UNIVERSIDAD NACIONAL EXPERIMENTAL

DE LOS LLANOS OCCIDENTALES

“EZEQUIEL ZAMORA”

PROGRAMA ACADÉMICO CIENCIAS SOCIALES Y ECONOMICAS

SUBPROGRAMA CONTADURÍA PÚBLICA

INVESTIGACION DE OPERACIONES

FUNDAMENTO DEL METODO SIMPLEX, FORMATO TABULAR

AUTORAS:

Amado Irania C.I. V– 15.857.622

Gomez Yuderkis C.I. V- 28.061.403

Rojas Albany C.I. V- 30.616.953

Rodriguez Joseline C.I. V- 21.221.707

Zambrano Wuilmary C.I. V- 27.892.921

VII Semestre Contaduría Pública F/S

Docente: Lily Triana

El Piñal, junio de 2022

Palabras claves: Simplex, Tabular, Variables, Optimización

 INTRODUCCION

El Método Simplex, como parte de la programación lineal, es un método

analítico capaz de resolver aquellos modelos que se vuelven complejos en el uso del
método gráfico por el número de variables empleadas. Del mismo modo, busca la
solución, en cada paso, de forma mejorada. Usar un modelo matemático para la
resolución de problemas es la base de la programación lineal recordando que modelo se
refiere a la representación simplificada de la realidad; los modelos matemáticos en
específico hacen uso de símbolos matemáticos y presentan elementos como variables,
optimización, restricciones entre otros.

Siendo la Investigación de Operaciones una rama muy amplia, se encuentran

diversos métodos como el formato tabular simplex en el manejo de procedimientos
empresariales, La forma tabular del método simplex es matemáticamente equivalente a
la forma algebraica, nada más que en lugar de escribir cada conjunto de ecuaciones con
todo detalle, se usa una tabla simplex para registrar sólo la información esencial, a
saber.

Palabras claves: Simplex, Tabular, Variables, Optimización

 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 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.

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.
Simplex es considerado como uno de los algoritmos más importantes de la historia, y
hoy por hoy sigue siendo la base en la que se fundamentan la mayor parte de
solucionadores de modelos de programación lineal.
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. De tal
manera que veremos previamente, en qué consiste una matriz identidad.

EL ALGORITMO DEL SIMPLEX

Busca el óptimo de un problema de P.L. recorriendo sólo algunos de los vértices
del poliedro que representa el conjunto de soluciones factibles. En cada iteración, al
algoritmo se desplaza de un vértice a otro de forma que el valor de la función objetivo
mejore con el desplazamiento, esto es, que aumente si el problema es de maximización,
o disminuya si el problema es de minimización. La optimización de un P.L. puede dar
lugar a cuatro posibles resultados: a) Alcanzar un óptimo único. b) Alcanzar un óptimo
que no es único (soluciones alternativas o múltiples).c) Concluir que el problema es no
factible, esto es, que no existe ninguna solución que satisfaga simultáneamente todas las
restricciones del problema. d) Concluir que el problema es no acotado, es decir, que el

Palabras claves: Simplex, Tabular, Variables, Optimización

valor de la función objetivo en el óptimo es tan grande como se desee si el problema es
de maximización, o tan pequeño como se quiera si el problema es de minimización. El
método Simplex alcanza siempre uno de estos resultados en un número finito de
iteraciones. En cada iteración se pasa de una solución básica factible a otra, de manera
que, en el proceso, el valor de la función objetivo mejora en cada iteración. Cuando se
determina que no existe ninguna SBF con un mejor valor de la función objetivo que el
actual se detiene el proceso puesto que se ha llegado al óptimo.

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 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 (del lado izquierdo
de la restricción) si la restricción es de signo «<=» y se restan (del lado izquierdo de la
restricción) si la restricción es de signo «>=».

Una consideración importante consiste en que el sistema de restricciones debe

ser restrictivo, y esto significa solo una cosa: El lado derecho de las restricciones no
puede contener variables, solo un número mayor o igual a 0.
En el caso en que, por ejemplo, tengamos la siguiente restricción:
2X1 + 1X2 + 1X3 + 2X4 <= -24
Procederemos, primero a convertir la desigualdad en igualdad añadiendo una
variable de holgura:
2X1 + 1X2 + 1X3 + 2X4 + 1S1 = -24
Segundo, a multiplicar ambos lados de la igualdad por (-1), de tal manera que el
lado derecho cumpla con la condición: positivos mayores o iguales a 0.

Palabras claves: Simplex, Tabular, Variables, Optimización

 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 representan 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).

