Solemne 1. Fecha: Miércoles 7 de mayo de 2014 Semestre Otoño 2014
|
|
- Domingo Roldán Peralta
- hace 5 años
- Vistas:
Transcripción
1 Curso: CII2750 Optimización Profesores: Paul Bosch, Juan Pablo Cavada Fernando Paredes, Pablo Rey Solemne 1 Fecha: Miércoles 7 de mayo de 2014 Semestre Otoño 2014 Problema 1 Una empresa importadora de autos, recibe las unidades en tres puertos diferentes, Iquique, San Antonio y Puerto Montt. Con estos embarques, debe satisfacer la demanda de autos en las concesionarias de diferentes ciudades del país. En la Tabla siguiente se muestran en las tres primeras columnas, los costos (en miles de pesos) por unidad transportada, en la última columna se muestra la estimación de la demanda (en cientos) en cada ciudad y en la última fila está la capacidad (en cientos) que tiene la importadora en cada uno de los tres puertos por donde entran los autos. Puertos Costos de envio por unidad en M Demanda Ciudades Iquique San Antonio Puerto Montt Estimada Arica Iquique Antofagasta La Serena Valparaiso Santiago Concepción Valdivia Puerto Montt Capacidad Portuaria (en cientos) (a) (0,7 puntos) Formule un modelo que permita satisfacer la demanda de autos con un costo mínimo de transporte. (b) (1,3 puntos) Considere ahora que la demanda en cada ciudad sube un 20% y usted decide asumir el reto de satisfacer la nueva demanda, para lo cual contempla el aumento de la capacidad portuaria en un sólo puerto. Por cada auto que usted le transporta a las concesionarias, usted obtiene una ganancia de 10 M ( pesos) y el aumento de la capacidad portuaria tiene un costo por unidad adicional de 1000 pesos, 3000 pesos y 1800 pesos para los puertos de Iquique, 1
2 San Antonio y Puerto Montt, respectivamente. Además, se debe incurrir en un costo fijo por concepto de compra de terreno (sólo en el puerto que decidió aumentar su capacidad) para estacionar los autos de 1000 M en los Puertos de Iquique y Puerto Montt, y de 1800 M en el Puerto de San Antonio. Formule un modelo que le permita satisfacer la nueva demanda con el mayor beneficio posible. Problema 2 Dado el siguiente modelo de optimización: min x x x 1 x 1 1 x x x x (P) (a) (0,5 puntos) Sin resolver previamente, demuestre que el problema (P) admite solución óptima. (b) (1,0 punto) Resuelva el problema (P) gráficamente, trazando curvas de nivel de la función objetivo sobre el dominio y utilizando propiedades de su gradiente en los puntos que es diferenciable. (c) (0,5 puntos) Considere el modelo de optimización anterior relajado sin la última restricción, pero ahora como un problema de maximización. Analice si el nuevo problema admite solución óptima. Justifique. Problema 3 Considere la función g : R 2 R definida por: g(x, y) = (x 2 + 4y 2 )e (1 x2 y 2). (a) (0,5 puntos) Identifique cuáles de los puntos p 1 = (0, 0), p 2 = (0, 1), p 3 = (0, 2), p 4 = (1, 0) y p 5 = ( 1, 1) son puntos estacionarios de g. (b) (1,0 punto) Cuáles de los puntos del ítem anterior corresponden a máximos o mínimos locales de g? Justifique. (c) (0,5 puntos) Es la función g convexa en todo R 2? Justifique. 2
3 Pauta Problema 1 (a) Datos Denotemos por: I = {1, 2, 3} : Números de puertos. J = {1, 2,..., 9} : Números de ciudades. c ij : Costo de transporte de una unidad desde el puerto i hasta la ciudad j. d j : Cantidad demandada de autos de la ciudad j. P i : Capacidad del puerto i. Notemos que se cumple la relación: P i = d j = 645 Variables de Decisión x ij : Cantidad de autos que se enviarán a la ciudad j desde el puerto i. Restricciones Demanda. Se debe satisfacer la demanda de autos de cada ciudad: x ij = d j, j J Capacidad Portuaria. La cantidad de autos que salen desde cada puerto no puede ser mayor que la capacidad del puerto: x ij = P i, i I No negatividad. Las variables no pueden ser negativas: x ij 0. Es importante hacer notar que no necesitamos que las variables sean enteras dado que este problema se modela como un Problema de Transporte Clásico. 3
