herramientas matematicas IV

(1.2) ¿Cuál de las siguientes opciones NO es considerado un componente básico de un modelo de decisión normativo?. Análisis funcional. Análisis de resultado.

(1.2) Cuando las relaciones funcionales o parámetros del modelo se conocen con certidumbre, el modelo se llama…. Determinístico. Determinal.

(1.2) Cuando un arquitecto imagina o piensa distintas alternativas para ofrecer una solución de espacio para una oficina, está construyendo un modelo... Mental. Psicologico.

1.2) La estructura de un problema de Programación Lineal nos muestra que el mismo es un modelo: Normativo. Legal.

(1.2) Los modelos normativos están constituidos por: Variables de decisión y parámetros, restricciones y una o más funciones subjetivo. Variables de decisión y parámetros, restricciones y una o más funciones objetivo.

(1.2) Suponga que en un modelo no se conoce con certeza si necesitamos 8 horas o más para finalizar la fabricación de un producto X. Este modelo lo podemos clasificar como: Estocrastico. Crastico.

(1.2) Un modelo de programación lineal que incorpora la incertidumbre, se denomina…. Normativo. Estocrastico.

(1.2) Un modelo que señala el curso de acción que el administrador debe seguir para alcanzar el óptimo de un objetivo definido, se denomina…. Normativo. Estocrastico.

(1.2) Una cantidad desconocida que debe determinarse en la solución del modelo es llamada... Variable de decisión. Variable de finalizacion.

(1.2) Una limitación física que ocurre en el problema cuyo modelo se plantea, se denomina…. Restricción. Liberacion.

(1.3) El método simplex puede sintetizarse en la siguiente forma: Es un método matricial que consiste en 1 fase. Es un método matricial que consiste en 2 fases.

(1.3) El proceso de solución de un problema de investigación operativa consta de las siguientes etapas. Identificación, observación y planteamiento del problema; construcción del modelo; generación de una solución; prueba y evaluación de la solución; implante y evaluación. Identificación y planteamiento del problema; construcción del modelo; generación de una solución; prueba y evaluación de la solución; implante y evaluación.

(2.1) Un problema de programación lineal tiene las siguientes características: Un solo subjetivo, restricciones, proporcionalidad, divisibilidad, aditividad y no negatividad de los productos. Un solo objetivo, restricciones, proporcionalidad, divisibilidad, aditividad y no negatividad de los productos.

2.1) Una característica del método de programación lineal es que: Tanto la función objetiva como la restricción son funciones de primer grado. Tanto la función subjetiva como la restricción son funciones de primer grado.

(2.1) Una de las características de los modelos de Programación Lineal es que son ADITIVOS. Esto significa, que la contribución total es: Igual a la suma de las contribuciones de los productos individuales. Igual a la resta de las contribuciones de los productos individuales.

(2.1.1) En cada una de las restricciones de un problema de programación lineal, las variables están acompañadas por coeficientes que reciben el nombre de. Tasas físicas de sustitución. Tasas de sustitución.

(2.1.1) En un problema de programación lineal, las RESTRICCIONES representan: Ilimitaciones o requerimientos de los niveles de recursos que restringen la función objetivo. Limitaciones o requerimientos de los niveles de recursos que restringen la función objetivo.

(2.1.1) La programación lineal se ha aplicado en mercadotecnia para la selección de medios de publicidad, básicamente el problema consiste en: Asignación de un presupuesto fijo con el objetivo de maximizar la exposición de la audiencia. Asignación de un presupuesto variable con el objetivo de maximizar la exposición de la audiencia.

(2.1.1) Las variables de holgura se usan cuando…. Hay restricciones funcionales de menor o igual. No hay restricciones funcionales de menor o igual.

(2.1.1) Para obtener una solución factible básica inicial en un modelo de programación lineal que implica restricciones funcionales de “mayor o igual”, se debe: Agregar tantas variables artificiales como restricciones de“mayor o igual” haya. Agregar pocas variables artificiales como restricciones de “mayor o igual” haya.

2.1.1 Si en un modelo de PL todas las variables artificiales son no básicas se interpreta que esa solucione es: No factible. Factible.

(2.1.1) Una variable de holgura es aquella que…. Se usa para representar lo que falta para alcanzar el límite de la restricción. Se usa para representar el límite de la restricción.

(2.1.2) Una restricción asociada a un recurso es restrictiva u obligatoria cuando…: La variable de holgura se hace igual a cero. La variable de holgura se hace igual a uno.

(2.2) La solución del problema se da en: Un vértice de la región factible, también llamado punto extremo. Un vértice de la región factible, también llamado punto.

(2.2) Las restricciones pueden ser: Activas o inactivas. Activas.

(2.2.1) ¿Cuál de las siguientes opciones NO corresponde a un paso para resolver gráficamente un problema de programación lineal?. Establecer la zona factible. Establecer la zona faltante.

2.2.1 De las siguientes opciones, cuáles son técnicas propias de la investigación operativa? Seleccione 4 correctas: Programacion no lineal. Programacion entera. Programacion lineal. programacion de red. Programacion estatica.

