2.2 PROGRAMACION LINEAL: METODOS DE SOLUCION

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "2.2 PROGRAMACION LINEAL: METODOS DE SOLUCION"

Transcripción

1 2.2 PROGRAMACION LINEAL: METODOS DE SOLUCION 1. METODO GRAFICO 2. METODO SIMPLEX - ALGEBRAICO 3. METODO SIMPLEX - TABULAR 4. METODO SIMPLEX - MATRICIAL 1

2 2.2.1 METODO GRAFICO (modelos con 2 variables) 1. TRAZAR EN UN PLANO LAS RESTRICCIONES 2. IDENTIFICAR LA REGION FACTIBLE 3. TRAZAR LA DIRECCIóN DE MAX ASCENSO 4. IDENTIFICAR EL PUNTO OPTIMO NOTAS: - En modelos con 2 variables: - Una restricción de exacta igualdad se representa por una recta - Una restricción mayor igual ó menor igual divide el espacio de soluciones en dos semiplanos - La Región factible es el conjunto de puntos que satisfacen todas las restricciones - Los Vértices ocurren en la intersección de 2 ó mas restricciones - Los Vértices siempre estan localizados en la frontera de la region factible - Toda función lineal f(x 1,x 2,...) se puede expresar como el producto escalar del vector de coeficientes c = (c 1, c 2, ) y el vector de variables de decisión x = (x 1, x 2, ). Es decir f(x 1,x 2 ) = c 1 x 1 + c 2 x 2 = c x - La dirección de max ascenso sobre la función objetivo f es la dirección del vector c - El punto óptimo es aquel en la región factible asociado con el vector que tiene la mayor proyección sobre el vector c. - De existir, una solucion óptima de un modelo de PL siempre ocurre en un vértice de la región factible. 2

3 METODO GRAFICO Ejemplo: Máx X 1 + 2X 2 sa. 4X 1 + 2X X 1 + 3X 2 18 X 2 3 X 1, X 2 0 a) Determinar la solución óptima b) Deteminar las restricciones activas y las inactivas c) En el punto óptimo, determinar los valores de holgura y excedente para cada restricción d) Determinar las restricciones redundantes e) Determinar la solución óptima si la F.O. fuese Min f) Determinar la solución óptima si además la 2da restricción cambia a 3X 1 + 6X 2 18 g) Determinar la solución óptima si además la 1ra restricción cambia a X 1 + X 2 2 3

4 Modelo en forma estándar Máx X 1 + 2X 2 sa. 4X 1 + 2X 2 + S 1 = 16 3X 1 + 3X 2 - S 2 = 18 X 2 - S 3 = 3 X 1, X 2, S 1, S 2,S 3 0 La solución básica de un sistema de ecuaciones lineales de n por m, si existe, es una solución en la que se forza a que (n-m) variables tomen valor igual a cero. A las (n-m) variables forzadas a tomar valor igual a cero se les llama variables no básicas. El valor de las variables restantes resulta de resolver el sistema de ecuaciones lineales. A estas variables se les llama variables básicas. El máximo número de soluciones BASICAS es igual al número de parejas que se pueden formar con 5 variables: 5 5! = 10 2 = 2!(5 2)! Solución Variables Función objetivo Z Básica No. X 1 X 2 S 1 S 2 S No factible No factible No factible No factible No factible No factible No factible 4

5 2.2.2 ANÁLISIS POSTERIOR A LA RESOLUCIÓN Una vez resuelto un modelo de PL se debe distinguir entre: RESTRICCIONES ACTIVAS Son aquellas que se cumplen con exacta igualdad en la solución óptima RESTRICCIONES INACTIVAS Son aquellas que tiene holgura o excedente Las restricciones activas son las que impiden el obtener una solución mejor que la solución óptima ya encontrada RESTRICCIONES REDUNDANTES Son aquellas que de no estar presentes en el modelo, no modificarían la región factible ni la solución óptima. 5

6 MÉTODO GRÁFICO con 3 variables X X 1 4 X 2 6

7 2.2.3 CASOS ESPECIALES 1. MULTIPLES OPTIMOS (óptimos alternos) Una restricción es paralela a la función objetivo Máx -3X 1 + 6X 2 sa. 5X 1 + 7X X 1 + 2X 2 2 X 1, X SOLUCION OPTIMA ILIMITADA (no acotada) La región factible se extiende sin límites en alguna dirección Máx 2X 1 + X 2 sa. X 1 - X X 1 - X 2 40 X 1, X 2 0 (y si la función objetivo fuese Máx 2X X 2? ) 3. NO EXISTE SOLUCION (inconsistencia) No existe región factible Máx 3X 1 + 2X 2 sa. 2X 1 + X 2 2 3X 1 + 4X 2 12 X 1, X 2 0 7

8 2.2.4 ANÁLISIS GRÁFICO Sea la restricción : a 1 x 1 + a 2 x 2 b que se puede escribir como: x 2 b a 2 - a a1 2 x 1 y graficar como: X 2 b a 2 b a 1 X 1 Del gráfico se puede concluir que: 1. Si únicamente cambia el valor de b la recta se mueve paralelamente 2. Si sólo cambia el valor a 2 la recta rota girando alrededor de b a 1 3. Si sólo cambia el valor a 1 la recta rota girando alrededor de b a 2 8

9 EJERCICIO Considere el siguiente modelo de PL: Máx Z = 600 X X 2 s.a. 100 X X 2 21, X X 2 680,000 X 1 + X X X 2 6,000 X 1, X 2 0 a) Determine la solución óptima b) Determine las restricciones activas, inactivas y redundantes. c) Cuál es el cambio mínimo del lado derecho de cada restricción redundante que la convierte en restricción activa? d) El coeficiente de X 1 en la tercera restricción es igual a uno. Cual es el cambio mínimo de este coeficiente que la convertiría en activa? e) Suponga que el coeficiente de X 1 en la función objetivo cambiase mientras que el coeficiente de X 2 permanece inalterable. Cual es el cambio mínimo del coeficiente de X 1 que ocasiona que existan multiples optimos en la solución? 9

10 2.2.5 FORMA ESTANDARD (Se usa para resolver un modelo por medio del algoritmo Simplex) - Todas las variables son NO negativas - Los elementos del lado derecho de cada restricción son No negativos Si el lado derecho es negativo debe multiplicarse toda la restricción por (-1) invirtiendo el sentido de la desigualdad - Todas las restricciones se convierten a ecuaciones, agregando variables de holgura ó de excedente (excepto las restricciones de No negatividad) Si la restricción es del tipo se debe sumar una variable de holgura al lado izquierdo de la restricción Si la restricción es del tipo se debe restar una variable de excedente al lado izquierdo de la restricción EJEMPLO Modelo Original Modelo en Forma Estándar Min Z = 5x 1 + 2x 2 - x 3 Min Z = 5x 1-2x 2 - x 3 + 0s s 2 + 0s 3 sujeto a sujeto a -x 1 + x 2 - x x 1 - x 2 - x 3 + s 1 = 16 2x 1-2x x 1-2x 3 -s 2 = 30 x 1 + 2x 2-8 -x 1 + 2x 2 +s 3 = 8 x 1, x 3 0 x 2 0 x 1, x 2, x 3, s 1, s 2, s 3 0 El convertir el modelo a forma estándar aumenta el número de variables, manteniendo el número de restricciones. 10

11 EJEMPLO sujeto a Máx Z = 18.5x x x x x x x x x 1, x 2 0 este modelo tiene n = 2 variables de decisión y m = 3 restricciones (sin considerar las de no negatividad) Este modelo convertido a forma estándar es: sujeto a Máx Z = 18.5x x 2 + 0s 1 + 0s 2 + 0s x x 2 + s 1 = x x 2 +s 2 = x x 2 +s 3 = 2000 x 1, x 2, s 1, s 2, s 3 0 ahora el modelo tiene n = 5 variables y m = 3 restricciones Forma matricial de las restricciones del modelo en forma estándar: X X 2 = S x5 S 2 3x1 S 3 5x1 11

12 Al expresar un modelo en forma estándar se convierte el conjunto de restricciones de un modelo de programación lineal a un sistema de ecuaciones lineales simultáneas. Si denotamos por n el número de variables en el modelo en forma estándar y por m el número de restricciones, decimos que el modelo en forma estándar es de dimensiones n por m. Esto porque el modelo incluye m ecuaciones lineales simultaneas en n variables. Un sistema de ecuaciones lineales simultaneas de m por n puede tener solución o no. En general puede ocurrir uno de tres situaciones. Que el sistema 1. Tenga una solución única 2. Tenga infinitas soluciones 3. No tenga solución Si el sistema no tiene solución se dice que es un sistema inconsistente. En un modelo de programacion lineal en forma estándar siempre se cumple que m < n. Y salvo casos excepcionales, supondremos que el sistema de ecuaciones del modelo tendrá infinitas soluciones. Cada una de éstas corresponde a un punto de la región factible. DEFINICION Se denomina punto extremo de la región factible a aquel punto que no puede expresarse como una combinación lineal convexa de otros puntos en esta región. En términos sencillos un punto extremo se representa como un vértice de la región factible PROPOSICION La solución óptima de un modelo de programación lineal, si existe y no es ilimitada, siempre corresponde a un punto extremo de la región factible. Esta proposición es muy importante. Con base en ella, basta solo con tener un método que evalúe la función objetivo de un modelo de programacion lineal en los puntos extremos de la región factible. DEFINICION La solución básica de un sistema de ecuaciones lineales de n por m, si existe, es una solución en la que se forza a que (n-m) variables tomen valor igual a cero. A las (n-m) variables forzadas a tomar valor igual a cero se les llama variables no básicas. El valor de las variables restantes resulta de resolver el sistema de ecuaciones lineales. A estas variables se les llama variables básicas. 12

