máx 5x 1 + 7x 2 s.a 2x 1 + x x 1 + 9x 2 41 x 1 0, x 2 0, enteras, z opt z opt 38
|
|
- José Ignacio Rey Casado
- hace 6 años
- Vistas:
Transcripción
1 Programación Lineal Entera / Investigación Operativa PROBLEMAS DE INVESTIGACIÓN OPERATIVA. Hoja 4. Resuelve el siguiente problema de programación entera por el método Branch and Bound: máx 5x + 7x s.a x + x 5x + 9x 4 x, x, enteras, Resuelve los subproblemas gráficamente. Para simplificar los cálculos, ramifica por la variable x. Solución. La solución del problema relajado P es x = (5 84; ), con valor objetivo z = 8 8. Entonces, sabemos que Ramificamos sobre x : z opt 8 La solución del problema relajado P, que resulta al añadir la restricción x 5, es x = (5; 78), con valor objetivo z = Luego, para todas las soluciones del problema original con x 5, el máximo beneficio posible es de 7. La solución del problema relajado P, que resulta al añadir la restricción x 6, es x = (6; ), con valor objetivo z = 7. La solución encontrada es factible para el problema original, entonces podamos la rama y guardamos la solución actual x solución por el momento. Además, actualizamos la cota inferior del problema: 7 z opt 8 = (6; ) como mejor Ahora, con esta nueva información, podemos podar la rama P, ya que podemos asegurar que no contiene ninguna solución que pueda mejorar estrictamente la mejor encontrada por el momento. Se ha explorado todo el árbol y x = (6; ) es una solución óptima. Dado el problema entero mín x x x + x s.a x + x x 4 x x x x enteras,
2 Programación Lineal Entera / Investigación Operativa ( ) T a) Comprueba que la solución del problema relajado es: 7/ 5/. b) Indica el siguiente subproblema que elegirías para resolver por el método de branch and bound. c) Calcula la solución de dicho subproblema y comenta qué subproblemas introducirías para continuar el proceso de solución. Solución. a) El problema relajado en forma estándar es mín x,s x x + x s.a x + x x + x 4 = 4 x x x x 5 = x, s, Para comprobar que el punto que nos proponen es óptimo tenemos que calcular los costes reducidos de las variables no básicas. En este caso, I = {, }, y J = {, 4, 5}. Para ello tenemos que aplicar directamente la definición de coste reducido: En este caso: cr j = z j c j = c t BB a j c j, j J B = ( ) B = ( Luego, las coordenadas de los vectores a, a 4 y a 5 respecto de la base B son: ( ) ( ) Y = B = ) Así, cr = cr 4 = cr 5 = ( ) ( ) ( = ) ( ) = ( ) ( ) = Como todos los costes reducidos son negativos, el vértice indicado es solución óptima.
3 Programación Lineal Entera / Investigación Operativa Como este curso hemos estudiado el Simplex en formato tabla, lo que nos habrían preguntado es: comprueba que la siguiente tabla es óptima para el problema relajado e indica a qué solución óptima corresponde: (e) B c B x x x x 4 x 5 x B Ratio x 7 5 x z j c j b) Con los valores que toman las variables básicas, los nuevos subproblemas se pueden introducir bien sobre x (x y x ) o bien sobre x (x y x ). Cualquiera de ellos se puede seleccionar para continuar el proceso. Con la información proporcionada por la solución óptima del problema relajado, tenemos las siguientes cotas para el problema entero: z opt Siguiendo las reglas dadas en la práctica, como hay empate (las están igual de cerca del entero más próximo), usamos el orden lexicográfico y ramificamos por x. c) Construimos entonces los subproblemas (ya en forma estándar) mín x,s x x + x s.a x + x x + s = 4 x x x s = x + s = x, s, (P ) mín x,s x x + x s.a x + x x + s = 4 x x x s = x s 4 = x, s, (P ). Resolvemos P aplicando algún procedimiento adecuado. El más eficiente (que no hemos visto en clase) es el método dual del Simplex. A continuación se obtiene la solución por el método primal del Simplex (el estudiado en clase). Partimos de la solucíón básica: x =, x =, x =, s =, s =, s =. Para comprobar si es óptima, calculamos los costes reducidos de las variables no básicas. Los multiplicadores son B T λ = c B λ λ λ = λ =
