Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
CAPTULO 5
ANLISIS DE DUALIDAD Y SENSIBILIDAD DE LA
PROGRAMACIN LINEAL
5.1 Introduccin
La solucin de la programacin lineal se basa en una toma instantnea de las
condiciones que prevalecen en el momento de formular y resolver el modelo. Pero se debe
tener en cuenta que en el mundo real, los ambientes de decisiones rara vez permanecen
estticos, y es fundamental determinar como cambia la solucin ptima cuando cambian los
parmetros del modelo. Eso es lo que hace el anlisis de sensibilidad.
Maximizar o Minimizar c j x j
j 1
Sujeta a:
n
a
j 2
ij
x j bi , i 1,2,, m
x j 0, j 1,2,, m
Las variables xi,j =1,2,..., n, incluyen las variables que se denominan de
excedencia, holgura y artificiales, si las hubiera.
La tabla 5.1 el cual muestra como convertir un problema dual a partir de un primal,
lo que se tiene a continuacin son las condiciones que requieren:
1. Se define una variable dual por cada ecuacin primal (restricciones).
2. Se define una restriccin dual por cada variable primal.
99
Captulo 5
ym
am1
am2
..
amj
amn
J-sima restriccin
dual
b1
b2
..
xn
cn
a1n
a2n
..
..
xj
cj
a1j
a2j
..
..
..
..
..
..
x2
c2
a12
a22
..
..
..
Variables Duales
y1
y2
x1
c1
a11
a21
bm
Coeficientes objetivo
duales
Objetivo
Tipo de Restriccin
Signos de variables
maximizacin
minimizacin
minimizacin
maximizacin
No restringido
No restringido
Todas las referencias primales son ecuaciones con lado derecho no negativo y todas las variables son no
negativas.
100
Captulo 5
Maximizar z 10 x1 8 x2 5 x3
Sujeta a:
x1 2 x2 3 x3 10
Maximizar z 10 x1 8 x2 5 x3 0 x4
Sujeta a:
x1 2 x2 3x3 x4 10
10 x1 5 x2 x3 15
10 x1 5 x2 x3 0 x4 15
x1 , x2 , x3 0
x1 , x2 , x3 , x4 0
Variables
Duales
y1
y2
Problema Dual
Minimizar w 10 y1 15 y2
Sujeta a:
y1 10 y2 10
2 y1 5 y2 8
2 y1 y2 5
y1 0 y2 0
y1 0, y2 sin restricciones
y1 , y2 sin restriccciones
Como se puede observar en el ejemplo se debe tener en cuenta las 4 condiciones:
1. como se tiene dos restricciones se tiene dos variables duales ( y1 , y2 ).
2. como se ve en la forma de ecuacin el problema primal tiene cuatro variables
( x1 , x2 , x3 , x4 ) por lo tanto
y1 10 y2 10
2 y 5 y 8
1
2
Se deber tener 4 restricciones
2 y1 y2 5
y1 0 y2 0
3. como indica esta condicin se ve claramente en este ejemplo que los coeficientes
x1 2 x2 3x3 x4 10
columna de las dos restricciones
que corresponden a los
10 x1 5 x2 x3 0 x4 15
coeficientes de cada variable, lo cual se observa de la variable x1 son 1 y 10, de la
variable x2 son 2 y 5, as sucesivamente son utilizadas en el lado izquierdo de las
restricciones como se ve:
101
Captulo 5
Tambin se indica que los coeficientes del lado derecho de las restricciones del
problema primal son utilizados como coeficientes en la funcin objetivo del
problema dual del lado derecho. Como se muestra a continuacin:
4. como seala esta condicin, los coeficientes de la funcin objetivo del problema
primal que son 10, 8, 5 y 0 son utilizados en el lado derecho de las restricciones del
problema dual. Como se muestra a continuacin:
Requerimientos u.
/comida.
