TEORÍA DE DUALIDAD Y ANÁLISIS DE SENSIBILIDAD

TABLA DE RELACIONES PRIMAL – DUAL

Min Max
 0 
 0  Restricciones
Variables
Libre =

Restricciones   0

  0 Variables
= Libre

Ejemplo: Max Z = 4x1 + 3x2 + 6x3

s.a:
x1 + 2x2 + x3  6  w1
P 4x1 + x2 + 2x3 = 4  w2
3x1 + 6x2 + x3  3  w3
 x1  0 x2  0 x3 Libre

min G = 6w1 + 4w2 + 3w3

s.a:
1
 w1 + 4w2 + 3w3  4
2w1 + w2 + 6w3  3
D w1 + 2w2 + w3 = 6
w1  0 w2 Libre, w3  0

Aplicación

Productos Disponibilidad
(hr/mes)
A B
Proceso 1 3 2 2000
Proceso 2 1 2 1000
(Utilidad $) 40 60

Max Z = 40x1 + 60x2

s.a:
3x1 + 2x2  2000  w1
x1 + 2 x2  1000  w2
 xj  0

Formulación del Dual

Variables de decisión : w1 , w2 : precios a los recursos.

F.O. min G = 2000 w1 + 1000w2  es la rentabilidad misma de las

Ventas de los productos.

s.a:
3w1 + w2  40  Los precios que se fijan para los recursos para hacer
A, debe ser mayor que la contribución que ofrece
el producto A cuando se ofrece.

2w1 + w2  60  Los precios que se establecen para los recursos

para hacer B debe ser mayor o igual que la
contribución que ofrece el producto B, cuando se
ofrece.

2
Análisis de la Solución Óptima primal

Tablero óptimo para el primal

cj 40 60 0 0
ck xk bi x1 x2 S1 S2
E1 40 x1 500 1 0 0.5 -0.5
E2 60 x2 250 0 1 -0.25 0.75
Zj 35000 40 60 5 25
cj Zj 0 0 -5 -25
E1 E2 W1 W2

Solución óptimo: x1 = 500

x2 = 250
Zópt. = 35000

Tablero Óptimo Dual

bi 2000 1000 0 0 M M
bk wk cj w1 w2 E1 E2 q1 q2
2000 w1 5 1 0 -0.5 0.25 0.5 -0.25
1000 w2 25 0 1 0.5 -0.75 -0.5 0.75
gi 35000 2000 1000 -500 -250 500 250
bi - gi 0 0 500 250 M-500 M-250

3
 Cap 4

ANÁLISIS DE SENSIBILIDAD – POST OPTIMAL

ANALISIS DE SENSIBILIDAD

En aplicaciones prácticas a menudo, no solamente interesa la solución del problema, sino también se desea
saber como varía esta solución si las condiciones iniciales se modifican (por ejemplo los coeficientes de la
función objetivo cj , la disponibilidad de recursos bi y las cantidades de recursos a ij utilizadas. Las
investigaciones que tratan los cambios de la solución óptima, son llamadas “Análisis de Sensibilidad”.

En el presente capítulo trataremos del análisis de sensibilidad que determinan los rangos de variación de los
(cj, bi, aij), para el cual la solución, tal como se anunció originalmente, permanece óptimo.

ANÁLISIS DE SENSIBILIDAD

1) Sensibilidad de los Coeficientes de la Función Objetivo (cj)

a) Coeficientes de V.N. Básicas en la función objetivo para el siguiente problema:

maxZ = 3x1 + 2x2 + x3

s.a:
x1 + 2x2 + x3  100
4
 x1 + x2 + 2x3  90
2x1 + 3x3  120
 xj  0 ; j = 1,2,3

Tablero óptimo

cj 3 2 1 0 0 0
ck xk bi x1 x2 x3 S1 S2 S3
0 x2 20 0 1 -1/4 1/2 0 -1/4
0 S2 10 0 0 3/4 -1/2 1 -1/4
3 x1 60 1 0 3/2 0 0 1/2
Zj 220 3 2 4 1 0 1
cj Zj 0 0 -3 -1 0 -1

V.N. Básicas : x3 , S1, S3

Caso de maximización: Caso minimización

   c j  c j  c j c j  c j  c j  

- Considerando para x3  c3

    c3  c3  c3

Hallamos:
c3  Z 3  c3  3
    c3  1  3     c3  4

- Considerando para S1  c4

    c4  c4  c4

 c 4  Z 4  c 4  1     c4  0  1

    c4  1

- Considerando para S3  c6

    c6  c6  c6

 c6  Z 6  c6  1

5
     c6  0  1     c6  1

b) Coeficientes de V. Básicos en la fun..obj.

Z j cj
ck'  ck  ck donde : ck 
aij min

Relación que deben cumplir los coeficientes de la función objetivo, su signo, su

variación y el signo de esta, el signo de los a ij y el objetivo del problema para
provocar variaciones de la solución óptima.

