El problema Dual y el Mtodo Dual Simplex

Introduccin: Asociado a cualquier Programa o Problema Lineal (P.P) (Programa Principal),

existe un problema que se encuentra estrechamente relacionado llamado PROGRAMA o
PROBLEMA DUAL (P.D). La relacin entre el problema principal y el problema dual es de tal
grado que la solucin ptima simplex de cualquiera de los problemas conduce
inmediatamente a la solucin ptima del otro. Cada problema principal (P.P) de
programacin lineal tiene su correspondiente problema dual con las siguientes caractersticas
muy interesantes:
1. En problemas de un gran nmero de restricciones, resolver el problema dual 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
interesante del problema principal.
4. Algunas veces se puede evitar el uso de las variables artificiales, mediante la aplicacin
del mtodo de solucin Dual Simplex, sobre el problema dual.
5. Facilita el estudio del impacto sobre la optimalidad por cambios en el problema original.
Toda formulacin de un problema de programacin lineal se puede expresar de la forma
estndar utilizando variables de holgura o superfluas.
El Problema Dual
Si se tiene un problema principal de programacin lineal, existe otro problema, el Dual, que
se expresa como:
Problema Principal Problema Dual
Existe otro problema el Dual
0

=
X
b AX a / s
X C Z . Max
T
0

=
Y
C Y A a / s
Y b Z . Min
T
T
En donde:
( )

=
=
mn mj 2 m 1 m
in ij 2 i 1 i
n 2 j 2 22 21
n 1 j 1 12 11
m
i
2
1
n
j
2
1
n j 2 1
a ..... a ..... a a
. .......... .......... .......... ..........
a ..... a ..... a a
. .......... .......... .......... ..........
a ..... a ..... a a
a ...... a ..... a a
A ;
b
.
b
.
b
b
b ;
x
.
x
.
x
x
X
c ,......, c ,......, c , c C
Problema Principal.



1
Problema Dual.
( )

=
=
mn in n n
mj ij j j
m i
m i
T
n
j
m
i
m i
T
a ..... a ..... a a
. .......... .......... .......... ..........
a ..... a ..... a a
. .......... .......... .......... ..........
a ..... a ..... a a
a ..... a ..... a a
A ;
c
.
c
.
c
c
C ;
y
.
y
.
y
y
Y
b ,....., b ,....., b , b b
2 1
2 1
2 2 22 12
1 1 21 11
2
1
2
1
2 1

Los siguientes ejemplos ilustran como un problema principal se transforma en un problema
dual:
Ejemplo 1.
Problema Principal Problema Dual
2 , 1 j , 0 x
15 x 2 x 3
7 x 2 x a / s
x 3 x 4 Z . Mx
j
2 1
2 1
2 1
=
+
+
+ =

2 , 1 j , 0 y
3 y 2 y 2
4 y 3 y a / s
y 15 y 7 Z . Min
j
2 1
2 1
2 1
=
+
+
+ =

Se puede observar que cada restriccin del Problema Principal, est representado por una
variable en el Problema Dual.

Ejemplo 2.
Problema Principal Problema Dual
( )
( )
( )
( )
( )
2 , 1 j , 0 x
y 1 x
y 5 x x
y 6 x
y 4 x a / s
x 2 x 3 Z . Mx
j
4 2
3 2 1
2 2
1 1
2 x
=

+

=

( )
4 , 3 , 2 , 1 j , 0 y
2 y y y
3 y y a / s
y y 5 y 6 y 4 Z . Min
j
4 3 2
3 1
4 3 2 1 y
=
+
+
+ + =

Como el Problema Principal tiene cuatro restricciones entonces el Problema Dual tendr
cuatro variables. Los recursos del Problema Principal, pasan a ser los coeficientes de la
funcin objetivo del Problema Dual.

2
Entre el Problema Principal y el Problema Dual, se verifican las siguientes relaciones.
1. El Dual del Dual tiene como resultado el Problema Principal.
2. Una restriccin expresada como una igualdad en el P.P, genera una variable no
restringida (sin restriccin de signo) en el P.D.
3. Una variable no restringida (sin restriccin de signo) del P.P, genera una restriccin de
igualdad en P.D.
4. El nmero de restricciones en el P.P, es igual al nmero de variables en el P.D.
5. El nmero de variables del P.P, es igual al nmero de restricciones en el P.D.
Ejemplo 3.
Problema Principal Problema Dual
( )
( )
(
( )
4 , 3 , 2 , 1 j , 0 x
y 5 x x
y 1 x x
y 5 x 3 x 2 x x a / s
x 4 x 2 x 8 x 3 Z . Mx
j
3 4 3
2 2 1
1 4 3 2 1
4 3 2 x
=

=
+ + +
+ + =

)
( )
0 y . restring no y ; 0 y
4 y y 3
2 y y 2
8 y y
3 y y a / s
y 5 y y 5 Z . Min
3 2 1
3 1
3 1
2 1
2 1
3 2 1 y


+

+
+ =





Teoremas concernientes a estructuras primarias y sus duales asociados
Sean el siguiente programa principal (PP) y su correspondiente programa dual (PD):
0 X
b AX a / s
X C Z . Max
P . P
T

=


0

=
Y
C Y A a / s
Y b G . Min
D . P
T
T

Teorema 1
Si X y Y son soluciones factibles del P.P y del P.D respectivamente entonces, el valor de la
funcin objetivo del P.P es siempre menor o igual que el valor de la funcin objetivo P.D.
G Y b X C Z
T T
= =
Demostracin:
Como X es factible en P.P cumple con b X A y 0 X de la misma manera, como Y es
3
factible tambin cumple con C Y A
T
y 0 Y . Pre multiplicando b X A por 0 Y y a
C Y A
T
por 0 X entonces se tiene:
teorema. del n demostraci ;
: que queda cual lo con
G Y b X A Y X C Z
Z X C Y A X C X Y A X
G Y b Y A X b Y X A Y
T
T
T
T T
T T
T
T
T T
T T T
= =
=
=

Teorema 2 (Teorema de la dualidad)
Dado un P.P y su correspondiente P.D, nicamente uno y slo uno de los siguientes tres
casos puede ocurrir.
a) Ambos problemas tienen soluciones ptimas y sus funciones objetivo ptimas son
iguales. Si
*
X es la solucin ptima de P.P y
*
Y es la solucin de P.D
entonces:
*
=
* T * T *
G Y b X C Z = =
b) Si el P.P no tiene solucin factible y el P.D tiene al menos una, entonces el dual tiene
una solucin ptima no acotada y viceversa, si el problema dual no tiene soluciones
factibles y el primario tiene al menos una, entonces, el primario tiene una solucin
ptima no acotada.
c) Ambos problemas, el P.P y el P.D, no tienen solucin.
Teorema 3
La formulacin dual de un problema dual genera la representacin del problema principal.
Demostracin:
Sea el P.P
0 x ....; ;......... 0 x ; 0 x
b x a .... .......... x a x a
.. .......... .......... .......... .......... ..........
b x a .... .......... x a x a
b x a .... .......... x a x a a / s
x c .. .......... x c x c Z . Max
n 2 1
m n mn 2 2 m 1 1 m
2 n n 2 2 22 1 21
1 n n 1 2 12 1 11
n n 2 2 1 1

+ + +
+ + +
+ + +
+ + + =


Su correspondiente dual es:
P.D
0 y ....; ;......... 0 y ; 0 y
c y a .... .......... y a y a
.. .......... .......... .......... .......... ..........
c y a .... .......... y a y a
c y a .... .......... y a y a a / s
y b .. .......... y b y b G . Min
m 2 1
n m mn 2 n 2 1 n 1
2 m 2 m 2 22 1 12
1 m 1 m 2 21 1 11
m m 2 2 1 1

+ + +
+ + +
+ + +
+ + + =



4
Una forma equivalente del dual es:

0 y ....; ;......... 0 y ; 0 y
c y a .... .......... y a y a
.. .......... .......... .......... .......... ..........
c y a .... .......... y a y a
c y a .... .......... y a y a a / s
y b .. .......... y b y b G . Max
m 2 1
n m mn 2 n 2 1 n 1
2 m 2 m 2 22 1 12
1 m 1 m 2 21 1 11
m m 2 2 1 1




=
-
-

la formulacin dual de esta ltima estructura dual es:

0 x ....; ;......... 0 x ; 0 x
b x a .... .......... x a x a
.. .......... .......... .......... .......... ..........
b x a .... .......... x a x a
b x a .... .......... x a x a a / s
x c .. .......... x c x c Z . Min
n 2 1
m n mn 2 2 m 1 1 m
2 n n 2 2 22 1 21
1 n n 1 2 12 1 11
n n 2 2 1 1




=
-
-

Esta estructura, dual del dual, es equivalente al problema principal.

