Está en la página 1de 17

TEORA DE LA DUALIDAD Y

ANLISIS DE SENSIBILIDAD





INVESTIGACIN


DE OPERACIONES
AUTOR:
Juan Carlos Gutirrez Vanegas






NDICE


Introduccin
Recomendaciones acadmicas

1. Teora de la dualidad y Anlisis de sensibilidad
1.1. Problema Primal y Problema dual
1.2. Dualidad dbil y fuerte
1.3. Anlisis de sensibilidad
1.3.1. Cambios en los coeficientes de la funcin objetivo
1.3.2. Cambios en el vector del lado derecho

Referencias
o Referencias Bibiliogrficas
o Lista de Tablas


















2 POLITCNICO GRANCOLOMBIANO
INTRODUCCIN

En las primeras tres unidades de este mdulo hemos visto como formular y resolver problemas
lineales, ya sea a travs del mtodo grfico o de una forma ms estructurada utilizando el
mtodo Simplex, en cualquiera de sus formas. Sin embargo, una vez nos encontramos en la
solucin ptima es posible que an queden cosas por resolver. Qu pasara si el precio de un
producto cambia? afectara nuestra solucin?, es decir, cambiara el punto ptimo?. Qu
pasara para alguno de los recursos si se disminuye su disponibilidad?, seguira siendo factible
nuestra solucin?, existira una mejor solucin para esa cantidad reducida de recurso?

Este tipo de preguntas son relevantes en todos los casos prcticos en los cuales utilizamos la
programacin lineal como herramienta para la toma de decisiones, es por lo tanto relevante
que las podamos responder de una forma sistemtica y eficiente. Una primera alternativa sera
la reformulacin del problema y su posterior solucin con el mtodo Simplex, sin embargo,
aunque este parezca un buen camino, en los problemas de escala real se tienen generalmente
del orden de decena o cientos de miles de variables de decisin y del mismo orden en el
nmero de restricciones, por lo tanto, resolver un problema hasta encontrar el punto ptimo
puede tomar das o incluso semanas. Teniendo ese en cuenta, en la mayora de los casos no se
dispone del tiempo suficiente para resolver de nuevo todo el problema. Adems, si ya estamos
en el punto ptimo, antes del cambio, no parece razonable desperdiciar todo el trabajo hecho
hasta este punto porque simplemente cambi uno de los parmetros del problema.

Es en este ltimo sentido que aparece una serie de procedimientos de post-optimalidad que se
conocen como anlisis de sensibilidad. El propsito de los mismos es aprovechar la estructura
del problema lineal, para que junto con la condicin de optimalidad, nos permita rpidamente
decidir si el cambio afecta o no la solucin ptima. As, el propsito de esta cartilla es mostrar
los principales anlisis que se pueden hacer a una solucin ptima y las herramientas
disponibles para ello.

En la primera parte de esta unidad nos centraremos en el anlisis de sensibilidad, pero para ello
debemos introducir el concepto de dualidad, el cual nos permite establecer las condiciones de
optimalidad que ya hemos discutido en las unidades anteriores. Una vez establecida la relacin
entre el problema primal y el problema dual, presentaremos las condiciones de holgura
complementaria para que al final entremos de lleno en las preguntas del tipo Qu pasara
si?, las que nos llevarn a los cambios ms comunes en los parmetros de un programa lineal.

En la segunda parte de la unidad, ltima cartilla del curso, nos enfocaremos en las aplicaciones
de la programacin lineal, especficamente en los problemas de transporte, incluyendo las
variaciones como el problema de asignacin y el problema de trasbordo. La estructura de este
problema fue discutida brevemente en la primera unidad del curso, pero ahora queremos
aprovechar las caractersticas muy particulares de este problema para fortalecer las habilidades

INVESTIGACIN DE OPERACIONES 3
de abstraccin y con ellas presentar soluciones adecuadas a problemas de gran escala. Esta
ltima cartilla se puede considerar como un manual de ruta para que, con las herramientas
aprendidas durante este curso, podamos resolver problemas de escala real como los que
enfrentaremos en nuestro ejercicio profesional.

