Nombre: Cristopher Coronado Asignatura: Investigacin de Operaciones

Dualidad
Todo problema de Programacin Lineal tiene asociado un segundo problema, conocido como su
problema Dual. Ambos estn relacionados estrechamente, hasta el punto de que el modelo de uno
puede obtenerse a partir del modelo del otro y la solucin ptima del modelo del primero
proporciona informacin completa acerca de la solucin ptima del segundo.

Una de las ventajas de la existencia del problema dual es la posibilidad de reducir el esfuerzo
computacional al resolver ciertos modelos de Programacin Lineal. Pero ms importante an es
la relacin que existe entre la dualidad y el anlisis de sensibilidad, tema del prximo.

El concepto de dualidad desempea importantes papeles dentro de la programacin lineal

(tambin en la no lineal), tanto desde un punto de vista terico como prctico. Todo programa
lineal lleva asociado otro programa lineal conocido como su programa dual; el programa inicial
se conoce tambin como programa primal.

Relaciones entre problemas primales y duales

El nmero de variables que presenta el problema dual se ve determinado por el nmero

de restricciones que presenta el problema primal.
El nmero de restricciones que presenta el problema dual se ve determinado por el
nmero de variables que presenta el problema primal.
Los coeficientes de la funcin objetivo en el problema dual corresponden a los trminos
independientes de las restricciones (RHS), que se ubican del otro lado de las variables.
Los trminos independientes de las restricciones (RHS) en el problema dual corresponden
a los coeficientes de la funcin objetivo en el problema primal.
La matriz que determina los coeficientes tcnicos de cada variable en cada restriccin
corresponde a la transpuesta de la matriz de coeficientes tcnicos del problema primal.

El sentido de las igualdades y desigualdades se comporta segn la tabla de TUCKER, presentada

a continuacin.

Tabla de TUCKER

Para comprender el concepto de dualidad y sus posibles interpretaciones, pueden analizarse los
siguientes ejemplos.

1
Nombre: Cristopher Coronado Asignatura: Investigacin de Operaciones

Ejemplo primal:

Una granja utiliza dos preparados alimenticios (P1 y P2) para la cra del ganado. El coste por
kilogramo de esos dos preparados es de 2 unidades monetarias y 3 unidades monetarias
respectivamente. Por otra parte, los aportes vitamnicos de cada kilo de los preparados se expresan
en la siguiente tabla:

Kg P1 Kg P2
Unidades de Vitamina A 5 3

Unidades de Vitamina B 1.5 3

Unidades de Vitamina C 1 1.3

Los expertos en nutricin animal recomiendan que cada animal reciba al menos las siguientes
unidades diarias de cada una de las vitaminas:

Unidades diarias de Vitamina A 20

Unidades diarias de Vitamina B 15

Unidades diarias de Vitamina C 8

El objetivo de los responsables de la granja es decidir las cantidades diarias de cada uno de los
dos preparados que deben suministrarse a cada animal, de forma que, por un lado, se cumplan las
recomendaciones de los dietistas, y por otro se minimicen los costes de alimentacin del ganado.
Dicho objetivo supone resolver el siguiente programa lineal:

min 2X1+ 3X2

5X1 + 3X2 20

1.5X1 + 3X2 15

X1 +1.3X2 8

X1, X2 0

donde X1 y X2 representan las cantidades diarias, en kilos, suministradas a cada animal de los
preparados P1 y P2 respectivamente.

El mnimo del problema anterior se alcanza sobre el punto:

X1 = 4.286; X2 = 2.857

siendo por tanto el coste mnimo de 17.143 unidades monetarias por animal y da.

Ejemplo dual:

Pinsese ahora en una empresa de productos alimenticios para ganado, que desea suministrar a la
granja del ejemplo anterior tres tipos de pastillas vitamnicas. Esta empresa debe convencer a los
responsables de la granja para que aporten las vitaminas que el ganado necesita mediante sus

2
Nombre: Cristopher Coronado Asignatura: Investigacin de Operaciones

pastillas, y no mediante los preparados que hasta ahora utilizaban. Para ello el precio de venta de
las pastillas debe resultar competitivo con respecto a los preparados P1 y P2.

