Está en la página 1de 24

FACULTAD DE INGENIERA Y ARQUITECTURA Para toda

la vida

TRABAJO FINAL
TEMA : Mtodo Grfico

CURSO

INVESTIGACION OPERATIVA I

SECCIN

33G

GRUPO

04

CICLO

VI

INTEGRANTES

Diaz Medina Renato Palomino Ruiz Carlos Quintana Ziga Josseline Quiroz Anton Luis

PROFESOR

JOSE VILLANUEVA

FECHA DE ENTREGA

: SABADO, 05 DE NOVIEMBRE DEL 2011

INDICE

1. FORMULACION DE MODELOS DE OPTIMIZACION.3 2. INTRODUCCION A LA PROGRAMACION LINEAL3 3. ESTRUCTURA DE LA PROGRAMACION LINEAL.5 3.1 Variables de decisin.5 3.2 Funcion Objetivo.5 3.3 Restricciones Estructurales.5 3.4 No negatividad5

4. SUPUESTOS BASICOS DE PROGRAMACION LINEAL6 5. METODO GRAFICO7 5.1 Concepto...................7 5.2 Conceptos Basicos..8 a. Region Factible.8 b. Restriccion activa y redundante.10 c. Demostracion de mximo y mnimo...10 d. Anlisis de cambios.10 5.3 Solucion grafica de problemas de PL..11 5.4 Metodologia.12 6. SINTESIS DEL METODO GRAFICO.14 7. CONCLUSIONES22 8. REFERENCIAS BIBLIOGRAFICAS23 9. ANEXOS.24

1. Formulacin de Modelos de Optimizacin


La forma convencional en que la Investigacin Operativa realiza la optimizacin, es construyendo un modelo matemtico que represente la esencia del problema o caso a investigar. Un modelo siempre deber ser menos complejo que el problema real, es una aproximacin abstracta de la realidad con consideraciones y simplificaciones que hacen ms manejable el problema y permiten evaluar eficientemente las alternativas de solucin.

2. Introduccin a la Programacin Lineal


Un problema es lineal porque su funcin objetivo y restricciones que se imponen al sistema son lineales, quiere decir que cumplen con las propiedades de Proporcionalidad y Aditividad. ( Soria, 2010) Esto se puede entender de forma que los problemas a resolver son simples y sin muchas variables. Aqu se encuentran dos propiedades importantes como son: Proporcionalidad: Las variaciones de las variables deben afectar en forma proporcional a la funcin objetivo y al conjunto de restricciones. Aditividad: Se utiliza porque los trminos que tienen las restricciones y objetivos del modelo pueden sumarse o restarse. Como ejemplo se puede mencionar dos productos que compiten en el mercado, si el aumento en la 3

venta de uno de ellos hace que la venta del otro sea menor, entonces ambos productos no satisfacen la condicin y pueden ser sumados. Con estos conceptos bsicos, ya se puede definir lo que es una programacin lineal. Segn algunos autores, la programacin lineal es: La programacin lineal es mtodo determinista de anlisis para decidir la mejor entre diversas alternativas presentadas. Cuan la alternativa elegida

consta de un conjunto clasificado de actividades, se le puede tomar como plan o programa. (Npoles Pea, 2007) La Programacin Lineal es una tcnica matemtica utilizada como herramienta para dar solucin a problemas comunes en diversas disciplinas como Economa, Ingeniera, Sociologa, Biologa, etc. Se trata de maximizar y/o minimizar una funcin de dos o ms variables sabiendo que tiene que cumplir con restricciones derivadas de la escasez de recursos disponibles en la realidad. (Introduccion a la Programacion Lineal, 2003) El objetivo es Optimizar, una funcin objetivo, lo cual implica maximizar o minimizar una funcin lineal sujeta a una serie de restricciones o limitaciones, expresadas por inecuaciones o ecuaciones lineales. El adjetivo lnea significa que todas las funciones matemticas del modelo debe ser funciones lineales. En este caso, las palaras programacin no se refiere a programacin en computadoras; en esencia es un sinnimo de planeacin. As la programacin lineal trata de planeacin de las actividades para obtener un resultado ptimo. Segn Guamn, de todas la tcnicas de la investigacin operativa, Se puede entender a la programacin lineal como una forma de reducir un sistema y su problema, a un solo objetivo que abarque toda la optimizacin. De este modo

