PROGRAMACIN LINEAL: Mtodo de la Gram M: Maximizacin y

Minimizacin
Curso: Optimizacin y Simulacin

Programacin lineal: Mtodo simplex Gram
M Maximizacin
EN QUE CONSISTE
Se utiliza en las restricciones funcionales ( =
>= ) es identificar una solucin inicial bsica
factible. Antes, esta solucin inicial se
encontraba en forma muy conveniente al hacer
que las variables de holgura fueran las
variables bsicas iniciales, donde cada una era
igual a la constante no negativa del lado
derecho de la ecuacin correspondiente. Ahora
debe hacerse algo ms. El enfoque estndar
4.- Determine una solucin inicial factible
Si es Maximizacin Ci-Zj<=0
5.- Prueba la solucin para ver si es ptima
6.- Si la solucin no es ptima, determine, de la
tabla, la variable de entrada y la de salida para la
prxima solucin.
7.- Calcule las entradas para la tabla revisada
8.- Pruebe la solucin de la tabla revisada para ver
si es ptima.
Si es Maximizacin Ci-Zj<=0
9.- Repita este proceso (pasos del 6 al 8 ) hasta la
obtencin de la solucin ptima.
act sss

que se utiliza es estos casos es la tcnica de Convertir las desigualdades en igualdades, para ello es
necesario agregar variables de holgura positivas o
variables artificiales. sta construye un negativas.

problema artificial ms conveniente Penalizar las v ariables artificiales en la funcin

obj etiv o asignando coeficiente positiv o muy Es una maximizacion

introduciendo una variable ficticia (llamada grande "M" si es minimizacion se coloca +M

[No]

[Si]
variable artificial) en cada restriccin que lo Penalizar las v ariables artificiales en la funcin
obj etiv o asignando coeficiente positiv o muy grande
requiera. Esta nueva variable se introduce slo "M" si es maximizar se coloca -M

con el fin de que sea la variable bsica inicial

Ordenar los datos en
para esa ecuacin. Las restricciones usuales de una tabla simplex

no negatividad tambin se aplican sobre estas

Determinar una solucin
variables y la funcin objetivo se modifica factible

para que imponga una penalizacin

[No]
exorbitante en el caso de que adquieran Es
Maximizacion

valores mayores que cero. Las iteraciones del minimizacion:

[Si]

Cj-Zj>=0
mtodo smplex automticamente fuerzan a las [Si]
Final
[Si]

[No]
Cj-Zj<=0

variables artificiales a desaparecer (a volverse

Determinar, la variable de entrada y la Calcule las entradas para la tabla
cero) una a una, hasta que todas quedan fuera [No] variable de salida revisada

de la solucin; despus de esto se resuelve el

problema real.

ALGORITMO
EL PROBLEMA DE MAXIMIZACIN MTODO
Los pasos del Mtodo Simplex son los siguientes: SIMPLEX- Mtodo Gram M

1.- Convertir las desigualdades en igualdades, FORMULACIN INICIAL Utilizando el siguiente

