Facultad de Farmacia. Grado en Nutrición Humana y Dietética. Depto. de Estadística e Investigación Operativa ESTADÍSTICA
|
|
- José Francisco Escobar Ortega
- hace 7 años
- Vistas:
Transcripción
1 Facultad de Farmacia Grado en Nutrición Humana y Dietética Depto. de Estadística e Investigación Operativa ESTADÍSTICA TEMA 6: Introducción a la Programación Lineal GRUPO C y E. Curso Profesor: Dr. Francisco Manuel Ocaña Peinado
2 Índice 1. Qué es la Programación Lineal (P.L.)? 2 2. Elementos de un Problema de P.L Ejemplo Definiciones Básicas 5 4. Método Gráfico para resolver Problemas de P.L Problema de óptimo único Problema con óptimos alternativos Problema no acotado Problema Infactible Formulación General de un Problema de P.L Ejemplo El Algoritmo del Simplex Problemas propuestos 14 1
3 1. Qué es la Programación Lineal (P.L.)? La programación lineal (P.L.) es una técnica cuantitativa aplicada ampliamente en sistemas u organizaciones donde se presentan relaciones lineales para utilizar recursos escasos de la mejor forma posible. En la definición de P.L. el término Programación, se refiere a que se van a planear actividades para obtener un resulatodo óptimo. En cuanto al término lineal, hace referencia a que todas las funciones del problema son lineales. El desarrollo de la P.L. es considerado entre los avances científicos más importantes de mediados del siglo XX, y su impacto desde 1950 ha sido extraordinario. En la actualidad es una herramienta de uso normal que ha ahorrado miles o millones de euros a muchas empresas, incluyendo empresas medianas en los distintos países industrializados del mundo. Cuál es la naturaleza de esta notable herramienta y qué tipos de problemas puede manejar? Expresado brevemente, el tipo más común de aplicación abarca el problema general de asignar unos recursos limitados entre actividades competitivas de la mejor manera posible (es decir, de forma óptima). Por ejemplo, este problema incluye elegir el nivel de ciertas actividades que compiten por recursos escasos necesarios para realizarlas. Después, los niveles de actividad elegidos dictan la cantidad de cada recurso que consumirá cada una de ellas. La variedad de situaciones a las que se puede aplicar esta descripción es muy grande, y va desde la asignación de instalaciones de producción a los productos, hasta la asignación de los recursos nacionales a las necesidades de un país; desde la selección de una cartera de inversiones, hasta el diseño de una terapia de radiación. El elemento común de todas estas situaciones es la necesidad de asignar recursos a las actividades eligiendo los niveles de las mismas. En el ámbito de la nutrición y dietética, la P.L. resuelve un problema típico como es el denominado problema de la dieta. Este problema constituyó una de las primeras aplicaciones de la P.L. y comenzó a utilizarse en los hospitales para determinar la dieta más económica con la que alimentar a los pacientes a partir de unas especificaciones nutritivas mínimas. En la actualidad, también se aplica con éxito en el ámbito agrícola con la misma idea de encontrar la combinación óptima de alimentos que, logrando un aporte nutritivo mínimo, suponga el menor coste posible (veáse el texto de Hazell y Norton, Mathematical Programming for Economic Analysis in Agriculture. Mcmillan, New York, 1986.) 2. Elementos de un Problema de P.L. Un problema de P.L. es un problema de optimización donde se tiene: Una función lineal, denominada función objetivo, que se tratará de ma- 2
4 ximizar (ingresos, ganancias), o minimizar (costes). Se suele representar con la letra Z. Un conjunto de variables de las cuales depende la función objetivo, denominadas variables objetivo, que representan completamente las decisiones a tomar en el problema. Los valores de las variables de la función objetivo tienen que satisfacer un conjunto de restricciones. Cada restricción es una desigualdad lineal. Hay una restricción de signo para cada variable de la función objetivo, lo cual significa que cada variable será no negativa (x i 0), o bien que x i podría ser sin restricción de signo. A continuación, se definen lo que se entiende por función lineal y desigualdad lineal. Una función de n variables f(x 1, x 2,..., x n ), es una función lineal en las variables x 1, x 2,..., x n si: f(x 1, x 2,..., x n ) = C 1 x 1 +C 2 x C n x n donde C 1, C 2,..., C n R. Si f(x 1, x 2,..., x n ) es una función lineal, y b R, entonces la desigualdad f(x 1, x 2,..., x n ) b y la desigualdad f(x 1, x 2,..., x n ) b se denominan desigualdades lineales. A continuación tomaremos el siguiente ejemplo para ilustrar las definiciones que hay arriba, y como modelo para plantear problemas de optimización Ejemplo Un nutricionista utiliza dos tipos de granos A y B, para elaborar un cereal natural que se vende por kilos. El eslogan que se utiliza en la venta es que cada 125 gramos de su cereal, tomados con leche entera, cubre las ncesidades alimenticias de un adulto en cuanto a proteínas e hidratos de carbono. El coste de cada tipo de grano y sus contenidos por kg. se reflejan en la siguiente tabla: GRANO COSTE POR KG PROTEÍNAS HIDRATOS CARBONO A B Los requisitos nutricionales mínimos por día de un adulto son de al menos 28 unidades de proteínas y de al menos 24 unidades de hidratos de carbono. Determine la combinación óptima de grano de tipo A y de tipo B en la elaboración del cereal natural que minimiza los costes. Identificamos los 4 elementos de los cuáles consta un problema de P.L.: 3
5 Variables y Función Objetivo: En nuestro caso el objetivo es minimizar costes. Dichos costes dependen de dos variables (variables objetivo): x 1 número de kilos de grano tipo A en el cereal natural. x 2 número de kilos de grano tipo B en el cereal natural. En cuanto a la función objetivo, Z, se tiene Z = 50x x 2, y como se dijo antes se desea minimizarla. Restricciones: Si se pudiera coger libremente cualquier valor de x 1 y de x 2, se tratarían de coger lo más pequeñas posibles para minimizar costes (menor cantidad, supone menor coste). En este caso x 1 y x 2 están limitadas por las siguientes dos resticciones: a) Restricción de proteínas. Los requisitos nutricionales mínimos por día de un adulto son de al menos 28 unidades de proteínas: Contenido prot. grano tipo A n o kgs grano tipo A + Contenido prot. grano tipo B n o kgs grano tipo B 28 por lo que la restricción sería por tanto: 7x 1 + 2x 2 28 b) Restricción de hidratos de carbono (H.C.). Los requisitos nutricionales mínimos por día de un adulto son de al menos 24 unidades de hidratos de carbono: Contenido H.C. grano tipo A n o kgs grano tipo A + Contenido H.C. grano tipo B n o kgs grano tipo B 24 por lo que la restricción sería por tanto: 2x x 2 24 Restricciones de signo: Es lógico pensar que en el contexto del problema es necesario incorporar en la formulación del problema que tanto x 1, como x 2 sean no negativas (son cantidades de grano, jamás podrían ser negativas), por lo que se tendrían como restricciones adicionales en el problema que: x 1 0, y que además x 2 0. La formulación del correspondiente problema de P.L. sería: Minimizar Z = 50x x 2 s.a. 7x 1 + 2x x x 2 24 En todo problema de P.L. (y por tanto en este también), hay implícitas además otras suposiciones adicionales, como por ejemplo la de divisibilidad, proporcionalidad y aditividad 4