20
30
10
10
Nutriente
102
Captulo 5
con x i
4 x1
+3 x2
+2 x 3 > 20 Nutriente A
5 x1
+6 x2
+3 x 3 > 30 Nutriente B
1 x1
+2 x2
+1 x 3 > 10 Nutriente C
2 x1
+3 x2
+1 x 3 > 5 Nutriente D
2 x1
+3 x2
+1 x 3 > 10 Nutriente E
> 0, i = 1, 2,3.
103
Captulo 5
Este segundo modelo representa el enfoque dual del primero y de nuevo podemos
verificar que se presentan ciertas relaciones estructurales, a saber
1. El vector de coeficientes objetivo de uno es la transpuesta del vector de coeficientes
recurso del otro
2. El vector de coeficientes recurso del uno es la transpuesta del vector de coeficientes
objetivo del otro.
3. La matriz de coeficientes tecnolgicos de uno es la transpuesta de la matriz de
coeficientes tecnolgicos del otro.
4. Ambos problemas estn en formato cannico, o sea que tienen las siguientes
caractersticas
4.1 El objetivo del primal es minimizar, mientras que el del dual es maximizar.
4.2 Las restricciones del primo son del tipo =, y las del dual del tipo =.
4.3 Las variables de ambos problemas solo pueden tomar valores mayores o iguales
que cero.
Pero las relaciones de forma no son las ms importantes para nuestro estudio de la
dualidad en Programacin lineal, como si lo son las relaciones lgicas existentes entre sus
soluciones ptimas y el significado econmico de las variables del modelo dual.
104
Captulo 5
x1 2 x 2 4
x1 2 x 2 4
2 x1 3 x 2 7
x1 , x 2 0
105
Captulo 5
Variables de inicio
Rengln del
objetivo z
Columnas de
restriccin
0 0
Matriz identidad
(Tabla de Inicio)
Matriz identidad: todos los elementos de la diagonal principal iguales a 1 y fuera de la diagonal principal
iguales a cero
106
Captulo 5
Variables de inicio
Rengln del
objetivo z
Columnas de
restriccin
Matriz Inversa
(Tabla General)
Figura 5.1
Valores ptimos
de las variables
duales
Inversa primal
=
ptima
Los elementos del vector rengln de los coeficientes objetivos del primal original
deben aparecer en el mismo orden que aparecen las variables bsicas en las columnas
bsicas de la tabla smplex.
Mtodo 2
Coeficientes zprimal ptimos
(costo reducido)
de cualquier
variable xj
Lado derecho de
la j-esima
restriccin dual
107
Captulo 5
x1 , x 2 , x3 0
Para preparar para resolver con el mtodo smplex (mtodo de la M), se debe
agregar dos variables artificiales R en la primera y segunda restriccin, los problemas
primales y duales que son asociados se muestran a continuacin:
Problema Primal 1
Problema Primal 3
Maximizar z 1x1 5 x 2 3 x 3
Maximizar z 1x1 5 x 2 3 x 3
Sujeta a:
Sujeta a:
x1 2 x 2 x 3 x 4
x1 2 x 2 x 3 3
2 x1 x 2
x1 2 x 2 x 3
2 x1 x 2
x1 , x 2 , x 3 0
x5
x6
2 x1 x 2
x 7 4
x1 , x 2 , x 3 0
Problema Primal 2
Problema Dual
Maximizar z 1x1 5 x 2 3 x 3
Minimizar w 3 y1 3 y 2 4 y 3 4 y 4
Sujeta a:
Sujeta a:
x1 2 x 2 x 3
y1 y 2 2 y 3 2 y 4 1
x1 2 x 2 x 3 3
2 y1 2 y 2 y 3 y 4 5
2 x1 x 2
y1 y 2 3
2 x1 x 2
x1 , x 2 , x 3 0
Basicas
z
x3
x1
0
0
x2
2
2.5
x3
0
1
R1
3+M
1
R2
M-1
-0.5
Solucion
5
1
x1
-0.5
0.5
La matriz inversa ptima, que se obtiene y se seala las variables de inicio R1 y R2.
1 0.5
Inversa ptima =
0 0.5
108
Captulo 5
A continuacin se vera como se obtiene los valores ptimos duales usando los dos
mtodos que se mencionaron con anterioridad.
