SlideShare une entreprise Scribd logo
1  sur  8
PROBLEMARIO                           Unidad IIPachuca De Soto A 22 De Octubre 200908OtoñoAnaya Rodriguéz Fredi Orlado   07200464Investigación De Operaciones IProblema Con El Método Simplex.Problema Con El Método De La Gran M.Problema Con El Método De Doble Fase.Martínez Solis Luis IgnacioProblema Con El Método Simplex.Un herrero con 80 Kg. de acero y 120 Kg. de aluminio quiere hacer bicicletas de paseo y de montaña que quiere vender, respectivamente a 200 y 150 dólares cada una para sacar el máximo beneficio. Para la de paseo empleará 1 Kg. De acero y 3 Kg. de aluminio, y para la de montaña 2 Kg. de ambos metales. ¿Cuántas bicicletas de paseo y de montaña venderá?Sean las variables de decisión:X1= Numero de bicicletas de paseo vendidas.X2= Numero de bicicletas de montaña vendidas.Tabla de material empleado:AceroAluminioPaseo1 Kg.3 Kg.Montaña2 Kg.2 Kg.Max F (X)= 200 X1 + 150 X2Sujeto A:                                           1X1 + 2X2≤80                              3X1 + 2X2≤120                               X1.X2≥0Estandarizado:    Max F (X)   -200 X1 - 150 X2=0Sujeto A:                                           1X1 + 2X2 +h1=80                              3X1 + 2X2+h2=120                               X1.X2,h1,h2≥0 Problema Con El Método De La Gran M. Un nutricionista asesora a un individuo que sufre una deficiencia de hierro y vitamina B, y le indica que debe ingerir al menos 2,400 mg de vitamina B-1 (tiamina) y 1,500 mg de vitamina B-2 (riboflavina) durante cierto periodo de tiempo. Existen dos píldoras de vitaminas disponibles, la marca A y la marca B (tabla). ¿Cuáles combinaciones de píldoras debe comprar el paciente para cubrir sus requerimientos de hierro y vitamina al menor costo? Marca AMarca BRequerimientos mínimosHierro40 mg10 mg2400 mgB-110 mg15 mg2100 mgB-25 mg15 mg1500 mgCosto0.060.08 Problema Original Min f(x) = 6x1 + 8x2 sujeta a:  40x1 + 10x2 ≥ 2400                10x1 + 15x2 ≥ 2100                  5x1 + 15x2 ≥ 1500                         x1, x2 ≥ 0  Problema Estandarizado Min f(x) = 6x1 + 8x2 + Ma1 + Ma2 + Ma3 sujeta a:  40x1 + 10x2 - h1 + a1 = 2400                10x1 + 15x2 - h2 + a2 = 2100                  5x1 + 15x2 - h3 + a3 = 1500      x1, x2, h1, h2, h3, a1, a2, a3 ≥ 0  Igualar a cero la función objetivo f(x) - 6x1 - 8x2 - Ma1 - Ma2 - Ma3 = 0            M=100 Solución Optimaf(x)1140      x130      h3450      x2120            Problema Con El Método De Doble Fase. Una compañía posee dos minas: la mina A produce cada día 1 tonelada de hierro, 3 toneladas de bronce y 5 de cobre. La mina B produce cada día 2 toneladas de cada uno de los tres metales. la compañía necesita al menos 80 toneladas de mineral de alta calidad, 160 toneladas de calidad media y 200 de baja calidad. sabiendo que el costo diario de la operación es de $2,000 en cada mina. ¿Cuántos días deben trabajar cada mina para que el costo sea mínimo? Mina AMina BCantidadHierro1280Bronce32160Cobre52200 X1= Producción por tonelada en la mina A X2= Producción por tonelada en la mina B Problema Original Min f(x) = 2000x1 + 2000x2                    Min f(a) = a1 + a2 + a3 sujeta a:  x1 + 2x2 ≥ 80              3x1 + 2x2 ≥ 160              5x1 + 2x2 ≥ 200                    x1, x2 ≥ 0 Problema Estandarizado Min f(x) = 2000x1 + 2000x2                       f(a) - a1 - a2 - a3 = 0 sujeta a:  x1 + 2x2 - h1 + a1 = 80              3x1 + 2x2 - h2 + a2 = 160              5x1 + 2x2 - h3 + a3 = 200 x1, x2, h1, h2, h3, a1, a2, a3 ≥ 0 Fase I          Se hace el tableau y se itera con el método Simplex Se hace cero los coeficientes de las variables básicas por el método gaussiano. Se procede a iterar con el método Simplex A qui termina la primera fase ya que nos dio un cero en la columna solución del renglón objetivo. Fase II  Se toma como base la tabla anterior de la fase I y se eliminan las columnas de las variables artificiales posteriormente se modifican los valores de f(a) por los de f(x) igualada a cero y se ponen esos coeficientes en el renglón objetivo. Min f(x) = 2000x1 + 2000x2                              f(x) - 2000x1 - 2000x2 = 0 Basef(x)x1x2h1h2h3Soluciónf(x)1-2000-20000      0      00      x1001-  3/4   1/4 020      x20001      -2140      h3010  1/2 -  1/2 040       Se hacen cero las variables no básicas. Basef(x)x1x2h1h2h3Soluciónf(x)10      0      -500      -500      0120000x100      1      -  3/4   1/4 020      x200      0      1      -2140      h301      0        1/2 -  1/2 040       Así queda la solución optima ya que no hay ninguna variable no básica mas positiva en el renglón objetivo. Soluciónf(x)120000x120      x240      h340
Métodos de optimización para problemas de producción y minería
Métodos de optimización para problemas de producción y minería
Métodos de optimización para problemas de producción y minería
Métodos de optimización para problemas de producción y minería
Métodos de optimización para problemas de producción y minería
Métodos de optimización para problemas de producción y minería
Métodos de optimización para problemas de producción y minería

