METODOS

ESPECIALES
MÉTODO
DE DOS
FASES
 Introducción
• Si al intentar aplicar el método simplex nos encontramos
con que no es posible encontrar una solución básica
factible (SBF) inicial, es preciso usar el método de las
dos fases.

• La desventaja de la técnica M es el posible error de

cómputo que podría resultar de asignar un valor muy
grande a la constante M. Esta situación podría presentar
errores de redondeo en las operaciones de la
computadora digital. Para evitar esta dificultad el
problema se puede resolver en 2 fases.
• En esencia el método de doble fase opera igual al
método simplex, sólo que se utiliza para aquellos
problemas que involucran variables artificiales en
su desarrollo. Recuerde que las variables
artificiales se involucran para aquéllas
restricciones de tipo ≥ y = exclusivamente.
• Como su nombre lo indica; el método involucra
dos fases y se realiza de la siguiente manera:
• FASE 1. Formule un nuevo problema reemplazando la
función objetivo por la suma de las variables artificiales.
– La nueva función objetivo se minimiza sujeta a las restricciones
del problema original.
– Para que la tabla óptima aparezca lo antes posible conviene
que, en caso de empate en el criterio de salida y que una de las
variables empatadas sea artificial, saquemos la artificial.
– Si el problema tiene un espacio factible el valor mínimo de la
función objetivo óptima será cero, lo cual indica que todas las
variables artificiales son cero. En este momento pasamos a la
fase 2.
• Una vez resuelto este problema auxiliar, caben dos posibilidades
– El valor óptimo de la función objetivo es distinto de cero. En tal caso el problema
original no tenía solución.
– El valor óptimo de la función objetivo es cero. En tal caso podemos pasar a la Fase
II.
FASE 2. Utilice la solución óptima de la fase 1 como solución de
inicio para el problema original. En este caso, la función objetivo
original se expresa en términos de las variables no básicas
utilizando las eliminaciones usuales Gauss-Jordan.

• La solución obtenida en la Fase II será la solución del problema

original (téngase en cuenta que en la Fase II no aparecen
variables artificiales)
 MÉTODO DE DOS FASES
 EJEMPLO
Minimizar: Z = 4 X1 + X2
s.a:
3 X1 + X2 = 3
4 X1 + 3X2 ≥ 6
X1 + 2X2 ≤ 4
X1, X2 ≥ 0
SOLUCIÓN: Añadimos las variables de holgura
y exceso para aplicar el método de dos fases:
Min Z = 4 X1 + X2 + MR1 + MR2
s.a:
3 X1 + X2 + R1 + = 3
4 X1 + 3X2 - X3 + R2 + = 6
X1 + 2X2 + X4 = 4
• Anadir variables artificiales no negativas a las restricciones, como en el
método de la gran M
• El objetivo en la fase 1 es minimizar la suma de variables artificiales
• Resolver PL de la fase 1 con las variables artificiales (VA)
• Formular un nuevo problema reemplazando FO por la suma de las VA.
• La nueva FO se minimiza (siempre) sujeta a las restricciones del problema
original.
• La fase I termina cuando no hay VA en la base y se encuentra la solución
básica factible (SBF) inicial
• Si el problema tiene un espacio factible el valor mínimo de la FO óptima será
cero, lo cual indica que todas las VA son 0. en este momento se pasa a la fase
2.
• Nota: si el valor mínimo de la FO optima es mayor que 0, el problema no tiene
solución y terminamos anotando que no existe solución del problema.
FASE I:
Paso 1: Minimizar r:

