UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Perú, DECANA DE AMÉRICA)

FACULTAD DE CIENCIAS MATEMÁTICAS

TEMA: APLICACIÓN DE MÉTODOS NUMÉRICOS

OPTIMIZACIÓN DEL FLUJO DE VENTAS MEDIANTE EL USO DE ECUACIONES
LINEALES Y NO LINEALES APLICADO A LA EMPRESA DE PRODUCCIÓN DE JEANS

Curso:
MÉTODOS NUMÉRICOS II
Docente:
ORTIZ RAMIREZ, MIKY GERONIMO

Integrantes:
● Barzola Lizana, Juan
● Caituiro Huamani, Juan Carlos
● Chipana Loo, Alexandra Sayuri
● Palma Florián, María Eugenia
● Vargas Díaz, Edwin
Lima-Perú
2019
1
 1. DESCRIPCIÓN GENERAL DE LA EMPRESA

La empresa del señor MARCOS HUAMANI PUMACHAPI, se encarga de elaborar pantalones

jeans para mujeres. Su empresa fue fundada hace 7 años.
Actualmente tiene a su disposición dos marcas “LINA JEANS” y “RIEL LIGHT”. Sus tiendas
se encuentran en las galerías Nuevo Horizonte y Shaddys, ubicadas en el emporio comercial
de Gamarra, en cada galería tiene dos stands, la venta de los pantalones jeans es por mayor
y por menor.
El señor Marcos nos comenta que, durante la campaña navideña tiene mayor demanda de
sus pantalones. Para poder abastecer a todos sus clientes que le compran por mayor,
comienza su producción en grandes cantidades desde la 15 de noviembre, de esa manera
logra abastecer a cada uno de sus clientes, ya sea la venta por mayor o por unidad.

2
 1.1. PROCESO DE PRODUCCIÓN DE PANTALONES JEANS
Son 8 procesos de producción.

3
 2. CASO DE ESTUDIO

En esta seccion nos enfocaremos a determinar el problema que deseamos abarcar,

detallando informacion relevante para su aplicacion.
Luego de una extensa entrevista con el dueño, pudimos identificar que una de sus mayores
preocupaciones es determinar su flujo de demanda, ingresos, costos y utlidades por periodos
de produccion, ya que esto lo ayudaria a cuidar de sus finanzas y poder pronosticar de alguna
manera un adecuado manejo de su producción.

2.1. DATOS DEL 2018

La empresa confecciono 24000 pantalones jeans en el mes de octubre del 2018 a S/35 la
unidad. En el mes de noviembre se confecciono 28000 a pantalones jeans y se vendió a S/30
la unidad.
Con los datos obtenidos de la empresa se procederá a formular la ecuación de la demanda

2.2. COSTO FIJO

Impuesto Inmobiliario

MENSUAL

COMPRAS PRECIO TOTAL

TELAS (ROLLOS) S/79,200.00

APLICACIONES S/6,000.00
OTROS S/1,500.00
TOTAL S/86,700.00

Alquiler de los inmuebles

MENSUAL
LOCALES CANTIDAD P. UNITARIO P. TOTAL
Tiendas 2 S/1,500.00 S/3,000.00
Taller 1 S/1,000.00 S/1,000.00
Oficina 1 S/800.00 S/800.00
PAGO TOTAL S/4,800.00

Mano de obra

MENSUAL
LOCALES PERSONAL SUELDO UNIT. SUELDO TOTAL
Tiendas 3 S/1,050.00 S/3,150.00
Taller 7 S/950.00 S/6,650.00
Oficina 1 S/1,200.00 S/1,200.00
PAGO TOTAL S/11,000.00

