Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sensibilidad
Objetivo:
Aplicar el concepto de Dualidad en el
análisis post optimal.
Dualidad y Análisis de Sensibilidad
• La solución óptima de una programación lineal se basa
en las condiciones que prevalecen en el momento de
formular y resolver el modelo.
primal dual
Min Max
z c1 x1 c2 x2 cn xn w b1 y1 b2 y2 bm ym
Sujeto _ a : Sujeto _ a :
a11 x1 a12 x2 a1n xn b1 a11 y1 a21 y2 am1 ym c1
a21 x1 a22 x2 a2 n xn b2 a21 y1 a22 y2 am 2 ym c2
am1 x1 am 2 x2 amn xn bm an1 y1 an 2 y2 anm ym cn
x1 , x2 , xn 0 y1 , y2 , ym 0
La función objetivo cambia al pasar de primal a dual y vice versa
Se crea una variable dual por cada restricción del problema primal. La
cantidad de restricciones del primal es la cantidad de variables del dual
DUALIDAD
Relaciones entre los problemas primal y dual
primal dual
Min Max
z c1 x1 c2 x2 cn xn w b1 y1 b2 y2 bm ym
Sujeto _ a : Sujeto _ a :
a11 x1 a12 x2 a1n xn b1 a11 y1 a21 y2 am1 ym c1
a21 x1 a22 x2 a2 n xn b2 a21 y1 a22 y2 am 2 ym c2
am1 x1 am 2 x2 amn xn bm an1 y1 an 2 y2 anm ym cn
x1 , x2 , xn 0 y1 , y2 , ym 0
Los lados derechos de las restricciones primales pasan a ser los coeficientes
de la función objetivo del dual
Los coeficientes de la función objetivo primal serán los lados derechos de las
restricciones del problema dual
DUALIDAD
Relaciones entre los problemas primal y dual
primal dual
Min Max
z c1 x1 c2 x2 cn xn w b1 y1 b2 y2 bm ym
Sujeto _ a : Sujeto _ a :
a11 x1 a12 x2 a1n xn b1 a11 y1 a21 y2 am1 ym c1
a21 x1 a22 x2 a2 n xn b2 a21 y1 a22 y2 am 2 ym c2
am1 x1 am 2 x2 amn xn bm an1 y1 an 2 y2 anm ym cn
x1 , x2 , xn 0 y1 , y2 , ym 0
Los coeficientes de restricción por columna del primal pasan a ser los
coeficientes de restricción por renglón del problema dual. La cantidad
de variables del problema primal corresponderá a la cantidad de restricciones
del problema dual.
Reglas para construir el problema
Dual
Metodología:
Primal Dual
(min, variables≥0, restricciones ≥) (max, restricciones ≤, variables≥0)
Min
z 5 x1 4 x2
S . A. Max
6 x1 4 x2 24 w 24 y1 6 y2 y3 2 y4
x1 2 x2 6 S . A.
x1 x2 1 6 y1 y2 y3 5
x2 2 4 y1 2 y2 y3 y4 4
x1 , x2 0 y1 , y2 , y3 , y4 0
DUALIDAD
Ejemplo 2 de transformación del primal al dual
Primal Dual
(max, variables≥0, restricciones ≥) (min, restricciones ≥, variables≤0)
Max
z 5 x1 4 x2
S . A. Min
6 x1 4 x2 24 w 24 y1 6 y2 y3 2 y4
x1 2 x2 6 S . A.
x1 x2 1 6 y1 y2 y3 5
x2 2 4 y1 2 y2 y3 y4 4
x1 , x2 0 y1 , y2 , y3 , y4 0
DUALIDAD
Ejemplo 3 de transformación del primal al dual
Primal Dual
(min, variables≥0, restricciones ≤) (max, restricciones ≤, variables≤0)
Min
z 5 x1 4 x2
S . A. Max
6 x1 4 x2 24 w 24 y1 6 y2 y3 2 y4
x1 2 x2 6 S . A.
x1 x2 1 6 y1 y2 y3 5
x2 2 4 y1 2 y2 y3 y4 4
x1 , x2 0 y1 , y2 , y3 , y4 0
DUALIDAD
Ejemplo 4 de transformación del primal al dual
Primal Dual
(max, variables≥0, restricciones ≤) (min, restricciones ≥, variables≥0)
Max
z 5 x1 4 x2
S . A. Min
6 x1 4 x2 24 w 24 y1 6 y2 y3 2 y4
x1 2 x2 6 S . A.