VARIABLES NO NEGATIVAS
Todas las variables del método Simplex deben cumplir con la condición de no
negatividad. Cuando existe alguna variable del modelo que no tiene restricción de no-
negatividad, se debe reemplazar por la diferencia de dos variables positivas.
Por lo tanto, en el modelo donde aparezca esta variable, se debe cambiar por:
Sea Xi una variable sin restricción de no-negatividad (puede ser mayor, igual o menor
que cero), se debe cambiar por:
(Xi(+) – Xi(-)) donde Xi(+) >= 0 y  Xi(-) >= 0
Este tipo de variables son poco comunes, y se utilizan mucho en la
programación por metas.

MÉTODO PASO A PASO

  El problema
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

Palabras claves: Simplex, Tabular, Variables, Optimización

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

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)
● Restricciones:
● 2X1 + 1X2 + 1X3 + 2X4 <= 24
● 2X1 + 2X2 + 1X3 <= 20
● 2X3 + 2X4 <= 20
● 4X4 <= 16

Función Objetivo:
● ZMAX = 20000X1 + 20000X2 + 20000X3 + 20000X4
Paso 2: Estandarizar el modelo
Este paso consiste en cumplir las consideraciones del modelo para que se ajuste
al método Simplex:
✔ Convertir inecuaciones en ecuaciones
✔ Pasar, de ser necesario, el lado derecho de las restricciones a números positivos.
✔ Verificar que todas nuestras variables sean de naturaleza no-negativa.
Convertir las inecuaciones en igualdades (Variables de Holgura y Exceso)
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
En cuyo caso:
✔ S1 = Cantidad de piezas rectangulares de 8 pines que no se utilizarán (holgura)

Palabras claves: Simplex, Tabular, Variables, Optimización

 ✔ S2 = Cantidad de piezas cuadradas de 4 pines que no se utilizarán (holgura)
✔ S3 = Cantidad de bases trapezoidales que no se utilizarán (holgura)
✔ S4 = Cantidad de piezas rectangulares de 2 pines que no se utilizarán (holgura)
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
ejemplo, la variable de holgura «S1» solo tiene coeficiente 1 en la restricción
correspondiente al recurso 1.

FORMA TABULAR
La forma tabular del método simplex es matemáticamente equivalente a la forma
algebraica, nada más que en lugar de escribir cada conjunto de ecuaciones con todo
detalle, se usa una tabla simplex para registrar sólo la información esencial, a saber:
1. los coeficientes de las variables
2. las constantes del lado derecho de las ecuaciones
3. las variables básicas que aparecen en cada ecuación. 
Esto ahorra la escritura de los símbolos de las variables, pero es más importante
en cada ecuación. Esto ahorra la escritura de los símbolos de las variables, pero es más
importante el hecho de que permite hacer que sobresalgan los números que se usan en
los cálculos aritméticos y registrarlos en forma muy compacta.
El método simplex tabular tiene la forma de una tabla de doble entrada, formada
por filas y columnas.
Para resolver el método simplex tabular el método Gaussiano para la
determinación de la inversa de una matriz.
Construcción de la primera tabla, Las columnas y las filas de la tabla están
dispuestas de la siguiente forma:
✔ La primera columna de la tabla contiene las variables que se encuentran en la
base (o variables básicas), esto es, aquellas que toman valor para
proporcionar una solución.
✔ La segunda columna recoge los coeficientes que dichas variables básicas
tienen en la función objetivo (esta columna es llamada 𝐶𝑏);
✔ La tercera columna recoge los coeficientes de las variables de decisión,
holgura, exceso y artificiales;
✔ La cuarta y última columna muestra el término independiente de cada
restricción (𝑏𝑖),

Palabras claves: Simplex, Tabular, Variables, Optimización

 Antes de desarrollar el método habrá que hacer algunas especificaciones:
Formulación del Modelo Usar un modelo matemático para la resolución de problemas
es la base de la programación lineal recordando que modelo se refiere a la
representación simplificada de la realidad; los modelos matemáticos en específico hacen
uso de símbolos matemáticos y presentan elementos como:
Variables: representan las incógnitas del problema.
Restricciones: se contemplan las limitaciones a las que se encuentra sujeta la
resolución del problema considerando la escasez de recursos en tiempo y espacio.
Función objetivo: representa la meta que se pretende alcanzar y en la cual se
basan las decisiones principales para maximizar los beneficios o bien para minimizar los
costos (considere que en la programación lineal el calificativo “lineal” hace referencia
que las ecuaciones usadas en el modelo serán siempre de primer grado, es decir, sin
exponentes).
Sin embargo, los resultados no siempre deberán tomarse literalmente pues es
deber del interprete considerar que hay factores externos como el cambio climático, la
competencia, las condiciones de seguridad, entre otros; por lo tanto, los resultados del
modelo deberán ser usados como una base para el tomador de decisiones con el objetivo
de conseguir los mejores resultados en diferentes situaciones. Por lo tanto, es importante
señalar cuestiones que debe considerar la persona encargada del modelado, entre más
sencillo sea el modelo, mejor será el resultado. Un modelo complejo no siempre será la
mejor solución.
El modelo debe ser validado antes de ser implementado para saber si representa
la situación real y en caso de no ser así habrá que hacer los ajustes correspondientes. Si
se hacen las cosas de manera apresurada, el modelo saldrá mal. Debe hacerse un
minucioso análisis de la información recabada para identificar que en verdad será útil
para el modelo. Los modelos son una herramienta más el tomador de decisiones tendrá
siempre la última palabra.

