.3 Colonial Nórdico Utilidad a 1 22 b c d En el cuadro 2.3 se calcula la utilidad para los puntos a, b, c y d. Se observa que la solución óptima es producir a la semana 25 mesas coloniales y 37.5 nórdicas (no se pueden fabricar 37.5 a la semana, pero sí 15 al mes), obteniendo la utilidad máxima equivalente $132 5 por semana. Paso 3 bis. Graficación de la función de utilidad. Aunque en este caso son sólo cuatro vértices, en otros problemas pueden ser muchos más; por ello, en lugar de tener que analizar todos ellos, se puede encontrar el vértice solución utilizando la información de la fo. Como el valor de la fo no es conocido, Máx U = 2 x x 2 55
6 Programación lineal se asigna cierto valor a la utilidad; por ejemplo, si se pretendieran ganar $22, entonces: U = 2 x x 2 = 22 y se grafica sobre la región factible la recta correspondiente; esta recta pasa exactamente sobre el vértice a de la región. También se puede graficar la recta correspondiente a una utilidad de $88 o $12 o cualquier otra cantidad: U = 2 x x 2 = 88 U = 2 x x 2 = 12 U = 2 x x 2 = 165 Cada recta corresponde a las distintas combinaciones de valores (x 1, x 2 ) para los que el valor de la utilidad es el mismo. Se observa que todas las líneas de utilidad son paralelas y que a medida que la utilidad aumenta, la ordenada al origen de la recta aumenta. Habrá una recta según incrementa el valor de la utilidad, que pasará por solamente un vértice de la región factible. Este vértice es justamente el punto óptimo. Aquí es fácil entender por qué la solución óptima siempre está en alguno de los vértices de la región que delimita el conjunto de soluciones posibles. Por ejemplo, la recta correspondiente a la utilidad de $15 no toca a la región factible, por lo tanto no es posible obtener tal utilidad con las restricciones del problema. 1 Gráfica x 2 4 B C U 2 A D U = 12 U = U = 88 6 U = x 1 56
7 Método gráfico de solución La solución óptima de los problemas de pl siempre está en alguno de los vértices de la región que delimita el conjunto de soluciones posibles. En este caso, el último punto correspondiente a la región factible que toca la fo es el punto c = (25, 37.5), que corresponde a una utilidad máxima de $132 5 por semana, como se había visto en el paso 3. Soluciones múltiples Hay ocasiones en que el problema tiene más de una solución óptima. Consideremos que permanecen las restricciones del problema anterior, pero que debido a la competencia de los productos importados es necesario reducir los precios y que la utilidad de la mesa estilo colonial disminuye a $1 5 por mesa y a $2 la del estilo nórdico. En este caso la gráfica del conjunto de soluciones posibles es la misma, pero aquí la fo es: Máx U = 1 5x x 2 Nuevamente habrá que asignarle un valor de utilidad; por ejemplo, $6. 1 U = 1 5x x 2 = 6 1 Gráfica x 2 6 B 4 C 2 A D U = x 1 1 Es conveniente asignar un número múltiplo de ambos coeficientes de la fo; en este caso 6 es múltiplo de 1 5 y de 2. 57
8 Programación lineal En este caso, la fo es paralela a uno de los bordes de la región factible, el que corresponde a la restricción de las horas disponibles para la producción. Ahora la recta de mayor utilidad, que tiene puntos pertenecientes al conjunto de las posibles soluciones, coincide con dicho borde. Todos los puntos del segmento de la recta comprendidos entre los vértices b y c son soluciones equivalentes que dan la máxima utilidad. El tomador de decisiones podrá ahora escoger entre todas estas la que considere más apropiada. La solución óptima de los problemas de pl será múltiple cuando la fo sea paralela a alguna de las rectas de las restricciones. En ese caso, los dos vértices y todos los puntos entre ellos serán solución óptima del problema. Problemas sin solución El sistema de ecuaciones correspondiente a las restricciones de un problema puede no tener puntos que satisfagan simultáneamente todas las restricciones si ninguno de los puntos que satisfacen una de las restricciones, satisfacen otra de éstas. Esto se debe generalmente a un planteamiento inadecuado del problema. En tal caso, se dice que el problema no tiene solución factible. Un ejemplo así sería: Restricción 1: 4x + 3y 15 Restricción 2: 6x + 3y 12 x, y Gráfica 2.6. No existe región factible Y X 58
9 Método gráfico de solución Soluciones no acotadas En ciertos casos el espacio de soluciones es no acotado, y es posible que el problema tenga o no tenga solución. Dependerá de la FO del problema, tanto de la pendiente de la fo como de la dirección de optimización, según se trate de maximizar o minimizar el objetivo que se persigue. El ejemplo 2.2 analizará esta situación. Ejemplo 2.2 Encuentre la solución óptima del siguiente modelo de pl: Máx z = 6x + 3y s.a. 3x + 2y 6 4x + 4y 1 x, y Si se grafica la recta de la fo para z = 1 y luego se le desplaza para valores crecientes (gráfica 2.7), no habrá nada que la limite, ya que la región factible es no acotada. Aquí la fo puede crecer de manera ilimitada. Generalmente los problemas reales no son así; en este ejemplo es posible que falte alguna restricción. Si se tratara de la utilidad generada por la venta de determinados productos, la utilidad aumenta a medida que se produce y se vende más, pero esto no es infinito; la demanda del mercado es finita, y si se produce por encima de ésta, no se podrá vender. Faltaría entonces una restricción que especificara la demanda máxima. 4 Gráfica 2.7. Solución no acotada 3 Y 2 1 Z FO X 59
