Nombre de la asignatura: Investigacin de Operaciones Carrera: Ingeniera Civil Horas teora-horas prctica-crditos2-2-6

UNIDAD UNO

PROGRAMACIN LINEAL

1.1 1.1.1 1.1.2 1.1.3 1.2 1.2.1 1.2.2 1.2.3 1.2.4

Planteamiento del problema de programacin lineal. Definicin del problema de programacin lineal. El modelo matemtico primal de optimizacin. El modelo matemtico dual de optimizacin. Resolucin del problema de programacin lineal. Interpretacin geomtrica Mtodo simplex Anlisis de sensibilidad Aplicacin de paquetes computacionales

Introduccin a la Investigacin de Operaciones

Las races de la investigacin de operaciones se remontan a muchas dcadas, cuando se hicieron los primeros intentos para emplear el mtodo cientfico en la administracin de una empresa, sin embargo, el inicio de la actividad llamada I.O., casi siempre se atribuyo a los servicios militares prestados a principios de la segunda guerra mundial. Debido a los esfuerzos blicos, exista una necesidad urgente de asignar recursos escasos a las distintas operaciones militares y a las actividades dentro de cada operacin en la forma ms efectiva. Por esto, las administraciones militares americana y britnica hicieron un llamado a un gran nmero de cientficos para que aplicaran un mtodo cientfico a este y a otros problemas estratgicos y tcticos.

Conceptos y aspectos relevantes de la teora 1. La Investigacin de Operaciones es una ciencia gerencial, enfocada hacia la toma de decisiones gerenciales, basada en el mtodo cientfico para resolver problemas. 2. La Investigacin de Operaciones no es slo un conjunto de herramientas matemticas. De hecho, es un enfoque sistemtico que usa herramientas analticas para resolver problemas.

3. La Investigacin de Operaciones tiene sus races en operaciones militares de la Segunda Guerra Mundial; su posterior aplicacin en el campo de los negocios, creacin de bases tericas y el desarrollo de la computadora permiti que esta nueva disciplina fuese incluida como asignatura en las universidades a partir de la dcada de los 50. 4. Entre otras definiciones que se hacen de la Investigacin de Operaciones, las de la Sociedad de Investigacin de Operaciones de Gran Bretaa y de Estados Unidos, destacan en su definicin los aspectos siguientes: a) Su aplicacin en sistemas . Se usa para tomar decisiones dentro de sistemas, b) El uso de modelos como su esencia. Para tomar decisiones se modela el sistema, c) Su propsito de ayudar a tomar accin, cientficamente. Se usa el enfoque cientfico, el anlisis cuantitativo, d) Su casi ilimitada amplitud de aplicaciones. Se usa en negocios, industrias, gobierno y defensa. 5. Tomar decisiones es la tarea esencial de toda persona o grupo que tiene bajo su responsabilidad el funcionamiento de una organizacin entera o parte de ella. 6. En la toma de decisiones el anlisis puede tomar dos formas: cualitativo y cuantitativo. 7. El anlisis cualitativo se basa principalmente en el juicio y experiencia de la gerencia, incluye sentimientos intuitivos sobre el problema tratado y es ms un arte que una ciencia. 8. El anlisis cuantitativo se concentra en hechos cuantitativos o datos asociados con los problemas y desarrolla expresiones matemticas que describen las relaciones existentes en ellos. Seguidamente, utilizando mtodos cuantitativos, obtiene resultados con los que se hacen recomendaciones basadas en los aspectos cuantitativos del problema. 9. El papel del anlisis cuantitativo en la toma de decisiones puede variar dependiendo de la importancia de los factores cualitativos. 10. En algunas situaciones, cuando el problema, el modelo y los insumos permanecen iguales, el anlisis cuantitativo puede hacer automtica la decisin con los resultados obtenidos al usar mtodos cuantitativos. En otros casos, el anlisis cuantitativo es slo una ayuda para tomar la decisin y sus resultados deben ser combinados con informacin cualitativa. 11. Los modelos matemticos son la base del anlisis cuantitativo. 12. La esencia de la Investigacin de Operaciones es el uso de modelos. 13. Un modelo es una representacin simplificada de un sistema de la vida real, de una situacin o de una realidad. 14. Un sistema es un conjunto de elementos que interactan entre s. 15. Un modelo captura caractersticas selectas de un sistema, proceso o realidad, y luego las combina en una representacin abstracta del original. 16. La Investigacin de Operaciones hace uso extensivo del anlisis cuantitativo, como parte integral del enfoque cientfico para tomar decisiones gerenciales. 17. Este anlisis es racional y lgico. Consiste en: a) Definir claramente un problema, que previamente se ha determinado que existe, b) Desarrollar un modelo, c) Recolectar los datos de insumo, d) Solucionar el Modelo, e) Validar resultados, Interpretarlos, y f) Implementarlos en la ejecucin de una decisin.