RECOMENDACIONES ACADMICAS

Como en los diferentes mdulos de aprendizaje autnomo, es importante que cada estudiante
se haga responsable por su proceso formativo, as que se espera que cada uno de ustedes
dedique un mnimo de 3 horas diarias al trabajo de esta asignatura. Es recomendable que al
inicio de cada semana se defina un horario que se ajuste a su disponibilidad de tiempo y a sus
diferentes responsabilidades, pero que adems sea de un estricto cumplimiento. En dicho
horario se recomienda que cada semana se siga la siguiente secuencia con el material del curso:

Leer cuidadosamente la cartilla semanal, en ella encontrar un panorama general del


tema a discutir esa semana y las principales definiciones, conceptos y ejemplos del
mismo.
Complementar el material de la cartilla con las lecturas recomendadas, en ellas se
reforzarn los conceptos introducidos en la cartilla y se expandir el abanico de ejemplos
de aplicacin.
Consultar el material audiovisual recomendado, all en un ambiente ms informal y
didctico se presentaran nuevos ejemplos que complementan a los ya revisados en la
cartilla y lecturas.
Finalmente, recuerde que una parte importante del proceso de aprendizaje involucra en
intercambio de ideas, tal vez dificultades, con otras personas. Utilizando los canales
establecidos (chat, mensajes personalizados y el foro general del mdulo), formule sus
preguntas u observaciones sobre el tema y/o los ejemplos, ya sea a otros estudiantes o
al tutor. Este atento a las respuestas y si an requiere una explicacin, no dude en
preguntar de nuevo. No olvide revisar el calendario acadmico establecido para cada
unidad de estudio, recuerde que el tutor siempre estar disponible para atender sus
dudas, as que usted puede enviarle un mensaje en cualquier momento que lo necesite.

1. Teora de la dualidad y anlisis de sensibilidad

Con el objetivo de presentar los diferentes anlisis sobre los parmetros del problema lineal, es
necesario primero establecer de una forma adecuada las condiciones de optimalidad del
problema. En ese sentido primero introduciremos el concepto de problema dual, para as poder
establecer las condiciones de holgura complementaria y a partir de ellas las condiciones de
optimalidad del programa lineal para utilizarlas en lo que se conoce como anlisis de
sensibilidad.

4 POLITCNICO GRANCOLOMBIANO
1.1. Problema primal y problema dual

Al resolver un problema lineal, existe otro problema lineal asociado que se est resolviendo
simultneamente. Este nuevo problema y su solucin nos ofrecen informacin adicional sobre
la solucin actual del problema original y sobretodo una explicacin del impacto econmico que
sobre la solucin tienen los recursos que constituyen el conjunto de restricciones del problema.
Veamos primero como se construye este problema dual, para que en la siguiente seccin
exploremos la relacin que existe con el problema primal.

Para la construccin del problema dual debemos considerar los siguientes aspectos:

El problema dual es tambin un programa lineal, por lo tanto su funcin objetivo, as


como los lados izquierdos de las restricciones son formados por combinaciones lineales
de sus variables de decisin.

El criterio de optimizacin en los dos problemas es contrario, es decir, si el problema


original es de maximizacin, el problema dual ser de minimizacin, de la misma forma,
si el problema original es de minimizacin, el problema dual ser de maximizacin.

Los coeficientes de la funcin objetivo del problema original se convierten en los lados
derechos de las restricciones del problema dual.

Los lados derechos de las restricciones del problema original se convierten en los
coeficientes de la funcin objetivo del problema dual.

La matriz de coeficientes del problema original se transpone para convertirse en la


nueva matriz del problema dual, es decir, cada columna en la matriz original se convierte
en los coeficientes de cada una de las restricciones del problema dual.

Por cada restriccin del problema original se definir una variable de decisin del
problema dual, el sentido de la desigualdad de la restriccin definir el signo de la
variable como se ver ms adelante.

Por cada variable del problema original, en el problema dual se constituir una
restriccin y el sentido de la desigualdad de dicha restriccin estar definido por el signo
de la variable.

En las dos ltimas vietas se mencion que el sentido de las desigualdades y el signo de las
variables estn directamente relacionados entre un problema y el otro. La relacin tambin
depende del criterio de optimizacin del problema original, llamado tambin problema primal,
como se puede ver en la Tabla 1.

