SlideShare ist ein Scribd-Unternehmen logo
1 von 8
Downloaden Sie, um offline zu lesen
PROBLEMA 1
Si devono produrre due tipi di cioccolatini: uno fondente e l'altro al latte.
Per produrre un hg di cioccolatini di tipo fondente occorrono 80 g di cacao e 20 g di
zucchero; per produrre un hg di cioccolatini al latte occorrono 50 g di cacao, 30 g di
zucchero e 20 g di latte in polvere. Per un ciclo di lavorazione si hanno a disposizione 20
Kg di cacao, 12 Kg di zucchero e 4 Kg di latte in polvere.
I cioccolatini di tipo fondente saranno venduti a € 3 all'ettogrammo e i cioccolatini di tipo
al latte a € 2,6 all'ettogrammo.
Determinare la combinazione produttiva che consente il massimo ricavo.



                                      MATRICE DEI DATI
                         1 hg di cioc. fond.   1hg di cioc. latte               scorte
cacao                       80 g = 0,8 hg         50 g = 0,5 hg             20 kg = 200 hg
zucchero                    20 g = 0,2 hg         30 g = 0,3 hg             12 kg = 120 hg
latte in polvere                                  20 g = 0,2 hg              4 kg = 40 hg
ricavi                           €3                    € 2,6



VARIABILI:
x = n° degli hg di cioccolatini di tipo fondente da produrre
y = n° degli hg di cioccolatini di tipo al latte da produrre


MODELLO MATEMATICO:
0,8 x  0,5y  200

0,2x  0,3y  120


0,2y  40              con R  3 x  2,6y da massimizzare

x  0

y  0



FORMA SEGMENTARIA DELLE DISEQUAZIONI DEL SISTEMA
 x      y
 250  400  1
 x      y
          1
 600 400
y  200              con R  3 x  2,6y da massimizzare

x  0


y  0
POLIGONO DELLE SOLUZIONI:




COORDINATE DEL VERTICE B:
 x      y                                  x     200           x    1
         1                                        1             1
 250 400             sostituend :
                                 o          250 400            250 2
y  200
                                          y  200
                                                               y  200
                                                                
 x     1          x  125
                 
 250 2           
y  200           y  200
                   



COORDINATE DEI VERTICI:
O (0; 0)      A(250; 0)      B(125; 200)        C(0; 200)


VALUTAZIONE DELLA FUNZIONE RICAVO NEI VERTICI DEL POLIGONO:
R0 = 3· 0 + 2,6· 0 = 0
RA = 3· 250 + 2,6· 0 = 750
RB = 3· 125 + 2,6· 200 = 375 + 520 = 895
RC = 3· 0 + 2,6· 200 = 520


Il massimo ricavo si ottiene producendo:
125 hg = 12,5 kg di cioccolatini di tipo fondente
200 hg = 20,0 kg di cioccolatini di tipo al latte
PROBLEMA 2
Un pasticcere deve confezionare due tipi di torte: torta margherita e crostata.
Per ciascuna torta margherita sono necessari 150 g di zucchero, 300 g di farina e 60 g di
burro; per ciascuna crostata occorrono 100 g di zucchero, 300 g di farina e 120 g di burro.
Sapendo che in dispensa ci sono 7,5 Kg di zucchero, 9 kg di farina e 2,4 kg di burro e che
ogni torta margherita viene venduta a € 6 mentre ogni crostata viene venduta a € 8
ciascuna, come dovrà organizzare la propria produzione in modo da avere il massimo
ricavo?



                                     MATRICE DEI DATI
                        1 torta margherita        1 crostata                scorte
farina                         300 g                300 g               9 kg = 9000 g
zucchero                       150 g                100 g              7,5 kg = 7500 g
burro                           60 g                120 g              2,4 kg = 2400 g
ricavi                           €6                   €8



VARIABILI:
x = n° torte margherite da produrre
y = n° crostate da produrre


MODELLO MATEMATICO:
300x  300y  9000

150x  100y  6000


60x  120y  2400        con R  6 x  8y da massimizzare

x  0

y  0



FORMA SEGMENTARIA DELLE DISEQUAZIONI DEL SISTEMA
x      y
 30  30  1
x      y
        1
 40 60
x      y         con R  6 x  8y da massimizzare
 40  20  1

x  0

y  0
POLIGONO DELLE SOLUZIONI:




