En optimización matemática, el término algoritmo simplex habitualmente se refiere a un conjunto de métodos muy usados para resolver problemas de programación lineal, en los cuales se busca el máximo de una función lineal sobre un conjunto de variables que satisfaga un conjunto de inecuaciones lineales.
Este documento presenta una introducción al análisis de varianza (ANOVA). Explica los supuestos del ANOVA, incluyendo que las poblaciones siguen una distribución normal y tienen igual varianza. Describe los componentes de variación en el ANOVA: variación total, variación de tratamientos y variación de error. Incluye un ejemplo didáctico para ilustrar cómo calcular estos componentes y realizar la prueba ANOVA.
En esta unidad, estudiamos medidas de tendencia central y de dispersión para variables aleatorias, así como indicadores de correlación entre las mismas.
Este documento describe un circuito comparador de 4 bits que compara dos números binarios de 4 bits cada uno y determina si son iguales, si el primer número es mayor o si el segundo número es mayor. El circuito se implementa usando circuitos integrados como el 74LS85 (comparador), 74LS151 (multiplexor), 74LS83 (sumador binario) y 74LS47 (decodificador BCD a 7 segmentos) para mostrar el resultado en displays. El objetivo es adquirir conocimientos sobre estos circuitos integrados y construir un circuito comparador práctico de 4 bits.
El documento presenta varios problemas estadísticos relacionados con el análisis de regresión lineal. El primer problema solicita calcular el coeficiente de correlación lineal entre la distancia de un centro comercial a un núcleo de población y el número de clientes. Otro problema pide determinar la distancia para recibir 500 clientes. Finalmente, se pide trazar la recta de regresión robusta basada en la mediana para predecir las ventas de una empresa en función de la demanda total de la industria.
El documento trata sobre conceptos básicos de matemáticas financieras. Explica el interés simple, que es la diferencia entre un capital inicial y final. Luego detalla la fórmula para calcular el interés simple, así como ejemplos de cálculos con variaciones en la tasa de interés y en el capital. Finalmente, cubre conceptos como periodo de tiempo, año bancario, inclusión y exclusión de días, y variaciones en el principal.
El documento presenta 14 problemas relacionados con el cálculo de tasas de interés compuesto y valor futuro/actual de pagos periódicos. Los problemas involucran el cálculo de pagos anticipados, depósitos mensuales/trimestrales, tasas efectivas y nominales, entre otros conceptos financieros.
El documento describe diferentes métodos para calcular el monto compuesto e interés cuando los periodos de capitalización no coinciden con el plazo de la deuda, como interés compuesto para la parte entera y simple para la fracción. También explica cómo calcular el valor actual de un documento a diferentes tasas de interés, así como ecuaciones para igualar valores en fechas diversas considerando interés compuesto.
La distribución F se utiliza para comparar varianzas muéstrales y se define como la razón de dos variables chi cuadradas independientes divididas por sus grados de libertad. La distribución depende de los grados de libertad de las variables chi cuadradas y se usa para realizar inferencias estadísticas sobre las varianzas poblacionales cuando se tienen dos muestras aleatorias.
Este documento presenta una introducción al análisis de varianza (ANOVA). Explica los supuestos del ANOVA, incluyendo que las poblaciones siguen una distribución normal y tienen igual varianza. Describe los componentes de variación en el ANOVA: variación total, variación de tratamientos y variación de error. Incluye un ejemplo didáctico para ilustrar cómo calcular estos componentes y realizar la prueba ANOVA.
En esta unidad, estudiamos medidas de tendencia central y de dispersión para variables aleatorias, así como indicadores de correlación entre las mismas.
Este documento describe un circuito comparador de 4 bits que compara dos números binarios de 4 bits cada uno y determina si son iguales, si el primer número es mayor o si el segundo número es mayor. El circuito se implementa usando circuitos integrados como el 74LS85 (comparador), 74LS151 (multiplexor), 74LS83 (sumador binario) y 74LS47 (decodificador BCD a 7 segmentos) para mostrar el resultado en displays. El objetivo es adquirir conocimientos sobre estos circuitos integrados y construir un circuito comparador práctico de 4 bits.
El documento presenta varios problemas estadísticos relacionados con el análisis de regresión lineal. El primer problema solicita calcular el coeficiente de correlación lineal entre la distancia de un centro comercial a un núcleo de población y el número de clientes. Otro problema pide determinar la distancia para recibir 500 clientes. Finalmente, se pide trazar la recta de regresión robusta basada en la mediana para predecir las ventas de una empresa en función de la demanda total de la industria.
El documento trata sobre conceptos básicos de matemáticas financieras. Explica el interés simple, que es la diferencia entre un capital inicial y final. Luego detalla la fórmula para calcular el interés simple, así como ejemplos de cálculos con variaciones en la tasa de interés y en el capital. Finalmente, cubre conceptos como periodo de tiempo, año bancario, inclusión y exclusión de días, y variaciones en el principal.
El documento presenta 14 problemas relacionados con el cálculo de tasas de interés compuesto y valor futuro/actual de pagos periódicos. Los problemas involucran el cálculo de pagos anticipados, depósitos mensuales/trimestrales, tasas efectivas y nominales, entre otros conceptos financieros.
El documento describe diferentes métodos para calcular el monto compuesto e interés cuando los periodos de capitalización no coinciden con el plazo de la deuda, como interés compuesto para la parte entera y simple para la fracción. También explica cómo calcular el valor actual de un documento a diferentes tasas de interés, así como ecuaciones para igualar valores en fechas diversas considerando interés compuesto.
La distribución F se utiliza para comparar varianzas muéstrales y se define como la razón de dos variables chi cuadradas independientes divididas por sus grados de libertad. La distribución depende de los grados de libertad de las variables chi cuadradas y se usa para realizar inferencias estadísticas sobre las varianzas poblacionales cuando se tienen dos muestras aleatorias.
Este documento describe los conceptos clave relacionados con la estimación de parámetros poblacionales a partir de muestras. Explica que un parámetro describe una característica de la población mientras que un estadístico describe una característica de la muestra, y que el proceso de estimación implica seleccionar una muestra aleatoria, calcular estadísticos para describir la muestra, y usar estos estadísticos para estimar los parámetros poblacionales. También cubre conceptos como estimadores, distribuciones m
Este documento presenta la fórmula para calcular el valor promedio de una función sobre una región rectangular utilizando la integral doble. Como ejemplo, calcula el nivel promedio de producción para una función Cobb-Douglas donde el número de unidades de trabajo varía entre 200 y 250 y el número de unidades de capital entre 300 y 325. El valor promedio calculado es de 25645,109.
Este documento explica cómo derivar ecuaciones implícitamente definidas. Presenta la fórmula general para calcular la derivada implícita dy/dx y la aplica a ejemplos numéricos. También incluye un teorema sobre cómo derivar una ecuación de la forma F(x,y)=0 para hallar dy/dx. Finalmente, propone un problema de aplicación sobre la velocidad de deslizamiento de un extremo de un tablón levantado por un obrero.
El documento habla sobre las anualidades anticipadas, que son pagos o rentas que se realizan al comienzo de cada periodo, como depósitos mensuales en una cuenta bancaria. Explica las fórmulas para calcular el valor presente y futuro de una anualidad anticipada, donde la renta se agregan intereses que dependen del número de periodos hasta el final del plazo. También incluye ejemplos numéricos de cómo calcular el monto acumulado en cuentas bancarias con diferentes tasas de interés.
Estimadores puntuales intervalos de confianza.maryanbalmaceda
Este documento presenta conceptos estadísticos como estimadores puntuales, intervalos de confianza, distribución normal y t de Student. Explica cómo calcular la media poblacional y sus intervalos de confianza cuando se conoce o no la desviación estándar de la población. También cubre proporciones poblacionales y el factor de corrección para poblaciones finitas. Finaliza con un ejemplo para ilustrar los conceptos.
Este documento presenta varias distribuciones estadísticas relacionadas con muestras aleatorias, incluyendo la distribución de medias muestrales, proporciones muestrales, diferencias entre dos medias muestrales y diferencias entre dos proporciones muestrales. Proporciona fórmulas para calcular probabilidades relacionadas con estas distribuciones y resuelve ejemplos numéricos.
Material de apoyo para poder realizar cálculos financieros mediante el Excel, aplicando funciones y construyendo formulas que resuelvan operaciones sobre el valor del dinero en el tiempo, amortizaciones, depreciaciones y evaluaciones financieras de proyectos.