INVESTIGACIN DE OPERACIONES 5
Tabla 1. Relacin entre las variables y las restricciones de los problemas primal y dua

PROBLEMA DE PROBLEMA DE

MINIMIZACIN MAXIMIZACIN

Restricciones
0 < ===== >
Variables

0 < ===== >

No restringida < ===== > =


Restricciones

< ===== > 0

Variables
< ===== > 0

= < ===== > No restringida


Fuente: Bazaraa (2005)

Veamos con un par de ejemplos como se construira el problema dual. Consideremos el


siguiente problema lineal, que ahora denominaremos problema primal P1:

1 Mx = 5- + 40
. .
6- + 40 24

- + 20 6
3- + 60 = 18

- , 0 0

Para construir el problema dual vamos a seguir las indicaciones dadas anteriormente y las
relaciones de la Tabla 1.

Como el problema primal es de maximizacin, el problema dual es de minimizacin.

Tenemos 3 restricciones en el problema primal, por lo tanto el problema dual tendr 3


variables de decisin, las denominaremos - , 0 y : .

La primera restriccin es de menor o igual, por lo cual segn la Tabla 1, se tendr que
- 0

6 POLITCNICO GRANCOLOMBIANO
La segunda restriccin es de mayor o igual, por lo cual segn la Tabla 1, se tendr que
0 0. Siempre se podr hacer una transformacin de variables para que sean todas
mayor o igual a cero, pero por el momento vamos a permitir que la variable tome
valores negativos.

La tercera restriccin es una igualdad, por lo cual segn la Tabla 1, se tendr que : es
una variable sin signo definido, es decir, puede ser tanto positiva como negativa o cero.

Tenemos 2 variables de decisin en el problema primal, por lo tanto el problema dual


tendr 2 restricciones. Como las dos variables son de mayor o igual, las restricciones,
segn la Tabla 1, sern desigualdades de mayor o igual

Ahora, junto con las indicaciones dadas al inicio de la seccin sobre los coeficientes, los valores
del lado derecho y la matriz de coeficientes, el problema dual queda as

1 Min = 24- + 60 + 18:


. .
6- + 0 + 3: 5
4- + 20 + 6: 4
- 0, 0 0, :

Ahora veamos un segundo ejemplo, consideremos el siguiente problema, tomado de (Bazaraa,


M, Jarvis, J., SheralI, 2005)

2 Min = 2- + 30 + 5: + 2> + 3?
. .
- + 0 + 2: + > + 3? 4
2- 20 + 3: + > + ? 6
- , 0 , : , > , ? 0

Para construir el problema dual, nuevamente vamos a seguir las indicaciones dadas
anteriormente y las relaciones de la Tabla 1.

Como el problema primal es de minimizacin, el problema dual es de maximizacin.

Tenemos 2 restricciones en el problema primal, por lo tanto el problema dual tendr 2


variables de decisin, las denominaremos - y 0 .

La primera restriccin es de mayor o igual, por lo cual segn la Tabla 1, se tendr que
- 0

INVESTIGACIN DE OPERACIONES 7
La segunda restriccin tambin es de mayor o igual, por lo cual segn la Tabla 1, se
tendr que 0 0

Tenemos 5 variables de decisin en el problema primal, por lo tanto el problema dual


tendr 5 restricciones. Como todas las variables son de mayor o igual, las restricciones,
segn la Tabla 1, sern desigualdades de menor o igual.

Por lo tanto, el problema dual queda as:

2 Mx = 4- + 30
. .
- + 20 2
- 20 3

2- + 30 5
- + 0 2

3- + 0 3
- , 0 0

Ahora que hemos definido el problema dual, debemos establecer las relaciones entre las
soluciones de los dos problemas.

1.2. Dualidad dbil y fuerte

Ahora, vamos a centrarnos en un conjunto de teoremas que relacionan la solucin del problema
primal con la solucin del problema dual, los resultados son clsicos en la teora de optimizacin
convexa, de la cual la programacin lineal es un caso particular, por lo cual no se presentarn las
demostraciones de los teoremas.

Primero veamos qu pasa si se utiliza el procedimiento de construccin del problema dual dos
veces consecutivas, volviendo al primer ejemplo que discutimos, tenemos el problema primal y
su dual asociado dados por:

1 Mx = 5- + 40
1 Min = 24- + 60 + 18:
. .
6- + 40 24 . .
6- + 0 + 3: 5
- + 20 6
4- + 20 + 6: 4
3- + 60 = 18
- 0, 0 0, :
- , 0 0

8 POLITCNICO GRANCOLOMBIANO

Si aplicamos el procedimiento al problema dual D1 tenemos que:

El problema D1 es de minimizacin, as que su problema dual es de maximizacin.

Tenemos 2 restricciones en el problema D1, por lo tanto su problema dual tendr 2


variables de decisin, la denominaremos - y 0 .

