Teoría de Dualidad y Análisis de

Sensibilidad
Investigación de Operaciones I
Programa de Ingeniería Industrial

Ing. Katherinne Salas Navarro, MSc., PhD(c)

DUALIDAD
 La dualidad es uno de los descubrimientos de gran importancia para el
desarrollo de la programación lineal, ya que con el conjunto de datos
originales se puede encontrar al mismo tiempo la solución primal y dual.
 Se caracteriza porque para todo problema de maximización de
programación lineal existe un problema equivalente de minimización, y a
la inversa para todo problema de minimización de programación lineal
existe un problema equivalente de maximización.
DEFINICIÓN PROBLEMA DUAL
 El problema dual es una programación lineal definida en forma directa y
sistemática a partir del modelo original (o primal) de programación lineal. Los
dos problemas están relacionados en forma tan estrecha que la resolución
óptima de un problema produce en forma automática la resolución óptima del
otro.
 El problema dual se define para varias formas del primal, dependiendo del
sentido de la optimización (maximización o minimización), tipos de restricciones
(≤, ≥o =), y la orientación de las variables (no negativa o no restringida)
 DEFINICIÓN PROBLEMA DUAL
 Para mostrar cómo se forma el problema dual, se define el primal en forma de ecuación como sigue:

Las variables 𝑋𝑗 , 𝑗 = 1,2, … , 𝑛 incluyen las variables excedentes, holguras y artificiales, si las hay.
 Se define una variable dual por cada ecuación primal (restricción).
 Se define una restricción dual por cada variable primal.
 Los coeficientes de restricción (columna) de una variable primal definen los coeficientes en el lado
izquierdo de la restricción dual, y su coeficiente objetivo define el lado derecho.
 Los coeficientes objetivo del dual son iguales al lado derecho de las ecuaciones de restricción
primal.
PROBLEMA PRIMAL-DUAL
Relaciones entre el modelo primal y el dual
 El número de variables (𝑌𝑖 )del problema dual es igual al número de restricciones del
primal.
 Los coeficientes de la función objetivo en el problema dual corresponden a los recursos
disponibles del problema primal.
 Si el problema original es un modelo de maximización, el dual es un modelo de
minimización, y a la inversa: si el problema primal es de minimización, el dual es un
modelo de maximización.
 Los coeficientes de 𝑎𝑖𝑗 del problema dual son los mismos, pero transpuestos del problema
primal.
 Los términos independientes de las restricciones del modelo dual corresponde a los
coeficientes de las variables de la función objetivo en el problema primal.
Relaciones entre la solución del modelo primal
y el dual
 Las variables básicas del dual corresponden a las variables no básicas del primal.
 Las variables de holgura del dual corresponden a las variables físicas del primal.
 Las variables del dual corresponden a las variables de holgura en el primal y viceversa.
 El Z óptimo del dual corresponde al Z óptimo del primal, y viceversa.
 Los valores de las variables básicas del dual corresponden al 𝐶𝑗 − 𝑍𝑗 (criterio de
optimización, costos reducidos o precios sombra) en el primal, y viceversa. Debe tenerse en
cuenta el signo en la equivalencia de relaciones, teniendo en cuenta el criterio de
optimización.
 Los 𝑍𝑗 (Costos de oportunidad) del dual corresponden a los 𝐵𝑖 del primal, y viceversa.
 Los 𝑎𝑖𝑗 del dual corresponden a los 𝑎𝑖𝑗 del primal, transpuestos y con signo contrario.
 Debe aclararse que las columnas de variables artificiales se ignoran en el análisis dual.
Ejemplo Problemas Primal y Dual
Ejemplo Problemas Primal y Dual
Problema Primal
𝑋1 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜𝑠 𝑑𝑒 𝑎𝑟𝑡𝑒𝑠𝑎𝑛í𝑎𝑠 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠
𝑋2 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜𝑠 𝑑𝑒 𝑐𝑢𝑒𝑟𝑜 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠

𝑍 𝑚𝑎𝑥 = 150𝑋1 + 60𝑋2

Sujeto a:
100𝑋1 + 25𝑋2 ≤ 2400 𝑚á𝑥𝑖𝑚𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒
100𝑋1 + 100𝑋2 ≤ 4000 𝑚á𝑥𝑖𝑚𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑝𝑖𝑡𝑎𝑙 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒 𝑒𝑛 𝑢𝑛 𝑚𝑒𝑠
𝑋1 , 𝑋2 ≥ 0 (𝑐𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 𝑑𝑒 𝑛𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑)

Estandarización del modelo

𝑍 𝑚𝑎𝑥 = 150𝑋1 + 60𝑋2 + 0𝑆1 + 0𝑆2
Sujeto a:
100𝑋1 + 25𝑋2 + 𝑆1 = 2400
100𝑋1 + 100𝑋2 + 𝑆2 = 4000
Ejemplo Problemas Primal y Dual

 Solución del modelo primal utilizando el método simplex

Cj 150 60 0 0
Ci VB Bi X1 X2 S1 S2 Oi
0 S1 2400 100 25 1 0 24
0 S2 4000 100 100 0 1 40
Zj 0 0 0 0 0
Cj-Zj - 150 60 0 0 𝑋1 = 18,6 unidades
de artesanías que se
deben vender y
Cj 150 60 0 0
fabricar
Ci VB Bi X1 X2 S1 S2 Oi
150 X1 24 1 0,25 0,01 0 96 𝑋2 = 21,3 unidades
0 S2 1600 0 75 -1 1 21,3 de productos de cuero
Zj 3600 150 37,5 1,5 0 que se deben fabricar
Cj-Zj - 0 22,5 -1,5 0 y vender

Cj 150 60 0 0
Ci VB Bi X1 X2 S1 S2 Oi
150 X1 18,67 1 0 0,01 -0,01
60 X2 21,33 0 1 -0,01 0,01
Zj 4080 150 60 0,9 -0,9
Cj-Zj - 0 0 -1,2 0,3
Ejemplo Problemas Primal y Dual
Problema Primal
Modelo Primal Modelo Dual
𝑋1 2400
𝑍 𝑚𝑎𝑥 = [3,5] 𝑍 𝑚𝑖𝑛 = 𝑌1 , 𝑌2
𝑋2 4000
Sujeto a: Sujeto a:
100 25 𝑋1 2400 100 25
≤ 𝑌 , 𝑌 ≤ [3,5]
100 100 𝑋2 4000 100 100 1 2
𝑌1 , 𝑌2 ≥ [0,0]
𝑋1 0
≥
𝑋2 0
Modelo Primal Modelo Dual
𝑍 𝑚𝑎𝑥 = 150𝑋1 + 60𝑋2 𝑍 𝑚𝑖𝑛 = 2400𝑌1 + 4000𝑌2
Sujeto a: Sujeto a:
100𝑋1 + 25𝑋2 ≤ 2400 100𝑌1 + 100𝑌2 ≥ 150
100𝑋1 + 100𝑋2 ≤ 4000 25𝑌1 + 100𝑌2 ≥ 60
𝑋1 , 𝑋2 ≥ 0 𝑋1 , 𝑋2 ≥ 0
Niveles de rentabilidad óptima Niveles de oportunidad óptimo
Ejemplo Problemas Primal y Dual
Solución del modelo dual utilizando el método simplex
Cj 2400 4000 0 0 M M
Ci VB Bi Y1 Y2 S1 S2 A1 A2 Oi
M A1 150 100 100 -1 0 1 0 1,5
M A2 60 25 100 0 -1 0 1 0,6
Zj 210M 125M 200M -M -M M M 𝑌1 = 1,2 precio de cada
Cj-Zj - 2400 -125M 4000 -200M M M 0 0 unidad monetaria actual
𝑌2 = 0,3 precio de cada
unidad monetaria dentro de
Cj 2400 4000 0 0 M M
un mes
Ci VB Bi Y1 Y2 S1 S2 A1 A2 Oi
M A1 90 75 0 -1 1 1 -1 1,2
4000 Y2 0,6 0,25 1 0 -0,01 0 0,01 2,4
Zj 2400 +90M 1000 +75M 4000 0 -M 40 +M 0 +M 40 -M 𝑆1 = 18,6 unidades
Cj-Zj - 1400 -75M 0 M 40 -M 0 -40 +2M de artesanías que se
deben vender y
Cj 2400 4000 0 0 M M
fabricar
Ci VB Bi Y1 Y2 S1 S2 A1 A2 Oi 𝑆2 = 21,3 unidades
2400 Y1 1,2 1 0 -0,013 0,013 0,013 -0,013 de productos de cuero
4000 Y2 0,3 0 1 0,013 -0,013 -0,013 0,013 que se deben fabricar
Zj 4080 2400 4000 -18,67 -21,33 18,67 21,33 y vender
Cj-Zj - 0 0 18,67 21,33 M -18,67 M -21,33
Relación Solución Primal-Dual
Interpretación económica de variables duales

