Trabajo Mate

Programación lineal y método Simplex 1
Trabajo de Investigación Programación Lineal y Método Simplex
Christopher Malebrán Rodriguez
Colegio Gabriela Mistral
Trabajo destinado a Álgebra y Modelos Analíticos
Christopher Malebrán Rodriguez
Colegio Gabriela Mistral, Calle Coquimbo, Ovalle
Contacto: Cmalebran1230 @ gmail.com

Índice
Introducción… 3
Biografía Leonid Vitaliyevich Kantorovich…
Programación lineal
El método Simplex
Conclusión
Introducción
La programación lineal se define como un conjunto de técnicas racionales de análisis y de
resolución de problemas que tiene por objeto ayudar a los responsables en las decisiones sobre
asuntos en los que intervienen un gran número de variables
Leonid Vitaliyevich Kantorovich presentó el método matemático de la programación lineal,
aplicable para maximizar la eficacia de variables económicas tales como la productividad, las
materias primas y el trabajo. Sus teorías fueron utilizadas para mejorar la planificación
económica y la distribución de recursos en la Unión Soviética. Más tarde, y de forma
independiente, teorías similares fueron desarrolladas por Koopmans y otros economistas.
La presente investigación trata sobre el método Simplex formulado por Kantorovich y
Dantzig, en donde se busca alcanzar el máximo (o mínimo) de una función lineal compuesta por
un conjunto de variables que deben satisfacer condiciones impuestas por restricciones lineales en
forma de inecuaciones, en resumen, optimizar los recursos de la manera más eficiente
Bajo esta escena, se considera pertinente también una investigación a la biografía de
Kantorovich ya que fue uno de los primeros en utilizar la programación lineal como una
herramienta en la economía, además de ser considerado uno de los creadores del método (o
algoritmo) Simplex al entregar los fundamentos de la metodología gracias a sus contribuciones al
desarrollo de las ciencias económicas (“El mejor uso de los recursos económicos”, 1959).
Es muy importante destacar la importancia del método Simplex, como lo es en el área
empresarial, ya que es utilizado para obtener solución a los problemas de las empresas en cuanto
a inventario, ganancias y pérdidas. Este método permite visualizar cuanto se debe vender, cuanto
se debe producir o cuanto se debe comprar según sea el caso para que la empresa obtenga las
ganancias optimas y suficientes para competir en el mercado.

Biografía Leonid Vital'evich Kantoróvich
(San Petersburgo, 1912 - Moscú, 1986) Matemático y economista soviético. Kantoróvich
impulsó la aplicación de las matemáticas a los problemas económicos, con especial énfasis en las
cuestiones relacionadas con la optimización. En 1975 recibió el Premio Nobel de Economía,
junto a Koopmans, por su contribución al desarrollo de métodos para el análisis de problemas
económicos referidos a la asignación óptima de recursos escasos.
Kantoróvich ingresó como estudiante en el departamento de matemáticas de la Universidad de
Leningrado. Su actividad científica comenzó durante su segundo año de estudios, de manera que
los resultados de su primera investigación se presentaron en 1930 durante el Congreso de
Matemáticas de la Unión Soviética. Al principio de la década de los años treinta, Kantoróvich
continuó con su investigación en ciencias exactas en la misma Universidad, tarea que sumó a su
actividad docente.
En 1934, tras reinstaurarse el sistema de grados educativos, se le reconoció el grado de doctor
y se le confirmó en el puesto de profesor titular de la Universidad de Leningrado. A mediados de
esa década, cuando Leonid V. Kantoróvich compaginaba su labor académica con los trabajos
para el Instituto de Ingeniería de Construcción Industrial, comenzó a interesarse por las
ordenaciones topológicas de los espacios vectoriales.
Su contacto con la economía surgió en 1938 cuando el laboratorio de la firma Plymood le
encargó el análisis de la distribución de materias primas para la maximización del equipo
productivo. La resolución planteaba la maximización de una función lineal sujeta a restricciones,
metodología que observó adecuada para su aplicación en muchos problemas de carácter
económico. A raíz de estas consideraciones, el profesor Kantoróvich escribió un libro sobre
métodos matemáticos de organización y planificación de la producción, que no fue publicado
hasta 1959.
Con el inicio de la Segunda Guerra Mundial, fue destinado como docente en la Escuela de
Ingenieros Navales y a partir de 1944 dirigió el departamento de Métodos Aproximativos en el
Instituto de Matemáticas de las Academia de Ciencias de la Unión Soviética. Ya en la posguerra,
continuó su trabajo en torno a los algoritmos y a la programación lineal, materias que más tarde
le condujeron a la programación dinámica.
En la década de los años cincuenta continuó sus progresos en esta línea de investigación, que
expuso en 1959 junto a los trabajos realizados en los años cuarenta en su libro El mejor uso de
los recursos económicos. En el Congreso auspiciado por la Academia de Ciencias de la Unión
Soviética sobre Métodos Matemáticos en la Economía y la Planificación, se aprobó y apoyó esta
línea de investigación. Como resultado, se fundaron un laboratorio de matemática aplicada y
escuelas destinadas a formar economistas matemáticos a lo largo de todo el país.
En 1958 Leonid V. Kantoróvich fue nombrado director del Centro para el Empleo de Métodos
Estadísticos y Matemáticos en Economía, a la vez que miembro de la Academia de Ciencias de

