Modulo:

INVESTIGACION DE OPERACIONES 1

Trabajo:
Unidad 3- DUALIDAD Y ANALISIS DE SENSIBILIDAD

Nombre Docente:
MARA DEL CARMEN GARCA TOSCANO

Nombre Alumno:
LUIS ALBERTO MARTINEZ DOMINGUEZ
ISAIAS MORALES DIOSDADO
JOSE LUIS TORRES ZAVALA
EDWIN EMMANUEL VARGAS AGUILERA
VERENICE RAYA MANRIQUES
DIAZ SALDAA JOSE GUADALUPE

Semestre 4
Carrera:
ING. INDUSTRIAL

INDICE

3.1. Teora primal-dual

3.2. Formulacin del problema dual.

3.3. Relacin primal-dual.

3.4. Dual-Simplex

3.5. Anlisis de sensibilidad: cambio en el vector recursos y sus limites,

cambio en el vector y sus limites, adicin de una variable (Xi), cambio en
coeficientes tecnolgicos, Adicin de una nueva restriccin

3.6. Interpretacin del anlisis de sensibilidad

INTRODUCCION
Encontrar el ptimo de un problema de optimizacin, es solo una parte del proceso
de solucin. Muchas veces nos interesara saber cmo varia la solucion si vara
alguno de los parmetros del problema que frecuentemente se asumen como
determinsticos, pero que tienen un carcter intrnsecamente aleatorio. Ms
especialmente nos interesara saber paraqu rango de los parmetros que
determinan el problema sigue siendo vlida la solucin encontrada.

UNIDAD 3 DUALIDAD Y ANLISIS DE SENSIBILIDAD

La asignacin de probabilidades a los eventos es una tarea difcil que muchos
gerentes pueden mostrarse difcil a hacer, por lo menos con cierto grado de
exactitud. En algunos casos prefieren decir creo que la probabilidad de que este
evento ocurra est entre 0.5 y 0.7. Bajo estas circunstancias, como en cualquier
aspecto de decisin gerencial, es til realizar un anlisis de sensibilidad para
determinar cmo afecta a la decisin la asignacin de probabilidades.
El anlisis de sensibilidad concierne el estudio de posibles cambios en la solucin
ptima disponible como resultado de hacer cambios en el modelo original.

Definiciones generales del Anlisis de sensibilidad

Efecto neto.- Es la ganancia o prdida por unidad adicional de una variable que
entra a la base. El efecto neto de una variable bsica siempre ser cero.

Cambios en los coeficientes de la funcin objetivo.

El cambio de una variable se interpretara, por ejemplo, como en incremento en el

precio de un producto para un objetivo de maximizacin, o como la disminucin en
el costo de una materia prima para un objetivo de minimizacin.
Finalmente, se estudiara por separado si la modificacin es para una variable nobsica o para una bsica, ya que las consecuencias en cada caso son muy
diferentes.

Cambios en el coeficiente Objetivo de una variable No-bsica.

Es importante mencionar que una variacin en el coeficiente de una variable nobsica, no necesariamente conlleva a una infraccin no mejorada a la solucin
ptima actual, aunque en ciertas ocasiones si lo haga.

3.1. TEORA PRIMA-DUAL.

El problema dual se define sistemticamente a partir del modelo de PL primal (u
original). Los dos problemas estn estrechamente relacionados en el sentido de que
la solucin ptima de uno proporciona automticamente la solucin ptima al otro.
En la mayora de los tratamientos de PL, el dual se define para varias formas del
primal segn el sentido de la optimizacin (maximizacin o minimizacin), los tipos
de restricciones (, , =), y el signo de las variables (no negativas o restrictivas).
Requiere expresar el problema primal en la forma de ecuacin (todas las
restricciones son ecuaciones con lado derecho no negativo, y todas las variables
son negativas). Este requerimiento es consistente, de ah que cualesquier
resultados obtenidos a partir de la solucin ptima primal se aplica diferente al
problema dual asociado.
Las ideas clave para construir el dual a partir del primal se resumen como sigue:
1. Asigne un variable dual por cada restriccin primal.
2. Construya una restriccin dual por cada variable primal.
3. Los coeficientes de restriccin y el coeficiente objetivo de la variable
primal j-sima definen respectivamente los lados izquierdos y derecho
de la restriccin dual j-sima.
4. Los coeficientes objetivo duales son iguales a los lados derechos de las
ecuaciones de restriccin primales.
Las reglas rigen el sentido de la optimizacin de las desigualdades y los signos de
las variables en el dual.

