Capítulo 5 Método Simplex


Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "Capítulo 5 Método Simplex"

Transcripción

1 Capítulo 5 Método Simplex Cj M 0 0 V.B. b X1 X2 X3 X4 X5 X6 X7 5 X1 13/ /15 4/15 7/45 4/45 NO 3 X3 14/ /15-1/15 2/45 14/45 70/3-2 X2 1/ /15 3/15-2/15 1/15 NO Zj - Cj 101/ /15 M+11/15 53/45 56/45 Introducción El método algebraico es muy dispendioso, en razón a que trabaja con todos los datos de las ecuaciones, para mejorar éste aspecto se creó el método simplex cuya gran virtud es su sencillez, método muy práctico, ya que solo trabaja con los coeficientes de la función objetivo y de las restricciones. Ilustraremos su funcionamiento mediante un ejemplo, pero previamente mostraremos las reglas de decisión para determinar la variable que entra, la que sale, la gran M, y cómo determinar que estamos en el óptimo; Todas éstas reglas de decisión fueron deducidas del método algebraico, solamente que aquí se han acomodado para ser usadas en el tipo de tablero simplex que se usará. Criterio de decisión Maximizar Minimizar Gran M en la función objetivo - MXj +MXj Variable que entra Variable que sale La más negativa de los Zj - Cj La más positiva de los Zj - Cj La menos positiva de los, Siendo a > 0, de lo contrario no restringe La menos positiva de los, Siendo a > 0, de lo contrario no restringe a la variable que entra Solución óptima Cuando todos los Zj Cj > 0 Cuando todos los Zj Cj < 0 Adicionalmente se presentan las siguientes notas a tener en cuanta: 83

2 Si en el tablero simplex de la solución óptima queda al menos una variable de Super avit ó artificial dentro de las variables básicas, con un valor > 0, el problema no tiene solución, esto quiere decir que al menos existen dos restricciones excluyentes, por lo tanto no existe área de soluciones factible y menos una solución, en éste caso se debe revisar la formulación del problema. Si al escoger la variable que sale, ninguna de las variables básicas restringe el crecimiento de la variable no básica escogida para entrar, el problema tiene solución indeterminada y se debe revisar la formulación en busca de una nueva restricción que no se tuvo en cuenta en la formulación inicial. Si en el tablero simplex del óptimo, al menos una de las variables no básicas tiene coeficiente cero (0) en la función objetivo, esto es su Zj Cj = 0, el problema tiene múltiples soluciones y se nos está ofreciendo una de ellas. Ejemplo 1 Maximizar Z = X 1 + X 2 5X 1 + 3X 2 < 15 3X 1 + 5X 2 < 15 Xj > 0 ; j = 1, 2 Todo problema de programación lineal que se formule de la forma Maximice, con todas sus restricciones < y con la condición de no negatividad, se le llama Forma Estándar ó Forma Normal Aquí, al igual que en el método algebraico, debemos conseguir una solución básica factible, empleando las variables de holgura y/o artificiales, quedando el sistema de ecuaciones así: Maximizar Z = X 1 + X 2 5X 1 + 3X 2 + X 3 = 15 3X 1 + 5X 2 + X 4 = 15 Xj > 0 ; j = 1,2,3,4 Las variables básicas son X 3 y X 4 y por su puesto en la función objetivo Z. Este ejercicio es el ejemplo 1 del capitulo de método algebraico. Compare los resultados entre los dos métodos. A continuación construimos la siguiente tabla: Cj V.B. b X 1 X 2 X 3 X 4 0 X X Zj - Cj El valor de la función objetiva Z, se encuentra frente a la casilla de Zj Cj, en éste caso vale cero (0) y se calcula multiplicando el vector fila (en la tabla es la columna inmediatamente anterior a la de las variables básica V.B.) que contiene los coeficientes de 84

3 las variables básicas en la función objetiva original por el vector columna de los términos independientes b C XB = Vector fila de los coeficientes en la función objetivo original de las variables básicas actuales, sus valores se encuentran en la primera columna del tablero. b = Vector columna de los términos independientes de las restricciones, que al mismo tiempo son los valores de las variables básicas actuales, sus valores se encuentran bajo la columna denominada b 15 C XB = (0,0) ; b = (0,0) 15 = (0)(15) + (0)(15) = Cj V.B. b X 1 X 2 X 3 X 4 0 X X Zj - Cj El valor de los Zj Cj se calcula multiplicado el vector fila C xb por el vector apuntador a j de la columna de la variable j-ésima, menos el Cj, esto es: Zj Cj = C xb a j Cj ; Los cálculos se efectúan así: 5 Z 1 C 1 = C xb a 1 C 1 = (0,0) - 1 = (0)(5)+(0)(3) 1 = Z 2 C 2 = C xb a 2 C 2 = (0,0) - 1 = (0)(3)+(0)(5) 1= Z 3 C 3 = C xb a 3 C 3 = (0,0) - 0 = (0)(1)+(0)(0) 0 = Z 4 C 4 = C xb a 4 C 4 = (0,0) - 0 = (0)(0)+(0)(1) 0 = 0 1 Cj V.B. b X 1 X 2 X 3 X 4 a > 0 0 X /5 = 3 (1/5) 0 X /3 = 5 Zj - Cj Variable que entra X 1 Variable que sale X 3 Recuerde que la columna de se calcula, siempre y cuando el denominador sea a > 0 ; de lo contrario la variable básica respectiva no restringe el valor de la variable escogida para entrar, los valores de a, están en el respectivo vector apuntador de la variable j-ésima 85

4 escogida para entrar, en ésta iteración son 5 y 3 y el calculo respectivo 15/5 = 3 y 15/3 = 5; Lo que significa que la variable básica X 3 restringe el crecimiento de la variable que entra X 1 hasta 3 (no la deja tomar valores superiores a 3) y la variable básica X 4 restringe el crecimiento de la variable que entra X 1 hasta 5 (no la deja tomar valores superiores a 5). Por supuesto la variable básica que restringe más el crecimiento de la variable que entra X 1 es X 3 por lo tanto es la variable básica escogida para salir. La fila de la variable básica escogida para salir se divide por el elemento que se encuentra en la intersección de dicha fila con la columna de la variable que entra, la fila resultante es la fila pivote y se coloca en un nuevo tablero, desde el que se suman múltiplos de la fila pivote a las demás filas del tablero anterior de tal forma que se eliminen de cada una de ellas la variable escogida para entrar, en nuestro caso X 1, este procedimiento se denomina, hacer un uno (1) en la intersección y el resto de la columna ceros (0), por lo tanto en dicha columna aparecerá un vector unitario, el procedimiento se repite en cada iteración, hasta que todos los Zj Cj sean mayores ó iguales a cero en el caso de maximizar ó menores ó iguales a cero en el caso de minimizar. A continuación se muestran todas las iteraciones y en cada fila los valores por los cuales fueron multiplicadas para ser sumadas a otras filas, ello se expresa como sumar múltiplos de una fila a otra. Fíjese que se suman múltiplos de las restricciones a la función objetivo para eliminar las variables básicas de ella. Cj V.B. b X 1 X 2 X 3 X 4 a > 0 1 X /5 1/5 0 5 (-3) 0 X /5-3/5 1 15/8 = 1,875 (5/16) Zj - Cj 3 0-2/5 1/5 0 Cj V.B. b X 1 X 2 X 3 X 4 1 X 1 15/ /16-3/16 1 X 2 15/ /16 5/16 Zj - Cj 15/ /8 1/8 Variable que entra X 2 Variable que sale X 4 Solución óptima: X 1 * = 15/8 X 2 * = 15/8 Z * = 15/4 Conclusiones: La solución es única: X 1 * = 15/8 ; X 2 * = 15/8 ; Z* = 14/4 El método simplex es más práctico que el método algebraico 86

5 Ejemplo 2 Minimizar Z = 6X 1 + 4X 2 + 2X 3 6X 1 + 2X 2 + 6X 3 > 6 6X 1 + 4X 2 = 12 2X 1-2X 2 < 2 Xj > 0 ; j = 1, 2, 3 Minimizar Z = 6X 1 + 4X 2 + 2X 3 + MX 5 + M 6 6X 1 + 2X 2 + 6X 3 X 4 + X 5 = 6 6X 1 + 4X 2 + X 6 = 12 2X 1-2X 2 + X 7 = 2 Xj > 0 ; j = 1, 2, 3, 4, 5, 6, 7 Las variables básicas son X 5 = 6, X 6 = 12 X 7 = 2 Este ejercicio es el ejemplo 2 del capitulo de método algebraico. Compare los resultados entre los dos métodos, en cada iteración. Cj M M 0 V.B. b X 1 X 2 X 3 X 4 X 5 X 6 X 7 M X (1/6) M X X Zj - Cj 18M 12M-6 6M-4 6M-2 -M Cj M M 0 V.B. b X 1 X 2 X 3 X 4 X 5 X 6 X 7 6 X /3 1-1/6 1/ (-6) (-2) M X (1/2) 0 X /3-2 1/3-1/3 0 1 NO Zj - Cj 6M+6 0 2M-2-6M+4 M-1-2M Cj M M 0 V.B. b X 1 X 2 X 3 X 4 X 5 X 6 X 7 6 X /3 1/3-1/6 0 4 X /2-1/2 1/2 0 0 X /3-5/3 4/3 1 Zj - Cj M -M+1 0 Solución Óptima: Variables de decisión: X 1 * = 0, X 2 * = 3, X 3 * = 0, Z* = 12 Variables de holgura : X 4 * = 0, X 7 * = 8 Variables artificiales: X 5 * = 0, X 6 * = 0 87