Este documento explica los parámetros necesarios para calcular las resistencias en la etapa de potencia de los tiristores TRIAC, SCR y SCR activado por JFET. Describe las ecuaciones para calcular las resistencias de disparo, protección, puerta y limitadora de corriente usando datos técnicos de los dispositivos. También incluye ejemplos de cálculos para cada tipo de circuito y simulaciones que muestran su funcionamiento.
El documento resume conceptos clave de valor presente neto (VPN), incluyendo casos monoperiódicos, multiperiódicos y perpetuidades. Explica fórmulas para calcular valor futuro, valor presente, VPN, anualidades y anualidades crecientes. También cubre tasas de interés efectivas y cómo usar una calculadora financiera para evaluar flujos de caja no uniformes.
Este documento presenta el modelo híbrido del transistor bipolar (BJT) y describe cómo se puede representar como un cuadripolo. Explica que el BJT se puede caracterizar por parámetros como la ganancia, impedancia y admitancia para analizar su comportamiento en pequeña señal. También define los diferentes tipos de parámetros que caracterizan un cuadripolo como Z, Y, H, G y T.
El documento resume diferentes configuraciones de polarización para transistores JFET y MOSFET de canal N y P. Explica cómo calcular los puntos de operación mediante métodos matemáticos y gráficos para configuraciones de polarización fija, autopolarización y entrada común. Además, describe cómo determinar los valores de resistencias para configuraciones de divisor de voltaje y retroalimentación.
Estadística Cálculo de Media y desviación 009CESAR A. RUIZ C
Este documento describe el método abreviado para calcular la media aritmética y la desviación estándar a partir de datos numéricos. Explica que este método estima primero una media y luego aplica correcciones para encontrar los valores reales. Detalla los pasos para calcular la media, que incluyen estimar una media, calcular desviaciones de cada dato respecto a la media estimada, multiplicar las desviaciones por sus frecuencias y dividir la suma para obtener la corrección. Para la desviación estándar, calcula las desviaciones al cuad
Este documento describe los conceptos básicos de los amplificadores de señal pequeña utilizando transistores BJT. Explica que los BJT deben polarizarse en la región activa para funcionar como amplificadores y define las clases de amplificadores (A, AB, B, C). También presenta el modelo híbrido BJT y cómo se puede usar un BJT en configuración de emisor común como amplificador de señal pequeña lineal. Finalmente, resume las características más importantes de un amplificador como ganancia, impedancia de entrada/salida y an
Este documento proporciona una guía sobre los principales aspectos legales para invertir en México. Explica los diferentes vehículos legales para emprender negocios como sucursales, oficinas de representación, sociedades de responsabilidad limitada y sociedades anónimas. También cubre temas como el régimen cambiario, tributario, laboral e incentivos para la inversión. Además, incluye información sobre los trámites requeridos ante la Secretaría de Relaciones Exteriores para constituir una sociedad en México.
El documento describe dos métodos de polarización para JFET: polarización fija y auto polarización. Ambos métodos utilizan la malla de entrada y salida junto con la ecuación de Schockley, requiriendo los datos de corriente de saturación y voltaje de estrangulamiento. La auto polarización opera de manera similar al MOSFET de enriquecimiento, usando la ecuación de saturación en lugar de la ecuación de Schockley.
El documento trata sobre el interés simple, que es la cantidad de dinero que se paga por un capital prestado en un cierto intervalo de tiempo. Explica las variables involucradas en el cálculo del interés simple como el capital, tiempo y tasa de interés, y presenta la fórmula para calcular el interés simple. También cubre ejemplos numéricos de cómo aplicar la fórmula.
Este documento presenta el coeficiente de determinación (R2) y cómo calcularlo. Explica que R2 mide la proporción de variación en la variable dependiente (y) explicada por la regresión lineal con la variable independiente (x). Luego muestra un ejemplo con datos reales, calculando la ecuación de regresión lineal y el R2, el cual resultó ser 11.15%, indicando que la recta no es el mejor modelo para representar la relación entre x e y.
Ejercicios resueltos de ingeniería económica.docxandres cuellar
Este documento presenta varios ejercicios resueltos de ingeniería económica relacionados con cálculos de tasas de interés, valor presente, valor futuro, costo anual uniforme y flujos de efectivo. Los ejercicios involucran cálculos para depósitos, préstamos, inversiones y proyectos de capital a diferentes tasas de interés y plazos. El documento también incluye diagramas de flujo de efectivo para ilustrar diferentes escenarios y su solución a través de fórmulas financieras.
Este documento presenta los pasos para resolver un problema de programación lineal utilizando el método simplex. Se muestra la construcción de tablas simplex para encontrar la solución óptima en tres ejercicios de maximización de una función objetivo sujeto a restricciones. En el tercer ejercicio, no se pudo encontrar una solución debido a que había un coeficiente negativo que violaba las restricciones.
El documento explica el método simplex, el cual es un procedimiento iterativo para encontrar la solución óptima de una función objetivo sujeta a restricciones. Se describen los pasos del método, incluyendo la creación de una tabla inicial simplex y realizar iteraciones para mejorar el valor de la función hasta alcanzar la solución óptima.
Este documento describe los conceptos clave relacionados con la estimación de parámetros poblacionales a partir de muestras. Explica que un parámetro describe una característica de la población mientras que un estadístico describe una característica de la muestra, y que el proceso de estimación implica seleccionar una muestra aleatoria, calcular estadísticos para describir la muestra, y usar estos estadísticos para estimar los parámetros poblacionales. También cubre conceptos como estimadores, distribuciones m
Este documento presenta la fórmula para calcular el valor promedio de una función sobre una región rectangular utilizando la integral doble. Como ejemplo, calcula el nivel promedio de producción para una función Cobb-Douglas donde el número de unidades de trabajo varía entre 200 y 250 y el número de unidades de capital entre 300 y 325. El valor promedio calculado es de 25645,109.
Este documento explica cómo derivar ecuaciones implícitamente definidas. Presenta la fórmula general para calcular la derivada implícita dy/dx y la aplica a ejemplos numéricos. También incluye un teorema sobre cómo derivar una ecuación de la forma F(x,y)=0 para hallar dy/dx. Finalmente, propone un problema de aplicación sobre la velocidad de deslizamiento de un extremo de un tablón levantado por un obrero.
El documento habla sobre las anualidades anticipadas, que son pagos o rentas que se realizan al comienzo de cada periodo, como depósitos mensuales en una cuenta bancaria. Explica las fórmulas para calcular el valor presente y futuro de una anualidad anticipada, donde la renta se agregan intereses que dependen del número de periodos hasta el final del plazo. También incluye ejemplos numéricos de cómo calcular el monto acumulado en cuentas bancarias con diferentes tasas de interés.
Estimadores puntuales intervalos de confianza.maryanbalmaceda
Este documento presenta conceptos estadísticos como estimadores puntuales, intervalos de confianza, distribución normal y t de Student. Explica cómo calcular la media poblacional y sus intervalos de confianza cuando se conoce o no la desviación estándar de la población. También cubre proporciones poblacionales y el factor de corrección para poblaciones finitas. Finaliza con un ejemplo para ilustrar los conceptos.
Este documento presenta varias distribuciones estadísticas relacionadas con muestras aleatorias, incluyendo la distribución de medias muestrales, proporciones muestrales, diferencias entre dos medias muestrales y diferencias entre dos proporciones muestrales. Proporciona fórmulas para calcular probabilidades relacionadas con estas distribuciones y resuelve ejemplos numéricos.
Material de apoyo para poder realizar cálculos financieros mediante el Excel, aplicando funciones y construyendo formulas que resuelvan operaciones sobre el valor del dinero en el tiempo, amortizaciones, depreciaciones y evaluaciones financieras de proyectos.
Este documento explica los parámetros necesarios para calcular las resistencias en la etapa de potencia de los tiristores TRIAC, SCR y SCR activado por JFET. Describe las ecuaciones para calcular las resistencias de disparo, protección, puerta y limitadora de corriente usando datos técnicos de los dispositivos. También incluye ejemplos de cálculos para cada tipo de circuito y simulaciones que muestran su funcionamiento.
El documento resume conceptos clave de valor presente neto (VPN), incluyendo casos monoperiódicos, multiperiódicos y perpetuidades. Explica fórmulas para calcular valor futuro, valor presente, VPN, anualidades y anualidades crecientes. También cubre tasas de interés efectivas y cómo usar una calculadora financiera para evaluar flujos de caja no uniformes.