Sean Z1, Z2 y Z3 los precios por unidad de las vitaminas A, B y C respectivamente. El objetivo
de la empresa es fijar unos precios que consigan maximizar sus beneficios pero que adems
resulten atractivos para los responsables de la granja.

Cada kilogramo del preparado P1 aportaba 5 unidades de vitamina A, 1.5 unidades de

vitamina B y 1 unidad de vitamina C. El precio que debera pagar la granja por conseguir
esas mismas cantidades de vitaminas en pastillas sera: 5Z1+1.5Z2+Z3. A la granja no le
resultaran rentables las pastillas a no ser que 5Z1+1.5Z2+Z3 2
De la misma forma, otra restriccin que debera plantearse la empresa es:
3Z1+3Z2+1.3Z3 2
Por supuesto, los precios de las pastillas vitamnicas deben ser positivos, por tanto, se
tienen adems las restricciones Z1, Z2, Z3 0

Suponiendo que la granja se decida por utilizar las pastillas, comprarn justamente las necesarias
para aportar las necesidades mnimas del ganado de cada una de las vitaminas. Es decir, por cada
animal y da se compraran 20 unidades de vitamina A, 15 de vitamina B y 8 de vitamina C. Por
tanto, los ingresos de la empresa por la venta de las pastillas seran de V (Z1, Z2, Z3) =
20Z1+15Z2+8Z3 por animal y da.

Para establecer los precios, la empresa debera plantearse el programa lineal:

max 20Z1 + 15Z2 + 8Z3

5Z1 + 1.5Z2 + Z3 2

3Z1 + 3Z2 + 1.3Z3 3

Z1, Z2, Z3 0

La solucin de dicho programa se alcanza sobre el punto

Z1 = 0

Z2 = 0.381

Z3 = 1.428

siendo entonces el valor mximo V(0, 0.381, 1.428) = 17.143 unidades monetarias. Observar
como uno de los precios ha resultado ser nulo. Esto significa que la granja con los preparados P1
y P2 solo debe preocuparse de aportar al ganado las unidades necesarias de vitaminas B y C, ya
que con ello conseguira tambin la aportacin necesaria de vitamina A. Es la razn por la cual la
granja no necesita comprar unidades adicionales de vitamina A.
En estos dos ejemplos se observa una relacin interesante entre los problemas primal y dual.
Como puede observarse:

Uno de ellos es de minimizacin, el otro en cambio es de maximizacin.

3
Nombre: Cristopher Coronado Asignatura: Investigacin de Operaciones

Los coeficientes en la funcin objetivo y los elementos de la derecha de las restricciones,

intercambian su papel.
La matriz de coeficientes en las restricciones del problema dual es la traspuesta de la del
problema primal.
Las restricciones del problema primal son de tipo , en cambio en el dual son de tipo .
Cada restriccin en el problema primal se corresponde con una variable en el dual.
El punto ptimo del programa dual se corresponde con las variables duales
(multiplicadores de Kuhn-Tucker) del programa primal.
Otro aspecto importante es que, aunque el punto ptimo es diferente, los valores ptimos
de los dos problemas son los mismos.