6 Ejemplo 3 Aquí, se muestra el método simplex aplicado al ejemplo 3 del capítulo de método algebraico. Minimizar Z = 10X X X X X 7 = Con las siguientes restricciones: 3X 1 + 2X 2 + X 6 + X 7 = X 4 + X 5 + X 6 = X 2 +3X 3 + 2X 5 + X 6 + 2X 7 = Xj > 0 ; j = 1,2,3,4,5,6,7 Adicionando las variables artificiales necesarias para obtener una solución básica factible, el problema queda expresado de la siguiente forma: Min Z = 10X X X X X 7 + MX 8 + MX 9 + MX 10 3X 1 + 2X 2 + X 6 + X 7 + X 8 = X 4 + X 5 + X 6 + X 9 = X 2 + 3X 3 + 2X 5 + X 6 + 2X 7 + X 10 = Xj > 0 ; j = 1,2,3,4,5,6,7,8,9,10 Variables básicas X 8, X 9 y X 10 Cj M M M V.B. b X 1 X 2 X 3 X 4 X 5 X 6 X 7 X 8 X 9 X 10 M X (1/3) M X M X Zj - Cj M 3M 3M-10 3M-30 2M-40 3M-10 3M 3M Cj M M M V.B. b X 1 X 2 X 3 X 4 X 5 X 6 X 7 X 8 X 9 X 10 0 X /3 1 2/ /3 1/3 1/3 0 0 NO M X M X (1/2) Zj - Cj M 0 M-10 3M-30 2M-40 3M-10 2M 2M-20 -M

7 Cj M M M V.B. b X 1 X 2 X 3 X 4 X 5 X 6 X 7 X 8 X 9 X 10 0 X /3 1 2/ /3 1/3 1/3 0 0 NO M X /2-3/ / / X /2 3/ / /2 NO Zj - Cj M /2M-5-3/2M-15 2M /2M+5 -M-10 -M 0-3/2M+5 Cj M M M V.B. b X 1 X 2 X 3 X 4 X 5 X 6 X 7 X 8 X 9 X 10 0 X /3 1 2/ /3 1/3 1/ X /4-3/ /4-1/2 0 1/2-1/ X /2 3/ / / Zj - Cj M -M+20 -M-5 Cj M M M V.B. b X 1 X 2 X 3 X 4 X 5 X 6 X 7 X 8 X 9 X 10 0 X X /4-3/4-3/ /4-1/4 1/2-1/4 10 X 5 0-3/2-1/2 3/ /2-1/2 0 1/2 Zj - Cj M-15 -M+20 -M-5 Solución: Variables de Decisión: X 1 * = X 2 * = X 3 * = X 5 * = X 7 * = 0 ; X 4 * = X 6 * = ; Z* = Variables Artificiales: X 8 * = X 9 * = X 10 * = 0 Interpretación: Para que halla un mínimo de desperdicio de cm de lámina y cumplir exactamente con los pedidos, hay que cortar láminas de la forma 4 y láminas de la forma 6 Ejemplo 4 En este ejemplo se muestra como resolver un problema en donde no todas las variables deben cumplir la condición de no negatividad, dicho de otra manera, con variables irrestrictas. Aquí el secreto consiste en reemplazar cada una de las variables irrestrictas por la diferencia de dos variables que si deban cumplir la condición de no negatividad. 89

8 Maximizar Z = 4X 1 + 5X 2 + 2X 3 X 4 X 1 + X 2 + 2X 3 X 4 > 1 2X 1 + 2X 2-3X 3 + X 4 < 3 X 1 + 4X 2 + 3X 3 + 2X 4 < 5 Xj > 0 ; j = 1, 2, 4 Aquí X 3 tiene libertad en el signo, esto es puede tomar valores positivos ó negativos. Hacemos X 3 = K W, en donde K y W deben ser positivas, K > 0 y W > 0 Fíjese que si K > W => X 3 será positiva, si K = W => X 3 será igual a cero (0) y si K < W => X 3 será negativa. Lo que hemos conseguido es convertir un problema que es irrestricto en su variable X 3 en uno que es restringido en todas sus variables, el problema queda así: Maximizar Z = 4X 1 + 5X 2 + 2K 2W X 4 X 1 + X 2 + 2K 2W X 4 > 1 2X 1 + 2X 2-3K + 3W + X 4 < 3 X 1 + 4X 2 + 3K 3W + 2X 4 < 5 Xj > 0 ; j = 1, 2, 4 ; K > 0 ; W > 0 Fíjese que este problema, es uno clásico de programación lineal y procedemos a resolverlo empleando el método simplex, para lo que adicionamos las variables de holgura y artificiales que sean necesarias para conseguir la solución básica factible. Maximizar Z = 4X 1 + 5X 2 + 2K 2W X 4 MX 6 X 1 + X 2 + 2K 2W X 4 X 5 + X 6 = 1 2X 1 + 2X 2-3K + 3W + X 4 X 7 = 3 X 1 + 4X 2 + 3K 3W + 2X 4 +X 8 < 5 Xj > 0 ; j = 1, 2, 4 ; K > 0 ; W > 0 Aquí las variables básicas son: X 6, X 7, y X 8 Cj M 0 0 V.B. b X 1 X 2 K W X 4 X 5 X 6 X 7 X 8 -M X /2 (1/2) 0 X NO 0 X /3 = 1,66 Zj - Cj -M -M-4 -M-5-2M-2 2M+2 M+1 M Cj M 0 0 V.B. b X 1 X 2 K W X 4 X 5 X 6 X 7 X 8 2 K 1/2 1/2 1/ /2-1/2 1/ (3) (-3) (2) 0 X 7 9/2 7/2 7/ /2-3/2 3/ /7 = 1,28 0 X 8 7/2-1/2 5/ /2 3/2-3/ /5 = 1,40 Zj - Cj M

9 Cj M 0 0 V.B. b X 1 X 2 K W X 4 X 5 X 6 X 7 X 8 5 X NO (-7/2) (-5/2) 0 X /7 = 0,14 (1/7) 0 X /5 = 0,20 Zj - Cj M Cj M 0 0 V.B. b X 1 X 2 K W X 4 X 5 X 6 X 7 X 8 5 X 2 9/ /7-3/7 3/7 2/7 0 NO -2 W 1/ /7 2/7-2/7 1/7 0 1/2 = 0,5 (2) (-5) 0 X 8 2/ /7 18/7-18/7-5/7 1 1/9 = 0,1 (7/18) Zj - Cj 43/ /7-19/7 M+19/7 8/7 0 Cj M 0 0 V.B. b X 1 X 2 K W X 4 X 5 X 6 X 7 X 8 5 X 2 4/3 1/ / /6 1/6 8/3 = 2,6-2 W 1/9 1/ /9-1/9 1/3 = 0,3 (3) 0 X 5 1/9-7/ / /18 7/18 NO (-2/7) (3/7) Zj - Cj 58/9-13/ /2 0 M 7/18 19/18 Cj M 0 0 V.B. b X 1 X 2 K W X 4 X 5 X 6 X 7 X 8 5 X 2 7/ /2-3/2 1/ /6-1/3 7/9 = 0,7 (2/3) 4 X 1 1/ /3-1/3 N0 (-1/2) (7/6) 0 X 5 1/ /2 7/2 3/ /2 0 N0 Zj - Cj 43/ /2 13/2 7/2 0 M 11/6 1/3 Cj M 0 0 V.B. b X 1 X 2 K W X 4 X 5 X 6 X 7 X 8 2 K 7/9 0 2/ / /9 2/9 (3) (7/2) 4 X 1 8/ /3 1/3 0 X 5 29/9 0 7/ / /9 7/9 Zj - Cj 110/9 0 13/ /3 0 M 10/9 16/9 Aquí todos los Zj Cj son > 0, entonces estamos en la solución óptima. La solución, mostrando las variables clasificadas es: 91

