METODO SIMPLEX ANALISIS DE SENSIBILIDAD Y DUALIDAD

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "METODO SIMPLEX ANALISIS DE SENSIBILIDAD Y DUALIDAD"

Transcripción

1 METODO SIMPLEX ANALISIS DE SENSIBILIDAD Y DUALIDAD Análisis de sensibilidad con la tabla simplex El análisis de sensibilidad para programas lineales implica el cálculo de intervalos para los coeficientes de la función objetivo y para los valores de los lados derechos, así como también de los precios sombra y/o duales. Coeficientes de la función objetivo El análisis de sensibilidad para un coeficiente de la función objetivo implica determinar un margen para los valores del coeficiente. A tal gama se le denomina intervalo de optimidad. Mientras el valor del coeficiente de la función objetivo se mantenga dentro del citado margen de optimidad la solución básica factible seguirá siendo óptima. Por ello, para una variable no básica, el intervalo de optimidad define los posibles valores del coeficiente de la función objetivo para los cuales esa variable sigue siendo no básica. Por otro lado, el citado intervalo para una variable básica define los valores de los coeficientes de la función objetivo para los cuales esa variable sigue siendo básica. Al evaluar el intervalo de optimidad para un coeficiente de la función objetivo, se supone que todos los demás coeficientes del problema conservan sus valores originales; en otras palabras, solo se permite que cambie un coeficiente a la vez. Para ilustrar el proceso de cálculo de los márgenes para los coeficientes de la función objetivo, se plantea el problema de la empresa High Tech: Max Z= 50X X 2 Sujeto a 3x 1 + 5x tiempo de ensamble 1x 2 20 monitor para portable 8x 1 + 5x espacio de almacén X 1, x 2 0 En seguida se reproduce la tabla simplex final del problema de High Tech:

2 Recuérdese que cuando se utiliza el método simplex para resolver un programa lineal, se reconoce una solución óptima cuando todos los elementos del renglón de evaluación (C j Z j ) son 0. Como la tabla simplex anterior satisface este criterio, es óptima la solución que se muestra ahí. Sin embargo, si un cambio en los coeficientes del a función objetivo ocasionara que uno o más valores de C j Z j se volviera positivo, entonces la solución ya no sería óptima. Por ello se concluye que el intervalo de optimidad para un coeficiente de la función objetivo se determina mediante los valores de los coeficientes que conservan Cj Zj 0 para todos los valores de j. Para ilustrar la forma en que se determina el intervalo de optimidad, se calcula el intervalo de optimidad para C 1, la utilidad por unidad del modelo deskpro. Utilizando C 1 (en lugar de 50) como coeficiente de X 1 en la función objetivo, la tabla simplex final modificada es la siguiente: Como los elementos de C j Z j correspondientes a las variables básicas siguen siendo 0, la solución actual seguirá siendo optima mientras el valor de C 1 dé como resultado C j Z j 0 para las dos variables no básicas S 1 y S 3. Por ello, se debe tener y Utilizando la primera desigualdad: C C 1 64 De manera similar, se tiene de la segunda desigualdad: 24 - C C 1 Por lo tanto, el intervalo de optimidad está dado por: 24 C 1 64

3 Para ver como la High Tech puede utilizar la información anterior sobre análisis de sensibilidad, supóngase que un aumento en los costos de los materiales reduce a $30 la contribución a las utilidades de la deskpro. El intervalo de optimidad indica que la solución actual (x 1 = 30, x 2 =12, s 2 =8) sigue siendo óptima. Para verificar esto, se vuelve a calcular la tabla simplex final después de reducir a 30 el valor de C 1. Como C j Z j 0 para todas las variables, la solución original sigue siendo óptima. Nótese sin embargo, que se presenta una reducción en las utilidades totales. Qué sucedería si se redijera aún más la contribución unitaria a las utilidades, por ejemplo a $20?, con referencia al intervalo de optimidad mencionado para C 1, se observa que 20 esta fuera del intervalo; por ello se sabe que un cambio de esa magnitud ocasiona que la óptima sea otra base. Para verificar esto, considérese la modificación de la tabla simplex final anterior, reemplazando C 1 por 20 (en vez de 30). Como era de esperar, la solución actual (X 1 =30, X 2 =12, S 2 =8) ya no es óptima por que el elemento de la columna S 3 del renglón de evaluación neta es mayor que cero. Esto implica que se debe realizar cuando menos una iteración simplex adicional para llegar a la solución óptima. El procedimiento para calcular el intervalo de optimidad para las variables no básicas es aún más sencillo, puesto que un cambio en el coeficiente de la función objetivo de una variable no básica ocasiona que cambie solamente el elemento C j Z j de la tabla simplex final.

4 Para ilustrar este procedimiento se muestra en seguida el cuadro simplex final para el problema original de High Tech después de reemplazar 0, el coeficiente de S 1 en la función objetivo, con el coeficiente C s1 Obsérvese que los únicos cambios que se dan en la tabla están en la columna S 1. Al aplicar la desigualdad para calcular en intervalo de optimidad, se tiene: C s1 14/5 0 y así: C s1 14/5 Por lo tanto, mientras el coeficiente de S 1 en la función objetivo sea menor o igual a 14/5, la solución seguirá siendo óptima. Pasos para determinar el intervalo de optimidad Paso1: Paso 2: Paso 3: Paso 4: Reemplazar el valor numérico del coeficiente de la función objetivo para X k, con C k en todos los casos en los que aparezca en la tabla simplex final. Si la variable X k es una variable básica, volver a calcular C j Z j para cada variable no básica; si X k es una variable no básica, solo es necesario volver a calcular C k Z k Haciendo que C j Z j 0, resolver cada desigualdad a fin de obtener los limites inferior y superior de C k. Si existen dos o más limites superiores para C k, el menor de ellos es el límite superior del intervalo de optimidad. Si existen dos o más limites inferiores, el mayor de ellos será el límite inferior del intervalo de optimidad. Si el problema original es uno de minimización que se convirtió a uno de maximización para aplicar el método simplex, multiplicar por -1 las desigualdades que se obtienen en el paso 3, y cambiar el sentido de las desigualdades para obtener los intervalos de optimidad para el problema original de minimización.