18. Definir el problema es el paso inicial del anlisis cuantitativo, es primordial y muchas veces el paso ms difcil. Debe reflejar una representacin segura del inters total de sistema. La esencia del problema se debe establecer explcitamente y no de manera ambigua. 19. La definicin del problema es un paso crtico y determinante en el xito o fracaso de cualquier enfoque cuantitativo para tomar decisiones. Si el problema no se ha escrito, no se ha definido. 20. Muchas veces se concluye que el problema debe ser redefinido despus de haber realizado varios pasos para tomar una decisin. 21. Al definir el problema se deben identificar alternativas, criterios para evaluar esas alternativas, y seleccionarlas La optimizacin es un criterio utilizado y es sinnimo de maximizacin o minimizacin. La evaluacin de las alternativas se hace con modelos. 22. La definicin de un problema determinar el tipo de modelo a usar. 23. Los modelos pueden ser objeto de diversa clasificacin. Tres formas de modelo son: Icnico, Analgico y Matemtico. Los icnicos son representaciones a escala (rplicas fsicas) de objetos reales. Los analgicos o esquemticos son modelos fsicos en cuanto a la forma pero no son semejantes fsicamente al objeto que est siendo modelado (mapas de carreteras). 24. Los modelos matemticos (llamados tambin simblicos) representan sistemas del mundo real; cuantifican sus variables y las combinan en expresiones y frmulas matemticas. Son idealizaciones de problemas de la vida real basados en supuestos claves, estimados y/ estimaciones estadsticas. 25. Los modelos matemticos son los que, tradicionalmente, han sido ms comnmente identificados con la Investigacin de Operaciones. 26. Los modelos matemticos, base para el anlisis cuantitativo, contienen variables y parmetros. Relacionan variables de decisin (Insumos Controlables) con parmetros o coeficientes fijos (Insumos Incontrolables) y frecuentemente buscan maximizar o minimizar una funcin objetivo sujeta a restricciones. 27. Formular y construir el modelo son procesos integrados. La formulacin es el aspecto lgico conceptual y la construccin es la expresin de las relaciones lgicas en el lenguaje simblico de la Matemtica. 28. La Investigacin de Operaciones provee un sinnmero de modelos para distintos sistemas. Esos modelos o representaciones cuantitativas de la realidad es un aspecto clave que diferencia la toma de decisiones cuantitativas de las tomas de decisin en general. 29. El desarrollo de los modelos, y en general el anlisis cuantitativo, involucra a grupos interdisciplinarios. 30. El modelo debe tener solucin, ser realista, fcil de entender y de modificar. Adems debe permitir que los datos de insumo requeridos puedan ser obtenidos. 31. Las principales razones para usar modelos, en lugar de trabajar directamente sobre la realidad, son las siguientes: a) Ahorro de dinero, tiempo u otro bien de valor; b) Evitar riesgos de daos al sistema cuando se est solucionando el problema; c) Para entender mejor el ambiente real cuando ste es muy complicado.