3.2 FORMULACION DEL PROBLEMA DUAL

A cada problema de programacin lineal (Primal), existe otro problema

tambin lineal llamado Dual. Entre estos dos problemas existen relaciones
muy tiles en el llamado anlisis de sensibilidad, dado que todos los
parmetros de ambos modelos son meras estimaciones o representar
decisiones gerenciales de sus verdaderos valores.

La solucin ptima del problema dual proporciona los precios en el mercado

o los beneficios de los recursos escasos asignados en el problema original.

Formulacin del problema Dual a partir del primal

En consecuencia; con el problema de maximizacin, el problema dual est

conformado por minimizacin. Aun ms, el problema dual usa los mismos
parmetros que el problema primal; pero en diferentes
lugares, tal como se
resume a continuacin.

1) Los coeficientes de la funcin objetivo del problema primal son los lados
derechos de las restricciones funcionales del problema dual.
La dualidad parte dependiendo de su origen:

1.- El objeto de un problema debe ser opuesto al otro.

2.- El problema de Maximizacin. Debe contar con todas sus restricciones

y el de Min .

3.- Las variables de ambos problemas deben ser no negativas.

4.-Cadarestriccin en un problema tiene asociada una variable en el otro y

viceversa.

5.- El vector de recursos (transporte) de un problema se convierte en el vector

de coeficientes objetivo del otro y viceversa.

6.- La matriz de coeficientes tecnolgicos de un problema es la transpuesta

de la matriz de coeficientes tecnolgicos de otros.

EJEMPLO:

Una compaa produce y vende 2 tipos de mquinas de escribir: manual y

elctrica. Cada mquina de escribir manual es vendida por un ingreso de 40
dls. Y cada mquina de escribir elctrica produce un ingreso de 60 dls.
Ambas mquinas tienen que ser procesadas (ensambladas y empacadas) a
travs de 2 operaciones diferentes (O1 y O2).

La compaa tiene una capacidad de 2000 hrs. Mensuales para la operacin

O1 y 1000 hrs. Mensuales de la operacin O2.

El nmero de horas requeridas de O1 y O2 para producir un modelo

terminado se da en la siguiente tabla.

Encuentre el nmero ptimo de unidades de cada tipo de mquina de escribir

que se debe producir mensualmente para maximizar el ingreso.

OBJETIVO: Maximizar el ingreso total

RESTRICCIONES: horas mensuales de las operaciones

VARIABLE DE DECISION: nmero de mquinas de escribir a producir

X1 = nmero de mquinas de escribir manuales

X2 = nmero de mquinas de escribir elctricas

3.2 FORMULACION DEL PROBLEMA DUAL

A cada problema de programacin lineal (Primal), existe otro problema

tambin lineal llamado Dual. Entre estos dos problemas existen relaciones
muy tiles en el llamado anlisis de sensibilidad, dado que todos los
parmetros de ambos modelos son meras estimaciones o representar
decisiones gerenciales de sus verdaderos valores.

La solucin ptima del problema dual proporciona los precios en el mercado

o los beneficios de los recursos escasos asignados en el problema original.

Formulacin del problema Dual a partir del primal

En consecuencia; con el problema de maximizacin, el problema dual est

conformado por minimizacin. Aun ms, el problema dual usa los mismos
parmetros que el problema primal; pero en diferentes
lugares, tal como se
resume a continuacin.

1) Los coeficientes de la funcin objetivo del problema primal son los lados
derechos de las restricciones funcionales del problema dual.
La dualidad parte dependiendo de su origen:

1.- El objeto de un problema debe ser opuesto al otro.

2.- El problema de Maximizacin. Debe contar con todas sus restricciones

y el de Min .

3.- Las variables de ambos problemas deben ser no negativas.

4.-Cadarestriccin en un problema tiene asociada una variable en el otro y

viceversa.

