Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DE HUAMANGA”
FACULTAD DE INGENIERÍA DE MINAS, GEOLOGÍA Y CIVIL
ESCUELA PROFESIONAL DE INGENIERÍA DE MINAS
MÉTODOS NÚMERICOS(MI-345)
INTEGRANTES:
2018
AYACUCHO - PERÚ
INDICE
Capítulo 1: Resumen ejecutivo .................................................................................................... 3
Objetivos ....................................................................................................................................... 4
Alcance .......................................................................................................................................... 5
Capítulo 2: Modelos de programación matemática ...................................................................... 6
1. Programas computacionales ................................................................................................ 6
2. Optimización en ingeniería .................................................................................................. 7
2.1. Variables de decisión y parámetros. ........................................................................... 7
2.2. Restricciones. ................................................................................................................ 7
2.3. Función objetivo. .......................................................................................................... 7
3. Programación lineal ................................................................................................................. 8
3.1. métodos para la resolución de problemas en programación lineal. ............................... 10
3.1.1. Métodos de presentación gráfica. .............................................................................. 10
3.1.2. Método simplex. ................................................................................................................ 11
3.1.2.1. Variables de holgura. ................................................................................................ 12
3.1.2.2. Condiciones de optimización y factibilidad del método simplex ........................... 12
3.1.2.3. Condición de Optimalidad: ...................................................................................... 13
3.1.2.4. Condición de Factibilidad ......................................................................................... 13
3.1.2.5. Pasos Del Método Simplex ........................................................................................ 13
3.1.3. Método de duabilidad. ..................................................................................................... 14
3.3.1. Obtención del dual a partir del primal en forma estándar....................................... 15
3.3.2. Obtención del problema dual ...................................................................................... 15
Capitulo 3: Análisis de datos. ........................................................................................................ 17
Recomendaciones ....................................................................................................................... 18
Conclusiones ............................................................................................................................... 19
Observaciones ............................................................................................................................. 20
Bibliografía ................................................................................................................................. 21
Capítulo 1: Resumen ejecutivo
Años atrás los cálculos matemáticos eran analíticos o manuales, las soluciones que se
obtenían eran limitadas simplemente se prestaba para ciertas clases de problemas. En
ecuaciones matemáticas complejas se les hacía difícil tener una solución he ahí el uso de
modelos y programaciones matemáticas.
Los programas matemáticas fue de mayor ayudar en la ingeniería, la facilidad de resolver
ecuaciones sencillas hasta los más complejos, obtener muchos cálculos, optimizar estos
cálculos para poder llegar a una conclusión, todo ello se encarga los programas
matemáticas
Objetivos
Objetivos Generales.
El objetivo primordial de la programación lineal es optimizar, es decir maximizar y
minimizar funciones en varias variables reales que están sujetas a restricciones lineales
(sistema de inecuaciones lineales) optimizando una función objetiva también lineal.
Objetivos Especifico.
Entender el modelo general de programación matemática como un problema de
optimización.
1. Programas computacionales
Los programas computacionales son únicamente conjuntos de instrucciones que dirigen
a la computadora para realizar una cierta tarea. Hay mucha gente que escribe programas
para un amplio rango de aplicaciones en los lenguajes de alto nivel, como Fortran 90 o
C, porque tienen una gran variedad de capacidades. Aunque habrá algunos ingenieros
que usarán toda la amplia gama de capacidades, la mayoría sólo necesitará realizar los
cálculos numéricos orientados a la ingeniería.
Visto desde esta perspectiva, reducimos toda esa complejidad a unos cuantos tópicos
de programación, que son:
Entrada/Salida
2. Optimización en ingeniería
A menudo no hay una solución de diseño que funcione bien en todos los casos, por lo tanto,
en esos casos los ingenieros para poder optimizar deben tomar los atributos de mayor interés.
Es necesario la aplicación de la investigación de operaciones y de modelos matemáticos, los
cuales ayudan a la disminución y optimización de problemas que se presenta en el campo de
la ingeniería. En los modelos matemáticos se representan en tres elementos principales:
Se trata de incógnitas establecidas para la solución del problema. Los parámetros son los
valores fijos en el problema.
2.2. Restricciones.
Representan el conjunto de relaciones que ciertas variables están obligadas a satisfacer. Son
expresadas matemáticamente mediante ecuaciones e inecuaciones.
Es una función matemática que define la calidad de la solución en función de las variables
de decisión.
3. Programación lineal
La Programación Lineal corresponde a un algoritmo a través del cual se resuelven
situaciones reales en las que se pretende identificar y resolver dificultades para aumentar la
productividad respecto a los recursos (principalmente los limitados y costosos), aumentando
así los beneficios. El objetivo primordial de la Programación Lineal es optimizar, es decir,
maximizar o minimizar funciones lineales en varias variables reales con restricciones
lineales (sistemas de inecuaciones lineales), optimizando una función objetivo también
lineal.
