Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tiempo
disponible
min/sem
6000
10000
4000
7000
4000
Producto
Mquina
A,
A2
B,
B2
10
9
8
B3
5
7
6
4
7
Costo materiales
$250
$350
$500
Precio de venta
$1250
$2000
$2800
Demanda
800
600
550
12
-
11
Costo/sem
a plena capacidad
$300000
$321000
$250000
$770000
$200000
Se desea saber qu cantidades de los productos 1, 2 y 3 deben ser procesadas en cada mquina
para que la utilidad obtenida sea mxima.
VARIABLES REALES:
->t
Producto
Mquina
A,
X,
Y,
A2
x2
Y2
B,
X3
Y, + Y2
B2
X4
B3
X5
$50
$32,10
$62,50
$110
$50
Modelo (primal):
MAX Z =
1250(X, + X2) + 2000 (Y, + Y2) + 2800 U - 250 (X, + X2) - 350 (Y, + Y2) - 500 U
- 50 (5 X, +10 Y,) - 32,10 ( 7 X , + 9 Y , + 12 U) - 62,50 [ 6X3 + 8 (Y, + Y,)]
- .110 (4 X4 + 11 U ) - 50 (7 X s )
Sujeta a:
124
1. X 1. ' + X ,2 - X 3 - X 4 - X,5.
2. 5 X, + 10 Y,
<
6000
3. 7 X2 + 9 Y, + 12 U
<
10000
4. 6 X 3 + 8 ( Y , + Y 2 )
<
4000
5. 4 X 4+ 11 U
<
7000
6. 7X 5
<
4000
7. X, + X2
<
800
8. Y , + Y 2
<
600
9. U
<
550
>
Una fbrica de conservas vegetales est considerando la planificacin de la prxima campaa del
meln. Las previsiones sobre la cosecha son optimistas y los expertos calculan que se dispondr de unas
100 toneladas de fruta, el 30% ser de la mejor calidad, llamada tcnicamente calidad A y el resto ser de
calidad B. La calidad de un fruto est en relacin con aspectos tales como: calibre, grado de madurez y se
mide en una escala de uno a diez, siendo diez el ndice de mejor calidad. La calidad Atiene un ndice medio
de nueve puntos por kilo, mientras que la calidad B alcanza un ndice medio de cinco puntos por kilo.
La fbrica comercializa el meln de dos maneras: en forma de enlatados de meln en almbar y
en forma de frascos de vidrio de jugo de meln. Con un kilogramo de fruta pueden producirse dos latas
de meln en almbar o bien tres frascos de jugo de meln. La fbrica piensa que puede vender todos las
latas de fruta en conserva y frascos de jugo que pueda fabricar. No obstante, existen algunas limitaciones
que han de tenerse presentes.
En primer lugar, ha de tenerse en cuenta que la fruta destinada a conserva debe ser de una
calidad superior. Esta calidad se ha fijado en un ndice mnimo de 8,5 puntos por kilo. En la obtencin de
jugo puede emplearse fruta de cualquier calidad.
En segundo lugar, el nmero mximo de latas que pueden producirse est limitado por las disponibilidades
de material (hoja de lata, etiquetas, envases, etc.), la mano de obra, la competencia con otros productos de
la empresa, etc. Despus de detenidos estudios, la direccin ha determinado que pueden producirse un
mximo de 100000 latas de meln en almbar y un mximo de 240000 frascos de jugo de meln.
Finalmente, por experiencias de campaas anteriores, se sabe que la cantidad de latas de meln
vendidos nunca es inferior al 25%, ni superior al 40% de la cantidad de frascos de jugo vendidos.
Recientes estudios de mercado realizados por una empresa de consultora confirman que estas
proporciones se seguirn manteniendo durante la presente campaa.
La empresa ha comprado las 100 toneladas de la cosecha al precio fijo de 500 unidades monetarias
por kilo. Los costes de fabricacin y envasado suponen 700 unidades monetarias para una lata de fruta
en conserva y 500 unidades monetarias para un frasco de jugo. La fbrica vende nicamente a
mayoristas y distribuidores a un precio fijo de 2000 unidades monetarias la lata de meln en almbar y
1000 unidades monetarias el frasco de jugo de meln.