13 DEFINICION La solución básica de un sistema de ecuaciones lineales de n por m existe si al eliminar (n-m) variables el sistema resultante de m por m es consistente. Esta definición indica que al forzar a que (n-m) variables tomen valor igual a cero puede ocurrir que las m ecuaciones lineales resulten en un sistema sin solución (inconsistente). Por ejemplo en el siguiente sistema 2x x 2 + 3x 3 = 8 3x x 2 + 3x 3 = 17 si se consideran variable no basica a la variable x 3 entonces el sistema resultante mostrado no tiene solución. 2x x 2 = 8 3x x 2 = 17 DEFINICION La solución básica de un sistema de ecuaciones lineales de n por m se dice factible (y se denota por SBF) si todas las variables toman valor no negativo. En nuestro ejemplo: n-m = 5-3 = 2 variables S 2 = 0 X 1 = 14, S 3 = 0 X 2 = 10, Esta es una Solucion BASICA No Factible S 1 = Si: X 2 = 0 X 1 = 20,000 S 3 = 0 S 2 = 800 Esta es una Solución BASICA Factible S 1 = 100 Se llama BASE al conjunto de VARIABLES BASICAS. PROPOSICION Cada SBF de un modelo de programación lineal corresponde a un punto extremo de su región factible. Por tanto la solución optima de un modelo de programación lineal, si existe y no es ilimitada, correponde a una solución básica factible. En otras palabras, cada SOLUCION BASICA FACTIBLE representa un vértice de la región factible. 13

14 En el ejemplo, el máximo número de soluciones BASICAS es igual al número de parejas que se pueden formar con 5 variables: 5 5! = = !(5 2)! En general, el máximo número de soluciones BASICAS es igual al número de conjuntos de m elementos, que se pueden formar con n variables, es decir n m = n! m!( n m)! 14

15 SOLUCIONES BÁSICAS Solución Variables Función objetivo No. X 1 X 2 S 1 S 2 S 3 Z ,100 1,800 2,000 $ , No factible , ,100 $360, , ,200 0 No factible 5 36, ,600 No factible 6 20, $370, , No factible 8 8,000 14, $428, ,000 4, $413, , , No factible X 2 4 Máx Z = 18.5x x 2 40 sa. 0.05x x x x x x x 1, x Región 8 10 Factible X 1 15

16 EJEMPLO Considere el siguiente modelo de PL Máx Z= 5x 1-6x 2 +3x 3-5x 4 +12x 5 sujeto a x 1 + 3x 2 + 5x 3 +6x 4 +3x 5 90 x 1, x 2, x 3, x 4, x 5 0 a) Cuántas varibales básicas tiene? b) Cuántas soluciones básicas existen? c) Cuáles son las soluciones básicas? d) Cuál es la solución óptima? 16

17 Modelo en Forma Estándar Máx Z= 5x 1-6x 2 +3x 3-5x 4 +12x s sujeto a x 1 + 3x 2 + 5x 3 +6x 4 +3x 5 + s = 90 x 1, x 2, x 3, x 4, x 5, s 0 a) Cuántas variables básicas tiene? m = 1 variable básica b) Cuántas soluciones básicas existen? C m n = C 1 6 = 6 soluciones básicas c) Cuáles son las soluciones básicas? Sol.Bas X 1 X 2 X 3 X 4 X 5 S Z

18 2.2.6 METODO SIMPLEX (George Dantzig, 1947) Existen varias formas de resolver un modelo de programación lineal. El metodo mas comunmente usado es el metodo simplex. Este metodo encuentra la solución óptima de un modelo de PL, evaluando la función objetivo, en cada vértice de la región factible. METODOLOGIA Nótese que en modelos de dos variables en cualquier intersección de dos restricciones, hay dos variables que toman valor igual a cero. Por tanto para conocer el valor de las otras variables se debe resolver el sistema de m restricciones con m variables. Una manera sencilla de encontrar una SOLUCION BASICA FACTIBLE es identificar una matriz identidad en las restricciones del modelo escrito en forma estándar. Las variables asociadas con esta matriz identidad son las VARIABLES BASICAS X 1 X 2 S 1 S 2 S X X 2 = S x5 S 2 3x1 S 3 5x1 En cada paso del algoritmo se resuelven simultáneamente las m ecuaciones que conforman un vértice para identificarlo. Se verifica si el vértice es el óptimo, si no lo es, se pasa a otro vértice adyacente. El algoritmo asegura que en el siguiente vértice, la funcion objetivo no tendrá un valor peor que en el vértice anterior 18

19 METODO SIMPLEX -ALGEBRAICO PROCEDIMIENTO 1. Encontrar una Solucion Basica Factible inicial Expresando el modelo en forma estándar identificando las columnas de una matriz identidad de m x m. 2. Expresar las variables basicas y la funcion objetivo en funcion de las variables No basicas 3. Verificar Optimalidad La solución es óptima si: La función objetivo no puede mejorar de valor al incrementar el valor de cualquiera de las Variables No Basicas 4. Identificar Nuevas variables básica y No básica Nueva VB : la VNB que mejora más la función objetivo. Nueva VNB: la VB que se hace igual a 0 al tomar la nueva VB el máximo valor posible. 5. Regresar al paso 2. 19

20 EJEMPLO En forma original: En Forma estándar: Máx Z = 10x x 2 Máx Z = 10x x 2 + 0s 1 + 0s 2 sujeto a: sujeto a: 4x 1 + 6x x 1 + 6x 2 + 1s 1 + 0s 2 = 24 2x 1 + 6x x 1 + 6x 2 + 0s 1 + 1s 2 = 20 x 1, x 2 0 x 1, x 2, s 1, s 2 0 Inicio: Base (VB s) VNB s s 1 = 24 x 1 = 0 Z = 0 s 2 = 20 x 2 = 0 Expresar VB s y Z en función de VNB (del modelo en forma estándar ) S 1 = 24-4x 1-6x 2 S 2 = 20-2x 1-6x 2 (1) Z = x x 2 No estamos sobre el vértice óptimo! Variable que entra a la base es x 2 Variable que sale de la base es: S 1 = 24-6x 2 0 x 2 4 S 2 = 20-6x 2 0 x x 2 entra a la base con valor x 2 = ( s 2 = 0 es la variable que sale ) 20

21 1ra iteración: Base (VB s) VNB s s 1 = 4 x 1 = 0 Z = x 2 = 3.33 s 2 = 0 Expresar VB s y Z en función de VNB (comenzar de (1) ) X 2 = (20-2x 1 - s 2 ) / 6 = x s 2 S 1 = 24-4x 1-6 ( 1 / 6 (20-2x 1 - s 2 )) = 4-2x 1 + s 2 Z = x ( 1 / 6 (20-2x 1 - s 2 )) = x s 2 Variable que sale de la base es: No estamos sobre el vértice óptimo! Variable que entra a la base es x 1 X 2 = x 1 0 X 1 10 S 1 = 4-2x 1 0 X 1 2 x 1 entra a la base con valor x 1 = 2 ( s 1 = 0 es la variable que sale ) 21

22 2da iteración: Base (VB s) VNB s x 1 = 2 s 1 = 0 Z = x 2 = 2.66 s 2 = 0 Expresar VB s y Z en función de VNB X 1 = (4 + s 2 - s 1 ) / 2 = s 2-0.5s 1 X 2 = ( s 2-0.5s 1 )-0.16s 2 = s s 1 Z = ( s 2-0.5s 1 ) -2.33s 2 = s s 1 Variable que sale de la base: No estamos sobre el vértice óptimo! Variable que entra a la base es s 2 X 1 = s 2 0 s 2-4 X 2 = s 2 0 s 2 8 s 2 entra a la base con valor s 2 = 8 ( X 2 = 0 es la variable que sale ) 3ra iteración: Base (VB s) VNB s x 1 = 6 s 1 = 0 Z = 60 s 2 = 8 x 2 = 0 Expresar VB s y Z en función de VNB S 2 = ( x s 1 ) / 0.33 = 8-3x s 1 X 1 = (8-3x s 1 ) - 0.5s 1 = 6-1.5x s 1 Z = (8-3x s 1 ) s 1 = 60 - x s 1 estamos sobre el vértice óptimo! 22

