PLs no acotados El método símplex en dos fases PLs no factibles. Investigación Operativa, Grado en Estadística y Empresa, 2011/12

Tamaño: px
Comenzar la demostración a partir de la página:

Download "PLs no acotados El método símplex en dos fases PLs no factibles. Investigación Operativa, Grado en Estadística y Empresa, 2011/12"

Transcripción

1 PLs no acotados El método símplex en dos fases PLs no factibles Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12

2 Esquema PLs no acotados Necesidad de obtener un vértice inicial o determinar que el PL es no-factible El método Símplex en dos fases Fase I Fase II Ejemplos

3 Detectando PLs no acotados Supongamos que queremos poner la variable x j en la base, con coste reducido negativo: c j < 0 Para determinar quévariablebásica sacar, aplicamos la Regla del Cociente Mínimo: Sacar la variable básica de una fila i con ā ij > 0 que cumpla: { } bi bk =min :ā kj > 0 ā ij ā kj Pero Qué ocurre si ā ij 0 para cada fila i?

4 Detectando PLs no acotados (cont.) Vimos en la Lección 3 que, dada la base B, podemos z =maxc T x reformular el PL sujeto a Ax = b x 0 como el PL equivalente: z = z +max c T Nx N sujeto a x B + Ā Nx N = b x B 0, x N 0

5 donde A = [ B ] N y Ā = B 1 A = [ I ] B 1 N, b = B 1 b 0, c T N = c T BB 1 N c T N z = c T BB 1 b = c T B b Nota: c T = c T B B 1 A c T = c T BĀ ct

6 Detectando PLs no acotados (cont.) Supongamos que queremos poner la variable x j en la base, con coste reducido negativo: c j < 0 Supongamos que ā ij 0 para cada fila i : ā j 0 Construimos la siguiente familia paramétrica de soluciones factibles para el PL equivalente: para cada parámetro λ>0, tomamos x j (λ) =λ, x B (λ) = b λā j y x k (λ) =0 para las demás variables El valor del objetivo en x(λ) es: z(λ) =c T x(λ) = z c j x j (λ) = z c j λ + cuando λ + Por tanto, el PL es no acotado: z =+

7 Ejemplo Consideremos la tabla Símplex de un PL: VB x 1 x 2 x 3 x 4 x 5 LD x x x x z e Esta tabla nos indica que el PL es no acotado. Por qué?

8 Construir una familia x(λ): λ>0 de soluciones factibles, cuyo valor z(λ) tienda a + cuando λ + Variable que entraría en la base: x 4,con c 4 = 1 < 0 Definimos x(λ) por: x 4 (λ) =λ y x B = x 2 x 5 x 3 x 1 = b λā 4 = λ z(λ) = z c j λ = λ + cuando λ +

9 Vértices iniciales; no factibilidad El método Símplex parte de un vértice (SBF) inicial En algunos PLs (en formato estándar, con b 0 )es sencillo identificar una SBF inicial: cuando la matrix A contiene una submatriz identidad B = I Pero, en general, no es evidente cómo hacerlo Necesitamos un procedimiento para: obtener una SBF inicial, si existe una; o, si no, determinar que el PL es no-factible Daremos tal procedimiento: La Fase I del método Símplex

10 Fase I del método Símplex Consideremos un PL en formato estándar, con x =(x 1,...,x n ) T, A =(a ij ) m n, b 0 : z =maxc T x = c 1 x c n x n sujeto a Ax = b x 0 Pregunta 1: Es el PL factible? Pregunta 2: Si es factible, Cómo construir una SBF inicial?

11 El PL-Fase I Suponemos que la matriz A no contiene una submatriz identidad (si la contuviera, la tomaríamos como base inicial) Si es posible, identificamos algunas columnas a j1,...,a jm k de A que puedan formar parte de una submatriz identidad Aumentamos A con las columnas auxiliares necesarias a n+1,...,a n+k para completar una submatriz identidad Añadimos las correspondientes variables auxiliares x n+1,...,x n+k 0 Tomamos como base inicial la matriz identidad obtenida El objetivo del PL-Fase I es minimizar la suma de las variables auxiliares, para eliminarlas si es posible

12 El método Símplex en dos fases El objetivo del PL-Fase I es minimizar la suma de las variables auxiliares, paraeliminarlas si es posible Resolvemos con el método Símplex el PL-Fase I Caso 1: Si el objetivo mínimo del PL-Fase I es positivo: el PL original no es factible Por qué? Caso 2: Si el objetivo mínimo del PL-Fase I es cero: el PL original es factible En el caso 2: utilizamos la SBF final del PL-Fase I (que no ha de contener variables auxiliares) como SBF inicial del PL original (PL-Fase II), y aplicamos a éste el método Símplex Éste es el Método Símplex en dos fases

13 Ej.: Método Símplex en dos fases Consideremos el PL z =maxx 1 + x 2 + x 3 sujeto a x 1 + x 2 + x x 3 5 x 1 + x 2 + x 3 =0 2x 1 x 2 +2x 3 =0 x 1,x 2,x 3 0 Es factible?

14 Reformulamos el PL en formato estándar z =maxx 1 + x 2 + x 3 sujeto a x 1 + x 2 + x 3 x 4 = 100 x 3 + x 5 =5 x 1 + x 2 + x 3 =0 2x 1 x 2 +2x 3 =0 x 1,x 2,x 3,x 4,x 5 0

15 En notación matricial, con x =(x 1,...,x 5 ) T : z =max(1, 1, 1, 0, 0)x sujeto a x = x No es evidente qué baseinicial B de A seleccionar La matrix A no contiene una submatriz identidad

16 Aumentamos la matriz A con las columnas necesarias para que contenga una submatriz identidad, añadiendo las variables auxiliares no-negativas correspondientes Después, tratamos de eliminar esas variables auxiliares resolviendo el PL-Fase I, cuyo objetivo es minimizar la suma de las variables auxiliares

17 En el ejemplo, añadimos variables auxiliares x 6,x 7,x 8. Con ˆx =(x 1,...,x 5,x 6,x 7,x 8 ) T,elPL-Fase I es: z I =max x 6 x 7 x 8 sujeto a ˆx 0 ˆx = Seleccionamos como variables básicas iniciales: x 6,x 5,x 7,x 8. Por qué? Cuál es la base ˆB inicial?