Contenu connexe

Tendances

Análisis post óptimo y sensibilidad
Análisis post óptimo y sensibilidadAnálisis post óptimo y sensibilidad
Análisis post óptimo y sensibilidadJaime Medrano
 
Modelos estocasticos
Modelos estocasticosModelos estocasticos
Modelos estocasticosFabio Mejia
 
Clase 12. modelamiento matematico problemas de mezcla en pl
Clase 12. modelamiento matematico problemas de mezcla en plClase 12. modelamiento matematico problemas de mezcla en pl
Clase 12. modelamiento matematico problemas de mezcla en plLucas Mosquera
 
Capítulo 18 Las externalidades y los bienes públicos
Capítulo 18 Las externalidades y los bienes públicosCapítulo 18 Las externalidades y los bienes públicos
Capítulo 18 Las externalidades y los bienes públicosDannyMendoza1981
 
5.0 programación lineal
5.0 programación lineal5.0 programación lineal
5.0 programación linealjaldanam
 
Problema copiados de libros
Problema copiados de libros Problema copiados de libros
Problema copiados de libros crisojb
 
Semana 4 - Programación lineal para minimización.pdf
Semana 4 - Programación lineal para minimización.pdfSemana 4 - Programación lineal para minimización.pdf
Semana 4 - Programación lineal para minimización.pdfEduardoVilca8
 
Métodos de transbordo- caso de estudio
Métodos de transbordo-   caso de estudioMétodos de transbordo-   caso de estudio
Métodos de transbordo- caso de estudioEmmanuel Barbosa
 
Cadenas de Markov - Estados absorbentes y de tiempo continuo
Cadenas de Markov - Estados absorbentes y de tiempo continuoCadenas de Markov - Estados absorbentes y de tiempo continuo
Cadenas de Markov - Estados absorbentes y de tiempo continuoAlberto Carranza Garcia
 
Cien problemas de programacion lineal parte 4
Cien problemas de programacion lineal   parte 4Cien problemas de programacion lineal   parte 4
Cien problemas de programacion lineal parte 4fzeus
 
Programacion Lineal Entera
Programacion Lineal EnteraProgramacion Lineal Entera
Programacion Lineal EnteraRoger Rodríguez
 
Método de aproximación de vogel algoritmos
Método de aproximación de vogel algoritmosMétodo de aproximación de vogel algoritmos
Método de aproximación de vogel algoritmosErick Díaz Sánchez
 

Tendances (20)