23 METODO SIMPLEX - MATRICIAL El método simplex matricial se puede aplicar siguiendo los siguientes pasos 1. Encontrar una Solucion Basica Factible inicial Expresando el modelo en forma estándar identificando las columnas de una matriz identidad de m x m. (esto define a X B, C B y B) 2. Calcular B -1, B -1 b y B -1 N 3. Expresar X B y Z en función de las variables no básicas. X B = B -1 b - B -1 N X N Z = C B T B -1 b + [C N T - C B T B -1 N ] X N 4. Verificar la condición de optimalidad ([C N T - C B T B -1 N ] 0 para max Z) 5. Si la condición de optimalidad no se cumple se debe seleccionar la nueva variable básica NVB (aquella con el mejor valor en [C T N - C T B B -1 N] la nueva variable no básica (la que toma valor cero cuando la NVB toma el max valor posible) 23

24 METODO SIMPLEX -TABULAR PROCEDIMIENTO 1. Encontrar una Solucion Basica Factible inicial Convirtiendo las m restricciones en igualdades e identificando las columnas de una matriz identidad de m x m. 2. Construir la Tabla Inicial y verificar Optimalidad (ver paso 5) 3. Identificar Nuevas Variable Básica (NVB) y Nueva variable No Básica NVB : máx valor positivo de Cj - Zj (maximizacion) NVNB: dividir bj entre los coeficientes positivos de la columna de NVB. La NVNB se encuentra en el renglón que tiene el menor cociente. 4. Actualizar la Tabla - Identificar elemento Pivote - Nuevos valores en el renglón de NVB se obtienen al dividir el renglón que sale entre el pivote - Otros renglones se obtienen por: Nuevo renglon = Renglon anterior - [elemento en columna del pivote] x renglon de NVB - Calcular Zj como la suma de productos de C B por las tasas de sustitucion 5. Verificar Optimalidad (maximización) La base es óptima si todos los valores de Cj - Zj son cero o negativos. 6. Volver al paso 3 24

25 TABLA INICIAL En Forma estándar: Máx Z = 10x x 2 Máx Z = 10x x 2 + 0s 1 + 0s 2 sujeto a: sujeto a: 4x 1 + 6x x 1 + 6x 2 + 1s 1 + 0s 2 = 24 2x 1 + 6x x 1 + 6x 2 + 0s 1 + 1s 2 = 20 x 1, x 2 0 x 1, x 2, s 1, s 2 0 C j C B base b j X 1 X 2 S 1 S 2 0 S S Z j C j - Z j C j C B base b j X 1 X 2 S 1 S 2 0 S S Z j C j - Z j C j C B base b j X 1 X 2 S 1 S 2 0 S S Z j C j - Z j pivote cocientes la tabla no es óptima! x 2 entra a la base con valor x 2 = ( s 2 = 0 es la variable que sale ) 25

26 1ra iteración: C j C B base b j X 1 X 2 S 1 S 2 0 S 1 14 X Z j C j - Z j se divide el renglón del pivote entre él C j C B base b j X 1 X 2 S 1 S 2 0 S X Z j C j - Z j renglon anterior valor asociado -6 ( ) al pivote por el renglón actualizado del pivote C j C B base b j X 1 X 2 S 1 S 2 0 S X Z j C j - Z j pivote cocientes x 1 entra a la base con valor x 2 = 2 ( s 1 = 0 es la variable que sale ) 26

27 2da iteración: C j C B base b j X 1 X 2 S 1 S 2 10 X X 2 Z j C j - Z j se divide el renglon del pivote entre él C j C B base b j X 1 X 2 S 1 S 2 10 X X Z j C j - Z j renglon anterior valor asociado -.33( ) al pivote x renglón actualizado del pivote C j C B base b j X 1 X 2 S 1 S 2 10 X X Z j C j - Z j pivote S 2 entra a la base con valor S 2 = 8 (X 2 = 0 es la variable que sale ) 27

28 3ra iteración: C j C B base b j X 1 X 2 S 1 S 2 10 X 1 0 S Z j C j - Z j se divide el renglon del pivote entre él C j C B base b j X 1 X 2 S 1 S 2 10 X S Z j C j - Z j renglon anterior valor asociado +.5( ) al pivote x renglón actualizado del pivote C j C B base b j X 1 X 2 S 1 S 2 10 X S Z j C j - Z j Esta tabla es la óptima! 28

29 METODO SIMPLEX -TABULAR SIMPLIFICADO Para simplificar el procedimiento anterior se va a trabajar con una tabla más sencilla en la que en cada renglón se representa a las variables básicas y en cada columna se representa a las variables no básicas. En esta tabla las celdas sombreadas no se utilizan durante el procedimiento. C N BASE b j X N Valor de las C B X variables B básicas tasas de sustitución Z J C J - Z J Donde: X B = conjunto de nombres de las variables básicas X N = conjunto de nombres de las variables no básicas C B = vector de coeficientes de las variables básicas en la función objetivo C N = vector de coeficientes de las variables no básicas en la función objetivo b j = valor de las variables básicas El renglón marcado como Z j resulta de multiplicar cada valor en la columna C B por cada valor de la columna b j y por cada valor de la columna X N. El renglón marcado como Cj Zj resulta de restar cada valor en el renglon Zj de cada valor en el renglón C N. En cada iteración del procedimiento, una variable que reemplaza a otra ocupa el lugar que ésta tenía. 29

30 30

31 PROCEDIMIENTO 1. Encontrar una Solucion Basica Factible inicial Convirtiendo las m restricciones en igualdades e identificando las columnas de una matriz identidad de m x m. 2. Construir la Tabla Inicial y verificar Optimalidad (ver paso 5) 3. Identificar Nueva Variable Básica (NVB) y Nueva Variable No Básica (NVNB) NVB : aquella con el mayor valor positivo de Cj - Zj (maximizacion) ó aquella con el mayor valor negativo de Cj - Zj (minimizacion) NVNB: obtener cocientes al dividir bj entre los coeficientes positivos de la columna de NVB. La NVNB es aquella ubicada en el renglón con el menor cociente. 4. Actualizar la Tabla - Reemplazar el nombre de la columna de la NVB por el nombre de la NVNB - Identificar elemento Pivote - Invertir el valor númerico del Pivote - El renglón actualizado de NVB se obtiene al dividirlo entre el pivote - La columna actualizada de NVNB se obtiene al dividirla entre (-pivote) - Otros renglones se obtienen por: Nuevo renglon = Renglon anterior - [elemento en columna del pivote] x renglon de NVB - Calcular Zj como la suma de productos de C B por cada una de las columnas de la tabla. 5. Verificar Optimalidad Si el modelo es de maximización: La base es óptima si todos los valores de Cj - Zj son cero o negativos. Si el modelo es de minimización: La base es óptima si todos los valores de Cj - Zj son cero o positivos. 31

32 6. Volver al paso 3 32

33 EJEMPLO En Forma estándar: Máx Z = 10x x 2 Máx Z = 10x x 2 + 0s 1 + 0s 2 sujeto a: sujeto a: 4x 1 + 6x x 1 + 6x 2 + 1s 1 + 0s 2 = 24 2x 1 + 6x x 1 + 6x 2 + 0s 1 + 1s 2 = 20 x 1, x 2 0 x 1, x 2, s 1, s 2 0 C j C B base b j X 1 X 2 0 S S Z j C j - Z j C j C B base b j X 1 X 2 0 S S Z j C j - Z j C j C B base b j X 1 X 2 0 S S Z j C j - Z j pivote cocientes la tabla no es óptima! x 2 entra a la base con valor x 2 = ( s 2 = 0 es la variable que sale ) 33

34 1ra iteración: Primero se divide el renglon del pivote entre él C j 10 0 C B base b j X 1 S 2 0 S 1 14 X Z j C j - Z j C j 10 0 C B base b j X 1 S 2 0 S X Z j C j - Z j renglon anterior valor asociado -6 ( ) al pivote por el renglón actualizado del pivote C j 10 0 C B base b j X 1 S 2 0 S X Z j C j - Z j pivote cocientes x 1 entra a la base con valor x 2 = 2 ( s 1 = 0 es la variable que sale ) 34

35 2da iteración: Primero se divide el renglon del pivote entre él C j 0 0 C B base b j S 1 S 2 10 X X 2 Z j C j - Z j C j 0 0 C B base b j S 1 S 2 10 X X Z j C j - Z j renglon anterior valor asociado -.33( ) al pivote x renglón actualizado del pivote C j 0 0 C B base b j S 1 S 2 10 X X Z j C j - Z j pivote S 2 entra a la base con valor S 2 = 8 (X 2 = 0 es la variable que sale ) 35

36 3ra iteración: Primero se divide el renglon del pivote entre él C j 0 14 C B base b j S 1 X 2 10 X 1 0 S Z j C j - Z j C j 0 14 C B base b j S 1 X 2 10 X S Z j C j - Z j renglon anterior valor asociado +.5 (8-0.5 ) al pivote x renglón actualizado del pivote C j 0 14 C B base b j S 1 X 2 10 X S Z j C j - Z j Esta tabla es la óptima! 36