5.- El vector de recursos (transporte) de un problema se convierte en el vector

de coeficientes objetivo del otro y viceversa.

6.- La matriz de coeficientes tecnolgicos de un problema es la transpuesta

de la matriz de coeficientes tecnolgicos de otros.

EJEMPLO:

Una compaa produce y vende 2 tipos de mquinas de escribir: manual y

elctrica. Cada mquina de escribir manual es vendida por un ingreso de 40
dls. Y cada mquina de escribir elctrica produce un ingreso de 60 dls.
Ambas mquinas tienen que ser procesadas (ensambladas y empacadas) a
travs de 2 operaciones diferentes (O1 y O2).

La compaa tiene una capacidad de 2000 hrs. Mensuales para la operacin

O1 y 1000 hrs. Mensuales de la operacin O2.

El nmero de horas requeridas de O1 y O2 para producir un modelo

terminado se da en la siguiente tabla.

Encuentre el nmero ptimo de unidades de cada tipo de mquina de escribir

que se debe producir mensualmente para maximizar el ingreso.

OBJETIVO: Maximizar el ingreso total

RESTRICCIONES: horas mensuales de las operaciones

VARIABLE DE DECISION: nmero de mquinas de escribir a producir

X1 = nmero de mquinas de escribir manuales

X2 = nmero de mquinas de escribir elctricas

3.4 Dual Simplex

Como sabemos, el mtodo simplex es un algoritmo iterativo que iniciando en

una solucin bsica factible pero no ptima, genera soluciones bsicas
factibles cada vez mejores hasta encontrar la solucin ptima (s esta existe).
Ntese que la base de su lgica es mantener la factibilidad, mientras busca
la optimalidad.

Pero surge la posibilidad de usar otro esquema igualmente iterativo, que

como contraparte del simplex, comienza en una solucin bsica ptima, pero
no factible y mantiene la inmejorabilidad mientras busca la factibilidad. Con
este procedimiento se llega igualmente a la solucin ptima.

El nuevo algoritmo fue desarrollo en 1954 por C. E. Lemke y se conoce con

el nombre de Mtodo Dual-Simplex.

A continuacin se presenta su estructura y un ejemplo para ilustrar su

aplicacin Algoritmo Dual-Simplex para un modelo de maximizacin

Introduccin

Primero se debe expresar el modelo en formato estndar, agregando las variables

de
holgura
y
de
exceso
que
se
requieran.
Enseguida, en las ecuaciones que tengan variables de exceso (resultantes de
restricciones de tipo >), se debe multiplicar por (-1) en ambos lados, para hacer

positivo el coeficiente de la variable de exceso, y formar as un vector unitario que

nos permita tomar esta variable de exceso como una variable bsica inicial. Sin
necesidad de agregar una variable artificial en esa restriccin.

Al hacer lo anterior se logra que debajo de las variables bsicas aparezca

una matriz identidad, que es la que el simplex siempre toma como base
inicial.

Obtendremos que los trminos del lado derecho de las ecuaciones

multiplicadas por (-1) quedan con signo negativo, lo cual hace que la solucin
inicial sea infactible.

Es importante destacar que este proceso es muy til ya que en muchos

modelos evita la inclusin de variables artificiales en el momento de
transformar un modelo a formato estndar.

El algoritmo para resolver un modelo de maximizacin es el siguiente:

Paso 1: Hallar una solucin bsica inicial infactible e inmejorable

Escribir el tablero inicial tomando a las variables de holgura y de exceso como

variables bsicas inciales

Paso 2: Prueba de factibilidad

Si todas las variables bsicas son no negativas, la actual solucin es la

ptima.

Si hay al menos una variable bsica negativa, seleccionar como variable de

salida, (llammosla (XB) s), a aquella con el valor ms negativo. Los empates
se pueden romper arbitrariamente.

Paso 3: Prueba de inmejorabilidad

S en el rengln de la variable bsica de salida (XB) s todos los coeficientes

de reemplazo con las variables no bsicas son no negativos, la solucin del
modelo es ptima limitada. Se termina el proceso.