Los hechos
La experiencia
La intuición
La autoridad
Función Objetivo
Variables
Restricciones
El siguiente paso consiste en la determinación de los mismos, para lo cual proponemos seguir
la siguiente metodología:
LA FUNCIÓN OBJETIVO
La función objetivo tiene una estrecha relación con la pregunta general que se desea
responder. Si en un modelo resultasen distintas preguntas, la función objetivo se relacionaría
con la pregunta del nivel superior, es decir, la pregunta fundamental. Así por ejemplo, si en
una situación se desean minimizar los costos, es muy probable que la pregunta de mayor
nivel sea la que se relacione con aumentar la utilidad en lugar de un interrogante que busque
hallar la manera de disminuir los costos.
Las variables de decisión, son en teoría, factores controlables del sistema que se está
modelando, y como tal, estas pueden tomar diversos valores posibles, de los cuales se precisa
conocer su valor óptimo, que contribuya con la consecución del objetivo de la función
general del problema.
LAS RESTRICCIONES
Pues bueno, entonces habríamos descubierto que nuestro sistema presenta una serie de
limitantes, tanto físicas, como de contexto, de tal manera que los valores que en un momento
dado podrían tomar nuestras variables de decisión se encuentran condicionados por una serie
de restricciones.
Consiste en representar las restricciones sobre unos ejes de coordenadas, para delimitar la
región dónde se encuentran las soluciones factibles.
Las soluciones óptimas se encontrarán en el perímetro del polígono resultante.
Si nuestra función objetivo es una maximización y la línea que delimita nuestro dominio no
es convexa, entonces nuestro problema, bajo estas condiciones, no tiene solución.
Ejemplo:
F.O: Max 5𝑋 + 6𝑌
S.a: 𝑋 + 𝑌 ≤ 4
𝑋 + 2𝑌 ≤ 6
La representación gráfica se ve en la figura.
Dando valores a la función objetivo vamos obteniendo sucesivas rectas paralelas, de forma
que según aumenta la función objetivo, la recta se separa del origen.
Por tanto, puede suceder que nuestra función objetivo de valor óptimo coincida con
una arista o con un vértice del polígono que delimite nuestro dominio.
En nuestro caso, el vértice A (2,2) será la solución óptima.
Luego el valor óptimo de nuestra función objetivo será:
5 ∗ 2 + 6 ∗ 2 = 22
F.O: Max 5𝑋 + 6𝑌
S.a: 𝑋 + 𝑌 ≥ 4
𝑋 + 2𝑌 ≥ 6
Gráficamente:
El desarrollo del método simplex está basado en el uso de la forma estándar (en la cual todas
las restricciones se convierten en ecuaciones) a fin de hacer la transición de las
representaciones gráficas a las algebraicas.
Un punto extremo factible, se define como una solución básica factible.
Los puntos extremos factibles de un programa lineal son totalmente determinados por las
soluciones básicas factibles de las ecuaciones que lo definen.
El método simplex está diseñado específicamente para evitar estas ineficiencias. El enfoque
consiste en partir de una solución básica factible (esto es, un punto extremo factible) y luego
pasar sucesivamente a través de una sucesión de soluciones básicas factibles (no
redundantes), de tal manera que cada nueva solución tenga la facultad de mejorar el valor de
la función objetivo.
Es mucho más fácil operar con igualdades que con desigualdades. Por tanto, se convierten a
ecuaciones las restricciones agregando variables de holgura(𝑆1 , 𝑆2 , 𝑆3 , … . , 𝑆𝑛 ), por
ejemplo:2𝑥1 + 3𝑥2 ≤ 6, para convertirla a ecuación se le agrega una variable de holgura y
se obtiene 2𝑥1 + 3𝑥2 + 𝑆1 = 6, y estás variables de holgura son enumeradas por el orden
correlativo de las restricciones del problema. Es claro que para que el método sea válido,
debemos especificar que las variables de holgura sean no negativas.
Básicas 𝑥0 𝑥1 𝑥2 𝑺𝟏 𝑺𝟐 𝑺𝟑 𝑺𝟒 Solución
𝑥0 1 -4 3 0 0 0 0 0 Ecuación 𝑥0
𝑆1 0 2 -3 1 0 0 0 6 Ecuación 𝑆1
𝑆2 0 -3 2 0 1 0 0 3 Ecuación 𝑆2
𝑆3 0 0 2 0 0 1 0 5 Ecuación 𝑆3
𝑆4 0 2 1 0 0 0 1 4 Ecuación 𝑆4
La variable que sale es la variable básica correspondiente al cociente más pequeño de los
valores actuales de las variables básicas entre los coeficientes positivos de las restricciones
de la variable que entra. Un empate puede romperse arbitrariamente.