5 VALORES DE LOS LADOS DERECHOS En muchos problemas de programación lineal pueden interpretarse los valores de los lados derechos (las b i ) como los recursos disponibles. Los precios sombra ofrecen información sobre el valor de los recursos adicionales; los intervalos correspondientes a los valores de los lados derechos determinan los márgenes dentro de los cuales esos precios sombra son válidos. Precios sombra: A los cambios en el valor de la función objetivo por los aumentos unitarios en los valores del lado derecho de las restricciones se les denomina precios sombra. Cuando se utiliza el método simplex para resolver un problema de programación lineal, es fácil obtener los valores de los precios sombra o de sombra. Se encuentran en el renglón Z j de la tabla simplex final. Para ilustrar este punto se tiene la tabla simplex final del problema de High Tech: Los valores Z j para las tres variables de holgura son 14/5, 0, y 26/5 respectivamente. Por ello, el precio sombra para la restricción de tiempo de ensamble es 14/5 = 2.80, para la restricción de los monitores para la portable es 0.00, y para la restricción de espacio de almacén es 26/5 = Para ver por qué son precios sombra los valores de Z j para las variables de holgura de la tabla simplex final, considérese primero el caso de las variables de holgura que son parte de la solución básica factible óptima. Cada una de estas variables de holgura tiene un valor de Z j igual a cero, lo que indica un precio sombra nulo para la restricción correspondiente. Considérense ahora las variables de holgura no básicas, por ejemplo S 1. Se determinó que el valor de Z j para la variable S 1 es de 14/5 = 2.80 Se puede concluir que $2.80 es el valor que tiene para High Tech una hora de tiempo de ensamble que se utiliza en la producción de computadoras desktop y portable. Por ello, si se puede obtener tiempo adicional, esa empresa debe estar dispuesta a pagar hasta $2.80 por cada hora. Se puede dar una interpretación similar al valor de Z j para cada una de las variables de holgura no básicas. Es decir, Z j es el valor de una unidad adicional del recurso en el renglón correspondiente a esa variable de holgura.

6 INTERVALO DE FACTIBILIDAD Como se acaba de ver, puede utilizarse el renglón Z j de la tabla simplex final para determinar el precio sombra y, como resultado, pronosticar el cambio que se da en el valor de la función objetivo y que corresponde a un cambio unitario en un valor de b i. Sin embargo, lo que interesa es calcular un intervalo de valores sobre los que pueda variar una b i específica, sin que ninguna de las variables básicas del momento se convierta en no factible. A tal gama de valores se le denomina intervalo de factibilidad. Para ilustrar el efecto de los cambios en b i considérese un aumento en la cantidad disponible de tiempo de ensamble en el problema de la High Tech, de 150 a 160 hrs. la base actual sigue ofreciendo una solución factible? Si la respuesta es sí, dado un precio sombra de $2.80 para la restricción de tiempo de ensamble, puede esperarse un aumento de 10(2.80)= 28, en el valor de la función objetivo. En seguida se muestra la tabla simplex final que corresponde a un aumento de 10 horas en el tiempo de ensamble. La misma base, que consiste en las variables básicas X 2, S 2 y X 1, es factible porque todas las variables básicas son no negativas. No tese también que, el valor de la solución óptima ha aumentado en 28 (de 1980 a 2008). Los únicos cambios en la tabla simplex final (en comparación con el cuadro simplex final cuando b 1 =150) son las diferencias en los valores de las variables básicas y el valor de la función objetivo. Es decir, sol ha cambiado la última columna de la tabla simplex. Los elementos de esta nueva columna se obtuvieron simplemente sumando los primeros 4 elementos de la columna S 1, multiplicados por 10, a la última columna de la tabla anterior:

7 Recuérdese que cada coeficiente de la columna S 1 indica la magnitud de la disminución que ocurrirá en la correspondiente variable básica al aumentar S 1 en una unidad. El cambio en el valor de la función objetivo que corresponde a un aumento de una unidad en b 1 está dado por el valor de Z j en esa columna (el precio sombra). En el caso anterior, se aumentó en 10 unidades la disponibilidad del tiempo de ensamble; por ello, se multiplicaron por 10 los primeros 4 elementos de la columna S 1 con el objeto de obtener el cambio en el valor de la solución. Cómo se sabe cuándo un cambio en b 1 es tan grande que la base en cuestión se vuelve no factible?, se responde a esta pregunta específicamente para el problema de High Tech: Se comenzara mostrando como se calculan los límites superior e inferior para la cantidad máxima en que puede cambiar b 1 antes de que la base óptima se vuelva no factible. Ya se ha visto el modo de encontrar los nuevos valores básicos factibles de la solución, para un aumento de 10 unidades en b 1. En general, dado un cambio de b 1 en b 1, los nuevos valores de las variables básicas del problema de la High Tech están dados por Mientras el nuevo valor de las variables básicas siga siendo no negativo, la base sigue siendo factible, y por lo tanto, optima. Se puede hacer que las variables básicas sigan siendo no negativas limitando el cambio en b 1 (es decir b 1 ), de manera que se satisfaga cada una de las siguientes condiciones: Obsérvese que los lados izquierdos de las desigualdades anteriores representan los nuevos valores de las variables básicas después de que ha variado b 1 b 1 Despejando b 1 en las desigualdades anteriores, se obtiene:

8 Como deben satisfacerse las tres desigualdades, se deben satisfacer también los límites más estrictos que tenga b 1, para que todas las variables básicas sigan siendo no negativas. Por ello, b 1 debe satisfacer b 1 25 El tiempo inicial disponible de ensamble era 150 horas. Por ello, b1 = b 1, en donde b 1 es la cantidad disponible de tiempo de ensamble. Se suma 150 a cada uno de los tres términos de la expresión anterior para obtener: b Reemplazando b 1 por b 1 se obtiene el intervalo de factibilidad para b1: b Este intervalo indica que mientras el tiempo disponible de ensamble se mantenga entre y 175 horas, la base óptima en cuestión sigue siendo factible. Es por esto que se denomina a esta gama el intervalo de factibilidad.

METODO SIMPLEX NOTAS DE CLASE: INVESTIGACIÓN DE OPERACIONES I UNIVERSIDAD CENTRAL PROFESOR CARLOS DÍAZ. Max Z= 12X 1 + 15X 2

METODO SIMPLEX NOTAS DE CLASE: INVESTIGACIÓN DE OPERACIONES I UNIVERSIDAD CENTRAL PROFESOR CARLOS DÍAZ. Max Z= 12X 1 + 15X 2 METODO SIMPLEX NOTAS DE CLASE: INVESTIGACIÓN DE OPERACIONES I UNIVERSIDAD CENTRAL PROFESOR CARLOS DÍAZ Max Z= 12X 1 + 15X 2 Sujeto a: 2X 1 + X 2

Más detalles

El Método Simplex. H. R. Alvarez A., Ph. D. 1

El Método Simplex. H. R. Alvarez A., Ph. D. 1 El Método Simplex H. R. Alvarez A., Ph. D. 1 El Método Simplex Desarrollado en 1947 por George Dantzig como parte de un proyecto para el Departamento de Defensa Se basa en la propiedad de la solución esquina

Más detalles

UNIVERSIDAD NACIONAL DE INGENIERÍA UNI RUACS ESTELI

UNIVERSIDAD NACIONAL DE INGENIERÍA UNI RUACS ESTELI Estelí, 13 de Agosto del 2012 EL METODO SIMPLEX El método simplex es el más generalizado para resolver problemas de programación lineal. Se puede utilizar para cualquier número razonable de productos y