125
Funcin de utilidad
Modelo (primal):
MAX Z =
2000 * 2 (XA + XB) - 700 * 2 (XA + XB) - 500 (XA + XB) + 1000 * 3 (YA + YB)
- 500 * 3 (Y a + YB) - 500 (Y a + Y b )
9X
X
a
A
+ 5 X
+
>
8,5
2. X a + Y a
<
30000
3. X_D + YD
<
70000
4. 2(X A + XB)
<
100000
5. 3 ( Y a + Y b )
<
240000
>
a> X b>Y a ,Y b
Resumiendo:
MAX Z = 2100 X A +2100 X B + 1000 Y,A + 1000 Y Bn
Con sus restricciones:
1. 0,5
X 4A - 3,5
XRB
'
'
2.
126
XA
Ya
<
>
30000
xB
XA +
+ Yb
XB
6.
2Xa
Ya
+Y b
+ 2Xb-0,75Ya-0,75Yb
7.
-2Xa
- 2 X b + 1,2Y a + 1,2Y b
X
A '
B>
A '
<
70000
<
100000
<
80000
>
>
>
93.
Modelo (primal):
MAX Z =
Sujeta a:
1.
P < 80000
2.
A < 60000
3.
A := 0,4 P
4.
S, = 0,6 P
5.
A := A 0 + A 1
6.
B = 0,7 A
7.
S2 = 0,3 A
8.
B = B0 + B , 4 B 2
9.
G, = A, + B,
+ A2
10. G2 = A2 + B2
11. G, < 20000
12. G, < 50000
128
86A, +96B]
13
>9Q
A,+B,
86 A 2 + 9 6 B 2
A2 + b 2
14
94
Resumiendo:
MAX Z =
Sujeta a:
P
<
80000
2. A
<
60000
1.
3. A - 0,4 P
4. S, - 0,4 P = 0 0,6 P
5. A - AQ - A, - A2
6. B - 0,7 A
7. S2 - 0,3 A
8. b - b 0 - b , - b 2
9. G . - A . - B ,
10. G2 - A2 - B2
11.
<
20000
<
50000
13. - 4 A, + 6 B,
>
14. - 6 A2 + 2 B2
>
>
12.
G ,
9 4
* Un fabricante de artculos de consumo est trabajando con su departamento de publicidad en
la distribucin del presupuesto de la campaa publicitaria de la nueva temporada; dicho presupuesto
asciende a 500000000 de unidades monetarias y se pretende realizar una campaa de gran impacto
que alcance al mayor nmero posible de consumidores.
129
Los medios de comunicacin que admiten publicidad pueden clasificarse del siguiente modo:
televisin, radio, prensa diaria, revistas semanales y vallas publicitarias. Cada una de ellas presenta una
rentabilidad publicitaria que viene medida por el cociente entre el nmero de consumidores a los que
potencialmente llega dicho anuncio y el coste de dicho anuncio en el medio de que se trate. Estas
rentabilidades se obtienen a partir del estudio general de medios de comunicacin que peridicamente
actualiza la difusin de cada emisora, publicacin peridica, etc., junto con las tarifas de publicidad que
proporcionan dichos medios. En la siguiente tabla, que el agente de publicidad pone a disposicin de su
cliente, se muestran dichos cocientes para la prxima temporada, tanto globalmente, como por segmentos
de consumidores, segn una clasificacin de inters para el anunciante.
Televisin
Radio
Prensa diaria
Revistas semanales
Vallas publicitarias
Total
Jvenes
Mujeres
10
9
6
4
1
15
12
3
1
0
11
14
2
5
3
Educacin
superior
9
9
8
3
1
Por las caractersticas de los productos que se anuncian se piensa que el nmero adecuado de
personas a los que puede llegar la campaa en cada segmento sera el siguiente: jvenes superior a
2000000, mujeres superior a 3500000, educacin superior superior a 2500000.
Para asegurar una difusin conveniente, no debe gastarse en ningn medio ms del 50% del
presupuesto, ni menos del 5%; as mismo, la cantidad gastada en medios audiovisuales, televisin y
radio, puede ser como mximo tres veces superior a la gastada en los otros tres medios.
Plantear un modelo de programacin lineal para el problema del anunciante.
VARIABLES DE DECISIN:
Xf: Cantidad de unidades monetarias gastadas en publicidad en televisin
X^: Unidades monetarias gastadas en publicidad en radio
Xp: Cantidad de unidades monetarias gastadas en publicidad en prensa diaria
X^: Unidades monetarias gastadas en publicidad en revistas semanales
Xv; Cantidad de unidades monetarias gastadas en publicidad en vallas publicitarias
Z: Funcin de utilidad
Modelo (primal):
MAX Z = 10 X T + 9 XR + 6 Xp + 4 X s + X y
Sujeta a:
130
1.
