MÉTODO DE LA GRAN M O PENAL

ALUMNOS:
Castro Campos Kevin
Lazo Costa Ruth
Lazo Veliz Sandro
Ramirez Fernandez Javier
Sedano Sedano Jhon
DEFINICIÓN
Se utiliza cuando hay restricciones de >= e = o <= e = donde
tenemos que usar variables artificiales que no tienen ninguna
representación física a diferencia de las variables de holgura.

Estas variables artificiales serán usadas como un comodín

matemático para ayudar en la solución del problema.

Se puede utilizar dos distintos métodos que son :

- El Método de la Gran M

- El Método de las dos Fases

A1 = variable artificial 1

A2 = variable artificial 2 Min Z  =

2X1 +  X2 + 3X3
M = un numero muy grande pero finito  

EL OBJETIVO ES MINIMIZAR EL OBJETIVO ES MAXIMIZAR

Las variables Las variables

artificiales artificiales se usaran
entraran con M como -M. 
positivo
Min z = 2X1 +  X2 + 3X3 + MA1+MA2 Max z = 2X1 +  X2 + 3X3 - MA1-MA2
 Sujeto a: Agregamos variables de
Cada restricción holgura en aquellas
debe ser                   3X  +   X + 2X
inecuaciones con
1 2  3  

convertida de <=    10
 
comparaciones <= y >=
inecuación a una                     X  -  2X  + 3X    
1 2 3
igualdad,
>=     6 Agregamos variables no
agregando
negativas (variables
variables como se                   2X  + 3X  -    X   
1 2 3 
artificiales) en el lado
requiera <=     9                   
izquierdo de cada
                    X  +  X  +2X      
1 2  3 ecuación con
PASO 1 : CONVERTIR=AL   MODELO
7 ESTÁNDAR: comparaciones >= e =
C.N.N           
Las variables de
holgura quedan
Lo usado mas lo que sobre (s1) es 3X1 +   X2 + con coeficiente 0
igual a 10 2X3 + S1  =    10 en la función
Lo usado en la restricción2 es objetivo y las
X1 - 2X2 + 3X3 - S2 + A1 = 6 variables
igual al mínimo requerido que es
6 mas el adicional que esta en 2X1 + 3X2 - X3 + S3 = 9 artificiales con
S2 coeficiente M.
X1 + X2 +2X3  + A2 = 7 Positiva si es
Z - 2X1 -  X2 - 3X3 =  
minimizando o
negativa si es
maximizando.
Resumiendo

Min Z  =  2X1 +     X2 +  3X3  + 0S1 + 0S2 + MA1 + 0S3 + MA2
          

Sujeto a:
                    3X   +      X +  2X       +   S       
1 2       3 1

                                  =    10     

                       X   -    2X    +  3X               

1 2 3

- S    + A
2    
1                 =     6
                     2X  +    3X     -  X  
1 2 3 

                              + S                    3

=     9                   
Jerarquización de las
                       X1 +     X2    +   variables de holgura, de
2X3                                       decisión y artificiales
+ A2     para=  
que estén en la columna base
  7         es :

    Ai > Si > Xi

PASO 2 : ESCRIBIR EN FORMATO DE TABLA SIMPLEX. Se ordena las holguras
positivas y/o variables
Estas “variables artificiales” intervienen las leyes de algebra, modificando nuestro artificiales necesarias para
problema, haciendo que haya una solución mas al problema y hasta una solución conformar la matriz
que no corresponde al contexto de nuestro problema. No obstante esta dificultad identidad en nuestra tabla
Se supera al momento de que logremos que las “variables artificiales” sean cero del Simplex
en la solución

La primera iteración se asigno las variables que estarán en

la base, las demás tendrán el valor de 0 (S2).
 Eliminando los coeficientes de las variables Max (- Z)  = -( 2X1 +     X2 +  3X3  + 0S1 + 0S2 +
artificiales (M) de la función objetivo
          

MA1 + 0S3 + MA2)

SUMA
SUMA

Se aplica el Símplex y los criterios de factibilidad, según sea el

Realmente Z no es necesaria, caso para maximizar o minimizar dado que el coeficiente M no
sólo lo pusimos para dar un poco tiene valor.
más de claridad a la iteración y
se obtiene al sumar la fila de A1
+la fila de A2. Como el método simplex buscamos en la fila Cj – Zj Con Cj – Zj se
cual es el mayor cuando minimiza y cual es el menor buscara la
cuando se maximiza para encontrar la variable que OPTIMIDAD
entra
PASO 3 :  DEFINIR LA VARIABLE QUE ENTRA Y QUE  Aparece la theta con la que
encontraremos la variable que
SALE sale

Variable
que entra que sale
Variable

En caso que dividamos por un valor

Pivote negativo, no lo vamos a tener en cuenta
para salir, por lo que lo rotulamos como
M.
PASO 4 :  ITERACIÓN: GAUSS- Convirtiendo al pivote en 1 la cual
afecta a toda la fila en la que se
JORDAN encuentra.

Después convertiremos los valores por

encima y por debajo del pivote en cero y
que también afecta a todas las filas por
encima y por debajo del pivote.
 Una vez convertido al PIVOTE en 1 y haber afectado toda la fila en la que se
encuentra empezaremos a buscar con que números multiplicar esa fila
para que al momento de sumarlos con las demás filas los valores por
encima y por debajo del pivote se vuelvan ceros.

Se convertirán
Ten en consideración que el valor por la cual multiplicaremos a la fila
en 0 afectando
del PIVOTE será diferente en cada fila al cual le sumaremos después
a toda la fila
de multiplicar la fila PIVOTE.
Se logro que los valores por
encima y por debajo del  PRUEBA DE 
PASO 4 :
PIVOTE se volvieran ceros
OPTIMIDAD

Nos debemos de percatar si aun Al parecer aun hay valores

hay en Cj – Zj valores positivos positivos donde se debe tomar al
ya que se trata de un problema mas positivo para seguir haciendo
PASO 5 : Hacer la misma operación hasta  Aparece la theta con la que
que encuentres la optimidad. encontraremos la variable que
sale

Variable
que sale
que entra
Variable

Nuevo En caso que dividamos por un valor

Pivote negativo, no lo vamos a tener en cuenta
para salir, por lo que lo rotulamos como
M.
 Convirtiendo al pivote en 1 la cual
2da ITERACIÓN: GAUSS-JORDAN afecta a toda la fila en la que se
encuentra.

Después convertiremos los valores por

encima del pivote en cero y que también
afecta a todas las filas por encima del
pivote.
 Una vez convertido al PIVOTE en 1 y haber afectado toda la fila en la que se
encuentra empezaremos a buscar con que números multiplicar esa fila
para que al momento de sumarlos con las demás filas los valores por
encima del pivote se vuelvan ceros.

Se convertirán Ten en consideración que el valor por la cual multiplicaremos a

en 0 afectando la fila del PIVOTE será diferente en cada fila al cual le
a toda la fila sumaremos después de multiplicar la fila PIVOTE.
Se logro que los valores por 2da PRUEBA DE OPTIMIDAD
encima y por debajo del
PIVOTE se volvieran ceros

Nos debemos de percatar si aun

Al parecer ya no hay ningún valor
hay en Cj – Zj valores positivos
positivo lo cual indica que ya
ya que se trata de un problema
llegamos al punto optimo
de minimización.
Por ultimo sacamos lo valores de nuestras variables de 
decisión(x1, x2, x3), holgura, artificial y reemplazamos en nuestra 
función objetivo.
X1 = 0
X2 = 9/7 = 1.29
X3 = 20/7 = 2.86
S1 = 3
S2 = 0
S3 = 8
A1 = 0
A2 = 0

Min Z  =  2X1 +     X2 +  3X3  + 0S1 + 0S2 + MA1 +

          

0S3 + MA2
Min Z = 2(0) + 1.29 + 3(2.86) + 0(3) + 0(0) + M(0) + 0(8) + M(0)
= 9.8571
RESOLUCION EN EL PROGRAMA LINGO