10 Variables de decisión Variables de holgura Variables artificiales X 1 * = 8/3 X 2 * = 0 X 3 * = K* - W* = 7/9 0 = 7/9 X 4 * = 0 Z * = 110/9 = 12,22 X 5 * = 29/9 X 7 * = 0 X 8 * = 0 X 6 * = 0 Ejemplo 5 En este ejemplo observaremos que a pesar de que el sistema tiene 4 variables, el número de iteraciones es apenas de 2 Minimizar Z = 3X 1-9X 2-5X 3 4X 4 Minimizar Z = 3X 1-9X 2-5X 3 4X 4 X 1 + 4X 2 + 5X 3 + 8X 4 < 8 X 1 + 4X 2 + 5X 3 + 8X 4 + X 5 = 8 X 1 + 2X 2 + 6X 3 + 4X 4 < 4 X 1 + 2X 2 + 6X 3 + 4X 4 + X 6 = 4 Xj > 0 ; j = 1, 2, 3, 4 Xj > 0 ; j = 1, 2, 3, 4, 5, 6 Cj V.B. b X 1 X 2 X 3 X 4 X 5 X 6 0 X (1/4) 0 X Zj - Cj Cj V.B. b X 1 X 2 X 3 X 4 X 5 X 6-9 X 2 2 1/4 1 5/4 2 1/4 0 0 X 6 0 1/2 0 7/2 0-1/2 1 Zj - Cj /4 0-25/ /4 0 Solución: X 1 * = 0 X 2 * = 2 X 3 * = 0 X 4 * = 0 Z * = -18 X 5 * = 0 X 6 * = 0 Ejemplo 6 Solución al problema número 4) El problema de los paquetes de tuercas, del capítulo 2, formulación. 92

11 Minimizar Z = 0,1X 1 + 0,04X 2 + 0,06X 3 Min Z = 1/10X 1 + 1/25X 2 + 3/50X 3 X 1 - X 2 + X 3 > 0 X 1 - X 2 + X 3 > 0 X 1 + X 2 < 1,6 X 1 + X 2 < 8/5 0,9X 1 0,1X 2 0,1X 3 > 0 9/10X 1 1/10X 2 1/10X 3 > 0-0,1X 1 + 0,9X 2 0,1X 3 > 0-1/10X 1 + 9/10X 2 1/10X 3 > 0-0,1X 1 0,1X 2 + 0,9X 3 > 0-1/10X 1 1/10X 2 + 9/10X 3 > 0 X 1 + X 2 + X 3 > 2 X 1 + X 2 + X 3 > 2 Xj > 0 ; j = 1, 2, 3 Xj > 0 ; j = 1, 2, 3 Min Z = 1/10X 1 + 1/25X 2 + 3/50X 3 +MX 10 - X 1 + X 2 - X 3 + X 4 = 0 X 1 + X 2 + X 5 = 8/5-9/10X 1 + 1/10X 2 + 1/10X 3 + X 6 = 0 1/10X 1-9/10X 2 + 1/10X 3 + X 7 = 0 1/10X 1 + 1/10X 2-9/10X 3 + X 8 = 0 X 1 + X 2 + X 3 - X 9 + X 10 = 2 Xj > 0 ; j = 1, 2, 3 Las variables básicas son: X 4, X 5, X 6, X 7, X 8, X 10 Cj 1/10 1/25 3/ M V.B. b X 1 X 2 X 3 X 4 X 5 X 6 X 7 X 8 X 9 X 10 0 X (1) 0 X 5 8/ /5 0 X 6 0-9/10 1/10 1/ X 7 0 1/10-9/10 1/ NO 0 X 8 0 1/10 1/10-9/ M X Zj - Cj 2M M-1/10 M-1/25 M-3/ Cj 1/10 1/25 3/ M V.B. b X 1 X 2 X 3 X 4 X 5 X 6 X 7 X 8 X 9 X 10 1/25 X NO (-1)(-1/10)(9/10) (-1/10)(-1) 0 X 5 8/ /5 0 X 6 0-4/5 0 1/5-1/ (5) 0 X 7 0-4/5 0-4/5 9/ NO 0 X 8 0 1/5 0-4/5-1/ NO M X Zj - Cj 2M 2M-7/50 0 2M-1/10 -M+1/ M 0 93

12 Cj 1/10 1/25 3/ M V.B. b X 1 X 2 X 3 X 4 X 5 X 6 X 7 X 8 X 9 X 10 1/25 X / NO 0 X 5 8/ / /30 3/50 X / NO (1)(-1) (4/5)(-2) 0 X / NO 0 X / NO M X /5 (1/10) Zj - Cj 2M 10M-27/ / M+1/ M 0 Cj 1/10 1/25 3/ M V.B. b X 1 X 2 X 3 X 4 X 5 X 6 X 7 X 8 X 9 X 10 1/25 X / /2 1/2 0 X 5 2/ / /5-3/5 3/50 X 3 4/ / /5 2/5 0 X 7 4/ / /5 2/5 0 X 8 3/ / /10 3/10 1/10 X 1 1/ /10 1/10 (5)(-2)(4) (4)(3) Zj - Cj 27/ / / /500 -M+27/500 Variables de decisión Variables de holgura Variables artificiales X 1 * = 1/5 X 2 * = 1 X 3 * = 4/5 = 0,8 Z * = 27/250 = 0,108 X 4 * = 0 X 5 * = 2/5 = 0,4 X 6 * = 0 X 7 * = 4/5 = 0,8 X 8 * = 3/5 = 0,6 X 9 * = 0 X 10 * = 0 Conclusión El método simplex es más práctico que el método algebraico, pero para problemas de un gran número de variables y restricciones, fácilmente se vuelve dispendioso por el número de iteraciones y por supuesto demorado para obtener la solución óptima, es aquí donde el uso del computador se hace indispensable y útil en términos de eficiencia, para ello existe el software adecuado, los más conocidos son: Winqsb de Yih-Long Chang, distribuido por John Wiley & Sons. Inc N.Y. Solver de Frontline Systems Inc., que viene integrado con el Excel de Microsoft. Lindo de Lindo Systems Inc. Que viene integrado con Visicalc. El AD, Ayuda a la decisión de la Universidad Cienfuegos de Cuba. 94

13 Se sugiere consultar las siguientes páginas en Internet: De estos lugares se puede bajar software gratuito ó en demostración, y manuales, además se dispone de interesantes enlaces. El Winqsb es un software muy completo para resolver problemas de Métodos Cuantitativos, tiene los siguientes módulos: 1) Análisis de aceptación. 2) Planeación agregada. 3) Análisis de decisión. 4) Programación dinámica. 5) Localización y distribución. 6) Series de tiempo. 7) Programación meta. 8) Sistemas y teoría de inventarios. 9) Programación del trabajo. 10) Programación lineal y entera. 11) Procesos de Markov. 12) Planeación del requerimiento de materiales. 13) Modelos de redes. 14) Programación no lineal. 15) PERT CPM 16) Programación cuadrática. 17) Gráficas de control de calidad. 18) Análisis de colas. 19) Sistemas de simulación de colas. A continuación se presentan las principales ventanas del módulo de programación lineal y entera. 95

14 Fíjese que hay que darle un nombre al problema, los datos de entrada se pueden almacenar en un archivo que tendrá el nombre del problema, esto es útil cuando el problema es grande. El resto de la ventana se explica por si sola, debido a la claridad de las preguntas. Fíjese en la variedad en el tipo de variables. A continuación se muestra un ejemplo de cómo se introducen los datos de un pequeño problema. Fíjese que se puede cambiar el tipo de variable, de forma individual, al igual que el sentido de la desigualdad ó cambiarla por una igualdad. El software resuelve problemas de dos variables por el método gráfico, resuelve el problema mostrando todos los tableros (paso a paso) ó muestra la solución de inmediato; También efectúa análisis de sensibilidad, hace gráficas y trabaja con el problema de la dualidad. La solución final se muestra a continuación: El precio sombra es lo que se incrementa la función objetivo por unidad adicional de recurso, aquí si el recurso de la restricción uno, que es 180 unidades, se incrementara a 181 unidades, la función objetivo crece en 16 unidades monetarias. 96