Este documento presenta el modelo híbrido del transistor bipolar (BJT) y describe cómo se puede representar como un cuadripolo. Explica que el BJT se puede caracterizar por parámetros como la ganancia, impedancia y admitancia para analizar su comportamiento en pequeña señal. También define los diferentes tipos de parámetros que caracterizan un cuadripolo como Z, Y, H, G y T.
El documento resume diferentes configuraciones de polarización para transistores JFET y MOSFET de canal N y P. Explica cómo calcular los puntos de operación mediante métodos matemáticos y gráficos para configuraciones de polarización fija, autopolarización y entrada común. Además, describe cómo determinar los valores de resistencias para configuraciones de divisor de voltaje y retroalimentación.
Estadística Cálculo de Media y desviación 009CESAR A. RUIZ C
Este documento describe el método abreviado para calcular la media aritmética y la desviación estándar a partir de datos numéricos. Explica que este método estima primero una media y luego aplica correcciones para encontrar los valores reales. Detalla los pasos para calcular la media, que incluyen estimar una media, calcular desviaciones de cada dato respecto a la media estimada, multiplicar las desviaciones por sus frecuencias y dividir la suma para obtener la corrección. Para la desviación estándar, calcula las desviaciones al cuad
Este documento describe los conceptos básicos de los amplificadores de señal pequeña utilizando transistores BJT. Explica que los BJT deben polarizarse en la región activa para funcionar como amplificadores y define las clases de amplificadores (A, AB, B, C). También presenta el modelo híbrido BJT y cómo se puede usar un BJT en configuración de emisor común como amplificador de señal pequeña lineal. Finalmente, resume las características más importantes de un amplificador como ganancia, impedancia de entrada/salida y an
Este documento proporciona una guía sobre los principales aspectos legales para invertir en México. Explica los diferentes vehículos legales para emprender negocios como sucursales, oficinas de representación, sociedades de responsabilidad limitada y sociedades anónimas. También cubre temas como el régimen cambiario, tributario, laboral e incentivos para la inversión. Además, incluye información sobre los trámites requeridos ante la Secretaría de Relaciones Exteriores para constituir una sociedad en México.
El documento describe dos métodos de polarización para JFET: polarización fija y auto polarización. Ambos métodos utilizan la malla de entrada y salida junto con la ecuación de Schockley, requiriendo los datos de corriente de saturación y voltaje de estrangulamiento. La auto polarización opera de manera similar al MOSFET de enriquecimiento, usando la ecuación de saturación en lugar de la ecuación de Schockley.
El documento trata sobre el interés simple, que es la cantidad de dinero que se paga por un capital prestado en un cierto intervalo de tiempo. Explica las variables involucradas en el cálculo del interés simple como el capital, tiempo y tasa de interés, y presenta la fórmula para calcular el interés simple. También cubre ejemplos numéricos de cómo aplicar la fórmula.
Este documento presenta el coeficiente de determinación (R2) y cómo calcularlo. Explica que R2 mide la proporción de variación en la variable dependiente (y) explicada por la regresión lineal con la variable independiente (x). Luego muestra un ejemplo con datos reales, calculando la ecuación de regresión lineal y el R2, el cual resultó ser 11.15%, indicando que la recta no es el mejor modelo para representar la relación entre x e y.
Ejercicios resueltos de ingeniería económica.docxandres cuellar
Este documento presenta varios ejercicios resueltos de ingeniería económica relacionados con cálculos de tasas de interés, valor presente, valor futuro, costo anual uniforme y flujos de efectivo. Los ejercicios involucran cálculos para depósitos, préstamos, inversiones y proyectos de capital a diferentes tasas de interés y plazos. El documento también incluye diagramas de flujo de efectivo para ilustrar diferentes escenarios y su solución a través de fórmulas financieras.
Este documento presenta los pasos para resolver un problema de programación lineal utilizando el método simplex. Se muestra la construcción de tablas simplex para encontrar la solución óptima en tres ejercicios de maximización de una función objetivo sujeto a restricciones. En el tercer ejercicio, no se pudo encontrar una solución debido a que había un coeficiente negativo que violaba las restricciones.
El documento explica el método simplex, el cual es un procedimiento iterativo para encontrar la solución óptima de una función objetivo sujeta a restricciones. Se describen los pasos del método, incluyendo la creación de una tabla inicial simplex y realizar iteraciones para mejorar el valor de la función hasta alcanzar la solución óptima.
El documento explica el método simplex, el cual es un procedimiento iterativo para encontrar la solución óptima de una función objetivo sujeta a restricciones. Se describen los pasos del método, incluyendo la creación de una tabla inicial simplex y realizar iteraciones para mejorar el valor de la función hasta alcanzar la solución óptima.
El método simplex es un algoritmo para resolver problemas de programación lineal que examina los vértices o puntos extremos de un conjunto factible para encontrar una solución óptima. Comienza determinando un vértice inicial y luego recorre los vértices adyacentes a través de iteraciones sucesivas hasta alcanzar la solución óptima. Utiliza un tablero algebraico donde aplica reglas de entrada y salida de variables para moverse de un vértice a otro hasta optimizar la función objetivo.
El método simplex en dos fases resuelve un modelo de programación lineal en dos etapas. La Fase 1 encuentra una solución básica factible inicial para el modelo aumentado que elimina todas las variables artificiales. La Fase 2 usa esta solución como punto de partida para encontrar la solución óptima del modelo original usando el método simplex regular.
El documento explica los pasos para resolver un problema de programación lineal utilizando el método simplex. Los pasos incluyen 1) convertir las desigualdades en igualdades agregando variables holgura, 2) igualar la función objetivo a cero, 3) construir el tablero inicial, 4) seleccionar la variable que entra en la base y la que sale, y 5) calcular los nuevos coeficientes y repetir los pasos hasta alcanzar la solución óptima. Se provee un ejemplo completo ilustrando cada paso del proceso de simplex.
Este documento explica el problema dual y el método simplex dual para resolver problemas de programación lineal. 1) El problema dual asocia un problema de minimización a un problema de maximización primal, intercambiando restricciones y variables. 2) El método simplex dual se aplica a problemas con restricciones >= o una combinación de >= y <=. 3) Siguiendo pasos como añadir variables holgura, identificar la variable básica con valor negativo más alto, e intercambiar variables, el método simplex dual resuelve el problema dual asociado.
El documento describe los pasos para resolver un problema de programación lineal utilizando el método simplex. Se trata de maximizar una función objetivo sujeta a varias restricciones. El proceso implica convertir las desigualdades en igualdades mediante variables holgura, formar el tablero inicial simplex, y luego iterar para encontrar la solución óptima cambiando las variables base y no base. Después de 3 iteraciones, se alcanza una solución óptima de 33 para la función objetivo.
Este documento describe diferentes métodos cuantitativos para la administración, incluyendo el método gráfico, el método simplex y el método húngaro. Explica cómo usar el método gráfico para resolver problemas de programación lineal con pocas variables mediante la representación gráfica de las restricciones. También describe los pasos para aplicar el método simplex y el método húngaro para resolver problemas de optimización más complejos.
El documento describe el método simplex para resolver problemas de programación lineal. El método simplex utiliza iteraciones para aproximarse a la solución óptima maximizando o minimizando una función objetivo sujeta a restricciones. Se presenta un ejemplo de un agricultor que busca maximizar sus beneficios al distribuir su terreno entre diferentes cultivos, resolviéndose el problema a través de la construcción y resolución de una tabla simplex.
Este documento presenta los pasos para resolver un problema de programación lineal utilizando el método simplex. El problema consiste en maximizar una función objetivo sujeta a varias restricciones. El método simplex convierte las desigualdades en igualdades mediante variables holgura y forma un tablero inicial. Luego, iterativamente se selecciona una variable de decisión para entrar en la base y una variable holgura para salir, hasta alcanzar una solución óptima con todos los coeficientes de la función objetivo positivos. Tras 3 iteraciones, la sol
Este documento presenta los pasos para resolver un problema de programación lineal utilizando el método simplex. El problema consiste en maximizar una función objetivo sujeta a varias restricciones. El método simplex convierte las desigualdades en igualdades mediante variables holgura y forma un tablero inicial. Luego, iterativamente se selecciona una variable de decisión para entrar en la base y una variable holgura para salir, hasta alcanzar una solución óptima con todos los coeficientes de la función objetivo positivos. Tras 3 iteraciones, la sol
Este documento describe el método del simplex para resolver problemas de programación lineal. Explica los pasos para convertir las restricciones en igualdades, establecer el tablero inicial, iterar para encontrar la variable que entra y sale de la base en cada paso, y actualizar los coeficientes hasta alcanzar la solución óptima cuando todos los coeficientes de la función objetivo sean positivos. Aplica este método para maximizar una función objetivo sujeta a varias restricciones y muestra los tableros en cada iteración hasta llegar a la solución final.
