1

MAXIMOS Y MINIMOS CON EL METODO SIMPLEX Y

VARIABLE DE HOLGURA Y SUPERAVIT

ANGIE LORENA PAYOMA CARVAJAL

20192183859

HAROL AGUSTO VARGAS QUINTERO

DOCENTE

PROGRAMA DE CONTADURIA PUBLICA, FACULTAD DE ECONOMIA Y

ADMINISTRACION, UNIVERSIDAD SURCOLOMBIANA

20 DE ABRIL DEL 2023

 2

TABLA DE CONTENIDO

1) INTRODUCCIÓN

2) QUE ES METODO SIMPLEX

3) MAXIMOS POR EL METODO SIMPLEX

4) MINIMOS POR EL METODO SIMPLEX

5) VARIABLE DE HOLGURA

6) VARIABLE DE SUPERAVIT

7) WEBGRAFIA
 3

1. INTRODUCCION

En este trabajo se hablará de varios temas como lo son los máximos y mínimos por el
método simplex, también acerca de las variables de holgura y superávit, en donde nos
ayudara a entender acerca de estos temas los cuales son muy importantes para la
programación lineal, para ello se tendrá una pequeña definición de lo mas importante y
con ello ejemplos para poder entender más este tema.
 4

2) METODO SIMPLEX

El método simplex consiste en un algoritmo literativo que permite ir mejorando la

solución en cada paso, haciendo una analogía con el método gráfico, consiste en
caminar por cada vértice del poliedro de la región factible de tal forma que aumente o
disminuya de un vértice a otro según la función objetivo.
Dado que el número de vértices que presenta un poliedro solución es finito siempre se
hallará la solución
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 y con una mayor capacidad de análisis
de sensibilidad.
El método simplex 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, en la medida en que se
pueda satisfacer el conjunto de restricciones, siempre se hallará como mínimo una
solución óptima.

Pasos del Método Simplex

Los pasos a seguir en el método simplex son:

- Definir el problema en la forma estándar y generar nuestra matriz.
- Determinar la solución básica inicial.
- Seleccionar la variable de entrada utilizando la condición de optimalidad. Si no
se puede seleccionar una variable de entrada, quiere decir que estamos en la
condición óptima y finalizan las iteraciones. De otro modo se continúa con el
siguiente paso.
- Seleccionar la variable de salida utilizando la condición de factibilidad.
- Actualizar nuestra matriz realizando las operaciones de Gauss-Jordan. Volver al
paso número 3.
 5

3) MAXIMOS POR EL METODO SIMPLEX

Este método fue desarrollado por el matemático estadounidense George Dantzig en

1946 y se entiende como una manera sistemática y secuencial (iterativa) para llegar a
la solución óptima de un problema de programación lineal.
Maximizar se trata de llevar a una variable a su máxima expresión, es decir, aprovechar
todos los recursos posibles.

EJEMPLO

Función Objetivo

Maximizar: Z = 2X1 + 5X2

Sujeto a:

X1 + 6X2 ≤ 20
X1 + X2 ≤ 60
X1 ≤ 40
X1, X2 ≥ 0

El problema se adecuará al modelo estándar de programación lineal, agregando las

variables de holgura, exceso y/o artificiales en cada una de las restricciones:

 Restricción 1: Tiene signo “≤” (menor igual) por lo que se agrega la

variable de holgura S1.
 Restricción 2: Tiene signo “≤” (menor igual) por lo que se agrega la
variable de holgura S2.
 Restricción 3: Tiene signo “≤” (menor igual) por lo que se agrega la
variable de holgura S3.

A continuación, se muestra el problema en la forma estándar. Se colocará el coeficiente

0 (cero) donde corresponda para crear nuestra matriz:
 6

Para encontrar la variable que entra a la base elegimos el valor más negativo del vector
de costes reducidos: -5. Por lo tanto, la variable de entrada sería X2.
Para la variable de salida dividiremos los valores de la columna R con los de la columna
X2 (siempre y cuando sean positivos). Los resultados en orden serían: 20/6, 60 y la
última fila no se considera porque su valor correspondiente a X2 no es positivo (0). Se
 7

debe elegir el menor valor de esta división: 20/6; por lo tanto la variable de salida se
encuentra en la primera fila: S1.
El elemento pivote se encuentra en el cruce de X2 y S1: 6.

Realizamos las reducciones de Gauss-Jordan:

Ingresa la variable X1 y sale de la base la variable X2. El elemento pivote es 1/6.

