大M法（big M method）是線性規劃問題中的一個求解方法，主要用於處理約束條件中的等式或大於等於（≥）型問題時。其原理包括以下幾個關鍵點：
人工變數的引入。在原始線性規劃問題的約束條件中加入非負的人工變數，這些變數沒有具體的物理意義，僅用於幫助構建一個初始可行的基。
目標函式中的調整。在目標函式中為這些人工變數引入係數，通常表示為-M或M（M為一個足夠大的正數）。在極大化問題中，對人工變數賦予-M作為係數；在極小化問題中，則賦予M作為係數。這樣做是為了通過調整目標函式，迫使這些人工變數在最優解中取值為零。
構造輔助線性規劃問題（ALP）。通過求解這個輔助問題，可以找到原始線性規劃問題（LP）的初始可行基。這個過程利用了單純形法的基本原理。
疊代過程。在疊代過程中，如果人工變數仍然存在於基底中，目標函式就無法實現最大化或最小化。這是因為大M（或-M）的引入，對人工變數施加了足夠的「懲罰」，以確保它們在最優解中的取值為零。
通過上述過程，大M法能夠有效地找到線性規劃問題的初始基可行解，進而使用單純形法等方法求解。