37 Ahora comparemos esta tabla óptima ya encontrada, con la solución del método SIMPLEX con matrices. Sean las variables básicas X 1 y S 2 entonces X B = [X 1 S 2 ] X N = [S 1 X 2 ] C B T = [10 0] C N T = [0 14] B = [4 0] N = [1 6] [2 1] [0 6] Determinamos B -1, B -1 N y B -1 b, B = 4(1) 0 (2) = 4 B -1 = [¼ 0] [-½ 1] B -1 N = [¼ 0] [1 6] = [ ¼ 3 / 2 ] [-½ 1] [0 6] [ -½ 3 ] B -1 b = [¼ 0] [24] = [6] [-½ 1] [20] [8] Y expresamos X B y Z en función de X N X B = [X 1 ] = [6] - [ ¼ 3 / 2 ] [S 1 ] = [ 6 - ¼S 1-3 / 2 X 2 ] [S 2 ] [8] [-½ 3 ] [X 2 ] [ 8 + ½S 1 3X 2 ] 37

38 Por tanto si comparamos ambas soluciones óptimas encontramos lo siguiente T C N BASE b j T X N C B X B B -1 b B -1 N Z J C B T B - C J - Z J 1 b C B T B -1 N C N T - C B T B -1 N Y ya sea de la tabla o de las operaciones matriciales podemos obtener X B = B -1 b B -1 N es decir Z = C N T - C B T B -1 N X 1 = 6 - ¼ S 1 3 / 2 X 2 S 2 = 8 + ½ S 1 3 X 2 Z = 60 5 / 2 S 1 X 2 Estas son expresiones de las variables básicas y de la variable de resultado en función de las variables no básicas. Los coeficientes de las variables no básicas en estas expresiones corresponden a los coeficientes de la matriz B -1 N y se les llama tasas de sustitución porque representan las tasas a las que una variable aumenta o disminuye cuando una variable no básica la reemplaza. Por ejemplo si X 2 toma valor unitario la variable X 1 debe reducir su valor en 1.5 unidades. 38

39 La condición de optimalidad para un modelo de PL del tipo maximizar, establece que si los coeficientes de [C N T - C B T B -1 N ] son todos negativos, como por ejemplo en Z = 60 5 / 2 S 1 X 2 entonces el aumentar de valor a una variable básica no mejorará el valor de la variable de resultado Z y por tanto la última solución básica encontrada es la óptima. Qué establecen las ecuaciones? Supongamos que la variable no básica X 2 incrementase su valor de 0 a 1. Entonces ocurrirían simultáneamente los siguiente La var. de respuesta Z aumentaría en 4 unidades (ya que Z = 10X X 2 ) La var. X 1 disminuiría en 1.5 unidades La var. S 2 disminuiría en 3 unidades La var. de respuesta Z disminuiría en 1.5(10) = 15 unidades El efecto neto en Z resultaría = -1. El método simplex matricial se puede aplicar siguiendo los siguientes pasos 6. Seleccionar un conjunto de variables básicas (la base). Esto define a X B. 7. Especificar las matrices C B T, C N T, B y N 8. Calcular B -1, B -1 b y B -1 N 9. Expresar X B y Z en función de las variables no básicas. 10. Verificar la condición de optimalidad ( [C N T - C B T B -1 N ] = 0 para max Z) 11. Si la condición de optimalidad no se cumple se debe seleccionar la nueva variable básica NVB (aquella con el mejor valor en C N T - C B T B -1 N) la nueva variable no básica (aquella que toma el valor cero cuando la NVB toma el max valor posible) 39

40 METODO SIMPLEX -CASOS ESPECIALES MULTIPLES OPTIMOS Ocurre si para una(s) variable(s) No Básica(s) 1. Cj - Zj =0 ; y 2. Existe alguna tasa de sustitución positiva en la tabla óptima MINIMIZACION 1. La regla para la variable que entra a la Base cambia: elegir la que tiene el valor Cj - Zj más negativo 2. La tabla óptima se identifica cuando todos los valores de Cj - Zj son cero o pósitivos. Alternativamente se puede multiplicar Z por (-1) 40

41 MODELOS CON RESTRICCIONES y = En los modelos con restricciones y =, al añadir variables de holgura o de excedente no obtenemos una solución básica factible inicial Para encontrar una, agregamos al modelo en forma estándar, VARIABLES ARTIFICIALES a cada restriccion de y =. Estas variables formarán parte de la base inicial Existen dos métodos para resolver modelos de PL con variables Artificiales: Método de las M Se asignan números negativos grandes "M" a los coeficientes de las variables artificiales en la función objetivo. (Maximizar) Si en la solución básica óptima existen variables artificiales con valor diferente de cero entonces el modelo de PL no tiene solución 41

42 EJEMPLO MÉTODO DE LAS Ms - Minimización - Todo tipo de restricción - Optimo en vértice degenerado Modelo Original: Min 4X 1 + X 2 sa. 3X 1 + X 2 = 3 4X 1 + 3X 2 6 X 1 + 2X 2 3 X 1, X 2 0 Modelo en forma estándar: Min 4X 1 + X 2 + 0S 1 + 0S 2 + MA 1 + MA 2 sa. 3X 1 + X 2 + A 1 = 3 4X 1 + 3X 2 - S 1 + A 2 = 6 X 1 + 2X 2 + S 2 = 3 X 1, X 2, S 1, S 2, A 1, A

43 Método de las 2 Fases Se divide la solución en dos etapas. En la primera etapa se resuelve el modelo de PL con f.objetivo (MIN ) igual a la suma de todas las variables artificiales. Como resultado de esta etapa, se encuentra una solución básica factible (SBF). En la segunda etapa se eliminan del modelo las variables artificiales, se restaura la f.o. original y se aplica el método simplex con la solución básica factible (SBF) encontrada en la primera etapa. NOTAS Si en la solución básica óptima de la primera etapa existen variables artificiales con valor diferente de cero entonces el modelo original de PL no tiene solución. Si en la solución básica óptima de la primera etapa existen variables artificiales con valor igual a cero entonces se deben intercambiar por variables no basicas que no sean artificiales (aun si el pivote resultase negativo). Esto con la intención que en la base no hayan variables artificiales. Si aun así, permanecen variables artificiales, entonces representan restricciones redundantes y a estas restricciones se las elimina del modelo. 43

44 EJEMPLO MÉTODO DE LAS DOS FASES - Minimización - Todo tipo de restricción - Optimo en vértice degenerado Modelo Original: Min 4X 1 + X 2 sa. 3X 1 + X 2 = 3 4X 1 + 3X 2 6 X 1 + 2X 2 3 X 1, X 2 0 Modelo en forma estándar para la primera fase Min A 1 + A 2 sa. 3X 1 + X 2 + A 1 = 3 4X 1 + 3X 2 - S 1 + A 2 = 6 X 1 + 2X 2 + S 2 = 3 X 1, X 2, S 1, S 2, A 1, A 2 0 Modelo en forma estándar para la segunda fase Min 4X 1 + X 2 + 0S 1 + 0S 2 sa. 3X 1 + X 2 = 3 4X 1 + 3X 2 - S 1 = 6 X 1 + 2X 2 + S 2 = 3 X 1, X 2, S 1, S 2, 0 44

45 EJEMPLO 2 MÉTODO DE LAS DOS FASES Modelo Original: Min 2X 1 + X 2 sa. X 1 + 2X 2 2 X 2 2 3X 1 + X 2 = 6 X 1, X 2 0 Modelo en forma estándar para la primera fase Min 0X 1 + 0X 2 + 0S 3 + 0S 4 + 0S 5 + A 6 sa. X 1 + 2X 2 + S 3 = 2 X 2 + S 4 = 2 3X 1 + X 2 - S 5 + A 6 = 6 X 1, X 2, S 3, S 4, S 5, A 6 0 Modelo en forma estándar para la segunda fase Min 2X 1 + X 2 + 0S 3 + 0S 4 + 0S 5 sa. X 1 + 2X 2 + S 3 = 2 X 2 + S 4 = 2 3X 1 + X 2 - S 5 = 6 X 1, X 2, S 3, S 4, S

46 Primera Fase: C j C B base b j X 1 X 2 S 5 0 S S A Z j C j - Z j C j C B base b j A 6 X 2 S 5 0 S / 3 5 / 3 1 / 3 0 S X / 3 1 / 3-1 / 3 Z j C j - Z j tabla optima! Segunda Fase: C j 1 0 C B base b j X 2 S 5 0 S / 3 1 / 3 0 S X / 3-1 / 3 Z j 4 2 / 3-2 / 3 C j - Z j 1 / 3 2 / 3 tabla optima! 46

47 METODO SIMPLEX - PROBLEMAS SIN SOLUCION 1. PROBLEMAS NO ACOTADOS - La región factible carece de frontera; y - La funcion objetivo puede ser mejorada sin límites En la tabla simplex se detecta cuando las tasas de sustitucion de la columna de la variable que debe entrar a la base tienen valor cero ó negativo. Por tanto no podria calcularse la siguiente base. 2. INCONSISTENCIA Cuando las restricciones identifican areas mutuamente exclusivas. No existe entonces un conjunto de valores para las variables de decisión que satisfaga simultaneamente todas las restricciones. En la tabla simplex se detecta cuando existen variables artificiales con valor diferente de cero en el óptimo PROBLEMAS DEGENERADOS Ocurre cuando un vertice está definido por "demasiadas" restricciones. En un caso No-degenerado: cada solucion Basica Factible tendría m variables basicas positivas diferentes de cero. En un caso Degenerado existen una ó mas variables en la base con valor cero. La degeneración puede ocurrir en cualquier vertice, no necesariamente en el vertice de la solución optima. La degeneracion no impide que exista solucion óptima. Optima 47

