VARIABLES
ARTIFICIALES
VARIABLE ARTIFICIAL
Una variable artificial es un truco matemático para convertir inecuaciones ">=" en ecuaciones, o
cuando aparecen igualdades “=” en el problema original, la característica principal de estas variables es
que no deben formar parte de la solución, dado que no representan recursos. El objetivo fundamental
de estas variables es la formación de la matriz identidad.
En las ecuaciones a las cuales esta sujeta la función objetivo, se ingresan las variables de acuerdo a la
restricción. Como ejemplo:
JDNoreña
SIMPLEX: MÉTODOS DE
SOLUCIÓN
MÉTODO SIMPLEX REVISADO
El método del simplex revisado trabaja con la idea fundamental de que cualquier tabla del simplex
correspondiente a una solución factible básica puede generarse directamente de las ecuaciones
originales por medio de operaciones matriciales.
1. Paso Inicial: Hallar S.B.F inicial.
2. Iteración:
Paso 1: Determinar la variable que entra a la base.
Paso 2: Determinar la variable que sale de la base.
Paso 3: Determinar la nueva S.B.F: Obtener B-1 y xB= B-1 b
3. Prueba de optimalidad: Se calculan sólo los números necesarios para realizar esta prueba.
Desventaja: Durante su cálculo utiliza muchos valores los cuales finalmente no son relevantes en la
toma de decisiones.
JDNoreña
METODO DE LA GRAN M
El simplex de la gran M (penalización) es una variante del método simplex aplicable en los casos en que
las variables artificiales son necesarias en el problema, ya sea de maximizar o también de minimizar.
El nombre de simplex penal se explica porque se penaliza con un coeficiente M, que representa un
valor muy grande (mayor que cualquier otro coeficiente del problema), a cada variable artificial Ai que
se incluya en la función objetivo del problema. Para máximo se utiliza la penalización con signo menos
(- M), por otro lado para mínimo se utiliza signo más (+ M).
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.
JDNoreña
MÉTODO DE LAS DOS FASES
• 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.
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.
• Si el valor mínimo de la función objetivo óptima es mayor que cero, el problema no tiene solución
y termina anotándose que no existen soluciones factibles
JDNoreña
MÉTODO DE LAS DOS FASES
• 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.
JDNoreña
MÉTODO DE LA GRAN M
PASOS MÉTODO DE LA GRAN M
1. Llevar el problema a su forma estándar ingresando las variables de Holgura (H), Exceso
(E) y Artificiales (A) que se requieran
2. Incluir en la función objetivo las variables artificiales incluyendo el coeficiente M. Tener
en cuenta que se suma si el problema es de minimización y se resta si lo que se busca es
maximizar
3. De las restricciones, despejar las variables artificiales
4. Reemplazar en la función objetivo lo encontrado en el punto anterior. Luego agrupar y
despejar para que las variables queden en el lado izquierdo y el resultado en el lado
derecho
5. Construir tabla Simplex y operar normalmente. Recordar que si el problema es de
Maximización se selecciona la columna con el valor mas negativo. En cambio si se busca
Minimizar se selecciona la columna con el valor mas positivo
JDNoreña
MÉTODO DE LA GRAN M
Llevar el problema a su forma estándar ingresando las variables de Holgura (H),
Exceso (E) y Artificiales (A) que se requieran
Min Z = 4X1 + X2 + 0H1 + 0E1 + MA1 + MA2
• Ejemplo Sujeto a (s.a.)
Minimizar Z = 4X1 + X2
3X1 + X2 + A1 = 3
4X1 + 3X2 – E1 + A2 = 6
Sujeto a (s.a.)