4 Programación Lineal Entera / Investigación Operativa 4 y los costes reducidos σ(x ) 4 σ N = σ(s ) = = σ(s ) Todos los costes reducidos son positivos, entonces el vértice actual es la solución óptima del subproblema P. Como además tiene todas sus coordenadas x, x y x enteras, se trata de una solución factible del problema entero. Podamos la rama P, guardamos la solución actual (,, ) t como la mejor solución entera encontrada hasta el momento y actualizamos la cota superior (mejor conocido): z opt El único nodo que queda pendiente es el correspondiente al subproblema P : (P) (,,) z= x<= (7/,5/,) z=- x>= (P) nodo nodo Si en el apartado b) hubieramos optado por ramificar por x, entonces tendríamos que construir los subproblemas (ya en forma estándar) mín x,s x x + x s.a x + x x + s = 4 x x x s = x + s = x, s, (P ) mín x,s x x + x s.a x + x x + s = 4 x x x s = x s 4 = x, s, (P ). Si resolvemos, por ejemplo, P obtenemos que la solución óptima de dicho subproblema es: x = 8/, x =, x = /, s =, s =, s 4 =. Esta solución no es entera por lo que sería necesario volver a ramificar, en este caso en x o en x. Por lo tanto, si hemos seguido este camino todavía nos quedarían nodos pendientes por explorar. Por ejemplo, si optamos ramificar el subproblema P por x, tendríamos:
5 Programación Lineal Entera / Investigación Operativa 5 (P) nodo x<= (7/,5/,) z=- (P) x<= x>= (8/,,/) z=-/ (P) x>= (P4) nodo nodo Para cada uno de los nodos tendríamos las siguientes cotas: cota inferior cota superior nodo - + nodo + nodo + La cota inferior de los nodos y se obtiene de ajustar la cota inferior de que los coeficientes de la función objetivo son enteros. teniendo en cuenta. Continua el procedimiento de ramificación y acotación empezado para resolver el siguiente problema explicando qué se va haciendo. Max 9x + 5x + 6x + 4x 4 s.a. 6x + x + 5x + x 4 x + x 4 x + x x + x 4 x, x, x, x 4 binarias ( 8,,,) z=6 5 x = x = (,,,) z=9 (, 8,, 8) z=6.
6 Programación Lineal Entera / Investigación Operativa 6 Solución Los problemas lineales de los hijos de la rama x = se pueden resolver gráficamente, ya sólo quedan variables (las otras se han fijado, a o a ). Para el resto ya sólo queda. Un posible árbol solución es el árbol siguiente, donde el número en la esquina superior izquierda indica el orden en que se han ido explorando los nodos. Después de podar la rama correspondiente al nodo 8 por cota, podemos asegurar que la solución encontrada en el nodo 7, x = (,,, ) es la solución óptima del problema entero. ( 8,,,) Z=6 5 X= X= (, 8,, 8) Z=6 X= X= (,,,) Z=9 Mejor conocido (,,, 5) Z=6 X4= X4= 8 (,, 8,) Z= 8 Fin por cota 4 No Factible 5 (,,,) Z=5 X= X= 6 No Factible 7 (,,,) Z=4 Optimo Mejor conocido 4. Resuelve, aplicando el método de branch and bound, el siguiente problema entero: máx 4x + 5x + x s.a x + x x + 4x x + x + x x, enteras. Solución. Empezamos escribiendo el problema en forma estándar. máx 4x + 5x + x s.a x + x + s = x + 4x + s = x + x + x + s = x enteras, s. Resolvemos el problema relajado, y obtenemos como solución, x =.8, x =., x =.7, con z = 9.4
7 Programación Lineal Entera / Investigación Operativa 7 Por tanto, obtenemos las siguientes cotas para el problema entero: z opt 9.4 La cota superior de 9.4 se puede ajustar a 9 (mejor cota), ya que todos los coeficientes son enteros. Siguiendo la regla de las prácticas ramificamos por x (es la que toma un valor más cercano al entero) introducimos las restricciones x y x. Los subproblemas resultantes son: máx 4x + 5x + x s.a x + x x + 4x x + x + x x x (P ) Comenzamos resolviendo P, que en forma estándar es: máx 4x + 5x + x s.a x + x x + 4x x + x + x x x (P ) máx 4x + 5x + x s.a x + x + s = x + 4x + s = x + x + x + s = x + s 4 = x, s Empezamos por la SBF asociada a la base (variables básicas: {x, x, x, s }) 4 B =, x B = B 5 b = 5 Los costes reducidos de las variables no básicas (s, s, s 4 ) vienen dados por: λ 4 B T 4 λ λ = c B = 5 λ = λ 4 σ(s ) σ N = σ(s ) = = σ(s 4 ) λ
8 Programación Lineal Entera / Investigación Operativa 8 Todos los costes reducidos son negativos y se trata de un problema de maximización, entonces el vértice actual es la solución óptima del subproblema P. Como la solución es fraccionaria, tenemos que seguir ramificando. Hay un empate, entonces ramificamos por la de menor índice, que en este caso es x. El valor óptimo del subproblema P es 9, entonces todos los nodos que cuelguen de este nodo tienen las siguientes cotas: z 9 Obtenemos los subproblemas: máx 4x + 5x + x s.a x + x x + 4x x + x + x x x x (P ) máx 4x + 5x + x s.a x + x x + 4x x + x + x x x x (P 4 ) Escogemos de los dos últimos subproblemas (seguimos una estrategia de búsqueda en profundidad) el subproblema P. En forma estándar: máx 4x + 5x + x s.a 4 x x x s s s s 4 = x, x, x, s,..., s 5 s 5 Empezamos por la SBF asociada a la base (variables básicas: {x, x, x, s, s }) 4 B =, x B = B b = 4