Coeficiente ck Objetivo del Problema

Maximizar Minimizar
Positivo + aij < 0 aij > 0
 aij > 0 aij < 0
-

Negativo + aij > 0 aij < 0
 aij < 0 aij > 0
-


Para el caso de maximización

Cuando:
aij  0    cj
No existe: aij  0  cj  

Para el caso de minimización

Cuando:
aij  0  cj  
No existe: aij  0    cj

6
En nuestro ejemplo:

cj 3 2 1 0 0 0
ck xk bi x1 x2 x3 S1 S2 S3
0 x2 20 0 1 -1/4 1/2 0 -1/4
0 S2 10 0 0 3/4 -1/2 1 -1/4
3 x1 60 1 0 3/2 0 0 1/2
Zj 220 3 2 4 1 0 1
cj Zj 0 0 -3 -1 0 -1

V. Básicas : x1, x2, S2

Caso maximización:

 c j  c 'j  c j  c j  c 'j

Z j cj
c 'j 
aij
min

aij  0 ( Límite Superior)

aij  0 ( Límite Inferior )

- Considerando para x1  c1

 c1  c1'  c1  c1  c1'

Límite Superior:

Z1  c1
c1'  ; aij  0 
aij
aij  0 min

 c1  

Límite Inferior:

3
c1'  2
3/ 2

7
 1
c1'  2
1/ 2
 el menor es c1'  2

Entonces:
3 – 2 ≤ C1 ≤ ∞

P1. RESOLUCIÓN POR EL MÉTODO SIMPLEX

F.O : MaxZ = 20X1 + 25X2

s.a: 0.5 X1+ X2 <= 150 ………disponibilidad de horas de la máquina Nº1

X1 + X2 <= 250 ……… disponibilidad de horas de la máquina Nº2
X1 + 1.5 X2 <= 300 ……... disponibilidad de horas de la máquina Nº3
xi  0 …….. condición de no negatividad

PRIMER TABLERO SIMPLEX

Cj 20 25 0 0 0
Ck xk bi x1 x2 S1 S2 S3
0 S1 150 0.5 1 1 0 0
0 S2 250 1 1 0 1 0
0 S3 300 1 1.5 0 0 1
Zj 0 0 0 0 0 0
Zj-Cj -20 -25 0 0 0

SEGUNDO TABLERO SIMPLEX

Cj 20 25 0 0 0
Ck xk bi x1 x2 S1 S2 S3
25 x2 150 0.5 1 1 0 0
0 S2 100 0.5 0 -1 1 0
0 S3 75 0.25 0 -15 0 1
Zj 3750 12.5 25 25 0 0
Zj-Cj -7.5 0 25 0 0

8
TERCER TABLERO SIMPLEX (Tablero Optimo)

Cj 20 25 0 0 0
Ck xk bi x1 x2 S1 S2 S3
25 x2 50 0 1 2 -1 0
20 x1 200 1 0 -2 2 0
0 S3 25 0 0 -1 -0.5 1
Zj 5250 20 25 10 15 0
Zj-Cj 0 0 10 15 0

La solucion óptima se dará para los siguientes valores:

x1 = 200
x2 = 50 Zoptimo = 5250
S3 = 25

b) ANÁLISIS DE SENSIBILIDAD PARA LOS COEFICIENTES DE LA FUNCION

OBJETIVO

- Para las variables básicas x1 y x2

Definimos x1: c1
Teóricamente sabemos que:
c1 - ∆ c’1  c1  c1 + ∆ c’1

zj  cj 10
Ademas : ∆ c’1 = =  2 = 5 Limite Superior
a ij
15
∆ c’1 = 2
= 7.5 Limite Inferior

Por lo tanto:
20-7.5  c1  20+5
12.5  c1  25

Definimos x2: c2
Teóricamente sabemos que:
c2 - ∆ c’2  c2  c2 + ∆ c’2

zj  cj 15
Además: ∆ c’2 = = = 15 Limite Superior
a ij 1
10
∆ c’2 = =5 Limite Inferior
2

Por lo tanto:
25-5  c2  25+15
20  c2  40
9
 c) Si se incrementa la tasa de producción del articulo 1 en un 50%, entonces en nuestra F.O el
coeficiente de x1 será ahora 30, mediante el análisis de sensibilidad desarrollado en la pregunta
anterior se demostró que c1 esta entre 12.5 y 25 por lo que al estar 30 fuera de este rango hará
que nuestra solución optima varié por lo que ya no sería posible cumplir con la producción de
50 unidades del articulo 2.

ANALISIS POSTOPTIMAL

Para el siguiente problema

Max Z = 3x1 + 2x2+ x3

s.a:
x1 + 2x2 + x3 ≤ 100
x1 + x2 + 2x3 ≤ 90
2x1 + 3x3 ≤ 120
 xi  0

Tablero óptimo

cj 3 2 1 0 0 0
ck xk bi x1 x2 x3 S1 S2 S3
2 x2 20 0 1 -1/4 1/2 0 -1/4
0 S2 10 0 0 3/4 -1/2 1 -1/4
3 x1 60 1 0 3/2 0 0 1/2
Zj 220 3 2 4 1 0 1
Cj - Zj 0 0 -3 -1 0 -1

Análisis post-optimal

A) Modificación de los coeficientes de la F.O. correspondientes a V.N.B.

