Usos de la programación lineal

¿Cuál es el objetivo principal de la optimización de funciones lineales?

• Multiplicar una función lineal por un número aleatorio

• Dividir una función lineal entre cero

• Sumar una función lineal con una función cuadrática

• Maximizar o minimizar una función lineal sujeta a ciertas restricciones

¿Cuál es la diferencia entre una restricción de igualdad y una restricción de desigualdad en programación lineal?

• La diferencia es que una restricción de igualdad se representa con una ecuación, mientras que una restricción de desigualdad se representa con una desigualdad.

• La diferencia es que una restricción de igualdad se representa con una desigualdad, mientras que una restricción de desigualdad se representa con un número entero.

• La diferencia es que una restricción de igualdad se representa con una desigualdad, mientras que una restricción de desigualdad se representa con una ecuación.

• La diferencia es que una restricción de igualdad se representa con una matriz, mientras que una restricción de desigualdad se representa con un vector.

¿Qué es un problema de maximización en programación lineal?

• Es un problema que busca maximizar la función objetivo sujeta a ciertas restricciones.

• Es un problema que no tiene restricciones

• Es un problema que busca encontrar múltiples soluciones

• Es un problema que busca minimizar la función objetivo

¿Cuál es la importancia de la función objetivo en un problema de programación lineal?

• Solo afecta la complejidad del problema

• Es irrelevante para la resolución del problema

• Representa la meta o el objetivo que se busca maximizar o minimizar.

• No tiene ninguna importancia en la programación lineal

¿Cuál es la diferencia entre un problema de programación lineal y un problema de programación no lineal?

• La programación lineal busca maximizar o minimizar una función lineal sujeta a restricciones lineales, mientras que la programación no lineal permite funciones no lineales y restricciones no lineales.

• La programación lineal no tiene restricciones, mientras que la programación no lineal sí las tiene.

• La programación no lineal solo permite funciones lineales y restricciones lineales.

• La programación lineal solo permite funciones no lineales y restricciones no lineales.

¿Cuál es el propósito de la regla de la sombra en programación lineal?

• Calcular el valor objetivo

• Establecer la dirección del viento

• Determinar la solución óptima

• Determinar la dirección en la que se puede mover la solución óptima sin cambiar el valor objetivo.

¿Por qué es importante la identificación de las variables de decisión en un problema de programación lineal?

• Para confundir al resolver el problema y obtener resultados incorrectos.

• Para ignorar las decisiones y no afectar el objetivo del problema.

• Para representar las decisiones a tomar en el problema y optimizar el objetivo.

• Para complicar el problema y hacerlo más difícil de resolver.

¿Cuál es el concepto de solución factible en programación lineal?

• Una solución factible es aquella que cumple con todas las restricciones del problema y se encuentra dentro del espacio de soluciones posibles.

• Una solución factible es aquella que no es viable en programación lineal

• Una solución factible es aquella que se encuentra fuera del espacio de soluciones posibles

• Una solución factible es aquella que no cumple con las restricciones del problema

¿Cuál es la relación entre la regla de la sombra y el costo reducido en programación lineal?

• La regla de la sombra no tiene relación con el costo reducido en programación lineal

• La regla de la sombra se utiliza para determinar el costo reducido de una variable en la programación lineal.

• La regla de la sombra se utiliza para maximizar la función objetivo en programación lineal

• El costo reducido en programación lineal se determina mediante el método del simplex

¿Por qué es importante la interpretación de la región factible en programación lineal?

• Para identificar las soluciones óptimas y tomar decisiones informadas.

• Para retrasar la resolución del problema

• Para confundir a los tomadores de decisiones

• Para hacer que el problema sea más complicado