9 Programación Lineal Entera / Investigación Operativa 9 Los costes reducidos de las variables no básicas (s, s, s 4 ) vienen dados por: λ 4 4 λ 5 B T λ = c B λ = λ = λ 4 λ5 σ(s ) σ N = σ(s 4 ) = = σ(s 5 ) Todos los costes reducidos son negativos y se trata de un problema de maximización, entonces el vértice actual es la solución óptima del subproblema P. Como además tiene todas sus coordenadas x, x y x enteras, se trata de una solución factible del problema entero, con valor objetivo z = 8. Podamos la rama P, guardamos la solución actual (,, 4) t como la mejor solución entera encontrada hasta el momento y actualizamos la cota inferior del problema entero (mejor conocido) 8 z opt 9 Pasamos a resolver el subproblema P 4, correspondiente al nodo hermano del subproblema P. En forma estándar: máx 4x + 5x + x s.a x + x + s = x + 4x + s = x + x + x + s = x + s 4 = x s 5 = x, s Como x, entonces en la segunda restricción debe ser x + 4x + 4 =. Luego, el subproblema P 4 es no factible y se poda esa rama. Nota: si no nos damos cuenta del razonamiento anterior, después de probar algunas bases y de que todas nos den no factibles, se (P 4 )
10 Programación Lineal Entera / Investigación Operativa resuleve el problema por el método de las dos fases. El problema de la fase es: mín z s.a x + x + s = x + 4x + s = x + x + x + s = x + s 4 = x s 5 + z = x, s, z (P 4 ) Al resolverlo se obtiene como solución óptima (x, s, z ) t = (,.75,, 4.5,, 4.75,,,.5) con valor objetivo óptimo z =.5 >. El único nodo que queda pendiente es el correspondiente al subproblema P, que en forma estándar es: máx 4x + 5x + x s.a x + x + s = x + 4x + s = x + x + x + s = x s 4 = x, s (P ) Empezamos por la SBF asociada a la base (variables básicas: {x, x, x, s }) 4 B =, x B = B b = Los costes reducidos de las variables no básicas (s, s, s 4 ) vienen dados por: λ 4 B T 4 λ λ = c B = 5 λ = λ 4 σ(s ) σ N = σ(s ) = = σ(s 4 ) Todos los costes reducidos son negativos y se trata de un problema de maximización, entonces el vértice actual es la solución óptima del subproblema P. Como además tiene todas sus coordenadas λ
11 Programación Lineal Entera / Investigación Operativa x, x y x enteras, se trata de una solución factible del problema entero, con valor objetivo z = 9. Podamos la rama P y podemos dar por finalizada la búsqueda, ya que la solución factible entera obtenida alcanza la mejor cota del problema. Si no nos damos cuenta de esto, como la solución que acabamos de encontrar mejora a la mejor por el momento que teníamos guardada (que tenía un valor objetivo de 8), también podemos garantizar que el vértice actual es el óptimo del problema entero. En este caso, si hubiéramos empezado resolviendo el problema P, no habríamos tenido que resolver ningún otro subproblema, ya que habríamos obtenido una solución entera cuyo valor óptimo lanza la mejor cota. El árbol de búsqueda es: (P) x<= (,8;,;,7) z=9,4 x>= (P) (,5/,5/) z=9 (,,) z=9 (P) x<= x>= (P4) (,,4) z=8 No Factible 5. A continuación se representa el árbol de ramificación y acotación (branch and bound) correspondiente a una iteración en la resolución del siguiente problema de programación lineal:
12 Programación Lineal Entera / Investigación Operativa max 8x + 8x + 5x + 4x 4 + x 5 + 9x 6 s.a x + 6x + 9x + 6x 4 + x 5 + 5x 6 6 9x + 4x + 6x + 8x 4 + x 5 + x 6 6 x + 4x + 5x + x 4 + 9x 5 + x 6 8x + x + 8x + x 4 + x 5 + 8x 6 x,..., x 6 Z + (,,,,,'75) z=5'5 nodo x<= (,,,'54,,'54) z=56 x4<= (,,,'8,,) z=44'8 (,'54,,,,'54) z=58'8 x4>= x5<= ('6,,,,,'75) z=5'5 x6<= x6>= (,,,,,) z=5 x>= (,'9,,,'59,'5) z=58'8 ('65,,,,,'75) z=56'5 nodo 4 x5>= (,,,'9,,'5) z=45'85 nodo 5 nodo nodo a) Determina razonadamente qué ramas han sido ya exploradas y qué ramas del árbol quedarían por explorar (si es que queda alguna). Para cada una de las ramas que aún no están