Variables no básicas: x3, s1, s3

Para x3  c3
c3 = 1 cambiar por c 3' = 5
10
 Cálculo:
Zj - c 'j = ( Zj - cj ) + ( cj - c 'j )

 Zj - c
'
j = 3 + (1-5)

Zj - c 'j = -1

Como: Zj - cj  0  la solución óptima se modifica, ingresa x3 a la base

B) Modificaciones en los coeficientes de la F.O. correspondiente a V.B.

Variables básicas: x1, x2, s2

Cálculo:
'
(c j - c j )
Zj - c 'j = ( Zj - cj ) -    
Cambio neto

Para x1  c1

 c1 =3 cambiar por 6  c 1' = 6

Luego  el cambio neto = c 'j - cj = 6 -3 = 3

Para obtener el nuevo reglón de x1, multiplicar cada término del reglón x1 por
el cambio neto y sumar luego esta cantidad a cada término del reglón x1
original.

cj 6 2 1 0 0 0
ck xk bi x1 x2 x3 S1 S2 S3
2 x2 20 0 1 -1/4 1/2 0 -1/4
0 S2 10 0 0 3/4 -1/2 1 -1/4
6 x1 60 1 0 6 0 0 2
71/
Zj 400 6 2 1 0 23/2
2
-
Cj - Zj 0 0 69/ -1 0 -23/2
2

Nuevos términos:

2/3 x 3 + 3/2 = 6
11
 Z se incrementa apreciablemente.
0 x 3 + 0 = 0  La base permanece óptima.

1/2 x 3 + 1/2 = 2
cambio neto

C) Modificación en la matriz de restricciones.

1) Columna no básica : x3, s1, s3

 1   3 
   
a3   2 
 3 
cambiar por a  1 
'
3
 4 
   

 1/ 2 0  1/ 4   3   1 / 2 
    
 '
3
1 '
x  B a    1 / 2 1  1/ 4   1     3 / 2
3 
 0 0 1/ 2   4   2 
    

 1/ 2 
 
c Tk .B 1.a3'  c3  c B .B 1.a3'  c3   2,0,3    3/ 2  1
   
 2 
Z3  

Zj – Cj = 7-1 = 6  sigue siendo óptima.

2) Columna básica: x1, x2, s2

Cálculo:



x 'j  B 1 a 'j  
si x 'j  0 :
La base sigue siendo óptima, analizar la siguiente iteración

 si x 'j  0 :

Añadir una variable artificial, se modifica la base

a) Si consideramos para la columna de x1

 1   3 
   
a1   1 
 2 
cambiar por a1'   2 
 4 
   

 1/ 2 0  1/ 4   3   1/ 2   x2
    
 x  B a    1 / 2 1  1/ 4   2     1 / 2   x
'
j
1 '
1 5
 0 0 1/ 2   4   2   x
     1

vemos que:
x1'  0

12
  1/ 2 
 
 cB .B 1.a1'  c1   2,0,3    1/ 2   3  7  3  4
   
 2 
Z3
 
Zj – Cj = 4 ; sigue siendo óptima, la solución es columna x1' .

b) Si consideramos:

 1   1 
   
a1   1 
 2 
por a1'   2 
 0 
   

 1 / 2 0  1 / 4   1   1 / 2   x2
    
 x  B a   1/ 2 1 1/ 4  2    3/ 2   s
'
j
1 '
1 2
 0 0 1/ 2   0   0   x
     1
x1'  0
 1/ 2 
 
 c B .B 1 .a1'  c1   2,0,3   3/ 2   3  1 3
     0 
 
Z1– C1 = -2

Solución es columna x1' : x1'

x2 1/2
s2 3/2
x1 0
zj 1
Z j - cj -2

En el tablero simplex (reemplazar el reglón x1 por q1)

cj 3 2 1 0 0 0 M
ck xk bi x1 x2 x3 S1 S2 S3 q1
2 x2 20 1/2 1 -1/4 1/2 0 -1/4 0
0 S2 10 3/2 0 3/4 -1/2 1 -1/4 0
M q1 60 0 0 3/2 0 0 1/2 1
60
3/2M- M/2-
Zj M+ 1 2 1 0 M
1/2 1/2
400
3/2M- M/2-
Cj - Zj -2 0 1 0 0
3/2 1/2
13
 ↑ ingresa

E) Adición de una nueva actividad

Podemos considerar que la adición de una nueva actividad es una actividad no
básica que se inició originalmente en el modelo con todos los coeficientes cero en
la función objetivo y en las restricciones.

Los coeficientes de la nueva actividad representarán entonces los cambios de

cero a los nuevos valores.

Nueva actividad : xn+1

Coeficiente : cn+1
Columna de consumo : an+1

¿Conviene producir xn+1 ?

 x n 1  x 4  0; c 4  5
 3 
 
a4   1 
 1 
 

Calculamos:

x 4  B 1 .a 4  ?