Desde el punto de vista de modelo de asignación de recursos, el problema primal

tiene n actividades económicas y m recursos. El coeficiente 𝑐𝑗 del primal representa
la utilidad por unidad de actividad j. El recurso i, cuya disponibilidad máxima es
𝑏𝑖 , se consume con la tasa de 𝑎𝑖𝑗 unidades por unidad de actividad j.
Interpretación económica de variables duales

La igualdad estricta 𝑧 = 𝑤 es valida cuando las soluciones primal y dual son

óptimas ambas.

Los precios sombra (costos de oportunidad) del recurso i (denotados por 𝑌𝑖 ) miden
el valor marginal de este, es decir, la tasa a la que Z puede aumentar si incrementa
(un poco) la cantidad que se proporciona de este recurso 𝐵𝑖 .
Importancia de las soluciones primal-dual frente a
los costos de oportunidad
 El valor óptimo obtenido a partir del problema primal (venta de
productos, venta de servicios, valor presente neto total de
alternativas, etc.)
 Valor óptimo de recursos escasos de la solución del problema dual
(venta de recursos, arriendo de recursos, otros planes de inversión,
intereses)
 Costos de oportunidad del mercado (estos costos son los precios que
ha fijado la mano invisible en el mercado, y es lo que ofrecen los
compradores por los recursos escasos no utilizados)
Importancia de las soluciones primal-dual frente a
los costos de oportunidad
Nivel Óptimo Primal Nivel Óptimo Dual
Aquí se presentan los valores Aquí se presentan los valores
óptimos del modelo primal: óptimos del modelo dual o los
- Z óptimo valores mínimos que está
- Utilidad por unidad de dispuesto a aceptar el
producto o servicio administrador de los recursos
- Recursos usados por unidad escasos para arrendarlos o
- Recursos disponibles venderlos
A B
Importancia de las soluciones primal-dual

Nivel Óptimo Primal Nivel Óptimo Dual

𝑍1 𝑚𝑎𝑥 = 4080 𝑍 𝑚𝑖𝑛 = 4080

𝐶1 = 150 ; 𝐶2 = 60 𝑌1 = 1,2
𝑎11 = 100 ; 𝑎12 = 25 𝑌2 = 0,3
𝑎21 = 100 ; 𝑎22 = 100
𝐵1 = 2400 ; 𝐵2 = 4000
𝑋1 = 18,6 ; 𝑋2 = 21,3
Casos Especiales Problema Dual
Casos Especiales
Modelo Primal
𝑍 𝑚𝑎𝑥 = 2𝑋1 − 3𝑋2 + 10𝑋3 + 20𝑋4
3𝑋1 + 2𝑋2 − 3𝑋3 + 𝑋4 ≤ 180
𝑋1 + 3𝑋3 + 4𝑋4 ≥ 100
𝑋1 + 2𝑋2 = 40
𝑋1 , 𝑋2 , 𝑋3 , 𝑋4 ≥ 0

El problema de maximización para poder ser llevado al modelo dual es necesario, primero,
convertir todas las desigualdades e igualdades a menor o igual (≤).
 La primera restricción cumple con la condición de ser menor o igual.