La primera restriccin es de mayor o igual, por lo cual segn la Tabla 1, se tendr que
- 0

La segunda restriccin tambin es de mayor o igual, por lo cual segn la Tabla 1, se


tendr que 0 0

Tenemos 3 variables de decisin en el problema primal, por lo tanto el problema dual


tendr 3 restricciones. Como la primera variable es de mayor o igual, entonces la
primera restriccin, segn la Tabla 1, ser una desigualdad de menor o igual. La segunda
variable es de menor o igual, entonces la segunda restriccin ser una desigualdad de
mayor o igual. Finalmente, la ltima variable es no restricta, por lo tanto la tercera
restriccin ser una igualdad.

Entonces tenemos que el problema dual de D1 ser

(1) Mx = 5- + 40
. .
6- + 40 24

- + 20 6
3- + 60 = 18

- , 0 0

Con lo cual hemos llegado al problema original P1, es decir, el problema dual del dual es el
problema primal.

INVESTIGACIN DE OPERACIONES 9

De esta forma, para establecer las relaciones entre las soluciones ptimas del problema primal y
el problema dual no hace falta involucrar ningn problema adicional y las etiquetas primal y
dual son fcilmente intercambiables, con lo cual vamos a formular tres teoremas en los cuales la
pareja primal-dual estar dada por:

Min D = F Max K = F
. .
F F

Teorema de dualidad dbil

Si M es una solucin factible del problema primal, el de minimizacin, y M es una solucin


factible del problema dual, el de maximizacin, entonces se cumple que F M MF .

El teorema establece que el valor de la funcin objetivo para cualquier solucin factible del
problema de maximizacin siempre ser mayor o igual que el valor de la funcin objetivo para
cualquier solucin factible del problema de minimizacin. El teorema permite obtener cotas
para los problemas lineales, que por ejemplo en el caso de programas enteros mixtos son
fundamentales a la hora de detener las iteraciones. Adems, se puede tener un corolario
cuando se alcance la igualdad.

Corolario

Si M y M son soluciones factibles del problema primal y el problema dual respectivamente y


cumplen que F M = MF entonces cada uno es la solucin ptima de su respectivo problema
lineal.

Ahora podemos formular el teorema de dualidad fuerte.

Teorema de dualidad fuerte

Si el problema primal tiene ptimo finito, entonces el problema dual tambin tendr ptimo
finito y el valor de sus funciones objetivo en el punto ptimo ser igual.

Ahora podemos formular el teorema fundamental que relaciona las soluciones de los dos
problemas relacionados.

10 POLITCNICO GRANCOLOMBIANO

Teorema fundamental de dualidad

Dada una pareja de problemas recprocamente duales, se cumple una y solo una de las
siguientes condiciones:

1. Los dos problemas tienen ptimo finito, sus valores ptimos son iguales.

2. Uno de los problemas tiene solucin no acotada y el otro no tiene ninguna solucin factible.

3. Los dos problemas son no factibles.

Estas relaciones se muestran en la siguiente tabla, adaptada de (Chvtal, 1983):

Tabla 2. Relacin de las soluciones ptimas de los problemas primal y dual

Problema Dual

ptimo finito infactible no acotado

ptimo Finito Posible Imposible Imposible

Problema Primal Infactible Imposible Posible Posible

No Acotado Imposible Posible Imposible

Fuente: Chvtal (1983)

INVESTIGACIN DE OPERACIONES 11

Finalmente, con base en la igualdad de las funciones objetivo para los dos problemas se puede
establecer el teorema de holgura complementaria, as

Teorema de holgura complementaria

Si M y M son soluciones factibles del problema primal y el problema dual respectivamente,


entonces son soluciones ptimas si y slo si cumplen simultneamente que

F MF M = 0 y MF M =

Los dos sistemas de ecuaciones anteriores se conocen como condiciones de holgura


complementaria y pueden usarse como un mtodo alternativo de solucin para los programas
lineales. Formalmente se define un mtodo alternativo conocido como primal-dual, sin
embargo, no lo discutiremos aqu pero se puede encontrar en el captulo 6 de (Bazaraa, M,
Jarvis, J., SheralI, 2005).