se tienen las restricciones que nos ayuden a ubicar la solucin ptima, siendo estas funciones lineales.1 En sntesis, se puede precisar que la programacin lineal permite tomar el problema y fijar un punto u objetivo para poder sacar un resultado optimizando los recursos disponibles.

3. Estructura de la Programacin Lineal a) Variables de Decisin Se llama as a las incgnitas del problema. Tener una buena definicin de variables, hace que sea mas sencillo el entendimiento de los niveles de las actividades que puedan llevarse a cabo en la funcin objetivo.2 b) Funcin Objetivo Esta optimiza el objetivo abarcando todas las variables de decisin y buscando maximizar o minimizar el problema, siendo esta tambin una funcin lineal.3

c) Restricciones Estructurales Son los requisitos que debe cumplir cualquier solucin para empezar a resolver, pueden ser de: capacidad, mercado, materia prima, calidad, balance de materiales, etc.4 d) No negatividad

1 2

Crf. (Guaman Tandazo, 2011) Crf. Investigacion de operaciones 2010-slide.25 3 Crf. Introduccion de investigacin de operaciones 2010 diapositiva25 4 Crf. Investigacion de operaciones 2008 Slide 25

Todas las variables a usar estn sujetas a restricciones y siempre deben de tomar valores positivos.5

4. Supuestos bsicos de la Programacin Lineal

--- Desde un punto de vista tcnico, hay cinco supuestos que debe cumplir todo problema de programacin lineal: o Los coeficientes, la F.O y las restricciones tienen que ser conocidos de manera exacta y no debern variar en el periodo de tiempo en el que se hace la realizacin del estudio. (supuesto de certidumbre). o En todas las ecuaciones lineales debe de existir la proporcionalidad(concepto explicado anteriormente) () si para la produccin de un bien empleamos 5 horas de un determinado recurso (mano de obra, maquinaria, etc.), para producir diez unidades de dicho bien sern necesarias 50 horas del mismo recurso. (Metodo Grafico 2011:3).

o Aditividad de actividades: en todas la ecuaciones lineales presentaras en el problema, ya sean dentro de la F.O6 o las restricciones, las variables sern independientes, cada una de la otra, siendo asi, el numero de variables igual a la suma de cada actividad individual. ()por ejemplo, si producimos dos tipos de

Crf. Investigacin operativa: modelos y tcnicas de optimizacin pag.37

F.O, nos referimos a la Funcin Objetivo

bienes, uno que nos reporte un beneficio de 20 $/unidad, y otro que nos reporte un beneficio de 10 /unidad, la produccin de un bien de cada tipo supondr un beneficio total de 30 $.(Metodo Grafico 2011:3).

o La soluciones que presentara el problema, sern en su mayora nmeros reales pero no necesariamente enteros. (supuesto de divisibilidad) Para aquellos problemas en los cuales slo tenga sentido obtener soluciones enteras (cuando las soluciones se refieran a objetos indivisibles), se usarn tcnicas de Programacin Lineal Entera (PLE). (Metodo Grafico 2011:3).

o Para que se pueda resolver mediante un mtodo grafico el problema, las variables tomadas sern siempre valores positivos (supuesto de no negatividad).---7

5. Mtodo Grafico:
5.1. Concepto
Segn Angel Leon Gonzales, El Mtodo Grfico se utiliza para ilustrar tres conceptos bsicos: la metodologa para la resolucin de un problema de dos variables de decisin, la interpretacin de la solucin del problema modelado y la observacin grfica de cmo afectan los cambios a la solucin del problema.(Gonzales Leon, 2003-84) Pero en otros textos se explica que:

Crf. Metodo Grafico 2011-slide3

El Mtodo Grfico es poco poderoso ya que est limitado a resolver problemas de dos o mximo tres variables de decisin (VZQUEZ ARVALO, 2011) Lo que se explica prrafos arriba es que cuando el enunciado tenga ms de 3 variables el mtodo grafico ya no ser til para esto existe el mtodo simplex que si funciona con esta restricciones, es decir es un mtodo que ayuda a entender pero que no es muy til. El mtodo grfico de resolucin tan slo es aplicable a problemas con dos variables (X e Y). Para aquellos casos en que el nmero de variables del problema sea superior a dos, no ser posible encontrar la solucin a partir de un grfico bidimensional y, por tanto, tendremos que usar mtodos de resolucin ms complejos. () Dado que tenemos slo dos variables, podremos representar cada una de las restricciones en el plano real. Estas restricciones son semiespacios (por ser lineales), la interseccin de los cuales se denomina regin. (Metodo Grafico & Mtodo Grfico, 2011)

5.2. Conceptos bsicos.


Algunos conceptos bsicos de la Programacin Lineal que se pueden visualizar a travs del Mtodo Grfico son: a. Regin factible. b. Restriccin activa y Restriccin redundante. c. Demostrar que: Mx. Z = mn. (-Z). d. Vrtices fuera de la regin factible. e. Anlisis de cambios que afectan al modelo del problema. (Solucion de problemas con el Metodo Grafico, 2008)

A continuacin se definen los diferentes conceptos: 8

a. Regin factible.
La regin factible es formada por las restricciones del problema y en alguno(s) de sus vrtices se localiza la solucin ptima. La forma de la regin factible depende del tipo de restricciones que se tengan. Aun as, se pueden considerar dos tipos bsicos: la regin factible "cerrada" y la "abierta". La regin factible cerrada se tiene cuando las restricciones, incluyendo las de "no negatividad", delimitan la regin factible del problema. En el tipo abierto, se tiene una regin factible no acotada que solo permite la minimizacin. 8 A continuacin se presentan los grficos de estos tipos de regin factible:

Cuando un problema modelado no tiene regin factible, es debido a que algunas de sus restricciones son contradictorias entre s. Este tipo de

Leon Gonzales, 2003 pag.66

problemas son "infactibles", es decir, que el problema modelado no tiene solucin. En estos casos es necesario revisar el modelo del problema, ya que existe alguna inconsistencia en las restricciones que no permite tener una regin factible. (Solucion de problemas con el Metodo Grafico, 2008) Los problemas infactibles se debe de replantear la(as) restriccin(es) que crean las contradicciones.

b.

Restriccin activa y Restriccin redundante.

Las restricciones que forman parte de la regin factible son las "restricciones activas" mientras las que no la forman son las redundantes (Solucion de problemas con el Metodo Grafico, 2008) Las restricciones activas son en sntesis las que forman la regin factible en donde se puede encontrar la solucin optima. Estas restricciones son la esencia del problema modelado, de tal forma que, si se quita alguna de ellas se cambia la solucin ptima. Una restriccin redundante no tiene ningn efecto en la solucin ptima del problema, es una restriccin ficticia que da lo mismo dejarla en el modelo o quitarla9

c. Demostrar que: Mx. Z = mn.(-Z)


Al demostrar que Mx. Z = mn. (-Z), tambin se est demostrando que lo contrario es verdadero, es decir que mn. Z = Mx. (-Z). Este principio es muy poderoso en la solucin de problemas de minimizacin mediante el Mtodo Simplex. (Solucion de problemas con el Metodo Grafico, 2008)

d. Anlisis de cambios que afectan al modelo del problema.