exploradas, plantear el subproblema, o subproblemas, a resolver que cuelgan directamente de esa rama. b) A partir de lo anterior, decide si se ha detectado un óptimo o no. En caso negativo, si se para aquí el algoritmo, qué solución propondrías?, cómo medirías la calidad de la misma? Solución a) Se deja de desarrollar la rama que partiría del nodo porque la solución encontrada es entera. Se trata de la mejor solución entera encontrada hasta el momento. Actualizar el valor de la mejor conocida a 5. Se dejan de desarrollar las ramas que partirían de los nodos, y 5 por acotación. Para descartar el nodo por este criterio hayq ue tener en cuenta que los coeficientes de la función objetivo son enteros y que todas las variables deben tomar valores enteros. Esto nos permite afinar la cota del subproblema del nodo a 5 (en lugar de 5.5) Sólo quedaría por explorar el nodo 4. Siguiendo el crietrio de la práctica, se ramificaría por x 6 y se crearían las ramas definidas al añadir las restricciones: x 6 y x 6. No obstante, también se puede ramificar por x, añadiendo las restricciones x y x. En el primer caso habría que resolver los siguientes subproblemas en cada uno de los nodos hijos:
13 Programación Lineal Entera / Investigación Operativa max 8x + 8x + 5x + 4x 4 + x 5 + 9x 6 s.a x + 6x + 9x + 6x 4 + x 5 + 5x 6 6 9x + 4x + 6x + 8x 4 + x 5 + x 6 6 x + 4x + 5x + x 4 + 9x 5 + x 6 8x + x + 8x + x 4 + x 5 + 8x 6 x 5 x x 6 x,..., x 6 max 8x + 8x + 5x + 4x 4 + x 5 + 9x 6 s.a x + 6x + 9x + 6x 4 + x 5 + 5x 6 6 9x + 4x + 6x + 8x 4 + x 5 + x 6 6 x + 4x + 5x + x 4 + 9x 5 + x 6 8x + x + 8x + x 4 + x 5 + 8x 6 x 5 x x 6 x,..., x 6 b) Como todavía quedan ramas por explorar no podemos garantizar que hayamos encontrado la solución óptima. Si se para el algoritmo aquí propondríamos como solución a la mejor solución encontrada hasta el momento: (,,,,, ) con valor objetivo 5. Para medir la calidad de la misma hay que medir el gap. Para ello podemos darnos cuenta de que la mejor cota del problema se puede actualizar, ya que hemos explorado todos los nodos del primer y segundo nivel. Sabemos que la solución ótima del problema nunca será superior a 56 (cota del nodo 4). Así, si usamos la diferencia relativa para medir la calidad de la solución tendríamos: 56 5 =.748, 56 lo que representa una diferencia relativa de, a lo sumo, un 7.4 % 6. (febrero, 6) En el curso de aplicar el método Branch and Bound para resolver cierto problema de optimización binaria, con variables (x, x, x, x 4 ), y objetivo máx 4x +8x +75x +8x 4, se obtiene el Árbol que se muestra en la Figura. Al lado de los nodos/subproblemas S, S y S se muestran las soluciones obtenidas al resolver la relajación de programación lienal correspondiente. Por ejemplo, al resolver la relajación lineal del subproblema S se obtiene la solución relajada (,,, ). 4
14 Programación Lineal Entera / Investigación Operativa 4 S x = x = S S (,,, ) 4 x = x = (,,, ) S S (,,, ) 5 Figura : Árbol de Branch & Bound. S x = x = S S x = x = x = x = S S S S (,,, ) (,,, 5 ) (,,, ) (,,, 5 ) Figura : Árbol de Branch & Bound. a) La información proporcionada en el Árbol y el objetivo dado permiten calcular cotas inferiores y/o superiores en el valor de la solución óptima entera correspondiente a cada nodo. Calcula estas cotas y dibuja el Árbol indicándolas junto a sus nodos respectivos. b) El Árbol muestra una solución entera factible. Se puede asegurar que sea óptima? Por qué? c) Calcula una cota superior en la diferencia entre el valor óptimo entero del problema, y el valor de la solución factible entera del subproblema S, a partir de la información dada hasta este apartado. Calcula otra cota superior en la diferencia relativa correspondiente. d) Al ramificar en el subproblema S se obtiene el Árbol mostrado en la Figura, donde se indican las soluciones de las relajaciones lineales correspondientes a los subproblemas S y S. Actualiza las cotas inferiores y superiores en los subproblemas, y dibuja el árbol indicándolas junto a sus nodos respectivos. Puedes encontrar una solución óptima para el problema, o habría que continuar explorando el árbol? Solución. Ver la solución en las soluciones a los exámenes del curso 5/6 en la página web de la asignatura.
