Investigacin

Operativa I
Prueba 2
DUALIDAD

Investigacin Operativa I
DUALIDAD:

Uno de los descubrimientos ms importantes durante el desarrollo inicial de

la programacin lineal fue el concepto de dualidad y sus importantes
ramificaciones, ste revel que asociado a todo problema de programacin
lineal existe otro problema lineal llamado Dual. Las relaciones entre el
problema dual y el original (llamado primal) son tiles en una gran variedad
de situaciones. Por ejemplo:

-La solucin ptima del problema dual es la que proporciona los precios
sombra del primal.

- Interpretacin y realizacin del anlisis de sensibilidad.

Formulacin del Problema Dual.

FORMULACION DEL PROBLEMA DUAL:

ara construir, tanto el problema primal y dual, ambos problemas se construyen con
os mismos vector
Para ya conocidos,
construir, tanto el es decir, deprimal
problema costosy odual,
precios (C), vector de
se construyen recursos
con los mismos
b) y coeficientes
vectores tecnolgicos
ya conocidos,(A).esDe esta de
decir, manera,
costosasociada a la
o precios estructura
(C), vector de derecursos
un
.P.L. primal de la siguiente forma:
(b) y coeficientes tecnolgicos (A). De esta manera, asociada a la estructura
de un P.P.L. primal de la siguiente forma:

Max. Min

Z CX T
G b W
s.a. Problema Primal
s.a. Problema Dual

AX b
AT W C T

X0 W 0
Problema Primal Problema Dual
Entonces, el P.P.L. dual se define como determinar las variables duales w1 , w2 ,, wm ,
por lo cual, se define la siguiente estructura:

Min

G bT W
s.a. Problema Dual

AT W C T

W 0

Donde:

C T : Vector columna con n componentes transpuesta del vector C, vector de
disponibilidad
de recursos duales.
W : Vector columna con m componentes; vector de actividades de variables duales.

A T : Transpuesta de la matriz A, es decir, matriz de n m elementos, matriz de
coeficientes tecnolgicos.
G: Funcin objetivo dual, escalar.

b T : Vector de precios unitarios duales transpuesta del vector b; vector regln con m
componentes

0 : Vector columna con m ceros.

Resumiendo, podemos formular el problema dual de cualquier problema primal,
segn la siguiente tabla:

Problema de Maximizacin Problema de Minimizacin

Si la restriccin es: La variable asociada es:
0
0
= irrestricta
Si la variable es: La restriccin correspondiente es:
0
0
irrestricta =
Ejemplo:
Dado el siguiente problema primal
Max Z 3 X 1 8 X 2 2 X 3 4 X 4
s.a.
X1 X 2 2 X 3 3 X 4 5
X1 X 2 -1
X3 - X 4 46
X1, X 2 , X 3 , X 4 0

Encuentre el problema dual asociado:

3
1 1 2 3 5
8
A 1 1 0 0 b -1 CT
2
0 0 1 1 46
4
1 1 0
1 1 0
AT b T 5 1 46 C 3 8 2 4
2 0 1
3 0 1
El PPL dual de forma matricial:
W1
Min G 5 -1 46 W2
W3
s.a.
1 1 0 3
W1
1 1 0 8
W2
2 0 1 2
W3
3 0 1 4

El PPL dual de forma extensa:

Min G 5W1 W2 46W3
s.a.
W1 W2 3
W1 W2 8
2W 1 W3 2
3W1 W3 4
W1 , W2 , W3 0
 Usos del problema Dual:

a) Resolver problemas lineales que tienen ms restricciones que actividades

Ejemplo:
Max Z 2X1 4X 2
s.a.
X1 X 2 6 Min G 6W1 8W2 2W3 8W4 6W5 8W6
2 X1 X 2 8 s.a.
3 X1 2 X 2 2 W1 2W2 3W3 6W4 3W5 4W6 2
6 X1 8 X 2 8 W1 W2 2W3 8W4 4W5 W6 4
3 X1 4 X 2 6 W1 ,W2 ,W3 ,W4 ,W5 ,W6 0
4 X1 X 2 8
X1, X 2 0

b) Hacer interpretaciones econmicas de las soluciones ptimas de los P.L.L.

c) Generar mtodos como el Dual Simplex para el anlisis de sensibilidad de los P.L.L.

d) Generar nuevos algoritmos para la solucin de problemas de redes de optimizacin.

Un resultado interesante que permite centrar la atencin, respecto a la relacin entre
ambos problemas y muestra que las denominaciones primal y dual son slo
arbitrarias, es la siguiente:

Teorema 1: Dado un problema primal (P), el dual del problema dual es el problema
primal.

Para demostrar esta condicin, utilizando el problema primal (P) original, se tiene que
el problema dual (D) asociado es:
Min G bT W
s.a.
AT W C T
W 0

Transformemos este problema a maximizacin y multiplicando por (-1):

Max - G bT W
s.a.
AT W C T
W 0
Ahora, apliquemos el dual a este problema
Min - Z C X
s.a.
A X b
X 0

El cual es equivalente a:
Max Z C X
s.a.
A X b
X 0
3.1.2.- Teoremas de Dualidad

Estos teoremas se basan en la siguiente estructura:

Max Z C X Min G b T W
s.a. s.a.

AX b AT W C T
X0 W 0

Teorema N2: Teorema Dbil de Dualidad:

Si el problema primal es de maximizacin y el problema dual de minimizacin,

entonces X y W son soluciones factibles del problema primal y dual,
T
respectivamente. Entonces se cumple que: Z C X b W G

El valor de la funcin objetivo de cualquier solucin factible del problema de

maximizacin, es una cota inferior del valor ptimo del problema de minimizacin, el
cual es anlogo para el caso contrario. Quiere decir que para cualquier par de
soluciones factibles del primal y dual, la funcin objetivo del primal es siempre
menor o igual a la funcin objetivo del dual.
Corolario 1: Si el problema primal no tiene solucin factible y el problema dual
tiene al menos una, entonces el dual tiene solucin ptima no acotada. Por el
contrario si el problema dual no tiene solucin factible y el problema primal tiene
al menos una, entonces tiene una solucin ptima no acotada.

