Unidad 3 Apuntes - Pla - Io1

III
DUALIDAD Y ANLISIS DE SENSIBILIDAD
III.
DUALIDAD Y ANLISIS DE SENSIBILIDAD.
El propsito de un estudio de programacin lineal es ayudar a guiar la decisin final de la administracin con un panorama de las consecuencias posibles de seguir varias opciones administrativas bajo una variedad de suposiciones acerca de las condiciones futuras. La mayora de las percepciones importantes se logran al realizar un anlisis despus de hallar una solucin ptima para la versin original del modelo bsico. Este anlisis suele recibir el nombre de anlisis de sensibilidad porque involucra estudiar algunas preguntas de qu ocurre con la solucin ptima si se hacen diferentes supuestos acerca de condiciones futuras. 3.1 DEFINICIN DEL PROBLEMA DUAL
Asociado con cada modelo de programacin lineal existe otro modelo llamado Dual, al modelo original se le conoce con el nombre de Primal. Ambos modelos tienen propiedades muy relacionadas de modo que la solucin ptima de cualquiera de los dos, revela cierta informacin concerniente a la solucin ptima del otro. Las estructuras duales permiten entre otras cosas: 1. Resolver modelos lineales que tienen ms restricciones que variables. 2. Hacer interpretaciones econmicas de las soluciones ptimas de los problemas de programacin lineal. 3. Generar mtodos como el dual-simplex para el anlisis de sensibilidad de los problemas de programacin lineal.
3.2
OBTENCIN DEL MODELO DUAL A PARTIR DEL MODELO PRIMAL
El Modelo Primal en forma cannica tiene la siguiente estructura Dual: Modelo Primal en Forma cannica
n Maximizar Z = CjXj j =1
Sujeta a:
aij
j= 1
bi
Para toda i=1,2,..m j=1,2,..n Modelo Dual Asociado
Minimizar Y0 = b T Yi Sujeta a : a T Yi Yi 0
Ejemplo Obtener el modelo dual asociado del siguiente modelo primal en forma cannica:
c T
2013.IPN-UPIICSAMara Virginia Guzmn Ibarra
190
III
Maximizar Z = 3X1 + 5X2 S.A. X1 4 2X2 12 3X1+ 2X2 18 X10, X20 Primer paso: Verificar que el modelo cumple con las caractersticas de la forma cannica, es decir: i) La funcin objetivo es de Maximizar ii) iii) Todas las restricciones son del tipo Todas las variables de decisin son no negativas
S no es as, aplicar las reglas de equivalencia correspondientes hasta obtener la forma cannica. Para el ejemplo que nos ocupa, si se cumplen todas y cada una de dichas caractersticas. Segundo paso El nmero de variables del modelo dual corresponder al nmero de restricciones del modelo primal. Para nuestro ejemplo sern tres variables duales porque el modelo primal en forma cannica tiene tres restricciones. Por lo tanto: Y1, Y2, y Y3 son las variables duales. X1 2X2 3X1+ 2X2 Tercer paso: La funcin objetivo dual se formula obteniendo recursos), es decir (la transpuesta del vector de disponibilidad de 4 ................. Y1 12 ............... Y2 18 ................ Y3
Por lo tanto Por lo que la funcin objetivo del modelo dual es: Minimizar Y0 = 4Y1 + 12Y2 + 18Y3 Cuarto paso: Las restricciones duales se formulan obteniendo (la transpuesta del vector de costos o utilidades) y T (La transpuesta de la matriz de coeficientes tecnolgicos). a
Por lo tanto
191
III
Por lo tanto
Las restricciones duales son:
Quinto paso: Para identificar la naturaleza de las variables duales, debemos observar el tipo de restricciones que tenemos en el modelo primal en forma cannica, para el ejemplo que nos ocupa, todas las restricciones en el modelo primal son del tipo por lo que las variables duales sern todas del tipo 0, es decir:
Y10 Y20 Y30

En resumen el modelo dual asociado al modelo primal en forma cannica es el siguiente: Minimizar Y0 = 4Y1 + 12Y2 + 18Y3 Sujeta a: Y1 + 3Y3 3 Y2 + 2Y3 5 Y1 0 ;Y2 0; Y3 0 De la formulacin Dual asociada a un modelo primal en forma cannica, se deducen las siguientes reglas: 1. 2. 3. 4. 5. A cada restriccin del modelo primal le corresponde una variable en el modelo dual. Los elementos (coeficientes) del lado derecho de las restricciones (vector b) del modelo primal, son igual a los respectivos coeficientes de la funcin objetivo del modelo dual. S la funcin objetivo del modelo primal es de Maximizar, la funcin objetivo del modelo dual asociado ser de Minimizar. S las restricciones en el modelo primal son del tipo , las variables en el modelo dual sern del tipo 0. Si las variables, en el modelo primal son del tipo 0, las restricciones en el modelo dual sern del tipo .
El modelo Primal en forma Estndar tiene la siguiente estructura dual:
192
III
Modelo primal en forma estndar Maximizar o Minimizar
Sujeta a:
Para toda i=1,2,.m J=1,2,.n Modelo dual Asociado
Minimizar Maximizar Y0 =b T Yi Sujeta a : a T Yi =C T
Yi no restringida en signo
Ejemplo: Modelo primal en forma estndar: Obtener el modelo dual asociado del siguiente modelo primal en forma estndar: Mx. Z = 5X1 + 12X2 + 4X3 S.A. X1 + 2X2 + X3 = 4 2X1 - 2X2 +3X3 = 12 X10, X20, X30 Primer paso: Verificar que el modelo cumple con las caractersticas de la forma Estndar, es decir: i) La funcin objetivo puede ser de maximizar o de minimizar. ii) iii) iv) Todas las restricciones son ecuaciones, es decir, del tipo =. El lado derecho de las ecuaciones de restriccin es positivo, es decir, vector b positivo. Todas las variables de decisin son no negativas.
S no es as, aplicar las reglas de equivalencia correspondientes hasta obtener la forma estndar Para el ejemplo que nos ocupa, si se cumplen todas y cada una de dichas caractersticas. Segundo paso: El nmero de variables del modelo dual corresponder al nmero de restricciones del modelo primal. Para nuestro ejemplo sern dos variables duales porque el modelo primal en forma estndar tiene dos restricciones. Y1, Y2, son las variables duales. X1
+
2X2 + X3 = 4..................Y1
2X1 - 2X2 +3X3 = 12................Y2