Crf. Pearson Educacin, 2000 pag. 147

10

Un problema modelado de Programacin Lineal, que experimente algn tipo de cambio, puede o no cambiar su solucin ptima dependiendo del cambio. Existen dos tipos bsicos de cambio: el cambio de un coeficiente de contribucin de la Funcin Objetivo o el cambio en la disponibilidad de los recursos de las restricciones.(Solucion de problemas con el Metodo Grafico, 2008) Un cambio en alguno de los coeficientes de la Funcin Objetivo, equivale a rotar dicha Funcin Objetivo. Cuando se quiere provocar una solucin ptima alterna, se rota la Funcin Objetivo hasta quedar paralela a una restriccin activa. Dependiendo del sentido de la rotacin que se haga en la Funcin Objetivo as ser el cambio que tenga su ecuacin.

5.3. Solucin Grfica de Problemas de PL El anlisis grfico es eficiente para enfrentar la resolucin de modelos de
Programacin Lineal con 2 variables, donde el dominio de puntos factibles (en caso de existir) se encontrar en el primer cuadrante (restricciones de no negatividad que se imponen al modelo), como producto de la interseccin de las distintas restricciones del problema lineal. Para modelos con 3 ms variables la solucin grfica es imposible de aplicar, por lo cual resolvemos los mismos mediante clculos analticos. ( Soria, 2010) Una de las propiedades bsicas de un modelo de Programacin Lineal que admite solucin, es que sta se encontrar en el vrtice o frontera (tramo) del dominio de puntos factibles, a este espacio factible de soluciones se lo llama polgono de soluciones, todos los puntos dentro de ste espacio grfico, y sobre las lneas exteriores que lo forman son puntos factibles de solucin, la 11

solucin ptima se encontrar en un punto extremo del polgono. Es decir, luego de graficar el dominio o polgono, evaluamos los distintos vrtices de modo de elegir "el mejor" candidato segn sea nuestro caso (el valor de la funcin objetivo ser la que nos permitir discriminar cual es el mejor candidato dependiendo si estamos maximizando o minimizando).10

5.4. Metodologa.
-- El Mtodo Grfico utiliza la siguiente metodologa para encontrar la solucin ptima de un problema especfico: a. Calcular los puntos para graficar cada restriccin. b . Graficar las restricciones. c . Determinar la regin factible. d. Calcular las coordenadas de los vrtices de la regin factible. e. Calcular el valor de la Funcin Objetivo en dichos vrtices. f . Encontrar la solucin ptima del problema.-(Solucion de problemas con el Metodo Grafico, 2008)

No Factibilidad: Podra ocurrir que el problema propuesto no tuviese solucin. ste sera el caso en que las restricciones fuesen incompatibles, i.e., que ningn punto del plano (o, en general, del espacio real n-dimensional) puede cumplir simultneamente todas las limitaciones a las que estamos sometidos, es decir, la regin factible es un conjunto vaco.11

10 11

Crf Soria 2010 Arbones Malisani 1989 pa49

12

No Acotacin: En ocasiones, podemos encontrarnos con problemas que no tengan una solucin finita; as por ejemplo, en un problema de maximizacin podramos tener alguna variable que pudiese incrementarse indefinidamente sin violar ninguna de las

restricciones, permitiendo a la funcin objetivo tomar valores tan grandes como se desee. Grficamente, tendramos una regin factible no acotada. Redundancia: Algunas restricciones pueden estar de ms por no aportar nada nuevo a la forma de la regin factible, ya que hay otras que resultan ser ms restrictivas (esto suele ocurrir en problemas extensos, donde resulta difcil reconocer restricciones redundantes). Soluciones Mltiples: Un problema de Programacin Lineal puede tener ms de una solucin ptima (incluso infinitas). En el caso grfico de dos variables, si dos vrtices consecutivos de la regin factible son solucin ptima del problema, entonces todos los puntos del segmento comprendido entre ellos tambin sern ptimos.12

12

Arbones Malisani 1989 pag46

13

Otros autores al parecer reflejan este termino con estas palabras: La falta de explicacin de un modelo puede sealar solo una cosa, que este se encuentra mal construido. Evidentemente resulta irracional hacer que un modelo produzca una ganancia infinita (Casos Especiales, 2011). Podemos entender que las irregularidades ms probables en este modelo podran ser que: 1. No se toman en cuenta una o ms restricciones redundantes 2. No se determinan adecuadamente los parmetros (constantes) de alguna restriccin.