la URSS. En 1960 pasó a formar parte del Instituto Matemático de Novosibirsk y desde 1970 se
encargó del laboratorio de investigación del Instituto Nacional de Planificación Económica en
Moscú.
Fue miembro de múltiples organizaciones como la Academia de Ciencias de la Unión
Soviética, la Academia de Ciencias Húngara, la Academia Americana de las Artes y de las
Ciencias o la Sociedad Econométrica. Entre sus obras destacan The best use of economic
resources (1959); Approximate methods of higher analysis (1958); Calcul économique et
utilisation des ressources (1963); Tablitsy dlia chislennogo resheniia granichnykh zadach (1963);
Functional analysis in normed spaces (1964); Analyse fonctionnelle (1981) y La asignación
óptima de los recursos económicos (1968), entre otras.
Leonid Kantoróvich
Los problemas que desarrolló en su trabajo fueron:

1. Asignación de tareas a máquinas capaces de producir las mismas piezas, que deben
de ser ensambladas para completar un artículo. Se maximiza el número de artículos
completos producidos con recursos asignados a la empresa.
2. Maximización del número de lotes producidos en industrias fabriles.
3. Minimización del tiempo de ejecución de tareas en las que pueden utilizarse máquinas
de diferentes características.
4. Planicación de la producción minimizando los desperdicios.
5. Maximización de un surtido de sustancias producidas a través de mezclas y aleaciones
(para las industrias químicas y renerías)
6. Minimización del valor (eufemismo que evita hablar de costes) del combustible utilizado
en una red de transportes.
7. Maximización del número de obras públicas, o viviendas, construidas utilizando los
recursos puestos a disposición de la empresa constructora.
8. Maximización de un surtido de productos agrarios mediante la asignación óptima de
las parcelas (con varias características) a los diferentes cultivos.
9. Determinación de rutas para el tráco de tal forma que se minimice el combustible
utilizado.
Programación Lineal
“El principal descubrimiento de Kantorovich en la unión de las matemáticas y la
economía es la programaciónque ahora es estudiada por cientos de miles de personas en
todo el mundo.
El termino significa el área colosal de la ciencia que se asigna a los modelos de
optimización lineal. En otras palabras, progrmación lineal es la ciencia del análisis teórico
y numérico de los problemas en los que buscamos para un valor óptimo (es decir, máximo o
mínimo) de algún sistema de índices de un proceso cuyo comportamiento se describe por
desigualdades lineales simultáneas.
El término "programación lineal" fue acuñado en 1951 por Koopmans. El más
encomiable tributación de Koopmans fue la ardiente promoción de los métodos de
programación lineal y el fuerte defensa de la prioridad de Kantorovich en la invención de
estos métodos.” ( MATHEMATICS AND ECONOMICS OF LEONID KANTOROVICH
2012)
Aunque parece ser que la programación lineal fue utilizada por G. Monge
en 1776, se considera a L. V. Kantoróvich uno de sus creadores. La presentó
en su libro Métodos matemáticos para la organización y la producción (1939)
y la desarrolló en su trabajo Sobre la transferencia de masas (1942).
Kantoróvich recibió el premio Nobel de economía en 1975 por sus
aportaciones al problema de la asignación óptima de recursos humanos.
La investigación de operaciones en general y la programación lineal en
particular recibieron un gran impulso gracias a los ordenadores. Uno de
momentos más importantes fue la aparición del método del simplex.
Métodos de solución
Existen tres métodos de solución de problemas de programación lineal:
1. Método gráfico: Las rectas de nivel dan los puntos del plano en los que
la función objetivo toma el mismo valor.