Análisis post óptimo y sensibilidad
Análisis post óptimo y sensibilidadAnálisis post óptimo y sensibilidad
Análisis post óptimo y sensibilidad
 
Modelos estocasticos
Modelos estocasticosModelos estocasticos
Modelos estocasticos
 
Clase 12. modelamiento matematico problemas de mezcla en pl
Clase 12. modelamiento matematico problemas de mezcla en plClase 12. modelamiento matematico problemas de mezcla en pl
Clase 12. modelamiento matematico problemas de mezcla en pl
 
Unidad 2 ejercicios
Unidad 2 ejercicios Unidad 2 ejercicios
Unidad 2 ejercicios
 
Capítulo 18 Las externalidades y los bienes públicos
Capítulo 18 Las externalidades y los bienes públicosCapítulo 18 Las externalidades y los bienes públicos
Capítulo 18 Las externalidades y los bienes públicos
 
5.0 programación lineal
5.0 programación lineal5.0 programación lineal
5.0 programación lineal
 
Método de dos fases
Método de dos fasesMétodo de dos fases
Método de dos fases
 
Clase12 heterocedasticidad
Clase12 heterocedasticidadClase12 heterocedasticidad
Clase12 heterocedasticidad
 
Problemas liniales
Problemas linialesProblemas liniales
Problemas liniales
 
Problema copiados de libros
Problema copiados de libros Problema copiados de libros
Problema copiados de libros
 
Semana 4 - Programación lineal para minimización.pdf
Semana 4 - Programación lineal para minimización.pdfSemana 4 - Programación lineal para minimización.pdf
Semana 4 - Programación lineal para minimización.pdf
 
Sumadores restadores
Sumadores restadoresSumadores restadores
Sumadores restadores
 
Métodos de transbordo- caso de estudio
Métodos de transbordo-   caso de estudioMétodos de transbordo-   caso de estudio
Métodos de transbordo- caso de estudio
 
Cadena de markov
Cadena de markovCadena de markov
Cadena de markov
 
5 91-1-pb (1)
5 91-1-pb (1)5 91-1-pb (1)
5 91-1-pb (1)
 
Cadenas de Markov - Estados absorbentes y de tiempo continuo
Cadenas de Markov - Estados absorbentes y de tiempo continuoCadenas de Markov - Estados absorbentes y de tiempo continuo
Cadenas de Markov - Estados absorbentes y de tiempo continuo
 
Cien problemas de programacion lineal parte 4
Cien problemas de programacion lineal   parte 4Cien problemas de programacion lineal   parte 4
Cien problemas de programacion lineal parte 4
 
Programacion Lineal Entera
Programacion Lineal EnteraProgramacion Lineal Entera
Programacion Lineal Entera
 
Método de aproximación de vogel algoritmos
Método de aproximación de vogel algoritmosMétodo de aproximación de vogel algoritmos
Método de aproximación de vogel algoritmos
 
INVESTIGACIÓN DE OPERACIONES
INVESTIGACIÓN DE OPERACIONESINVESTIGACIÓN DE OPERACIONES
INVESTIGACIÓN DE OPERACIONES
 

Similaire à Métodos de optimización para problemas de producción y minería

Similaire à Métodos de optimización para problemas de producción y minería (20)

PROGRAMACIÓN LINEAL
PROGRAMACIÓN LINEALPROGRAMACIÓN LINEAL
PROGRAMACIÓN LINEAL
 
PLEB.pptx
PLEB.pptxPLEB.pptx
PLEB.pptx
 
Materia i.o
Materia i.oMateria i.o
Materia i.o
 
Materia i.o
Materia i.oMateria i.o
Materia i.o
 
Pbderivadas
PbderivadasPbderivadas
Pbderivadas
 
Programacion linea lpdf
Programacion linea lpdfProgramacion linea lpdf
Programacion linea lpdf
 
Solucion a-los-problemas-de-optimizacion
Solucion a-los-problemas-de-optimizacionSolucion a-los-problemas-de-optimizacion
Solucion a-los-problemas-de-optimizacion
 
Ejercicios en Clase
Ejercicios en ClaseEjercicios en Clase
Ejercicios en Clase
 
246244973 ejercicios-en-clas1
246244973 ejercicios-en-clas1246244973 ejercicios-en-clas1
246244973 ejercicios-en-clas1
 