193
III
Tercer paso: La funcin objetivo dual se formula obteniendo recursos), es decir (la transpuesta del vector de disponibilidad de
Por lo tanto Por lo que la funcin objetivo del modelo dual es: Minimizar Y0 = 5Y1 + 2Y2 Cuarto paso: Las restricciones duales se formulan obteniendo C T (la transpuesta del vector de costos o utilidades) y a T (La transpuesta de la matriz de coeficientes tecnolgicos).
Por lo tanto
Por lo tanto Las restricciones duales son:
Quinto paso: Para identificar la naturaleza de las variables duales, debemos observar el tipo de restricciones que tenemos en el modelo primal en forma estndar, para el ejemplo que nos ocupa, todas las restricciones en el modelo primal son del tipo = por lo que las variables duales sern todas del tipo "no restringidas en signo, es decir: Y1 no restringida en signo Y2 no restringida en signo En resumen el modelo dual asociado al modelo primal en forma estndar es el siguiente: Minimizar Y0 = 5Y1 + 2Y2 Sujeta a:
194
III
Y1 no restringida en signo; Y2 no restringida en signo De la formulacin Dual asociada a un modelo primal en forma estndar, se deducen las siguientes reglas: 1. 2. 3. A cada restriccin del modelo primal le corresponde una variable en el modelo dual. Los elementos (coeficientes) del lado derecho de las restricciones (vector b) del modelo primal, son igual a los respectivos coeficientes de la funcin objetivo del modelo dual. S la funcin objetivo del modelo primal es de Maximizar, la funcin objetivo del modelo dual asociado ser de Minimizar, en el otro caso, si la funcin objetivo es de Minimizar , la funcin objetivo del modelo dual asociado ser de Maximizar, S las restricciones en el modelo primal son ecuaciones, es decir, del tipo =, las variables en el modelo dual sern no-restringidas en signo. Si las variables, en el modelo primal son del tipo =0, las restricciones en el modelo dual sern del tipo =.
4. 5.
En resumen las reglas generales para obtener el modelo dual asociado a un modelo primal y viceversa son:
Ejemplo 1: Aplicando las reglas de dualidad (forma directa de obtener el dual), obtenga el modelo dual asociado del siguiente modelo primal en forma mixta Mx. Z = 5X1 + 2X2 S.A. -X1 + X2 -3 2X1 + 3X2 5 3X1 + 2X2 18 X1 0, X20
195
III
Modelo dual asociado 1. Sobre la funcin objetivo: Como la funcin objetivo del modelo primal es de maximizar nos ubicamos del lado izquierdo de la tabla y obtenemos su correspondiente modelo dual asociado del lado derecho, es decir: Minimizar Y0 = -3Y1 + 5Y2 2. Sobre las variables duales Cada restriccin en el modelo primal define una variable en modelo dual, de tal manera que las variables duales sern dos porque se tienen dos restricciones en el modelo primal y su naturaleza esta determinada por el tipo de restriccin, para nuestro ejemplo las dos restricciones en el modelo primal son del tipo por lo que las variables duales sern Y1 0 y Y2 0 3. Sobre las restricciones duales Para definir el tipo de restricciones duales debemos observar la naturaleza de las variables del modelo primal, para nuestro ejemplo, X10 y X20, por lo tanto las restricciones duales sern del tipo , es decir: -Y1 +2Y2 -5 Y1 +3Y2 2 En resumen el modelo dual asociado es: Minimizar Y0 = -3Y1 + 5Y2 Sujeta a: -Y1 +2Y2 -5 Y1 +3Y2 2 Y1 0 y Y2 0 Ejemplo 2: Aplicando las reglas de dualidad (forma directa de obtener el dual), obtenga el modelo dual asociado del siguiente modelo primal en forma mixta Mx. Z = 5X1 + 6X2 Sujeta a: X1 +2X2 -X1 +5X2
=5 3
X1 libre, X2 0 Modelo dual asociado 1. Sobre la funcin objetivo: Como la funcin objetivo del modelo primal es de maximizar nos ubicamos del lado izquierdo de la tabla y obtenemos su correspondiente modelo dual asociado del lado derecho, es decir: Minimizar Y0 = 5Y1 - 3Y2 2. Sobre las variables duales Cada restriccin en el modelo primal define una variable en modelo dual, de tal manera que las variables duales sern dos porque se tienen dos restricciones en el modelo primal y su naturaleza esta determinada por el tipo de restriccin, para nuestro ejemplo la primera restriccin es de tipo = por lo que la variable dual Y1 ser libre no-restringida en signo y la variable dual Y2 ser del tipo 0 3. Sobre las restricciones duales Para definir el tipo de restricciones duales debemos observar la naturaleza de las variables del modelo primal, para nuestro ejemplo, X1 Libre y X2 0, por lo tanto la primera restriccin dual ser del tipo = y la segunda restriccin dual ser del tipo , es decir:
196
III
Y1 + Y2 = 5 2Y1 -5Y2 6 En resumen el modelo dual asociado es: Minimizar Y0 = 5Y1 - 3Y2 Y1 + Y2 = 5 2Y1 -5Y2 6 Y1 Libre y Y2 0
3.3
SOLUCIN DUAL PTIMA A PARTIR DE LA SOLUCIN PTIMA DEL PROBLEMA PRIMAL E INTERPRETACIN ECONOMICA DE LAS VARIABLES DUALES.
Con el siguiente ejemplo aprenderemos como a partir de la solucin ptima del modelo primal obtenemos automticamente la solucin ptima del modelo dual. Mx. Z = 5X1 + 12X2+ 4X3 Sujeta a: X1 + 2X2 + 2X3 5 2X2 - X2 + 3X3 = 2 X1 0; X2 0; X3 0 El mtodo que aplica para la solucin de este problema es el mtodo penal Obteniendo la forma estndar del modelo e igualando a cero la funcin objetivo y aplicando los pasos del mtodo penal para la solucin: Max. Z -5X1 12X2-4X3 0X4 + MW1 = 0 Sujeta a: X1 +2X2 + X3 +X4 =5 2X1 - X2 +3X3 +W1 = 2 X10; X20; X30; X40 Utilizando la tabla simplex para la solucin:
197
III
La solucin ptima del modelo primal es: X1 = 9/5 X2 = 8/5 El valor ptimo de la funcin objetivo Z = 141/5 Ahora obtendremos el modelo dual asociado del modelo primal y procederemos a determinar la solucin ptima del modelo dual por el mtodo penal: Modelo Dual asociado Minimizar Y0 = 5Y1 + 2Y2 Sujeta a: Y1 +2Y2 5 2Y1 - Y2 12 Y1 +3Y2 14 Y10 Y2 no-restringida en signo Obteniendo la forma estndar del modelo e igualando a cero la funcin objetivo y aplicando los pasos del mtodo penal para la solucin: Minimizar Y0 - 5Y1 - 2Y3+ 2Y4 MW1 MW2 - MW3 = 0 Sujeta a: Y1 +2(Y3-2Y4) Y5 +W1 2Y1 - (Y3- Y4) -Y6 +W2 =12 Y1 +3(Y3+ Y4) -Y7 +W3 =14 Y10; Y2 = (Y3+ Y4) para toda Y3; 0 y Y40
=5
198
III
Utilizando la tabla simplex para la solucin:
La solucin ptima del modelo dual es: Y1 = 29/5 Y2 = (Y3+ Y4) Y2 = (0- 2/5) Y2 = -2/5 El valor ptimo de la funcin objetivo Y0= 141/5 Una observacin de las tablas ptimas del modelo primal y del modelo dual revela los siguientes resultados:
199
III
Ignorando la constante "M", ntese que los coeficientes de las variables de holgura X4 y de la variable artificial W1 en la tabla ptima generan automticamente la solucin ptima de la variable Y1 = 29/5 y de Y2 = -2/5, la cual es la misma solucin obtenida al resolver el problema dual independientemente. Una observacin similar de las tablas dual y primal revela:
Ignorando la constante "M", nuevamente comprobamos que los coeficientes de las variables artificiales W1, W2 y W3 en la tabla ptima generan automticamente la solucin ptima de la variable X1 = 9/5 y de X2 = 8/5 y X3 = 0, la cual es la misma solucin obtenida al resolver el problema primal independientemente. Conclusin: La solucin ptima del modelo primal (modelo dual) proporciona informacin sobre la solucin ptima del modelo dual (modelo primal). Las siguientes reglas son tiles para facilitar la obtencin de la solucin dual ptima a partir de la tabla ptima del primal. Regla 1 Si la variable dual corresponde a una variable inicial de holgura en el problema primal, el valor ptimo de la variable dual esta dado directamente por los coeficientes de esta variable de holgura en la ecuacin cero es decir Z ptima (rengln de la funcin objetivo). Regla 2 Si la variable dual corresponde a una variable artificial inicial del problema primal, el valor ptimo de la variable dual estar dado por los coeficientes de la variable artificial en la ecuacin cero de la tabla ptima, eliminando la constante M.
3.4
INTERPRETACIN ECONMICA DEL PROBLEMA Y DE LAS VARIABLES DUALES
Mientras que la interpretacin fsica del problema primal es inmediata, la interpretacin correspondiente al dual no es muy evidente, sin embargo, el significado de la funcin objetivo y de las restricciones del dual pueden ser explicadas ms fcilmente interpretando los problemas primal y dual en trminos de unidades fsicas: Si el problema primal consiste en:
Maximizar Z = Sujeta a : Utilidad / producto
j= 1 n
( producto j ) = Ganacia total
( Insumo
j= 1
/ producto 0
j)
( producto j ) = Insumo
( producto
j)
para toda j =1,2,.........n i =1,2,........m
El problema dual consistir en:

200
III
Minimizar Y0 = Sujeta a :
( Insumo )(Valor / insumo ) = Valor total

i i i =1 m i
( Insumo
i =1
/ producto j )(Valor / insumo i ) = (Valor / producto j ) para toda j = 1,2,........n i = 1,2,.........m
(Valor / insumo i ) 0
La interpretacin ms descriptiva de los problemas primal y dual puede ser establecida en la forma siguiente: Problema primal. Dada una unidad de valor para cada producto (Cj) y dado un limite para la disponibilidad de cada insumo Cuntas unidades de cada producto (Xj) deben ser producidas con objeto de maximizar el valor del producto total? Problema dual. Con una disponibilidad dada de cada insumo (bi) y un lmite al valor unitario para cada producto (Cj) Qu valores unitarios deberan ser asignados a cada insumo (Yi) con objeto de minimizar el valor del insumo total? A las variables duales Yi se les conoce como costos marginales o precios sombra. Una interpretacin importante de las variables duales puede reconocerse a partir de la definicin de la funcin objetivo, dada por:
Y0 =
b Y
i i= 1
Dnde bi representa la disponibilidad del i-simo recurso. Puesto que la solucin ptima maximizar Z = Minimizar Y0 ; las variables duales Yi pueden interpretarse como la contribucin unitaria del i-simo recurso al valor de la funcin objetivo. Para entender mejor, considere el ejemplo anterior dnde la funcin objetivo del problema dual esta dada por: Y0 = 5Y1 + 2Y2 Y los valores ptimos de las variables duales por Y1 = 29/5 y Y2= -2/5. Ntese que cada unidad del primer recurso (b1=5) contribuye con 29/5 al valor de la funcin objetivo, mientras que cada unidad del segundo recurso (b2=2) contribuye con 2/5. Esto significa que b2 no solo no incrementar Y0 sino que cada unidad adicional de (b2) disminuye Y0 (y por lo tanto Z) en 2/5. En cambio una unidad de b1 incrementar Y0 en 29/5. 3.5 MTODO DUAL-SIMPLEX
El mtodo dual-simplex se aplica para resolver problemas que empiezan con factibilidad dual, es decir, ptimos pero infactibles. Un problema se puede resolver por el mtodo dual-simplex, cuando, despus de igualar acero la funcin objetivo y convertir las restricciones en ecuaciones, agregando las variables de holgura necesarias, al menos uno, cualquiera de los elementos del vector b (vector de disponibilidades) es negativo y la condicin de optimalidad se satisface. Un comparativo entre el mtodo simplex y el mtodo dual-simplex.
201
III
El mtodo dual-simplex requiere de la aplicacin de dos criterios para su solucin: El criterio de optimalidad que asegura que la solucin permanecer ptima todo el tiempo y el criterio de factibilidad que forza las soluciones bsicas hacia el espacio factible. Criterio de Factibilidad. La variable saliente ser aquella variable bsica que tenga el valor ms negativo en el vector bi. Si todas las variables bsicas son positivas o sea 0 se tiene la solucin final, ptima y factible. Criterio de optimalidad. La variable entrante se selecciona de entre las variables no-bsicas como sigue: Dividir los coeficientes de la ecuacin cero entre los coeficientes de la ecuacin asociada con la variable saliente, ignorando denominadores positivos y/o ceros. La variable entrante ser aquella cuyo cociente sea el menor, si el problema es de minimizar, el de menor valor absoluto si es de maximizar. Si todos los denominadores son 0, el problema no tendr solucin factible. La aplicacin del mtodo dual-simplex es especialmente til para el tema de anlisis de sensibilidad. El procedimiento del mtodo dual-simplex se explicara ms objetivamente con los siguientes ejemplos: Ejemplo 1 Considere el siguiente modelo de PL y determine su solucin por el mtodo dual-simplex. Minimizar. Z= 2X1 + X2 Sujeta a: 3X1 + X2 3 4X1 + 3X2 6 X1 + 2X2 3 X10; X20; X30 Igualando a cero la funcin objetivo y agregando las variables de holgura para obtener ecuaciones de restriccin. Minimizar. Z-2X1 - X2 = 0 Sujeta a: -3X1 - X2 +X3 =-3 -4X1 -3X2 +X4 =-6 X1 +2X2 X5 = 3 X10; X20; X30 Obteniendo la forma tabular para aplicar el procedimiento del dual-simplex.
202
III
Conclusin. La solucin ptima es: X1 = 3/5 X2= 6/5 Con Zoptima = 12/5 Ejemplo 2. Considere el siguiente modelo de PL y determine su solucin por el mtodo dual-simplex. Maximizar. Z= -4X1 -12 X2 -18 X3 Sujeta a: X1 +3X3 3 +2X2 +2X3 5 X10; X20; X30 Igualando a cero la funcin objetivo y agregando las variables de holgura para obtener ecuaciones de restriccin. Minimizar. Z+4X1 +12 X2 +18 X3= 0 Sujeta a: -X1 -3X3 + X4 =-3 -2X2 -2X3 + X5 =-5 X10; X20; X30
Obteniendo la forma tabular para aplicar el procedimiento del dual-simplex.
203
III
Conclusin. La solucin ptima es: X2 = 3/2 X3= 1 Con Zoptima = -36
3.6
ANLISIS DE SENSIBILIDAD
Despus de que se ha obtenido la solucin ptima de un problema de programacin lineal (PL), puede darse el caso de que uno o varios parmetros de la formulacin original cambien dando origen a un nuevo problema, sin embargo mediante la aplicacin de la tcnica llamada anlisis de sensibilidad no ser necesario volver a resolver el problema desde el principio. La utilidad del anlisis de sensibilidad en los modelos de PL consiste, en que permite una interpretacin razonable de los resultados ya obtenidos. En muchos casos la informacin generada por la aplicacin del anlisis de sensibilidad es ms importante y mucho ms informativa que el simple resultado obtenido en la solucin ptima. En cierto sentido, el anlisis de sensibilidad convierte la solucin esttica de los modelos de PL. en un instrumento dinmico que evala las condiciones cambiantes. El nuevo problema puede diferir del original en uno varios de los siguientes cambios que pueden ocurrir simultneamente: 1. 2. 3. Cambios en la disponibilidad de recursos (vector bi). Cambios en los costos o utilidades unitarias (vector Cj). Cambios en los coeficientes tecnolgicos (matriz aij).
La estructura inicial de una tabla simplex es la siguiente:
204
III
Y la estructura ptima de una tabla simplex es:
El anlisis de sensibilidad se basa en el conocimiento de la tabla inicial simplex y en la aplicacin de las propiedades de la estructura ptima de una tabla simplex.
3.6.1
Cambios en la disponibilidad de recursos (Vector bi)
Maximizar Z =C j X Sujeta a : a ij X X
j j
=b
Los valores ptimos de las variables de un modelo de PL est determinada por la propiedad XB=B-1b =0 y para Z=CBXB. Al experimentar un cambio en el vector b* XB cambia a:
B
= B-1b*
B
Si
0 entonces la nueva solucin ser ptima.