Teorema N3: Teorema Fundamental de Dualidad

Dados un par de problemas Primal-Dual, si uno de ellos admite solucin ptima,

entonces el otro tambin la admite y los respectivos valore son ptimos y sus
respectivas funciones objetivos ptimas son iguales, es decir, si X* es ptimo para el
problema primal y W* es ptimo para el problema dual, entonces:

Z CX * bT W * G
Solucin del Problema Dual.

Anteriormente, se dedujeron las siguientes relaciones a partir de la resolucin de

un problema de PL a partir del Mtodo Simplex:
La funcin objetivo Dual est definida como:
G bT W W T b
En condiciones de optimalidad (segn el teorema fundamental) se cumple que:
Z G
C B B 1b W T b

De esta manera, w es el vector dual ptimo, cuyo valor es:

W T C B B 1

Dentro del Tableau del P.P.L. primal C B B 1 corresponde al valor de los costos
reducidos de las variables de holgura.
Ejemplo:

Hallar el valor de las variables duales ptimas y su funcin objetivo del P.P.L:

Max Z 4 X1 3 X 2
s.a.
2 X1 3 X 2 18 ( P)
4 X1 2 X 2 10
X1, X 2 0

Formular el problema dual

Min G 18W1 10W2
s.a.
2W1 4W2 4 D
3W1 2W2 3
W1 , W2 0
La ltima tabla para el primal queda como:

Z X1 X2 X3 X4 Z0
1 2 0 0 3/2 15
X3 0 -4 0 1 -3/2 3
X2 0 2 1 0 1/2 5

La solucin ptima para el primal es:

X1* 0 X*2 5 X*3 3 X*4 0

As, la solucin ptima para el problema dual es:

W T C B B 1

W1* Z 3 C3 0

W2* Z 4 C 4 3 / 2
Luego, comprobaremos si la solucin dual es factible y ptima. Comprobando en las
restricciones duales se tiene:
20 43 / 2 6 4
30 23 / 2 3 3
0 0 ; 3/2 0
G 180 103 / 2 15 Z

Las soluciones ptimas de un par de problemas primal-dual satisfacen otra relacin

que es muy til en la interpretacin econmica de las soluciones. Esta relacin se
puede formular para un par cualquiera de problemas primal-dual lineales, pero slo
consideraremos la definicin inicial de la relacin de dualidad, es decir para:
Max Z CX Min G b TW
s.a. s.a.

AX b AT W C T
X0 W 0
Teorema N4: Teorema de Holguras Complementarias Dbil

Dado los problemas Primal y Dual estndares, una condicin necesaria y suficiente
para X y W sean ptimas, respectivamente de (P) y (D) es:

T
W (b A X ) 0
T
X ( AT W C T ) 0

Teorema N5: Teorema de Holguras Complementarias

Dado los problemas Primal y Dual estndares, tienen soluciones factibles, entonces
existen soluciones ptimas X y W , tal que:
T
(b A X ) W 0
T
( AT W C T ) X 0
Mtodo Simplex Dual
El mtodo simplex dual fue desarrollado para solucionar directamente el problema
dual. Se basa en el mtodo simplex primal y opera, segn el siguiente
procedimiento:

Dado el siguiente problema primal-dual:

Max Z C X Min G bT W
s.a. s.a.

A X b AT W C T
X 0 W 0

Paso1:
Construya el tableau cero, siguiendo las mismas reglas vistas para el mtodo
simplex, es decir, que aparezca la matriz identidad y que los costos reducidos, en
este caso, sean mayores o iguales a cero, es decir:
z c 0 , j A
j j
Paso2:
Revisar todos los X , i 1,, m :
Bi
1. Si todos los X 0 , entonces el tableau actual es ptimo y, por ende, la solucin
Bi
es ptima.
2. Si uno o ms X 0 , entonces se selecciona el vector br que debe abandonar la
Bi

base, utilizando la siguiente expresin:
X br Min X ;X 0
i 1,, m Bi Bi

Paso 3
El vector xk de entrada a la base, debe satisfacer la siguiente regla, la cual es:

zk ck z c
j j
Max ,Y 0
j 1,, n Yrj rj
Yrk


Paso 4
La columna xk se convierte en el vector unitario, cuyo pivote Yrk es igual a uno.
Dichos cambio se efectan con operaciones matriciales elementales. Regrese al
paso 2 hasta que se cumplan las condiciones de optimalidad.
Ejemplo:
Resolver usando el Simplex Dual:
Min G 18W1 10W2
s.a.
2W1 4W2 4
3W1 2W2 3
W1, W2 0

Notemos que el problema se puede resolver utilizando los mtodos de la gran M o

Doble Fase, como lo explicamos anteriormente. Veamos el mtodo simplex dual y
luego efectuemos una comparacin entre ellos.

Max H -G -18W - 10W

1 2
s.a.
- 2W - 4W W -4
1 2 3
- 3W - 2W W -3
1 2 4
W ,W ,W ,W 0
1 2 3 4
 H W1 W2 W3 W4 H0
1 18 10 0 0 0
W3 0 -2 -4 1 0 -4
W4 0 -3 -2 0 1 -3

H W1 W2 W3 W4 H0
1 13 0 5/2 0 -10
W2 0 1/2 1 -1/4 0 1
W4 0 -2 0 -1/2 1 -1

H W1 W2 W3 W4 H0
1 3 0 0 5 -15
W2 0 3/2 1 0 -1/2 3/2
W3 0 4 0 1 -2 2
La solucin al problema dual es:
W2 3 / 2
2
WB W
W W 0
3

N
W 1

W4 0
G H 15

La diferencia entre el mtodo dual simplex y los dos de penalizacin, radica en que,
primero no se utilizan variables artificiales y, segundo existen menos iteraciones,
pero la desventaja es que exige la condicin de factibilidad dual, es decir,
z c 0 , j A
j j
Transformacin de Tabla ptima Primal a una Tabla ptima Dual
Como se ha explicado anteriormente, tanto el PPL primal como el dual estn
relacionados a travs de:
Max Z CX Min G bTW
s.a. s.a.

AX b AT W C T
X 0 W 0

De esta manera, existe una relacin directa entre el tableau ptimo primal y dual, el
cual se puede obtener con el siguiente procedimiento:

Paso 1
Las variables no bsicas de la tabla ptima primal pasan a ser las variables bsicas
de la tabla dual. Asigne las variables duales, respetando el orden en que aparecen
en la tabla primal, comenzando por las variables de holgura.

