DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA AMPLIACIÓN DE INVESTIGACIÓN OPERATIVA. Relación 6 (versión ) n n n.
|
|
- Lourdes Ruiz Chávez
- hace 8 años
- Vistas:
Transcripción
1 DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA AMPLIACIÓN DE INVESTIGACIÓN OPERATIVA. Relación 6 (versión ) 1. Escribir un modelo AMPL para resolver el siguiente problema lineal general: max s.a. Resolverlo para los siguientes casos particulares: z = n j=1 c jx j n j=1 a ijx j b 1 i, i I 1 n j=1 a ijx j = b 2 i, i I 2 n j=1 a ijx j b 3 i, i I 3 l j x j u j, j = 1,..., n (a) max z = 3x 1 + 2x 2 s.a. x 1 + 3x 2 10 x 1 + 7x 2 12 x 1, x 2 0 (b) max z = 3x 1 + 2x 2 s.a. x 1 + 3x 2 50 x 1 + 7x x 1 + 3x 2 = 15 x 1 x x x Un estudiante desea rentabilizar su viaje a Canarias comprando, para vender después en la península, CDs, radios, tabaco, vídeos, alcohol, cámaras, HiFi y relojes. La ganancia, peso y volumen unitarios asociados vienen dados en la siguiente tabla: Artículo Ganancia Peso Volumen CDs Radios Tabaco Vídeos Alcohol Cámaras HiFi Relojes Su maleta soporta un peso de 30 Kgs. y tiene una capacidad de 35 l. Determinar el plan óptimo de compras... (a) Ignorando la restricción de integridad en las variables. (b) Imponiendo que las variables sean enteras. (c) Teniendo en cuenta, además, que, legalmente, de cada producto no pueden traerse más de las siguientes cantidades: CD Radios Tabaco Vídeos Alcohol Cámaras HiFi Relojes
2 3. La dieta de una persona se basa en 8 productos básicos: BEEK, CHK, FISH, HAM, MCH, MTL, SPG y TUR, con los que debe cubrir sus necesidades de vitaminas A, B1, B2, C, sodio (NA) y calcio (CAL). El costo unitario de cada producto, así como las cantidades máximas y mínimas a ingerir vienen recogidas en la tabla: Producto costo cant.. cant. Max BEEF CHK FISH HAM MCH MTL SPG TUR Los niveles mínimos y máximos necesarios de nutrientes se recogen en la siguiente tabla: Nutriente n. n. Max A C B B NA CAL Asimismo, las cantidades de cada nutriente disponibles en cada alimento se dan en la siguiente tabla: BEEF CHK FISH HAM MCH MTL SPG TUR A C B B NA CAL Formular el problema de satisfacer las necesidades de nutrientes a mínimo costo. 4. Dado el siguiente modelo AMPL: set CANTMINNUT; set CANTMAXNUT; set NUTRIENTES := CANTMINNUT union CANTMAXNUT; set ALIMENTOS; param Costo {ALIMENTOS} >0; param Ali_min {ALIMENTOS} >=0; param Ali_max {ALIMENTOS} >=0; param Nut_min {CANTMINNUT} >=0; param Nut_max {CANTMAXNUT} >=0; param Cant_NutAli {NUTRIENTES,ALIMENTOS} >=0; var compra {j in ALIMENTOS} >= Ali_min[j], <= Ali_max[j];
3 minimize costototal: sum {j in ALIMENTOS} Costo[j] * compra[j]; subject to dieta_min {i in CANTMINNUT}: sum {j in ALIMENTOS} Cant_NutAli[i,j] * compra[j] >= Nut_min[i]; subject to dieta_max {i in CANTMAXNUT}: sum {j in ALIMENTOS} Cant_NutAli[i,j] * compra[j] <= Nut_max[i]; Se pide: (a) Escribir el modelo matemático asociado a este problema. (b) Escribir un conjunto de datos AMPL particular para asociar a este modelo, si la definición de los conjuntos es la siguiente: set CANTMINNUT := A B C; set CANTMAXNUT := A C D; set ALIMENTOS := F1 F2 F3; 5. Dado el siguiente problema: s.a. z = n c i+d i i=1 2 x i n i=1 a ijx i n i=1 a2 ij x i x i b j, j = 1,..., m e j, j = 1,..., m 0, i = 1,..., n donde x i, i = 1,..., n son las variables de decisión y el resto son datos del problema. (a) Escribir un modelo AMPL para resolverlo (iría en el fichero llamado: PEXA.MOD). (b) Escribe un fichero de datos AMPL (iría en el fichero llamado: PEXA.DAT) para asociar al modelo del apartado anterior, en el que: n = 2 y m = 1. (c) Rellena los siguientes huecos: AMPL: model ; AMPL: data ; AMPL: option solver cplex; AMPL: solve; AMPL: display ; AMPL: display ; para que aparezcan los pasos que seguiríamos para resolver con AMPL el problema particular planteado en este ejercicio, y obtener el valor de la función objetivo óptimo y los valores óptimos de las variables de decisión. 6. Dado el siguiente modelo AMPL: set PRODUCTOS; set EQUIPOS; param Tiempoproceso {PRODUCTOS,EQUIPOS} >=0; param Beneficio {PRODUCTOS} >=0; param Demanda {PRODUCTOS} >=0, integer;
4 Se pide: param Tdisponible {EQUIPOS} >= 0; var cantproducto {j in PRODUCTOS} >=Demanda[j], integer; maximize beneftotal: sum {j in PRODUCTOS} Beneficio[j]*cantproducto[j]; subject to tiempolimitado {i in EQUIPOS}: sum {j in PRODUCTOS} Tiempoproceso[j,i]*cantproducto[j] <= Tdisponible[i]; (a) Escribir el modelo matemático asociado a este problema. (b) Escribir un conjunto de datos AMPL particular para asociar a este modelo, si la definición de los conjuntos es la siguiente: set PRODUCTOS:= A B C D; set EQUIPOS:= 1 2 3; 7. Dado el siguiente modelo AMPL: Se pide: param n >=0, integer; set PISOS:=1..n; param super {PISOS}; param equip {PISOS}; param renta {PISOS}; param p in PISOS; var pesos {1..3} >=0; maximize valoracion: super[p]*pesos[1]+equip[p]*pesos[2]; subject to a: renta[p]*pesos[3]=1; subject to b {i in PISOS}: (super[i]*pesos[1]+equip[i]*pesos[2])<= renta[i]*pesos[3]; (a) Escribir el modelo matemático asociado a este problema. (b) Escribir un conjunto de datos AMPL particular para asociar a este modelo, si nos dicen que n = 6: param n:=6;. 8. La empresa Jobco utiliza una sola máquina para procesar tres trabajos. Tanto el tiempo de procesamiento como la fecha de entrega (en días) se proporcionan en la siguiente tabla. Las fechas de entrega se miden desde la fecha cero, que es la de inicio del primer trabajo. Tiempo de Fecha de Penalidad por Trabajo procedimiento (d) entrega (d) retraso (dólares/d) El objetivo del problema es determinar la secuencia con penalidad mínima por retraso para el procesamiento de los tres trabajos.