COORDINATE DEL VERTICE B:
x     y
 40  20  1            x  2y  40
                         
x                      
       y                  x  y  30
        1             
 30 30
    1 2                            40 2                              1 40
        1  2  1;      x            40  60  20;    y            30  40  10
    1 1                            30 1                              1 30

     20
x   1  20
     10
y        10
     1


COORDINATE DEI VERTICI:
O (0; 0)      A(30; 0)      B(20; 10)             C 0; 20


VALUTAZIONE DELLA FUNZIONE RICAVO NEI VERTICI:
R0 = 6· 0 + 8· 0 = 0
RA = 6· 30 + 8· 0 = 180
RB = 6· 20 + 8· 10 = 120 + 80 = 200
RC = 6· 0 + 8· 20 = 160


Il massimo ricavo si ottiene producendo:
20 torte margherita e
10 crostate
PROBLEMA 3
Un autoproduttore di energia elettrica ha due gruppi elettrogeni, uno che utilizza gasolio
e l’altro che utilizza olio combustibile. Per ogni litro di gasolio bruciato sono prodotti 4 g di
CO2 (anidride carbonica) e 4 g di NOx (ossidi di azoto); per ogni litro di olio combustibile
bruciato sono prodotti 2 g di CO2, 4 g di NOx e 1 g di SOx (ossidi di zolfo). I vincoli imposti
sulle emissioni stabiliscono che al giorno non si possa produrre più di 160 g di CO2, 240 g di
NOx e 50 g di SOx. Non potendo superare i vincoli sulle emissioni giornaliere (per non
pagare penali) e, considerando che per ogni litro di gasolio si producono 2 kWh di
energia elettrica, mentre per ogni litro di olio combustibile si producono 4 kWh di energia
elettrica, ci si chiede quanti litri di gasolio e olio combustibile bruciare al giorno per
massimizzare la produzione di energia elettrica.
                                       MATRICE DEI DATI
                  1 lit gasolio       1 lit olio combustibile   emissioni massime giornaliere
CO2                     4g                        2g                       160 g
NOx                     4g                        4g                       240 g
SOx                                               1g                        50 g
produzione          2 kWh                       4 kWh

VARIABILI:
x = n° litri gasolio da bruciare giornalmente
y = n° litri olio combustibile da bruciare giornalmente

MODELLO MATEMATICO:
4 x  2y  160

4 x  4y  240


y  50               con P  2x  4y da massimizzare

x  0

y  0



FORMA SEGMENTARIA DELLE DISEQUAZIONI DEL SISTEMA
x      y
 40  80  1
x     y
        1
 60 60
y  50            con R  2x  4y da massimizzare

x  0


y  0
POLIGONO DELLE SOLUZIONI:




COORDINATE DEL VERTICE B:
x      y
 40  80  1              2x  y  80
                           
x                        
       y                    x  y  60
        1               
 60 60
     2 1                           80 1                                 2 80
          2  1  1;     x            80  60  20;        y            120  80  40
     1 1                           60 1                                 1 60

 x  20


y  40

COORDINATE DEL VERTICE C:
x     y                   x  y  60                            x  50  60
       1                                                      
 60 60                                    sostituend :
                                                        o         
y  50                    y  50
                                                                 y  50
                                                                  

x  10


y  50

COORDINATE DEI VERTICI:
O (0; 0)        A(40; 0)      B(20; 40)             C 10; 50            D(0; 50)


VALUTO LA FUNZIONE PRODUZIONE NEI VERTICI:
P0 = 2· 0 + 4· 0 = 0
PA = 2· 40 + 4· 0 = 80
PB = 2· 20 + 4· 40 = 40 + 160 = 200
PC = 2· 10 + 4· 50 = 20 + 200 = 220
PD = 2· 0 + 4· 50 = 200
Per massimizzare la produzione di energia elettrica conviene bruciare 10 litri di gasolio e
50 litri di olio combustibile.
PROBLEMA 4
Un’azienda tessile produce due tipi di tessuti utilizzando tre filati, lana, poliestere e seta, in
diversa proporzione. Per realizzare una pezza di lunghezza unitaria del primo tessuto
occorrono 120 g di lana, 180 g di poliestere e 60 g di seta; per produrre una pezza di
lunghezza unitaria del secondo tessuto occorrono 120 g di lana, 90 g di poliestere e 180 g
di seta. In magazzino si hanno a disposizione 144 kg di lana, 180 kg di poliestere e 180 kg
di seta. Individuare la produzione che rende massimo il ricavo sapendo che il primo
tessuto è venduto a 2 € la pezza di lunghezza unitaria mentre il secondo tessuto a 3 €.