Este documento explica el método del simplex para resolver problemas de programación lineal. El método implica convertir las desigualdades en igualdades mediante variables de holgura, estructurar una tabla inicial con las variables y restricciones, y luego iterar para encontrar la solución óptima mediante el intercambio de variables entre la base y no base. El proceso termina cuando todos los coeficientes de la función objetivo son positivos o nulos.
El Método Simplex es un método iterativo para encontrar la solución óptima de un problema de programación lineal maximizando o minimizando una función objetivo. En cada paso, el método cambia el vértice actual por uno vecino con el fin de mejorar progresivamente la solución, aprovechando que el número de vértices de un poliedro es finito.
Este documento presenta los pasos para resolver un problema de programación lineal mediante el método simplex. El objetivo es maximizar la función Z = 3x1 + 2x2 sujeto a varias restricciones. Se describe el proceso de convertir las desigualdades en igualdades mediante variables holgura, construir el tablero inicial, iterar eligiendo variables pivote y holgura hasta alcanzar la solución óptima de 33 para Z.
Este documento presenta los pasos para resolver un problema de programación lineal mediante el método simplex. El objetivo es maximizar la función Z = 3x1 + 2x2 sujeto a varias restricciones. Se describe el proceso de convertir las desigualdades en igualdades mediante variables holgura, construir el tablero inicial, iterar eligiendo variables pivote y holgura hasta llegar a la solución óptima de 33 para Z.
El documento describe el método simplex para resolver problemas de programación lineal. El método implica 1) expresar el modelo matemático en forma estándar, 2) elaborar la tabla inicial, 3) determinar la variable no básica que entra, 4) determinar la variable que sale, y 5) aplicar Gauss-Jordan para eliminar la variable que entra. El proceso se repite hasta alcanzar la solución óptima. Se explican también las variables artificiales para generar una solución factible inicial cuando no hay variables holgura.
El documento describe el método de las dos fases para resolver problemas de programación lineal. En la primera fase, se convierten las desigualdades en ecuaciones mediante el uso de variables holgura y artificiales, y se minimiza la función objetivo de las variables artificiales hasta que su valor sea cero. En la segunda fase, se eliminan las variables artificiales y se maximiza la función objetivo original aplicando el simplex. El proceso termina cuando se obtiene un valor óptimo para la función Z.
Solución de problemas en programación linealARLO SOLIS
El documento presenta dos ejercicios de programación lineal que deben resolverse utilizando los métodos de la gran M y de las dos fases. Se pide aplicar ambos métodos paso a paso para cada ejercicio, comparar los resultados y utilizar software de programación lineal. Finalmente, se solicita guardar los ejercicios resueltos y enviarlos para recibir retroalimentación.
Similar a Investigacion de operaciones ejercicios resueltos (20)
ESPERAMOS QUE ESTA INFOGRAFÍA SEA UNA HERRAMIENTA ÚTIL Y EDUCATIVA QUE INSPIRE A MÁS PERSONAS A ADENTRARSE EN EL APASIONANTE CAMPO DE LA INGENIERÍA CIVIŁ. ¡ACOMPAÑANOS EN ESTE VIAJE DE APRENDIZAJE Y DESCUBRIMIENTO
Presentación Aislante térmico.pdf Transferencia de calorGerardoBracho3
Las aletas de transferencia de calor, también conocidas como superficies extendidas, son prolongaciones metálicas que se adhieren a una superficie sólida para aumentar su área superficial y, en consecuencia, mejorar la tasa de transferencia de calor entre la superficie y el fluido circundante.
MATERIALES PELIGROSOS NIVEL DE ADVERTENCIAROXYLOPEZ10
Introducción.
• Objetivos.
• Normativa de referencia.
• Política de Seguridad.
• Alcances.
• Organizaciones competentes.
• ¿Qué es una sustancia química?
• Tipos de sustancias químicas.
• Gases y Vapores.
• ¿Qué es un Material Peligroso?
• Residuos Peligrosos Legislación Peruana.
• Localización de Accidentes más habituales.
• Riesgos generales de los Materiales Peligrosos.
• Riesgos para la Salud.
• Vías de ingreso al organismo.
• Afecciones al organismo (secuencia).
• Video: Sustancias Peligrosas
2. Resolver por el metodosimplex los siguientes ejercicios:
1) Función Objetivo: Max Z = 45X1 + 55 X2
Sujero a:
3X1 +2X2 <=60
3X1 +10X2 <=180
X1 ; X2 >=0
Pasamos elPrograma Lineala su forma estandar, añadiendo variables de Holgura, exceso
Z - 45X1 +55X2 =0
3X1 +2X2 +Y1 =60
3X1 +10X2 +Y2 =180
X1 ; X2 ; Y1 ; Y2 >=0
Ahora pasamos a construir nuestra primera TABLASIMPLEX
60/2 = 30
180/10= 18
Observamos enel
primer reglónde la Funcio Objetivo, cuales elnumero menor para determinarcual es la variablequeentra.
Ahora dividimos las constates de RHS entre el coeficiente de las restricciones de la columna de la variable que entra, para determinar cual es la variable que sale.
Una vez hecha la división, hemos encontradola variable que sale y elnúmero PIVOTE, lo queharemos a continuación es:hacer 1 al número pivote, para
ello diviremos entre10a toda la fila.Luego hacemos 0 a los números dela misma columna, para ellos miltiplicaremos al reglón 4 denuestra tabla simplex
por los números negativos dela misma columna del número PIVOTEy obtendremos la siguientetabla simplex
Z X1 X2 Y1 Y2 RHS
F.O 1 -45 -55 0 0 0
Y1 0 3 2 1 0 60
X2 0 3/10 1 0 1/10 18
Operamos y repetimos los pasos hasta desaparecer los negativos delreglónde la función objetivo.
24/2.4
= 10
18/3/10
= 60
Dividimos a toda la fila delnúmero PIVOTEentre2.4 para obtener:
Z X1 X2 Y1 Y2 RHS
F.O 1 -28.5 0 0 5.5 990
X1 0 1 0 5/12 - 1/12 10
X2 0 3/10 1 0 1/10 18
Multiplicamos al número PIVOTE por los negativos de los coeficientes de las variables de su misma columna y luego sumamos para hacer 0 a la columna. Obtenemos lo sgt:
Z X1 X2 Y1 Y2 RHS
F.O 1 0 0 95/8 3.125 1275
X1 0 1 0 5/12 -
1/12
10
X2 0 0 1 - 1/8 1/8 15
Como ya no existen negativos enel reglón dela Función Objetivo, hemos llegadoa la solucionóptima,siendo:
(X1 ; X2)= (10 ; 15)
Z= 1275
Leyenda:
Número que define la variable que entra
Variable que entra
Variable que sale
Número PIVOTE
Z X1 X2 Y1 Y2 RHS
F.O 1 -45 -55 0 0 0
Y1 0 3 2 1 0 60
Y2 0 3 10 0 1 180
Z X1 X2 Y1 Y2 RHS
F.O 1 -28.5 0 0 5.5 990
Y1 0 2.4 0 1 -0.2 24
X2 0 3/10 1 0 1/10 18
3.
4. 2) Una fábrica productora de embalajes plásticos, elabora dos tipos de containers de 3750 c.c. y 4000 c.c. Los datos de producción se presentan en la tabla adjunta. La persona enc
formado no puede trabajar mas de 40 horas a la semana y los recursos economicos de la fábrica no permiten inversiones mayores de 1000 dolares de materiales por semana. ¿Cuá
cada tipo deberá fabricar la industria, para obtener la utilidad máxima?
Tipo de container Trabajo por container Costo por container Utilidad por container
3750 (A) 6 HORAS US$200 US$240
4000 (B) 5 HORAS US$100 US$160
Solución: Utilizaremos los mismos metodos empleados para la resolicion del ejercicio numero 1 y obtendremos lo siguiente
Función Objetivo: Max Z = 240X1 + 160X2Z - 240X1 - 160X2 = 0
Sujeto a:
6X1 + 5X2 <= 406X1 + 5X2 + Y1 = 40
200X1 + 100X2 <= 1000200X1 + 100X2 + Y2 = 1000 X1 ; X2 >= 0X1 ; X2 ; Y1 ; Y2 >= 0
Ahora pasamos a construir nuestra primera TABLA SIMPLEX
40/6 = 20/3
1000/200 = 5
Observamos en el primer reglón
es el numero menor para determinar cual es la variable que entra.
