3. Algoritmos de puntos interiores para. Programación Lineal Introducción CO-5411 (S08) 23/02/
|
|
- Manuela Castro Molina
- hace 7 años
- Vistas:
Transcripción
1 CO-5411 S08) 23/02/ Algoritmos de puntos interiores para Programación Lineal 3.1. Introducción A nales de la década de los años 40, George B. Dantzig diseña el algoritmo Simplex y da comienzo al desarrollo de la programación lineal, y de la optimización moderna en general. Paralelamente en la U.R.S.S., desde nales de la década de los 30, L. V. Kantorovich realiza investigaciones en el área, pero es sólo en 1958 cuando su trabajo se hace público en occidente. En 1967 Dikin, un estudiante de Kantorovich, desarrolla lo que puede considerarse el primer algoritmo de puntos interiores para programación lineal, el algoritmo Afín Escala, el cual se hace público en occidente en El Simplex y sus variantes constituyen, hasta mediados de la década de los 80, las únicas herramientas disponibles para atacar problemas de programación lineal, mostrando un buen comportamiento computacional en la gran mayoría de los problemas reales a los cuales se aplican. Sin embargo en los años 70 se muestra que su complejidad algorítmica es exponencial en el peor caso. No es un algoritmo polinomial. La pregunta de si existe un algoritmo polinomial para programación lineal permanece abierta hasta 1979 cuando se da a conocer el algoritmo de elipsoides, desarrollado por Khachyan en la U.R.S.S., el cual es teóricamente satisfactorio polinomial), pero computacionalmente muy ineciente. Finalmente, en 1984, Karmarkar basandose en el trabajo de Khachyan y también en el de Dikin, propone un algoritmo que, según sus armaciones, cumpliría ambos propósitos. Esto genera una fuerte controversia y promueve una corriente de investigación en el área de algoritmos de puntos interiores para programación lineal. En la actualidad los algoritmos de puntos interiores coexisten con el Simplex como herramientas para enfrentar una variada gama de problemas. Estas técnicas han tenido mucho éxito, particularmente en problemas lineales de gran tamaño, y se han aplicado efectivamente en otras áreas como Flujo en Redes, Complementaridad Lineal, Programación No Lineal. En esta sección nos proponemos introducir al estudiante de optimización con escaso o nulo conocimiento de la programación no lineal, a los algoritmos de puntos interiores para programación
2 CO-5411 S08) 23/02/ lineal. Comenzamos en la próxima subsección con una brevísima descripción del problema de complejidad algorítmica. En la sección siguiente describimos el algoritmo Primal-Dual de puntos interiores para programación lineal, el cual es uno de los más exitosos en la práctica, sin hacer uso de conocimientos de programación no lineal. En la siguiente subsección desarrollamos un algoritmo de puntos exteriores para programación lineal, basado en la idea del algoritmo Primal-Dual. Se han desarrollado versiones de ambos algoritmos que presentan complejidad polinomial Complejidad Algorítmica Dados un problema con un cierto tamaño bien denido y un algoritmo para resolverlo se dene la noción de complejidad del algoritmo como el tiempo que tarda en resolver el problema, como función de su tamaño. El tiempo se mide típicamente en número de operaciones realizadas. Hay varios puntos de vista para analizar la complejidad. Se puede tratar de realizar un análisis de la complejidad promedio, es decir, cuánto tarda el algoritmo en el problema promedio. Este tipo de análisis generalmente requiere de un enfoque probabilístico y es, en la mayoría de los casos, prácticamente imposible. Generalmente se escoge entonces un análisis de peor caso que no reeja el comportamiento promedio del algoritmo sino su rendimiento en las peores condiciones posibles. Este último tipo de criterio no es del todo satisfactorio pues no proporciona una idea de cuan exitoso pueda ser el algoritmo en la vida real, por ejemplo, el algoritmo Simplex tiene pésima complejidad en el peor caso y sin embargo ha sido usado con bastante éxito por medio siglo. Un algoritmo se dice polinomial si su complejidad está acotada por un polinomio en el tamaño del problema, por ejemplo, si T n) representa la complejidad de un algoritmo para un cierto problema de tamaño n, y sabemos que T n) 20n 3 + n 2, decimos que el algoritmo tiene complejidad On 3 ) polinomial). Si, por otro lado no podemos mejorar una cota del estilo de T n) 30 2 n, diríamos que el algoritmo tiene complejidad O2 n ) exponencial). Observe que en el ejemplo anterior, si T n) n n 2, aún tenemos complejidad On 3 ) y sin embargo es aparente que para valores razonables de n la cota es mucho peor que la anterior. Lamentablemente, este tipo de análisis sólo proporciona información sobre el comportamiento asin-
