UNIVERSIDAD NACIONAL DE

INGENIERIA
FACULTAD DE INGENIERIA QUIMICA Y TEXTIL

SEPARATA N° 3

CURSO : INVESTIGACION DE OPERACIONES I

TEMA : DUALIDAD - ANÁLISIS DE SENSIBILIDAD - ANÁLISIS
POST-ÓPTIMO
PROF. : Mg. ING. MAURO PEREZ ESTRELLA
 TEORÍA DE DUALIDAD Y ANÁLISIS DE SENSIBILIDAD
TABLA DE RELACIONES PRIMAL – DUAL

Min Max
 0 

 0  Restricciones
Variables
Libre =

Restricciones   0

  0 Variables
= Libre

Ejemplo: Max Z = 4x1 + 3x2 + 6x3

s.a:
x1 + 2x2 + x3  6  w1
P 4x1 + x2 + 2x3 = 4  w2
3x1 + 6x2 + x3  3  w3
 x1  0 x2  0 x3 Libre

min G = 6w1 + 4w2 + 3w3

s.a:
w1 + 4w2 + 3w3  4
2w1 + w2 + 6w3  3
D w1 + 2w2 + w3 = 6
w1  0 w2 Libre, w3  0

Aplicación
 Productos Disponibilidad
(hr/mes)
A B
Proceso 1 3 2 2000
Proceso 2 1 2 1000
(Utilidad $) 40 60

Max Z = 40x1 + 60x2

s.a:
3x1 + 2x2  2000  w1
x1 + 2 x2  1000  w2
 xj  0

Formulación del Dual

Variables de decisión : w1 , w2 : precios a los recursos.

F.O. min G = 2000 w1 + 1000w2  es la rentabilidad misma de las

Ventas de los productos.

s.a:
3w1 + w2  40  Los precios que se fijan para los recursos para hacer
A, debe ser mayor que la contribución que ofrece
el producto A cuando se ofrece.

2w1 + w2  60  Los precios que se establecen para los recursos

para hacer B debe ser mayor o igual que la
contribución que ofrece el producto B, cuando se
ofrece.

Análisis de la Solución Óptima primal

Tablero óptimo para el primal

cj 40 60 0 0
ck xk bi x1 x2 S1 S2
W3 40 x1 500 1 0 0.5 -0.5
W4 60 x2 250 0 1 -0.25 0.75
Zj 35000 40 60 5 25
cj Zj 0 0 -5 -25
W3 W4 W1 W2

Solución óptimo: x1 = 500

x2 = 250
Zópt. = 35000

Tablero Óptimo Dual

bi 2000 1000 0 0 M M
bk wk cj w1 w2 E1 E2 q1 q2
2000 w1 5 1 0 -0.5 0.25 0.5 -0.25
1000 w2 25 0 1 0.5 -0.75 -0.5 0.75
gi 35000 2000 1000 -500 -250 500 250
bi - gi 0 0 500 250 M-500 M-250

ANÁLISIS DE SENSIBILIDAD

1) Sensibilidad de los Coeficientes de la Función Objetivo (cj)

a) Coeficientes de V.N. Básicas en la función objetivo para el siguiente problema:

maxZ = 3x1 + 2x2 + x3

s.a:
x1 + 2x2 + x3  100
x1 + x2 + 2x3  90
2x1 + 3x3  120
 xj  0 ; j = 1,2,3

Tablero óptimo
 cj 3 2 1 0 0 0
ck xk bi x1 x2 x3 S1 S2 S3
0 x2 20 0 1 -1/4 1/2 0 -1/4
0 S2 10 0 0 3/4 -1/2 1 -1/4
3 x1 60 1 0 3/2 0 0 1/2
Zj 220 3 2 4 1 0 1
cj Zj 0 0 -3 -1 0 -1

V.N. Básicas : x3 , s1, s3

Caso de maximización: Caso minimización

   c j  c j  c j c j  c j  c j  

- Considerando para x3  c3

    c3  c3  c3

Hallamos:
c3  Z 3  c3  3
    c3  1  3     c3  4

- Considerando para s1  c4

    c4  c4  c4

 c 4  Z 4  c 4  1     c4  0  1

    c4  1

- Considerando para s3  c6

    c6  c6  c6

 c6  Z 6  c6  1

    c6  0  1     c6  1

b) Coeficientes de V. Básicos en la fun..obj.

Z j cj
ck'  ck  ck donde : ck 
aij
min
Relación que deben cumplir los coeficientes de la función objetivo, su signo, su
variación y el signo de esta, el signo de los aij y el objetivo del problema para provocar
variaciones de la solución óptima.