 1/ 2 0  1/ 4   3   5/ 4 

1 '
    
x4  B a    1 / 2 1  1 / 4 
4  1     3/ 2 
 0 0 1/ 2   1   1/ 2 
     

 5/ 4 
1
 
cb .B .a  c4  (2,0,3)   3 / 4
'
4   5  1
     1/ 2 
Z3
 

 Zj – Cj < 0 ingresa x4 a la base.

cj 3 2 1 5 0 0 0
ck xk bi x1 x2 x3 x4 S1 S2 S3 θ
- 1/
2 x2 20 0 1 5/4 0 -1/4
1/4 2
0 S2 10 0 0 3/4 -3/4 - 1 -1/4
1/
14
 2
3 x1 60 1 0 3/2 1/2 0 0 1/2
Zj 220 3 2 4 4 1 0 1
Cj - Zj 0 0 -3 1 -1 0 -1
↑
ingre
sa

No se puede admitir una nueva actividad en la solución a menos que esta mejore
el valor de la función objetivo.

F) Adición de una nueva restricción.

La adición de una nueva restricción puede dar origen a una de dos condiciones:

1. La restricción satisface la solución actual y en este caso, la restricción es de no

enlace o redundante, y por lo tanto, su adición no altera la solución.

2. La solución actual no satisface la restricción por lo tanto se volverá de enlace y

la nueva solución tiene un valor menos óptimo de Z original.

Ejemplo: Sea la nueva restricción:

x1  70

 x1 + s4 = 70

Luego:

cj
ck xk bi x1 x2 x3 S1 S2 S3 S4
2 x2 20 0 1 -1/4 1/2 0 -1/4 0
0 S2 10 0 0 3/4 -1/2 1 -1/4 0
3 x1 60 1 0 3/2 0 0 1/2 0
0 S4 70 1 0 0 0 0 0 1


15
 debe ser “cero” para formar la matriz identidad, entonces se
multiplica el reglón x1  por -1 y luego se suma a los términos iniciales del reglón
S4 .

Así:
60(-1) + ; 1(-1)+ ; 0+ ; -3/2+ ; 0+ ; 0+ ; -1/2+ ; 0+
º 70 1 0 0 0 0 0 1
10 0 0 -3/2 0 0 -1/2 1

cj 3 2 1 0 0 0 0
ck xk bi x1 x2 x3 S1 S2 S3 S4
2 x2 20 0 1 -1/4 1/2 0 -1/4 0
0 S2 10 0 0 3/4 -1/2 1 -1/4 0
3 x1 60 1 0 3/2 0 0 1/2 0
0 S4 10 0 0 -3/2 0 0 0 1
Zj 220 3 2 4 1 0 1 0
cj - Zj 0 0 -3 -1 0 -1 0

La solución sigue siendo óptima.

Prob.
Utilizando holgura complementaria, y a su vez método gráfico resolver el
siguiente problema:

Min Z = 110X1 + 130X2 + 910X3 + 6480X4 + 11050X5

S.a:
X1 + 13X3 + 14X4 + 40X5 ≥ 30
X2 - 7X3 + 45X4 + 65X5 ≥ 60
 Xi ≥ 0

Solución

Primal:

Min Z = 110X1 + 130X2 + 910X3 + 6480X4 + 11050X5

S.a:
X1 + 13X3 + 14X4 + 40X5 ≥ 30………….W1
X2 - 7X3 + 45X4 + 65X5 ≥ 60……………W2
 Xi ≥ 0
Dual:

Max G = 30W1 + 60W2

S.a:
W1 ≤ 110
W2 ≤ 130
16
 13W1 – 7W2 ≤ 910
14W1 + 45W2 ≤ 6 480
40W1 + 65W2 ≤ 11 050
 Wi ≥ 0

Tabulaciones de los puntos extremos de la RSF del Método Gráfico:

Punto Valor
A(0,130) 7800
B(45,130) 9 150
Punto óptimo→ C(85.45,117.42) 9 608.7 ←Valor óptimo
D(110,102.31) 9 438.6
E(110,74.3) 7 758
F(70,0) 2 100
G(0,0) 0

La solución del dual por el método gráfico da los siguientes resultados:

Góptimo = 9608.7
W1 = 85.45
W2 = 117.42

Aplicando holgura complementaria:

o De la 1ra restricción del dual se obtiene:

W1 + S1 = 110 → S1 ≠ 0 → X1 = 0
o De la 2da restricción del dual se obtiene:

W2 + S2 = 130 → S2 ≠ 0 → X2 = 0

o De la 3ra restricción del dual se obtiene:

13W1 – 7W2 + S3 = 910→ S3 ≠ 0 → X3 = 0

o De la 4ta restricción del dual se obtiene:

14W1 + 45W2 + S4 = 6 480→ S4 = 0 → X3 ≠ 0

o De la 5ta restricción del dual se obtiene:

40W1 + 65W2 + S5 = 11 050→ S5 = 0 → X5 ≠ 0

Reemplazando en las restricciones del primal:

17
 X4 = 0.505662
X5 = 0.573033
Z óptimo = 9608.7

PROBLEMA
Fred Marvin administra la granja de su familia. Para complementar varios alimentos que se cultivan
en la granja, Fred también cría cerdos para venta y desea determinar las cantidades de los distintos
tipos de alimentos disponibles (maíz, grasas y alfalfa) que debe dar a cada cerdo. Como los cerdos
se comerán cualquier mezcla de estos tipos de alimento, el objetivo es determinar qué mezcla
cumple ciertos requisitos nutritivos a un costo mínimo. En la siguiente tabla se dan las unidades de
cada tipo de ingrediente nutritivo básico contenido en 1 kilogramo de cada tipo de alimento, junto
con los requisitos de nutrición diarios y los costos de los alimentos.

Ingrediente Kilogramo de Kilogramo de Kilogramo de Requisito

nutritivo maíz grasas alfalfa mínimo diario
Carbohidratos 90 20 40 940
Proteínas 30 80 60 450
Vitaminas 10 20 60 170
Costo (pesos) 68 76 78
a) Formular y resolver el problema. Utilice el método simplex.
b) Formular el Dual y elaborar el tablero óptimo dual a partir del tablero óptimo primal.
c) Determine el rango de variación para los coeficientes de la función objetivo y de los
términos del lado derecho
d) Si se desea incrementar la cantidad de carbohidratos en 22 unidades cuál sería la
contribución a la utilidad de la mezcla óptima. Usar análisis de sensibilidad.
e) El incremento de la producción de maíz en el mercado hace que el precio de la misma se
reduce un 40%, se modifica la mezcla óptima hallada en a)? justifique su respuesta
utilizando análisis de sensibilidad.
f) Se desea utilizar un cuarto tipo de alimento (afrecho) cuyo costo es de 56 pesos; se sabe que
cada kilogramo de la misma contiene 80 unidades de carbohidrato, 40 unidades de proteínas
y 20 unidades de vitaminas. Modifica la solución actual?. Si es así muestre la nueva
solución.
g) Si el requisito mínimo diario de proteínas es de 590 unidades, se modifica la solución actual;
si es así muestre la nueva solución óptima.
h) Si el contenido de ingredientes nutritivos por kilogramo de maíz se modifica a 80, 20 y 25
unidades de carbohidratos, proteínas y vitaminas respectivamente, muestre la nueva solución
si se modifica.

Solución

a) sea: Xi = cant.(kg) del alimento “i” utilizado en la mezcla ( i= 1, 2, 3)

F.O: minimizar el costo de la mezcla

Min Z = 68X1 + 76X2 + 78X3

s.a:
90X1 + 20X2 + 40X3 >= 940
18
 30X1 + 80X2 + 60X3 >= 450
10X1 + 20X2 + 60X3 >= 170
Tablero óptimo
Cj 68 76 78 0 0 0 -M -M -M
Ck Xk bi X1 X2 X3 e1 e2 e3 q1 q2 q3
78 X3 0.733 0 0 1 0.001 0.005 - - - 0.023
0.023 0.001 0.005
68 X1 9.81 1 0 0 - 0.001 0.007 0.012 - -0.007
0.012 0.001
76 X2 1.397 0 1 0 0.004 - 0.014 - 0.017 -0.014
0.017 0.004
Zj 830.31 68 76 78 - - - 0.434 0.864 0.254
0.434 0.864 0.254
Zj-Cj 0 0 0 0.434 0.864 0.254 M- M- M-
0.434 0.864 0.254
S1 S2 S3 W1 W2 W3
b) formulación del dual correspondiente:

Max G = 940 W1 + 450 W2 + 170 W3

s.a:
90 W1 + 30 W2 + 10 W3 <= 68
20 W1 + 80 W2 + 20 W3 <= 76
40 W1 + 60 W2 + 60 W3 <= 78

Tablero optimo dual:

Cj 68 76 78 0 0 0
Ck Xk bi X1 X2 X3 e1 e2 e3
78 S3 X3 0.723 0 0 1 0.001 0.005 -0.023
68 S1 X1 9.64 1 0 0 - 0.001 0.007
0.012
76 S2 X2 1.513 0 1 0 0.004 - 0.014
0.017
Zj 826.9 68 76 78 - - -0.21
0.433 0.863
Zj-Cj 0 0 0 0.433 0.863 0.21
S1 S2 S3 W1 W2 W3

bj 940 450 170 0 0 0

bk Wk Cj W1 W2 W3 s1 s2 S3
940 W1 0.43 1 0 0 - 0.004 0.001
0.012
450 W2 0.86 0 1 0 0.001 - 0.005
0.017
170 W3 0.21 0 0 1 0.007 0.014 -0.023
Gi 826.9 940 450 170 -9.64 - -0.723
1.513
Gi-bi 0 0 0 -9.64 - -0.723
1.513
19
 c) Sensibilidad
Coeficiente de la función objetivo:
V.B.: ( X1, X2 y X3)
Para X1:
Límite Superior:

 Z j  c j   0.863 
c j      863
a ij  aij   0.001 
0 

 Z j  c j   0.21 
c j     30 mínimo

 aij   0.007 
a ij 0

Límite Inferior:

 Z j  c j   0.433 
c j      36.08
 aij
a ij  0     0.012 

Luego:
68  36.08  C1  68  30

31.92  C1  98

d) Incrementar el contenido mínimo de carbohidratos, nos sugiere el incremento de un recurso

(bi), por lo que asociamos ésta al precio sombra para este recurso.
El precio sombra para este recurso corresponde al valor de Zj – Cj = 0.434, por lo que si el
incremento es de 22 unidades, entonces:
Z  9.548 sería la contribución a la utilidad.
e) El incremento de la producción de maíz en el mercado hace que el precio de la misma se reduce
un 40%, se modifica la mezcla óptima hallada en a)? justifique su respuesta utilizando análisis de
sensibilidad.
El precio actual del maíz es de 68 unidades, una reducción del 40% hace que el precio sea de
40.8 unidades. Del rango de variación para esta variable es 31.92  C1  98
Por lo que se encuentra dentro del rango de optimalidad, por lo que no se ve modificada la mezcla
óptima original.

f) Se desea utilizar un cuarto tipo de alimento (afrecho) cuyo costo es de 56 pesos; se sabe que cada
kilogramo de la misma contiene 80 unidades de carbohidrato, 40 unidades de proteínas y 20
unidades de vitaminas. Modifica la solución actual?. Si es así muestre la nueva solución.