para ello es necesario agregar variables de
holgura positivas o negativas.
Cuando existe una restriccin >= colocar variable
de exceso Si y una variable artificial +Si.
2.- Penalizar las variables artificiales en la funcin
objetivo asignando coeficiente positivo muy
grande "M" (minimizar = +M, maximizar= -M)
3.- Ordene los datos en una tabla simplex
ejemplo estableceremos la formulacin inicial
smplex y demostraremos la mecnica del mtodo
y su interpretacin.
1.-Una empresa pequea, cuenta con dos
mquinas para elaborar dos productos. Cada
producto tiene que pasar por la mquina A y
despus por la mquina B. El producto 1 requiere
3 horas de la mquina A y 2 de la mquina B,
mientras que el producto 2 requiere 1 hora de la
mquina A y 2 horas de la mquina B. La
capacidad de las mquina A y B son 500 y 650
horas semanales respectivamente. El producto a
deja 350 pesos y el segundo producto B deja 600
pesos por utilidades. Analice usted la situacin si
se deben producir por lo menos de 21 de ambos
productos.
La formulacin del problema para esta situacin
es la siguiente:
Maximizar Z= 350X1+600X2
Sujeto a:
3X1+X2 <=500 ( Capacidad de la maquina A)
2X1+2X2<=650 ( Capacidad de la maquina B)
X1+X2>=21
(X1, X2 0)
Donde :
X1 = cantidad del producto 1 que se producen
semanales.
X2 = cantidad del producto 2 que se producen
semanales.
Luego de formular el problema procedemos a
trabajar primero con las restricciones y luego con
la funcin objetivo.
PASO 1: .-Convertir las desigualdades en
igualdades
El mtodo simplex requiere la conversin de las
restricciones con signos de desiguales a
igualdades estrictas. Esto se debe a que el mtodo
usa lgebra de matrices en donde todas las
relaciones matemticas sern a base de
ecuaciones lineales y que a su vez deben contener
todas las variables.
3X1 + X2 + S1 =500
2X1 + 2X2 + s2 =650
X1 + X2 -S3+S4 =21
Al analizar la restriccin hallamos que el lado
izquierdo es menor que el lado derecho. Para
poder hacer el cambio de la desigualdad a
igualdad tendremos que aadir una variable que
absorba la diferencia entre ambos lados. En este
caso la variable representa recursos no utilizados
o recursos disponibles. Esta variable se conoce
como variable de holgura o "Slack".
La variable de holgura S1, y S2 representa las
horas de produccin no utilizadas.
S3 significa horas de exceso y S4 variable artificial.
PASO 2: Penalizar las variables artificiales en la
funcin objetivo asignando coeficiente positivo
muy grande "M" (minimizar = +M, maximizar= -
M)
Al reformular la funcin objetivo junto con las
restricciones tendremos que estas se expresan de
la siguiente forma:
Maximizar Z= 350X1+600X2
Max Z (ganancia) =$350X1 + $600X2 + $0S1 +
$0S2+$S3-$MS4
3X1 + X2 + S1 =500
2X1 + 2X2 + s2 =650
X1 + X2 -S3+S4 =21
(X1, X2 0)
PASO 3: Ordene los datos en una tabla simplex
Colocamos todos los coeficientes y constantes en
un tabln. Esto simplifica el manejo de las
ecuaciones y de la funcin objetivo. Veamos el
siguiente modelo para un cuadro inicial
Cj = forma aumentada de los coeficientes de la
funcin objetivo
Ci = coeficientes de las variables bsicas
aij = forma aumentada de los coeficientes de las
restricciones o tasa de sustitucin
bi = valores del lado derecho de las restricciones z
= valor de la funcin objetivo
Zj = reduccin de ganancias, aumento en costos
asociados con la introduccin de una de sus
valores en las columnas respectivas
Zj = Cj - Zj = ndice de mejoramiento o rengln
de criterio smplex
= lmites introductorios
En suma, con estos parmetros del tabln smplex
tenemos dos clases de variables a considerarse,
variables bsicas y variables no bsicas. Por
definicin las variables bsicas son aquellas que
poseen un Zj = 0 y las variables no bsicas
poseen Zj desiguales a 0. Procedemos a llenar el
cuadro inicial utilizando la funcin objetivo y las
restricciones de forma aumentada.
PASO 4: Determine una solucin factible
 350 600 0 0 0 -M PASO 5: Si la solucin no es ptima, determine,
Coef base X1 X2 S1 S2 S3 S4 RHS R de la tabla, la variable de entrada y la de salida
0 S1 3 1 1 0 0 0 500
0 S2 2 2 0 1 0 0 650 para la prxima solucin.
-M S4 1 1 0 0 -1 1 21
-M -M 0 0 M -M -21M
350+ 600+ 0 0 -M 0
M M Siempre selecciona el mejor coeficiente. Como se
est maximizando, el mtodo escoger el valor
El clculo para hallar la ganancia (Z), todo est en que otorgue el mayor rendimiento, es decir el ms
funcin de M positivo y el ms negativo para casos de
minimizacin. Utilizando la solucin del cuadro
El ltimo paso para terminar el tabln ser inicial, seleccionamos el mejor cambio en Zj ,
calcular los cambios en Zj, (Zj) para las columnas. entre Z1 = 350+M para la columna X1 y el Z2=
Estos cambios se calculan restando los 600+M para X2 y lo circulamos. Este mejor cambio
coeficientes de la funcin objetivo por el Zj nos indicar qu variable no bsica en la columna
correspondiente es decir Zj = CJ - Zj . se convertir en variable bsica. Es decir, qu
variable se va a producir y que a su vez provea un
mejor rendimiento o una nueva y mejor solucin
Analizamos el tabln y encontramos que al problema. Tambin el mejor cambio en Zj ,
est en funcin de M. Z2= 600+M
El mtodo seleccionar la variable X2 porque esta
PASO 4: Probar la solucin para ver si es ptima posee el mejor cambio en Zj , circulamos la
columna X2 y a esta columna se le conoce como la
columna pivote.
En este cuadro inicial las variables bsicas, que
350 600 0 0 0 -M
estn en la solucin, son las variables de holgura
Coef base X1 X2 S1 S2 S3 S4 RHS R
S1, S2 y S4. Estas variables estarn ubicadas a lado 0 S1 3 1 1 0 0 0 500
izquierdo del tabln y sus Zj son cero. Esto 0 S2 2 2 0 1 0 0 650
sucede porque la solucin inicial smplex es en el -M S4 1 1 0 0 -1 1 21
-M -M 0 0 M -M -21M
origen (0,0) por lo tanto si X1 = 0 y X2 = 0
350+ 600+ 0 0 -M 0
entonces al no fabricar ningn tipo de productos. M M