1.3. Anlisis de sensibilidad

Ahora vamos a considerar algunos cambios en los parmetros del problema y trataremos de
establecer si la solucin ptima lo sigue siendo bajo esos cambios. Aunque en un problema
lineal se pueden presentar simultneamente varios de los cambios que presentaremos aqu, el
enfoque de este anlisis es aquel donde slo se presenta un cambio a la vez. Los cambios ms
importantes en un programa lineal se presentan en el vector de coeficientes y en la cantidad de
recursos disponibles (lado derecho de la restriccin) as que centraremos nuestra atencin en
estos dos, sin embargo, un cambio en la matriz de coeficientes, la adicin de una nueva
restriccin o una nueva variable tambin son cambios posibles y para ellos podemos consultar
cualquiera de las referencias de la bibliografa, en particular el ya mencionado captulo 6 de
(Bazaraa, M, Jarvis, J., SheralI, 2005).

1.3.1. Cambios en los coeficientes de la funcin objetivo

Retomando los principios bsicos del mtodo Simplex, recordemos que el vector de variables se
puede separar en una parte bsica y una parte no bsica, esto es = [ , ], donde = y
= R . As, el valor de la funcin objetivo estar dado por:


= , = +

12 POLITCNICO GRANCOLOMBIANO
como todas las variables no bsicas son iguales a cero podemos escribir el vector de variables
bsicas como = R VX R V , con esta relacin tenemos que el valor de la funcin
objetivo est dado por:

= M (V V )V
VX

Si el problema es de maximizacin, estaremos en la solucin ptima si para todas las variables no


bsicas se cumple que V V 0. Esta ltima relacin es de vital importancia para el anlisis
que viene a continuacin. Ahora, vamos a analizar cul sera el impacto si hay un cambio en el
vector de coeficientes, pero este cambio se puede dar en los coeficientes de las variables bsicas
o en los coeficientes de las variables no bsicas, as que debemos considerar estos dos casos por
separado.

Caso 1. Cambio en el coeficiente de una variable no bsica

Si para una variable no bsica, digamos [ , su coeficiente en la funcin objetivo cambia debemos
considerar que pasa con la diferencia [ [ para dicha variable. Como nos encontramos en una
solucin bsica factible ptima antes del cambio, sabemos que [ [ 0. Ahora supongamos
que el nuevo coeficiente para la variable est dado por [ , entonces debemos mirar la relacin
[ [ y para garantizar que an estamos en el punto ptimo, esta relacin debe seguir
cumpliendo la condicin de optimalidad, es decir, se debe cumplir que [ [ 0, pero como
tenemos que:

[ [ = [ [ + [ ] [

entonces

[ [ + [ ] [ 0 implica que [ [ + ([ [ )

es decir, mientras el nuevo coeficiente se encuentre en el intervalo (, [ + [ [ ] se


seguir cumpliendo la condicin de optimalidad y por lo tanto la solucin ptima no cambia. El
intervalo hallado se conoce como rango de optimalidad para el coeficiente

Veamos un ejemplo de este caso, consideremos el siguiente problema lineal

Mx = 2- 0 + :
. .
- + 0 + : 6
- + 20 4
- , 0 , : 0

INVESTIGACIN DE OPERACIONES 13
La solucin ptima se encuentra en el punto (6,0,0) en dnde la funcin objetivo tiene un valor
de 12. El ltimo Tableau del mtodo Simplex se muestra en la Tabla 3.

Tabla 3. Tableau ptimo para el problema anterior

Z X1 X2 X3 X4 X5 RHS

Z 1 0 3 1 2 0 12

X1 0 1 1 1 1 0 6

X5 0 0 3 1 1 1 10

Fuente: Elaboracin propia

Consideremos a la variable no bsica 0 y encontremos el rango de optimalidad para su


coeficiente. En este caso 0 0 = 3 y 0 = 1, por lo tanto el rango de optimalidad para
0 estar dado por , 1 + 3 = , 2 , es decir, si el nuevo coeficiente de la variable 0
es menor o igual a 2, la solucin ptima seguir estando en el punto (6,0,0). En el caso en el cual
el coeficiente de dicha variable sea mayor a 2, el Tableau ya no ser ptimo y se tendr que
iterar nuevamente para ingresar a la variable 0 a la base.