4 Función objetivo Para minimizar los costos, debemos calcular los costos totales de transporte, los cuales están dados por: min z = x ij c ij En resumen, el Modelo Matemático del problema queda de la forma: Pauta Problema 1 (b) s.a min z = x ij c ij x ij = d j, j = 1, 2,..., 9 x ij = P i, i = 1, 2, 3 x ij 0 Debemos agregar los datos adicionales por: Datos G : Ganancia por cada auto transportado (G = pesos). A i : Aumento en el costo de transporte de cada auto asociado al aumento de la capacidad en el puerto i = 1, 2, 3. CF i : Costo fijo por concepto de compra de terreno en el puerto i. Observación. Notemos que si denotamos por 9 x ij la cantidad de autos que se trasporta desde cada puerto i, entonces la cantidad de autos adicionales que necesitaríamos que saliesen desde cada puerto está expresado como Variables de Decisión x ij P i x ij : Cantidad de autos que se enviarán a la ciudad j desde el puerto i. Para i = 1, 2, 3 tenemos { 1 : Si se decide ampliar el puerto i y i = 0 : en caso contrario 4
5 Restricciones Demanda. Se debe satisfacer la demanda que subió en un 20%: x ij = 1.2 d j, j J Capacidad Portuaria. La cantidad de autos que llegan a las ciudades no puede ser mayor que la cantidad de autos que salen desde los puertos, sin embargo debemos considerar que un puerto será ampliado, para lo cual, si denotamos por M = 0.2 d j = 129, entonces las restricciones para cada puerto quedan de la forma: x ij = P i + My i, i I Se aumenta la capacidad portuaria en un solo puerto: y i = 1 Naturaleza de las variables. Las variables x ij no pueden ser negativas dado que representan cantidades x ij 0, i, j I J y las variables y i tienen que ser binarias y i {0, 1}, i I Función objetivo En este caso, se busca maximizar el beneficio. Las ganancias están dadas por la cantiadad de autos que se transporta a las consecionarias de cada ciudad: Por otro lado, los costos asociados son: G El costo fijo por la compra del terreno en caso de que el puerto se amplie: x ij CF i y i 5
6 El costo por transporte de cada auto sin considerar la ampliación: x ij c ij El costo por unidad adicional de auto transportado para el puerto que se amplió se expresa como: ( ) A i y i = M A i y i x ij P i) ( Note que este costo por unidad adicional es independiente de a que ciudad se transporta el auto. Por lo tanto, la posible función objetivo queda de la forma: ( max z = G x ij CF i y i + x ij c ij + M En resumen, el modelo matemático queda de la forma: ( max z = G x ij CF i y i + x ij c ij + M s.a x ij = 1.2d j, j = 1, 2,..., 9 x ij = P i + My i, i = 1, 2, 3 y i = 1 x ij 0 y i {0, 1} ) A i y i ) A i y i 6
7 Pauta pregunta 2 (a) (i) El dominio es no vacío ya que contiene al menos el punto (5,2). (ii) La función objetivo es continua en R 2 ya que es un polinomio. Luego en particular es continua en el dominio R 2. (iii) El dominio es cerrado ya que está definido por restricciones amplias ( ), las cuales están definidas por funciones continuas ( polinomios ). (iv) El dominio D es acotado ya que si (x 1, x 2 ) pertenece al dominio, entonces (x 1, x 2 ) 2 8 (porque cumple la tercera restricción). Luego, Teorema de B-W el problema (P) admite solución óptima. (b) Trazando curvas de nivel de la función objetivo sobre el dominio y utilizando propiedades de su gradiente en los puntos que es diferenciable, es decir en R 2, se tiene la familia de circunferencias concéntricas, con centro en el punto (-1,0), a saber: {(x 1, x 2 ) : x 1 + 1) 2 + x 2 2 = c} donde c es una constante mayor o igual a cero. Ahora tomando la dirección de máximo descenso definida por f(x 1, x 2 ) = (2(x 1 + 1), 2x 2 ), con f la función objetivo del problema (P), se obtienen las soluciones óptimas (5, ±2) (ver figura). (c) Ahora al relajar la última restricción, se obtiene un dominio no acotado y f(x 1, x 2 = 0) = x x 1 para x 1 y entonces se tiene que el nuevo problema no admite solución óptima. 7