6 Figura 1: Ejemplo de conjunto no convexo y convexo Divisibilidad: una variable de decisión puede tomar valores fraccionarios. Si un problema de P.L., debido a su naturaleza requiere que alguna/s o todas las variables de decisión tomen valores enteros no negativos se denomina problema de Programación Entera. 1 Proporcionalidad: La contribución de cada variable de decisión a la función objetivo es proporcional al valor de la variable de decisión. Aditividad: La contribución de cada variable de decisión a la función objetivo es independiente de los valores de las otras variables de decisión. 3. Definiciones Básicas Se introducen a continuación algunos conceptos clave en P.L., de cara a poder resolver problemas como el citado en el apartado 2.1. Conjunto Convexo: Se dice que un conjunto de puntos, S, es convexo, si el segemento rectilíneo que une cualquier pareja de puntos del conjunto S se encuentra completamente en dicho conjunto. En la Figura 1 se muestra un ejemplo Punto Extremo de un Conjunto Convexo: Se dice que un punot P, es un punto extremo de un conjunto convexo S, si para todo segmento rectilíneo que se encuentra completamente en S y que pasa por el punto P, se tiene que P es un extremo de dicho segmento. Región Factible, F, de un Problema de P.L.: Es el conjunto de todos los puntos que satisfacen las restricciones y las restricciones de signo del Problema de P.L. En referencia a F, Se pueden demostrar además los dos siguientes resultados: i) Para cualquier problema de P.L. la región factible F, es un conjunto convexo. ii) La región factible F de un problema de P.L. tiene sólamente un número finito de puntos extremo. 1 Los métodos de Programación Entera quedan fuera del temario de la asignatura. 5
7 Solución Óptima de un Problema de P.L.: es un punto de F, tal que en él se alcanza el valor mínimo (si el problema es de minimizar), o máximo (si el problema es de maximizar) de la función objetivo. Se podría demostrar que El valor óptimo de la función objetivo (si existe), se alcanza siempre en un punto extremo de F. Este resultado es importante porque reduce el conjunto de puntos que producen una solución óptima de la región factible F (que es un conjunto infinito de puntos), a un conjunto de puntos extremo (que es un conjunto finito). La existencia o no de solución en un problema de P.L. viene dado por la naturaleza del problema (maximizar o minimizar), así como de las restrcciones que contiene el mismo. A la hora de resolver un problema de P.L., se podrá estar en una de estas cuatro situaciones: i) Problema con un óptimo único. ii) Problema con óptimos alternativos: se dará si hay más de una solución óptima, pero todas ellas con igual valor de la función objetivo. iii) Problema no acotado: si no se tiene un valor óptimo finito, es decir, si hay puntos de F con valores arbitrariamente grandes (en el caso de un problema de maximizar) o pequeños (en el caso de un problema de minimizar). iv) Problema infactible: si la región factible F es un conjunto vacío, es decir no hay soluciones posibles 4. Método Gráfico para resolver Problemas de P.L. El método que se detalla a continuación sólo puede usarse en el caso de tener problemas con dos variables de decisión, (x 1, x 2 ) R. Los pasos de dicho método son: 1. Plantear el problema en forma matemática: definir Z, las variables de decisión y las restricciones. 2. Representar gráficamente las restricciones. 3. Determinar la región factible F. 4. Representar gráficamente Z. 5. Determinar los puntos extremo de F. 6. Evaluar Z en cada punto extremo y elegir el óptimo. A continuación vemos cada uno de los cuatro casos posibles de problemas de P.L. descritos al final del apartado 3, a partir de tratar de reolver el problema con el método gráfico. 6
8 4.1. Problema de óptimo único Se toma como ejemplo el problema descrito en el apartado 2.1. Dicho problema era: Minimizar Z = 50x x 2 s.a. 7x 1 + 2x x x 2 24 Aplicando los pasos del método gráfico se tendría la situación descrita en la Figura 2 donde se tiene que: Figura 2: Restricciones, puntos extremo y F en el ejemplo de la dieta El segmento que une a los puntos A (x 1 = 0, x 2 = 14) y B (x 1 = 4, x 2 = 0) es la representación gráfica de la recta 7x 1 + 2x 2 = 28, relacionada con la restricción 7x 1 + 2x Téngase en cuenta que los puntos (x 1 = x 1, x 2 ) que cumplen con la restricción 7x 1 + 2x 2 28 son los que están por encima de la recta. El segmento que une a los puntos D (x 1 = 0, x 2 = 2) y E (x 1 = 12, x 2 = 0) es la representación gráfica de la recta 2x x 2 = 24, relacionada con la restricción 2x x Téngase en cuenta que los puntos (x 1, x 2 ) que cumplen con la restricción 2x x 2 24 son los que están por encima de la recta. La región representada en verde, es F, la Región Factible del problema, que se recuerda es el conjunto de puntos que verifica todas las desigualdades. Los puntos extremos de F son los puntos A, el punto C (x 1 = 3.6, x 2 = 1.4), que es el punto de corte de los dos rectas que quedan definidas a partir de las restricciones y finalmente el punto E. 7