Ahora dividimos las constates de RHS entre el coeficiente de las restricciones de la columna de la variable que entra, para determinar cual es la variable que sale.
Una vez hecha la división, hemos encontrado la variable que sale y el número PIVOTE, lo que haremos a continuación es: hacer 1 al número pivote, para ello diviremos entre 200 a
hacemos 0 a los números de la misma columna, para ellos miltiplicaremos al reglón 4 de nuestra tabla simplex por los números negativos de la misma columna del número PIVOTE
siguiente tabla simplex
Z X1 X2 Y1 Y2 RHS
F.O 1 -240 -160 0 0 0
Y1 0 6 5 1 0 40
X1 0 1 1/2 0 1/200 5
Operamos y repetimos los pasos hasta desaparecer los negativos del reglón de la función objetivo.
10/2 = 5 5/0.5 = 10
Dividimos a toda la fila del número PIVOTE entre 2 para obtener:
Z X1 X2 Y1 Y
F.O 1 0 -40 0 1
X2 0 0 1 1/2 - 3
X1 0 1 1/2 0 1/
Multiplicamos a la fila del número PIVOTE por los negativos de los coeficientes de las variables de su misma columna, luego sumamos para hacer 0 a la columna. Obteniendo el siguiente cuadro.
Z X1 X2 Y1 Y2 RHS
F.O 1 0 0 20 0.6 1400
X2 0 0 1 1/2 - 3/200 5
X1 0 1 0 -0.25 1/80 2.5
Como ya no existen negativos en el reglón de la Función Objetivo, hemos llegado a la solucion óptima, siendo:
(X1 ; X2) = (5 ; 2.5)
Z= 1400
Decisión o respuesta: Para que la fabrica productora de embalajes plasticos obtenga su utilidad máxima, deberá producir 5 containers
del tipo 3750 c.c. (A) y 2.5 containers del tipo 4000 c.c. (B) obteniendouna utilidad de US$1400
Pasamos el Programa
Lineal a su forma
estandar, añadiendo
variables de Holgura,
exceso
Leyenda:
Número que define la variable que entra
Variable que entra
Variable que sale
Número PIVOTE
Z X1 X2 Y1 Y2 RHS
F.O 1 -240 -160 0 0 0
Y1 0 6 5 1 0 40
Y2 0 200 100 0 1 1000
Z X1 X2 Y1 Y2 RHS
F.O 1 0 -40 0 1.2 1200
Y1 0 0 2 1 - 3/100 10
X1 0 1 1/2 0 1/200 5
5. 3) Función Objetivo: Max Z = 4X1 + 2X2Z - 4X1 - 2X2 = 0
Sujero a:
2X1 <= 42X1 + Y1 = 4
X1 + 3X2 <= 12X1 + 3X2 + Y2 = 12
X2 <= 5X2 + Y3 = 5
X1 ; X2 >= 0 X1 ; X2 ; Y1 ; Y2 ; Y3 >= 0
Ahora pasamos a construir nuestra primera TABLA SIMPLEX
Z X1 X2 Y1 Y2 Y3 RHS
4/2 = 2
12/1 = 12
ID
Leyenda:
F.O 1 -4 -2 0 0 0 0 Número que define la variable que entra.
Y1 0 2 0 1 0 0 4 Variable que entra.
Y2 0 1 3 0 1 0 12 Variable que sale.
Y3 0 0 1 0 0 1 5 Número PIVOTE.
Observamos en el primer reglón de la Funcio Objetivo, cual es el numero menor para determinar cual es la variable que entra.
Ahora dividimos las constates de RHS entre el coeficiente de las restricciones de la columna de la variable que entra, para d eterminar cual es la variable que sale.
Una vez hecha la división, hemos encontrado la variable que sale y el número PIVOTE, lo que haremos a continuación es: hacer 1 al número pivote, para ello
diviremos entre 2 a toda la fila. Luego hacemos 0 a los números de la misma columna, para ellos miltiplicaremos al reglón 3 d e nuestra tabla simplex por los
números negativos de la misma columna del número PIVOTE y obtendremos la siguiente tabla simplex
Z X1 X2 Y1 Y2 Y3 RHS
F.O 1 -4 -2 0 0 0 0
X1 0 1 0 1/2 0 0 2
Y2 0 1 3 0 1 0 12
Y3 0 0 1 0 0 1 5
Operamos y repetimos los pasos hasta desaparecer los negativos del reglón de la función objetivo.
ID
10/3 = 3.33
5/1 = 5
Dividimos a toda la fila del número PIVOTE entre 3 para obtener:
ID
3.33/1 = 3.33
5/1 = 5
Multiplicamos a la fila del número PIVOTE por los negativos de los coeficientes de las variables de su misma columna, luego sumamos para hacer 0 a la columna. Obteniendo el siguiente cuadro.
Z X1 X2 Y1 Y2 Y3 RHS
F.O 1 0 0 1.67 2/3 0 44/3
X1 0 1 0 1/2 0 0 2
X2 0 0 1 - 1/6 1/3 2 3.33
Y3 0 0 0 1/6 - 1/3 1 1.67
Como ya no existen negativos en el reglón de la Función Objetivo, hemos llegado a la solucion óptima, siendo:
(X1 ; X2) = (2 ; 3.33)
Z= 40/3 = 13.33333333
Pasamos el Programa Lineal a su
forma estandar, añadiendo variables
de Holgura, exceso
Z X1 X2 Y1 Y2 Y3 RHS
F.O 1 0 -2 2 0 0 0
X1 0 1 0 1/2 0 0 2
Y2 0 0 3 - 1/2 1 0 10
Y3 0 0 1 0 0 1 5
Z X1 X2 Y1 Y2 Y3 RHS
F.O 1 0 -2 2 0 0 8
X1 0 1 0 1/2 0 0 2
X2 0 0 1 - 1/6 1/3 0 3.33
Y3 0 0 1 0 0 1 5
6. 4) Función Objetivo: Max Z = 2X1 - 2X2 + 3X3Z - 2X1 + 2X2 - 3X3 = 0
Sujero a:
X2 + X3 - X1 <= 4X2 + X3 - X1 + Y1 = 4
2X1 - X2 + X3 <= 22X1 + X2 + X3 + Y2 = 2
X1 + X2 + 3X3 <= 12X1 + X2 + 3X3 + Y3 = 12 X1 ; X2 ; X3 >= 0X1 ; X2 ; X3 ; Y1 ; Y2 ; Y3 >= 0
Ahora pasamos a construir nuestra primera TABLA SIMPLEX.
4/1 = 4
2/1 = 2
12/3 = 4
Leyenda:
Número que define la variable que entra.
Variable que entra.
Variable que sale.
Número PIVOTE.
Observamos en el primer reglón de la Funcio Objetivo, cual es el numero menor para determinar cual es la variable que entra.
Ahora dividimos las constates de RHS entre el coeficiente de las restricciones de la columna de la variable que entra, para d eterminar cual es la variable que sale.
Una vez hecha la división, hemos encontrado la variable que sale y el número PIVOTE, como el número PIVOTE ya es 1, procedemos a miltiplicar al reglón 4 de nuestra tabla
simplex por los números negativos de la misma columna del número PIVOTE y obtendremos la siguiente tabla simplex.
Z X1 X2 X3 Y1 Y2 Y3 RHS
F.O 1 -2 2 -3 0 0 0 0
Y1 0 -1 1 1 1 0 0 4
X3 0 2 -1 1 0 1 0 2
Y3 0 1 1 3 0 0 1 12
Operamos y repetimos los pasos hasta desaparecer los negativos del reglón de la función objetivo.
Z X1 X2 X3 Y1 Y2 Y3 RHS
F.O 1 -5 5 0 3 0 0 12
Y1 0 -1 -1 1 1 0 0 4 ID
X3 0 3 -2 0 -1 1 0 -2
Y3 0 4 -2 0 -3 0 1 0 ID
NOTA: Observamos que en los coeficientes, hay un numero negativo para X3, lo cual es imposible por las restricciones y por la NO NEGATIVIDAD de las variables que deben
existir, ademas la división de las constantes entre los coeficientes de las variables s on INDETERMINADAS y AUN EXISTEN NEGATIVOS EN EL REGLÓN E LA FUNCIÓN
OBJETIVO.
