Análisis de Sensibilidad

Precio Dual
El precio dual asociado a una restricción es la tasa de cambio (mejoría si el precio
dual es positivo o desmejoría si el precio dual es negativo) en el valor optimo de la
función objetivo ante el incremento del lado derecho de la restricción.

Resultados
 Si la restricción es  y el objetivo es maximizar, entonces el precio dual es
positivo y representa la tasa de aumento en el valor optimo de la función
objetivo cuando aumenta el lado derecho de la restricción.
 Si la restricción es  y el objetivo es minimizar, entonces el precio dual es
positivo y representa la tasa de disminución en el valor optimo de la función
objetivo cuando aumenta el lado derecho de la restricción.
 Si la restricción es  y el objetivo es maximizar, entonces el precio dual es
negativo y representa la tasa de disminución en el valor optimo de la función
objetivo cuando aumenta el lado derecho de la restricción.
 Si la restricción es  y el objetivo es minimizar, entonces el precio dual es
negativo y representa la tasa de aumento en el valor optimo de la función
objetivo cuando aumenta el lado derecho de la restricción.

Calculo en una tabla óptima

Se calculan de la tabla óptima de un problema en la fila Z j bajo las variables
iniciales, estas son las variables cuyas columnas en la matriz de restricciones
forman la matriz identidad.

Costo Reducido
El costo reducido asociado a una variable es la tasa de des mejoría de la función
objetivo (aumento del valor de la función objetivo cuando el problema es de
minimizar y disminución del valor de la función objetivo cuando el problema es de
maximizar) cuando se exige que la variable tome valores positivos.

Resultados
 Si una variable es positiva en el óptimo, entonces su costo reducido es cero

Caso no degenerado
 Si una variable es cero en el optimo, entonces su costo reducido coincide con el
incremento permisible del coeficiente de la función objetivo correspondiente a la
variable en el caso de maximizar, o con el decremento permisible del
coeficiente de la función objetivo correspondiente en el caso de minimizar.
 El costo reducido asociado a una variable es la cantidad en que debe
cambiarse (aumentarse en el caso de maximizar, o disminuirse en el caso de
 minimizar) el coeficiente de una variable en la función objetivo para que en el
optimo se obtenga un nivel positivo de la variable.

Caso degenerado
 Solamente se puede asegurar la validez del concepto original, no se puede dar
una interpretación como la anterior.

Rango en los coeficientes de la función objetivo

Para un coeficiente de la función objetivo es la cantidad máxima en que se puede
incrementar o disminuir este, de tal manera que la política optima se mantenga
inalterable.

Resultados

Caso no degenerado
 Si algún coeficiente tiene incremento o decremento permisible cero, hay por lo
menos una solución óptima alternativa para el problema.
 Cuando un coeficiente se modifica en menos de la cantidad permisible, la
política óptima actual permanece la única óptima.
 ¿Que pasa si se aumenta (disminuye) mas allá del incremento (decremento)
permisible?
 Cuando un coeficiente se disminuye en la cantidad admisible, hay una
solución óptima alternativa con un nivel óptimo menor para la variable en el
caso de maximización, y con un nivel óptimo mayor para la variable en el
caso de minimización.
 Cuando un coeficiente se aumenta en la cantidad admisible, hay una
solución óptima alternativa con un nivel óptimo mayor para la variable en el
caso de maximización, y con un nivel óptimo menor para la variable en el
caso de minimización.

Caso degenerado
Vale el concepto, pero no se pueden hacer las afirmaciones acerca de óptimos
alternativos que se hacen en el caso no degenerado.

Calculo en una tabla óptima

Cuando se tiene una tabla simplex óptimo el incremento y decremento permisible
para los coeficientes en la función objetivo se calculan de la siguiente forma:
Incremento admisible Decremento admisible
Cj no básico –(Cj – Zj) infinito
Ci básico minj (Cj – Zj)/aij : aij  0 minj –(Cj – Zj)/aij : aij  0,
j índice no básico
Rango en el vector del lado derecho
Para una restricción representa el incremento y decremento máximo que pueden
sufrir el lado derecho sin que cambie el precio sombra de la restricción.

Calculo en una tabla óptima

Cuando se tiene una tabla óptima el incremento y decremento máximo para el
lado derecho de una restricción se calcula de la siguiente forma:
Si la restricción es activa
Incremento permisible min i  –Vi / aik : aik  0
Decremento permisible min i  Vi / aik : aik  0
(k es el índice de la variable marcada que corresponde a la restricción)

Si la restricción es inactiva con holgura óptima correspondiente igual a h *, depende

del tipo de restricción, como sigue:
Tipo de Restricción
 
Incremento permisible infinito h*
Decremento permisible h* infinito

Ejemplo:
En el siguiente problema de programación lineal encontrar
a) Precios sombras
b) Costos reducidos
c) Rango en los coeficientes de la función objetivo
d) Rango en el vector del lado derecho

Max Z = -6x1 - 8x2 - 16x3

s.a
2x1 + x2 5
- x2 - 2x3  -4
x1, x2, x3  0

Tabla optima

-6 -8 -16 0 0 -M -M
C.B V.B X1 X2 X3 X4 X5 X6 X7 V
-6 X1 1 0 -1 - 1/2 1/2 1/2 - 1/2 1/2
-8 X2 0 1 2 0 -1 0 1 4
Zj -6 -8 -10 3 5 -3 -5
Cj - Zj 0 0 -6 -3 -5 -M+3 -M+5 -35
Dualidad

El problema dual de un problema de programación lineal P es otro problema de

programación lineal D que guarda las siguientes relaciones:

 La cantidad de variables de D coinciden con la cantidad de restricciones de P.