Si en el rengln de la variable bsica de salida (XB) s, hay al menos un

coeficiente de intercambio negativo, se efectan los cocientes entre el efecto
neto de cada variable no bsicas y su correspondiente coeficiente de
intercambio negativo.

Es decir, siendo (XB)s la variable de salida se calculan todos los cocientes

Se toma como variable de entrada (llammosla Xe) a aquella que corresponda al

mnimo de los cocientes del anterior conjunto

Si la variable de entrada es Xe el elemento pivote ser el elemento (Se)s

El empate se puede romper arbitrariamente.

Aplicar la operacin de pivoteo para generar la nueva tabla, en la cual

aparezca Xe como variable bsica en lugar de la variable de salida (XB)s

Repetir el algoritmo a partir del paso 2.

3.6 cambio en vector costos cj

3.7 CAMBIO EN Bi de las restricciones

3.8 VARIACIN EN LOS COEFICIENTES TCNICOS

DE
LAS
RESTRICCIONES, aij
Los cambios o modificaciones en los coeficientes tcnicos de las restricciones
pueden afectar tanto a la condicin de factibilidad como a la de optimalidad, segn
se trate de un coeficiente asociado a una variable no bsica o a una variable bsica.
Los coeficientes tcnicos forman parte de los vectores asociados a las diferentes
variables, vectores Pi .Como la repercusin segn se trate de una variable bsica o
no bsica, puede ser muy distinta, estudiaremos los dos
Casos por separado.

Cuando Xi no es Bsica
Aqu se efecta el cambio sobre el coeficiente tecnolgico de las variables, para
muchos problemas ste coeficiente tecnolgico aij
Es el valor inverso de la productividad, concepto ste de vital importancia para el
tomador de decisiones.
Productividad P= Q/t
Coef. Tecnolgico aij= t/Q
Q= unidades
t= Tiempo
Para ste cambio y los siguientes, de nuevo se aplica el principio de que el
coeficiente de la variable de holgura de la ecuacin donde ocurre el cambio, nos
indica el nmero de veces que cada ecuacin ha sido sumada restada de las
dems ecuaciones sea el nmero de veces que ocurre el cambio, siendo el cambio
la diferencia entre el nuevo y el actual valor de aij

Se propone hacer el cambio en la segunda restriccin de la siguienteforma: 3X1+

2X2< 18 por
X1+ 2X2< 18; El a2, 1
Ha cambiado de 3 a 1 y es el coeficiente de X1
Que en el ptimo es variable NO bsica.
El cambio ocurre en la ecuacin (2), que tiene la variable de holgura X4
Que inici con coeficiente (1), luego su coeficiente en cada ecuacin indica el
nmero de veces que ocurre el cambio en cada ecuacin. Matemticamente:

Cuando Xi es Bsica
Como el cambio se efecta sobre el coeficiente de una variable que en el ptimo es
Bsica, ello har que aparezca dicha variable con coeficiente diferente de cero (0)
en la funcin objetivo, teniendo que ser eliminada. ste proceso ocasionar cambios
en los Zj - Cj de las variables NO bsicas que en caso de tomar valores menores
que cero (0), no mantienen la optimalidad y habr que iterar empleando el mtodo
simplex; Tambin pueden ocurrir cambios en los bi convirtiendo la solucin en NO
factible, en cuyo caso debe emplearse el mtodo Dual Simplex

Se propone cambiar el a22 de 2 a 4, coeficiente de X2 en la segunda restriccin,

variable que en el ptimo actual es variable bsica.
3X1 + 2X2 < 18 cambiar por 3X1 + 4X2 < 18

La ecuacin en donde ocurre el cambio es la segunda, y en ella la variable que

empez con coeficiente uno (1) es X4, luego los coeficientes de X4 en cada ecuacin
indican las veces que ocurre al cambio en cada ecuacin, matemticamente:

3.9 ADICION DE UNA NUEVA VARIABLE

ANLISIS DE SENSIBILIDAD.
El anlisis de sensibilidad consiste en ver las variaciones que se pueden producir
en
La solucin ptima al variar alguna de las condiciones inciales del problema. Como
pueden
Ser:
a) Coeficientes de las variables.
b) Introduccin de nuevas variables.
c) Adicin de nuevas restricciones.
d) Etc.
Supongamos el problema del fabricante de patatas.
F.O.: Max 4 X1 + 5 X2 + 9 X3 + 11 X4
S.a.: X1 + X2 + X3 + X4 15
7 X1 + 5 X2 + 3 X3 + 2 X4 120
3 X1 + 5 X2 + 10 X3 + 13 X4 100
Cuya tabla final queda:
X1 X2 X3 X4 X5 X6 X7 bi
LO 0 3/7 0 11/7 13/7 0 5/7 695/7
L1 1 5/7 0 -5/7 10/7 0 -1/7 50/7
L2 0 -6/7 0 13/7 -61/7 1 4/7 325/7
L3 0 2/7 1 12/7 -3/7 0 1/7 55/7
Calculamos su dual:
F.O.: Min 15 Y1 + 120 Y2 + 100 Y3

S.a.: Y1 + 7 Y2 + 3 Y3 4
Y1 + 5 Y2 + 5 Y3 5
Y1 + 3 Y2 + 10 Y3 9
Y1 + 2 Y2 + 13 Y3 11
Cuya solucin es:
Y1 = 13/7
Y2 = 0
Y3 = 5/7
Y4 = 0
Y5 = 3/7
Y6 = 0
Y7 = 11/7

VARIACIN DE LOS COEFICIENTES DE LA FUNCIN OBJETIVO.

1) En las variables no bsicas:
Veamos la variacin, por ejemplo, del coeficiente de la variable no bsica X2.
Queremos saber qu valor, P2, podemos incrementar al coeficiente para que
nuestra
Solucin contine siendo factible.
La restriccin del dual correspondiente ser:
Y1 + 5 Y2 + 5 Y3 5 + P2
Sustituyendo los valores:
P2 3/7
Por tanto, mientras esta condicin se cumpla, nuestra solucin seguir siendo
Factible.

Para P2 3/7 la solucin deja de ser factible.

2) En las variables bsicas:
Tomando por ejemplo, la variable bsica X1 y sustituyendo los valores en la
Restriccin correspondiente en el dual tenemos:
13/7 + 0 + 3 * 5/7 4 + P1
13 + 15 28 7 P1
P1 0 que no nos indica nada.
Nota: si hubisemos tomado otra variable bsica (por ejemplo X3) habramos
obtenido el mismo resultado.

INTRODUCCIN DE UNA NUEVA VARIABLE.

La introduccin de una nueva variable en el primal va a suponer incluir una
Restriccin en el dual. Mientras esta restriccin se cumpla en el dual, la variable
nueva no entrar en la base.
Supongamos que en nuestro problema, don Francisco y doa Remedios, su mujer,
deciden producir adems patatas congeladas para ensaladilla.
Supongamos tambin que para cada kg fabricado necesita 3 horas y dos kg de
materia prima. Adems desea venderlo a 3ptas. /kg.
En estas condiciones nuestro modelo quedara modificado de la siguiente manera:
F.O.: Max 4 X1 + 5 X2 + 9 X3 + 11 X4 + 3 X8
S.a.: X1 + X2 + X3 + X4 + X8 15
7 X1 + 5 X2 + 3 X3 + 2 X4 + 2 X8 120
3 X1 + 5 X2 + 10 X3 + 13 X4 + 3 X8 100

Siendo la nueva restriccin en el dual la siguiente:

Y1 + 2 Y2 + 3 Y3 3

Sustituyendo valores nos queda:

28/7 3
Por tanto se cumple esta restriccin y la variable que hemos introducido se queda
Fuera de la base.

Si don Francisco desea fabricar este producto, tendr que obtener un beneficio
unitario superior a 28/7 (provocando que la nueva variable introducida X8 entrase
en la base). Supongamos que decide que este valor sea 10. Esto quiere decir que
la restriccin del dual, correspondiente a la nueva variable introducida en el primal,
es no factible y por lo tanto, la solucin de ambos se modificar.