2. Método analítico: El siguiente resultado, denominado teorema
fundamental de la programación lineal, nos permite conocer otro
método de solucionar un programa con dos variables: “en un programa
lineal con dos variables, si existe una solución única que optimice la
función objetivo, esta se encuentra en un punto extremo (vértice) de la
región factible acotada, nunca en el interior de dicha región. Si la
función objetivo toma el mismo valor óptimo en dos vértices, también
toma idéntico valor en los puntos del segmento que determinan. En el
caso de que la región factible no es acotada, la función lineal objetivo
no alcanza necesariamente un valor optimo concreto, pero, si lo hace
este se encuentra en uno de los vértices de la región”.
3. Esquema práctico: Los problemas de programación lineal puede
presentarse en la forma estándar, dando la función, objetivos y las
restricciones, o bien plantearlos mediante un enunciado.
Tipoos de soluciones
En los problemas de programación lineal con dos variables pueden darse varios tipos de soluciones óptimas:
4. Solución única.
5. Solución múltiple (infinitas soluciones).
6. Solución no acotada (ausencia de solución), cuando la función objetivo no tiene valores extremos, pues la
región factible es no acotada.
7. Solución no factible, cuando no existe región factible por falta de puntos comunes en el sistema de
inecuaciones.
8. Solución degenerada, si en un solo punto (que se dice degenerado) coinciden tres o más de las rectas que
limitan la región factible.
Como resolver un problema mediante programación lineal
El primer paso para la resolución de un problema de programación lineal consiste en la
identificación de los elementos básicos de un modelo matemático, estos son:
Función Objetivo
Variables
Restricciones
El siguiente paso consiste en la determinación de los mismos, para lo cual proponemos seguir
la siguiente metodología:
La función objetivo
La función objetivo tiene una estrecha relación con la pregunta general que se desea
responder. Si en un modelo resultasen distintas preguntas, la función objetivo se relacionaría con

la pregunta del nivel superior, es decir, la pregunta fundamental. Así por ejemplo, si en una
situación se desean minimizar los costos, es muy probable que la pregunta de mayor nivel sea la
que se relacione con aumentar la utilidad en lugar de un interrogante que busque hallar la manera
de disminuir los costos.
Las variables de decisión
Similar a la relación que existe entre objetivos específicos y objetivo general, se comportan
las variables de decisión respecto a la función objetivo, puesto que estas se identifican partiendo
de una serie de preguntas derivadas de la pregunta fundamental. Las variables de decisión, son
en teoría, factores controlables del sistema que se está modelando, y como tal, estas pueden
tomar diversos valores posibles, de los cuales se precisa conocer su valor óptimo, que contribuya
con la consecución del objetivo de la función general del problema.
Las restricciones
Cuando hablamos de las restricciones en un problema de programación lineal, nos referimos a
todo aquello que limita la libertad de los valores que pueden tomar las variables de decisión.
La mejor manera de hallarlas consiste en pensar en un caso hipotético en el que decidiéramos
darle un valor infinito a nuestras variables de decisión, por ejemplo, ¿qué pasaría si en un
problema que precisa maximizar sus utilidades en un sistema de producción de calzado
decidiéramos producir una cantidad infinita de zapatos? Seguramente ahora nos surgirían
múltiples interrogantes, como por ejemplo:
¿Con cuánta materia prima cuento para producirlos?
¿Con cuánta mano de obra cuento para fabricarlos?

