Tarea 3 Investigacin de operaciones.

Teora de la dualidad y Anlisis de sensibilidad

Todo problema de Programacin Lineal tiene asociado un segundo problema, conocido como
su problema Dual. Ambos estn relacionados estrechamente, hasta el punto de que el modelo
de uno puede obtenerse a partir del modelo del otro y la solucin ptima del modelo del primero
proporciona informacin completa acerca de la solucin ptima del segundo.
Una de las ventajas de la existencia del problema dual es la posibilidad de reducir el esfuerzo
computacional al resolver ciertos modelos de Programacin Lineal. Pero ms importante an
es la relacin que existe entre la dualidad y el anlisis de sensibilidad, tema del prximo
capitulo, el cual estudia el efecto que las variaciones en los parmetros de un modelo tienen en
la solucin ptima de este. Adems, los valores ptimos de las variables del modelo dual
suministran informacin econmica muy importante acerca del valor implcito de los recursos
que se utilizan en el problema que se esta resolviendo.
El matemtico norteamericano John Von Neumann fue el primero en destacar la existencia de
la dualidad en la programacin lineal y a partir de all el concepto se ha usado en una gran
variedad de reas tericas y prcticas de la misma. Para comprender el concepto de dualidad
analicemos los dos casos siguientes.
CONCEPTUALIZACION DE LA DUALIDAD - CASO 1
Una compaa produce dos tipos de artculo; la unidad del tipo 1 se vende a $106 y la del tipo 2
a $144.
Para el presente mes la empresa cuenta con 2000 minutos de mano de obra en el
departamento de ensamble, 1800 en el departamento de revisin y con 1000 en el
departamento de empaque.
El nmero de minutos requeridos en cada departamento para la fabricacin de una unidad de
cada uno de los artculos se da en la siguiente tabla:
Tipo de producto Operacin
Ensamble Revision Empaque
Tipo 1 3 2 1
Tipo 2 2 3 2
El pago por minuto es de $10 a los trabajadores del departamento de ensamble, $8 a los de
revisin y de $20 a los del departamento de empaque.
El administrador de la empresa desea determinar cul es el programa de produccin que
maximiza la utilidad total en el mes.
Construccin del modelo

Definamos a Xi como el nmero de artculos de tipo i que se deben producir mensualmente.

Para plantear la funcin del objetivo calculemos primero la utilidad unitaria de cada tipo de
artculo, as:
Tipo de producto
Tipo 1

Tipo 2

Precio de venta 106 144

- Costo de produccion 66 84
Costo de ensamble 3(10)=30 2(10)=20
Costo de revisin 2(8)=16 3(8)=24
Costo de empaque 1(20)=20 2(20)
66

84

Utilidad Unitaria $40 $60

de manera que el modelo de programacin lineal para este problema es:
Maximizar Utilidad = 40X1 + 60X2
Sujeto a : 3X1 +2X2 < 2000 (Minuto de ensamble)

con

2X1

+3X2

<

1800

(Minuto de revision)

1X1

+2X2

<

1000

(Minutos de empaque)

X1,X2

Si utilizamos el winqsb para resolver el modelo obtenemos el siguiente reporte combinado

lo cual indica que el programa ptimo consiste en producir mensualmente 500 unidades del
producto tipo 1 y 250 del producto tipo 2, obteniendo una ganancia de $35 000 mensuales.
Observamos que hay 50 minutos de holgura en la operacin de revisin (slack = 50), mientras
que no hay sobrante en los minutos disponibles para las otras operaciones, ya que las
variables de holgura de las restricciones correspondientes valen cero; por lo cual concluimos
que en este programa de produccin se consumen todos los minutos de ensamble y en
empaque que tiene disponibles la empresa. Precisamente el agotamiento de los minutos
disponibles en esas operaciones es el que impide que las variables X1 y X2 puedan tomar un
valor superior, para maximizar an mas el valor de la funcin del objetivo.
Efectuando el balance entre los ingresos por ventas y los costos de produccin, podemos
verificar que la utilidad obtenida es efectivamente de $35 000:
Ingresos por ventas 500(106) + 250(144) = 89.000
- Costos de produccion 2000(10) + 1750(8) +1000(20) =54.000
= Utilidad

=35.000

Como se acaba de decir no se pueden fabricar ms artculos ya que se agotaron los recursos,
pero aparece entonces la inquietud de que si fuera posible disponer de minutos adicionales en
alguno de los departamentos del proceso, se pudieran fabricar ms artculos aumentando as
las utilidades del periodo.
Con el fin de conocer cmo vara la utilidad (y la solucin) al aumentar la disponibilidad de cada
recurso, vamos a efectuar clculos para tres situaciones diferentes. Primera, cuando
consideramos que se aumenta en un minuto la capacidad de ensamble mientras los minutos de
revisin y de empaque permanecen constantes, segunda cuando aumentamos en un minuto la
capacidad de empaque, pero mantenemos invariable la capacidad de revisin y de ensamble y
finalmente cuando aumentamos en uno los minutos de revisin, dejando invariable la cantidad
de minutos de ensamble y de empaque.
Aumento en la capacidad de ensamble
Al aumentar en un minuto la capacidad de ensamble, el modelo queda:
Maximizar Utilidad = 40X1 + 60X2
Sujeto a : 3X1 +2X2 < 2001
2X1