18 Calculamos los costes reducidos c =( c j ) correspondientes a la base seleccionada. Cómo? Denotamos por  la matriz de coeficientes ampliada, y por ĉ =(ĉ j ) el vector de coeficientes del objetivo auxiliar: ĉ =(ĉ 1,...,ĉ 5, ĉ 6, ĉ 7, ĉ 8 )=(0, 0, 0, 0, 0, 1, 1, 1) Aplicamos la identidad (ver Lección 3) c =(ĉ 6, ĉ 5, ĉ 7, ĉ 8 ) ˆB 1  ĉ =(ĉ 6, ĉ 5, ĉ 7, ĉ 8 ) ĉ

19 La tabla Símplex inicial para el PL-Fase I es: VB x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 LD x x x x z e

20 Seleccionamos el primer pivote: VB x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 LD x x x x z e

21 Tras el primer pivotaje, obtenemos la tabla: VB x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 LD x x x x z e Observación: el objetivo no ha aumentado: Por qué?

22 Elegimos el siguiente pivote: VB x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 LD x x x x z e Aumentará el objetivo al pivotar?

23 Tras el segundo pivotaje, obtenemos la tabla: VB x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 LD 3 x x x x z e

24 Elegimos el siguiente pivote: VB x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 LD 3 x x x x z e Aumentará el objetivo al pivotar?

25 Tras el tercer pivotaje, obtenemos la tabla: VB x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 LD x x x x z e Esta tabla Símplex es óptima El objetivo óptimo del PL-Fase I es: z I = 100 e 0 Conclusión: El PL original no es factible

26 Otro ejemplo Consideremos el PL z =maxx 1 + x 2 + x 3 sujeto a x 1 + x 2 + x x 3 5 x 1 + x 2 + x 3 =0 x 1 x 2 + x 3 =0 x 1,x 2,x 3 0 Es factible? Si lo fuese, con qué baseempezar?

27 Reformulamos el PL en formato estándar z =maxx 1 + x 2 + x 3 sujeto a x 1 + x 2 + x 3 x 4 = 100 x 3 + x 5 =5 x 1 + x 2 + x 3 =0 x 1 x 2 + x 3 =0 x 1,x 2,x 3,x 4,x 5 0

28 En el ejemplo, añadimos variables auxiliares x 6,x 7,x 8. Con ˆx =(x 1,...,x 5,x 6,x 7,x 8 ) T,elPL-Fase I es: z I =max x 6 x 7 x 8 sujeto a ˆx 0 ˆx = Seleccionamos como variables básicas iniciales: x 6,x 5,x 7,x 8. Por qué?

29 Calculamos los costes reducidos c =( c j ) correspondientes a la base seleccionada. Cómo? Denotamos por  la matriz de coeficientes ampliada, y por ĉ =(ĉ j ) el vector de coeficientes del objetivo auxiliar: ĉ =(ĉ 1,...,ĉ 5, ĉ 6, ĉ 7, ĉ 8 )=(0, 0, 0, 0, 0, 1, 1, 1) Aplicamos la identidad (ver Lección 3) c =(ĉ 6, ĉ 5, ĉ 7, ĉ 8 ) ˆB 1  ĉ

30 La tabla Símplex inicial para el PL-Fase I es: VB x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 LD x x x x z e

31 Seleccionamos el primer pivote: VB x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 LD x x x x z e

32 Tras el primer pivotaje, obtenemos la tabla: VB x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 LD x x x x z e

33 Seleccionamos el segundo pivote: VB x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 LD x x x x z e

34 Tras el segundo pivotaje, obtenemos la tabla: VB x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 LD x x x x z e

35 Seleccionamos el tercer pivote: VB x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 LD x x x x z e

36 Tras el tercer pivotaje, obtenemos la tabla: VB x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 LD x x x x z e Fin de la Fase I (tabla óptima): como z I =0, el PL original es factible A partir de esta tabla, construimos la tabla inicial del PL original, con variables básicas x 2,x 5,x 3,x 1

37 Comenzamos la Fase II, con tabla Símplex inicial: VB x 1 x 2 x 3 x 4 x 5 LD x x x x z e Hemos eliminado las variables auxiliares x 6,x 7,x 8 Esta tabla nos indica que el PL original es no acotado

38 Cómo hemos calculado los costes reducidos c =( c j ) correspondientes a la base seleccionada? Denotamos por c =(c j ) el vector de coeficientes del objetivo original: c =(c 1,...,c 5 )=(1, 1, 1, 0, 0) Aplicamos la identidad (ver Lección 3) c =(c 2,c 5,c 3,c 1 )B 1 A c =(c 2,c 5,c 3,c 1 )Ā c

Soluciones 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. 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 detalles

PASO 1: Poner el problema en forma estandar.

PASO 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 detalles

(2.c) RESOLUCIÓN DE MODELOS LINEALES. ALGORITMO DEL SIMPLEX

(2.c) RESOLUCIÓN DE MODELOS LINEALES. ALGORITMO DEL SIMPLEX (2.c) RESOLUCIÓN DE MODELOS LINEALES. ALGORITMO DEL SIMPLEX FORMA CANÓNICA DE UN SISTEMA Ax = b Forma Standard y Base factible (repaso). Expresión de las v. básicas en función de las no básicas. Forma

Más detalles

Tema 3: El Método Simplex. Algoritmo de las Dos Fases.