Teorema 4
Dado un problema principal y su correspondiente dual:

0 X
b AX a / s
X C Z . Max
P . P
T

=


0 Y
C Y A a / s
X b G . Min
D . P
T
T

=

La condicin necesaria y suficiente para que X y Y sean soluciones ptimas del P.P y del
P.D respectivamente, es que:
y
( )
( ) 0 Y A C X
0 b X A Y
T
T
T
=
=

Demostracin: Como X es factible en P.P y Y es factible en P.D, se tiene:
0 Y
C Y A
T

Tambin:
0 X
b X A

lo que es lo mismo: 0 b X A y 0 Y A C
T

5
Multiplicando la primera desigualdad por 0 Y
T
y la segunda por 0 X
T
, no se afecta el
sentido y se obtiene:

( )
( ) 0 Y A C X
0 b X A Y
T
T
T
=
=

sumando miembro a miembro se obtiene:

( ) ( )
0 Y b X C 0 X A Y X C Y b X A Y
0 Y A X C X b Y X A Y 0 Y A C X b X A Y
T T
T
T T
T
T
T T T T
T
T T
= + =
+ = + = +

En definitiva se tiene. G Y b X C Z
T T
= = por el teorema 1 es, G Y b X C Z
T T
= = . Estas
desigualdades de sentidos opuestos se las puede expresar como una igualdad, es decir:
G Y b X C Z
T T
= = ; G Y b X C Z
T T
= = G Y b X C Z
T T
= = = en consecuencia:
0 Y b X C
T T
= = + como se ha supuesto que 0 0 entonces 0 0 = =
Este teorema se conoce con el nombre de Teorema de holgura complementaria dbil.

EL MTODO DUAL SIMPLEX
Una vez formulado el problema dual a partir del problema principal, se debe encontrar la
solucin. En este caso el mtodo a emplear ser el denominado Mtodo Dual-Simplex. Este
mtodo empieza con una solucin ptima o mejor que ptima donde (Zj Cj > 0 ; j ), pero
no factible dado que algunos bi son < 0, y se mueve hacia la solucin final mediante
iteraciones que mejoran su factibilidad conservando su optimalidad. Puede advertirse que es
contrario al mtodo Simplex, el cual empieza con una solucin factible pero no ptima y
mediante iteraciones se mejora la optimalidad, conservando la factibilidad. El mtodo Dual
permite resolver problemas que no tienen una solucin bsica inicial sin utilizar variables
artificiales. Esto se ilustra grficamente mediante la siguiente esquema:

Mtodo Simplex Solucin ptima Mtodo Dual Simplex
Solucin Factible y Factible Solucin NO Factible
NO ptima Pero ptima

Mtodo Simplex Mtodo Dual Simplex
Mejora su Optimalidad Mejora su Factibilidad
Conservando su Factibilidad Conservando su Optimalidad

En la mayora de los problemas de programacin lineal, el Dual se define para varias formas
del Primal, dependiendo del tipo de restricciones, de los signos de las variables y del sentido
6
de la optimizacin. En muchos casos, los detalles de estas distintas formas de presentar el
Primal, generan confusin y pueden conducir a interpretaciones inconsistentes de los datos
del tabln simplex, sobre todo en los que respecta a los signos de las variables duales. En
este caso se presenta una nica forma del problema Dual que incluye a todas las formas del
Primal. Esto es posible si se tiene en cuenta que el problema de P.L debe presentarse en la
forma estndar antes de resolverlo mediante el mtodo simplex primal o simplex dual.
La forma estndar general del problema primal se expresa como:
n ,....., 2 , 1 j 0 x
m ,....., 2 , 1 i b x a a / s
x c Z . Opt
j
i
n
1 j
j ij
j j
=
= =
=

=

Se debe tener en cuenta que en la forma estndar las n variables incluyen las variables de
holgura y las superfluas.
1.- Para toda restriccin del primal hay una variable dual.
2.- Para toda variable del primal hay una restriccin dual.
3.- Los coeficientes de las restricciones de una variable primal, forman los coeficientes del
primer miembro de la restriccin dual correspondiente; y el coeficiente de la funcin objetivo
de la misma variable se convierte en el segundo miembro de la restriccin dual.
El esquema de abajo muestra como se puede obtener el dual simtrico del primal, de
acuerdo a las siguientes reglas.

Variables primales
x
1
x
2
.......... x
j
.......... x
n

c
1
c
2
.......... c
j
.......... c
n
Segundo miembro de restricciones duales
a
11
a
12
........ a
1j
......... a
1n
b
1
y
1

Coeficientes a
21
a
22
........ a
2j
......... a
2n
b
2
y
2

del primer ........................................... ... ... Variable dual
miembro de las a
i1
a
i2
......... a
ij
......... a
in
b
i
y
j
restricciones ........................................... ... ...
duales a
m1
a
m2
....... a
mj
......... a
mn
b
m
y
m


j-sima Funcin objetivo dual
restriccin dual







La siguiente tabla, muestra en forma resumida, la determinacin del sentido de la
optimizacin, el tipo de restricciones y el signo de las variables duales, para los casos de
maximizacin y minimizacin de la forma estndar.
7
La forma primal estndar exige que todas las restricciones sean ecuaciones, con segundo
miembro positivo si se usa el mtodo simplex primal para resolver el problema primal, y que
todas las variables sean no negativas.

Dual Funcin objetivo
estndar del primal
Funcin objetivo Restricciones Variables
Maximizacin Minimizacin Irrestrictas
Minimizacin Maximizacin Irrestrictas
Todas las restricciones del primal deben ser ecuaciones y todas las variables son 0.
Ejemplo 1.-
0 x 0 x
8 x 3 x x 2 8 x 3 x x 2
10 x x x 2 x 10 x x 2 x a / s
x 4 x 12 x 5 Z . Mx estndar imal Pr x 4 x 12 x 5 Z . Mx . imal Pr
j j
3 2 1 3 2 1
4 3 2 1 3 2 1
3 2 1 3 2 1

= + = +
= + + + + +
+ + = + + =




0 y
0 y
4 y 3 y
12 y y 2
5 y 2 y a / s
y 8 y 10 Z . Min . Dual
j
1
2 1
2 1
2 1
2 1

+

+
+ =


Ejemplo 2.-
0 x
5 x 3 x 2
5 . 1 x x a / s
x 12 x 15 Z . Min imal Pr
j
2 1
2 1
2 1

+
+
+ =




Este problema se puede resolver aplicando el mtodo simplex primal utilizando variables de
holgura y una variable artificial, o bien utilizando el mtodo simplex dual. Se consideran
ambos casos.
Modelo estndar cuando se utiliza el simplex primal para resolver el primal.
8
0 x
5 x x 3 x 2
5 . 1 x x x a / s
x 12 x 15 Z . Min . imal Pr
j
4 2 1
3 2 1
2 1