B
Si B 0 entonces la nueva solucin para restaurar la factibilidad.
no es factible y ser necesario aplicar el mtodo dual-simplex
El mtodo dual-simplex, en caso de aplicarse, deber hacerse a la tabla ptima del problema original, cambiando la columna XB por Ejemplo 1. Considere el siguiente modelo de PL y su correspondiente solucin inicial y solucin ptima. Maximizar. Z= 5X1 + 3X2 Sujeta a: 3X1 +5X2 15 5X1 +2X2 10 X1 0; X2 0
B
205
III
Si se decide experimentar un cambio en el vector
Cul es el nuevo problema y cul es la nueva solucin ptima?
Solucin: El nuevo problema a resolver es: Maximizar. Z= 5X1 + 3X2 Sujeta a: 3X1 +5X2 5 5X1 +2X2 5 X1 0; X2 0 Aplicando la tcnica de anlisis de sensibilidad no es necesario volver a resolver el problema desde el principio, lo primero que debemos definir es la propiedad que aplica, para los cambios en el vector b siempre se aplicar la siguiente propiedad:
B
= B-1b*
Identificando valores:
3 5 19 19 B = 5 2 19 19
1
5 b = 5
Sustituyendo valores:
3 5 10 5 19 19 XB = = 19 0 5 5 2 15 19 19 19
Como
10 X B = 19 0 la solucin sigue siendo factible 15 19
La solucin ptima para el nuevo modelo es:

Z optima = C B X B = C B B 1b
C B = [ 3 5]
206
III
10 X B = 19 15 19
16 C B B 1 = 5 19 19
5 b = 5
Z optima = C B X B
Z optima
10 = [ 3 5] 19 = 30 + 75 = 105 19 19 19 15 19
La otra manera de obtener Z optima es:
Z optima = C B B 1b
Z optima = 5 19
5 16 19 5 5 25 16 80 105 = 19 + 19 = 19 19 5
Z optima = 5 19
Conclusin:
La solucin ptima del nuevo modelo obtenido por anlisis de sensibilidad es:
X 1 = 15 19 X 2 = 10 19 Z optima = 105 19
Ejemplo 2 Supongamos ahora que se decide experimentar otro cambio en el vector
a Cul es el nuevo problema y cul es la nueva solucin ptima?

207
III
Solucin: El nuevo problema a resolver es: Maximizar. Z= 5X1 + 3X2 Sujeta a: 3X1 +5X2 10 5X1 +2X2 20 X10; X20 Aplicando la tcnica de anlisis de sensibilidad, la propiedad que aplica para los cambios en el vector b es:
B
= B-1b*
3 5 19 19 B = 5 2 19 19
1
10 b = 20
3 10 10 5 19 19 XB = = 19 0 5 20 80 2 19 19 19
Como
10 X B = 19 80 19
0 la solucin es infactible, en estos casos se debe aplicar el mtodo dual-
simplex para restablecer la factibilidad del nuevo problema, utilizando la tabla ptima del problema original y sustituyendo los valores de
B
en lugar de XB.
208
III
La solucin ptima para el nuevo modelo es: Z optima = C B X B Identificando valores:
C B = [ 0 5]
10 X B = 3 10 3
Sustituyendo valores: Z optima = C B X B
Z optima
10 = [ 0 5] 3 = 50 3 10 3
Conclusin: La solucin ptima del nuevo modelo obtenido por anlisis de sensibilidad es:
X 1 = 10 19
X2 =0
Z optima = 50
3.6.2
Cambios en los costos o utilidades unitarias (vector Cj).

j
Maximizar Z = C j X Sujeta a : a ij X X
j j
= bi
Si se experimentan cambios en el vector Cj el nuevo modelo es:

Maximizar Z = C jX Sujeta a : a ij X X
j j j
= bi
Este tipo de cambios toma como punto de partida la solucin ptima del problema original. Al cambiar el 1 1 vector C j , la propiedad C B B Aij C j debe ser actualizada, es decir C B B Aij C j Donde Aij es la columna ij de la matriz [ A] Si los valores actualizados de son no negativas para las variables no-bsicas y cero para las variables bsicas para el caso de maximizar negativas y cero para el caso de minimizar, estas cumplen con las condiciones de optimalidad y entonces la X B asociada a la tabla ptima original permanece ptima y el
nuevo valor de la funcin objetivo ser: Z optima = C B X B
209
III
En caso contrario, mediante operaciones matriciales elementales y/o el algoritmo del mtodo simplex obtendremos las condiciones de optimalidad.
Ejemplo 1 Considere el siguiente modelo de programacin lineal y su correspondiente tabla ptima:
Maximizar Z = 5 X 1 + 3 X 2 Sujeta a : 3 X 1 + 5 X 2 15 5 X 1 + 2 X 2 10 X1 0 X2 0
=1 Cul es el nuevo modelo y su Supongamos que el coeficiente C 2 = 3 disminuye a C 2 correspondiente solucin ptima?
Solucin. El nuevo modelo es:
Maximizar Z = 5 X 1 + 1X 2 Sujeta a : 3 X 1 + 5 X 2 15 5 X 1 + 2 X 2 10 X1 0
C B B 1 Aij C
X2 0
Obteniendo la solucin del nuevo modelo de PL por anlisis de sensibilidad, la propiedad a aplicar es: Para el ejemplo que nos ocupa, la propiedad a aplicar es:
C B B 1 Aij C 2
Identificando valores
C =[5 1]
Como el nico coeficiente del vector C j que cambio es C 2 Obteniendo la solucin del nuevo modelo de PL por anlisis de sensibilidad, la propiedad a aplicar es:
C B B 1 Aij C 2
Para el ejemplo que nos ocupa, la propiedad a aplicar es:

C B B 1 Aij C 2
Identificando valores.
=
=1 entonces la propiedad correspondiente Como el nico coeficiente del vector C j que cambio es C 2 es:
210
III
C B B 1 A2 C 2
5 A2 = 2
5 16 C B B 1 A2 C 2 = 5 1 = 3 1 = 2 19 19 2
Sustituyendo el nuevo valor de
C B B 1 A2 C 2 = 2 en la tabla ptima del modelo original.
Al sustituir el coeficiente "2" en la tabla ptima, observamos que la variable X2 es bsica por lo que la solucin pierde su estructura bsica para restablecerla debemos hacer cero el coeficiente 2, y despus verificar la optimalidad si es ptima la solucin hemos concluido, de no ser as, aplicar el algoritmo del mtodo simplex hasta obtener la solucin ptima.
X1 = 2 X2 =0
211
III
Z optima =10
Ejemplo 2 Considere el siguiente modelo de programacin lineal y su correspondiente tabla ptima:
Supongamos que el vector C = [5 correspondiente solucin ptima? Solucin. El nuevo modelo es:
3] cambia a C =[1 1] Cul es el nuevo modelo y su
Maximizar Z = 1X 1 + 1X 2 Sujeta a : 3 X 1 + 5 X 2 15 5 X 1 + 2 X 2 10 X1 0 X2 0
Obteniendo la solucin del nuevo modelo de PL por anlisis de sensibilidad, la propiedad a aplicar es:
C B B 1 Aij C
Para el ejemplo que nos ocupa, la propiedad a aplicar es:

C B B 1 Aij C 2
Identificando valores
C =[1 1]
=1 y C 2 =1 habr que aplicar la Como los coeficientes del vector C j que cambiaron son C1
propiedad correspondiente tantas veces como cambios se estn experimentando en el vector C j . Obteniendo la solucin del nuevo modelo de PL por anlisis de sensibilidad, la propiedad a aplicar es:
C B B 1 Aij C
=1 Para C1 La propiedad especfica a aplicar es:
C B B 1 A1 C1
Identificando valores.
C =[1 1]
16 C B B 1 = 5 19 19
]
212
III
3 A1 = 5
3 16 C B B 1 A1 C1 = 5 1 = 5 1 = 4 19 19 5
1 Ahora debemos sustituir el nuevo valor de C B B A1 C1 = 519
16 19
3 ] 5 1 = 5 1 = 4
CB B
A1 C1
= 4 En la tabla ptima del modelo original.
=1 Para C 2 =1 entonces la propiedad correspondiente es: Como el coeficiente del vector C j que cambio es C 2
C B B 1 A2 C 2
16 C B B 1 = 5 19 19
5 A2 = 2
]
]
5 16 C B B 1 A2 C 2 = 5 1 = 3 1 = 2 19 19 2
Sustituyendo los nuevos valores para C B B 1 A1 C1 =4 ptima del modelo y C B B 1 A2 C 2 = 2 en la tabla
original:
Al sustituir los coeficientes 4 y 2 en la tabla ptima, observamos que las variables X1 y X2 son bsicas por lo que la solucin pierde su estructura bsica para restablecerla debemos hacer ceros los coeficientes 4 y 2, y despus verificar la optimalidad, si es ptima la solucin hemos concluido, de no ser as, aplicar el algoritmo del mtodo simplex hasta obtener la solucin ptima. Para nuestro ejemplo, al restablecer la estructura bsica se obtiene la solucin ptima.
213
III
X 1 = 20 19 X 2 = 45 19 Z optima = 65 19
3.6.3 Cambios en la matriz de coeficientes tecnolgicos ( matriz aij)
Ahora se analizar el efecto de cambiar algunos de los elementos de la matriz a ij solo el caso que incluye, cambios en las columnas no-bsicas.
Suponga que la columna no-bsica a ij se modifica a a ij . Entonces la nueva columna actualizada es:
0 , entonces la solucin anterior es ptima; en caso contrario, el mtodo simplex contina despus de actualizar la columna j de la tabla, introduciendo la variable no bsica X j
B 1 a ij y C B B 1 a ij C j si C B B 1 a ij C j
3.7
OBTENCIN DEL MODELO ORIGINAL A PARTIR DE LA TABLA PTIMA
Aplicando las propiedades del anlisis de sensibilidad y con la siguiente tabla ptima determine el modelo de PL al que corresponde dicha solucin.
Las propiedades de una tabla ptima son:
214
III
Pasos Paso1. Obteniendo el vector b (vector de disponibilidades de recursos). La propiedad que aplica es: X B = B 1b Identificando valores:
X B = B 1b 3 b 45 5 19 19 19 1 = 5 b2 20 2 19 19 19
Resolviendo operaciones matriciales y construyendo las ecuaciones de primer grado para encontrar los valores del vector b.
3 b 5 b 3 b 45 5 1 1 19 19 19 19 19 2 = = 5 b2 2 b 5 b 20 2 19 19 2 19 19 19 2 45 5 b1 3 b2 19 19 = 19 20 5 2 b b 19 2 19 19 2
Resolviendo el sistema de ecuaciones de primer grado obtenemos los siguientes valores del vector b
b1 =15 b2 =10
Paso2. Obteniendo la matriz Aij (matriz de coeficientes tecnolgicos).
1 La propiedad que aplica es: B Aij
0 B 1 Aij = 1
1 0
215
III
3 5 19 B = 19 5 2 19 19
1
a Aij = 11 a 21 a12 a 22
1 B Aij
0 1 519 319 a11 a12 519 a11 319 a 21 519 a12 319 a 22 = 2 1 0 = 2 5 5 5 2 a a a + a 19 19 21 22 19 a11 + 19 a 21 19 12 19 22 0 1 519 a11 319 a 21 519 a12 319 a 22 1 0 = 2 5 5 2 a + a 19 a11 + 19 a 21 19 12 19 22
Resolviendo los sistemas de ecuaciones de primer grado obtenemos los siguientes valores de la matriz
0 = 5 a11 3 a 21 1 = 5 a12 3 a 22 19 19 19 19 1 = 2 a11 + 5 a 21 0 = 2 a12 + 5 a 22 19 19 19 19

a11 = 3 a12 = 5 a 21 = 5 a 22 = 2
3 Aij = 5 5 2
Paso3. Obteniendo el vector C j (vector de costos utilidades). La propiedad que aplica es: C B B 1 A C Identificando valores:
C B B 1 A C = [0
0]
216
III
16 C B B 1 = 5 19 19
3 Aij = 5 5 2
C j = [ C1
C2 ]
[0
0] = 5 19
[0
0] = [ 5 C1
3]
3 16 19 5
3 C2 ]
5 [C1 2
C2 ]
= C j = [5
Por lo tanto el modelo original es:
3.8
EJERCICIOS PROPUESTOS DE DUALIDAD Y ANLISIS DE SENSIBILIDAD
DUALIDAD Determinar el modelo dual asociado, en forma directa (usando las tablas de dualidad) de los siguientes modelos primales:
1. Minimizar Z = 3 X 1 + 7 X 2 + X 3 Sujeta a : X1 2X 2 + X 3 = 3 2X1 + 5 X 3 10 X2 + X3 3 X 1 0; X 2 0; X 3 Libre
2. Maximizar Z = X 1 + 10 X 2 Sujeta a : 2 X 1 + 2 X 2 + 2 X 3 10 4X1 X 1 3X 2 35 =1
X 1 0; X 2 0; X 3 Libre 3. Maximizar Z = 2 X 1 + 9 X 2 + X 3 Sujeta a : 4 X 1 + X 2 + 3 X 3 18 X2 =5 X3 5 X 1 0; X 2 0; X 3 0

217
III
4.
Minimizar Z = 5 X 1 + 32 X 2 + 127 X 3 Sujeta a : 21X 1 + 126 X 2 + 931X 3 9358 545 X 1 + 293 X 2 + 172 X 3 5623 636 X 1 + 412 X 2 + 63 X 3 10311 X 1libre; X 2 libre; X 3 0
Minimizar Z = 0.3 X 1 + 1.12 X 2 Sujeta a : 1.2 X 1 + 3.7 X 2 15 5.4 X 1 + 0.25 X 2 16 0.7 X 1 0.3 X 2 8 361X 1 + 12 X 2 598 X 1 0; X 2 libre
Determine, partiendo del modelo en forma cannica, el modelo dual asociado a los siguientes modelos primales:
6. Minimizar Z = 2 X 1 + 5 X 2 + X 3 Sujeta a : 9 X 1 3X 2 + 5 X 3 7 6 X 1 4 X 2 + 3X 3 2 2 X 1 + 3 X 2 + 6 X 3 = 10 X 1 0; X 2 0 7. Minimizar Z = 2 X 1 + X 2 3 X 3 Sujeta a : 2X1 + 3X 2 + 2X1 4X 2 X3 = 10 3 X 4 = 10 2 X 4 = 15 3 X 1 + 2 X 2 2 X 3 + X 4 20
X 1 0; X 2 0; X 3 libre; X 4 libre
8. Maximizar Z = 2 X 1 + 5 X 2 Sujeta a : X1 4 X2 3 X1 + 2X 2 = 8 X 1 0; X 2 libre

9. Minimizar Z = 2 X 2 5 X 3 Sujeta a : X1 + X3 2 2X1 + X 2 + 6X 3 6 X 1 X 2 + 3X 3 = 0 X 1 0; X 2 0; X 3 libre
218
III
10. Maximizar Z = 5 X 1 + 10 X 2 Sujeta a : X 1 + 2 X 2 + X 3 = 10 X 2 + 2 X 3 18 X 1 X 2 + 3X 3 = 0 X 1 0; X 2 0; X 3 libre

