Академический Документы
Профессиональный Документы
Культура Документы
INTRODUCCIÓN .............................................................................................................................. 2
1. CARACTERÍSTICAS DE LOS PROBLEMAS DE DECISIÓN EN CONTEXTOS DE
CERTIDUMBRE. .............................................................................................................................. 3
1.1. LA TOMA DE DECISIONES EN CONDICIONES DE CERTEZA................................. 4
1.2. CARACTERÍSTICAS GENERALES. ................................................................................. 5
1.3. PROBLEMAS EN CONTEXTOS CIERTOS. ................................................................... 6
2. TABLA DE PONDERACIÓN LINEAL PARA RESOLVER PROBLEMAS DE TIPO
LINEAL. .............................................................................................................................................. 7
3. USO DE LA PROGRAMACIÓN LINEAL PARA RESOLVER PROBLEMAS DE TIPO
LINEAL. .............................................................................................................................................. 9
4. FORMULACIÓN DE MODELOS DE PROGRAMACIÓN LINEAL. ................................. 10
5. VALIDEZ DEL MODELO Y FORMULACIÓN. ................................................................... 12
5.1. FASES EN LA RESOLUCIÓN DE PROBLEMAS DE PROGRAMACIÓN LINEAL. 13
6. SOLUCIÓN DE MODELOS DE PROGRAMACIÓN LINEAL. ......................................... 13
6.1. SOLUCIÓN POR EL MÉTODO GRÁFICO .................................................................... 13
6.2. SOLUCIÓN POR EL MÉTODO SIMPLEX. .................................................................... 19
6.3. MÉTODO DE TRANSPORTE. ......................................................................................... 23
6.4. MÉTODO DE ASIGNACIÓN. ........................................................................................... 23
6.5. ANÁLISIS DE SENSIBILIDAD.......................................................................................... 24
7. CONCLUSIONES. .................................................................................................................. 26
8. BIBLIOGRAFÍA. ...................................................................................................................... 28
1
INTRODUCCIÓN
Las condiciones en las que los individuos toman decisiones en una organización
son reflejo de las fuerzas del entorno (sucesos y hechos) que tales individuos no
pueden controlar, pero las cuales pueden influir a futuro en los resultados de sus
decisiones. Estas fuerzas pueden ir desde nuevas tecnologías o la presencia de
nuevos competidores en un mercado hasta nuevas leyes o disturbios políticos.
Además de intentar la identificación y medición de la magnitud de estas fuerzas, los
administradores deben estimar su posible impacto a futuro. Los administradores y
demás empleados involucrados en los pronósticos y la planeación pueden sentirse
fuertemente presionados a identificar tales hechos y sus impactos, especialmente
cuando no es probable que ocurran hasta años después.
Con mucha frecuencia, los individuos deben basar sus decisiones en la limitada
información de que disponen; de ahí, que el monto y precisión de la información y
el nivel de las habilidades de conceptualización de los individuos sean cruciales
para la toma de decisiones acertadas. Las condiciones en las que se toman las
decisiones pueden clasificarse en términos generales como certeza o certidumbre,
incertidumbre y riesgo. Prácticamente todas las decisiones se toman en un
2
ambiente de cierta incertidumbre. Sin embargo, el grado varía de una certeza
relativa a una gran incertidumbre.
3
1.1. LA TOMA DE DECISIONES EN CONDICIONES DE CERTEZA.
Una clase importante de problemas de decisiones incluye aquellos en los cuales
cada acto disponible para quien toma la decisión tiene consecuencias que pueden
ser conocidas previamente con certeza. A tales problemas se le llama toma de
decisiones bajo condiciones de certeza.
En la toma de decisiones existen ciertos riesgos implícitos. En una situación donde
existe certeza, las personas están razonablemente seguras sobre lo que ocurrirá
cuando tomen una decisión, cuentan con información que se considera confiable y
se conocen las relaciones de causa y efecto
4
administradores de primera línea toman decisiones diariamente en condiciones de
certidumbre, o casi.
Por ejemplo, un apretado programa de producción puede obligar a un administrador
de primera línea a pedir a 10 empleados que trabajen cuatro horas de tiempo extra.
El administrador puede determinar el costo de las horas extras con toda certeza.
También puede prever con alto grado de certidumbre el número de las unidades
adicionales que pueden calcularse con casi absoluta certeza antes de programar
las horas extras.