XT + XR + Xp + x s + Xy
<
500000000
2.
>
2000000
3.
11X T +14X R + 2 X p + 5X S + 3X V
>
3500000
4.
9X T + 9 XR + 8 Xp + 3 X s + Xy
>
2500000
5.
XT + XR - 3X p - 3X S -3X V
<
6.
X,.
>
25000000
7.
Xj.
<
250000000
8.
XR
>
25000000
9.
XR
<
250000000
10.
Xp
>
20000000
11.
Xp
<
2500000000
12.
Xs
>
250000000
13.
Xs
<
2500000000
14.
Xv
>
250000000
15.
Xv
<
2500000000
>
95.
Una empresa que fabrica colchones, para la elaboracin de su producto estrella precisa de
una serie de tareas ligadas por relaciones de precedencia; adems, cada tarea requiere de un tiempo
de ejecucin indicado a continuacin:
Tarea
1
2
3
4
5
6
7
8
9
Peso
0
2
5
7
10
12
17
21
26
Duracin
10
23
12
10
3
11
5
4
10
Tareas precedentes
Ninguna
1
1
2
3,4
2
2
7
5,6
Plantear el anterior problema como un modelo de programacin lineal, sabiendo que se requiere
disminuir el tiempo total.
131
VARIABLES REALES:
X.: Tiempo de comienzo asociado a la tarea i, i = 1,2, 3,4, 5, 6, 7, 8, 9
W: Funcin de costo
Modelo (primal):
1
MIN W = (0 X, + 2 X2 + 5 X3 + 7 X4 + 10 X5 + 12 X6 + 17 X7 + 21 Xg + 26 X9)
Sujeta a:
1. x ,
2. - X,
4.
>
10
>
10
>
23
+ x5
>
12
- X,4 + x 5.
>
10
>
23
+ X7
>
23
-x7+xs
>
X2
+
3. - X,
X3
+
- x2
5.
- X.
6.
7.
- x2
8.
- x2
X4
H- x 6
9.
10.
-x5
11.
X6
X9
>
X9
>
11
>
x . , x , , x , x 4 , X5, X , X X , X
Una empresa necesita tener cada da de la semana al menos el siguiente nmero de empleados:
Da
Empleados
Lunes
16
Martes
15
Mircoles
17
Jueves
19
Viernes
14
Sbado
12
Domingo
18
Si se sabe que atendiendo a convenios laborales cada empleado har su semana laboral trabajando
cinco das consecutivos, comenzando cuando la empresa lo considere y que cada contrato le supone un
costo de 300000 unidades monetarias por semana. Cuntos empleados deber contratar y qu das
deber trabajar cada uno de ellos con el objetivo de minimizar los costos de contratacin?
132
VARIABLES DE DECISIN:
X,: Cantidad de empleados que empiezan a trabajar el lunes
X0: Nmero de empleados que comienzan a laborar el martes
X3: Cantidad de empleados que empiezan a trabajar el mircoles
X4: Nmero de empleados que comienzan a laborar el jueves
X5: Cantidad de empleados que empiezan a trabajar el viernes
X6: Nmero de empleados que comienzan a laborar el sbado
X?: Cantidad de empleados que empiezan a trabajar el domingo
W: Funcin de costo.
Modelo (primal):
MIN W = 300000 (X,I + X,2 + X,3 + X,4 + X,5 + X,+
X,)
6
7'
V
Sujeta a:
1.
+ x 4 + x 5 + x6+x7
>
16
+ x5 + x 6 + x 7
>
15
>
17
>
19
>
14
>
12
x3 + x 4 + x 5 + x 6 + x 7
>
18
>
X,
2. X, +
+
4. X, +
x3 + x4
5. X, +
x3
6.
x3 + x
3. X,
7.
X
2>
+x 7
x4+x5
3>
4 +
4 '
s +
5>
6 '
Cinco corredores de fondo de un mismo equipo tienen que repartirse la nica bicicleta del
equipo para lograr llegar a la meta en el menor tiempo posible; en la siguiente tabla se muestra las
velocidades, en kilmetros por hora, caminando y en bicicleta de cada corredor:
Deportista
Caminando
en bicicleta
nl
(Km/h)
4
7
n2
(Km/h)
n3
(Km/h)
n4
(Km/h)
n5
(Km/h)
2
8
3
7
2
9
3
8
Sabiendo que los deportistas salen todos juntos desde el mismo punto de salida y que la meta se
encuentra a 10 kilmetros del mismo, plantear un modelo matemtico de programacin lineal que
resuelva el problema de optimizar el uso de la bicicleta en cada momento del trayecto, para que el
ltimo deportista llegue al punto de destino lo antes posible.