                                       MATRICE DEI DATI
              1 pezza unitaria         1 pezza unitaria          emissioni massime giornaliere
                 tessuto 1                tessuto 2
lana               120 g                    120 g                           144000 g
poliestere          180 g                     90 g                          180000 g
seta                60 g                     180 g                          180000 g
ricavi               2€                        3€



VARIABILI:
x = n° pezze unitarie di tessuto 1 da produrre
y = n° pezze unitarie di tessuto 2 da produrre


MODELLO MATEMATICO:
120x  120y  144000

180x  90y  180000


60x  180y  180000          con R  2x  3y da massimizzare

x  0

y  0



FORMA SEGMENTARIA DELLE DISEQUAZIONI DEL SISTEMA
 x       y
1200  1200  1
 x       y
            1
1000 2000
 x        y              con R  2x  3y da massimizzare
 3000  1000  1

x  0

y  0
POLIGONO DELLE SOLUZIONI:




COORDINATE DEL VERTICE B:
 x       y
1200  1200  1                    x  y  1200
                                   
 x                               
          y                        2x  y  2000
           1                    
1000 2000
     1 1                            1200 1                                   1 1200
           1  2  1;   x               1200  2000  800;    y               2000  2400  400
     2 1                            2000 1                                   2 2000

 x  800


y  400

COORDINATE DEL VERTICE C:
 x       y
1200  1200  1                    x  y  1200
                                   
 x                               
          y                        x  3y  3000
           1                    
 3000 1000
     1 1                           1200 1                                   1 1200
           3  1  2;    x               3600  3000  600;    y              3000  1200  1800
     1 3                           3000 3                                   1 3000

x  300


y  900



COORDINATE DEI VERTICI:
O (0; 0)        A(1000; 0)         B(800; 400)        C 300; 900           D(0; 1000)


VALUTAZIONE DELLA FUNZIONE RICAVO NEI VERTICI:
R0 = 2· 0 + 3· 0 = 0;                                        RA = 2· 1000 + 3· 0 = 2000
RB = 2· 800 + 3· 400 = 1600 + 1200 = 2800                    RC = 2· 300 + 3· 900 = 600 + 2700 = 3300
RD = 2· 0 + 3· 1000 = 3000


Il massimo ricavo si ottiene producendo 300 pezze di tessuto 1 e 900 pezze di tessuto 2.

Weitere ähnliche Inhalte

Was ist angesagt?

Reasoning in Description Logics
Reasoning in Description Logics  Reasoning in Description Logics
Reasoning in Description Logics
R A Akerkar
 

Was ist angesagt? (19)

Attention
AttentionAttention
Attention
 
Brand & brand strategy
Brand & brand strategy Brand & brand strategy
Brand & brand strategy
 
Graph kernels
Graph kernelsGraph kernels
Graph kernels
 
텐서플로우 기초 이해하기
텐서플로우 기초 이해하기 텐서플로우 기초 이해하기
텐서플로우 기초 이해하기
 
Transformer in Computer Vision
Transformer in Computer VisionTransformer in Computer Vision
Transformer in Computer Vision
 
ViT (Vision Transformer) Review [CDM]
ViT (Vision Transformer) Review [CDM]ViT (Vision Transformer) Review [CDM]
ViT (Vision Transformer) Review [CDM]
 
Unsupervised Topic Modeling with BERTopic for Coarse and Fine-Grained News Cl...
Unsupervised Topic Modeling with BERTopic for Coarse and Fine-Grained News Cl...Unsupervised Topic Modeling with BERTopic for Coarse and Fine-Grained News Cl...
Unsupervised Topic Modeling with BERTopic for Coarse and Fine-Grained News Cl...
 