Estamos en el caso de adición de una nueva actividad: ( X4)

Con coeficiente C4 = 56
Columna de consumo: a4
 80 
 
Entonces: a4   40 
 20 
 

Calculamos:

20
  0.001  0.005 0.023   80   0.18 
1 '
    
x4  B a   0.012  0.001  0.007   40    0.78 
4
  0.004  0.017 0.014  20   0.08 
    

 0.18 
1
 
cb .B .a  c4  (0.723,9.64,1.513)  0.78   56  7.77  56  48.22
'
4
     0.08 
Z4
 

 Zj – Cj < 0 ingresa x 4 a la base.

Iterando adecuadamente se obtiene una nueva solución óptima

Zopt. = 658.0000
Con:

X4 = 11.750
e2 = 20.00
e3 = 65.00

Problema
Fred Marvin administra la granja de su familia. Para complementar varios alimentos que se cultivan
en la granja, Fred también cría cerdos para venta y desea determinar las cantidades de los distintos
tipos de alimentos disponibles (maíz, grasas y alfalfa) que debe dar a cada cerdo. Como los cerdos
se comerán cualquier mezcla de estos tipos de alimento, el objetivo es determinar qué mezcla
cumple ciertos requisitos nutritivos a un costo mínimo. En la siguiente tabla se dan las unidades de
cada tipo de ingrediente nutritivo básico contenido en 1 kilogramo de cada tipo de alimento, junto
con los requisitos de nutrición diarios y los costos de los alimentos.

Ingrediente Kilogramo de Kilogramo de Kilogramo de Requisito

nutritivo maíz grasas alfalfa mínimo diario
Carbohidratos 90 20 40 940
Proteínas 30 80 60 450
Vitaminas 10 20 60 170
Costo (pesos) 68 76 78
a) Formular y resolver el problema. Utilice el método simplex.
b) Formular el Dual y elaborar el tablero óptimo dual a partir del tablero óptimo primal.
c) Determine el rango de variación para los coeficientes de la función objetivo y de los
términos del lado derecho
d) Si se desea incrementar la cantidad de carbohidratos en 22 unidades cuál sería la
contribución a la utilidad de la mezcla óptima. Usar análisis de sensibilidad.

21
 e) El incremento de la producción de maíz en el mercado hace que el precio de la misma se
reduce un 40%, se modifica la mezcla óptima hallada en a)? justifique su respuesta
utilizando análisis de sensibilidad.
f) Se desea utilizar un cuarto tipo de alimento (afrecho) cuyo costo es de 56 pesos; se sabe que
cada kilogramo de la misma contiene 80 unidades de carbohidrato, 40 unidades de proteínas
y 20 unidades de vitaminas. Modifica la solución actual?. Si es así muestre la nueva
solución.
g) Si el requisito mínimo diario de proteínas es de 590 unidades, se modifica la solución actual;
si es así muestre la nueva solución óptima.
h) Si el contenido de ingredientes nutritivos por kilogramo de maíz se modifica a 80, 20 y 25
unidades de carbohidratos, proteínas y vitaminas respectivamente, muestre la nueva solución
si se modifica.

a)

Variables de decisión:

X 1 : Cantidad de kilogramos de maíz

X 2 : Cantidad de kilogramos de grasas
X 3 : Cantidad de kilogramos de alfalfa

Función objetivo:

Min Z= 68 X 1 +76 X 2 +78 X 3

Restricciones:

90 X 1 +20 X 2 +40 X 3 ≥940

30 X 1 +80 X 2 +60 X 3 ≥450
60 X 1 +20 X 2 +60 X 3 ≥170

Usando el
Cj 68 76 78 0 0 0 0 0 0
método
simplex
Ck Xk bi X1 X2 X3 E1 E2 E3 Q3 Q2 Q1 obtenemos la
siguiente
tabla óptima:
68 X1 9.8 1 0 0 -1.23 1.37 6.85 -6.85 -1.37 1.23
x10-2 x10-3 x10-3 x10-3 x10-3 x10-2

76 X2 1.4 0 1 0 4.1 -1.71 1.44 -1.44 1.71 4.1

x10-3 x10-2 x10-2 x10-2 x10-2 x10-3

78 X3 0.73 0 0 1 6.85 5.48 -0.023 0.023 5.48 6.85

x10-4 x10-3 x10-3 x10-4

Zj 830.31 68 76 78 -0.47 -0.78 -0.2 0.2 0.78 0.2

22

Zj-Cj 0 0 0 -0.47 -0.78 -0.2 - - -

999.8 999.2 999.5
3
Y los siguientes resultados:

X 1 =9.8 Kg.
X 2 =1.4 Kg.
X 3 =0.73 Kg.
Min Z = 830.31 pes

b) formando el dual y obteniendo el tablero optimo dual partir del primal:

Max G= 940 W1 +450 W2 +170 W3

Restricciones:

90 W1 +30 W2 +10 W3 ≤68

20 W1 +80 W2 +20 W3 ≤76
40 W1 +60 W2 +60 W3 ≤78

Cj 940 450 170 0 0 0

bk Wk bi W1 W2 W3 S1 S2 S3

68 W1 0.47 1 0 0 1.23 -4.1 -6.85

2 3
 10  10  10 3
76 W2 0.78 0 1 0 -1.37 1.7 -5.48
3 2
 10  10  10 3

78 W3 0.2 0 0 1 -6.85 -1.44 0.023

4 2
 10  10
Gi 830.31 940 450 170 9.8 1.4 0.73

Gi-bi 0 0 0 9.8 1.4 0.73

23
Y los siguientes resultados:
W1 = 0.47

W2 = 0.78 Max G = 830.31

W3 =0.2

c)

Para determinar el rango de variación de los coeficientes de la función objetivo procedemos de la

siguiente forma:

Tomando en cuenta que X 1 , X 2 , X 3 son variables básicas , la forma de hallar los límites tanto
superior es la siguiente:

Zj  Cj
Cj 
a ij
Para X 1 sus límites son:

Superior Inferior
 0.47  0.78
Cj  = 38.2 Cj  =569.3
 1.23  10  2 1.37  10 3

 999.8 0.2
Cj  = 1459.35 Cj  =29.2
 6.85  10 3 6.85  10 3

 999.2  999.2
Cj  = 729343.1 Cj  =81235.8
 1.37  10 3 1.23  10  2

68 – 29.2 ≤ C1 ≤ 69 +38.2

38.8 ≤ C1 ≤106.2

Para X 2 sus límites son:

Superior

- 0.78
Cj  = 45.6
- 1.71  10  2

- 999.8
Cj  = 69430.5
 1.44  10  2

24
Inferior

 0.47  0.2
Cj  = 114.63 Cj  =13.88
4.1  10 3 1.44  10  2

- 999.53 - 999.2
Cj 
3 = 243787.8 Cj  =58432.74
4.1  10 1.71  10  2

76 – 13.88 ≤ C2 ≤ 76 + 45.6

62.12 ≤ C2 ≤121.6

Para X 3 sus límites son:

Superior
0. 2
Cj  = 8.69
 0.023

Inferior
 0.47
Cj  =686.13
6.85  10  4

 0.78
Cj  =142.33
5.48  10  3

78 – 8.69≤ C3 ≤ 78 + 142.33

-64.33≤ C3 ≤ 220.33

Para saber el rango de variación del lado derecho lo trabajaremos como los coeficientes de la
función objetivo del dual

Para W1 sus límites son:

Superior Inferior
1.4 9 .8
Cj  =341.46 Cj  = 796.75
 4.1  10 3 1.23  10  2

0.73
Cj  = 106.57
 6.85  10 3

143.25≤ W1 ≤1046.57

Para W2 sus límites son:

Superior Inferior

25
 9.8 1.4
Cj  = 7153.28 Cj  =82.35
1.37  10 3 1.7  10  2

0.73
Cj  = 133.21
 5.48  10 3

367.65≤ W2 ≤583.21

Para W3 sus límites son:

Superior Inferior
9.8 0.73
Cj  = 14306.6 Cj  =31.74
 6.85  10  4 0.023

1 .4
Cj  = 97.22
 1.44  10  2

138.26≤ W3 ≤267.22

d)
940  962 
 450   450 
Usando el análisis post-optimal: b  

 b´  
170  
170 

Se conoce, según la tabla optima la matriz B 1

 1.23  10 2 1.37  10 3 6.85  10 3 

 
B 1   4.1  10 3  1.71  10  2 1.44  10  2 
 6.85  10  4 5.48  10 3  0.023 

Entonces operando:

  1.23  10 2 1.37  10 3 6.85  10 3 

 3  962  10 .05 

B 1 × b´=  4.1  10  1.71  10  2 1.44  10  2  ×  450 

  = 1.3




170   0.79
 

 6.85  10  4 5.48  10 3  0.023 


X 1 = 10.05Kg.
X 2 =1.3 Kg.
X 3 =0.79 Kg.