8 Pauta pregunta 3 (a) Las derivadas parciales de g son: g x = 2x(4y2 + x 2 1)e ( x2 y2 +1) g y = 2y(x2 + 4y 2 4)e ( x2 y2 +1). Reemplazando los valores de cada punto, obtenemos que: g(p 1 ) = g(0, 0) = (0, 0) g(p 2 ) = g(0, 1) = (0, 0) g(p 3 ) = g(0, 2) = (0, 4 12 e 15 ) (0, 0) g(p 4 ) = g(1, 0) = (0, 0) g(p 5 ) = g( 1, 1) = (2 4e, 2 4e) (0, 0) Los puntos p 1, p 2 y p 4 son puntos críticos, mientras que p 3 y p 5, no. (b) La matriz hessiana de g es: 2e ( x2 y 2 +1) (2x 4 + x 2 (8y 2 5) 4y 2 + 1) 4xy e ( x2 y 2 +1) (x 2 + 4y 2 5) Hg(x, y) = 4xy e ( x2 y 2 +1) (x 2 + 4y 2 5) 2e ( x2 y 2 +1) (x 2 (2y 2 1) + 8y 4 20y 2 + 4) Evaluando en los tres puntos encontrados en (a) queda: ( ) 2e 0 Hg(0, 0) = mínimo. 0 2e ( ) 4 0 Hg(1, 0) = punto silla. 0 6 ( ) 6 0 Hg(0, 1) = máximo (c) Para que una función dos veces diferenciable sea convexa, se debe cumplir que su Hessiano debe ser semidefinido positivo en todo punto. En la parte (b) se han identificado dos puntos donde esto no sucede, por lo tanto, la función g no es convexa. 8
CONVEXIDAD DE CONJUNTOS.-
CONVEXIDAD DE CONJUNTOS.- Conjunto convexo Conjunto no convexo No lo es ya que se trata de la circunferencia de centro (0,0) y radio 1. Dos puntos de ella, por ejemplo, son los de coordenadas (1, 0) y
Más detallesOptimización Clásica. Yolanda Hinojosa
Optimización Clásica Yolanda Hinojosa Contenido Optimización no lineal sin restricciones. Condiciones necesarias y suficientes de óptimo Optimización no lineal con restricciones de igualdad. Condiciones
Más detallesOptimización Clásica. Yolanda Hinojosa
Optimización Clásica Yolanda Hinojosa Contenido Optimización no lineal sin restricciones. Condiciones necesarias y suficientes de óptimo Optimización no lineal con restricciones de igualdad. Condiciones
Más detallesMatemáticas para Economistas
Matemáticas para Economistas Parte II Optimización Clásica y con Restricciones Tema 5 Optimización sin Restricciones 5 Optimización sin Restricciones 5.1 Optimización sin Restricciones con una variable
Más detallesx +3y 2t = 1 2x +y +z +t = 2 3x y +z t = 7 2x +6y +z +t = a (a) Realizamos transformaciones elementales sobre la matriz ampliada del sistema
UCM Matemáticas II Examen Final, 8/05/014 Soluciones 1 Dado el parámetro a R, se considera el sistema lineal x +y t = 1 x +y +z +t = x y +z t = 7 x +6y +z +t = a (a (6 puntos Discutir el sistema según
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 detallesTema 4 Funciones convexas y optimización convexa
Tema 4 Funciones convexas y optimización convexa José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Contenidos del tema 4 Repaso de algunos resultados sobre optimización de funciones.
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 detalles(3 p.) 3) Se considera la superficie z = z(x, y) definida implícitamente por la ecuación. 3x 2 z x 2 y 2 + 2z 3 3yz = 15.
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Cálculo I Curso 2012/2013 21 de junio de 2013 4 p.) 1) Se considera la función fx) = x 4 e 1 x 2. a) Calcular los intervalos de
Más detalles0 (0) = 0 (0) = 0. L [ 00 + ]( ) = L [ ( )] ( ) (Linealidad) L [ 00 ]( )+L[ ]( ) = L [ ( )] ( ) (Derivación) 2 ( )+ ( ) =L [ ( )] ( )
Ampliación de Matemáticas II Grado en Ingeniería en Tecnologías Industriales 8 de junio 6. Dado el siguiente problema de valor inicial: ()+() = () () = () = a) (.5 puntos) Resuelve el problema utilizando
Más detallesUNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERIA. INSTITUTO DE CIENCIAS BASICAS.
UNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERIA. INSTITUTO DE CIENCIAS BASICAS. Cálculo III, Examen Final. Semestre Primavera 1 Tiempo: 11 min. Problema 1 [1,5 puntos] La curvatura de una trayectoria
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 detallesIntroducción a la Programación Matemática. Yolanda Hinojosa
Introducción a la Programación Matemática Yolanda Hinojosa Contenido Planteamiento general de un problema de programación matemática. Convexidad. ANEXO: Derivadas Sucesivas. Fórmula de Taylor. Clasificación
Más detalles(x x 0 ) y 0. O bien z z 0 = x 0. y notamos a este límite ᾱ (t 0 ) = dᾱ dt (t 0).
O bien z z 0 = x 0 z 0 (x x 0 ) y 0 z 0 (y y 0 ). Para obtener la ecuación cartesiana de este plano hacemos x 0 (x x 0 )+y 0 (y y 0 )+z 0 (z z 0 ) = 0, como x 0 + y0 + z0 = x 0 + y0 + r (x 0 + y0) = r
Más detallesOPTIMIZACIÓN CLÁSICA. En el problema de optimización
OPTIMIZACIÓN CLÁSICA Definición En el problema de optimización ( ) ópt f (x 1,..., x n ), (x 1,..., x n ) F D el conjunto F recibe el nombre de conjunto factible y la función f el de función objetivo.