5 Asignación de tripulaciones a líneas de autobuses. 9. Una sociedad de transporte por carretera asegura servicio regular entre Nantes y París, disponiendo de 5 tripulaciones con un servicio horario París-Nantes y Nantes-París dado por: Salida de París N. de línea LLeg. Nantes Salida Nantes N. línea Lleg. París La sociedad desea saber cuáles deben ser las residencias de las tripulaciones y qué líneas deben atender para minimizar el tiempo total de ausencia de las tripulaciones de su domicilio, teniendo presente las exigencias del horario. Se tiene además la restricción de que ninguna tripulación emprenda un servicio si no ha disfrutado de un descanso superior a 6 horas. Variables de decisión: x ij = 1 si la línea i (i = 1, 2, 3, 4, 5) y la línea j (j = 6, 7, 8, 9, 10) son cubiertas por una misma tripulación, 0 en caso contrario. La línea i y la línea j pueden ser cubiertas por una tripulación que reside, o bien en París o bien en Nantes. Esto dependerá exclusivamente de en qué lugar de los dos se esté menos tiempo de ausencia de su domicilio. Por ejemplo, si hablamos de la línea 1 y 6, si se reside en París, el tiempo de ausencia sería: 31.5 (= ), y si se reside en Nantes, el tiempo de ausencia sería: 30.5 (= ), luego de cubrir estas líneas una tripulación, esta residiría en Nantes. A esos tiempos de ausencia de su domicilio mínimos los denotaremos por: c ij, i = 1,..., 5, j = 6,..., 10. Formulación: s.a. Realiza la formulación en lenguaje AMPL. Nota. La solución óptima es: Solucion Asig [*,*] : := ; zttotal = i=1 j=6 c ijx ij 5 i=1 x ij = 1, j = 6,..., j=6 x ij = 1, i = 1,..., 5 x ij {0, 1}, i, j
6 Programación No Lineal. 10. Consideramos el problema no lineal siguiente: var x{1..3}; maximize z: x[1]*x[2]+x[1]*x[3]+x[2]*x[3]; s.t. r1: x[1]+x[2]+x[3]-120=0; La sesión de AMPL para resolver este problema ha sido: ampl: reset; ampl: display x; ampl: model nl01.mod; x [*] := ampl: option solve minos; 1 40 ampl: solve; 2 40 MINOS 5.5: optimal solution found. 3 40; 4 iterations, objective 4800 ampl: display r1; Nonlin evals: obj = 10, grad = 9. r1 = 80 ampl: display z; z = 4800 ampl: display r1.slack; r1.slack = 0 Se puede comprobar en este caso que es realmente un máximo global (reduciendo la dimensión a 2, y convertirlo en un problema sin restricciones). El multiplicador lagrangiano es λ = 80 (AMPL indica λ = 80). 11. Resolver el siguiente problema cuadrático: Max z = 20x 1 10x 2 3x 2 1 2x 2 2 s.a. 2x 1 x 2 6 x 1 + x x 1 + 3x 2 8 x 1, x Resolver el siguiente problema fraccional lineal: x 1+2x 2 4x 1+3x 2+3 Max s.a. x 1 + x 2 2 x 1 + x 2 1 x 1, x 2 0 Atención con la Programación No Lineal. 13. Consideramos el problema no lineal siguiente: var x{1..2}; minimize z: x[1]^3+3; s.t. r1: 2*x[1]-x[2]-1<=0; s.t. r2: -2*x[1]+x[2]^2-1<=0; AMPL nos indica que ha encontrado la solución óptima: ampl: model nl03.mod; ampl: solve;
7 MINOS 5.5: optimal solution found. 0 iterations, objective 3 Nonlin evals: obj = 3, grad = 2, constrs = 3, Jac = 2. ampl: display z,x,r1,r2,r1.slack,r2.slack; z = 3 x [*] := ; r1 = 0 r2 = 0 r1.slack = 1 r2.slack = 1 Y no es cierto, ya que el punto x = ( 1 2, 0) con λ = (0, 3 8 ) y z = 23 8 = es un mínimo global (es mínimo local estricto, y tenemos que el conjunto factible es convexo y la función objetivo es cuasiconvexa). En AMPL, podemos decirle que inicie el algoritmo desde un punto determinado. Lo hicimos de la siguiente forma: ampl: let x[1]:=-0.5; let x[2]:=0; ampl: solve; MINOS 5.5: optimal solution found. 1 iterations, objective Nonlin evals: obj = 5, grad = 4, constrs = 5, Jac = 4. ampl: display z,x,r1,r2,r1.slack,r2.slack; z = x [*] := ; r1 = 0 r2 = r1.slack = 2 r2.slack = 0 Si trabajamos con el problema de maximizar: var x{1..2}; maximize z: x[1]^3+3; s.t. r1: 2*x[1]-x[2]-1<=0; s.t. r2: -2*x[1]+x[2]^2-1<=0; AMPL también responde de forma errónea diciendo que ha encontrado la solución óptima: display z,x,r1,r2,r1.slack,r2.slack; z = 3 x [*] := ; r1 = 0 r2 = 0 r1.slack = 1 r2.slack = 1 lo que no es cierto, ya que el máximo global es x = ( 3 2, 2) con λ = ( 9 2, 9 8 ) y z = (las curvas de nivel son rectas, y al recorrer con las curvas de nivel el conjunto factible, puede observarse que se trata del máximo global).