PODEMOS DECIR QUE EL PROGRAMA LINEAL NO TIENE SOLUCIÓN.
Pasamos el Programa Lineal a su
forma estandar, añadiendo variables
de
Holgura, exceso
Z X1 X2 X3 Y1 Y2 Y3 RHS
F.O 1 -2 2 -3 0 0 0 0
Y1 0 -1 1 1 1 0 0 4
Y2 0 2 -1 1 0 1 0 2
Y3 0 1 1 3 0 0 1 12
7. 5)
Función Objetivo:
Max Z = 120X1 +
90X2Z - 120X1 - 90X2 = 0
Sujero a:
0.3X1 + 0.4X2 <= 1000.3X1 + 0.4X2 + Y1 = 100 0.5X1 + 0.2X2 <= 1200.5X1 + 0.2X2 + Y2 = 120
0.2X1 + 0.4X2 <= 1000.2X1 + 0.4X2 + Y3 = 100 X1 ; X2 >= 0X1 ; X2 ; Y1 ; Y2 ; Y3 >=0
Ahora pasamos a construir nuestra primera TABLA SIMPLEX.
Z X1 X2 Y1 Y2 Y3 RHS
100/0.3 = 333.3
120/0.5 = 240
100/0.2 = 500
Leyenda:
F.O 1 -120 -90 0 0 0 0 Número que define la variable que entra.
Y1 0 0.3 0.4 1 0 0 100 Variable que entra.
Y2 0 0.5 0.2 0 1 0 120 Variable que sale.
Y3 0 0.2 0.4 0 0 1 100 Número PIVOTE.
Observamos en el primer reglón de la Funcio Objetivo, cual es el numero menor para determinar cual es la variable que entra.
Ahora dividimos las constates de RHS entre el coeficiente de las restricciones de la columna de la variable que entra, para d eterminar cual es la variable que sale.
Una vez hecha la división, hemos encontrado la variable que sale y el número PIVOTE, lo que haremos a continuación es: hacer 1 al número pivote, para ello
diviremos entre 0.5 a toda la fila. Luego hacemos 0 a los números de la misma columna, para ellos miltiplicaremos al reglón 4 de nuestra tabla simplex por los
números negativos de la misma columna del número PIVOTE y obtendremos la siguiente tabla simplex.
Z X1 X2 Y1 Y2 Y3 RHS
F.O 1 -
120
-90 0 0 0 0
Y1 0 0.3 0.4 1 0 0 100
X1 0 1 0.4 0 2 0 240
Y3 0 0.2 0.4 0 0 1 100
Operamos y repetimos los pasos hasta desaparecer los negativos del reglón de la función objetivo.
28/0.28 = 100
240/0.4 =
600
52/0.32 =
162.5
Dividimos a toda la fila del número PIVOTE entre 0.28 para obtener:
Z X1 X2 Y1 Y2 Y3 RHS
F.O 1 0 -42 0 240 0 28800
X2 0 0 1 3.57 -2.14 0 100
X1 0 1 0.4 0 2 0 240
Y3 0 0 0.32 0 -0.4 1 52
Multiplicamos a la fila del número PIVOTE por los negativos de los coeficientes de las variables de su misma columna, luego sumamos para hacer 0 a la columna. Obteniendo el siguiente cuadro.
Z X1 X2 Y1 Y2 Y3 RHS
F.O 1 0 0 150 150 0 33000
X2 0 0 1 3.57 -2.14 0 100
X1 0 1 0 -1.43 2.86 0 200
Y3 0 0 0 -1.14 0.29 1 20
Como ya no existen negativos en el reglón de la Función Objetivo, hemos llegado a la solucion óptima, siendo:
(X1 ; X2) = (200 ; 100)
Z= 33000
TIPO A TIPO B TOTAL
BOMBONES DE LICOR 0.3 Kg. 0.4 Kg. 100 Kg.
BOMBONES DE NUEZ 0.5 Kg. 0.2 Kg. 120 Kg.
BOMBONES DE FRUTA 0.2 KG. 0.4 Kg. 100 Kg.
UTILIDA 120 90
Pasamos el Programa Lineal a su
forma estandar, añadiendo variables
de
Holgura, exceso
Z X1 X2 Y1 Y2 Y3 RHS
F.O 1 0 -42 0 240 0 28880
Y1 0 0 0.28 1 -0.6 0 28
X1 0 1 0.4 0 2 0 240
Y3 0 0 0.32 0 -
2/5
1 52
8. 6) Función Objetivo: Max Z = X1 - 7X2 + 3X3 Z - X1 + 7X2 - 3X3 = 0
Sujero a:
2X1 + X2 - X3 <= 42X1 + X2 - X3 + Y1 = 4
4X1- 3X2 <= 24X1 - 3X2 + Y2 = 2 2X2 + X3 - 3X1 <= 32X2 + X3 - 3X1 = 3
X1 ; X2 ; X3 >= 0X1; X2 ; X3 ; Y1 ; Y2 ; Y3 >= 0
Ahora pasamos a construir nuestra primera TABLA SIMPLEX.
Z X1 X2 X3 Y1 Y2 Y3 RHS
ID
ID
3/1 = 3
Leyenda:
F.O 1 -1 7 -3 0 0 0 0 Número que define la variable que entra.
Y1 0 2 1 -1 1 0 0 4 Variable que entra.
Y2 0 4 -3 0 0 1 0 2 Variable que sale.
Y3 0 -3 2 1 0 0 1 3 Número PIVOTE.
Observamos en el primer reglón de la Funcio Objetivo, cual es el numero menor para determinar cual es la variable que entra.
Ahora dividimos las constates de RHS entre el coeficiente de las restricciones de la columna de la variable que entra, paradeterminar cual es lavariable que sale.
Una vez hecha la división, hemos encontrado la variable que sale y el número PIVOTE, como el número PIVOTE ya es 1, procedemos a miltiplicar al reglón 5 de nuestra tablasimplex por
los números negativos de la misma columna del número PIVOTE y obtendremos la siguiente tabla simplex.
ID
2/4 = 0.5
ID
Dividimos a toda la fila del número PIVOTE entre 4 para obtener:
Z X1 X2 X3 Y1 Y2 Y3 RHS
F.O 1 -10 13 0 0 0 3 9
Y1 0 -1 3 0 1 0 1 7
X1 0 1 -0.75 0 0 1/4 0 1/2
X3 0 -3 2 1 0 0 1 2
Multiplicamos a la fila del número PIVOTE por los negativos de los coeficientes de las variables de su misma columna, luego sumamos para hacer 0 a la columna. Obteniendo el siguiente cuadro.
Z X1 X2 X3 Y1 Y2 Y3 RHS
F.O 1 0 5.5 0 0 2.5 3 14
Y1 0 0 2.25 0 1 1/4 1 7.5
X1 0 1 -0.75 0 0 1/4 0 0.5
X3 0 0 -0.25 1 0 3/4 1 4.5
Como ya no existen negativos en el reglón de la Función Objetivo, hemos llegado a la solucion óptima, siendo:
X1 = 0.5 X3 = 4.5 X2 = ?? Z= 14
Para calcular X2:
2X1 + X2 - X3 + Y1 = 4
2(0.5) + X2 - (4.5) + (7.5) = 4
OPERANDO: X2 = 0
POR LO TANTO:
(X1 ; X2 ; X3) = (0.5 ; 0 ; 4.5)
Pasamos el Programa Lineal a su forma
estandar, añadiendo variables de
Holgura, exceso.
Z X1 X2 X3 Y1 Y2 Y3 RHS
F.O 1 -10 13 0 0 0 3 9
Y1 0 -1 3 0 1 0 1 7
Y2 0 4 -3 0 0 1 0 2
X3 0 -3 2 1 0 0 1 3
9. 7) Función Objetivo: Max Z = 40X1 + 60X2 + 50X3Z - 40X1 - 60X2 - 50X3 = 0
Sujeto a:
10X1 + 4X2 + 2X3 <= 95010X1 + 4X2 + 2X3 + Y1 = 950
2X1 + 2X2 <= 4102X1 + 2X2 + Y2 = 410
X1 + 2X3 <= 610X1 + 2X3 + Y3 = 610
X1 ; X2 ; X3 >= 0X1 ; X2 ; X3 ; Y1 ; Y2 ; Y3 >=0
Ahora pasamos a construir nuestra primera TABLA SIMPLEX.