15 Problemas propuestos 1. Suponga que una persona acaba de heredar $6.000 y desea invertirlos. Al oír ésta noticia, dos amigos distintos le ofrecen la oportunidad de participar como socio en dos negocios, cada negocio planteado por cada amigo. En ambos casos, la inversión significa dedicar un poco de tiempo el siguiente verano, al igual que invertir efectivo. Con el primer amigo, al convertirse en socio completo, tendría que invertir $5.000 y 400 horas, y la ganancia estimada (ignorando el valor del tiempo) sería de $ Las cifras correspondientes a la proposición del segundo amigo son $4.000 y 500 horas, con una ganancia estimada de $ Sin embargo, ambos amigos son flexibles y le permitirían entrar en el negocio con cualquier fracción de la sociedad; la participación en las utilidades sería proporcional a esa fracción. Como de todas maneras, ésta persona está buscando un trabajo interesante para el verano (600 horas a lo sumo), ha decidido participar en una ó ambas propuestas, con la combinación que maximice la ganancia total estimada. Formule y resuelva el problema. Solución: X 1 * = $3.333,3 X 2 * = $2.666,6 Z * = $6.000 X 3 * = X 4 * = 0 Precio sombra, para el capital: $0,50 Precio sombra, para el tiempo: $5,00 Máxima utilidad a lograr $6.000 Con el amigo 1, invertirá $3.333,33 y obtendrá una utilidad de $3.000 Con el amigo 2, invertirá $2.666,66 y obtendrá una utilidad de $3.000 Con el amigo 1, trabajará 266,6 horas Con el amigo 2, trabajará 333,3 horas Por cada peso ($) adicional que invierta, incrementará la utilidad en $0,50 Por cada hora adicional que trabaje, incrementará la utilidad en $5 2. Una compañía manufacturera descontinuó la producción de cierta línea de productos no redituable. Esto creó un exceso considerable en la capacidad de producción. La gerencia quiere dedicar ésta capacidad a uno o más de tres productos; llámense productos 1, 2 y 3. En la siguiente tabla se resume la capacidad disponible de cada máquina que puede limitar la producción: Tipo de máquina Tiempo disponible (Horas) Fresadora 500 Torno 350 Rectificadora 150 El número de horas-máquina que se requiere para cada producto es: 97

16 Tipo de máquina Producto 1 Producto 2 Producto 3 Fresadora Torno Rectificadora El departamento de ventas ha indicado que las ventas potenciales para los productos 1 y 2 exceden la tasa máxima de producción y que las ventas potenciales del producto 3 son 20 unidades por semana. La ganancia unitaria sería $50, $20 y $25, respectivamente, para los productos 1, 2 y3. El objetivo es determinar cuántos productos de cada tipo debe producir la compañía para maximizar la ganancia. Solución: X 1 * =26,1905 unidades del producto 1 X 2 * =54,7619 unidades del producto 2 X 3 * =20 unidades del producto 3 Máxima ganancia Z * = $2.904,7620 Contribución del producto 1 a la ganancia: $1.309,5240 Contribución del producto 2 a la ganancia: $1.095,2380 Contribución del producto 3 a la ganancia: $500 La fresadora será usada todo el tiempo disponible; 500 horas El torno será usado todo el tiempo disponible; 350 horas La rectificadora será usada 118,5714 horas y quedará ociosa durante 31,4286 horas Toda la demanda potencial del producto 3 será fabricada. Por cada hora adicional de la fresadora, la ganancia aumentará en $4,7619 Por cada hora adicional de torno, la ganancia aumentará en $1,4286 El aumento de 1 hora adicional en la rectificadora no aumentará la ganancia. Por cada unidad potencial de demanda del producto 3, la ganancia aumentará en $1,1905 para mantener la solución óptima actual, el beneficio por unidad de cada producto, debe estar entre: 25 < Ganancia por unidad del producto 1 < 51,25 19 < Ganancia por unidad del producto 2 < 40 25,8095 < Ganancia por unidad del producto 3 < infinito 3. Se ha concedido permiso a una empresa de turismo para realizar vuelos entre Ibagué y las islas de San Andrés e interinsulares. para ello, debe comprar turborreactores con los que cubrir los vuelos entre Ibagué y las islas, así como aviones de hélice y / o helicópteros con los que atender los vuelos interinsulares. El presupuesto de compra es de millones de pesos. Las características de los aparatos que puede comprar se resumen en la tabla. 98

17 Tipo de Avión Costo / unid. (X 10 6 $) Mant./Unid. ($/día) Tripulación Pilotos Copilotos Azafatas Capacidad (pas/mes) Turborre A. hélice Helicóptero Se pueden contratar hasta 20 pilotos y 16 azafatas. Se desea emplear al menos a 3 copilotos. El tráfico entre Ibagué y San Andrés se estima en pasajeros por mes y el interinsular en 500 pasajeros por mes. El permiso concedido requiere que el número mínimo de aparatos sea 15. La compañía desea operar con costo de mantenimiento mínimo. a) Formule un problema de programación lineal que proporcione al plan óptimo de compra. b) Resolverlo e interpretar la solución. Solución: Se deben comprar 2 turborreactores, 3 aviones de hélice y 10 helicópteros, siendo el costo de mantenimiento diario mínimo $ Un empresario pretende fabricar dos tipos de congeladores denominados A y B. Cada uno de ellos debe pasar por tres operaciones antes de su comercialización: Ensamblaje, pintado y control de calidad. Los congeladores requieren, respectivamente, 2,5 y 3 horas de ensamblaje, 3 y 6 Kg. De esmalte para su pintado y 14 y 10 horas de control de calidad. Los costos totales de fabricación por unidad son, respectivamente, 30 y 28, y los precios de venta 52 y 48, todos ellos en miles de pesos. El empresario dispone semanalmente de horas para ensamblaje, de Kg. De esmalte y horas para control de calidad. Los estudios de mercado muestran que la demanda semanal de congeladores no supera las unidades y que, en particular, la de tipo A es de, al menos, 600 unidades. Se desea: a) Formular un modelo de programación lineal que indique cuántos congeladores deben fabricarse de cada tipo para que el beneficio sea máximo, teniendo en cuenta el estudio de demanda. b) Resolverlo mediante el método simplex. Interpretar la solución óptima incluyendo las variables de holgura. c) Determinar los precios sombra de las horas de ensamblaje y control de calidad. Al fabricante le ofrecen disponer de 200 horas más para ensamblaje con un costo adicional total de $ pesos. Debería aceptar la oferta? 99

18 Solución: Debe producir 882 congeladores tipo A y 764 congeladores tipo B con un beneficio óptimo de $ En el departamento de ensamblaje sobran 3 horas, no se consumirán 295,6 Kg. De esmalte, sobrarán 12 horas de control de calidad, se dejarán de producir 54 congeladores, se fabricarán 282 congeladores tipo A por encima del límite de 600 Por cada hora de ensamble adicional (dentro del intervalo 4.268,5 ; 4.725) el beneficio aumentará en $ En un laboratorio se fabrican 4 productos P 1, P 2, P 3, P 4 que consumen un día por unidad en su proceso completo de producción, aunque se pueden producir varias unidades simultáneamente. El espacio (m 2 ) en el almacén y la mano de obra (número de trabajadores) disponibles limitan la producción. La siguiente tabla contiene los datos relevantes del proceso de producción, así como los costos de fabricación y precios de venta (en miles de pesos). Producto P 1 P 2 P 3 P 4 Disponibilidad Área (m 2 /und.) Trabajadores /und Costos /unidad Precio de venta /und a) Encontrar el plan de producción de beneficio máximo b) Interpretar los valores de los precios sombra c) Cuál es el rango de los recursos del programa construido para el que se mantiene la optimalidad de tales valores? d) La firma podría alquilar 150 m 2 más de superficie de almacén a un costo de $ por día. Debería alquilar éste espacio? Si es así, Cuál es el nuevo plan de producción? Solución De producto 1 debe producir 10 unidades y de producto 4, 20 unidades; de los productos 2 y 3 no debe producir. Por cada m 2 adicional de bodega el beneficio aumenta en $680 Por cada trabajador adicional el beneficio aumenta en $

TP1 Programación Lineal - 2009

TP1 Programación Lineal - 2009 Problema Trabajo Práctico Nº 1 de cerdo. Una carnicería 1 La carne prepara vaca hamburguesas contiene 80% con de carne una combinación y 20% de grasa de carne y le molida cuesta de $5 vaca el kilo, y carne

Más detalles

Tema 5: Dualidad y sensibilidad de los modelos lineales.