Taxonomies and Metadata in Information Architecture
Taxonomies and Metadata in Information ArchitectureTaxonomies and Metadata in Information Architecture
Taxonomies and Metadata in Information Architecture
 
DIGITAL BRANDING
DIGITAL BRANDINGDIGITAL BRANDING
DIGITAL BRANDING
 
Reasoning in Description Logics
Reasoning in Description Logics  Reasoning in Description Logics
Reasoning in Description Logics
 
Vectorland: Brief Notes from Using Text Embeddings for Search
Vectorland: Brief Notes from Using Text Embeddings for SearchVectorland: Brief Notes from Using Text Embeddings for Search
Vectorland: Brief Notes from Using Text Embeddings for Search
 
Word embedding
Word embedding Word embedding
Word embedding
 
Branding and Brand Positioning / Marketing Management By Kotler Keller
Branding and Brand Positioning / Marketing Management By Kotler KellerBranding and Brand Positioning / Marketing Management By Kotler Keller
Branding and Brand Positioning / Marketing Management By Kotler Keller
 
Understanding GloVe
Understanding GloVeUnderstanding GloVe
Understanding GloVe
 
Deep Natural Language Processing for Search Systems (sigir 2019 tutorial)
Deep Natural Language Processing for Search Systems (sigir 2019 tutorial)Deep Natural Language Processing for Search Systems (sigir 2019 tutorial)
Deep Natural Language Processing for Search Systems (sigir 2019 tutorial)
 
Brand Strategy
Brand StrategyBrand Strategy
Brand Strategy
 
Deeper Things: How Netflix Leverages Deep Learning in Recommendations and Se...
 Deeper Things: How Netflix Leverages Deep Learning in Recommendations and Se... Deeper Things: How Netflix Leverages Deep Learning in Recommendations and Se...
Deeper Things: How Netflix Leverages Deep Learning in Recommendations and Se...
 
Glove global vectors for word representation
Glove global vectors for word representationGlove global vectors for word representation
Glove global vectors for word representation
 
Word_Embedding.pptx
Word_Embedding.pptxWord_Embedding.pptx
Word_Embedding.pptx
 

Andere mochten auch

Minerva y angela
Minerva y angelaMinerva y angela
Minerva y angela
iesMola
 
Ies la mola almudena y andrea
Ies la mola  almudena y andreaIes la mola  almudena y andrea
Ies la mola almudena y andrea
iesMola
 
2011 04 14 acta reunion director
2011 04 14 acta reunion director2011 04 14 acta reunion director
2011 04 14 acta reunion director
comiteportos
 
第二刷正誤表
第二刷正誤表第二刷正誤表
第二刷正誤表
zafiro555
 
10b; immune system
10b; immune system10b; immune system
10b; immune system
kwiley0019
 
Romeo and Juliet
Romeo and JulietRomeo and Juliet
Romeo and Juliet
aschoenborn
 

Andere mochten auch (20)

Calcolo letterale
Calcolo letteraleCalcolo letterale
Calcolo letterale
 
Minerva y angela
Minerva y angelaMinerva y angela
Minerva y angela
 
Онлайн маркетинг микс
Онлайн маркетинг микс Онлайн маркетинг микс
Онлайн маркетинг микс
 
Velocidad y alcohol
Velocidad y alcoholVelocidad y alcohol
Velocidad y alcohol
 
Ies la mola almudena y andrea
Ies la mola  almudena y andreaIes la mola  almudena y andrea
Ies la mola almudena y andrea
 
Delargement
Delargement Delargement
Delargement
 
2011 04 14 acta reunion director
2011 04 14 acta reunion director2011 04 14 acta reunion director
2011 04 14 acta reunion director
 
Spout
SpoutSpout
Spout
 
Building a Sustainable Business
Building a Sustainable BusinessBuilding a Sustainable Business
Building a Sustainable Business
 
Magic Candles
Magic CandlesMagic Candles
Magic Candles
 
Presentacion
PresentacionPresentacion
Presentacion
 
Landscaping for Pollinators in Oklahoma
Landscaping for Pollinators in OklahomaLandscaping for Pollinators in Oklahoma
Landscaping for Pollinators in Oklahoma
 
第二刷正誤表
第二刷正誤表第二刷正誤表
第二刷正誤表
 
Trenzas
TrenzasTrenzas
Trenzas
 
Business Planning & Marketing
Business Planning & MarketingBusiness Planning & Marketing
Business Planning & Marketing
 
4. brfdp lesson 1 & 2
4. brfdp lesson 1 & 24. brfdp lesson 1 & 2
4. brfdp lesson 1 & 2
 
Bio magz
Bio magzBio magz
Bio magz
 
Kenya project for seth
Kenya project for sethKenya project for seth
Kenya project for seth
 