Minimizar r = R1 + R2
s.a:
3 X1 + X2 + R1 + =3
4 X1 + 3X2 - H1 + R2 + = 6
X1 + 2X2 + H2 = 4
X1, X2, H1, H2, R1, R2 ≥ 0
 Paso 2: Construimos tabla:
V. Básica X1 X2 H1 R1 R2 H2 Solución
r 0 0 0 -1 -1 0 0
R1 3 1 0 1 0 0 3
R2 4 3 -1 0 1 0 6
H2 1 2 0 0 0 1 4
La solución no es factible porque contiene dos VA.
Como tenemos problema de minimizar, entonces coeficientes de
la fila r (FO) deben ser positivos o 0, como no es así realizamos la
siguiente operación:
Nuevo renglón r = Renglón r anterior + [1 x Renglón R1 + 1 x Renglón R2]
V. Básica X1 X2 H1 R1 R2 H2 Solución
r 7 4 -1 0 0 0 9
R1 3 1 0 1 0 0 3
R2 4 3 -1 0 1 0 6
H2 1 2 0 0 0 1 4
Como el problema es minimizar – entonces variables que sale corresponde
la columna con el mayor valor de FO

Paso 3: Construimos nueva tabla:

V. X1 X2 H1 R1 R2 H2 Solución
Básica
r 7 4 -1 0 0 0 9
R1 3- 1 0 1 0 0 3 3/3=1
R2 4 3 -1 0 1 0 6 6/4 = 1.5
H2 1 2 0 0 0 1 4 4/1 = 4

V. X1 X2 H1 R1 R2 H2 Solución
Básica
r 7 4 -1 0 0 0 9
X1 1 1/3 0 1/3 0 0 1
R2 4 3 -1 0 1 0 6
H2 1 2 0 0 0 1 4
Paso 4: Hallamos la nueva ecuación pivote:
N.E.P = 1 1/3 0 1/3 0 0
 Nueva Ecuación r:
Ec. r anterior 7 4 -1 0 0 0
-7 (N.E.P) -7 -7/3 0 -7/3 0 0
0 5/3 -1 -7/3 0 0
 Nueva Ecuación R2 :
Ec. R2 anterior 4 3 -1 0 1 0
-4 (N.E.P) -4 -4/3 0 -4/3 0 0
0 5/3 -1 -4/3 1 0
 Nueva Ecuación X4 :
Ec. X4 anterior 1 2 0 0 0 1
-1 (N.E.P) -1 -1/3 0 -1/3 0 0
0 5/3 0 -1/3 0 1
V. X1 X2 H1 R1 R2 H2 Solución
Básica
r 0 5/3 -1 -7/3 0 0 2
X1 1 1/3 0 1/3 0 0 1
R2 0 5/3 -1 -4/3 1 0 2
H2 0 5/3 0 -1/3 0 1 3

No es solución final ya que tenemos elementos positivos en la

fila de FO – r.
V. X1 X2 H1 R1 R2 H2 Solución
Básica
r 0 5/3 -1 -7/3 0 0 2
X1 1 1/3 0 1/3 0 0 1 1/1/3=3
R2 0 5/3 -1 -4/3 1 0 2 2/5/3=6/5
H2 0 5/3 0 -1/3 0 1 3 3/5/3=9/5

V.E. = Variable de Entrada X2

V.S. = Variable de Salida R2
Paso 5: Construimos tabla:
V. Básica X1 X2 H1 R1 R2 H2 Solución

r 0 5/3 -1 -7/3 0 0 2
X1 1 1/3 0 1/3 0 0 1
X2 0 1 -3/5 -4/5 3/5 0 6/5
H2 0 5/3 0 -1/3 0 1 3
Paso 6: Hallamos la nueva ecuación pivote:
N.E.P = 0 1 -3/5 -4/5 3/5 0
 Nueva Ecuación r:
Ec. r anterior 0 5/3 -1 -7/3 0 0
-5/3 (N.E.P) 0 -5/3 1 4/3 -1 0
0 0 0 -1 -1 0
 Nueva Ecuación X1 :
Ec. X1 anterior 1 1/3 0 1/3 0 0
-1/3 (N.E.P) 0 -1/3 1/5 4/15 -1/5 0
1 0 1/5 3/5 -1/5 0
 Nueva Ecuación X4 :
Ec. X4 anterior 0 5/3 0 -1/3 0 1
-5/3 (N.E.P) 0 -5/3 1 4/3 -1 0
0 0 1 1 -1 1
 TABLA ÓPTIMA
V. Básica X1 X2 H1 R1 R2 H2 Solución

r 0 0 0 -1 -1 0 0
X1 1 0 1/5 3/5 -1/5 0 3/5
X2 0 1 -3/5 -4/5 3/5 0 6/5
H2 0 0 1 1 -1 1 1

