Multiplicadores de Lagrange y dualidad
|
|
- Clara Carmona Benítez
- hace 6 años
- Vistas:
Transcripción
1 Multiplicadores de Lagrange y dualidad
2 Problemas con solo restricciones de igualdad Sea x* un mínimo local y regular ( : son linealmente independientes), entonces existen tales que: Interpretación y ejemplos.
3 Problemas con restricciones de igualdad y desigualdad donde f : R R, h : R R, g : R R n n m n r son funciones continuas diferenciables. Asumimos que el dominio D= dominio( f ) dominio( g ) es no vacío i i= 1 i= 1 n m r Construimos el Lagrangiano L: R xr xr R asociado al problema anterior como: m m I L( x, λ, ν ) = f ( x) + λ h ( x) + ν g ( x) i i i i i= 1 i= 1 r r I I λ : multiplicadores de Lagrange asociados con la restricción de igualdad i i ν : multiplicadores de Lagrange asociados con la restricción de desigualdad i i i
4 La función dual de Lagrange m r Es una función d: R R R m r d( λ, ν ) = inf L( x, λ, ν ) = inf ( ) i i ( ) i i ( ) x x f x + λ h x + ν g x i= 1 i= 1 como d( λ, ν )es el mínimo puntual de una familia de funciones lineales de ( λ, ν ) es una función cóncava aún cuando el problema no sea convexo.
5 Cota inferior del óptimo Para todo ( λ, ν 0), sea p*el valor óptimo del problema de optimización entonces, d( λ, ν ) p* Si x es un puto factible del problema de optimización, entonces: m r λihi ( x ) + ν igi ( x ) 0 i= 1 i= 1 por lo tanto L( x, λ, ν ) f ( x ) por lo tanto: d( λ, ν ) f ( x ), como vale para cualquier punto factible vale para el óptimo d( λ, ν ) p* { λ ν d λ ν } Dominio( g) =, : (, ) > λ, ν son factibles del dual si ν 0, λ, ν Dom( d) El Lagrangiano y la cota inferior se pueden interpretar como una linealización de la función indicatriz de las restricciones
6 El problema dual de Lagrange Cuál es la mejor cota inferior que puede ser obtenida a través de la función dual de Lagrange? maximizar d( λ, ν ) sujeto ν 0 a los valores óptimos ( λ*, ν*) se los llama óptimos del dual o multiplicadores de Lagrange óptimos. Este problema es siempre un problema de optimización convexa
7 Dualidad débil Esta propiedad se deduce de la cota inferior vista antes Si llamamos d * al óptimo del problema dual d* p* (dualidad débil) habitualmente se denomina a p*- d * como la diferencia (gap) de dualidad. Esta diferencia es siempre positiva.
8 Dualidad fuerte. Teorema de Slater La pregunta es cuando d* será igual a p*? Esto en general no es cierto pero si el problema es convexo con restricciones convexas, habitualmente (pero no siempre) se tiene dualidad fuerte. Lo que establece el teorema de Slater es una condición adicional a la convexidad para que se verifique la dualidad fuerte. Hay otros resultados.
9 Slater. Dualidad fuerte Se considera el siguiente problema convexo (f 0,f i convexas, h i funciones lineales) La condición de Slater para que en un problema convexo sea válida la dualidad fuerte es que Exista x un punto del dominio D tal que verifique: f ( x) < 0 i = 1,..., m y h ( x) = 0 i i
10 Ejemplos de dualidad f ( x) = 1/ 2( x + x ) s. t. i= { 0,1} g( x) = x 1 0, x X = R Optimización discreta: f ( x) g( x) = x 1/ 2 0 Optimización sobre un simplex: min f ( x) n i i 0 = x x X = x x = r