9 Tal y como se dijo en el apartado 3, de existir el óptimo de la función objetivo, dicho óptimo se alcanzará en alguno de estos puntos extremo. Hallando el valor de la función objetivo Z, para cada uno de los tres puntos extremo, se tiene que: En el punto A (x 1 = 0, x 2 = 14), Z = 50x x 2 = 1400 En el punto C (x 1 = 3.6, x 2 = 1.4), Z = 50x x 2 = 320 En el punto E (x 1 = 12, x 2 = 0), Z = 50x x 2 = 600 Teniendo en cuenta que lo que se desea es minimizar la función objetivo, la solución óptima del problema se da para x 1 = 3.6 y x 2 = 1.4 Es decir que habría que poner en el cereal natural 3.6kg de grano tipo A y 1.4kg de grano tipo B. La región factible F de este problema es una región no acotada, por lo que si el problema hubiese sido por ejemplo de maximizar, en vez de minimizar, el problema hubiese sido un problema no acotado, dado que siempre sería posible encontrar puntos que maximizaran la función objetivo con valores de Z superiores a cualquier valor considerado. Veáse el apartado 4.3 para ilustrar lo que se entiende por este tipo de problema Problema con óptimos alternativos Considérese el siguiente problema de P.L. (ejemplo 2): Minimizar Z = 3x 1 6x 2 s.a. 5x 1 + 7x 2 35 x 1 + 2x 2 2 Aplicando el método gráfico de resolución se tendría la situación descrita en la Figura 3 donde se tiene que: El segmento que une a los puntos A (x 1 = 0, x 2 = 5) y B (x 1 = 7, x 2 = 0) es la representación gráfica de la recta 5x 1 + 7x 2 = 35, relacionada con la restricción 5x 1 + 7x Téngase en cuenta que los puntos (x 1 = x 1, x 2 ) que cumplen con la restricción x 1 + 2x 2 5 son los que están por debajo de dicha recta. El segmento que pasa por los puntos C (x 1 = , x 2 = ) y D (x 1 = 0, x 2 = 1) es la representación gráfica de la recta x 1 +x 2 = 2, relacionada con la restricción x 1 + 2x 2 2. Téngase en cuenta que los puntos (x 1, x 2 ) que cumplen con la restricción x 1 + 2x 2 2, son los que están por debajo de la recta. 8
10 Figura 3: Restricciones, puntos extremo y F en el ejemplo 2 La región representada en verde, es F, la Región Factible del problema, que es el conjunto de puntos que verifica todas las desigualdades. Los puntos extremos de F son los puntos O (x 1 = 0, x 2 = 0), el punto B, el punto C (punto de corte de las dos rectas) y el punto D. Tal y como se dijo en el apartado 3, de existir el óptimo de la función objetivo, dicho óptimo se alcanzará en alguno de estos puntos extremo. Hallando el valor de la función objetivo Z, para cada uno de los cuatro puntos extremo, se tiene que: En el punto O (x 1 = 0, x 2 = 0), Z = 3x 1 6x 2 = 0 En el punto B (x 1 = 1, x 2 = 0), Z = 3x 1 6x 2 = 21 En el punto C (x 1 = , x 2 = ), Z = 3x 1 6x 2 = 6 En el punto D (x 1 = 0, x 2 = 1), Z = 3x 1 6x 2 = 6 Teniendo en cuenta que lo que se desea es minmizar la función objetivo, la solución óptima del problema se da para los puntos C y D. Se podría demostrar que si dos puntos (en nuestro caso los puntos C y D) son óptimos, entonces cualquier punto del segmento rectilíneo que los une, también es óptimo Problema no acotado Considérese el siguiente problema de P.L. (ejemplo 3): Maximizar Z = 2x 1 + x 2 s.a. x 1 x x
11 Aplicando el método gráfico de resolución se tendría la situación descrita en la Figura 4 donde se tiene que: Figura 4: Restricciones, puntos extremo y F en el ejemplo 3 El segmento que une a los puntos A (x 1 = 10, x 2 = 0) y B (x 1 = 20, x 2 = 10) es la representación gráfica de la recta x 1 x 2 = 10, relacionada con la restricción x 1 x Téngase en cuenta que los puntos (x 1 = x 1, x 2 ) que cumplen con la restricción x 1 + 2x 2 5 son los que están a la izquierda y por encima de la recta. El segmento que une a los puntos C (x 1 = 20, x 2 = 0) y B (x 1 = 20, x 2 = 10) es la representación gráfica de la recta 2x 1 = 40, relacionada con la restricción 2x Téngase en cuenta que los puntos (x 1, x 2 ) que cumplen con la restricción x 1 + x 2 4 son los que están a la izquierda de dicha recta. La región representada en verde, es F, la Región Factible del problema, que es el conjunto de puntos que verifica todas las desigualdades. Los puntos extremos de F son los puntos O (x 1 = 0, x 2 = 0), el punto A y el punto B. La región factible F de este problema es una región no acotada, por lo que siendo el problema de maximizar, se denomina a este caso problema no acotado, ya que siempre es posible encontrar puntos en F que maximizan la función objetivo con valores superiores a cualquier valor considerado Problema Infactible Considérese el siguiente problema de P.L. (ejemplo 4): 10
12 Maximizar Z = 3x 1 + 2x 2 s.a. 2x 1 + x 2 2 3x 1 + 4x 2 12 Aplicando el método gráfico de resolución se tendría la situación descrita en la Figura 5 donde se tiene que: Figura 5: Restricciones, puntos extremo y F en el ejemplo 4 El segmento que une a los puntos A (x 1 = 0, x 2 = 2) y B (x 1 = 1, x 2 = 0) es la representación gráfica de la recta 2x 1 + x 2 = 2, relacionada con la restricción 2x 1 + x 2 2. Téngase en cuenta que los puntos (x 1 = x 1, x 2 ) que cumplen con la restricción 2x 1 + x 2 2 son los que están por debajo de la recta. El segmento que une a los puntos C (x 1 = 0, x 2 = 3) y D (x 1 = 4, x 2 = 0) es la representación gráfica de la recta 3x 1 + 4x 2 = 12, relacionada con la restricción 3x 1 + 4x Téngase en cuenta que los puntos (x 1, x 2 ) que cumplen con la restricción 3x 1 + 4x 2 12 son los que están por encima de dicha recta. La Región Factible, F, en este caso no existe (se habla de que en un caso de este tipo F = ), dado que no hay puntos que satisfagan al mismo tiempo todas las restricciones del problema, por lo que se dice que el problema es infactible, es decir, que no tiene solución. 5. Formulación General de un Problema de P.L. La Programación Lineal es una técnica matemática de gran potencia debido, entre otras causas, a que es capaz encontrar los valores óptimos de las 11
13 variables objetivo, aún cuando el número de variables que se tengan en el problema sea superior a dos. Así un Problema de P.L. con n variables de decisión y m restricciones sería formulado de forma general como: Optimizar (Max. ó Min.) Z = c 1 x 1 + c 2 x c n x n s.a Ejemplo a 11 x 1 + a 12 x a 1n x n b 1 a 11 x 1 + a 22 x a 2n x n b a m1 x 1 + a m2 x a mn x n b m x i 0 i = 1, 2,..., n Un dietista desea obtener la dieta de coste mínimo con unos determinados requisitos vitamínicos para un grupo de niños que va a asistir a un campamento de verano. El especialista estima que la dieta debe contener un máximo de 32 unidades de vitamina A, al menos 25 unidades de vitamina B, y 30 exactamente de C, y a lo sumo 14 de vitamina D. La tabla nos da la información acerca del número de unidades de las distintas vitaminas por unidad de alimento consumido para seis alimentos elegidos, denominados 1, 2, 3, 4, 5 y 6, así como su coste por unidad: Vitaminas Alimentos A B C D Coste por Unidad Se desea formular un problema de P.L. para conocer la cantidad de cada alimento que hay que preparar y que satisfaga los requisitos propuestos con coste mínimo. La formulación de este problema sería:. Minimizar la Función Objetivo Z dada por: Z = 10x x x x x x 6 Variables de decisión: x i cantidad del alimento i que usa en al dieta con i = 1, 2,..., 6. 12