Tema 5: Dualidad y sensibilidad de los modelos lineales. ema 5: Dualidad y sensibilidad de los modelos lineales. Objetivos del tema: Introducir el concepto de Sensibilidad en la Programación Lineal Introducir el concepto de Dualidad en la Programación Lineal

Más detalles

4.3 INTERPRETACIÓN ECONÓMICA DE LA DUALIDAD

4.3 INTERPRETACIÓN ECONÓMICA DE LA DUALIDAD 4.3 INTERPRETACIÓN ECONÓMICA DE LA DUALIDAD El problema de programación lineal se puede considerar como modelo de asignación de recursos, en el que el objetivo es maximizar los ingresos o las utilidades,

Más detalles

Unidad 5 Utilización de Excel para la solución de problemas de programación lineal

Unidad 5 Utilización de Excel para la solución de problemas de programación lineal Unidad 5 Utilización de Excel para la solución de problemas de programación lineal La solución del modelo de programación lineal (pl) es una adaptación de los métodos matriciales ya que el modelo tiene

Más detalles

Ejercicios resueltos de Programación Lineal

Ejercicios resueltos de Programación Lineal Investigación Operativa I 009 Ejercicios resueltos de Programación Lineal Mauricio estrella Erika Beatriz Palacin Palacios Pajuelo Daniel PREGUNTA Ingeniería de Sistemas y Computación UNDAC 3..6 la empresa

Más detalles

APUNTES SOBRE EL MÉTODO SÍMPLEX DE PROGRAMACIÓN LINEAL. Adriel R. Collazo Pedraja

APUNTES SOBRE EL MÉTODO SÍMPLEX DE PROGRAMACIÓN LINEAL. Adriel R. Collazo Pedraja APUNTES SOBRE EL MÉTODO SÍMPLEX DE PROGRAMACIÓN LINEAL Adriel R. Collazo Pedraja 2 INTRODUCCIÓN Este trabajo tiene como propósito proveer ayuda al estudiante para que pueda comprender y manejar más efectivamente

Más detalles

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Fundamentos de Investigación de Operaciones Investigación de Operaciones de agosto de 200. Estandarización Cuando se plantea un modelo de LP pueden existir igualdades y desigualdades. De la misma forma

Más detalles

Unidad 2 Método gráfico de solución

Unidad 2 Método gráfico de solución Unidad 2 Método gráfico de solución Los problemas de programación lineal (pl) que sólo tengan dos variables de decisión pueden resolverse gráficamente, ya que, como se ha visto en los Antecedentes, una

Más detalles

INTERPRETACION ECONOMICA DEL ANALISIS DE SENSIBILIDAD

INTERPRETACION ECONOMICA DEL ANALISIS DE SENSIBILIDAD ESCOLA UNIVERSITÀRIA D ESTUDIS EMPRESARIALS DEPARTAMENT D ECONOMIA I ORGANITZACIÓ D EMPRESES INTERPRETACION ECONOMICA DEL ANALISIS DE SENSIBILIDAD Dunia Durán Juvé Profesora Titular 1ª Edición de 1995:

Más detalles

EXCEL: Herramienta Solver

EXCEL: Herramienta Solver EXCEL: Herramienta Solver Introducción Las planillas de cálculo se han convertido en herramientas obligadas de análisis de datos. Sin embargo, no siempre se aprovechan todas sus potencialidades. La planilla

Más detalles

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 1 de agosto de 2003 1. Introducción Cualquier modelo de una situación es una simplificación de la situación real. Por lo tanto,

Más detalles

Problema de Programación Lineal

Problema de Programación Lineal Problema de Programación Lineal Introducción La optimización es un enfoque que busca la mejor solución a un problema. Propósito: Maximizar o minimizar una función objetivo que mide la calidad de la solución,

Más detalles

SOLUCION DE MODELOS EMPRESARIALES POR COMPUTADORA

SOLUCION DE MODELOS EMPRESARIALES POR COMPUTADORA Tema 2 SOLUCION DE MODELOS EMPRESARIALES POR COMPUTADORA 2.1 SOFTWARE PARA SOLUCION DE MODELOS PL Programas típicos para resolver problemas de Programación Lineal: - QSB - SOLVER - GLP QSB (Quantitative

Más detalles

APLICACIONES CON SOLVER OPCIONES DE SOLVER

APLICACIONES CON SOLVER OPCIONES DE SOLVER APLICACIONES CON SOLVER Una de las herramientas con que cuenta el Excel es el solver, que sirve para crear modelos al poderse, diseñar, construir y resolver problemas de optimización. Es una poderosa herramienta

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

Tipo de máquina Tiempo disponible. (h/maq. Por semana) Fresadora 500 Torno 350 Rectificadora 150

Tipo de máquina Tiempo disponible. (h/maq. Por semana) Fresadora 500 Torno 350 Rectificadora 150 Ejercicios Tema 1. 1.- Utilizar el procedimiento gráfico para resolver los siguientes P.L. a) Max z = 10x 1 + 20x 2 s.a x 1 + 2x 2 15 x 1 + x 2 12 5x 1 + 3x 2 45 x 1,x 2 0 b) Max z = 2x 1 + x 2 s.a. x

Más detalles

Fundamentos de Investigación de Operaciones El Problema de Transporte

Fundamentos de Investigación de Operaciones El Problema de Transporte Fundamentos de Investigación de Operaciones El Problema de Transporte Septiembre 2002 El Problema de Transporte corresponde a un tipo particular de un problema de programación lineal. Si bien este tipo

Más detalles

1.4.- D E S I G U A L D A D E S

1.4.- D E S I G U A L D A D E S 1.4.- D E S I G U A L D A D E S OBJETIVO: Que el alumno conozca y maneje las reglas empleadas en la resolución de desigualdades y las use para determinar el conjunto solución de una desigualdad dada y

Más detalles

Investigación Operacional I EII 445

Investigación Operacional I EII 445 Investigación Operacional I EII 445 Programación Lineal Método Simple Gabriel Gutiérrez Jarpa. Propiedades Básicas de Programación Lineal Formato Estándar Un problema de programación lineal es un programa

Más detalles

Optimización de la distribución del personal de juegos de un casino través de la Programación Lineal

Optimización de la distribución del personal de juegos de un casino través de la Programación Lineal Optimización de la distribución del personal de juegos de un casino través de la Programación Lineal Juan Pablo Bulbulian, Jonathan Gastrell, Exequiel Iván Tagni, y Santiago Manopella Universidad Tecnológica

Más detalles

Unidad 1 Modelos de programación lineal

Unidad 1 Modelos de programación lineal Unidad 1 Modelos de programación lineal La programación lineal comenzó a utilizarse prácticamente en 1950 para resolver problemas en los que había que optimizar el uso de recursos escasos. Fueron de los

Más detalles

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Programación Lineal Entera

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Programación Lineal Entera Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 11 de septiembre de 2003 1. Introducción Un LP donde se requiere que todas las variables sean enteras se denomina un problema

Más detalles

2) Se ha considerado únicamente la mano de obra, teniéndose en cuenta las horas utilizadas en cada actividad por unidad de página.

2) Se ha considerado únicamente la mano de obra, teniéndose en cuenta las horas utilizadas en cada actividad por unidad de página. APLICACIÓN AL PROCESO PRODUCTIVO DE LA EMPRESA "F. G. / DISEÑO GRÁFICO". AÑO 2004 Rescala, Carmen Según lo explicado en el Informe del presente trabajo, la variación en la producción de páginas web de

Más detalles

Universidad de Manizales

Universidad de Manizales Universidad de Manizales INTRODUCCIÓN A LA PROGRAMACIÓN LINEAL JULIAN GONZÁLEZ LÓPEZ ALVARO SALAS SALAS UNIVERSIDAD DE MANIZALES INTRODUCCIÓN A LA PROGRAMACIÓN LINEAL JULIÁN GONZÁLEZ LÓPEZ Profesor Asociado

Más detalles

euresti@itesm.mx Matemáticas

euresti@itesm.mx Matemáticas al Método al Método Matemáticas al Método En esta lectura daremos una introducción al método desarrollado por George Bernard Dantzig (8 de noviembre de 1914-13 de mayo de 2005) en 1947. Este método se

Más detalles

MANEJO DEL WINQSB PARA EL CURSO DE TEORIA DE DECISIONES

MANEJO DEL WINQSB PARA EL CURSO DE TEORIA DE DECISIONES MANUAL CORTO WINQSB PARA PL El Winqsb es un software informática muy utilizado para construir modelos matemáticos que permita tomar decisiones específicamente en el área de administración y economía entre

Más detalles

PRÁ CTICÁS DE IO CON POM-QM

PRÁ CTICÁS DE IO CON POM-QM Contenido INVESTIGACIÓN DE OPERACIONES Modelos y aplicaciones de programación lineal(página 3) Modelos de Transporte y transbordo(página 41) Modelos de Asignación(página 57) Modelos de gestión de proyectos

Más detalles

Modelado de flujo en redes. Jhon Jairo Padilla A., PhD.

Modelado de flujo en redes. Jhon Jairo Padilla A., PhD. Modelado de flujo en redes Jhon Jairo Padilla A., PhD. Conceptos básicos Demanda o volumen de Demanda: Es el tráfico que están requiriendo los usuarios de una red. Para transportar el volumen de demanda

Más detalles

AXIOMAS DE CUERPO (CAMPO) DE LOS NÚMEROS REALES

AXIOMAS DE CUERPO (CAMPO) DE LOS NÚMEROS REALES AXIOMASDECUERPO(CAMPO) DELOSNÚMEROSREALES Ejemplo: 6 INECUACIONES 15 VA11) x y x y. VA12) x y x y. Las demostraciones de muchas de estas propiedades son evidentes de la definición. Otras se demostrarán

Más detalles

Caso Giapetto Inc. Entonces la Función Objetivo es igual a: [27*X 1 + 21*X 2 ] [10*X 1 + 9X 2 ] [14*X 1 + 10*X 2 ] = 3*X 1 + 2*X 2

Caso Giapetto Inc. Entonces la Función Objetivo es igual a: [27*X 1 + 21*X 2 ] [10*X 1 + 9X 2 ] [14*X 1 + 10*X 2 ] = 3*X 1 + 2*X 2 Caso Giapetto Inc. Objetivo del caso: Explicar los componentes de la programación lineal a través de la modelación de un ejemplo. La compañía Giapetto fabrica 2 tipos de juguetes de madera: soldados y

Más detalles

Si el comando Solver no aparece en el menú Herramientas, deberá instalar la macro automática Solver como sigue:

Si el comando Solver no aparece en el menú Herramientas, deberá instalar la macro automática Solver como sigue: El Solver de Excel El Solver se utiliza para determinar el valor máximo o mínimo de una celda modificando otras celdas; por ejemplo, el beneficio máximo que puede generarse modificando los gastos de publicidad.