3 CO-5411 S08) 23/02/ tótico de los algoritmos, sin embargo, debe ser claro que un comportamiento polinomial es preferible a uno exponencial, cuyo crecimiento supera al de cualquier polinomio con bastante rapidez. En programación lineal, especialmente en la literatura de puntos interiores se representa el tamaño del problema como L = l + n + 1, donde l es el número de bits utilizados para almacenar los datos costos, matriz de coecientes y lado derecho) y n es el número de variables en el problema. Si la complejidad de un algoritmo para programación lineal depende de n y L, por ejemplo, si es On 3,5 L), el algoritmo se dice polinomial. Por otro lado, si la complejidad depende sólo de n, por ejemplo On 2,5 ), el algoritmo se dice fuertemente polinomial Métodos de Escalamiento Afín Recordemos algunos hechos de álgebra lineal: Sea A una matriz m n de rango la completo. Conocemos los subespacios N A) = {x R n Ax = 0}, R A T) = { x R n x = A T y para algún y R m} y sabemos que cumplen: dim N A)) + dim R A T)) = n además N A) y R A T) son subespacios ortogonales ½estudiantes, recordarlo bien!). Estos dos hechos nos permiten descomponer cualquier x en R n como la suma única de elementos de estos dos subespacios. Sea x R n con x = p + q, con p N A) y q R A T). Ahora Ax = Ap + Aq = Aq pero λ R m tal que q = A T λ
4 CO-5411 S08) 23/02/ de manera que Ax = AA T λ y sabemos que AA T es no singular, entonces λ = AA T) 1 Ax Ahora bien, podemos escribir p = x q = x A T λ = x A T AA T) 1 Ax = I A T AA T) ) 1 A x La matrix P = I A T AA T) 1 A se llama la matriz de proyección ortogonal sobre N A) y p es la proyección ortogonal de x sobre N A). Observar que P = P T y P 2 = P ejercicio). De allí se saca que x T Px = x T P 2 x = x T P T Px = Px para todo x R n, así que P es simétrica y positiva semidenida. Como nosotros no apoyamos el cálculo de inversas, para calcular p lo hacemos así: Primero se calcula b = Ax y se resuelve el sistema AA T u = b luego se calcula x A T u y listo. Ahora un poco de cálculo. Sea f : R n R una función diferenciable. Consideremos la derivada
5 CO-5411 S08) 23/02/ direccional de f en x, en la dirección d: f x + αd) f x) f x, d) = l m α 0 α q α) q 0) = l m α 0 α = q 0) = f x) T d donde qα) = f x + αd). La derivada direccional nos da la tasa de cambio de f desde x en la dirección d. Ahora bien, ¾cuál dirección unitaria d minimiza f x, d)? Para cualquier d R n con d = 1 tenemos que: f x, d) = f x) T d f x) d = f x) pero en el vector unitario d = f x) / f x) se obtiene la igualdad, de manera que esa es la dirección unitaria de máximo descenso. Consideremos ahora el problema de programación lineal de la forma min s.a. c T x Ax = b x 0 1) donde suponemos que la matriz A tiene rango completo, y su problema dual max s.a. b T y A T y c
6 CO-5411 S08) 23/02/ el cual, después de añadir variables de holgura z, se convierte en max s.a. b T y A T y + z = c z 0 2) Desde cualquier iterado factible e interior x k interior signica x k ), la dirección de máximo descenso es c. Si sumamos un múltiplo de esta dirección a x k lo más probable es que nos salgamos del espacio afín correspondiente. Para evitar eso usaremos la proyección de c sobre el espacio nulo de A. Para evitar los problemas asociados a estar cerca de las fronteras se busca estar lo más centrados posible. Se usa una transformación o escalamiento de la región factible de manera de centralizar el iterado actual, luego se da un paso en el espacio transformado y luego se devuelve la transformación al espacio original. Veamos esto con cuidado. Sea x k > 0 y consideremos la transformación T k : R n + R n + denida como: T k x) = X k) 1 x que tiene las siguientes propiedades: 1. T k x k ) = e 2. Si x > 0 entonces T k x) > T 1 k y) = X k y Ver dibujo... Ahora hagamos el cambio de variables: ^x = T k x). El problema transformado es: min s.a. ^c T ^x ^A^x = b ^x 0 donde ^c = X k c, ^A = AX k. Claramente el iterado actual en las nuevas variables es e, es decir, está perfectamente centrado en el primer ortante. Luego consideramos la dirección de máximo descenso