Más detallesUniversidad Carlos III de Madrid
Universidad Carlos III de Madrid Departamento de Economía Examen final de Matemáticas II. 20 de Junio de 2007. IMPORTANTE: DURACIÓN DEL EXAMEN: 2h. 30min. NO se permite el uso de calculadoras. Sólo se
Más detalles9. Diferenciación de funciones reales de varias variables reales
9.2. Extremos 9.2.1. POLINOMIOS DE TAYLOR Polinomios de Taylor y de McLaurin Se llama polinomio de Taylor de orden n 1 de la función f(x, y) en (a, b) al polinomio: f(a, b) f(a, b) n (x, y) = f(a, b) +
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Programación Lineal Encuentro #3 Tema: Introducción a la programación lineal Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE y ADMVA /2016 Objetivos: Obtener las
Más detallesGuía Semana 8 1. RESUMEN. Universidad de Chile. Ingeniería Matemática
1. RESUMEN FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Cálculo en Varias Variables 08-1 Guía Semana 8 Puntos críticos y optimización sin restricciones. Dada f : Ω Ê, los puntos x 0
Más detallesPROGRAMACIÓN MATEMÁTICA
PROGRAMACIÓN MATEMÁTICA TEMA 1. INTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA. CONJUNTOS CONVEXOS. CONVEXIDAD DE UNA FUNCIÓN. PLANTEAMIENTO FORMAL DEL PROBLEMA DE PROGRAMACION MATEMATICA. - Función Objetivo:
Más detallesOptimización de Problemas no lineales.
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Industrial IN34A: Clase Auxiliar Optimización de Problemas no lineales. Marcel Goic F. Esta es una versión bastante
Más detallesCurso 2010/ de julio de (2.75 p.) 1) Se considera la función f : (0, ) (0, ) definida por
Cálculo I Curso 2010/2011 Universidade de Vigo Departamento de Matemática Aplicada II ETSI Minas 5 de julio de 2011 (275 p) 1) Se considera la función f : (0, ) (0, ) definida por f(x) = 1 + ex x e x a)
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 detallesax + b (x 1)(x 4). c) (2.0 pto.) Sabiendo que f(0) = 2, escriba el desarrollo de Taylor de orden 3 para f en torno a x 0 = 0.
Pauta Control 1 MA1002 Cálculo Diferencial e Integral Fecha: 21 de Abril de 2017 Problema 1. Considere la función f : R \ {1, 4} R, tal que su derivada es f (x) = ax + b (x 1)(x 4). a) (1.0 ptos.) Sabiendo
Más detallesPowered by TCPDF (
Powered by TCPDF (www.tcpdf.org) Análisis Matemático II - Curso 2018 Nota sobre formas cuadráticas y aplicación al análisis de extremos de una función Breve resumen acerca de las formas cuadráticas Necesitamos
Más detallesa de un conjunto S de R n si
1 235 Máximos, mínimos y puntos de ensilladura Definición.- Se dice que una función real f( x) tiene un máximo absoluto en un punto a de un conjunto S de R n si f( x) f( a) (2) para todo x S. El número
Más detallesEXAMEN DE SEPTIEMBRE, MATEMÁTICAS I. 1. (2.5 ptos) Sean f y g funciones con derivadas primeras y segundas continuas de las que se sabe que
EXAMEN DE SEPTIEMBRE, MATEMÁTICAS I DEBE CONTESTAR ÚNICAMENTE A 4 DE LOS SIGUIENTES 5 EJERCICIOS 1. (.5 ptos) Sean f y g funciones con derivadas primeras y segundas continuas de las que se sabe que Sea
Más detalles2. Sea f(x, y) = x 2 2xy+y 2. Aquí el discriminante es igual a cero. Qué son los puntos críticos: mínimos locales, máximos locales o puntos silla?
1. Sea f(x, y) = Ax 2 + B con A 0. Cuáles son los puntos críticos de f? Son máximos locales o mínimos locales? Solución. Los puntos críticos son aquellos en los que las derivadas parciales son iguales
Más detallesClase 8 Nociones Básicas de Convexidad
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 8 Nociones Básicas de Convexidad ICS 1102 Optimización Profesor : Claudio Seebach Apuntes
Más detallesExamen final. 8 de enero de 2013
Cálculo I Examen final Universidade de Vigo Departamento de Matemática Aplicada II ETSI Minas 8 de enero de 2013 3 p 1 Se considera la función escalar de una variable real fx = lnx a Calcular el dominio
Más detalles1.3.1 Fundamentos de cálculo vectorial
131 Fundamentos de cálculo vectorial 1 Función escalar Una función se define como una representación escalar que está dada en términos de un vector Un ejemplo analítico puede darse por la función f(x)
Más detallesSoluciones a los ejercicios propuestos: Matemáticas III. Curso Tema 9
Soluciones a los ejercicios propuestos: Matemáticas III. Curso 10 11 9 Tema 9 1. Consideremos el problema min F x, ys.a.:gx, y = b. Siendo F y g funciones con derivadas parciales continuas en IR. Supongamos
Más detalles(tres ejemplos) 1. Sea f : R 2 R dada por f (x, y) = x 4 + y 4 2(x y) 2.