+3X2

<

1800

1X1

+2X2

<

1000

El reporte combinado del winqsb es

La cual corresponde a una utilidad de $35 005 pesos, que es superior en $5 a la obtenida
anteriormente.
El aumento que tiene la funcin objetivo (ac se llama utilidad) cuando se incrementa en una
unidad un determinado recurso, es lo que se conoce en economa como la utilidad marginal del
recurso.Entonces la utilidad marginal de los minutos adicionales de ensamble es de 5
($/minuto).
Notamos que se aument la produccin de los artculos tipo 1 en media unidad ( X1 = 550.50),
mientras que se disminuy la de los artculos tipo 2 en un cuarto de unidad. ( X2 = 249.75).
Adems, el sobrante de minutos en revisin es ahora de 49.75 o sea que se rebaj en un
cuarto de minuto. De nuevo se estn utilizando totalmente los minutos disponibles en ensamble
y en empaque. Estos nuevos valores de las variables bsicas los aprenderemos a calcular en
forma rpida al estudiar ms adelante el tema de anlisis de sensibilidad.
Calculemos ahora las utilidades marginales de los minutos de terminado y de revisin.
Aumento en la capacidad de terminado
Si los minutos disponibles en terminado se aumentan en uno, el modelo es
Maximizar Utilidad = 40X1 + 60X2
Sujeto a : 3X1 +2X2 < 2000
2X1

+3X2

<

1800

1X1

+2X2

<

1001

Cuyo reporte combinado del winqsb es

Ahora la utilidad es de $30025, que resulta ser superior en $25 a la obtenida con la cantidad
inicial de recursos. As pues la utilidad marginal de los minutos de empaque es de 25
($/minuto). Observamos que se disminuy en meda unidad el nmero de artculos de tipo 1
( X1 = 299.50) mientras que se aument en tres cuartos el nmero de unidades de tipo 2 ( X2 =
250.75) y el sobrante en la operacin de revisin se rebaj en 1.25 minutos. De nuevo se estn
consumiendo todos los minutos disponibles en ensamble y en empaque. Aumento en la
capacidad de revisin
Si los minutos disponibles en revisin se aumentan en uno, el modelo es
Maximizar Utilidad = 40X1 + 60X2
3X1

+2X2

<

2000

2X1

+3X2

<

1801

1X1

+2X2

<

1000

Cuyo reporte combinado del winqsb es

Observamos que la utilidad conserva el valor de $35 000, as pues la utilidad marginal de los
minutos de revisin es de $0 ($/minuto). Notamos tambin que las cantidades producidas de
los artculos conservan su valor (X1= 500, X2 = 250), utilizando la totalidad de minutos
disponibles en ensamble y en empaque, pero ahora el sobrante de minutos en la operacin de
revisin aument de 50 a 51.
Los resultados obtenidos en este ultimo cambio son de esperarse, puesto que en la solucin
ptima del modelo inicial tenemos que hay un sobrante de 50 minutos de revisin, y si
aumentamos en uno la disponibilidad, es lgico que lo nico que ocurra es que el sobrante de
ese recurso se aumente en uno, sin producir cambios en el programa ptimo de produccin y
por consiguiente tampoco en la utilidad. Por ello la utilidad marginal es cero. Tal como lo
hicimos con el modelo inicial, verifiquemos mediante un balance de ingresos y costos que las
utilidades totales y marginales estn correctamente calculadas en cada caso.
Cuando hay aumento de un minuto en ensamble
Ingreso por ventas (500.5)(106) + (249.75)(144) = 89 017
- costo de produccion (2001)(10) + (1750.25)(8) + (1000)(20) = 54 012
=utilidad 35 005
-utilidad anterior 35 000
=utilidad marginal $5*
Cuando hay aumento de un minuto en terminado
Ingreso por ventas (499.5)(106) + (250.75)(144) = 89 055
- costo de produccion (2000)(10) + (1751.25)(8) + (1001)(20) = 54 030
=utilidad 35 025
-utilidad anterior 35 000

=utilidad marginal $25*

Cuando hay aumento de un minuto en revisin
Ingreso por ventas (500)(106) + (250)(144) = 89 000
- costo de produccion (2000)(10) + (1750)(8) + (1000)(20) = 54 000
=utilidad 35 000
-utilidad anterior 35 000
=utilidad marginal $0*
En el calculo de los costos se destacan en negrilla (2001)(10), para los minutos de ensamble,
(1001)(20), para los minutos de terminado, y (1750)(8), para minutos de revisin; para llamar la
atencin sobre el hecho de que se estn- valorando todos las 2001 minutos utilizados en
ensamble a $10, lo cual supone que el minuto adicional vali los mismos $10 que costaban
los 2000 utilizados inicialmente. Similarmente sucede con los 1001 minutos de empaque,
valorados a $20, con lo cual se toma que el minuto adicional tambin se paga a $20, y con los
1750 minutos de revisin valorados a $8. Pero veamos qu pasa por, ejemplo, si el precio que
hay que pagar por un minuto extra en ensamble es de $12 ($$2 de recargo sobre el precio
normal de $10). El costo de produccin se incrementara en $2, con lo cual la utilidad marginal
neta de ese minuto extra de ensamble sera apenas de $3.
Algo similar sucede cuando debemos pagar dinero extra por el minuto adicional en empaque.
Si por ejemplo pagamos $28 (un 40% de recargo sobre $20) por un minuto extra, los costos se
aumentan en $8 y la utilidad marginal neta se rebaja a $17 hora.
Naturalmente que si podemos adquirir los minutos extras de ensamble al mismo precio de los
iniciales, obtendremos una utilidad marginal adicional de $5, pero si debemos pagar algn
recargo por ellos, la utilidad adicional se ver reducida en la misma cantidad. Podemos concluir
fcilmente que el mximo recargo que estaremos dispuestos a pagar por un minuto adicional
en ensamble es el equivalente a la utilidad marginal de ese minuto extra, o sea los $5. Ntese
que si el precio del minuto extra fuera por ejemplo $16, estaremos perdiendo $1 por cada
minuto adicional adquirido.
Para el tercer recurso, minutos del departamento de empaque, podemos efectuar una discusin
similar, as: Si conseguimos los minutos extras al precio original, la utilidad marginal es de $25,
pero si pagamos un recargo disminuye la utilidad, por lo cual deducimos que el mximo recargo
que podemos pagar es igual a los $25 de la utilidad marginal de ese recurso. O sea que el
mximo precio que estaremos dispuestos a pagar (obteniendo utilidad marginal neta de $0) es
$45. Al pagar menos de $45 tendremos utilidad marginal y al pagar ms obtendremos una
perdida marginal.
Para el departamento de revisin, en el cual tenemos una capacidad no utilizada de 50
minutos, es obvio que no desearamos ampliar la capacidad y por el contrario estaramos
interesados en vender este recurso sobrante. Su mnimo precio de venta sera $8, es decir no
buscaramos utilidad en la venta de estas unidades, pues basta con recibir el precio que
pagamos por ellas para recuperar su costo Podemos concluir que el clculo de la utilidad
marginal de los recursos es de gran importancia para decidir la negociacin de unidades
adicionales de esos recursos cuando ellos estn agotados (utilizados el mximo) en un
programa ptimo de produccin.
Pero debemos saber que la utilidad marginal de un recurso agotado no se mantiene constante
al incrementar la disponibilidad de este, sino que disminuye a partir de cierto valor, relacionado
con el nivel de disponibilidad que conduzca a que el recurso ya empiece a sobrar por ser otro
recurso diferente el que se est utilizado al mximo. Precisamente, el recurso sobrante de