No hay elementos positivos en la fila de FO – tabla optima

- La SBF actual es optima porque FO no puede mejorarse

- La SB actual es factible en el problema original porque no
contiene las VA
- La SBF actual es la SBF inicial de la fase 2
FASE II:
V. Básica X1 X2 H1 R1 R2 H2 Solución
r 0 0 0 -1 -1 0 0
X1 1 0 1/5 3/5 -1/5 0 3/5
X2 0 1 -3/5 -4/5 3/5 0 6/5
H2 0 0 1 1 -1 1 1

Paso 1: Después de eliminar las columnas artificiales, se

reescribe el problema original:
Minimizar r = 4 X1 + X2 + 0H1 + 0H2 ó r - 4 X1 - X2 - 0H1 -0H2 =0
s.a: X1 + 0X2 + 1/5H1 + 0H2 = 3/5
0X1 + X2 – 3/5H1 + 0H2 = 6/5
H1 + H2 = 1
X1, X2, H1, H2, ≥ 0
Para formar parte de SBF inicial los coeficientes de X1 y X2 en la fila de FO deben
ser 0.
V. Básica X1 X2 H1 H2 Solución
Z -4 -1 0 0 0
X1 1 0 1/5 0 3/5
X2 0 1 -3/5 0 6/5
H2 0 0 1 1 1

Como no los son realizamos la siguiente operación:

Nuevo renglón Z = Renglón Z anterior + [4 x Renglón X1 + 1 x Renglón X2]
Eso se hace para obtener 0 en la fila de FO Z
Paso 2: Construimos tabla:
V. Básica X1 X2 H1 H2 Solución
Z 0 0 1/5 0 18/5
1 0 1/5 0 3/5 3/5/1/5=3
X1 -
X2 0 1 -3/5 0 6/5 negativo

H2 0 0 1 1 1 1/1=1

Como único valor positivo en la fila Z es de 1/5, entonces es la

columna pivote.
Paso 3: Reemplazando:
V. Básica X1 X2 H1 H2 Solución
Z 0 0 1/5 0 18/5
X1 1 0 1/5 0 3/5
X2 0 1 -3/5 0 6/5
H1 0 0 1 1 1
Paso 4: Hallamos la nueva ecuación pivote:
N.E.P = 0 0 1 1 1
 Nueva Ecuación Z:
Ec. Z anterior 0 0 1/5 0 18/5
-1/5 (N.E.P) 0 0 -1/5 -1/5 -1/5
0 0 0 -1/5 17/5
 Nueva Ecuación X1 :
Ec. X1 anterior 1 0 1/5 0 3/5
-1/5 (N.E.P) 0 0 -1/5 -1/5 -1/5
1 0 0 -1/5 2/5
 Nueva Ecuación X2 :

Ec. X2 anterior 0 1 -3/5 0 6/5

-(-3/5) (N.E.P) 0 0 3/5 3/5 3/5
0 1 0 3/5 9/5
Como ya no hay elementos positivos en la fila Z – tenemos
solución final

TABLA ÓPTIMA FINAL

V. Básica X1 X2 H1 H2 Solución
Z 0 0 0 -1/5 17/5
X1 1 0 0 -1/5 2/5
X2 0 1 0 3/5 9/5
H1 0 0 1 1 1

Así, las soluciones optimas para el problema sería:

X1 = 2/5
X2 = 9/5
Z = 17/5
Ejemplo

Fíjese Que en la fase I,

siempre será Minimizar la
suma de todas las variables
Artificiales que tenga el
problema.
 El valor de los Zj – Cj se calcula multiplicado el vector
fila CxB por el vector apuntador aj de la columna de la
Fíjese Que aquí Z* = 0 variable j-ésima, menos el Cj, esto es:
Zj – Cj = CxB aj – Cj ;
Fase II
Con la solución óptima de la fase I, planteamos el siguiente
problema:

Fíjese que el nuevo problema no tiene la gran M, ya que han

dejado de figurar las variables Artificiales, en atención a que
ya sabemos que efectivamente son iguales a cero. La
solución al nuevo problema se halla mediante el método
simplex.
Solución
X1* = 2/5
X2* = 9/5
X4* = 1
X6* = 0
X3* = X5* = 0
Z * = 17/5
VB x1 x2 x3 h1 h2 a1 a2 LD

Z’ 0 0 0 0 0 -1 -1 0

h1 1 1 1 1 0 0 0 16

a1 3 2 2 0 0 1 0 26

a2 1 0 1 0 -1 0 1 10
VB x1 x2 x3 h1 h2 a1 a2 LD

Z’ 0 0 0 0 0 -1 -1 0

h1 1 1 1 1 0 0 0 16

a1 3 2 2 0 0 1 0 26

a2 1 0 1 0 -1 0 1 10

VB x1 x2 x3 h1 h2 a1 a2 LD

Z’ 4 2 3 0 -1 0 0 36

h1 1 1 1 1 0 0 0 16

a1 3 2 2 0 0 1 0 26

a2 1 0 1 0 -1 0 1 10
VB x1 x2 x3 h1 h2 a1 a2 LD

Z’ 4 2 3 0 -1 0 0 36

h1 1 1 1 1 0 0 0 16

x1 1 2/3 2/3 0 0 1/3 0 26/3

a2 1 0 1 0 -1 0 1 10

VB x1 x2 x3 h1 h2 a1 a2 LD

Z’ 0 -2/3 1/3 0 -1 -4/3 0 4/3

h1 0 1/3 1/3 1 0 -1/3 0 22/3

x1 1 2/3 2/3 0 0 1/3 0 26/3

a2 0 -2/3 1/3 0 -1 -1/3 1 4/3

VB x1 x2 x3 h1 h2 a1 a2 LD

Z’ 0 -2/3 1/3 0 -1 -4/3 0 4/3

h1 0 1/3 1/3 1 0 -1/3 0 22/3

x1 1 2/3 2/3 0 0 1/3 0 26/3

x2 0 -2 1 0 -3 -1 3 4

VB x1 x2 x3 h1 h2 a1 a2 LD

Z’ 0 0 0 0 0 -1 -1 0

h1 0 1 0 1 1 0 -1 6

x1 1 2 0 0 2 1 -2 6

x2 0 -2 1 0 -3 -1 3 4

Tabla final de fase 1

Fase 2
VB x1 x2 x3 h1 h2 LD

Z -1 -2 -3 0 0 0

h1 0 1 0 1 1 6

x1 1 2 0 0 2 6

x2 0 -2 1 0 -3 4

VB x1 x2 x3 h1 h2 LD

Z -1 -8 0 0 -9 12

h1 0 1 0 1 1 6

x1 1 2 0 0 2 6

x3 0 -2 1 0 -3 4
VB x1 x2 x3 h1 h2 LD

Z -1 -8 0 0 -9 12

h1 0 1 0 1 1 6

h1 1/2 1 0 0 1 3

x3 0 -2 1 0 -3 4

VB x1 x2 x3 h1 h2 LD

Z 7/2 1 0 0 0 39

h1 -1/2 0 0 1 0 3

h1 1/2 1 0 0 1 3

x3 3/2 1 1 0 0 13

Solución optima
 Ejemplos
• Problema:
• El PPL debe transformarse eliminando las inecuaciones (o
restricciones del modelo) y convirtiéndolas en ecuaciones, para lo
cual debemos agregar en cada inecuación una variable de
holgura con signo negativo que las denotaremos por “H”,
además adicionaremos una variable artificial en cada inecuación
que las denotaremos por “A”, tal como se muestra en el cuadro
siguiente.
PROBLEMA