Tema 3: El Método Simplex. Algoritmo de las Dos Fases. Tema 3: El Método Simplex Algoritmo de las Dos Fases 31 Motivación Gráfica del método Simplex 32 El método Simplex 33 El método Simplex en Formato Tabla 34 Casos especiales en la aplicación del algoritmo

Más detalles

Método Simplex: Encontrado una SBF

Método Simplex: Encontrado una SBF Método Simplex: Encontrado una SBF CCIR / Matemáticas euresti@itesm.mx CCIR / Matemáticas () Método Simplex: Encontrado una SBF euresti@itesm.mx 1 / 31 Determinación de SBF Determinación de SBF El método

Más detalles

Examen de Investigación Operativa 2006/07

Examen de Investigación Operativa 2006/07 Examen de Investigación Operativa 2006/07 ITIG-UC3M, 10 de septiembre de 2007, 10:00-12:00 Nombre, apellidos, grupo y NIA: Problema 1 Problema 2 Problema 3 Problema 4 Total Nota: indica en cada caso el

Más detalles

Sistemas de Ecuaciones Lineales

Sistemas de Ecuaciones Lineales Sistemas de Ecuaciones Lineales 1 Sistemas de ecuaciones y matrices Definición 1 Una ecuación lineal en las variables x 1, x 2,..., x n es una ecuación de la forma con a 1, a 2... y b números reales. a

Más detalles

max c T x s.a. Ax b x 0 y un diccionario general para dicho problema a rs x s, c s x s z = d + b r y r min b T y s.a. A T y c y 0

max c T x s.a. Ax b x 0 y un diccionario general para dicho problema a rs x s, c s x s z = d + b r y r min b T y s.a. A T y c y 0 CO-34 (S8) 25/3/28 8 Formalizaremos lo visto en la clase anterior. Considere un problema en forma estándar max s.a. c T x Ax b x un diccionario general para dicho problema x r = b r + a rs x s, s NB z

Más detalles

Modelos de Programación Lineal: Resolución gráfica y Teorema fundamental. Investigación Operativa, Grado en Estadística y Empresa, 2011/12

Modelos de Programación Lineal: Resolución gráfica y Teorema fundamental. Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Modelos de Programación Lineal: Resolución gráfica y Teorema fundamental Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Resolución gráfica de problemas de

Más detalles

Pasos en el Método Simplex

Pasos 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 detalles

Si el objetivo es maximizar, entonces se tiene la forma estándar de maximización y, si el objetivo es minimizar, la forma estándar de minimización.

Si el objetivo es maximizar, entonces se tiene la forma estándar de maximización y, si el objetivo es minimizar, la forma estándar de minimización. Tema El método simplex Los modelos lineales con dos o tres variables se pueden resolver gráficamente. En el Tema hemos visto la solución gráfica de modelos lineales de dos variables. Sin embargo, este

Más detalles

Forma estándar de un programa lineal

Forma estándar de un programa lineal Forma estándar de un programa lineal Sin pérdida de generalidad, todo programa lineal se puede escribir como: min cx s.t Ax = b x 0 Objetivo: minimizar Todas las desigualdades como ecuaciones Todas las

Más detalles

Desarrollo de las condiciones de optimalidad y factibilidad. El problema lineal general se puede plantear como sigue:

Desarrollo 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 detalles

El 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 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 detalles

El algoritmo del Simplex. Forma tabular

El algoritmo del Simplex. Forma tabular El algoritmo del Simplex. Forma tabular 1 Soluciones básicas factibles Consideremos el siguiente poliedro P = {x R n, tal que Ax = b, x } con A M m n, b R m, m n, x y RangoA = RangoA, b = m. Observación

Más detalles

Definición de problemas de programación lineal. Método gráfico. Método del SIMPLEX. Método de las dos fases. Análisis de sensibilidad y problema dual

Definición de problemas de programación lineal. Método gráfico. Método del SIMPLEX. Método de las dos fases. Análisis de sensibilidad y problema dual 7. Programación lineal y SIMPLEX Definición de problemas de programación lineal. Método gráfico. Método del SIMPLEX. Método de las dos fases. Análisis de sensibilidad y problema dual Programación Lineal

Más detalles

Semana 2 [1/29] Matrices. 31 de julio de Matrices

Semana 2 [1/29] Matrices. 31 de julio de Matrices Semana 2 [1/29] 31 de julio de 2007 elementales Semana 2 [2/29] Matriz de permutación Matriz de permutación Una matriz elemental de permutación tiene la siguiente estructura: 1 0 0 1 0 1 fila p 1 I pq

Más detalles

Ejercicios resueltos del capítulo 1

Ejercicios resueltos del capítulo 1 Ejercicios resueltos del capítulo Ejercicios impares resueltos..b Resolver por el método de Gauss el sistema x +x x +x 4 +x = x x +x 4 = x +x +x = x +x x 4 = F, ( ) F 4, () F, ( ) F, () 8 6 8 6 8 7 4 Como

Más detalles

Ejemplo 1. Ejemplo introductorio

Ejemplo 1. Ejemplo introductorio . -Jordan. Ejemplo 1. Ejemplo introductorio. -Jordan Dos especies de insectos se crían juntas en un recipiente de laboratorio. Todos los días se les proporcionan dos tipos de alimento A y B. 1 individuo

Más detalles

ANÁLISIS DE SENSIBILIDAD.