Paso 2
El valor de las variables bsicas duales corresponde al valor de los costos reducidos
de las variables no bsicas del problema primal, comenzando por las variables de
holgura
Paso 3
Los costos reducidos de las variables duales no bsicas corresponden al valor de las
variables bsicas del problema primal.

Paso 4
Para obtener los Yj de las variables no bsicas del problema dual, se pasa a
columna las filas (asociada a las variables bsicas) los valores relacionados a las
variables no bsicas del primal, comenzando por las variables de holgura y
multiplicando por (-1).

Paso 5
El valor ptimo de la funcin dual es el mismo que el valor ptimo del problema
primal en el tableau ptimo.

Ejemplo:
Max Z 4X 3X Min G 18W 10W
1 2 1 2
s.a. s.a.
2X 3X 18 2W 4W 4
1 2 1 2
4X 2X 10 3W 2W 3
1 2 1 2
X ,X 0 W ,W 0
1 2 1 2
 Tableau Primal
W3 W4 W1 W2
Z X1 X2 X3 X4 Z0
1 2 0 0 3/2 15
X3 0 -4 0 1 -3/2 3
X2 0 2 1 0 1/2 5

Tableau Dual
G W1 W2 W3 W4 G0
1 3 0 0 5 15
W2 0 3/2 1 0 -1/2 3/2
W3 0 4 0 1 -2 2
Ejemplo:
Dado el siguiente problema dual, resolver el problema primal asociado mediante el
mtodo simplex y a partir de esta obtenga la tabla ptima del problema dual.
Min G 2W1 W2
s.a.
3W1 W2 3
(Pr oblema _ Dual )
4W1 3W2 6
W1 2W2 3
W1 , W2 0

Desarrollo:
El problema primal asociado al dual anterior es:
Max Z 3X1 6X 2 3X 3
s.a.
3X1 4X 2 X3 2 (Pr oblema _ Pr imal )
X1 3X 2 2X 3 1
X1 , X 2 , X 3 0

Aplicando la forma estndar:

Max - 3X1 - 6X 2 - 3X 3 0
s.a.
3X1 3X 2 2X 3 X4 2
X1 3X 2 2X 3 X5 1
X1 , X 2 , X 3 , X 4 , X 5 0
 Tableau Primal
Z X1 X2 X3 X4 X5 Z0
1 -3 -6 -3 0 0 0
X4 0 3 4 1 1 0 2
X5 0 1 3 2 0 1 1
1 -1 0 1 0 2 2
X4 0 5/3 0 -5/3 1 -4/3 2/3
X2 0 1/3 1 2/3 0 1/3 1/3
1 0 0 0 3/5 6/5 12/5
X1 0 1 0 -1 3/5 -4/5 2/5
X2 0 0 1 1 -1/5 3/5 1/5

Tableau Dual
G W1 W2 W3 W4 W5 G0
1 0 0 2/5 1/5 0 12/5
W1 0 1 0 -3/5 1/5 0 3/5
W2 0 0 1 4/5 -3/5 0 6/5
W5 0 0 0 1 -1 1 0
SENSIBILIDAD

Investigacin Operativa I
ANLISIS DE SENSIBILIDAD Y PROGRAMACIN PARAMTRICA
(ANLISIS POST-OPTIMAL)

Una vez resuelto el problema de programacin lineal, puede ocurrir que se

pueda hacer variar los parmetros ms relevantes del P.P.L., lo cual dar origen
a un nuevo problema, pero ser necesario en este caso resolver el problema
desde el principio. La respuesta es no, afortunadamente, ya que existe el
mtodo de anlisis de sensibilidad, el cual comienza utilizando la solucin
ptima del problema original hasta encontrar la solucin ptima del problema
nuevo. Los cambios que pueden ocurrir para estos objetivos son los siguientes:

1.- Cambios en el vector b.

2.- Cambios en el vector C.
3.- Cambios en la matriz A.
4.-Cambios en el vector X.
5.-Cambio en el nmero de restricciones.
Anlisis De Sensibilidad Para Cambios Discretos

-Cambios Del Vector b :

Supongamos que el siguiente P.P.L. original, cuya solucin ptima se conoce, es:

Max Z C X
s.a.
Problema Original (PO)
A X b
X 0

Se produce un cambio discreto en el vector b , cuyo nuevo valor ser b b , donde
b es un vector de m componentes. El nuevo problema a resolver es:

Max Z C X
s.a.
Problema Nuevo (PN)
A X b b
X 0
Como se comienza de la solucin ptima del PO, sabemos que B 1 es la inversa de
la base ptima B del problema original, entonces la solucin al PO es:
X B B 1b
y
Z CB X B

Al cambiar b a b b el vector X B cambia a uno nuevo X B dado por:
X B B 1 b b .

Si X B 0 , entonces ser la nueva solucin ptima del problema nuevo y el valor

de la funcin objetivo ser Z CB X B .
Si X B 0 , entonces no ser factible y se utilizar el mtodo dual simplex para
restaurar la factibilidad y, de hecho, la optimalidad del problema nuevo. El simplex
dual se debe aplicar sobre la tabla ptima del problema original cambiando: X B
por X B .
Ejemplo:

Suponga que se quiere producir un volumen X de un producto qumico A, el cual se

vende a $ 5/litro y otro volumen Y de otro producto qumico B, a un precio de $3/litro.
Existen dos restricciones, siendo las ms importantes: personal y costo de
produccin. La primera tiene un mximo de 15 personas, mientras que la segunda
tiene un mximo de $10/hora de trabajo. Los coeficientes tecnolgicos son los
siguientes:

Recurso\Producto Producto Qumico A Producto Qumico B

Personal 3 5
Costo de produccin 5 2

Sea
X1: nmero de litros del producto qumico A.
X2: nmero de litros del producto qumico B.

El programa lineal y tableau inicial y ptimos son los siguientes:

Max Z 5X1 3X 2
s.a.
3X1 5X 2 15 ( PO)
5X1 2X 2 10
X1, X 2 0
 Z X1 X2 X3 X4 Z0
1 -5 -3 0 0 0
X3 0 3 5 1 0 15
X4 0 5 2 0 1 10
1 0 -1 0 1 10
X3 0 0 19/5 1 -3/5 9
X1 0 1 2/5 0 1/5 2
1 0 0 5/19 16/19 235/19
X2 0 0 1 5/19 -3/19 45/19
X1 0 1 0 -2/19 5/19 20/19

X 2 45 / 19

X B X 1 20 / 19
*
X
X X 0
Z* 235/19
N 3
X 0
4

5 / 19 3 / 19
B 1
2 / 19 5 / 19
a.- Supongamos que producto del mercado laboral, nuevas restricciones al empleo y
la situacin macroeconmica, se debe reducir a 5 el nmero de empleados y el costo
de produccin a $5/hora.