32. La recoleccin de los datos, se refiere a obtener la informacin cuantitativa que es necesaria para obtener una solucin. Incluye escalas de medidas: nominal, ordinal y ratios. 33. Las fuentes de datos incluyen: a) Reportes de la organizacin y documentos; b) Muestreos estadsticos; c) Entrevistas con personas empleados o relacionadas con la organizacin cuyo juicio y experiencia son invalorables y a menudo proporcionan informacin excelente. Adems pueden incluirse otras medidas directas. A menudo los datos son incorrectos o inapropiados porque son recolectados bajo suposiciones que no son apropiadas. A veces no estn disponibles y deben ser recogidos por el analista. 34. Dependiendo de datos buenos, se obtendrn buenos resultados; de lo contrario, se obtendr lo que no se quiere, como resultado de la utilizacin de un mal insumo. 35. La solucin de modelos matemticos, bien documentada en la bibliografa de Investigacin de Operaciones, incluye un algoritmo o serie de clculos especficos que deben realizarse. Cada modelo usa un particular algoritmo. Muchos de ellos contienen pasos repetitivos y por eso se les llama iterativos, esto permite su fcil implementacin en la computadora. 36. En anlisis cuantitativo la solucin ptima es la mejor solucin matemtica. 37. La interpretacin de resultados implica examinarlos a la luz de los objetivos propuestos. Se debe determinar las implicaciones de su aplicacin. Adems, como el modelo es una aproximacin de la realidad, debe ser analizada la sensibilidad de la solucin a cambios que ocurran en sus insumos. Para ello se cuenta con el Anlisis de Sensibilidad o Anlisis de Post- optimizacin. 38. Toma de decisin e implementacin consiste en trasladar los resultados obtenidos en detalladas instrucciones de operaciones para la organizacin. Los procesos de control son necesarios. 39. Muchos grupos de anlisis cuantitativo han fracasado en sus esfuerzos porque han fallado en implementar, apropiadamente, una buena solucin viable. 40. La solucin ptima de un modelo matemtico, no es siempre la poltica que debe ser implementada por la empresa. 41. La decisin final la debe tomar el ser humano, que tiene conocimientos que no se pueden cuantificar exactamente, y que puede ajustar los resultados del anlisis para llegar a una decisin conveniente. 42. El anlisis cuantitativo no reemplaza el sentido comn, es un complemento. Los modelos cuantitativos auxilian a los encargados de tomar decisiones, pero es ir muy lejos decir que lo sustituye. El rol de la experiencia, intuicin y juicio del ser humano no puede ser disminuido. 43. Entre los ms usados modelos cuantitativos de Investigacin de Operaciones se encuentran los usados en las Tcnicas de Programacin Lineal, PERT-CPM y los de la Teora de Colas. 44. Aunque el ritmo de desarrollo de nuevas tcnicas ha bajado con relacin a los primeros tiempos, en los ltimos tiempos ha aumentado la extensin de la amplitud de las reas donde se aplica y en las magnitudes de los problemas que pueden ser resueltos con las metodologas de Investigacin de Operaciones.

45. Un punto clave es que la Investigacin de Operaciones usa una metodologa que est objetiva y claramente articulada. Est construida alrededor de la filosofa de que tal enfoque es superior al que est basado solamente en la subjetividad y opinin de expertos. Por lo tanto conduce a mejores y ms consistentes decisiones. Sin embargo no excluye el juicio y razonamiento no cuantificable del ser humano. No es pues un proceso absoluto de toma de decisiones, sino una ayuda para tomar buenas decisiones.

La programacin matemtica es una potente tcnica de modelado usada en el proceso de toma de decisiones. Cuando se trata de resolver un problema de este tipo, la primera etapa consiste en identificar las posibles decisiones que pueden tomarse; esto lleva a identificar las variables del problema concreto. Normalmente, las variables son de carcter cuantitativo y se buscan los valores que optimizan el objetivo. La segunda etapa supone determinar que decisiones resultan admisibles; esto conduce a un conjunto de restricciones que se determinan teniendo presente la naturaleza del problema en cuestin. En la tercera etapa, se calcula el costo/beneficio asociado a cada decisin admisible; esto supone determinar una funcin objetivo que asigna, a cada conjunto posible de valores para las variables que determinan una decisin, un valor de costo/beneficio. El conjunto de todos estos elementos define el problema de optimizacin. La programacin lineal (PL), que trata exclusivamente con funciones objetivos y restricciones lineales, es una parte de la programacin matemtica, y una de las reas ms importantes de la matemtica aplicada. Se utiliza en campos como la ingeniera, la economa, la gestin, y muchas otras reas de la ciencia, la tcnica y la industria. Se hace notar que cualquier problema de programacin lineal requiere identificar cuatro componentes bsicos: 1. El conjunto de datos. 2. El conjunto de variables involucradas en el problema, junto con sus dominios respectivos de definicin. 3. El conjunto de restricciones lineales del problema que definen el conjunto de soluciones admisibles. 4. La funcin lineal que debe ser optimizada (minimizada o maximizada).

1.1

Planteamiento del problema de programacin lineal.