6. Sntesis del Mtodo grafico En sntesis despus de todo lo presentado se preguntaran para que o porque es importante el estudio del mtodo grafico, y aunque a veces se piense que no, el mtodo grafico es la forma ms practica y fcil de aprender como optimizar ya sea maximizando las ganancias o minimizando costos. Se aprende como elegir una funcin objetivo y cuales serian sus

14

restricciones encontrando as el punto optimo que utilizaremos para hallar las incgnitas para la resolucin de el problema. Tambin sirve para diferenciar y apreciar cuales son los cambios dentro de las restricciones o como se podra hacer que la empresa mejore y tenga mas ganancias al final de un procesos o un tiempo determinado y dado. Se explicara en palabras simples todo lo dicho anteriormente. Empezaremos explicando el concepto de sensibilidad segn que se estudio y se tomo encuentra para la formulacin de este trabajo, pero tiene la limitacin que el mximo nmero de variables de decisin del problema que podemos manejar, son dos, y algunas veces se puede extender a 3 dimensiones. (Montoya Navarro, 2000) El mtodo grafico es utilizado para ilustrar tres conceptos bsicos: A. La metodologa para la solucin de un problema de dos variables de decisin. B. La interpretacin de la solucin del problema modelado. C. Observar grficamente como los cambios afectan a la solucin de problema. (Metodo Grafico & Mtodo Grfico, 2011) A el parecer del grupo, la metodologa para poder resolver mas fcil es mtodo grafico es la siguiente: El mtodo grafico utiliza la siguiente metodologa para encontrar la solucin ptima del problema identificado: 1) Calcular los puntos para graficar cada restriccin. 2 ) Graficar las restricciones. 3 ) Determinar la regin factible. 4) Calcular las coordenadas de los vrtices de la regin factible. 5) Calcular el valor de la Funcin Objetivo en dichos vrtices. 6 ) Encontrar la solucin ptima del problema.

15

1. Calcular los puntos para graficar cada restriccin. Para graficar una restriccin, primero se le considera como una recta, es decir como si fuera una igualdad, y luego se encuentra el espacio solucin que cumple con la condicin de dicha restriccin, poniendo una pequea flecha para indicarlo.

2. Graficar las Restricciones Teniendo los puntos de la recta calculados anteriormente se une con una recta los puntos encontrados, teniendo en cuenta si la restriccin es mayor o menor al recurso.

16

3. Determinar la regin factible. Para determinar la regin factible en la grfica, es importante atender el sentido de las restricciones para encontrar el rea comn a todas. Para hacer esto, nos podemos auxiliar de las pequeas flechas que indican el sentido de cada restriccin.

4. Calcular las coordenadas de los vrtices de la regin factible. En el grfico, se marcaron los vrtices que forman la regin factible. La importancia de calcular las coordenadas de estos vrtices, es que ayudan a calcular el valor de la Funcin Objetivo encada uno de ellos y en base a este listado, se encuentra la solucin ptima del problema.

5. Calcular el valor de la Funcin Objetivo en dichos vrtices. Para calcular el valor de la Funcin Objetivo en un vrtice, simplemente se sustituye en ella el valor de X1y X2 dado por las coordenadas de dicho vrtice.

6. Encontrar la solucin ptima del problema. 17

Para encontrar la solucin optima de problema modelado, dada la recta y los vrtices de la regin factible, de estos se escoge aquel valor que cumple con lo establecido en la Funcin Objetivo (Max o Min).

