INSTITUTO TECNOLOGICO DE CUAUTLA

INGENIERIA INDUSTRIAL

INVESTIGACION DE OPERACIONES

INVESTIGACION DE UNIDAD 3

JESUS LAURELES PEREZ

H.H. CUAUTLA, MOR. A 23 DE NOVIEMBRE DE 2015

UNIDAD 3
DUALIDAD Y ANÁLISIS DE SENSIBILIDAD

La asignación de probabilidades a los eventos es una tarea difícil que muchos gerentes pueden
mostrarse difícil a hacer, por lo menos con cierto grado de exactitud. En algunos casos prefieren
decir “creo que la probabilidad de que este evento ocurra está entre 0.5 y 0.7”. Bajo estas
circunstancias, como en cualquier aspecto de decisión gerencial, es útil realizar un análisis de
sensibilidad para determinar cómo afecta a la decisión la asignación de probabilidades.
El análisis de sensibilidad concierne el estudio de posibles cambios en la solución óptima
disponible como resultado de hacer cambios en el modelo original.
Definiciones generales del Análisis de sensibilidad
Efecto neto.- Es la ganancia o pérdida por unidad adicional de una variable que entra a la base. El
efecto neto de una variable básica siempre será cero.
f j = efecto neto
Cambios en los coeficientes de la función objetivo.
El cambio en el Cj de una variable se interpretaría, por ejemplo, como en incremento en el precio
de un producto para un objetivo de maximización, o como la disminución en el costo de una
materia prima para un objetivo de minimización.

Finalmente, se estudiará por separado si la modificación en el Cj es para una variable no-básica o

para una básica, ya que las consecuencias en cada caso son muy diferentes.
Cambios en el coeficiente Objetivo de una variable No-básica.
Es importante mencionar que una variación de Cj a Cj’ en el coeficiente objetivo de una variable
no-básica, no necesariamente conlleva a una infracción de la inmejorabilidad de la solución óptima
actual, aunque en ciertas ocasiones si lo haga. Por este motivo, se considerarán a continuación
dos alternativas de cambio mutuamente exclusivas en el Cj de una variable no-básica.

3.1 Teoría Prima-Dual

Cada problema de programación lineal tiene un segundo problema asociado con él. Uno se
denomina primal y el otro dual. Los dos poseen propiedades muy relacionadas, de tal manera que
la solución óptima a un problema proporciona información completa para la solución óptima para el
otro.

3.2 Formulación del Problema Dual

Para poder elaborar el problema dual a partir del primal, este se debe presentar en su forma
canoníca de la siguiente forma:
Maximizar

Sujeto a

Hemos visto como la programación lineal puede ser usada para resolver una extensa variedad de
problemas propios de los negocios, ya sea para maximizar utilidades o minimizar costos. Las
variables de decisión en tales problemas fueron, por ejemplo, el número de productos a producir, la
cantidad de pesos a emplear, etc. En cada caso la solución óptima no explicó cómo podrían ser
asignados los recursos (ejemplo: materia prima, capacidad de las máquinas, el dinero, etc.) para
obtener un objetivo establecido.
En este capítulo veremos que a cada problema de programación lineal se le asocia otro problema
de programación lineal, llamado el problema de programación dual. La solución óptima del
problema de programación dual, proporciona la siguiente información respecto del problema de
programación original:

1. La solución óptima del problema dual proporciona los precios en el mercado o los beneficios de
los recursos escasos asignados en el problema original.

2. La solución óptima del problema dual aporta la solución óptima del problema original y
viceversa.

Normalmente llamamos al problema de programación lineal original el problema de programación

primal.
El concepto de Holgura Complementaria

Es el concepto clave que permite resolver un problema a partir de otro, y se deriva de las
relaciones primo-dual, en el valor de la función objetivo
Formulación del problema dual.
El problema dual es un problema de PL auxiliar que se define directa y sistemáticamente a partir
del modelo de PL original o primal.