Mtodo 1. Lo primero que se debe observar es que las variables ptimas aparecern en la
tabla en orden, primero x3 y despus x1, lo cual debe los elementos de los coeficientes
originales del objetivo para las dos variables deben aparecer en el mismo orden
(Coeficientes objetivo originales) = (Coeficientes de x3, coeficientes de x1)
= (3, 1)
Ahora se puede calcular los valores duales ptimos como sigue:
(y1, y2) = (Coeficientes objetivo originales de x3, x1) (Inversa ptima)
1 0.5
= (3, 1)
0 0.5
= (3,-1)
Mtodo 2. Como el problema dual tiene dos variables, se necesitan dos ecuaciones para
llegar a la solucin. Tomemos las restricciones duales asociadas con las variables primales
de inicio R1 y R2. Como se sabe por la definicin de dual, las restricciones duales asociadas
con las variables primales de inicio son:
Variable de inicio R1: y1 M
Variable de inicio R2: y 2 M
Tambin, de acuerdo con la tabla ptima que se vio en la tabla 5.3
Coeficientes z de R1 = 3 + M
Coeficientes z de R2 = M 1
De acuerdo con el Mtodo 2.
3 M y1 (M ) y1 3
M 1 y 2 (M ) y 2 1
Note que en cada ecuacin interviene exactamente solo una variable, por que la
solucin esta disponible de inmediato. Este siempre es el caso de las restricciones duales
asociada con las variables de inicio.
109
Captulo 5
Inversa en la
iteracin i
Columna
original de
restriccin
Formula 1
Lado izquierdo
de la restriccin
dual
correspondiente
Lado derecho de
la restriccin
dual
correspondiente
Formula 2
1 0.5
Inversa ptima =
0.5
0
El uso de la Formula 1 se ilustra calculando todas las columnas de lado izquierdo y
lado derecho de la tabla ptima:
Columna de x1 en
iteracin ptima
Inversa en la iteracin
ptima
Columna de x1
original
1 0.5 1
0
0.5 2
0
1
110
Captulo 5
Columna de x2 en
iteracin ptima
Columna de x 3 en
iteracin ptima
Columna de R1 en
iteracin ptima
Columna de R1 en
iteracin ptima
Columna de lado
derecho en la
iteracin ptima
Inversa en la
iteracin ptima
Columna de x2
original
1 0.5 2
2.5
0.5 1
0
0.5
Inversa en la
iteracin ptima
Columna de x 3
original
1 0.5 1
1
0.5 0
0
0
Inversa en la
iteracin ptima
Columna de R1
original
1 0.5 1
1
0.5 0
0
0
Inversa en la
iteracin ptima
Columna de R1
original
1 0.5 0
0.5
0.5 1
0
0.5
Inversa en la
iteracin ptima
Columna de lado
derecho original
1 0.5 3
1
0.5 4
0
2
111
Captulo 5
A continuacin se mostrara como se hacen los clculos del rengln objetivo, con la
Formula 2. Los valores ptimos de las variables duales (y1, y2) = (3,-1) que se calcularon
en el ejemplo de aplicacin 5.2, con dos mtodos distintos. Estos valores son utilizados en
la Formula 2 para determinar los coeficientes asociados de z como se ve a continuacin:
Coeficientes de x1 en z = y1 2 y 2 1 3 2 1 1 0 .
Coeficientes de x2 en z = 2 y1 y 2 5 2 3 1 5 2 .
Coeficientes de x 3 en z = y1 3 3 3 0
Coeficientes de R1 en z = y1 M 3 M
Coeficientes de R 2 en z = y1 M 1 M
Es importante saber que los clculos realizados por las Formulas 1 y 2, pueden ser
aplicadas a cualquier iteracin, sea problema primal o dual. Solo se necesita la inversa
asociada con la iteracin primal o dual y los datos de la programacin lineal original. Lo
cual se obtiene la tabla ptima del problema primal siendo la tabla 5.3.