14 Restriciones: x 1 + x 2 + 3x 4 + 2x 5 + x 6 32 x 1 + 2x 2 + x 3 + x 4 + x 5 25 x 2 + 2x 3 + 2x 5 + 2x 6 = 30 x 1 + x 4 + 2x 5 + 2x 6 14 x i 0 i = 1, 2,..., 6 Por tanto la forumlación del problema es determinar (x 1, x 2, x 3, x 4, x 5, x 6 ) tal que: Min Z = 10x x x x x x 6 s.a. x 1 + x 2 + 3x 4 + 2x 5 + x 6 32 x 1 + 2x 2 + x 3 + x 4 + x 5 25 x 2 + 2x 3 + 2x 5 + 2x 6 = 30 x 1 + x 4 + 2x 5 + 2x 6 14 x i 0 i = 1, 2,..., 6 La resolución de un problema de este tipo, en el cual hay más de dos variables de decisión, se llevaría a cabo utilizando la técnica matemática conocida con el nombre de Método o Algoritmo del Simplex, cuya aplicación de modo exahustivo sin medios informáticos escapa de los objetivos del tema. No obstante, se detallan en el siguiente apartado algunas ideas que utiliza dicho algortimo para resolver los problemas de P.L El Algoritmo del Simplex El algoritmo fue desarrollado por el norteamericano George Dantzig a partir de 1947 para resolver el problema surgido con la distribución de los recursos militares de los aliados finalizada la Segunda Guerra Mundial. Partiendo de un problema P.L. en forma de maximización, la esencia del método consiste en partir de un vértice inicial de la región factible, y si en dicho vértice la función objetivo no toma su máximo valor, Dantzig probó que existe al menos una arista con origen en ese punto, a lo largo del cual la función no disminuye su valor. En dicha arista encontraremos un nuevo vértice, en el cual si la función objetivo no toma su valor óptimo nos desplazaremos por la arista correspondiente hasta un nuevo vértice, y en número finito de pasos llegaremos a la solución óptima. La principal ventaja de uso del método es que no es necesario calcular todos los vértices de la región factible para determinar el óptimo, y además se pueden programar los pasos del algoritmo para ejecutarlos en un PC (aunque existen programas informáticos especifícos que aplican el algoritmo). 13
15 Como ya se dijo al final del apartado anterior, y debido a la fuerte carga de cálculo matricial que conlleva el algortimo, no se estudia la aplicación del mismo sin medios informáticos. De cara a resolver los problemas propuestos, y los que han sido resueltos a lo largo del curso, el alumno podrá, si está interesado, usar la siguiente dirección web en la que encontrará más información acerca del método simplex, así como una aplicación on-line para resolución de problemas de P.L., con el algoritmo del simplex y también con el método gráfico descrito en el apartado Problemas propuestos En este apartado se proponen al alumno resolver diferentes problemas mediante la aplicación del método gráfico. El recurso de la web puede servir como apoyo para plantear el problema y comprobar la solución obtenida. 1. Encontrar los valores de (x 1, x 2 ), tales que: Max. Z = 3x 1 + 2x 2 s.a. 2x 1 + x x 1 + x 2 80 x Encontrar los valores de (x 1, x 2 ), tales que: Max. Z = 6x x 2 s.a. 5x 1 + 2x x 1 + 5x Encontrar los valores de (x 1, x 2 ), tales que: Min. Z = 2x 1 3x 2 s.a. x 1 + x 2 4 x 1 x Encontrar los valores de (x 1, x 2 ), tales que: Max. Z = 2x 1 + x 2 s.a. 2x 1 + 3x x 1 + x
16 5. Encontrar los valores de (x 1, x 2 ), tales que: Min. Z = 3x 1 2.5x 2 s.a. 2x 1 + 4x x 1 + 2x Encontrar los valores de (x 1, x 2 ), tales que: Min. Z = 4x 1 + x 2 s.a. 3x 1 + x 2 = 6 4x 1 + 3x 2 6 x 1 + 2x Encontrar los valores de (x 1, x 2 ), tales que: Min. Z = 2x 1 + x 2 s.a. x 1 + 2x 2 2 x 2 2 3x 1 + x 2 = 6 8. Encontrar los valores de (x 1, x 2 ), tales que: Max. Z = x 1 + 3x 2 s.a. x 1 + x 2 2 x 1 + x 2 2 2x 1 + x 2 = 6 9. Encontrar los valores de (x 1, x 2 ), tales que: Min. Z = x 1 x 2 s.a. x 1 + 2x 2 6 2x 1 + x 2 6 4x 1 + x 2 = 4 15
17 10. Encontrar los valores de (x 1, x 2 ), tales que: Max. Z = 6x x 2 s.a. x 1 + 2x x 1 2x Encontrar los valores de (x 1, x 2 ), tales que: Min. Z = 40x x 2 s.a. x 1 8 x x 1 + 3x Encontrar los valores de (x 1, x 2 ), tales que: Max. Z = 3x 1 + 2x 2 s.a. 6x 1 + 4x x 1 + 3x Encontrar los valores de (x 1, x 2 ), tales que: Max. Z = 2x 1 + 3x 2 s.a. x 1 + x 2 3 x 1 2x Encontrar los valores de (x 1, x 2 ), tales que: Max. Z = 4x 1 + 3x 2 s.a. x 1 + x 2 3 2x 1 x 2 3 x
18 15. Encontrar los valores de (x 1, x 2 ), tales que: Max. Z = 15x x 2 s.a. 2x 1 + x x 1 + x x Un nutricionista diseña dos menús para un hospital: uno que se denominará A, que es de mejor calidad que otro que se denominará B. El beneficio neto de venta es de 2 euros para el menú A, y de 1.5 euros para el menú B. El tiempo empleado en elaborar un menú de tipo A, es dos veces superior al empleado para el menú de tipo B, y si todos los menús elaborados fueran de tipo B, se podrían elaborar hasta un tope de 1000 diarios. El abastecimiento de alimentos es suficiente como para elaborar hasta 800 menús al día. Se puede elaborar cada día como máximo 400 menús de tipo A y 700 de tipo B. Formule un problema de P.L. para el nutricionista con el objetivo de maximizar beneficios, y resuelva mediante el método gráfico. 17. En una granja de pollos se administra una dieta para engordar con una composición mínima de 15 unidades de una sustancia A y otras 15 de una sustancia B. En el mercado sólo se encuentran dos clases de compuestos: el tipo X con una composición de una unidad de A y cinco de B, y el tipo Y, con una composición de cinco unidades de A y una de B. El precio del tipo X es de 1000 euros y el del tipo Y es de 3000 euros. Qué cantidades se han de comprar de cada tipo para cubrir las necesidades con un coste mínimo? Formule un problema de P.L. para minimizar costes, y resuelva mediante el método gráfico. 17
Jesús Getán y Eva Boj. Marzo de 2014
Jesús Getán y Eva Boj Facultat d Economia i Empresa Universitat de Barcelona Marzo de 2014 Jesús Getán y Eva Boj 1 / 18 Jesús Getán y Eva Boj 2 / 18 Un Programa lineal consta de: Función objetivo. Modeliza
Más detallesTema No. 3 Métodos de Resolución de Modelos de Programación Lineal. El Método Gráfico y Método Simplex Autoevaluación y Ejercicios Propuestos
UNIVERSIDAD NACIONAL EXPERIMENTAL FRANCISCO DE MIRANDA ÁREA DE TECNOLOGÍA DEPARTAMENTO DE GERENCIA INVESTIGACIÓN DE OPERACIONES PROFESOR: Dr. JUAN LUGO MARÍN Tema No. 3 Métodos de Resolución de Modelos
Más detallesIntroducción a la programación lineal
Introducción a la programación lineal La programación lineal se aplica a modelos de optimización en los que las funciones objetivo y restricción son estrictamente lineales. La técnica se aplica en una
Más detallesTEMA 2: PROGRAMACIÓN LINEAL.