8 Podemos realizar los mismos pasos que en el problema de minimizar: let x[1]:=1.5; let x[2]:=2; solve; MINOS 5.5: optimal solution found. 1 iterations, objective display z,x,r1,r2,r1.slack,r2.slack; z = x [*] := ; r1 = 4.5 r2 = r1.slack = 0 r2.slack = 0 Optimización Global. 14. Resolver el siguiente problema: (x 1) 2 cos(5πx) s.a. x [ 0.1, 1] La representación gráfica de la función que queremos minimizar es: x El modelo AMPL sería: # global1.mod param Pi:= acos(-1); var x >= -0.1, <= 1; minimize z: (x-1)**2-cos(5*pi*x); La solución obtenida es: x = con z = (óptimo local). Si introducimos las siguientes modificaciones se obtiene: var x >= -0.1, <= 1, :=0.3; la solución obtenida es: x = con z = (óptimo local). var x >= -0.1, <= 1, :=0.7; la solución obtenida es: x = con z = (óptimo global).
9 15. Resolver el siguiente problema: 5 k=1 k sin [(k + 1)x + k] s.a. x [ 10, 10] La representación gráfica de la función que queremos minimizar es: 10 5 x El modelo AMPL sería: # global2.mod set I:= 1..5; var x >= -10, <= 10; minimize z: sum {k in I} k*sin((k+1)*x+k); Podemos resolver este problema con ayuda de los métodos multiarranque. # global2b.run set I:= 1..5; var x >=-10, <= 10; minimize z: sum {k in I} k*sin((k+1)*x+k); param xopt default 0; param zopt default 1E+9; for {1..10} { let x:=uniform(-10,10); solve; display z,x,zopt,xopt; if (z < zopt) then { let xopt:= x; let zopt:= z; display mejora ; }; }; display xopt,zopt; 16. Consideramos el siguiente problema: (y x2 π x π 6) (1 1 1 ) cos(x) π s.a. 5 x 10 0 y 15
10 La representación gráfica de la función que queremos minimizar es: # branin.mod # Número de variables: 2 # Número de restricciones: 4 # Objetivo no separable, no convexo # restricciones: cotas simples # Hay 3 mínimos globales con Fbr = : (-pi,12.275), # (pi,2.275), (3*pi,2.475). param pi := 4*atan(1); var x{1..2}; minimize Fbr: (x[2] - 5.1*x[1]^2/(4*pi*pi) + 5*x[1]/pi - 6)^2 + 10*(1-1/(8*pi))*cos(x[1]) + 10; s.t. Box1: -5 <= x[1] <= 10; s.t. Box2: 0 <= x[2] <= 15; 17. Consideramos el siguiente problema: x 2 +y cos(x) cos( y 2 ) + 1 s.a. 100 x y 100 La representación gráfica de la función que queremos minimizar es:
11 # griewank.mod # Número de variables: 2 # Número de restricciones: 4 # Objetivo no convexo, no separable # Restricciones con cotas simples # El mínimo global es Fgre = 0, x = (0,0). # Hay unos pocos mínimos locales. var x{1..2} <= 100, >= -100, := 1; minimize Fgre: (x[1]^2 + x[2]^2) / cos(x[1]) * cos(x[2] / sqrt(2)) + 1; 18. Dada: Y = β 0 + β 1 X 1 + β 2 X 2 + β 3 X 3 Resolver el siguiente problema de mínimos cuadrados: El modelo AMPL sería: n i=1 (y i β 0 ) 2 m j=1 β jx j s.a. β j R, j = 0, 1,..., m # cuadra1.mod param Nobser >0, integer; # Num. de observaciones param Nindep >0, integer; # Num. de variables independientes set OBSER:= 1..Nobser; set INDEP:= 1..Nindep; param y {OBSER}; param x {OBSER,INDEP}; var Beta0 >= 0; # Término independiente var Beta {INDEP} >= 0; minimize SumaResiduos: sum {i in OBSER} (y[i]-beta0- (sum {j in INDEP} x[i,j]*beta[j]))**2; Unos datos asociados a este modelo podrían ser: # cuadra1.dat param Nobser:= 8; param Nindep:= 3; param y:= ; param x (tr): := ;
12 19. Podemos definir un problema fraccional lineal como: s.a. pt x + α q t x + β Ax = b x 0 donde p y q pertenecen a R n, b R m, A es una matriz m n, y α, β R. Notas: (1) Si existe una solución óptima para el problema fraccional lineal, entonces existe un punto extremo óptimo. (2) Además, cada mínimo local es un mínimo global. Método de Charnes y Cooper. Consideramos dos casos: q t x + β > 0 en el conjunto S = { x Ax b, x 0 }. Se considera el cambio de variables: z = 1 q t x + β y = zx Queda el problema lineal: p t y + αz s.a. Ay bz 0 q t y + βz = 1 y 0 z 0 Si (y, z ) es una solución de este problema lineal, x = y /z será la solución del problema fraccional lineal. q t x + β < 0 en el conjunto S = { x Ax b, x 0 }. Se considera el cambio de variables: z = 1 q t x + β y = zx Queda el problema lineal: p t y αz s.a. Ay bz 0 q t y βz = 1 y 0 z 0 Si (y, z ) es una solución de este problema lineal, x = y /z será la solución del problema fraccional lineal. Notas: (1) Si existen x 1, x 2 S tal que q t x 1 + β > 0 y q t x 2 + β < 0, entonces la solución óptima al problema fraccional sería no acotada. (2) Si las restricciones son del tipo Ax =,, b las restricciones del problema lineal transformado serían: Ay bz =,, 0, respectivamente. Resolver el siguiente problema fraccional lineal, formulando un modelo AMPL que resuelva el problema lineal asociado adecuado. 2x 1+x 2 x 1+5x 2 s.a. x 1 + x 2 1 x 1 x 2 5 x 1 2x 2 5 x 1, x 2 0
BREVE MANUAL DE SOLVER
BREVE MANUAL DE SOLVER PROFESOR: DAVID LAHOZ ARNEDO PROGRAMACIÓN LINEAL Definición: Un problema se define de programación lineal si se busca calcular el máximo o el mínimo de una función lineal, la relación
Más detallesPROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables
Capítulo 8 PROGRAMACIÓN LINEAL 8.1. Introducción La programación lineal es una técnica matemática relativamente reciente (siglo XX), que consiste en una serie de métodos y procedimientos que permiten resolver