7 CO-5411 S08) 23/02/ para este problema: ^c e intentamos movernos en la dirección de la proyección de ese vector sobre el espacio nulo de ^A, es decir obtener un nuevo iterado ^x k+1 de la forma: ^x k+1 = e α k^p^c donde ^P = I ^A T ^A ^A T) 1 ^A = I X k A T A X k) 2 A T) 1 AX k. El paso α k se obtiene como un porcentaje alto del máximo paso posible que mantiene no negatividad de ^x k+1, por ejemplo 95 % o 99, 5 %. Notar que en este caso se obtiene de manera muy sencilla. Si ^d = ^P^c, en este caso se calcula así: { } ^α k = min = {i ^d i >0} 1^d i max {i ^d i >0} 1 } = {^d i 1 max {^d i } y luego, por ejemplo, α k = 0,995^α k. Por último tenemos que devolvernos al espacio original, haciendo x k+1 = X k^x k+1. Esto concluye una iteración del algoritmo. Falta un detalle que hay que tomar en consideración. Veamos como se ve el paso iterativo en el espacio original: donde w k = x k+1 k+1 = Xk^x = X k e α k^p^c ) = x k α k X k^p^c = x k α k X k^px k c = x k α k X k I X k A A ) T X k) 2 1 A T) AX k X k c = x k α ) k X k 2 c A T A X k) ) 2 1 ) ) A T A X k 2 c = x k α k X k ) 2 c A T w k) A X k) 2 A T) 1 A X k ) 2 c. Entonces, la dirección de movimiento en el espacio original viene dada por X k) 2 c A T w k). Observar que si usamos la tercera igualdad de las anteriores,
8 CO-5411 S08) 23/02/ tenemos: c T x k+1 = c T x k α k c T X k^p^c = c T x k α k^c T ^P^P^c = c T x k α k ^P^c 2 donde la segunda igualdad se da porque ^P = ^P 2. Entonces si la dirección ^P^c es no nula, se experimenta un decrecimiento estricto de la función objetivo. Se observa también que si el valor ^α k resulta negativo, podríamos movernos en la dirección dada indenidamente manteniendo positividad de la solución, de manera que el problema sería no acotado. Ahora podemos describir el algoritmo en detalle: Supongamos que tenemos dado x 0, un iterado inicial factible e interior del problema. También tenemos un parámetro ρ, que normalmente es 0,95 k := 0; loop X k := diagx k ); ^c := X k c; ^A := AX k ; ^P := I ^A T ^A ^A T) 1 ^A; ^d := ^P^c; * ^P y ^d se obtienen sin invertir matrices, ver notas de clase *) θ := m ax ^d i ;
9 CO-5411 S08) 23/02/ if θ 0 then Escribir: El problema es no acotado; break; end ^x k+1 = e ρ θ ^d; x k+1 = X k^x k+1 ; if se satisface un criterio de parada) then break; end end loop Observaciones adicionales: 1. ¾Qué pasa si la dirección ^P^c es nula? En este caso ^c está en R ^A T) ¾por qué?). En otras palabras, X k c está en R X k A T). Esto signica que esiste un u tal que X k c = X k A T u, es decir, c T X k = u T AX k. Como X k es no singular, tenemos c T = u T A. Ahora, si x es factible se obtiene c T x = u T Ax = u T b, de manera que la función objetivo es constante en la región factible y cualquier solución es óptima. No hay que realizar ningún trabajo adicional. 2. Si r k := c A T w k es no negativo, entonces w k es una solución factible dual. La brecha de dualidad se obtiene como: c T x k b T w k = c T x k x k) T A T w k = x k) T c A T w k) = x k) T r k = e T X k r k
10 CO-5411 S08) 23/02/ así que podemos utilizar como criterio de parada: r k 0, e T X k r k ɛ. 3. Punto factible interior inicial: Consideramos un estimado inicial x 0 > 0 que no satisface necesariamente Ax = b. Construimos el problema auxiliar de Fase I: min x n+1 s.a. Ax + x n+1 b Ax 0 ) = b x 0, x n+1 0 Claramente x = x 0, x n+1 = 1 es un punto factible de este problema auxiliar. Por ejemplo, una buena elección inicial puede ser x 0 = e. Ahora podemos aplicar el algoritmo a este problema que claramente es factible y acotado. Obtenemos una solución óptima x, x n+1. Si se cumple que x n+1 > 0 en el sentido aproximado), el problema original no es factible. De lo contrario, x sirve como punto factible interior inicial del problema original.
Tema 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 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 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 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 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 detallesTEMA 8.- NORMAS DE MATRICES Y
Álgebra II: Tema 8. TEMA 8.- NORMAS DE MATRICES Y NúMERO DE CONDICIóN Índice. Introducción 2. Norma vectorial y norma matricial. 2 2.. Norma matricial inducida por normas vectoriales......... 4 2.2. Algunos
Más detallesPráctica 2: Análisis de sensibilidad e Interpretación Gráfica
Práctica 2: Análisis de sensibilidad e Interpretación Gráfica a) Ejercicios Resueltos Modelización y resolución del Ejercicio 5: (Del Conjunto de Problemas 4.5B del libro Investigación de Operaciones,
Más detallesALGEBRA I, ALGEBRA Y TRIGONOMETRIA , Segundo Semestre CAPITULO 6: POLINOMIOS.