La resolucin del programa dual puede interpretarse como la asignacin a cada recurso de un
precio o valor, que coincide con el incremento que provoca en el valor ptimo del problema primal
un aumento de una unidad en el recurso.
La construccin realizada en los ejemplos anteriores puede generalizarse para cualquier programa
lineal:
Definicin:
Dado un programa lineal de la forma
min cx
Ax b
x0
su programa dual es
max b'z
A'z c'
z0
Donde A', b' y c' son los traspuestos de A, b y c respectivamente. En esta definicin no es
necesario que todos los elementos del vector b sean mayores o iguales que cero.
Pero no solamente pueden construirse los programas duales para programas de la forma anterior;
en general se puede para cualquier programa lineal (tambin hay una teora de dualidad para
programas no lineales), pero teniendo en cuenta lo siguiente:
Una restriccin de igualdad en el programa primal hace que la correspondiente variable
dual pueda tener cualquier signo.
En cambio, una restriccin de desigualdad del tipo en el primal implica que la variable
dual sea mayor o igual que cero.
Si las variables del primal son mayores o iguales que cero, las restricciones del dual son
del tipo .
Cuando las variables del primal no estn sometidas a ninguna limitacin sobre su signo,
las restricciones del dual son de igualdad.

4
Nombre: Cristopher Coronado Asignatura: Investigacin de Operaciones

Ejemplo:

Programa primal Programa dual

min X1 + X2 - X3 max 3Z1 + 2Z2
2X1 + X2 3 2Z1 + Z2 = 1
X 1 - X3 = 2 Z1 = 1
X3 0 -Z2 -1
Z1 0

La importancia del programa dual queda de manifiesto en el siguiente resultado.

Teorema fundamental de dualidad:

Dado un programa P y su dual D, se cumple necesariamente una de las siguientes afirmaciones:

Los dos programas tienen soluciones ptimas y los valores de sus respectivas funciones
objetivo en el ptimo coinciden.
Uno de los programas tiene ptimo no acotado y el otro no tiene ninguna solucin
factible.
Los dos programas son infactibles (no tienen soluciones factibles).

A partir de este teorema se puede deducir el valor ptimo de un programa lineal, o si dicho
programa es factible, analizando la forma de su programa dual. En algunos casos el estudio del
programa dual puede resultar ms sencillo que el del primal.

Anlisis postptimo
Se refiere a los cambios de los parmetros del modelo y de la determinacin de la nueva solucin
ptima. Considere, por ejemplo, un caso en la industria avcola, donde comnmente se utiliza un
modelo de programacin lineal para determinar la mezcla de alimentos ptima por pollo.

El consumo semanal por pollo vara de .26 lb (120 gramos) para un pollo de una semana de edad
hasta 2.1 lb (950 gramos) para un pollo de ocho semanas de edad. Adems, el costo de los
ingredientes en la mezcla puede cambiar peridicamente. Estos cambios requieren un nuevo
clculo peridico de la solucin ptima. El anlisis postptimo determina la nueva solucin de
una manera eficiente. Los nuevos clculos tienen su raz en el uso de las relaciones duales y
primales-duales.

La siguiente tabla lista esos casos que pueden surgir en el anlisis postptimo y las acciones
necesarias para obtener la nueva solucin (suponiendo que existe una):

Se utilizar el modelo de TOYCO para explicar los diferentes procedimientos. Recuerde que el
problema tiene que ver con el ensamble de tres tipos de juguetes: trenes, camiones y autos. En el
ensamble intervienen tres operaciones. El modelo y su dual se repiten aqu por comodidad.

5
Nombre: Cristopher Coronado Asignatura: Investigacin de Operaciones

La tabla ptima asociada para el primal se da como

Cambios que afectan la factibilidad

La factibilidad de la solucin ptima actual se ve afectada slo si cambia el lado derecho de las
restricciones, o se agrega una nueva restriccin al modelo. En ambos casos, la no factibilidad
ocurre cuando una o ms de las variables bsicas actuales se vuelven negativas.

Cambios en el lado derecho. Este cambio requiere volver a calcular el lado derecho de la tabla:

Recuerde que el lado derecho de la tabla muestra los valores de las variables bsicas.

Ejemplo 3

Situacin 1. Suponga que TOYCO incrementa la capacidad diaria de las operaciones 1, 2 y 3 a

600, 640 y 590 minutos, respectivamente. Cmo afectara este cambio al ingreso total?