Programación Lineal (PL)

Programación Lineal (PL) Programación Lineal (PL) Se llama programación lineal al conjunto de técnicas matemáticas que pretenden resolver la siguiente situación. El objetivo es Optimizar, una función objetivo, lo cual implica

Más detalles

EJERCICIO DE MAXIMIZACION

EJERCICIO DE MAXIMIZACION PROGRAMACION LINEAL Programación lineal es una técnica matemática que sirve para investigar, para así, hallar la solución a un problema dado dentro de un conjunto de soluciones factibles y es la operación

Más detalles

Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2011 - Propuesta B

Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2011 - Propuesta B Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2011 - Propuesta B 1. Queremos invertir una cantidad de dinero en dos tipos

Más detalles

UNIDAD IV CONTENIDO TEMÁTICO

UNIDAD IV CONTENIDO TEMÁTICO UNIDAD IV CONTENIDO TEMÁTICO OPERACIONES CON FRACCIONES ALGEBRAICAS I.S.C. Alejandro de Fuentes Martínez 1 ESQUEMA-RESUMEN RESUMEN DE LA UNIDAD IV Conceptos Mínimo común múltiplo OPERACIONES CON FRACCIONES

Más detalles

P. A. U. LAS PALMAS 2005

P. A. U. LAS PALMAS 2005 P. A. U. LAS PALMAS 2005 OPCIÓN A: J U N I O 2005 1. Hallar el área encerrada por la gráfica de la función f(x) = x 3 4x 2 + 5x 2 y la rectas y = 0, x = 1 y x = 3. x 3 4x 2 + 5x 2 es una función polinómica

Más detalles

Espacios Vectoriales www.math.com.mx

Espacios Vectoriales www.math.com.mx Espacios Vectoriales Definiciones básicas de Espacios Vectoriales www.math.com.mx José de Jesús Angel Angel jjaa@math.com.mx MathCon c 007-009 Contenido. Espacios Vectoriales.. Idea Básica de Espacio Vectorial.................................

Más detalles

CONTINUIDAD DE FUNCIONES. SECCIONES A. Definición de función continua. B. Propiedades de las funciones continuas. C. Ejercicios propuestos.

CONTINUIDAD DE FUNCIONES. SECCIONES A. Definición de función continua. B. Propiedades de las funciones continuas. C. Ejercicios propuestos. CAPÍTULO IV. CONTINUIDAD DE FUNCIONES SECCIONES A. Definición de función continua. B. Propiedades de las funciones continuas. C. Ejercicios propuestos. 121 A. DEFINICIÓN DE FUNCIÓN CONTINUA. Una función

Más detalles

euresti@itesm.mx Matemáticas

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

Más detalles

Límite de una función

Límite de una función Límite de una función El límite de la función f(x) en el punto x 0, es el valor al que se acercan las imágenes (las y) cuando los originales (las x) se acercan al valor x 0. Es decir el valor al que tienden

Más detalles

Capítulo 10. Ecuaciones y desigualdades

Capítulo 10. Ecuaciones y desigualdades Capítulo 10 Ecuaciones y desigualdades Desigualdades lineales simultáneas con dos variables Un conjunto de dos o más desigualdades de las formas ax+by+c> 0 o ax+by+c

Más detalles

NOCIONES PRELIMINARES (*) 1

NOCIONES PRELIMINARES (*) 1 CONJUNTOS NOCIONES PRELIMINARES (*) 1 Conjunto no es un término definible, pero da idea de una reunión de cosas ( elementos ) que tienen algo en común. En matemática los conjuntos se designan con letras

Más detalles

Planteamiento de problemas de programación lineal. M. En C. Eduardo Bustos Farías

Planteamiento de problemas de programación lineal. M. En C. Eduardo Bustos Farías Planteamiento de problemas de programación lineal M. En C. Eduardo Bustos Farías 1 Objetivo Analizar diferentes ejemplos del uso de la metodología de la Investigación de Operaciones para el planteamiento

Más detalles

MATEMÁTICAS BÁSICAS UNIVERSIDAD NACIONAL DE COLOMBIA - SEDE MEDELLÍN CLASE #16. f : A! B x 7! y = f(x):

MATEMÁTICAS BÁSICAS UNIVERSIDAD NACIONAL DE COLOMBIA - SEDE MEDELLÍN CLASE #16. f : A! B x 7! y = f(x): MATEMÁTICAS BÁSICAS UNIVERSIDAD NACIONAL DE COLOMBIA - SEDE MEDELLÍN CLASE #16 Función Sean A y B conjuntos. Una función f de A en B es una regla que asigna a cada elemento x 2 A exactamante un elemento

Más detalles

Lección 49. Funciones I. Definición

Lección 49. Funciones I. Definición Lección 49 Funciones I Definición Sean A y B conjuntos. Una función f de A en B es una regla que asigna a cada elemento x A exactamante un elemento y B. El elemento y B, se denota por f (x), y decimos

Más detalles

Capítulo II Límites y Continuidad

Capítulo II Límites y Continuidad (Apuntes en revisión para orientar el aprendizaje) INTRODUCCIÓN Capítulo II Límites y Continuidad El concepto de límite, después del de función, es el fundamento matemático más importante que ha cimentado

Más detalles

POLINOMIOS. Matemática Intermedia Profesora Mónica Castro

POLINOMIOS. Matemática Intermedia Profesora Mónica Castro POLINOMIOS Matemática Intermedia Profesora Mónica Castro Objetivos Definir y repasar los conceptos básicos de polinomios. Discutir los distintos métodos de factorización de polinomios. Establecer distintas

Más detalles

SISTEMAS DE ECUACIONES

SISTEMAS DE ECUACIONES Tema 3 SISTEMAS DE ECUACIONES 1.- Se consideran las matrices 1 2 λ A = 1 1 1 y 1 3 B = λ 0, donde λ es cualquier número real. 0 2 a) Encontrar los valores de λ para los que AB es invertible b) Determinar

Más detalles

Capítulo 4 Exploración del ambiente.

Capítulo 4 Exploración del ambiente. Capítulo 4 Exploración del ambiente. Para explorar el ambiente se tomó como base el vehículo explorador de Braitenberg, la idea es tomar este comportamiento y adaptarlo al uso de una cámara de video, esto

Más detalles

Institución Educativa Distrital Madre Laura

Institución Educativa Distrital Madre Laura Una fracción algebraica es una expresión fraccionaria en la que numerador y denominador son polinomios. Son fracciones algebraicas: Las fracciones algebraicas tienen un comportamiento similar a las fracciones

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

ÁLGEBRA LINEAL II Algunas soluciones a la práctica 2.3

ÁLGEBRA LINEAL II Algunas soluciones a la práctica 2.3 ÁLGEBRA LINEAL II Algunas soluciones a la práctica 2. Transformaciones ortogonales (Curso 2010 2011) 1. Se considera el espacio vectorial euclídeo IR referido a una base ortonormal. Obtener la expresión

Más detalles

CÁLCULO DIFERENCIAL Muestras de examen

CÁLCULO DIFERENCIAL Muestras de examen CÁLCULO DIFERENCIAL Muestras de examen Febrero 2012 T1. [2] Demostrar que la imagen continua de un conjunto compacto es compacto. T2. [2.5] Definir la diferencial de una función en un punto y demostrar

Más detalles

El interés y el dinero

El interés y el dinero El interés y el dinero El concepto de interés tiene que ver con el precio del dinero. Si alguien pide un préstamo debe pagar un cierto interés por ese dinero. Y si alguien deposita dinero en un banco,

Más detalles

EL LÍMITE AL INFINITO EN EL CÁLCULO DE ÁREAS BAJO UNA CURVA

EL LÍMITE AL INFINITO EN EL CÁLCULO DE ÁREAS BAJO UNA CURVA EL LÍMITE AL INFINITO EN EL CÁLCULO DE ÁREAS BAJO UNA CURVA Sugerencias al Profesor: Comentar que uno de los problemas fundamentales que dieron origen al Cálculo Integral es el de acumulación, el cual

Más detalles

Problema de Programación Lineal

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

Más detalles

UNIVERSIDAD NACIONAL DE VILLA MERCEDES CARRERA DE KINESIOLOGIA Y FISIATRIA TRABAJO Y ENERGIA.