10 Programación lineal Pero no siempre es así; hay casos en los que la región factible es no acotada pero el problema sí tiene solución finita, como se verá en el siguiente ejemplo. Ejemplo 2.3 Encuentre la solución óptima del siguiente modelo de PL: Máx z = -3x + 2y s.a. -8x + 4y 8 - x + y 3 x, y Gráfica 2.8. Región factible no acotada y solución finita : -8 x + 4 y= 8 Z Y : -1 x + 1 y = X Aunque el conjunto de soluciones posibles es ilimitado, hay una solución única, pues la fo toma su máximo valor en el punto (1, 4), donde z = 5. 6
11 Método gráfico de solución Problemas de minimización Cuando se trata de minimizar el valor de la fo, deben graficarse las restricciones para encontrar el conjunto de posibles soluciones que determina la región factible, de la misma manera que para el caso de maximizar. Para encontrar el o los puntos óptimos, es necesario dar un valor a la fo y graficarla. Como ahora lo que interesa es minimizar, habrá que determinar en qué sentido se desplaza la recta al disminuir el valor de la fo. El último punto que toque dicha recta, perteneciente a la región factible, será el punto buscado. Ejemplo 2.4 Una empresa ensambladora de productos de comunicación debe programar su producción semanal. Debido a problemas de liquidez, le interesa minimizar sus costos semanales, ya que le pagan la producción 2 días después de entregada. Actualmente está armando dos artículos diferentes, el T14 y el B2; ambos artículos deben ser armados y probados por personal especializado. La empresa compradora requiere no menos de 1 aparatos semanales; del modelo B2 debe entregar no menos que la cuarta parte de los que entregue del T14, pero en ningún caso deben superar en más de 15 al número de equipos T14. En el cuadro 2.4 se indica el tiempo que requieren los especialistas para armar y probar cada equipo, expresado en minutos, así como la disponibilidad de tiempo. Cuadro 2.4 Variables de decisión: Equipos T14 B2 Disponibilidad Armados 1 min 12 min 55 h Pruebas 3 min 6 min 1 h Costos $1 $6 T: número de artículos T14 a producir B: número de artículos B2 a producir El objetivo es minimizar los costos y el problema tiene 5 restricciones: Mín C = 1 T + 6 B 61
12 Programación lineal Restricciones: Pedido: T + B 1 mínimo de equipos Mínimo de B2: B ¼ T mínimo de equipos B2 Máximo de B2: B T + 15 máximo de equipos B2 Armado: 1 T + 12 B 55 (6) minutos Pruebas: 3 T + 6 B 1 (6) minutos t, B Si reordenamos las ecuaciones, el modelo queda así: Mín C = 1 T + 6 B s.a. R1: T + B 1 R2: -¼ T + B R3: - T + B 15 R4: 1 T + 12 B 3 3 R5: 3 T + 6 B 6 T, B Gráfica 2.9 Problema R 3 25 R R R 1 R 2 1A + 6B =
13 Método gráfico de solución La gráfica 2.9 del conjunto de soluciones tiene seis vértices. Al desplazar la fo en la dirección de minimización, el último punto que toca es (, 1); esto indica que para satisfacer todas las restricciones, pero con el mínimo costo, deben producirse solamente 1 artículos del tipo B2, con lo que sus costos serán de $6. Para ver que efectivamente se están satisfaciendo todas las restricciones es importante analizar los seis vértices de la región factible. Esto se hará en el siguiente apartado, después de introducir un nuevo concepto muy importante en pl: la holgura. Holguras y excedencias La holgura es la cantidad de un recurso que sobra después de haber realizado las actividades que permiten optimizar el objetivo planteado. En el problema, se cuenta con 55 horas, equivalentes a 3 3 minutos para armar los equipos. La ecuación 1 T + 12 B 3 3 indica la cantidad de minutos empleados dependiendo de la cantidad de artículos armados. Si la solución es (, 1), o sea, producir solamente 1 equipos B2, se emplearán 1 2 minutos de los 3 3, por lo que sobran 2 1 minutos. Este sobrante es la holgura correspondiente al tiempo de armado. Si consideramos el caso del área de pruebas: 3 T + 6 B 6, se utilizarán 6 de los 6 minutos disponibles, y queda un sobrante de 5 4 minutos de tiempo de armado. La primer restricción indica que se deben producir al menos 1 artículos, y como efectivamente éstos se están produciendo tal restricción no tiene holgura. La segunda restricción, -¼ T + B, debe satisfacerse para cumplir con la condición que pide que el número de artículos B2 sea por lo menos igual a ¼ de los artículos T14 que se produzcan. Como ¼ de cero es cero y se están produciendo 1, se está cumpliendo con dicho requisito sobradamente, con 1 unidades más de lo que pide la condición; esta es la holgura correspondiente a dicha restricción. Por último, - T + B 15 indica que el número de artículos B2 no debe de exceder al número de artículos T14 en más de 15; en este caso, ; la holgura entonces es de 5, ya que faltarían 5 unidades de B2 para llegar al límite impuesto. Características de la holgura La holgura está asociada a cada una de las restricciones La holgura se mide en las mismas unidades que la restricción correspondiente Cuando la restricción es del tipo, se suele llamar excedencia a la holgura. Las holguras siempre deben ser positivas El valor de las holguras depende del punto en que se calculen, generalmente son los vértices de la región factible Siempre interesan las holguras de cada restricción para el punto solución 63