Más detalles

Pasos en el Método Simplex

Pasos en el Método Simplex Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 20 El Método Simplex ICS 1102 Optimización Profesor : Claudio Seebach 16 de octubre de 2006

Más detalles

Problemas de Programación Lineal: Método Simplex

Problemas de Programación Lineal: Método Simplex Problemas de Programación Lineal: Método Simplex Ej. (3.1) (C) Los siguientes Tableaux fueron obtenidos en el transcurso de la resolución de PL en los cuales había que maximizar una Función Objetivo con

Más detalles

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

EL MÉTODO SIMPLEX ALGEBRAICO. M. En C. Eduardo Bustos Farías EL MÉTODO SIMPLEX ALGEBRAICO M. En C. Eduardo Bustos Farías 1 EL METODO SIMPLEX Es un procedimiento general para resolver problemas de programación lineal. Fue desarrollado en el año de 1947 por George

Más detalles

Desarrollo de las condiciones de optimalidad y factibilidad. El problema lineal general se puede plantear como sigue:

Desarrollo de las condiciones de optimalidad y factibilidad. El problema lineal general se puede plantear como sigue: Método simplex modificado Los pasos iterativos del método simplex modificado o revisado son exactamente a los que seguimos con la tabla. La principal diferencia esá en que en este método se usa el algebra

Más detalles

Instituto tecnológico de Minatitlán. Investigación de operaciones Ing. Erika Lissette Minaya mortera Unidad 3: programación no lineal

Instituto tecnológico de Minatitlán. Investigación de operaciones Ing. Erika Lissette Minaya mortera Unidad 3: programación no lineal Instituto tecnológico de Minatitlán Investigación de operaciones Ing. Erika Lissette Minaya mortera Unidad 3: programación no lineal Alejandra de la cruz francisco Ingeniería en sistemas computacionales

Más detalles

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

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

Más detalles

Programación Lineal. Unidad 1 Parte 2

Programación Lineal. Unidad 1 Parte 2 Programación Lineal Unidad 1 Parte 2 Para la mayoría de los problemas modelados con programación lineal, el método gráfico es claramente inútil para resolverlos, pero afortunadamente y gracias a la dedicación

Más detalles

PROGRAMACION ENTERA. M. en C. Héctor Martínez Rubin Celis 1

PROGRAMACION ENTERA. M. en C. Héctor Martínez Rubin Celis 1 M. en C. Héctor Martínez Rubin Celis PROGRAMACION ENTERA En muchos problemas prácticos, las variables de decisión son realistas únicamente si estas son enteras. Hombres, máquinas y vehículos deben ser

Más detalles

4. Método Simplex de Programación Lineal

4. Método Simplex de Programación Lineal Temario Modelos y Optimización I 4. Método Simplex de Programación Lineal A- Resolución de problemas, no particulares, con representación gráfica. - Planteo ordenado de las inecuaciones. - Introducción

Más detalles

PASO 1: Poner el problema en forma estandar.

PASO 1: Poner el problema en forma estandar. MÉTODO DEL SIMPLEX PASO Poner el problema en forma estandar: La función objetivo se minimiza y las restricciones son de igualdad PASO 2 Encontrar una solución básica factible SBF PASO 3 Testar la optimalidad

Más detalles

MENORES, COFACTORES Y DETERMINANTES

MENORES, COFACTORES Y DETERMINANTES MENORES, COFACTORES Y DETERMINANTES 1. Introducción. 2. Determinante de una matriz de 3 x 3. 3. Menores y cofactores. 4. Determinante de una matriz de n x n. 5. Matriz triangular. 6. Determinante de una

Más detalles

DUALIDAD EN PROGRAMACION LINEAL

DUALIDAD EN PROGRAMACION LINEAL DUALIDAD EN PROGRAMACION LINEAL Relaciones primal-dual Asociado a cada problema lineal existe otro problema de programación lineal denominado problema dual (PD), que posee importantes propiedades y relaciones

Más detalles

EJEMPLO DE SIMPLEX PARA PROBLEMA DE PROGRAMACIÓN LINEAL CASO DE MAXIMIZAR Prof.: MSc. Julio Rito Vargas Avilés

EJEMPLO DE SIMPLEX PARA PROBLEMA DE PROGRAMACIÓN LINEAL CASO DE MAXIMIZAR Prof.: MSc. Julio Rito Vargas Avilés EJEMPLO DE SIMPLEX PARA PROBLEMA DE PROGRAMACIÓN LINEAL CASO DE MAXIMIZAR Prof.: MSc. Julio Rito Vargas Avilés CONSTRUCCION DE LA TABLA INICIAL DEL MÉTODO SIMPLEX Una vez que el alumno ha adquirido la

Más detalles

Universidad Tec Milenio: Profesional IO04001 Investigación de Operaciones I. Tema # 6. revisado

Universidad Tec Milenio: Profesional IO04001 Investigación de Operaciones I. Tema # 6. revisado IO04001 Investigación de Operaciones I Tema # 6 Introducción al método simplex matricial o revisado Objetivos de aprendizaje Al finalizar el tema serás capaz de: Emplear el Método simplex Matricial para

Más detalles

Tema # 7. método simplex matricial o revisado

Tema # 7. método simplex matricial o revisado IO04001 Investigación de Operaciones I Tema # 7 Solución de problemas mediante el método simplex matricial o revisado Objetivos de aprendizaje Al finalizar el tema serás capaz de: Emplear el Método simplex

Más detalles

UNIDAD UNO PROGRAMACIÓN LÍNEAL Parte 3

UNIDAD UNO PROGRAMACIÓN LÍNEAL Parte 3 UNIDAD UNO PROGRAMACIÓN LÍNEAL Parte 3 Matriz unitaria "I" de base con variables artificiales. Cuando el problema de programación lineal se expresa en la forma canónica de maximizar, las variables de holgura

Más detalles

Álgebra lineal y. programación lineal Con aplicaciones a ciencias. Administrativas, contables y financieras

Álgebra lineal y. programación lineal Con aplicaciones a ciencias. Administrativas, contables y financieras Tercera edición Álgebra lineal y programación lineal Con aplicaciones a ciencias Administrativas, contables y financieras Francisco Soler Fajardo Fabio Molina Focazzio Lucio Rojas Cortés Contenido Introducción...XIX

Más detalles

Dirección de Operaciones. SESIÓN # 5: El método simplex. Segunda parte.

Dirección de Operaciones. SESIÓN # 5: El método simplex. Segunda parte. Dirección de Operaciones SESIÓN # 5: El método simplex. Segunda parte. Contextualización Qué más hay que conocer del método simplex? En la sesión anterior dimos inicio a la explicación del método simplex.