El nuevo vector de disponibilidad de recursos es:

15 10 5
b b 5

10 5

El nuevo programa lineal a resolver es:

Max : Z 5X 3X
1 2
s.a.
3X 5X 5 ( PN )
1 2
5X 2X 5
1 2
X ,X 0
1 2
No es necesario resolver el problema desde el principio, sino que utilizaremos el
anlisis de sensibilidad, con el cual, determinamos si el nuevo vector X B B 1b b
es factible o no. Si no es as, habr que restablecer la factibilidad y la optimalidad,
utilizando el simplex dual, a partir de la tabla ptima del PO. Sea:
5 / 19 3 / 19 5 10 / 19
X B B 1 b b 0
2 / 19 5 / 19 5 15 / 19

Por lo tanto, el nuevo vector es:

X 2 10 / 19
X B es ptimo
1
X 15 / 19

El nuevo valor de la funcin objetivo es:

X

Z C BX B C2 C1 2 3 5
10 / 19

X1 15 / 19
Z * 105 / 19 $5.53

Hay que notar que una reduccin en ambas restricciones, por si redujo la produccin
de cada producto qumico y, por ende, la utilidad esperada.
b.- Supongamos ahora, que el personal se reduce a 10 personas, pero se produce
un incremento en el costo mximo por hora de produccin, siendo este de $20. El
nuevo escenario sera:
Max : Z 5X 3X
1 2
s.a.
3X 5X 10 ( PN )
1 2
5X 2X 20
1 2
X ,X 0
1 2

Utilizando el anlisis de sensibilidad, se tiene que:

5 / 19 3 / 19 10 10 / 19
X B B b b
1
20 80 / 19 0
2 / 19 5 / 19

Por lo tanto, el nuevo vector es:

10 / 19
X B no es ptimo
80 / 19
Por lo tanto, el necesario utilizar simplex dual para restaurar la factibilidad y obtener
la optimalidad. De esta manera, utilizando el tableau ptima del PO y reemplazando
los valores de la columna X B por X B , se tiene:

Z X1 X2 X3 X4 Z0
1 0 0 5/19 16/19 235/19
X2 0 0 1 5/19 -3/19 -10/19
X1 0 1 0 -2/19 5/19 80/19
1 0 16/3 5/3 0
X4 0 0 -19/3 -5/3 1 10/3
X1 0 1 5/3 1/3 0 10/3

La nueva solucin es:

X1= 10/3 litros de producto qumico A por hora.
X2= 0 litros de producto qumico B por hora.
El nuevo valor de la funcin objetivo es:

Z C B X B C4 X 10 / 3
C1 4 0 5
X1 10 / 3
Z * 50 / 3 $16,67

Es fcil ver que el hecho de slo producir producto qumico A, implica:

10
3 50 10
3

Obreros, lo cual genera que la holgura X 3=0, mientras que la otra restriccin:

10
20
50
5 20
3 3

50 10
X 20 -
4 3 3
 Estado de los
Recursos (b)
Investigacin Operativa I
ESTADO DE LOS RECURSOS:

Hablar de un recurso implica que hay un lmite mximo en

su disponibilidad, lo que significa que la restriccin debe
ser originalmente del tipo .

De acuerdo a esto los recursos se clasifican como

escasos o abundantes, dependiendo de si la solucin
ptima consume o no toda la cantidad disponible del
recurso asociado.
EJEMPLO:
La empresa de pinturas Readdy Miks produce colorantes de interiores y exteriores de
casas. Se utilizan dos materias primas bsicas A y B para producir las pinturas. La
disponibilidad mxima de A es de 6 ton diarias; la de B es de 8 tons. por da. Los
requerimientos diarios de materias primas por ton. de pintura se resume en la siguiente
tabla:
Tons. de materia prima por ton. de pintura Disponibilidad
Exterior interior Mxima (tons)
Materia prima A 1 2 6
Materia prima B 2 1 8

Un estudio de mercado ha establecido que la demanda diaria de pintura para interiores

no puede ser mayor que la de exteriores en ms de 1 ton. El estudio seala que la
demanda mxima de pintura para interiores est limitada a dos tons. diarias. El precio
tonelada es $3.000 para la pintura de exteriores y $2.000 para la pintura de interiores.
Cunta pintura debe producir la compaa diariamente para maximizar el ingreso?.
Maximizar z = 3xE + 2xI (ganancia)
sujeto a
xE + 2xI + s1 + s2 + s3 + s4 = 6 (materia prima A)
2xE + xI + s1 + s2 + s3 + s4 = 8 (materia prima B)
-xE + xI + s1 + s2 + s3 + s4 = 1 (demanda) xE +
xI s1 + s2 + s3 s4 = 2 (demanda)
xE, xI, s1, s2, s3, s4 0
EJEMPLO:
La tabla ptima queda como:
Bsica xE xI s1 s2 s3 s4 Solucin
Z 0 0 1 4 0 0
12 2
3 3 3
xI 2 1 11
0 1 0 0
3 3 3
xE 1 0 1 2 0 0 31
3 3
3
s3 0 0 -1 1 1 0 3
s4 0 0 2 1 0 1 2
3 3
3
Recurso Holgura Estado del recurso
Materia prima A s1 = 0 Escaso
Materia prima B s2 = 0 Escaso
Lmite en el exceso de pintura s3 = 3 Abundante
para interiores sobre exteriores
Lmite en la demanda de pintura 2 Abundante
para interiores s4 =
3
Los recursos que se pueden incrementar para los fines de mejorar la
solucin son las materias primas A y B ya que la tabla muestra que son
escasos.
EJEMPLO:
A cules de los recursos escasos se debe dar prioridad en la asignacin de
fondos adicionales para mejorar la ganancia de la manera mas provechosa?
Bsica xE xI s1 s2 s3 s4 Solucin
Z 0 0 1 4 0 0
12 2
3 3 3
xI 2 1 11
0 1 0 0
3 3 3
xE 1 0 1 2 0 0 31
3 3
3
s3 0 0 -1 1 1 0 3
s4 0 0 2 1 0 1 2
3 3
3
VALOR UNITARIO DE UN RECURSO:

El valor unitario de un recurso es la tasa de mejora en el valor ptimo

de Z como resultado de incrementar la cantidad disponible de ese
recurso en una unidad. Esta tasa de mejora corresponde al valor de
las variables duales y se le conoce como precio dual o precio
sombra.