Tabla 5.3 Tabla ptima del primal del ejemplo 5.2
Basicas
z
x3
x1
0
0
x2
2
2.5
x3
0
1
R1
3+M
1
R2
M-1
-0.5
Solucion
5
1
x1
-0.5
0.5
Valor objetivo en el
problema de
Maximizacin
Valor objetivo en el
problema de
minimizacin
112
Captulo 5
min
, rj 0
rj
113
Captulo 5
Para el inicio de una programacin lineal que sea ptima y no factible a la vez, debe
cumplir dos condiciones:
1. La funcin objetivo debe satisfacer la condicin de ptimalidad del mtodo smplex
regular.
2. Todas las restricciones deben ser del tipo ( ).
Por la segunda condiciones se requiere convertir toda ( ) a ( ), solo se debe
multiplicar ambos lados de la desigualdad ( ) por -1. Si en la programacin lineal hay
restricciones (=) se debe reemplazar la ecuacin con dos desigualdades, por ejemplo:
x1 x 2 1
Equivale a:
x1 x2 1, x1 x2 1
x1
x2
x3
x4
Solucin
-2
-3
x3
30
x4
-1
-2
-10
114
Captulo 5
x1
x2
x3
x4
Rengln de zz j c j
-2
-3
Rengln de x4 , 4 j
-1
-2
3
2
Razn,
z jc j
4 j
, 4 j 0
Por la razn obtenida indica que la variable de entrada es x2 , se puede observar que
una variable x j es candidata a para entrar a la solucin bsica solo que su ij sea
estrictamente negativa. Eso quiere decir en el ejemplo no se debe tomar en cuenta las
variables x 3 y x4 .
A continuacin la siguiente tabla debe obtenerse de la misma manera que se obtiene
con las conocidas operaciones de rengln
Bsicas
x1
x2
x3
x4
Solucin
-0.5
-1.5
15
x3
20
x2
0.5
-0.5
En esta ltima tabla es factible (y ptima) por lo que se termina el algoritmo (como
se observa en esta ultima tabla no hay ya variable que entre por que el resultado de x3 es
positivo, lo cual no cumple la condicin dual de factibilidad, por lo que se lo deja en esta
tabla, lo que insina que la variable x1 no entra en la variables bsicas y es igual a 0). La
solucin que corresponde es x1 0, x 2 5 y z 15 .
Para la compresin del alumno del mtodo smplex dual en la figura 5.2 se muestra
en forma grafica la trayectoria que fue seguida por el algoritmo para resolver el ejemplo de
aplicacin 5.4. La trayectoria se inicia en el punto (0,0).
115
Captulo 5
x1 2 x 2 2 x3 8
x1 x 2 x3 4
2 x1 x 2 4 x3 10
x1 , x 2 , x3 10
Captulo 5
Bsicas
z
x1
x2
x3
x4
x5
x6
-2
Solucin
0
x4
-2
-8
x5
-1
x6
-1
10
x2
x3
x4
x5
x6
-2
-1
0
1
x2
0
1
Solucin
0
x5
x6
1
2
1
2
14
Bsicas
z
Ahora la tabla anterior es factible, pero no ptimo, para lo cual se resuelve usando el
smplex primal para determinar la solucin ptima. En general si es que no pudiramos
haber encuentra la factibilidad con la tabla anterior, se puede repetir la veces que sean
necesarias hasta encontrar la factibilidad o de otro modo hasta que haya pruebas de que no
tenga solucin factible, una vez atendida la factibilidad el siguiente paso.