5
Los procesos de decisión se clasifican de acuerdo según el grado de conocimiento
que se tenga sobre el conjunto de factores o variables no controladas por el decisor
y que pueden tener influencia sobre el resultado final (esto es lo que se conoce
como ambiente o contexto). Así, se dirá que:
- El ambiente de riesgo cuando cada decisión puede dar lugar a una serie de
consecuencias a las que puede asignarse una distribución de probabilidad
conocida.
Dicho todo lo anterior, podemos decir que los problemas de decisión con certeza se
caracterizan por tres aspectos fundamentales:
- Se parte del supuesto que el agente decisor conoce los posibles eventos de
ocurrencia y el comportamiento de las variables involucradas.
6
Desde la aplicación empresarial, estas aplicaciones se producen en diferentes
ámbitos de las áreas funcionales tales como los procesos de producción, procesos
de inventarios, proyectos etc., y los instrumentos académicos estructurados son la
programación lineal y los modelos de inventarios.
e1 e2 e3 … en
ACCIONES O
7
am xm1 xm2 xm3 … xmn
Ejemplo:
Un carpintero debe usar 10 clavos de ½” pulgada para terminar de armar un mueble
de lujo; solo posee 6 clavos de la medida que corresponde y el resto, son de 1”
pulgada, en la ferretería más cercana, a unos 20 minutos de la carpintería, existen
los clavos que necesita. Se debe entregar el mueble en 1h, de lo contrario se pierde
el cliente y por tanto, el ingreso que representa la venta, donde incluye la inversión
realizada y las ganancias equivalentes, por mano de obra etc.
¿Cuál sería la decisión más sensata a tomar?
Comentario:
No es un tema para debate en el argot de análisis, solo es un ejemplo aprioris para
la comprensión del llenado de la tabla de forma general.
Tabla de decisiones:
TERMINAR DE ARMAR EL MUEBLE DE LUJO
ALTERNATIVA
Buenos resultados
ACCIONES O
8
Pactar una nueva El cliente no acepta
El mueble quedará con
hora de entrega y otra hora diferente a la
excelente calidad usando
buscar a la El cliente acepta otra hora pactada inicialmente y
los clavos idóneos y
ferretería los pero impone reclamos no se realiza la venta,
quedará listo para la nueva
clavos de ½” comerciales por mora. sin embargo el mueble
hora pactada pero se
pulgada que se (x21) queda listo para otros
necesitará de más tiempo.
necesitan a la clientes interesados.
(x21)
ferretería (a2) (x23)
Así, el ejemplo anterior podríamos darle valores a cada uno de los resultados para
evaluarlo numéricamente, suponiendo que el decisor tiene los datos necesarios y
puede evaluarlos en una escala del 0 al 10, es decir, asumiendo la existencia de
una función Z(.) con valores reales tal que:
𝑍(𝑥𝑘𝑙 ) > 𝑍(𝑥𝑖𝑗 ) si y sólo si, el decisor prefiere el resultado 𝑥𝑘𝑙 antes que el de 𝑥𝑖𝑗 .
El ejemplo anterior, nos denota una tabla de decisiones, las cuales constituyen una
herramienta importante y clara en todo proceso de decisión.
9
una variable, que son directas y proporcionales; por ejemplo un aumento del 10%
de mano de obra, causará el mismo porcentaje en el aumento de la producción.
En conjunto, los algoritmos matemáticos forman un modelo, que optimizan recursos
limitados cuando toman en cuenta características como variables, restricciones y
una función objetivo. La función objetivo, como su nombre lo indica, representa el
objeto del problema; es decir, lo que persigue la empresa en términos cuantitativos.
La Programación Lineal (PL) es una de la más vieja y aún una de las más
importantes herramientas de la investigación de operaciones, se utiliza cuando un
problema se puede describir utilizando ecuaciones y desigualdades que son todas
lineales.
10
El siguiente paso consiste en conocer las variables que presentarán la solución al
problema, es decir, las incógnitas que resolverán el modelo de programación lineal
pueden ser tantas como sea necesario, con el fin de representar de la mejor forma
posible la realidad.
Una vez que se conozcan las variables de decisión, se deben plantear las
restricciones, que son los requerimientos que debe cumplir la solución óptima para
que se pueda llevar a la práctica y brinde grandes beneficios a la empresa. También
pueden llamarse limitantes, ya que indican los valores máximos o mínimos que
deben emplearse para garantizar la optimización.