Más detallesOPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 2 Programación Lineal
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 2 Programación Lineal ORGANIZACIÓN DEL TEMA Sesiones: Introducción, definición y ejemplos Propiedades y procedimientos de solución Interpretación económica
Más detallesAnálisis de los datos
Universidad Complutense de Madrid CURSOS DE FORMACIÓN EN INFORMÁTICA Análisis de los datos Hojas de cálculo Tema 6 Análisis de los datos Una de las capacidades más interesantes de Excel es la actualización
Más detalles4.3 INTERPRETACIÓN ECONÓMICA DE LA DUALIDAD
4.3 INTERPRETACIÓN ECONÓMICA DE LA DUALIDAD El problema de programación lineal se puede considerar como modelo de asignación de recursos, en el que el objetivo es maximizar los ingresos o las utilidades,
Más detallesFundamentos de Investigación de Operaciones Asignación y Vendedor Viajero
Fundamentos de Investigación de Operaciones y Vendedor Viajero 23 de mayo de 2004 Si bien la resolución del problema de transporte mediante tableau parece ser muy expedita, existen ciertos tipos de problemas
Más detallesProgramación Lineal: Modelos PLE
Programación Lineal: Modelos PLE CCIR / Matemáticas euresti@itesm.mx CCIR / Matemáticas Programación Lineal: Modelos PLE euresti@itesm.mx 1 / 35 Introduccion Introduccion En esta lectura se verán cómo
Más detallesUCLM - Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG)
PAEG Junio 0 Propuesta A Matemáticas aplicadas a las CCSS II º Bachillerato UCLM - Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales
Más detallesTema 6: Problemas Especiales de Programación Lineal
Tema 6: Problemas Especiales de Programación Lineal Transporte Asignación Transbordo Tienen una estructura especial que permite modelizar situaciones en las que es necesario: Determinar la manera óptima
Más detallesMatrices. Definiciones básicas de matrices. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.mx
Matrices Definiciones básicas de matrices wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 2007-2008 Contenido 1 Matrices 2 11 Matrices cuadradas 3 12 Matriz transpuesta 4 13 Matriz identidad
Más detallesMATEMÁTICAS III. RESTRICCIONES DE IGUALDAD
MATEMÁTICAS III. PROBLEMAS Y CUESTIONES TEMA 4: RESTRICCIONES DE IGUALDAD OPTIMIZACIÓN CON Problema 1: Una empresa calcula que puede alcanzar unos beneficios anuales (en miles de euros) dados por la función:
Más detallesE 1 E 2 E 2 E 3 E 4 E 5 2E 4
Problemas resueltos de Espacios Vectoriales: 1- Para cada uno de los conjuntos de vectores que se dan a continuación estudia si son linealmente independientes, sistema generador o base: a) (2, 1, 1, 1),
Más detallesIntroducción al programa WinQSB
Introducción al programa WinQSB WinQSB es un sistema interactivo de ayuda a la toma de decisiones que contiene herramientas muy útiles para resolver distintos tipos de problemas en el campo de la investigación
Más detallesAXIOMAS DE CUERPO (CAMPO) DE LOS NÚMEROS REALES
AXIOMASDECUERPO(CAMPO) DELOSNÚMEROSREALES Ejemplo: 6 INECUACIONES 15 VA11) x y x y. VA12) x y x y. Las demostraciones de muchas de estas propiedades son evidentes de la definición. Otras se demostrarán
Más detallesSOLUCION DE MODELOS DE PROGRAMACION LINEAL EN UNA HOJA DE CALCULO. PROBLEMAS DE TRANSPORTE Y ASIGNACION.
UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE INGENIERÍA DEPARTAMENTO DE INGENIERÍA DE LA PRODUCCIÓN INGENIERÍA INDUSTRIAL SOLUCION DE MODELOS DE PROGRAMACION LINEAL EN UNA HOJA DE CALCULO. PROBLEMAS DE
Más detallesPROGRAMACIÓN LINEAL. Ejemplo a) Dibuja el recinto formado por los puntos que cumplen las siguientes condiciones:
PROGRAMACIÓN LINEAL CONTENIDOS: Desigualdades e inecuaciones. Sistemas lineales de inecuaciones. Recintos convexos. Problemas de programación lineal. Terminología básica. Resolución analítica. Resolución
Más detallesMATEMÁTICAS PARA LA ECONOMIA II G.E.C.O. Curso 2012/2013
MATEMÁTICAS PARA LA ECONOMIA II G.E.C.O. Curso 2012/2013 Relación de Ejercicios N o 3 1. Resolver los siguientes programas lineales primero gráficamente y después por el método del simplex. (a) Z = x +
Más detallesx 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas.
Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Septiembre 2012 - Propuesta A 1. Queremos realizar una inversión en dos tipos
Más detallesProgramación Lineal y Optimización Segundo Examen Parcial :Solución Profr. Eduardo Uresti, Verano 2009
Programación Lineal y Optimización Segundo Examen Parcial : Profr. Eduardo Uresti, Verano 2009 Matrícula: Nombre: 1. Suponga que se tiene disponible la siguiente información salida de LINDO a un problema
Más detallesUnidad III: Programación no lineal
Unidad III: Programación no lineal 3.1 Conceptos básicos de problemas de programación no lineal Programación no lineal (PNL) es el proceso de resolución de un sistema de igualdades y desigualdades sujetas
Más detallesUNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS (SOLUCIONES )
UNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS SOLUCIONES HOJA 5: Optimización 5-1. Hallar los puntos críticos de las siguiente funciones y clasificarlos: a fx, y = x y + xy.