15 Programación Lineal Entera / Investigación Operativa 5 7. Resuelve por el método de Branch and Bound el siguiente problema de programación entera: minimizar x x sujeto a x x x x 9 x, x {,,,...} Solución. El problema relajado P es el siguiente: minimizar x x sujeto a x x x x 9, y su solución es x = (5, 4.5) con z = 9.5. Como la solución no satisface las condiciones de integralidad hay que ramificar por x y se crean dos problemas P y P, añadiendo las restricciones x 4 y x 5, respectivamente. Cotas para la función objetivo: 9.5 z. La mejor cota se puede ajustar a 9. Problema P : minimizar x x sujeto a x x x x 9 x 4, solución x = (4.5, 4) con z = 8.5. Como no se satisfacen las condiciones de integralidad y el valor de la f.o. está entre las cotas superior e inferior hay que ramificar (por x ). Cotas para el valor de todas las souciones con x 4: 8.5 z, que se puede ajustar a 8 z. La mejor cota para el problema original sigue siendo 9.
16 Programación Lineal Entera / Investigación Operativa 6 Problema P : minimizar x x sujeto a x x x x 9 x 4 x 4. Problema P 4 : minimizar x x sujeto a x x x x 9 x 4 x 5 Siguiendo una estrategia de búsqueda en profundidad deberíamos de seguir resolviendo P. Vamos a seguir una estrategia de búsqueda en anchura y pasamos a reolver el problea P. El problema P : minimizar x x sujeto a x x x x 9 x 5, es no factible y por tanto la rama se poda. Pasamos, entonces, a resolver el problema P, cuya solución es x = (4, 4) con z = 8. Como la solución sí satisface las condiciones de integralidad y el valor de la f.o. está entre las cotas, entonces la rama se poda y se actualiza la cota superior para el problema original, ahora mejor conocido= 8. Las nuevas cotas para el problema original son: 9 z 8
17 Programación Lineal Entera / Investigación Operativa 7 Se guarda la solución x = (4, 4) como mejor solución encontrada (incumbente). Pasamos a resolver el problema P 4, que resulta ser no factible, por lo que la rama se poda. Ya no tenemos más problemas que procesar por lo que el procedimiento termina escogiendo el mejor candidato, esto es x = (4, 4) con z = 8 8. Discute razonadamente las siguientes afirmaciones y contestar razonadamente a las cuestiones (puedes ayudarte con ejemplos): a) Si el valor óptimo de la función objetivo es el mismo para ambos problemas, el relajado y el entero, entonces toda solución óptima para la relajación lineal es factible para el problema entero. b) Si se plantea un problema de programación lineal entera para tratar de mejorar la eficiencia (medida en términos de la emisión de residuos contaminantes) de un proceso productivo que ya está puesto en marcha, cómo emplearías la información que proporciona el actual plan de producción en la resolución del problema por el método de ramificación y acotación? Solución a) Si el problema relajado tiene solución única, entonces sí Si tiene múltiples soluciones, es falsa. Todas las soluciones en el segmento. Puedes ayudarte de un dibujo b) Mejorar la eficiencia medida en términos de la emisión de residuos contaminantes: se querrá minimizar El proceso productivo ya está puesto en marcha, entonces se cuenta con una solución factible que se puede emplear como mejor solución encontrada hasta el momento. Se trataría de una cota superior para la función objetivo (seguro que no vamos a contaminar más de lo que ya venimos contaminando)
Ejercicios de Programación Entera
Ejercicios de Programación Entera Investigación Operativa Ingeniería Informática, UC3M Curso 08/09. En una ciudad se intenta disminuir la contaminación reduciendo la circulación interurbana. Un primer
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 detallesProgramación Lineal Entera. Programación Entera
Programación Lineal Entera PE Programación Entera Modelo matemático, es el problema de programación lineal Restricción adicional de variables con valores enteros. Programación entera mita Algunas variables
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 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 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 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 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 detalles5.- Problemas de programación no lineal.
Programación Matemática para Economistas 7 5.- Problemas de programación no lineal..- Resolver el problema Min ( ) + ( y ) s.a 9 5 y 5 Solución: En general en la resolución de un problema de programación
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 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 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 detallesTema 6: Programación entera: Bifurcación y planos de corte.
Tema 6: Programación entera: Bifurcación y planos de corte. Obetivos del tema. Índice Problemas de programación lineal entera. Método de bifurcación y acotación para un PPLE Mixta. Técnicas de preprocesamiento
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 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 detallesUNIDAD 6 PROGRAMACIÓN LINEAL ENTERA. de programación lineal entera. lineal entera.
UNIDAD 6 PROGRAMACIÓN LINEAL ENTERA de programación lineal entera. lineal entera. Investigación de operaciones Introducción En la unidad aprendimos a resolver modelos de P. L. por el método símple y el
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 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 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 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 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 detallesINVESTIGACIÓN OPERATIVA
FACULTAD DE INGENIERÍA Y ARQUITECTURA ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS INVESTIGACIÓN OPERATIVA Mg Jessica Pérez Rivera PROBLEMAS DE TRANSPORTE Y ASIGNACIÓN Las aplicaciones de la programación
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 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 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 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 detallesUniversidad del Rosario Economía Matemática II Taller 8 - Kuhn Tucker
. En los siguientes problemas de optimización: Universidad del Rosario Economía Matemática - 202-II Taller 8 - Kuhn Tucker a. Dibuje el conjunto K de puntos factibles y las curvas de nivel de la función
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 detallesInecuaciones: Actividades de recuperación.