Las restricciones pueden ser por los volúmenes de ventas, por las limitantes en los
recursos de la empresa, por la mezcla de ingredientes, por la cantidad de
desperdicios y por cuestiones de administración dentro de la empresa, como el
tiempo de preparación de la máquina.
Por último, se debe tener presente que todas las variables empleadas en el modelo,
deben ser siempre positivas porque representan situaciones que existen en la
realidad.
11
3. Formulación de la función objetivo. Se trata de la función que mide la calidad
de la solución y que hay que optimizar (maximizar un beneficio o minimizar
un coste).
Para que un modelo de PL sea válido, debe cumplir las propiedades siguientes:
Proporcionalidad:
Significa que la contribución al valor de la función objetivo y el consumo o
requerimiento de los recursos utilizados, son proporcionales al valor de cada
variable de decisión. Así el término 2x1 es proporcional, porque contribuye al valor
de la función z con 2, 4, 8, etc. para los valores 1, 2, 3, etc., respectivamente, de x1.
Se puede observar el aumento constante y proporcional de 2 conforme crece el
valor de x1.
Aditividad:
Significa que se puede valorar la función objetivo z, así como también los recursos
utilizados, sumando las contribuciones de cada uno de los términos que intervienen
en la función z y en las restricciones.
Divisibilidad:
Significa que las variables de decisión son continuas y por lo tanto son aceptados
valores no enteros para ellas. La hipótesis de divisibilidad más la restricción de no
negatividad, significa que las variables de decisión pueden tener cualquier valor que
sea positivo o por lo menos igual a cero.
Certidumbre:
Significa que los parámetros o constantes son estimados con certeza, o sea, no
interviene una función de probabilidad para obtenerlos.
12
El modelo de programación lineal es un caso especial de la programación
matemática, pues debe cumplir que, tanto la función objetivo como todas las
funciones de restricción, sean lineales. Dependiendo del tipo de restricción que
presente el problema de programación lineal, tendremos:
13
maximizar las ganancias o minimizar los costos. Después, se expresa en forma
gráfica las desigualdades de restricción y se ubica el área de solución factible.
La empresa Aires del Sur SA de CV, produce dos tipos de aires acondicionados:
Supercraft (x) y Powermax (y). Un Supercraft tiene un precio de $600 y un
Powermax $700. Los dos productos, deben pasar por tres áreas.
La empresa desea conocer el volumen de producción que maximice las ganancias,
ajustándose a las limitantes de tiempo presentadas en la tabla siguiente:
Horas requeridas
Área Horas disponibles
Supercraft x Powermax y al mes
1 1 2 140
2 2 2 190
3 3 2 240
1x+2y ≤ 140
El signo ≤ indica que las horas requeridas por cada área,
2x+2y ≤ 190 deben ser menores o iguales que las disponibles en el mes.
3x+2y ≤ 240
El signo ≥ indica que x, y, deben ser mayores o iguales que
cero, porque se produce o no se produce.
X ≥ 0, y ≥ 0
14
El siguiente paso consiste en expresar gráficamente las restricciones (horas
requeridas); para ello se deben localizar los puntos x e y de cada una de las tres
desigualdades. Para la primera desigualdad tenemos:
𝑦 ≤ 70
Si todo el tiempo el área 1 produce sólo Supercraft (x) y no produce Powermax (y),
entonces pueden fabricarse 140 unidades de x.
Si todo el tiempo el área 1 produce sólo Powermax (y) y no produce Supercraft (x),
entonces pueden fabricarse 70 unidades de Y.
3𝑥 ≤ 240 2𝑦 ≤ 240
240 240
Si todo el tiempo el área 1 produce sólo Supercraft (x) y no produce Powermax (y),
entonces pueden fabricarse 80 unidades de x.
Si todo el tiempo el área 1 produce sólo Powermax (y) y no produce Supercraft (x),
entonces pueden fabricarse 120 unidades de y.
80 X=80;Y=120
Powermax
60
40 Área de
solución
20 factible
0
0 20 40 60 80 100 120 140 160
Supercraf
El área de solución factible, es sombreada sin rebasar las líneas de restricciones,
como se muestra en la gráfica anterior. Una vez encontrada el área de solución
factible, quedan cuatro puntos principales (A, B, C y D) que delimitan dicha área.