Para poder continuar aplicando el mtodo iterativo simplex dual necesitamos

conocer los valores de la columna, en la tabla, de la nueva variable.
El coeficiente de la LO (en el primal) sabemos que es el valor de la variable de
holgura del dual, correspondiente a su restriccin. Y este valor ser:
13/7 + 3 * 5/7 Y8 = 10
Y8 = -6
Los nuevos coeficientes de la variable Y8 para las lneas L1, L2 y L3 sern:
a18
a28

a15 a16 a17

=

a38

a25 a26 a27

a35 a36 a37

a18
*

a28
a38

Donde
a15 a16 a17
A=

a25 a26 a27

a35 a36 a37

A es la matriz de los coeficientes transformados de las variables de holgura y a18,

a28
Y a38, son los nuevos coeficientes que la nueva variable tiene en cada una de las
restricciones.
En estas condiciones obtenemos que:
a18
= 1 * 10/7 + 2 * 0 + 3 * (-1/7) =1
a28
= 1 * (-61/7) + 2 * 1 + 3 * (4/7) = - 5
a38
= 1 * (-3/7) + 2 * 0 + 3 * (1/7) = 0
Los coeficientes sern por tanto:

X8
LO -6
L1 1
L2 -5
L3 0
Por tanto, podemos aplicar el criterio1 del simplex dual para proseguir las
iteraciones.

3.10 Adicin de una nueva restriccin

La adicin de una nueva restriccin a un modelo existente puede llevar a uno de los
dos casos siguientes:
1. La nueva restriccin es redundante, lo que quiere decir que se satisface con
la solucin optima actual y por consiguiente, se puede eliminar por completo
del modelo.
2. La solucin actual viola la nueva restriccin, y en este caso se puede aplicar
el mtodo simplex dual para recuperar la factibilidad

Ejemplo:
Suponga que TOYCO cambia el diseo de los juguetes, y que para el cambio se
requerir agregar una cuarta operacin en las lneas de ensamble. La capacidad
diaria de la nueva operacin es 500 minutos, y los tiempos por unidad, para los tres
productos en esta operacin son 3, 1 y 1 minutos, respectivamente. La restriccin
resultante se forma, por consiguiente, como sigue:
3X1 + X2 + X3 <500
Esta restriccin es redundante, porque queda satisfecha con la solucin optima
actual X1= 0, X2= 100 y X3 =230. Eso quiere decir que la solucin ptima actual
permanece sin cambio.

Ahora suponga que los tiempos por unidad, en TOYCO, para la cuarta operacin
son 3, 3 y 1 minutos, respectivamente. Todos los datos restantes del modelo
permanecen igual. En este caso la cuarta restriccin:
3X1 + 3X2 + X3 <500
No queda satisfecha por la solucin optima actual. En consecuencia, debemos
aumentar la nueva restriccin a la tabla ptima actual, como sigue (X7 es una
holgura):

Bsica

X1

X2

X3

X4

X5

X6

X7

Solucin

1350

X2

-1/4

-1/4

100

X3

3/2

230

X6

-2

20

X7

500

Como las variables X2 y X3 son bsicas se deben sustituir y eliminar sus coeficientes
de restriccin en el rengln X7, lo que se puede hacer con la siguiente operacin:
Nuevo rengln X7 = Rengln anterior X7 [3 * (Rengln X2) + 1 * (Rengln X3)]
La nueva tabla es la siguiente

Bsica

X1

X2

X3

X4

X5

X6

X7

Solucin

1350

X2

- 1/4

100

X3

3/2

230

X6

-2

20

X7

9/4

- 3/2

-30

Otro ejemplo de este caso, suponga que se introduce la nueva restriccin, al modelo
dado en la tabla: Z = - 4X1 - 5X2

Bsica

X1

X2

X3

X4

X5

Solucin

9/2

5/2

45

X3

X2

13/2

X4

-3

-1

Solucin ptima: X1 = 0, X2 =9

La solucin ptima anterior viola la nueva restriccin 2X1 + 3X2 <24

Bsica

X1

X2

X3

X4

X5

X6

Solucin

9/2

5/2

45

X3

X2

3/2

1/2

X4

-3

-1

X6

24

Bsica

X1

X2

X3

X4

X5

X6

Solucin

9/2

5/2

45

X3

X2

3/2

1/2

X4

-3

-1

X6

-5/2

-3/2

-3