Con estos incrementos, el nico cambio que tendr lugar en la tabla ptima es el lado derecho de
las restricciones (y el valor objetivo ptimo). Por tanto, la nueva solucin bsica se calcula como
sigue:

As, las variables bsicas actuales, x2, x3 y x4, permanecen factibles con los nuevos valores 140,
320 y 30 unidades, respectivamente. El ingreso ptimo asociado es $1880.

6
Nombre: Cristopher Coronado Asignatura: Investigacin de Operaciones

Situacin 2. Aunque la nueva solucin es atractiva desde el punto de vista del ingreso
incrementado, TOYCO reconoce que su nueva implementacin puede llevarse tiempo. Otra
propuesta desplaza la capacidad de la operacin 3 (x6 = 20 minutos) a la capacidad de la operacin
1. Cmo impactara este cambio la solucin ptima?

Las capacidades de las tres operaciones cambian a 450, 460, y 400 minutos respectivamente. La
solucin resultante es

Segn el dual simplex, x6 sale y x4 entra, lo que da la siguiente tabla factible ptima (por lo
comn, el simplex dual puede requerir ms de una iteracin para recuperar la factibilidad).

La solucin ptima (en funcin de x1, x2 y x3) permanece igual que en el modelo original. Esto
quiere decir que el cambio propuesto de la asignacin de la capacidad no es ventajoso, porque
simplemente cambia la capacidad excedente de la operacin 3 a una capacidad de supervit en la
operacin 1. La conclusin entonces es que la operacin 2 es el cuello de botella, y que puede ser
ventajoso cambiar el supervit a la operacin 2.

Adicin de una nueva restriccin. Agregar una nueva restriccin nunca puede mejorar el valor
objetivo ptimo actual. Si la nueva restriccin es redundante, no afectar la solucin actual.

7
Nombre: Cristopher Coronado Asignatura: Investigacin de Operaciones

Adems, la solucin actual no satisface la nueva restriccin, y debe determinarse una nueva
solucin mediante el mtodo simplex dual.

Cambios que afectan la optimalidad

Esta seccin considera la realizacin de cambios de los coeficientes objetivos y la adicin de una
nueva actividad econmica (variable).

Cambios en los coeficientes de la funcin objetivo. Estos cambios afectan slo la optimalidad
de la solucin y requieren que se calculen de nuevo los coeficientes de la fila z (costos reducidos)
de acuerdo con el siguiente procedimiento:

1. Calcule los valores duales.

2. Sustituya los nuevos valores duales en la frmula 2, para determinar los nuevos costos
reducidos (coeficientes de la fila z).

Si la nueva fila z satisface la condicin de optimalidad, la solucin no cambia (sin embargo, el

valor objetivo ptimo puede cambiar). Si no la satisface, se utiliza el simplex primal para
recuperar la optimalidad.

Ejemplo 4

Situacin 1. En el modelo de TOYCO, suponga que la compaa tiene una nueva poltica de
fijacin de precios para enfrentar la competencia. Los ingresos unitarios son $2, $3 y $4 por los
trenes, camiones y autos de juguete, en ese orden. La nueva funcin objetivo es:

Maximizar z = 2x1 + 3x2 + 4x3

As, (Nuevos coeficientes objetivo de las variables bsicas x2, x3 y x6) 5 (3, 4, 0)

Los coeficientes de la fila z se determinan como la diferencia entre los lados izquierdo y derecho
de las restricciones duales. No es necesario calcular de nuevo los coeficientes de fila objetivo de
las variables bsicas (x2, x3 y x6) porque siempre son cero, independientemente de cualquier
cambio realizado en los coeficientes objetivo.

Observe que el lado derecho de la primera restriccin dual es 2, el nuevo coeficiente en la funcin
objetivo modificada.

