República Bolivariana de Venezuela

Ministerio del poder Popular para la Educación Superior

Universidad Panamericana del Puerto
Facultad de Ciencias Económicas y Sociales
Asignatura: Sistemas y procedimientos Contables Código: SPC-3854
Nombre Docente: María Julia Juárez Azuaje,

METODO SIMPLEX

Alumna: Zulayda Muñoz

CIV: 11.216.388
Caracas, Junio 2021

Después de obtener la
solución óptima de un modelo
lineal para determinar como
afectan los cambios en los
parámetros del modelo a la
solución óptima calculada.
Se utilizan las expresiones Matricial es        y        para calcular los coeficientes de las variables no básicas de la función objetivo. La solución        es óptima si y sólo si todos estos coeficientes son no negativos.
Es una variante del Algoritmo simplex, es usado
1. Variaciones en los términos como alternativa al Método de la Gran M pues
independientes de las evita el uso de la constante M; este método
ecuaciones de restricción resuelve el modelo de programación lineal en dos
2.Variaciones en los coeficientes fases, en la fase I se trata de encontrar la
de la función objetivo. solución factible básica inicial y, si se halla una,
Ocurre
se invoca la fase II para resolver el problema
Tipos original.

En estudiar los efectos que provocan en Consiste

la solución óptima los posibles cambios Análisis de Sensibilidad
Técnica de Dos Fases
de los datos iniciales del programa
productivo.

Es un truco matemático para convertir inecuaciones

(>=) en ecuaciones, o (=) en el problema original, la
característica principal es que no deben formar parte
1. Condición de optimidad simplex
Variable Artificial de la solución, dado que no representan recursos. El
2. Variable de entrada objetivo fundamental de estas variables es la
formación de la matriz identidad.
3. Variable de salida
4. Relaciones Pasos Método Simplex Existen dos métodos en el uso de variables
artificiales:
5. Condición de factibilidad simplex
• El método M o de penalización y
6. Gauss - Jordán • La técnica de 2 fases.

Es un proceso repetitivo que permite

La representación de espacios de
estado proporciona un modo
compacto y conveniente
modelar y analizar sistemas con
múltiples entradas y salidas, tanto
para sistemas lineales como no
lineales.
mejorar la solución de la función objetivo,
el método concluye cuando están
de Se define satisfechas todas las restricciones, es
Representación del
decir, cuando se ha llegado a la solución
Espacio Forma Estándar
METODO SIMPLEX optima.
Utilidad en la Carrera

Solución Grafica de PL con dos variables

El objetivo de aplicarla Programación

Consiste Lineal, específicamente en nuestra futura
profesión es servir de alternativa para la
solución de problemas con eficiencia,
eficacia y apoyo en cualquier toma de
En representar cada una de las restricciones y decisión teniendo en cuenta la escasez de
encontrar en la medida de lo posible el recursos, para determinar cómo se pueden
polígono (poliedro) factible, comúnmente maximizar las utilidades y minimizar los
llamado el conjunto solución o región factible, costos y obtener resultados óptimos. La
en el cual por razones trigonométricas en uno importancia de la programación Lineal
de sus vértices se encuentra la mejor radica en la gama de problemas cotidianos
respuesta (solución óptima). a resolver por ésta área de la Investigación
Condición de Optimidad Condición de Factibilidad de Operaciones empleando métodos como,
el Gráfico y Simplex, como indudable
apoyo para la Toma de decisiones.

Cuando una solución en un vértice Una vez se ha esbozado la

es igual o mejor que todas las
soluciones factibles en los vértices
adyacentes a ella .
La función objetivo se trabaja
como una ecuación igual a cero, y
se incluye en el proceso para
asegurar la condición de
optimalidad.
Partiendo de una solución básica
factible, únicamente se función objetivo (línea negra)
sacamos replicas paralelas a esta
encontraran durante el calculo de
soluciones básicas factibles. que se encuentren con cada
vértice, y solo en el caso en que la
línea imaginaria paralela a la
Las variables de holgura
proporcionan la primer solución función objetivo no corte el
polígono solución se ha
básica factible, haciendo 0 las
variables originales (no básicas). encontrado la solución óptima.