ALGEBRA I, ALGEBRA Y TRIGONOMETRIA 520135, 522115 Segundo Semestre CAPITULO 6: POLINOMIOS. DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición: Polinomio Sea K
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detallescomo el número real que resulta del producto matricial y se nota por:
Espacio euclídeo 2 2. ESPACIO EUCLÍDEO 2.. PRODUCTO ESCALAR En el espacio vectorial se define el producto escalar de dos vectores y como el número real que resulta del producto matricial y se nota por:,
Más detallesOPTIMIZACIÓN VECTORIAL
OPTIMIZACIÓN VECTORIAL Métodos de Búsqueda Directa Utilizan sólo valores de la función Métodos del Gradiente Métodos de Segundo Orden Requieren valores aproimados de la primera derivada de f) Además de
Más detallesPOST-OPTIMIZACIÓN Y SENSIBILIDAD EN PROBLEMAS LINEALES.
POST-OPTIMIZACIÓN Y SENSIBILIDAD EN PROBLEMAS LINEALES. Una de las hipótesis básicas de los problemas lineales es la constancia de los coeficientes que aparecen en el problema. Esta hipótesis solamente
Más detallesTema 5: Análisis de Sensibilidad y Paramétrico
Tema 5: Análisis de Sensibilidad y Paramétrico 5.1 Introducción 5.2 Cambios en los coeficientes de la función objetivo 5.3 Cambios en el rhs 5.4 Análisis de Sensibilidad y Dualidad 5.4.1 Cambios en el
Más detallesPasos en el Método Simplex
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 20 El Método Simplex ICS 1102 Optimización Profesor : Claudio Seebach 16 de octubre de 2006
Más detallesModelización por medio de sistemas
SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES. Modelización por medio de sistemas d y dy Ecuaciones autónomas de segundo orden: = f ( y, ) Una variable independiente. Una variable dependiente. La variable
Más detallesDUALIDAD EN PROGRAMACION LINEAL
DUALIDAD EN PROGRAMACION LINEAL Relaciones primal-dual Asociado a cada problema lineal existe otro problema de programación lineal denominado problema dual (PD), que posee importantes propiedades y relaciones
Más 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 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 detallesNÚMEROS COMPLEJOS: C
NÚMEROS COMPLEJOS: C Alejandro Lugon 21 de mayo de 2010 Resumen Este es un pequeño estudio de los números complejos con el objetivo de poder usar las técnicas de solución de ecuaciones y sistemas diferenciales
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 detallesEcuaciones matriciales AX = B y XA = B. Cálculo de la matriz inversa
Ecuaciones matriciales AX = B y XA = B Cálculo de la matriz inversa Objetivos Aprender a resolver ecuaciones matriciales de la forma AX = B y XA = B Aprender a calcular la matriz inversa con la eliminación
Más detallesSemana 09 [1/28] Sucesiones. 29 de abril de Sucesiones
Semana 09 [1/28] 29 de abril de 2007 Semana 09 [2/28] Definición Sucesión Una sucesión real es una función: f : N R n f (n) Observaciones Para distinguir a una sucesión de las demás funciones, se ocupará
Más detallesÁLGEBRA 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 detallesEspacios 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 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 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 detallesRESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES
3 RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES Página 74 Determinantes de orden 2 Resuelve cada uno de los siguientes sistemas de ecuaciones y calcula el determinante de la matriz de los coeficientes:
Más detallesSESIÓN 11 DERIVACIÓN DE FUNCIONES TRIGONOMETRICAS INVERSAS
SESIÓN 11 DERIVACIÓN DE FUNCIONES TRIGONOMETRICAS INVERSAS I. CONTENIDOS: 1. Función inversa, conceptos y definiciones 2. Derivación de funciones trigonométricas inversas 3. Ejercicios resueltos 4. Estrategias
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 detalles1. dejar a una lado de la igualdad la expresión que contenga una raíz.
