RESUMEN

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.

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 siempre se hallará
solución.

¿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:
 Consideraciones importantes al utilizar el 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 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:
 Método de Análisis de sensibilidad

El análisis de sensibilidad es la técnica que determina cómo diferentes valores de una

variable independiente impactan en una variable dependiente bajo un conjunto de
supuestos. Estudia cómo la incertidumbre en el resultado de un modelo o sistema
matemático puede asignarse a diferentes fuentes en sus variables de entrada.

Esta técnica se usa dentro de límites específicos que dependen de una o más variables
de entrada, tal como el efecto que tienen los cambios en las tasas de interés (variable
independiente) en los precios de los bonos (variable dependiente).

El análisis de sensibilidad, dado un cierto rango de variables, es una forma de predecir

el resultado de una decisión. Es conocido también como análisis de simulación o «qué
pasa si». Al crear un conjunto dado de variables, un analista puede determinar cómo los
cambios en una variable afectan el resultado.

¿Para qué sirve?

Una de las aplicaciones clave del análisis de sensibilidad es en el uso de modelos por
parte de los gerentes y responsables en la toma de decisiones. Se puede utilizar todo el
contenido necesario para el modelo de decisión mediante la aplicación repetida del
análisis de sensibilidad.

Ayuda a los analistas de decisión a comprender las incertidumbres, los pros y los
contras, con las limitaciones y el alcance de un modelo de decisión.

Análisis de sensibilidad local

Está basado en derivadas (numéricas o analíticas). El término local indica que las
derivadas se toman en un solo punto. Este método es apto para funciones de costos
simples.

Sin embargo, no es factible para modelos complejos, como modelos con

discontinuidades, ya que no siempre tienen derivadas.
Matemáticamente, la sensibilidad de la función de costo con respecto a ciertos
parámetros es igual a la derivada parcial de la función de costo con respecto a esos
parámetros.

Análisis de sensibilidad global

El análisis de sensibilidad global es el segundo enfoque para el análisis de sensibilidad,

el cual se implementa frecuentemente usando las técnicas de Monte Carlo. Este enfoque
utiliza un conjunto global de muestras que sirven para explorar el espacio de diseño.

Ejemplo

John está a cargo de las ventas de Holiday CA, que vende decoraciones navideñas en un
centro comercial. John sabe que la temporada de vacaciones se acerca y que el centro
comercial estará abarrotado.

Quiere saber si un aumento en el tráfico de clientes en el centro comercial aumentará los

ingresos por ventas totales de la tienda y, de ser así, en qué cantidad.

El precio promedio de un paquete de decoraciones navideñas es de $20. Durante la

temporada de vacaciones del año anterior, Holiday CA vendió 500 paquetes de adornos
navideños. Esto arrojó un total de ventas de $10 000.

Después de llevar a cabo un análisis de sensibilidad, se determina que un aumento del

10 % en el tráfico de clientes en el centro comercial da como resultado un aumento del
7 % en las ventas totales.

Con esta información, John puede predecir cuánto dinero generará la tienda si el tráfico
de clientes aumenta en un 20 %, 40 % o 100 %.

Con base al análisis de sensibilidad que se muestra, se puede observar que se generará
un aumento en las ventas totales de un 14 %, 28 % y 70 %, respectivamente.