UNIVERSIDAD NACIONAL DE VILLA MERCEDES CARRERA DE KINESIOLOGIA Y FISIATRIA TRABAJO Y ENERGIA. TRABAJO Y ENERGIA. El problema fundamental de la Mecánica es describir como se moverán los cuerpos si se conocen las fuerzas aplicadas sobre él. La forma de hacerlo es aplicando la segunda Ley de Newton,

Más detalles

INTRO. LÍMITES DE SUCESIONES

INTRO. LÍMITES DE SUCESIONES INTRO. LÍMITES DE SUCESIONES Con el estudio de límites de sucesiones se inaugura el bloque temático dedicado al cálculo (o análisis) infinitesimal. Este nombre se debe a que se va a especular con cantidades

Más detalles

DESCRIPCIÓN DE FUNCIONES 1.1.2 y 1.1.3

DESCRIPCIÓN DE FUNCIONES 1.1.2 y 1.1.3 Capítulo DESCRIPCIÓN DE FUNCIONES..2..3 El objetivo principal de estas lecciones consiste en que los alumnos puedan describir totalmente los elementos esenciales del gráfico de una función. Para describir

Más detalles

Se dice que dos monomios son semejantes cuando tienen la misma parte literal

Se dice que dos monomios son semejantes cuando tienen la misma parte literal Expresiones algebraicas 1 MONOMIOS Conceptos Un monomio es una expresión algebraica en la que las únicas operaciones que aparecen entre las variables son el producto y la potencia de exponente natural.

Más detalles

Proceso Selectivo para la XXII IMC, Bulgaria

Proceso Selectivo para la XXII IMC, Bulgaria Proceso Selectivo para la XXII IMC, Bulgaria Facultad de Ciencias UNAM Instituto de Matemáticas UNAM SUMEM Indicaciones Espera la indicación para voltear esta hoja. Mientras tanto, lee estas instrucciones

Más detalles

Primaria Cuarto Grado Matemáticas (con QuickTables)

Primaria Cuarto Grado Matemáticas (con QuickTables) Primaria Cuarto Grado Matemáticas (con QuickTables) Este curso cubre los conceptos mostrados a continuación. El estudiante navega por trayectos de aprendizaje basados en su nivel de preparación. Usuarios

Más detalles

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1

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

Más detalles

Teoría de la Empresa. La Tecnología de Producción

Teoría de la Empresa. La Tecnología de Producción Teoría de la Empresa La Tecnología de Producción La Empresa Qué es una Empresa? En la práctica, el concepto de empresa, y el papel que las empresa desempeñan en la economía, son extraordinariamente complejos.

Más detalles

Tema 2. Conceptos topográficos

Tema 2. Conceptos topográficos Tema 2. Conceptos topográficos Se puede definir la Topografía como el conjunto de métodos e instrumentos necesarios para representar gráfica o numéricamente el terreno con todos sus detalles, naturales

Más detalles

REGLAS PRÁCTICAS PARA EL CÁLCULO DE LÍMITES DE FUNCIONES

REGLAS PRÁCTICAS PARA EL CÁLCULO DE LÍMITES DE FUNCIONES REGLAS PRÁCTICAS PARA EL CÁLCULO DE LÍMITES DE FUNCIONES Cuadro resumen de las INDETERMINACIONES. Tipo I. k f () a Método: calcular los límites laterales. Ejemplo: 6 0 0 Tipo II. f () a Caso. f() es un

Más detalles

Problema, Objetivos y Justificación. Corina Flores Villarroel Programa MEMI

Problema, Objetivos y Justificación. Corina Flores Villarroel Programa MEMI Problema, Objetivos y Justificación Corina Flores Villarroel Contenidos Qué es un problema? Cómo definir un problema? Formulación del problema Cómo redactar un problema De dónde salen los objetivos? Qué

Más detalles

ORGANIZACIÓN DE DATOS

ORGANIZACIÓN DE DATOS CAPÍTULO 13 ORGANIZACIÓN DE DATOS Siendo el dato el material que se debe procesar, es decir, la materia prima de la estadística, el primer paso es entonces la recolección de datos, para lo cual se emplean

Más detalles

Mó duló 02: Nu merós Reales

Mó duló 02: Nu merós Reales INTERNADO MATEMÁTICA 016 Guía para el Estudiante Mó duló 0: Nu merós Reales Objetivo: Comprender los números reales como un conjunto que está conformado por otros conjuntos numéricos, los cuales tienen

Más detalles

INTEGRACIÓN POR FRACCIONES PARCIALES

INTEGRACIÓN POR FRACCIONES PARCIALES IX INTEGRACIÓN POR FRACCIONES PARCIALES La integración por fracciones parciales es más un truco o recurso algebraico que algo nuevo que vaya a introducirse en el curso de Cálculo Integral. Es decir, en

Más detalles

Sistemas Numéricos y Códigos Binarios

Sistemas Numéricos y Códigos Binarios Sistemas Numéricos y Códigos Binarios Marcelo Guarini Departamento de Ingeniería Eléctrica, 5 de Abril, 5 Sistemas Numéricos en Cualquier Base En el sistema decimal, cualquier número puede representarse

Más detalles

Campos gravitatorios en el espacio muestral

Campos gravitatorios en el espacio muestral Campos gravitatorios en el espacio muestral Dept. Lenguajes y Ciencias de la Computación Septiembre, 2004 1/28 Enfocando el problema Aprendizaje supervisado Clasificación dicotómica (2 clases) Atributos

Más detalles

Conoce y representa fracciones de manera gráfica usando figuras geométricas regulares.

Conoce y representa fracciones de manera gráfica usando figuras geométricas regulares. PARTES DE UN ENTERO 02 1 Conoce y representa fracciones de manera gráfica usando figuras geométricas regulares. En presentación de contenidos repasa las partes de una fracción y representa las figuras

Más detalles

Funciones Básicas de la Hoja de Cálculo

Funciones Básicas de la Hoja de Cálculo 1 Funciones Básicas de la Hoja de Cálculo Objetivos del capítulo Conocer el concepto y características de una hoja de cálculo. Conocer los elementos más importantes de una hoja de cálculo. Explicar la

Más detalles

GUIA FACIL PARA EL CALCULO DEL ESTADO DE CUENTA BANCO DE FINANZAS S.A.

GUIA FACIL PARA EL CALCULO DEL ESTADO DE CUENTA BANCO DE FINANZAS S.A. GUIA FACIL PARA EL CALCULO DEL ESTADO DE CUENTA BANCO DE FINANZAS S.A. 1. Calculo del pago de contado: a. Al saldo anterior. b. Súmele los consumos, débitos del mes y los intereses generados en el corte

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

Organización de Computadoras 2014. Apunte 2: Sistemas de Numeración: Punto Flotante

Organización de Computadoras 2014. Apunte 2: Sistemas de Numeración: Punto Flotante Organización de Computadoras 2014 Apunte 2: Sistemas de Numeración: Punto Flotante La coma o punto flotante surge de la necesidad de representar números reales y enteros con un rango de representación

Más detalles

EJERCICIOS PROPUESTOS. El (0, 1) es el único punto que tienen en común. Crece más rápidamente y 10 x.

EJERCICIOS PROPUESTOS. El (0, 1) es el único punto que tienen en común. Crece más rápidamente y 10 x. 2 FUNCINES EJERCICIS PRPUESTS 2. Representa las siguientes funciones. a) y 6 x b) y 0 x Tienen algún punto en común? Cuál crece más rápidamente? y = 0 x El (0, ) es el único punto que tienen en común.

Más detalles

Módulo 6. Medición del Desempeño

Módulo 6. Medición del Desempeño Módulo 6 Medición del Desempeño Profesor: Sergio Pernice Medición del Desempeño Asignación de autoridad Medición del Desempeño Política Compensatoria 2 2 1 Medición del Desempeño La evaluación del desempeño

Más detalles

El dinero proporciona algo de felicidad. Pero a partir de cierto momento el dinero sólo proporciona más dinero

El dinero proporciona algo de felicidad. Pero a partir de cierto momento el dinero sólo proporciona más dinero Anualidades Vencidas, Anticipadas y Diferidas. El dinero proporciona algo de felicidad. Pero a partir de cierto momento el dinero sólo proporciona más dinero Neil Simon. Objetivo de la sesión: Conocer

Más detalles

UNIDAD 5 Franjas topográficas

UNIDAD 5 Franjas topográficas UNIDAD 5 Franjas topográficas Una franja topográfica es una poligonal abierta, en la cual se levantan perfiles transversales en cada una de sus abscisas. Figura 5.1 Franja topográfica. 1 Se utilizan en

Más detalles

GUÍA No.3 REPARTOS PROPORCIONALES. Reparto Proporcional

GUÍA No.3 REPARTOS PROPORCIONALES. Reparto Proporcional 1 GUÍA No.3 REPARTOS PROPORCIONALES Reparto Proporcional Es un procedimiento de cálculo que permite repartir cierta cantidad, en partes proporcionales a otras. Se dice que el reparto es simple, cuando

Más detalles

Tema 5. Medidas de posición Ejercicios resueltos 1

Tema 5. Medidas de posición Ejercicios resueltos 1 Tema 5. Medidas de posición Ejercicios resueltos 1 Ejercicio resuelto 5.1 Un Centro de Estudios cuenta con 20 aulas, de las cuales 6 tienen 10 puestos, 5 tienen 12 puestos, 4 tienen 15 puestos, 3 tienen

Más detalles

METODOLOGÍA DEL MARCO LÓGICO

METODOLOGÍA DEL MARCO LÓGICO METODOLOGÍA DEL MARCO LÓGICO Jorge Muñoz C. Dirección General de Inversión Pública Dirección de Proyectos de Inversión Pública Sector Salud, Desarrollo e Inclusión Social Introducción al Marco Lógico (ML)

Más detalles

CAPITULO 5. Diseño de la Herramienta de Medición y Seguimiento de Indicadores de Gestión.