1. Resuelve las siguientes ecuaciones reales: Solución x 1 + x = 0 ; 3 x = 3 ; ln(x 1) + 4 = ln 3 Ecuaciones con raíces: No todas las ecuaciones de este tipo son sencillas de resolver, pero podemos intentar
Más detallesI.E.S. Miguel de Cervantes (Granada) Departamento de Matemáticas GBG 1
PRODUCTO ESCALAR INTRODUCCIÓN El espacio vectorial de los vectores libres del plano se caracteriza por tener definidas dos operaciones: una interna, suma de vectores, y otra externa, producto de un número
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 detallesJesús 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 detallesSESIÓN 10 DERIVACIÓN DE FUNCIONES TRIGONOMÉTRICAS DIRECTAS
SESIÓN 0 DERIVACIÓN DE FUNCIONES TRIGONOMÉTRICAS DIRECTAS I. CONTENIDOS:. Derivadas de funciones trigonométricas directas. Ejercicios resueltos. Estrategias Centradas en el Aprendizaje: Ejercicios propuestos
Más detallesFunciones de Clase C 1
Capítulo 7 Funciones de Clase C 1 Vamos a considerar ahora la extensión a varias variables del concepto de función de clase C 1. Cada vez que establezcamos una propiedad de las funciones diferenciables,
Más detallesALGEBRA. Escuela Politécnica Superior de Málaga
ALGEBRA. Escuela Politécnica Superior de Málaga Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Espacio vectorial. Espacios vectoriales R n. Dependencia e independencia lineal. Base. Matrices y determinantes.
Más detallesPROGRAMACIÓN LINEAL ENTERA
PROGRAMACIÓN LINEAL ENTERA Programación lineal: hipótesis de perfecta divisibilidad Así pues decimos que un problema es de programación lineal entera, cuando prescindiendo de las condiciones de integridad,
Más detallesMÉTODO DEL DUAL (TEORIA DE DUALIDAD)
MÉTODO DEL DUAL (TEORIA DE DUALIDAD) Todo problema de programación lineal tiene asociado con él otro problema de programación lineal llamado DUAL. El problema inicial es llamado PRIMO y el problema asociado
Más detallesALGEBRA y ALGEBRA LINEAL. Primer Semestre CAPITULO 6. POLINOMIOS DE UNA VARIABLE.
ALGEBRA y ALGEBRA LINEAL 520142 Primer Semestre CAPITULO 6. POLINOMIOS DE UNA VARIABLE. DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición: Polinomio Sea K (Q,
Más detallesUnidad V. 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales.
Unidad V Aplicaciones de la derivada 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales. Una tangente a una curva es una recta que toca la curva en un solo punto y tiene la misma
Más detallesCONCEPTOS BASICOS DE LA TRANSFORMADA DE LAPLACE LA TRANSFORMADA DE LAPLACE
LA TRANSFORMADA DE LAPLACE Por cálculo integral sabemos que cuando vamos a determinar una integral impropia de la forma,su desarrollo se obtiene realizando un cambio de variable en el límite superior de
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 detallesDesarrollo de las condiciones de optimalidad y factibilidad. El problema lineal general se puede plantear como sigue:
Método simplex modificado Los pasos iterativos del método simplex modificado o revisado son exactamente a los que seguimos con la tabla. La principal diferencia esá en que en este método se usa el algebra
Más 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 detallesSistemas de Ecuaciones Lineales y Matrices
Capítulo 4 Sistemas de Ecuaciones Lineales y Matrices El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación lineal con n-incógnitas x 1, x 2,, x n es una
Más detallesPROBLEMA DE PROGRAMACIÓN LINEAL RESUELTO POR MÉTODO SIMPLEX
Prof.: MSc. Julio Rito Vargas Avilés Planteamiento del problema: PROBLEMA DE PROGRAMACIÓN LINEAL RESUELTO POR MÉTODO SIMPLEX Una compañía de manufactura se dedica a la fabricación de tres productos: A,
Más detallesECUACIONES.
. ECUACIONES... Introducción. Recordemos que el valor numérico de un polinomio (y, en general, de cualquier epresión algebraica) se calcula sustituyendo la/s variable/s por números (que, en principio,
Más detallesSistemas de dos ecuaciones lineales de primer grado con dos incógnitas
Un sistema de dos ecuaciones lineales de primer grado con dos incógnitas tiene la siguiente forma Ax + By + C = 0 A x + B y + C (1) = 0 Ya sabemos que una ecuación lineal de primer grado con dos incógnitas
Más detallesTema 2.- Formas Cuadráticas.
Álgebra. 004 005. Ingenieros Industriales. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema.- Formas Cuadráticas. Definición y representación matricial. Clasificación de las formas
Más detallesTema 2 Datos multivariantes
Aurea Grané Máster en Estadística Universidade Pedagógica 1 Aurea Grané Máster en Estadística Universidade Pedagógica 2 Tema 2 Datos multivariantes 1 Matrices de datos 2 Datos multivariantes 2 Medias,
Más detallesComputación Científica
Computación Científica Gustavo Rodríguez Gómez INAOE Agosto Dicembre 2012 1 / 19 Capítulo 2 Métodos Gradientes 2 / 19 1 Métodos Gradiente Introducción El método del gran descenso "steepest descent") Criterios
Más detallesUnidad 2: Ecuaciones, inecuaciones y sistemas.