TIPOS DE OPTIMIZACIÓN
Como se ha comentado, el objetivo del método simplex consiste en optimizar el
valor de la función objetivo. Sin embargo, se presentan dos opciones: obtener el valor
óptimo mayor (maximizar) u obtener el valor óptimo menor (minimizar). Además,
existen diferencias en el algoritmo entre el objetivo de maximización y el de

Palabras claves: Simplex, Tabular, Variables, Optimización

minimización en cuanto al criterio de condición de parada para finalizar las iteraciones
y a las condiciones de entrada y salida de la base. Así:
Maximización

● Condición de parada: cuando en la fila Z no aparece ningún valor negativo.

● Condición de entrada a la base: el menor valor negativo en la fila Z (o el de
mayor valor absoluto entre los negativos) indica la variable Pj que entra a la
base.
● Condición de salida de la base: una vez obtenida la variable entrante, la variable
que sale se determina mediante el menor cociente P0/Pj de los estrictamente
positivos.
Minimización
● Condición de parada: cuando en la fila Z no aparece ningún valor positivo.
● Condición de entrada a la base: el mayor valor positivo en la fila Z indica la
variable Pj que entra a la base.
● Condición de salida de la base: una vez obtenida la variable entrante, la variable
que sale se determina mediante el menor cociente P0/Pj de los estrictamente
negativos.
● Cambio del tipo de optimización.
Si bien el proceso de maximización y minimización tienen sus
procedimientos bien definidos, siempre resulta más sencillo maximizar que
minimizar, en tal sentido, es posible normalizar el objetivo del problema con el fin
de aplicar siempre los mismos criterios en lo referente a la condición de parada del
algoritmo y a las condiciones de entrada y salida de las variables de la base. De esta
forma, si el objetivo es minimizar la solución, se puede cambiar el problema a otro
equivalente de maximización simplemente multiplicando la función objetivo por "-1".
Es decir, el problema de minimizar Z es equivalente al problema de maximizar “-Z”.
Una vez obtenida la solución óptima, será necesario multiplicarla también por (-1)

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.

Palabras claves: Simplex, Tabular, Variables, Optimización

 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:

Palabras claves: Simplex, Tabular, Variables, Optimización

 CONCLUSION
En síntesis, el Método Simplex es una herramienta matemática básica en la
toma de decisiones, pero requiere de entender cada uno de sus pasos y la constancia de
practicarlos. la forma tabular es apropiada para todos aquellos que se encuentran en un
curso introductorio y que no necesariamente tengan el conocimiento del uso de
matrices.

El método Simplex es sumamente importante en el sector empresarial, porque

actúa como una herramienta para ofrecer soluciones a los problemas relacionados con
pérdidas, inventario y ganancias. Con esta metodología, es posible visualizar cuánto se
debe comprar, producir y vender, según sea el caso. es un procedimiento sistemático y
eficiente para encontrar y probar soluciones de problemas de programación lineal
localizadas en los vértices de optimidad.

Palabras claves: Simplex, Tabular, Variables, Optimización

 WEBGRAFÍA

ALVAREZ, P. (2013) “INVESTIGACION DE OPERACIONES” consultado 14, junio

de 2022 https://lainvestigaciondeoperaciones.blogspot.com/2013/10/el-metodo-simplex-
en-forma-tabular-i.html [BLOG EN LINEA]

FLORES CELEDON, P. (2016) “EL METODO SIMPLEX EN FORMA TABULAR”

consultado 14, junio de 2022
https://www.academia.edu/22751522/EL_METODO_SIMPLEX_EN_FORMA_TABU
LAR [ACADEMIA EN LINEA]

ESCRIBANO OTERO, C. (2014) “FORMA TABULAR MÉTODO SIMPLEX”

consultado 14, junio de 2022 https://es.scribd.com/document/246041748/Forma-
Tabular-metodo-SIMPLEX [DOCUMENTO EN LINEA]

Palabras claves: Simplex, Tabular, Variables, Optimización