Para el planteamiento del problema, se utiliza un modelo matemtico para describir el problema, El objetivo lineal significa que todas las funciones matemticas del modelo deben ser funciones lineales, en este caso la palabra programacin es sinnimo de planeacin. As, la programacin lineal trata la planeacin de las actividades para un resultado ptimo; esto es, el resultado que mejor alcance la meta especificada entre todas las alternativas de solucin. Aunque la asignacin de recursos a las actividades es la aplicacin ms frecuente, la programacin lineal tiene muchas otras posibilidades. El objeto de la programacin lineal es optimizar (minimizar o maximizar) una funcin lineal de n variables sujeto a restricciones lineales de igualdad o desigualdad. Ms formalmente, se dice que un problema de programacin lineal consiste en encontrar el optimo (mximo o mnimo) de una funcin lineal en un conjunto que puede expresarse como la interseccin de un numero finito de hiperplanos y semiespacios. El objeto de la programacin lineal es optimizar (minimizar o maximizar) una funcin lineal de n variables sujeto a restricciones lineales de igualdad o desigualdad. Ms formalmente, se dice que un problema de programacin lineal consiste en encontrar el optimo (mximo o mnimo) de una funcin lineal en un conjunto que puede expresarse como la interseccin de un numero finito de hiperplanos y semiespacios en IRn. Considrense las siguientes definiciones. Conceptos y aspectos relevantes de la teora de Programacin Lineal 1- Programacin Lineal es una tcnica cuantitativa ampliamente aplicada en sistemas que presenten relaciones lineales, para utilizar los recursos escasos de la mejor manera posible. 2- La mejor manera de usar los recursos escasos se logra utilizando un modelo del sistema llamado Modelo de Programacin Lineal. 3- El Modelo de Programacin Lineal es un modelo matemtico con variables de decisin, coeficientes y/o parmetros, restricciones y una Funcin Objetivo. 4- Es determinstico porque todos los datos relevantes utilizados, son conocidos. Es lineal porque las restricciones y el objetivo son funciones lineales. La contribucin de cada variable al valor total del objetivo y al lado derecho de cada restriccin es proporcional al valor de la variable. Es aditivo porque los trminos de sus restricciones y objetivo pueden sumarse (o restarse). La contribucin de cada variable es independiente del valor de las otras variables. Es divisible porque las variables de decisin pueden

5-

67-

8-

aceptar valores fraccionales. En caso de no aceptar valores fraccionales, sera preferible usar Programacin Lineal Entera. La Formulacin y Construccin del Modelo Lineal implica: a) Definir claramente las variables de decisin y expresarlas simblicamente o convencionalmente. b) Definir claramente la Funcin Objetivo y las restricciones y expresarlas matemticamente como funciones lineales. Debe cuidarse que los elementos componentes del modelo sean expresados para el mismo perodo de tiempo. Se debe estipular que las variables de decisin sean mayores o iguales a cero. Esto acerca el modelo a la realidad. En los programas de computadora para resolver modelos lineales, ya est incluida esta condicin y no hace falta incorporarla manualmente. La Funcin Objetivo del Modelo Lineal es la formulacin matemtica de una meta establecida y por lo tanto su valor final mide la efectividad lograda. Es una funcin lineal a ser maximizada o minimizada y tiene la siguiente forma general: Optimizar C1X1 + C2X2 + C3X3 + C4X4 +...................+ CnXn

9- Xj, simboliza matemticamente a las variables de decisin. Son los valores numricos que se determinan con la solucin del modelo y representan o estn relacionadas con una actividad o accin a tomar. Son los nicos valores desconocidos en el modelo y pueden existir en cualquier cantidad, desde 1 hasta n variables. Es decir, j vara desde 1 hasta n. 10- Cj, matemticamente, simboliza el coeficiente de la variable j en la Funcin Objetivo. Son datos relevantes, insumos incontrolables ya conocidos. En la Funcin Objetivo representan la cantidad con la cual contribuye cada unidad de la variable j, al valor total deseado en el objetivo. 11- Las restricciones, desde el punto de vista matemtico, son funciones lineales expresadas como igualdades o desigualdades, que limitan el valor de las variables de decisin a valores permisibles. Representan recursos, condiciones o requerimientos establecidos. Las restricciones del Modelo Lineal general tienen la forma siguiente: a11 X1 + a 12 X 2 + a 13 X 3 + a14 X 4 + .................. + a1n Xn a21 X1 + a 22 X 2 + a 23 X 3 + a24 X 4 + .................. + a2n Xn a31 X1 + a 32 X 2 + a 33 X 3 + a34 X 4 + .................. + a3n Xn . . . . . . . . . . am1 X1 + a m2 X 2 + am3 X 3 + am4 X 4 +...............+ amn Xn = b1 = b2 = b3 . . = bm