Unidad 2: Ecuaciones, inecuaciones y sistemas 1 Unidad 2: Ecuaciones, inecuaciones y sistemas. 1.- Factorización de polinomios. M. C. D y m.c.m de polinomios. Un número a es raíz de un polinomio es 0.
Más detalles1 Método de la bisección. 1.1 Teorema de Bolzano Teorema 1.1 (Bolzano) Contenido
E.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 3: Solución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña
Más detallesMulticolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17
Román Salmerón Gómez Universidad de Granada RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 exacta: aproximada: exacta: aproximada: RSG Incumplimiento de las
Más detallesEcuaciones de primer grado
Matemáticas Unidad 16 Ecuaciones de primer grado Objetivos Resolver problemas que impliquen el planteamiento y la resolución de ecuaciones de primer grado de la forma x + a = b; ax = b; ax + b = c, utilizando
Más detallesMETODO SIMPLEX ANALISIS DE SENSIBILIDAD Y DUALIDAD
METODO SIMPLEX ANALISIS DE SENSIBILIDAD Y DUALIDAD Análisis de sensibilidad con la tabla simplex El análisis de sensibilidad para programas lineales implica el cálculo de intervalos para los coeficientes
Más detallesLuego, en el punto crítico
Matemáticas Grado en Química Ejercicios propuestos Tema 5 Problema 1. Obtenga y clasique los puntos críticos de las siguientes funciones: a fx, y = x +y, b fx, y = x y, c fx, y = x 3 + y. Solución del
Más detallesCAPITULO II ANÁLISIS DEL CRECIMIENTO POBLACIONAL Y CALCULO DE CAUDALES DE DISEÑO
9 CAPITULO II ANÁLISIS DEL CRECIMIENTO POBLACIONAL Y CALCULO DE CAUDALES DE DISEÑO 2.1 Criterios de diseño para el predimensionamiento de los sistemas de abastecimiento de agua 2.1.1 Período de diseño
Más detallesApéndice sobre ecuaciones diferenciales lineales
Apéndice sobre ecuaciones diferenciales lineales Juan-Miguel Gracia 10 de febrero de 2008 Índice 2 Determinante wronskiano. Wronskiano de f 1 (t), f 2 (t),..., f n (t). Derivada de un determinante de funciones.
Más detallesRESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES
UNIDD 4 RESOLUCIÓN DE SISTEMS MEDINTE DETERMINNTES Página 00 Resolución de sistemas mediante determinantes x y Resuelve, aplicando x = e y =, los siguientes sistemas de ecuaciones: x 5y = 7 5x + 4y = 6x
Más detallesELEMENTOS DE GEOMETRÍA. Eduardo P. Serrano
ELEMENTOS DE GEOMETRÍA Eduardo P. Serrano Este Apunte de Clase está dirigido a los alumnos de la materia Elementos de Cálculo Numérico para Biólogos. Tiene por objeto exponer algunos conceptos básicos
Más detallesTEMA 4: Sistemas de ecuaciones lineales II
TEM 4: Sistemas de ecuaciones lineales II ) Teorema de Rouché-Frobenius. ) Sistemas de Cramer: regla de Cramer. 3) Sistemas homogeneos. 4) Eliminación de parámetros. 5) Métodos de factorización. 5) Métodos
Más detallesTeoremas de Convergencia
Capítulo 24 Teoremas de Convergencia El teorema de la convergencia monótona (Lema 21.3) establece ciertas condiciones sobre una sucesión de funciones medibles para que se puedan permutar los símbolos y
Más detallesProblemas de Espacios Vectoriales
Problemas de Espacios Vectoriales 1. Qué condiciones tiene que cumplir un súbconjunto no vacío de un espacio vectorial para que sea un subespacio vectorial de este? Pon un ejemplo. Sean E un espacio vectorial
Más detallesPASO 1: Poner el problema en forma estandar.
MÉTODO DEL SIMPLEX PASO Poner el problema en forma estandar: La función objetivo se minimiza y las restricciones son de igualdad PASO 2 Encontrar una solución básica factible SBF PASO 3 Testar la optimalidad
Más detallesContenido. 1 Definiciones y propiedades. 2. Método de la potencia. 3. Método de la potencia inversa. 4. Método de la potencia inversa desplazada
ETS Minas: Métodos Matemáticos Resumen y ejemplos Tema 5: Valores y vectores propios Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Octubre
Más detallesCoordinación de Matemática I (MAT021) 1 er Semestre de 2013 Semana 7: Lunes 22 - Viernes 27 de Abril. Contenidos
Coordinación de Matemática I (MAT01) 1 er Semestre de 013 Semana 7: Lunes - Viernes 7 de Abril Cálculo Contenidos Clase 1: Álgebra de límites. Teorema del Sandwich. Cálculo de límites. Límites trigonométricos.