4
Mano de obra indirecta

MENSUAL

PRECIO UNITARIO CANTIDAD CANTIDAD PAGOS

LOCALES/
N° POR PANTALON POR POR POR
TERCERIZAR
COFECCIONADO SEMANA MES TALLER

1 TALLER 1 S/3.80 250 1000 S/3,800.00

2 TALLER 2 S/3.80 250 1000 S/3,800.00
3 TALLER 3 S/3.80 250 1000 S/3,800.00
4 TALLER 4 S/3.80 250 1000 S/3,800.00
5 TALLER 5 S/3.80 250 1000 S/3,800.00
6 TALLER 6 S/3.80 250 1000 S/3,800.00
7 TALLER 7 S/3.80 250 1000 S/3,800.00
8 TALLER 8 S/3.80 250 1000 S/3,800.00
9 TALLER 9 S/3.80 250 1000 S/3,800.00
10 TALLER 10 S/3.80 250 1000 S/3,800.00
11 TALLER 11 S/3.80 250 1000 S/3,800.00
12 TALLER 12 S/3.80 250 1000 S/3,800.00
13 TALLER 13 S/3.80 250 1000 S/3,800.00
14 TALLER 14 S/3.80 250 1000 S/3,800.00
15 TALLER 15 S/3.80 250 1000 S/3,800.00
16 TALLER 16 S/3.80 250 1000 S/3,800.00
17 TALLER 17 S/3.80 250 1000 S/3,800.00
18 TALLER 18 S/3.80 250 1000 S/3,800.00
19 TALLER 19 S/3.80 250 1000 S/3,800.00
20 TALLER 20 S/3.80 250 1000 S/3,800.00
21 TALLER 21 S/3.80 250 1000 S/3,800.00
22 TALLER 22 S/3.80 250 1000 S/3,800.00
PAGO TOTAL S/83,600.00

Gastos de fabricación

MENSUAL

COMPRAS PRECIO TOTAL

TELAS (ROLLOS) S/79,200.00

APLICACIONES S/6,000.00
OTROS S/1,500.00
TOTAL S/86,700.00

5
 COSTO FIJO Mensual
Impuesto Immoliario S/75.00
Alquiler de los immuebles S/4,800.00
Mano de obra S/11,000.00
Mano de obra indirecta S/83,600.00
Costo de fabricación S/86,700.00
Reparación y mantenimiento S/200.00
TOTAL S/186,375.00

2.3. ECUACIÓN DE LA DEMANDA

𝑦 − 𝑦1 = 𝑚(𝑥 − 𝑥1 )
𝑑: 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒𝑚𝑎𝑛𝑑𝑎𝑑𝑎
𝑝: 𝑃𝑟𝑒𝑐𝑖𝑜
𝑚: 𝑃𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒
(𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒𝑚𝑎𝑛𝑑𝑎𝑑𝑎 , 𝑃𝑟𝑒𝑐𝑖𝑜) = (𝑑 , 𝑝) = (𝑥 , 𝑦)

𝑦 − 𝑦1 = 𝑚(𝑥 − 𝑥1 ) ( 24000 , 35) 𝑦 (28000, 30)

𝑝 − 𝑝1 = 𝑚(𝑞 − 𝑞1 )
∆𝑦 35−30 −5 −𝟏
𝑚 = ∆ 𝑥 = 28000−24000 = 4000 𝒎 = 𝟖𝟎𝟎

𝑝 − 𝑝1 = 𝑚(𝑞 − 𝑞1 )
−1
𝑝 − 35 = (𝑞 − 24,000)
800
800𝑝 − 28,000 = −𝑞 + 24,000
𝑞 = 52,000 − 800𝑝
𝐷(𝑝) = 52,000 − 800𝑝

Hallando el ingreso total (IT)

𝐼𝑇(𝑝) = 𝑝𝑟𝑒𝑐𝑖𝑜 ∗ 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 = 𝑝 ∗ 𝑞

𝐼𝑇(𝑝) = 𝑝(52,000 − 800𝑝)

𝑰𝑻(𝒑) = −𝟖𝟎𝟎𝒑𝟐 + 𝟓𝟐, 𝟎𝟎𝟎𝒑

−𝑏 −52000
𝑋𝑣 = 2𝑎
= 2(−800) = 32.5 El precio máximo al que se puede vender es S/32.5

Halando el ingreso total

6
 𝐼𝑇(𝑝) = −800𝑝2 + 52,000𝑝

𝐼𝑇(𝑝) = −800(32.5)2 + 52,000(32.5)

𝐼𝑇(𝑝) = 845,000
Es ingreso total al mes es de S/845,000.

