METODO DE LA M.

El mtodo simplex puede aplicarse a un problema de minimizacin si se modifican

los pasos del algoritmo.
Consideraciones Generales:
1. En general se recurre a las variables artificiales cuando al menos una de las
restricciones en el modelo matemtico original es del tipo mayor o igual (),
esto con el fin de obtener la solucin bsica factible inicial.
2. Las variables artificiales proporcionan un artificio matemtico para obtener
un primera solucin bsica. Estas variables son ficticias y no tienen una
interpretacin fsica directa en trminos del problema original (costos).
3. Se debe expresar el modelo original en la forma estndar (llevar las
desigualdades a igualdades).
4. Sumar del lado izquierdo de cada ecuacin, correspondiente a las
restricciones del tipo mayor o igual () una variable (artificial) no negativa.
Dicha adicin no causa una alteracin en las restricciones.
5. Los indicadores de las variables artificiales son todos negativos o iguales a
cero (0) en la tabla final. Esto siempre debe ser vlido para una solucin
ptima (factible).
6. Una vez, conocidas las consideraciones generales procedemos con los
pasos normales del mtodo simplex.
Algoritmo del Mtodo de la Tcnica de la M.
1. Pasar a la forma estndar el modelo matemtico, restando las variables de
excedente ( holgura o flojas) por cada restriccin.
2. Agregar variables artificiales en cada restriccin.
3. En la fila de los indicadores (funcin objetivo), tiene coeficiente nulos para
las variables de holgura y M para las variables artificiales, en donde M es
un numero imposiblemente elevado para asegurar que las variables
artificiales se excluirn de la solucin ptima.
4. En la funcin objetivo no deben aparecer variables bsicas, por lo que se
hace necesario eliminar las variables artificiales de la F.O.( quitas las M de
las columnas artificiales). Para retirar las M de las columnas de variables
artificiales se suman M veces (coeficientes de la fila1 + fila 2 + fila 3+ fila
n) a la fila de la funcin objetivo. Esto da como resultado la tabla inicial.
5. Cuando una solucin contiene variables artificiales bsicas menor o igual a
cero (0), estamos ante una solucin factible con respecto al modelo
matemtico original.
6. Si el problema no tiene solucin factible, cuando menos una variable
artificial ser positiva en la solucin ptima.

METODO DE LA GRAN M
Ejemplo. # 1
Pasos para resolver el Mtodo Simplex (Tcnica de la Gran M):
1. Se deben llevar a igualdades las desigualdades cada una de las
restricciones y la funcin objetivo (Igualando a O). Agregamos restamos las
variables de holgura de acuerdo al nmero de restricciones que tengamos y
Sumamos variables artificiales por cada condicin mayor o igual que
tengamos en el modelo matemtico original.
Ejemplo:
Forma Estndar:
Min Z = 20X1 + 30X2 +16X3

Igualando a O:
- 20X1 30X2 16X3 - Z = 0

Sujeto a:
2,5X1 + 3X2 + X3 3
X1 + 3X2 +2X3 4
Con X1, X2 y X3 0

Sujeto a:
2,5X1 + 3X2 + X3 S1 +A1= 3
X1 + 3X2 +2X3 S2 +A2 = 4
Con X1, X2 y X3 0

2. Construir la tabla inicial simplex (0), donde se vacan cada uno de los
coeficientes de las variables.

3. Se deben eliminar las emes (M) de la tabla previa que se encuentran como
coeficientes de las variables artificiales, con el fin de encontrar nuestra tabla
O, y nuestra primera solucin bsica factible.

4. Para eliminar las emes, se suman todos los coeficientes de las

restricciones, columna por columna (variable por variable) con emes, y el
resultado se coloca delante de cada indicador de la fila Z, con el fin de que
todos los indicadores de Z queden positivos, y las emes (M) desaparezcan
de las Columnas de la variable artificial con el fin de encontrar nuestra
primera solucin bsica factible.

Ya construida la tabla inicial, encontramos la 1 Solucin Bsica Factible, donde:

X1, X2, X3, S1 y S2 = 0, A1=3, A2=4 y Z=7M.