¿Pueden las instalaciones de mi empresa albergar tal cantidad de producto?
¿Podría mi fuerza de mercadeo vender todos los zapatos?
¿Puedo financiar tal empresa?
Pues bueno, entonces habríamos descubierto que nuestro sistema presenta una serie de
limitantes, tanto físicas, como de contexto, de tal manera que los valores que en un momento
dado podrían tomar nuestras variables de decisión se encuentran condicionados por una serie de
restricciones.
Pasos para resolver un problema de programación lineal
1. Elegir las incógnitas.
2. Escribir la función objetivo en función de los datos del problema.
3. Escribir las restricciones en forma de sistema de inecuaciones.
4. Averiguar el conjunto de soluciones factibles representando gráficamente las restricciones.
5. Calcular las coordenadas de los vértices del recinto de soluciones factibles (si son pocos).
6. Calcular el valor de la función objetivo en cada uno de los vértices para ver en cuál de ellos
presenta el valor máximo o mínimo según nos pida el problema (hay que tener en cuenta aquí la
posible no existencia de solución si el recinto no está acotado).

El Método Simplex
El Método Simplex es un método analítico de solución de problemas de programación lineal
capaz de resolver modelos más complejos que los resueltos mediante el método gráfico sin
restricción en el número de variables.
Es un método iterativo que permite ir mejorando la solución en cada paso. La razón
matemática de esta mejora radica en que el método consiste en caminar del vértice de un
poliedro a un vértice vecino de manera que aumente o disminuya (según el contexto de la
función objetivo, sea maximizar o minimizar), dado que el número de vértices que presenta un
poliedro solución es finito siempre se hallará solución.
Este popular método fue creado en el año de 1947 por el estadounidense George Bernard
Dantzig y el ruso Leonid Vitalievich Kantorovich, con el ánimo de crear un algoritmo capaz de
solucionar problemas de m restricciones y n variables.

¿Qué es una matriz identidad?
Una matriz puede definirse como una ordenación rectangular de elementos, (o listado finito
de elementos), los cuales pueden ser números reales o complejos, dispuestos en forma de filas y
de columnas.
La matriz idéntica o identidad es una matriz cuadrada (que posee el mismo número tanto de
columnas como de filas) de orden n que tiene todos los elementos diagonales iguales a uno (1) y
todos los demás componentes iguales a cero (0), se denomina matriz idéntica o identidad de
orden n, y se denota por:
La importancia de la teoría de matrices en el Método Simplex es fundamental, dado que el
algoritmo se basa en dicha teoría para la resolución de sus problemas.
Observaciones importantes al utilizar método simplex
Variables de holgura y exceso
El Método Simplex trabaja basándose en ecuaciones y las restricciones iniciales que se
modelan mediante programación lineal no lo son, para ello hay que convertir estas inecuaciones
en ecuaciones utilizando unas variables denominadas de holgura y exceso relacionadas con el
recurso al cual hace referencia la restricción y que en el tabulado final representa el "Slack or
surplus" al que hacen referencia los famosos programas de resolución de investigación de