133
VARIABLES REALES:
X,: Cantidad de kilmetros que el deportista nl hace en bicicleta
Xn: Nmero de kilmetros que el deportista n2 recorre en bicicleta
X3: Cantidad de kilmetros que el deportista n3 hace en bicicleta
X4: Nmero de kilmetros que el deportista n4 recorre en bicicleta
X5: Cantidad de kilmetros que el deportista n5 hace en bicicleta
T: Tiempo mnimo empleado por el grupo en el recorrido, determinado como el tiempo empleado
por el ltimo deportista del grupo que llega a la meta
Modelo (primal):
MIN W = T
Sujeta a:
1.
X,
10-X,
+7
4
X,
1 0 - X1,
2. +
<
X,
1 0 - X1,
3. +
<
'
X5
10-X,
5. +
<
6. X , + X2 + X3 + X4 + X5
10
>
X , X X , X4, x
98.
134
actual el inversionista dispone de 10000000 unidades monetarias. Cul debe ser su plan de inversin
en tales acciones para disponer de un mximo capital dentro de seis aos?
Temporadas
Nueva inversin
X0
Inversin adicional
Beneficios
i *
1
X,
2X0
2Xi
x2
2 X2
i *
2X3
X3
i " '
X4
Ix.
2 X,
VARIABLES DE DECISIN:
X: Cantidad de dinero invertido al inicio de la temporada i - sima
i = l , 2 , 3,4, 5 , 6
Z: Funcin de utilidad
Debido a las condiciones de las acciones, conviene que X5 = 0 y X6 = 0, porque estas inversiones
no producen beneficios dentro de las seis temporadas.
Modelo (primal):
t)
1
1
1
1
1
MAX Z =
2 X o + -2 X .1 + ~
2 X,2 +
2 X3 + 2- X4 . + 100000
Sujeta a:
1
1. X, + - X0
<
100000-X 0
135
2. X
<
100000+ ^ X 0 - X ,
x2
<
100000+
1
4. x . + - X,3
4 2
<
100000+
1
100000+ j X 0 + -
>
+|x,
3. x 3 + ^
1
- 2X4
X,, X2, X3, X4
x0+
-x,-x
1
1
- x 0 + - x ,1 +
2
2
1
-x,-x,
2 2 3
1
1
1
X,+ - X2+ - X3-X4
Resumiendo:
MAX Z = 2 X 0 + 2 X , + 2X 2 + 2X 3 + 2X 4 (Funcin objetivo equivalente a la anterior)
Sujeta a:
3
1. - x0
+X,
2. - ~ x 0 +
X, + x 2
3. - \
X,+ |
x0-
x2 + x3
1 x
1
1
3
- - T
2 no- T2 X, '- -2 X,2 + -2 X,3 + X44
2 - - X,
- - T
2 Xon - 2- x 1. - 2- X,
2 3 + 2 - 4X.
<
100000
<
100000
<
100000
<
100000
<
100000
Un industrial desea determinar el programa ptimo para tres mezclas distintas que hace con
diferentes proporciones de pistachos, avellanas y castaas. Las especificaciones de cada una de ellas
son: la mezcla 1 debe contener 50% de pistachos como mnimo y 25% de castaas cuando ms; la libra
de esta mezcla se vende a 500 unidades monetarias. El segundo tipo debe contener el 25% de pistachos,
por lo menos y un 50% de castaas, cuando ms y se vende a 350 unidades monetarias la libra. El
tercer tipo no tiene especificaciones y se vende a 250 unidades monetarias la libra.
Sin embargo, estn restringidas las cantidades de materias primas que puede conseguir el industrial;
las mximas por perodo son: 100 libras de pistacho, 60 libras de avellanas y 100 libras de castaas.
Cada libra de pistachos le cuesta 650 unidades monetarias, la de avellanas 350 unidades monetarias y
136
y la de castaas 250 unidades monetarias. Se trata de determinar cuntas libras se deben preparar de
cada mezcla, de manera que se obtengan las mximas utilidades.
Plantear el anterior problema como un modelo de programacin lineal.