El anlisis de la tabla ptima seala que los valores unitarios de los

recursos 1, 2, 3 y 4 son:

W1 = 1 de miles $ / ton. adicional de materia A

3
W2 = 4 de miles $ / ton. adicional de materia B
3
W3 = 0

W4 = 0
CAMBIO MXIMO EN LA DISPONIBILIDAD DE UN
RECURSO:

Los precios sombra se utilizan para decidir qu recursos deben

aumentarse.

Ahora, se tiene como objetivo determinar el rango de variacin en la

disponibilidad de un recurso en que se mantiene el valor unitario
(precio sombra) que se encuentra en la tabla ptima.

Por ejemplo, si se quiere cambiar el primer recurso en el modelo

anterior, en la cantidad 1, lo que significa que la materia prima A
disponible es (6 + 1) ton. Por tanto el cambio 1 afectar solo al 2
miembro de la tabla, esto quiere decir que un cambio de este tipo slo puede
afectar la factibilidad de la solucin y deber restringirse al intervalo que
mantendr la no negatividad del 2 miembro de las ecuaciones de las
restricciones en la tabla ptima. Esto es:
CAMBIO MXIMO EN LA DISPONIBILIDAD DE UN
RECURSO:

xI =4 2 1 0 (1)
3 3
xE = 10 1 1 0
(2)
3 3
s 3 = 3 - 1 0 (3)

s 4 = 2 2 1 0 (4)

3 3

Si 1 > 0 esto implica que 1 1

Si 1 < 0 esto implica que 1 -2

Al combinar ambos casos: -2 1 1 producir una solucin factible.

SENSIBILIDAD
CAMBIO EN C

Investigacin Operativa I

Cambios En El Vector C :
Supongamos nuevamente el siguiente problema original:

Max Z CX
s.a.
Pr oblema Origina l
A*X b

X 0

El cambio discreto en el vector C , ser un nuevo valor C C , donde C es un
vector de n componentes. El problema nuevo a resolver es:

Max Z (C C)X
s.a.
Pr oblema Nuevo
A*X b

X0

Sea B 1 la inversa de la base ptima asociada al problema original. Entonces, al

generar el incremento de C, se tiene que los z j c j cambian a z c j c j , o sea:

z
j


c c C B B 1a j c j c j W T a j c j c j
j j

Donde a j es la columna de la matriz A.
Se sabe que en condiciones de optimalidad z c c 0, j A , no en B y
j j j

z c c 0, j B , entonces, si se cumplen estas dos condiciones, el
j j j
vector X B asociado a la tabla ptima del problema original permanece ptimo y al

nuevo valor de la funcin objetivo ser:
Z C C X
B B B

En caso contrario, es decir, z c c 0 , se deber hacer primero
j j j

z c c 0, j B , mediante operaciones matriciales elementales y despus
j j j

obtener las condiciones de optimalidad, z j c j 0, j A mediante el mtodo

simplex primal.
Ejemplo:
a.- Sigamos con el ejemplo del caso anterior:
Max Z 5X 3X
1 2
s.a.
3X 5X 15 Pr oblema Original
1 2
5X 2X 10
1 2
X ,X 0
1 2

Supongamos que el precio unitario del producto qumico B, se reduce a $3 a $1 por

lo tanto, el problema original queda:
Max Z 5X X
1 2
s.a.
3X 5X 15 ( PN )
1 2
5X 2X 10
1 2
X ,X 0
1 2

Por lo tanto C C 5 3 0 0 0 2 0 0 5 1 0 0

Como la nica componente de C que cambio es c 2, entonces indica que slo cambia
el costo reducido z2 c2 es:

5
z2 c2 c2 W T a2 c2 c2
16 5
19 2
1 3 1 2 0 ,
19

2 2
2

Pero sabemos que en condiciones de optimalidad z c c 0 , ya que j=2 est
en la base original ptima del problema original, por lo tanto, hay que reemplazar el
valor del costo reducido asociado a dicha variable y mediante operaciones
matriciales elementales se debe restablecer la factibilidad, a partir de la siguiente
tabla ptima del problema original:
Z X1 X2 X3 X4 Z0
1 0 2 5/19 16/19 235/19
X2 0 0 1 5/19 -3/19 45/19
X1 0 1 0 -2/19 5/19 20/19
Al restablecer la factibilidad, la tabla queda de la siguiente forma:
Z X1 X2 X3 X4 Z0
1 0 0 -5/19 22/19 145/19
X2 0 0 1 5/19 -3/19 45/19
X1 0 1 0 -2/19 5/19 20/19

La cual no es ptima, ya que z 3 c3 0 . Utilizando el mtodo simplex primal, se

obtiene la nueva solucin:
Z X1 X2 X3 X4 Z0
1 0 1 0 1 10
X3 0 0 19/5 1 -3/5 9
X1 0 1 2/5 0 1/5 2

La solucin ptima para este nuevo problema es:

X3 9

X X
X* B 1
2
X X
N 2 0
X 0
4
Z* 10

Se concluye que se deja de producir del bien 2, ya que sus costos son mayores que
sus ganancias, por lo cual, slo se produce del bien 1, el cual est limitado por la
restriccin 1 (cuello de botella).
b.- Sigamos con el ejemplo del caso anterior, pero ahora supongamos que el precio
unitario del producto qumico A y B, se reducen de $5 a $1 y $3 a $1,
respectivamente, entonces el problema nuevo queda:

Max Z X X
1 2
s.a.
3X 5X 15 ( PN )
1 2
5X 2X 10
1 2
X ,X 0
1 2

Por lo tanto C C 5 3 0 0 4 2 0 0 1 1 0 0

Las componentes de C que cambian son c 1 y c2, generando que cambien los costos
reducidos z1 c1 z 2 c2 , entonces:

5
z1 c1 c1 W T a1 c1 c1
16 3
1 5 1 4 0
19
19 5
5
z 2 c2 c2 W T a2 c2 c2
16 5
1 3 1 2 0 ,
19
19 2
 1 2
Como sabemos que el vector X1 y X2 estn en la base ptima, entonces se deben
cumplir las condiciones de optimalidad z c c 0 z c c 0 , ya que
1 1 2 2
j=1,2 estn en la base original ptima del problema original, por lo tanto,
reemplazando dichos valores y mediante operaciones matriciales elementales se
debe restablecer la factibilidad, quedando la siguiente tabla inicial del PO:
Z X1 X2 X3 X4 Z0
1 4 2 5/19 16/19 235/19
X2 0 0 1 5/19 -3/19 45/19
X1 0 1 0 -2/19 5/19 20/19

Al restablecer la factibilidad e indirectamente la optimalidad, la tabla nueva queda:

Z X1 X2 X3 X4 Z0
1 0 0 3/19 2/19 65/19
X2 0 0 1 5/19 -3/19 45/19
X1 0 1 0 -2/19 5/19 20/19
De esta manera, el tableau del PN es ptimo, con los siguientes resultados:
X 2 45 / 19

X X
X* B 1
20 / 19
X X
N 3 0
X 0
4
Z* 65 / 19 3,42

De esta manera, la reduccin de los precios unitarios, genero que la utilidad final se
redujera de $12,37 a $3,42, ya que no variaron las producciones de los productos
qumicos A y B.
c.- Supongamos ahora el siguiente problema:
Max Z 3X 5X
1 2
s.a.
X 4 Pr oblema Original
1
3X 2X 18
1 2
X ,X 0
1 2

El cual presenta el siguiente tableau ptimo:

Z X1 X2 X3 X4 Z0
1 9/2 0 0 5/2 45
X3 0 1 0 1 0 4
X2 0 3/2 1 0 1/2 9

Supongamos que el precio unitario de la primera actividad es $6, por lo tanto, el

problema nuevo queda:
Max Z 6X 5X
1 2
s.a.
X 4 ( PN )
1
3X 2X 18
1 2
X ,X 0
1 2
Por lo tanto, el vector queda:
C C 3 5 0 0 3 0 0 0 6 5 0 0

Como la nica componente de C que cambio es c 1, entonces indica que slo cambia
el costo reducido z c es:
1 1

1
5 1
z1 c1 c1 W T a1 c c 0
1 2 3
6
15
2
6
3
2
0,

1
Pero sabemos que en condiciones de optimalidad z c c 0 , ya que j=1 no est
1 1
en la base original ptima del problema original, por lo tanto, no es necesario
restablecer la optimalidad, quedando la siguiente tabla ptima del PN:
Z X1 X2 X3 X4 Z0
1 3/2 0 0 5/2 45
X3 0 1 0 1 0 4
X2 0 3/2 1 0 1/2 9
Por lo tanto, ya es ptimo, lo cual quiere decir que en incremento del precio unitario
de $3 a $6 sobre la primera actividad (que no es bsica) no ha generado un cambio
en la solucin ptima del PO, siendo la misma para el PN, es decir:
X3 4

X
B 2 9
X
X*
X X
N 1 0
X 0
4
Z* 45

Lo anterior se explica de manera sencilla, como X 1 no es bsica, su nivel de

utilizacin es de cero, pero el incremento de su precio unitario no es lo
suficientemente atractivo para que su utilizacin se incremente del valor cero.
d.- Utilizando el problema anterior, ahora supongamos que el precio unitario de la
primera actividad es $10, por lo tanto, el problema original queda:
Max Z 10 X 5X
1 2
s.a.
X 4 ( PN )
1
3X 2X 18
1 2
X ,X 0
1 2

Por lo tanto, el vector queda:

C C 3 5 0 0 7 0 0 0 10 5 0 0

Como la nica componente de C que cambio es c 1, entonces indica que slo cambia
el costo reducido z c es:
1 1

z1 c1 c1 W T a1 c1 c1 0
5 1
10
15
10
5
0,
2 3 2 2
 1
En este caso, la condicin indica que si z c c 0 no es ptimo y como j=1 no
1 1
est en la base ptima original, por lo tanto, hay que aplicar el mtodo simplex para
obtener la optimalidad del PN. As:

Z X1 X2 X3 X4 Z0
1 -5/2 0 0 5/2 45
X3 0 1 0 1 0 4
X2 0 3/2 1 0 1/2 9
Z X1 X2 X3 X4 Z0
1 0 0 5/2 5/2 55
X1 0 0 0 1 0 4
X2 0 0 1 -3/2 1/2 3
Por lo tanto, es ptimo, lo cual quiere decir que en incremento del precio unitario de
$3 a $10 sobre la primera actividad (que no es bsica) ha generado un cambio en la
solucin ptima, la cual es:
X1 4

X X
X* B 2
3
X X
N 3 0
X 0
4
Z* 45
Lo anterior significa que como X 1 no es bsica, su nivel de utilizacin es de cero,
pero el incremento de su precio unitario es lo suficientemente atractivo para que su
nivel de utilizacin se incremente de su valor cero a 4 unidades, pero a su vez se
reduce el nivel de utilizacin del producto dos de 9 a 3 unidades, lo bueno es que
dicho cambio incrementa la utilidad de $45 a $55.
SENSIBILIDAD
CAMBIO EN
COEFICIENTE
TECNOLGICO
Investigacin Operativa I
Cambio En El Coeficiente Tecnolgico a j Cuando J No Es Bsico:
En el caso que se trate de una variable bsica, se recomienda que se resuelva el
nuevo problema desde el principio, aunque existen mtodos de anlisis de
sensibilidad para este caso, estos son demasiados complejos.