En la siguiente grafica se puede observar que la solucin optima es el punto A (x, y), dado que se pide Maximizar la funcin objetivo. Como nos hemos dado cuenta la regin factible y las restricciones redundantes son lo que mas se puede apreciar de este mtodo siendo asi : o La regin factible que es formada por las restricciones del problema y en alguno(s) de sus vrtices se localiza la solucin ptima. La forma de la regin factible depende del tipo de restricciones que se tengan. (Solucion de problemas con el Metodo Grafico, 2008) o Las restricciones que forman parte de la regin factible son las "restricciones activas" mientras las que no la forman son las redundantes. Las restricciones activas son la esencia del problema modelado, de tal forma que, si se quita alguna de ellas se cambia la solucin ptima. Una restriccin redundante no tiene ningn efecto en la solucin ptima del problema, es una restriccin ficticia que da lo mismo dejarla en el modelo o quitarla. (Solucion de problemas con el Metodo Grafico, 2008) 18

Esta es una de las partes ms importantes en la programacin lineal sobre todo para la toma de decisiones; pues permite determinar cundo una solucin sigue siendo optima, dados algunos cambios ya sea en el entorno del problema, en la empresa o en los datos del problema mismo. Este anlisis consiste en determinar que tan sensibles es la respuesta, al cambio de algunos datos como las ganancias o costos unitarios(coeficientes de la funcin objetivo) o la disponibilidad de los recursos(trminos independientes de las restricciones). La variacin en estos datos del problema se analizara de un dato a la vez, asumiendo que todos los dems permaneces sin alteracin alguna. Esto es importante porque estamos hablando de que la sensibilidad es esttica y no dinmica y no dinmica, pues solo completa el cambio de un dato a la vez y no el de varios. Los anlisis ms importantes son: 1.-Sensibilidad de Restricciones. 2.-Sensibilidad de la F.O. Se puede rescatar lo ms importante de la sensibilidad de restricciones teniendo as que lo que se busca es hacer un anlisis visual de los cambios que se dan en el conjunto factible. Estas son las razones por las cuales es importante llevar a cabo un anlisis de sensibilidad, para investigar el efecto que tendra sobre la solucin ptima proporcionada, el hecho de que los parmetros tomaran otros valores posibles. En general, habr algunos parmetros a los que se les pueda asignar cualquier valor razonable sin que afecten la optimalizad de la solucin. Sin embargo, tambin existirn parmetros con valores probables que nos lleven a una

19

nueva solucin ptima. Esta situacin es particularmente preocupante, si la solucin original adquiere valores sustancialmente inferiores en la funcin objetivo, o tal vez no factibles.

En este ejemplo en un principio la restriccin 3 (R3) tiene un conjunto factible del rea AOB pero podemos apreciar la sensibilidad si aumentar una unidad en la restriccin entonces la restriccin correr en paralelo en una unidad para su lado derecho (rea COD) y as sucesivamente en la misma direccin , a esto le podemos llamar aumento del conjunto factible y si a la restriccin 2 disminuimos en una unidad del mismo modo correr una unidad pero hacia la
izquierda (area EOF) a esto le podemos llamar disminucin del conjunto factible. La otra sensibilidad importante a destacar es la Funcin objetivo,sobre todo para la toma de decisiones; pues permite determinar cundo una solucin sigue siendo ptima, dados algunos cambios ya sea en el entorno del problema, en la empresa o en los datos del problema mismo En ciertas aplicaciones, puede ser de inters establecer la dependencia de la solucin respecto a algunos parmetros. Para ello, el problema se resuelve repetidasveces cambiando algunos datos de entrada o lmites de sus variables. La resolucin de estos problemas puede ser de utilidad para un anlisis de sensibilidad sobre la restriccin

20

Estos parmetros de sensibilidad juegan un papel fundamental en aplicaciones de ingeniera y cientficas. Estas son las razones por las cuales es importante llevar a cabo un anlisis desensibilidad, para investigar el efecto que tendra sobre la solucin ptima proporcionada por el mtodo grafico el hecho de que los parmetros tomaran otros valores posibles. En general, habr algunos parmetros a los que se les pueda asignar cualquier valor razonable sin que afecten la optimalizacin de la solucin. Sin embargo, tambin existirn parmetros con valores probables que nos lleven a una nueva solucin ptima.