minutos de revisin puede disminuirse hasta un valor tal que ya empiece a escasear (Para
nuestro problema este valor es de 1750 que es el uso real) y a partir de ese valor el recurso
deber tener utilidad marginal positiva, pues estara agotado y ya seria alguno de los otros
recursos el que tendra sobrante. El fenmeno mencionado se conoce en Economa como el
concepto de los rendimientos decrecientes, tema que estudiaremos en detalle en el capitulo
dedicado al anlisis de la sensibilidad, tambin llamado anlisis de las soluciones post ptimas.
OTRO ENFOQUE DEL MISMO PROBLEMA
Reflexionemos un poco sobre la situacin hipottica de vender los minutos disponibles en los
tres departamentos, en lugar de utilizarlos para producir unidades de los productos. Nuestra
inters se centrar en la determinacin del precio al cual debemos vender un minuto de cada
operacin para obtener la misma ganancia que obtenemos en el proceso productivo, o ms
exactamente estaremos interesados en hallar la utilidad unitaria que debo fijar a cada recurso,
para ganarme igual dinero que utilizndolos en el proceso de produccin.Naturalmente que
debemos aspirar a unas utilidades razonables para que el precio del recurso sea competitivo en
el mercado, o sea que debemos determinar el mnimo valor de la utilidad al vender o arrendar
los recursos disponibles.
Construyamos un modelo de Programacin lineal para este problema.
Sean
Yi = utilidad unitaria que debo fijar en el precio de venta del recurso i Como estamos dispuestos
a vender toda la cantidad disponible de los recursos (minutos de ensamble, de revisin y de
empaque), el objetivo ser minimizar la siguiente funcin
Utilidad = 2000Y1 + 1800Y2 + 1000Y3
En el proceso productivo se utilizan 3 minutos de ensamble, 2 de revisin y uno de empaque,
para fabricar una unidad del producto tipo 1,que da utilidad de $40, por lo cual es lgico pensar
que la venta combinada de esas cantidades de los recursos debe arrojar al menos igual
utilidad. La consideracin anterior da lugar a la siguiente restriccin en el modelo:
3Y1 + 2Y2 + 1Y3 = 40 ($) Utilidad unitaria del artculo tipo uno.
Haciendo una reflexin similar para las unidades de tipo 2, notemos que la venta de 2 minutos
de ensamble, mas 3 de revisin, mas 2 de empaque deben aportar una utilidad mnima de $60,
que es la que se obtiene actualmente fabricando con esos recursos una unidad del artculo 2.
La restriccin derivada de este anlisis es:
2Y1 + 3Y2 + 2Y3 = 60 ($) Utilidad unitaria del artculo tipo dos.
Si a todo lo anterior le agregamos el detalle de que los valores de las variables Y1, Y2, Y3
deben ser mayores o iguales que cero (la mnima utilidad neta puede ser cero), podemos
plantear el siguiente modelo de programacin lineal, para el problema en estudio:
Minimizar Utilidad = 2000Y1 + 1800Y2 + 1000Y3
Sujeto a : 3Y1 + 2Y2 + 1Y3 2000 $/unidad del P1
2Y1

3Y2

con

Y1,Y2, Y3

+ 2Y3

1800

$/unidad del P2

Al resolver este modelo utilizando el winqsb, obtenemos el siguiente reporte combinado:

Hemos obtenido que la utilidad mnima que debe obtenerse al vender un minuto de ensamble
es de $5, al vender un minuto de revisin debe ser de $0, y al vender un minuto de empaque
debe ser de $25, para as obtener una utilidad de $35 000. El valor de la utilidad mnima no
debe asombrarnos, ya que el planteamiento del problema lo sugera, pero s son novedad los
valores ptimos de las variables de este nuevo modelo, puesto que coinciden con los valores
de las utilidades marginales de los recursos del problema de mezcla de produccin, analizado
en primera instancia.
El administrador de la empresa sabe ahora que si otro empresario desea comprarle sus
recursos, lo mnimo que debe cobrarle es $15 por cada minuto de ensamble (= 10 + 5; suma de
lo que debe pagar a sus operarios y lo que debe obtener de utilidad), $45 por cada minuto de
empaque (= 20 + 25). En cambio, por cada minuto de revisin solo debe cobrar los mismos $8
(= 8 + 0; suma de lo que debe pagar a sus operarios y lo que debe obtener de utilidad). Pero
recordemos que estos precios solo son vlidos para cierto intervalo, que conoceremos en el
prximo capitulo, por fuera del cual cambia la mezcla ptima de productos y tambin el valor de
las utilidades marginales. (Una vez obtenidos estos nuevos valores, tanto de las variables
bsicas, como de la utilidades marginales, se puede hacer un balance de ingresos y costos
similar al que hicimos para el problema presentado como ejemplo. Para la situacin actual, si
los precios en el mercado son inferiores a $15, a $45, o a $8, no es conveniente vender los
recursos, pero tericamente cuando son superiores, resultara mas rentable venderlos a otro
que utilizarlos en el proceso productivo.
EL MODELO DUAL
Consideremos conjuntamente los modelos correspondientes a los dos enfoques del problema
que estamos analizando.
El primero busca determinar cuntas unidades producir de cada tipo de artculo para maximizar
la ganancia al utilizar unos recursos:
Maximizar Utilidad = 40X1 + 60X2
Sujeto a : 3X1 +2X2 < 2000
2X1

+3X2

<

1800

1X1

+2X2

<

1000

X1,X2

con

El segundo pretende hallar la ganancia mnima que debo fijar por unidad de cada recurso, para
obtener la mnima ganancia total que sea aceptable en lugar de producir artculos con los
recursos.
Minimizar Utilidad = 2000Y1 + 1800Y2 + 1000Y3
Sujeto a : 3Y1 + 2Y2 + 1Y3 40 $/unidad del P1
2Y1

3Y2

con

Y1,Y2, Y3

+ 2Y3

60

$/unidad del P2

Hemos observado que ambos problemas tienen soluciones ptimas que producen igual valor
de la funcin objetivo. Adems mientras que uno enfoca el problema desde el punto de vista de
los artculos (variables de decisin Xi), el otro lo analiza desde el punto de vista de los recursos
(variables de decisin Y). Adems la solucin ptima del segundo coincide con las utilidades
marginales de los recursos calculadas en el punto ptimo del primero.

El primer enfoque da lugar al llamado modelo primo, mientras el segundo origina el modelo
conocido como modelo dual. Entre estos modelos existen mltiples relaciones que nos
permiten, por ejemplo, plantear uno de ellos a partir del otro u obtener la solucin ptima de
uno conociendo la solucin optima del otro. Pero como se mencion antes, quizs lo ms
importante es el significado econmico de las variables del problema dual, cuyos valores
ptimos representan las utilidades marginales de los recursos del problema primal.
Relaciones entre las modelos PRIMO y DUAL
Observando la estructura de ambos modelos podemos citar las siguientes relaciones entre
ellos.
1. Los coeficientes objetivo de uno son los coeficientes recurso del otro.
2. Los coeficientes recurso de uno son los coeficientes objetivo del otro.
3. La matriz de coeficientes tecnolgicos de uno es la transpuesta de la matriz de coeficientes
tecnolgicos del otro.
4. Ambos problemas estn en formato cannico, como lo comprueban ms en detalle las
siguientes caractersticas
4.1 El objetivo del primo es maximizar en cambio el objetivo del dual es minimizar.
4.2 Las restricciones del Primo son del tipo = , mientras que las del dual son del tipo =.
4.3 Las variables de ambos problemas estn restringidas a ser mayores o iguales que cero
CONCEPTUALIZACION DE LA DUALIDAD - CASO 2
Cierta dietista necesita preparar una comida que contenga determinados nutrientes, al menos
en las cantidades que se indican en la siguiente tabla. Dispone de tres ingredientes cuyos
costos y contenidos de cada nutriente (unidades por gramo de ingrediente) se dan en la misma
tabla.

Formulacin de un problema dual.

PROBLEMA DUAL Y SU FORMULACION.
Se llama problema dual al modelo matemtico que se deriva directamente del
problema original, llamada tambin primal, y se puede establecer para todos los casos
a partir de la forma estndar.
Cabe recordar que la forma estndar es aquel que puede ser maximizar o minimizar,
todas sus restricciones son ecuaciones (igualdades), todas sus variables son no
negativas, es decir:
Aij . Xj = Bi donde i=1,2,3,.,m
Xj >= 0 j= 1,2,3,,n
Bi >=0
Factores que se asocian en el incremento de la delincuencia
Planteamiento del problema
En el ao 2014-2015 la inseguridad y delincuencia se ha incrementado notablemente,
siendo as uno de los temas ms preocupantes para los habitantes de esta zona. La
denuncia hacia las autoridades ha incrementado trayendo consigo el planteamiento de
mtodos para ir menguando esta condicin por parte de las autoridades. Varias
personas ya son participe de lo mencionado.
Objetivo general

Analizar la Delincuencia Juvenil en el barrio de Carapungo.

Objetivo Especifico
Identificar las posibles causas de la Delincuencia Juvenil en el Barrio de Carapungo.
Establecer los factores que influyen a la Delincuencia Juvenil.