Si ocurre un cambio discreto en uno o varios coeficientes tecnolgicos, asociado a

las variables no bsicas, se tiene que si un cambio en los componentes del vector
a j , j N (no bsico), ocasiona un cambio en el trmino z j c j , j N , puesto
que:
z c C B 1a c
j j B j j

Si el vector a j se cambia a una nueva a j , el nuevo trmino ser:

z c W T a j c j
j j
Mientras este trmino sea z j c j 0, j N , la solucin ptima asociada en el
problema original sigue siendo ptima

En caso contrario, es decir, z j c j 0, j N , hay que aplicar el mtodo simplex

para obtener una nueva solucin ptima del problema nuevo, teniendo cuidado de
que el vector Yj del tableau ptimo del problema original sea actualizado por otro
Y j B 1a j

Ejemplo:
a.- Volvamos a utilizar el siguiente problema original:
Max Z 3X 5X
1 2
s.a.
X 4 Pr oblema Original
1
3X 2X 18
1 2
X ,X 0
1 2
El cual presenta el siguiente tableau ptimo:
Z X1 X2 X3 X4 Z0
1 9/2 0 0 5/2 45
X3 0 1 0 1 0 4
X2 0 3/2 1 0 1/2 9

Supongamos que ocurre un cambio tecnolgico en la primera actividad, donde se

cambia de 1 a 2, con respecto a la primera restriccin y se cambia de 3 a 2, con
respecto a la segunda, por lo tanto, el problema nuevo queda:
Max Z 3X 5X
1 2
s.a.
2X 4 ( PN )
1
2X 2X 18
1 2
X ,X 0
1 2
donde:
1 2
a a
1 3 1 2
Como slo se cambio el vector a 1, entonces slo cambia el costo reducido z c de
1 1
la siguiente manera:
5 2
z c W T a1 c 0 3 53 2 0,
1 1 1 2 2

Como z c1 0 , y j=1 no est en la base original ptima del problema original, por lo
1
tanto, reemplazando este valor en el tableau del PO, el problema queda:
Z X1 X2 X3 X4 Z0
1 2 0 0 5/2 45
X3 0 1 0 1 0 4
X2 0 3/2 1 0 1/2 9

El tableau es ptimo y la solucin del PO sigue siendo ptima para el PN, as:
X3 4

X B X 2 9
X
X X 0
N 1
X 0
4
Z 45
b.- Supongamos nuevamente que ocurre un cambio tecnolgico en la primera
actividad, donde se cambia de 1 a 10, con respecto a la primera restriccin y se
cambia de 3 a 1, con respecto a la segunda, por lo tanto, el problema nuevo queda:

Max Z 3X 5X
1 2
s.a.
10X 4 ( PN )
1
1X 2X 18
1 2
X ,X 0
1 2
donde:
1 10
a a

1 3 1 1

Como slo se cambi el vector a 1, entonces se modifica el costo reducido z c de la

1 1
siguiente manera:
5 10 5 1
z c W T a
1 c 0 3 3 0,
1 1 1 2 1 2 2

Como z c1 0 , y j=1 no est en la base ptima original del problema original, por lo
1
tanto, hay que aplicar el mtodo simplex, pero actualizando el vector Y1 del tableau
original por otro nuevo Y1 , dado por:
1 0 10 10
Y j B 1a
j 1 1 / 2
0 1 / 2

El tableau del PN, luego de actualizar el trmino z c y la columna Y1 es:
1 1
Z X1 X2 X3 X4 Z0
1 -1/2 0 0 5/2 45
X3 0 10 0 1 0 4
X2 0 1/2 1 0 1/2 9

Como no es ptimo, por lo cual, hay que aplicar el mtodo simplex para regresar a la
optimalidad, quedando el siguiente tableau final del PN:
Z X1 X2 X3 X4 Z0
1 0 0 1/20 5/2 181/5
X1 0 1 0 1/10 0 2/5
X2 0 0 1 -1/20 1/2 44/5

La nueva solucin ptima del PN es:

X1 2 / 5

X B X 2 44 / 5
X
X X 0
N 3
X
4
0

Z 181 / 5 36,2
 ADICIN DE UNA
NUEVA ACTIVIDAD
(Xj)
Investigacin Operativa I
 Adicin de Nuevas Actividades
La adicin de nuevas variables X j crea un nuevo trmino de costos reducidos
z c y una nueva columna Yj en la tableau. Si asociado a la nueva actividad X j se
j j
conoce su precio unitario c j y su vector de coeficientes tecnolgicos a j , los nuevos
elementos se calculan como:

z j c j WT a j C j

Y j B 1a j

Si el nuevo Z j C j 0 , la nueva variable Xj no debe entrar a la base y su valor de

utilizacin es cero.

Si Z j C j 0 , se introduce el vector Yj en la tabla y se aplica el mtodo simplex hasta

obtener la optimalidad
Ejemplo:

a.- Volvamos a utilizar el siguiente problema original:

Max Z 3X 5X
1 2
s.a.
X 4 Pr oblema Original
1
3X 2X 18
1 2
X ,X 0
1 2

El cual presenta el siguiente tableau ptimo:

Z X1 X2 X3 X4 Z0
1 9/2 0 0 5/2 45
X3 0 1 0 1 0 4
X2 0 3/2 1 0 1/2 9
Supongamos que ahora se crea un nuevo producto X 5, entonces la pregunta es si
conviene producir dicha actividad, cuyo precio unitario es de $7 y su vector de
coeficientes tecnolgicos asociado a la primera y segunda restriccin es de 1 y 2,
respectivamente, por lo tanto, el problema nuevo queda:

Max Z 3X 5X 7 X
1 2 5
s.a.
2X X 4 ( PN )
1 5
2X 2X 2 X 18
1 2 5
X ,X , X 0
1 2 5

donde:
1
a
5 2
c [7 ]
5
El nuevo elemento genera un nuevo costo reducido z c de la siguiente manera:
5 5
5 1
z c W T a5 c 0 7 5 7 2 0 ,
5 5 5 2 2

Como z c 0 , hay que calcular la columna Y5 del nuevo tableau dado por:
5 5
1 0 1 1
Y5 B 1a5
0 1 / 2 2 1

El nuevo tableau queda de la siguiente manera, luego de ingresar los costos

reducidos y el vector columna asociado, y sobre el cual hay que aplicar el mtodo
simplex primal:
Z X1 X2 X5 X3 X4 Z0
1 9/2 0 -2 0 5/2 45
X3 0 1 0 1 1 0 4
X2 0 3/2 1 1 0 1/2 9
El tableau final del PN, luego de restablecer la optimalidad de este problema, queda
finalmente::
Z X1 X2 X5 X3 X4 Z0
1 13/2 0 0 2 5/2 53
X5 0 1 0 1 1 0 4
X2 0 1/2 1 0 -1 1/2 5

Es ptimo este tableau, lo cual indica que la solucin ptima del PO cambia,
generando que el PN tenga la siguiente solucin ptima:
X5 4