Más detalles

Ejemplo : PROGRAMACIÓN LINEAL

Ejemplo : PROGRAMACIÓN LINEAL PROGRAMACIÓN LINEAL Los problemas de Programación Lineal son aquellos donde se trata de encontrar el óptimo de una función, por ejemplo máximo de beneficios, o mínimo de costos, siendo esta función lineal.

Más detalles

Definición de problemas de programación lineal. Método gráfico. Método del SIMPLEX. Método de las dos fases. Análisis de sensibilidad y problema dual

Definición de problemas de programación lineal. Método gráfico. Método del SIMPLEX. Método de las dos fases. Análisis de sensibilidad y problema dual 7. Programación lineal y SIMPLEX Definición de problemas de programación lineal. Método gráfico. Método del SIMPLEX. Método de las dos fases. Análisis de sensibilidad y problema dual Programación Lineal

Más detalles

Método Simplex: Encontrado una SBF

Método Simplex: Encontrado una SBF Método Simplex: Encontrado una SBF CCIR / Matemáticas euresti@itesm.mx CCIR / Matemáticas () Método Simplex: Encontrado una SBF euresti@itesm.mx 1 / 31 Determinación de SBF Determinación de SBF El método

Más detalles

En el siguiente capítulo se hará un repaso de algunas propiedades básicas de conjuntos convexos, para después explicar el método simplex.

En el siguiente capítulo se hará un repaso de algunas propiedades básicas de conjuntos convexos, para después explicar el método simplex. Capitulo 2 Método Simplex Para explicar el método de generación de columnas se explicaran a continuación conceptos básicos de la programación lineal y el método simplex. En especial, el concepto de costo

Más detalles

315 M/R Versión 1 Integral 1/13 2009/1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA

315 M/R Versión 1 Integral 1/13 2009/1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA 35 M/R Versión Integral /3 29/ UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA MODELO DE RESPUESTA (VERSION.2) ASIGNATURA: Investigación de Operaciones I CÓDIGO: 35 MOMENTO: Prueba

Más detalles

PROBLEMAS PROGRAMACIÓN LINEAL CONTINUA

PROBLEMAS PROGRAMACIÓN LINEAL CONTINUA PROBLEMAS PROGRAMACIÓN LINEAL CONTINUA 1. Sea el problema: Max. 3 x 1 + 4 x 2 + 2 x 3 + x 4 s.a. 4 x 1 + 3 x 2 + 4 x 3 + x 4 5 2 x 1 + x 2 + 5 x 3 + 2 x 4 6 x 1 6, 0 x 2 3, x 3 libre, x 4 0 a) Ponerlo

Más detalles

INDICE Parte I Inducción a la programación lineal Capitulo 1 Origen y definición de la programación lineal Capitulo 2 Modelación y formulación

INDICE Parte I Inducción a la programación lineal Capitulo 1 Origen y definición de la programación lineal Capitulo 2 Modelación y formulación INDICE Parte I Inducción a la programación lineal Capitulo 1 Origen y definición de la programación lineal 3 Introducción 1 1.1 Concepto de solución óptima 4 1.2 Investigación de operaciones 6 1.2.1 Evolución

Más detalles

Anexo C. Introducción a las series de potencias. Series de potencias

Anexo C. Introducción a las series de potencias. Series de potencias Anexo C Introducción a las series de potencias Este apéndice tiene como objetivo repasar los conceptos relativos a las series de potencias y al desarrollo de una función ne serie de potencias en torno

Más detalles

3. Métodos clásicos de optimización lineal

3. Métodos clásicos de optimización lineal 3. Métodos clásicos de optimización lineal Uso del método Simplex El problema que pretende resolverse es un problema de optimización lineal sujeto a restricciones. Para el modelo construido para el problema

Más detalles

EL MÉTODO SIMPLEX. los redondos. Por último, a los manteles rectangulares se les deben colocar cuatro esquineros de refuerzo.

EL MÉTODO SIMPLEX. los redondos. Por último, a los manteles rectangulares se les deben colocar cuatro esquineros de refuerzo. EL MÉTODO SIMPLEX Hasta ahora, la única forma que conocemos de resolver un problema de programación lineal, es el método gráfico. Este método es bastante engorroso cuando aumenta el número de restricciones

Más detalles

Tema II: Programación Lineal

Tema II: Programación Lineal Tema II: Programación Lineal Contenido: Solución a problemas de P.L. por el método gráfico. Objetivo: Al finalizar la clase los alumnos deben estar en capacidad de: Representar gráficamente la solución

Más detalles

Universidad Nacional de Ingeniería Sede: UNI-Norte Investigación de Operaciones I

Universidad Nacional de Ingeniería Sede: UNI-Norte Investigación de Operaciones I Universidad acional de Ingeniería Sede: UI-orte Investigación de Operaciones I Método Simple Revisado Ejemplo. Resolver el siguiente problema de P.L. s. a: Ma, z 6 Para resolver por el método simple revisado,

Más detalles

La programación lineal hace referencia al uso eficiente o distribución de recursos limitados, para alcanzar unos objetivos determinados.

La programación lineal hace referencia al uso eficiente o distribución de recursos limitados, para alcanzar unos objetivos determinados. Programación lineal La programación lineal hace referencia al uso eficiente o distribución de recursos limitados, para alcanzar unos objetivos determinados. El nombre de programación no se refiere a la

Más detalles

Introducción al análisis de sensibilidad

Introducción al análisis de sensibilidad Introducción al análisis de sensibilidad El trabajo del equipo de investigación de operaciones recién se inicia cuando se ha aplicado con éxito el método símplex para identificar una solución óptima. Una

Más detalles

MÉTODO SIMPLEX MÉTODO DE SOLUCIÓN GRÁFICO

MÉTODO SIMPLEX MÉTODO DE SOLUCIÓN GRÁFICO MÉTODO SIMPLEX MÉTODO DE SOLUCIÓN GRÁFICO Investigación de Operaciones 1 Introducción a la Programación Lineal Un modelo de programación lineal busca maximizar o minimizar una función lineal, sujeta a

Más detalles

6.2 OBSERVACIONES IMPORTANTES AL UTILIZAR MÉTODO SIMPLEX

6.2 OBSERVACIONES IMPORTANTES AL UTILIZAR MÉTODO SIMPLEX 6. MÉTODO SIMPLEX El Método Simplex es un método analítico de solución de problemas de programación lineal capaz de resolver modelos más complejos que los resueltos mediante el método gráfico sin restricción

Más detalles

3.3 Funciones crecientes y decrecientes y el criterio de la primera derivada

3.3 Funciones crecientes y decrecientes y el criterio de la primera derivada SECCIÓN. Funciones crecientes decrecientes el criterio de la primera derivada 79. Funciones crecientes decrecientes el criterio de la primera derivada Determinar los intervalos sobre los cuales una función