TEMA : PROGRAMACIÓN LINEAL.. 1. INTRODUCCIÓN. La Programación Lineal (PL) puede considerarse como uno de los grandes avances científicos habidos durante la primera mitad del siglo XX y sin duda es una
Más detallesUNIDAD 6.- PROGRAMACIÓN LINEAL
UNIDAD 6.- PROGRAMACIÓN LINEAL 1. INECUACIONES LINEALES CON DOS INCÓGNITAS Una inecuación de primer grado con dos incógnitas es una inecuación que en forma reducida se puede expresar de la siguiente forma:
Más detallesPROGRAMACIÓN LINEAL. Su empleo es frecuente en aplicaciones de la industria, la economía, la estrategia militar, etc.
PROGRAMACIÓN LINEAL La programación lineal da respuesta a situaciones en las que se exige maximizar o minimizar funciones que se encuentran sujetas a determinadas limitaciones, que llamaremos restricciones.
Más detallesFormulación del problema de la ruta más corta en programación lineal
Formulación del problema de la ruta más corta en programación lineal En esta sección se describen dos formulaciones de programación lineal para el problema de la ruta más corta. Las formulaciones son generales,
Más detallesUniversidad de Managua Curso de Programación Lineal
Universidad de Managua Curso de Programación Lineal Profesor: MSc. Julio Rito Vargas Avilés. Objetivos y Temáticas del Curso Estudiantes: Facultad de CE y A Año académico: III Cuatrimestre 2014 ORIENTACIONES
Más detallesProgramación Lineal. El modelo Matemático
Programación Lineal. El modelo Matemático 1 Modelización Definición 1.1 Consideremos el problema de optimización con restricciones, definido como sigue Min f(x) s.a. g i (x) b i i = 1, 2,..., m (P OR)
Más detallesTema 3: El Método Simplex. Algoritmo de las Dos Fases.
Tema 3: El Método Simplex Algoritmo de las Dos Fases 31 Motivación Gráfica del método Simplex 32 El método Simplex 33 El método Simplex en Formato Tabla 34 Casos especiales en la aplicación del algoritmo
Más detallesSegmentos del borde o frontera Lados o aristas Intersecciones de éstos Vértices
UNIDAD 4: PROGRAMACIÓN LINEAL 1 SISTEMAS DE INECUACIONES LINEALES CON DOS INCÓGNITAS RECINTOS CONVEXOS La solución de un sistema de inecuaciones lineales (SIL) con dos incógnitas viene representada por
Más detallesPROGRAMACIÓN LINEAL PROGRAMACIÓN LINEAL.
PROGRAMACIÓN LINEAL. La programación lineal es una técnica de modelado (construcción de modelos). La programación lineal (PL) es una técnica matemática de optimización, es decir, un método que trata de
Más detallesProgramación Lineal Continua
Elisenda Molina Universidad Carlos III de Madrid elisenda.molina@uc3m.es 8 de octubre de 2008 Esquema 1 Formulación y Ejemplos 2 3 Ejemplo: Producción de carbón Una empresa minera produce lignito y antracita.
Más detallesAPUNTE: Introducción a la Programación Lineal
APUNTE: Introducción a la Programación Lineal UNIVERSIDAD NACIONAL DE RIO NEGRO Asignatura: Matemática Carreras: Lic. en Administración Profesor: Prof. Mabel Chrestia Semestre: do Año: 06 Definición La
Más detallesBreve introducción a la Investigación de Operaciones
Breve introducción a la Investigación de Operaciones Un poco de Historia Se inicia desde la revolución industrial, usualmente se dice que fue a partir de la segunda Guerra Mundial. La investigación de
Más detallesProblemas de programación lineal.
Matemáticas 2º Bach CCSS. Problemas Tema 2. Programación Lineal. Pág 1/12 Problemas de programación lineal. 1. Unos grandes almacenes encargan a un fabricante pantalones y chaquetas deportivas. El fabricante
Más detallesDirección de operaciones. SESIÓN # 2: Programación lineal
Dirección de operaciones SESIÓN # 2: Programación lineal Contextualización Dentro de la sesión anterior conocimos el concepto y alcance de la administración de operaciones, dicho de otro modo el qué, ahora
Más detallesUNIDAD III. INVESTIGACIÓN DE OPERACIONES
UNIDAD III. INVESTIGACIÓN DE OPERACIONES Objetivo de la unidad: El alumno resolverá problemas utilizando la programación lineal y de proyectos para sugerir cursos de acción de mejora en las empresas turísticas
Más detallesEJERCICIOS PROGRAMACIÓN LINEAL
EJERCICIOS PROGRAMACIÓN LINEAL 1.- Una compañía fabrica y venden dos modelos de lámpara L 1 y L 2. Para su fabricación se necesita un trabajo manual de 20 minutos para el modelo L 1 y de 30 minutos para
Más detallesProteinas Hidratos Grasas Coste/kg A B MATEMATIZACIÓN DEL PROBLEMA. A B Necesidades
PROGRAMACIÓN LINEAL 1. Imaginemos que las necesidades semanales mínimas de una persona en proteínas, hidratos de carbono y grasas son, respectivamente, 8, 12 y 9 unidades. Supongamos que debemos obtener
Más detallesTema 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 detallesINTERVALOS Y SEMIRRECTAS.
el blog de mate de aida CSI: Inecuaciones pág 1 INTERVALOS Y SEMIRRECTAS La ordenación de números permite definir algunos conjuntos de números que tienen una representación geométrica en la recta real
Más detallesEL PROBLEMA GENERAL DE OPTIMIZACION
EL PROBLEMA GENERAL DE OPTIMIZACION Terminología Tipos de soluciones Resultados teóricos sobre existencia y unicidad de soluciones Método gráfico de resolución Problemas de optimización Este tipo de problemas
Más detallesII. INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES
II. INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES Objetivo de la unidad: El estudiante, conocerá los fundamentos en que se basan las herramientas de la investigación de operaciones para la toma de decisiones.
Más detallesIntroducción a la Programación Lineal. Juan Pablo Cobá Juárez Pegueros Investigación de Operaciones Ingeniería Mecánica Facultad de Ingeniería 2015
Introducción a la Programación Lineal Juan Pablo Cobá Juárez Pegueros Investigación de Operaciones Ingeniería Mecánica Facultad de Ingeniería 2015 Historia La investigación de Operaciones se caracteriza
Más detallesProgramación NO Lineal (PNL) Optimización sin restricciones
Programación NO Lineal (PNL) Optimización sin restricciones Ejemplos de los problemas que se aplica la programación NO Lineal: Problema de transporte con descuentos por cantidad : El precio unitario de
Más detallesRELACIÓN DE PROBLEMAS DE CLASE DE PROGRAMACIÓN LINEAL ENTERA
RELACIÓN DE PROBLEMAS DE CLASE DE PROGRAMACIÓN LINEAL ENTERA SIMPLEX Y LINEAL ENTERA a Resuelve el siguiente problema con variables continuas positivas utilizando el método simple a partir del vértice
Más detallesConjuntos y funciones convexas
Conjuntos y funciones convexas Un conjunto X R n se dice convexo si para todo par de puntos x 1 y x 2 en X, λ x 1 + ( 1- λ) x 2 X, para todo λ [0,1] Qué significa esto geométricamente? Un punto λ x 1 +
Más detallesUniversidad Tec Milenio: Profesional IO04001 Investigación de Operaciones I. Tema # 9
IO04001 Investigación de Operaciones I Tema # 9 Otras aplicaciones del método simplex Objetivos de aprendizaje Al finalizar el tema serás capaz de: Distinguir y aplicar la técnica de la variable artificial.
Más detallesClase 9 Programación No Lineal
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 9 Programación No Lineal ICS 110 Optimización Profesor : Claudio Seebach Apuntes de Clases
Más detallesNOMBRE DE LA ASIGNATURA: MÉTODOS CUANTITATIVOS PARA ADMINISTRACIÓN. ESCUELA: DEPARTAMENTO: ADMINISTRACIÓN
CODIGO: 092-4883 HORAS SEMANALES 4 HORAS TEORICAS: 2 UNIVERSIDAD DE ORIENTE COMISIÓN CENTRAL DE CURRÍCULA PROGRAMA DE ASIGNATURA NOMBRE DE LA ASIGNATURA: MÉTODOS CUANTITATIVOS PARA ADMINISTRACIÓN. ESCUELA:
Más detallesTema 3. El metodo del Simplex.
Tema 3. El metodo del Simplex. M a Luisa Carpente Rodrguez Departamento de Matematicas.L. Carpente (Departamento de Matematicas) El metodo del Simplex 2008 1 / 28 Objetivos 1 Conocer el funcionamiento
Más detallesPROGRAMACION CUADRATICA
PROGRAMACION CUADRATICA Programación convexa La programación convexa abarca una amplia clase de problemas, entre ellos como casos especiales, están todos los tipos anteriores cuando /(x) es cóncava. Las
Más detallesPlanteamiento 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 detallesOPCIÓN A. La empresa A (x) tiene 30 trabajadores, la B (y) 20 trabajadores y la C (z) 13 trabajadores.
PRUEBAS DE ACCESO A LA UNIVERSIDAD PARA EL ALUMNADO DE BACHILLERATO. 159 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. JUNIO 16 EXAMEN RESUELTO POR JAVIER SUÁREZ CABALLERO (@javiersc9) OBSERVACIONES IMPORTANTES:
Más detallesMATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II INSTRUCCIONES Y CRITERIOS GENERALES DE CALIFICACIÓN
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO MODELO DE EXAMEN CURSO 2014-2015 MATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
Más detallesZ Optima X 1 + X 2 5 Z 1 -X 1 + 2X Región factible. Figura 1
Método Gráfico El procedimiento geométrico, es únicamente adecuado para resolver problemas muy pequeños (con no más de dos variables debido al problema de dimensionalidad). Este método provee una gran
Más detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Más detallesInvestigación Operativa
Investigación Operativa Unidad: Teoría de decisiones y modelos de programación lineal Docente: Johnny. Pacheco Contreras Unidad Teoría de decisiones y modelos de programación lineal. Logro Al finalizar
Más detallesContenido: 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 detallesProgramación 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 detallesUniversidad Tec Milenio: Profesional HG04002 Análisis de Decisiones I
Tema # 3 Modelo de programación lineal: conceptos básicos 1 Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Comprender el concepto de modelos de programación lineal. Identificar la
Más detallesÁlgebra Matricial y Optimización Ma130
Álgebra Matricial y Optimización Ma130 Programación Lineal Departamento de Matemáticas ITESM Programación Lineal Ma130 - p. 1/27 ducción En esta lectura daremos una introducción a la modelación de problemas
Más detallesAntecedentes. Ejemplos de Optimización en Procesos Agrícolas. Planificación v/s Operación. Planificación, Operación y Control en el negocio agrícola
Ejemplos de Optimización en Procesos Agrícolas Pedro Traverso Profesor Asociado Escuela de Administración Pontifica Universidad Católica de Chile Ingeniero Agrónomo PUC MBA, PUC M.Sc. Ingeniería Industrial
Más detallesPROGRAMACIÓN LINEAL. Para resolver estos problemas la investigación de operaciones los agrupa en dos categorías básicas:
PROGRAMACIÓN LINEAL INTRODUCCIÓN La Investigación de Operaciones o Investigación Operativa, es una rama de las Matemáticas consistente en el uso de modelos matemáticos, estadística y algoritmos con objeto
Más detallesUniversidad de Managua Al más alto nivel
Universidad de Managua Al más alto nivel Profesor: MSc. Julio Rito Vargas Avilés. Curso de Programación Lineal MÉTODO GRÁFICO PARA PROBLEMAS DE PROGRAMACIÓN LINEAL Estudiantes: Facultad de Ciencias Económicas
Más detallesINTRODUCCIÓN A LA MODELACIÓN MATEMÁTICA Y OPTIMIZACIÓN
INTRODUCCIÓN A LA MODELACIÓN MATEMÁTICA Y OPTIMIZACIÓN Carlos Julio Vidal Holguín UNIVERSIDAD DEL VALLE FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA INDUSTRIAL Y ESTADÍSTICA 1. FORMULACIÓN DE MODELOS DE
Más detallesInstituto 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 detallesSistemas de ecuaciones.
1 CONOCIMIENTOS PREVIOS. 1 Sistemas de ecuaciones. 1. Conocimientos previos. Antes de iniciar el tema se deben de tener los siguientes conocimientos básicos: Operaciones básicas con polinomios. Resolución
Más detallesESTRUCTURA DEL EXAMEN DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II PARA ALUMNOS DE BACHILLERATO
ESTRUCTURA DEL EXAMEN DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II PARA ALUMNOS DE BACHILLERATO El examen presentará dos opciones diferentes entre las que el alumno deberá elegir una y responder
Más detallesPráctica N o 8 Desigualdades Válidas - Algoritmos de Planos de Corte - Algoritmos Branch & Cut
Práctica N o 8 Desigualdades Válidas - Algoritmos de Planos de Corte - Algoritmos Branch & Cut 8.1 Para cada uno de los siguientes conjuntos, encontrar una desigualdad válida que agregada a la formulación
Más detallesUnidad #1: DESIGUALDAD o inecuaciones COLEGIO BENIGNO TOMÁS ARGOTE UNIDAD # 1
ÁREA: Algebra COLEGIO BENIGNO TOMÁS ARGOTE UNIDAD # 1 ASIGNATURA: Matemática. NIVEL: Duodécimo grado ( CIENCIAS ) PROFESOR: José Alexander Echeverría Ruiz TRIMESTRE: I TÍTULO DE LA UNIDAD DIDÁCTICA: 1.
Más detallesProf. Pérez Rivas Lisbeth Carolina
Ingeniería de Sistemas Investigación de Operaciones Prof. Pérez Rivas Lisbeth Carolina Investigación de Operaciones Es una rama de las Matemáticas consistente en el uso de modelos matemáticos, estadística
Más detallesMÁSTER UNIVERSITARIO EN INGENIERÍA DE SISTEMAS Y DE CONTROL. Curso 2010/2011. (Código: )
INTRODUCCIÓNA LA PROGRAMACIÓNMATEMÁTICAMATEMÁTICA MÁSTER UNIVERSITARIO EN INGENIERÍA DE SISTEMAS Y DE CONTROL Curso 2010/2011 (Código: 31104021) 1 Conceptos generales sobre optimización matemática La optimización
Más detallesFUNDAMENTOS NUMÉRICOS SEMANA 4
FUNDAMENTOS NUMÉRICOS SEMANA 4 ÍNDICE INECUACIONES Y DESIGUALDADES... 3 APRENDIZAJES ESPERADOS... 3 INTRODUCCIÓN... 3 INECUACIONES... 4 REGLAS DE LAS DESIGUALDADES... 4 INECUACIONES LINEALES... 5 INECUACIONES
Más detallesMODELOS DE INVESTIGACION DE OPERACIONES
MODELOS DE INVESTIGACION DE OPERACIONES CARACTERÍSTICAS Los modelos se dividen en determinísticos (no probabilisticos) y estocásticos (probilisticos). Hay otros modelos híbridos porque incluyen las dos
Más detallesEJERCICIO 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 detallesIN Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0
IN3701 - Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0 Acá va una pequeña guía con problemas resueltos de Geometría en Programación Lineal con problemas básicamente extraídos del
Más detallesClub GeoGebra Iberoamericano. 9 INECUACIONES 2ª Parte
9 INECUACIONES 2ª Parte INECUACIONES INTRODUCCIÓN Los objetivos de esta segunda parte del tema serán la resolución de inecuaciones con GeoGebra y la aplicación que tiene este software para la representación
Más detallesEl método simplex 1. 1 Forma estándar y cambios en el modelo. 2 Definiciones. 3 Puntos extremos y soluciones factibles básicas. 4 El método simplex.
El método simplex Forma estándar y cambios en el modelo. Definiciones. Puntos extremos y soluciones factibles básicas. 4 El método simplex. Definiciones y notación. Teoremas. Solución factible básica inicial.
Más detalles1 ÁLGEBRA DE MATRICES
1 ÁLGEBRA DE MATRICES 1.1 DEFINICIONES Las matrices son tablas numéricas rectangulares. Se dice que una matriz es de dimensión m n si tiene m filas y n columnas. Cada elemento de una matriz se designa
Más detallesProgramación 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 detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARÍA ACADÉMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UNIDAD PROFESIONAL INTERDISCIPLINARIA DE INGENIERÍA Y CIENCIAS SOCIALES Y ADMINISTRATIVAS CARRERA: CIENCIAS DE LA INFORMÁTICA LÍNEA CURRICULAR: COORDINACIÓN: DEPTO. DE CIENCIAS DE LA INGENIERÍA.
Más detallesUniversidad Nacional Autónoma de Nicaragua UNAN-Managua. Curso de Investigación de Operaciones
Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Investigación de Operaciones Profesor: MSc. Julio Rito Vargas Avilés. Presentación del Programa de Investigación de Operaciones Estudiantes:
Más detallesModelos de Programación Lineal: Resolución gráfica y Teorema fundamental. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Modelos de Programación Lineal: Resolución gráfica y Teorema fundamental Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Resolución gráfica de problemas de
Más detallesOPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 4 Optimización no Lineal
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 4 Optimización no Lineal ORGANIZACIÓN DEL TEMA Sesiones: El caso sin restricciones: formulación, ejemplos Condiciones de optimalidad, métodos Caso con restricciones:
Más detalles4º E.S.O. Matemáticas A
4º E.S.O. Matemáticas A Objetivos 1. Incorporar, al lenguaje y formas habituales de argumentación, las distintas formas de expresión matemática (numérica, algebraica, de funciones, geométrica...), con
Más detallesPlanteamiento de problemas de programación lineal. M. En C. Eduardo Bustos Farías
Planteamiento de problemas de programación lineal M. En C. Eduardo Bustos Farías 1 Ejemplo. Breeding Manufacturing Inc. Mezcla de productos 2 La Breeding Manufacturing Inc., fabrica y vende dos tipos de
Más detallesTEORÍA DE LA CONDUCTA DEL CONSUMIDOR Y DE LA DEMANDA
S_A._LECV TEORÍA DE LA CONDUCTA DEL CONSUMIDOR DE LA DEMANDA LA FUNCIÓN DE PREFERENCIA Todos los individuos tratan de alcanzar la satisfacción con un ingreso limitado. Este esfuerzo más o menos consciente,
Más detallesUniversidad Tec Milenio: Profesional HG04002 Análisis de Decisiones I
Tema # 10 El método de las M s como solución de problemas de programación lineal 1 Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Resolver modelos de programación lineal mediante
Más detallesConteste a cuatro de las siguientes cinco cuestiones. Explique el concepto y ponga un ejemplo. Cada una de las cuestiones vale 1 punto.
EJERCICIO A Conteste a cuatro de las siguientes cinco cuestiones. Explique el concepto y ponga un ejemplo. Cada una de las cuestiones vale 1 punto. A.1. Diferencie entre un tipo de cambio fijo y otro flexible.
Más detallesAplicaciones de problemas de Máximos y Mínimos.
Aplicaciones de problemas de Máximos y Mínimos. En la resolución de problemas de máximos y mínimos el mayor desafío consiste generalmente en obtener, a partir del enunciado, la función que se necesita
Más detallesIdentificación de inecuaciones lineales en los números reales
Grado Matematicas - Unidad Operando en el conjunto de Tema Identificación de inecuaciones lineales en los números reales Nombre: Curso: A través de la historia han surgido diversos problemas que han implicado
Más detalles2 4. c d. Se verifica: a + 2b = 1
Pruebas de Acceso a la Universidad. SEPTIEMBRE 0. Bachillerato de Ciencias Sociales. El alumno debe responder a una de las dos opciones propuestas, A o B. En cada pregunta se señala la puntuación máxima.
Más detallesDar una introducción sobre la asignatura IO Familiarizar al estudiante con las características y aplicación del modelo de matriz de decisiones
I Unidad: Introducción a al Investigación de Operaciones. Contenidos: 1. Breve reseña histórica de la l. De O. 2. Concepto de la l. De O. 3. Objeto de Estudio de la l. De O. 4. Introducción a la teoría
Más detallesz(x) = x 1. Solucion optima. x 2
CAPÍTULO FORMULACIÓN DE PROBLEMAS LINEALES Programación Lineal (PL) es un modelo de optimización de un problema de la vida real, en el cual una función objetivo es optimizada sujeta a un conjunto de restricciones.