21

7. CONCLUSIONES o Anlisis de sensibilidad de restricciones y de la FO lo que se busca es hacer un anlisis visual o Con el anlisis de sensibilidad de restricciones podemos ver la variacin de el conjunto factible. Acerca del anlisis de Sensibilidad:
o Si cambiamos los coeficientes de la funcin objetivo, sta puede cambiar su pendiente. El cambio de la pendiente puede afectar a la solucin ptima y al valor ptimo. El cambio en el valor del lado derecho de una restriccin equivale grficamente a un desplazamiento paralelo de la restriccin. Esto puede afectar tanto a la solucin ptima como al valor ptimo. El efecto depender de qu restriccin se haya cambiado y en qu medida. Estrechar una restriccin de desigualdad significa hacerla ms difcil de satisfacer. Para una restriccin esto significa aumentar el lado derecho. Para una restriccin significa disminuirlo. Relajar una restriccin de desigualdad, o bien crece el conjunto factible o posiblemente queda inalterado.. Estrechar una restriccin de desigualdad, o bien se contrae el conjunto factible posiblemente quede inalterado. Una restriccin es redundante si al ser retirada no cambia la regin factible. Es muy importante considerar que una restriccin puede ser redundante para un conjunto dado, no lo sea cuando se cambian algunos datos. En cualquier modelo de programacin lineal, para un conjunto fijo de datos, las restricciones inactivas pueden ser retiradas sin afectar la solucin ptima. La solucin ptima depende por completo de las restricciones activas.

o o

To esto lo podemos resumir en pocas palabras, el mtodo grafico es la resolucin optima para poder maximizar o minimizar recursos a mejores costos y aunque no es un mtodo con el cual sirva para poder solucionar problemas en la vida real, sirve para que podamos entnder como es que los problemas que existen en las empresas tiene solucin.

22

8. REFERENCIA BIBLIOGRAFICA Npoles Pea, O. (2007). Aspectos fundamentales de la Programacion Lineal. En Investigacion Operativa I. (pg. 22). Universitaria. Introduccion a la Programacion Lineal. (2003). Disponible en: http://www.utu.edu.uy/Publicaciones/Publicaciones%20Educativas/Libros%20d e%20Matematica/PROGRAMACION%20LINEAL.pdf Solucion de problemas con el Metodo Grafico. (2008). Recuperado el 28 de 10 de 2011, de http://es.scribd.com/doc/6729799/2-Metodo-Grafico Soria, A. (25 de 09 de 2010). Apunte - pl solucion grafica. Recuperado el 27 de 10 de 2011, de http://es.scribd.com/doc/38148998/Apunte-PL-Solucion-Grafica
Casos Especiales. (28 de 10 de 2011). mitecnologico. Obtenido de http://www.mitecnologico.com/Main/CasosEspecialesMetodoSimplex Guaman Tandazo, R. (27 de 10 de 2011). Investigacion de Operaciones. Metodo Grafico, & Mtodo Grfico. (28 de 10 de 2011). Programacion Lineal. VZQUEZ ARVALO, J. (28 de 10 de 2011). http://es.scribd.com/. Obtenido de http://es.scribd.com/: http://es.scribd.com/doc/6729799/2-Metodo-Grafico

http://www.slideshare.net/informatico2021/introduccion-inv-op

23

ANEXO

24

También podría gustarte