8
Nombre: Cristopher Coronado Asignatura: Investigacin de Operaciones

Los clculos demuestran que la solucin actual, x1 = 0 trenes, x2 = 100 camiones y x3 = 230
autos, permanece ptima. El nuevo ingreso correspondiente se calcula como 2 x 0 + 3 x 100 + 4
x 230 = $1220. No se recomienda la nueva poltica de fijacin de precios porque disminuye el
ingreso.

Situacin 2. Suponga ahora que la funcin objetivo de TOYCO se cambia a

El nuevo costo reducido de x1 muestra que la solucin actual no es ptima. Para determinar la
nueva solucin, la fila z se cambia como se resalta en la siguiente tabla:

Adicin de una nueva actividad. Una nueva actividad supone agregar una nueva variable al
modelo. Por intuicin, agregar una nueva actividad es deseable slo si es rentable. Esta condicin
puede verificarse aplicando la frmula 2, para calcular el costo reducido de la nueva variable. La
nueva actividad no es rentable si satisface la condicin de optimalidad. De lo contrario, la nueva
actividad incrementar el ingreso.

9
Nombre: Cristopher Coronado Asignatura: Investigacin de Operaciones

Sensibilidad
El anlisis de sensibilidad busca determinar los efectos que se producen en la solucin ptima al
realizar cambios en cualquiera de los parmetros del modelo de programacin lineal planteado
inicialmente. Entre los cambios que se investigan estn: los cambios en los coeficientes de
las variables en la funcin objetivo tanto para variables bsicas como para las variables
no bsicas, cambios en los recursos disponibles de las restricciones, variacin de los coeficientes
de utilizacin en las restricciones e introduccin de una nueva restriccin.

El objetivo principal del anlisis de sensibilidad es identificar el intervalo permisible de variacin

en los cuales las variables o parmetros pueden fluctuar sin que cambie la solucin ptima. Sin
embargo, as mismo se identifica aquellos parmetros sensibles, es decir, los parmetros cuyos
valores no pueden cambiar sin que cambie la solucin ptima. Los investigadores de operaciones
tienden a prestar bastante atencin a aquellos parmetros con holguras reducidas en cuanto a los
cambios que pueden presentar, de forma que se vigile su comportamiento para realizar los ajustes
adecuados segn corresponda y evitar que estas fluctuaciones pueden desembocar en
una solucin no factible.

A modo general, cuando se realiza un anlisis de sensibilidad a una solucin ptima se debe
verificar cada parmetro de forma individual, dgase los coeficientes de la funcin objetivo y los
lmites de cada una de las restricciones. En ese sentido se plantea el siguiente procedimiento:

1. Revisin del modelo: se realizan los cambios que se desean investigar en el modelo.
2. Revisin de la tabla final Smplex: se aplica el criterio adecuado para determinar los
cambios que resultan en la tabla final Smplex.
3. Conversin a la forma apropiada de eliminacin Gauss: se convierta la tabla en la forma
apropiada para identificar y evaluar la solucin bsica actual, para lo cual se aplica
la metodologa de eliminacin Gauss si es necesario.
4. Prueba de factibilidad: se prueba la factibilidad de esta solucin mediante
la verificacin de que todas las variables bsicas de la columna del lado derecho aun
tengan valores no negativos.
5. Prueba de optimalidad: se verifica si esta solucin es ptima y factible, mediante
la comprobacin de que todos los coeficientes de las variables
no bsicas del regln Z permanecen no negativos.
6. Reoptimizacin: si esta solucin no pasa una de las pruebas indicadas en los puntos 4 y
5 anteriores, se procede a buscar la nueva solucin optima a partir de la tabla actual como
tabla Smplex inicial, luego de aplicadas las conversiones de lugar, ya sea con
el mtodo Smplex o el Smplex Dual.