Más detalles

PROGRAMACIÓN LINEAL. 1. Introducción

PROGRAMACIÓN LINEAL. 1. Introducción PROGRAMACIÓN LINEAL 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 problemas

Más detalles

Programación Lineal y Optimización Primer Examen Parcial :Solución Profr. Eduardo Uresti, Enero-Mayo 2011

Programación Lineal y Optimización Primer Examen Parcial :Solución Profr. Eduardo Uresti, Enero-Mayo 2011 Programación Lineal y Optimización Primer Examen Parcial : Profr. Eduardo Uresti, Enero-Mayo 2011 Matrícula: Nombre: 1. Una pequeña empresa fabrica sustancias de dos tipos a partir de tres materias primas,

Más detalles

2.2 PROGRAMACION LINEAL: METODOS DE SOLUCION

2.2 PROGRAMACION LINEAL: METODOS DE SOLUCION 2.2 PROGRAMACION LINEAL: METODOS DE SOLUCION 1. METODO GRAFICO 2. METODO SIMPLEX - ALGEBRAICO 3. METODO SIMPLEX - TABULAR 4. METODO SIMPLEX - MATRICIAL 1 2.2.1 METODO GRAFICO (modelos con 2 variables)

Más detalles

PROBLEMAS de Programación Lineal : Resolución Gráfica

PROBLEMAS de Programación Lineal : Resolución Gráfica PROBLEMAS de Programación Lineal : Resolución Gráfica Ej. (1.1) Mostrar gráficamente porque los 2 PL siguientes no tienen una Solución Optima y explicar la diferencia entre los dos. (C) (A) Max z = 2x

Más detalles

1. RESOLVER el siguiente problema de programación lineal. max z =15x 1 + 10x 2 suj.a : 2x 1 + x 2 1500 x 1 + x 2 1200 0 x 1 500

1. RESOLVER el siguiente problema de programación lineal. max z =15x 1 + 10x 2 suj.a : 2x 1 + x 2 1500 x 1 + x 2 1200 0 x 1 500 1. RESOLVER el siguiente problema de programación lineal max z =15x 1 + 10x 2 suj.a : 2x 1 + x 2 1500 x 1 + x 2 1200 0 x 1 500 x 2 0 2 RESOLVER el siguiente problema de P.L.: max z = 2x 1 + 3x 2 2x 3

Más detalles

TEMA III MÉTODO SIMPLEX. CONCEPTOS BÁSICOS

TEMA III MÉTODO SIMPLEX. CONCEPTOS BÁSICOS TEMA III MÉTODO SIMPLE. CONCEPTOS BÁSICOS MÉTODOS CUANTITATIVOS I TEMA III. MÉTODO SIMPLE. CONCEPTOS BÁSICOS INDICE.- FACTORES PRODUCTIVOS (A i )....- VECTOR EISTENCIAS (P o )....- TÉCNICA... 4.- PROCESO

Más detalles

ANÁLISIS DE DUALIDAD. M. En C. Eduardo Bustos Farías

ANÁLISIS DE DUALIDAD. M. En C. Eduardo Bustos Farías ANÁLISIS DE DUALIDAD M. En C. Eduardo Bustos Farías 1 LA TEORÍA DE LA DUALIDAD El método simplex además de resolver un problema de PL llegando a una solución óptima nos ofrece más y mejores elementos para

Más detalles

Nombre de la asignatura : Investigación de operaciones I. Carrera : Ingeniería en Sistemas Computacionales. Clave de la asignatura : SCB-9306

Nombre de la asignatura : Investigación de operaciones I. Carrera : Ingeniería en Sistemas Computacionales. Clave de la asignatura : SCB-9306 . D A T O S D E L A A S I G N A T U R A Nombre de la asignatura : Investigación de operaciones I Carrera : Ingeniería en Sistemas Computacionales Clave de la asignatura : SCB-906 Horas teoría-horas práctica-créditos

Más detalles

Ejercicio 1: Realiza las siguientes divisiones por el método tradicional y por Ruffini: a)

Ejercicio 1: Realiza las siguientes divisiones por el método tradicional y por Ruffini: a) Tema 2: Ecuaciones, Sistemas e Inecuaciones. 2.1 División de polinomios. Regla de Ruffini. Polinomio: Expresión algebraica formada por la suma y/o resta de varios monomios. Terminología: o Grado del polinomio:

Más detalles

UNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA GERENCIA ACADEMICA COORDINACION DE PREGRADO PROYECTO INGENIERIA 1272-416/ALGEBRA DE ESTRUCTURAS SEMESTRE:

UNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA GERENCIA ACADEMICA COORDINACION DE PREGRADO PROYECTO INGENIERIA 1272-416/ALGEBRA DE ESTRUCTURAS SEMESTRE: GERENCIA ACADEMICA COORDINACION DE PREGRADO PROYECTO INGENIERIA PROGRAMA: ALGEBRA LINEAL CÓDIGO ASIGNATURA: 1272-521 PRE-REQUISITO: 1272-416/ALGEBRA DE ESTRUCTURAS SEMESTRE: 90-II UNIDADES DE CRÉDITO:

Más detalles

Lección 1. Algoritmos y conceptos básicos.

Lección 1. Algoritmos y conceptos básicos. Página 1 de 8 Lección 1. Algoritmos y conceptos básicos. Objetivos. La primera lección del curs está dedicada a repasar los conceptos y algoritmos del álgebra lineal, básicos para el estudio de la geometría

Más detalles

Programación Lineal. El método simplex

Programación Lineal. El método simplex Programación Lineal El método simplex El método simplex es una herramienta algebraica que permite localizar de manera eficiente el óptimo entre los puntos extremos de una solución a un problema de programación

Más detalles

DETERMINANTES página 251 DETERMINANTES. Por ejemplo: 2 1 8 es un determinante de tres filas y tres columnas.

DETERMINANTES página 251 DETERMINANTES. Por ejemplo: 2 1 8 es un determinante de tres filas y tres columnas. DETERMINANTES página 251 DETERMINANTES 13.1 Un determinante es un arreglo numérico en igual número de filas que de columnas del que, a partir de ciertas reglas, se forma un polinomio. El símbolo es un

Más detalles

SISTEMAS DE ECUACIONES LINEALES

SISTEMAS DE ECUACIONES LINEALES 1 SISTEMAS DE ECUACIONES LINEALES Una ecuación es un enunciado o proposición que plantea la igualdad de dos expresiones, donde al menos una de ellas contiene cantidades desconocidas llamadas variables

Más detalles

Cómo resolver el Método Simplex, con penalizaciones, o gran M

Cómo resolver el Método Simplex, con penalizaciones, o gran M Cómo resolver el étodo Simple, con penalizaciones, o gran aterial de apoyo realizado por Sebastián Fellenberg C Estudiante de Ingeniería Industrial Universidad de las Américas Chile Introducción Antes

Más detalles

Si el objetivo es maximizar, entonces se tiene la forma estándar de maximización y, si el objetivo es minimizar, la forma estándar de minimización.