Más detallesSolución de un sistema de desigualdades
Solución de un sistema de desigualdades En la sección anterior tuvimos oportunidad de resolver desigualdades de dos variables. En el último ejemplo vimos nuestro primer sistema de desigualdades, que aunque
Más detalles3 Polinomios y funciones racionales
Programa Inmersión, Verano 2016 Notas escritas por Dr. M Notas del cursos. Basadas en los prontuarios de MATE 3001 y MATE 3023 Clase #19: viernes, 24 de junio de 2016. 3 Polinomios y funciones racionales
Más detallesUniversidad Autónoma de Sinaloa
Universidad Autónoma de Sinaloa Facultad de Ciencias Sociales Licenciatura en Economía Programa de estudios Asignatura: Investigación de operaciones. Clave: Eje de formación: Básica EFBCII Área de Conocimiento:
Más detallesCon miras a conocer la metodología que se aplica en el Método SIMPLEX, tenemos a continiacion un ejemplo:
Método Simplex. Este método fue creado en el año 1947 por el estadounidense George Bernard Dantzig y el ruso Leonid Vitalievich Kantorovich, con el objetivo de crear un algoritmo capaz de crear soluciones
Más detallesUNIDAD II. INTEGRAL DEFINIDA Y LOS MÉTODOS DE INTEGRACIÓN. Tema: LA INTEGRAL DEFINIDA
UNIDAD II. INTEGRAL DEFINIDA Y LOS MÉTODOS DE INTEGRACIÓN Tema: LA INTEGRAL DEFINIDA La integral definida Anteriormente se mencionó que la Integral Indefinida da como resultado una familia de funciones
Más detallesDIPLOMADO. Evaluación de la Calidad de la práctica docente para la implementación del Nuevo Modelo Educativo en Escuelas de Ingeniería del I.P.N.
DIPLOMADO Evaluación de la Calidad de la práctica docente para la implementación del Nuevo Modelo Educativo en Escuelas de Ingeniería del I.P.N. Trabajo Final Propuesta Metodológica del área de Ciencias
Más detallesProgramación lineal. En esta Unidad didáctica nos proponemos alcanzar los objetivos siguientes:
UNIDAD 3 Programación lineal a programación lineal es parte L de una rama de las matemáticas relativamente joven llamada investigación operativa. La idea básica de la programación lineal es la de optimizar,
Más detallesCoordinación de Matemática I (MAT021) 1 er Semestre de 2013 Semana 2: Lunes 18 Viernes 22 de Marzo. Contenidos
Cálculo Coordinación de Matemática I MAT021 1 er Semestre de 2013 Semana 2: Lunes 18 Viernes 22 de Marzo Contenidos Clase 1: La Ecuación Cuadrática. Inecuaciones de grado 2, con y sin valor absoluto. Clase
Más detallesTEMA 1: SISTEMAS MODELADOS POR ECUACIONES DIFERENCIALES EN INGENIERÍA QUÍMICA. CLASIFICACIÓN. GENERALIDADES.
TEMA 1: SISTEMAS MODELADOS POR ECUACIONES DIFERENCIALES EN INGENIERÍA QUÍMICA. CLASIFICACIÓN. GENERALIDADES. 1. INTRODUCCIÓN. PLANTEAMIENTO DE PROBLEMAS EN INGENIERÍA QUÍMICA 2. PROBLEMAS EXPRESADOS MEDIANTE
Más detallesPROBLEMA 1. Considere el siguiente problema de programación lineal:
PROBLEMA 1 Considere el siguiente problema de programación lineal: Sean h1 y h2 las variables de holgura correspondientes a la primera y segunda restricción, respectivamente, de manera que al aplicar el
Más detallesRESOLUCIÓN DE MODELOS DE PROGRAMACIÓN ENTERA MÉTODOS DE CORTE CORTES DE GOMORY
25 de Junio de 2012 RESOLUCIÓN DE MODELOS DE PROGRAMACIÓN ENTERA MÉTODOS DE CORTE CORTES DE GOMORY Postgrado de Investigación de Operaciones Facultad de Ingeniería Universidad Central de Venezuela Programación
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN ACATLÁN PROGRAMA DE ASIGNATURA CLAVE: 1409 SEMESTRE: 4 (CUARTO) MODALIDAD
Más detallesPROGRAMACIÓN 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 detallesColoración de grafos
Alumno: Grupo: Coloración de grafos Comencemos planteando el problema de dar color a las regiones de un mapa plano de modo que a regiones vecinas se les asigne distinto color. Este problema puede ser resuelto
Más detallesLo que se hace entonces es introducir variables artificiales ADAPTACIÓN A OTRAS FORMAS DEL MODELO.
Clase # 8 Hasta el momento sólo se han estudiado problemas en la forma estándar ADAPTACIÓN A OTRAS FORMAS DEL MODELO. Maximizar Z. Restricciones de la forma. Todas las variables no negativas. b i 0 para
Más detallesTEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS.
TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. 1. MATRICES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. DEFINICIÓN: Las matrices son tablas numéricas rectangulares
Más detallesPROGRAMACIÓN LINEAL MÉTODO GRÁFICO
1 PROGRAMACIÓN LINEAL MÉTODO GRÁFICO Dado un problema de programación lineal se debe: 1. Graficar cada una de las restricciones. 2. Encontrar el Polígono de factibilidad, que es la intersección de los
Más detallesMay 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN
May 4, 2012 1. Optimización Sin Restricciones En toda esta sección D denota un subconjunto abierto de R n. 1.1. Condiciones Necesarias de Primer Orden. Proposición 1.1. Sea f : D R diferenciable. Si p
Más detallesIntroducción a Programación Lineal
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 18 Programación Lineal ICS 1102 Optimización Profesor : Claudio Seebach 4 de octubre de 2005
Más detallesDepartamento de Matemáticas IES Giner de los Ríos
Departamento de Matemáticas IES Giner de los Ríos La programación lineal hace historia: El puente aéreo de Berlín En 1946 comienza el largo período de la guerra fría entre la antigua Unión Soviética (URSS)
Más detallesRESOLUCIÓN INTERACTIVA DEL SIMPLEX
RESOLUCIÓN INTERACTIVA DEL SIMPLEX Estos materiales interactivos presentan la resolución interactiva de ejemplos concretos de un problema de P.L. mediante el método Simplex. Se presentan tres situaciones:
Más detallesEJEMPLO 1. Solución: Definimos las variables originales como: = número de conejos. x = número de pollos.
EJEMPLO. En una granja agrícola se desea criar conejos y pollos como complemento en su economía de forma que no se superen en conjunto las 8 horas mensuales destinadas a esta actividad. Su almacén sólo
Más detalles3.1 ESPACIO DE SOLUCIONES EN FORMA DE ECUACIÓN
El método símplex El método gráfico del capítulo 2 indica que la solución óptima de un programa lineal siempre está asociada con un punto esquina del espacio de soluciones. Este resultado es la clave del
Más detallesPrograma Oficial de Asignatura. Ficha Técnica. Presentación. Competencias y/o resultados del aprendizaje. Contenidos Didácticos
Ficha Técnica Titulación: Grado en Administración y Dirección de Empresas Plan BOE: BOE número 67 de 19 de marzo de 2014 Asignatura: Módulo: Métodos cuantitativos de la empresa Curso: 2º Créditos ECTS:
Más detalles