10b; immune system
10b; immune system10b; immune system
10b; immune system
 
Romeo and Juliet
Romeo and JulietRomeo and Juliet
Romeo and Juliet
 

Mehr von Cristina Scanu (12)

Disequazioni di 2 grado metodo algebrico
Disequazioni di 2 grado   metodo algebricoDisequazioni di 2 grado   metodo algebrico
Disequazioni di 2 grado metodo algebrico
 
Tutorial di Google Fusion Tables
Tutorial di Google Fusion TablesTutorial di Google Fusion Tables
Tutorial di Google Fusion Tables
 
Equazioni di 2 grado esercitazione guidata
Equazioni di 2 grado   esercitazione guidataEquazioni di 2 grado   esercitazione guidata
Equazioni di 2 grado esercitazione guidata
 
Le disequazioni numeriche intere di 1° grado in 1 incognita
Le disequazioni numeriche intere di 1° grado in 1 incognitaLe disequazioni numeriche intere di 1° grado in 1 incognita
Le disequazioni numeriche intere di 1° grado in 1 incognita
 
Polinomi
PolinomiPolinomi
Polinomi
 
Derivate - esercizi con soluzioni
Derivate - esercizi con soluzioniDerivate - esercizi con soluzioni
Derivate - esercizi con soluzioni
 
Il piano cartesiano nelle prove invalsi
Il piano cartesiano nelle prove invalsiIl piano cartesiano nelle prove invalsi
Il piano cartesiano nelle prove invalsi
 
Equazioni di 2 grado
Equazioni di 2 gradoEquazioni di 2 grado
Equazioni di 2 grado
 
Retta test
Retta   testRetta   test
Retta test
 
Esercizi parabola
Esercizi parabolaEsercizi parabola
Esercizi parabola
 
Problemi programmazione lineare
Problemi  programmazione lineareProblemi  programmazione lineare
Problemi programmazione lineare
 
La parabola 2003
La parabola 2003La parabola 2003
La parabola 2003
 

Kürzlich hochgeladen

Scienza Potere Puntoaaaaaaaaaaaaaaa.pptx
Scienza Potere Puntoaaaaaaaaaaaaaaa.pptxScienza Potere Puntoaaaaaaaaaaaaaaa.pptx
Scienza Potere Puntoaaaaaaaaaaaaaaa.pptx
lorenzodemidio01
 
case passive_GiorgiaDeAscaniis.pptx.....
case passive_GiorgiaDeAscaniis.pptx.....case passive_GiorgiaDeAscaniis.pptx.....
case passive_GiorgiaDeAscaniis.pptx.....
giorgiadeascaniis59
 
Nicola pisano aaaaaaaaaaaaaaaaaa(1).pptx
Nicola pisano aaaaaaaaaaaaaaaaaa(1).pptxNicola pisano aaaaaaaaaaaaaaaaaa(1).pptx
Nicola pisano aaaaaaaaaaaaaaaaaa(1).pptx
lorenzodemidio01
 

Kürzlich hochgeladen (16)

LE ALGHE.pptx ..........................
LE ALGHE.pptx ..........................LE ALGHE.pptx ..........................
LE ALGHE.pptx ..........................
 
Scrittura seo e scrittura accessibile
Scrittura seo e scrittura accessibileScrittura seo e scrittura accessibile
Scrittura seo e scrittura accessibile
 
descrizioni della antica civiltà dei sumeri.pptx
descrizioni della antica civiltà dei sumeri.pptxdescrizioni della antica civiltà dei sumeri.pptx
descrizioni della antica civiltà dei sumeri.pptx
 
Aristotele, vita e opere e fisica...pptx
Aristotele, vita e opere e fisica...pptxAristotele, vita e opere e fisica...pptx
Aristotele, vita e opere e fisica...pptx
 
Quadrilateri e isometrie studente di liceo
Quadrilateri e isometrie studente di liceoQuadrilateri e isometrie studente di liceo
Quadrilateri e isometrie studente di liceo
 
Oppressi_oppressori.pptx................
Oppressi_oppressori.pptx................Oppressi_oppressori.pptx................
Oppressi_oppressori.pptx................
 
