TALLER NO PRESENCIAL No.

UNIVERSIDAD NACIONAL DE COLOMBIA FACULTAD DE CIENCIAS EXACTAS Y NATURALES MANIZALES 2012

1. Ajustar los siguientes datos a polinomios hasta de grados 1, 3 y 5. Obtener cada uno de los polinomios y calcular en cada caso el valor optimo. Despus de hacer comparaciones decidir que polinomio se ajusta mejor a los datos. xi 1 2 3 4 5 6 7 8 9 10 yi -22,8 -43,4 -36,1 19 17,3 11,8 7,8 5 3,3 2,7

A. Procederemos primero a dar el ajuste polinomial con los 3 grados que nos proponen: 1, 3 y 5. Para grado 1: El problema consiste en minimizar: || || ( ) ( )

Donde:

Como el rango de la matriz A1 es 2, entonces: ( Procedemos a realizar los clculos:

( ) ( ) Ahora procedemos a graficar los datos del problema y los datos predichos por el polinomio de grado 1:

Ajuste de los datos polinomio de grado 1 20

10

-10
yi

-20

-30

-40 Datos dados por el problema Datos predecidos por un polinomio de grado 1 -50 1 2 3 4 5 xi 6 7 8 9 10

Por ltimo procedemos a calcular el valor ptimo de este polinomio: ( )

Zmin = 2901,7 es decir la suma de los errores al cuadrado que se comete al tomar el polinomio de ecuacin: ( ) Es 2901,7 Polinomio de grado 3: || Donde: || ( ) ( )

Como el rango de la matriz A2 es 4, entonces: ( Procedemos a realizar los clculos: ( )

( ) ( ) Ahora procedemos a graficar los datos del problema y los datos predichos por el polinomio de grado 3:
Ajuste de los datos polinomio de grado 3 20

10

-10
yi

-20

-30

-40 Datos dados por el problema Datos predecidos por un polinomio de grado 3 -50 1 2 3 4 5 xi 6 7 8 9 10

Por ltimo procedemos a calcular el valor ptimo de este polinomio: ( )

Zmin = 1841 es decir la suma de los errores al cuadrado que se comete al tomar el polinomio de ecuacin: ( ) Es 1841 Polinomio grado 5: || Donde: || ( ) ( )

Como el rango de la matriz A3 es 6, entonces: ( Procedemos a realizar los clculos:

( )

( )

Ahora procedemos a graficar los datos del problema y los datos predichos por el polinomio de grado 5:
Ajuste de los datos polinomio de grado 5 30 20 10 0 -10
yi

-20 -30 -40 -50 -60 Datos dados por el problema Datos predecidos por un polinomio de grado 5 1 2 3 4 5 xi 6 7 8 9 10

Por ltimo procedemos a calcular el valor ptimo de este polinomio: ( )

Zmin = 398,94 es decir la suma de los errores al cuadrado que se comete al tomar el polinomio de ecuacin: ( ) Es 398,94 B. Anlisis de los valores ptimos:

Con base a los resultados obtenidos en el apartado A, podemos concluir que el polinomio de grado 5 es el que mejor se ajusta a los datos, ya que su valor ptimo es el menor entre los valores ptimos, es decir los datos estimados por este presentan una menor desviacin con respecto a los datos originales. 2. Un fabricante de tejidos posee una maquina que utiliza para la fabricacin de diversos artculos. Para dos de ellos, denominados A y B la maquina est disponible durante 170 horas al mes. La cadencia de fabricacin del artculo A es de 50 por hora y la de B de 80 por hora. Cada unidad de A proporciona un beneficio por venta de 3000 pesos y cada unidad de B 2000 pesos. Adems la capacidad de absorcin del mercado es limitada: a lo sumo debemos fabricar 7000 artculos de A y 10000 de B. El fabricante muestra el deseo de maximizar el beneficio. Formular un programa de programacin lineal que d respuesta a los deseos del fabricante. Sean las variables: X: Numero de unidades producidas de A Y: nmero de unidades producidas de B Max: Sujeta a las restricciones:

El cual ser resuelto por Excel:

Iniciamos con un estimado de 1 para las cantidades de A y B, luego procedemos a utilizar el solve de Excel:

Luego de haber ingresado la funcin objetivo y las restricciones procedemos a resolver el problema, obteniendo el siguiente resultado:

Es decir el valor mximo de ganancia es 26750000, que se obtiene con 10000 unidades de B y 2250 unidades de A. Mtodo de las dos fases: Este mtodo elimina el uso de la M y resuelve el problema en dos fases. En la fase I se utiliza el algoritmo simplex para suministrar a la fase II una forma factible de partida. Es decir, el producto final de la Fase I es una solucin bsica factible (en caso de que exista), en forma tpica, para iniciar la Fase II del mtodo. Los pasos de cada fase son los siguientes: Fase I 1. Utilice el algoritmo simplex para obtener la minimizacin de la suma de las variables artificiales, sujeta a las mismas restricciones del problema original, independientemente de si este problema original es de maximizacin o minimizacin. 2. Si la suma de las variables artificiales, X0, es mayor que cero, entonces no existe una solucin bsica factible y se termina el proceso. Si X 0= 0, entonces inicie la Fase II del algoritmo.

Fase II

1. Utilice la solucin ptima obtenida en la Fase I como solucin de partida al problema 1 original, remplazando la funcin objetivo original Z por la de X0. Como es usual, la funcin objetivo original debe ser expresada en funcin de las variables no bsicas. Si al final de la Fase I las variables artificiales son no bsicas, se eliminan de la Fase II. Si alguna variable artificial es bsica, pero a un nivel cero, esta variable se mantiene en el conjunto de variables bsicas, pero debe garantizarse que su valor nunca ser mayor que cero durante la ejecucin de la Fase II.