La idea general consiste en determinar rangos de variacin de los parmetros del LP de forma de
mantener una cierta base optima, teniendo en cuenta que una solucin bsica es factible solo si
todas las variables basales tienen un valor no negativo. Debido a que el estudio de la variacin
simultnea de varios parmetros puede ser difcil, nos centraremos en primer lugar en
modificaciones de un parmetro a la vez manteniendo los restantes fijos. Estudiaremos las
siguientes posibilidades:

Cambio 1 Cambio del coeficiente en la funcin objetivo de una variable no bsica.

Cambio 2 Cambio del coeficiente en la funcin objetivo de una variable bsica.
Cambio 3 Cambio del coeficiente del lado derecho de una restriccin.

10
Nombre: Cristopher Coronado Asignatura: Investigacin de Operaciones

Cambio 4 Incorporacin de una nueva variable.

Cambio 5 Incorporacin de una nueva restriccin.

Para desarrollar las distintas opciones consideraremos el siguiente ejemplo en su versin estndar:

Cambio del Coeficiente en la Funcin Objetivo de una Variable No Bsica

En la base ptima del problema (1.1) la nica variable de decisin no basal es x2. Dicha variable,
posee como coeficiente en la funcin objetivo: c2 = 30. Llamaremos cj al coeficiente en la funcin
objetivo de la variable j. Como x2 no est en la base, sera interesante determinar el valor de c2
necesario para que la variable x2 sea incorporada a la base optima. Debido a que solo se est
cambiando el coeficiente de una variable en la funcin objetivo, la regin factible del problema
se ve inalterada, es decir, no se ve modificada la factibilidad del optimo actual. Slo puede ocurrir
que la solucin actual deje de ser la optima si c2 crece lo suficiente. Para determinar dicho valor,
incorporemos explcitamente una variacin al coeficiente c2 y veamos su efecto sobre el tableau
ptimo (Cuadro 2.1).

11
Nombre: Cristopher Coronado Asignatura: Investigacin de Operaciones

Cambio del Coeficiente en la Funcin Objetivo de una Variable Bsica

El estudio de variaciones en coeficientes en la funcin objetivo de variables bsicas sigue la

misma lgica de la variacin de coeficientes en la funcin objetivo de variables no bsicas. La
idea es determinar cmo varan los cj zj de todas variables y obtener a partir de dichas
modificaciones un rango en el cual la base se ve inalterada. Evidentemente, una modificacin de
este tipo no afectada la regin factible y slo puede cambiar la optimalidad de la solucin actual
si la variacin es lo suficientemente importante.

Para ilustrar el anlisis consideremos una variacin sobre el coeficiente c1, es decir,
modifiquemos el valor del coeficiente en la funcin objetivo de la variable x1. La incorporacin
del parmetro al tableau final original del problema (Cuadro 1.1) se ve en forma explcita en el
Cuadro 3.1.

12
Nombre: Cristopher Coronado Asignatura: Investigacin de Operaciones

Cambio del Coeficiente del Lado Derecho de una Restriccin

La variacin del coeficiente del lado derecho de una restriccin modifica la regin factible del
problema, por lo tanto, puede afectar la optimalidad de la solucin optima y la condicin de las
restricciones (activas o no activas). El efecto de la variacin del coeficiente bi asociado a la
restriccin i deber ser analizado considerando la condicin de la restriccin afectada. Desde este
punto de vista existen dos posibilidades:

Caso 1 La variacin afecta a una restriccin no activa, es decir, una restriccin de tipo
con su variable de holgura en la base, o bien una restriccin de tipo con su variable de
exceso en la base.
Caso 2 La variacin afecta una restriccin activa, es decir, una restriccin de tipo con
su variable de holgura igual a cero, o bien una restriccin de tipo con su variable de
exceso igual a cero.

13
Nombre: Cristopher Coronado Asignatura: Investigacin de Operaciones

Incorporacin de una Nueva Variable

El anlisis consiste en determinar la conveniencia o no de la incorporacin de una nueva variable

(nuevo producto) a un problema, desde el punto de vista si la nueva variable mejorar el valor
actual de la funcin objetivo. Supongamos que se desea incorporar una variable x4 al problema
en estudio. Las caractersticas de esta nueva alternativa son: un beneficio de 25 (coeficiente en la
funcin objetivo) y un requerimiento de una unidad en la primera y tercera restriccin, y de dos
unidades en la segunda restriccin. Por lo tanto, el nuevo modelo queda:

La idea del presente anlisis es definir la conveniencia de la incorporacin de x4 al problema.

Para ello debemos estudiar la diferencia entre la utilidad o aporte de la variable a la funcin
objetivo y la disminucin debido al empleo de los recursos disponibles. Desde este punto de vista,
considerando que el costo de oportunidad asociado a una restriccin de tipo se asocia a lo que
se deja de ganar por no disponer de unidades adicionales, podemos asociar esta magnitud a la
disminucin de la funcin objetivo por cada unidad en que se reduce la disponibilidad. Los costos
de oportunidad de las restricciones del problema (Cuadro 1.1) son:

Considerando los requerimientos en cada restriccin definidos previamente, el costo de producir

una unidad de x4 resulta:

Por lo tanto, la produccin de una unidad de x4 representa una disminucin de la funcin objetivo
en 30. A continuacin podemos contrastar este valor con el ingreso o aporte a la funcin objetivo
de x4:

Incorporacin de una Nueva Restriccin

La incorporacin de una nueva restriccin a un LP puede provenir no slo de cambios en las

hiptesis de formulacin o bien de cambios en las condiciones de desarrollo de un cierto proceso
productivo, si no que tambin pueden aparecer producto de la resolucin del problema con

14
Nombre: Cristopher Coronado Asignatura: Investigacin de Operaciones

algunas condiciones especiales. Ms adelante se estudiarn tcnicas para resolver problemas de

LP con variables discretas basadas en la incorporacin sucesiva de nuevas restricciones a un
problema.

En trminos generales, pueden ocurrir dos situaciones al agregar una nueva restriccin a un
problema:

1. La solucin ptima actual satisface la nueva restriccin.

2. La solucin ptima actual no satisface la nueva restriccin

En el primer caso la solucin del problema no se ve alterada, ya que la restriccin no modifica la

regin factible o al menos no excluye al punto extremo optimo actual. Hay que tener claro que
la incorporacin de una nueva restriccin no puede generar una mejora de la funcin objetivo, en
el mejor de los casos slo mantiene el optimo ya que la regin factible corresponde a un
subconjunto de la regin factible original.

Ejemplo: Problema del carpintero

Un carpintero fabrica dos tipos de mesas de madera. Cada mesa del tipo 1 necesita 4 horas de
mecanizado primario (preparacin de piezas) y 4 horas de mecanizado secundario (ensamblado y
barnizado). Anlogamente, cada mesa del tipo 2 necesita 3 horas de mecanizado primario y 7
horas de mecanizado secundario. Las disponibilidades diarias de mecanizados primario y
secundario son respectivamente de 40 y 56 horas-mquina. La venta de una mesa del tipo 1 reporta
un beneficio de 70 euros, mientras que la venta de una mesa del tipo 2 de 90 euros

Se trata de determinar el nmero de mesas de cada tipo que han de producirse diariamente para
maximizar el beneficio obtenido.

Solucin: Problema del carpintero

Este problema puede formularse como el problema de Programacin Lineal siguiente:

15
Nombre: Cristopher Coronado Asignatura: Investigacin de Operaciones

Solucin: Problema del carpintero (continuacin 1)

La solucin ptima de este problema, como se observa en la figura, establece que han de
producirse diariamente 7 y 4 sillas de los tipos 1 y 2 respectivamente, lo que da lugar a un
beneficio de 850 euros. Este resultado indica que ambos recursos de mecanizado (primario y
secundario) estn plenamente utilizados porque las restricciones relacionadas con ellos estn
ambas activas.