Más detallesProgramación entera: Ejemplos, resolución gráfica, relajaciones lineales. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Programación entera: Ejemplos, resolución gráfica, relajaciones lineales Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Programación entera: definición, motivación,
Más detallesGeneración de variables aleatorias continuas Método de la transformada inversa
Generación de variables aleatorias continuas Método de la transformada inversa Georgina Flesia FaMAF 16 de abril, 2013 Generación de v.a. discretas Existen diversos métodos para generar v.a. discretas:
Más detallesEstos apuntes se han sacado de la página de internet de vitutor con pequeñas modificaciones.
TEMA 1: MATRICES Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones ordenados en filas y columnas. Cada uno de los números de que consta la matriz se denomina elemento. Un elemento
Más detallesMatemáticas UNIDAD 5 CONSIDERACIONES METODOLÓGICAS. Material de apoyo para el docente. Preparado por: Héctor Muñoz
CONSIDERACIONES METODOLÓGICAS Material de apoyo para el docente UNIDAD 5 Preparado por: Héctor Muñoz Diseño Gráfico por: www.genesisgrafica.cl LA RELACIÓN DE PROPORCIONALIDAD 1. DESCRIPCIÓN GENERAL DE
Más detallesNOTACIÓN O GRANDE. El análisis de algoritmos estima el consumo de recursos de un algoritmo.
NOTACIÓN O GRANDE El análisis de algoritmos estima el consumo de recursos de un algoritmo. Esto nos permite comparar los costos relativos de dos o más algoritmos para resolver el mismo problema. El análisis
Más detallesProyecciones. Producto escalar de vectores. Aplicaciones
Proyecciones La proyección de un punto A sobre una recta r es el punto B donde la recta perpendicular a r que pasa por A corta a la recta r. Con un dibujo se entiende muy bien. La proyección de un segmento
Más detallesEcuaciones Diofánticas
2 Ecuaciones Diofánticas (c) 2011 leandromarin.com 1. Introducción Una ecuación diofántica es una ecuación con coeficientes enteros y de la que tenemos que calcular las soluciones enteras. En este tema
Más detallesFundamentos matemáticos. Tema 8 Ecuaciones diferenciales
Grado en Ingeniería agrícola y del medio rural Tema 8 José Barrios García Departamento de Análisis Matemático Universidad de La Laguna jbarrios@ull.es 2016 Licencia Creative Commons 4.0 Internacional J.
Más detallesy cualquier par (x, y) puede escalarse, multiplicarse por un número real s, para obtener otro vector (sx, sy).
UNIDAD II: VECTORES EN DOS Y TRES DIMENSIONES Un espacio vectorial (o espacio lineal) es el objeto básico de estudio en la rama de la matemática llamada álgebra lineal. A los elementos de los espacios
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 detallesProyecto. Tema 6 sesión 2: Generación de Rectas, Circunferencias y Curvas. Geometría Analítica. Isidro Huesca Zavaleta
Geometría Analítica Tema 6 sesión 2: Generación de Rectas, Circunferencias y Curvas Isidro Huesca Zavaleta La Integración de dos Ciencias La Geometría Analítica nació de la integración de dos ciencias
Más detallesVectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos
Tema 3: Repaso de Álgebra Lineal Parte I Virginia Mazzone Contenidos Vectores y Matrices Bases y Ortonormailizaciòn Norma de Vectores Ecuaciones Lineales Algenraicas Ejercicios Vectores y Matrices Los
Más detallesAlgebra Lineal Tarea No 22: Valores y vectores propios Solución a algunos problemas de la tarea (al 29 de junio de 2014)
Algebra Lineal Tarea No : Valores y vectores propios a algunos problemas de la tarea (al 9 de junio de 04. Para la matriz A A Indique cuáles vectores son vectores propios: ( ( ( v, v, v 3 3 Recordemos
Más detallesInversas de las matrices triangulares superiores
Inversas de las matrices triangulares superiores Ejercicios Objetivos. Demostrar que la inversa a una matriz triangular superior también es triangular superior. Requisitos. Algoritmo de inversión de una
Más detallesSobre funciones reales de variable real. Composición de funciones. Función inversa
Sobre funciones reales de variable real. Composición de funciones. Función inversa Cuando en matemáticas hablamos de funciones pocas veces nos paramos a pensar en la definición rigurosa de función real
Más detallesECUACIONES POLINÓMICAS CON UNA INCÓGNITA
Unidad didáctica. Ecuaciones, inecuaciones y sistemas de ecuaciones e inecuaciones ECUACIONES POLINÓMICAS CON UNA INCÓGNITA Las ecuaciones polinómicas son aquellas equivalentes a una ecuación cuyo primer