Para el siguiente paso, se debe trazar la función objetivo. Es necesario conocer los
puntos para el eje 𝑥 y para el eje 𝑦, por ello se propone conseguir una contribución
mínima, multiplicando el coeficiente de X con el de Y (600 * 700= 420,000). Los
cálculos son los siguientes:
16
𝑀𝑎𝑥𝑖𝑚𝑖𝑧𝑎𝑟 𝑍 = $600𝑥 + $700𝑦 función objetivo.
Para 𝑦 = 0 Para 𝑥 = 0
600𝑥 + 700(0) = 420000 600(0) + 700𝑦 = 420000
420000 420000
𝑥= = 700 𝑥= = 600
600 700
Como resultan cantidades grandes, se deben reducir para poder graficar la línea en
conjunto con las desigualdades. Para ello de dividirá entre 10 para tener como
resultado el eje 𝑥 = 70 y 𝑦 = 60. Procedemos a prolongar la línea que representa a
la función objetivo de forma paralela, hasta tocar el punto más lejano que delimita
el área de soluciones factibles, como se presenta la siguiente gráfica:
100 X=95;Y=95
80 X=80;Y=120
B
Powermax
Función Objetivo
60
C
45
40
Área de
20 solución
factible
A D
0 50
0 20 40 60 80 100 120 140 160
Supercraf
Como se puede observar, el punto C, es el punto más lejano del área de soluciones
factibles, lo cual indica, que es el que le da mayor contribución a la empresa Aires
del Sur SA de CV, maximizando las utilidades.
Se puede observar en el gráfico anterior, que el resultado del ejercicio son las
coordenadas del punto C; donde indica que la empresa debe producir 50 unidades
de Supercraft (𝑥) y 45 unidades de Powermax para maximizar las utilidades.
17
Sin embargo, en numerosos problemas donde se emplee el método gráfico pueden
resultar números decimales que dificultaría ubicarlos con exactitud en un gráfico,
por lo que se recomienda la solución del sistema de ecuaciones de las líneas que
se cruzan en el punto C, que son la desigualdad 1 y desigualdad 2, como se
presenta a continuación:
1(50) + 2𝑦 ≤ 140
2𝑦 ≤ 140 − 50
90
𝑦≤ 2
𝑦 ≤ 45
𝑍 = $600(𝑥) + $700(𝑦)
𝑍 = $600(50) + $700(45)
Se puede concluir que la empresa Aires del Sur SA. de CV, de acuerdo con las
limitantes de tiempo, debe producir mensualmente 50 aires acondicionados de la
18
marca Supercraft y 45 de la marca Powermax, que le brindarán una contribución de
$61,500.
El método del simplex fue creado en 1947 por el matemático George Dantzig El
método del simplex se utiliza, sobre todo, para resolver problemas de programación
lineal en los que intervienen tres o más variables. El álgebra matricial y el proceso
de eliminación de Gauss-Jordan para resolver un sistema de ecuaciones lineales
constituyen la base del método simplex. Una propiedad general del método simplex
es que resuelve la programación lineal en iteraciones, donde cada iteración
desplaza la solución a un nuevo punto esquina que tienen potencial de mejorar el
valor de la función objetivo.
Este método es muy útil cuando se trabaja con muchos productos y áreas en la
empresa y por lo mismo da lugar a un mayor número de rectas, por lo que no es
conveniente usar el método gráfico. Para la solución de problemas de este tipo se
usa el álgebra de matrices, por lo que se recomienda al alumno familiarizarse con
ese tema.
X1 ≤ 6000 ≅ X1+S1=6000
Lo anterior, se puede lograr agregando una variable ficticia que absorba la holgura
en cada una de las desigualdades. La holgura será representada por S1, S2 y S3, y
se agrega a la ecuación para cumplir la igualdad y convertirla en ecuación estándar.
Las variables artificiales S1, S2 y S3, deben ser agregadas igualmente en la función
objetivo, sin embargo, teniendo en cuenta que es un artificio para alcanzar la
igualdad, sus coeficientes no producen utilidad en la función objetivo por lo que son
iguales a cero (0); la función objetivo quedaría:
Mayor positivo
Mayor contribución.