Solucin: Problema del carpintero (continuacin 2)

Supngase ahora que la capacidad de mecanizado puede aumentarse cada da en 8 horas-mquina.

En estas condiciones:

Cmo afecta esta ampliacin de capacidad a los beneficios diarios?

En qu tipo de mecanizado (primario o secundario) es preferible invertir estas 8 horas?

Para responder a esta pregunta pueden calcularse las sensibilidades asociadas a cada una de las
capacidades de mecanizado. El problema con la nueva capacidad de mecanizado primario
incrementada en 8 horas-mquina es:

As, la solucin ptima de este nuevo problema establece que han de producirse diariamente 10.5
sillas del tipo 1 y 2 sillas del tipo 2, dando lugar a un beneficio de 915 euros. Esta solucin indica
que el beneficio diario crece en 65 euros cuando la capacidad de mecanizado primario lo hace en
8 horas-mquina.

16
Nombre: Cristopher Coronado Asignatura: Investigacin de Operaciones

As, la sensibilidad o precio sombra de la capacidad de mecanizado primario es el ratio

euros, que determina el crecimiento de la funcin objetivo al crecer la

capacidad de mecanizado primario 1 hora.

El problema con la nueva capacidad de mecanizado secundario incrementada en 8 horas-mquina

es:

Solucin: Problema del carpintero (continuacin 3)

As, la solucin ptima de este nuevo problema establece que han de producirse diariamente 5.5
sillas del tipo 1 y 6 sillas del tipo 2, dando lugar a un beneficio de 925 euros. Esta solucin indica
que el beneficio diario crece en 75 euros cuando la capacidad de mecanizado secundario lo hace
en 8 horas-mquina

As, la sensibilidad o precio sombra de la capacidad de mecanizado secundario es el ratio

euros, que determina el crecimiento de la funcin objetivo al crecer la

capacidad de mecanizado secundario1 hora.

Ntese que dichas sensibilidades pueden obtenerse mediante la expresin:

En vista de los resultados, pueden extraerse las siguientes conclusiones:

Incrementar la capacidad de mecanizado primario en 1 hora-mquina incrementa el

beneficio en 8.125 euros al da.
Incrementar la capacidad de mecanizado secundario en 1 hora-mquina incrementa el
beneficio en 9.375 euros al da.
Si se dispusiese de 8 horas-mquina adicionales de mecanizado sera preferible invertirlas
en el mecanizado secundario.

Resumiendo:

En general el precio sombra de una restriccin proporciona el cambio en el valor de la

funcin objetivo como resultado de un cambio unitario en el trmino independiente de la
restriccin, suponiendo que el resto de parmetros del problema permanecen inalterados.
En muchos problemas de programacin lineal los precios sombra son tan importantes
como la solucin del problema, ya que proporcionan informacin sobre el efecto en la
funcin objetivo de cambios en los recursos disponibles.

17
Nombre: Cristopher Coronado Asignatura: Investigacin de Operaciones

Las sensibilidades o precios sombra pueden obtenerse simultneamente resolviendo el

problema Dual.

Bibliografa
Cybakmiguel. (s.f.). Teoria de la dualidad. Obtenido de http://cybakmiguel.jimdo.com/teoria-de-
la-dualidad/

Ing. Wilson K. Casado. (s.f.). Investigacin de Operaciones 1 (IND-331). Obtenido de Anlisis

de Sensibilidad: http://investigaciondeoperacionesind331.blogspot.com/p/analisis-de-
sensibilidad.html

TAHA, H. A. (2012). Investigacin de operaciones (Novena ed.). Mxico: PEARSON

EDUCACIN.

Linkografa
http://www.fdi.ucm.es/profesor/jjruz/MasterUned/Documentos%20en%20aLF/Tema%205.pdf
https://www.inf.utfsm.cl/~esaez/fio/s2_2003/apuntes/sensibilidad-2003-2.pdf

18