MÉTODO GRAN

“M”
MARLON DAVID AMAYA ROLDAN
LEIBY JINETH LANCHEROS CURREA
JOHANN MARCEL REYES PEÑA
LAURA MICHEL RUBIO RENGIFO
YULIED VILLANUEVA CARVAJAL
MÉTODO DE LA GRAN “M”
Es una variante del método simplex que
puede aplicarse a problemas No Canónicos
(arbitrarios), cuya F.O. puede ser minimizar
o maximizar
MÉTODO DE LA GRAN “M”
Este método consiste en penalizar la
presencia de variables artificiales, mediante
la introducción de una constante “M”
definida como un Valor MUY GRANDE o
MUY PEQUEÑO pero finito.
COMO TRABAJA GRAN “M”?
• La primera solución básica del método
Símplex debe incluir todas las variables
artificiales que fueron necesarias en el
arreglo del modelo de programación
lineal.
• Las variables artificiales se utilizan para
tomar la primer solución básica.
COMO TRABAJA GRAN “M”?
• A medida que se cumplen las etapas de
cálculo en el simplex, las variables
artificiales deberán ir saliendo de la
misma, gracias al tamaño del coeficiente
‘M’
• Si se presenta el caso que las variables
artificiales no se logren sacar de la base y
por lo tanto se anulen, ello significará que
tal problema NO tiene solución factible
LO QUE SE DEBE SABER..
• VARIABLES DE HOLGURA:
• Son las que se agregan o suman a las
desigualdades de < .
• Pueden tomar valor en la solución óptima del
problema, indicando que existen unidades
disponibles de un recurso determinado
LO QUE SE DEBE SABER..
• VARIABLES ARTIFICIALES :
• Son las variables que se suman o agregan a
las desigualdades de > y a las igualdades (=).
• Son un artificio matemático que sirve para
completar la matriz identidad.
• No pueden tomar valor en la solución óptima
y cuando esto sucede, la solución se llama
INCONSISTENTE.
LO QUE SE DEBE SABER..
• VARIABLES DE EXCEDENTE
• Son las variables que se restan a las
desigualdades de > , pueden tomar valor en la
solución óptima, indicando la cantidad
adicional que se está utilizando de un recurso
mínimo determinado.
• Penalizar las variables artificiales a manejar
en la función objetivo; esto, con el objeto de
tratar de asegurar que dichas variables no
aparezcan en la solución final del problema.
LO QUE SE DEBE AGREGAR..
• Menor para una variable de holgura
• Igual para una variable artificial
• Mayor para una variable excedente más una
variable artificial
• Se agregan variables como se indica y se
penalizan las variables artificiales en la F.O.,
asignando una “M”
• Se utiliza Simplex para quitar las M de la
columna artificial, así se logra una solución
básica inicial
TIPS CLAVES EN GRAN “M”
• Plantear el problema matemáticamente Igual
para una variable artificial
• Desarrollar el modelo matemático obtenido
en su forma estándar
• Transformar las desigualdades (” puede ser
llevada a una ecuación de igualdad “=”
usando una (nueva) variable de
Exceso(negativa) y con un coeficiente nulo
(0) en la F.O.
TIPS CLAVES EN GRAN “M”
• Un valor muy grande positivo para los casos
de minimizar.
• Un valor muy grande negativo para los casos
de maximizar.
• Elaborar la Tabla Simplex, vaciar los datos
correspondientes y determinar la
SOLUCIÓN INICIAL BÁSICA.
 VENTAJA
• Muy útil para resolver problemas con
diferentes clases de símbolos < = > y/o con
muchas restricciones.