Ejemplo. # 2

Pasos:
1. Pasar a la forma Estandar el Modelo Matemtico
2. Agregar variable artificial donde no hay variable de holgura
3.Penalizar las variables artificiales en la funcion objetivo asignando coeficiente
positivo muy grande "M" (minimizar = +M, maximizar= -M)
4.Quitar las "m" de la columna artificial, ya teniendo solucion inicial
5.Se aplica el Mtodo Simplex

Maximizar z= 3x1 + 5x2

x1 4
2x2 12
3x1+2x2=18
x1, x2 0

*La funcion objetivo se debe penalizar con -M, por ser maximizacion y para hacer
z=0 por lo tanto:
z= 3x1 + 5x2 -M, entonces: z-3x1-5x2+M= 0
x1 + H1 = 4
2x2 +H2 = 12
3x1 + 2x2 + A1 = 18

(-MR4+R1)

-3R2+R4; (3M+3)R2+R1

R4(-2)+R3 ; R4 (2M+5)+R1

R3(-1)+R2 ; R3 (9/2)+R1 ; R3(3/2)+R4

Solucion:
x= 2
x2=6
H1=2

x1 + H1 = 4
2x2 + H2 = 12
3x1+2x2 +A1 = 18

Entonces:
2+2 = 4
2(6) + 0 = 12
3(2) + 2(6) +0 =18

METODO DE LAS DOS FASES

La desventaja de la tcnica M es el posible error de cmputo que podra resultar
de asignar un valor muy grande a la constante M. Esta situacin podra presentar
errores de redondeo en las operaciones de la computadora digital. Para evitar esta
dificultad el problema se puede resolver en 2 fases.

FASE 1. Formule un nuevo problema reemplazando la funcin objetivo por la

suma de las variables artificiales.
La nueva funcin objetivo se minimiza sujeta a las restricciones del problema
original. Si el problema tiene un espacio factible el valor mnimo de la funcin
objetivo ptima ser cero, lo cual indica que todas las variables artificiales son
cero. En este momento pasamos a la fase 2.

* Si el valor mnimo de la funcin objetivo ptima es mayor que cero, el problema

no tiene solucin y termina anotndose que no existen soluciones factibles

FASE 2. Utilice la solucin ptima de la fase 1 como solucin de inicio para el

problema original. En este caso, la funcin objetivo original se expresa en trminos
de las variables no bsicas utilizando las eliminaciones usuales Gauss-Jordan.

METODO DE LAS DOS FASES

PROBLEMA # 1
Minimizar

Sujeto a:

Minimizar

Sujeto a:

FASE I

Minimizar
Sujeto a:

Minimizar
Sujeto a:

V.B.

X1

X2

S1

S2

R1

R2

Solucin

-1

-1

R1

-1

36

R2

-1

60

V.B.

X1

X2

S1

S2

R1

R2

Solucin

-1

-1

96

R1

-1

36

R2

-1

60

V.B.

X1

X2

S1

S2

R1

R2

Solucin

1/2

-1

1 /2

3/2

R1

1/2

-1

1 /2

-1/2

X2

1/2

-1/6

1/6

10

V.B.

X1

X2

S1

S2

R1

R2

Solucin

-1

-1

X1

-2

-1

12

X2

-2/3

-1

2/3

FASE II.
Minimizar

V. Bsica

X1

X2

S1

S2

Solucin

-2000

-500

X1

-2

12

X2

-2/3

V. Bsica

X1

X2

S1

S2

Solucin

-3500

5000/3

26000

X1

-2

12

X2

-2/3

V. Bsica

X1

X2

S1

S2

Solucin

-5000/3

-500/3

6000

S2

-2

12

X2

2/3

-1/3

12

PROBLEMA 2.
Maximizar
Sujeto a:

FASE I.

En la FASE I siempre es un problema de minimizacin.

Minimizar
Sujeto a:

V.
Bsica

X1

X2

X3

S1

R1

Solucin

-1

S1

20

R1

15

V.
Bsica

X1

X2

X3

S1

R1

Solucin

-1

15

S1

20

R1

15

V.
Bsica

X1

X2

X3

S1

R1

Solucin

-1

S1

-1

-1

X1

1/3

2/3

1/3

Aqu termina la fase I.

FASE II.
Maximizar

V. Bsica

X1

X2

X3

S1

Solucin

-6

-4

-4

S1

-1

X1

1/3

2/3

V. Bsica

X1

X2

X3

S1

Solucin

-2

30

S1

-1

X1

1/3

2/3

V. Bsica

X1

X2

X3

S1

Solucin

-2/5

2/5

32

X2

-1/5

1/5

X1

11/15

-1/15

14/3

V. Bsica

X1

X2

X3

S1

Solucin

6/11

4/11

380/11

X2

3/11

2/11

25/11

X1

15/11

-5/11

70/11