Inecuaciones: Actividades de recuperación. 1.- Escribe la inecuación que corresponde a los siguientes enunciados: a) El perímetro de un triángulo equilátero es menor que 4. (x = lado del triángulo) b)
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 detalles3. Métodos clásicos de optimización lineal
3. Métodos clásicos de optimización lineal Uso del método Simplex El problema que pretende resolverse es un problema de optimización lineal sujeto a restricciones. Para el modelo construido para el problema
Más 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 detallesI.E.S. CUADERNO Nº 5 NOMBRE: FECHA: / / Inecuaciones. Resolver inecuaciones de primer y segundo grado con una incógnita.
Inecuaciones Contenidos 1. Inecuaciones de primer grado con una incógnita Definiciones Inecuaciones equivalentes Resolución Sistemas de inecuaciones 2. Inecuaciones de segundo grado con una incógnita Resolución
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 detalles3.1 Por inspección del tablero óptimo genere las respuestas a los numerales dados. X 1 = Cantidad de tarjetas de invitación a producir semanalmente en Kimberly Colpapel y X 2 = Cantidad de tarjetas de
Más detallesEn primer lugar voy a trasladar el enunciado a lenguaje matemático. Me fijo en lo que me preguntan: a una variable la llamo x y a otra y.
PROGRAMACIÓN LINEAL EJERCICIO TIPO Una confitería se elaboran tartas de nata y de manzana. Cada tarta de nata requiere medio kilo de azúcar y 8 huevos; y una de manzana, 1 kg de azúcar y 6 huevos. En la
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 detalles315 M/R Versión 1 Integral 1/13 2009/1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA
35 M/R Versión Integral /3 29/ UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA MODELO DE RESPUESTA (VERSION.2) ASIGNATURA: Investigación de Operaciones I CÓDIGO: 35 MOMENTO: Prueba
Más detalles3. Estudia si la solución ( 1, 1, 1) es factible y, si lo es, si es interior o de frontera.
MATEMÁTIAS II Grupo M APELLIDOS: NOMRE: onsidera el problema Max. 3x + 2y + z s.a 2x 2 + y 2 + z apple x + y + z x apple, z. Escribe el conjunto de oportunidades y razona si es compacto. 2. Podemos asegurar
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 detallesPLE: Ramificación y Acotamiento
PLE: Ramificación y Acotamiento CCIR / Depto Matemáticas TC3001 CCIR / Depto Matemáticas PLE: Ramificación y Acotamiento TC3001 1 / 45 La compañía TELFA fabrica mesa y sillas. Una mesa requiere 1 hora
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 detallesCURSO CERO DE MATEMATICAS. Apuntes elaborados por Domingo Pestana Galván. y José Manuel Rodríguez García
INGENIEROS INDUSTRIALES Y DE TELECOMUNICACIONES CURSO CERO DE MATEMATICAS Apuntes elaborados por Domingo Pestana Galván y José Manuel Rodríguez García UNIVERSIDAD CARLOS III DE MADRID Escuela Politécnica
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 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 detallesRESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES
RESOLUCIÓN DE SISTEMS MEDINTE DETERMINNTES Página 0 REFLEXION Y RESUELVE Resolución de sistemas Ò mediante determinantes y Resuelve, aplicando x x e y, los siguientes sistemas de ecuaciones: 3x 5y 73 a
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 detallesFactorización de polinomios FACTORIZACIÓN DE POLINOMIOS
FACTORIZACIÓN DE POLINOMIOS 1. Polinomios Un monomio es el producto de un número real por una o más letras que pueden estar elevadas a exponentes que sean números naturales. La suma de los exponentes de
Más detallesDerivadas Parciales (parte 2)
40 Derivadas Parciales (parte 2) Ejercicio: Si donde y. Determinar Solución: Consideraremos ahora la situación en la que, pero cada una de las variables e es función de dos variables y. En este caso tiene
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 detallesProblemas de Programación Lineal: Método Simplex
Problemas de Programación Lineal: Método Simplex Ej. (3.1) (C) Los siguientes Tableaux fueron obtenidos en el transcurso de la resolución de PL en los cuales había que maximizar una Función Objetivo con
Más 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 detallesColegio Universitario Boston
Función Lineal. Si f función polinomial de la forma o, donde y son constantes reales se considera una función lineal, en esta nos la pendiente o sea la inclinación que tendrá la gráfica de la función,
Más detallesWinQSB. Módulo de Programación Lineal y Entera. Al ejecutar el módulo Linear and Integer Programming, la ventana de inicio es la siguiente
WinQSB Módulo de Programación Lineal y Entera Al ejecutar el módulo Linear and Integer Programming, la ventana de inicio es la siguiente desde la cual, a partir del menú File New Problem puedes introducir
Más detallesMATEMÁTICAS 1º BACH. C. N. Y S. 25 de enero de 2010 Geometría y Logaritmos
MATEMÁTICAS 1º BACH. C. N. Y S. 5 de enero de 010 Geometría y Logaritmos x yz 1) Tomar logaritmos, y desarrollar, en la siguiente expresión: A 4 ab log x log b 4log a log y ) Quitar logaritmos: log A )
Más detallesUna ecuación puede tener ninguna, una o varias soluciones. Por ejemplo: 5x 9 = 1 es una ecuación con una incógnita con una solución, x = 2
Podemos definir a las ecuaciones como una igualdad entre expresiones algebraicas (encadenamiento de números y letras ligados por operaciones matemáticas diversas),en la que intervienen una o más letras,
Más detalles1. FUNCIÓN REAL DE VARIABLE REAL
1. FUNCIÓN REAL DE VARIABLE REAL Una función real de variable real es una aplicación de un subconjunto de los nº reales ( R ) en otro subconjunto de R f : D R R Se representa de la siguiente forma: Una
Más detallesParciales Matemática CBC Parciales Resueltos - Exapuni.