El método simplex emplea iteraciones, es decir, es un proceso repetitivo, en donde
se van creando una serie de soluciones para cada iteración.
En la primera fila 𝐶𝑗 , aparecerán las constantes de la función objetivo y en la
columna 𝐶𝑗 , se ubicarán las variables de solución de inicio, ubicando los coeficientes
o contribuciones por unidad de cada variable de holgura (S1, S2 y S3), en este caso,
igual a cero ($0).
20
Existen tres restricciones, por tanto, existirán tres filas correspondientes a las
variables de solución de inicio, en las cuales, se colocarán, debajo de cada variable
independiente de la función objetivo y para cada restricción específica, las
constantes correspondientes, especificadas en las tres ecuaciones estándares
obtenidas de las desigualdades.
Los valores de cero en 𝑍𝑗 , resultan de la sumatoria de los resultados de la
multiplicación de la columna 𝐶𝑗 y cada una de las constantes que modifican las
variables independientes en cada una de las restricciones, así como las cantidades,
según corresponda, o sea, 𝑍𝑗 = ∑(𝐶𝑗𝑖 ∗ 𝑘𝑥𝑖 ).
La última fila, representa la contribución neta de algo en específico, dependiendo
del contexto, resulta de la diferencia entre la primera fila 𝐶𝑗 , y la fila 𝑍𝑗 , o sea, (𝐶𝑗 −
𝑍𝑗 ).
Una vez confeccionada la tabla básica, es necesario identificar la columna pivote, o
columna óptima, para ello, se identifica la variable entrante; teniendo en cuenta que
es una función de maximización, la variable entrante será (el mayor positivo (+) de
los valores), en este caso, como se señala en la Tabla 1. Simplex, la variable
entrante a la solución de inicio será X1, luego, para identificar en el orden que
entrará, habrá que identificar la fila pivote, para ello, se divide la columna de
cantidad entre los coeficientes de la columna óptima y se elige la fila que tenga el
menor valor positivo.
Como se puede observar en la tabla anterior, entre la columna óptima y la fila pivote,
hay un elemento de intersección (coeficiente 1), que servirá para encontrar una
mejor solución, reemplazando la variable S3, por la variable X1, por lo que el valor
que entra en S3, será, 1.5X1. En l intersección tiene necesariamente que haber valor
uno (1), de lo contrario, se tendrá que reducir la fila dividiéndola por el valor que allí
se encuentre, con el objetivo de hacer uno el valor de la intersección, en el caso
ejemplo, el valor coincide con el necesario.
Tabla 2. Simplex.
Cj 1.5 1.2 0.0 0.0 0.0
Cantidad
X1 X2 S1 S2 S3
21
0S1 1.0 0.0 1.0 0.0 0.0 6000
0S2 1.0 1.0 0.0 1.0 0.0 800
1.5X1 1.0 2.0 0.0 0.0 1.0 700
Zj 1.5 3.0 0.0 0.0 1.5 1050.0
Cj - Zj 0.0 -1.8 0.0 0.0 -1.5
Una vez obtenida la Tabla, habrá que hacer ceros en los dos coeficientes restantes
de la columna pivote fuera de la intersección, para ello, aplicamos el método Gauss-
Jordan.
22
Se continuarán realizando las iteraciones necesarias hasta que los valores
(𝐶𝑗 − 𝑍𝑗 ) ≤ 0, en este caso, no será necesario continuar realizando iteraciones,
estos valores negativos indican que no existirá mejor resultado que la contribución
final Zj = 1050.0. El valor de X1 = 700 unidades, en este caso no hay contexto, sin
embargo, en un caso con contexto, esto se traduce de la siguiente manera:
Empleando los recursos sobrantes S1= 5 300 y S2= 100 (estos pudieran ser recursos
de tiempos o materiales que pueden ser convertidos en dinero) se producen 700
unidades de un producto específico, generando una utilidad de $ 1050.0.
El objetivo es determinar las cantidades a enviar desde cada punto de origen hasta
cada punto de destino, que minimicen el costo total de envío, al mismo tiempo que
satisfagan tanto los límites de la oferta como los requerimientos de la demanda. El
modelo supone que el costo de envío de una ruta determinada es directamente
proporcional al número de unidades enviadas en esa ruta. Sin embargo, algunas de
sus aplicaciones importantes (como la Programación de la Producción) de hecho no
tienen nada que ver con el transporte.