Problemas programación lineal
Problemas programación linealProblemas programación lineal
Problemas programación lineal
 
Problemas resueltos-factorizacion
Problemas resueltos-factorizacionProblemas resueltos-factorizacion
Problemas resueltos-factorizacion
 
Pbderivadas
PbderivadasPbderivadas
Pbderivadas
 
Expo 3 analisis de sensibilidad (metodo simplex)
Expo 3 analisis de sensibilidad (metodo simplex)Expo 3 analisis de sensibilidad (metodo simplex)
Expo 3 analisis de sensibilidad (metodo simplex)
 
Materia i.o
Materia i.oMateria i.o
Materia i.o
 
Derivadas sol (1)
Derivadas sol (1)Derivadas sol (1)
Derivadas sol (1)
 
Programacion Lineal
Programacion LinealProgramacion Lineal
Programacion Lineal
 
54498.pdf
54498.pdf54498.pdf
54498.pdf
 
Aplicaciones de las_derivadas
Aplicaciones de las_derivadasAplicaciones de las_derivadas
Aplicaciones de las_derivadas
 
Ejercicios investigación de operaciones.
Ejercicios investigación de operaciones.Ejercicios investigación de operaciones.
Ejercicios investigación de operaciones.
 
Ejmodelosoperativa
EjmodelosoperativaEjmodelosoperativa
Ejmodelosoperativa
 

Plus de guestb9bf58

Produccion Justo A Tiempo (Jit)
Produccion Justo A Tiempo (Jit)Produccion Justo A Tiempo (Jit)
Produccion Justo A Tiempo (Jit)guestb9bf58
 
Kaizen & Las 5 S
Kaizen & Las 5 SKaizen & Las 5 S
Kaizen & Las 5 Sguestb9bf58
 
Manufactura Celular
Manufactura CelularManufactura Celular
Manufactura Celularguestb9bf58
 
Balanceo De Linea
Balanceo De LineaBalanceo De Linea
Balanceo De Lineaguestb9bf58
 
Proyecto De Autolavado Taller I
Proyecto De Autolavado Taller IProyecto De Autolavado Taller I
Proyecto De Autolavado Taller Iguestb9bf58
 
Avance Del Protocolo De Investigacion
Avance Del Protocolo De InvestigacionAvance Del Protocolo De Investigacion
Avance Del Protocolo De Investigacionguestb9bf58
 
Problemario Unidad Ii
Problemario Unidad IiProblemario Unidad Ii
Problemario Unidad Iiguestb9bf58
 
Variantes Del Metodo Simplex
Variantes Del Metodo SimplexVariantes Del Metodo Simplex
Variantes Del Metodo Simplexguestb9bf58
 
El Metodo Simplex
El Metodo SimplexEl Metodo Simplex
El Metodo Simplexguestb9bf58
 
Uso De Las Distribuciones De Probabilidad En La Simulacion De Sistemas Produc...
Uso De Las Distribuciones De Probabilidad En La Simulacion De Sistemas Produc...Uso De Las Distribuciones De Probabilidad En La Simulacion De Sistemas Produc...
Uso De Las Distribuciones De Probabilidad En La Simulacion De Sistemas Produc...guestb9bf58
 
Hojas De Inspeccion
Hojas De InspeccionHojas De Inspeccion
Hojas De Inspeccionguestb9bf58
 
Como Usar Solver De Excel
Como Usar Solver De ExcelComo Usar Solver De Excel
Como Usar Solver De Excelguestb9bf58
 
Modelos De Pl Con Solver
Modelos De Pl Con SolverModelos De Pl Con Solver
Modelos De Pl Con Solverguestb9bf58
 
Mac World Office 2008 Mac
Mac World Office 2008 MacMac World Office 2008 Mac
Mac World Office 2008 Macguestb9bf58
 
Introduccion A La Administracion De Operaciones I
Introduccion A La Administracion De Operaciones IIntroduccion A La Administracion De Operaciones I
Introduccion A La Administracion De Operaciones Iguestb9bf58
 
Administracion De Operaciones I Unidad Ii Pronosticos De La Demanda
Administracion De Operaciones I Unidad Ii Pronosticos De La DemandaAdministracion De Operaciones I Unidad Ii Pronosticos De La Demanda
Administracion De Operaciones I Unidad Ii Pronosticos De La Demandaguestb9bf58
 