 La segunda restricción debe multiplicarse por (-1) para que cumpla con el modelo de
maximización.
 La tercera restricción es una igualdad, la cual genera dos restricciones antes de ser
llevada al modelo dual, una de tipo (≤) y otra (≥).Ésta última se debe convertir en (≤)
multiplicando toda restricción por (-1).
Casos Especiales
 En el análisis dual debe tenerse en cuenta que si un modelo es de
maximización, todas sus restricciones deben ser de tipo menor igual
antes de ser llevadas al modelo dual; y si el modelo primal es de
minimización, todas las restricciones deben ser mayores iguales antes
de ser llevadas al modelo dual.
 Ambos modelos (primal, dual) pueden tener o no solución.
 Si el modelo primal tiene solución ilimitada o no acotada, el modelo
dual no tendrá solución.
 Las columnas de las variables artificiales no tienen significado para el
análisis dual, por lo tanto no se deben tener en cuenta.
Análisis de Sensibilidad
ANÁLISIS DE SENSIBILIDAD
 Busca investigar los efectos producidos por los cambios del entorno sobre el sistema.
 Es un método que permite investigar los efectos producidos por los cambios en los
valores de los diferentes parámetros sobre la solución óptima.
 El análisis de sensibilidad se lleva a cabo en:
 Cambios en los niveles de recursos escasos (variación de los Bi)
 Cambios en los coeficientes de la función objetivo (coeficientes de variables básicas y coeficientes
de las variables no básicas)
 Cambios en los coeficientes tecnológicos (variaciones en las Aij para las variables básicas y no
básicas)
 Supresión o adición de restricciones
 Adición de nuevas variables
ANÁLISIS DE SENSIBILIDAD
 El análisis de sensibilidad consiste, en esencia, en la investigación del
efecto que tiene sobre la solución óptima el hecho de hacer cambios
en los valores de los parámetros del modelo 𝑎𝑖𝑗 , 𝑏𝑖 y 𝐶𝑗 .
 Análisis de Sensibilidad Gráfica
 Análisis de Sensibilidad Algebraica
 Análisis de Sensibilidad Gráfica
La sensibilidad de la solución óptima a los cambios de la
disponibilidad de los recursos (lado derecho de las restricciones).
Ejemplo:
JOBCO fabrica dos productos en dos máquinas. Una unidad del
producto 1 requiere 2 horas en la máquina 1, y 1 hora en la máquina
2. Una unidad del producto 2 requiere 1 hora en la máquina1, y 3
horas en la máquina 2. Los ingresos por unidad de los productos 1 y
2 son de $30 y $20, respectivamente. El tiempo de procesamiento
diario tota disponible en cada máquina es de8 horas.
 Análisis de Sensibilidad Gráfica
 La sensibilidad de la solución óptima a los
cambios en la utilidad unitaria o el costo
unitario (coeficientes de la función objetivo).
Ejemplo
 El óptimo ocurre en el punto C (𝑥1 = 3.2, 𝑥2 =
1.6, 𝑍 = 128). Los cambios en unidades de
ingresos (es decir, los coeficientes de la función
objetivo) modificarán la pendiente de z. Sin
embargo, como puede verse en la figura, la
solución óptima en el punto C no cambia en tanto
la función objetivo quede entre las líneas BF y DE.
Análisis de Sensibilidad Algebraica
Cambios en los Recursos
 Se busca un rango de factibilidad para el cual la solución sigue siendo
óptima y solamente se vea afectada la columna de los recursos Bi, donde
aparecen los valores de las variables básicas y el valor de la función
objetivo.
 Procedimiento: A partir de la solución óptima y tomando los valores de las
variables básicas sumarle algebraicamente el coeficiente Aij multiplicado
por el incremento Di, positivo o negativo, según el aumento o disminución
del nivel del recurso en estudio. Luego, a estas expresiones se les aplica el
criterio de factibilidad, es decir, las expresiones resultantes deben ser >=0
y finalmente se establece el rango de factibilidad.
 Análisis de Sensibilidad Algebraica
Cambios en los Recursos
Solución Óptima D1 D2 D3
𝑍 𝑚𝑎𝑥 = 185𝑋1 + 200𝑋2 + 145𝑋3
Cj 185 200 145 0 0 0
Sujeto a: Ci VB Bi X1 X2 X3 S1 S2 S3 Oi
0.05𝑋1 + 0.05𝑋2 + 0.05𝑋3 ≤ 1100 185 X1 8000 1 0 1 40 -20 0
200 X2 14000 0 1 0 -20 20 0
0.05𝑋1 + 0.10𝑋2 + 0.05𝑋3 ≤ 1800 0 S3 500 0 0 -0.05 -3 1 1
0.10𝑋1 + 0.05𝑋2 + 0.05𝑋3 ≤ 2000 Zj 4280000 185 200 185 3400 300 0
𝑋1 , 𝑋1 , 𝑋1 ≥ 0
Cj-Zj 0 0 -40 -3400 -300 0