Z X1 X2 X3 Y1 Y2 Y3 RHS
950/4 = 237.5
410/2 = 205
ID
Leyenda:
F.O 1 -40 -60 -50 0 0 0 0 Número que define la variable que entra.
Y1 0 10 4 2 1 0 0 950 Variable que entra.
Y2 0 2 2 0 0 1 0 410 Variable que sale.
Y3 0 1 0 2 0 0 1 610 Número PIVOTE.
Observamos en el primer reglón de la Funcio Objetivo, cual es el numero menor para determinar cual es la variable que entra.
Ahora dividimos las constates de RHS entre el coeficiente de las restricciones de la columna de la variable que entra, paradeterminar cual es lavariable que sale.
Una vez hecha la división, hemos encontrado la variable que sale y el número PIVOTE, lo que haremos a continuación es: hacer 1 al número pivote, para ello diviremos
entre 2 a toda la fila. Luego hacemos 0 a los números de la misma columna, para ellos miltiplicaremos al reglón 4 de nuestra tabla simplex por los números negativos de
la misma columna del número PIVOTE y obtendremos la siguiente tabla simplex.
Z X1 X2 X3 Y1 Y2 Y3 RHS
F.O 1 -40 -60 -50 0 0 0 0
Y1 0 10 4 2 1 0 0 950
X2 0 1 1 0 0 1/2 0 205
Y3 0 1 0 2 0 0 1 610
Operamos y repetimos los pasos hasta desaparecer los negativos del reglón de la función objetivo.
130/2 = 65
ID 610/2 =
305
Dividimos a toda la fila del número PIVOTE entre 2 para obtener:
Z X1 X2 X3 Y1 Y2 Y3 RHS
F.O 1 20 0 -50 0 30 0 12300
X3 0 3 0 1 1/2 -1 0 65
X2 0 1 1 0 0 1/2 0 205
Y3 0 1 0 2 0 0 1 610
Multiplicamos a la fila del número PIVOTE por los negativos de los coeficientes de las variables de su misma columna, luego sumamos para hacer 0 a la columna.
ID
205/0.5 =
410 480/2
= 240
Dividimos a toda la fila del número PIVOTE entre 2 para
obtener:
Z X1 X2 X3 Y1 Y2 Y3 RHS
F.O 1 170 0 0 25 -20 0 15550
X3 0 3 0 1 1/2 -1 0 65
X2 0 1 1 0 0 1/2 0 205
Y2 0 -2.5 0 0 -0.5 1 1/2 240
Multiplicamos a la fila del número PIVOTE por los negativos de los coeficientes de las variables de su misma columna, luego sumamos para hacer 0 a la columna.
Z X1 X2 X3 Y1 Y2 Y3 RHS
F.O 1 120 0 0 15 0 10 20350
X3 0 0.5 0 1 0 0 0.5 305
X2 0 2.25 1 0 0.25 0 -0.25 85
Y2 0 -2.5 0 0 -0.5 1 1/2 240
Como ya no existen negativos en el reglón de la Función Objetivo, hemos llegado a la solucion óptima, siendo:
X1 = ?? X2 = 85 X3 = 305 Y2 = 240 Z = 20350
Pasamos el Programa Lineal a su
forma estandar, añadiendo variables
de Holgura, exceso.
Z X1 X2 X3 Y1 Y2 Y3 RHS
F.O 1 20 0 -50 0 30 0 12300
Y1 0 6 0 2 1 -2 0 130
X2 0 1 1 0 0 1/2 0 205
Y3 0 1 0 2 0 0 1 610
Z X1 X2 X3 Y1 Y2 Y3 RHS
F.O 1 170 0 0 25 -20 0 15550
X3 0 3 0 1 1/2 -1 0 65
X2 0 1 1 0 0 1/2 0 205
Y3 0 -5 0 0 -1 2 1 480
11. 8) Función Objetivo: Max Z = 25X1 + 50X2Z - 25X1 - 50X2 = 0
Sujeto a:
2X1 + 2X2 <=10002X1 + 2X2 + Y1 = 1000
3X1 <= 6003X1 + Y2 = 600
X1 + 3X2 <= 600X1 + 3X2 + Y3 = 600 X1 ; X2 >= 0X1 ; X2 ; Y1 ; Y2 ; Y3 >= 0
Ahora pasamos a construir nuestra primera TABLA SIMPLEX.
Z X1 X2 Y1 Y2 Y3 RHS
1000/2 = 500
ID
600/3 = 200
Leyenda:
F.O 1 -25 -50 0 0 0 0 Número que define la variable que entra.
Y1 0 2 2 1 0 0 1000 Variable que entra.
Y2 0 3 0 0 1 0 600 Variable que sale.
Y3 0 1 3 0 0 1 600 Número PIVOTE.
Observamos en el primer reglón de la Funcio Objetivo, cual es el numero menor para determinar cual es la variable que entra.
Ahora dividimos las constates de RHS entre el coeficiente de las restricciones de la columna de la variable que entra, para determinar cual es la variable que sale.
Una vez hecha la división, hemos encontrado la variable que sale y el número PIVOTE, lo que haremos a continuación es: hacer 1 al número pivote, para ello
diviremos entre 3 a toda la fila. Luego hacemos 0 a los números de la misma columna, para ellos miltiplicaremos al reglón 5 d e nuestra tabla simplex por los
números negativos de la misma columna del número PIVOTE y obtendremos la siguiente tabla simplex.
Z X1 X2 Y1 Y2 Y3 RHS
F.O 1 -25 -50 0 0 0 0
Y1 0 2 2 1 0 0 1000
Y2 0 3 0 0 1 0 600
X2 0
1/3
1 0 0
1/3
200
Operamos y repetimos los pasos hasta desaparecer los negativos del reglón de la función objetivo.
600/(4/3) = 450
600/3 =200
200/(1/3) =600
Dividimos a toda la fila del número PIVOTE entre 3 para obtener:
Z X1 X2 Y1 Y2 Y3 RHS
F.O 1 -8.33 0 0 0 50/3 10000
Y1 0 1.33 0 1 0 - 2/3 600
X1 0 1 0 0 1/3 0 200
X2 0 1/3 1 0 0 1/3 200
Multiplicamos a la fila del número PIVOTE por los negativos de los coeficientes de las variables de su misma columna, luego s umamos para hacer 0 a la columna.
Obteniendo el siguiente cuadro.
Z X1 X2 Y1 Y2 Y3 RHS
F.O 1 0 0 0 2.78 50/3 35000/3
Y1 0 0 0 1 -0.44 - 2/3 1000/3
X1 0 1 0 0 1/3 0 200
X2 0 0 1 0 - 1/9 1/3 133.33
Como ya no existen negativos en el reglón de la Función Objetivo, hemos llegado a la solucion óptima, siendo:
(X1 ; X2) = ( 200 ; 133.33) Z = 35000/3 = 11666.66667
Pasamos el Programa Lineal a su
forma estandar, añadiendo variables
de Holgura, exceso.
Z X1 X2 Y1 Y2 Y3 RHS
F.O 1 -8.33 0 0 0 50/3 10000
Y1 0 1.33 0 1 0 - 2/3 600
Y2 0 3 0 0 1 0 600
X2 0 1/3 1 0 0 1/3 200
12. 9) Una empresa textil fabrica abrigos y camisas, lo cual requiere cierta mano de obra y la utilización de maquinaria adecuada . Cada abrigo consume 5 horas de
maquinaria y 3 horas de mano de obra, mientras que cada camisa requiere 8 horas de maquinaria y otras 2 horas de mano de obra. En la siguiente tabla, se
resume la informacion disponible para un periodo acerca de las necesidades y recursos a la mano, así como los márgenes brutos obtenidos por cada unidad
fabricada.
Maquinaria (horas
/ unidad)
Mano de obra
(horas / unidad)
Márgenes
(u.m. / unidad)
Abrigos 5 3 140
Camisas 8 2 100
Disponibilidad 4100 1900
La sección de comercialización de la empresa, tras un estudio de la demanda, recomienda que la cantidad de camisas fabricadas en ese periodo no supere las 400.
La compañía está interesada en estimar un plan de producción optimo para el citado periodo.
Solución:
Función Objetivo : Max Z = 140X1 + 100X2
Declaracion de Variables: X1: # de abrigos a producir para maximizar la utilidad
X2: # de camisas a producir para maximizar la utilidad
Sujeto a las siguientes res tricciones: 5X1 + 8X2 <= 4100
3X1 + 2X2 <= 1900
X2 <= 4 X1 ; X2 >=
0
Para resolver este ejercicio, pasaremos el Programa Lineal a su forma estandar.