operaciones, estas variables adquieren un gran valor en el análisis de sensibilidad y juegan un rol
fundamental en la creación de la matriz identidad base del Simplex.
Estas variables suelen estar representadas por la letra "S", se suman si la restricción es de
signo "<= " y se restan si la restricción es de signo ">=".
Por ejemplo:
Variable artificial / método de la "m"
Una variable artificial es un truco matemático para convertir inecuaciones ">=" en
ecuaciones, o cuando aparecen igualdades en el problema original, la característica principal de
estas variables es que no deben formar parte de la solución, dado que no representan recursos. El
objetivo fundamental de estas variables es la formación de la matriz identidad.
Estas variables se representa por la letra "A", siempre se suman a las restricciones, su
coeficiente es M (por esto se le denomina Método de la M grande, donde M significa un número
demasiado grande muy poco atractivo para la función objetivo), y el signo en la función objetivo
va en contra del sentido de la misma, es decir, en problemas de Maximización su signo es menos
(-) y en problemas de Minimización su signo es (+), repetimos con el objetivo de que su valor en
la solución sea cero (0).
Método simplex paso a paso
La empresa el SAMÁN Ltda. Dedicada a la fabricación de muebles, ha ampliado su
producción en dos líneas más. Por lo tanto actualmente fabrica mesas, sillas, camas y bibliotecas.
Cada mesa requiere de 2 piezas rectangulares de 8 pines, y 2 piezas cuadradas de 4 pines. Cada
silla requiere de 1 pieza rectangular de 8 pines y 2 piezas cuadradas de 4 pines, cada cama
requiere de 1 pieza rectangular de 8 pines, 1 cuadrada de 4 pines y 2 bases trapezoidales de 2
pines y finalmente cada biblioteca requiere de 2 piezas rectangulares de 8 pines, 2 bases
trapezoidales de 2 pines y 4 piezas rectangulares de 2 pines. Cada mesa cuesta producirla $10000
y se vende en $ 30000, cada silla cuesta producirla $ 8000 y se vende en $ 28000, cada cama
cuesta producirla $ 20000 y se vende en $ 40000, cada biblioteca cuesta producirla $ 40000 y se
vende en $ 60000. El objetivo de la fábrica es maximizar las utilidades.