En los cuadros anteriores especifica el coto total y el costo unitario

𝐶𝑇: 𝑐𝑜𝑠𝑡𝑜 𝐹𝐼𝐽𝑂 𝐶𝐹 = 186,375

𝐶𝑢: 𝑐𝑜𝑠𝑡𝑜 𝑢𝑛𝑖𝑡𝑎𝑟𝑖𝑜 𝐶𝑢 = 3.94
Hallando el costo total

𝐶𝑇 = 𝐶𝑢 ∗ 𝑞 + 𝐶𝐹

𝐶𝑇 = 3.94(52000 − 800𝑝) + 186,375

𝐶𝑇 = 204,880 − 3,152𝑝 + 186375
𝑪𝑻 = −𝟑, 𝟏𝟓𝟐𝒑 + 𝟑𝟗𝟏, 𝟐𝟓𝟓
La ecuación de la utilidad máxima (UT)

𝑈𝑇 = 𝐼𝑇 − 𝐶𝐹

𝑈𝑇(𝑝) = −800p2 + 52,000p − (−3,152𝑝 + 391,255)

𝑈𝑇(𝑝) = −800𝑝2 +52,000p+3,152p+391,255

𝑈𝑇(𝑝) = −800𝑃2 + 55,125𝑝 + 391,255

−𝑏 −55125
𝑋𝑣 = 2𝑎
= 2(−800) = 34.45 El precio máximo al que se puede vender es S/34.45

La utilidad es S/. 1’340,869

2.4. ECUACIÓN LINEAL

𝑈𝑇(𝑝) = −800𝑃2 + 55,125𝑝 + 391,255

7
 3. APLICACIÓN MÉTODOS NUMÉRICOS

3.1. Método de Bisección

el metodo de biseccion es un algoritmo de busqueda de raices que trabaja dividiendo el intervalo

a la mitad y seleccionando el subintervalo que tiene la raiz.

8
9
 3.2. Punto Fijo

El metodo del punto fijo es un metodo iterativo que permite resolver sistemas de ecuaciones no
necesariamente lineales. En particular se puede utilizar para determinar raices de una funcion
de la forma f(x), siempre y cuando se cumplan los criterios de convergencia.

Regula Falsi

En cálculo numérico, el método de la regula falsi (regla del falso) o falsa posición es
un método iterativo de resolución numérica de ecuaciones no lineales. El método
combina el método de bisección y el método de la secante.

10
11
Método de Secante

Es una variación del método de Newton-Raphson donde en vez de calcular la derivada de la

función en el punto de estudio, teniendo en mente la definición de derivada, se aproxima la
pendiente a la recta que une la función evaluada en el punto de estudio y en el punto de la
iteración anterior. Este método es de especial interés cuando el coste computacional de
derivar la función de estudio y evaluarla es demasiado elevado, por lo que el método de
Newton no resulta atractivo.

NTRODUCCIÓN
Dada una función f(x), se pretende hallar la solución de la ecuación f(x)=0

Teorema de Bolzano:
Sea f: [a,b] →R, una función continua en [a,b]
De forma que f toma distinto signo en los extremos, es decir:
f(a)<0 y f(b)>0 ó f(a)>0 y f(b)<0
Entonces existe un valor c del intervalo (a,b) en el cual f(c)=0
En otras palabras, c es una solución de la ecuación f(x)=0

12
Método de Newton Raphson

El método de Newton-Raphson o el método de Newton-Fourier) es un algoritmo

para encontrar aproximaciones de los ceros o raíces de una función real. También
puede ser usado para encontrar el máximo o mínimo de una función, encontrando
los ceros de su primera derivada.

Teoría del Método

13
Sabemos por el teorema de Taylor que para un Xo (a,b) tal que F´(Xo) es diferente
de cero y además si se cumple que tanto la función como la derivada son continuas
en el intervalo (a,b), entonces:
Buscamos el punto donde f(X1)= 0, entonces:
por lo tanto podemos concluir que:
De forma general:

Donde , para todo x que pertenece a (a,b)

Algoritmo de Newton – Raphson

Para resolver la ecuación f(x)= 0 (ec.1) se siguen los siguientes pasos:

1) Determinar el intervalo I=[a,b] tal que :
f(a).f(b) < 0
2) Se determina en I=[a,b] un punto Xo :
2.1. f(Xo). f"(Xo) > 0

2.2.
3) Se hallan los puntos X(i) =>X(i+1)= X(i) -
4) Si <ε donde ε > 0 es una tolerancia dada, entonces

X*≈ X(i), de otro modo regresar al paso (3)

Nota: X* es un cero de la ec.1

Interpretación geométrica del método de Newton

14
CODIFICACIÓN EN MATLAB

Clear
clc
disp (‘Método de Newton Raphson‘)
syms x (comando de símbolo para matlab)
f=imput (‘Introduca la función f(x):’);
Pi=imput (‘Introduca la función Xi:’);
E= imput (‘Introduzca el porcentaje de error Xi:’);
ezplot(f)
grid on
d= diff (f);
d= inline(d);
f= inline(f);
ea = 100;
j=0;
while ea>E

Métodos de Jácobi y Gauss-Seidel

15
Los métodos de Jácobi y de Gauss-Seidel son los equivalentes en la solución de
sistemas de ecuaciones lineales al método de aproximaciones sucesivas en la
solución de ecuaciones algebraicas y trascendentes.