1. A los valores de las variables básicas se le suma el producto de DiAij asá:

𝑋1 =8000+40D1
Solución Óptima D1 D2 D3
𝑋2 =14000-20D1
𝑆3 =500-3D1 Cj 185 200 145 0 0 0
Ci VB Bi X1 X2 X3 S1 S2 S3 Oi
𝑍 𝑚𝑎𝑥 =4280000+3400D1 185 X1 8000+D1 1 0 1 40 -20 0
200 X2 14000-20D1 0 1 0 -20 20 0
0 S3 500-3D1 0 0 -0.05 -3 1 1

Zj 4280000+3400D1 185 200 185 3400 300 0

2. Se requiere: Cj-Zj 0 0 -40 -3400 -300 0
8000+40D1 ≥ 0 entonces D1≥-200
14000-20D1 ≥ 0 entonces D1≤700
500-3D1 ≥ 0 entonces D1≤166.67 Se selecciona como límite inferior -200 y límite superior 166.67, es decir, que se puede reducir el
recurso 1 en 200 toneladas y se puede incrementar hasta en 166.67 toneladas, sin que la combinación óptima de las variables básicas varíen.
Análisis de Sensibilidad Algebraica
Cambios en los Recursos
 Precios duales e intervalos de factibilidad tienen que ver con los cambios del lado derecho de las
restricciones. D1 D2 D3

Cj 3 2 5 0 0 0
Ci VB Bi X1 X2 X3 S1 S2 S3 Oi
2 X2 100 0.25 1 0 0.5 -0.25 0
5 X3 230 0.5 0 1 0 0.5 0
0 S3 20 0 0 0 -2 1 1

Zj 1350 3 2 5 1 2 0

Cj-Zj 0 0 0 -1 -2 0

𝑍 = 1350 + 𝐷1 + 2𝐷2

𝑋2 = 100 + 0.5𝐷1 − 0.25𝐷2 ≥ 0

𝑋3 = 230 + 0.5𝐷2 ≥ 0

𝑆3 = 20 − 2𝐷1 + 𝐷2 + 𝐷3 ≥ 0
Análisis de Sensibilidad Algebraica
Cambios en los Recursos
Intervalo de factibilidad
 Para ilustrar el uso de estas condiciones, suponga que el tiempo de

fabricación disponible para las operaciones 1, 2 y 3 son de 480, 440 y

400 minutos, respectivamente. Entonces, D1 = 480 – 430= 50, D2=440
– 460 = -20 y D3 = 400 – 420 = -20.
 Sustituyendo en las condiciones de factibilidad, obtenemos

𝑋2 = 100 + 0.5 50 − 0.25 −20 = 130 > 0 𝑓𝑎𝑐𝑡𝑖𝑏𝑙𝑒

𝑋3 = 230 + 0.5 −20 = 220 > 0 𝑓𝑎𝑐𝑡𝑖𝑏𝑙𝑒
𝑆3 = 20 − 2 50 − 20 − 10 = −110 < 0 𝑛𝑜 𝑓𝑎𝑐𝑡𝑖𝑏𝑙𝑒
Análisis de Sensibilidad Algebraica
Cambios en los Recursos
Precios duales e Intervalos de factibilidad
 Un cambio del tiempo de la operación 1 sólo implica que D2=D3=0.