Plus de guestb9bf58 (20)

Andon
AndonAndon
Andon
 
Metodo Qfd
Metodo QfdMetodo Qfd
Metodo Qfd
 
Produccion Justo A Tiempo (Jit)
Produccion Justo A Tiempo (Jit)Produccion Justo A Tiempo (Jit)
Produccion Justo A Tiempo (Jit)
 
Kaizen & Las 5 S
Kaizen & Las 5 SKaizen & Las 5 S
Kaizen & Las 5 S
 
Manufactura Celular
Manufactura CelularManufactura Celular
Manufactura Celular
 
Balanceo De Linea
Balanceo De LineaBalanceo De Linea
Balanceo De Linea
 
Proyecto De Autolavado Taller I
Proyecto De Autolavado Taller IProyecto De Autolavado Taller I
Proyecto De Autolavado Taller I
 
Avance Del Protocolo De Investigacion
Avance Del Protocolo De InvestigacionAvance Del Protocolo De Investigacion
Avance Del Protocolo De Investigacion
 
Problemario Unidad Ii
Problemario Unidad IiProblemario Unidad Ii
Problemario Unidad Ii
 
Variantes Del Metodo Simplex
Variantes Del Metodo SimplexVariantes Del Metodo Simplex
Variantes Del Metodo Simplex
 
El Metodo Simplex
El Metodo SimplexEl Metodo Simplex
El Metodo Simplex
 
Uso De Las Distribuciones De Probabilidad En La Simulacion De Sistemas Produc...
Uso De Las Distribuciones De Probabilidad En La Simulacion De Sistemas Produc...Uso De Las Distribuciones De Probabilidad En La Simulacion De Sistemas Produc...
Uso De Las Distribuciones De Probabilidad En La Simulacion De Sistemas Produc...
 
Hojas De Inspeccion
Hojas De InspeccionHojas De Inspeccion
Hojas De Inspeccion
 
Inspeccion
InspeccionInspeccion
Inspeccion
 
Costos
CostosCostos
Costos
 
Como Usar Solver De Excel
Como Usar Solver De ExcelComo Usar Solver De Excel
Como Usar Solver De Excel
 
Modelos De Pl Con Solver
Modelos De Pl Con SolverModelos De Pl Con Solver
Modelos De Pl Con Solver
 
Mac World Office 2008 Mac
Mac World Office 2008 MacMac World Office 2008 Mac
Mac World Office 2008 Mac
 
Introduccion A La Administracion De Operaciones I
Introduccion A La Administracion De Operaciones IIntroduccion A La Administracion De Operaciones I
Introduccion A La Administracion De Operaciones I
 
Administracion De Operaciones I Unidad Ii Pronosticos De La Demanda
Administracion De Operaciones I Unidad Ii Pronosticos De La DemandaAdministracion De Operaciones I Unidad Ii Pronosticos De La Demanda
Administracion De Operaciones I Unidad Ii Pronosticos De La Demanda
 

Dernier

Reunion 9 Hipodromo Nacional de Valencia 040524.pdf
Reunion 9 Hipodromo Nacional de Valencia 040524.pdfReunion 9 Hipodromo Nacional de Valencia 040524.pdf
Reunion 9 Hipodromo Nacional de Valencia 040524.pdfWinston1968
 
Habilidades Motrices Básicas de manera didáctica para niños
Habilidades Motrices Básicas de manera didáctica para niñosHabilidades Motrices Básicas de manera didáctica para niños
Habilidades Motrices Básicas de manera didáctica para niñosdamianpacheco01
 
EDUCACION FISICA 1° PROGRAMACIÓN ANUAL 2023.docx
EDUCACION FISICA 1°  PROGRAMACIÓN ANUAL 2023.docxEDUCACION FISICA 1°  PROGRAMACIÓN ANUAL 2023.docx
EDUCACION FISICA 1° PROGRAMACIÓN ANUAL 2023.docxLuisAndersonPachasto
 
Revista del Club A. Banfield - Abril 2024
Revista del Club A. Banfield - Abril 2024Revista del Club A. Banfield - Abril 2024
Revista del Club A. Banfield - Abril 2024LeonardoCedrn
 