Parciales Matemática CBC 2012 Parciales Resueltos - Exapuni www.exapuni.com.ar Compilado de primeros parciales del 2012 Parcial 1 1) Sea. Hallar todos los puntos de la forma, tales que la distancia entre
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 detallesEsterilización 1 4. Envase 3 2
9.- Una empresa de productos lácteos fabrica dos tipos de leche: entera y desnatada. El proceso de fabricación se lleva a cabo mediante una máquina de esterilización y otra de envase, donde el tiempo (expresado
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 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 detallesMatemáticas B 4º E.S.O. Polinomios y fracciones algebraicas. 1. x 5x 2 6 5
Matemáticas B 4º E.S.O. Polinomios y fracciones algebraicas. 1 POLINOMIOS Y FRACCIONES ALGEBRAICAS.1 COCIENTE DE POLINOMIOS COCIENTE DE MONOMIOS El cociente de un monomio entre otro monomio de grado igual
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 detallesEL PROBLEMA DE TRANSPORTE
1 EL PROBLEMA DE TRANSPORTE La TÉCNICA DE TRANSPORTE se puede aplicar a todo problema físico compatible con el siguiente esquema: FUENTES DESTINOS TRANSPORTE DE UNIDADES Donde transporte de unidades puede
Más detallesOptimización del diseño del canal del proyecto hidrológico del rio Ebro.
Optimización del diseño del canal del proyecto hidrológico del rio Ebro. Alex Torrell Sabater 0029 Páginas: 9 Palabras: 1150 Tabla de contenidos Introducción... 3 Fundamentos... 3 Objetivo... 4 Datos...
Más detallesTema 7: Geometría Analítica. Rectas.
Tema 7: Geometría Analítica. Rectas. En este tema nos centraremos en estudiar la geometría en el plano, así como los elementos que en este aparecen como son los puntos, segmentos, vectores y rectas. Estudiaremos
Más detallesPARTE COMÚN MATERIA: FUNDAMENTOS DE MATEMÁTICAS
CALIFICACIÓN: PRUEBAS DE ACCESO A CICLOS FORMATIVOS DE GRADO SUPERIOR DE FORMACIÓN PROFESIONAL SEPTIEMBRE DE 2013 Resolución de 02/04/2013, de la Viceconsejería de Educación, Universidades e Investigación
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 detallesFunciones 1. D = Dom ( f ) = x R / f(x) R. Recuerda como determinabas los dominios de algunas funciones: x x
Funciones. DEFINICIÓN Y TERMINOLOGÍA.. Definición de función real de variable real. "Es toda correspondencia, f, entre un subconjunto D de números reales y R (o una parte de R), con la condición de que
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 detallesLocalizando el punto de intersección
Localizando el punto de intersección Realiza las siguientes actividades, mientras trabajas con el tutorial. 1. En la gráfica de una función, los valores de la variable están en el eje horizontal y los
Más detallesMatemáticas Universitarias
Matemáticas Universitarias 1 Sesión No. 5 Nombre: Desigualdades lineales, cuadráticas y valor absoluto Objetivo de la asignatura: En esta sesión el estudiante conocerá las características y métodos de
Más detallesBúsqueda con adversario
Introducción Búsqueda con adversario Uso: Decidir mejor jugada en cada momento para cierto tipo de juegos Hay diferentes tipos de juegos según sus características: Numero de jugadores, toda la información
Más detallesSe distinguen tres métodos algebraicos de resolución de sistemas:
MÉTODOS DE RESOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES Se distinguen tres métodos algebraicos de resolución de sistemas: Sustitución Igualación Reducción Notas: 1) Es importante insistir en que la solución
Más detallesProgramación lineal. 1. Dibuja la región del plano definida por las siguientes inecuaciones: x 0, 0 y 2, y + 2x 4. Solución:
1 LRJS05 1. Dibuja la región del plano definida por las siguientes inecuaciones: 0, 0 y 2, y + 2 4 Representando las rectas asociadas a cada una de las inecuaciones dadas se obtiene la región sombreada
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 detallesResumen de técnicas para resolver problemas de programación entera. 15.053 Martes, 9 de abril. Enumeración. Un árbol de enumeración
5053 Martes, 9 de abril Ramificación y acotamiento () Entregas: material de clase Resumen de técnicas para resolver problemas de programación entera Técnicas de enumeración Enumeración completa hace una