DESVENTAJA
• 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.
AHORA UN PROBLEMA PARA
ILUSTRAR..
La empresa siderúrgica ACESCO fabrica
aleación de acero inoxidable tipo dúplex que
consta en su etapa inicial de dos
componentes fundamentales: mineral de
hierro y cromo, dispone de un horno con
capacidad de producción de hasta 6
toneladas semanales para el cual por
requisitos de calidad debe ser cargado con el
50% de los dos materiales y al total de su
capacidad.
AHORA UN PROBLEMA PARA
ILUSTRAR..
Vale la pena aclarar que la mínima cantidad
a producir semanalmente deben ser 6
toneladas de acero las cuales deben contar
con el 60% del mineral de hierro y el 40%
de cromo según especificaciones técnicas.
Así mismo las directivas han dispuesto de
2,7 millones de dólares para la compra anual
de los minerales
directo de minas extranjeras.
AHORA UN PROBLEMA PARA
ILUSTRAR..
Sin embargo de esa compra anual, mínimo el
30% del mineral de hierro y el 10% del
mineral de cromo deben ser de alta pureza
para garantizar la calidad óptima del acero
inoxidable.
La junta directiva desea minimizar los costos
de los minerales, teniendo en cuenta que la
planta solo cuenta con capacidad para
almacenar 40% de hierro y 50% de cromo.
DEFINICIÓN DE VARIABLES
Analizando la situación diremos que las variables
serán la cantidad de toneladas necesarias para
fabricar la aleación y serían las siguientes:

X1 = Toneladas de mineral de hierro a utilizar en

la aleación.
X2 = Toneladas de Cromo a utilizar en la aleación.
.
 FUNCIÓN OBJETIVO
El problema que tiene la siderúrgica consiste en
determinar la cantidad en toneladas de mineral de
hierro y cromo que debe comprar para utilizar en la
aleación, al menor precio posible y de esta forma
minimizar los costos, así que la función objetivo
sería:

MINIMIZAR Z: 0,4XI + O,5X2

.
 RESTRICCIONES
Restricción N° 1 : capacidad del horno; según la
cantidad de mineral para el caso 50% hierro y 50%
cromo:
0,5X1 + 0,5X2 = 6
Restricción N° 2 : restricción de producción; la mínima
cantidad a producir serán 6 toneladas y según
especificaciones técnicas estarán compuestas por 60%
de hierro y 40% de cromo
0,6X1 + 0,4X2 ≥ 6
 RESTRICCIONES
Restricción N° 3 : restricción financiera; las directivas
cuentan con US$ 2,7 para invertir en la importación de
los minerales pero el 30% del hierro y el 10% del
cromo tendrán que ser minerales de alta pureza por
temas de calidad
0,3X1 + 0,1X2 ≤ 2,7

Restricción N° 4 : restricción de no negatividad

X1, X2 ≥ 0
 RESOLUCIÓN GRAN “M”
PASO A PASO
PASO 1: Convertir las desigualdades de las
restricciones en igualdades
MINIMIZAR Z: 0,4X1+ O,5X2

0,5X1 + 0,5X2 = 6
0,6X1 + 0,4X2 = 6
0,3X1 + 0,1X2 = 2,7
 RESOLUCIÓN GRAN “M”
PASO A PASO
PASO 2: Variables que deben agregarse en las
restricciones
MINIMIZAR Z: 0,4X1+ O,5X2

= → +R
≥ → +R, -S
≤ → +S
 RESOLUCIÓN GRAN “M”
PASO A PASO
PASO 3: Variables que deben agregarse en las
restricciones
MINIMIZAR Z: 0,4X1+ O,5X2

0,5X1 + 0,5X2 + R1 = 6
0,6X1 + 0,4X2 + R2 - S1 = 6
0,3X1 + 0,1X2 + S2 = 2,7
 RESOLUCIÓN GRAN “M”
PASO A PASO
PASO 4: Asignar un penalización M como coeficiente
de cada variable artificial en la función objetivo
MIN = +M
MAX = -M
MINIMIZAR Z: 0,4X1+ O,5X2

MIN Z: 0,4X1 + O,5X2 + MR1 + MR2

 RESOLUCIÓN GRAN “M”
PASO A PASO
PASO 5: Definir las variables básicas y no básicas.
Se usan las variables artificiales como solución básica
factible para las restricciones de tipo ≥ e =

MIN Z: 0,4X1 + O,5X2 + MR1 + MR2

Variable s Variable s N o
Básic as Básic as
R1 = 6 X1 = 0
R2 = 6 X2 = 0
S2 = 2,7 S1 = 0
 RESOLUCIÓN GRAN “M”
PASO A PASO
PASO 6: Expresar la función objetivo en términos de variables
básicas con base en las restricciones y despejar

MIN Z: 0,4X1 + O,5X2 + MR1 + MR2

Despejando R1 y R2 tenemos:

0,5X1 + 0,5X2 + R1 = 6 0,6X1 + 0,4X2 + R2 - S1 = 6

R1 = 6 – 0,5X1 – 0,5X2 R2 = 6 – 0,6X1 – 0,4X2 + S1
 RESOLUCIÓN GRAN “M”
PASO A PASO
PASO 7: Expresar la función objetivo en términos de variables
básicas con base en las restricciones y despejar
Sustituyendo en la función objetivo:

Z = 0,4X1 + O,5X2 + M(6 – 0,5X1 – 0,5X2) + M(6 – 0,6X1 – 0,4X2

+ S1)

Realizando las operaciones algebraicas se obtiene:

Z – (0,4 – 1,1M)X1 – (0,5 – 0,9M)X2 – S1 = 12M

 RESOLUCIÓN GRAN “M”
PASO A PASO
PASO 8: Plantear la tabla básica inicial, en la columna van las
variables del ejercicio y en las filas la función objetivo y las
restricciones
Z X1 X2 R1 R2 S1 S2 Solución
Z 1 -0,4 - 1,1M-0,5 - 0,9M 0 0 -1 0 12M
R1 0 0,5 0,5 1 0 0 0 6
R2 0 0,6 0,4 0 1 -1 0 6
S2 0 0,3 0,1 0 0 0 1 2,7
 RESOLUCIÓN GRAN “M”
PASO A PASO
PASO 9: Se selecciona la variable de entrada correspondiente a la
condición optima, si es MIN se selecciona la variable No básica más
positiva
Z X1 X2 R1 R2 S1 S2 Solución
Z 1 -0,4 - 1,1M-0,5 - 0,9M 0 0 -1 0 12M
R1 0 0,5 0,5 1 0 0 0 6
R2 0 0,6 0,4 0 1 -1 0 6
S2 0 0,3 0,1 0 0 0 1 2,7
 RESOLUCIÓN GRAN “M”
PASO A PASO
PASO 10: Seleccionar la variable de salida correspondiente a la
condición de factibilidad, columna solución ÷ entre los valores de la
columna entrada
Z X1 X2 R1 R2 S1 S2 Solución
Z 1 -0,4 - 1,1M-0,5 - 0,9M 0 0 -1 0 12M
R1 0 0,5 0,5 1 0 0 0 6/0,5=12
R2 0 0,6 0,4 0 1 -1 0 6/0,6=10
S2 0 0,3 0,1 0 0 0 1 2,7/0,3=9
 RESOLUCIÓN GRAN “M”
PASO A PASO
PASO 11: Se elige la fila en donde el resultado es el más pequeño de
la columna solución

Z X1 X2 R1 R2 S1 S2 Solució n
Z 1 -0,4 - 1,1M-0,5 - 0,9M 0 0 -1 0 12M
R1 0 0,5 0,5 1 0 0 0 6/0,5=12
R2 0 0,6 0,4 0 1 -1 0 6/0,6=10
S2 0 0,3 0,1 0 0 0 1 2,7/0,3=9
 RESOLUCIÓN GRAN “M”
PASO A PASO
PASO 12: Se calcula la ecuación pivote dividiendo la fila pivote entre
el elemento pivote
S2 0 0,3 0,1 0 0 0 1 2,7
÷ 0,3 0,3 0,3 0,3 0,3 0,3 0,3 0,3
= 0 1,0 0,33 0 0 0 3,33 9,0

ECUACIÓN PIVOTE

E.P. = 0 1 0,33 0 0 0 3,33 9

 RESOLUCIÓN GRAN “M”
PASO 13
PASO A PASO
: Se multiplica por el factor pivote según corresponda en cada
variable
E.P. = 0 1 0,33 0 0 0 3,33 9
* Factor Z (-0,4 - 1,1M) (-0,4 - 1,1M) (-0,4 - 1,1M) (-0,4 - 1,1M) (-0,4 - 1,1M) (-0,4 - 1,1M) (-0,4 - 1,1M) (-0,4 - 1,1M)
0 (-0,4 - 1,1M) 0,33(-0,4 - 1,1M) 0 0 0 3,33(-0,4 - 1,1M) 9(-0,4 - 1,1M)