Presentazioni Efficaci e lezioni di Educazione Civica
Presentazioni Efficaci e lezioni di Educazione CivicaPresentazioni Efficaci e lezioni di Educazione Civica
Presentazioni Efficaci e lezioni di Educazione Civica
 
Descrizione Piccolo teorema di Talete.pptx
Descrizione Piccolo teorema di Talete.pptxDescrizione Piccolo teorema di Talete.pptx
Descrizione Piccolo teorema di Talete.pptx
 
Scienza Potere Puntoaaaaaaaaaaaaaaa.pptx
Scienza Potere Puntoaaaaaaaaaaaaaaa.pptxScienza Potere Puntoaaaaaaaaaaaaaaa.pptx
Scienza Potere Puntoaaaaaaaaaaaaaaa.pptx
 
ProgettoDiEducazioneCivicaDefinitivo_Christian Tosone.pptx
ProgettoDiEducazioneCivicaDefinitivo_Christian Tosone.pptxProgettoDiEducazioneCivicaDefinitivo_Christian Tosone.pptx
ProgettoDiEducazioneCivicaDefinitivo_Christian Tosone.pptx
 
case passive_GiorgiaDeAscaniis.pptx.....
case passive_GiorgiaDeAscaniis.pptx.....case passive_GiorgiaDeAscaniis.pptx.....
case passive_GiorgiaDeAscaniis.pptx.....
 
Vuoi girare il mondo? educazione civica.
Vuoi girare il mondo? educazione civica.Vuoi girare il mondo? educazione civica.
Vuoi girare il mondo? educazione civica.
 
Una breve introduzione ad Elsa Morante, vita e opere
Una breve introduzione ad Elsa Morante, vita e opereUna breve introduzione ad Elsa Morante, vita e opere
Una breve introduzione ad Elsa Morante, vita e opere
 
discorso generale sulla fisica e le discipline.pptx
discorso generale sulla fisica e le discipline.pptxdiscorso generale sulla fisica e le discipline.pptx
discorso generale sulla fisica e le discipline.pptx
 
Nicola pisano aaaaaaaaaaaaaaaaaa(1).pptx
Nicola pisano aaaaaaaaaaaaaaaaaa(1).pptxNicola pisano aaaaaaaaaaaaaaaaaa(1).pptx
Nicola pisano aaaaaaaaaaaaaaaaaa(1).pptx
 
Tosone Christian_Steve Jobsaaaaaaaa.pptx
Tosone Christian_Steve Jobsaaaaaaaa.pptxTosone Christian_Steve Jobsaaaaaaaa.pptx
Tosone Christian_Steve Jobsaaaaaaaa.pptx
 