Coeficiente ck Objetivo del Problema

Maximizar Minimizar
Positivo + aij < 0 aij > 0
 aij > 0 aij < 0
-

Negativo + aij > 0 aij < 0
 aij < 0 aij > 0
-


Para el caso de maximización

Cuando:
aij  0    cj
No existe: aij  0  cj  

Para el caso de minimización

Cuando:
aij  0  cj  
No existe: aij  0    cj

En nuestro ejemplo:

V. Básicas : x1, x2, s2

Caso maximización:

 c j  c 'j  c j  c j  c 'j

Z j cj
c 'j 
aij
min

aij  0 ( Límite Superior)

aij  0 ( Límite Inferior )

 - Considerando para x1  c1

 c1  c1'  c1  c1  c1'

Límite Superior:

Z1  c1
c1'  ; aij  0 
aij
aij  0 min

 c1  

Límite Inferior:

3
c1'  2
3/ 2

1
c1'  2
1/ 2
 el menor es c1'  2

Entonces:
3 – 2 ≤ C1 ≤ ∞

P1. RESOLUCIÓN POR EL MÉTODO SIMPLEX

F.O : MaxZ = 20X1 + 25X2

s.a: 0.5 X1+ X2 <= 150 ………disponibilidad de horas de la máquina Nº1

X1 + X2 <= 250 ……… disponibilidad de horas de la máquina Nº2

X1 + 1.5 X2 <= 300 ……... disponibilidad de horas de la máquina Nº3

xi �0 …….. condición de no negatividad

PRIMER TABLERO SIMPLEX

Cj 20 25 0 0 0
Ck xk bi x1 x2 S1 S2 S3
0 S1 150 0.5 1 1 0 0
0 S2 250 1 1 0 1 0
0 S3 300 1 1.5 0 0 1
Zj 0 0 0 0 0 0
Zj-Cj -20 -25 0 0 0
SEGUNDO TABLERO SIMPLEX

Cj 20 25 0 0 0
Ck xk bi x1 x2 S1 S2 S3
25 x2 150 0.5 1 1 0 0
0 S2 100 0.5 0 -1 1 0
0 S3 75 0.25 0 -15 0 1
Zj 3750 12.5 25 25 0 0
Zj-Cj -7.5 0 25 0 0

TERCER TABLERO
SIMPLEX (Tablero
Optimo)

Cj 20 25 0 0 0
Ck xk bi x1 x2 S1 S2 S3
25 x2 50 0 1 2 -1 0
20 x1 200 1 0 -2 2 0
0 S3 25 0 0 -1 -0.5 1
Zj 5250 20 25 10 15 0
Zj-Cj 0 0 10 15 0

La solucion óptima se dará para los siguientes valores:

x1 = 200
x2 = 50 Zoptimo = 5250
S3 = 25

b) ANÁLISIS DE SENSIBILIDAD PARA LOS COEFICIENTES DE LA FUNCION

OBJETIVO

- Para las variables básicas x1 y x2

Definimos x1: c1
Teóricamente sabemos que:
c1 - ∆ c’1  c1  c1 + ∆ c’1

zj cj 10
Ademas : ∆ c’1 = = = 5 Limite Superior
a ij 2
15
∆ c’1 = = 7.5 Limite Inferior
2

Por lo tanto:
20-7.5  c1  20+5
12.5  c1  25
 Definimos x2: c2
Teóricamente sabemos que:
c2 - ∆ c’2  c2  c2 + ∆ c’2

zj cj 15
Además: ∆ c’2 = = = 15 Limite Superior
a ij 1
10
∆ c’2 = =5 Limite Inferior
2

Por lo tanto:
25-5  c2  25+15
20  c2  40

c) Si se incrementa la tasa de producción del articulo 1 en un 50%, entonces en nuestra F.O el

coeficiente de x1 será ahora 30, mediante el análisis de sensibilidad desarrollado en la pregunta
anterior se demostró que c1 esta entre 12.5 y 25 por lo que al estar 30 fuera de este rango hará que
nuestra solución optima varié por lo que ya no sería posible cumplir con la producción de 50
unidades del articulo 2.

ANALISIS POSTOPTIMAL

Para el siguiente problema

Max Z = 3x1 + 2x2+ x3

s.a:
x1 + 2x2 + x3 ≤ 100
x1 + x2 + 2x3 ≤ 90
2x1 + 3x3 ≤ 120
 xi  0

Tablero óptimo

cj 3 2 1 0 0 0
ck xk bi x1 x2 x3 S1 S2 S3
2 x2 20 0 1 -1/4 1/2 0 -1/4
0 S2 10 0 0 3/4 -1/2 1 -1/4
3 x1 60 1 0 3/2 0 0 1/2
Zj 220 3 2 4 1 0 1
Cj - Zj 0 0 -3 -1 0 -1
 Análisis post-optimal

A) Modificación de los coeficientes de la F.O. correspondientes a V.N.B.

Variables no básicas: x3, s1, s3

Para x3  c3
c3 = 1 cambiar por c 3' = 5

Cálculo:
Zj - c 'j = ( Zj - cj ) + ( cj - c 'j )

 '
Zj - c j = 3 + ( 1 - 5 )

Zj - c 'j = -1

Como: Zj - cj  0  la solución óptima se modifica, ingresa x3 a la base

B) Modificaciones en los coeficientes de la F.O. correspondiente a V.B.