Consiste básicamente en obtener una ecuación de recurrencia (matricial en este

caso) y proponer un vector solución inicial; posteriormente, se deberán realizar
las iteraciones necesarias hasta que la diferencia entre dos vectores consecutivos
cumpla con una tolerancia predefinida.

En realidad, estos métodos representan una adaptación vectorial de un proceso

escalar, lo que implica la necesidad de adaptarlos conceptos necesarios: los
procesos iterativos se detienen cuando entre dos aproximaciones consecutivas
se cumple con determinado error preestablecido. En este caso, deberá medirse
la norma entre dos vectores para reconocer el momento en que se satisface la
cota de error.

Por otra parte, resta el hecho de tener que evaluar un criterio de equivalencia el
cual, naturalmente, tendrá carácter vectorial.

Definición del método de Jácobi.

Sea el sistema de ecuaciones lineales 𝐴𝑋̅=𝑏̅, donde A es la matriz de coeficientes,

𝑋̅ es el vector de incógnitas y 𝑏̅ el vector de términos independientes.

𝐴𝑋̅=𝑏̅…………………………………………… (1)
En la ecuación 1 se puede sustituir a la matriz A por la suma de dos matrices:
A = D + R………………………………………………(2)

En donde la matriz D es una matriz cuyos elementos son cero excepto los
elementos de la diagonal que corresponden a los elementos de la matriz A y R
que es una matriz con ceros en la diagonal y sus restantes elementos coinciden
con los respectivos de A.

𝑎11 ⋯ 𝑎1𝑛
A=( ⋮ ⋱ ⋮ )………………………………………………..(3)
𝑎𝑛1 ⋯ 𝑎𝑛𝑛

𝑎11 ⋯ 0
D= ( ⋮ ⋱ ⋮ )……………………………………………… (4)
0 ⋯ 𝑎𝑛𝑛

0 ⋯ 𝑎1𝑛
R= ( ⋮ ⋱ ⋮ )……………………………………………… (5)
𝑎𝑛1 ⋯ 0

Sustituyendo la ecuación 2 en la ecuación 1:

16
 (D + R). 𝑋̅=𝑏̅
D𝑋̅ + R𝑋̅ = 𝑏̅

Despejando el término D 𝑋̅:

D𝑋̅ = 𝑏̅ - R𝑋̅

Multiplicando por la matriz 𝐷 −1

𝐷−1 . D 𝑋̅ = 𝐷−1 . (𝑏̅ - R𝑋̅ )

Resulta

𝑋̅= 𝐷−1 . ( 𝑏̅ – R𝑋̅)…………………………………………………(6)

La ecuación 6 no aporta una solución por si misma, si se observa desde la Óptica

del álgebra matricial.
Sin embargo, si se aplica desde una forma recursiva:

𝑋̅ (𝑘+1) = 𝐷−1 . ( 𝑏̅ – R𝑋̅ 𝑘 )………………………………………...(7)

Método de Gaus-Seidel

Este método es una versión acelerada del método de Jácobi es necesario contar con
un vector aproximad completo para proceder a la sustitución en las ecuaciones de
recurrencia y obtener una nueva aproximación.

En el método de Gauss-Seidel se propone ir sustituyendo los nuevos valores de la

aproximación siguiente conforme se vayan obteniendo sin esperar a tener un vector
completo. De esta forma se acelera la convergencia.

̅𝑘)
𝑋̅ (𝐾+1) = (𝐿 + 𝐷)−1 (b – (R-L). 𝑥

Ejemplo

10 3 1 14 0
A = ( 2 −10 3 ) b = (−5) 𝑋 (0) = (0)
1 3 10 14 0

Resuelva el sistema A x = b por el método de Gauss-Jacobi y determine la tasa de convergencia

usando las normas ∞ y 1. Haga lo mismo con el método de Gauss-Seidel y deduzca cuál de ellos
converge más rápidamente.