= + +
= +
+ =



Su correspondiente dual es:
0 y
0 y
12 y 3 y
15 y 2 y a / s
y 5 y 5 . 1 Z . Max . Dual
2
1
2 1
2 1
2 1

+
+
+ =





Modelo estndar cuando se utiliza el simplex dual para resolver el primal.
0 x
5 x x 3 x 2
5 . 1 x x x a / s
x 12 x 15 Z . Min . imal Pr
j
4 2 1
3 2 1
2 1

= + +
= +
+ =



Su correspondiente dual es:
0 y
0 y
12 y 3 y
15 y 2 y a / s
y 5 y 5 . 1 Z . Max . Dual
2
1
2 1
2 1
2 1

+
+
+ =


-


Se observa que los dos duales son consistentes, ya que los coeficientes de y
1
en un dual,
tienen el signo opuesto en los mismos coeficientes en el otro dual. En consecuencia los
resultados en el tabln simplex son directamente dependientes de la manera de cmo se
define la forma estndar antes de que se aplique el mtodo simplex primal o dual. Este
detalle puede pasarse por alto cuando se utilizan definiciones generales dadas en otros
procedimientos de programacin lineal. Surge como consecuencias que cuando se quiera
resolver el problema primal mediante el simplex dual, las variables de holgura o superfluas
en el primal deben hacerse positivas antes de formular el programa dual.
Solucin ptima del Dual
La solucin ptima del problema dual puede obtenerse directamente a partir del tabln de
solucin ptima del problema primal.
Supngase un problema primal en forma estndar.
0 X
b AX a / s
X C Z . Mx
T

=
=

Como se sabe, la matriz de coeficientes tecnolgicos A ampliada, se puede particionar en
una base B y el complemento N, de la forma:
A = (BN) En consecuencia el problema primario puede escribirse como.
0 X 0 X
b NX BX a / s
X C X C Z . Mx
N B
N B
N
T
N B
T
B
=
= +
+ =

9
Como se sabe, la solucin de este problema consiste en hacer cero el vector X
N
, y calcular el
vector bsico X
B
en funcin de la base B, o sea, X
B
= B
-1
b en consecuencia la funcin objetivo
se transforma en:
Z =C
B
T
.B
-1
b de igual manera la funcin objetivo dual puede escribirse como: G =b
T
Y = Y
T
b.
La condicin de optimalidad impone que el valor de la funcin objetivo del problema primal
sea igual al valor de la funcin objetivo del dual, es decir:
b Y b B C
T * * T *
B
=
1
de donde se concluye que . es la inversa de la base
ptima y , es el vector de los precios unitarios correspondientes al vector bsico
ptimo
T * * T *
B
Y B C =
1 1 *
B
*
B
T *
B
C
( ) b B X X
* *
B
*
B
1
= y es el vector dual ptimo.
*
Y
La estructura inicial de un programa de programacin lineal al aplicar el mtodo simplex es:
Z
Variables originales Variables de holgura

1 - C 0 0
0 A I b
En cada iteracin la estructura se convierte en :

Z
z
j
- c
j

Correspondientes a las
Variables originales
z
j
- c
j

Correspondientes a las
Variables de holgura

1
c A B C
T
B

1

1
B C
T
B
b B C
T
B
1

0
A B
1

1
B b B
1

De manera que cuando se alcanza la solucin ptima en el tabln del primal, la solucin
ptima del problema dual queda implcitamente determinada por los valores
correspondientes a la casilla de , es decir, por los coeficientes correspondientes a las
variables de holgura. Esto se muestra en el ejemplo de la pgina siguiente en el que se
aplican simultneamente ambos mtodos.
1
B C
T
B

La Maximizacin en el Mtodo Dual Simplex.
Se presenta el Mtodo Dual Simplex para problemas de maximizacin. Los problemas de
minimizacin se pueden resolver igualmente aplicando reglas de equivalencia tal como:
Mn.(Z) = Mx.(-Z).
En la maximizacin mediante el mtodo Dual Simplex, se requiere que la funcin objetivo del
dual se exprese en forma de maximizacin. Para reemplazar un vector de la base o solucin
10
bsica, se procede de manera inversa al Mtodo Simplex. Por ejemplo para definir que
vector a
r
de B, debe abandonar la solucin bsica, se elige aquel x
Bi
ms negativo, lo cual
implica una solucin NO factible, de esta manera primero se ha definido la fila clave. Para
definir que vector a
j
N debe entrar en la nueva base , se selecciona aquel (z
j
c
j
)/a
rj
que
sea el menos negativo, es decir: (z
k
c
k
)/a
rk
= Mx. (z
j
c
j
)/a
rj
j = 1, 2, .. , n. Siendo a
rj
< 0.
Esto se resume en los siguientes pasos.

B
Condicin de Factibilidad: la variable saliente es la variable bsica con el valor ms
negativo (se rompe el empate arbitrariamente). Si todas las variables bsicas son no
negativas, el proceso termina.
Condicin de Optimalidad: la variable entrante es la variable no bsica asociada con la
razn ms pequea, si se trata de una minimizacin, o con el valor absoluto ms pequeos
de las razones, si se trata de una maximizacin. Las razones se determinan dividiendo los
coeficientes del primer miembro del funcional Z, entre los correspondientes coeficientes
negativos en la ecuacin asociada a la variable saliente. Si todos los denominadores son
ceros o positivos, no existe solucin factible.
Para una mejor comprensin, se resolver un ejemplo aplicando los dos mtodos, el Mtodo
Simplex y el Mtodo Dual Simplex, de manera de establecer la relacin entre los dos
mtodos en la sucesivas iteraciones.
Problema Principal Problema Dual
( )
0 x ; 18 x 2 x 3
6 x
4 x a / s
x 5 x 3 Z . Mx
j 2 1
2
1
2 1 x
+

+ =

( )
0 y
5 y 2 y
3 y 3 y a / s
y 18 y 6 y 3 Z . Mn
j
3 2
3 1
3 2 1 y

+
+
+ + =

El problema principal y el dual estandarizados quedan:
( )
0 x ; 18 x x 2 x 3
6 x x
4 x x a / s
x 5 x 3 Z . Mx
j 5 2 1
4 2
3 1
2 1 x
= + +
= +
= +
+ =

( )
0 y
5 y y 2 y
3 y y 3 y a / s
y 18 y 6 y 4 Z . Min
j
5 3 2
4 3 1
3 2 1 y

= +
= +
+ + =

En la transformacin del dual los coeficientes de las variables de holgura deben ser positivos
e iguales a +1 para formar una matriz identidad de orden m
x
m. Para lograr esto, se multiplica
la primera y segunda restriccin por 1, con lo cual el programa del dual queda:
( )
0 y
5 y y 2 y
3 y y 3 y a / s
y 18 y 6 y 4 Z . Min
j
5 3 2
4 3 1
3 2 1 y

= +
= +
+ + =

( )
0 y
5 y y 2 y
3 y y 3 y a / s
y 18 y 6 y 4 Z . Mx
j
5 3 2
4 3 1
3 2 1 y

= +
= +
=

11
Se observa que la solucin bsica inicial para esta situacin es infactible ya que el vector
solucin tiene componentes negativas y
4
= -3 y y
5
= -5, pero tambin resulta ser mejor que
ptima porque el valor asociado a la funcin objetivo Z = 0 con y
1
=y
2
=y
3
=0.
Z x
1
x
2
x
3
x
4
x
5
Z
0
Z y
1
y
2
y
3
y
4
y
5