12- aij, matemticamente simboliza el coeficiente, en la restriccin i, de las variable j. El subndice i indica el recurso, requerimiento o condicin cuya limitacin se est expresando; j indica la variable correspondiente.

Cuando la limitacin es de un recurso i, estos coeficientes representan la cantidad del recurso total limitado i, que es utilizada en cada unidad de la variable j. Cuando la limitacin es de un requerimiento o condicin i, representan la cantidad del requerimiento o condicin i limitada, que aporta cada unidad de la variable j, al requerimiento o condicin total establecida. Son, por ello, valores unitarios, al igual que los coeficientes de las variables en la Funcin Objetivo. 13- bi, matemticamente constituye el lado derecho de la restriccin i. Representa la cantidad total disponible del recurso limitado i, o la cantidad total de un requerimiento o condicin i establecida. Puede existir cualquier cantidad de restricciones por lo tanto i puede variar desde 1 hasta m. 14- Xj 0 es una restriccin de no negatividad de las j variables, la cual se le considera siempre presente como una condicin natural en el Modelo Lineal General.

1.1.1 Definicin del problema de programacin lineal. Esta es la primera actividad a realizar, es estudiar el sistema relevante y desarrollar un resumen bien definido del problema que se va a analizar. Esto incluye determinar los objetivos apropiados, restricciones sobre lo que se puede hacer, las interrelaciones del rea bajo estudio con otras reas de la organizacin, los diferentes cursos de accin posibles, los lmites de tiempo para tomar una decisin, etc. Este proceso de definicin del problema es crucial, ya que afectar, en forma significativa la relevancia de las conclusiones del estudio. Es difcil extraer una respuesta correcta a partir de un problema equivocado. Lo primero que debe reconocerse es que un equipo de I.O., por lo general, trabaja en un nivel de asesora. A los miembros del equipo no se les presenta un problema y se les dice que lo resuelvan como puedan, si no que asesoran a la gerencia. El equipo realiza un anlisis tcnico detallado y despus presenta recomendaciones a los administradores. El gerente evala el estudio y sus recomendaciones, toma en cuenta una gran variedad de factores intangibles y toma una decisin final con base en su mejor juicio. Tomar los objetivos adecuados, es un aspecto muy importante de la formacin del problema. Para hacerlo es necesario primero identificar a las personas de la administracin que tomaran las decisiones concernientes al sistema en estudio. Los objetivos formulados deben coincidir con los de toda la organizacin, sin embargo, esto no siempre es conveniente, muchos problemas interesan nada mas a una parte de la organizacin, de manera que el anlisis sera demasiado extenso si los objetivos fueran generales y si se prestar atencin especial a todos los efectos secundarios sobre el resto de la organizacin en lugar de ello, los objetivos usados en un estudio deben ser tan especficos como sean posibles, siempre y cuando contemplen las metas principales del tomador de decisiones y mantengan un nivel razonable de consistencia con los objetivos del nivel ms alto.

Tarea Investigar los siguientes conceptos Objetivo, Metas, Variables, Restricciones, Funcin, Modelos y tipos de modelos