2. Es el ocuparse de la ptimalidad que puede ser resuelto aplicando la condicin
acomodada de ptimalidad del mtodo smplex primal. De la anterior tabla, se
resuelve y se obtiene la siguiente tabla:
x1
x2
x3
x4
x5
x6
-2
-1
0
1
x2
0
1
Solucin
0
x5
x6
1
2
1
14
Bsicas
z
117
Captulo 5
La variable x 3 es la variable que entra por ser el que tiene el coeficiente ms negativo, y la
variable x6 es la variable que sale por la razn mnima que se hace con el mtodo smplex
primal, lo cual da la siguiente tabla:
Bsicas
z
x1
x2
x3
x4
x5
x6
-0.5
0.5
Solucin
0
x2
-0.75
-0.25
0.5
x3
-0.25
0.25
0.5
x6
2.25
-1.25
-1.5
14
x1
x2
x3
x4
x5
x6
0.22
0.66
0.22
Solucin
3.11
x2
-0.67
0.33
8.66
x3
0.11
0.33
0.11
1.55
x1
-0.56
-0.67
0.44
6.22
x1 6.22
xi u j
Donde u j es una constante positiva que representa al mximo valor factible de x j .
Se puso en relieve que el factor determinar en cuanto al tiempo de calculo al correr el
mtodo smplex es el nmero es el nmero de restricciones funcionales, mientras que el
nmero de restricciones de no negatividad casi carece de importancia. Entonces, un nmero
grande de restricciones de cota superior incluidas en las restricciones funcionales
incrementa mucho el esfuerzo computacional requerido.
La tcnica de la cota superior evita este mayor esfuerzo al eliminar las restricciones
de cota superior del conjunto de restricciones funcionales y al tratarlas por separado, en
esencia, como restricciones de no negatividad. Hacer esto no causa problemas siempre y
cuando ninguna de las variables adquiera un valor mayor que su cota superior. La nica vez
que el mtodo smplex incrementa alguna de las variables es cuando la variable bsica
entrante aumenta su valor para obtener la nueva solucin bsica factible. La tcnica de la
cota superior, simplemente aplica el mtodo smplex al resto del problema (es decir, sin las
restricciones de cota superior) pero con la restriccin adicional de que cada nueva solucin
118
Captulo 5
bsica factible debe satisfacer las restricciones de cota superior adems de las normales de
cota inferior (no negatividad).
Para poner en practica esta idea, note que una variable de decisin x j con una
restriccin de cota superior x j u j siempre se puede sustituir por:
xj uj yj
En donde y j ser entonces la variable de decisin. En otras palabras, se puede
elegir entre dos tipos de variables de decisin, la cantidad mayor que cero ( x j ) o la
cantidad menor que u j ( y j u j x j ). (Se har referencias a x j y y j como variable de
decisin complementarias) como:
0 xj uj
Tambin se cumple que:
0 yj uj
Entonces, en cualquier momento al trabajar con el mtodo smplex se puede:
1. Usar en donde 0 x j u j .
2. Sustituir x j por u j y j , en donde 0 y j u j .
La tcnica de la cota superior emplea la siguiente regla para hacer esta eleccin:
Regla: comenzar con la opcin 1.
Si x j 0 , se utiliza la opcin 1, de manera que x j es no bsica.
Si x j u j , se utiliza la opcin 2, de manera que y j 0 es no bsica.
Se cambia de opcin solo cuando x j alcanza el otro valor extremo.
As pues, siempre que una variable bsica llega a su cota superior se debe cambiar
de opcin y usar su variable de decisin complementaria como la nueva variable no bsica
(la variable que sale) para identificar la nueva solucin bsica factible. Entonces, la nica
modificacin sustantiva que se hizo al mtodo smplex esta en la regla para elegir la
variable bsica que sale.
Recuerde que el mtodo smplex elige como variable bsica que sale a aquella que
seria la primera en convertirse bsica entrante. En cambio, con la modificacin que se
acaba de hacer, se seleccionan la variable bsica entrante. En cambio, con la modificacin
que se acaba de hacer, se selecciona la variable que seria la primera en no factible en
cualquier direccin, ya sea por volverse negativa o por sobrepasar la cota superior cuando
se incrementa la variable bsica entrante. (Obsrvese que una posibilidad es que la variable
bsica entrante se vuelva no factible si adquiere un valor mayor que su cota superior, en
este caso su variable complementaria se convierte en la variable que sale). Si la variable
bsica que sale adquiere el valor cero, se procede con el mtodo smplex en forma normal,
pero si por el contrario alcanza su cota superior, entonces se cambia de opcin y su variable
de decisin complementaria ser la variable bsica que sale.