1 -3 -5 0 0 0 0 -1 4 6 18 0 0 0
a
3
0 1 0 1 0 0 4 a
4
0 -1 0 -3 1 0 -3
a
4
0 0 1 0 1 0 6 a
5
0 0 -1 -2 0 1 -5
a
5
0 3 2 0 0 1 18
y
4
y
5
y
1
y
2
y
3
x
3
x
4
x
5
x
1
x
2

x
1
= 0; x
2
= 0; x
3
= 4 ; y
1
= 0; y
2
= 0; y
3
= 0 y
1
= 0; y
2
= 0; y
3
= 0 ; x
1
= 0; x
2
= 0; x
3
= 4
x
4
= 6; x
5
=18; Z
(x)
= 0 y
4
= -3; y
5
=-5; Z
(y)
= 0 y
4
=-3; y
5
=-5; Z
(y)
= 0 ; x
4
=6; x
5
=18; Z
(x)
=0
Primera iteracin:
Z x
1
x
2
x
3
x
4
x
5
Z
0
Z y
1
y
2
y
3
y
4
y
5

1 -3 0 0 5 0 30 -1 4 0 6 0 6 -30
a
3
0 1 0 1 0 0 4 a
4
0 -1 0 -3 1 0 -3
a
2
0 0 1 0 1 0 6 a
2
0 0 1 2 0 -1 5
a
5
0 3 0 0 -2 1 6
y
4
y
5
y
1
y
2
y
3
x
3
x
4
x
5
x
1
x
2

x
1
= 0; x
2
= 6; x
3
= 4 ; y
1
= 0; y
2
= 5; y
3
= 0 y
1
= 0; y
2
= 5; y
3
= 0 ; x
1
= 0; x
2
= 6; x
3
= 4
x
4
= 0; x
5
=6; Z
(x)
= 30 ; y
4
= -3; y
5
=0; Z
(y)
=30 y
4
=-3; y
5
=0; Z
(y)
=30 ; x
4
=0; x
5
=6; Z
(x)
=30
Segunda iteracin:
Z x
1
x
2
x
3
x
4
x
5
Z
0
Z y
1
y
2
y
3
y
4
y
5

1 0 0 0 3 1 36 -1 2 0 0 2 6 -36
a
3
0 0 0 1 2/3 -1/3 2 a
3
0 1/3 0 1 -1/3 0 1
a
2
0 0 1 0 1 0 6 a
2
0 -2/3 1 0 2/3 -1 3
a
1
0 1 0 0 -2/3 1/3 2
y
4
y
5
y
1
y
2
y
3
x
3
x
4
x
5
x
1
x
2

x
1
= 2; x
2
= 6; x
3
= 2 ; y
1
= 0; y
2
= 3; y
3
= 1 y
1
= 0; y
2
= 3; y
3
= 1 ; x
1
= 2; x
2
= 6; x
3
= 2
x
4
= 0; x
5
=0; Z
(x)
=36; y
4
= 0; y
5
=0; Z
(y)
=36 y
4
=0; y
5
=0; Z
(y)
=-36 ; x
4
=0; x
5
=0; Z
(x)
=-36

12
Solucin Primal Solucin Dual
x
1
= 2; x
2
= 6; x
3
= 2; x
4
= 0; x
5
= 0 y
1
= 0; y
2
= 3; y
3
= 1; y
4
= 0; y
5
= 0
Z
x
= 36 -Z
y
= - 36 Z
y
= 36
Observe que en el Dual Simplex se hizo uso de la regla de equivalencia, multiplicando la
funcin objetiva por (-1), y al final, nuevamente se multiplic el valor de Z por (-1).
En cada iteracin del Mtodo Simplex se muestra que:
1. Los Z
j
C
j
de las variables de holgura x
3
, x
4
, x
5
(z
3
c
3
, z
4
c
4
, z
5
c
5
) son los valores
de las variables reales del Dual (y
1
, y
2
, y
3
).
2. Los Z
j
C
j
de las variables reales x
1
, x
2
, (z
1
c
1
, z
2
c
2
) son los valores de las
variables de holgura del Dual (y
4
, y
5
).
En cada iteracin del Mtodo Dual Simplex se muestra que:
1. Los Z
j
C
j
de las variables de holgura y
4
, y
5
(z
4
c
4
, z
5
c
5
) son los valores de las
variables reales del problema principal (x
1
, x
2
).
2. Los Z
j
C
j
de las variables reales y
1
, y
2
, y
3
(z
1
c
1
, z
2
c
2
, z
3
c
3
) son los valores de
las variables de holgura del problema principal (x
3
, x
4
, x
5
).


Interpretaciones econmicas de las variables duales
Se ha demostrado que , es decir que el vector de solucin ptimo del dual es
igual al vector de los coeficientes de costos o precios unitarios, multiplicado por que es
la inversa de la base ptima . Multiplicando ambos miembros de por , se
tiene:
T * * T *
B
Y B C =
1
1 *
B
*
B
T * * T *
B
Y B C =
1 *
B
* T * T *
B
* T * * * T *
B
B Y C B Y B B C = =
1
. Como est compuesta por m vectores columnas
de A, cada una de las componentes del vector , puede expresarse como:
donde el vector Y es el vector de las variables duales. Esta ltima
igualdad es equivalente a .
*
B
j
a
*
B
c
T *
B
C
B j a Y c
j
T *
Bi
=
j
* T *
B j
T *
j
a B C a Y z
1
= =
Si el vector de recursos " b " se incrementa en una cantidad pequea de manera que la
base actual ptima no cambie, la nueva solucin , seguir siendo vlida si todas sus
componentes son positivas, es decir:
b
*
B
B
X
( ) 0
1
+ =

b b B X
*
B
. Como la base no ha cambiado
tampoco ha cambiado su inversa en consecuencia ,
sigue igual.
*
B
1 *
B A j c a B C c z
j j
* T *
B j j
=
1
13
Sin embargo, la funcin objetivo del dual si ha cambiado, siendo ahora:
( ) b Y Z b Y G b Y b Y b b Y G
T * T * T * T * T * *
+ = + = + = + =
En este caso G , es el valor ptimo del dual inicial. La ltima igualdad indica que un pequeo
incremento en el vector de recursos ha cambiado el valor ptimo de la funcin objetivo dual y
por lo tanto, el valor de la funcin objetivo primal. Este cambio est dado por . Si el
cambio en el vector
b Y
T *

" b " es unitario, la funcin objetivo cambiar en

*
Y unidades, es decir que
si la componente (i = 1,2, ... ,m) del vector
i
b " b " sufre un cambio unitario, la funcin objetivo
del dual sufrir un cambio de (i-ava componente del vector dual, i=1,2,...,m) unidades. Esto se
puede escribir como:
i
y
i
i
b
Z
y

=
Supngase en siguiente ejemplo:
(P.P) Su correspondiente dual es (P.D)
( )
0
10 2 4
18 3 2
3 4
2 1
2 1
2 1

+
+
+ =
j
x
x
x x
x x a / s
x x Z . Mx
( )
0
3 2 3
4 4 2
10 18
2 1
2 1
2 1

+
+
+ =
j
y
y
y y
y y a / s
y y Z . Mn
Resolviendo el problema primal, se tiene:
Z x
1
x
2
x
3
x
4
Z
0

1 - 4 - 3 0 3 0
a
3
0 2 3 1 0 18
a
4
0 4 2 0 1 10
1 0 - 1 0 1 10
a
3
0 0 2 1 -1/2 13
a
1
0 1 1/2 0 1/4 5/2
1 2 0 0 3/2 15
a
3
0 - 4 0 1 -3/2 3
a
2
0 2 1 0 1/2 5
La solucin ptima del primal es 15 = Z con:

=
0
0
5
3
4
1
2
3
x
x
x
x
X
X
X
N
B *
. La solucin ptima del dual es.
( )
2
3
0
2
3
0
4 4 2
3 3 1
2 1
= =
= =

= =
c z y
c z y
, y , y Y
*
*
* * *

14
Las componentes del vector
*
Y verifican las restricciones del problema dual y dan el mismo
valor de la funcin objetivo que el problema primal.
O sea. Z * * y y G = = + = + = 15
2
3
10 0 18 10 18
2 1

Si en el problema que se est analizando los recursos correspondientes a la segunda
restriccin, se incrementan en una unidad, o sea que de 10 unidades pasan a 11
unidades (cambio unitario), el nuevo valor de la funcin objetivo ser:
2
b
5 16
2
3
15
1
0
2
3
0 15 , * , b Y Z Z
T * *
= + =

+ = + =
De igual manera, si dichos recursos se disminuyen en una unidad, es decir pasan de 10 a 9,
el nuevo valor de Z
*
ser igual a:
5 13
2
3
15
1
0
2
3
0 15 , * , b Y Z Z
T * *
= =

= + =
Se puede advertir que un cambio en los recursos correspondientes a la primera restriccin,
no producen ningn efecto en la funcin objetivo debido a que . 0
1
= y
Se destaca que esta interpretacin econmica de las variables duales, es vlida nicamente
para cambios unitarios en el vector " b " . Los cambios que no son unitarios se analizan bajo
el nombre de Anlisis de Sensibilidad.