S1=500 Columna Pivote

S2=650
S4= 21 Calculamos el y tenemos
X1=0
X2=0 350 600 0 0 0 -M
Z=-21M Coef base X1 X2 S1 S2 S3 S4 RHS
0 S1 3 1 1 0 0 0 500 500
0 S2 2 2 0 1 0 0 650 325
PASO 4: Prueba la solucin para ver si es ptima -M S4 1 1 0 0 -1 1 21 21
-M -M 0 0 M -M -21M
Para problemas de maximizacin: 350+ 600+ 0 0 -M 0
M M
La presencia de un nmero positivo en la fila cj - zj
(Beneficio neto ) indica que el beneficio se puede
mejorar, en caso contrario hemos encontrado la
Columna Pivote
solucin ptima
X2=variable de entrada
*Rengln o fila pivote
fila cj zj> se puede mejorar
S4 variable de salida porque es menor =21
si fila cj zj <= 0 se ha llegado a la solucin optima

Si M es grande entonces
PASO 06 Calcular las entradas de la tabla
600+M es un numero grande y 350 + M tambin
revisada
es grande. Por lo tanto no se ha llegado a la
Este procedimiento se conoce como revisin de
solucin ptima porque ambos son > a cero.
los renglones y es mandatario para todas las filas,
excluyendo el nuevo rengln pivote. A
continuacin se resume el proceso de revisin de PASO 7: Probar la solucin para ver si es ptima
los renglones segn el mtodo smplex: (ir al Paso 4)
1. Halle el elemento de interseccin que se
encuentra entre la columna pivote y el Para problemas de maximizacin:
rengln a revisarse. (1 para nuestro La presencia de un nmero positivo en la fila cj - zj
ejemplo) . (Beneficio neto ) indica que el beneficio se puede
2. Multiplique el nuevo rengln pivote por el mejorar, en caso contrario hemos encontrado la
negativo del elemento de interseccin. solucin ptima
Smele algebraicamente al el rengln
negativo el rengln que se est revisando fila cj zj>= se puede mejorar
y trasldelo al prximo tabln. (segundo si fila cj zj <= 0 se ha llegado a la solucin optima
tabla smplex)
Si fila cj zj=600 y es mayor que 0 entonces
-1 ( 1 1 0 0 -1 1 21 ) se puede mejorar
S1: + ( 3, 1, 1 0 0 0 500 )
( 2, 0, 1, 0, 1 -1 479)
PASO 5: Si la solucin no es ptima, determine,
Al igual que para el tabln inicial de la tabla, la variable de entrada y la de salida
para la prxima

350 600 0 0 0 -M
350 600 0 0 0 -M
Coef base X1 X2 S1 S2 S3 S4 RHS
Coef base X1 X2 S1 S2 S3 S4 RHS 0 S1 2 0 1 0 1 -1 479 479
0 S1 2 0 1 0 1 -1 479 500 0 S2 0 0 0 1 2 -2 608 304*
0 S2 325 600 X2 1 1 0 0 -1 1 21 -21
600 X2 1 1 0 0 -1 1 21 21 600 600 0 0 -600 600 **
-250 0 0 0 600 -m-
600

Se procede de la misma forma para S2

ColumnaPivote
-2 ( 1 1 0 0 -1 1 21 ) S3Variable de entrada
S1: + ( 2, 2, 0 1 0 0 650 ) *Rengln o fila pivote
( 0, 0, 0, 1, 2 -2 608 ) S2 Variable de salida

350 600 0 0 0 -M PASO 06 Calcular las entradas de la tabla

Coef base X1 X2 S1 S2 S3 S4 RHS revisada
0 S1 2 0 1 0 1 -1 479 500 Dividimos la fila pivote entre 2
0 S2 0 0 0 1 2 -2 608 325
600 X2 1 1 0 0 -1 1 21 21 350 600 0 0 0 -M
Coef base X1 X2 S1 S2 S3 S4 RHS R
0 S1
0 S2 0 0 0 1/2 2/2 -2/2 608/2
Calculando Zj 600 X2

350 600 0 0 0 -M
Calculamos los siguientes filas
Coef base X1 X2 S1 S2 S3 S4 RHS
0 S1 2 0 1 0 1 -1 479 50
0 -1 ( 0 0 0 1/2 1 -1 304 )
0 S2 0 0 0 1 2 -2 608 32 S1: + ( 2, 0, 1 0 1 -1 479 )
5
600 X2 1 1 0 0 -1 1 21 21 ( 2, 0, 1, -1/2, 0 0 175)
600 600 0 0 -600 600 **
-250 0 0 0 600 -m-600
1 ( 0 0 0 1/2 1 -1 304 )
X2: + ( 1, 1, 0 0 -1 1 21 )
** 600*21=12600 ( 1, 1, 0, 1/2, 0 0 325)
 350 600 0 0 0 -M
Coef bas
e
X1 X2 S1 S2 S3 S4 RHS R Min Z = 18X1+30X2
0 S1 2 0 1 -1/2 0 0 175 Sujeto a:
0 S2 0 0 0 1/2 1 -1 304
600 X2 1 1 0 1/2 0 0 325 6X1 +2X2 >=4
600
-250
600
0
0
0
300
-300
0
0
0
-M
**
8X1 +12X2>=23
X1 +4X2 >=6
Z=600(325) =195000 Xi>=0
Se lleg a la solucin ptima!!!!
Min Z
18X1+30X2+0S1+0S2+0S3+1MA1+1MA2+1MA3
X1=0 productos a producir semanalmente =
Sujeto
y X2=325 productos a producir semanalmente
a:
6X1 +2X2 -1S1 +1A1 =4
Z=$195000 ganancia semanal. 8X1 +12X2 -1S2 +1A2 =23
1X1 +4X2 -1S3 +1A3 =6
EL PROBLEMA DE MINIMIZACIN MTODO Xi>=0
SIMPLEX- Mtodo Gram M
Xi = Variables de decisin
El mtodo para la minimizacin solo vara en 2 Si = Variables de holgura o supervit
partes: Ai = Variables artificiales
1.- Funcin Objetivo: paso 2 del algoritmo.
Paso 2.- Penalizar las variables artificiales en la Variable que entra: X2
funcin objetivo asignando coeficiente positivo Variable que sale: A3
muy grande "M" (minimizar = +M, maximizar=
-M) Coef Base X1 X2 S1 S2 S3 A1 A2 A3 ratio

1M A1 6 2 -1 0 0 1 0 0 4 2
2.- Optimalidad
Paso 4 y paso 8 del algoritmo 1M A2 8 12 0 -1 0 0 1 0 23 1.92

Pruebe la solucin de la tabla revisada para ver 1M A3 1 4 0 0 -1 0 0 1 6 1.5

si es ptima.
- -
Si es minimizacin Ci-Zj>=0 Z 15M 18M 1 1 -1M M M M
33
M
M M

En general el algoritmo queda as: Ci-Zi

-15M -18M
M M M 0 0 0
+ 18 + 30

EL PROBLEMA DE MINIMIZACIN MTODO

SIMPLEX- Mtodo Gram M Variable que entra: X1
Variable que sale: A1
Ejemplo: Podemos comprar paquetes A o B . Cada
paquete contiene las unidades de potasio(K), Coef
Bas
X1 X2 S1 S2 S3 A1 A2 A3 ratio
e
fosforo (P) y nitrgeno (N) indicadas en la tabla,
donde se da el precio del paquete. 1M A1 5.5 0 -1 0 0.5 1 0 -0.5 1 0.18

1M A2 5 0 0 -1 3 0 1 -3 5 1

0.2
30 X2 0.25 1 0 0 -0.25 0 0 1.5 6
5

-
10.5 6M
En qu proporcin hay que mezclar ambos tipos Z M+ 30 -1M -1M
3.5M-
7.5
M M
3.5
M+
+
7.5 45
de abono para obtener al mnimo precio un abono 7.5

que contenga, al menos 4 unidades de K, 23 de P y -10.5M -3.5M

4.5
Ci-Zi 0 M M 0 0 M-
6 de N. + 10.5 + 7.5
7.5

FORMULACIN INICIAL Utilizando el siguiente Variable que entra: S3

ejemplo estableceremos la formulacin inicial Variable que sale: A2
smplex y demostraremos la mecnica del mtodo
y su interpretacin, de manera breve.
 Co Ba posiblemente elevado para asegurar que las
X1 X2 S1 S2 S3 A1 A2 A3
ef se
variables artificiales se excluirn de la solucin
18 X1 1 0 -0.18 0 0.09 0.18 0 - 0.18 2
ptima.
0.09
4. En la funcin objetivo no deben aparecer
-
1M A2 0 0 0.91 -1 2.55 -0.91 1
2.55
4.09 1.61 variables bsicas, por lo que se hace necesario
30 X2 0 1 0.05 0 -0.27 -0.05 0 0.27 1.45 M
eliminar las variables artificiales de la F.O.(
quitas las M de las columnas artificiales). Para
- 4.09M
Z 18 30
0.91M-
1.91 -1M 6.55
2.55M - -0.91M
+ 1.91
M 2.55
M+
+
46.91
retirar las M de las columnas de variables
6.55
artificiales se suman M veces (coeficientes de
3.55
Ci-Zi 0 0
-0.91M
+ 1.91 M
-2.55M +
6.55
1.91M-
1.91
0 M- la fila1 + fila 2 + fila 3+ fila n) a la fila de la
6.55
funcin objetivo. Esto da como resultado la
tabla inicial.
Variable que entra: S1
Variable que sale: S3 5. Cuando una solucin contiene variables
artificiales bsicas menor o igual a cero (0),
Coef Base X1 X2 S1 S2 S3 A1 A2 A3
estamos ante una solucin factible con
respecto al modelo matemtico original.
18 X1 1 0 -0.21 0.04 0 0.21 -0.04 0 0.04 M
6. Si el problema no tiene solucin factible,
0 S3 0 0 0.36 -0.39 1 -0.36 0.39 -1 1.61 4.5 cuando menos una variable artificial ser
30 X2 0 1 0.14 -0.11 0 -0.14 0.11 0 1.89 13.25 positiva en la solucin ptima.
Z 18 30 0.43 -2.57 0 -0.43 2.57 0 57.43
RECOMENDACIN o RESUMEN
Ci-Zi 0 0 -0.43 2.57 0 M + 0.43 M-2.57 M

El mtodo de la gran M es empleado para resolver

Co Base X1 X2 S1 S2 S3 A1 A2 A3 modelos de programacin lineal; cuando en sus
restricciones al menos una de ellas el signo de la
6 X1 1 0 0 -0.2 0.6 0 0.2 -0.6 1 desigualdad es diferente ; es decir, las
restricciones son del tipo o =; el algoritmo
0 S1 0 0 1 -1.1 2.8 -1 1.1 -2.8 4.5 matemtico para resolver este tipo de modelos
obedece a los siguientes pasos: 1.- Se expresa en
30 X2 0 1 0 0.05 -0.4 0 -0.05 0.4 1.25
problema en la forma estndar. 2.- Se aaden las
Variables no negativas en cada una de las
ecuaciones, cuyas restricciones originales tengan
Z 18 30 0 -2.1 -1.2 0 2.1 1.2 55.5
( ) o (=). Esas variables artificiales y su presencia
es una violacin a las leyes del lgebra. Esta
Ci-Zi 0 0 0 2.1 1.2 M M-2.1 M-1.2
dificultad se supera asegurando que esas variables
artificiales sean ceros (0) en la solucin final. 3.-
Utilizar las variables artificiales para la solucin
Solucin bsica inicial, para ello la funcin objetivo deber
X1 = 1; X2 = 1.25; S1 = 4.5; S2 = 0; S3 = 0 ser ajustada adecuadamente. Proceda con los
A1 = 0; A2 = 0; A3 = 0 pasos regulares del Mtodo Simplex. Las variables
Z = 55.5 artificiales proporcionan un artificio matemtico
para obtener la solucin inicial. Son variables
NOTA. ficticias y no tienen ningn significado fsico
directo en trminos del problema original.

Algoritmo del Mtodo de la Tcnica de la M.

1. Pasar a la forma estndar el modelo matemtico, FUENTES BIBLIOGRFICAS
restando las variables de excedente ( holgura o flojas) por Diaz Amaya, L. R. (2016). Metodo Simplex.
cada restriccin.
2. Agregar variables artificiales en cada restriccin. http://cicia.uprrp.edu/publicaciones/docentes/m
3. En la fila de los indicadores (funcin etodosimplexdePL.pdf
objetivo), tiene coeficiente nulos para las
variables de holgura y M para las variables
artificiales, en donde M es un numero