11.- Anote dentro del parntesis los siguientes nmeros que correspondan a los enunciados. (1) Los parmetros ; (2) El anlisis de sensibilidad ; (3) La dualidad ; (4) Las variables duales ; (5) El valor ptimo; (6) La solucin factible ; (7) El mtodo dual-simplex ; (8) El mtodo heurstico (9) Variable dual Yi; (10) Precios sombra; (11) Modelo primal (__) _______________de la funcin objetivo primal es igual al valor ptimo de la funcin objetivo dual. . (__) En el mtodo dual-simplex, si todas las variables bsicas no son negativas el proceso termina y se alcanza _______________ . (__) _______________Permanecen constantes para cada problema, pero varan con problemas distintos. (__) _______________Es til en el anlisis de sensibilidad. (__) _______________Para desarrollar soluciones aproximadas aceptables. (__) _______________Es un mtodo para investigar el efecto que tienen cambios en los diferentes parmetros sobre la solucin ptima de un problema de PL. (__) _______________Tienen importantes interpretaciones econmicas. (__) _______________Permite entre otras cosas resolver modelos lineales que tienen ms restricciones que variables. (__)_________________Contribucin unitaria del i-simo recurso al valor de la funcin objetivo. (__) La expresin CBXB de la tabla ptima, representa_______________. (__) El dual del dual es el modelo_______________.
12.- Determine el modelo dual, a partir de su forma cannica y a partir de las reglas de dualidad (forma directa) del siguiente modelo de PL.
Minimizar Z = 5 X 1 + 2 X 2 Sujeta a : 8 X1 X1 6 X 2 X 1libre X2 + 2 X 3 15 X 2 3X 3 = 6 4 X3 0
Las siguientes cinco preguntas, estn relacionadas al modelo dual obtenido, mediante la forma cannica. (_ ) El nmero de variables de decisin del modelo dual es: a). Seis b). Cinco c). Cuatro d). Tres e). Ninguna
219
III
( _) Los coeficientes de la segunda restriccin del modelo dual son: a). (0, 1, 3) b). (0, 1,-1 ,6) c). (0, 3, 1) d). (-8, 0, 0, -1) e). Ninguna ( _) Los costos del modelo dual son, respectivamente: a). (0, -6 ,6 ,4) b). (5, -2, 0)t c). (-5, 5, 2, 0)t d). (0, 6) e). Ninguna ( _) El tipo de optimizacin del modelo dual es: a). Min.G b). Mx. Z c). Min.(-G) d). Max.-(G) e). Ninguna (_ ) Los recursos del modelo dual son respectivamente: a). (0, 6) b). (-5, 5, 2, 0, 0) c). (0, 6, -6)t d). (5,-5, 2, 0,0)t e). Ninguna Las siguientes cinco preguntas, estn relacionadas con el modelo dual en forma directa. (_ ) Los costos duales: a). (0, 0, 6) b). (0, -6, 6) c). (-5, 2, 0) d). (0, 6, 4) e). Ninguna ( _) Los recursos duales son: a). (5, -2, 0)t b). (-5, 2, 0)t c). (5,-5, 2, 0, 0) d). (0, 6) e). Ninguna ( _) La naturaleza de las variables duales, es respectivamente: a). 0, libre b). 0, 0, 0 c). 0, libre d). 0, , libre, 0 e). Ninguna ( _) Las restricciones duales son del tipo, respectivamente: a). =, , = b). =, , = c). =, , d). =, =, e). Ninguna (_) La segunda restriccin dual es:: a). Y2-6Y3 2 b). -8Y1+Y3 = -5
220
III
c). 2Y1-3Y2 0 d). -Y20, e). Ninguna 13.- Determine el modelo dual, a partir de su forma cannica y a partir de las reglas de dualidad (forma directa) del siguiente modelo de PL.
Minimizar Z = X 1 + Sujeta a :
2X 3 X 2 + 6 X 3 24
X1 + X 2 2X 3 = 0 X 1 0; X 2 libre; X 3 0
Las siguientes cinco preguntas, estn relacionadas al modelo dual obtenido, mediante la forma cannica. (_) El nmero de variables de decisin del modelo dual es: a). Dos b). tres c). Cuatro d). Cinco e). Ninguna (_)Los recursos del modelo dual son: a). (1, 0, 2)t b). (1, 0,2 ,0)t c). (24, 0, 0)t d). (-1, 0, 0, 2,)t e). Ninguna (_)Los costos del modelo dual son, respectivamente: a). (0, -24, 24) b). (1, -2, 0)t c). 24, 0, 0)t d). (24, 0) e). Ninguna (_)El tipo de optimizacin del modelo dual es: a). Min.(-G) b). Max. Z c). Min.G d). Max.-(G) e). Ninguna (_)Los coeficientes de la tercera restriccin del modelo dual son: a). (6, -2, 2) b). (-1, 1, -1) c). (0, -1, 1) d). (6, 2) e). Ninguna Las siguientes cinco preguntas, estn relacionadas con el modelo dual en forma directa. (_)Los costos duales son: a). (1, 0, 2) b). (24, 0, 0 c). (-24, 24, 0) d). (24, 0,) e). Ninguna (_)Los recursos duales son:
221
III
a). (24, 0, 0)t b). (1, 2, 0)t c). (1, 0, 2)t d). (24, 0)t e). Ninguna (_) La naturaleza de las variables duales, es respectivamente: a). 0, libre b). 0, 0, 0 c). libre, 0, d). libre, libre, e). Ninguna (_) Las restricciones duales son del tipo, respectivamente: a). =, , = b). =, , = c). =, , d). , =, e). Ninguna (_) La segunda restriccin dual es: a). Y1+Y2 2 b). Y1+Y2 = 0 c). 6Y1-2Y2 0 d). -Y21 e). Ninguna
14.- Determine el modelo dual, a partir de su forma cannica y a partir de las reglas de dualidad (forma directa) del siguiente modelo de PL.
Minimizar Z = Sujeta a : X1 + X1
4X 2 +
X3
2 X 2 6 X 3 15 2 X 3 = 70
X 1libre; X 2 0; X 3 0
Las siguientes cinco preguntas, estn relacionadas al modelo dual obtenido, mediante la forma cannica. ( _) El nmero de variables de decisin del modelo dual es: a). Dos b). Tres c). Cuatro d). Cinco e). Ninguna (_) 5.4.2. Los recursos del modelo dual son: a). ( 0, 0, 4, -1)t b). ( 0, 4, 1)t c). (4, -1)t d). (15, 70, -70)t e). Ninguna ( _) Los costos del modelo dual son, respectivamente: a). ( 0, 0, 4, -1)t b). ( 0, 4, 1)t c). (15, -70, 70)t d). (15, 70, -70)t e). Ninguna
222
III
( _) El tipo de optimizacin del modelo dual es: a). Min.(-G) b). Max. Z c). Min.G d). Max.-(G) e). Ninguna (_ ) Los coeficientes de la tercera restriccin del modelo dual son: a). (-6, 2, -2) b). ( 3, -3, 0, 2) c). (-2, 0, 0) d). (2, 0) e). Ninguna Las siguientes cinco preguntas, estn relacionadas con el modelo dual en forma directa. ( _) Los costos duales son: a). (0, 4, 1) b). (15, -70, 70) c). (-2, 0, 0) d). (15, 70) e). Ninguna (_ ) Los recursos duales son: a). (15, 70, -70)t b). (0, 4, 1)t c). (0, 0, 4, -1)t d). ( 15, 70)t e). Ninguna (_ ) La naturaleza de las variables duales, es respectivamente: a). 0, libre b). 0, 0, 0 c). libre, 0 d). libre, libre, e). Ninguna ( _) Las restricciones duales son del tipo, respectivamente: a). =, , = b). =, , c). , , d). , =, e). Ninguna ( _) La segunda restriccin dual es: a). -Y1+3Y2 =0 b). Y1+3Y2 3Y3 0 c). -2Y1 4 d). -6Y1-2Y21 e). Ninguna
15.- Considere la siguiente tabla ptima incompleta, de un modelo de P.L., en forma cannica:
V .B Z ? ? Ec. No. Z 0 1 2 1 0 0 X1 3 2 0 X2 ? ? ? X3 ? 0 ? X4 2 1 0 X5 2 0 1 8 10 Solucin
223
III
( _) El nmero de variables de decisin originales son: a). 6 b). 5 c). 4 d). 3 e). Ninguna ( _) El tipo de las variables que se agregaron para resolver el problema son: a). Solo holguras b). Solo artificiales c). Una superflua, una artificial y una holgura d). Una holgura y una artificial e). Ninguna ( _) El valor del segundo recurso del modelo es: a). 8 b). 10 c). 14 d). 16 e). Ninguna ( _) El valor del primer recurso del modelo es: a). 12 b). 16 c). 14 d). 8 e). Ninguna ( _) Los coeficientes de las variables de decisin en la funcin objetivo son: a). (0, 2, -3) b). (2, 1, 0) c). (1, 2, 2) d). (-2, 2, 1) e). Ninguna ( _) Los coeficientes de las variables de decisin en la primera restriccin son: a). (2, 1, 0) b). (0, 0, 1) c). ( 2, 0) d). (1, 1, -2) e). Ninguna ( _) Los coeficientes de las variables de decisin en la segunda restriccin son: a). (2, 1, 0) b). (0, 0, 1) c). (2, 0) d). (1, 1, -2) e). Ninguna ( _) Los precios sombra que muestra la tabla son: a). (0, 2, 2) b). (3, 0, 0) c). (0, 0, 2) d). (2, 2 ) e). Ninguna ( _) El valor ptimo de la funcin objetivo es: a). 150
224
III
b). 60 c). 36 d). 240 e). Ninguna ( _) Los coeficientes de las variables de decisin en la funcin objetivo son: a). (X5, X2)t b). (X3, X4)t c). (X4, X3)t d). (X1, X2)t e). Ninguna
APLICANDO EL METODO DUAL-SIMPLEX, ENCUENTRE LA SOLUCIN PTIMA (SI EXISTE) DE LOS SIGUIENTES MODELOS DE PL:
16.
Minimizar Z = X 1 + X 2 Sujeta a : X1 + X 2 2 X 1 + X 2 1 X 1 0; X 2 0
17.
Minimizar Z = 6 X 1 + 4 X 2 Sujeta a : 1 X 2 12 2 2X1 + X 2 4 3X 1 + X 1 0; X 2 0
18.
Minimizar Z = 2 X 1 + X 2 Sujeta a : 3X 1 + X 2 3 4 X 1 + 3X 2 6 X1 + 2X 2 3 X 1 0; X 2 0
19.
Minimizar Z = 2 X 1 + 3 X 2 Sujeta a : 2 X 1 + 3 X 2 30 X 1 + 2 X 2 10 X1 X 2 0 X1 5 X 1 0; X 2 0
20.
Minimizar Z = 3 X 1 + X 2 + 4 X 3 Sujeta a : X 1 + 6 X 2 + 2 X 3 120 X 2 + 4 X 3 80 X1 + X 3 180 X 1 0; X 2 0; X 3 0
225
III
21.
Minimizar Z = 6 X 1 + 7 X 2 + 3 X 3 + 5 X 4 Sujeta a : 5 X 1 + 6 X 2 3 X 3 + 4 X 4 12 X 2 5 X 3 6 X 4 10 2X 1 + 5X 2 + X 3 X4 8 X 1 0; X 2 0; X 3 0; X 4 0
22.
Minimizar Z = 2 X 1 + 3 X 2 Sujeta a : 4 X 1 + 6 X 2 60 X1 + 4X 2 5 X1 X 2 0 X 1 0; X 2 0
23.
Maximizar Z = 4 X 1 12 X 2 18 X 3 Sujeta a : X1 + + 3X 3 3 2X 2 + 2X 3 5 X 1 0; X 2 0; X 3 0
24.
Maximizar Z = 3 X 1 6 X 2 Sujeta a : 2X1 + 2X 2 6 6X1 + 4X 2 8 3 X 1 + 6 X 2 24 X 1 0; X 2 0
25. Minimizar Z = X 1 + X 2 + X 3 + X 4 + X 5 + X 6 Sujeta a : X1 + X1 + X 2 X2 + X3 X3 + X4 X4 + X5 X6 4 8 10 7 12 X5 + X6 4 X 1 0; X 2 0; X 3 ; X 4 0; X 5 0; X 6 0