11 Interpretación de la dualidad y los multiplicadores de Lagrange Interpretación económica.
12 Condiciones de optimalidad Complementariedad de la relajación Cuando existe dualidad fuerte: (since constraints satisfied at x*)
13 Complementariedad de la relajación Lo cual implica: Como cada término es no-positivo, se tiene la propiedad: Lo que es equivalente a: Si el multiplicador de Lagrange es 0, la restricción puede estar activa (no es biyectivo)
14 Condiciones Karush-Kuhn-Tucker (KKT) para el caso no convexo. Asumiendo que hay dualidad fuerte y que las f0,fi,hi son diferenciables, como el gradiente debe ser 0 en x* Por lo tanto juntando todo lo visto se tienen las siguientes condiciones necesarias de optimalidad
15 Condiciones KKT (caso convexo) En este caso también son suficientes para que sean el óptimo del primal y el dual sin diferencia de dualidad. Ejemplos
16 Análisis de sensibilidad Consideramos el problema: Si es la solución óptima del problema perturbado, es decir: Si es diferenciable en (0,0) y existe dualidad fuerte, entonces las variables duales óptimas cumplen que
17 Idea general de los métodos de barrera. Aproximar las restricciones por una función barrera (una aproximación de la indicatriz)
18 Idea general de los métodos de barrera. A medida que t se hace más grande la aproximación mejora.
Departamento de Matemáticas. ITAM Programación lineal (+ extensiones). Objetivos y panorama del c
Programación lineal (+ extensiones). Objetivos y panorama del curso. Departamento de Matemáticas. ITAM. 2008. Introducción Programación lineal http://allman.rhon.itam.mx/ jmorales La programación lineal
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 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 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 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 detallesMÉTODOS MATEMÁTICOS DE LA ECONOMÍA
Universidad de Valladolid Facultad de Ciencias Económicas y Empresariales Departamento de Economía Aplicada Subsección de Matemáticas Esquemas teóricos de la asignatura de las licenciaturas en Economía
Más detallesMODELOS MATEMATICOS. Despacho B3-134, Teléfono: Tutorías: Martes y Miércoles de a 12.
MODELOS MATEMATICOS Profesor: David Pérez Castrillo Despacho B3-134, Teléfono: 581-1405 Tutorías: Martes y Miércoles de 10.30 a 12. Método de evaluación: La nota final será la media de la nota obtenidad
Más detallesMÉTODOS DE OPTIMIZACIÓN EN LA GESTIÓN EMPRESARIAL
UNIVERSIDAD DE ALCALÁ DE HENARES Departamento de Fundamentos de Economía e Historia Económica MÉTODOS DE OPTIMIZACIÓN EN LA GESTIÓN EMPRESARIAL (Obligatoria en Ciencias Actuariales, 3er curso, Optativa
Más detallesDUALIDAD EN PROGRAMACION LINEAL
DUALIDAD EN PROGRAMACION LINEAL Relaciones primal-dual Asociado a cada problema lineal existe otro problema de programación lineal denominado problema dual (PD), que posee importantes propiedades y relaciones
Más detallesf(x) f(x) 2.- OPTIMIZACIÓN. CONCEPTOS BÁSICOS CONCAVIDAD Y CONVEXIDAD DE FUNCIONES.
.- OPTIMIZACIÓN. CONCEPTOS BÁSICOS...- CONCAVIDAD Y CONVEXIDAD DE FUNCIONES. La determinación de la concavidad y conveidad de unciones nos ayudará a establecer si una solución optima local es también una
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 detallesOptimización no lineal
Capítulo Optimización no lineal.1. Introducción En este capítulo se estudian algunos aspectos relacionados con la que hemos dado en llamar cuestión estática de los problemas de optimización. Se presentan
Más detallesPrograma Oficial de Asignatura. Ficha Técnica. Presentación. Competencias y/o resultados del aprendizaje. Contenidos Didácticos
Ficha Técnica Titulación: Grado en Administración y Dirección de Empresas Plan BOE: BOE número 67 de 19 de marzo de 2014 Asignatura: Módulo: Métodos cuantitativos de la empresa Curso: 2º Créditos ECTS:
Más detallesPROBLEMAS DE OPTIMIZACIÓN CON RESTRICCIONES. PROBLEMA DE PROGRAMACIÓN NO- LINEAL (NLP).