EXTREMOS LIBRES: LOCALES Y ABSOLUTOS (tres ejemplos) 1. Sea f : R 2 R dada por f (x, y) = x 4 + y 4 2(x y) 2. a) Probar que (0, 0) es un punto crítico pero no extremo b) Probar que ± 2(1, 1) son mínimos
Más detallesFUNCIONES DE VARIAS VARIABLES EJERCICIOS DE APLICACIÓN A LA ECONOMÍA
Índice Presentación... 3 Introducción... 4 Descripción matemática mediante una función de varias variables... 5 Funciones marginales de funciones económicas... 6 Maximización de beneficios... 8 Optimización
Más detallesTema 5 Dualidad y condiciones de Karush-Kuhn-Tucker
Tema 5 Dualidad y condiciones de Karush-Kuhn-Tucker José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Contenidos del tema 5 Condiciones de Karush-Kuhn-Tucker (KKT). Problemas
Más detallesMATEMATICAS III (Lic. en Economía. 14/07/04) Convocatoria adelantada de Septiembre
Departamento de Métodos Cuantitativos en Economía y Gestión Universidad de Las Palmas de G.C. MATEMATICAS III (Lic. en Economía. 14/7/4) Convocatoria adelantada de Septiembre 1. (*) Sea f(x, y) : { ax
Más detallesUNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 10 de septiembre de 2008
UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 10 de septiembre de 2008 Problema 1. (2 puntos) Trabajas en una compañía de transporte aéreo de mercancías. Tienes
Más detallesTema 5 Aplicaciones del cálculo diferencial
Tema 5 Aplicaciones del cálculo diferencial 1. APLICACIONES EN UNA VARIABLE 1.1. Extremos relativos. Proposición 1.1: Monotonía Sea f : [a, b] R continua en [a, b] y derivable en (a, b), entonces: (1)
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 detallesClase 10: Extremos condicionados y multiplicadores de Lagrange
Clase 10: Extremos condicionados y multiplicadores de Lagrange C.J. Vanegas 7 de abril de 008 1. Extremos condicionados y multiplicadores de Lagrange Estamos interesados en maximizar o minimizar una función
Más detallesAlgunos conceptos que utilizaremos en lo sucesivo son: Sistema de restricciones lineales: conjunto de todas las restricciones.
A partir del planteamiento del problema de Programación Lineal expresado en su formulación estándar, vamos a estudiar las principales definiciones y resultados que soportan el aspecto teórico del procedimiento
Más detallesExtensión de la regla de la cadena Funciones diferenciables. z = f(x, y), x = x(u, v, w), y = y(u, v, w) z = f ( x(u, v, w), y(u, v, w) ) x u + f
1 228 Extensión de la regla de la cadena Funciones diferenciables. z = f(x, y), x = x(u, v, w), y = y(u, v, w) z = f ( x(u, v, w), y(u, v, w) ) z u = f x x u + f y y u z v = f x x v + f y y v z w = f x
Más detallesPara hallar, gráficamente, la solución de un problema de Programación Lineal con dos variables, procederemos del siguiente modo:
Siempre que el problema incluya únicamente dos o tres variables de decisión, podemos representar gráficamente las restricciones para dibujar en su intersección el poliedro convexo que conforma la región
Más detalles(a) (0.5 puntos) Compruebe que esta ecuación tiene exactamente una solución en el intervalo
UNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERÍA. INSTITUTO DE CIENCIAS BÁSICAS. Cálculo Numérico, Control 1. Semestre Otoño 007 Problema 1. Se desea encontrar una raíz de la función f(x) = cos (x) x.
Más detallesCÁLCULO DIFERENCIAL Muestras de examen
CÁLCULO DIFERENCIAL Muestras de examen Febrero 2012 T1. [2] Demostrar que la imagen continua de un conjunto compacto es compacto. T2. [2.5] Definir la diferencial de una función en un punto y demostrar
Más detallesAnálisis Matemático 2
Análisis Matemático 2 Una resolución de ejercicios con hipervínculos a videos on-line Autor: Martín Maulhardt Revisión: Fernando Acero y Ricardo Sirne Análisis Matemático II y II A Facultad de Ingeniería
Más detallesMatemáticas I - Grupo 2 Tema 7: Optimización con restricciones. Extremos condicionados
Matemáticas I - Grupo 2 Tema 7: Optimización con restricciones. Extremos condicionados Motivación Supongamos que f : Ω R 2 R es la función que nos proporciona la altura de cada punto con respecto al nivel
Más detallesDualidad 1. 1 Formas simétricas. 2 Relación primal-dual. 3 Dualidad: el caso general. 4 Teoremas de dualidad. 5 Condiciones de holgura complementaria.
Dualidad 1 1 Formas simétricas. 2 Relación primal-dual. 3 Dualidad: el caso general. 4 Teoremas de dualidad. Condiciones de holgura complementaria. 6 Solución dual óptima en la tabla. 7 Interpretación
Más detallesOptimización y Programación Lineal
Optimización y Programación Lineal Problemas resueltos con el método gráfico 4 de junio de 2014 1. Resuelva el siguiente PL por el método gráfico Max z = x 1 + x 2 x 1 + x 2 4 x 1 x 2 5 En la figura 1
Más detallesIntroducción a la Optimización Matemática
Introducción a la Optimización Matemática Modelos de Optimización Tienen como propósito seleccionar la mejor decisión de un número de posibles alternativas, sin tener que enumerar completamente todas ellas.