14 Programación lineal En el cuadro 2.5 se muestran las holguras de cada restricción para cada uno de los vértices de la región activa. Cuadro 2.5 T B H1 H2 H3 H4 H5 Costo Restricciones mín mín $ i R1 y eje T = ii R3 y eje T = iii R3 y R4 iv R4 y R5 v R5 y R2 vi R1 y R2 La fila i del cuadro corresponde a la solución óptima del problema: se producen solamente 1 unidades del artículo B2 con un costo de $6. En las columnas de H1 a la H5 se muestran los valores de las holguras de cada una de las restricciones R1 a la R5, en cada uno de los puntos vértice de la región factible. Es importante observar que en cada fila hay uno o más valores de holgura igual a cero. Estos valores corresponden exactamente a las restricciones en cuya intersección se encuentra el vértice; por ejemplo, el punto iv ocurre en la intersección de las rectas correspondientes a las restricciones R4 y R5, y justamente los valores H4 = H5 =. Para las rectas que no pasan por ese vértice, las holguras toman valores necesariamente >. Restricciones activas, pasivas y redundantes Una vez que se encuentra la solución óptima, que corresponde necesariamente a uno o dos vértices, se puede determinar cuáles son aquellas restricciones que se cumplen de manera exacta, esto es, no hay sobrantes de ese recurso; por lo tanto, la holgura correspondiente será igual a cero. Aquellas restricciones que tengan holgura cero en el punto solución se llaman restricciones activas. Al resto de las restricciones se les llama pasivas. Es importante en todo problema determinar cuáles son las restricciones activas pues son éstas las que limitan el valor de la fo. En el problema anterior se pretendían disminuir los costos todo lo que fuera posible. En el punto solución la única restricción activa es la primera, que nos dice que se deben producir al menos 1 artículos; como debemos satisfacer esta condición, y se están fabricando solamente estos 1 artículos, el costo no puede bajar de $6. Si se pudieran fabricar tan sólo 9, se podría mejorar el costo, por lo tanto es esta la condición que impide mejorar el objetivo. 64
15 Método gráfico de solución Las restricciones pasivas no son tan importantes, pues si alguna de ellas se modifica en una cantidad menor a la holgura, la solución no cambiará. Por ejemplo, si se dispusiera de 2 minutos para el armado de los artículos en vez de los 3 3 minutos actuales, la solución no cambiaría pues se necesitan 12 (1) = 1 2 minutos para poder llevar a cabo la producción planeada. Dentro de las restricciones pasivas hay restricciones que delimitan el contorno de la región factible o conjunto solución, y hay otras que están fuera de esta área. A las últimas se les llama restricciones redundantes. Si bien las restricciones redundantes no afectan para nada al problema, nunca deben retirarse, ya que algún cambio en ciertos parámetros del problema puede hacer que esta restricción llegue incluso a ser una restricción activa. En el estudio de la sensibilidad esta clasificación tomará un papel destacado. Ejemplo 2.5 Para el siguiente problema se quiere encontrar la solución óptima, determinar que tipo de restricción es cada una y cuáles son las holguras en el puntos solución (gráfica 2.1). Máx z = 4x + 8y s.a. R1: 4x + 12y 65 R2: -3x + 1y 7 R3: 1x + 5y 5 R4: x 4 x, y El valor máximo de z es 42, que se obtienen en el punto (2.75, 4.5), correspondiente al punto de intersección entre las rectas r1 y r3. Por lo tanto ambas restricciones son activas, y la holgura correspondiente es cero ya que 4 (2.75) + 12 (4.5) = 65 y 1 (2.75) + 5 (4.5) = 5 por lo que no sobra nada de estos recursos. La restricción R4 forma parte del contorno, pero su holgura es positiva ya que por lo que H4 = La restricción r2 es redundante pues no forma parte del contorno y la holgura: -3 (2.75) + 1 (4.5) = o sea, sobran unidades del recurso dos. 65
16 Programación lineal Gráfica R2: -3x + 1y = 7 R3: 1x + 5y = 5 5 R4: 1x + y = 4 R1: 4x + 12y = Problemas con restricciones igual a En todos los ejemplos presentados hasta aquí las restricciones estaban expresadas como desigualdades: o. En algunas ocasiones es necesario satisfacer exactamente alguna condición; esto da lugar a restricciones representadas por ecuaciones o igualdades. El modelo de pl y los métodos de resolución para estos modelos contemplan esta posibilidad. En el ejemplo 2.6 se muestra este caso. Ejemplo 2.6 Una persona acaba de cobrar una gratificación especial de $75, cantidad muy superior a sus gastos habituales. Como no va a utilizar todo el dinero inmediatamente, ha decidido invertir una parte en pagarés a 9 días y dejar el resto en una cuenta maestra. Los rendimientos que ofrece el banco son 1% anual en la cuenta maestra y 6.25% en pagarés a 9 días siempre que se deposite al menos $3. Para poder realizar gastos extraordinarios, esta persona decide que no más de 2/3 de su dinero puede ser invertido en pagarés. Cuánto le conviene colocar en cada instrumento para maximizar la utilidad? El problema tiene dos incógnitas o variables de decisión: C: cantidad de dinero a dejar en la cuenta P: cantidad de dinero a invertir en el pagaré 66
17 Método gráfico de solución El objetivo es maximizar el rendimiento; como no se indica otra cosa, se tratará de maximizar el rendimiento anual: Máx z =.1 C P Pero las inversiones están sujetas a restricciones; en primer lugar, esta persona decide que no más de 2/3 de su dinero puede ser invertidos en pagarés: P 2/3 (75 ) = 5 Por otro lado, el banco paga 6.25% de rendimiento solamente si el pagaré es de al menos $3 : P 3 Y hay una tercera restricción, ya que la cantidad de dinero total es de $75 : P + C = 75 El modelo queda expresado así: Máx z =.1 C P s.a. P 5 P 3 P + C = 75 P, C Las dos primeras restricciones delimitan una región factible no acotada que se presenta en la gráfica P Gráfica C 67
18 Programación lineal Al agregar la tercer restricción, P + C = 75, los únicos puntos que cumplen las tres restricciones son los puntos de la región anterior, pero que pertenecen a la recta correspondiente a la tercera restricción. La región factible queda reducida a un segmento de recta. El punto óptimo corresponderá a aquel punto de la recta que maximice la fo. El punto óptimo se encuentra en el vértice (25, 5), por lo tanto, para maximizar el rendimiento debe dejar $25 en la cuenta corriente y colocar $5 en un pagaré a 9 días, con lo que obtendrá $3 375 de intereses anuales. 9 P Gráfica C Lecturas complementarias Eppen y otros (2), especialmente el capítulo 4, secciones 4.1 a 4.8. Arreola y Arreola (23), capítulo 6. Problemas de la unidad 2 Problema 2.1 Grafique la región factible para los siguientes conjuntos de restricciones: a) x 1 28 x x x 2 6 x 1, x 2 68