PASO 1: MODELACIÓN MEDIANTE PROGRAMACIÓN LINEAL
Las variables:
X1 = Cantidad de mesas a producir (unidades)
X2 = Cantidad de sillas a producir (unidades
X3 = Cantidad de camas a producir (unidades)
X4 = Cantidad de bibliotecas a producir (unidades)
Las restricciones:
2X1 + 1X2 + 1X3 + 2X4 <= 24
2X1 + 2X2 + 1X3 <= 20
2X3 + 2X4 <= 20
4X4 <= 16
La función Objetivo:
ZMAX = 20000X1 + 20000X2 + 20000X3 + 20000X4
PASO 2: CONVERTIR LAS INECUACIONES EN ECUACIONES
En este paso el objetivo es asignar a cada recurso una variable de Holgura, dado que todas las
restricciones son "<=".
2X1 + 1X2 + 1X3 + 2X4 + 1S1 + 0S2 + 0S3 + 0S4 = 24
2X1 + 2X2 + 1X3 + 0X4 + 0S1 + 1S2 + 0S3 + 0S4 = 20
0X1 + 0X2 + 2X3 + 2X4 + 0S1 + 0S2 + 1S3 + 0S4 = 20
0X1 + 0X2 + 0X3 + 4X4 + 0S1 + 0S2 + 0S3 + 1S4 = 16
De esta manera podemos apreciar una matriz identidad (n = 4), formado por las variables de
holgura las cuales solo tienen coeficiente 1 en su respectivo recurso, por el ejemplo la variable de
holgura "S1" solo tiene coeficiente 1 en la restricción correspondiente a el recurso 1.
La función objetivo no sufre variaciones:
ZMAX = 20000X1 + 20000X2 + 20000X3 + 20000X4
PASO 3: Definir la solución básica inicial
El Método Simplex parte de una solución básica inicial para realizar todas sus iteraciones,
esta solución básica inicial se forma con las variables de coeficiente diferente de cero (0) en la
matriz identidad.
1S1 = 24
1S2 = 20
1S3 = 20
1S4 = 16
PASO 4: Definir la tabla simplex inicial
Método Simplex
Solución: (segundo término)= En esta fila se consigna el segundo término de la solución, es
decir las variables, lo más adecuado es que estas se consignen de manera ordenada, tal cual como
se escribieron en la definición de restricciones.
Cj = La fila "Cj" hace referencia al coeficiente que tiene cada una de las variables de la fila
"solución" en la función objetivo.
Variable Solución = En esta columna se consigna la solución básica inicial, y a partir de esta
en cada iteración se van incluyendo las variables que formarán parte de la solución final.
Cb = En esta fila se consigna el valor que tiene la variable que se encuentra a su derecha
"Variable solución" en la función objetivo.
Zj = En esta fila se consigna la contribución total, es decir la suma de los productos entre
término y Cb.
Cj - Zj = En esta fila se realiza la diferencia entre la fila Cj y la fila Zj, su significado es un
"Shadow price", es decir, la utilidad que se deja de recibir por cada unidad de la variable
correspondiente que no forme parte de la solución
Solución inicial:
PASO 5: REALIZAR LAS ITERACIONES NECESARIAS
Este es el paso definitivo en la resolución por medio del Método Simplex, consiste en realizar
intentos mientras el modelo va de un vértice del poliedro objetivo a otro.
El procedimiento a seguir es el siguiente:
9. Evaluar que variable entrará y cual saldrá de la solución óptima:
Maximizar Minimizar
Variable que entra La más positiva de los Cj - Zj La más negativa de los Cj - Zj
Variable que sale Siendo b los valores bajo la celda Siendo b los valores bajo la celda
solución y a el valor correspondiente solución y a el valor correspondiente
a la intersección entre b y la correspondiente a la
la variable que entra. La menos intersección entre b y la variable que
positiva de los b/a. entra. La mas positiva de los b/a
2. El hecho de que una variable distinta forme parte de las variables solución implica una
serie de cambios en el tabulado Simplex, cambios que se explicarán a continuación.
- Lo primero es no olvidar el valor del "a" correspondiente a la variables a entrar, en este caso
el "a = 4"
- Lo siguiente es comenzar a rellenar el resto de la tabla, fila x fila.
- Se repite este procedimiento con las dos filas restantes, ahora se harán los cálculos
correspondientes en el resto de las celdas.

De esta manera se culmina la primera iteración, este paso se repetirá cuantas veces sea
necesario y solo se dará por terminado el método según los siguientes criterios.
Maximizar Minimizar
Solución Óptima Cuando todos los Cj - Zj sean <= 0 Cuando todos los Cj - Zj sean >= 0
- Continuamos con las iteraciones para lo cual tenemos que repetir los pasos anteriores.
En esta última iteración podemos observar que se cumple con la consigna Cj - Zj <= 0, para
ejercicios cuya función objetivo sea "Maximizar", por ende hemos llegado a la respuesta óptima.
X1 = 3
X2 = 4
X3 = 6
X4 = 4
Con una utilidad de: $ 340000
Sin embargo una vez finalizado el Método Simplex se debe observar una matriz identidad en
el rectángulo determinado por las variables de decisión, el hecho de que en este caso no se
muestre la matriz identidad significa que existe una solución óptima alterna.
La manera de llegar a la otra solución consiste en alterar el orden en que cada una de las
variables entro a la solución básica, recordemos que el proceso fue decidido al azar debido a la
igualdad en el Cj - Zj del tabulado inicial. Aquí les presentamos una de las maneras de llegar a la
otra solución.
Podemos observar como existe una solución óptima alternativa en la cual la combinación de
variables es distinta y existe un menor consumo de recursos, dado que el hecho de que se
encuentre la variable "S1" en la solución óptima con un coeficiente de "3" significa que se
presenta una holgura de 3 unidades del recurso (pieza rectangular de 8 pines)
X1 = 0 (Cantidad de mesas a producir = 0)
X2 = 7 (Cantidad de sillas a producir = 7