Más detalles

PRÁ CTICÁS DE IO CON POM-QM

PRÁ CTICÁS DE IO CON POM-QM Contenido INVESTIGACIÓN DE OPERACIONES Modelos y aplicaciones de programación lineal(página 3) Modelos de Transporte y transbordo(página 40) Modelos de Asignación(página 60) Modelos de gestión de proyectos

Más detalles

1.1 INTRODUCCIÓN INVESTIGACIÓN DE OPERACIONES I 2 INGENIERIA INDUSTRIAL 5TO SEM

1.1 INTRODUCCIÓN INVESTIGACIÓN DE OPERACIONES I 2 INGENIERIA INDUSTRIAL 5TO SEM 1.1 INTRODUCCIÓN Sabemos que las matemáticas son una herramienta fundamental para realizar cálculos, operaciones y obtener resultados. Por lo tanto dentro del estudio de investigación de operaciones es

Más detalles

MATEMÁTICAS II APUNTES DE TEORÍA CURSO ACADÉMICO 2012-13. Carlos Ivorra

MATEMÁTICAS II APUNTES DE TEORÍA CURSO ACADÉMICO 2012-13. Carlos Ivorra MATEMÁTICAS II APUNTES DE TEORÍA CURSO ACADÉMICO 2012-13 Carlos Ivorra Índice 1 Introducción a la optimización 1 2 Programación entera 18 3 Introducción a la programación lineal 24 4 El método símplex

Más detalles

BREVE MANUAL DE SOLVER

BREVE MANUAL DE SOLVER BREVE MANUAL DE SOLVER PROFESOR: DAVID LAHOZ ARNEDO PROGRAMACIÓN LINEAL Definición: Un problema se define de programación lineal si se busca calcular el máximo o el mínimo de una función lineal, la relación

Más detalles

Programación Lineal. Ficha para enseñar a utilizar el Solver de EXCEL en la resolución de problemas de Programación Lineal

Programación Lineal. Ficha para enseñar a utilizar el Solver de EXCEL en la resolución de problemas de Programación Lineal Programación Lineal Ficha para enseñar a utilizar el Solver de EXCEL en la resolución de problemas de Programación Lineal Ejemplo: Plan de producción de PROTRAC En esta ficha vamos a comentar cómo se construyó

Más detalles

SONIA I. CABRERA RODRÍGUEZ APLICACIÓN DE LA PROGRAMAC. LINEAL A LA AGRONOMÍA

SONIA I. CABRERA RODRÍGUEZ APLICACIÓN DE LA PROGRAMAC. LINEAL A LA AGRONOMÍA ÍNDICE DE MATERIAS. PROGRAMACIÓN LINEAL 1. Optimización de proyectos 2. Simplificación del modelo matemático 3. Modelización 3.1. Modelo de transporte 3.2. Modelo de asignación 3.3. Modelo de ordenación

Más detalles

Desarrollo de un nuevo algoritmo para resolver programas lineales enteros y su aplicación práctica en el desarrollo económico.

Desarrollo de un nuevo algoritmo para resolver programas lineales enteros y su aplicación práctica en el desarrollo económico. Desarrollo de un nuevo algoritmo para resolver programas lineales enteros y su aplicación práctica en el desarrollo económico. 7071 Febrero, 2014 Resumen Es importante señalar que en un entorno social

Más detalles

DOMINIO Y RANGO página 89. Cuando se grafica una función existen las siguientes posibilidades:

DOMINIO Y RANGO página 89. Cuando se grafica una función existen las siguientes posibilidades: DOMINIO Y RANGO página 89 3. CONCEPTOS Y DEFINICIONES Cuando se grafica una función eisten las siguientes posibilidades: a) Que la gráfica ocupe todo el plano horizontalmente (sobre el eje de las ). b)

Más detalles

MÉTODOS MATEMÁTICOS DE LA ECONOMÍA

MÉTODOS 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 detalles

EJERCICIOS METODO SIMPLEX

EJERCICIOS METODO SIMPLEX EJERCICIOS METODO SIMPLEX 1. Un empresario pretende fabricar dos tipos de congeladores denominados A y B. Cada uno de ellos debe pasar por tres operaciones antes de su comercialización: Ensamblaje, pintado

Más detalles

Problemas Resueltos de Desigualdades y Programación Lineal

Problemas Resueltos de Desigualdades y Programación Lineal Universidad de Sonora División de Ciencias Exactas y Naturales Departamento de Matemáticas. Problemas Resueltos de Desigualdades y Programación Lineal Para el curso de Cálculo Diferencial de Químico Biólogo

Más detalles

CANTABRIA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / ÁLGEBRA / BLOQUE 1 / OPCIÓN A

CANTABRIA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / ÁLGEBRA / BLOQUE 1 / OPCIÓN A CANTABRIA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / ÁLGEBRA / BLOQUE 1 / OPCIÓN A BLOQUE 1 OPCIÓN A Un fabricante de coches lanza una oferta especial en dos de sus modelos, ofreciendo

Más detalles

Son números enteros los números naturales y pueden ser de dos tipos: positivos (+) y negativos (-)

Son números enteros los números naturales y pueden ser de dos tipos: positivos (+) y negativos (-) CÁLCULO MATEMÁTICO BÁSICO LOS NUMEROS ENTEROS Son números enteros los números naturales y pueden ser de dos tipos: positivos (+) y negativos (-) Si un número aparece entre barras /5/, significa que su

Más detalles

Dualidad y Análisis de Sensibilidad

Dualidad y Análisis de Sensibilidad Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Industrial IN34A: Clase Auxiliar Dualidad y Análisis de Sensibilidad Marcel Goic F. 1 1 Esta es una versión bastante

Más detalles

Programación Lineal Entera

Programación Lineal Entera Programación Lineal Entera P.M. Mateo y David Lahoz 2 de julio de 2009 En este tema se presenta un tipo de problemas formalmente similares a los problemas de programación lineal, ya que en su descripción

Más detalles

Fundamentos de Investigación de Operaciones Asignación y Vendedor Viajero

Fundamentos de Investigación de Operaciones Asignación y Vendedor Viajero Fundamentos de Investigación de Operaciones y Vendedor Viajero 23 de mayo de 2004 Si bien la resolución del problema de transporte mediante tableau parece ser muy expedita, existen ciertos tipos de problemas

Más detalles

H E R R A M I E N T A S D E A N Á L I S I S D E D A T O S HERRAMIENTAS DE ANÁLISIS DE DATOS

H E R R A M I E N T A S D E A N Á L I S I S D E D A T O S HERRAMIENTAS DE ANÁLISIS DE DATOS H E R R A M I E N T A S D E A N Á L I S I S D E D A T O S HERRAMIENTAS DE ANÁLISIS DE DATOS Una situación que se nos plantea algunas veces es la de resolver un problema hacia atrás, esto es, encontrar

Más detalles

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una

Más detalles

Tema 2. Espacios Vectoriales. 2.1. Introducción

Tema 2. Espacios Vectoriales. 2.1. Introducción Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por

Más detalles

3. Inventario de productos terminados: Consta de artículos ya producidos pero que aún no han sido vendidos.

3. Inventario de productos terminados: Consta de artículos ya producidos pero que aún no han sido vendidos. Unidad III. Administración Financiera del Inventario Objetivos: Aplicar las estrategias de administración de inventarios con eficacia y oportunidad, de tal manera que le permita a la empresa el manejo

Más detalles

APUNTES DE CLASES INVESTIGACION OPERATIVA

APUNTES DE CLASES INVESTIGACION OPERATIVA I. INTRODUCCION A. PROGRAMA DE MATERIAS. PROGRAMACION LINEAL a) Modelación matemática de PPL (Problemas de Programación Lineal). b) Solución gráfica de PPL ( variables). c) Análisis de sensibilidad gráfico.

