PROCEDIMIENTOS PARA RESOLVER

PROBLEMAS CON VARIABLES ARTIFICIALES

(M GRANDE, DOS FASES).

INVESTIGACION DE OPERACIONES
ING. GONZALO GARCÍA LUNA
EQUIPO #1
EDGAR JESÚS MALDONADO RUIZ
JOSÉ ANTONIO GUERRA GARCÍA
JACQUELINE OLGUÍN ZÚÑIGA
HÉCTOR JAVIER RAMÍREZ SUAREZ.
 ÍNDICE
• Introducción…………………………………………………………………3
• Objetivo……………………………………………………………………….4
• Método de la M grande………………………………………………...5-17
• Método de las dos fases……………………….…………………….18-33
• Problemas del método de la M grande……………………………….34
• Problemas del método de las dos fases………………………………
• Conclusión
• Fichas Bibliográficas
 INTRODUCCIÓN

• El método simplex se destaca como una herramienta primordial en la

resolución de problemas de PL. Cabe destacar que existen distintas
técnicas aplicables de este método. En el aborde de esta exposición
se abordarán los referentes al M Grande el de las Dos Fases.
 OBJETIVO

El fin o el objetivo de esta exposición es que el lector o los auditores

empleen nuevas técnicas para una situación ala cual se hallan
enfrenado, ya sea un modelos de programación lineal e implementar
nuevos procedimientos como son las que son variables artificiales para
así llegar a una solución optima y darle una solución versátil al
problema.
MÉTODO DE LA M GRANDE
EN EL CONTEXTO DE LA APLICACIÓN DEL MÉTODO SIMPLEX NO
SIEMPRE ES INMEDIATA LA OBTENCIÓN DE UNA SOLUCIÓN
BÁSICA FACTIBLE INICIAL, EN LAS VARIABLES ORIGINALES DEL
MODELO. PARA CONSEGUIR ESTO EXISTEN VARIOS
PROCEDIMIENTOS COMO SON EL  MÉTODO DE DOS FASES  Y
EL MÉTODO DE LA M GRANDE (O GRAN M). 
 EJEMPLO VARIABLE DE EXCESO

•Maximizar
  Z La desigualdad (a) puede ser remplazada
Sujeto a (a) por la ecuación (a”)

Dónde es una variable de holgura (

 CONSIDEREMOS LA SIGUIENTE RESTRICCIÓN:
• 
En estas restricciones los valores factibles de y tienen que ser tales
como que sean iguales o mayores que 2. Por tanto, y = es factible ya
que
También , y = es factible ya que ,que es 6 unidades mas grandes que
2. Entonces para convertir a una ecuación equivalente , tenemos que
sustraer una variable de su lado izquierdo. Esto es, es equivalente a
Donde
La variable “” es llamada una variable de exceso ya que representa la
cantidad que Por tanto , también tiene que ser mayor o igual a 0, .
Por lo tanto el modelo original de PL es equivalente a
 MODELO DE PL
 PROBLEMA: Determine una
solución básica factible inicial.
Solución: Necesitamos dos
variables básicas ,ya que el
modelo de PL tiene dos
ecuaciones. Podemos hacer que
sea la variable básica para (a‘) con
 Sinembargo , podemos usar lo que es un valor de 6:
llamado una variable artificial , en (b‘) con (a‘)
una variable básica , así como sigue. En (b‘) la escogencia no es obvia.
Remplazando No podemos hacer que sea una
(b‘) variable básica en (b‘) ya que
(b‘‘) donde seria igual a , pero = no es factible
.
•La  nueva variable es artificial en el sentido de que solamente puede tener
la interpretación física para una solución factible , valor de cero . Esto es,
(b‘) ( restricción original).
es equivalente a
(b‘‘) (restricción artificial equivalente).
Solamente si
Sea M la utilidad unitaria asociada a una variable artificial A. Entonces
tenemos
 COMO PODEMOS ELIMINAR LA VARIABLE ARTIFICIAL
DE LA BASE UTILIZANDO EL MÉTODO SIMPLEX

•   eliminar la variable artificial de la base, le hacemos muy costosa, o sea

Para
el costo que tenga un valor mucho mayor a cero. Por ejemplo hagamos
que la variable artificial en (O‘‘) del modelo de PL tenga una utilidad unitaria
M=$
Entonces tenemos que la utilidad para la anterior solución básica es
Z
•   cual obviamente una utilidad muy baja . Recuerden el método
La
simplex el cual consistía en encontrar una utilidad máxima. Por tanto, el
método simplex puede encontrar una solución factible para el modelo
de PL con una utilidad mayor que 2.000 con la variable A=0
Vamos ahora a aplicar el método simplex de PL con M= 1.000.
En la forma de los coeficientes separados, obtenemos el tablero
siguiente:
•Observe
  que en el tablero anterior que la variable artificial aparece en
la función de la utilidad dada en la fila. Para eliminar A de la fila (O‘‘)
ejecutemos las siguientes operaciones en las filas: remplazamos por
(O‘‘‘), en donde (O‘‘‘)=(O‘‘) 1.000)(b‘‘). Como se muestra en el siguiente
tablero.
Aplicando el método simplex en el tablero anterior después de dos
iteraciones , se avanza al siguiente tablero:
 La solución factible básica dada en
este tablero es:

Variable Variable No
básica básica

Y la utilidad es Z=9.
Ya que los coeficientes en la función
de utilidad dada en la fila (O‘‘‘‘) para la
variable no básica son todos positivos,
la solución básica factible de este
tablero es la solución óptima.
MÉTODO DE LAS DOS FASES
• Este método es sumamente sencillo. Se usa ante la presencia de
variables artificiales en el modelo a solucionar y su objetivo es eludir
el uso de la constante M, aquella que definimos como un numero muy
grande pero finito
 OBJETIVOS

1. Definir el método de las dos fases es una manera mas compacta de

resolver el método simplex
2. Comprender si el uso de este método requiere de una previa
comprensión de la técnica M para solucionar problemas de PL
3. Conocer la manera de convertir las inecuaciones para dar solución
por medio de la técnica de Dos Fases
4. Conocer las variables matemáticas que permiten dar solución al
problema de PL
 ¿QUÉ ES LA TÉCNICA DE LAS DOS
FASES?

Es una técnica utilizada en la solución de problemas de PL

Requerimientos:
-Modificar las restricciones para el lado derecho se no negativo
-Convertir las desigualdades a su forma estándar
-Añadir una variable artificial no negativa a las restricciones
PASOS PARA APLICAR ESTE MÉTODO

Fase1

- Minimizar la suma de las variables artificiales y conseguir que sea

cero.
Con el objetivo de evitar incongruencias matemáticas.
En caso contrario, el problema no es factible, es decir No tiene
solución.
 Fase 2

Con base en la tabla de la fase uno, se elimina de las restricciones las

variables artificiales, y se reemplaza la función objetivo, por la función
objetivo original y se resuelve a partir de la resultante, con el método
simplex tradicional
ANTES DE COMENZAR CON UN EJEMPLO,
DEFINAMOS:

Variables Excedentes
Variable restada del lado izquierdo de una restricción “Mayor o igual”
para convertirla en una Igualdad
Ejemplo

2x+3y≥ 14 pasa a 2x+3y-h=14

 Variables de Holgura

Variable agregada del lado izquierdo de una restricción “Menor o igual”

para convertirla en una igualdad.

Ejemplo

6x+3y≤12 pasa a 6x+3y+h=12

 Variables Artificiales

Suponen una violación al algebra

Nos sirven para asegurarnos de que sean 0 en la solución final

Ejemplo

6x+3y=12
6x+3y+A=12
 EJEMPLO
• 
Minimizar: Z= 4+
 Estandarización:

s.a 3+=3
Minimizar : Z= 4+
4+3≥6
+ ≤4 s.a ++ =3
,≥0 +=6
++=4

Donde:
A=Variable Artificial
E= Variable excedente
H= variable de holgura
FASE 1
FASE 2
PROBLEMAS DEL MÉTODO DE LA M
GRANDE
 Acontinuación agregamos las variables no negativas
(holgura restricción 1), (auxiliar restricción 2), (exceso
restricción 3) y (auxiliar restricción 3). El modelo ahora
es:
Donde el parámetro M es una constante positiva suficientemente
grande para representar una penalización adecuada en la función
objetivo. La tabla inicial del método esta dada por:

 Antes de continuar con las iteraciones se debe procurar que el

costo reducido de las variables y sean ceros. Para ello
multiplicamos por -M la fila 2 y la fila 3 y luego sumamos a la fila 4,
obteniendo lo siguiente:
•  Ahora debemos seleccionar que variable no básica ingresa a la base.
El menor costo reducido corresponde a la variable en consecuencia
dicha variable ingresa a la base. Luego calculamos el mínimo
cociente en dicha columna: , el cual se alcanza en la
fila 1, por tanto la variable deja la base. Se actualiza la tabla:
•  Siguiendo con las iteraciones ahora la variable entra a la base. El
criterio de factibilidad indica que: la variable abandona la
base (el pivote se encuentra en la fila 3). Actualizamos la tabla:
•  Una nueva iteración indica que ingresa a la base. El mínimo cociente
en la respectiva columna es: (recordar que se omiten
denominadores menores a cero). Ahora el pivote se encuentra en la
fila 2 y en consecuencia deja la base. Se actualiza la tabla:

 Se ha alcanzado la solución óptima con y . Notar

que las variables auxiliares (r1 y r2) son no básicas
en el óptimo. El valor óptimo es(notar que el signo
esta cambiado).
PROBLEMAS DEL MÉTODO DE LAS
DOS FASES
Considere el siguiente modelo de Programación Lineal:

• FASE 1: Al agregar S1 como variable de exceso en la restricción 1

resulta evidente que no se dispone de una solución básica factible
inicial, por tanto utilizaremos una variable auxiliar "y" que incluiremos
en el lado izquierdo de la restricción y que servirá como variable
básica inicial. Esto define el problema inicial de la Fase 1 junto a su
tabla.
• Luego la variable X2 entra a la base (costo reducido negativo) y
claramente "y" deja la base. Se actualiza la tabla utilizando el método
simplex:

Con esta tabla finaliza la Fase 1. Notar que el valor de la

función objetivo al finalizar la Fase 1 es cero, por tanto
podemos continuar la Fase 2.
• FASE 2: Se elimina la columna asociada a la variable artificial "y" y se
actualiza el vector de costos reducidos considerando la función
objetivo original. De esta forma se obtiene la tabla inicial de la Fase 2.

Dado que X2 es variable básica al finalizar la Fase 1 buscamos

dejar esta misma variable como básica al iniciar la Fase 2. Para
ello multiplicamos por -3 la fila 1 y luego la sumamos a la fila 2.

En este sencillo ejemplo se llega inmediatamente a la

tabla final de la Fase 2, con solución óptima X1=0 y
X2=10. El valor óptimo V(P)=-30.
 CONCLUSIÓN

• Podemos concluir que es fundamental conocer diferentes métodos de

programación lineal, esto debido a que se van a presentar diferentes
problemas que se requerirán diferentes procedimientos y técnicas
como lo iremos viendo en la unidad.
EJEMPLO REALIZADO POR HÉCTOR
JAVIER RAMÍREZ SUAREZ.
MÉTODO DE LA “M” GRANDE
METODO DE LAS DOS FASES
EJEMPLOS DE JOSÉ ANTONIO GUERRA GARCÍA
MÉTODO DE LA “M” GRANDE
 
•Función
  objetivo: • Debido a que se presentan
Sujeto a: restricciones del tipo y del tipo , por
lo que no se puede aplicar el
método simplex. Para poder
resolverlo se introducen las
variables artificiales.
 Transformación a su forma estándar :
Introducción de las variables de holgura:
•  Para disponer de tres holguras y completar la matriz identidad en la
tabla simplex, se agregan variables artificiales . En la función objetivo
se agregan con un coeficiente y se iguala a 0. Con estos datos se
forma la tabla simplex.

• el numero 3 es el pivote
Z
0 3 1 0 1 0 0 3
0 4 3 -1 0 1 0 6
0 4 2 -1 0 0 1 3
1 -4 -1 0 -M -M 0 0
Se compensan a realizar operaciones elementales de renglón

Z
0 3 1 0 1 0 0 3
0 4 3 -1 0 1 0 6
0 4 2 -1 0 0 1 3
1 7M-4 4M-1 -M 0 0 0 9M

Z
0 1 1/3 0 1/3 0 0 1
0 4 5/3 -1 -4/3 1 0 2
0 1 2/3 0 -1/3 0 0 1
1 0 5/3M+1/ -M 0-7/3M 0 0 2M+4
3 + 4/3
 Z
0 1 0 1/5 3/5 -1/5 0 3/5
0 0 1 -3/5 -4/5 3/5 0 6/5
0 4 2 1/5 -2/5 1 6/5
1 7M-4 4M-1 -M 0 0 0 18/5

Z
0 5 0 1 3 -1 0 3
0 3 1 0 1 0 0 3
0 2 0 0 -1 0 1 0
1 -1 0 0 1-M -M 0 3

Las
  variables no básicas están dadas por , y las variables básicas son , y ,
por lo que el mínimo óptimo de Z es 3.
MÉTODO DE DOS FASES

• Problema
• Primero se cambian los signos en la función objetivo y se agregan as
variables de holgura para formar igualdades.
•  Se agrega una variable artificial a la tercera restricción, y en este caso se le
llamará .
FASE 1
SE REALIZA LA PRIMERA ITERACIÓN
• Segunda iteración
• Así,
  hemos llegado al final de la primera fase con la solución y el valor óptimo
obtenido es el trivial. esto quiere decir que se puede pasar a la segunda fase.
SEGUNDA FASE
• Se eliminan las variables artificiales y se reestablece la función original
SEGUNDA ITERACIÓN DE LA FASE 2
SOLUCIÓN
• 

• Valor óptimo:
Z = 2 (1/3) + 3 (38/9) + 4 (5/6) = 140/9
 FICHAS BIBLIOGRÁFICAS

• https://www.gestiondeoperaciones.net/programacion_lineal/metodo-
de-la-m-grande-o-gran-m-en-programacion-lineal/
• Investigación de operaciones autor:Herbert moskowitz Gordon p.
Wright
• http://www.diquima.upm.es/old_diquima/docencia/introopt/docs/progra
macionlineal_p2.pdf