DEFINICIN DE VARIABLES:
X..:
Z :
Funcin de utilidad
Modelo (primal):
MAX Z =
500 (X |p + X1A + X1C) + 350 (X2p + X2A + X2C) + 250 (X3p + X3A + X3C) - 650 (X |p + X2p + X3p) - 350 (X,A + X2A + X3A) - 250 (X, c + X2C + X3C)
Sujeta a:
1. x 1 P
2
1
- (X1P + X]A + X1C)
^(X,p
X, c
3. X2p
1
2
5.
2C
+ X
,A + X,C)
> j&m*
.ip
(X
X lp + X ; p +X 3 p
>S
<
100
<
60
7. X, + X, + X,
<
100
> BIBLIOTECA
\
o'
i
*
Resumiendo:
MAX Z = - 150 X lp + 150 X1A + 250 X, c - 300 X2p + 100 X2C - 400 X3p - 100 X
Sujeta a:
137
l
x
, p
I
2
l
X
IP
i
3
i
x
, a
IA
2P
"
^ X 2P
^ X 2A
2 A
7.
"
'
ic
2C
i
x
5.
6
l
x
"
"
"
fX2C
>
X lp + x 2 p + X3P
<
100
, A
+ x
2 A
3A
60
X, c + X2C + X3C
<
100
x i p , x I A , x i c , x 2P , x 2A , x 2C , X3P, x 3A , X3C
<
1 0 0 . Una empresa observa que las demandas de sus productos varan cada dos meses en el
ao segn se ilustra en la siguiente tabla:
Perodo
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Demanda
100
230
100
235
100
200
En cuanto a sus productos iniciales, dispone de dos suministradores con diferentes precios: el
suministrador A produce en cada perodo 70 unidades y vende cada unidad a 300000 unidades monetarias,
mientras que el suministrador B produce en cada perodo 100 unidades y las vende a 330000 unidades
monetarias por unidad. Obviamente le conviene comprar en cada perodo tanto como sea posible al
ms barato y lo menos al ms caro, pero la exigencia de satisfacer las demandas obliga a la empresa el
tener que disponer siempre del nmero de productos demandados, teniendo presente que el costo de
conservar en su almacn un producto que llega en un perodo y sale en el siguiente es de 15000
unidades monetarias por unidad; esta ltima situacin puede aparecer, ya que algunos perodos la
demanda supera la oferta de los suministradores. Plantear un modelo matemtico para el problema de
planificar la compra a los suministradores y el almacenamiento, de manera que se minimicen los costos
totales de un ao especfico (es decir, no hay nada almacenado antes de enero, ni hay nada que guardar
despus de diciembre).
138
VARIABLES DE DECISIN:
X: Nmero de unidades procedentes del suministrador A al inicio del perodo i - simo
i
e {1,2,3,4,5,6}
Modelo (primal):
MIN W =
Sujeta a :
1. X . + Y . - U ,
2. x 2 + Y2 + U, -U 3
=.
100
230
'
-U4
100
4. x 4 + Y4 + U3 -U 5
235
100
3.
5.
5 + YS + U 4 - U 6
6.
Y6 + U5
200
0 < X1
<
70
0 < Y1
<
100
>
139
BIBLIOGRAFA
industrial
(I): Distribucin
de los
recursos.
de operaciones.
Mimeografiado
BIERMAN Harold Jr., et al. Anlisis cuantitativo para los negocios. Me Graw-Hill Irwin. Bogot: 1999.
BOIZN Jstiz Meinardo Alberto. Optimizacin. Editorial Pueblo y Educacin. La Habana: 1988.
BRONSON Richard. Investigacin de operaciones. Me Graw-Hill (Coleccin Schaum). Mxico: 1982.
BUFFA Elwood S. Direccin de operaciones. Limusa. Mxico: 1973.
BUFFA S. Elwood, DYER S. James. Ciencias de la administracin e investigacin de operaciones.
Limusa. Mxico: 1982.
BUFFA S. Elwood, SARIN Rakesh K. Administracin
Limusa. Mxico: 1992.
de la produccin y de las
operaciones.
de la produccin
y de las
de operaciones.
DANTZIG George Bernard. Linear programming and extensions. Princeton University Press. New
Yersey: 1963.
141
DAVIS Roscoe K., MCKEOWN Patrick G. Modelos cuantitativos para administracin. Grupo
Editorial Iberoamrica. Mxico: 1986.
EDGAR T.F.,HIMMELBLAU D. M. Optimization of chemicalprocesses. Me Graw-Hill. Singapore: 1988.