Más detalles

EJERCICIOS RESUELTOS DE PROGRAMACIÓN LINEAL

EJERCICIOS RESUELTOS DE PROGRAMACIÓN LINEAL EJERCICIOS RESUELTOS DE PROGRAMACIÓN LINEAL. Para facilitar la elaboración del modelo matemático en La Programación Lineal (PL) recomendamos lectura y análisis de las siguientes 12 consideraciones: Si

Más detalles

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Formulación de Modelos de Programacón Lineal 25 de julio de 2003 La (LP es una herramienta para resolver problemas de optimización

Más detalles

T E C N O L O G Í A OPTIMIZACIÓN DE MATERIALES MEDIANTE PATRONES DE CORTE EFICIENTE. Aplicación. a la INDUSTRIA

T E C N O L O G Í A OPTIMIZACIÓN DE MATERIALES MEDIANTE PATRONES DE CORTE EFICIENTE. Aplicación. a la INDUSTRIA OPTIMIZACIÓN DE MATERIALES MEDIANTE PATRONES DE CORTE EFICIENTE Aplicación a la INDUSTRIA de la construcción 1 El presente estudio propone el uso de un algoritmo comúnmente utilizado en la rama de investigación

Más detalles

OPTIMIZACIÓN CON MODELOS DE RED EN HOJA DE CÁLCULO

OPTIMIZACIÓN CON MODELOS DE RED EN HOJA DE CÁLCULO Optimización con Modelos de Red en Hoja de Cálculo OPTIMIZACIÓN CON MODELOS DE RED EN HOJA DE CÁLCULO Bernal García, Juan Jesús juanjesus.bernal@upct.es Martínez María-Dolores, Soledad María soledad.martinez@upct.es

Más detalles

INVESTIGACIÓN OPERATIVA

INVESTIGACIÓN OPERATIVA SILABO I. DATOS GENERALES 1. Nombre de la Asignatura : INVESTIGACIÓN OPERATIVA 2. Carácter : Obligatorio 3. Carrera Profesional : Administración de Empresas 4. Código : AD0602 5. Semestre Académico : 2014

Más detalles

Programación Lineal: Modelos PLE

Programación Lineal: Modelos PLE Programación Lineal: Modelos PLE CCIR / Matemáticas euresti@itesm.mx CCIR / Matemáticas Programación Lineal: Modelos PLE euresti@itesm.mx 1 / 35 Introduccion Introduccion En esta lectura se verán cómo

Más detalles

x + y 4 2x + 3y 10 4x + 2y 12 x 0, y 0

x + y 4 2x + 3y 10 4x + 2y 12 x 0, y 0 PRUEBAS DE ACCESO A LA UNIVERSIDAD PROBLEMAS DE PROGRAMACIÓN LINEAL JUNIO 2000. OPCIÓN B. Una empresa especializada en la fabricación de mobiliario para casas de muñecas, produce cierto tipo de mesas y

Más detalles

INTRODUCCION..2 ANALISIS POSOPTIMO O DE SENSIBILIDAD.3. CAMBIOS EN LA VARIABLE DE COEFICIENTE.3 SOLUCIOON DE EJMPLO 2.14

INTRODUCCION..2 ANALISIS POSOPTIMO O DE SENSIBILIDAD.3. CAMBIOS EN LA VARIABLE DE COEFICIENTE.3 SOLUCIOON DE EJMPLO 2.14 INDICE: 1 INTRODUCCION.. ANALISIS POSOPTIMO O DE SENSIBILIDAD.3. CAMBIOS EN LA VARIABLE DE COEFICIENTE.3 CAMBIOS QUE AFECTAN LA FACTIBILIDAD..5 SOLUICON DE JEJMPLO 1..7 SOLUCIOON DE EJMPLO.14 CONCLUCIONES

Más detalles

1.2 SISTEMAS DE PRODUCCIÓN

1.2 SISTEMAS DE PRODUCCIÓN 19 1.2 SISTEMAS DE PRODUCCIÓN Para operar en forma efectiva, una empresa manufacturera debe tener sistemas que le permitan lograr eficientemente el tipo de producción que realiza. Los sistemas de producción

Más detalles

Programación Lineal y Optimización Segundo Examen Parcial :Solución Profr. Eduardo Uresti, Verano 2009

Programación Lineal y Optimización Segundo Examen Parcial :Solución Profr. Eduardo Uresti, Verano 2009 Programación Lineal y Optimización Segundo Examen Parcial : Profr. Eduardo Uresti, Verano 2009 Matrícula: Nombre: 1. Suponga que se tiene disponible la siguiente información salida de LINDO a un problema

Más detalles

PROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables

PROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables Capítulo 8 PROGRAMACIÓN LINEAL 8.1. Introducción La programación lineal es una técnica matemática relativamente reciente (siglo XX), que consiste en una serie de métodos y procedimientos que permiten resolver

Más detalles

UNIDAD Nº 1: 1. SISTEMAS DE NUMERACION. Formalizado este concepto, se dirá que un número X viene representado por una cadena de dígitos:

UNIDAD Nº 1: 1. SISTEMAS DE NUMERACION. Formalizado este concepto, se dirá que un número X viene representado por una cadena de dígitos: UNIDAD Nº 1: TECNICATURA EN INFORMATICA UNLAR - CHEPES 1.1. INTRODUCCION 1. SISTEMAS DE NUMERACION El mundo del computador es un mundo binario. Por el contrario, el mundo de la información, manejada por

Más detalles

1. Números Reales 1.1 Clasificación y propiedades

1. Números Reales 1.1 Clasificación y propiedades 1. Números Reales 1.1 Clasificación y propiedades 1.1.1 Definición Número real, cualquier número racional o irracional. Los números reales pueden expresarse en forma decimal mediante un número entero,

Más detalles

Programación Lineal. Programación Lineal

Programación Lineal. Programación Lineal Programación Lineal Modelo General Max Z = c 1 + C 2 +... c n, s.a. a 11 + a 12 +... + a 1n b 1 a 21 + a 22 +... + a 2n b 2.. a m1 + a m2 +... + a mn b m 0, 0, x 3 0,..., 0 Programación Lineal Interpretación

Más detalles

El Problema del Transporte

El Problema del Transporte ASIGNATURA PROGRAMACIÓN LINEAL El Problema del Transporte Maestro Ing. Julio Rito Vargas Avilés Octubre 2014 1 Problema de Transporte Es un caso especial de problema de programación lineal (PPL), para

Más detalles

Matrices equivalentes. El método de Gauss

Matrices equivalentes. El método de Gauss Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar

Más detalles

Programación lineal. En esta Unidad didáctica nos proponemos alcanzar los objetivos siguientes:

Programación lineal. En esta Unidad didáctica nos proponemos alcanzar los objetivos siguientes: UNIDAD 3 Programación lineal a programación lineal es parte L de una rama de las matemáticas relativamente joven llamada investigación operativa. La idea básica de la programación lineal es la de optimizar,

Más detalles

Unidad 16. Depreciación

Unidad 16. Depreciación Unidad 16 Depreciación INTRODUCCIÓN Desde el momento mismo en que se adquiere un bien, éste empieza a perder valor. Esta pérdida de valor es conocida como depreciación. La depreciación se define como la

Más detalles

Calcular con fracciones para todos

Calcular con fracciones para todos Calcular con fracciones para todos 1 Calcular con fracciones para todos M. Riat riat@pobox.com Versión 1.0 Burriana, 2014 Calcular con fracciones para todos 2 ÍNDICE DE CAPÍTULOS Índice de capítulos...

Más detalles

11 Selección de proyectos

11 Selección de proyectos Selección de proyectos de inversión Esta unidad didáctica persigue los siguientes objetivos: Esquema temporal de un proyecto de inversión. Comprender y operar con el factor de capitalización compuesta.

Más detalles

MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN

MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Suponga que le pedimos a un grupo de estudiantes de la asignatura de estadística que registren su peso en kilogramos. Con los datos del peso de los estudiantes

Más detalles

Ecuaciones de primer grado con dos incógnitas

Ecuaciones de primer grado con dos incógnitas Ecuaciones de primer grado con dos incógnitas Si decimos: "las edades de mis padres suman 120 años", podemos expresar esta frase algebraicamente de la siguiente forma: Entonces, Denominamos x a la edad

Más detalles

SOLUCION DE MODELOS DE PROGRAMACION LINEAL EN UNA HOJA DE CALCULO. PROBLEMAS DE TRANSPORTE Y ASIGNACION.