Programmazione lineare - problemi con soluzioni

  • 1. PROBLEMA 1 Si devono produrre due tipi di cioccolatini: uno fondente e l'altro al latte. Per produrre un hg di cioccolatini di tipo fondente occorrono 80 g di cacao e 20 g di zucchero; per produrre un hg di cioccolatini al latte occorrono 50 g di cacao, 30 g di zucchero e 20 g di latte in polvere. Per un ciclo di lavorazione si hanno a disposizione 20 Kg di cacao, 12 Kg di zucchero e 4 Kg di latte in polvere. I cioccolatini di tipo fondente saranno venduti a € 3 all'ettogrammo e i cioccolatini di tipo al latte a € 2,6 all'ettogrammo. Determinare la combinazione produttiva che consente il massimo ricavo. MATRICE DEI DATI 1 hg di cioc. fond. 1hg di cioc. latte scorte cacao 80 g = 0,8 hg 50 g = 0,5 hg 20 kg = 200 hg zucchero 20 g = 0,2 hg 30 g = 0,3 hg 12 kg = 120 hg latte in polvere 20 g = 0,2 hg 4 kg = 40 hg ricavi €3 € 2,6 VARIABILI: x = n° degli hg di cioccolatini di tipo fondente da produrre y = n° degli hg di cioccolatini di tipo al latte da produrre MODELLO MATEMATICO: 0,8 x  0,5y  200  0,2x  0,3y  120   0,2y  40 con R  3 x  2,6y da massimizzare  x  0  y  0  FORMA SEGMENTARIA DELLE DISEQUAZIONI DEL SISTEMA  x y  250  400  1  x y   1  600 400 y  200 con R  3 x  2,6y da massimizzare  x  0   y  0
  • 2. POLIGONO DELLE SOLUZIONI: COORDINATE DEL VERTICE B:  x y  x 200  x 1   1   1   1  250 400  sostituend : o  250 400   250 2 y  200  y  200  y  200   x 1 x  125     250 2   y  200 y  200   COORDINATE DEI VERTICI: O (0; 0) A(250; 0) B(125; 200) C(0; 200) VALUTAZIONE DELLA FUNZIONE RICAVO NEI VERTICI DEL POLIGONO: R0 = 3· 0 + 2,6· 0 = 0 RA = 3· 250 + 2,6· 0 = 750 RB = 3· 125 + 2,6· 200 = 375 + 520 = 895 RC = 3· 0 + 2,6· 200 = 520 Il massimo ricavo si ottiene producendo: 125 hg = 12,5 kg di cioccolatini di tipo fondente 200 hg = 20,0 kg di cioccolatini di tipo al latte
  • 3. PROBLEMA 2 Un pasticcere deve confezionare due tipi di torte: torta margherita e crostata. Per ciascuna torta margherita sono necessari 150 g di zucchero, 300 g di farina e 60 g di burro; per ciascuna crostata occorrono 100 g di zucchero, 300 g di farina e 120 g di burro. Sapendo che in dispensa ci sono 7,5 Kg di zucchero, 9 kg di farina e 2,4 kg di burro e che ogni torta margherita viene venduta a € 6 mentre ogni crostata viene venduta a € 8 ciascuna, come dovrà organizzare la propria produzione in modo da avere il massimo ricavo? MATRICE DEI DATI 1 torta margherita 1 crostata scorte farina 300 g 300 g 9 kg = 9000 g zucchero 150 g 100 g 7,5 kg = 7500 g burro 60 g 120 g 2,4 kg = 2400 g ricavi €6 €8 VARIABILI: x = n° torte margherite da produrre y = n° crostate da produrre MODELLO MATEMATICO: 300x  300y  9000  150x  100y  6000   60x  120y  2400 con R  6 x  8y da massimizzare  x  0  y  0  FORMA SEGMENTARIA DELLE DISEQUAZIONI DEL SISTEMA x y  30  30  1 x y   1  40 60 x y con R  6 x  8y da massimizzare  40  20  1  x  0  y  0
  • 4. POLIGONO DELLE SOLUZIONI: COORDINATE DEL VERTICE B: x y  40  20  1 x  2y  40  x   y  x  y  30   1   30 30 1 2 40 2 1 40   1  2  1; x   40  60  20; y   30  40  10 1 1 30 1 1 30   20 x   1  20   10 y   10  1 COORDINATE DEI VERTICI: O (0; 0) A(30; 0) B(20; 10) C 0; 20 VALUTAZIONE DELLA FUNZIONE RICAVO NEI VERTICI: R0 = 6· 0 + 8· 0 = 0 RA = 6· 30 + 8· 0 = 180 RB = 6· 20 + 8· 10 = 120 + 80 = 200 RC = 6· 0 + 8· 20 = 160 Il massimo ricavo si ottiene producendo: 20 torte margherita e 10 crostate