X3 = 6 (Cantidad de camas a producir = 6)
X4 = 4 (Cantidad de bibliotecas a producir = 4)
S1 = 3 (Cantidad de piezas rectangulares de 8 pines sin utilizar =3)
Con una utilidad de: $ 340000
Problemas de minimización con el método simplex
Para resolver problemas de minimización mediante el algoritmo simplex existen dos
procedimientos que se emplean con regularidad.
El primero, que a mi juicio es el más recomendable se basa en un artificio aplicable al
algoritmo fundamentado en la lógica matemática que dicta que "para cualquier función f(x), todo
punto que minimice a f(x) maximizará también a - f(x)". Por lo tanto el procedimiento a aplicar
es multiplicar por el factor negativo (-1) a toda la función objetivo.
A continuación se resuelve el algoritmo como un problema de maximización.
El segundo procedimiento, el cual pretende conservar la minimización consiste en aplicar los
criterios de decisión que hemos esbozado con anterioridad, en los casos de la variable que entra,
que sale y el caso en el que la solución óptima es encontrada. Aquí recordamos los
procedimientos según el criterio dado el caso "minimizar".

Minimizar
Variable que entra La más negativa de los (Cj - Zj)
Variable que sale Siendo "b" los valores bajo la celda solución y "a" el valor
correspondiente a la intersección entre "b" y la variable que entra.
La más positiva de los "b/a".
Solución Óptima Cuando todos los (Cj - Zj) sean >= 0.8
Conclusión
La programación lineal no es solo una parte integral de las matemáticas, su importancia está en que
es una herramienta financiera que puede brindar ayuda en la toma de decisiones, y para aquellos
interesados, tiene gran utilidad en las Pymes (empresas con características distintivas, y que tiene
dimensiones con ciertos límites ocupacionales y financieros prefijados por los Estados o regiones)
porque permite asignar eficientemente los recursos limitados.
Encontramos su rol mas importante en la época de la Revolución Industrial, cuando aparecieron las
maquinas de producción, haciendo crecer las fabricas, hasta la Segunda Guerra Mundial, donde la
necesidad de asignar recursos escasos a las operaciones militares, obligaban a encontrar un mecanismo
que pudiese solucionar los problemas derivados de estos. Es entonces, cuando aparece el método
simplex para resolver problemas de regresión lineal, que ayudaba a maximizar utilidades o minimizar
costos.
El algoritmo o método simplex creado a partir de las aportaciones realizadas por Kantorovich y
Dantzig es un algoritmo, un proceso en que se repite un procedimiento hasta lograr el resultado,
determinando un proceso de arranque y un criterio para determinar cuándo debe detenerse; debido a
esto se ha convertido en una herramienta estándar de gran importancia para numerosas organizaciones
comerciales e industriales. Además, casi cualquier organización social tiene que ver con la asignación de
recursos en algún contexto y existe un reconocimiento creciente de la extremadamente amplia
aplicabilidad de la técnica del método.
Es importante destacar finalmente que no solo aporta la solución óptima de las variables sino, su
utilidad máxima, y costo mínimo, sino también una gran cantidad de valiosa información económica.
Por esta razón resulta de vital importancia tanto el aprender las técnicas de solución a través de
este método y además dominar ampliamente la interpretación de resultados.

Trabajo Mate

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Trabajo Mate

Uploaded by

Copyright:

Available Formats

Programación lineal y método Simplex 1

Trabajo de Investigación Programación Lineal y Método Simplex

Christopher Malebrán Rodriguez

Colegio Gabriela Mistral

Trabajo destinado a Álgebra y Modelos Analíticos

Christopher Malebrán Rodriguez

Colegio Gabriela Mistral, Calle Coquimbo, Ovalle

Contacto: Cmalebran1230 @ gmail.com

Biografía Leonid Vitaliyevich Kantorovich…

La programación lineal se define como un conjunto de técnicas racionales de análisis y de

asuntos en los que intervienen un gran número de variables

Leonid Vitaliyevich Kantorovich presentó el método matemático de la programación lineal,

económica y la distribución de recursos en la Unión Soviética. Más tarde, y de forma

independiente, teorías similares fueron desarrolladas por Koopmans y otros economistas.