x1 x2 1 6 y1 y2 y3 5
x2 2 4 y1 2 y2 y3 y4 4
x1 , x2 0 y1 , y2 , y3 , y4 0
DUALIDAD
Ejemplo 5 de transformación del primal al dual
Primal Dual
(max, variables≥0, restricciones =) (min, restricciones ≥, variables no
restringidas)
Max
z 5 x1 4 x2
Min
S . A.
w 24 y1 6 y2 y3 2 y4
6 x1 4 x2 24
S . A.
x1 2 x2 6
6 y1 y2 y3 5
x1 x2 1
4 y1 2 y2 y3 y4 4
x2 2
y1 , y2 , y3 , y4 : no _ restringid as
x1 , x2 0
DUALIDAD
Problema 1
Plantee el problema dual de este problema primal
Primal Dual
(max, variables≥0, restricciones ≤) (min, variables≥0, restricciones ≥)
Max Min
z 3 x1 2 x2 x3 w 7 y1 y2
S . A. S . A.
x1 2 x2 4 x3 7 y1 5 y2 3
5 x1 x2 1 2 y1 y2 2
4 y1 1
x1 , x2 , x3 0
y1 , y2 0
DUALIDAD
Problema 2
Plantee el problema dual de este problema primal
Primal
Dual
(max, variables≥0, restricciones distintas)
Min
Max w 7 y1 y2
z 3 x1 2 x2 x3 S . A.
S . A. y1 5 y2 3
2 y1 y2 2
x1 2 x2 4 x3 7
4 y1 1
5 x1 x2 1
y1 0
x1 , x2 , x3 0
y2 0
DUALIDAD
Problema 3
Plantee el problema dual de este problema primal
Primal
Max
z 3 x1 2 x2 x3
S . A.
x1 2 x2 4 x3 7
5 x1 x2 1
x1 0
x2 0
x3 0
INTERPRETACIÓN DE LAS VARIABLES DUALES
La variable dual también se conocen con el nombre de precio sombra y se
interpreta de dos formas equivalentes:
• Yi es el precio justo que se debe pagar por una unidad del recurso i
• La función objetivo aumentará en Yi unidades monetarias por cada aumento
unitario del recurso i
Ejemplo:
La siguiente restricción se refiere a la disponibilidad de Materia Prima 1
6Xe + 4Xi ≤ 24
Del valor del precio sombra (variable dual) se puede concluir que si en vez de
contar con 24 unidades de M1 tuviéramos 25, la función objetivo aumentaría de
$21.00 a $21.75
En otras palabras si alguien nos vende la unidad de M1 a un precio mayor que
$0.75 no valdría la pena comprarlo.
ANÁLISIS DE SENSIBILIDAD
Cambio en disponibilidad de recursos
x2 1 / 2 1 / 4 0 430 100
Solución óptima original
x3 0 1 / 2 0 460 230
x 2 1 1 420 20
6
Ejemplo:
D
x2 0 : 100 0 D 200 La solución permanecerá factible
2 mientras
x3 0 : x3 es independiente de D -200≤ D ≤10
x6 0 : 20 2 D 0 D 10
ANÁLISIS DE SENSIBILIDAD
Cambio en los coeficientes de la función objetivo
Estos cambios pueden afectar la optimalidad de la solución, por consiguiente se
requiere calcular los costos reducidos con el siguiente procedimiento:
Luego del cálculo de los nuevos costos reducidos se presentarán dos casos:
Paso 2: usar los valores de las variables duales para obtener los costos reducidos
de las variables no básicas
y1 y3 3 / 2 5 / 4 0
x1 Variables
Variables no y2
duales
básicas en s4
tabla óptima s
5
ANÁLISIS DE SENSIBILIDAD
Cambio en los coeficientes de la función objetivo
Ejemplo:
Paso 2: usar los valores de las variables duales para obtener los costos reducidos
de las variables no básicas
y1 y3 3 / 2 5 / 4 0
x1 Variables
Variables no y2
duales
básicas en s4
tabla óptima s
5
ANÁLISIS DE SENSIBILIDAD
Cambio en los coeficientes de la función objetivo
Ejemplo:
Paso 2: usar los valores de las variables duales para obtener los costos reducidos
de las variables no básicas
y1 y3 3 / 2 5 / 4 0
x1 Variables
Variables no y2
duales
básicas en s4
tabla óptima s
5
ANÁLISIS DE SENSIBILIDAD
Cambio en los coeficientes de la función objetivo
Ejemplo:
Básicas X1 X2 X3 S4 S5 S6 b
z 13/4 0 0 3/2 5/4 0 1227
X2 -1/4 1 0 1/2 -1/4 0 100
X3 3/2 0 1 0 1/2 0 230
S6 2 0 0 -2 1 1 20
En este caso la solución óptima original continúa siendo óptima a pesar de los
cambios en los coeficientes de la función objetivo. El valor objetivo si sufre una
modificación en este caso.