Caso 2. Cambio en el coeficiente de una variable bsica

Cuando el cambio se presenta en una variable bsica, nuevamente nuestro anlisis se centra en
las relaciones V V , pero esta vez, el nuevo coeficiente no afecta a una variable no bsica en
particular, si no que por el contrario las afecta a todas, porque recordemos que el valor de V
est dado por V = R , por lo tanto, al cambiar una componente del vector se
afectarn todos los V . Por lo tanto, si suponemos un cambio en el coeficiente de la variable
bsica [ , digamos de [ a [ , entonces cada uno de los V se actualizar a un nuevo valor V ,
por lo tanto debemos resolver el sistema de inecuaciones V V 0. Notemos que ese sistema
es equivalente (V V ) + [ [ [V 0, donde [V es el coeficiente de la matriz R
correspondiente a la fila -sima y la columna de la variable no bsica para la cual estamos
calculando la relacin. Del sistema de inecuaciones obtenemos el rango de optimalidad para el
coeficiente de la variable bsica.

14 POLITCNICO GRANCOLOMBIANO
Veamos de nuevo el problema del ejemplo anterior, ahora consideremos un cambio en el
coeficiente de la variable bsica - , el cual actualmente es igual a - = 2. El conjunto de
desigualdades en este caso es para las tres variables no bsicas estara dado por

(0 0 ) + (- - )-0 0 es decir 3 + ]- - 1 0

(: : ) + (- - )-: 0 es decir 1 + ]- - 1 0

(> : ) + (- - )-> 0 es decir 2 + ]- - 1 0

Resolviendo cada una de las desigualdades llegamos a:

- - 3

- - 1

- - 2

La solucin al sistema se tiene cuando - - 1, como en este caso - = 2, entonces


tenemos que - 1, por lo tanto el rango de optimalidad para este coeficiente est dado por
[1, ). Por ejemplo, si el coeficiente de - cambia a 4, la solucin ptima seguir en el punto
(6,0,0), sin embargo el valor de la funcin objetivo si cambiara a 64 = 24.

1.3.2. Cambios en el vector del lado derecho

Ahora consideremos un cambio en el lado derecho de una restriccin, en este caso el problema
ms que la optimalidad de la solucin, es un problema de factibilidad. Al cambiar el valor lmite
de una restriccin, se est cambiando la regin factible, por lo tanto lo que debemos garantizar
en todo momento es que nuestra solucin sigue siendo una solucin bsica factible.

Recordemos que el lado derecho de las restricciones corresponde al valor de las variables
bsicas, es decir, tenemos que = R , as que para garantizar que la solucin siga siendo
ptima se debe cumplir que R .

INVESTIGACIN DE OPERACIONES 15
Veamos con un ejemplo como se calcula el rango de optimalidad para cada uno de los lados
derechos el problema que usamos de ejemplo en la seccin anterior. De la tabla anterior
tenemos que la matriz inversa R est dado por:

1 0
R =
1 1
por lo tanto, si vamos a cambiar el primer coeficiente de su valor actual - = 6 a un nuevo valor
- , debemos garantizar que R , es decir,

1 0 - = -
R =
1 1 4 - + 4

entonces tenemos que - 0 y que - 4 , por lo tanto el rango de optimalidad est dado
por [0, ).

Para el siguiente valor que actualmente est en 0 = 4, consideremos el cambio a un nuevo


valor 0 , entonces tenemos que:

1 0 6 6
R = =
1 1 0 , 6 + 0 ,

de donde tenemos que 0 6, por lo tanto el rango de optimalidad est dado por [6, ).

As, hemos presentado dos de los principales cambios que se pueden analizar de manera directa
y eficiente sin necesidad de volver a solucionar el problema, para un desarrollo complementario
del anlisis de sensibilidad podemos revisar lo discutido por (Bazaraa, M, Jarvis, J., SheralI, 2005)
en el captulo 6.

16 POLITCNICO GRANCOLOMBIANO
REFERENCIAS

Referencias Bibliogrficas

Bazaraa, M, Jarvis, J., SheralI, H. (2005). Programacin lineal y flujo en redes (2a ed.).
Limusa Editores.
Chvtal, V. (1983). Linear programming. W.H. Freeman.

Referencias de Tablas

Tabla 1. Relacin entre las variables y las restricciones de los problemas Primal y Dual.
Fuente: Bazaraa, M, Jarvis, J., SheralI, H. (2005). Programacin lineal y flujo en redes (2a
ed.). Limusa Editores. Pg 264.
Tabla 2. Relacin de las soluciones ptimas de los problemas Primal y Dual. Fuente:
Chvtal, V. (1983). Linear programming. W.H. Freeman. Pg 163-165

INVESTIGACIN DE OPERACIONES 17