SOLUCION DE MODELOS DE PROGRAMACION LINEAL EN UNA HOJA DE CALCULO. PROBLEMAS DE TRANSPORTE Y ASIGNACION. UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE INGENIERÍA DEPARTAMENTO DE INGENIERÍA DE LA PRODUCCIÓN INGENIERÍA INDUSTRIAL SOLUCION DE MODELOS DE PROGRAMACION LINEAL EN UNA HOJA DE CALCULO. PROBLEMAS DE

Más detalles

Programación Lineal y Optimización Segundo Examen Parcial Respuesta: :Solución Profr. Eduardo Uresti, Enero-Mayo 2011

Programación Lineal y Optimización Segundo Examen Parcial Respuesta: :Solución Profr. Eduardo Uresti, Enero-Mayo 2011 Matrícula: Nombre: Programación Lineal y Optimización Segundo Examen Parcial Respuesta: : Profr. Eduardo Uresti, Enero-Mayo 2011 1. Suponga que tiene una empresa que produce tres tipos de productos (P

Más detalles

Álgebra y Trigonometría CNM-108

Álgebra y Trigonometría CNM-108 Álgebra y Trigonometría CNM-108 Clase 2 Ecuaciones, desigualdades y funciones Departamento de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Copyleft c 2008. Reproducción

Más detalles

Hoja1!C4. Hoja1!$C$4. Fila

Hoja1!C4. Hoja1!$C$4. Fila CAPÍTULO 6......... Cálculo y funciones con Excel 2000 6.1.- Referencias De Celdas Como vimos con anterioridad en Excel 2000 se referencian las celdas por la fila y la columna en la que están. Además como

Más detalles

Un programa entero de dos variables. 15.053 Jueves, 4 de abril. La región factible. Por qué programación entera? Variables 0-1

Un programa entero de dos variables. 15.053 Jueves, 4 de abril. La región factible. Por qué programación entera? Variables 0-1 15.053 Jueves, 4 de abril Un programa entero de dos variables Introducción a la programación entera Modelos de programación entera Handouts: material de clase maximizar 3x + 4y sujeto a 5x + 8y 24 x, y

Más detalles

L A P R O G R A M A C I O N

L A P R O G R A M A C I O N L A P R O G R A M A C I O N L I N E A L 1. INTRODUCCIÓN: la programación lineal como método de optimación La complejidad de nuestra sociedad en cuanto a organización general y económica exige disponer

Más detalles

Subespacios vectoriales en R n

Subespacios vectoriales en R n Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo

Más detalles

Ejercicios de Programación Lineal

Ejercicios de Programación Lineal Ejercicios de Programación Lineal Investigación Operativa Ingeniería Informática, UCM Curso 8/9 Una compañía de transporte dispone de camiones con capacidad de 4 libras y de 5 camiones con capacidad de

Más detalles

Matrices Invertibles y Elementos de Álgebra Matricial

Matrices Invertibles y Elementos de Álgebra Matricial Matrices Invertibles y Elementos de Álgebra Matricial Departamento de Matemáticas, CCIR/ITESM 12 de enero de 2011 Índice 91 Introducción 1 92 Transpuesta 1 93 Propiedades de la transpuesta 2 94 Matrices

Más detalles

Guías Excel 2007 Matrices Guía 77

Guías Excel 2007 Matrices Guía 77 MATRICES Las hojas de cálculo poseen prestaciones interesantes la gestión de matrices de tipo matemático. Unas consisten en facilitar los cálculos matriciales y otras están orientadas a cálculos estadísticos.

Más detalles

Matemáticas C.C.S.S. Repaso de Selectividad 1. Se desea obtener dos elementos químicos a partir de las sustancias A y B. Un kilo de A contiene 8

Matemáticas C.C.S.S. Repaso de Selectividad 1. Se desea obtener dos elementos químicos a partir de las sustancias A y B. Un kilo de A contiene 8 Matemáticas C.C.S.S. Repaso de Selectividad 1. Se desea obtener dos elementos químicos a partir de las sustancias A y B. Un kilo de A contiene 8 gramos del primer elemento y 1 gramo del segundo; un kilo

Más detalles

Regla Comercial y Descuento compuesto.

Regla Comercial y Descuento compuesto. Regla Comercial y Descuento compuesto. Regla comercial: consiste en calcular el monto que se acumula durante los periodos de capitalización completos, utilizando la fórmula de interés compuesto, para luego

Más detalles

Aprendiendo LINGO INTRODUCCIÓN A LINGO - 1

Aprendiendo LINGO INTRODUCCIÓN A LINGO - 1 Aprendiendo LINGO INTRODUCCIÓN A LINGO - 1 Introducción a LINGO LINGO (LINear Generalize Optimizer) es una versátil herramienta para la formulación, resolución y análisis de problemas de programación lineal

Más detalles

Optimización, Solemne 2. Semestre Otoño 2012 Profesores: Paul Bosch, Rodrigo López, Fernando Paredes, Pablo Rey Tiempo: 110 min.

Optimización, 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 detalles

PROGRAMACIÓN LINEAL Teoría General de Programación Lineal y Fase de Formulación y Construcción de Modelos.

PROGRAMACIÓN LINEAL Teoría General de Programación Lineal y Fase de Formulación y Construcción de Modelos. PROGRAMACIÓN LINEAL Objetivo: Proponer en forma cuantitativa acciones o decisiones a tomar para optimizar sistemas donde existan recursos escasos y se presenten relaciones lineales, mediante la teoría

Más detalles

Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.

Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una

Más detalles

Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 2012

Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 2012 Grupo: Matrícula: Nombre: Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 22. (pts) Sea A una matriz cuadrada. Indique validez a cada una de las siguientes

Más detalles

Definición 1.1.1. Sea K un cuerpo. Un polinomio en x, con coeficientes en K es toda expresión del tipo

Definición 1.1.1. Sea K un cuerpo. Un polinomio en x, con coeficientes en K es toda expresión del tipo POLINOMIOS 1.1. DEFINICIONES Definición 1.1.1. Sea K un cuerpo. Un polinomio en x, con coeficientes en K es toda expresión del tipo p(x) = a i x i = a 0 + a 1 x + a 2 x 2 + + a n x n + ; a i, x K; n N

Más detalles

EDICIÓN DE ECUACIONES CON WORD y ÁLGEBRA LINEAL CON EXCEL

EDICIÓN DE ECUACIONES CON WORD y ÁLGEBRA LINEAL CON EXCEL EDICIÓN DE ECUACIONES CON WORD y ÁLGEBRA LINEAL CON EXCEL Autores: Ángel Alejandro Juan Pérez (ajuanp@uoc.edu), Cristina Steegmann Pascual (csteegmann@uoc.edu). ESQUEMA DE CONTENIDOS ECUACIONES Y ÁLGEBRA

Más detalles

Segundo de Bachillerato Geometría en el espacio

Segundo de Bachillerato Geometría en el espacio Segundo de Bachillerato Geometría en el espacio Jesús García de Jalón de la Fuente IES Ramiro de Maeztu Madrid 204-205. Coordenadas de un vector En el conjunto de los vectores libres del espacio el concepto

Más detalles

+ 7 es una ecuación de segundo grado. es una ecuación de tercer grado.

+ 7 es una ecuación de segundo grado. es una ecuación de tercer grado. ECUACIONES Y DESIGUALDADES UNIDAD VII VII. CONCEPTO DE ECUACIÓN Una igualdad es una relación de equivalencia entre dos epresiones, numéricas o literales, que se cumple para algún, algunos o todos los valores

Más detalles

MODELO DE ASIGNACIÓN $A$15:$D$15 < = $A$4:$D$4 $E$11:$E$13 = $E$1:$E$3 METODO DE TRANSPORTE - 129 - ING. José Luís Albornoz Salazar - 130 - - Máxi

MODELO DE ASIGNACIÓN $A$15:$D$15 < = $A$4:$D$4 $E$11:$E$13 = $E$1:$E$3 METODO DE TRANSPORTE - 129 - ING. José Luís Albornoz Salazar - 130 - - Máxi - Máxi En el espacio en blanco, en la parte inferior izquierda, Sujetas a las siguientes Restricciones indique las restricciones o condiciones del problema, para lo cual haga clic en Agregar. METODO DE

Más detalles

Práctica de informática del programa LINDO

Práctica de informática del programa LINDO FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES PROGRAMACIÓN MATEMÁTICA Práctica de informática del programa LINDO Curso 2004-05 LINDO 6.1 es un programa de entorno Windows, que sirve para resolver problemas

Más detalles

OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 2 Programación Lineal

OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 2 Programación Lineal OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 2 Programación Lineal ORGANIZACIÓN DEL TEMA Sesiones: Introducción, definición y ejemplos Propiedades y procedimientos de solución Interpretación económica

Más detalles

DESIGUALDADES E INECUACIONES

DESIGUALDADES E INECUACIONES DESIGUALDAD DESIGUALDADES E INECUACIONES Para hablar de la NO IGUALDAD podemos utilizar varios términos o palabras. Como son: distinto y desigual. El término "DISTINTO" (signo ), no tiene apenas importancia

Más detalles

Cambio de representaciones para variedades lineales.

Cambio de representaciones para variedades lineales. Cambio de representaciones para variedades lineales 18 de marzo de 2015 ALN IS 5 Una variedad lineal en R n admite dos tipos de representaciones: por un sistema de ecuaciones implícitas por una familia

Más detalles