(2.2.2) Al utilizar el Método gráfico para resolver problemas de PL, llamamos Región Factible a: El área delimitada por la totalidad de las restricciones. El área limitada por la totalidad de las restricciones.

(2.2.3 Cuando el conjunto de soluciones factibles tiene un número finito de vértices, las soluciones a un problema de programación lineal se pueden hallar inspeccionando los valores de la función objetivo Z en: Todos los vertices. Ningun vertice.

3.1) Como corolario del Teorema 1 se puede afirmar que “el conjunto de todas las soluciones factibles de un PL, si no es vacío, está formado por: Un único elemento o por una infinidad. Un único elemento.

(3.1) El Método Simplex... Permite encontrar la solución óptima de cualquier programa lineal, cualquiera sea el número de variables y ecuaciones que lo forman, e identificar aquellos problemas que no tienen solución, o cuya solución óptima es no acotada. Permite encontrar la solución óptima de cualquier programa lineal, cualquiera sea el número de variables y ecuaciones que lo forman, e identificar aquellos problemas que no tienen solución, o cuya solución óptima es acotada.

3.1 La primer fase del método simplex radica en: Encontrar la solucion inicial. Encontrar la solucion final.

(3.1) En una Solución Factible Básica No Degenerada: Hay exactamente m variables positivas, o exactamente n-m variables nulas. Hay exactamente m variables positivas, o exactamente n-m variables.

(3.1) Existe una serie de Teoremas relacionados con las soluciones factibles de los problemas lineales. Entre ellos: Teorema 3. "Si un PL puede ser resuelto, es decir que posee óptimo existirá siempre por lo menos una solución factible básica que también sea óptima". "Si un PL puede ser resuelto, es decir que posee óptimo existirá siempre por lo menos una solución básica que también sea óptima".

(3.1) Una Solución Factible Básica Degenerada…. Tiene menos de m variables positivas, o más de n-m variables nulas. Tiene mas de m variables positivas, o más de n-m variables nulas.

(3.1) Una solución óptima…. Es toda solución que le da a la función Z el máximo (o mínimo) valor. Es toda solución que le da a la función A el máximo (o mínimo) valor.

(3.1) Todo problema de minimización puede ser resuelto como. Un problema de maximización, multiplicando la función objetivo por (-1), aplicamos simplex y una vez obtenido el valor Z óptimo se vuelve a multiplicar por (-1). Un problema de maximización, multiplicando la función objetivo por (1), aplicamos simplex y una vez obtenido el valor Z óptimo se vuelve a multiplicar por (1).

(3.2) En qué se diferencia una solución factible básica de una solución básica no factible: Todos los valores de las} variables que la integran son no negativos. (La más larga). Todos los valores de las variables que la integran son no negativos. (La más corta).

(3.2) En un problema de maximización, la condición de factibilidad en el método simplex consiste en…. La variable de entrada es la variable básica asociada al coeficiente positivo menor con denominador estrictamente positivo. La variable de salida es la variable básica asociada al coeficiente positivo menor con denominador estrictamente positivo.

(3.2) Las variables de Holgura o de excedente, son variables que: Se deben interpretar de acuerdo al significado de la restricción de que se trate. Se deben interpretar de acuerdo al significado de que se trate.

(3.2.1) ¿Cuál es la cantidad total de variables que tiene un problema de PL con 3 variables principales, 3 restricciones de menor o igual, 2 restricciones de mayor o igual y 1 restricción de igual? Tenga en cuenta variables principales, de holgura, de excedente y artificiales. 11 variables. 12 variables.

(3.2.1) ¿Cuál es la cantidad de soluciones básicas que tiene un problema de PL con 3 variables principales, 3 restricciones de menor e igual, 2 restricciones de mayor e igual y 1 restricción de igual? Tenga en cuenta variables principales, de holgura, de excedente y artificiales. 465. 462.

(3.2.2) En una tabla simplex, al convertir las restricciones en igualdades para obtener una matriz identidad: A veces es necesario agregar variables artificiales. No es necesario agregar variables artificiales.

(3.2.3) Las variables artificiales son aquellas que: Se utilizan para identificar la solución factible básica inicial. Se utilizan para identificar la solución factible básica final.

(3.2.3) Una variable artificial se suma a las: Desigualdades de mayor o igual y a las igualdades. Igualdades de mayor o igual y a las igualdades.

(3.3) Cuál de las siguientes afirmaciones es correcta: El algoritmo simplex está diseñado de manera que la función subjetivo no disminuya en un modelo de maximización y generalmente aumentará en cada vértice sucesivo de la secuencia. El algoritmo simplex está diseñado de manera que la función objetivo no disminuya en un modelo de maximización y generalmente aumentará en cada vértice sucesivo de la secuencia.

(3.3) Cuando en el tablón óptimo de un simplex aparece una variable artificial en la base con un valor distinto de cero, significa que el problema: No tiene solucion. Tiene solucion.

3.3) Diga cuál de las siguientes aseveraciones es siempre cierta: Los coeficientes de las variables de exceso en las restricciones de mayor o igual deben ser negativos. Los coeficientes de las variables de exceso en las restricciones de mayor o igual deben ser positivos.