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 detallesMatemática II Tema 14: valores extremos
Matemática II Tema 14: valores extremos 2012 2013 Índice Valores extremos y puntos silla 1 Criterio de las derivadas para extremos locales 1 Máximos y mínimos absolutos 5 Trabajo práctico 7 Valores extremos
Más detallesIntroducción a la optimización con algoritmos. Ejercicios. 0 2 f(x + t(y x))(y x)dt. J(x + t(y x))(y x)dt siendo J la matriz Jacobiana de F.
Introducción a la optimización con algoritmos Ejercicios Preliminares 1. Demostrar que si f C 2 (IR n ), f : IR n IR entonces f(y) f(x) = 1 0 2 f(x + t(y x))(y x)dt. 2. Demostrar que si F C 1 (IR n ),
Más detallesMatemáticas III Andalucía-Tech
Matemáticas III Andalucía-Tech Tema Optimización en campos escalares Índice 1. Formas cuadráticas y matrices simétricas reales 1. Extremos relativos de un campo escalar 3.1. Polinomio de Taylor de un campo
Más detalles(dos ejemplos) 1. Hallar los valores extremos absolutos que toma la función f (x, y) = xy en la región
EXTREMO LIGADO (dos ejemplos). Hallar los valores extremos absolutos que toma la función f (x, y) = xy en la región x + y =, x, y Notemos que lo que se nos está pidiendo es encontrar los extremos absolutos
Más detalles2. Cálculo diferencial de funciones de varias variables. Mayo, 2009
Cálculo 2. Cálculo diferencial de funciones de varias variables Mayo, 2009 Definición IR 2 = {(x 1,x 2 )/x 1 IR,x 2 IR} Sean dos puntos a y b, de coordenadas respectivas (a 1,a 2 ) y (b 1,b 2 ). Definición
Más detallesAuxiliar 7: Dualidad
IN3701: Modelamiento y Optimización Profs: Richard Weber, Rodrigo Wolf Coordinador: M. Siebert Aux: V. Bucarey, N. Devia, P. Obrecht Auxiliar 7: Dualidad Lunes 5 de Diciembre de 2011 Pregunta 1: Dualidad
Más detallesPROGRAMACION DE REDES. MODELOS DE TRANSPORTE
PROGRAMACION DE REDES. MODELOS DE TRANSPORTE El modelo de transporte o modelo de distribución es un ejemplo de un problema de optimización de redes. Se aplican para resolver ciertos tipos de problemas
Más detallesL [1] ( ) = 1 L [ ( )] ( ) =2 L[1] ( )+L[( 3) 3 ( )] ( ) = 2 + 3
Ampliación de Matemáticas II Grado en Ingeniería en Tecnologías Industriales Convocatoria 9 Junio 5. ( puntos) Resolver utilizando la transformada de Laplace la ED ( + + +( 3) 3 (), (), (). Determinar
Más detallesI N T >. y y
I N T - 1 7 5 3 >. y y S Santiago, octubre de 1963 MODELOS DE TRANSPORTE (Programa especial) * Apuntes del Sr. Norman Gillmore, Consultor en Transporte. Utilizado como material de estudio y referencia
Más detalles(1.5 p.) 2) Hallar el polinomio de Taylor de grado 3 de la función g(x) = e 1 x2 centrado en x 0 = 1 y usarlo para dar una aproximación de e 5/4.