1.1.2 El modelo matemtico primal de optimizacin. Una vez definido el problema, la siguiente etapa consiste en reformularlo de manera conveniente para su anlisis. La forma convencional en que la I.O. realiza esto, es construyendo un modelo matemtico que represente la esencia del problema antes de analizar como formular los modelos de este tipo, se explotar su naturaleza general y , en particular , la de los modelos matemticos. Los modelos, o representaciones idealizadas son una parte integral de la vida diaria. Entre los ejemplos ms comunes pueden citarse aeromodelos, retratos, globos, terrqueos, y otros. De igual manera, los modelos tienen un papel muy importante en la ciencia y los negocios, como lo hacen los modelos del tomo y de estructuras genticas, las ecuaciones matemticas que describen las leyes fsicas del movimiento o las reacciones qumicas, las graficas, organigramas, y los sistemas contables en la industria. Esos modelos son invaluables, pues extraen la esencia de la materia de estudio, muestran sus interrelaciones y facilitan el anlisis. Los modelos matemticos tambin son representaciones idealizadas, pero estn expresadas en trminos de smbolos y expresiones matemticas. El modelo matemtico de un problema industrial es el sistema de ecuaciones y expresiones matemticas relacionadas que describen la esencia del problema. As, si deben tomarse n decisiones cuantificables relacionadas entre s, se representan como Variables de decisin (digamos x1, x2, ..., xn,) para las que se deben de determinar valores respectivos. La medida de desempeo adecuada (por ejemplo, la ganancia) se expresa entonces como una funcin matemtica de estas variables de decisin (por ejemplo, P = 3x1+ 2x2 + ... + 5xn) esta funcin se llama Funcin Objetivo.

Tambin se expresan en trminos matemticos todas las limitaciones que se puedan imponer sobre los valores de las variables de decisin, casi siempre en forma de ecuaciones o desigualdades como (x1 + 3x2 10), tales expresiones matemticas de las limitaciones, con frecuencia reciben el nombre de Restricciones. Las constantes (los coeficientes o el lado derecho de las ecuaciones) en las restricciones y en la funcin objetivo se llaman Parmetros del modelo. El modelo matemtico puede expresarse entonces como el problema de elegir los valores de las variables de decisin de manera que se maximice la funcin objetivo, sujeta a las restricciones dadas. Un modelo de este tipo, y algunas variables menores sobre l, tipifican modelos analizados en I.O. Los modelos matemticos tienen muchas ventajas sobre una descripcin verbal del problema. Una ventaja obvia es que el modelo matemtico describe un problema en

forma mucho ms concisa. Esto tiende a hacer ms compresible toda la estructura del problema y ayuda a revelar las relaciones importantes causa efecto. Indica con ms claridad que datos adicionales son importantes para el anlisis. Tambin facilita el manejo del problema en su totalidad y al mismo tiempo el estudio de sus interrelaciones. Por ltimo, un modelo matemtico forma un puente para el empleo de tcnicas matemticas y computadoras de alto poder, para analizar el problema.

1.1.3 El modelo matemtico dual de optimizacin. Uno de los descubrimientos ms importantes durante el desarrollo inicial de la P.L. fue el concepto de dualidad y sus muchas e importantes ramificaciones. Este descubrimiento revelo que, asociado a todo problema de P.L. existe otro problema lineal llamado dual. Las relaciones entre el problema dual y el original, llamado primal son en extremo tiles en una gran variedad de situaciones. Dada la forma estndar para el problema primal, mostrado a la izquierda, su problema dual tiene la forma que se muestra a la derecha. Problema Primal
n

Problema Dual
m

Maximizar Z = cj xj ,
j=1

Minimizar W = bi yi ,
i=1

Sujeta a:
n

Sujeta a:
m

aij xj bi , para i = 1,2,..., m

j=1 y y

aij yi cj , para j = 1,2,..., n

j=1 yi

xj 0 , para j = 1, 2,..., n

0 , para i = 1, 2,..., m

Entonces el problema dual usa exactamente los mismos parmetros que el problema primal, pero en diferentes lugares. Para recalcar esta comparacin, observe ahora estos mismos problemas en la notacin matricial, en donde: c, y = (y1, y2, ..., ym) son vectores rengln, pero b, x son vectores columnas. Problema Primal Maximizar Z = c x , Sujeta a:
Ax y

Problema Dual Minimizar W = y b , Sujeta a: ya c

j=1 y yi

x 0

0 , para i = 1, 2,..., m

Problema Primal Maximizar Z = 3x1 + 5x2 Sujeta a: x1 4 2x2 12 3x1 + 2x2 18

x1 0, x2 0

Problema Dual Minimizar W = 4y1 + 12y2 + 18y3 Sujeta a:

y1

3y3 3 2y2 + 2y3 5

y1 0, y2 0, y3 0

1.2

Resolucin del problema de programacin lineal.

1.2.1 Interpretacin geomtrica 1.2.2 Mtodo simplex

1.2.3 Anlisis de sensibilidad

1.2.4 Aplicacin de paquetes computacionales