E.P. = 0 1 0,33 0 0 0 0,33 9

* Factor R1 0,5 0,5 0,5 0,5 0,5 0,5 0,5 0,5
0 0,5 0,165 0 0 0 0,165 4,5

E.P. = 0 1 0,33 0 0 0 0,33 9

* Factor R2 0,6 0,6 0,6 0,6 0,6 0,6 0,6 0,6
0 0,6 0,198 0 0 0 0,2 5,4
 RESOLUCIÓN GRAN “M”
PASO A PASO
PASO 14
: Se calcula la ecuación pivote dividiendo la fila pivote entre el
elemento pivote
Z 1 -0,4 - 1,1M -0,5 - 0,9M 0 0 -1 0 12M
- 0 (-0,4 - 1,1M) 0,33(-0,4 - 1,1M) 0 0 0 3,33(-0,4 - 1,1M) 9(-0,4 - 1,1M)
1 0 0,33(-0,1+0,1M) 0 0 -1 -3,33(-0,4 - 1,1M) 3M(-0,4 - 1,1M)

R1 0 0,5 0,5 1 0 0 0 6
- 0 0,5 0,165 0 0 0 0,165 4,5
0 0 0,335 1 0 0 -0,165 1,5

R2 0 0,6 0,4 0 1 -1 0 6
- 0 0,6 0,198 0 0 0 0,2 5,4
0 0 0,202 0 1 -1 -0,2 0,6
 RESOLUCIÓN GRAN “M”
PASO 15 PASO A PASO
: Se confecciona la nueva tabla con los resultados obtenidos en cada
variable para realizar una nueva iteración repitiendo el procedimiento
hasta encontrar la solución óptima

Z X1 X2 R1 R2 S1 S2 Solució n
Z 1 0 0,33(-0,1+0,1M) 0 0 -1 -3,33(-0,4 - 1,1M) 3M(-0,4 - 1,1M)
R1 0 0 0,335 1 0 0 -0,165 1,5
R2 0 0 0,202 0 1 -1 -0,2 0,6
S2 0 0,3 0,1 0 0 0 1 2,7
 RESOLUCIÓN GRAN “M”
SOFTWARE ONLINE ATOZMATH.COM
 RESOLUCIÓN GRAN “M”
SOFTWARE ONLINE ATOZMATH.COM
 RESOLUCIÓN GRAN “M”
SOFTWARE ONLINE ATOZMATH.COM
 RESOLUCIÓN GRAN “M”
SOFTWARE ONLINE ATOZMATH.COM
Observamos que el resultado por el método de la gran M
resuelto por Atoz nos indica que:
Min Z = 4,7 X1 = 8 X2 = 3

US$ 4,7 millones es el resultado de la minimización

queriendo decir que ese valor es el mínimo que tendrá que
invertir en el año para lograr la producción según las
restricciones planteadas, comprando 8 toneladas de mineral
de hierro y 3 toneladas de cromo.

Ahora compararemos con el resultado en método Simplex:

RESOLUCIÓN
PHP SIMPLEX
RESOLUCIÓN
PHP SIMPLEX
RESOLUCIÓN
PHP SIMPLEX
MÉTODO GRÁFICO
PHP SIMPLEX
MÉTODO GRÁFICO
PHP SIMPLEX
 CONCLUSIONES

Observamos que el resultado por Simplex y método gráfico

nos indica que:
Min Z = 5,25 X1 = 7,5 X2 = 4,5

Eso quiere decir que deberían gastarse US$ 5,25 millones

para lograr la producción según las restricciones planteadas,
comprando 7,5 toneladas de mineral de hierro y 4,5 toneladas
de cromo.
Existe una diferencia bastante significativa entre el método de
la gran “M” y el método Simplex, ya que gran “M” brinda
una solución más optima que Simplex que nos da una
solución optima pero no la mejor para este caso.
 CONCLUSIONES

Gracias a este ejercicio podemos concluir que el método de la

gran “M” nos sirve para optimizar de mejor manera
problemas en donde se presentan mezclas de signos < = >,
encontrando la solución más optima con respecto a otros
métodos como el gráfico o el Simplex que únicamente nos
muestran una de las soluciones más factible nada más.
También es muy útil en los casos en que los problemas
cuentan con muchas restricciones, ya que al ser la
dimensionalidad del problema muy amplia o extensa, este
método trabaja con un mejor nivel de precisión que los
anteriormente vistos.
Tiene la desventaja que no funciona adecuadamente con
problemas con restricciones únicamente de tipo <.