El algoritmo de transporte sigue los pasos exactos del método simplex. Sin
embargo, en vez de utilizar la tabla simplex regular, aprovechamos la estructura
especial del modelo de transporte para presentar el algoritmo en una forma más
conveniente
23
objetivo; éste puede se la minimización del costo total, la maximización de las
utilidades o la minimización del tiempo total involucrado.
Estudio del efecto de los cambios en los parámetros del problema, sobre la solución
óptima de Programación Lineal.
24
Los modelos de Programación Lineal son con frecuencia grandes y costosos,
debido a lo cual no es eficiente usarlos para un solo caso.
Los elementos que se dan como datos para un problema, muchas veces son
aproximaciones, debido a lo cual es necesario examinar más de un conjunto de
circunstancias.
25
7. CONCLUSIONES.
1. Son pocas las decisiones tomadas en situaciones polémicas importantes
bajo condiciones de certeza o certidumbre, sin embargo, con frecuencia
se tiene pleno dominio de circunstancias para la toma de decisiones
donde se conoce con certeza los resultados que se alcanzarán, estas
son tomas de decisiones de rutina, con repercusiones menos
importantes.
26
de los posibles resultados, se tiene mucha inseguridad sobre los posibles
cambios que pueda sufrir la situación, en muchos casos, no se pueden
evaluar las interacciones de las diferentes variables; la condición bajo la
cual resulta más difícil tomar decisiones es la incertidumbre, pues en esta
situación, los responsables de tomar decisiones no cuentan con
información suficiente para tener en claro las alternativas o estimar su
riesgo.La toma de decisiones en contextos de incertidumbre, se basa, ya
sea en la intuición del decisor o en su creatividad.
27
7. Las situaciones de toma de decisiones pueden conciderarse dentro de
una línea continua que va de la certeza (altamente previsible) a la
turbulencia (altamente imprevisible).
8. BIBLIOGRAFÍA.
1. AGUIAR, F., CRIADO, H . y HERREROS, F. (2003), «Sociología y
elección racional», en S. Giner (comp.). Teoría sociológica moderna.
Barcelona: Ariel.
2. Córdova, Joaquín., (2012), Investigación de Operaciones. Primera
Edición. ISBN 978-607-733-139-1.
3. Crilly, Tony (2011). 50 cosas que hay que saber sobre matemáticas. Ed.
Ariel. ISBN 978-987-1496-09-9.
28
4. Bazaraa, M.S. , Jarvis, J.J. (1998) Programación Lineal y Flujo en Redes
Limusa, México.
5. Roger G. Schroeder, Administración de operaciones, toma de decisiones
en la función de operaciones, p.26.
6. Fletcher, R. (1997) Practical Methods of Optimization John Wiley & Sons,
Chichester.
7. Hillier, F.S. , Lieberman, G.J. (1991)Introducción a la Investigación de
Operaciones McGraw-Hill, México.
8. Infante, R. (1997)Métodos de Programación Matemática Uned, Madrid
Sitios visitados:
http://thales.cica.es/rd/Recursos/rd99/ed99-0191-03/certidumbre.htm
http://es.wikipedia.org/wiki/Toma_de_decisiones
http://www.cosaslibres.com/leer-
online/?title=APLICACIONES+DE+LA+PROGRAMACI%C3%93N+LINEAL&doc=h
ttp%3A%2F%2Fwww.uoc.edu%2Fin3%2Femath%2Fdocs%2FAplicaciones_PL.pd
f
http://www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r53398.PDF
http://es.wikipedia.org/wiki/Programaci%C3%B3n_lineal
http://www.slideshare.net/coryd0306/conceptos-programacion lineal
http://html.rincondelvago.com/programacion-lineal_investigacion-de
operaciones.html
http://www.escuelauniversitaria.cl/apuntes/ProgramacionLineal.pdf
http://www.monografias.com/trabajos-pdf4/metodo-transporte/metodo
transporte.shtml
http://www.oocities.org/siliconvalley/pines/7894/modelos/asignacion.html
http://es.wikipedia.org/wiki/Programaci%C3%B3n_lineal
http://www.slideshare.net/coryd0306/conceptos-programacion lineal
29
http://html.rincondelvago.com/programacion-lineal_investigacion-de
operaciones.html
30