You are on page 1of 17

Apuntes

CARRERA
MATERIA
CLAVE
UNIDAD I

Ingeniera Industrial
Investigacin de Operaciones I
Mtodo Simplex

Ing. Africa Sol Delgado Gallardo


Agosto 2015
Contenido
INTRODUCCIN.....................................................................................................................................................................2
I. MTODO SIMPLEX............................................................................................................................................................3
1.1.

TEORA DEL MTODO SIMPLEX................................................................................................................................3

1.2.
1.3.
1.4.
1.5.

FORMA TABULAR DEL MTODO SIMPLEX.................................................................................................................4


EL MTODO DE LAS DOS FASES...............................................................................................................................10
CASOS ESPECIALES.................................................................................................................................................14
USO DE SOFTWARE.................................................................................................................................................14

CONCLUSIONES...................................................................................................................................................................14
RECOMENDACIONES.........................................................................................................................................................15
REFERENCIAS BIBLIOGRFICAS..................................................................................................................................15
APNDICES Y ANEXOS.......................................................................................................................................................15

Lista de tablas y figuras


Tabla 1. Ejemplo de tabla del mtodo simplex...........................................................................5
Tabla 2.- Ejemplo de tabla mtodo de la gran M....................................................................11

INTRODUCCIN
Qu es el mtodo simplex?
Snchez Guevara, Irene; Quintas, Isabel (2012. Pg. 122) exponen que el mtodo simplex
es un algoritmo iterativo, esto es, un procedimiento que a partir de un paso inicial realiza un
clculo para encontrar una solucin posible; verifica si esta solucin es mejorable y, si lo es,
vuelve a calcular una nueva solucin mejor que la anterior, esto es, realiza una iteracin;
cuando ya no la pueda mejorar, es que lleg a la solucin ptima.
Como todo, el mtodo simplex tiene su origen derivado de una necesidad: resolver
problemas lineales ms complejos.
En la actualidad existe un acervo muy interesante respecto al origen del mtodo simplex; tal
es el caso de una publicacin del 2014 realizada por INFORMS Copyright 2006. Linear
Equations, Inequalities, Linear Programs, and a New Efficient Algorithm: 1.6. History of the
Simplex Method for LP. Fue en el ao de 1827 cuando Fourier public una versin
geomtrica del principio detrs del algoritmo simplex para programacin lineal en un contexto
de programacin lineal en tres variables (puede verse el artculo completo a travs de la
siguiente liga: http://pubsonline.informs.org/doi/pdf/10.1287/educ.1063.0024
Pasaron los aos y fue hasta el ao de 1947 cuando George Dantzig desarroll el mtodo
conocido como Simplex.
Es muy interesante la conceptualizacin del mtodo simplex, los pasos para su desarrollo y
como ste se apoya en el lgebra matricial y en el mtodo de Gauss.
En el presente recurso de la segunda unidad, se abordarn los siguientes temas:
2.1
2.2
2.3
2.4
2.5

Teora del mtodo Simplex.


Forma tabular del mtodo Simplex.
El mtodo de las dos fases.
Casos especiales
Uso de software.

Ing. Africa Sol Delgado Gallardo

I. MTODO SIMPLEX
1.1. Teora del mtodo Simplex.
Hillier & Lieberman (2006, pg. 103) argumentan la esencia del mtodo simplex como un
procedimiento algebraico donde sus conceptos fundamentales son geomtricos.
El mtodo simplex es un mtodo iterativo que se utiliza para dar solucin a problemas de
programacin lineal, salvo que el modelo es ms complejo como para ser resuelto por el
mtodo grfico; esto quiere decir que en el modelo intervienen tres o ms variables de
decisin y de ah la necesidad de utilizar el mtodo simplex en su forma matricial.
El objetivo del mtodo simplex es optimizar la funcin objetivo; ya sea, maximizndola o
minimizndola (segn sea el problema); para ambos casos se tiene que se ha encontrado la
solucin ptima cuando:

Maximizacin (condicin de parada): en Z no hay valores negativos.


Minimizacin (condicin de parada): en Z no hay valores positivos.