Más detallesMin 2x x 2 2 2x 1 x 2 6x 2 4x 1 s.a. x x 2 2 = 1 x 1, x 2 0
DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA Ampliación de la Investigación Operativa. Curso 2001/2002 Segundo de la Diplomatura de Estadística Examen de Septiembre. Fecha: 10-9-2002 1. Dado el
Más detalleseuresti@itesm.mx Matemáticas
al Método al Método Matemáticas al Método En esta lectura daremos una introducción al método desarrollado por George Bernard Dantzig (8 de noviembre de 1914-13 de mayo de 2005) en 1947. Este método se
Más detalles1 Espacios y subespacios vectoriales.
UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Espacios vectoriales y sistemas de ecuaciones 1 Espacios y subespacios vectoriales Definición 1 Sea V un conjunto
Más detallesSISTEMAS INTELIGENTES
SISTEMAS INTELIGENTES T11: Métodos Kernel: Máquinas de vectores soporte {jdiez, juanjo} @ aic.uniovi.es Índice Funciones y métodos kernel Concepto: representación de datos Características y ventajas Funciones
Más detalles4. Se considera la función f(x) =. Se pide:
Propuesta A 1. Queremos realizar una inversión en dos tipos de acciones con las siguientes condiciones: Lo invertido en las acciones de tipo A no puede superar los 10000 euros. Lo invertido en las acciones
Más detallesFundamentos de Investigación de Operaciones Investigación de Operaciones 1
Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 1 de agosto de 2003 1. Introducción Cualquier modelo de una situación es una simplificación de la situación real. Por lo tanto,
Más detallesÁlgebra y Matemática Discreta Sesión de Prácticas 1
Álgebra y Matemática Discreta Sesión de Prácticas 1 (c) 2013 Leandro Marín, Francisco J. Vera, Gema M. Díaz 16 Sep 2013-22 Sep 2013 Estructuras Algebraicas La Estructura como Variable Tenemos una gran
Más detallesUNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES. OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano.
UNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano. EL PLANO CARTESIANO. El plano cartesiano está formado
Más detallesCómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1
. ESPACIOS VECTORIALES Consideremos el siguiente subconjunto de R 4 : S = {(x, x 2, x 3, x 4 )/x x 4 = 0 x 2 x 4 = x 3 a. Comprobar que S es subespacio vectorial de R 4. Para demostrar que S es un subespacio
Más detallesEspacios generados, dependencia lineal y bases
Espacios generados dependencia lineal y bases Departamento de Matemáticas CCIR/ITESM 14 de enero de 2011 Índice 14.1. Introducción............................................... 1 14.2. Espacio Generado............................................
Más detallesUNIDAD 6. Programación no lineal
UNIDAD 6 Programación no lineal En matemática Programación no lineal (PNL) es el proceso de resolución de un sistema de igualdades y desigualdades sujetas a un conjunto de restricciones sobre un conjunto
Más detallesUn programa entero de dos variables. 15.053 Jueves, 4 de abril. La región factible. Por qué programación entera? Variables 0-1
15.053 Jueves, 4 de abril Un programa entero de dos variables Introducción a la programación entera Modelos de programación entera Handouts: material de clase maximizar 3x + 4y sujeto a 5x + 8y 24 x, y
Más detallesExamen de Matemáticas 2 o de Bachillerato Mayo 2003
Examen de Matemáticas o de Bachillerato Mayo 00 1. Expresar el número 60 como suma de tres enteros positivos de forma que el segundo sea el doble del primero y su producto sea máximo. Determinar el valor
Más detallesTema 2 : NÚMEROS ENTEROS. Primero de Educación Secundaria Obligatoria. I.e.s Fuentesaúco.
2010 Tema 2 : NÚMEROS ENTEROS. Primero de Educación Secundaria Obligatoria. I.e.s Fuentesaúco. Manuel González de León mgdl 01/01/2010 INDICE: 01. DE LOS NÚMEROS NATURALES A LOS NÚMEROS ENTEROS. 02. VALOR
Más detalles1. Ecuaciones no lineales
1. Ecuaciones no lineales 1.1 Ejercicios resueltos Ejercicio 1.1 Dada la ecuación xe x 1 = 0, se pide: a) Estudiar gráficamente sus raíces reales y acotarlas. b) Aplicar el método de la bisección y acotar
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detallesUnidad 4 Programación lineal
Unidad 4 Programación lineal PÁGINA 79 SOLUCIONES 1. Las regiones quedan: a) b) 2. El sistema pedido es: x y > 1 2x + y < 7 y > 1 1 PÁGINA 91 SOLUCIONES 1. Sumando los kilos de todos los sacos, obtenemos
Más detallesÁlgebra Lineal Ma1010
Álgebra Lineal Ma1010 Mínimos Cuadrados Departamento de Matemáticas ITESM Mínimos Cuadrados Álgebra Lineal - p. 1/34 En esta sección veremos cómo se trabaja un sistema inconsistente. Esta situación es
Más detallesEJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores
EJERCICIOS DE MATEMÁTICAS I HOJA 4 Ejercicio 1. Se consideran los vectores u 1 = (1, 1, 0, 1), u 2 = (0, 2, 1, 0), u 3 = ( 1, 1, 1, 1), u 4 = (2, 2, 1, 0) de R 4. Expresa, si es posible, los vectores u
Más detallesPROGRAMACIÓN LINEAL Teoría General de Programación Lineal y Fase de Formulación y Construcción de Modelos.