CAPITULO 5. Diseño de la Herramienta de Medición y Seguimiento de Indicadores de Gestión. CAPITULO 5 Diseño de la Herramienta de Medición y Seguimiento de Indicadores de Gestión. 5.1. Metodología Con el objetivo de enriquecer los parámetros de Auditoría de Procesos propuesto en el capítulo

Más detalles

Investigación Operacional I EII 445

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

Más detalles

Respuesta: ( 1; 2] [ [3; 1)

Respuesta: ( 1; 2] [ [3; 1) UNIVERSIDAD MAYOR DE SAN SIMON FACULTAD DE CIENCIAS Y TECNOLOGIA DIRECCION DE POSTGRADO - CARRERA DE FISICA DIPLOMADO EN FISICA MODULO MATEMATICAS PRUEBA DE EVALUACION (16 de Junio de 016)......... Apellido

Más detalles

TIRAS DE FRACCIONES. Alumno: Fecha. Señala cada parte de la tira con la fracción que corresponda. Hemos hecho los dos primeros para que te fijes:

TIRAS DE FRACCIONES. Alumno: Fecha. Señala cada parte de la tira con la fracción que corresponda. Hemos hecho los dos primeros para que te fijes: Señala cada parte de la tira con la fracción que corresponda. Hemos hecho los dos primeros para que te fijes: En cuántas partes iguales está dividida la tira? Qué fracción es cada parte? En cuántas partes

Más detalles

4 del tiempo original, pero si hubiera ido. 5 de hora más. Cuál fue en kilómetros la distancia

4 del tiempo original, pero si hubiera ido. 5 de hora más. Cuál fue en kilómetros la distancia BACHILLERATO CO+ 0.- Pedro anduvo una determinada distancia a velocidad constante. Si hubiera ido 0,5 km/h más rápido, habría recorrido la misma distancia en 5 4 del tiempo original, pero si hubiera ido

Más detalles

2ª PRUEBA 26 de febrero de 2016

2ª PRUEBA 26 de febrero de 2016 2ª PRUEB 26 de febrero de 216 Problema experimental. Calibrado de un termistor. Como bien sabes, un termómetro es un dispositivo que permite medir la temperatura. Los termómetros clásicos se basan en el

Más detalles

Calendarización anual Programa de matemáticas 3º básico

Calendarización anual Programa de matemáticas 3º básico Calendarización anual Programa de matemáticas 3º básico Esta calendarización está pensada para un horario de 8 horas pedagógicas semanales. 1. Se basa en el trabajo de profesoras que han trabajado con

Más detalles

cuadrada de 3 filas y tres columnas cuyo determinante vale 2.

cuadrada de 3 filas y tres columnas cuyo determinante vale 2. PROBLEMAS DE SELECTIVIDAD. BLOQUE ÁLGEBRA MATEMÁTICAS II 0 2 0. Se dan las matrices A, I y M, donde M es una matriz de dos 3 0 filas y dos columnas que verifica M 2 = M. Obtener razonadamente: a) Todos

Más detalles

CÓMO CLASIFICAMOS A LOS ALIMENTOS? SISTEMAS DE PERFILADO NUTRICIONAL

CÓMO CLASIFICAMOS A LOS ALIMENTOS? SISTEMAS DE PERFILADO NUTRICIONAL CÓMO CLASIFICAMOS A LOS ALIMENTOS? SISTEMAS DE PERFILADO NUTRICIONAL La dieta y la nutrición son muy importantes para promover y mantener la buena salud a lo largo de toda la vida. Está bien establecida

Más detalles

4.1. Política de Calidad y los Objetivos de Calidad

4.1. Política de Calidad y los Objetivos de Calidad Unidad IV Desarrollo de la Calidad en las Organizaciones 4.1. Política de Calidad y los Objetivos de Calidad La Política de Calidad es un medio para conducir a la organización hacia la mejora de su desempeño.

Más detalles

INTERPRETACION ECONOMICA DEL ANALISIS DE SENSIBILIDAD

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

Más detalles

Glosario de términos. Introducción a las Matemáticas Financieras

Glosario de términos. Introducción a las Matemáticas Financieras Introducción a las Matemáticas Financieras Carlos Mario Morales C 2012 1 Anualidades y gradientes UNIDAD 3: ANUALIDADES Y GRADIENTES OBJETIVO Al finalizar la unidad los estudiantes estarán en capacidad

Más detalles

Posible solución al examen de Investigación Operativa de Sistemas de junio de 2002

Posible solución al examen de Investigación Operativa de Sistemas de junio de 2002 Posible solución al examen de Investigación Operativa de Sistemas de junio de 00 Problema (,5 puntos): Resuelve el siguiente problema utilizando el método Simplex o variante: Una compañía fabrica impresoras

Más detalles

TERMOQUÍMICA. Química General e Inorgánica Licenciatura en Ciencias Biológicas Profesorado en Biología Analista Biológico

TERMOQUÍMICA. Química General e Inorgánica Licenciatura en Ciencias Biológicas Profesorado en Biología Analista Biológico Química General e Inorgánica Licenciatura en Ciencias Biológicas Profesorado en Biología Analista Biológico TERMOQUÍMICA La termoquímica es la aplicación de la Primera Ley de la Termodinámica al estudio

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO -.1 - CONVOCATORIA: Junio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumno debe elegir sólo una de las pruebas (A o B) y, dentro de ella, sólo

Más detalles

CALCULO INTEGRAL CONCEPTOS DE AREA BAJO LA CURVA. (Se utiliza el valor de la función en el extremo izquierdo de cada subintervalo)

CALCULO INTEGRAL CONCEPTOS DE AREA BAJO LA CURVA. (Se utiliza el valor de la función en el extremo izquierdo de cada subintervalo) CALCULO INTEGRAL CONCEPTOS DE AREA BAJO LA CURVA El problema del área, el problema de la distancia tanto el valor del área debajo de la gráfica de una función como la distancia recorrida por un objeto

Más detalles

Matemáticas. Tercero ESO. Curso 2012-2013. Exámenes

Matemáticas. Tercero ESO. Curso 2012-2013. Exámenes Matemáticas. Tercero ESO. Curso 0-03. Exámenes . 9 de octubre de 0 Ejercicio. Calcular: 3 5 4 + 3 0 3 7 8 5 3 5 4 + 3 0 5 + 6 0 3 0 3 7 8 5 3 56 0 3 8 0 84 74 5 5 5 Ejercicio. Calcular: 5 6 [ ( 3 3 3 )]

Más detalles

MANUAL FONDOS DE INVERSION. Cuarta EDICION, revisada y actualizada con los últimos cambios fiscales*

MANUAL FONDOS DE INVERSION. Cuarta EDICION, revisada y actualizada con los últimos cambios fiscales* MANUAL DE FONDOS DE INVERSION Cuarta EDICION, revisada y actualizada con los últimos cambios fiscales* La actualización y revisión de esta cuarta edición del Manual de Fondos de Inversión ha corrido a

Más detalles

1. INTRODUCCIÓN A LA MODELIZACIÓN CONCEPTUAL DE DATOS

1. INTRODUCCIÓN A LA MODELIZACIÓN CONCEPTUAL DE DATOS TEMA 5: MODELIZACIÓN CONCEPTUAL DE DATOS 1. INTRODUCCIÓN A LA MODELIZACIÓN CONCEPTUAL DE DATOS 2. MODELO CONCEPTUAL DE DATOS 2.1. Características Generales. 2.2. Pasos para su Desarrollo. 2.3. Añadir Detalles

Más detalles

UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS DEPARTAMENTO DE INGENIERÍA INDUSTRIAL CONTROL #3

UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS DEPARTAMENTO DE INGENIERÍA INDUSTRIAL CONTROL #3 UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS DEPARTAMENTO DE INGENIERÍA INDUSTRIAL CURSO : IN47A GESTIÓN DE OPERACIONES PROFESOR : A. SAURÉ A. WEINTRAUB AUXILIARES : J. PASSI J. RODRÍGUEZ

Más detalles

HISTORIAL CREDITICIO

HISTORIAL CREDITICIO HISTORIAL CREDITICIO Cómo impacta el futuro de su negocio El adecuado manejo de las finanzas de su negocio, es una herramienta muy valiosa para proteger su patrimonio. El uso inteligente de su dinero le

Más detalles

Microeconomía Básica

Microeconomía Básica Microeconomía Básica Colección de 240 preguntas tipo test, resueltas por Eduardo Morera Cid, Economista Colegiado. Cada sesión constará de una batería de 20 preguntas tipo test y las respuestas a las propuestas

Más detalles

PAQUETITO DE PROBLEMAS DE ÁLGEBRA Adriana Rabino

PAQUETITO DE PROBLEMAS DE ÁLGEBRA Adriana Rabino PAQUETITO DE PROBLEMAS DE ÁLGEBRA Adriana Rabino Los problemas fueron extraídos de B. Zolkower: Handbook of Mathematical-Didactical Activities. 2004 (con autorización de la autora). 1. Cuál es mayor? Consideremos