19 Método gráfico de solución b) x 1 + 7x 2 7-1x 1 + 5x 2 1 x 1 + x 2 6 x 1, x 2 c) -4x 1 + 2x 2 6 -x 1 + 3x 2 3 x 1 + 2x 2 1 8x 1 + 6x 2 48 x 1, x 2 d) x 2 2 x x x 1 + x 2 6 x 1, x 2 e) 2x x x 1 + 3x 2 6 2x 1 + 4x 2 16 x 2 2 x 1, x 2 f) x 1 + 7x 2 7-1x 1 + 5x 2 1 x 1 + x 2 6 2x 1 + 3x 2 = 6 x 1, x 2 Problema 2.2 Para cada uno de los ejercicios anteriores, encuentre el punto óptimo con cada una de las siguientes posibles funciones objetivo. Max z = 25x x 2 Max z = 2x 1 + 1x 2 Max z = 18x 1 + x 2 Max z = 2x x 2 Max z = 5x 1 Min z = 2x 1 + 1x 2 Min z = 15x x 2 69
20 Programación lineal Sobre la gráfica de la región factible dibuje la fo y desplácela hasta el vértice solución; verifique el resultado obtenido evaluando la fo en cada uno de los vértices. Analize en cada caso qué ocurre al cambiar la pendiente de la fo. Problema 2.3 Si se considera el problema Problema 1.1 del capítulo anterior: a) qué pasaría si se tienen $26 para la realización de la campaña publicitaria, cuál sería la solución recomendada? b) Cuánto se incrementará la audiencia por cada $1 extra? Problema 2.4 Si se considera el problema Problema 1.3 del capítulo anterior: a) cuántas horas hombre sobran? b) Si se aumenta el precio de venta de la moto especial a $8 5, cual sería la solución óptima y cuál la utilidad obtenida? Problema 2.5 Un municipio dispone de un presupuesto de $48 millones para ampliar su servicio de drenaje y agua potable. Dispone también de 16 mil horas hombre para la realización del trabajo. La ampliación de cada kilómetro de la red de drenaje requiere de 2 horas y cuesta $5 millones, mientras que para hacer un kilómetro de la red de agua potable se necesitan 15 horas y $6 millones. Formule un modelo de pl que maximice el beneficio social. Se requiere satisfacer inmediatamente las necesidades apremiantes: 1 km de la red de agua potable y 15 km de drenaje, que se destruyeron por una inundación. Si bien es cierto que para medir el beneficio social se utilizan criterios discutibles, el municipio ha estimado que dicho beneficio será de $8 millones por cada kilómetro de drenaje y de $1 millones por kilómetro de red de agua potable construida. Cuántos kilómetros de cada servicio debe construir el municipio para maximizar el beneficio social? 2 Problema 2.6 Se desea maximizar el beneficio social en un hospital que brinda dos servicios: consulta externa (A) y hospitalización (B). Se estima que cada consulta externa representa un beneficio social de $8, y cada hospitalización, $1 en promedio. Para brindar 2 Los problemas 2.5 y 2.6 formaron parte del curso de Programación Lineal que la maestra Myriam Cardozo impartió en la década de 199 para los alumnos de la licenciatura en Políticas Públicas del Centro de Investigación y Docencia (cide). 7
21 Método gráfico de solución estos servicios se utiliza el personal médico y los servicios de apoyo, como enfermería, laboratorio y recursos financieros. En el siguiente cuadro se indican los recursos necesarios para brindar una acción de consulta externa o de hospitalización: Cuadro 2.6 Acción Médico Servicios Costo A.5 hrs.2 hrs $5 B 2. hrs.5 hrs $12 El hospital cuenta con 4 horas del personal médico, 15 horas de servicios y $2 semanales. a) Determine qué cantidades de consultas externas e internaciones deben realizarse para maximizar el beneficio social. b) Le convendría al hospital contratar otro médico con lo cual incrementaría en 4 horas este recurso? Cuál sería el beneficio en este caso? Problema 2.7 Un agricultor desea maximizar su utilidad y debe decidir cómo sembrar; los cultivos posibles son maíz y frijol. Cuenta con 2 ha y sabe que el rendimiento del maíz es de 5 t/ha, mientras que el frijol le da 2 t/ha. Para consumo de su granja necesita al menos 1 toneladas de maíz. Cuenta con 1 horas de trabajo; cada hectárea de maíz requiere 8 horas y cada hectárea de frijol requiere 4 horas. El precio de venta del maíz es de 1 $/t, y el de frijol es de 2 $/t. Plantee el problema como un modelo de PL. a) Encuentre la solución gráficamente si se pretende maximizar el ingreso. b) Cuántas horas de trabajo extra le convendría contratar si tuviera que pagar 1 $/h? Respuesta a los problemas de la unidad 2 Problema 2.3. a) Con $26 convendría contratar 26 anuncios en radio con lo que se lograría una audiencia de 312 personas. b) Por cada $1 agregados a la campaña se obtiene una audiencia de 1 2 personas más. Problema 2.4. a) Sobran horas hombre. b) Si la moto especial incrementa su precio a $8 5, la solución óptima es producir 1 motos básicas y 395 especiales, con lo que se obtendría la ganancia de $5 después de cubrir costos fijos y variables, con un costo variable de $3 47 5, y se necesitarían solamente horas hombre. Problema 2.5. Se debería construir 15 km de drenaje y 67.5 km de agua potable con lo que se obtendría un beneficio social de $795 millones. 71
22 Programación lineal Problema 2.6. a) Para maximizar el beneficio social deben efectuarse 16 consultas externas y 16 internaciones, lo que reditúa a la comunidad $ b) Si el hospital aumentara su capacidad médica en 4 horas semanales obtendría un beneficio extra equivalente a $36 8. Problema 2.7. a) Le conviene sembrar 5 ha de maíz y 15 ha de frijol, por lo que obtendrá un ingreso de $75 además de 1 toneladas de maíz. b) No le conviene contratar mano de obra ya que para este plan de producción requiere las 1 horas hombre que tiene y las 2 hectáreas, por lo que no tiene dónde sembrar más. 72