Agendadeportiva-Directv - 26 de abril al 3 de mayo.pdf
Agendadeportiva-Directv - 26 de abril al 3 de mayo.pdfAgendadeportiva-Directv - 26 de abril al 3 de mayo.pdf
Agendadeportiva-Directv - 26 de abril al 3 de mayo.pdfeluniversocom
 
Presentación de la edición 12º Revista "Voley" 2024
Presentación de la edición 12º Revista "Voley" 2024Presentación de la edición 12º Revista "Voley" 2024
Presentación de la edición 12º Revista "Voley" 2024Judith Chuquipul
 
Reunion 17 Hipodromo La Rinconada 050524.pdf
Reunion 17 Hipodromo La Rinconada 050524.pdfReunion 17 Hipodromo La Rinconada 050524.pdf
Reunion 17 Hipodromo La Rinconada 050524.pdfWinston1968
 

Dernier (7)

Reunion 9 Hipodromo Nacional de Valencia 040524.pdf
Reunion 9 Hipodromo Nacional de Valencia 040524.pdfReunion 9 Hipodromo Nacional de Valencia 040524.pdf
Reunion 9 Hipodromo Nacional de Valencia 040524.pdf
 
Habilidades Motrices Básicas de manera didáctica para niños
Habilidades Motrices Básicas de manera didáctica para niñosHabilidades Motrices Básicas de manera didáctica para niños
Habilidades Motrices Básicas de manera didáctica para niños
 
EDUCACION FISICA 1° PROGRAMACIÓN ANUAL 2023.docx
EDUCACION FISICA 1°  PROGRAMACIÓN ANUAL 2023.docxEDUCACION FISICA 1°  PROGRAMACIÓN ANUAL 2023.docx
EDUCACION FISICA 1° PROGRAMACIÓN ANUAL 2023.docx
 
Revista del Club A. Banfield - Abril 2024
Revista del Club A. Banfield - Abril 2024Revista del Club A. Banfield - Abril 2024
Revista del Club A. Banfield - Abril 2024
 
Agendadeportiva-Directv - 26 de abril al 3 de mayo.pdf
Agendadeportiva-Directv - 26 de abril al 3 de mayo.pdfAgendadeportiva-Directv - 26 de abril al 3 de mayo.pdf
Agendadeportiva-Directv - 26 de abril al 3 de mayo.pdf
 
Presentación de la edición 12º Revista "Voley" 2024
Presentación de la edición 12º Revista "Voley" 2024Presentación de la edición 12º Revista "Voley" 2024
Presentación de la edición 12º Revista "Voley" 2024
 
Reunion 17 Hipodromo La Rinconada 050524.pdf
Reunion 17 Hipodromo La Rinconada 050524.pdfReunion 17 Hipodromo La Rinconada 050524.pdf
Reunion 17 Hipodromo La Rinconada 050524.pdf
 