Paso 1: Se localiza el número más negativo en el renglón inferior del tablero simplex,
incluyendo la última columna. A la columna en la cual aparece este número, se le
denominará columna de trabajo. Si existe más de una posibilidad en la selección del
número más negativo, se selecciona sólo uno.
Minimizar: Z = CT x
Sujeta a:
Ax ≥ b
x≥0
Su problema dual es maximizar:
Z = bT y
Sujeta a:
AT y ≤ c
𝑦≥0
Se denomina al primer problema primal, y al segundo, su dual. Donde se puede apreciar que
los mismos elementos (la matriz A, y los vectores b y c configuran ambos problemas). El
problema primal no se ha escrito en forma estándar, sino en una forma que permite apreciar
la simetría entre ambos problemas, y mostrar así que el dual del dual es el primal.
3.3.1. Obtención del dual a partir del primal en forma estándar
Se obtiene el problema dual a partir del problema primal en forma estándar. Para hacer esto
basta con aplicar la relación primal-dual como se explicó en tema anterior de dualidad.
Minimizar: Z = CT x
Sujeta a:
Ax = b
x≥0
Minimizar: Z = CT x
Sujeta a:’
(𝐴 )𝑋 ≥ (𝑏 )
−𝐴 −𝑏
x≥0
el dual de este problema es:
Z = bT 𝑦 1 − bT 𝑦 2 = bT y
𝑦 (1)
(𝐴𝑇 − 𝐴𝑇 ) ( (2)
) = 𝐴𝑇 𝑦 ≤ 𝑐
𝑦
Regla 6. Una variable no restringida en signo del problema primal (dual) da lugar a
una restricción desigualdad en el dual (primal).
4.Metodo Gauss-Jordan
Se trata de una serie de algoritmos del algebra lineal para determinar los resultados de un
sistema de ecuaciones lineales y así hallar matrices e inversas. El sistema de Gauss se utiliza
para resolver un sistema de ecuaciones y obtener las soluciones por medio de la reducción
del sistema dado a otro que sea equivalente en el cual cada una de las ecuaciones tendrá una
incógnita menos que la anterior. La matriz que resulta de este proceso lleva el nombre que
se conoce como forma escalonada.
Este método, permite resolver hasta 20 ecuaciones simultáneas. Lo que lo diferencia del
método Gaussiano es que cuando es eliminada una incógnita, se eliminará de todas las
ecuaciones restantes, o sea, las que anteceden a la ecuación principal, así como de las que la
siguen a continuación. De esta manera el paso de eliminación forma una matriz identidad en
vez de una matriz triangular. No es necesario entonces utilizar la sustitución hacia atrás para
conseguir la solución.
𝑎1 𝑥 + 𝑏1 𝑦+𝑐1 𝑧 = 𝑑1
𝑎2 𝑥 + 𝑏2 𝑦+𝑐2 𝑧 = 𝑑2
𝑎3 𝑥 + 𝑏3 𝑦+𝑐3 𝑧 = 𝑑3
Luego llevarlo matricialmente.
a1 b1 c1 d1
(a2 b2 c 2 | d2 )
a3 b3 c 3 d3
Ahora transformaremos dicha matriz en una matriz identidad, ósea en una matriz equivalente
a la inicial, de la forma:
0 0 0
[1 1 0]
0 1 0
Logramos esto aplicando a las distintas columnas y filas de las matrices, restas, sumas,
multiplicaciones y divisiones. Debemos tener en cuenta que las operaciones utilizadas se
aplicarán en todos los elementos de la fila.
En dicha matriz identidad no vemos los términos independientes. Esto sucede ya que cuando
la matriz original alcance la matriz identidad, los términos serán la solución del sistema y
verificarán la igualdad para cada variable que se corresponderán de la forma siguiente:
d1 = 𝑥
d2 = 𝑦
d3 = 𝑧
El meto
Conclusiones
o Funciones objetivas
Variables de decisión
o Restricciones
Limitaciones
Requerimientos
Existen varios tipos de modelos de programación lineal, acuerdo a lo que se quiere resolver.
Observaciones
Los modelos de programación lineal trabajan solo con variables de primer grado,
restringiendo así operaciones de segundo grado a mayores.
https://www.aiu.edu/cursos/matematica/pdf%20leccion%203/lecci%C3%B3n%203.4.pdf
https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/investigaci%C3%B3n-de-operaciones/programaci%C3%B3n-lineal/
http://linealprogramation.blogspot.com/2008/10/importancia-de-la-programacin-lineal.html