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
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
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
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,
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 2 Programación Lineal
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 2 Programación Lineal ORGANIZACIÓN DEL TEMA Sesiones: Introducción, definición y ejemplos Propiedades y procedimientos de solución Interpretación económica
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
Programación Lineal Continua/ Investigación Operativa. EJERCICIOS DE INVESTIGACIÓN OPERATIVA. Hoja 1
EJERCICIOS DE INVESTIGACIÓN OPERATIVA. Hoja 1 1. Una empresa que fabrica vehículos quiere determinar un plan de producción semanal. Esta empresa dispone de 5 fábricas que producen distintos elementos del
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,
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
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
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
PROGRAMACIÓN LINEAL. Ejemplo a) Dibuja el recinto formado por los puntos que cumplen las siguientes condiciones:
PROGRAMACIÓN LINEAL CONTENIDOS: Desigualdades e inecuaciones. Sistemas lineales de inecuaciones. Recintos convexos. Problemas de programación lineal. Terminología básica. Resolución analítica. Resolución
Tipo 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
EJERCICIO 1. Sean las variables de decisión: x= n: de impresos diarios tipo A repartidos. y= n: de impresos diarios tipo B repartidos.
EJERCICIO 1 Un estudiante dedica parte de su tiempo al reparto de propaganda publicitaria. La empresa A le paga 5 Bs.. por cada impreso repartido y la empresa B, con folletos más grandes, le paga 7 Bs.
SOLUCION DE MODELOS EMPRESARIALES POR COMPUTADORA
Tema 2 SOLUCION DE MODELOS EMPRESARIALES POR COMPUTADORA 2.1 SOFTWARE PARA SOLUCION DE MODELOS PL Programas típicos para resolver problemas de Programación Lineal: - QSB - SOLVER - GLP QSB (Quantitative
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
EXCEL: Herramienta Solver
EXCEL: Herramienta Solver Introducción Las planillas de cálculo se han convertido en herramientas obligadas de análisis de datos. Sin embargo, no siempre se aprovechan todas sus potencialidades. La planilla
Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales.
Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales. Introducción Por qué La Geometría? La Geometría tiene como objetivo fundamental
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
Tema 5: Dualidad y sensibilidad de los modelos lineales.
ema 5: Dualidad y sensibilidad de los modelos lineales. Objetivos del tema: Introducir el concepto de Sensibilidad en la Programación Lineal Introducir el concepto de Dualidad en la Programación Lineal
Restricciones. Cada pesquero se tarda en reparar 100 horas y cada yate 50 horas. El astillero dispone de 1600 horas para hacer las reparaciones
Modelo 2014. Problema 2A.- (Calificación máxima: 2 puntos) Un astillero recibe un encargo para reparar barcos de la flota de un armador, compuesta por pesqueros de 500 toneladas y yates de 100 toneladas.
Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Programación Lineal Entera
Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 11 de septiembre de 2003 1. Introducción Un LP donde se requiere que todas las variables sean enteras se denomina un problema
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:
Examen Final 28 de Enero de 2009 Permutación 1
Universitat Autònoma de Barcelona Introducció a l Economia, Curs 2008-2009 Codi: 25026 Examen Final 28 de Enero de 2009 Permutación 1 Primera Parte Preguntas de opción múltiple (20 puntos). Marca claramente
Programación lineal. Observación: La mayoría de estos problemas se han propuesto en exámenes de selectividad
1 Observación: La mayoría de estos problemas se han propuesto en exámenes de selectividad 1. Dibuja la región del plano definida por las siguientes inecuaciones: x 0, 0 y 2, y + 2x 4 Representando las
EJERCICIOS 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
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
ECUACION DE DEMANDA. El siguiente ejemplo ilustra como se puede estimar la ecuación de demanda cuando se supone que es lineal.
ECUACION DE DEMANDA La ecuación de demanda es una ecuación que expresa la relación que existe entre q y p, donde q es la cantidad de artículos que los consumidores están dispuestos a comprar a un precio
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
CONSUMIDORES POTENCIALES 5.000 8.500 2.400 2.800
PROBLEMA En el último consejo de dirección de la empresa La rosca loca se llegó a la conclusión de que la razón por la que sus productos (obviamente roscas de maíz) no son adquiridos es porque el gran
UNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERIA. ESCUELA DE INGENIERIA INDUSTRIAL.
UNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERIA. ESCUELA DE INGENIERIA INDUSTRIAL. Optimización, Pauta Solemne 2. Semestre Primavera 2011 Profesores: Paul Bosch, Fernando Paredes, Pablo Rey Tiempo:
FUNCIONES LINEALES I NO LINEALES. APLICACIONES Depreciación en línea recta.
FUNCIONES LINEALES I NO LINEALES. APLICACIONES Depreciación en línea recta. Muchas veces las organizaciones adquieren equipos, vehículos, casas, etc., entonces los contadores por lo general asignan el
Colección de Problemas IV
1.- Una compañía se dedica a la elaboración de 2 productos, la demanda de estos productos es de 200 unidades para cada uno de ellos. La compañía podrá elaborar los productos o comprarlos a un proveedor.