Métodos de optimización para problemas de producción y minería

  • 1. PROBLEMARIO Unidad IIPachuca De Soto A 22 De Octubre 200908OtoñoAnaya Rodriguéz Fredi Orlado 07200464Investigación De Operaciones IProblema Con El Método Simplex.Problema Con El Método De La Gran M.Problema Con El Método De Doble Fase.Martínez Solis Luis IgnacioProblema Con El Método Simplex.Un herrero con 80 Kg. de acero y 120 Kg. de aluminio quiere hacer bicicletas de paseo y de montaña que quiere vender, respectivamente a 200 y 150 dólares cada una para sacar el máximo beneficio. Para la de paseo empleará 1 Kg. De acero y 3 Kg. de aluminio, y para la de montaña 2 Kg. de ambos metales. ¿Cuántas bicicletas de paseo y de montaña venderá?Sean las variables de decisión:X1= Numero de bicicletas de paseo vendidas.X2= Numero de bicicletas de montaña vendidas.Tabla de material empleado:AceroAluminioPaseo1 Kg.3 Kg.Montaña2 Kg.2 Kg.Max F (X)= 200 X1 + 150 X2Sujeto A: 1X1 + 2X2≤80 3X1 + 2X2≤120 X1.X2≥0Estandarizado: Max F (X) -200 X1 - 150 X2=0Sujeto A: 1X1 + 2X2 +h1=80 3X1 + 2X2+h2=120 X1.X2,h1,h2≥0 Problema Con El Método De La Gran M. Un nutricionista asesora a un individuo que sufre una deficiencia de hierro y vitamina B, y le indica que debe ingerir al menos 2,400 mg de vitamina B-1 (tiamina) y 1,500 mg de vitamina B-2 (riboflavina) durante cierto periodo de tiempo. Existen dos píldoras de vitaminas disponibles, la marca A y la marca B (tabla). ¿Cuáles combinaciones de píldoras debe comprar el paciente para cubrir sus requerimientos de hierro y vitamina al menor costo? Marca AMarca BRequerimientos mínimosHierro40 mg10 mg2400 mgB-110 mg15 mg2100 mgB-25 mg15 mg1500 mgCosto0.060.08 Problema Original Min f(x) = 6x1 + 8x2 sujeta a: 40x1 + 10x2 ≥ 2400 10x1 + 15x2 ≥ 2100 5x1 + 15x2 ≥ 1500 x1, x2 ≥ 0 Problema Estandarizado Min f(x) = 6x1 + 8x2 + Ma1 + Ma2 + Ma3 sujeta a: 40x1 + 10x2 - h1 + a1 = 2400 10x1 + 15x2 - h2 + a2 = 2100 5x1 + 15x2 - h3 + a3 = 1500 x1, x2, h1, h2, h3, a1, a2, a3 ≥ 0 Igualar a cero la función objetivo f(x) - 6x1 - 8x2 - Ma1 - Ma2 - Ma3 = 0 M=100 Solución Optimaf(x)1140 x130 h3450 x2120 Problema Con El Método De Doble Fase. Una compañía posee dos minas: la mina A produce cada día 1 tonelada de hierro, 3 toneladas de bronce y 5 de cobre. La mina B produce cada día 2 toneladas de cada uno de los tres metales. la compañía necesita al menos 80 toneladas de mineral de alta calidad, 160 toneladas de calidad media y 200 de baja calidad. sabiendo que el costo diario de la operación es de $2,000 en cada mina. ¿Cuántos días deben trabajar cada mina para que el costo sea mínimo? Mina AMina BCantidadHierro1280Bronce32160Cobre52200 X1= Producción por tonelada en la mina A X2= Producción por tonelada en la mina B Problema Original Min f(x) = 2000x1 + 2000x2 Min f(a) = a1 + a2 + a3 sujeta a: x1 + 2x2 ≥ 80 3x1 + 2x2 ≥ 160 5x1 + 2x2 ≥ 200 x1, x2 ≥ 0 Problema Estandarizado Min f(x) = 2000x1 + 2000x2 f(a) - a1 - a2 - a3 = 0 sujeta a: x1 + 2x2 - h1 + a1 = 80 3x1 + 2x2 - h2 + a2 = 160 5x1 + 2x2 - h3 + a3 = 200 x1, x2, h1, h2, h3, a1, a2, a3 ≥ 0 Fase I Se hace el tableau y se itera con el método Simplex Se hace cero los coeficientes de las variables básicas por el método gaussiano. Se procede a iterar con el método Simplex A qui termina la primera fase ya que nos dio un cero en la columna solución del renglón objetivo. Fase II Se toma como base la tabla anterior de la fase I y se eliminan las columnas de las variables artificiales posteriormente se modifican los valores de f(a) por los de f(x) igualada a cero y se ponen esos coeficientes en el renglón objetivo. Min f(x) = 2000x1 + 2000x2 f(x) - 2000x1 - 2000x2 = 0 Basef(x)x1x2h1h2h3Soluciónf(x)1-2000-20000 0 00 x1001- 3/4 1/4 020 x20001 -2140 h3010 1/2 - 1/2 040 Se hacen cero las variables no básicas. Basef(x)x1x2h1h2h3Soluciónf(x)10 0 -500 -500 0120000x100 1 - 3/4 1/4 020 x200 0 1 -2140 h301 0 1/2 - 1/2 040 Así queda la solución optima ya que no hay ninguna variable no básica mas positiva en el renglón objetivo. Soluciónf(x)120000x120 x240 h340