Justificacin e importancia
Se investiga este trabajo con el propsito de analizar y con ello comprender la
problemtica que enfoca la delincuencia juvenil, esto es necesario para conocer la
realidad y con ello saber las posibles causas de donde radica dicho problema; esto es
ineludible puesto que solamente conociendo la situacin que ameritan a la
delincuencia podremos llegar a conclusiones basadas en la realidad del caso y con
ello buscar formas de prevenir, ofrecer tratamientos y buscar soluciones factibles.
REGLAS DEL DUAL
A partir de esta forma se obtiene simtricamente el problema dual siguiendo las
siguientes reglas:
1) A toda restriccin primal le corresponde una variable dual
2) A toda variable primal le corresponde una restriccin dual
Es decir en el Dual se obtendrn n restricciones y m variables
3) Los coeficientes en las restricciones de una variable primal son los coeficientes de
la restriccin dual correspondiente
4) Los coeficientes de la funcin objetivo primal se convierten en los valores
constantes del segundo miembro de las restricciones duales.
5) Si el primal es maximizacin, entonces: En el dual tenemos la funcin objetivo de
minimizacin, las restricciones son todas >= y las variables son irrestrictas en signo.
6) Si el primal es minimizacin, entonces: En el dual tenemos la funcin objetivo de
maximizacin, las restricciones son todas =5
2Y1 Y2 >= 12
Y1 + 3 Y2 >= 4
Y1 >= 0
Y2 irrestricta
Max w = 10 Y1 + 8 Y2
Sa Y1 + 2 Y2 = 4
Y1 >= 0
Y2 >= -M
Nota: Para resolver el dual, siendo Y2 irrestricta en signo entonces hacemos Y2 = Y2
Y2 tal que Y2 = Y2 Y2
Estandarizando el Dual, tenemos
Y2 = Y2 Y2 / Y2 = Y2 Y2
Min W =
Sa
Y1 + 2 Y2 2Y2 y3 + R1 = 5
2 Y1 Y2 + y2 y4 + R2 = 12
Y1 + 3 Y2 3Y2 Y5 + R3 = 4
Y1, y2, y2, y3, y4, y5, R1, R2, R3 >= 0

Tabla simplex optima del primal (MAX)

X1
X2
X3
X4
R
s optima
Z
0
0
3/5
29/5
-2/5 + m
54 4/5
X2
0
1
-0.2
2/5
- 1/5
12/5
X1
1
0
7/5
1/5
2/5
26/5

Aplicacin Condiciones de Kuhn-Tucker.

En los casos en que no sea factible el mtodo grfico, habr que resolver el problema
analticamente aplicando las condiciones de Kuhn-Tucker.

Nota: No obstante, la fuerza del mtodo grfico de las curvas de nivel no la tienen las
condiciones de K-T.

Ejemplo:

En

El punto (4,3) satisface K-T para mximo, ya que los multiplicadores son todos mayores o
iguales a cero, de lo que se deduce(*) que es un posible mximo. Sin embargo, las curvas de
nivel ponen de manifiesto que (4,3) NO es ptimo local.

(*) Las condiciones de K-T son slo necesarias en este ejemplo porque la funcin objetivo no
es cncava.

Interpretacin econmica de los multiplicadores de KuhnTucker.

Ejemplo:

Supongamos que la funcin objetivo es una funcin de produccin. Podramos preguntarnos:

Se conseguira mejorar la produccin si la restriccin

pasase a ser

Se observa que el incremento en el valor del trmino independiente de una restriccin con
signo
, representa incrementar el dominio y, por tanto, ofrece la posibilidad de
hallar nuevos puntos que mejoren los ptimos ya obtenidos: podramos encontrar un
mximo ms alto o un mnimo ms bajo.

Ejemplo:

En nuestro ejemplo, el mnimo permanece igual, pero el mximo s mejora.

La frmula coincide con la ya obtenida p

ara la interpretacin de los multiplicadores de
Lagrange en problemas con restricciones de igualdad:

Podemos comprobar que esta frmula concuerda con lo que acabamos de explicar, puesto que si
se trata de mximos, los multiplicadores sern positivos o nulos y obtendremos:

(pues
y
es decir, el valor mximo ser mayor

En cambio, en el caso de mnimos, los multiplicadores sern negativos o nulos y obtendremos:

(pues
y
es decir, el valor mnimo ser menor

Ejemplo:

Repetimos en nuestro ejemplo el razonamiento para el caso en que nos propusiramos pasar
de

Un decremento en el valor del trmino independiente de una restriccin con signo

representa disminuir el dominio y slo ofrece la oportunidad de
perder ptimos y, por tanto, podramos encontrarnos mximos ms bajos y mnimos ms
altos.

Ejemplo:

Sea (P) un problema con restricciones de desigualdad:

(f, gi funciones diferenciables)

i.

Condiciones necesarias de primer orden de optimalidad local

ii.

Enunciado de las condiciones

iii.

Deduccin geomtrica

iv.

Suficiencia y convexidad

Ver ejemplo de aplicacin

i. Condiciones necesarias de primer orden de optimalidad local

Las condiciones de K-T son necesarias de optimalidad local, es decir:

mximo local

satisface K-T para mximo

mnimo local

satisface K-T para mnimo

Los dibujos aclaran el hecho de que estas implicaciones sean iguales a:

NO satisface K-T para mximo

NO es mximo local

NO satisface K-T para mnimo

NO es mnimo local

En definitiva, si un punto satisface las condiciones de K-T para mximo, slo podemos decir
que es un posible mximo local; si en cambio, no las satisface, s podremos asegurar que NO
es mximo local.

ii. Enunciado de las condiciones

Las condiciones de K-T son:

1.
(Los

reciben el nombre de multiplicadores de K-T)

2.
3.