El problema de programación lineal vienen dado por:

Maximizar Z = C’X

sujeto a: AX <= B

X >= 0
su dual asociado es el problema de PL dado por:
Minimizar Z’ = B’W

sujeto a: AW<= C

W >= 0

De lo anterior se deduce que el paso al dual se lleva a cabo teniendo presente las cuatro reglas
siguientes:

a) Los coeficientes de la i-ésima restricción para el problema primal pasan a ser los coeficientes de
las variables Wi en las restricciones del problema dual. El problema dual tiene tantas variables
como restricciones hay en el primal.

b) Los coeficientes de las variables de decisión Xj en el problema primal pasan a ser los
coeficientes de la restricción j-ésima en el problema dual. El problema dual tiene tantas
restricciones como variables hay en el primal.

c) Los coeficientes de la función objetivo en el problema primal pasan a ser los coeficientes del
segundo miembro de las restricciones en el problema dual.

d) Los coeficientes del segundo miembro de las restricciones del problema primal pasan a ser los
coeficientes de la función objetivo del dual.
Primal
Ejemplo: Maximizar : Z = 60 X1 + 30 X2 + 20 X3

sujeto a: 8X1 + 6X2 + X3 <= 48

4X1 + 2X2 + 1.5X3 <= 20

2X1 + 1.5X2 + 0.5X3 <= 8

" X1, X2, X3 >=0

Dual:

Minimizar Z’ = 48 W1 + 20 W2 + 8W3
sujeto a: 8W1 + 4W2 + 2W3 >= 60

6W1 + 2W2 + 1.5W3 >= 30

W1 + 1.5W2 + 0.5W3 >= 20

" W1, W2, W3>= 0

3.3 Relación Prima-Dual

Las relaciones entre el primal y el dual se utilizan para reducir el esfuerzo de cómputo en ciertos
problemas y para obtener información adicional sobre las variaciones en la solución óptima
debidas a ciertos cambios en los coeficientes y en la formulación del problema. Esto se conoce
como análisis de sensibilidad o post-optimidad.
La relación principal entre ellos es que tanto el problema primal como el dual buscan el valor
óptimo del sistema.

3.4 Dual - Simplex.

Aprovechando las propiedades de los problemas asociados primal y dual, se desarrolló el método
dual-simplex que se aplica: en algunos casos de análisis de sensibilidad, como ocurre en cambios
de los recursos del problema; también para resolver problemas de objetivo mínimo y al menos una
restricción de tipo >=, o para ahorro en cálculos evitando los métodos simplex penal y dos fases.
Se aplica cuando el problema cambia a no factible, pero el renglón Z se presenta óptimo. Ahora
observe y compare la aplicación de criterios del simplex en coeficientes del modelo de PL
resumido, a los problemas primal y dual.
Figura 3-1. Criterios del simplex en coeficientes del modelo de PL resumido, a los problemas primal
y dual.

Enseguida se presenta una comparación funcional del simplex y el dual simplex.

Figura 3-2. Comparación funcional del simplex y el dual simplex.

Criterios del método dual-simplex para el cambio de base.

En el algoritmo dual-simplex aplican los siguientes criterios para cambio de base:
Criterio de factibilidad.- Se aplica en el dual-simplex para determinar, entre las variables básicas,
una VS que salga de la base, eligiendo para salir la que corresponda al valor más negativo en la
columna de solución. Esto es válido tanto para el objetivo mínimo como para el máximo.
Criterio de optimalidad.- Se aplica en el dual-simplex para determinar, entre las variables no
básicas, una VE que entre a la base con el siguiente procedimiento:

Figura 3-3. Criterio de Optimalidad en el método dual-simplex.

Elemento Pivote.- Se ubica como pivote al coeficiente que corresponde al cruce del renglón y
columna elegidos con los criterios del cambio de base.
Ejemplo 3-1. Aplica dual simplex a un PL con 4 restricciones >= (DUX1).
PASOS:
1) Consiga infactibilidad en restricciones tipo >=, (multiplique por -1):

2) Arregle la función Z; consiga la matriz I de base, sume holguras Hi, como sigue:

3) Tabule coeficientes y aplique el dual-simplex; elija variables VS, VE y pivote así:

Figura 3-4. Tablas del Dual-simplex aplicado al ejemplo DUX1.
3.5 Análisis de Sensibilidad: cambio en el vector recursos (bj) y sus
límites, cambio en el vector (ci) y sus límites, adición de una variable
(xi), cambio en coeficientes tecnológicos (aij), adición de una nueva
restricción.
En esta clase hablaremos sobre el análisis de sensibilidad, analizando el lado derecho, es decir los
recursos o requerimientos. Primero veremos el enfoque matricial, y luego se explicaran que
significan los conceptos y cifras que se hallaron con los cálculos matriciales. Además se ilustrará
gráficamente el problema de la Wyndor.