Anlisis de Sensibilidad
Una vez resuelto un problema de programacin lineal, puede ocurrir que uno o ms
parmetros del problema original cambien, por ejemplo pueden cambiar los coeficientes de
costos de la funcin objetivo, o la cantidad de recurso disponibles, etc, dando origen a un
nuevo problema. En este caso cabe la pregunta, es necesario resolver el problema desde
el principio?. La respuesta es no. El Anlisis de Sensibilidad, reduciendo el nmero de
iteraciones, permite resolver el nuevo problema a partir de la solucin ptima del problema
original, economizando tiempo y costos de utilizacin de computadora.
El nuevo problema puede diferir del original en uno o varios de los siguientes cambios que
pueden ocurrir simultneamente.
a) Cambios en el vector " b " , es decir en la disponibilidad de recursos.
b) Cambios en el vector " C " , es decir en los coeficientes de costos o beneficios.
c) Cambios en los coeficientes tecnolgicos " a "
ij
de la matriz A.
15
d) Cambios en el vector X , es decir en el nmero de actividades, cuyo nivel debe decidirse.
e) Cambios en el nmero de restricciones del problema lineal a optimizar.
Los tres primeros cambios, a); b); c), pueden ocurrir en forma discreta o continua, no as los
correspondientes a los puntos d) y e) que solamente pueden cambiar discretamente.
Los cambios discretos en los vectores " b " , " C " y en los coeficientes " a "
ij
de la matriz A,
significa que una o varias componentes originales de dichos vectores o matriz, son
reemplazados por nuevas cantidades. En cambio que los cambios continuos de estos
vectores o matriz, estn descriptos por:
+ < < +
+ < < +
+ < < +
; N j a a
; C C
; b b
j j

En donde son vectores con las mismas dimensiones de sus respectivos,
, en cambio que , son escalares que pueden tomar cualquier valor real. El
anlisis de sensibilidad que estudia los cambios continuos, recibe el nombre de
programacin paramtrica.
j
a ; C ; b
j
a y C , b y ;

Anlisis de Sensibilidad para cambios discretos.
La estructura inicial del tabln de cualquier programa lineal estandarizado es:
Variables originales Variables de holgura
Z
x
1
x
2
............. x
n
x
n+1
x
n+2
.......... x
n+m

1 - C 0 0
0 A I b
La estructura del tabln ptimo es:
Z
z
1
-c
1
z
2
-c
2
.......... z
n
-c
n
z
n+1
-c
n+1
z
n+2
-c
n+2
.......... z
n+m
-c
n+m

B
T
B
X C Z =
1
c A B C
T
B

1

1
B C
T
B
b B C
T
B
1

0
A B
1

1
B b B
1


a) Cambio del vector b
Suponiendo que el problema original (P.O) cuya solucin ptima se ha obtenido es:
16
0

=
X
b AX a / s
X C Z . Mx
T

Se cambia en forma discreta el vector , cuyo nuevo valor pasa a ser b b b + , siendo b ,
como se dijo, un vector de " m " componentes. El nuevo problema a resolver es ahora.
0
+
=
X
b b AX a / s
X C Z . Mx
T

Para este tipo de cambios, el anlisis de sensibilidad toma como punto de partida, la solucin
ptima del problema original (P.O). Si es la matriz inversa de la base ptima asociada al
(P.O), entonces la solucin ptima del (P.O) es:
1
B
B
T
B B
X C Z b B X = =

0
1

Al cambiar b a , el vector solucin cambia a un nuevo vector dado por: b b +
B
X B
^
X
( b b B X B
^
+ =
1
) . Si se cumple la condicin de que , entonces ser
la solucin ptima del nuevo problema (P.N). Si no se cumple esta condicin, es decir
, entonces se debe restaurar la factibilidad y consecuentemente la optimalidad del
(P.N), usando el dual simplex. El dual simplex debe aplicarse al tabln ptimo del (P.O)
cambiando el vector por .
( ) 0
1
+ =

b b B X B
^
B
^
X
0 < B
^
X
B
X B
^
X
Para una mejor comprensin se analiza el siguiente ejemplo.
Supngase que el problema original (P.O) consiste en optimizar los volmenes de
produccin de un producto qumico A que se vende a razn de 5$/l y otro producto B que se
vende a razn de 3$/l. Las restricciones estn relacionadas con personal y costos de
produccin. La elaboracin del producto A requiere de 3 empleados con un costo de 5$/h, en
cambio que la elaboracin del producto B requiere de 5 empleados con un costo de 2$/h. Las
cantidades totales de recursos disponibles es de 15 empleados y de 10$/h de trabajo. Se
pide determinar cuales son las cantidades ptimas de cada producto de manera de obtener
la mxima rentabilidad.
Llamndole x
1
al producto A y x
2
al producto B, el modelo matemtico para el problema es:

17
(P.O)
0
10 2 5
15 5 3
3 5
2 1
2 1
2 1

+
+
+ =
j
x
x x
x x a / s
x x Z . Mx
El tabln inicial simplex es:
Z x
1
x
2
x
3
x
4

1 - 5 - 3 0 0 0
a
3
0 3 5 1 0 15
a
4
0 5 2 0 1 10
Luego de dos iteraciones el tabln ptimo queda:
Z x
1
x
2
x
3
x
4

1 0 0 5/19 16/19 235/19
a
2
0 0 1 5/19 -3/19 45/19
a
1
0 1 0 -2/19 5/19 20/19
La solucin es:

= =

=

19 5 19 2
19 3 19 5
19
235
0
0
19 20
19 45
1
4
3
1
2
/ /
/ /
B ; Z ;
/
/
x
x
x
x
X
X
X
N
B

Supngase que por alguna razn se modifica la disponibilidad de recursos reducindose a 5
empleados con un costo de 5$/h. Es decir que ahora el vector de recursos es:

= +
5
5
5
10
10
15
b b El nuevo problema a resolver ser:
(P.N)
0
5 2 5
5 5 3
3 5
2 1
2 1
2 1

+
+
+ =
j
x
x x
x x a / s
x x Z . Mx
Como ya se dijo, en este caso no es necesario resolver el problema ntegramente, sino que
el anlisis de sensibilidad permite analizar si el nuevo vector solucin: ( ) b b B X
B
+ =
1
es
factible, es decir cumple la condicin de no negatividad. Si cumple esta condicin, entonces
dicho vector es solucin del nuevo problema (P.N). Si no se verifica la factibilidad del vector
solucin, entonces hay que restablecer su factibilidad utilizando el dual simplex a partir del
18
tabln ptimo del (P.O). Para el presente ejemplo se tiene:
( )

= + =

0
0
19 15
19 10
5
5
19 5 19 2
19 3 19 5
1
/
/
.
/ /
/ /
b b B X

B

Por lo tanto el vector solucin del nuevo problema es: y el valor ptimo de la
funcin objetivo resulta:

=
19 15
19 10
/
/
X

[ ] [ ] $ , $
/
/
x
x
c , c X

C Z
B
T
B
53 5
19
105
19 15
19 10
5 3
1
2
1 2
= =

= =
Es evidente que la reduccin de los recursos produce una disminucin de las cantidades
ptimas de los productos y consecuentemente una disminucin del valor de la funcin
objetivo, es decir de los beneficios.
Suponga ahora que el vector de recursos se modifica adoptando los siguientes valores:
nmero de personas igual a 10 y que el costo mximo por hora de produccin aumenta a
20$. El nuevo programa a resolver sera:
0
20 2 5
10 5 3
3 5
2 1
2 1
2 1

+
+
+ =
j
x
x x
x x a / s
x x Z . Mx
utilizando el anlisis de sensibilidad se tiene:
( )

= + =

0
0
19 80
19 10
20
10
19 5 19 2
19 3 19 5
1
/
/
.
/ /
/ /
b b B X

B

Como no cumple con la condicin de 0 X

, se debe utilizar el dual simplex para obtener la

factibilidad del vector solucin y la optimalidad del nuevo programa. Esto se hace utilizando
el tabln de la solucin ptima del programa original incorporando en dicho tabln el vector
solucin no factible, para transformarlo en factible, es decir que cumpla la condicin: 0 X

.
Al incorporar el vector solucin no factible en el tabln de solucin ptima, el mismo queda:

Z x
1
x
2
x
3
x
4

1 0 0 5/19 16/19
a
2
0 0 1 5/19 -3/19 -10/19
a
1
0 1 0 -2/19 5/19 80/19

Ahora se transforma en pvot el elemento en recuadro y se hacen ceros todos los dems
elementos de esa columna. De esta manera, el nuevo tabn ptimo queda:
19
Z x
1
x
2
x
3
x
4

1 0 16/3 80/57 0
a
2
0 0 -19/3 - 5/3 1 10/3
a
1
0 1 -5/3 1/3 0 10/3
El vector solucin, y consecuentemente el valor de la funcin objetivo, resulta:
( ) ( )
3
50
3 10
3 10
5 0
0
0
3 10
3 10
1
4
1 4
3
2
1
4
=

=
/
/
x
x
c c Z ;
/
/
x
x
x
x
X
X
X

N
B

A partir de esta situacin, se puede analizar la utilizacin y holgura de los distintos recursos.
Por ejemplo, la solucin dice que se deben producir 10/3 litros del producto A y 0 litros del
producto B. Con lo cual la utilizacin del recurso obreros resulta:
10 0 5
3
10
3 10 5 3
2 1
= + + . . ; x x Es decir que la holgura resultante pare este recurso resulta
ser nula. Todo el recurso lo consume el producto A. Mientras que con respecto al recurso
costo de produccin, resulta:
20
3
50
0 2
3
10
5 20 2 5
2 1
< = + + . . ; x x
Es decir que para este recurso hay una holgura de:
3
10
3
50
20 = que es igual al valor de la
variable x
4
.
b) Cambio del vector c
Supngase el siguiente programa original (P.O)
0

=
X
b AX a / s
X C Z . Mx
T

Si se modifica el vector de coeficientes de costos, el nuevo programa a optimizar ser:
( )
0

+ =
X
b AX a / s
X C C Z . Mx
T
en el cual C representa tambin un vector de n componentes.
20
Tambin en este caso, la nueva solucin ptima, se encuentra a partir del tabln de la
solucin ptima del problema original. Si B
-1
, es la inversa de la base ptima asociada al
problema original, al cambiar la componente c por ( ) c c + , tambin cambian los
j j
c z
resultando: ( ) ( )
j j j
T
B j j j
c c a B C c c z + = +
1
; es un vector columna de la matriz A.
j
a
En condiciones de optimalidad, el coeficiente, ( )
j j j
c c z + deben ser todos no negativos
para cualquier j en A y todos iguales a cero para cualquier j en B. Si estas condiciones se
mantienen despus del cambio de c a ( ) c c + , entonces la solucin ptima X
B
asociada al
tabln ptimo del problema original, permanece ptimo y el valor de la funcin objetivo
resulta: . ( )
B
T
B B
X C C Z + =
Si no se cumplen las condiciones mencionadas anteriormente, se deber hacer cumplir
primero la condicin ( ) B j c c z
j j j
= + 0 mediante operaciones algebraicas elementales
y despus obtener las condiciones de optimalidad, o sea B A j c z
j j
0 , mediante
el mtodo simplex.
Retomando el programa inicial:
(P.O)
0
10 2 5
15 5 3
3 5
2 1
2 1
2 1

+
+
+ =
j
x
x x
x x a / s
x x Z . Mx
Cuyo tabln optimo era:
Z x
1
x
2
x
3
x
4

1 0 0 5/19 16/19 235/19
a
2
0 0 1 5/19 -3/19 45/19
a
1
0 1 0 -2/19 5/19 20/19
Supngase que el coeficiente de beneficio del producto B, se reduce de 3 a 1, el nuevo
programa resulta:
0
10 2 5
15 5 3
5
2 1
2 1
2 1

+
+
+ =
j
x
x x
x x a / s
x x Z . Mx
( ) ( ) ( ) 0 0 1 5 0 0 2 0 0 0 3 5 , , , , , , , , , c c = + = +
como la nica componente de C que cambia es c
2
, entonces se tiene que:
( ) ( ) ( ) 2 1
2
5
19 16 19 5
2 2 2
1
2 2 2
=

= + = +

. / , / c c a B C c c z
T
B

21
Pero en condiciones de optimalidad debe ser ( ) 0
2 2 2
= + c c z y ahora resulta:
dando origen al siguiente tabln. ( ) 2
2 2 2
= + c c z
Z x
1
x
2
x
3
x
4

1 0 2 5/19 16/19 235/19
a
2
0 0 1 5/19 -3/19 45/19
a
1
0 1 0 -2/19 5/19 20/19
Entonces mediante operaciones algebraicas se hace ( ) 0
2 2 2
= + c c z , resultando el
siguiente tabln.
Z x
1
x
2
x
3
x
4

1 0 0 -5/19 22/19 145/19
a
2
0 0 1 5/19 -3/19 45/19
a
1
0 1 0 -2/19 5/19 20/19
Que no es ptimo porque 0 19 5
3 3
< = / c z , entonces, aplicando el mtodo simplex se
encuentra la nueva solucin ptima, resultando:
Z x
1
x
2
x
3
x
4

1 0 1 0 1 10
a
3
0 0 19/5 1 -3/5 9
a
1
0 1 2/5 0 1/5 2
Finalmente resulta la siguiente solucin:
( ) ( ) 10
2
9
5 0
0
0
2
9
1
3
1 3
4
2
1
3
=

=
x
x
c c Z ;
x
x
x
x
X
X
X

N
B

Supngase ahora que cambian ambos coeficientes de costos de la funcin objetivo para dar
origen al siguiente programa:
0
10 2 5
15 5 3
2 1
2 1
2 1

+
+
+ =
j
x
x x
x x a / s
x x Z . Mx

En este caso resulta: ( ) ( ) ( ) 0 0 1 1 0 0 2 4 0 0 3 5 , , , , , , , , , c c = + = + , entonces los nuevos:
y z sern: ( )
1 1 1
c c z + (
2 2 2
c c ) +
22
( ) ( ) ( ) 4 1
5
3
19 16 19 5
1 1 1
1
1 1 1
=

= + = +

. / , / c c a B C c c z
T
B
de la misma manera:
( ) ( ) ( ) 2 1
2
5
19 16 19 5
2 2 2
1
2 2 2
=

= + = +

. / , / c c a B C c c z
T
B
reemplazando estos dos
valores en el tabln ptimo del problema original, resulta:
Z x
1
x
2
x
3
x
4

1 4 2 5/19 16/19 235/19
a
2
0 0 1 5/19 -3/19 45/19
a
1
0 1 0 -2/19 5/19 20/19
Como x
1
estaban en la solucin ptima del problema original, entonces sus ( ) 0 = +
j j j
c c z
Esto se logra aplicando el mtodo simplex al nuevo tabln, con lo que resulta el siguiente:
Z x
1
x
2
x
3
x
4

1 0 0 3/19 2/19 65/19
a
2
0 0 1 5/19 -3/19 45/19
a
1
0 1 0 -2/19 5/19 20/19
En este nuevo tabln todos los B j c z A j c z
j j j j
= 0 0 de manera que la
solucin ptima es:
( ) ( )
19
65
19
20
19
45
19 20
19 45
1 1
0
0
19 20
19 45
1
2
1 2
4
3
1
2
= + =

=
/
/
x
x
c c Z ;
/
/
x
x
x
x
X
X
X

N
B

Supngase ahora el siguiente programa lineal original:
(P.O) cuya solucin ptima es:
0
18 2 3
4
5 3
2 1
1
2 1

+

+ =
j
x
x x
x a / s
x x Z . Mx
Z x
1
x
2
x
3
x
4

1 9/2 0 0 5/2 45
a
2
0 1 0 1 0 4
a
1
0 3/2 1 0 1/2 9

23
Supngase que el coeficiente c
1
cambia de 3 a 6 por cada unidad de x
1
, el nuevo problema a
resolver es: (P.N)
2 1
1

+

j
x
x x
x a / s
resulta
5 6
2 1
+ = x x Z . Mx
0
18 2 3
4
( ) ( ) ( ) 0 0 5 6 0 0 0 3 0 0 5 3
1 1
, , , , , , , , , c c = + = +
Como el nico coeficiente que cambia es c
1
se tiene entonces:
( ) ( ) ( )
2
3
6
1
2 5 0
1
=

= + = +

. / , c c a B C c c z
T

3
1 1 1 1 1 1

B
Con este cambio el tabln ptimo queda:
x
2
x
3
x
4
Z x
1

1 3 45 /2 0 0 5/2
a
2
0 1 0 1 0 4
a
1
0 3/2 1 0 1/2 9
0
j j
c En este nuevo tabln resul e u os ta s r q e todos l z son positivos en consecuencias no
acin, po
uevo problema ser:
2 1
1

+

j
x
x x
x a / s
resulta:
se puede continuar con el proceso de maximiz r lo tanto la solucin ptima es la
misma. Esto tiene una explicacin muy simple. Como el coeficiente
j j
c z que cambia
corresponde a la variable x
1
que no est en la solucin en el tabln ptimo inicial, entonces
este cambio de
j j
c z , para nada afecta a la funcin objetivo.
Supngase ahora que el coeficiente c
1
cambia de 3 a 10 $. El n
5 10
2 1
+ = x x Z . Mx
0
18 2 3
4
( ) ( ) ( ) 0 0 5 10 0 0 0 7 0 0 5 3
1 1
, , , , , , , , , c c = + = +
( ) ( ) ( )
2
5
10
2
15
10
3
1
2 5 0
1 1 1
1
1 1 1
= =

= + = +

. / , c c a B C c c z
T
B
El nuevo tabln resulta:
Z x
1
x
2
x
3
x
4

1 -5/2 45 0 0 5/2
a 1
3
0 1 0 0 4
a
2
0 3/2 1 0 1/2 9
( ) 2 5
1 1 1
< = + 0 / lo ta se debe aplicar el mtodo c c z , por nto Que no es ptimo porque
24
simplex para alcanzar la opt
Luego de una iteracin, el tabln ptimo resulta:
imalidad.
1 2
x
3
x
4
Z x x
1 5/2 5/2 55 0 0
a
1
0 1 0 1 0 4
a
2
0 0 1 -3/2 1/9 3
En consecuencia la solucin ptima resulta:
( ) ( ) 55 15 40
3
4
5 10
0
0
3
4
2
1
2 1
4
3
2
1
= + =

=
x
x
c c Z ;
x
x
x
x
X
X
X

N
B

c) Cambio de un coeficiente tecnolgico a
ij
cuando j no es bsico.
ientes tecnolgicos a
ij

j
Solamente se vern problemas con cambios discretos en los coefic
asociados a variables no bsica. Si los cambios discretos corresponden a variables bsicas,
es recomendable resolver ntegramente el problema.
Un cambio en las componentes del vector a , con N j origina un cambio en N j ; c z
j j

ya que:
j j
T
B j j
c a B C c z =
1
De manera que si c a
j
a un nuevo valor a l
trmino
j
. Si este trmino resulta ser positivo, la s ucin ptima
asociada seguir siendo vlida. En caso contrario si 0
ambia , cambiara e
ol
j
j
T
B j j
c a B C c z =
1
la problema original <
j j
c z , para
N j , habr que aplicar el mtodo simplex para obtener la nueva solucin del nuevo
ma, teniendo en cuenta que el vector
j
Y del tabln ptimo del problema original, se
debe reemplazar por otro
j j
a B Y
proble

1
= .
Suponga el siguiente problema original:
el tabln ptimo resulta:
Z x
1
x
2
x
3
x
4

0
18 2 3
4
5 3
2 1
1
2 1

+

+ =
j
x
x x
x a / s
x x Z . Mx
1 9 45 /2 0 0 5/2
a
3
0 1 0 1 0 4
a
2
0 3/2 1 0 1/2 9
25
Supngase ahora que el vector

3
1
e no ico en l tabln ptimo del problema

2
1
a

Como solamente ha cambiado el vector a
1
, solamente se modifica:

=
1
, qu

a es bs e
original, se cambia a un nuevo vector:

=
2
el nuevo problema a resolver ser:

0
18 2 2
4 2
5 3
2 1
1
2 1

+

+ =
j
x
x x
x a / s
x x Z . Mx
0 2 3
2
2
5
0
1
> =

= =

, c a B C c z
T
en consecuencia la so
2
1 1 1 1

B
lucin ptima sigue siendo
la misma y el tabn ptimo resulta ahora:
x
3
x
4
Z x
1
x
2
1 45 2 0 0 5/2
a
3
0 1 0 1 0 4
a
2
3/2 0 1 0 1/2 9
( ) ( ) 45 45 0
9
4
5 0
0
0
9
4
2
3
2 3
4
3
2
3
= + =

=
x
x
c c Z ;
x
x
x
x
X
X
X

N
B

Siguiendo con el ejemplo anterior, supngase que en el problema original el vector

1
1
resulta el nuevo

=
3
1
1
a
cambia al nuevo vector:

=
10
a , el nuevo problema a resolver resulta:

0
18 2
4 10
5 3
2 1
1
2 1

+

+ =
j
x
x x
x a / s
x x Z . Mx
0
2
1
3
1
10
2
5
0
1 1
1
1 1
< =

= =

, c a B C c z
T
B

En consecuencia se debe aplicar el mtodo simplex actualizando del tabln

=
2 3
1
/
Y
j
26
ptimo original, por:

= =

2 1
10
1
10
2 1 0
0 1
1
/ /
a B Y

j j
E nuevo tabln para aplicar el mtodo simplex queda:
Z x
1
x
2
x
3
x
4

1 -1/2 0 0 5/2 45
a
3
0 10 0 1 0 4
a
2
0 1/2 1 0 1/2 9
Finalmente el tabln ptimo resulta:
Z x
1
x
2
x
3
x
4

1 0 0 1/20 5/2 226/5
a
3
0 1 0 1/10 0 4/10
a
2
0 0 1 -1/2 1/2 44/5
Y la nueva solucin:
( ) ( ) 2 45
5
226
44
10
12
5 44
10 4
5 3
0
0
5 44
10 4
2
1
2 1
4
3
2
1
,
/
/
x
x
c c Z ;
/
/
x
x
x
x
X
X
X