Si el objetivo es maximizar, entonces se tiene la forma estándar de maximización y, si el objetivo es minimizar, la forma estándar de minimización. Tema El método simplex Los modelos lineales con dos o tres variables se pueden resolver gráficamente. En el Tema hemos visto la solución gráfica de modelos lineales de dos variables. Sin embargo, este

Más detalles

TEMA 3: EL MÉTODO SIMPLEX

TEMA 3: EL MÉTODO SIMPLEX TEMA 3: EL MÉTODO SIMPLEX El uso de este procedimiento gráfico para resolver problemas de PL queda limitado a problemas con dos variables de decisión, de manera que el problema pueda representarse en un

Más detalles

(2.c) RESOLUCIÓN DE MODELOS LINEALES. ALGORITMO DEL SIMPLEX

(2.c) RESOLUCIÓN DE MODELOS LINEALES. ALGORITMO DEL SIMPLEX (2.c) RESOLUCIÓN DE MODELOS LINEALES. ALGORITMO DEL SIMPLEX FORMA CANÓNICA DE UN SISTEMA Ax = b Forma Standard y Base factible (repaso). Expresión de las v. básicas en función de las no básicas. Forma

Más detalles

Polinomios. 1.- Funciones cuadráticas

Polinomios. 1.- Funciones cuadráticas Polinomios 1.- Funciones cuadráticas Definición 1 (Función polinomial) Sea n un entero no negativo y sean a n, a n 1,..., a, a 1, a 0 número s reales con a n 0. La función se denomina función polinomial

Más detalles

INSTITUTO POLITÉCNICO NACIONAL SECRETARÍA ACADÉMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS PROGRAMA SINTÉTICO

INSTITUTO POLITÉCNICO NACIONAL SECRETARÍA ACADÉMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS PROGRAMA SINTÉTICO CARRERA: Ingeniería en Sistemas Computacionales. PROGRAMA SINTÉTICO ASIGNATURA: Investigación de Operaciones. SEMESTRE: Séptimo. OBJETIVO GENERAL: El alumno aplicará las herramientas metodológicas de la

Más detalles

Matemáticas Financieras

Matemáticas Financieras Matemáticas Financieras MATEMÁTICAS FINANCIERAS 1 Sesión No. 1 Nombre: Fundamentos Matemáticos Contextualización Los fundamentos matemáticos son de vital importancia, en este tema se abordan y revisan

Más detalles

Demostración de la Transformada de Laplace

Demostración de la Transformada de Laplace Transformada de Laplace bilateral Demostración de la Transformada de Laplace Transformada Inversa de Laplace En el presente documento trataremos de demostrar matemáticamente cómo puede obtenerse la Transformada

Más detalles

INGENIERÍA DE SISTEMAS INVESTIGACIÓN OPERATIVA

INGENIERÍA DE SISTEMAS INVESTIGACIÓN OPERATIVA INGENIERÍA DE SISTEMAS INVESTIGACIÓN OPERATIVA Sesión 4 Objetivos: Aplicar el método simplex a la solución de problemas reales. Contenido: Introducción al método Simplex Requerimiento del método Simplex

Más detalles

Sistemas de Ecuaciones Lineales

Sistemas de Ecuaciones Lineales Sistemas de Ecuaciones Lineales 1 Sistemas de ecuaciones y matrices Definición 1 Una ecuación lineal en las variables x 1, x 2,..., x n es una ecuación de la forma con a 1, a 2... y b números reales. a

Más detalles

Sistemas de Ecuaciones Lineales

Sistemas de Ecuaciones Lineales Sistemas de Ecuaciones Lineales El sistema de ecuaciones lineales como modelo matemático de problemas Los sistemas de ecuaciones lineales permiten el planteamiento de problemas y soluciones que toman en

Más detalles

Programación Lineal con Matlab

Programación Lineal con Matlab Arturo Vega González a.vega@ugto.mx Division de Ciencias e Ingenierías Universidad de Guanajuato Campus León Universidad de Guanajuato, DCI, Campus León 1 / 22 Contenido 1 Programación Lineal Método gráfico

Más detalles

INVESTIGACION DE OPERACIONES:

INVESTIGACION DE OPERACIONES: METODO SIMPLEX El algoritmo símplex fue descubierto por el matemático norteamericano George Bernard Dantzig en 1947, es una técnica para dar soluciones numéricas a problema de programación lineal Un problema

Más detalles

Tema 1. Álgebra lineal. Matrices

Tema 1. Álgebra lineal. Matrices 1 Tema 1. Álgebra lineal. Matrices 0.1 Introducción Los sistemas de ecuaciones lineales aparecen en un gran número de situaciones. Son conocidos los métodos de resolución de los mismos cuando tienen dos

Más detalles

EJERCICIO 1. Max Z = 6 x x 2 s.r. (1) 4 x x 2 12 (2) 2 x x 2 16 (3) 2 x 1 6 x 1, x 2 0

EJERCICIO 1. Max Z = 6 x x 2 s.r. (1) 4 x x 2 12 (2) 2 x x 2 16 (3) 2 x 1 6 x 1, x 2 0 Considere el Programa Lineal siguiente: EJERCICIO Max Z 6 x + 9 x 2 s.r. () 4 x + 6 x 2 2 (2) 2 x + 8 x 2 6 (3) 2 x 6 x, x 2 0 (.a) 3 2 0 2 3 4 5 6 7 8 El Problema tiene una Región Factible delimitada

Más detalles

Por Sustitución: y= 2x+6 x + 3 (2x+6) = 4 x + 6x + 18 = 4 7x = -14 x= -2 y=2 (-2)+6 y=2. Por Igualación: 6x+18=4-x 7x=-14 x= -2 y=2 (-2)+6 y=2

Por Sustitución: y= 2x+6 x + 3 (2x+6) = 4 x + 6x + 18 = 4 7x = -14 x= -2 y=2 (-2)+6 y=2. Por Igualación: 6x+18=4-x 7x=-14 x= -2 y=2 (-2)+6 y=2 Tema 5: Sistemas de Ecuaciones y de Inecuaciones. Programación lineal. 5.1 Sistemas de dos ecuaciones con dos incógnitas. Un sistema de dos ecuaciones con dos incógnitas es de la forma: Un par de valores

Más detalles

La solución inicial puede ser óptima o no, la forma de saberlo es realizando la prueba de optimalidad que consiste en los siguientes pasos:

La solución inicial puede ser óptima o no, la forma de saberlo es realizando la prueba de optimalidad que consiste en los siguientes pasos: Solución óptima a los problemas de transporte La solución inicial puede ser óptima o no, la forma de saberlo es realizando la prueba de optimalidad que consiste en los siguientes pasos: a) Calcular los

Más detalles

Análisis y evaluación de proyectos

Análisis y evaluación de proyectos Análisis y evaluación de proyectos UNIDAD 5.- MÉTODOS DE EVALUACIÓN DEL PROYECTO José Luis Esparza A. Métodos de Evaluación MÉTODOS DE EVALUACIÓN QUE TOMAN EN CUENTA EL VALOR DEL DINERO A TRAVÉS DEL TIEMPO.