Repetimos las operaciones de Gauss-Jordan y obtenemos la siguiente matriz:
 8

En esta última matriz, todos los valores del vector de costes reducidos son positivos lo
que indica que nos encontramos en el punto óptimo. El resultado sería:

Z = 40

X1= 20, X2= 0, S1= 0, S2= 40, S3= 20

 9

4) MINIMIZAR POR EL METODO SIMPLEX

Resuelve problemas de planeación y programación de operaciones. Utiliza el modelo

de la programación lineal, a través de la solución de una matriz, usando el método de la
eliminación de Gauss Jordan
EJEMPLO

Función Objetivo

Minimizar: Z = 3X1 – 2X2

Sujeto a:

2X1 + X2 ≤ 18
2X1 + 3X2 ≤ 42
3X1 – 2X2 ≤ 5
X1, X2 ≥ 0

El problema se adecuará al modelo estándar de programación lineal, agregando las

variables de holgura, exceso y/o artificiales en cada una de las restricciones:

Restricción 1: Tiene signo “≤” (menor igual) por lo que se agrega la

variable de holgura S1.
 Restricción 2: Tiene signo “≤” (menor igual) por lo que se agrega la
variable de holgura S2.
 Restricción 3: Tiene signo “≤” (menor igual) por lo que se agrega la
variable de holgura S3.
A continuación, se muestra el problema en la forma estándar. Se colocará el coeficiente
0 (cero) donde corresponda para crear nuestra matriz:
 10

Como el ejercicios es de minimización, elegiremos el mayor valor positivo para la

variable de entrada: 2. Por lo tanto la variable de entrada sería X2.
 11

Para la variable de salida dividiremos los valores de la columna R con los de la columna
X2 (siempre y cuando sean positivos). Los resultados en orden serían: 18/1, 42/3 y la
última fila no se considera porque su valor correspondiente a X2 es negativo (-2). Se
debe elegir el menor valor de esta división: 42/3=14; por lo tanto la variable de salida se
encuentra en la segunda fila: S2.

El elemento pivote se encuentra en el cruce de X2 y S2: 3.

Realizamos las reducciones de Gauss-Jordan:

En esta última matriz, todos los valores del vector de costes reducidos son negativos, lo
que indica que nos encontramos en el punto óptimo del problema de minimización. El
resultado sería:

Z= 28

X1= 0, X2= 14, S1= 4, S2= 0, S3= 33

 12

5) VARIABLE DE HOLGURA

Una variable de holgura tiene coeficiente cero en la Función Objetivo.

Se suman en restricciones del Tipo ≤ .

En términos matemáticos, expresan la diferencia entre el lado

izquierdo y el lado derecho de las restricciones. Al igual que las
variables de decisión deben ser mayores o iguales a cero.

En términos del modelo representan la cantidad de recurso no utilizado

con relación a un máximo disponible (Parte ociosa de los recursos

Cualquier inecuación puede ser convertida en una ecuación agregando una cantidad
negativa en el lado de menor valor de la inecuación. Esta variable se llama variable de
holgura y también se introduce en la función objetivo con coeficiente cero ya que no
influye en el valor de la función objetivo.
 13

6) VARIABLE DE SUPERAVIT

Para las restricciones del tipo (> =), generalmente determinan los requerimientos
mínimos de especificaciones. Es decir, un superávit representa el exceso mínimo del
lado izquierdo sobre el requerimiento mínimo de la restricción.
Las restricciones del tipo () por lo común determinan requerimientos mínimos de
especificaciones. En este caso, un superávit representa el exceso mínimo del lado
izquierdo, sobre el requerimiento mínimo. Por ejemplo, en el modelo de la dieta, la
restricción que representa los requerimientos mínimos del alimento, x1 + x2 > 800, es
matemáticamente equivalente a x 1 + x2 — S 1 = 800, siempre y cuando S1 > 0. Un
valor positivo de S1 significa que se producirá una cantidad excedente de alimento (por
encima del requerimiento mínimo de 800 libras)
 14

7) WEBGRAFIA

https://www.google.com/search?
q=maximos+con+el+metodo+simplex&oq=maximos+con+el+metodo+simplex&gs_lcrp=
EgZjaHJvbWUyBggAEEUYOdIBCDY0ODRqMGo3qAIAsAIA&sourceid=chrome&ie=UT
F-8&bshm=foot/1
https://www.ingenieriaindustrialonline.com/investigacion-de-operaciones/metodo-
simplex/
https://www.plandemejora.com/metodo-simplex-paso-a-paso-ejemplos-maximizar-
minimizar/
https://www.google.com/search?
q=variable+de+holgura&oq=variable+de+holgura+&gs_lcrp=EgZjaHJvbWUyBggAEEUY
OdIBCDUwMzFqMGo3qAIAsAIA&sourceid=chrome&ie=UTF-8&bshm=foot/1,foot/1
https://conocimientosweb.net/dcmt/ficha8427.html