ANÁLISIS DE SENSIBILIDAD. ANÁLISIS DE SENSIBILIDAD. En la mayoría de las aplicaciones practicas, algunos datos del problema no son conocidos con exactitud y por esto son estimados tan bien como sea posible. Es importante poder

Más detalles

4. Método Simplex de Programación Lineal

4. Método Simplex de Programación Lineal Temario Modelos y Optimización I 4. Método Simplex de Programación Lineal A- Resolución de problemas, no particulares, con representación gráfica. - Planteo ordenado de las inecuaciones. - Introducción

Más detalles

EJEMPLO DE SIMPLEX PARA PROBLEMA DE PROGRAMACIÓN LINEAL CASO DE MAXIMIZAR Prof.: MSc. Julio Rito Vargas Avilés

EJEMPLO DE SIMPLEX PARA PROBLEMA DE PROGRAMACIÓN LINEAL CASO DE MAXIMIZAR Prof.: MSc. Julio Rito Vargas Avilés EJEMPLO DE SIMPLEX PARA PROBLEMA DE PROGRAMACIÓN LINEAL CASO DE MAXIMIZAR Prof.: MSc. Julio Rito Vargas Avilés CONSTRUCCION DE LA TABLA INICIAL DEL MÉTODO SIMPLEX Una vez que el alumno ha adquirido la

Más detalles

84 Tema 3. Dualidad. todas las restricciones son del tipo, todas las variables son no negativas.

84 Tema 3. Dualidad. todas las restricciones son del tipo, todas las variables son no negativas. Tema 3 Dualidad En el desarrollo de la programación lineal la teoria de la dualidad es importante, tanto desde el punto de vista teórico como desde el punto de vista práctico. Para cada modelo lineal se

Más detalles

Una forma fácil de recordar esta suma (regla de Sarrus): Primero vamos a estudiar algunas propiedades de los determinantes.

Una forma fácil de recordar esta suma (regla de Sarrus): Primero vamos a estudiar algunas propiedades de los determinantes. Una forma fácil de recordar esta suma (regla de Sarrus): Ejemplos: Tarea: realizar al menos tres ejercicios de cálculo de determinantes de matrices de 2x2 y otros tres de 3x3. PARA DETERMINANTES DE MATRICES

Más detalles

Ejercicios - Resolución de problemas lineales. Método Simplex

Ejercicios - Resolución de problemas lineales. Método Simplex Ejercicios - Resolución de problemas lineales. Método Simplex Programación Matemática LADE Curso 8/9. Dado el problema lineal máx x x x + x s.a. x + x + x = 4 x + x 4 x justifica que el punto x = ( T es

Más detalles

Examen de Investigación Operativa (Plan 96) Febrero de er Parcial

Examen de Investigación Operativa (Plan 96) Febrero de er Parcial Examen de Investigación Operativa (Plan 96) Febrero de 2010 1 er Parcial Solución del Ejercicio 1. Definimos las variables de decisión ½ 1, si se coloca una cámara en el punto de localización i x i = 0,

Más detalles

Repaso del algoritmo SIMPLEX

Repaso del algoritmo SIMPLEX Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Industrial IN70K: Clase Auxiliar Repaso del algoritmo SIMPLEX Marcel Goic F. 1 1 Esta es una versión bastante

Más detalles

Problemas de Programación Lineal: Método Simplex

Problemas 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 detalles

2.2 PROGRAMACION LINEAL: METODOS DE SOLUCION

2.2 PROGRAMACION LINEAL: METODOS DE SOLUCION 2.2 PROGRAMACION LINEAL: METODOS DE SOLUCION 1. METODO GRAFICO 2. METODO SIMPLEX - ALGEBRAICO 3. METODO SIMPLEX - TABULAR 4. METODO SIMPLEX - MATRICIAL 1 2.2.1 METODO GRAFICO (modelos con 2 variables)

Más detalles

Algebra lineal y conjuntos convexos

Algebra 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 detalles

Matrices, Determinantes y Sistemas de ecuaciones lineales

Matrices, Determinantes y Sistemas de ecuaciones lineales Tema 1 Matrices, Determinantes y Sistemas de ecuaciones lineales 1.1. Matrices Definición: Una MATRIZ es un conjunto de números reales dispuestos en forma de rectángulo, que usualmente se delimitan por

Más detalles

315 M/R Versión 1 Integral 1/13 2009/1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA

315 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 detalles

La lección de hoy de febrero de Notación. Solución factible básica

La lección de hoy de febrero de Notación. Solución factible básica 1.3 1 de febrero de La lección de hoy Método simplex (continuación) Entregas: material de clase Nota: el diseño de esta presentación incluye animaciones que permiten verla en forma de diapositivas. Repaso

Más detalles

Optimización de Problemas de Producción

Optimización de Problemas de Producción Optimización de Problemas de Producción Pedro Piñeyro - Luis Stábile Colaboran: Héctor Cancela - Antonio Mauttone - Carlos Testuri Depto. Investigación Operativa. Instituto de Computación. Facultad de

Más detalles

MÉTODO SIMPLEX. PROFESORA: LILIANA DELGADO HIDALGO Estandarización Tradicional

MÉTODO SIMPLEX. PROFESORA: LILIANA DELGADO HIDALGO Estandarización Tradicional MÉTODO SIMPLE POFESOA: LILIANA DELGADO HIDALGO Lilianadelgado@correounivalleeduco Minimizar 4x + x Sueto a: x + x 4x + x 6 x + x 4 x, x Estandarización Tradicional Minimizar 4x + x Sueto a: x + x 4x +

Más detalles

La programación lineal hace referencia al uso eficiente o distribución de recursos limitados, para alcanzar unos objetivos determinados.

La programación lineal hace referencia al uso eficiente o distribución de recursos limitados, para alcanzar unos objetivos determinados. Programación lineal La programación lineal hace referencia al uso eficiente o distribución de recursos limitados, para alcanzar unos objetivos determinados. El nombre de programación no se refiere a la

Más detalles

Tema 3 Optimización lineal. Algoritmo del simplex

Tema 3 Optimización lineal. Algoritmo del simplex Tema 3 Optimización lineal. Algoritmo del simplex José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Contenidos del tema 3 Teorema fundamental de la programación lineal. Algoritmo

Más detalles

Método Simplex en Optimización de Problemas de Producción

Método Simplex en Optimización de Problemas de Producción Método Simplex en Optimización de Problemas de Producción Pedro Piñeyro - Luis Stábile - Fernando Islas - Carlos Testuri Héctor Cancela - Antonio Mauttone Depto. Investigación Operativa. Instituto de Computación.

Más detalles

CLAVE: MIS 206 PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO

CLAVE: MIS 206 PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO MATEMÁTICAS AVANZADAS PARA LA INGENIERÍA EN SISTEMAS CLAVE: MIS 206 PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO 1 1. SISTEMAS LINEALES DISCRETOS Y CONTINUOS 1.1. Modelos matemáticos 1.2. Sistemas 1.3. Entrada

Más detalles

Tema 6: Resolución aproximada de sistemas de ecuaciones lineales

Tema 6: Resolución aproximada de sistemas de ecuaciones lineales Métodos Numéricos: Resumen y ejemplos Tema 6: Resolución aproximada de sistemas de ecuaciones lineales Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de

Más detalles

Tema 3 Resolución de Sistemas deecuaciones Lineales

Tema 3 Resolución de Sistemas deecuaciones Lineales Tema 3 Resolución de Sistemas de Ecuaciones Lineales E.T.S.I. Informática Indice 1 Introducción 2 Resolución de Sistemas Triangulares Triangulación por el Método de Gauss Variante de Gauss-Jordan Comentarios

Más detalles

SISTEMAS DE ECUACIONES LINEALES

SISTEMAS DE ECUACIONES LINEALES 1 SISTEMAS DE ECUACIONES LINEALES Una ecuación es un enunciado o proposición que plantea la igualdad de dos expresiones, donde al menos una de ellas contiene cantidades desconocidas llamadas variables

Más detalles

Optimización combinatoria Flujo en redes. Investigación Operativa, Grado en Estadística y Empresa, 2011/12

Optimización combinatoria Flujo en redes. Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Optimización combinatoria Flujo en redes Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Optimización combinatoria: definición y formulación de PE El problema

Más detalles

Optimización lineal con R José R. Berrendero

Optimización lineal con R José R. Berrendero Optimización lineal con R José R. Berrendero Introducción Veamos cómo se pueden resolver problemas de optimización lineal con R a través de algunos ejemplos sencillos. La mayor parte de las funciones necesarias

Más detalles

UNIVERSIDAD CARLOS III DE MADRID

UNIVERSIDAD CARLOS III DE MADRID UNIVERSIDAD CARLOS III DE MADRID Departamento de Economía Tema 1: Matrices y sistemas de ecuaciones lineales Empezaremos por recordar conceptos ya conocidos de álgebra lineal como las matrices, determinantes,

Más detalles

Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Investigación de Operaciones

Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Investigación de Operaciones Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Investigación de Operaciones Profesor: MSc. Julio Rito Vargas Avilés. Estudiantes: FAREM-Carazo Unidad III Metodologías para la Solución

Más detalles

2.1 Introducción. Propiedades.

2.1 Introducción. Propiedades. 19 2 MATRICES II: DETERMINANTES En este segundo capítulo de matrices, aprenderemos a utilizar una herramienta muy importante como son los determinantes Gracias a ellos, podremos calcular la inversa de

Más detalles

Tema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES

Tema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES Tema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES Prof. Rafael López Camino Universidad de Granada 1 Matrices Definición 1.1 Una matriz (real) de n filas y m columnas es una expresión de la forma a 11...

Más detalles

Programación entera: Ejemplos, resolución gráfica, relajaciones lineales. Investigación Operativa, Grado en Estadística y Empresa, 2011/12

Programación 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 detalles

En el siguiente capítulo se hará un repaso de algunas propiedades básicas de conjuntos convexos, para después explicar el método simplex.

En el siguiente capítulo se hará un repaso de algunas propiedades básicas de conjuntos convexos, para después explicar el método simplex. Capitulo 2 Método Simplex Para explicar el método de generación de columnas se explicaran a continuación conceptos básicos de la programación lineal y el método simplex. En especial, el concepto de costo

Más detalles

Dualidad 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. 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 detalles

METODO SIMPLEX NOTAS DE CLASE: INVESTIGACIÓN DE OPERACIONES I UNIVERSIDAD CENTRAL PROFESOR CARLOS DÍAZ. Max Z= 12X 1 + 15X 2

METODO SIMPLEX NOTAS DE CLASE: INVESTIGACIÓN DE OPERACIONES I UNIVERSIDAD CENTRAL PROFESOR CARLOS DÍAZ. Max Z= 12X 1 + 15X 2 METODO SIMPLEX NOTAS DE CLASE: INVESTIGACIÓN DE OPERACIONES I UNIVERSIDAD CENTRAL PROFESOR CARLOS DÍAZ Max Z= 12X 1 + 15X 2 Sujeto a: 2X 1 + X 2

Más detalles

CO5411. Dantzig-Wolfe / Descomposición de Benders. Prof. Bernardo Feijoo. 06 de febrero de 2008

CO5411. Dantzig-Wolfe / Descomposición de Benders. Prof. Bernardo Feijoo. 06 de febrero de 2008 Dantzig-Wolfe / Departmento de Cómputo Cientíco y Estadística Universidad Simón Bolívar 06 de febrero de 2008 Contenido 1 Dantzig-Wolfe 2 Contenido Dantzig-Wolfe 1 Dantzig-Wolfe 2 Ahora la nueva base produce

Más detalles

Matrices: repaso. Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas. Una matriz A M m n es de la forma A =

Matrices: repaso. Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas. Una matriz A M m n es de la forma A = Matrices: repaso Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas Una matriz A M m n es de la forma a 11 a 1n A = a m1 a mn Denotaremos A ij = a ij el coeficiente

Más detalles

Estrategias de pivoteo

Estrategias de pivoteo Estrategias de pivoteo Objetivos. Resolver sistemas de ecuaciones lineales aplicando varias técnicas de pivoteo; programar estos algoritmos. Requisitos. Operaciones elementales, experiencia de resolver

Más detalles

Matrices escalonadas y escalonadas reducidas

Matrices escalonadas y escalonadas reducidas Matrices escalonadas y escalonadas reducidas Objetivos. Estudiar las definiciones formales de matrices escalonadas y escalonadas reducidas. Comprender qué importancia tienen estas matrices para resolver

Más detalles

Álgebra Lineal. Tema 7. Forma normal de una transformación

Álgebra Lineal. Tema 7. Forma normal de una transformación Álgebra Lineal Tema 7. Forma normal de una transformación Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V

Más detalles

Matrices. p ij = a ik b kj = a i1 b 1j + a i2 b 2j + + a in b nj.

Matrices. p ij = a ik b kj = a i1 b 1j + a i2 b 2j + + a in b nj. Matrices Introducción Una matriz de m filas y n columnas con elementos en el cuerpo K es un rectángulo de elementos de K (es decir, números) del tipo a a 2 a n a 2 a 22 a 2n A = (a ij ) = a m a m2 a mn

Más detalles

PROPUESTA A. b) Para dicho valor de a, da la ecuación implícita de un plano que contenga a r y a s. (1 25 puntos)

PROPUESTA A. b) Para dicho valor de a, da la ecuación implícita de un plano que contenga a r y a s. (1 25 puntos) PROPUESTA A 1A. a) Calcula los valores de los parámetros a, b R para que la función { sea continua y derivable en x = 0. (1 5 puntos) b) Para los valores encontrados, calcula la ecuación de la recta tangente

Más detalles

Lección 5.1: Matrices y determinantes. Primeros conceptos. Objetivos de esta lección

Lección 5.1: Matrices y determinantes. Primeros conceptos. Objetivos de esta lección Matemáticas Tema 5: Conceptos básicos sobre matrices y vectores Objetivos Lección 5.: y determinantes Philippe Bechouche Departamento de Matemática Aplicada Universidad de Granada 3 4 phbe@ugr.es 5 Qué

Más detalles

DUALIDAD EN PROGRAMACION LINEAL

DUALIDAD EN PROGRAMACION LINEAL DUALIDAD EN PROGRAMACION LINEAL Relaciones primal-dual Asociado a cada problema lineal existe otro problema de programación lineal denominado problema dual (PD), que posee importantes propiedades y relaciones

Más detalles

Mat r i z in v e r s a

Mat r i z in v e r s a Unidad 2 Método de GaUss Mat r i z in v e r s a M U lt i pli cat i va Objetivos: Al inalizar la unidad, el alumno: Representará un sistema de m ecuaciones lineales con n incógnitas mediante una matriz

Más detalles

Examen de Junio de 2011 (Común) con soluciones (Modelo )

Examen de Junio de 2011 (Común) con soluciones (Modelo ) Opción A Junio 011 común ejercicio 1 opción A ['5 puntos] Se desea construir un depósito cilíndrico cerrado de área total igual a 54 m. Determina el radio de la base y la altura del cilindro para que éste

Más detalles

Introducción a Matrices y Eliminación Gaussiana

Introducción a Matrices y Eliminación Gaussiana Introducción a Matrices y Eliminación Gaussiana 1 Sistema de Ecuaciones Matricial 2 Definición Una matriz es un arreglo rectangular de valores llamados elementos, organizados por filas y columnas. Ejemplo:

Más detalles

Determinantes. Primera definición. Consecuencias inmediatas de la definición

Determinantes. Primera definición. Consecuencias inmediatas de la definición Determinantes Primera definición Para calcular el determinante de una matriz cuadrada de orden n tenemos que saber elegir n elementos de la matriz de forma que tomemos solo un elemento de cada fila y de

Más detalles

Optimización 2 o de Ingeniería Informática

Optimización 2 o de Ingeniería Informática Optimización 2 o de Ingeniería Informática Félix Gómez Mármol Curso 2002-2003 2 Índice general 1 El Problema de la Programación Lineal 5 11 Elementos que definen un problema de Programación Lineal 5 111

Más detalles

Universidad Carlos III de Madrid Licenciatura en Administración de Empresas Examen de Programación Matemática 19 de Septiembre de 2007 Soluciones

Universidad Carlos III de Madrid Licenciatura en Administración de Empresas Examen de Programación Matemática 19 de Septiembre de 2007 Soluciones Universidad Carlos III de Madrid Licenciatura en Administración de Empresas Examen de Programación Matemática 9 de Septiembre de 7 Soluciones. ( puntos Tu empresa proporciona automóviles a algunos de sus

Más detalles

EL MÉTODO SIMPLEX ALGEBRAICO: MINIMIZACION. M. En C. Eduardo Bustos Farías

EL MÉTODO SIMPLEX ALGEBRAICO: MINIMIZACION. M. En C. Eduardo Bustos Farías EL MÉTODO SIMPLEX ALGEBRAICO: MINIMIZACION M. En C. Eduardo Bustos Farías 1 Minimización El método simplex puede aplicarse a un problema de minimización si se modifican los pasos del algoritmo: 1. Se cambia

Más detalles

Tema 1: Matrices y Determinantes

Tema 1: Matrices y Determinantes Tema 1: Matrices y Determinantes September 14, 2009 1 Matrices Definición 11 Una matriz es un arreglo rectangular de números reales a 11 a 12 a 1m a 21 a 22 a 2m A = a n1 a n2 a nm Se dice que una matriz

Más detalles

Contenido. 1 Definiciones y propiedades. 2. Método de la potencia. 3. Método de la potencia inversa. 4. Método de la potencia inversa desplazada

Contenido. 1 Definiciones y propiedades. 2. Método de la potencia. 3. Método de la potencia inversa. 4. Método de la potencia inversa desplazada ETS Minas: Métodos Matemáticos Resumen y ejemplos Tema 5: Valores y vectores propios Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Octubre

Más detalles

max z = c T x sujeto a Ax b

max z = c T x sujeto a Ax b Tema 4 Análisis de sensibilidad El análisis de sensibilidad se realiza después de obtener la solución óptima de un modelo lineal para deteminar como afectan los cambios en los parámetros del modelo a la

Más detalles

Análisis de Sensibilidad

Análisis de Sensibilidad IN3701 - Modelamiento y Optimización Departamento de Ingeniería Industrial Universidad de Chile 2011 Basado en Bertsimas, D., Tsitsiklis, J. (1997) Introduction to Linear Optimization Capítulo 5 Contenidos

Más detalles

Contenido: Solución algebraica a los problemas de programación lineal con el método simplex.

Contenido: 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 detalles

5.1. Algoritmo en modelos de maximización

5.1. Algoritmo en modelos de maximización 5.1. Algoritmo en modelos de maximización El primer tipo de modelo que vamos a resolver por el método símplex es el que tiene como objetivo maximizar a una función lineal, la cual está sujeta a una serie

Más detalles

Álgebra Lineal - Grado de Estadística. Examen final 26 de junio de 2013 APELLIDOS, NOMBRE:

Álgebra Lineal - Grado de Estadística. Examen final 26 de junio de 2013 APELLIDOS, NOMBRE: Álgebra Lineal - Grado de Estadística Examen final de junio de APELLIDOS, NOMBRE: DNI: Firma Primer parcial Ejercicio ( Sea A una matriz simétrica definida positiva de orden n y v R n Pruebe que la matriz

Más detalles

TEMA 4: Espacios y subespacios vectoriales

TEMA 4: Espacios y subespacios vectoriales TEMA 4: Espacios y subespacios vectoriales 1. Espacios vectoriales Sea K un cuerpo. Denominaremos a los elementos de K escalares. Definición 1. Un espacio vectorial sobre K es un conjunto V cuyos elementos

Más detalles

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 8 de Septiembre de 23 25 puntos Dado el problema lineal máx x + x 2 x 3 sa x + x 2 + x 3 2 2x x 2 x 3 2 x, se pide

Más detalles

Matriz sobre K = R o C de dimensión m n

Matriz sobre K = R o C de dimensión m n 2 Matrices y Determinantes 21 Matrices Matriz sobre K = R o C de dimensión m n A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn Tipos de matrices: Cuadrada: n n = (a ij) i=1,,m j=1,,n Nula: (0) i,j 1 0

Más detalles

PROBLEMAS PROGRAMACIÓN LINEAL CONTINUA

PROBLEMAS PROGRAMACIÓN LINEAL CONTINUA PROBLEMAS PROGRAMACIÓN LINEAL CONTINUA 1. Sea el problema: Max. 3 x 1 + 4 x 2 + 2 x 3 + x 4 s.a. 4 x 1 + 3 x 2 + 4 x 3 + x 4 5 2 x 1 + x 2 + 5 x 3 + 2 x 4 6 x 1 6, 0 x 2 3, x 3 libre, x 4 0 a) Ponerlo

Más detalles

UNIVERSIDAD 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 (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 detalles

Programación Lineal. - Si no: Sea j tal que c

Programación Lineal. - Si no: Sea j tal que c Programación Lineal El objetivo de este documento es hacer una breve introducción a la programación lineal que pueda contribuir al fácil manejo de la aplicación. La programación lineal es un procedimiento

Más detalles

Universidad Tec Milenio: Profesional IO04001 Investigación de Operaciones I. Tema # 6. revisado

Universidad Tec Milenio: Profesional IO04001 Investigación de Operaciones I. Tema # 6. revisado IO04001 Investigación de Operaciones I Tema # 6 Introducción al método simplex matricial o revisado Objetivos de aprendizaje Al finalizar el tema serás capaz de: Emplear el Método simplex Matricial para

Más detalles

Tema 6.- Sistemas de ecuaciones lineales Resolución por el método de Gauss.

Tema 6.- Sistemas de ecuaciones lineales Resolución por el método de Gauss. Sistemas de ecuaciones equivalentes. Tema 6.- Sistemas de ecuaciones lineales. 6.1.- Resolución por el método de Gauss. Son los que tienen las mismas soluciones Hay dos operaciones básicas que transforman

Más detalles

ARITMÉTICA Y ÁLGEBRA

ARITMÉTICA Y ÁLGEBRA ARITMÉTICA Y ÁLGEBRA 1.- Discutir el siguiente sistema, según los valores de λ: Resolverlo cuando tenga infinitas soluciones. Universidad de Andalucía SOLUCIÓN: Hay cuatro ecuaciones y tres incógnitas,

Más detalles

IES Fco Ayala de Granada Septiembre de 2013 (Modelo 2 ) Solución Germán-Jesús Rubio Luna. Opción A

IES Fco Ayala de Granada Septiembre de 2013 (Modelo 2 ) Solución Germán-Jesús Rubio Luna. Opción A IES Fco Ayala de Granada Septiembre de 01 (Modelo ) Germán-Jesús Rubio Luna Opción A Ejercicio 1 opción A, modelo Septiembre 01 ['5 puntos] Un alambre de 10 metros de longitud se divide en dos trozos.

Más detalles

Problemas de programación entera: El método Ramifica y Acota. Investigación Operativa, Grado en Estadística y Empresa, 2011/12

Problemas de programación entera: El método Ramifica y Acota. Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Problemas de programación entera: El método Ramifica y Acota Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema La estrategia Divide y vencerás Árboles de enumeración

Más detalles

Gustavo Rodríguez Gómez. Agosto Dicembre 2011

Gustavo Rodríguez Gómez. Agosto Dicembre 2011 Computación Científica Gustavo Rodríguez Gómez INAOE Agosto Dicembre 2011 1 / 46 Capítulo II 2 / 46 1 Introducción Métodos Directos Sistemas Triangulares Sustitución Hacia Atrás Invertibilidad de una Matriz

Más detalles

Matemáticas

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 detalles

Método de mínimo cuadrados (continuación)

Método de mínimo cuadrados (continuación) Clase No. 10: Método de mínimo cuadrados (continuación) MAT 251 Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/

Más detalles

Nelson Devia C Basado en Bertsimas, D., Tsitsiklis, J. (1997) Introduction to Linear Optimization Capítulo 3

Nelson Devia C Basado en Bertsimas, D., Tsitsiklis, J. (1997) Introduction to Linear Optimization Capítulo 3 IN3701 - Modelamiento y Optimización Departamento de Ingeniería Industrial Universidad de Chile 2011 Basado en Bertsimas, D., Tsitsiklis, J. (1997) Introduction to Linear Optimization Capítulo 3 Contenidos

Más detalles

TEMA 1. Álgebra matricial y programación lineal

TEMA 1. Álgebra matricial y programación lineal TEMA 1 Álgebra matricial y programación lineal Muchos problemas en las matemáticas y sus aplicaciones conducen a sistemas de ecuaciones lineales, del tipo: a 11 x 1 + a 12 x 2 + + a 1n x n b 1 a 21 x 1

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA MATEMÁTICAS II TEMA 3: ESPACIO AFÍN Y EUCLÍDEO

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA MATEMÁTICAS II TEMA 3: ESPACIO AFÍN Y EUCLÍDEO PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 9 MATEMÁTICAS II TEMA 3: ESPACIO AFÍN Y EUCLÍDEO Junio, Ejercicio 4, Opción A Junio, Ejercicio 4, Opción B Reserva 1, Ejercicio 4, Opción A Reserva 1, Ejercicio

Más detalles

Contenido. 2 Operatoria con matrices. 3 Determinantes. 4 Matrices elementales. 1 Definición y tipos de matrices

Contenido. 2 Operatoria con matrices. 3 Determinantes. 4 Matrices elementales. 1 Definición y tipos de matrices elementales Diciembre 2010 Contenido Definición y tipos de matrices elementales 1 Definición y tipos de matrices 2 3 4 elementales 5 elementales Definición 1.1 (Matriz) Una matriz de m filas y n columnas

Más detalles

UNIDAD UNO PROGRAMACIÓN LÍNEAL Parte 3

UNIDAD UNO PROGRAMACIÓN LÍNEAL Parte 3 UNIDAD UNO PROGRAMACIÓN LÍNEAL Parte 3 Matriz unitaria "I" de base con variables artificiales. Cuando el problema de programación lineal se expresa en la forma canónica de maximizar, las variables de holgura

Más detalles

Programación lineal: Algoritmo del simplex

Programación lineal: Algoritmo del simplex Programación lineal: Algoritmo del simplex Se considera la formulación estándar de un problema de programación lineal siguiendo la notación utilizada en las clases teóricas: Minimizar c t x sa: Ax = b

Más detalles

Método de mínimos cuadrados (Continuación)

Método de mínimos cuadrados (Continuación) Clase No. 11: MAT 251 Método de mínimos cuadrados (Continuación) Dr. Alonso Ramírez Manzanares CIMAT A.C. e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/ Dr. Joaquín Peña Acevedo CIMAT

Más detalles

Degeneración y ciclaje. Método de las dos fases CO-3411 (S08) 30/03/

Degeneración y ciclaje. Método de las dos fases CO-3411 (S08) 30/03/ CO-3411 (S08 30/03/2008 98 Degeneración y ciclaje En el caso de problemas generales, una solución será degenerada cuando alguna de las variables básicas se encuentra en una de sus cotas (comparar con el

Más detalles

Sistemas de ecuaciones lineales

Sistemas de ecuaciones lineales Tema 1 Sistemas de ecuaciones lineales 11 Definiciones Sea K un cuerpo Una ECUACIÓN LINEAL CON COEFICIENTES EN K es una expresión del tipo a 1 x 1 + + a n x n = b, en la que n es un número natural y a

Más detalles

PROBLEMAS DE OPTIMIZACIÓN LINEAL

PROBLEMAS DE OPTIMIZACIÓN LINEAL PROBLEMAS DE OPTIMIZACIÓN LINEAL PROBLEMA DE LA PRODUCCIÓN 1.- Una fábrica elabora dos tipos de productos, A y B. El tipo A necesita 2 obreros trabajando un total de 20 horas, y se obtiene un beneficio

Más detalles

Ecuaciones matriciales AX = B y XA = B. Cálculo de la matriz inversa

Ecuaciones matriciales AX = B y XA = B. Cálculo de la matriz inversa Ecuaciones matriciales AX = B y XA = B Cálculo de la matriz inversa Objetivos Aprender a resolver ecuaciones matriciales de la forma AX = B y XA = B Aprender a calcular la matriz inversa con la eliminación

Más detalles