Minimizar

Sujeto a:

Minimizar

Sujeto a:
FASE I

Minimizar

Sujeto a:

Minimizar

Sujeto a:
V.B. Z X1 X2 S1 S2 R1 R2 Solución
Z 1 0 0 0 0 -1 -1 0
R1 0 2 3 -1 0 1 0 36
R2 0 3 6 0 -1 0 1 60

V.B. Z X1 X2 S1 S2 R1 R2 Solución
Z 1 5 9 -1 -1 0 0 96
R1 0 2 3 -1 0 1 0 36
R2 0 3 6 0 -1 0 1 60

V.B. Z X1 X2 S1 S2 R1 R2 Solución
Z 1 1/2 0 -1 1 /2 0 3/2 6
R1 0 1/2 0 -1 1 /2 1 -1/2 6
X2 0 1/2 1 0 -1/6 0 1/6 10

V.B. Z X1 X2 S1 S2 R1 R2 Solución
Z 1 0 0 0 0 -1 -1 0
X1 0 1 0 -2 1 2 -1 12
X2 0 0 1 1 -2/3 -1 2/3 4
FASE II.
Minimizar

V. Básica Z X1 X2 S1 S2 Solución
Z 1 -2000 -500 0 0 0
X1 0 1 0 -2 1 12
X2 0 0 1 1 -2/3 4

V. Básica Z X1 X2 S1 S2 Solución
Z 1 0 0 -3500 5000/3 26000
X1 0 1 0 -2 1 12
X2 0 0 1 1 -2/3 4

V. Básica Z X1 X2 S1 S2 Solución
Z 1 -5000/3 0 -500/3 0 6000
S2 0 1 0 -2 1 12
X2 0 2/3 1 -1/3 0 12

SOLUCION OPTIMA
PROBLEMA .

Maximizar

Sujeto a:

FASE I.
En la FASE I siempre es un problema de minimización.

Minimizar

Sujeto a:
V. Básica Z X1 X2 X3 S1 R1 Solución
Z 1 0 0 0 0 -1 0
S1 0 3 6 1 1 0 20
R1 0 3 1 2 0 1 15

V. Básica Z X1 X2 X3 S1 R1 Solución
Z 1 3 1 2 0 -1 15
S1 0 3 6 1 1 0 20
R1 0 3 1 2 0 1 15

V. Básica Z X1 X2 X3 S1 R1 Solución
Z 1 0 0 0 0 -1 0
S1 0 0 5 -1 1 -1 5
X1 0 1 1/3 2/3 0 1/3 5
FASE II.

Maximizar

V. Básica Z X1 X2 X3 S1 Solución
Z 1 -6 -4 -4 0 0
S1 0 0 5 -1 1 5
X1 0 1 1/3 2/3 0 5

V. Básica Z X1 X2 X3 S1 Solución
Z 1 0 -2 0 0 30
S1 0 0 5 -1 1 5
X1 0 1 1/3 2/3 0 5

V. Básica Z X1 X2 X3 S1 Solución
Z 1 0 0 -2/5 2/5 32
X2 0 0 1 -1/5 1/5 1
X1 0 1 0 11/15 -1/15 14/3
V. Básica Z X1 X2 X3 S1 Solución
Z 1 6/11 0 0 4/11 380/11
X2 0 3/11 1 0 2/11 25/11
X1 0 15/11 0 1 -5/11 70/11
 Cómo detectar que un Problema de
Programación Lineal es infactible con el Método
Simplex de 2 Fases