Programación Lineal. Programación Lineal
Programación Lineal Modelo General Max Z = c 1 + C 2 +... c n, s.a. a 11 + a 12 +... + a 1n b 1 a 21 + a 22 +... + a 2n b 2.. a m1 + a m2 +... + a mn b m 0, 0, x 3 0,..., 0 Programación Lineal Interpretación
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.
Matemáticas C.C.S.S. Repaso de Selectividad 1. Se desea obtener dos elementos químicos a partir de las sustancias A y B. Un kilo de A contiene 8
Matemáticas C.C.S.S. Repaso de Selectividad 1. Se desea obtener dos elementos químicos a partir de las sustancias A y B. Un kilo de A contiene 8 gramos del primer elemento y 1 gramo del segundo; un kilo
FUNDAMENTOS DE ADMINISTRACIÓN Y GESTIÓN Teoría y ejercicios
FUNDAMENTOS DE ADMINISTRACIÓN Y GESTIÓN Teoría y ejercicios 2ª edición JUAN PALOMERO con la colaboración de CONCEPCIÓN DELGADO Economistas Catedráticos de Secundaria ---------------------------------------------------
PRÁCTICA 1: Optimización con Excel 2010
Grado en Administración de Empresas Departamento de Estadística Asignatura: Optimización y Simulación para la Empresa Curso: 2011/2012 PRÁCTICA 1: Optimización con Excel 2010 1. Modelización mediante hojas
UNIDAD 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
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
I E S CARDENAL CISNEROS -- DEPARTAMENTO DE MATEMÁTICAS PROGRAMACIÓN LINEAL
I E S CARDENAL CISNEROS -- DEPARTAMENTO DE MATEMÁTICAS PROGRAMACIÓN LINEAL x + y 1 Dada la región del plano definida por las inecuaciones 0 x 3 0 y 2 a) Para qué valores (x, y) de dicha región es máxima
-.PROGRAMACION LINEAL.- Problemas resueltos
-.PROGRAMACION LINEAL.- Problemas resueltos EJEMPLO 1. Un expendio de carnes de la ciudad acostumbra preparar la carne para albondigón con una combinación de carne molida de res y carne molida de cerdo.
APUNTES SOBRE EL MÉTODO SÍMPLEX DE PROGRAMACIÓN LINEAL. Adriel R. Collazo Pedraja
APUNTES SOBRE EL MÉTODO SÍMPLEX DE PROGRAMACIÓN LINEAL Adriel R. Collazo Pedraja 2 INTRODUCCIÓN Este trabajo tiene como propósito proveer ayuda al estudiante para que pueda comprender y manejar más efectivamente
Unidad 8. Análisis y evaluación de inversiones
Unidad 8. Análisis y evaluación de inversiones 0. ÍNDICE. 1. CONCEPTO DE INVERSIÓN. 2. TIPOS DE INVERSIÓN. 2.1. Atendiendo a su período de vinculación con la empresa. 2.2. Según su materialización. 2.3.
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
INTRODUCCION..2 ANALISIS POSOPTIMO O DE SENSIBILIDAD.3. CAMBIOS EN LA VARIABLE DE COEFICIENTE.3 SOLUCIOON DE EJMPLO 2.14
INDICE: 1 INTRODUCCION.. ANALISIS POSOPTIMO O DE SENSIBILIDAD.3. CAMBIOS EN LA VARIABLE DE COEFICIENTE.3 CAMBIOS QUE AFECTAN LA FACTIBILIDAD..5 SOLUICON DE JEJMPLO 1..7 SOLUCIOON DE EJMPLO.14 CONCLUCIONES
MATEMÁTICA CPU Práctica 2. Funciones Funciones lineales y cuadráticas
ECT UNSAM MATEMÁTICA CPU Práctica Funciones Funciones lineales cuadráticas FUNCIONES Damiana al irse del parque olvidó de subir a su perro Vicente en la parte trasera de su camioneta Los gráficos hacen
Ejercicios resueltos de Programación Lineal
Investigación Operativa I 009 Ejercicios resueltos de Programación Lineal Mauricio estrella Erika Beatriz Palacin Palacios Pajuelo Daniel PREGUNTA Ingeniería de Sistemas y Computación UNDAC 3..6 la empresa
APLICACIONES DE LA DERIVADA
APLICACIONES DE LA DERIVADA 1. MONOTONÍA (CRECIMIENTO O DECRECIMIENTO) Si una función es derivable en un punto = a, podemos determinar su crecimiento o decrecimiento en ese punto a partir del signo de
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
x + y 4 2x + 3y 10 4x + 2y 12 x 0, y 0
PRUEBAS DE ACCESO A LA UNIVERSIDAD PROBLEMAS DE PROGRAMACIÓN LINEAL JUNIO 2000. OPCIÓN B. Una empresa especializada en la fabricación de mobiliario para casas de muñecas, produce cierto tipo de mesas y
OPTIMIZACIÓN CON MODELOS DE RED EN HOJA DE CÁLCULO
Optimización con Modelos de Red en Hoja de Cálculo OPTIMIZACIÓN CON MODELOS DE RED EN HOJA DE CÁLCULO Bernal García, Juan Jesús juanjesus.bernal@upct.es Martínez María-Dolores, Soledad María soledad.martinez@upct.es
Programación lineal. En esta Unidad didáctica nos proponemos alcanzar los objetivos siguientes:
UNIDAD 3 Programación lineal a programación lineal es parte L de una rama de las matemáticas relativamente joven llamada investigación operativa. La idea básica de la programación lineal es la de optimizar,
VECTORES. 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
Capítulo 6. Modificar archivos de datos. Ordenar casos