Solución

Nota:
 La primera iteración el valor de 𝑥2 , 𝑥2 , 𝑥3 a sustituir en cada una se asumirá como cero.

17
 𝒃𝟏 −𝒂𝟏𝟐 𝒙𝟐 −𝒂𝟏𝟑 𝒙𝟑 𝒃𝟐 −𝒂𝟐𝟏 𝒙𝟐𝟏 −𝒂𝟐𝟑 𝒙𝟑 𝒃𝟑 −𝒂𝟑𝟏 𝒙𝟑 −𝒂𝟑𝟐 𝒙𝟑
𝑥1 = 𝑥2 = 𝑥3 =
𝒂𝟏𝟏 𝒂𝟐𝟐 𝒂𝟑𝟑

14−3∗0−1∗0 −5−2∗0−3∗0 14−1∗0−3∗0

= =7/5 = = 1/2 = =7/5
10 −10 10

 Para la segunda iteración el valor de 𝑥2 , 𝑥2 , 𝑥3 serán los calculados anteriormente.

Error.

(𝑛𝑢𝑒𝑣𝑜)−𝑥 (𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟)
ε= |𝑥𝑟 𝑟
(𝑛𝑢𝑒𝑣𝑜) |*100%
𝑥𝑟

(a) El método de Gauss-Jacobi se basa en la descomposición A = L + D + U y tiene la

iteración

𝑥 (𝑘+1) = 𝐷 −1 (b − (L + U)). 𝑥 (𝑘)

Operando, obtenemos la secuencia Operando, obtenemos la secuencia

7/5 111/100 0.9290 0.9906

(1) (2) (3) (4)
𝑥 = (1/2) 𝑥 = ( 6/5 ) 𝑥 = ( 1.055 ) 𝑥 = (0.9645)
7/5 111/100 0.929 0.9906

1.01159 1.00025
𝑥 (5) = ( 0.9953 ) 𝑥 (6) = ( 1.0058 )
1.01159 1.00025

Que claramente converge a la solución exacta (1,1,1)𝑇

(b) El método de Gauss-Seidel se basa en la iteración

Nota:

𝒃𝟏 −𝒂𝟏𝟐 𝑥2 (𝑘) −𝒂𝟏𝟑 𝑥3 (𝑘) 𝒃𝟐 −𝒂𝟐𝟏 𝑥1 (𝑘+1)−𝒂𝟐𝟑 𝑥3 (𝑘)

𝑥1 (𝑘+1) = b𝑥2 (𝑘+1) =
𝒂𝟏𝟏 𝒂𝟐𝟐
𝒃 −𝒂 𝑥 (𝑘+1) −𝒂 𝑥 (𝑘+1)
𝑥3 (𝑘+1) = 𝟑 𝟑𝟏 2 𝟑𝟐 3
𝒂𝟑𝟑

14−3∗0−1∗0 −5−2∗7/5−3∗0 14−1∗7/5−3∗39/50

= =7/5 = = 39/50 = =513/500
10 −10 10

𝑥(𝑘+1) = (𝐿 + 𝐷)−1 (b − U. 𝑥 (𝑘) )

18
 Operando, obtenemos la secuencia

7/5 1.0634 0.995104

(1)
𝑥 = ( 39/50 ) 𝑥 (2) = ( 1.02048 ) 𝑥 (3) = (0.995276)
513/500 0.987516 1.00191

1.00123
𝑥 (4) = (1.00082)
0.99932
0.999792 1.00004
𝑥 (5) = (0.999848) 𝑥(6) = ( 1.00003 )
1.00007 0.999988

Que claramente converge, y más rápidamente que el Gauss-Jacobi, a la solución exacta

(1,1,1)𝑇

(c) La tasa de convergencia del método de Gauss-Jacobi viene dada por la norma de

0 3/10 1/10
J= 𝐷 −1 (L + U)= (−1/5 0 −3/10 )
1/10 3/10 0

Cuyas normas son II J II1= 0.6 y II J II∞ = 0.5. La tasa de convergencia del método de
Gauss-Seidel viene dada por la norma de.

0 3/10 1/10
−1
S= (𝐿 + 𝐷) U= ( 0 3/50 −7/25 )
0 −6/125 37/500
Cuyas normas son II J II1 = 227/500 = 0.454 y II J II∞ = 2/5 = 0.4. Estos resultados confirman la
convergencia más rápida observada para el método de Gauss-Seidel.

19