La presente investigación trata sobre el método Simplex formulado por Kantorovich y

forma de inecuaciones, en resumen, optimizar los recursos de la manera más eficiente

Bajo esta escena, se considera pertinente también una investigación a la biografía de

algoritmo) Simplex al entregar los fundamentos de la metodología gracias a sus contribuciones al

Es muy importante destacar la importancia del método Simplex, como lo es en el área

ganancias optimas y suficientes para competir en el mercado.

Biografía Leonid Vital'evich Kantoróvich

(San Petersburgo, 1912 - Moscú, 1986) Matemático y economista soviético. Kantoróvich

cuestiones relacionadas con la optimización. En 1975 recibió el Premio Nobel de Economía,

junto a Koopmans, por su contribución al desarrollo de métodos para el análisis de problemas

económicos referidos a la asignación óptima de recursos escasos.

Kantoróvich ingresó como estudiante en el departamento de matemáticas de la Universidad de

los resultados de su primera investigación se presentaron en 1930 durante el Congreso de

Matemáticas de la Unión Soviética. Al principio de la década de los años treinta, Kantoróvich

En 1934, tras reinstaurarse el sistema de grados educativos, se le reconoció el grado de doctor

y se le confirmó en el puesto de profesor titular de la Universidad de Leningrado. A mediados de

para el Instituto de Ingeniería de Construcción Industrial, comenzó a interesarse por las

ordenaciones topológicas de los espacios vectoriales.

Su contacto con la economía surgió en 1938 cuando el laboratorio de la firma Plymood le

encargó el análisis de la distribución de materias primas para la maximización del equipo

productivo. La resolución planteaba la maximización de una función lineal sujeta a restricciones,

metodología que observó adecuada para su aplicación en muchos problemas de carácter

económico. A raíz de estas consideraciones, el profesor Kantoróvich escribió un libro sobre

métodos matemáticos de organización y planificación de la producción, que no fue publicado

Ingenieros Navales y a partir de 1944 dirigió el departamento de Métodos Aproximativos en el

Instituto de Matemáticas de las Academia de Ciencias de la Unión Soviética. Ya en la posguerra,

le condujeron a la programación dinámica.

los recursos económicos. En el Congreso auspiciado por la Academia de Ciencias de la Unión

Soviética sobre Métodos Matemáticos en la Economía y la Planificación, se aprobó y apoyó esta

línea de investigación. Como resultado, se fundaron un laboratorio de matemática aplicada y

escuelas destinadas a formar economistas matemáticos a lo largo de todo el país.

Estadísticos y Matemáticos en Economía, a la vez que miembro de la Academia de Ciencias de

encargó del laboratorio de investigación del Instituto Nacional de Planificación Económica en

Fue miembro de múltiples organizaciones como la Academia de Ciencias de la Unión

Soviética, la Academia de Ciencias Húngara, la Academia Americana de las Artes y de las

resources (1959); Approximate methods of higher analysis (1958); Calcul économique et

Functional analysis in normed spaces (1964); Analyse fonctionnelle (1981) y La asignación

óptima de los recursos económicos (1968), entre otras.

Los problemas que desarrolló en su trabajo fueron:

de ser ensambladas para completar un artículo. Se maximiza el número de artículos

completos producidos con recursos asignados a la empresa.

2. Maximización del número de lotes producidos en industrias fabriles.

4. Planicación de la producción minimizando los desperdicios.

5. Maximización de un surtido de sustancias producidas a través de mezclas y aleaciones

(para las industrias químicas y renerías)

en una red de transportes.

7. Maximización del número de obras públicas, o viviendas, construidas utilizando los

recursos puestos a disposición de la empresa constructora.

8. Maximización de un surtido de productos agrarios mediante la asignación óptima de