Capítulo 6 Modificar archivos de datos Los archivos de datos no siempre están organizados de forma idónea. En ocasiones podemos desear cambiar el orden de los casos, o transponer las filas y las columnas,
PRÁ CTICÁS DE IO CON POM-QM
Contenido INVESTIGACIÓN DE OPERACIONES Modelos y aplicaciones de programación lineal(página 3) Modelos de Transporte y transbordo(página 40) Modelos de Asignación(página 60) Modelos de gestión de proyectos
EJERCICIOS METODO SIMPLEX
EJERCICIOS METODO SIMPLEX 1. Un empresario pretende fabricar dos tipos de congeladores denominados A y B. Cada uno de ellos debe pasar por tres operaciones antes de su comercialización: Ensamblaje, pintado
2FUNCIONES CUADRÁTICAS
CONTENIDOS El modelo cuadrático La función cuadrática Desplazamientos de la gráfica Máximos, mínimos, ceros, crecimiento y decrecimiento Ecuaciones cuadráticas Sistemas mixtos En este capítulo se analizan
MODELO DE ASIGNACIÓN $A$15:$D$15 < = $A$4:$D$4 $E$11:$E$13 = $E$1:$E$3 METODO DE TRANSPORTE - 129 - ING. José Luís Albornoz Salazar - 130 - - Máxi
- Máxi En el espacio en blanco, en la parte inferior izquierda, Sujetas a las siguientes Restricciones indique las restricciones o condiciones del problema, para lo cual haga clic en Agregar. METODO DE
Sistemas de dos ecuaciones lineales con dos incógnitas
Sistemas de dos ecuaciones lineales con dos incógnitas Una ecuación lineal con dos incógnitas es una epresión de la forma a b c donde a, b c son los coeficientes (números) e son las incógnitas. Gráficamente
Ejercicios y problemas
Ejercicios problemas Problemas 28. Un granjero desea crear una granja de pollos de dos razas,a B. Dispone de 9 000 para invertir de un espacio con una capacidad limitada para 7 000 pollos. Cada pollo de
Programación Lineal. f(x,y) = 2 x + y. Cuántas soluciones hay? Solución:
Programación Lineal 2 x + y 2 1.- alcula los puntos del recinto 2x y 2 que hacen mínima o máxima la función y 2 f(x,y) = 2 x + y. uántas soluciones hay? Solución: Representemos el sistema de inecuaciones
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
Programación lineal. CAPíTULO. Costos mínimos
CAPíTULO 10 Programación lineal Costos mínimos Cada día nos enfrentamos con la decisión de cómo distribuir un bien, con la finalidad de sacarle maor provecho. Por ejemplo, cuánto tiempo destinar al estudio
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
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
MÉTODOS MATEMÁTICOS DE LA ECONOMÍA
UNIVERSIDAD DE VALLADOLID DEPARTAMENTO DE ECONOMÍA APLICADA SUBSECCIÓN DE MATEMÁTICAS MÉTODOS MATEMÁTICOS DE LA ECONOMÍA Economía Derecho Administración y Dirección de Empresas RELACIÓN DE PROBLEMAS DE
TEORÍA DE JUEGOS (2da. Parte) M. En C. Eduardo Bustos Farías
TEORÍA DE JUEGOS (2da. Parte) M. En C. Eduardo Bustos Farías 1 TEORIA DE JUEGOS: ANTECEDENTES 1928: Von Newman Desarrolla la Teoría de Juegos. 1944 PUBLICACION DE Theory and Practice of Games and Economical
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
Escuela Académico Profesional de Economía Curso. Examen Parcial No. 1 (solucionario) Tema. Varian 2, 3, 4, 5, 6, 8 y 14 Profesor
Facultad Ciencias Económicas Escuela Escuela Académico Profesional de Economía Curso Microeconomía I Código CO1214 Aula 218 Actividad Examen Parcial No. 1 (solucionario) Tema Varian 2, 3, 4, 5, 6, 8 y
ÁLGEBRA LINEAL - Año 2012
UNIVERSIDAD NACIONAL DE RÍO CUARTO FACULTAD DE CIENCIAS ECONÓMICAS ÁLGEBRA LINEAL - Año 0 Notas de Cátedra correspondientes a la UNIDAD SIETE PROGRAMACIÓN LINEAL * INECUACIONES Se denomina inecuación a
Unidad 2 Modelos de optimización
Unidad 2 Modelos de optimización Objetivos Al nalizar la unidad, el alumno: Construirá modelos matemáticos de optimización. Resolverá problemas prácticos con el método gráfico. Matemáticas para negocios
Solemne I Profesor: Marcelo Leseigneur P. Ayudante: Renzo Lüttges C.
Solemne I Profesor: Marcelo Leseigneur P. Ayudante: Renzo Lüttges C. Pregunta 1 Hallar el dominio y recorrido de las siguientes funciones, dibújelas, y estudie su paridad, imparidad, crecimiento y decrecimiento,
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
Teóricas de Análisis Matemático (28) - Práctica 4 - Límite de funciones. 1. Límites en el infinito - Asíntotas horizontales
Práctica 4 - Parte Límite de funciones En lo que sigue, veremos cómo la noción de límite introducida para sucesiones se etiende al caso de funciones reales. Esto nos permitirá estudiar el comportamiento
[APLICACIONES EXTENDIDAS Y PROYECTOS DE GRUPO.]
2011 JJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJ FUSTILLOS PAOLA MORÁN GABRIELA SINCHIGUANO MYRIAM JJJJJJJJJJJJJJJJJJJJJJJJJJJJJJ [APLICACIONES EXTENDIDAS Y PROYECTOS DE GRUPO.] I.-RENDIMIENTO MARGINAL
0.01 0.4 4. Operando sobre esta relación, se obtiene
ORGANIZACIÓN INDUSTRIAL (16691-ECO) TEMA 1: LA COMPETENCIA PERFECTA EN UN MARCO DE EQUILIBRIO PARCIAL 1.1 ANÁLISIS DE LA ESTÁTICA COMPARATIVA DE UN MERCADO COMPETITIVO SOLUCIÓN A LOS PROBLEMAS PROPUESTOS
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
Colegio La Inmaculada Misioneras Seculares de Jesús Obrero ACTIVIDADES DE LOS TEMAS 11 Y 12
Colegio La Inmaculada Misioneras Seculares de Jesús Obrero Matemáticas 4º E.S.O. ACTIVIDADES DE LOS TEMAS Y. Representa en los mismos ejes las siguientes funciones: y = - ; b) y = ; c) y = +. Representa
Experimentación con Descartes na Aula. Galicia 2008
Experimentación con Descartes na Aula. Galicia 2008 Follas de traballo Se traballará coas páxinas web da unidade á vez que se completan as follas de traballo, e se realizarán as actividades propostas que
2.1. El modelo de Programación Lineal
C APÍTULO 2 PROGRAMACIÓN LINEAL 2.. El modelo de Programación Lineal En los siglos XVII y XVIII, grandes matemáticos, como Newton, Leibnitz, Bernoulli y, sobre todo, Lagrange, que tanto habían contribuido
INTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA
INTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA Dentro del campo general de la teoría de la optimización, también conocida como programación matemática conviene distinguir diferentes modelos de optimización.
XLIII Reunión Anual. Noviembre de 2008 CRITERIOS GENERALES PARA VALORAR BENEFICIOS Y COSTOS DE UN PROYECTO: CÓMO EVITAR SOBREESTIMACIONES
ANALES ASOCIACION ARGENTINA DE ECONOMIA POLITICA XLIII Reunión Anual Noviembre de 2008 ISSN 1852-0022 ISBN 978-987-99570-6-6 CRITERIOS GENERALES PARA VALORAR BENEFICIOS Y COSTOS DE UN PROYECTO: CÓMO EVITAR
Ejemplo del modelo de generaciones solapadas
Ejemplo del modelo de generaciones solapadas Descripción de la economía 1. Cada unidad del bien sólo puede existir en un período de tiempo. 2. Todas las generaciones 1 son idénticas. Cada generación está
Análisis de los datos
Universidad Complutense de Madrid CURSOS DE FORMACIÓN EN INFORMÁTICA Análisis de los datos Hojas de cálculo Tema 6 Análisis de los datos Una de las capacidades más interesantes de Excel es la actualización
--------------------------------------------------- PALOMERO DELGADO EDITORES WWW.PALOMERO.COM WWW.ESTUDIACONPALOMERO.COM
ECONOMÍA 1º de Bachillerato 2ª Edición JULIA GUTIÉRREZ ARTIDIELLO Licenciada en Ciencias Económicas Profesora Titular de Escuela Universitaria Departamento de Economía. Universidad de Oviedo con la colaboración
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
UNIVERSIDAD AUTÓNOMA DE MADRID
Economía a de la Empresa (Financiación) n) Tema 3: La Elección n de Inversiones Licenciatura Conjunta en Derecho y Administración n y Dirección n de Empresas Tercer Curso Prof. Dr. Jorge Otero Rodríguez
Unidad 16. Depreciación
Unidad 16 Depreciación INTRODUCCIÓN Desde el momento mismo en que se adquiere un bien, éste empieza a perder valor. Esta pérdida de valor es conocida como depreciación. La depreciación se define como la
Contenido Orientativo Matemáticas 11 EE-EA-EC, Libre Escolaridad FACES-ULA
Contenido Orientativo Matemáticas 11 EE-EA-EC, Libre Escolaridad FACES-ULA El siguiente documento tiene como objetivo proporcionar a los alumnos del curso de matemáticas 11, por la modalidad de libre escolaridad,
Unidad 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
Caso Giapetto Inc. Entonces la Función Objetivo es igual a: [27*X 1 + 21*X 2 ] [10*X 1 + 9X 2 ] [14*X 1 + 10*X 2 ] = 3*X 1 + 2*X 2
Caso Giapetto Inc. Objetivo del caso: Explicar los componentes de la programación lineal a través de la modelación de un ejemplo. La compañía Giapetto fabrica 2 tipos de juguetes de madera: soldados y
1. Cortar y teñir el material 2. Coser 3. Terminar (insertar el porta sombrilla, los separadores de palos, etc.) 4. Inspeccionar y embalar
UN PROBLEMA SENCILLO DE MAXIMIZACION La compañía Par, Inc. Es un pequeño fabricante de equipo y accesorios para golf cuyos administradores han decidido incursionar en el mercado de las bolsas para bastones
Administración de Empresas. 11 Métodos dinámicos de evaluación de inversiones 11.1
Administración de Empresas. 11 Métodos dinámicos de evaluación de inversiones 11.1 TEMA 11: MÉTODOS DINÁMICOS DE SELECCIÓN DE INVERSIONES ESQUEMA DEL TEMA: 11.1. Valor actualizado neto. 11.2. Tasa interna
SEMINARIO VIRTUAL : TECNICAS DE CREDITOS Y COBRANZAS
SESION 3 COSTOS DE LAS COBRANZAS. Una de las variables principales de la política de cobranza es el costo de los procedimientos de cobranza, situado dentro de ciertos límites, mientras mayores sean los
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
Microeconomía Intermedia
Microeconomía Intermedia Colección de preguntas tipo test y ejercicios numéricos, agrupados por temas y resueltos por Eduardo Morera Cid, Economista Colegiado. Tema 06 Elasticidad de la demanda, el excedente
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,
Dualidad y Análisis de Sensibilidad
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Industrial IN34A: Clase Auxiliar Dualidad y Análisis de Sensibilidad Marcel Goic F. 1 1 Esta es una versión bastante
UNIDAD 4 Sistemas de ecuaciones lineales... 84 Introducción... 84 4.1.- Sistemas de ecuaciones lineales con dos incógnitas... 84 4.2.
FACULTAD DE INGENIERÍA - UNSJ Unidad : Sistemas de Ecuaciones Lineales UNIDAD Sistemas de ecuaciones lineales... 8 Introducción... 8.1.- Sistemas de ecuaciones lineales con dos incógnitas... 8..- Resolución