PROGRAMACIÓN LINEAL Objetivo: Proponer en forma cuantitativa acciones o decisiones a tomar para optimizar sistemas donde existan recursos escasos y se presenten relaciones lineales, mediante la teoría
Más detallesH E R R A M I E N T A S D E A N Á L I S I S D E D A T O S HERRAMIENTAS DE ANÁLISIS DE DATOS
H E R R A M I E N T A S D E A N Á L I S I S D E D A T O S HERRAMIENTAS DE ANÁLISIS DE DATOS Una situación que se nos plantea algunas veces es la de resolver un problema hacia atrás, esto es, encontrar
Más detallesProblema de Programación Lineal
Problema de Programación Lineal Introducción La optimización es un enfoque que busca la mejor solución a un problema. Propósito: Maximizar o minimizar una función objetivo que mide la calidad de la solución,
Más detallesFunciones de varias variables
Funciones de varias variables Derivadas parciales. El concepto de función derivable no se puede extender de una forma sencilla para funciones de varias variables. Aquí se emplea el concepto de diferencial
Más detallesTema 5: Dualidad y sensibilidad de los modelos lineales.
ema 5: Dualidad y sensibilidad de los modelos lineales. Objetivos del tema: Introducir el concepto de Sensibilidad en la Programación Lineal Introducir el concepto de Dualidad en la Programación Lineal
Más detalles1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS
1 1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS 1.1. ESPACIOS VECTORIALES 1. Analizar cuáles de los siguientes subconjuntos de R 3 son subespacios vectoriales. a) A = {(2x, x, 7x)/x R} El conjunto A es una
Más detallesActividades Complementarias.
4.1. Balanceo de Líneas. Unidad IV Monitoreo y Control de Operaciones El análisis de las líneas de producción es el foco central del análisis de disposiciones físicas por productos. El diseño del producto
Más detallesProgramación Lineal y Optimización Segundo Examen Parcial Respuesta: :Solución Profr. Eduardo Uresti, Enero-Mayo 2011
Matrícula: Nombre: Programación Lineal y Optimización Segundo Examen Parcial Respuesta: : Profr. Eduardo Uresti, Enero-Mayo 2011 1. Suponga que tiene una empresa que produce tres tipos de productos (P
Más detallesSubespacios vectoriales en R n
Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo
Más detallesCaracterísticas de funciones que son inversas de otras
Características de funciones que son inversas de otras Si f es una función inyectiva, llamamos función inversa de f y se representa por f 1 al conjunto. f 1 = a, b b, a f} Es decir, f 1 (x, y) = { x =
Más detalles1. INTRODUCCIÓN 1.1 INGENIERÍA
1. INTRODUCCIÓN 1.1 INGENIERÍA Es difícil dar una explicación de ingeniería en pocas palabras, pues se puede decir que la ingeniería comenzó con el hombre mismo, pero se puede intentar dar un bosquejo
Más detallesMÁQUINA DE VECTORES DE SOPORTE
MÁQUINA DE VECTORES DE SOPORTE La teoría de las (SVM por su nombre en inglés Support Vector Machine) fue desarrollada por Vapnik basado en la idea de minimización del riesgo estructural (SRM). Algunas
Más detallesÁLGEBRA 2º Ciencias Sociales PAU- LOGSE
. (Jun. 205 Opción A) Dadas las matrices A = ( a 2 + 2 2 ), B = ( ) y C = (c 0 0 b 0 c ) Calcula las matrices A B y B C. Calcula los valores de a, b y c que cumplen A B B C. Sol.- 2. (Jun. 205 Opción B)
Más detalles1.4.- D E S I G U A L D A D E S
1.4.- D E S I G U A L D A D E S OBJETIVO: Que el alumno conozca y maneje las reglas empleadas en la resolución de desigualdades y las use para determinar el conjunto solución de una desigualdad dada y
Más detallesUnidad 7 Aplicación de máximos y mínimos
Unidad 7 Aplicación de máimos y mínimos Objetivos Al terminar la unidad, el alumno: Interpretará el concepto de ingreso y costos marginal. Aplicará la función de ingresos en problemas de maimización. Aplicará
Más detallesMICROECONOMÍA II PRÁCTICA TEMA III: MONOPOLIO
MICROECONOMÍA II PRÁCTICA TEMA III: MONOPOLIO EJERCICIO 1 Primero analizamos el equilibrio bajo el monopolio. El monopolista escoge la cantidad que maximiza sus beneficios; en particular, escoge la cantidad
Más detallesPROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2.
PROBLEMA. ESCUELA UNIVERSITARIA POLITÉCNICA DE SEVILLA Ingeniería Técnica en Diseño Industrial Fundamentos Matemáticos de la Ingeniería Soluciones correspondientes a los problemas del Primer Parcial 7/8.
Más detallesL A P R O G R A M A C I O N
L A P R O G R A M A C I O N L I N E A L 1. INTRODUCCIÓN: la programación lineal como método de optimación La complejidad de nuestra sociedad en cuanto a organización general y económica exige disponer
Más detallesFunciones más usuales 1
Funciones más usuales 1 1. La función constante Funciones más usuales La función constante Consideremos la función más sencilla, por ejemplo. La imagen de cualquier número es siempre 2. Si hacemos una
Más detallesRelaciones y funciones
Relaciones y funciones En matemáticas, una relación es un conjunto de pares ordenados. Como si se tratara de coordenadas de puntos, un conjunto de pares ordenados, forma una relación. Relación Es un conjunto
Más detallesProgramación Lineal Continua/ Investigación Operativa. EJERCICIOS DE INVESTIGACIÓN OPERATIVA. Hoja 1
EJERCICIOS DE INVESTIGACIÓN OPERATIVA. Hoja 1 1. Una empresa que fabrica vehículos quiere determinar un plan de producción semanal. Esta empresa dispone de 5 fábricas que producen distintos elementos del
Más detallesEJERCICIOS DE PROGRAMACIÓN LINEAL
EJERCICIOS DE PROGRAMACIÓN LINEAL 1. Disponemos de 210.000 euros para invertir en bolsa. Nos recomiendan dos tipos de acciones. Las del tipo A, que rinden el 10% y las del tipo B, que rinden el 8%. Decidimos
Más detalles5: LA FUNCIÓN PRODUCTIVA DE LA EMPRESA
5: LA FUNCIÓN PRODUCTIVA DE LA EMPRESA 1. EL ÁREA DE PRODUCCIÓN DE LA EMPRESA: PRODUCIR: consiste en incrementar la utilidad de los bienes para satisfacer necesidades humanas. Ello implica realizar todas
Más detallesBASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.
BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades
Más detallesEstadística de Movimientos Turísticos en Fronteras de Canarias (FRONTUR-Canarias).
Estadística de Movimientos Turísticos en Fronteras de Canarias (FRONTUR-Canarias). González Mora, Yenis Marisel ygonmor@gobiernodecanarias.org jgonyanp@gobiernodecanarias.org Instituto Canario de Estadística
Más detallesAnálisis de componentes principales
Capítulo 2 Análisis de componentes principales 2.1. INTRODUCCIÓN El Análisis de componentes principales trata de describir las características principales de un conjunto de datos multivariantes, en los
Más detallesA25. Informática aplicada a la gestión Curso 2005/2006 Excel Tema 7. Funciones avanzadas de Excel II
DEPARTAMENTO DE LENGUAJES Y SISTEMAS INFORMÁTICOS ESCUELA SUPERIOR DE TECNOLOGÍA Y CIENCIAS EXPERIMENTALES A.D.E.M. Segundo Curso A25. Informática aplicada a la gestión Curso 2005/2006 Excel Tema 7. Funciones
Más detallesLección 24: Lenguaje algebraico y sustituciones
LECCIÓN Lección : Lenguaje algebraico y sustituciones En lecciones anteriores usted ya trabajó con ecuaciones. Las ecuaciones expresan una igualdad entre ciertas relaciones numéricas en las que se desconoce
Más detallesMATEMÁTICAS BÁSICAS. Autora: Jeanneth Galeano Peñaloza Edición: Oscar Guillermo Riaño
MATEMÁTICAS BÁSICAS Autora: Jeanneth Galeano Peñaloza Edición: Oscar Guillermo Riaño Universidad Nacional de Colombia Departamento de Matemáticas Sede Bogotá Enero de 2015 Universidad Nacional de Colombia
Más detallesOptimización, Solemne 2. Semestre Otoño 2012 Profesores: Paul Bosch, Rodrigo López, Fernando Paredes, Pablo Rey Tiempo: 110 min.
UNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERIA. ESCUELA DE INGENIERIA INDUSTRIAL. Optimización, Solemne. Semestre Otoño Profesores: Paul Bosch, Rodrigo López, Fernando Paredes, Pablo Rey Tiempo: min.
Más detallesEjercicios de Programación Lineal
Ejercicios de Programación Lineal Investigación Operativa Ingeniería Informática, UCM Curso 8/9 Una compañía de transporte dispone de camiones con capacidad de 4 libras y de 5 camiones con capacidad de
Más detallesEcuaciones de primer grado con dos incógnitas
Ecuaciones de primer grado con dos incógnitas Si decimos: "las edades de mis padres suman 120 años", podemos expresar esta frase algebraicamente de la siguiente forma: Entonces, Denominamos x a la edad
Más detallesREPRODUCCIÓN DE LAS TABLAS DE CRECIMENTO INFANTIL QUE UTILIZAN LOS PEDIATRAS CON LOS DATOS DE LOS NIÑOS DEL COLEGIO XX
Página 1 de 12 REPRODUCCIÓN DE LAS TABLAS DE CRECIMENTO INFANTIL QUE UTILIZAN LOS PEDIATRAS CON LOS DATOS DE LOS NIÑOS DEL COLEGIO XX Autoras: Curso: 3º ESO Escuela: Tutora: Fecha: 08 Mayo 2015 Página
Más detallesGEOMETRÍA 1.- INTRODUCCIÓN:
GEOMETRÍA 1.- INTRODUCCIÓN: Etimológicamente hablando, la palabra Geometría procede del griego y significa Medida de la Tierra. La Geometría es la parte de las Matemáticas que estudia las idealizaciones
Más detalles1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0 1 0 0 0 0 1 1 0 1 1 0 0 0 1 1 1 1
5.1.3 Multiplicación de números enteros. El algoritmo de la multiplicación tal y como se realizaría manualmente con operandos positivos de cuatro bits es el siguiente: 1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0
Más detallesINTRODUCCION..2 ANALISIS POSOPTIMO O DE SENSIBILIDAD.3. CAMBIOS EN LA VARIABLE DE COEFICIENTE.3 SOLUCIOON DE EJMPLO 2.14
INDICE: 1 INTRODUCCION.. ANALISIS POSOPTIMO O DE SENSIBILIDAD.3. CAMBIOS EN LA VARIABLE DE COEFICIENTE.3 CAMBIOS QUE AFECTAN LA FACTIBILIDAD..5 SOLUICON DE JEJMPLO 1..7 SOLUCIOON DE EJMPLO.14 CONCLUCIONES
Más detallesMatrices equivalentes. El método de Gauss
Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar
Más detallesLección 1-Introducción a los Polinomios y Suma y Resta de Polinomios. Dra. Noemí L. Ruiz Limardo 2009
Lección 1-Introducción a los Polinomios y Suma y Resta de Polinomios Dra. Noemí L. Ruiz Limardo 2009 Objetivos de la Lección Al finalizar esta lección los estudiantes: Identificarán, de una lista de expresiones
Más detallesPruebas de acceso a enseñanzas universitarias oficiales de grado Castilla y León
Pruebas de acceso a enseñanzas universitarias oficiales de grado Castilla y León MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES EJECICIO Nº Páginas OPTATIVIDAD: EL ALUMNO DEBEÁ ESCOGE UNA DE LAS DOS OPCIONES
Más detallesJesús Getán y Eva Boj. Marzo de 2014
Optimización sin restricciones Jesús Getán y Eva Boj Facultat d Economia i Empresa Universitat de Barcelona Marzo de 2014 Jesús Getán y Eva Boj Optimización sin restricciones 1 / 32 Formulación del problema
Más detallesRecursos HELP DESK Biblioteca 2012
Investigación operativa aplicada al Help Desk INTRODUCCION Este artículo está dirigido a aquellas personas que tienen la responsabilidad del diseño de estructuras de soporte, ya sea de empresas de Outsourcing
Más detallesÍNDICE QUIÉN TIENE DERECHO A UNA PENSIÓN DE JUBILACIÓN? CUÁNTO COBRARÁ? CÓMO FUNCIONA LA PREJUBILACIÓN?