Por tanto, las condiciones simultáneas se reducen a

Análisis de Sensibilidad Algebraica
Función Objetivo
 Coeficientes de las Variables No Básicas: se busca saber cuál es el impacto de la
variación de los coeficientes sobre el Z óptimo y cuál es el rango de Optimalidad
que permita que la solución inicial siga siendo óptima al mantenerse el Criterio de
Optimalidad.
 Rango de Optimalidad: el costo reducido debe seguir siendo negativo para problemas
de maximización, es decir, que Cj-Zj debe ser menor o igual a cero.
 Coeficientes de variables básicas: se busca saber el rango de valores que puede
tomar el coeficiente de una variable que es básica, ya sea por disminución o
incremento, para que la solución siga siendo óptima.
 Rango de Optimalidad: el costo reducido debe seguir siendo negativo para problemas
de maximización, es decir, que Cj-Zj debe ser menor o igual a cero.
Análisis de Sensibilidad Algebraica
Función Objetivo
 Costo reducido:

 Con la definición dada de costo reducido, podemos ver que una variable no rentable
puede hacerse rentable de dos maneras:
 Incrementando el ingreso unitario.
 Reduciendo el costo unitario de los recursos consumidos.
 En la mayoría de las situaciones, las condiciones del mercado dictan el precio por
unidad y puede ser difícil incrementarlo a voluntad. Por otra parte, una opción más
viable es reducir el consumo de recursos porque el fabricante puede reducir el costo
si hace que el proceso de producción sea más eficiente.
Análisis de Sensibilidad Algebraica
Modificación de la decisión de producción
 Cuando se tienen restricciones de tipo≤, las variables que permiten romper esta desigualdad son
variables de holgura, y representan los recursos disponibles, por lo tanto si en tablero óptimo son
variables básicas, esto equivale a decir que hay un sobrante de recurso que no se ha utilizado en el
proceso.
 Si Aij es el coeficiente de una variable no básica (variable original del problema) y a su vez es la
intersección con una variable de holgura que es básica, significa la tasa en que la variable de holgura
(variable básica) puede convertirse en variable no básica.
 Un Aij positivo significa que el valor de la variable básica disminuye al aumentar el valor de la
variable no básica; y a su vez, si el Aij es negativo, significa que el valor de la variable básica
aumentará al aumentar el valor de la variable no básica.
 Análisis de Sensibilidad Algebraica
Modificación de la decisión de producción
Variables • La variable X1 (fertilizante 1) disminuye en la misma proporción con que
X3
básicas aumenta X3 (fertilizante 3).
X1 1 • La variable X2 (fertilizante) no se puede sustituir por X3 (fertilizante 3),
X2 0 ya que la tasa de disminución es cero.
S3 -0.05 • Si se produce una unidad de fertilizante 3 (X3), entonces se requiere que
Cj-Zj -40
el recurso 3 disminuya en 0.05 toneladas.

Valor actual (Zj o

Variables Límite Límite
Valores Costos reducidos o
físicas inferior superior
Precios Sombra)
Fertilizante o materia Plan inicial de Plan nuevo de
X1 80000 145 185 200
prima producción producción
X2 14000 185 200 370
X3 0 - 145 185 Fertilizante 1 (X1) 8000 7000
Variables de Fertilizante 1 (X1) 14000 14000
holgura Fertilizante 1 (X1) 0 1000
S1 0 - 0 3400
Recurso 3 (S3) 500 550
S2 0 - 0 300
S3 500 - 0 800
Bibliografía
 Hillier, F. Lieberman, G. Introducción a la Investigación de Operaciones.
Decima Edición. Editorial McGraw Hill. 2015.
 Taha, Hamdy A Investigación de operaciones / México : Pearson
Educación, 2004.
 León González, Ángel Manual práctico de investigación de operaciones
/ Barranquilla : Uninorte, 1994