Más detalles

CAPITULO 5 LA DETERMINACIÓN DEL INGRESO DE EQUILIBRIO

CAPITULO 5 LA DETERMINACIÓN DEL INGRESO DE EQUILIBRIO Documento elaborado por Jaime Aguilar Moreno Docente área económica Universidad del Valle Sede Buga CAPITULO 5 LA DETERMINACIÓN DEL INGRESO DE EQUILIBRIO OBJETIVO DEL CAPÍTULO Lograr que el estudiante

Más detalles

MÉTODO SIMPLEX MÉTODO DE SOLUCIÓN GRÁFICO. M. En C. Eduardo Bustos Farías

MÉTODO SIMPLEX MÉTODO DE SOLUCIÓN GRÁFICO. M. En C. Eduardo Bustos Farías MÉTODO SIMPLEX MÉTODO DE SOLUCIÓN GRÁFICO M. En C. Eduardo Bustos Farías 1 Introducción a la Programación Lineal Un modelo de programación lineal busca maximizar o minimizar una función lineal, sujeta

Más detalles

PROGRAMACIÓN LINEAL ENTERA

PROGRAMACIÓN LINEAL ENTERA PROGRAMACIÓN LINEAL ENTERA Programación lineal: hipótesis de perfecta divisibilidad Así pues decimos que un problema es de programación lineal entera, cuando prescindiendo de las condiciones de integridad,

Más detalles

Módulo Programación lineal. 3 Medio Diferenciado

Módulo Programación lineal. 3 Medio Diferenciado Módulo Programación lineal 3 Medio Diferenciado Profesor: Galo Páez Nombre: Curso :. Sabemos que una ecuación lineal de dos variables tiene la forma con ó y representa siempre una recta en el plano. Ahora

Más detalles

Contenido: Solución algebraica a los problemas de programación lineal con el método simplex.

Contenido: Solución algebraica a los problemas de programación lineal con el método simplex. Tema II: Programación Lineal Contenido: Solución algebraica a los problemas de programación lineal con el método simplex. Introducción El método simplex resuelve cualquier problema de PL con un conjunto

Más detalles

Los números naturales

Los números naturales Los números naturales Los números naturales Los números naturales son aquellos que sirven para contar. Se suelen representar utilizando las cifras del 0 al 9. signo suma o resultado Suma: 9 + 12 = 21 sumandos

Más detalles

www.klasesdematematicasymas.com

www.klasesdematematicasymas.com 1. Resolver el siguiente problema por el sistema dual simplex Max Z = 0,50X 1 + 0,40X 2 2X 1 + X 2 120 2X 1 + 3X 2 240 X 1, X 2 0 El modelo estándar es: Z 0,5X 1 0,40X 2 + 0S 1 + 0S 2 = 0 2X 1 + X 2 +

Más detalles

Los números enteros. > significa "mayor que". Ejemplo: 58 > 12 < significa "menor que". Ejemplo: 3 < 12 Cualquier número positivo siempre es mayor

Los números enteros. > significa mayor que. Ejemplo: 58 > 12 < significa menor que. Ejemplo: 3 < 12 Cualquier número positivo siempre es mayor Los números enteros Los números enteros Los números enteros son aquellos que permiten contar tanto los objetos que se tienen, como los objetos que se deben. Enteros positivos: precedidos por el signo +

Más detalles

Un sistema formado por dos ecuaciones y dos incógnitas, se puede escribir como sigue:

Un sistema formado por dos ecuaciones y dos incógnitas, se puede escribir como sigue: MATEMÁTICAS EJERCICIOS RESUELTOS DE SISTEMAS LINEALES Juan Jesús Pascual SISTEMA DE ECUACIONES LINEALES A. Introducción teórica B. Ejercicios resueltos A. INTRODUCCIÓN TEÓRICA Sistemas de ecuaciones lineales

Más detalles

7. PROGRAMACION LINEAL

7. PROGRAMACION LINEAL 7. PROGRAMACION LINEAL 7.1. INTRODUCCION A LA PROGRMACION LINEAL 7.2. FORMULACION DE UN PROBLEMA LINEAL 7.3. SOLUCION GRAFICA DE UN PROBLEMA LINEAL 7.4. CASOS ESPECIALES DE PROBLEMAS LINEALES 7.4.1. Problemas

Más detalles

Ing. Ramón Morales Higuera

Ing. Ramón Morales Higuera MATRICES. Una matriz es un conjunto ordenado de números. Un determinante es un número. CONCEPTO DE MATRIZ. Se llama matriz a un conjunto ordenado de números, dispuestos en filas y Las líneas horizontales

Más detalles

Alan Kevin Piarpussan Alfonso Carlo federici Algebra Profesor: Ricardo

Alan Kevin Piarpussan Alfonso Carlo federici Algebra Profesor: Ricardo Alan Kevin Piarpussan Alfonso Carlo federici Algebra Profesor: Ricardo A pesar de que Descartes originalmente usaba el término números imaginarios para referirse a lo que hoy en día se conoce como números

Más detalles

Práctica 3. CÁLCULO DE LA FUNCIÓN SENO UTILIZANDO UN DESARROLLO EN SERIE

Práctica 3. CÁLCULO DE LA FUNCIÓN SENO UTILIZANDO UN DESARROLLO EN SERIE PROGRAMACIÓN (EUI). Curso 2001-2002 Práctica 3. CÁLCULO DE LA FUNCIÓN SENO UTILIZANDO UN DESARROLLO EN SERIE F. Marqués y N. Prieto Índice General 1 Introducción 1 2 El problema 1 2.1 Desarrollo en serie

Más detalles

LA INTEGRAL COMO ANTIDERIVADA

LA INTEGRAL COMO ANTIDERIVADA UNIDAD II La integral como antiderivada LA INTEGRAL COMO ANTIDERIVADA La integración tiene dos interpretaciones distintas ) como procedimiento inverso de la diferenciación, y ) como método para determinar

Más detalles

SESIÓN 5 RELACIÓN ENTRE LOS VALORES NUMÉRICOS

SESIÓN 5 RELACIÓN ENTRE LOS VALORES NUMÉRICOS SESIÓN 5 RELACIÓN ENTRE LOS VALORES NUMÉRICOS I. CONTENIDOS: 1. Relación entre valores numéricos.. Cálculo de media, mediana y moda en datos agrupados y no agrupados. 3. La media, mediana y moda en variable