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 detallesEjercicios Resueltos
Ejercicios Resueltos Ejercicio 1 La función de transferencia de un sistema de control tiene como expresión: Determinar, aplicando el método de Routh, si el sistema es estable. Para comprobar la estabilidad
Más detallesFlujos de redes (Network Flows NF)
Fluos de redes (Network Flows NF). Terminología. Árbol generador mínimo. Camino mínimo 4. Fluo máximo 5. Fluo de coste mínimo TEORÍA DE GRAFOS. OPTIMIZACIÓN EN REDES Terminología Red o grafo (G) Nodos
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 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 detallesETS Minas: Métodos matemáticos Ejercicios resueltos Tema 1 Preliminares
ETS Minas: Métodos matemáticos Ejercicios resueltos Tema Preliminares Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Curso 006/07 Agosto 006,
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 detallesDepartamento de Matemáticas. ÁLGEBRA: Ecuaciones
3.5. Ecuaciones bicuadradas. Empezamos ahora a analizar qué pasa cuando el polinomio tiene grado más grande que dos. Todas éstas se engloban dentro de la misma estrategia de resolución que, como posteriormente
Más detallesInecuaciones en. Desigualdad: se llama desigualdad a toda relación entre expresiones numéricas o algebraicas. Propiedades de las desigualdades:
Inecuaciones en Introducción Desigualdad: se llama desigualdad a toda relación entre epresiones numéricas o algebraicas unidas por uno de los cuatro signos de desigualdad,,,, Por ejemplo: 6 ; ; 8, etc....
Más detallesDos inecuaciones se dice que son equivalentes cuando ambas tienen las mismas soluciones.
10. INECUACIONES Definición de inecuación Una inecuación es una desigualdad entre dos expresiones algebraicas. 2x + 3 < 5 ; x 2 5x > 6 ; x x 1 0 Inecuaciones equivalentes Dos inecuaciones se dice que son
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 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 detallesMatemáticas Aplicadas a las Ciencias Sociales II Soluciones
Prueba etraordinaria de septiembre. Matemáticas Aplicadas a las Ciencias Sociales II Soluciones.- Un sastre dispone de 8 m de tela de lana y m de tela de algodón. Un traje de caballero requiere m de algodón
Más detallesTema 5: Semejanza. 1.- Introducción: Concepto de Escala y Teorema de Pitágoras.
Tema 5: Semejanza. En este tema nos dedicaremos al estudio de los triángulos y polígonos, y dedicaremos un apartado a un famoso teorema, que nos será de utilidad para entender la semejanza entre ellos:
Más detallesTEMA 1.- POLINOMIOS Y FRACCIONES ALGEBRAICAS
TEMA 1.- POLINOMIOS Y FRACCIONES ALGEBRAICAS 1.- POLINOMIOS Recordemos que un monomio es una expresión algebraica (combinación de letras y números) en la que las únicas operaciones que aparecen entre las
Más detalles: ING4520 Programación Matemática Semestre II : Juan Pérez Retamales : Francisco Vergara Matías Mujica Manuel Pavez
Curso Profesor Auiliares : ING0 Programación Matemática Semestre 0 - II : Juan Pérez Retamales : Francisco Vergara Matías Mujica Manuel Pavez PAUTA PREGUNTA - PRUEBA Pregunta (Total:.0 puntos) Las posiciones
Más detallesIntroducción a la Programación Dinámica. El Problema de la Mochila
Tema 1 Introducción a la Programación Dinámica. El Problema de la Mochila La programación dinámica no es un algoritmo. Es más bien un principio general aplicable a diversos problemas de optimización que
Más detallesMáximos y mínimos. Mínimo global Máximo global máximo relativo mínimo relativo
Máximos y mínimos. Anteriormente estudiamos métodos para obtener los extremos de funciones de una variable. Extenderemos esas técnicas a funciones de dos variables. Sea una función de dos variables, definida
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 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 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 detalles7.FUNCIÓN REAL DE VARIABLE REAL
7.FUNCIÓN REAL DE VARIABLE REAL 7.1 CONCEPTOS PREVIOS Dados dos conjuntos A={ 1,, 3,...} y B={y 1, y, y 3,...}, el par ordenado ( m, y n ) indica que el elemento m del conjunto A está relacionado con el
Más detalles