119
Captulo 5
4x1
2x1
0 x1 4
=
x3 =
0 x2 15
12
4
0 x3 6
2x1
( 4 x1
2(2 x1
2x1
x2
x2
2x3
x3
= 0
= 12)
= 4)
= 20
Para comenzar con la primera iteracin, esta ecuacin (0) inicial indica que la
variable bsica entrante inicial es x1 . Como las restricciones de cota superior no estn
incluidas, el conjunto inicial completo de ecuaciones y los clculos correspondientes para
seleccionar la variable bsica que sale se muestra en la tabla siguiente:
Conjunto inicial de ecuaciones
(0)
(1)
(2)
2x1
4x1
2x1
x2
x3
= 20
= 12
= 4
120
Captulo 5
solucin bsica factible y x1 se convierte en la nueva variable bsica en la ecuacin (2). Este
reemplazo lleva a los siguientes cambios en esa ecuacin:
2x1
(2)
2x1
2x1
+
+
x1
x3
6 y3
1
y3
2
y3
=
=
=
4
4
2
x2
x1
y3
2 y3
1
y3
2
= 22
= 8
=
121
Captulo 5
Construccin de indicadores.
Anlisis y pronstico de riesgo.
Optimizacin y calibracin de modelos.
A continuacin, sigue una lista abreviada de las razones por las cuales se debe tener
en cuenta el anlisis de sensibilidad:
Toma de decisiones o desarrollo de recomendaciones para decisores:
Para probar la solidez de una solucin ptima. Las sorpresas no forman parte
de las decisiones ptimas slidas.
Para identificar los valores crticos, umbrales, o valores de equilibrio donde
cambia la estrategia ptima.
Para identificar sensibilidad o variables importantes.
Para investigar soluciones sub-ptimas.
Para desarrollar recomendaciones flexibles que dependan de las
circunstancias.
Para comparar los valores de las estrategias de decisin simples y complejas.
Para evaluar el riesgo de una estrategia o escenario.
Comunicacin:
122
Captulo 5
Accin recomendada
No es necesaria accin alguna.
para
para
Usar
el
mtodo
smplex
generalizado para obtener una
nueva solucin.
123
Captulo 5
Inversa en la
iteracin i
Columna
original de
restriccin
Formula 1
Se tiene que tener en cuenta, de que el lado derecho de la tabla expresa los valores
de las variables bsicas. En el siguiente ejemplo se muestra este procedimiento:
Ejemplo de aplicacin 5.7.
Ladrillos S.A. fabrica tres tipos de ladrillos: Ladrillo de 3era Clase, Ladrillo de 2da
Clase y Ladrillo de 1era Clase, los cuales se hacen con 3 operaciones. Los lmites diarios de
tiempo disponible para las tres operaciones son 430, 460 y 420 minutos, respectivamente y
las utilidades por el ladrillo de 3era Clase, 2da Clase y 1era Clase son Bs. 3, Bs. 2 y Bs. 5,
respectivamente. Los tiempos de fabricacin de la 3era Clase, en las 3 operaciones son 1, 3 y
1 minutos, respectivamente. Los tiempos respectivamente para el de 2da Clase y 1era Clase
son (2, 0, 4) y (1, 2, 0) minutos (un tiempo de cero indica que no se uso la operacin).