Más detallesSoluciones básicas factibles y vértices Introducción al método símplex. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Soluciones básicas factibles y vértices Introducción al método símplex Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema PLs en formato estándar Vértices y soluciones
Más detallesSemana03[1/17] Funciones. 16 de marzo de Funciones
Semana03[1/17] 16 de marzo de 2007 Introducción Semana03[2/17] Ya que conocemos el producto cartesiano A B entre dos conjuntos A y B, podemos definir entre ellos algún tipo de correspondencia. Es decir,
Más detallesEl Método Simplex. H. R. Alvarez A., Ph. D. 1
El Método Simplex H. R. Alvarez A., Ph. D. 1 El Método Simplex Desarrollado en 1947 por George Dantzig como parte de un proyecto para el Departamento de Defensa Se basa en la propiedad de la solución esquina
Más detallesIntroducción al Cálculo Numérico
Tema 1 Introducción al Cálculo Numérico 1.1 Introducción El Cálculo Numérico, o como también se le denomina, el Análisis numérico, es la rama de las Matemáticas que estudia los métodos numéricos de resolución
Más detallesEcuaciones paramétricas y simétricas de la recta en el espacio
Cálculo ectorial Unidad II.. Ecuaciones de rectas y planos M.C. Ángel León Unidad II - Álgebra de ectores.. Ecuaciones de rectas y planos Habíamos mencionado que una recta en el plano, se expresa a traés
Más detallesSimulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Simulación I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Modelos de simulación y el método de Montecarlo Ejemplo: estimación de un área Ejemplo: estimación
Más detallesLección 8: Potencias con exponentes enteros
GUÍA DE MATEMÁTICAS III Lección 8: Potencias con exponentes enteros Cuando queremos indicar productos de factores iguales, generalmente usamos la notación exponencial. Por ejemplo podemos expresar x, como
Más detallesMatriz A = Se denomina MATRIZ a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.
MATRICES Matriz Se denomina MATRIZ a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. a 11 a 12 a 1j a 1n a 21 a 22 a 2j a 2n A = a i1 a ij a in a m1 a
Más detallesDos matrices son iguales cuando tienen la misma dimensión y los elementos que ocupan el mismo lugar en ambas son iguales
Introducción Las matrices aparecen por primera vez hacia el año 1850, introducidas por J.J. Sylvester. El desarrollo inicial de la teoría se debe al matemático W.R. Hamilton en 1853. En 1858, A. Cayley
Más detallesTeoría Tema 9 Ecuaciones del plano
página 1/11 Teoría Tema 9 Ecuaciones del plano Índice de contenido Determinación lineal de un plano. Ecuación vectorial y paramétrica...2 Ecuación general o implícita del plano...6 Ecuación segmentaria
Más detallesPROGRAMACIÓN NO LINEAL INTRODUCCIÓN
PROGRAMACIÓN NO LINEAL Conceptos generales INTRODUCCIÓN Una suposición importante de programación lineal es que todas sus funciones Función objetivo y funciones de restricción son lineales. Aunque, en
Más detallesLección 12: Sistemas de ecuaciones lineales
LECCIÓN 1 Lección 1: Sistemas de ecuaciones lineales Resolución gráfica Hemos visto que las ecuaciones lineales de dos incógnitas nos permiten describir las situaciones planteadas en distintos problemas.
Más detallesVECTORES vector Vector posición par ordenado A(a, b) representa geométricamente segmento de recta dirigido componentes del vector
VECTORES Un vector (Vector posición) en el plano es un par ordenado de números reales A(a, b). Se representa geométricamente por un segmento de recta dirigido, cuyo punto inicial es el origen del sistema
Más detallesProgramación lineal. Estimar M. Ejemplos.
Departamento de Matemáticas. ITAM. 2010. Los problemas P y P minimizar x c T x sujeta a Ax = b, x 0, b 0 minimizar c T x + M(y 1 + y 2 + + y m ) x sujeta a Ax + y = b, x 0, y 0. Cómo estimar M? Resultado
Más detallesMÉTODOS MATEMÁTICOS DE LA ECONOMÍA
Universidad de Valladolid Facultad de Ciencias Económicas y Empresariales Departamento de Economía Aplicada Subsección de Matemáticas Esquemas teóricos de la asignatura de las licenciaturas en Economía
Más detallesLímites de funciones de varias variables.
Límites continuidad de funciones de varias variables Límites de funciones de varias variables. En este apartado se estudia el concepto de límite de una función de varias variables algunas de las técnicas
Más detallesSistemas de Ecuaciones. Lineales I
Sistemas de Ecuaciones Lineales I Preliminares: Expresión matricial. Dificultades numéricas. 521230-1 - DIM Universidad de Concepción Expresión matricial Todo sistema de ecuaciones lineales puede escribirse
Más detalles