PROBLEMAS DE OPTIMIZACIÓN CON RESTRICCIONES. PROBLEMA DE PROGRAMACIÓN NO- LINEAL (NLP. Optimización con restricciones La presencia de restricciones reduce la región en la cual buscamos el óptimo. Los criterios
Más detallesGRADO EN ADE CURSO
GRADO EN ADE CURSO 2013-2014 Asignatura Optimización Matemática Código Módulo Formación Obligatoria Materia Ampliación de Matemáticas Carácter Obligatorio Créditos 6 Presenciales 3 No presenciales 3 Curso
Más detallesNotas sobre el teorema minimax
Notas sobre el teorema mini Antonio Martinón Abril de 2012 1 Teoremas mini Sean X e Y dos conjuntos no vacíos y consideremos una función Se verifica sup inf efectivamente, dado x X resulta claro que f
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 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 detallesProgramación lineal. Estimar M. Ejemplos.
Departamento de Matemáticas. ITAM. 2010. Los problemas P y P minimizar x c T x sujeta a Ax = b, x 0, b 0 minimizar c T x + M(y 1 + y 2 + + y m ) x sujeta a Ax + y = b, x 0, y 0. Cómo estimar M? Resultado
Más 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 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 detallesJuan Manuel Pacheco Instituto de Investigaciones Teóricas y Aplicadas, Escuela de Estadística
Juan Manuel Pacheco Instituto de Investigaciones Teóricas y Aplicadas, Escuela de Estadística PROGRAMACIÓN CUADRÁTICA Y SELECCIÓN DE CARTERAS DE INVERSIÓN Introducción El trabajo aquí presentado se origina
Más detallesCAPITULO 1: PERSPECTIVE GENERAL DE LA
CONTENIDO CAPITULO 1: PERSPECTIVE GENERAL DE LA INVESTIGACION DE OPERACIONES 1 1.1 Modelos matemáticos de investigación de operaciones. 1 1.2 Técnicas de investigación de operaciones 3 1.3 Modelado de
Más detallesUNIVERSIDAD DE LOS LLANOS Facultad de Ciencias Básicas e Ingeniería Programa Ingeniería de Sistemas
CURSO: OPTIMIZACIÓN 1 SEMESTRE: VII 2 CODIGO: 602704 3 COMPONENTE: 4 CICLO: 5 AREA: Profesional 6 FECHA DE AROBACIÓN: 7 NATURALEZA: Teórica 8 CARÁCTER: Obligatorio 9 CREDITOS (RELACIÓN): 3 (1-1) 10 INTENSIDAD
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 detallesUNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERIA. ESCUELA DE INGENIERIA INDUSTRIAL.
UNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERIA. ESCUELA DE INGENIERIA INDUSTRIAL. Optimización, Pauta Solemne 2. Semestre Primavera 2011 Profesores: Paul Bosch, Fernando Paredes, Pablo Rey Tiempo:
Más detallesUNIDAD UNO PROGRAMACIÓN LÍNEAL Parte 4
Ing. César Urquizú UNIDAD UNO PROGRAMACIÓN LÍNEAL Parte 4 Ing. César Urquizú Teoría de la dualidad El desarrollo de esta teoría de la dualidad es debido al interés que existe en la interpretación económica
Más detallesTESIS. Universidad Tecnológica de la Mixteca. Algoritmo de Espacio Rango Para Programación Cuadrática. Ingeniero en Computación.
Universidad Tecnológica de la Mixteca Algoritmo de Espacio Rango Para Programación Cuadrática. TESIS Que para obtener el título de: Ingeniero en Computación Presenta: Ivor Acevedo Bautista. Asesor: M.
Más detallesIntroducción a Programación Lineal
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 18 Programación Lineal ICS 1102 Optimización Profesor : Claudio Seebach 4 de octubre de 2005
Más detallesEconomía Matemática. Cálculo III y Macroeconomía Avanzada II. Créditos Académicos 3 Horas de clase /semana 4 Horas de Trabajo Indepen/sema 5
Pontificia Universidad Javeriana Cali Facultad de Ciencias Económicas y Administrativas Departamento de Economía 1. Descripción de la Asignatura Nombre Economía Matemática Código 300CSE020. Ubicación Semestral
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 detallesFUNDAMENTOS DE CONVEXIDAD (Parte 2)
19 de Mayo de 2016 FUNDAMENTOS DE CONVEXIDAD (Parte 2) Postgrado de Investigación de Operaciones Facultad de Ingeniería Universidad Central de Venezuela Programación No Lineal José Luis Quintero 1 Puntos
Más detallesTrabajo Práctico Optativo
rofesor: Julio J. Elías Trabajo ráctico Optativo 1. El método de los multiplicadores de Lagrange Generalmente, en economía trabajamos con modelos que involucran optimización con restricciones. or ejemplo,
Más detallesPROGRAMACIÓN NO LINEAL INTRODUCCIÓN
PROGRAMACIÓN NO LINEAL Conceptos generales INTRODUCCIÓN Una suposición importante de programación lineal es que todas sus funciones Función objetivo y funciones de restricción son lineales. Aunque, en
Más detallesDefinición 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 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 detallesIntroducción a los métodos Kernel
p. 1/3 Introducción a los métodos Kernel Universidad Autónoma de Madrid 29 de abril de 2008 Manel Martínez Ramón Universidad Carlos III de Madrid Departamento de Teoría de la Señal y Comunicaciones Transparencias
Más detallesSISTEMAS INTELIGENTES
SISTEMAS INTELIGENTES T11: Métodos Kernel: Máquinas de vectores soporte {jdiez, juanjo} @ aic.uniovi.es Índice Funciones y métodos kernel Concepto: representación de datos Características y ventajas Funciones
Más detallesProgramación Lineal Continua
Elisenda Molina Universidad Carlos III de Madrid elisenda.molina@uc3m.es 8 de octubre de 2008 Esquema 1 Formulación y Ejemplos 2 3 Ejemplo: Producción de carbón Una empresa minera produce lignito y antracita.
Más detallesANÁLISIS I MATEMÁTICA 1 ANÁLISIS II (Computación) Práctica 5 - Verano 2009
ANÁLISIS I MATEMÁTICA ANÁLISIS II (Computación) Práctica 5 - Verano 2009 Derivadas parciales de orden superior - Polinomio de Taylor - Convexidad y Extremos Derivadas de orden superior. Calcular las derivadas
Más detallesTema IV : Introducción a la optimización de funciones de varias variables.
Tema IV : Introducción a la optimización de funciones de varias variables. 1. Planteamiento de un problema de optimización.. Optimización sin restricciones. 3. Optimización con restricciones de igualdad.
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 detallesConjuntos y funciones convexas
Conjuntos y funciones convexas Un conjunto X R n se dice convexo si para todo par de puntos x 1 y x 2 en X, λ x 1 + ( 1- λ) x 2 X, para todo λ [0,1] Qué significa esto geométricamente? Un punto λ x 1 +
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 detallesMATEMÁTICAS III. RESTRICCIONES DE IGUALDAD
MATEMÁTICAS III. PROBLEMAS Y CUESTIONES TEMA 4: RESTRICCIONES DE IGUALDAD OPTIMIZACIÓN CON Problema 1: Una empresa calcula que puede alcanzar unos beneficios anuales (en miles de euros) dados por la función:
Más detallesUnidad III: Programación no lineal
Unidad III: Programación no lineal 3.1 Conceptos básicos de problemas de programación no lineal Programación no lineal (PNL) es el proceso de resolución de un sistema de igualdades y desigualdades sujetas
Más 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 detallesPROGRAMACIÓN LINEAL. Programación Lineal
PROGRAMACIÓN LINEAL Programación Lineal Programación Lineal (PL) máx c T x s.a. Ax b x 0 Un Modelo de Producción Un carpintero desea determinar la cantidad de sillas y mesas que debe producir la próxima
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN ACATLÁN PROGRAMA DE ASIGNATURA CLAVE: 1409 SEMESTRE: 4 (CUARTO) MODALIDAD
Más detallesMÉTODOS MATEMÁTICOS DE LA ECONOMÍA
UNIVERSIDAD DE VALLADOLID DEPARTAMENTO DE ECONOMÍA APLICADA SUBSECCIÓN DE MATEMÁTICAS MÉTODOS MATEMÁTICOS DE LA ECONOMÍA Economía Derecho Administración y Dirección de Empresas RELACIÓN DE PROBLEMAS DE
Más detalles3. Algoritmos de puntos interiores para. Programación Lineal Introducción CO-5411 (S08) 23/02/
CO-5411 S08) 23/02/2008 35 3. Algoritmos de puntos interiores para Programación Lineal 3.1. Introducción A nales de la década de los años 40, George B. Dantzig diseña el algoritmo Simplex y da comienzo
Más detallesINTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA
INTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA Dentro del campo general de la teoría de la optimización, también conocida como programación matemática conviene distinguir diferentes modelos de optimización.
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
PROGRAMA DE ESTUDIO ESCUELA: UPIICSA CARRERA: INGENIERÍA EN TRANSPORTE ESPECIALIDAD: COORDINACIÓN: INVESTIGACIÓN DE OPERACIONES DEPARTAMENTO: CIENCIAS BÁSICAS DE LA INGENIERÍA ASIGNATURA: INVESTIGACIÓN
Más detallesLa importancia de las Matemáticas en el Grado en Ciencias Económicas de la Universidad San Pablo CEU
La importancia de las Matemáticas en el Grado de Ciencias Económicas de la Universidad San Pablo CEU La importancia de las Matemáticas en el Grado en Ciencias Económicas de la Universidad San Pablo CEU
Más detallesUniversidad Autónoma de Sinaloa
Universidad Autónoma de Sinaloa Facultad de Ciencias Sociales Licenciatura en Economía Programa de estudios Asignatura: Investigación de operaciones. Clave: Eje de formación: Básica EFBCII Área de Conocimiento:
Más detallesTema No. 3 Métodos de Resolución de Modelos de Programación Lineal. El Método Gráfico y Método Simplex Autoevaluación y Ejercicios Propuestos
UNIVERSIDAD NACIONAL EXPERIMENTAL FRANCISCO DE MIRANDA ÁREA DE TECNOLOGÍA DEPARTAMENTO DE GERENCIA INVESTIGACIÓN DE OPERACIONES PROFESOR: Dr. JUAN LUGO MARÍN Tema No. 3 Métodos de Resolución de Modelos
Más detallesIntegradora 3. Modelos de Programación Lineal
Métodos Cuantitativos para la Toma de Decisiones Integradora 3. Modelos de Programación Lineal Objetivo Al finalizar la actividad integradora, serás capaz de: R l bl d PL di d l ét d Resolver problemas
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 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 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 detallesUNIDAD 6. Programación no lineal
UNIDAD 6 Programación no lineal En matemática Programación no lineal (PNL) es el proceso de resolución de un sistema de igualdades y desigualdades sujetas a un conjunto de restricciones sobre un conjunto
Más detallesPLATEJAMENT: 20 pollos 1 metro cuadrado 1 pollo 1/20 m 2 = conejo 1/10 m 2 = lechón ½ m 2 = 0.5. Restricciones:
EJERCICIO Un ganadero esta estudiando la posibilidad de utilizar una nave que posee para criar pollos, conejos y lechones. Para criarlos dispone de una nave de 2000 metros cuadrados y de 240 kilos de un
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 detallesSupport Vector Machine
Juan Carlos Caicedo Juan Carlos Mendivelso Maestria en Ingenieria de Sistemas y Computacion Universidad Nacional de Colombia 20 de marzo de 2007 Agenda 1 2 3 4 Outline 1 2 3 4 Clasificador lineal que utiliza
Más detallesDerivación. Aproximaciones por polinomios.