Si x1 , x2 y x 3 representan la cantidad diaria de unidades fabricadas de ladrillos de
3 Clase, 2da Clase y 1era Clase y si los modelos de programacin lineal primal y dual son
los siguientes:
era
Problema Primal
Maximizar z 3 x1 2 x 2 5 x3
Sujeta a:
x1 2 x 2 x3 430 Operacin1
3x1
2 x3 460
x1 2 x3
420
Operacin 2
Operacin 3
x1 , x 2 , x3 0
Solucin ptima:
x1 0, x 2 100 , x3 230 , z 1350 Bs
Problema Dual
Minimizar w 430 y1 460 y 2 420 y 3
Sujeta a:
y1 3 y 2 3 y 3 3
2 y1
4 y3 2
y1 2 y 2
y1 , y 2 , y 3 0
Solucin ptima:
y1 1, y 2 2, y 3 0, z 1350 Bs
124
Captulo 5
x1
x2
x3
x4
x5
x6
Solucin
-3
-2
-5
x4
430
x5
460
x6
420
x2
x3
x4
x5
x6
1
1
2
2
1
x2
4
1
Solucin
1350
100
x3
230
-2
1
2
1
20
Bsicas
z
2
2
x6
Inversa en la
=
iteracin i
Nuevo lado
derecho de la
iteracin i
Formula 1
1 1 0
602 140
4
x2 2
1 0 644 322
x3 0
2
x
1 1 588 328
6 2
Lo cual las nuevas variables bsicas x2 , x 3 y x6 siguen siendo factibles con los
nuevos valores 140, 322 y 328. La utilidad ptima correspondiente es 1890 Bs.
5.7.2
125
Captulo 5
430 D1
460
420
D1
1 1 0
430 D1 100 2 0
4
x2 2
1 0 460 230
0
x3 0
1 1 420 20 20 D1 0
6 2
x2 0 : 100 D1 0 D1 200
x3 0 : x3 es independiente de D1
x6 0 : 20 2 D1 0 D1 10
Lo cual se nota que la solucin cuando se encuentre en el siguiente rango ser
factible:
200 D1 10
5.7.3
5.7.3.1
126
Captulo 5
5.7.3.2
5.7.3.3
Supongamos que se reemplaza una restriccin por una nueva. Cul es el efecto de
este intercambio?
El proceso: Determine si la restriccin previa es obligatoria (es decir, activa,
importante) hallando si el valor de holgura/excedente es cero. Si es obligatoria, el
reemplazo puede afectar la solucin ptima corriente. Reemplace la restriccin y
resuelva el problema. De lo contrario (si no es una restriccin obligatoria),
determine si la solucin corriente satisface la nueva restriccin. Si la satisface,
entonces este intercambio no afectar la solucin ptima. De lo contrario (si la
solucin corriente no satisface la nueva restriccin), reemplace la restriccin
anterior por la nueva y resuelva el problema.
5.7.3.4
5.7.3.5
5.7.3.6
127
Captulo 5
x2
x3
x4
x5
x6
x7
0
0
2
1
1
1
2
x2
4
1
Solucin
1350
100
x3
230
-2
1
2
1
x6
2
2
20
x7
500
Bsicas
z
128
Captulo 5
x2
x3
x4
x5
x6
x7
0
0
2
1
1
1
2
x2
4
1
Solucin
1350
100
x3
230
-2
1
2
1
20
1
4
-30
Bsicas
z
x6
x7
2
2
Luego se aplica el mtodo smplex dual lo cual dar como resultado la nueva
solucin ptima: x1 0, x 2 90, x3 230 , z 1330 Bs .
5.8
5.8.1
129
Captulo 5
Problema Primal
Maximizar z 2 x1 3 x 2 4 x3
Sujeta a:
x1 2 x 2 x3 430 Operacin1
3x1
2 x3 460
x1 2 x3
420
Operacin 2
Operacin 3
Problema Dual
Minimizar w 430 y1 460 y 2 420 y 3
Sujeta a:
y1 3 y 2 3 y 3 2
4 y3 3
2 y1
y1 2 y 2
x1 , x 2 , x3 0
y1 , y 2 , y 3 0
x1
x2
x3
x4
x5
x6
-2
-3
-4
Solucin
0
x4
430
x5
460
x6
420
As:
(Nuevos coeficientes objetivo de x2 , x 3 y x6 bsicas) = (3, 4, 0)
Las variables duales se calculan con el Mtodo 1 de la seccin 5.6, como sigue:
1 1 0
2
1 0 3 , 5 ,0
y1 , y 2 , y3 3,4,0 0
2
2 4
2
1
1
Los coeficientes del rengln z se determinan como la diferencia entre los lados
izquierdos y derecho de las restricciones duales (formula 2, seccin 5.6). No es necesario
otra vez calcular los coeficientes de las variables bsicas x2 , x 3 y x6 en el rengln objetivo,
por que siempre son iguales a cero, independientemente de los cambios que se haya hecho a
los coeficientes objetivos.