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Cálculo I Examen final 0 de enero de 0.75 p. Se considera la función escalar de una variable real fx = lnlnx. lnx a Calcular el
Más detallesPAUTA C1. ] si z [x, , y] si z ( 2 )] si z [x, x ( x+y. 2 ] si z ( x ( x+y. )] si z [( ( y x+y
MA3701 - Optimización, Primavera 018 Profesores: J. Amaya, V. Acuña PAUTA C1 P1.a) Sea C un subconjunto de IR n. Se dice que es un convexo de punto medio si para cada par x, y C se tiene que 1 x + 1 y
Más detallesSoluciones a los ejercicios del examen final
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Cálculo I Curso 201/14 20 de diciembre de 201 Soluciones a los ejercicios del examen final 1) Se considera la función f : R R
Más detallesTema 7: Programación matemática
Tema 7: Programación matemática Formulación general: Optimizar f( x) sujeto a x X f : D R n R..................................................................... función objetivo x = (x 1, x 2,..., x
Más detallesConvocatoria de Septiembre 9 de Septiembre de Nombre y Apellidos: (6 p.) 1) Se considera la función f : R R definida por
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Cálculo I Convocatoria de Septiembre 9 de Septiembre de 26 Nombre y Apellidos: DNI: (6 p. Se considera la función f : R R definida
Más detallesFundamentos de Investigación de Operaciones Investigación de Operaciones 1
Fundamentos de Investigación de Operaciones Investigación de Operaciones de Modelos de LP 25 de julio de 2004. Descripción del Método ualquier problema de Programación Lineal de sólo 2 variables puede
Más detallesCálculo en varias variables
Cálculo en varias variables Dpto. Matemática Aplicada Universidad de Málaga Resumen Límites y continuidad Funciones de varias variables Límites y continuidad en varias variables 1 Límites y continuidad
Más detallesSoluciones de los ejercicios del primer examen parcial
Matemáticas III (GIC, curso 2015 2016) Soluciones de los ejercicios del primer examen parcial EJERCICIO 1. Determina en qué ecuación se transforma la ecuación en derivadas parciales z yy + 3z xy + 2z xx
Más detallesFUNCIONES: DOMINIO, RANGO Y GRAFICA
FUNCIONES: DOMINIO, RANGO Y GRAFICA Dominio, Codominio y Rango de una función Dominio El dominio de una función son todos los valores reales que la variable X puede tomar y la gráfica queda bien definida,
Más detallesTema 2. Fundamentos Teóricos de la. programación dinámica Teorema de Optimalidad de Mitten
Tema 2 Fundamentos Teóricos de la Programación Dinámica 2.1. Teorema de Optimalidad de Mitten El objetivo básico en la programación dinámica consiste en descomponer un problema de optimización en k variables
Más detallesMatemáticas. para administración y economía Ernest F. Haeussler, Jr.* Richard S. Paul
Matemáticas para administración y economía Ernest F. Haeussler, Jr.* Richard S. Paul 1 Unidad V. (Capítulos 12 y 13 del texto) APLICACIONES DE LA DERIVADA 5.1 Función creciente y decreciente. 5.2 Extremos
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 detallesMATEMÁTICAS II Examen del 2/12/2004 Solución Importante
MATEMÁTICAS II Examen del //004 Solución Importante Las calificaciones se harán públicas en la página web de la asignatura y en el tablón de anuncios del Dpto. de Métodos Cuantitativos en Economía y Gestión
Más detallesGuía Semana 7 1. RESUMEN 2. EJERCICIOS PROPUESTOS. Universidad de Chile. Ingeniería Matemática
. RESUMEN FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Cálculo en Varias Variables 08- Guía Semana 7 Teorema de la función inversa. Sea f : Ω Ê N Ê N, Ω abierto, una función de clase
Más detallesPlano tangente a una superficie y a una superficie de nivel, derivada direccional y regla de la cadena
1 Universidad Simón Bolívar. Preparaduría nº 3. christianlaya@hotmail.com ; @ChristianLaya Plano tangente a una superficie y a una superficie de nivel, derivada direccional y regla de la cadena Derivada
Más detallesUniversidad Carlos III de Madrid
Universidad Carlos III de Madrid Departamento de Economía Examen final de Matemáticas II. Junio de 2011. Apellidos: Nomre: DNI: Titulación: Grupo: DURACIÓN DEL EXAMEN: 2h NO se permite el uso de calculadoras.
Más detallesMATE Método Simplex maximización estándar
MATE 3012 Método Simplex maximización estándar Problema de maximización estándar Un problema de maximización de programación lineal está en la forma estándar, si la función objetiva w = c 1 x 1 + c 2 x
Más detallesOptimización. Escuela de Ingeniería Informática de Oviedo. (Dpto. de Matemáticas-UniOvi) Computación Numérica Optimización 1 / 19
Optimización Escuela de Ingeniería Informática de Oviedo (Dpto. de Matemáticas-UniOvi) Computación Numérica Optimización 1 / 19 Introducción Problema general de optimización (minimización) Dado f : Ω R
Más detallesPolinomio de Taylor. Extremos.
CAPÍTULO 6 Polinomio de Taylor. Extremos. En este capítulo trabajamos con el polinomio de Taylor de una función de varias variables y su aplicación al estudio de los extremos de funciones de más de una
Más detallesPolinomio de Taylor. Extremos.
CAPÍTULO 6 Polinomio de Taylor. Extremos. En este capítulo trabajamos con el polinomio de Taylor de una función de varias variables y su aplicación al estudio de los extremos de funciones de más de una
Más detallesBreve sobre Kuhn-Tucker
Breve sobre Kuhn-Tucker Alejandro Lugon 20 de agosto de 2010 Resumen Se presentan a manera de manual de referencia los resultados relevantes para la solución de problemas de maximización usando los resultados
Más detallesMini-apunte teoría primer parcial de Análisis Matemático II
Mini-apunte teoría primer parcial de Análisis Matemático II 1. Ecuaciones Diferenciales Definición 1.1 (ED). Una Ecuación Diferencial es una ecuación en la que intervienen una o más variables independientes,
Más detallesUNIVERSIDAD NACIONAL DE INGENIERÍA SEDE: UNI-NORTE PRIMER PARCIAL DE INVESTIGACIÓN DE OPERACIONES I (SOLUCIÓN)
UNIVERSIDAD NACIONAL DE INGENIERÍA SEDE: UNI-NORTE PRIMER PARCIAL DE INVESTIGACIÓN DE OPERACIONES I Prof.: MSc. Ing. Julio Rito Vargas Avilés (SOLUCIÓN) I. Representar gráficamente la región determinada
Más detallesOptimización con restricciones de desigualdad: Condiciones de Kuhn-Tucker
Optimización con restricciones de desigualdad: Condiciones de Kuhn-Tucker Hasta ahora, hemos estudiado como maximizar o minimizar una función sujeta a restricciones en forma de ecuaciones de igualdad.