ÍNDICE QUIÉN TIENE DERECHO A UNA PENSIÓN DE JUBILACIÓN? CUÁNTO COBRARÁ? CÓMO FUNCIONA LA PREJUBILACIÓN? 1 1 4 Todos queremos disfrutar en el futuro de nuestra jubilación, y para ello es fundamental contar
Más detallesEn este PDF encontrará los siguientes temas que debe estudiar para la clase:
En este PDF encontrará los siguientes temas que debe estudiar para la clase: Función de oferta, superávit de consumidores y productores, análisis marginal: Costo marginal, Ingreso marginal, Utilidad marginal
Más detallesSelectividad Junio 2008 JUNIO 2008 PRUEBA A
Selectividad Junio 008 JUNIO 008 PRUEBA A 3 a x + a y =.- Sea el sistema: x + a y = 0 a) En función del número de soluciones, clasifica el sistema para los distintos valores del parámetro a. b) Resuélvelo
Más detalles(A) Primer parcial. si 1 x 1; x 3 si x>1. (B) Segundo parcial
CÁLCULO DIFERENCIAL E INTEGRAL I EVALUACIÓN GLOBAL E700 1) x 5 > 1. A) Primer parcial ) Sean las funciones ft) t +,gy) y 4&hw) w. Encontrar f/h, g f, f g y sus dominios. ) Graficar la función x + six
Más detallesProfr. Efraín Soto Apolinar. La función lineal. y = a 0 + a 1 x. y = m x + b
La función lineal Una función polinomial de grado uno tiene la forma: y = a 0 + a 1 x El semestre pasado estudiamos la ecuación de la recta. y = m x + b En la notación de funciones polinomiales, el coeficiente
Más detallesSección 1: Introducción
Sección 1: Introducción Bienvenido a la sección de referencias! La primera sección tiene como meta ayudar al facilitador a presentar el curso a los participantes, comenzando con un objetivo muy claro.
Más detallesEjercicios Certamen #2
Ejercicios Certamen #2 ILI-281, Fundamentos de Investigación de Operaciones Primer período académico 2003 Esteban Sáez Departamento de Informática UTFSM Junio 2003 P1-C2-S1-2002 Un administrador de un
Más detalles2.2. LA COMPRA. TOMA DE DECISIONES DEL CLIENTE.
2.2. LA COMPRA. TOMA DE DECISIONES DEL CLIENTE. En este epígrafe abordaremos el estudio del comportamiento de compra del consumidor, para ello tendremos que estudiar tanto las distintas situaciones de
Más detallesProgramación Entera. P.E pura: Todas las variables de decisión tienen valores enteros.
Clase # 7 Programación Entera. Programación entera es programación lineal con la restricción adicional de que los valores de las variables de decisión sean enteros. P.E pura: Todas las variables de decisión
Más detallesProblemas Resueltos de Desigualdades y Programación Lineal
Universidad de Sonora División de Ciencias Exactas y Naturales Departamento de Matemáticas. Problemas Resueltos de Desigualdades y Programación Lineal Para el curso de Cálculo Diferencial de Químico Biólogo
Más detalles2) Se ha considerado únicamente la mano de obra, teniéndose en cuenta las horas utilizadas en cada actividad por unidad de página.
APLICACIÓN AL PROCESO PRODUCTIVO DE LA EMPRESA "F. G. / DISEÑO GRÁFICO". AÑO 2004 Rescala, Carmen Según lo explicado en el Informe del presente trabajo, la variación en la producción de páginas web de
Más detallesDibujamos estos puntos en el espacio, y no cerramos la figura
PRÁCTICA SÉPTIMA: PROYECCIÓN ORTOGONAL. INVERSA DE MOORE-PENROSE 1. Proyección de un vector sobre un subespacio En este apartado vamos a recordar como se proyecta un vector v R m sobre un subespacio vectorial
Más detalles-.PROGRAMACION LINEAL.- Problemas resueltos
-.PROGRAMACION LINEAL.- Problemas resueltos EJEMPLO 1. Un expendio de carnes de la ciudad acostumbra preparar la carne para albondigón con una combinación de carne molida de res y carne molida de cerdo.
Más detallesPRÁCTICA 1: Optimización con Excel 2010
Grado en Administración de Empresas Departamento de Estadística Asignatura: Optimización y Simulación para la Empresa Curso: 2011/2012 PRÁCTICA 1: Optimización con Excel 2010 1. Modelización mediante hojas
Más detalles1. Producto escalar, métrica y norma asociada
1. asociada Consideramos el espacio vectorial R n sobre el cuerpo R; escribimos los vectores o puntos de R n, indistintamente, como x = (x 1,..., x n ) = n x i e i i=1 donde e i son los vectores de la
Más detallesColección de Problemas IV
1.- Una compañía se dedica a la elaboración de 2 productos, la demanda de estos productos es de 200 unidades para cada uno de ellos. La compañía podrá elaborar los productos o comprarlos a un proveedor.
Más detalles3.- DETERMINANTES. a 11 a 22 a 12 a 21
3.- DETERMINANTES. 3.1. -DEFINICIÓN Dada una matriz cuadrada de orden n, se llama determinante de esta matriz (y se representa por A o deta al polinomio cuyos términos son todos los productos posibles
Más detallesDefinición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una
Más detallesSISTEMAS Y MANUALES DE LA CALIDAD
SISTEMAS Y MANUALES DE LA CALIDAD NORMATIVAS SOBRE SISTEMAS DE CALIDAD Introducción La experiencia de algunos sectores industriales que por las características particulares de sus productos tenían necesidad
Más detalles