 La cantidad de restricciones de D coinciden con la cantidad de variables de P.
 El vector de costos de D coincide con el vector de lado derecho de P.
 El vector del lado derecho de D coincide con el vector de costos de P.
 El objetivo de D es maximizar, si el objetivo de P es de minimizar.
 El objetivo de D es minimizar, si el objetivo de P es de maximizar.

Definición:
Dado un problema de programación líneas P llamado primal, su problema de
programación lineal dual D se construye usando las relaciones expresadas en la
siguiente tabla.

objetivo Min Max objetivo

≥0 ↔ ≤
Variables ≤0 ↔ ≥ restricciones
No restringida ↔ =
≥ ↔ ≥0
restricciones ≤ ↔ ≤0 Variables
= ↔ No restringida

Ejemplo:
Construya el dual de los siguientes problemas de programación líneas primales

Min Z = 6x1 + 8x2

s.a
3x1 + x2 - x3 ≤7
5x1 + 2x2 - x4 = 9
x1, x2 , x3  0

Max Z = 8x1 + 3x2

s.a
x1 - 6x2 ≥ 2
5x1 + 7x2 = -4
x1, x2  0
Relaciones fundamentales de dualidad

Dados dos problemas duales entre si una y solamente una de las siguientes
proposiciones son ciertas:
1. Ambos problemas tienen solución óptima finita con valores objetivos
iguales.
2. Uno de los problemas tiene valor objetivo no acotado en cuyo caso el otro
es no factible.
3. Ambos problemas son no factibles.

Teorema débil de holgura complementaria

Si x* y w* son puntos de óptimos de dos problemas de programación lineal duales,
entonces
x*j ( cj – ajT w* ) = 0, j = 1, 2, …, n. aj la j-esima columna de A
w i ( -bi + ai x ) = 0, i = 1, 2, …, m
* T * ai la i-esima fila de A

Interpretación económica

El problema dual proporciona los precios mínimos aceptables por liquidación.

Para el problema de maximizar
Precio dual del resultado = valores de las variables duales
Para el problema de minimizar
Precio dual del resultado = - valores de las variables duales

Ejemplo:
BlubberMaid, Inc. Fabrica tres productos de caucho: Airtex, Extended y Resistex.
Los tres productos requieren los mismos tres polímeros químicos y una base. La
cantidad de cada ingrediente usada por libra del producto final se muestra en la
tabla.

Prod. Pol. A Pol. B Pol. C Base

1 4 2 4 6
2 3 2 2 9
3 6 3 5 2

BlubberMaid tiene el compromiso de producir al menos 1000 lbs. de airtex, 500

lbs. de extended y 400 lbs. de resistex para la próxima semana, pero la gerencia
de la compañía está segura de poder vender mas de los tres productos. Los
inventarios actuales de los ingredientes son 500 lbs. de polimero A, 425 lbs. de
polímero B, 650 lbs. de polímero C y 1100 lbs. de base. Cada libra de airtex
produce una ganancia de $7, cada libra de extended una ganancia de $7 y cada
libra de resistex una ganancia de $6. Como gerente necesita un plan de
producción esta semana.
Modelo

Max 7A + 7E + 6R

s.a. Restricciones de Recursos

4A + 3E + 6R ≤ 8000 (polímero A en onzas)

2A + 2E + 3R ≤ 6800 (polímero B en onzas)

4A + 2E + 5R ≤ 10400 (polímero C en onzas)

6A + 9E + 2R ≤ 17600 (base en onzas)

Restricciones de demanda

A ≥ 1000 (Airtex en libras)

E ≥ 500 (Extendex en libras)

R ≥ 400 (Resistex en libras)

A, E, R ≥ 0
1. ¿Cuál es el plan óptimo de producción?

2. ¿Cuáles de las cuatros restricciones de recursos son acotantes?

3. Con el plan de producción actual, ¿para cual de los tres productos se puede
cumplir con una demanda adicional de 5%?

4. Si pudiera obtener cantidades adicionales de solo uno de los tres polímeros, ¿Cuál
de ellos recomendaría?

5. ¿Qué coeficientes de ganancia podrían duplicarse, mientras se mantienen fijos los

restantes, sin que se afecte el plan de producción óptimo?

6. La ganancia de extended acaba de disminuir en 20%. ¿Cuál es el nuevo plan

producción y la ganancia total?

7. El compromiso de producir 400 lbs. de resistex acaba de caer en un 10%, ¿Qué

sucede a la ganancia óptima?