Más detallesLicenciatura en Administración y Dirección de Empresas
Licenciatura en Administración y Dirección de Empresas Programación Matemática de junio de 200 Ejercicio 3 pt. Considera el siguiente problema de programación no lineal:. Se trata de un problema convexo?
Más detalles1. Sensibilidad en caso de restricciones de igualdad
FACULTAD CS. FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE MA57B Optimización No Lineal. Semestre 2007-1 Profesor: Héctor Ramírez C. Auxiliar: Oscar Peredo. Clase Auxiliar #4 Análisis de Sensibilidad en Optimización
Más detallesOptimización. Optimización Con Restricciones de Igualdad ITESM. Optimización Con Restricciones de Igualdad Profr. E. Uresti - p. 1/31. Dr.
Optimización Optimización Con Restricciones de Igualdad Dr. E Uresti ITESM Optimización Con Restricciones de Igualdad Profr. E. Uresti - p. 1/31 ducción En esta lectura veremos el problema de optimizar
Más detalles(2) Dada la matriz A 3 (a) Halla el polinomio caracter stico y comprueba que los autovalores son =y 2 =2. >Cuál de ellos es doble? (b) Determina l
Universidad Carlos III de Madrid Departamento de Econom a Examen nal de Matemáticas II. Septiembre de 26. IMPORTANTE: ffl DURACIÓN DEL EXAMEN: 2h. 3min. ffl NO se permite el uso de calculadoras. ffl Sólo
Más detallesOptimización con restricciones de desigualdad. Yolanda Hinojosa
Optimización con restricciones de desigualdad Yolanda Hinojosa Contenido Optimización no lineal con restricciones de desigualdad. Condiciones necesarias y suficientes de óptimo Análisis de sensibilidad.
Más detallesAuxiliar N 5 07 de Noviembre de 2007
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Industrial IN34A Optimización Auxiliar N 5 07 de Noviembre de 2007 Profesores: Francisco Cisternas Richard Weber
Más detallesTemas 1 y 2: Cálculo Diferencial y Optimización ENUNCIADO Y RESPUESTA AL EJERCICIO: ENUNCIADO
CÁLCULO II. Ejercicio de Examen Final Temas 1 y : Cálculo Diferencial y Optimización FECHA: 1/07/1 TIEMPO RECOMENDADO: 40 m Puntuación/TOTAL:,5/10 ENUNCIADO Y RESPUESTA AL EJERCICIO: ENUNCIADO w w 1. Dada
Más detallesc) Calcular las asíntotas horizontales y verticales de f y representar de forma aproximada
Universidade de Vigo Departamento de Matemática Aplicada II ETSI Minas Cálculo I Curso 2011/2012 2 de julio de 2012 (75 p) 1) Se considera la función f : R R definida por f(x) = ex 2 e x + 1 a) Determinar
Más detallesMétodos de Optimización para la toma de decisiones
Facultad de Ingeniería Departamento de Ciencias de la Ingeniería Magíster en Logística y Gestión de Operaciones Métodos de Optimización para la toma de decisiones MLG-521 Programación Entera 1º Semestre
Más detallesProgramación Lineal Entera.
Fundamentos de Investigación de Operaciones. S2/2003 Programación Lineal Entera. 1. El consejo directivo de la General Wheels Co. Está considerando siete grandes inversiones de capital. Estas inversiones
Más detallesENCUESTA NACIONAL DE PRECIOS DE COMBUSTIBLES LÍQUIDOS (18 de abril de 2013)
ENCUESTA NACIONAL DE PRECIOS DE COMBUSTIBLES LÍQUIDOS (18 de abril de 2013) 1. Antecedentes. Con motivo de la variación de precios a los distribuidores mayoristas en los combustibles líquidos anunciado
Más detallesUNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS (SOLUCIONES ) y = ex cos y. e x cos y e x sin y. y 2.
UNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS (SOLUCIONES HOJA 4: Derivadas de orden superior 4-1. Sea u : R R definida por u(x, y e x sen y. Calcula las cuatro parciales segundas,
Más detalles). Derivando e igualando a cero: u (x) = 0. x = 4 y = 4. 2 La segunda derivada: u (x) = u (4) = < 0, luego en 18 el punto (4,4) hay un máximo.
TEMA.- OPTIMIZACIÓN CON RESTRICCIONES DE IGUALDAD El problema consiste en optimizar una función de n variables z = f(x, x,..., x n ) sujeta a las m condiciones: g (x, x,..., x n ) = b g (x, x,..., x n
Más detalles