(si se trata de mximo)

(si se trata de mnimo)

4.
Geomtricamente, indican que en un punto de posible mximo, el gradiente de la funcin
objetivo es combinacin lineal positiva de los gradientes de las restricciones saturadas en
.
De igual forma, indican que en un punto de posible mnimo, el gradiente de la funcin objetivo
es combinacin lineal negativa de los gradientes de las restricciones que se saturan en

Nomenclatura:
Diremos que un punto satisface K-T para mximo cuando satisface las condiciones de K-T
con

Diremos que un punto satisface K-T para mnimo cuando satisface las condiciones de K-T
con

Explicacin:
Condicin 1: Obliga a que el gradiente de la funcin objetivo en x0 sea combinacin lineal de los
gradientes de las restricciones en x0 .

Condicin 2: Obliga a que los multiplicadores de K-T asociados a restricciones

NO saturadasen x0 sean nulos. Vemoslo:

a. Si la restriccin gi est saturada en x0: ( gi(x0) = 0) entonces: i gi(x0) =

0 para cualquier valor de i
b. Si la restriccin gi NO est saturada en x0: ( gi(x0) < 0) entonces la nica
posibilidad para que i gi(x0) = 0 es que i = 0
Condicin 3: Cuando el punto satisface K-T para mximo, todos los multiplicadores deben ser
positivos. Cuando el punto satisface K-T para mnimo, todos los multiplicadores deben ser
negativos.

Condicin 4: El punto x0 debe satisfacer todas las restricciones del problema, es decir, debe
pertenecer al conjunto de soluciones factibles del problema.

Metodo Dual SIMPLEX

El nuevo algoritmo fue desarrollo en 1954 por C. E. Lemke y se conoce con el nombre
de Mtodo Dual-Simplex. A continuacin se presenta su estructura y un ejemplo para
ilustrar su aplicacin.
Cada problema de programacin lineal, tiene asociado otro problema que esta
estrechamente relacionado. Dicho problema se conoce como Problema Dual.
Que tiene las siguientes muy interesantes caractersticas:
1. En problemas de un gran nmero de restricciones, resolver el problema dual en la
computadora es ms eficiente que resolver el problema principal.
2. En algunas ocasiones resulta ms sencilla la resolucin del problema dual que la
del problema principal, en trminos de menor nmero de iteraciones.
3. Los valores ptimos de las variables del dual, proporcionan una interpretacin
econmica del problema principal, interesante.
4. Algunas veces se puede evitar el uso de las variables artificiales (Super-Avit),
mediante la aplicacin del mtodo de solucin denominado Dual Simplex, sobre el
problema dual.
5. Facilita el estudio del impacto sobre la optimalidad por cambios en el problema
original.
En este tema tiene como objetivo mostrar la formulacin del problema dual y el mtodo
de solucin para el problema dual, denominado Mtodo Dual-Simplex, para problemas
de maximizacin, ya que, por medio de la regla de equivalencia (Min (z) = Max(-z))
Toda formulacin de un problema de programacin lineal se puede expresar de la

forma estndar: Maximice (z), con todas las restricciones < Si tenemos un problema
de programacin lineal as:

Fjese que cada restriccin del problema principal est representada por una variable
en el dual.
Otro ejemplo numrico es el siguiente:
El problema principal tiene cuatro (4) restricciones, entonces el dual tendr cuatro (4)
variables. Cada uno de los recursos del problema principal estar representado por
una variable en el problema dual.
Entre el problema principal y el problema dual existen las siguientes relaciones:
1. El dual del dual, tiene como resultado el problema principal.
2. Una restriccin que es una igualdad en el problema principal, genera una variable
en el dual
sin restriccin en el signo
3. Una variable del problema principal, sin restriccin en el signo, genera una
restriccin de igualdad en el problema dual.
4. El nmero de restricciones del problema principal es igual al nmero de variables en
el problema dual.
5. El nmero de variables del problema principal es igual al nmero de restricciones en
el problema dual.

Caractersticas que hay que tener en cuenta para creacin del mtodo dual.
El Dual se construye a partir de problema principal as:
1. Cada restriccin en un problema, corresponde a una variable en el otro problema.
2. Los elementos del lado derecho de las restricciones en un problema, son iguales a
los respectivos coeficientes de la funcin Objetivo en el otro problema.
3. Un problema busca Maximizar y el otro busca Minimizar.
4. El problema de maximizacin tiene restricciones menor que, y el Minimizacin
tiene restricciones mayor que.
5. Las variables en ambos problemas son no negativas.
EL MTODO DUAL SIMPLEX
Una vez formulado el problema dual, debemos encontrar su solucin, el mtodo a
emplear ser el denominado Mtodo Dual-Simplex el cul empieza con una solucin
ptima o mejor que ptima (Zj Cj > 0 ; j ), pero no factible (Algunos bi son < 0), y se
mueve hacia el ptimo mediante iteraciones que mejoran su factibilidad conservando
su optimalidad. Fjese que es lo contrario al mtodo Simplex, en donde se empieza
mediante una solucin factible pero no ptima y mediante iteraciones se mejora la
optimalidad, conservando la factibilidad. Esto se ilustra mediante la siguiente grfica:

Se requiere que el problema est expresado en trminos de Maximizar la Funcin

objetivo y todas sus restricciones con mayor igual ( > )
Variable que sale de la Base: Aquella que tenga el valor menos factible sea la ms
negativa, matemticamente: XB,r = Mnimo i XB,i , XB,i < 0 ; XB,i < 0 implica que la
solucin es NO factible. Variable que entra a la Base: Aquella variable que tenga el
valor menos negativo en su expresin: ( Zj - Cj ) / ar,j , matemticamente: (ZK - CK ) /
ar,k = Mximo j (Zj - Cj ) / ar,j ; Siendo ar,j < 0 . El siguiente ejemplo ilustra un paralelo
entre el Mtodo Simplex y el Mtodo Dual Simplex en donde se resalta para cada
iteracin, la relacin entre los dos (2) Mtodos.
Hallar la solucin ptima al problema siguiente:

La aplicacin del mtodo simplex dual es especialmente til en el anlisis de

sensibilidad. Se usa cuando despus de haber obtenido la solucin ptima, se desea
agregar una nueva restriccin al modelo si la nueva restriccin no se cumple.
En este caso se obtiene que para los valores ptimos de las variables de decisin, la
solucin permanece ptima pero se convierte en infactible. Surge entonces la
necesidad de aplicar el algoritmo Dual-Simplex para extraer la variable bsica que
tiene valor infactible. Cuando estudiemos el tema de anlisis de sensibilidad
analizaremos un caso como el citado.
Encontrar el dual del siguiente problema:
Minimizar Z = 4X1+ 3X2
c.s.r
3X1 - X2 3, (11)
X1 + X2 1, (12)
-4X1 + X2 3, (13)
Y1, Y2 0.
Debido a que es un problema de minimizacin, las restricciones (12) y (13) deben
quedar >. Multiplicando ambos lados de (12) y (13) por -1, tendremos -X1 - X2 > -1 y
4X1 - X2 > -3. Por lo tanto:
3X1 - X2 2,
X1 - X2 -1,
4X1 - X2 -3.
El dual es:
Maximizar W = 2Y1 Y2 3Y3
c.s.r
3Y1 Y2 + 4Y3 4,
-Y1 - Y2 - Y3 3,
Y1, Y2, Y3 0.
Resolverlo mtodo
COMPARACION ENTRE EL METODO SIMPLEX Y DUAL - SIMPLEX

Taller
MAXIMIZAR P= 5x + 6y

c.s.r
x + y 80
3x + 2y 220
2x + 3y 210
x, y 0

MINIMIZAR Z= 7x + 3y
c.s.r
3x y -2
x+y9
x y = -1
x, y 0

Cambios en Vector Costos

Fundamentalmente cuando se trabaja en Programacin Lineal es importante realizar un anlisis de

postoptimalidad para observar por medio de simulacin si los cambios que le vamos a introducir al modelo
original, en qu aspectos nos benefician o nos afectan en las variables y/o parmetros.Es importante
tener en cuenta que los cambios que se realizan en el modelo original deben ser factibles y deben
responder a situaciones reales que la empresa puede llegar a vivir en un momento determinado. Los
cambios en los vectores b, c y en la matriz A pueden suceder en forma discreta o continua; el cambio
discreto indica que una o varias componentes originales de los vectores o de la matriz son reemplazados
por nuevas cantidades; el cambio continuo en los vectores aj, b y c se da cuando se presentan cambios
as:

donde b, c y aj son vectores respectivamente con las mismas dimensiones que los vectores b, c, aj;
, , son escalares que pueden tomar cualquier valor real. El anlisis de sensibilidad que estudia los
cambios continuos se denomina Programacin Paramtrica.
Para observar las variaciones que ocurren o no, vamos a ilustrar las diversas situaciones con el siguiente
ejemplo:
MAX Z = 50 X1+ 120 X2
Sujeta a:

Cambio en un Cj cuando Xj es no bsica:

Va a cambiar un nmero en la fila de Zj - Cj, desde Z*j - Cj hasta Z*j hasta C'j; la nueva solucin sigue
siendo factible ya que no se han cambiado las restricciones, ni los recursos.Cuando hay un cambio en un
Cj del primal, solamente cambia el lado derecho de la j-sima restriccin del dual; puede ocurrir que la

solucin ya no sea factible (una de las variables bsicas ser menor que cero).La funcin objetivo va a
asegurar una solucin ptima, porque los recursos del primal no se han cambiado. Ejemplo:
Se cambia la funcin objetivo de:
MAX Z = 50 X1+ 120 X2
a:
MAX Z = 80 X1+ 120 X2
El cambio en la funcin objetivo en la variable X1 es 50 por 80. Este cambio tiene un efecto sobre el valor
de Z*j - Cj en el ptimo actual
Primal: X*1 = 0; X*2 = 20; S*1 = 0; S*2 = 40; Z*= 2400
Dual: Y*1 = 30; Y*2 = 0; S*1= 10; S*2 = 0; W* = 2400 , valores que se pueden convertir en:
Si el valor actualizado de Z*j - Cj > 0 , la solucin ptima permanece igual a la del problema inicial y en el
problema dual solo cambia el valor de la variable de holgura S*1. Si el nuevo valor de Z*j - Cj = 0, la
solucin ptima permanece igual a la del problema inicial cuando se presentan soluciones mltiples y en
el problema dual solo cambia el valor de la variable de holgura S*1 cuyo valor ser cero (0). Si el valor
actualizado de Z*j - Cj < 0 la solucin deja de ser ptima por lo cual se requiere la utilizacin del simplex,
tomando X1 como la variable que se convertir en variable bsica.
La solucin ptima actual es:
Primal: X*1 = 16; X*2 = 12; S*1 = 0; S*2 = 0; Z*= 2720
Dual: Y*1 = 28; Y*2 = 8; S*1= 0; S*2 = 0; W* = 2720
Para que se mantenga la solucin actual ptima y factible basta con plantear y resolver la ecuacin que
recalcula el valor de Z1 -C1, sabiendo que en el tablero ptimo el valor de C1 debe cumplir con la
condicin que Z1 -C1 0, por lo cual C1 60.