Remplazando en la función objetivo obtenemos: Min Z= 824.98 pesos

e)

Si los precios se reducen quiere decir que los coeficientes de la función objetivo han disminuido,
veremos si esta variación se encuentra dentro del rango anteriormente hallado:

26
 Cj´ ( X 1 )= 40.8
Cj´ ( X 2 )=45.6
Cj´ ( X 3 )=46.8

Vemos que para el caso de X 1 y X 3 se encuentran dentro del rango de variación, pero X 2 esta
fuera del rango (62.12 ≤ C2 ≤121.6) así que la solución óptima cambia.

f)

Si aumentamos un cuarto tipo de alimento tendremos:

Cj ( X 4 )= 56

80 
a4   40 
 

 20 


Usando el método simplex obtenemos la siguiente tabla óptima:

Cj 68 76 78 56 0 0 0 M M M

Ck Xk bi X1 X2 X3 X4 E1 E2 E3 Q3 Q2 Q1

M E2 20 15 -70 -40 0 -0.5 1 0 0 -1 0.5

M E3 65 12.5 15 -50 0 -0.25 0 1 -1 0 0.25

56 X4 11.75 1.125 0.75 0.5 1 -1.25 0 0 0 1 0.25

 10 2
Zj 657.9 63 14 28 56 -0.7 0 0 0 0 0.7

Zj-Cj -5 -62 -50 0 -0.7 0 0 -1000 -1000 -999.3

Min Z= 657.9 pesos

g)
940  940 
b   450 b´ 590 
   

170 
 
170 


Se conoce, según la tabla optima la matriz B 1

27
   1.23  102 1.37  10 3 6.85  10 3 
 
B 1   4.1  10  3  1.71  10  2 1.44  10  2 
 6.85  10  4 5.48  10  3  0.023 
 
Entonces operando:

 1.23  10 2 1.37  10 3 6.85  10 3 

 3  940  9.59 

B 1 × b´=  4.1  10  1.71  10  2 1.44  10  2  × 590 

  = 3.79 
 
  0.03 

 6.85  10  4  0.023 
170  
5.48  10  3
 

X 1 = 9.59Kg.

X 2 =3.79Kg.
X 3 =0.03Kg.

Remplazando en la función objetivo obtenemos: Min Z= 942.5 pesos

h)
Función objetivo:

Min Z= 68 X 1 +76 X 2 +78 X 3

Restricciones:

80 X 1 +20 X 2 +40 X 3 ≥940

20 X 1 +80 X 2 +60 X 3 ≥450
25 X 1 +20 X 2 +60 X 3 ≥170

Usando el método simplex obtenemos la siguiente tabla óptima:

Cj 68 76 78 0 0 0 0 0 0

Ck Xk bi X1 X2 X3 E1 E2 E3 Q3 Q2 Q1

0 E2 16.32 0 0 -38.3 -0.26 - 1 1 0.183 0.27

0.183

76 X2 2.86 0 1 0.66 003.3 - 0 0 01.37 -003.33

3 01.33

28
78 X1 11.03 1 0 0.33 - 003.3 0 0 -003.33 01.33
01.33 3

Zj 968.1 68 76 73.3 - -0.79 0 0 0.79 0.65

0.653

Zj-Cj 0 0 -4.66 - -0.79 0 -1000 - -999.35

0.653 999.213

Min Z= 968.1 pesos

Problema

Se fabrica dos productos (indicados por P1 y P2) procesando materia prima. Se puede comprar
hasta 90 Ton. semanales de materia prima a un costo de 10 Euros/Ton. Para producir 1 Ton del
producto P1 se necesita 1 Ton de materia prima y se requieren 2 horas de mano de obra; y para
producir una Ton del producto 2 se necesitan 0.33 Ton de materia prima y 3 horas de mano de obra.
Otros datos del problema son: se dispone de 200 horas semanales de mano de obra y se pueden
vender como mucho 40 Ton del producto P2. Por último, el producto P1 se vende a 13 Euros/Ton, y
el producto P2 a 40 Euros/Ton. Se pide:

(a) Formular el problema de planificación de la producción para maximizar los ingresos semanales.
(b) Resolver el problema usando el método simplex y obtener una solución óptima, así como otras
variables de interés (costos reducidos, holguras, precios sombra y rangos de optimalidad).
(c) Si se pudieran comprar solamente 87 Ton de materia prima, ¿cual sería el beneficio semanal?
(d) Si se vendiera el producto P2 a 39.50 Euros/Ton >cual sería la nueva solución óptima?
(e) ¿Cuál sería la máxima cantidad que se debería pagar por otra Ton adicional de materia prima?
(f) ¿Cuál sería la máxima cantidad que se debería pagar por cada hora adicional de mano de obra?

Problema

Se fabrica dos tipos de radio. El único recurso escaso que se necesita para producir las radios es la
mano de obra. Actualmente la compañía tiene dos trabajadores. El trabajador 1 está dispuesto a
trabajar hasta 40 horas semanales, y se le paga a 20 Euros la hora. El trabajador 2 está dispuesto a
trabajar hasta 50 horas a la semana y se le paga a 24 Euros la hora. En la siguiente tabla aparecen
los precios de venta de las radios, el coste de las materias primas y los recursos de mano de obra
necesarios para producir una unidad da cada radio.

Se pide:
a) Formular el modelo de PL para maximizar las ganancias de la próxima semana.
b) Resolver el problema con uno de PL y obtener todas las salidas de interés (variables, objetivo,
holguras, precios sombra y rangos).
c) Para qué valores del precio de venta de la radio de tipo 1 la solución sigue siendo óptima? Lo
mismo para la radio 2.
d) Si el trabajador 1 estuviera dispuesto a trabajar sólo 30 horas semanales, ¿Cuáles serían las
ganancias semanales?
e) ¿Cuánto debería pagarse como máximo por cada hora adicional de cada trabajador?

29