X1 + 2X2 + H1 = 4
3X1 + X2 = 3 Forma Estándar
X1, X2 0
4X1 + 3X2 6
X1 + 2X2 4
Donde:
X1, X2 0 A = Variable Artificial
E = Variable de Exceso
H = Variable de Holgura
JDNoreña
MÉTODO DE LA GRAN M
De las estricciones, despejar las variables artificiales. Luego, Reemplazar en la
función objetivo las variables artificiales luego del despeje, agrupar y despejar
para que las variables queden en el lado izquierdo y el resultado en el lado
derecho
• Despejar artificiales Minimizar
Z – (4–7M)X1 – (1-4M)X2 – ME1 = 9M
Restricción 1: Sujeto a (s.a.)
3X1 + X2 + A1 = 3
3X1 + X2 + A1 = 3
A1 = 3 - 3X1 - X2 Reemplazar
4X1 + 3X2 – E1 + A2 = 6
Restricción 2: X1 + 2X2 + H1 = 4
4X1 + 3X2 – E1 + A2 = 6 X1, X2 0
A2 = 6 - 4X1 - 3X2 + E1
Este problema lo llevamos a la tabla Simplex
JDNoreña
Realizar tabla Simplex
Renglón Z X1 X2 H1 E1 A1 A2 R Cociente Operación
R1 1 -(4-7M) -(1-4M) 0 -M 0 0 9M
R2 0 3 1 0 0 1 0 3
R3 0 4 3 0 -1 0 1 6
R4 0 1 2 1 0 0 0 4
Se selecciona la columna pivote
Renglón Z X1 X2 H1 E1 A1 A2 R Cociente Operación
R1 1 -(4-7M) -(1-4M) 0 -M 0 0 9M
R2 0 3 1 0 0 1 0 3 3/3=1 R2/3
R3 0 4 3 0 -1 0 1 6 6/4=3/2
R4 0 1 2 1 0 0 0 4 4/1=4
En minimizar, el elemento pivote se ubica en la columna pivote
mas positiva y el menor cociente
JDNoreña
Realizar tabla Simplex
Renglón Z X1 X2 H1 E1 A1 A2 R Cociente Operación
R1 1 0 (1+5M)/3 0 -M (4-7M)/3 0 (4+2M)
R2 0 1 1/3 0 0 1/3 0 1 3
R3 0 0 5/3 0 -1 -4/3 1 2 6/5
R4 0 0 5/3 1 0 -1/3 0 3 9/5
Se selecciona la columna pivote
Renglón Z X1 X2 H1 E1 A1 A2 R Cociente Operación
R1 1 0 0 0 1/5 (8/5-M) -(1+5M)/5 18/5
R2 0 1 0 0 1/5 3/5 -1/5 3/5
R3 0 0 1 0 -3/5 -4/5 3/5 6/5
R4 0 0 0 1 1 1 -1 1
En minimizar, el elemento pivote se ubica en la columna pivote
mas positiva y el menor cociente
JDNoreña
Realizar tabla Simplex
Renglón Z X1 X2 H1 E1 A1 A2 R Cociente Operación
R1 1 0 0 0 1/5 (8/5-M) -(1+5M)/5 18/5
R2 0 1 0 0 1/5 3/5 -1/5 3/5 3
R3 0 0 1 0 -3/5 -4/5 3/5 6/5 --
R4 0 0 0 1 1 1 -1 1 1
Se selecciona la columna pivote
Renglón Z X1 X2 H1 E1 A1 A2 R SBF óptima
R1 1 0 0 -1/5 0 (7/5-M) -M 17/5 Z = 17/5
R2 0 1 0 -1/5 0 2/5 0 2/5 X1 = 2/5
R3 0 0 1 3/5 0 -1/5 0 9/5 X2 = 9/5
R4 0 0 0 1 1 1 -1 1 E1 = 1
JDNoreña
EJERCICIO MÉTODO DE LA GRAN M
Resuelve el siguiente modelo de PL por el método de la Gran M:
Minimizar Z = 2/5 X1 + 1/2 X2
S.a.
1/2 X1 + 1/2 X2 = 6
3/5 X1 + 2/5 X2 6
3/10 X1 + 1/10 X2 27/10
X1, X2 0
JDNoreña