• Un problema infactible en Programación Lineal es una

situación que se detecta cuando en la aplicación del
Método Simplex de 2 Fases el valor óptimo del problema
de la Fase 1 es distinto a cero (para continuar a la Fase 2
se requiere que el valor óptimo de la Fase 1 sea cero). Cabe
recordar que un problema infactible es aquel cuyo dominio
de soluciones factibles es vacío.
Agregamos las siguientes variables al modelo para aplicar el Método Simplex de 2 Fases:

Definiendo el problema inicial de la Fase 1:

 A continuación llevamos el costo reducido de la variable x5 a cero, multiplicando por -1 la fila 2 y
sumando ésta a la fila 3:

Para favorecer la rapidez de convergencia del método x2 entra a la

base. Luego calculamos el criterio del mínimo cociente:
por tanto x3 deja la base. Actualizamos la tabla

Notar que todas las variables no básicas x1, x3, x4 tienen costos reducidos mayores o iguales a cero. Adicionalmente
las variables básicas x2 y x5 cumplen con las condiciones de no negatividad. En consecuencia hemos finalizado la
Fase 1 del Método Simplex de 2 Fases, sin embargo, el valor de la función objetivo es distinto de cero (en el ejemplo
es -4) lo que determina que el problema es infactible.
:
El área achurada color rojo corresponde a la intersección de los conjuntos de factibilidad
definido por la restricción 1 y las de no negatividad. Por otra parte el área achurada color
azul es la intersección de los conjuntos de factibilidad definido por la restricción 2 y las de
no negatividad. Luego resulta evidente que la intersección de dichos conjuntos (rojo y azul)
es vacío, por tanto no existen valores que puedan adoptar las variables de decisión y
satisfacer de forma simultanea todas las restricciones del problema.
 Ejemplo
• Una fábrica de artesanías se dedica a la producción de bolsos y
chaquetas los cuales comercializa directamente a los clientes
en la plaza España. La venta de un bolso genera una utilidad de
$2.000 y consume 5 horas de mano de obra; mientras que la
venta de una chaqueta genera una utilidad de $3.000 y
consume 9 horas de mano de obra. Por políticas de la compañía
se requiere de no mantener en ocio a sus trabajadores y por lo
tanto se debe consumir en la producción un mínimo de 450
horas de mano de obra por mes. ¿Qué cantidad de bolsos y
chaquetas se debe fabricar, si por estudio de mercados se sabe
que mínimo se venderán 20 chaquetas y como máximo 30
bolsos por mes?
 Solución
• Definición de variables
– X1 =Cantidad de bolsos a fabricar por mes.
– X2 =Cantidad de chaquetas a fabricar por mes.
• Máx. Z = 2000 X1 + 3000X2
• Sujeto a
– 5X1 + 9 X2 ≥ 450
– X1 < 30
– X2 ≥ 20
– X1, X2 ≥ 0
• Primera fase: Siguiendo el procedimiento descrito
al principio del capítulo para la primera fase, el
problema a resolver es el siguiente:
• Min G = A1+ A2
• Sujeto a
– 5X1 + 9X2 - S1 +A1 = 450
– X1 + H1 = 30
– X2 - S2 +A2 = 20
– X1, X2, S1, S2, A1, H1, A2≥ 0
• Segunda fase: se toma la función objetivo original y se utilizan
las restricciones generadas por la primera fase sin incluir las
variables artificiales. Teniendo en cuenta lo anterior el
problema a resolver es el siguiente:
• Máx. Z = 2X1 + 3X2 + 0S1 +0H1 +0S2
• Sujeto a:
– 5/9X1 -1/9S1 +S2 = 30
– X1 +H1 = 30
– 5/9X1 + X2 - 1/9S1 = 50.
– X1, X2, S1, S2, H1 ≥ 0
• Como se puede apreciar de la tabla, entra a la base la variable
X1 o la variable S1. Si entra S1, no se puede establecer que
variable sale de la base; lo que indica solución no acotada. A la
misma conclusión se llegará si se toma como variable de
entrada a la base la variable X1.