Adems de lo anterior existe la normalizacin de las restricciones; esto quiere decir que una
de las condiciones del modelo estndar es que todas las ecuaciones de las restricciones
sean igualdades; un ejemplo de ello se ver en el punto 1.2.
La normalizacin de las restricciones en el modelo estndar, son de tipo:
a) a la que hay que aadir una variable de holgura (S n).
b) a la que hay que aadir variable de holgura (S n) + una variable de holgura artificial (
S n).
c) = a la que hay que aadir una variable de holgura artificial ( S n).
Cuando en el modelo se tienen variables de holgura artificial se deber trabajar con el
mtodo de las dos fases como se ver en el punto 1.3.
A fin de comprender la analoga del mtodo simplex, se recomienda ver el video: Mtodos de
optimizacin: mtodo simplex, realizado por Marcos Singer, a travs de la siguiente liga:
http://www.revistavirtualpro.com/biblioteca/metodos-de-optimizacion-metodo-simplex

Ing. Africa Sol Delgado Gallardo

1.2. Forma tabular del mtodo Simplex.


Hillier & Lieberman (2006, pg. 108) mencionan que el procedimiento algebraico del mtodo
simplex se basa en la solucin de sistemas de ecuaciones. Por lo tanto, el primer paso para
preparar el mtodo simplex es convertir las restricciones funcionales de desigualdad en
restricciones de igualdad equivalentes. Esta conversin se logra mediante la introduccin de
variables de holgura
Para resolver un sistema de ecuaciones, se desarrollar la forma tabular del mtodo simplex
utilizando el ejemplo de la Vac Atorada desarrollado en los apuntes de la Unidad I.
Recordar que la forma original del modelo del problema era:
Funcin objetivo: Maximizar Z=7 x1 + 5 x2
Sujeto a las siguientes restricciones:
5 x1
2 x1
- x1
x2
x1

+
+
+
2

6 x2
x2
x2

30
6
1

x2

0
0

Como se puede observar el modelo anterior, se tienen restricciones de la forma ; por lo que,
se despejar cada una de las ecuaciones iniciando por la funcin objetivo y lo mismo se har
para cada una de las restricciones agregando para cada una su variable de holgura (S n). El
procedimiento de iteracin es similar a un paso del mtodo de Gauss con pivote; sin
embargo, el mtodo de Gauss se aplica a sistemas de ecuaciones (igualdades) y no a
desigualdades; este inconveniente es subsanado agregando una variable a cada restriccin
que representa la holgura o sobrante de ese recurso Snchez Guevara, Irene; Quintas,
Isabel (2012. Pg. 122).
Variable de holgura

Obteniendo:
-

7 x1
5 x1
2 x1
x1

+
+
+
+

5 x2
6x2
x2
x2
x2

S1
+

S2
+

S3
+

S4

=
=
=
=
=

0
30
6
1
2

Lo anterior se debe a que el mtodo simplex funciona con igualdades; por lo tanto para la
primera restriccin se le sumo la variable de holgura (S 1) de la cual se desconoce su valor
pero valdr lo suficiente de tal manera que complete el valor para igualar a 30; y as
sucesivamente para cada restriccin.
Ing. Africa Sol Delgado Gallardo
5

La tabla del mtodo simplex se construye de la siguiente manera:


Variable
bsica
Z
S1
S2
S3
S4

x1

x2

S1

S2

S3

S4

Solucin

1
0
0
0
0

-7
5
2
-1
0

-5
6
1
1
1

0
1
0
0
0

0
0
1
0
0

0
0
0
1
0

0
0
0
0
1

0
30
6
1
2

Tabla 1. Ejemplo de tabla del mtodo simplex

Una vez construida la tabla del mtodo simplex, es necesario identificar la columna pivote;
y, esto se hace identificando el valor ms negativo de la funcin objetivo (Z); por lo tanto,
para el presente ejemplo es:
Variable
bsica
Z
S1
S2
S3
S4

x1

x2

S1

S2

S3

S4

Solucin

1
0
0
0
0

-7
5
2
-1
0

C-5
6
1
1
1

0
1
0
0
0

0
0
1
0
0

0
0
0
1
0

0
0
0
0
1

0
30
6
1
2

Ms negativo
Columna pivote
Una vez identificada la columna pivote, se procede a identificar el rengln pivote; para ello,
se divide la solucin entre la constante de la columna pivote y se escoge el valor ms
pequeo de la razn (no escoger cero o negativo).
Variable
bsica
Z
S1
S2
S3
S4

x1

x2

S1

S2

S3

S4

Solucin

Razn

1
0
0
0
0

-7
5
2
-1
0

-5
6
1
1
1

0
1
0
0
0

0
0
1
0
0

0
0
0
1
0

0
0
0
0
1

0
30
6
1
2

30/5= 6
6/2= 3
-1/1= -1
0/2= 0

Valor
ms
pequeo

Nmero pivote
Rengln pivote
Una vez identificado el rengln pivote se identificar el nmero pivote, siendo este el de la
interseccin entre la columna y la fila siendo del nmero dos.
Ing. Africa Sol Delgado Gallardo

Como siguiente paso se debe convertir el nmero pivote en uno, para lo cual se multiplicar
el rengln pivote por o bien se dividir entre dos (observar el recuadro amarillo de la
siguiente tabla).
Variable
bsica
Z
S1
X1
S3
S4

x1

x2

S1

S2

S3

S4

Solucin

1
0
0
0
0

-7
5
2/2=1
-1
0

-5
6
1/2
1
1

0
1
0
0
0

0
0
1/2
0
0

0
0
0
1
0

0
0
0
0
1

0
30
6/2=3
1
2

Con lo anterior se construye la tabla actualizando los valores de la fila dos y las filas 1,3 y 4
quedan igual, observar siguiente tabla:
Variable
bsica
Z
S1
X1
S3
S4

x1

x2

S1

S2

S3

1
0
0
0
0

-7
5
1
-1
0

-5
0
0
0
6
1
0
0
1/2
0
1/2 0
1
0
0
1
1
0
0
0
Elemento pivote

S4

Solucin

0
0
0
0
1

0
30
3
1
2

A continuacin se debern volver cero los elementos que estn arriba y abajo del elemento
pivote (las variables que se igualan a cero se llaman variables no bsicas); para ello, se
realizaran las siguientes operaciones:
1/2
-5
-3/2

0
0
0

1/2 0
0
0
7/2 0

1/2
6
7/2

0
1
1

1/2
0
-5/2

1* ( 1
1/2
-1
1
Nueva
0
3/2
Ing. Africa Sol Delgado Gallardo

0
0
0

1/2
0
1/2

+
Nueva Z

Nueva
fila 2

7* ( 1
-7
0

-5* ( 1
+
5
0

0
0
0

3)
0
21

0
0
0

0
0
0

3)
30
15

0
1
0

0
0
0

3)
1
3
7

fila 4
Con los resultados anteriores se construye la nueva matriz, considerando que la fila 3 no se
altera, observar la siguiente tabla:
Variable
bsica
Z
S1
X1
S3
S4

x1

x2

S1

S2

S3

S4

Solucin

1
0
0
0
0

0
0
1
0
0

-3/2
7/2
1/2
3/2
1

0
1
0
0
0

7/2
-5/2
1/2
1/2
0

0
0
0
0
0

0
0
0
0
1

21
15
3
3
2

Ms negativo

Columna pivote

El mtodo simplex termina cuando las variables de la funcin objetivo son cero o mayor que
cero; por lo tanto, como se aprecia en la tabla anterior todava se identifica que en la funcin
objetivo se tiene una variable que es negativa (-3/2); por lo tanto, se proceder a repetir el
mismo procedimiento.
Variable
bsica
Z
S1
X1
S3
S4

x1

x2

S1

1
0
0
0
0

0
0
1
0
0

-3/2
7/2
1/2
3/2
1

0
1
0
0
0

S2

S3

7/2 0
-5/2 0
1/2 0
1/2 0
0
0
Nmero pivote

S4

Solucin

Razn

0
0
0
0
1

21
15/(7/2)=
3/(1/2)=
3/(3/2)=
2/1=

30/7
6
2
2

Valor
ms
pequeo

Rengln pivote
Una vez identificado el rengln pivote se identificar el nmero pivote, siendo este el de la
interseccin entre la columna y la fila siendo del nmero dos.
Como siguiente paso se debe convertir el nmero pivote en uno, para lo cual se multiplicar
el rengln pivote por 2/3 o bien se dividir entre 3/2 (observar el recuadro amarillo de la
siguiente tabla).

Ing. Africa Sol Delgado Gallardo

Variable
bsica
Z
S1
X1
X2
S4

x1

1
0
0
0
0

0
0
1
0
0

x2

S1

S2

-3/2 0
7/2
7/2
1
-5/2
1/2
0
1/2
1
0
1/3
1
0
0
Elemento pivote

S3

S4

Solucin

0
0
0
0
0

0
0
0
0
1

21
15
3
2
2

A continuacin se debern volver cero los elementos que estn arriba y abajo del elemento
pivote, para ello se realizar la siguiente operacin:
1
-3/2
0

0
0
0

1/3
7/2
4

-7/2* ( 0
+
0
0

1
7/2
0

0
1
1

1/3
-5/2
-22/6

-1/2* ( 0
+
1
1

1
1/2
0

0
0
0

1/3
1/2
1/3

-1 * (
+

1
1
0

0
0
0

1/3
0
-1/3

+
Nueva Z

Nueva
S1

Nueva
X1

Nueva
S4

3/2* ( 0
0
0

0
0
0

Ing. Africa Sol Delgado Gallardo

0
0
0

0
0
0

2)
21
24

0 0
0 0
0 0

2)
15
8

0
0
0

0
0
0

2)
3
2

0
0
0

0
1
1

2)
2
0

Del resultado de las operaciones anteriores, se construye la nueva tabla quedando de la


siguiente manera:
Variable
bsica
Z
S1
X1
X2
S4

x1

x2

S1

S2

S3

S4

Solucin

1
0
0
0
0

0
0
1
0
0

0
0
0
1
0

0
1
0
0
0

4
-22/6
1/3
1/3
-1/3

0
0
0
0
0

0
0
0
0
1

24
8
2
2
0

Se recodar que este problema, se trata de un problema de maximizacin; por lo que, la


condicin de parada en Z es cuando se identifica que no hay valores negativos o bien las
variables de la funcin objetivo son cero o mayor que cero; por lo tanto, para el presente
ejercicio se ha concluido con el desarrollo del mtodo simplex resultando:
Z = 24
X1= 2
X2= 2

Ing. Africa Sol Delgado Gallardo

10

1.3. El mtodo de las dos fases.


A fin de dar una introduccin al mtodo de las dos fases, es importante identificar que en los
problemas lineales donde intervienen restricciones de tipo = y es necesaria la
introduccin de variables artificiales llamadas de holgura.
Existen dos mtodos para solucionar este tipo de problemas: el mtodo de la gran M y el
mtodo de las dos fases; para lo cual en el presente punto, se desarrollar un ejemplo del
mtodo M, para posteriormente hacer una analoga respecto al mtodo de las dos fases.
Dado M, un valor positivo eficientemente grande (M
), el coeficiente objetivo de una
variable de holgura artificial representa una penalizacin adecuada si:

Coeficiente objetivo de la variable artificial M , en problemas de maximizacin


M , en problemas de minimizacin
Al usar esta penalizacin, el proceso de optimizacin forzar en forma automtica a las
variables artificiales para que sean cero (siempre que el problema tenga una solucin
factible) Taha, Hamdy A. (2004. pg. 94).
Ejemplo mtodo M:
Funcin objetivo: Maximizar Z=3 x1 + 5 x2
Sujeto a las siguientes restricciones:
3 x1
4 x1
x1
x1

+
+
+

x2
3 x2
2 x2
x2

=3
6
4
0
0

La estandarizacin queda:
S

3 x1

x2

4 x1

3 x2

S2

x1

2 x2

S4

x 1, x2 , S

1,

S2, S

3,

S4

Se despeja Z de la funcin objetivo y a cada variable de holgura artificial se le agregara una


M, quedando de la siguiente manera: z-3x1 5x2 + M S 1 + 0S2 +M S 3 + 0S4
Ing. Africa Sol Delgado Gallardo

11

Se calcular una nueva funcin objetivo para proceder a obtener la primera tabla del mtodo.

Ing. Africa Sol Delgado Gallardo

12

x1

x2

S2

S4

-M
-M
z
Nueva Z

*
*

3
4
-3M-4M

1
3
-M-3M

1
0
-M

0
-1
M

0
1
-M

0
0
0

3
6
-3M-6M

-3
-7M-3

-5
-4M-5

M
0

0
M

M
0

0
0

0
-9M

La tabla se construye con la entrada de las variables bsicas, cuando se identifican variables
de holgura negativas en la estandarizacin, estas ya no entran como bsicas. Tal es el caso
en este ejemplo de S2, ver tabla 2:
Al igual que en el mtodo simplex se identifica la columna pivote (ms negativa), el rengln
pivote (el valor de la razn ms pequeo no negativo) y el nmero pivote.
Bsicas
Z
S
S

1
3

S4

z
1

x1
-7M-3

x2
-4M-5

0
0
0

3
4
1

1
3
2

S
0

S2
M

1
0
0

0
-1
0

Solucin
-9M

Razn

S4
0

0
1
0

0
0
1

3
6
4

3/3=1
6/4=1/2
4/1=4

Tabla 2.- Ejemplo de tabla mtodo de la gran M

De la tabla anterior se identifica a X 1 como la columna ms negativa; por lo tanto, el siguiente


paso es convertir el nmero pivote en uno, para lo cual el rengln pivote se dividir entre tres
(valor marcado en amarillo de la tabla anterior).
A continuacin se debern volver cero los elementos que estn arriba y abajo del elemento
pivote, para ello se realizaran las siguientes operaciones para obtener la nueva tabla:
7M+3* (
+

3/3
-7M-3
0

1/3
-4M-5
-5/3M-4

1/3
0
7/3M+1

0
M
M

0
0
0

0)
0
0

3/3
-9M
-2M+3

-4 * (
+

3/3
4
0

1/3
3
5/3

1/3
0
-4/3

0
-1
-1

0
1
1

0)
0
0

3/3
6
2

Z=

Ing. Africa Sol Delgado Gallardo

13

-1 * (
+

3/3
1
0

S4

1/3
2
5/3

1/3
0
-1/3

0
0
0

0
0
0

0)
1
1

3/3
4
3

De los resultados anteriores, se construye la nueva tabla:


Bsicas
Z

z
1

x1
0

x2
-5/3M-4

S 1
7/3M+1

S2
M

S4
0

Solucin
-2M+3

Razn

x1
S
S4

0
0
0

1
0
0

1/3
5/3
5/3

1/3
-4/3
-1/3

0
-1
0

0
1
0

0
0
1

1
2
3

1
2/(5/3)
3/(5/3)

De la tabla anterior repetimos el mismo procedimiento para identificar la columna pivote (ms
negativa), el rengln pivote (el valor de la razn ms pequeo no negativo) y el nmero
pivote.
De la tabla anterior se identifica a X 2 como la columna ms negativa; por lo tanto,
repetiremos el procedimiento anterior hasta obtener la nueva tabla:

Z=

5/3M+4* ( 0
+
0
0

1
-5/3M-4
0

-12/15
0
M-33/5

-3/5
3/5
M
0
-12/5 12/5

0)
0
0

6/5
-2M+3
39/5

-1/3
+

*(

0
1
1

1
1/3
0

-12/15
1/3
3/5

-3/5
0
1/5

3/5
0
-1/5

0)
0
0

6/5
1
3/5

-1/3
+

*(

0
0
0

1
5/3
0

-12/15
-1/3
1

-3/5
0
1

3/5
0
-1

0)
1
1

6/5
3
1

X1 =

S4 =

De los resultados anteriores, se construye la nueva tabla:


Bsicas
Z

z
1

x1
0

x2
0

S 1
M-33/5

S2
-12/5

S 3 S4
12/5 0

Solucin
39/5

x1
X2
S4

0
0
0

1
0
0

0
1
0

3/5
-12/15
1

1/5
-3/5
1

-1/5
3/5
-1

3/5
6/5
1

Ing. Africa Sol Delgado Gallardo

0
0)
1

14

Se repite el mismo procedimiento:


12/5* (
+

0
0
0

0
0
0

1
M-33/5
M+1/5

1
-1
-12/5 12/5
0
0

1)
0
12/5

1
39/5
51/5

-1/5* (
+

0
1
1

0
0
0

1
3/5
2/5

1
1/5
0

-1
-1/5
0

1)
0
-1/5

1
3/5
2/5

-1/5* (
+

0
0
0

0
1
1

1
-12/15
-9/5

1
-3/5
0

-1
3/5
0

1)
0)
3/5

1
6/5
9/5

Z=

x1 =

x2 =

De lo anterior se tiene que:


Bsicas
Z

z
1

x1
0

x2
0

S 1
M+1/5

S2
0

S
0

S4
12/5

Solucin
51/5

x1
X2
S4

0
0
0

1
0
0

0
1
0

2/5
-9/5
1

0
0
1

0
0
-1

-1/5
3/5
1

2/5
9/5
1

Como se puede observar de la tabla anterior, en la funcin objetivo no existen valores


negativos; por lo tanto, se concluye que se ha llegado a la solucin ptima, quedando como
resultados:
Z= 51/5= 10.2
x1 = 2/5= 0.4
x2 = 9/5= 1.8
Mtodo de las dos fases.
Debido al impacto potencial adverso del error de redondeo sobre la exactitud del mtodo M,
donde se manipulan en forma simultnea coeficientes grandes y pequeos, el mtodo de las
dos fases reduce el problema eliminando por completo la constante M. Taha, Hamdy A.
(2004. pg. 94).
El mtodo como su nombre lo dice, se resuelve en dos fases; en la primera, siempre se va a
minimizar y en la segunda se resolver de acuerdo a lo que solicita el problema: maximizar o
minimizar.

1.4. Casos especiales.


Ing. Africa Sol Delgado Gallardo

15

De acuerdo a Taha, Hamdy A. (2004. pg. 103) existen cuatro casos especiales que se
presentan al aplicar el mtodo simplex:
1. Degeneracin: se da cuando en la iteracin de inicio empatan variables de salida; esto
significa que una de las restricciones es redundante.
2. ptimos alternativos: significa que existen una cantidad infinita de soluciones.
3. Soluciones no acotadas: la regla para conocer la no acotacin es que si en cualquier
iteracin todos los coeficientes de restriccin toda variable no bsica son cero o
negativos, entonces el espacio de soluciones no est acotado en esa direccin (Taha
(2004); tambin aduce que la no acotacin apunta a la posibilidad de que el modelo
est mal construido.
4. Soluciones inexistentes (o no factibles): cuando el modelo tiene restricciones
inconsistentes; entonces, no hay solucin factible.

1.5. Uso de software.


En la actualidad, los paquetes computacionales son un apoyo imprescindible para la solucin
rpida de problemas por mtodo simplex, paquetes como WinQSB, Tora, Microsoft Excel a
travs del complemento Solver, entre otros.
En la siguiente liga http://www.phpsimplex.com/index.htm podrs tener acceso online para
resolver problemas del mtodo simplex; su uso es libre y gratuito.

CONCLUSIONES
Como se podr visualizar el mtodo simplex es un proceso iterativo y trabaja con
restricciones del problema con inecuaciones y coeficientes independientes a cero.
Es importante no perder de vista la normalizacin de las restricciones en el modelo estndar,
que son de tipo:
a) a la que hay que aadir una variable de holgura (S n).
b) a la que hay que aadir variable de holgura (S n) + una variable de holgura artificial (
S n).
c) = a la que hay que aadir una variable de holgura artificial ( S n).
Para tener xito en la solucin de problemas por el mtodo simplex, la clave est en la
correcta construccin del modelo.
Ing. Africa Sol Delgado Gallardo

16

RECOMENDACIONES
Para una mejor comprensin de los temas desarrollados en la presente unidad, se
recomienda la lectura y comprensin cuidadosa del captulo tres de la referencia
bibliogrfica: Taha, Hamdy A. (2004). Investigacin de operaciones
A fin de utilizar el complemento Solver de Microsoft Excel, se recomienda ver el video:
https://www.youtube.com/watch?v=m1VHXExPzwA

REFERENCIAS BIBLIOGRFICAS
Hillier and Lieberman (2006). Introduccin a la Investigacin de Operaciones. Mxico, DF:
McGraw-Hill/Interamericana Editores, S.A. de C.V.
Taha, Hamdy A. (2004). Investigacin de operaciones. Mxico: Pearson Educacin de
Mxico, S.A. de C.V.
Snchez Guevara, Irene; Quintas, Isabel. (2012). Programacin lineal: el modelado, las
aplicaciones y la interpretacin. Biblioteca Digital-UAM Xochimilco / Universidad Autnoma
Metropolitana-Unidad Xochimilco. Disponible en:
http://www.revistavirtualpro.com/biblioteca/programacion-lineal-el-modelado-las-aplicacionesy-la-interpretacion#sthash.2UPjjW9t.dpuf

APNDICES Y ANEXOS
Revista Virtual Pro . (2015). Fecha de Consulta: Septiembre 2015. Disponible en:
http://www.revistavirtualpro.com/biblioteca/metodos-de-optimizacion-metodo-simplex
INFORMS 2015. INFORMS Tutorials in Operations Research. Models, Methods, and
Applications for Innovative Decision Making. Fecha de consulta: Septiembre 2015. Disponible
en http://pubsonline.informs.org/doi/pdf/10.1287/educ.1063.0024
Copyright
2006-2015
PHPSimplex.
Todos
http://www.phpsimplex.com/simplex/simplex.htm?l=es

Ing. Africa Sol Delgado Gallardo

los

derechos

reservados.

17