DE LA FUENTE O'Connor Jos Luis. Tecnologas computacionales para sistemas de ecuaciones,
optimizacin lineal entera. Editorial Revert S.A. Barcelona: 1993.
DOMINGUEZ Machuca Jos Antonio, et al. Direccin de operaciones. Aspectos estratgicos y
metodolgicos en la produccin y los servicios. Me Graw-Hill. Madrid: 1995
DOMINGUEZ Machuca Jos Antonio, et al. Direccin de operaciones.
operativos en la produccin y los servicios. Me Graw-Hill. Madrid: 1995.
Aspectos tcticos y
DORAN Jody L., HERNNDEZ Eugenio. Las matemticas en la vida cotidiana. Addison-Wesley/
Universidad Autnoma de Madrid. Madrid: 1999.
DORFMAN Robert, et al. Programacin lineal y anlisis econmico. Aguilar. Madrid: 1972.
EPPEN G. D., et al. Investigacin de operaciones en la ciencia administrativa. Pearson. Mxico 1999.
ESPINOSA Berriel Hctor M. Programacin lineal. Editorial Pax. Mxico: 1975.
FOGARTY Donald W., et al. Administracin de la produccin e inventarios. CECSA. Mxico: 1993.
GALLAGHER Charles A., WATSON Hugh J. Mtodos cuantitativos para la toma de decisiones
en administracin. Me Graw-Hill. Mxico: 1982.
GARCIA Cabaes Jaime, et al. Tcnicas de investigacin operativa. Editorial Paraninfo S.A. 1989.
GASS Sal I. Linear programming. Me Graw-Hill. Singapore: 1994.
GEREZ Vctor, CZITROM Vernica. Introduccin al anlisis de sistemas e investigacin
operaciones. Representaciones y Servicios de Ingeniera S. A. Mxico: 1978.
de
GOBERNA Torrent Miguel Angel, et al. Optimizacin lineal. Teora, mtodos y modelos. Me Graw
Hill. Madrid: 2004.
GONZALEZ Ariza Angel Len. Manual prctico de investigacin de operaciones I. Ediciones
Uninorte. Barranquilla: 1998.
GROSSMAN Stanley I. Aplicaciones de algebra lineal. Me Graw - Hill. Mxico: 1992.
GUERRERO Casas Flor Mara. Curso de optimizacin. Ariel Economa. Barcelona: 1994.
HANSEN Gregory A. Automatizacin. Prentice Hall. Mxico: 1997.
HEIN Leonard W. El anlisis cuantitativo en las decisiones administrativas. Diana. Mxico: 1967.
HIERCHE HENRI. Tcnicas modernas de gestin de empresas. Aguilar. Madrid: 1970.
HILLIER Frederick S., LIEBERMAN Gerald J. Introduccin a la Investigacin de Operaciones.
Me Graw-Hill. Mxico: 2001.
HILLIER Frederick S., et al. Mtodos cuantitativos para administracin. Me Graw-Hill. Mxico: 2001.
HOPEMAN Richard J. Administracin de produccin y operaciones. Cecsa. Mxico: 1993.
HOROWITZ Ira. Introduccin
Madrid: 1968.
142
y Servicios de
operaciones
LAWRENCE A. John, PASTERNACK A. Bany Ciencias administrativas aplicadas. CECSA. Mxico: 2004.
LEVIN Richard I., KIRKPATRICK Charles A. Enfoques cuantitativos a la administracin. Cecsa.
Mxico: 1983.
LUENBERGER David E. Programacin lineal y no lineal. Addison - Wesley Iberoamericana.
E.U.A.: 1989.
MAROTO Alvarez Concepcin. Formulacin de modelos de programacin
anlisis de sensibilidad. Universidad Politcnica de Valencia. Valencia: 1997.
lineal, solucin y
operativa empresarial.
Editorial Labor S.
lineal.
a la teora de juegos y a la
SOLER Fajardo Francisco et al. Algebra lineal y programacin lineal. Ecoe Ediciones. Bogot: 2003.
TAHA Hamdy A. Investigacin de operaciones. Pearson Prentice Hall. Mxico: 2004.
THIERAUF Robert J., GROSSE Richard A. Toma de decisiones por medio de investigacin de
operaciones. Limusa. Mxico: 1982.
TURNER J. C. Matemtica moderna aplicada: probabilidades,
operativa. Alianza Universidad. Madrid: 1995.
estadstica
investigacin
operativa
con el computador.
145