N
B
= = + =

=
d) Adicin de nuevas actividades x
j
.
La incorporacin de nuevas actividades x
j
genera nuevos trminos y nuevos vectores
en el tabn. Si asociada a la nueva actividad x
j
se conoce el nuevo coeficiente y los
nuevos a
ij
, los nuevos elementos se calculan como:
j j
c z
j
Y
j
c
j j j j
T
B j j
a B Y c a B C c z
1 1
= =
Si el nuevo trmino , entonces la nueva variable no debe entrar al problema ya que
su utilizacin no aporta nada a la funcin objetivo. En caso contrario, es decir si
0
j j
c z
0 <
j j
c z ,
entonces se introduce en el tabln y se aplica el mtodo simplex hasta alcanzar la
solucin ptima.
j j
a B Y
1
=
Sea el ejemplo:
0
18 2 3
4
5 3
2 1
1
2 1

+

+ =
j
x
x x
x a / s
x x Z . Mx

27
Se pregunta si conviene introducir la nueva actividad x
5
si su coeficiente de costo es c
5
= 7 y
su vector de coeficientes tecnolgicos es . El nuevo problema a resolver es:

=
2
1
5
a
0
18 2 2 3
4
7 5 3
5 2 1
5 1
5 2 1

+ +
+
+ + =
j
x
x x x
x x a / s
x x x Z . Mx
El nuevo , como el
coeficiente resulta menor que cero, entonces tiene sentido la incorporacin de la
nueva actividad y el nuevo es . Para obtener la solucin
ptima se debe aplicar el mtodo simplex al nuevo tabln que resulta ser:
( ) 0 2 7
2
1
2 5 0
5 5
1
5 5
< =

= =

/ , c a B C c z
T
B
5 5
c z
5
Y

= =

1
1
2
1
2 1 0
0 1
5
1
5
/
a B Y
Z x
1
x
2
x
5
x
3
x
4

1 9/2 0 -2 0 5/2 45
a
3
0 1 0 1 1 0 4
a
2
0 3/2 1 1 0 1/2 9
1 13/2 0 0 2 5/2 53
a
5
0 1 0 1 1 0 4
a
2
0 1/2 1 0 -1 1/2 5
La nueva solucin resulta:
( ) ( ) 53 25 28
5
4
5 7
0
0
0
5
4
2
5
2 5
4
3
1
2
5
= + =

=
x
x
c c Z ;
x
x
x
x
x
X
X
X

N
B

Supngase ahora el caso de que la nueva actividad que se incorpora tiene un coeficiente de
costo c
5
= 4 y que el vector de coeficientes tecnolgicos es: a El nuevo problema
resulta:

=
4
10
5
0
18 4 2 3
4 10
4 5 3
5 2 1
5 1
5 2 1

+ +
+
+ + =
j
x
x x x
x x a / s
x x x Z . Mx
El nuevo ( ) 0 6 4 10 4
4
10
2 5 0
5 5
1
5 5
> = =

= =

/ , c a B C c z
T
B
28
Como resulta ser mayor que cero, entonces el tabln ptimo correspondiente al
problema original resulta ser tambin ptimo para el problema nuevo (P.N) y la nueva
actividad x
5
debe ser igual a cero. Es decir que la incorporacin de la nueva actividad en el
nuevo problema, no mejora en absoluto el valor de la funcin objetivo del problema original.
5 5
c z
Como conclusin se puede decir que el trmino
j j
c z tiene dos significados a saber:
a) es la reduccin (aumento) del valor de la funcin objetivo ene l caso de la
maximizacin (minimizacin), al aumentar en una unidad el valor de la actividad x
j
con
j j
c z
N j .
b) es el valor que debe aumentar (disminuir), en el caso de la maximizacin
(minimizacin), para que x
j
con
j j
c z
j
c
N j se convierta de una actividad no bsica a bsica.
b) Adicin de nuevas restricciones.
Si se aaden k > 0 nuevas restricciones de la forma: k m ,....., m , m i ; b x a
i
n
j
j ij
+ + + =
<
>

=
1 1
1
al
problema original (P.O) y la solucin ptima X
B
asociada al problema original satisface a las
nuevas restricciones, entonces la solucin ptima X
B
del problema original es tambin
solucin ptima del nuevo problema. Por el contrario, si X
B
viola alguna de las k nuevas
restricciones, entonces se debe restablecer la factibilidad del nuevo problema y obtener la
solucin ptima aplicando el mtodo dual simplex. Si es necesario la aplicacin del mtodo
dual simplex para obtener la solucin ptima, cada una de las k restricciones deben
agregarse al tabln ptimo del problema original con sus correspondientes variables de
holgura y todos los vectores unitarios asociados al tabln ptimo se deben restablecer
aplicando el mtodo dual simplex.
Ejemplo: Sea el siguiente problema original (P.O)
0
10 2 5
15 5 3
3 5
2 1
2 1
2 1

+
+
+ =
j
x
x x
x x a / s
x x Z . Mx

Cuyo tabln ptimo es:
Z x
1
x
2
x
3
x
4

1 0 0 5/19 16/19 235/19
a
2
0 0 1 5/19 -3/19 45/19
a
1
0 1 0 -2/19 5/19 20/19
La solucin ptima asociada al problema original es:
29
( ) ( )
19
235
19
100
19
135
19 20
19 45
5 3
0
0
19 20
19 45
1
2
1 2
4
3
1
2
= + =

=
/
/
x
x
c c Z ;
/
/
x
x
x
x
X
X
X

N
B

Supngase que al problema original se le agrega una nueva restriccin, 1
2
x , el nuevo
problema a resolver es:
0
1
10 2 5
15 5 3
3 5
2
2 1
2 1
2 1

+
+
+ =
j
x
x
x x
x x a / s
x x Z . Mx

Como se observa, la solucin ptima en el problema original es y viola la nueva
restriccin por ser 45/19 > 1 entonces se debe restablecer la factibilidad.
Estandarizando el nuevo problema, queda:
19 45
2
/ x =
1
2
x
0
1
10 2 5
15 5 3
3 5
5 2
4 2 1
3 2 1
2 1

= + +
= + + +
= + +
+ =
j
x
x x
x x x
x x x a / s
x x Z . Mx

El nuevo tabln resulta:
Z x
1
x
2
x
3
x
4
x
5

1 0 0 5/19 16/19 0 235/19
a
2
0 0 1 5/19 -3/19 0 45/19
a
1
0 1 0 -2/19 5/19 0 20/19
a
5
0 0 1 0 0 1 1

Restableciendo el vector unitario c
2
del tabln ptimo mediante operaciones algebraicas, es
decir transformndolo en vector unitario, surge el siguiente tabln que hay optimizar
aplicando el mtodo dual simplex.


30
Z x
1
x
2
x
3
x
4
x
5

1 0 0 5/19 16/19 0 235/19
a
2
0 0 1 5/19 -3/19 0 45/19
a
1
0 1 0 -2/19 5/19 0 20/19
a
5
0 0 0 -5/19 3/19 1 -26/19
A este ltimo tabln se le aplica el dual simplex, resultando el siguiente tabln ptimo.
Z x
1
x
2
x
3
x
4
x
5

1 0 0 0 1 1 11
a
2
0 0 1 0 0 1 1
a
1
0 1 0 0 1/5 -2/5 8/5
a
5
0 0 0 1 -3/5 -19/5 26/5
Donde la solucin es:
( ) ( ) 11 8 3
5 8
1
5 3
0
0
5 26
5 8
1
1
2
1 2
5
4
3
1
2
= + =

=
/ x
x
c c Z ;
/
/
x
x
x
x
x
X
X
X

N
B

Supngase que en el ejemplo anterior la restriccin que se introduce es 10
2
x , en este
caso como el resultado ptimo para es 45/19 < 10, entonces la solucin ptima del
problema original es tambin solucin ptima del nuevo problema.
2
x




31