Más detalles

Unidad 2 Método gráfico de solución

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

Más detalles

ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICAS DEPARTAMENTO DE FÍSICA

ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICAS DEPARTAMENTO DE FÍSICA ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICAS DEPARTAMENTO DE FÍSICA SEGUNDA EVALUACIÓN DE FÍSICA A AGOSTO 26 DE 2013 COMPROMISO DE HONOR Yo,.. al firmar este compromiso,

Más detalles

Manual del Integrador Contable Premium Soft

Manual del Integrador Contable Premium Soft Manual del Integrador Contable Premium Soft Desarrollado por el TSU. Douglas D. Diaz A. El módulo de Integración Contable permite registrar la información de manera automática al sistema de Contabilidad

Más detalles

Problemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás

Problemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás Problemas de Selectividad de Matemáticas II Comunidad de Madrid Resueltos Isaac Musat Hervás 22 de mayo de 213 Capítulo 11 Año 21 11.1. Modelo 21 - Opción A Problema 11.1.1 3 puntos Dada la función: fx

Más detalles

Catálogo de Trabajadores

Catálogo de Trabajadores Escuela de Computación Empresarial Cuaderno de trabajo de NOI-Windows Objetivo general: Al termino de esta sección el alumno operará el Catálogo de los trabajadores y datos complementarios, aprenderá la

Más detalles

ANALISIS ESTRUCTURAL DE LA ECONOMÍA MEXICANA

ANALISIS ESTRUCTURAL DE LA ECONOMÍA MEXICANA 1 ANALISIS ESTRUCTURAL DE LA ECONOMÍA MEXICANA Unidad I: Matriz de Contabilidad Nacional Introducción El objetivo de esta Unidad es la construcción de un Sistema de Cuentas Nacionales simplificado. Su

Más detalles

GUIAS ÚNICAS DE LABORATORIO DE FÍSICA I LEYES DE NEWTON PARA EL MOVIMIENTO SEGUNDA LEY DE NEWTON

GUIAS ÚNICAS DE LABORATORIO DE FÍSICA I LEYES DE NEWTON PARA EL MOVIMIENTO SEGUNDA LEY DE NEWTON GUIAS ÚNICAS DE LABORATORIO DE FÍSICA I LEYES DE NEWTON PARA EL MOVIMIENTO SEGUNDA LEY DE NEWTON SANTIAGO DE CALI UNIVERSIDAD SANTIAGO DE CALI DEPARTAMENTO DE LABORATORIOS LA SEGUNDA LEY DE NEWTON 1. Introducción

Más detalles

FUNDAMENTOS DE MATEMÁTICA FINANCIERA

FUNDAMENTOS DE MATEMÁTICA FINANCIERA UNDAMENTOS DE MATEMÁTICA INANCIERA Curso Preparación y Evaluación Social de Proyectos Sistema Nacional de Inversiones División de Evaluación Social de Inversiones MINISTERIO DE DESARROLLO SOCIAL Curso

Más detalles

FAMILIA DE PASIVOS Cuentas CTS

FAMILIA DE PASIVOS Cuentas CTS Cuentas CTS Divisa Soles Dólares Euros Condiciones CTS Súper Depósito 1. CTS Súper Depósito La liquidación y capitalización de intereses se realiza cuatro (04) veces al año (marzo, junio, septiembre y

Más detalles

Manual de Usuario de inventarios

Manual de Usuario de inventarios Manual de Usuario de inventarios Bienvenidos al Manual de Usuario para la utilización fácil y correcta del programa "Fase de caracterización de las capacidades del sistema de vigilancia y respuesta en

Más detalles

1. Los calores de combustión del metano y butano son 890 kj/mol y 2876 kj/mol respectivamente

1. Los calores de combustión del metano y butano son 890 kj/mol y 2876 kj/mol respectivamente . Los calores de combustión del metano y butano son 890 kj/mol y 876 kj/mol respectivamente Butano: C 4 H 0 Metano: CH 4 a) Cuando se utiliza como combustible Cual generaría más calor para la misma masa

Más detalles

Tema 3: Sistemas Combinacionales

Tema 3: Sistemas Combinacionales Ejercicios T3: Sistemas Combinacionales Fundamentos de Tecnología de Computadores Tema 3: Sistemas Combinacionales 1. Analizar el siguiente circuito indicando la expresión algebraica que implementa, la

Más detalles

TEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES

TEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES TEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES EXPERIMENTOS: EJEMPLOS Deterministas Calentar agua a 100ºC vapor Soltar objeto cae Aleatorios Lanzar un dado puntos Resultado fútbol quiniela

Más detalles

PROCEDIMIENTO DE ACCIONES CORRECTIVAS Y/O PREVENTIVAS

PROCEDIMIENTO DE ACCIONES CORRECTIVAS Y/O PREVENTIVAS Logo CODIGO: P0852 No. REV: 2 PAGINA: 1 PROCEDIMIENTO DE ACCIONES CORRECTIVAS Y/O PREVENTIVAS NOMBRE: NOMBRE: NOMBRE: CARGO: CARGO: CARGO: FECHA: FECHA: FECHA: ELABORO REVISO APROBO Logo CODIGO: P0852

Más detalles

Tema 7 : DATOS BIVARIADOS. CORRELACION Y REGRESION.

Tema 7 : DATOS BIVARIADOS. CORRELACION Y REGRESION. Tema 7 : DATOS BIVARIADOS. CORRELACION Y REGRESION. Distribuciones uni- y pluridimensionales. Hasta ahora se han estudiado los índices y representaciones de una sola variable por individuo. Son las distribuciones

Más detalles

CAPITULO 5 PROCESO DE SECADO. Se entiende por secado de alimentos la extracción deliberada del agua que contienen,

CAPITULO 5 PROCESO DE SECADO. Se entiende por secado de alimentos la extracción deliberada del agua que contienen, CAPITULO 5 PROCESO DE SECADO 5.1 SECADO DE ALIMENTOS Se entiende por secado de alimentos la extracción deliberada del agua que contienen, operación que se lleva a cabo en la mayoría de los casos evaporando

Más detalles

Espacios generados, dependencia lineal y bases

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

Más detalles

R ' V I. R se expresa en Ohmios (Ω), siempre que I esté expresada en Amperios y V en Voltios.

R ' V I. R se expresa en Ohmios (Ω), siempre que I esté expresada en Amperios y V en Voltios. I FUNDAMENTO TEÓRICO. LEY DE OHM Cuando aplicamos una tensión a un conductor, circula por él una intensidad, de tal forma que si multiplicamos (o dividimos) la tensión aplicada, la intensidad también se

Más detalles

Cuatro Problemas de Álgebra en la Olimpiada Internacional de Matemáticas.

Cuatro Problemas de Álgebra en la Olimpiada Internacional de Matemáticas. Boletín de la Asociación Matemática Venezolana, Vol. XV, No. 1 (2008) 131 Cuatro Problemas de Álgebra en la Olimpiada Internacional de Matemáticas. Rafael Sánchez Lamoneda Introducción. El presente artículo

Más detalles

Procesos de producción

Procesos de producción En las empresas que utilizan el sistema de fabricación por procesos, se elaboran productos relativamente estandarizados para tenerlos en existencia. Corresponde a técnicas de producción masiva. La división

Más detalles

Capítulo 1 Conceptos básicos

Capítulo 1 Conceptos básicos Capítulo 1 Conceptos básicos Introducción Las matemáticas financieras son una rama de las matemáticas aplicadas cuyo objetivo es estudiar el valor del dinero en el tiempo, para lo cual emplea técnicas,

Más detalles

Aplicación de la norma ANSI/PMI 99-001:2004 a la gestión de proyectos de una empresa del Sector de la Construcción.

Aplicación de la norma ANSI/PMI 99-001:2004 a la gestión de proyectos de una empresa del Sector de la Construcción. IV. CASO PRÁCTICO: EMPRESA DEL SECTOR DE LA VIABILIDAD. CONSTRUCCIÓN. ESTUDIO DE 1.- ANALISIS DE VIABILIDAD... 117 1.1.- MARCHA DE CÁLCULO... 117 1.2.- IDENTIFICAR FACTURACIÓN... 117 1.3.- IDENTIFICAR

Más detalles

Componentes clave. A. Énfasis en los términos riesgo y eficiencia

Componentes clave. A. Énfasis en los términos riesgo y eficiencia Componentes clave A. Énfasis en los términos riesgo y eficiencia B. Adaptación hacia un punto de vista más suavizado en términos de diseño y endurecido en cuanto a elementos de enfoque a procesos C. Eliminación

Más detalles

Módulo 7.1: Generación de Oportunidades a partir de Información Estratégica

Módulo 7.1: Generación de Oportunidades a partir de Información Estratégica Módulo 7.1: Generación de Oportunidades a partir de Información Estratégica Contenido del curso para aprovechar el Observatorio Estratégico-Tecnológico FEMSA-ITESM 2 Módulo 7 Oportunidades de Negocio.

Más detalles