26. Minimizar Z = 2 X 1 + 3 X 2 Sujeta a : 2 X 1 + 3 X 2 30 X1 X 2 0 X 1 0; X 2 0
27. Minimizar Z = 2 X 1 + 3 X 2 Sujeta a : 4 X 1 + 6 X 2 60 X1 + 4X 2 5 X1 X 2 0 X 1 0; X 2 0
226
III
28.
Maximizar Z = 2 X 1 4 X 2 X 3 Sujeta a : 2 X 1 + 2 X 2 + 4 X 3 12 X 1 + 2 X 2 + X 3 10 X1 + X3 6 X 1 0; X 2 0; X 3 0
29.
Maximizar Z = 2 X 1 X 2 2 X 3 Sujeta a : X1 + 2X 2 + X 3 6 2X1 + 4X 2 X 1 0; X 2 0 8 2 X 2 + 2 X 3 10
30
Maximizar Z = 5 X 1 10 X 2 15 X 3 Sujeta a : 5X 1 + 5X 2 + 5X 1 X 3 10 10 X 1 + 10 X 2 + 15 X 3 30 + 5 X 3 40 X 1 0; X 2 0; X 3 0
31
Maximizar Z = 20 X 1 40 X 2 10 X 3 Sujeta a : 20 X 1 + 20 X 2 + 20 X 3 20 10 X 1 + 5 X 3 30 10 X 2 + 10 X 3 40 X 1 0; X 2 0; X 3 0
32.
Maximizar Z = 3 X 1 6 X 2 9 X 3 Sujeta a : 3 X 1 + X 2 + 3 X 3 12 X 1 + 3X 2 16 5X 2 + 5X 3 3 X 1 0; X 2 0; X 3 0
33.
Maximizar Z = 4 X 1 2 X 2 X 3 Sujeta a : 2X1 + 2X 2 + 2X 3 6 4 X 1 + X 2 + 15 X 3 10 4X 2 + X3 8 X 1 0; X 2 0; X 3 0
34.
Maximizar Z = X 1 4 X 2 8 X 3 4 X 4 Sujeta a : 2 X 1 + 2 X 2 + 4 X 3 + 2 X 4 20 X1 + 4X 2 + X 2 + 2X 3 2 X 4 16 12
X 1 0; X 2 0; X 3 0; X 0
ANALISIS DE SENSIBILIDAD
227
III
35.- Supngase que se tiene el siguiente modelo de PL
Maximizar Z = 5 X 1 + 3 X 2 Sujeta a : 3 X 1 + 5 X 2 15 5 X 1 + 2 X 2 10 X 1 0; X 2 0
Cuya tabla ptima es:
Z X1 X2 X3 X4 Solucin
5 19
16 19
235 19
0 0
0 1
1 0
5 3 19 19 5 2 19 19
45 19 20 19
a).- Encuentre la nueva solucin ptima cuando el vector de disponibilidad se cambia a:
b).-Encuentre la nueva solucin ptima cuando el vector de costos se cambia a: c = [5
10 b= 20
1]
36.- La siguiente tabla es una tabla ptima de un modelo de PL con restricciones del tipo
V .B Z X3 X2 X1
Z 1 0 0 0
X1 0 0 0 1
X2 0 0 1 0
X3 0 1 0 0
X4 3 1 1 1
X5 2 1 0 1
Solucin 2 6 2
a).- El valor de Z ptima b).- El modelo original c).- La solucin ptima si b1, disminuye en dos unidades y b2 en tres unidades d).- El valor de las variables duales y el valor de la funcin dual. 37.- La siguiente tabla simplex es ptima y corresponde a un modelo con restricciones . V .B Z X3 X2 Z 1 0 0 X1 3 2 1 X2 0 0 1 X3 0 1 0 X4 2 1 0 X5 4 2 1 Solucin 5 3
Determine: a).- El modelo de programacin lineal original