Derivación... 1 1 Departamento de Matemáticas. Universidad de Alcalá de Henares. Matemáticas (Grado en Químicas) Contenidos Derivada 1 Derivada 2 3 4 5 6 Outline Derivada 1 Derivada 2 3 4 5 6 Definición
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 detallesDepartamento Ingeniería en Sistemas de Información
ASIGNATURA: INVESTIGACIÓN OPERATIVA MODALIDAD: Cuatrimestral DEPARTAMENTO: ING. EN SIST. DE INFORMACION HORAS SEM.: 10 horas AREA: MODELOS HORAS/AÑO: 160 horas BLOQUE TECNOLOGÍAS BÁSICAS HORAS RELOJ 120
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 detallesEstadís7ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 8. Programación lineal y métodos de op7mización
Estadís7ca Tema 8. Programación lineal y métodos de op7mización María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación
Más detallesMÉTODO DEL DUAL (TEORIA DE DUALIDAD)
MÉTODO DEL DUAL (TEORIA DE DUALIDAD) Todo problema de programación lineal tiene asociado con él otro problema de programación lineal llamado DUAL. El problema inicial es llamado PRIMO y el problema asociado
Más detallesCÁLCULO DIFERENCIAL E INTEGRAL I APLICACIONES DE LA DERIVADA. 1. Derivabilidad y monotonía. creciente para x en cierto intervalo f es < 0
CÁLCULO DIFERENCIAL E INTEGRAL I APLICACIONES DE LA DERIVADA 1. Derivabilidad y monotonía Tenemos también el resultado: f (x) > 0 creciente para x en cierto intervalo f es Lo cual es claro, pues: Si la
Más detallesProgramación Lineal. El modelo Matemático
Programación Lineal. El modelo Matemático 1 Modelización Definición 1.1 Consideremos el problema de optimización con restricciones, definido como sigue Min f(x) s.a. g i (x) b i i = 1, 2,..., m (P OR)
Más detallesAsignatura: Horas: Total (horas): Obligatoria X Teóricas 4.0 Semana 4.0 Optativa Prácticas 0 16 Semanas 64.0
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTADES DE ECONOMÍA E INGENIERÍA LICENCIATURA EN ECONOMÍA Y NEGOCIOS PROGRAMA DE ESTUDIO Investigación de Operaciones I P86 /P75 /P96 08 Asignatura: Clave Semestre
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 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 detalles= y. [Estudio y representación de funciones] Matemáticas 1º y 2º BACHILLERATO. Pasos a seguir para estudiar una función:
Pasos a seguir para estudiar una función: 1. Dominio de la función. 2. Puntos de corte. 3. Simetrías. 4. Asíntotas. 5. Crecimiento y decrecimiento. 6. Máximos y mínimos. 7. Concavidad y Convexidad. 8.
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 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 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 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 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 detallesProblemas de VC para EDVC elaborados por C. Mora, Tema 4
Problemas de VC para EDVC elaborados por C. Mora, Tema 4 Ejercicio Determinar las funciones enteras f para las que Solución f( + w) = f()f(w), w C. En primer lugar, f(0) = f(0 + 0) = f(0)f(0) = f(0) 2,
Más detalles- Fernando Sánchez - Departamento de Matemáticas - Universidad de Extremadura. Cálculo II. Funciones. Límites y continuidad
- Fernando Sánchez - - 6 Funciones Cálculo II de Rn en Rm Límites y continuidad En este capítulo se van a estudiar funciones f : A R n R m donde A es un conjunto en R n, f = (f 1,..., f m ), x = (x 1,...,
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 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 detallesInstituto tecnológico de Minatitlán. Investigación de operaciones Ing. Erika Lissette Minaya mortera Unidad 3: programación no lineal
Instituto tecnológico de Minatitlán Investigación de operaciones Ing. Erika Lissette Minaya mortera Unidad 3: programación no lineal Alejandra de la cruz francisco Ingeniería en sistemas computacionales
Más detallesMATEMÁTICAS PARA LA ECONOMÍA III
MATEMÁTICAS PARA LA ECONOMÍA III CÁLCULO INTEGRAL. Tema 1. - Funciones primitivas. 1.1 - Funciones primitivas e integral indefinida de una función real de variable real. 1.2 - Primitivas de las funciones
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 detallesentonces las derivadas laterales existen y son iguales. y vale lo mismo. Si existen las derivadas laterales y son iguales, entonces existe f (a)
DERIVADAS. TEMA 2. BLOQUE 1 1.- DERIVADA DE UNA FUNCIÓN EN UN PUNTO Se llama derivada de la función y = f ( en el punto de abscisa x = a al límite f ( f ( a f ( a = lím x a x a Si existe f (a entonces
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 detallesDepartamento de Estadística y Matemática Documento de Trabajo Nº 4
Departamento de Estadística Matemática Documento de Trabajo Nº 4 Facultad de Ciencias Económicas Universidad Nacional de Córdoba Interpretación Económica de los Multiplicadores de Lagrange Jorge Mauricio
Más detallesTEORÍA DE LA EMPRESA. ADOLFO GARCÍA DE LA SIENRA Instituto de Filosofía Facultad de Economía Universidad Veracruzana
TEORÍA DE LA EMPRESA ADOLFO GARCÍA DE LA SIENRA Instituto de Filosofía Facultad de Economía Universidad Veracruzana asienrag@gmail.com. Conjuntos y funciones de producción El conjunto de posibilidades
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 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 detallesMatemáticas Empresariales Curso
GUIA DOCENTE DE LA ASIGNATURA Matemáticas Empresariales Curso 2015-2016 MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO Ampliación de Matemáticas 1º 2º 6 Obligatoria Matemáticas Empresariales DIRECCIÓN COMPLETA
Más detallesTema 4: Teoría de dualidad. Algoritmo Dual del Simplex 1
Tema 4: Teoría de dualidad. Algoritmo Dual del Simplex 1 4.1 Introducción 4.2 Definición del Problema Dual 4.3 Relaciones Primal-Dual 4.4 Condiciones de Holgura Complementaria 4.5 Interpretación Económica
Más detallesMÁQUINA DE VECTORES DE SOPORTE
MÁQUINA DE VECTORES DE SOPORTE La teoría de las (SVM por su nombre en inglés Support Vector Machine) fue desarrollada por Vapnik basado en la idea de minimización del riesgo estructural (SRM). Algunas
Más detallesCAPÍTULO 4: DERIVADAS DE ORDEN SUPERIOR. En este capítulo D denota un subconjunto abierto de R n.
April 15, 2009 En este capítulo D denota un subconjunto abierto de R n. 1. Introducción Definición 1.1. Dada una aplicación f : D R, definimos la derivada parcial segunda de f como D ij f = 2 f = ( ) x
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARÍA ACADÉMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UNIDAD PROFESIONAL INTERDISCIPLINARIA DE INGENIERÍA Y CIENCIAS SOCIALES Y ADMINISTRATIVAS. CARRERA: INGENIERÍA EN INFORMÁTICA. ACADEMIAS: INVESTIGACIÓN DE OPERACIONES. COORDINACIÓN: DEPARTAMENTO
Más detallesApéndice Matemático. A. Concavidad y convexidad
Apéndice Matemático A. Concavidad y convexidad A.. Una variable. Decimos que una función real de una variable f (x) es cóncava si todas las rectas tangentes a ella pasan por encima suyo; si, en cambio,
Más detalles