x1 : y1 3 y 2 y 3 2 3 3 5 0 2 13
2
4
4
x 4 : y1 0 3
2
x5 : y 2 0 5
4
130
Captulo 5
x2
x3
x6
x2
x3
x4
x5
x6
Solucin
1220
2
1
2
100
230
-2
20
x1
2
2
4
1
4
1
2
1
Los elementos que estn en la celda sombreada son las nuevas z j c j para las
variables no bsicas x1 , x4 y x 5 , todos los elementos restantes de la tabla son iguales a los de
la iteracin original ptima. Entonces la nueva solucin ptima se determina haciendo
entrar x1 y salir x6 con lo que se da es:
x1 10, x 2 102 .5, x3 215 y z 1227 .50 Bs
5.8.2
131
Captulo 5
sea
d1 4
1 0 1 1
Columna de restriccin de x7 0
2
2
2
2
1 1 1
132
Captulo 5
x2
x3
x7
x4
x5
x6
1
1
2
2
1
100
x3
230
1
2
1
-1
1
4
1
2
1
x2
4
1
Solucin
1350
20
Bsicas
z
x6
2
2
-2
133
Captulo 5
c) Fo:
Sa:
x1 + x2 0
3x1 + 5x2 0
5x1 + 3x2 0
2x1 3x2 4
x1; x2 NO RESTRINGIDO
2. Considere el siguiente modelo de programacin lineal
MODELO PRIMAL
Maximizar z = 2x1 + 3x2
Sujeto a
4x1 + 5x2 6
7x1 + 8x2 9
x1; x2 0
Dar el dual del modelo primal.
3. Considere el siguiente modelo de programacin lineal
MODELO PRIMAL
Maximizar z = 2x1 + 3x2 4x3
Sujeto a
5x1 + 6x2 + 7x3 8
8x1 9x2 + 10 x3 11
x1; x2; x3 0
Dar el dual de este modelo.
134
Captulo 5
7.
135
Captulo 5
z x1 x2 x3 S1 S2 Valor
0
0
1
1
0
0
0
1
0
1
1
9
-1
1
1
0
1
3
4
2
14
Dar la solucin ptima para el dual del modelo primal. Muestre que las soluciones
ptimas de ambos modelos satisfacen las condiciones de holgura complementaria.
9.
z x1 x2 x3 -S1 S2 Valor
0
0
1
1
0
0
0
1
0
1
1
9
-1
1
1
0
1
3
4
2
14
Dar la solucin ptima para el dual del modelo primal anterior. Muestre que las
soluciones ptimas del primal y del dual, satisfacen las condiciones de holgura
complementaria.
10. Resuelva por el Dual y de la tabla ptima del primal
Minimizar w = 3y1+2y2-y3
Sujeto a:
y1+2y2-y310
2y1+y2+2y38
y1+y2+y30
136
Captulo 5
5.10 Bibliografa
MODELOS LINEALES DE OPTIMIZACIN Rafael Terrazas Pastor [Segunda
Edicin]
INVESTIGACIN DE OPERACIONES Hamdy A. Taha [Sptima Edicin]
INVESTIGACIN DE OPERACIONES Moskowitz, Herbert; Wrigth, Gordon P.
INTRODUCCIN A LA INVESTIGACIN DE OPERACIONES Frederick S.
Hillier, Gerald J. Lieberman. [Sexta Edicin]
5.11 Enlaces
http://apuntes.rincondelvago.com/analisis-de-sensibilidad.html
http://www.itlp.edu.mx/publica/tutoriales/investoper1/unidad4.htm
http://cursos.universia.net/app/es/showcourse.asp?cid=2146
www.itson.mx/dii/elagarda/apagina2001/ PM/word/dualidadysensibilidad.ppt
www.geocities.com/gilberto-rojas/index35.html
137