228
III
b).- El valor de Z ptima
c).- El valor ptimo si los recursos cambian a:
b1 8 = b 2 5
Solucin 27 42 9
d).- La nueva solucin si el valor de X1 en la funcin objetivo cambia a C1 = 5 38.- La solucin ptima de un modelo con restricciones del tipo es la siguiente: V .B Z X4 X3 Z 1 0 0 X1 1 4 2 X2 12 72 12 X3 0 0 1 X4 0 1 0 X5 32 32 12
Se pide: a).- El modelo original b).- La solucin ptima si el vector C cambia a c = [4 2 2] c).- La solucin ptima si el
Vector b cambia a
20 b = 10
229
III
d).- La solucin ptima si la matriz A cambia a
2 4 A1 = yA2= 2 2
X6 43 1 1 6 13 2 1 2 Solucin
39.- Para el siguiente modelo de programacin lineal:
Maximizar Z = 2 X 1 + 4 X 2 + 6 X 3 Sujeta a : 2 X 1 + 2 X 2 + 4 X 3 12 X1 + 4X 2 + 2X 3 8 4 X 1 + 2 X 2 + 2 X 3 10 X 1 0; X 2 0; X 3 0
V .B Z X4 X2 X3 Z 1 0 0 0 X1 11 2 2 1 3 76 X2 0 0 1 0 X3 0 0 0 1 X4 0 1 0 0 X5 13 0 13 1 6
a).- Cul es la nueva solucin si b cambia a
12 8 15
Solucin 5 2 32 4 0 0 0
b).- Cunto tiene que valer C1 para que X1 entre en la solucin 40.- La solucin ptima de un modelo de maximizacin es:
V .B Z X2 X1 X5
Z 1 0 0 0
X1 0 0 1 0
X2 0 1 0 0
X3 14 12 1 8 1
X4 14 12 38 2
X5
13
230
III
a).- Calcule las cantidades originales del modelo de PL b).- Calcule la nueva solucin si b3 aumenta en cuatro unidades c).- Calcule la nueva solucin si C2 aumenta en dos unidades 41.- La siguiente tabla ptima incompleta corresponde a un problema de maximizacin con restricciones del tipo . Determine: a).- Los elementos faltantes b).- El modelo original
c).- Si los recursos cambian a
d).- Si ambos costos disminuyen a 1, es decir, C = [1,1] Cul es la nueva solucin?

V .B Z ? X2 Z 1 0 0 X1 ? ? ? X2 ? ? ? X3 12 11 2 34 X4 12 1 2 12 Solucin ? 2 2
b1 + 6 b = b 2 6
Cul es la nueva solucin del modelo?
42.- Sea el problema original:
Maximizar Z = 3 X 1 + 5 X 2 Sujeta a : X1 4 3 X 1 + 2 X 2 18 X 1 0; X 2 0;
Y cuya tabla ptima es: V .B Z X3 X2 Z 92 1 32 X1 0 0 1 X2 0 1 0 X3 52 ? ? X4 43 0 12 Solucin 45 4 9
a).- Si el recurso b1= 4 cambia a b1 * = 8 Cul es la nueva solucin ptima? b).- Si la utilidad unitaria C1= 3 cambia a C1 * = 4 Cul es la nueva solucin ptima?
231

Unidad 3 Apuntes - Pla - Io1

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Unidad 3 Apuntes - Pla - Io1

Transféré par

Droits d'auteur :

Formats disponibles

III

DUALIDAD Y ANLISIS DE SENSIBILIDAD

DUALIDAD Y ANLISIS DE SENSIBILIDAD.

OBTENCIN DEL MODELO DUAL A PARTIR DEL MODELO PRIMAL

Para toda i=1,2,..m j=1,2,..n Modelo Dual Asociado

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

DUALIDAD Y ANLISIS DE SENSIBILIDAD

DUALIDAD Y ANLISIS DE SENSIBILIDAD

Las restricciones duales son:

Y10 Y20 Y30

El modelo Primal en forma Estndar tiene la siguiente estructura dual:

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

DUALIDAD Y ANLISIS DE SENSIBILIDAD

Modelo primal en forma estndar Maximizar o Minimizar

Para toda i=1,2,.m J=1,2,.n Modelo dual Asociado

Minimizar Maximizar Y0 =b T Yi Sujeta a : a T Yi =C T

2X1 - 2X2 +3X3 = 12................Y2

DUALIDAD Y ANLISIS DE SENSIBILIDAD

Por lo tanto Las restricciones duales son:

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

DUALIDAD Y ANLISIS DE SENSIBILIDAD

DUALIDAD Y ANLISIS DE SENSIBILIDAD

DUALIDAD Y ANLISIS DE SENSIBILIDAD

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

DUALIDAD Y ANLISIS DE SENSIBILIDAD

DUALIDAD Y ANLISIS DE SENSIBILIDAD

Utilizando la tabla simplex para la solucin:

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

DUALIDAD Y ANLISIS DE SENSIBILIDAD

INTERPRETACIN ECONMICA DEL PROBLEMA Y DE LAS VARIABLES DUALES

( producto j ) = Ganacia total

para toda j =1,2,.........n i =1,2,........m

El problema dual consistir en:

DUALIDAD Y ANLISIS DE SENSIBILIDAD

( Insumo )(Valor / insumo ) = Valor total

/ producto j )(Valor / insumo i ) = (Valor / producto j ) para toda j = 1,2,........n i = 1,2,.........m

DUALIDAD Y ANLISIS DE SENSIBILIDAD

DUALIDAD Y ANLISIS DE SENSIBILIDAD

Obteniendo la forma tabular para aplicar el procedimiento del dual-simplex.

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

DUALIDAD Y ANLISIS DE SENSIBILIDAD

Conclusin. La solucin ptima es: X2 = 3/2 X3= 1 Con Zoptima = -36

La estructura inicial de una tabla simplex es la siguiente:

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

DUALIDAD Y ANLISIS DE SENSIBILIDAD

Y la estructura ptima de una tabla simplex es:

Cambios en la disponibilidad de recursos (Vector bi)

0 entonces la nueva solucin ser ptima.

Si B 0 entonces la nueva solucin para restaurar la factibilidad.

no es factible y ser necesario aplicar el mtodo dual-simplex

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

DUALIDAD Y ANLISIS DE SENSIBILIDAD

Si se decide experimentar un cambio en el vector

Cul es el nuevo problema y cul es la nueva solucin ptima?

10 X B = 19 0 la solucin sigue siendo factible 15 19

La solucin ptima para el nuevo modelo es:

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

DUALIDAD Y ANLISIS DE SENSIBILIDAD

La otra manera de obtener Z optima es:

a Cul es el nuevo problema y cul es la nueva solucin ptima?

DUALIDAD Y ANLISIS DE SENSIBILIDAD

0 la solucin es infactible, en estos casos se debe aplicar el mtodo dual-

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra