Antes de continuar déjenme les comento que en el método de penalización, el hecho de

estar manipulando algebraicamente las MS, como que es un poquito laborioso,

complicado y aburrido (apoco no?). Pues que creen, que les parece si mandamos a volar
a las dichosas MS. Si su respuesta es sí, entonces será necesario ver otra alternativa, la
cual no toma en cuenta para nada las MS. Dicha alternativa se conoce como:

MÉTODO DE LAS DOS FASES

El único problema serio del método de penalización es que al usarse en una computadora,
como a las componentes del vector Ḿ se les tiene que asignar valores reales positivos, al iterar
varias veces, se empiezan a acumular errores de redondeo que pueden afectar seriamente a la
solución final (optima). Por esta razón, el método de penalización se ha substituido por el método
de las dos fases.
Este método es similar al método de penalización en que primero se introducen variables
artificiales al problema original. Esto es: Dado el problema Original:
Optimizar Z=Ćt X́
S.A: A X́ ≥ , ≤o=b́ ……………. (1)
X́ ≥ 0́
Al llevar nuestro modelo a la forma estándar y agregando variables artificiales nos queda:

Optimizar Z=Ćt X́
S.A: A X́ + Ẃ =b́ ……………….. (2)
X́ ≥ 0́
t
Donde Ẃ es el vector de variables artificiales con componentes ( W 1 , W 2 , … ,W p )
El método de las dos fases, como su nombre lo indica obtiene la solución óptima del problema
original en dos fases o etapas.

En la primera fase se resuelve el problema:

p p
Min Z=∑ W i o Max . Z=−∑ W i
i=1 i=1

S.A: A X́ + Ẃ =b́ S.A: A X́ + Ẃ =b́ …………… (3)

X́ ≥ 0́ X́ ≥ 0́
Si el problema (1) tiene soluciones factibles, entonces es evidente que el valor optimo del
problema (2) será cero con todas las variables artificiales iguales a cero. Si (1) no tiene soluciones
factibles, entonces Ẃ > 0́ y consecuentemente el valor optimo será ≠ 0.

Supongamos que la primera fase es óptima ( Ẃ =0́ ) y que la base asociada es B. En la segunda
fase se aplica el método Simplex para resolver el problema:
Optimizar Z=Ćt X́
S.A: B−1 A X́=B−1 b́
 X́ ≥ 0́

Ejemplo 1:
Min Z = X1 – 2X2
S.A: X1 + X2 ≥ 2
-X1 + X2 ≥ 1
X2 ≤ 3
X1,X2 ≥ 0
Cuya forma estándar es:
Min Z = X1 – 2X2
S.A: X1 + X2 – X3 ¿2
-X1 + X2 - X4 ¿1
X2 + X5 ¿ 3
X1,X2,X3,X4,X5 ≥ 0

Agregando variables artificiales:

Min Z = X1 – 2X2
S.A: X1 + X2 – X3 + W1 ¿2
-X1 + X2 - X4 +W2 ¿1
X2 + X5 ¿ 3
X1,X2,X3,X4,W1,W2,X5 ≥ 0
Hasta aquí es exactamente lo mismo que hace el método de penalización (agregar artificiales)

El problema a resolver en la primera fase es:

Min Z = W1 + W2
S.A: X1 + X2 – X3 + W1 ¿2
-X1 + X2 - X4 +W2 ¿1
X2 + X5 ¿ 3
X1,X2,X3,X4,W1,W2,X5 ≥ 0

Obsérvese que en la primera fase no se considera para nada la función objetivo original (la omite
por completo) y solo se minimiza la suma de las variables artificiales.

Ahora lo que tenemos que hacer es aplicar el método simplex para resolver este problema, lo cual
ya sabemos. Hagámoslo pues.

Aplicando el método Simplex tenemos:

Al igual que en el método de penalización como la base es la identidad, los vectores Ý j son los
á j, ya que Ý j=B−1 á j y B−1=I (luego no hay que hacer cálculos para esto), solo vaciar los
coeficientes de las variables en las restricciones en la tabla. Pero los Z j−C j si hay que calcularlos
y lo podemos hacer directamente de la tabla al igual que como lo hicimos en penalización. Esto es:
Igualamos a cero la función objetivo (la del problema a resolver en la primera fase no la original).
Recuerden que nos olvidamos momentáneamente de la función objetivo original. Haciendo esto
tenemos:
Z−W 1−W 2=0
Y los coeficientes los consideramos como si fueran los Z j−C j , que desde luego sabemos que no
lo son. Esto es:
Aplicando el método Simplex:
X 1 X 2 X3 X4 W1 W2 X5
0 0 0 0 -1 -1 0 0
á w1 1 1 -1 0 1 0 0 2
á w 2 -1 1 0 -1 0 1 0 1
0 1 0 0 0 0 1 3
á 5
Para obtener los Z j−C j reales, simplemente hacemos que se cumpla la teoría del simplex. Esto es
que los Z j−C j asociados a los vectores que forman la base sean cero; en nuestro caso los -1 S de
las variables artificiales. Para esto, sumamos el renglón á W 1 al renglón Z y obtenemos:
X 1 X 2 X3 X4 W1 W2 X5
1 1 -1 0 0 -1 0 2
á w1 1 1 -1 0 1 0 0 2
á w 2 -1 1 0 -1 0 1 0 1
0 1 0 0 0 0 1 3
á 5
Ahora para hacer cero el -1 de W2, sumamos el renglón á W 2 al nuevo renglón Z y obtenemos:
X 1 X 2 X3 X4 W1 W2 X5
0 2 -1 -1 0 0 0 3
á w1 1 1 -1 0 1 0 0 2
á w 2 -1 1 0 -1 0 1 0 1
0 1 0 0 0 0 1 3
á 5
Nota: En una sola operación también se pueden hacer cero los dos -1 S. Para esto, solo hay que
sumar los renglones á W 1 y áW 2 y el resultado sumárselo al renglón Z.
Pues ahora si que ya tenemos la solución de inicio completita, nos arrancamos con el simplx.
X 1 X 2 X3 X4 W1 W 2 X5
0 2 -1 -1 0 0 0 3
á w1 1 1 -1 0 1 0 0 2
á w 2 -1 1 0 -1 0 1 0 1
0 1 0 0 0 0 1 3
á 5
2 0 -1 1 0 -2 0 1
á w1 2 0 -1 1 1 -1 0 1
á 2 -1 1 0 -1 0 1 0 1
1 0 0 1 0 -1 1 2
á 5
0 0 0 0 -1 -1 0 0
á 1 1 0 -1/2 ½ ½ -1/2 0 ½
á 2 0 1 -1/2 -1/2 ½ ½ 0 3/2
0 0 ½ 1/2 -1/2 -1/2 1 3/2
á 5
 t
La primera fase es óptima, y como Ẃ =( W 1 ,W 2 ) =0́ con Z = 0, entonces pasamos a la segunda
fase:

La información que aprovechamos de la solución óptima de la primera fase es la siguiente:

X1 X2 X3 X4 X5

á 1 1 0 -1/2 ½ 0 ½
á 2 0 1 -1/2 -1/2 0 3/2
0 0 ½ 1/2 1 3/2
á 5
Porqué esta información es la que nos sirve solamente? Hay les va
Nuestro problema original es el siguiente (desde luego en la forma estándar):
Min Z = X1 – 2X2
S.A: X1 + X2 – X3 ¿2
-X1 + X2 - X4 ¿1
X2 + X5 ¿ 3
X1,X2,X3,X4,X5 ≥ 0
Lo modificamos y el problema que resolvimos en la primera fase aplicando el simplex fue el
siguiente:
Min Z = W1 + W2
S.A: X1 + X2 – X3 + W1 ¿2
-X1 + X2 - X4 +W2 ¿1
X2 + X5 ¿ 3
X1,X2,X3,X4,W1,W2,X5 ≥ 0
Como la solución óptima de la primera fase está asociada a una base que no depende de las
variables artificiales; esto es B=( á1 , á 2 , á5 ) , entonces pues ya tenemos una base formada por
puros vectores de nuestro problema original. En este momento retornamos a nuestro problema
original y las variables artificiales las podemos echar a la basura ya cumplieron su objetivo.
t t
Adicionalmente tenemos todos los Ý j y el vector básico X́ B=( X 1 , X 2 , X 5 ) =( 1/2 , 3/2, 3 /2 ) . Lo
único que nos falta son los Z j−C j y el valor de Z, ya que la función objetivo que consideramos en
la primera fase no es la original. Pero ya sabemos cómo obtenerlos directamente en la tabla. Esto
es:
Igualamos a cero la función objetivo:
Z – X1 + 2X2 = 0
Los consideramos como si fueran los Z j−C j y para obtener los Z j−C j reales hacemos que se
cumpla que Z j−C j =0 para los vectores que forman la base. Para lograr esto, primero multiplique
el renglón á 1 por 1 y se lo sumé al renglón Z (para hacer cero -1). Posteriormente multipliqué el
renglón á 2 por -2 y se lo sumé al nuevo renglón Z y ahora sí me arranqué con el simplex.
Los cálculos aparecen en seguida:
 X1 X2 X3 X4 X5
-1 2 0 0 0 0
á 1 1 0 -1/2 ½ 0 ½
á 2 0 1 -1/2 -1/2 0 3/2
0 0 ½ 1/2 1 3/2
á 5
0 2 -1/2 ½ 0 1/2
0 0 ½ 3/2 0 -5/2
á 1 1 0 -1/2 ½ 0 ½
á 2 0 1 -1/2 -1/2 0 3/2
0 0 ½ 1/2 1 3/2
á 5
-3 0 2 0 0 -4
á 4 2 0 -1 1 0 1
á 2 1 1 -1 0 0 2
-1 0 1 0 1 1
á 5
-1 0 0 0 -2 -6
á 4 -1 0 0 1 1 2
á 2 0 1 0 0 1 3
-1 0 1 0 1 1
á 3
t t
La solución óptima es X́ =( X 1 , X 2 , X 3 , X 4 , X 5 ) =( 0 , 3 ,1 , 2 ,0 ) , con un valor de Zmin = -6,

Ejemplo 2: Use el método de las dos fases para resolver el siguiente modelo lineal:
Max. Z = 2X1 + 4X2 + 3X3
S.A: X1 + 3X2 + 2X3 = 20
X1 + 5X2 ≥ 10
X1,X2,X3≥ 0

La forma estándar es:

Max. Z = 2X1 + 4X2 + 3X3
S.A: X1 + 3X2 + 2X3 = 20
X1 + 5X2 - X4 ¿ 10
X1,X2,X3,X4 ≥ 0

Añadiendo variables artificiales:

Max. Z = 2X1 + 4X2 + 3X3
S.A: X1 + 3X2 + 2X3 + W1 = 20
X1 + 5X2 - X4 + w2 ¿ 10
X1,X2,X3,X4,W1,W2 ≥ 0
El problema a resolver en la primera fase es:
Max. Z = -W1 - W2
S.A: X1 + 3X2 + 2X3 + W1 = 20
X1 + 5X2 - X4 + w2 ¿ 10
X1,X2,X3,X4,W1,W2 ≥ 0

Aplicando el método Simplex tenemos:

X1 X2 X3 X4 W1 W2
0 0 0 0 1 1 0
á w1 1 3 2 0 1 0 20
á w 2 1 5 0 -1 0 1 10
-2 -8 -2 -1 0 0 -30
á w1 1 3 2 0 1 0 20
á w 2 1 5 0 -1 0 1 10
-2/5 0 -2 -3/5 0 8/5 -14
á w1 2/5 0 2 3/5 1 -3/5 14
á 2 1/5 1 0 -1/5 0 1/5 2
-3/5 0 0 1/10 1 1 0
á 3 1/5 0 1 3/10 ½ -3/10 7
á 2 1/5 1 0 -1/5 0 1/5 2

2a Fase:
X1 X2 X3 X4
-2 -4 -3 0 0
á 3 1/5 0 1 3/10 7
á 2 1/5 1 0 -1/5 2
-6/5 0 -3 -4/5 8
-3/5 0 0 1/10 29
á 3 1/5 0 1 3/10 7
á 2 1/5 1 0 -1/5 2
0 3 0 -1/2 35
á 3 0 -1 1 ½ 5
á 1 1 5 0 -1 10
0 2 1 0 40
á 4 0 -2 2 1 10
á 1 1 3 2 0 20

t t
La solución actual es la óptima, la cual está dada por: X́ =( X 1 , X 2 , X 3 , X 4 ) =( 20,0,0,10 ) con un
valor de Zmax = 40

Tarea: Son los mismos problemas que resolvieron con penalización. Ahora apliquen dos fases para
que puedan establecer la diferencia.
a).- Max. Z= 3X1 – 2X2 b).- Min Z = 20X1 + 30X2 + 60X3 + 50X4
S.A: X1 + 2X2 ≥ 6 S.A: 4X 1 + 2X2 + X3 + 1/2X4 >= 40
6X1 + 4X2 ≥ 24 2X 1 + 6X2 + 4X3 + X4 >= 48
3X1 + 3X2 ≤ 24 2X 1 + 6X2 + 4X3 + 8X4 = 60
X1, X2 ≥ 0 X 1, X2, X3, X4 >= 0