Cambio en un Cj cuando Xj es bsica:

Si Xj es bsica Z*j - Cj = 0 y Z*j - C'j 0, con lo cual se debe modificar la fila de Z -C en el ltimo tablero y
en algunos casos se debe variar toda la tabla, si la solucin del primal dej de ser la ptima.En algunos
casos cuando Z*j - C'j > 0, la solucin es an ptima.
La nueva solucin en el ptimo debe ser ptima o mejorar, pero en algunos casos puede no ser factible.
Ejemplo:
Cambiando la funcin objetivo de:
MAX Z = 50 X1+ 120 X2
a:
MAX Z = 50 X1+40 X2
El nuevo valor de Z*j - Cj corresponde a una variable bsica, cuyo valor ser cero (0).
La solucion Optima es:
Primal: X*1 = 16; X*2 = 12; S*1 = 0; S*2 = 0; Z*= 1280
Dual: Y*1 = 7; Y*2 = 12; S*1= 0; S*2 = 0; W* = 2720

Para que permanezca la solucin actual ptima y factible basta con plantear y resolver la ecuacin que
recalcula el valor de Z*j - Cj de cada una de las variables no bsicas, sabiendo que en el tablero ptimo el
valor de C1 debe cumplir con la condicin que Z*j - Cj 0, por lo cual 4 C2 + .

Cambio en Coeficientes Xj

Cambio en aij cuando Xj es no bsica:

En estos casos cambian los coeficientes de Xj en todas las filas del tablero; como Xj no es bsica, si la fila
Z -C > 0, la solucin sigue siendo ptima.
Es ms fcil investigar si la solucin anterior es todava ptima con el dual, ya que el nico cambio es en
la j-sima restriccin:
, porque los valores ptimos de las variables originales Y*1 = Z
cambian; la solucin anterior es factible y an ptima si la nueva restriccin no se viola. Ejemplo:

no

Cambiando la segunda restriccin de:

3 X1+X2

60
a:

X1+X2

60

La solucin actual es:

Primal: X*1 = 0; X*2 = 20; S*1 = 0; S*2 = 40; Z*= 2400
Dual: Y*1 = 30; Y*2 = 0; S*1= 10; S*2 = 0; W* = 2400
Para que permanezca la solucin actual ptima basta con plantear y resolver la ecuacin que recalcula el
valor de Z1 - C1 con la condicin que Z1 - C1

0, por lo cual

Adicin de Nueva Variable

Muchas veces es necesario analizar la sensibilidad de la solucin ptima, cuando se agrega al modelo
una restriccin que no se considero inicialmente, ya sea por olvido o por decisin de quien plante el
modelo.
El primer paso en el anlisis de los cambios que sufre la solucin ptima actual al considerar una nueva
restriccin, es determinar si esta se cumple para la solucin ptima.
Para ello deben reemplazarse los valores ptimos de las variables en la nueva restriccin y determinar si
se cumple la condicin expresada.
En caso afirmativo concluimos que la solucin actual no se altera, pues la nueva restriccin tambin se
cumple para ella. Tal caso ocurre en situaciones como la que podemos observar en la grafica 1, en donde
la nueva restriccin A no altera la regin de factibilidad. Otra situacin del mismo caso es la que se
muestra en la grfica 2 para la nueva restriccin B, que s altera la regin de factibilidad, pero sin
modificar el punto ptimo.

Pero cuando los valores ptimos no satisfacen la nueva restriccin, concluimos que la solucin ptima
actual es infactible. La grfica 3 nos permite entender como lo que ocurri fue que la nueva restriccin
afect la regin de factibilidad del problema, eliminando de ella el sector que incluye la solucin ptima
actual. Debemos entonces encontrar la nueva solucin ptima que corresponda a la nueva regin factible.
Efectuemos un anlisis del efecto. Supngase que agregamos al modelo la restriccin
am+1 , 1 X1 + am+1 , 2 X2 + ... + am+1 , nXn < bm+1
Para simplificar, definamos el vector fila Tm+1 que contenga todos los coeficientes tecnolgicos am+1,j de la
restriccin m+1 y escribamos la nueva restriccin como el siguiente producto escalar

Tm+1 < X bm+1

Separando los coeficientes de las variables bsicas y de las no bsicas y agrupndolos en dos vectores
que las contengan, podemos expresar la restriccin como:

TBXB + TNXN + Hn+1 = bm+1

Ya que XN = 0, despejando a Hn+1 llegamos a que:

Hn+1 = bm+1 - TBXB

Cuando bm+1 > TBXB, tendremos que Hn+1 ser no negativa lo cual implica que la nueva restriccin se
cumple en el punto ptimo y la actual solucin no cambia.
Pero cuando bm+1< aBXB, tendremos que Hn+1 toma valor negativo,, implicando que la restriccin no se
satisface en el ptimo y por ello la solucin ptima actual es infactible y debemos hallar la nueva solucin
ptima, que cumpla la restriccin adicional.
El procedimiento para determinar la nueva solucin ptima es:
1.
2.

Escribir la nueva restriccin al final de la tabla ptima. Considerando a Hn+1 como variable
bsica.
Efectuar los ajustes necesarios para que los vectores de sustitucin de
las
variables
bsicas,
sean
vectores
unitarios.
Al lograr lo anterior, se obtiene un valor negativo para la variable de
holgura que se acaba de adicionar como nueva variable bsica, lo cual significa que la solucin
actual es infactible, al considerar la restriccin adicional

3.

Utilizar el algoritmo Dual Simplex, para intercambiar la variable bsica negativa por una
positiva y obtener as una solucin ptima factible para el modelo aumentado con la nueva
restriccin.