  • 5. PROBLEMA 3 Un autoproduttore di energia elettrica ha due gruppi elettrogeni, uno che utilizza gasolio e l’altro che utilizza olio combustibile. Per ogni litro di gasolio bruciato sono prodotti 4 g di CO2 (anidride carbonica) e 4 g di NOx (ossidi di azoto); per ogni litro di olio combustibile bruciato sono prodotti 2 g di CO2, 4 g di NOx e 1 g di SOx (ossidi di zolfo). I vincoli imposti sulle emissioni stabiliscono che al giorno non si possa produrre più di 160 g di CO2, 240 g di NOx e 50 g di SOx. Non potendo superare i vincoli sulle emissioni giornaliere (per non pagare penali) e, considerando che per ogni litro di gasolio si producono 2 kWh di energia elettrica, mentre per ogni litro di olio combustibile si producono 4 kWh di energia elettrica, ci si chiede quanti litri di gasolio e olio combustibile bruciare al giorno per massimizzare la produzione di energia elettrica. MATRICE DEI DATI 1 lit gasolio 1 lit olio combustibile emissioni massime giornaliere CO2 4g 2g 160 g NOx 4g 4g 240 g SOx 1g 50 g produzione 2 kWh 4 kWh VARIABILI: x = n° litri gasolio da bruciare giornalmente y = n° litri olio combustibile da bruciare giornalmente MODELLO MATEMATICO: 4 x  2y  160  4 x  4y  240   y  50 con P  2x  4y da massimizzare  x  0  y  0  FORMA SEGMENTARIA DELLE DISEQUAZIONI DEL SISTEMA x y  40  80  1 x y   1  60 60 y  50 con R  2x  4y da massimizzare  x  0   y  0
  • 6. POLIGONO DELLE SOLUZIONI: COORDINATE DEL VERTICE B: x y  40  80  1 2x  y  80  x   y  x  y  60   1   60 60 2 1 80 1 2 80   2  1  1; x   80  60  20; y   120  80  40 1 1 60 1 1 60  x  20   y  40  COORDINATE DEL VERTICE C: x y x  y  60 x  50  60   1    60 60    sostituend : o  y  50 y  50  y  50   x  10   y  50  COORDINATE DEI VERTICI: O (0; 0) A(40; 0) B(20; 40) C 10; 50 D(0; 50) VALUTO LA FUNZIONE PRODUZIONE NEI VERTICI: P0 = 2· 0 + 4· 0 = 0 PA = 2· 40 + 4· 0 = 80 PB = 2· 20 + 4· 40 = 40 + 160 = 200 PC = 2· 10 + 4· 50 = 20 + 200 = 220 PD = 2· 0 + 4· 50 = 200 Per massimizzare la produzione di energia elettrica conviene bruciare 10 litri di gasolio e 50 litri di olio combustibile.
  • 7. PROBLEMA 4 Un’azienda tessile produce due tipi di tessuti utilizzando tre filati, lana, poliestere e seta, in diversa proporzione. Per realizzare una pezza di lunghezza unitaria del primo tessuto occorrono 120 g di lana, 180 g di poliestere e 60 g di seta; per produrre una pezza di lunghezza unitaria del secondo tessuto occorrono 120 g di lana, 90 g di poliestere e 180 g di seta. In magazzino si hanno a disposizione 144 kg di lana, 180 kg di poliestere e 180 kg di seta. Individuare la produzione che rende massimo il ricavo sapendo che il primo tessuto è venduto a 2 € la pezza di lunghezza unitaria mentre il secondo tessuto a 3 €. MATRICE DEI DATI 1 pezza unitaria 1 pezza unitaria emissioni massime giornaliere tessuto 1 tessuto 2 lana 120 g 120 g 144000 g poliestere 180 g 90 g 180000 g seta 60 g 180 g 180000 g ricavi 2€ 3€ VARIABILI: x = n° pezze unitarie di tessuto 1 da produrre y = n° pezze unitarie di tessuto 2 da produrre MODELLO MATEMATICO: 120x  120y  144000  180x  90y  180000   60x  180y  180000 con R  2x  3y da massimizzare  x  0  y  0  FORMA SEGMENTARIA DELLE DISEQUAZIONI DEL SISTEMA  x y 1200  1200  1  x y   1 1000 2000  x y con R  2x  3y da massimizzare  3000  1000  1  x  0  y  0
  • 8. POLIGONO DELLE SOLUZIONI: COORDINATE DEL VERTICE B:  x y 1200  1200  1  x  y  1200   x   y 2x  y  2000   1  1000 2000 1 1 1200 1 1 1200   1  2  1; x   1200  2000  800; y   2000  2400  400 2 1 2000 1 2 2000  x  800   y  400  COORDINATE DEL VERTICE C:  x y 1200  1200  1  x  y  1200   x   y x  3y  3000   1   3000 1000 1 1 1200 1 1 1200   3  1  2; x   3600  3000  600; y   3000  1200  1800 1 3 3000 3 1 3000 x  300   y  900  COORDINATE DEI VERTICI: O (0; 0) A(1000; 0) B(800; 400) C 300; 900 D(0; 1000) VALUTAZIONE DELLA FUNZIONE RICAVO NEI VERTICI: R0 = 2· 0 + 3· 0 = 0; RA = 2· 1000 + 3· 0 = 2000 RB = 2· 800 + 3· 400 = 1600 + 1200 = 2800 RC = 2· 300 + 3· 900 = 600 + 2700 = 3300 RD = 2· 0 + 3· 1000 = 3000 Il massimo ricavo si ottiene producendo 300 pezze di tessuto 1 e 900 pezze di tessuto 2.