X 5
XB 2
X
X 1 0
X
N X 0
3
X 0
4
Z 53

La nueva solucin indica que la actividad X 5 se debe producir a un nivel de 4

unidades, la actividad X2 se debe reducir de 9 a 5 unidades y dejar de producir la
actividad X1, lo cual genera un incremento en la utilidad de $45 a $53.
b.- Utilizando el mismo problema anterior, supongamos que ahora el nuevo
producto X5 tiene un precio unitario de $4 y su vector de coeficientes
tecnolgicos asociado a la primera y segunda restriccin es de 10 y 4,
respectivamente. Por lo tanto, el problema nuevo queda:

Max Z 3X 5X 4 X
1 2 5
s.a.
2X 10 X 4 ( PN )
1 5
2X 2X 4 X 18
1 2 5
X ,X , X 0
1 2 5
donde :
10
a
5 4
c [4]
5
El nuevo costo reducido z c es el siguiente:
5 5
5 10
z c W T a5 c 0 4 10 4 6 0 ,
5 5 5 2 4

Como z5 c5 0 , el tableau ptimo del problema original es ptimo del problema

nuevo y X5 debe ser igual a cero. Para objetivos prcticos, se puede calcular la
columna Y5 del nuevo tableau dado por:

1 0 10 10
Y j B 1a j 4 2
0 1 / 2

De esta manera, el nuevo tableau ptimo queda:

Z X1 X2 X5 X3 X4 Z0
1 2 0 6 0 5/2 45
X3 0 1 0 10 1 0 4
X2 0 3/2 1 2 0 9

Esto quiere decir, que bajo las condiciones actuales, no se debe producir X 5 y la
solucin ptima del PN es la misma del PO, es decir:
X3 4

Esto quiere decir, que bajo las condiciones actuales, no se debe producir X 5 y la
solucin ptima del PN es la misma del PO, es decir:
X3 4

X 9
XB 2
X
X 1 0
X
N X 0
5
X 0
4
Z 45
Como punto aparte, conviene explicar claramente el significado de z j c j , que tiene
dos interpretaciones:

1. z j c j es la reduccin (aumento) del valor de la funcin objetivo en el caso de

maximizacin (minimizacin), al aumentar en una unidad la cantidad de actividad
X j , j N (no bsica), o bien

2. z j c j es el valor que cj debe aumentar (disminuir), en el caso de maximizacin

(minimizacin), para que X j , j N se convierta de una actividad no bsica a
bsica.
 ADICIN DE UNA
NUEVA
RESTRICCIN
Investigacin Operativa I
 Adicin de Nuevas Restricciones

Si al aadir k nuevas restricciones del tipo:

n

a
j 1
ij X j bi , i m 1,, m k

al problema original, la solucin ptima X B asociada al problema original las
satisface, entonces XB es tambin ptima solucin del problema nuevo.

En caso contrario, si XB viola alguna de las restricciones habr que restablecer la

factibilidad del problema nuevo y obtener su optimalidad va mtodo simplex dual.

Al ser necesario la aplicacin del mtodo simplex dual, cada una de las k
restricciones se deben aadir en el tableau ptimo del problema original con sus
correspondientes variables de holgura. Todos los vectores unitarios asociado al
tableau ptimo del PO deben restablecerse por medio de operaciones elementales
matriciales. De esta manera, el mtodo dual simplex se debe aplicar hasta obtener
una solucin ptima y factible.
Ejemplo:
a.- Retomemos nuevamente el siguiente problema:

Max Z 5X1 3X 2
s.a.
3X1 5X 2 15 ( PO)
5X1 2X 2 10
X1, X 2 0

Z X1 X2 X3 X4 Z0
1 0 0 5/19 16/19 235/19
X2 0 0 1 5/19 -3/19 45/19
X1 0 1 0 -2/19 5/19 20/19

La solucin ptima del PO es:

X 2 45 / 19

B 1 20 / 19
X X
X
X X 0
N 3
X 0
4
Z 235/19
Supongamos que la nueva restriccin es:

X2 1

Reemplazando el valor de la variable X2:

45
1
19

Es obvio que la solucin ptima del problema original viola la nueva restriccin, ya
que no es menor o igual que uno. Entonces, el problema nuevo a resolver es:

Max Z 5X1 3X 2 Max Z 5X1 3X 2

s.a. s.a.
3X1 5X 2 15 3X1 5X 2 15
( PN ) ( PN )
5X1 2X 2 10 5X1 2X 2 10

X 1 X 1
2 2
X1, X 2 0 X1, X 2 0
Agregando las variables de holgura, se tiene que:

Max Z 5X1 3X 2
s.a.
3X1 5X 2 X 3 15
5X1 2X 2 X4 10
X X5 1
2
X1, X 2 , X , X , X 0
3 4 5

De esta manera, el tableau ptimo del problema original queda:

Z X1 X2 X3 X4 X5 Z0
1 0 0 5/19 16/19 0 235/19
X2 0 0 1 5/19 -3/19 0 45/19
X1 0 1 0 -2/19 5/19 0 20/19
X5 0 0 1 0 0 1 1
Como el vector columna de Y2 no es el vector unitario, por medio de operaciones
matriciales elementales se vuelve a generar la identidad (factibilidad):

Z X1 X2 X3 X4 X5 Z0
1 0 0 5/19 16/19 0 235/19
X2 0 0 1 5/19 -3/19 0 45/19
X1 0 1 0 -2/19 5/19 0 20/19
X5 0 0 0 -5/19 3/19 1 -26/19

Aplicando el mtodo dual simplex, se obtiene el tableau ptimo:

Z X1 X2 X3 X4 X5 Z0
1 0 0 0 1 1 11
X2 0 0 1 0 0 1 1
X1 0 1 0 0 1/5 -2/5 8/5
X3 0 0 0 1 -3/5 -19/5 26/5

La nueva solucin ptima es:

X2 1

1 8/5
X
X
X B X 3 26 / 5
X
N X 0
4
X 0
5
Z 11
b.- Supongamos que la nueva restriccin es:
X 2 10

Reemplazando nuevamente el valor de X2:

45
10
19

Es obvio analizar que la solucin ptima del problema original no viola la nueva
restriccin, ya que es menor o igual que diez, por lo cual, la solucin ptima del
problema original sigue siendo ptima para el problema nuevo.

X 2 45 / 19

X B X1 20 / 19
X
X X 0
N 3
X 0
4
Z 235/19