Más detalles

Práctica 2: Análisis de sensibilidad e Interpretación Gráfica

Práctica 2: Análisis de sensibilidad e Interpretación Gráfica Práctica 2: Análisis de sensibilidad e Interpretación Gráfica a) Ejercicios Resueltos Modelización y resolución del Ejercicio 5: (Del Conjunto de Problemas 4.5B del libro Investigación de Operaciones,

Más detalles

Curso de Matemática. Unidad 2. Operaciones Elementales II: Potenciación. Profesora: Sofía Fuhrman. Definición

Curso de Matemática. Unidad 2. Operaciones Elementales II: Potenciación. Profesora: Sofía Fuhrman. Definición Curso de Matemática Unidad 2 Profesora: Sofía Fuhrman Operaciones Elementales II: Potenciación Definición a n = a. a.a a multiplicado por sí mismo n veces. a) Regla de los signos Exponente Par Exponente

Más detalles

PREPARANDO EL MODELO PARA ADAPTARLO AL MÉTODO SIMPLEX. a21 x1 + a22 x2 +... + a2n xn = b2... am1 x1 + am2 x2 +... + amn xn = bm x1,...

PREPARANDO EL MODELO PARA ADAPTARLO AL MÉTODO SIMPLEX. a21 x1 + a22 x2 +... + a2n xn = b2... am1 x1 + am2 x2 +... + amn xn = bm x1,... El método Simplex es un procedimiento iterativo que permite ir mejorando la solución a cada paso. El proceso concluye cuando no es posible seguir mejorando más dicha solución. Partiendo del valor de la

Más detalles

CAPÍTULO 3: DETERMINANTES Y SISTEMAS DE ECUACIONES

CAPÍTULO 3: DETERMINANTES Y SISTEMAS DE ECUACIONES CAPÍTULO 3: DETERMINANTES Y SISTEMAS DE ECUACIONES Parte A: determinantes. A.1- Definición. Por simplificar, consideraremos que a cada matriz cuadrada se le asocia un número llamado determinante que se

Más detalles

Análisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 8va versión MGM

Análisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 8va versión MGM Universidad Católica del Norte Escuela de Negocios Mineros Magíster en Gestión Minera Análisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 8va versión MGM Antofagasta, Diciembre de 2014

Más detalles

CLAVE: MIS 206 PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO

CLAVE: MIS 206 PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO MATEMÁTICAS AVANZADAS PARA LA INGENIERÍA EN SISTEMAS CLAVE: MIS 206 PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO 1 1. SISTEMAS LINEALES DISCRETOS Y CONTINUOS 1.1. Modelos matemáticos 1.2. Sistemas 1.3. Entrada

Más detalles

Para que un problema pueda ser solucionado por el método de transporte, este debe reunir tres condiciones:

Para que un problema pueda ser solucionado por el método de transporte, este debe reunir tres condiciones: MÉTODO DE TRANSPORTE Es un método de programación lineal para la asignación de artículos de un conjunto de origines a un conjunto de destinos de tal manera que se optimice la función objetivo. Esta técnica

Más detalles

MÉTODO SIMPLEX. PROFESORA: LILIANA DELGADO HIDALGO Estandarización Tradicional

MÉTODO SIMPLEX. PROFESORA: LILIANA DELGADO HIDALGO Estandarización Tradicional MÉTODO SIMPLE POFESOA: LILIANA DELGADO HIDALGO Lilianadelgado@correounivalleeduco Minimizar 4x + x Sueto a: x + x 4x + x 6 x + x 4 x, x Estandarización Tradicional Minimizar 4x + x Sueto a: x + x 4x +

Más detalles

Optimización lineal con R José R. Berrendero

Optimización lineal con R José R. Berrendero Optimización lineal con R José R. Berrendero Introducción Veamos cómo se pueden resolver problemas de optimización lineal con R a través de algunos ejemplos sencillos. La mayor parte de las funciones necesarias

Más detalles

Clase 8 Sistemas de ecuaciones lineales

Clase 8 Sistemas de ecuaciones lineales Clase 8 Instituto de Ciencias Básicas Facultad de Ingeniería Universidad Diego Portales Marzo, 2014 con dos incógnitas Considere el siguiente sistema de dos ecuaciones lineales con dos incógnitas x e y:

Más detalles

TEORÍA DE LAS ECUACIONES

TEORÍA DE LAS ECUACIONES TEORÍA DE LAS ECUACIONES Página 7 TEMA 8 TEORÍA DE LAS ECUACIONES En este tema se va a estudiar de manera breve un poco de la teoría sobre la resolución de ecuaciones de grado superior a dos. Como se irá

Más detalles

VALORES EXACTOS DE FUNCIONES TRIGONOMÉTRICAS (SENO Y COSENO)

VALORES EXACTOS DE FUNCIONES TRIGONOMÉTRICAS (SENO Y COSENO) VALORES EXACTOS DE FUNCIONES TRIGONOMÉTRICAS (SENO Y COSENO) En trigonometría plana, es fácil de encontrar el valor exacto de la función seno y coseno de los ángulos de 30, 5 y 60, gracias a la ayuda de

Más detalles

84 Tema 3. Dualidad. todas las restricciones son del tipo, todas las variables son no negativas.

84 Tema 3. Dualidad. todas las restricciones son del tipo, todas las variables son no negativas. Tema 3 Dualidad En el desarrollo de la programación lineal la teoria de la dualidad es importante, tanto desde el punto de vista teórico como desde el punto de vista práctico. Para cada modelo lineal se

Más detalles

Colección de Problemas II. mín Z = 8x 1 + 9x 2 + 7x 3 s. a: x 1 + x 2 + x x 1 + 3x 2 + x x 1 + x 2 x 3 30

Colección de Problemas II. mín Z = 8x 1 + 9x 2 + 7x 3 s. a: x 1 + x 2 + x x 1 + 3x 2 + x x 1 + x 2 x 3 30 1.- Dado el siguiente problema mín Z = 8x 1 + 9x + 7x 3 s. a: x 1 + x + x 3 40 x 1 + 3x + x 3 10 x 1 + x x 3 30 x 1 0, x 0, x 3 0 A) Plantear el problema dual y escribir las condiciones de la holgura complementaria

Más detalles

CURSOSO. Aritmética: Númerosnaturalesyenteros. Númerosracionalesyfraciones. MATEMÁTICAS. AntonioF.CostaGonzález

CURSOSO. Aritmética: Númerosnaturalesyenteros. Númerosracionalesyfraciones. MATEMÁTICAS. AntonioF.CostaGonzález CURSOSO CURSOSO MATEMÁTICAS Aritmética: Númerosnaturalesyenteros. Númerosracionalesyfraciones. AntonioF.CostaGonzález DepartamentodeMatemáticasFundamentales FacultaddeCiencias Índice 1 Introducción y objetivos

Más detalles