Z - 140X1 - 100X2 = 0
5X1 + 8X2 + Y1 = 4100
3X1 + 2X2 + Y2 = 1900
X2 + Y3 = 400 X1 ; X2 ;
Y1 ; Y2 ; Y3 >= 0
Ahora pasamos a construir nuestra primera tabla SIMPLEX.
Z X1 X2 Y1 Y2 Y3 RHS
4100/5=820
1900/3=633.3
ID
Leyenda:
F.O 1 -140 -100 0 0 0 0 Número que definela variable que entra.
Y1 0 5 8 1 0 0 4100 Variable que entra.
Y2 0 3 2 0 1 0 1900 Variable que sale.
Y3 0 0 1 0 0 1 400 Número PIVOTE.
Observamos en el primer reglón de la Funcio Objetivo, cual es el numero menor para determinar cual es la variable que entra.
Ahora dividimos las constates de RHS entre el coeficiente de las restricciones de la columna de la variable que entra, para d eterminar cual es la variable que sale.
Una vez hecha la división, hemos encontrado la variable que sale y el número PIVOTE, lo que haremos a continuación es: hacer 1 al número pivote, para ello diviremos entre 3 a
toda la fila. Luego hacemos 0 a los números de la misma columna, para ellos miltiplicaremos al reglón 4 de nuestra tabla simplex por los números negativos de la misma columna
del número PIVOTE y obtendremos la siguiente tabla simplex.
Z X1 X2 Y1 Y2 Y3 RHS
F.O 1 -140 -100 0 0 0 0
Y1 0 5 8 1 0 0 4100
X1 0 1 2/3 0 1/3 0 633.33
Y3 0 0 1 0 0 1 400
Operamos y repetimos los pasos hasta desaparecer los negativos del reglón de la función objetivo.
(2800/3)/4.67 = 200
(1900/3)/(2/3) =
950 400/1 = 400
Dividimos a toda la fila del número PIVOTE entre 14/3 para obtener:
Z X1 X2 Y1 Y2 Y3 RHS
F.O 1 0 -6.6667 0 46.67 0 266000/3
X2 0 0 1 3/14 -
0.357143
0 200
X1 0 1 2/3 0 1/3 0 633.33
Y3 0 0 1 0 0 1 400
Multiplicamos a la fila del número PIVOTE por los negativos de los coeficientes de las variables de su misma columna, luego sumamos para hacer 0 a la columna. Obteniendo el
siguiente cuadro.
Z X1 X2 Y1 Y2 Y3 RHS
F.O 1 0 0 1.4286 44.286 0 90000
X2 0 0 1 3/14 -
0.3571
0 200
X1 0 1 0 - 1/7 4/7 0 500
Y3 0 0 0 - 3/14 5/14 1 200
Como ya no existen negativos en el reglón de la Función Objetivo, hemos llegado a la solucion óptima, siendo:
Decisión o Respuesta: Para que el plan de producción de la empresa textil sea óptimo, deberá producir 500 abrigos y 200 camisas en
el periodo establecido, obteniendo una utilidad de 90000 u.m.
Z X1 X2 Y1 Y2 Y3 RHS
F.O 1 0 -6.6667 0 46.67 0 266000/3
Y1 0 0 4.67 1 -
1.666667
0 2800/3
X1 0 1 2/3 0 1/3 0 633.33
Y3 0 0 1 0 0 1 400
(X1 ; X2) = (500 ;200) Z = 90000
13. 10) Función Objetivo: Max Z = 5X1 + 8X2 + 7X3 + 4X4 + 6X5Z - 5X1 - 8X2 - 7X3 - 4X4 - 6X5 = 0
Sujeto a:
2X1 + 3X2 + 3X3 + 2X4 + 2X5 <= 202X1 + 3X2 + 3X3 + 2X4 + 2X5 + Y1 = 20
3X1 + 5X2 + 4X3 + 2X4 + 4X5 <= 303X1 + 5X2 + 4X3 + 2X4 + 4X5 + Y2 = 30
X1 ; X2 ; X3 ; X4 ; X5 >= 0X1 ; X2 ; X3 ; X4 ; X5 ; Y1 ; Y2 >= 0
Ahora pasamos a construir nuestra primera tabla SIMPLEX.
20/3=6.67
30/5=6
Observamos en el primer reglón de la Funcio Objetivo, cual es el numero
menor para determinar cual es la variable que entra.
Ahora dividimos las constates de RHS entre el coeficiente de las restricciones de la columna de la variable que entra, paradeterminar cual es lavariable que sale.
Una vez hecha la división, hemos encontrado la variable que sale y el número PIVOTE, lo que haremos a continuación es: hacer 1 al número pivote, para ello diviremos entre 5 a toda la fila. Luego hacemos 0 a los
numeros de la misma columna, para ellos miltiplicaremos al reglón 4 de nuestra tabla simplex por los números negativos de la misma columna del número PIVOTE y obtendremos la siguiente tabla simplex.
Z X1 X2 X3 X4 X5 Y1 Y2 RHS
F.O 1 -5 -8 -7 -4 -6 0 0 0
Y1 0 2 3 3 2 2 1 0 20
X2 0 3/5 1 4/5 2/5 4/5 0 1/5 6
Operamos y repetimos los pasos hasta desaparecer los negativos del reglón de la función objetivo.
2/(4/5)
= 2.5
6/(2/5)=15
Dividimos a toda la fila del número PIVOTE entre 4/5 para obtener:
Z X1 X2 X3 X4 X5 Y1 Y2 RHS
F.O 1 - 1/5 0 - 3/5 - 4/5 2/5 0 1.60 48
X4 0 1/4 0 3/4 1 - 1/2 1.25 -0.75 2.5
X2 0 3/5 1 4/5 2/5 4/5 0 1/5 6
Multiplicamos a la fila del número PIVOTE por los negativos de los coeficientes de las variables de su misma columna, luego sumamos para hacer 0 a la columna. Obteniendo el siguiente cuadro.
Z X1 X2 X3 X4 X5 Y1 Y2 RHS
F.O 1 1/5 0 0 0 0 1 1.00 50
X4 0 1/4 0 3/4 1 - 1/2 1.25 -0.75 2.5
X2 0 1/2 1 1/2 0 1 -0.5 1/2 5
Como ya no existen negativos en el reglón de la Función Objetivo, hemos llegado a la solucion óptima, siendo:
X1 = ?? X2 = 5 X3 = ?? X4 = 2.5 X5 = ?? Z = 50
Para hallar el valor de X1 ; X3 Y X5 , REEMPLAZAREMOS LAS VARIABLES EN LAS RESTRICCIONES.
2X1 + 3X2 + 3X3 + 2X4 + 2X5 = 20
2X1 + 3(5) + 3X3 + 2(2.5) + 2X5 = 20
OPERANDO: 2X1 + 3X3 + 2X5 = 0
3X1 + 5X2 + 4X3 + 2X4 + 4X5 = 30
3X1 + 5(5) + 4X3 + 2(2.5) + 4X5 = 30
OPERANDO: 3X1 + 4X3 + 4X5 = 0
POR LO TANTO: COMO SE PUEDE OBSERVAR, PARA EL VALOR OPTIMO DE (Z = 50), EXISTEN MUCHAS POSIBLES SOLUCIONES QUE SATISFACEN EL PROGRAMA LINEAL PARA LOS VALORES DE ( X1 ; X3 ; X5
), UNA DE DICHAS SOLUCIONES ES:
X1 = 0 X3 = 0 X5 = 0
Pasamos el Programa Lineal a su
forma estandar, añadiendo variables
de Holgura, exceso.
Leyenda:
Número que define la variable que entra.
Variable que entra.
Variable que sale.
Número PIVOTE.
Z X1 X2 X3 X4 X5 Y1 Y2 RHS
F.O 1 -5 -8 -7 -4 -6 0 0 0
Y1 0 2 3 3 2 2 1 0 20
Y2 0 3 5 4 2 4 0 1 30
Z X1 X2 X3 X4 X5 Y1 Y2 RHS
F.O 1 - 1/5 0 - 3/5 - 4/5 2/5 0 1.60 48
Y1 0 1/5 0 3/5 4/5 - 2/5 1 -0.6 2
X2 0 3/5 1 4/5 2/5 4/5 0 1/5 6