ANÁLISIS DE SENSIBILIDAD
Ejercicio 1
Max z = 5 + 12 + 4
S.A.:
+ 2 + 10
2- + 3=8
,, 0
Tabla óptima del primal
Básica R b
z 0 0 3/5 29/5 -2/5 + M 274/5
Ejercicio 2.
Un carpintero fabrica dos tipos de mesas de madera. Cada mesa del tipo 1
necesita 4 horas de mecanizado primario (preparación de piezas) y 4 horas de
mecanizado secundario (ensamblado y barnizado). Análogamente, 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-máquina. La venta de una mesa del tipo
1 reporta un beneficio de $70, mientras que la venta de una mesa del tipo 2 de
$90. Se desea determinar el número de mesas de cada tipo que han de
producirse diariamente para maximizar el beneficio obtenido.
ANÁLISIS DE SENSIBILIDAD
Modelo:
= cantidad diaria de mesas a fabricar del tipo 1
= cantidad diaria de mesas a fabricar del tipo 1
Max z = 70 + 90
S.A.:
4 + 3 40
4 + 7 56
, 0
Han de producirse diariamente 10.5 sillas del tipo 1 y 2 sillas del tipo 2,
dando lugar a un beneficio de $915.
ANÁLISIS DE SENSIBILIDAD
Esta solución indica que el beneficio diario crece en $65 cuando la capacidad
de mecanizado primario lo hace en 8 horas-máquina.
Max z = 70 + 90
S.A.:
4 + 3 40
4 + 7 64
, 0
Han de producirse diariamente 5.5 sillas del tipo 1 y 6 sillas del tipo 2,
dando lugar a un beneficio de $925.
ANÁLISIS DE SENSIBILIDAD
Esta solución indica que el beneficio diario crece en $75 cuando la capacidad
de mecanizado secundario lo hace en 8 horas-máquina.
Resumen:
• En general el precio sombra de una restricción proporciona el cambio en el
valor de la función objetivo como resultado de un cambio unitario en el
término independiente de la restricción, suponiendo que el resto de
parámetros del problema permanecen inalterados.
• En muchos problemas de programación lineal los precios sombra son tan
importantes como la solución del problema, ya que proporcionan
información sobre el efecto en la función objetivo de cambios en los
recursos disponibles.
• Las sensibilidades o precios sombra pueden obtenerse simultáneamente
resolviendo el problema Dual.
Dualidad en la Programación Lineal
Min
w 40 y1 56 y2
S . A.
4 y1 4 y2 70
3 y1 7 y2 90
y1 0
y2 0
• Dado que las soluciones del problema Dual coinciden con las sensibilidades
del Primal, las variables e del problema Dual corresponden al incremento
en el beneficio obtenido al vender mesas al incrementar en una hora de la
capacidad de mecanizado primario y secundario respectivamente.
Dualidad en la Programación Lineal
• Así, dichas sensibilidades pueden verse cómo el precio a la hora al que
deberían venderse las capacidades de mecanizado si se quiere obtener al
menos el mismo nivel de beneficios vendiendo tiempo de mecanizado que
haciendo mesas. En esta situación las variables Duales pueden
interpretarse de la siguiente manera:
Min
w 40 y1 56 y2
Dualidad en la Programación Lineal
4 y1 4 y2 70
3 y1 7 y2 90
Dualidad en la Programación Lineal
y1 0
y2 0