Variables básicas: x1, x2, s2

Cálculo:
' (c ' j - c j )
Zj - c j = ( Z j - cj ) -    

Cambio neto
Para x1  c1

 c1 =3 cambiar por 6  c 1' = 6

Luego  el cambio neto = c 'j - cj = 6 -3 = 3

Para obtener el nuevo reglón de x1, multiplicar cada término del reglón x1 por el
cambio neto y sumar luego esta cantidad a cada término del reglón x1 original.

cj 6 2 1 0 0 0
ck xk bi x1 x2 x3 S1 S2 S3
2 x2 20 0 1 -1/4 1/2 0 -1/4
0 S2 10 0 0 3/4 -1/2 1 -1/4
6 x1 60 1 0 6 0 0 2
Zj 400 6 2 71/2 1 0 23/2
-
Cj - Zj 0 0 -1 0 -23/2
69/2

Nuevos términos:
 3/2 x 3 + 3/2 = 6
Z se incrementa apreciablemente.
0 x 3 + 0 = 0  La base permanece óptima.

1/2 x 3 + 1/2 = 2
cambio neto

C) Modificación en la matriz de restricciones.

1) Columna no básica : x3, s1, s3

1 3
   
a3   2  cambiar por a3   1 
'

 3 4
   

 1/ 2 0  1/ 4   3   1/ 2 
' 1 '
     

x3  B a3    1 / 2 1  1 / 4   1     3 / 2 
 0 0 1/ 2   4   2 
    
  1/ 2 
 
ck .B .a3  c3  cB.B .a3  c3   2,0,3    3/ 2  1
T 1 ' 1 '
  
Z3 2
 
Zj – Cj = 7-1 = 6  sigue siendo óptima.

2) Columna básica: x1, x2, s2

Cálculo:

La base sigue siendo óptima, analizar la siguiente iteración

' 1 '
 si x  0 :
'
j
x B a  '
Añadir una variable artificial, se modifica la base
j j
 si x j  0 :
a) Si consideramos para la columna de x1

 1  3
   
a1   1  cambiar por a1   2 
'

 2  4
   
  1 / 2 0  1 / 4   3   1 / 2   x2
' 1 '
     

xj  B a1  1/2 1 1/4  2    1/2 x5
 0 0 1/ 2   4   2   x
     1
vemos que:
x1'  0

 1/ 2 
 
 cB.B .a1  c1   2,0,3   1/ 2   3  7  3  4
1 '
  2
 
Z3

Zj – Cj = 4 ; sigue siendo óptima, la solución es columna x1' .

b) Si consideramos:

 1 1
   
a1   1  por a1   2 
'

 2  0
   
  1 / 2 0  1 / 4   1   1 / 2   x2
' 1 '
     

xj  B a1  1/2 1 1/4  2    3/2 x5
 0 0 1/ 2   0   0   x
     1 x1'  0

 1/ 2 
 
 cB .B .a1  c1   2,0,3   3 / 2   3  1  3
1 '
   
 0 
 
Z1– C1 = -2

Solución es columna x1' : x1'

x2 1/2
x5 3/2
x1 0
zj 1
Zj - cj -2
 En el tablero simplex (reemplazar el reglón x1 por q1)

cj 3 2 1 0 0 0 M
ck xk bi x1 x2 x3 S1 S2 S3 q1
2 x2 20 1/2 1 -1/4 1/2 0 -1/4 0
0 x5 10 3/2 0 3/4 -1/2 1 -1/4 0
M q1 60 0 0 3/2 0 0 1/2 1
60M 3/2M- M/2-
Zj 1 2 1 0 M
+400 1/2 1/2
3/2M- M/2-
Cj - Zj -2 0 1 0 0
3/2 1/2
ingres
↑
a

E) Adición de una nueva actividad

Podemos considerar que la adición de una nueva actividad es una actividad no
básica que se inició originalmente en el modelo con todos los coeficientes cero en la
función objetivo y en las restricciones.

Los coeficientes de la nueva actividad representarán entonces los cambios de

cero a los nuevos valores.

Nueva actividad : xn+1

Coeficiente : cn+1
Columna de consumo : an+1

¿Conviene producir xn+1 ?  xn1  x7  0; c7  5

3
 
a7   1 
1
 
Calculamos: x7  B 1 .a7  ?
  1/ 2 0 1/ 4   3   5 / 4 
1 '
     
x7  B a 7    1 / 2 1  1 / 4   1     3 / 2 
 0 0 1/ 2   1   1/ 2 
    
 5/ 4 
1 '
 
cb .B .a7  c7  (2,0,3)   3/ 4   5  1
    1/ 2 
 
Z3

 Zj – Cj < 0 ingresa x7 a la base.

cj 3 2 1 5 0 0 0
ck xk bi x1 x2 x3 x7 S1 S2 S3 θ

-
2 x2 20 0 1 -1/4 5/4 1/2 0
1/4
- -
0 S2 10 0 0 3/4 -3/4 1
1/2 1/4
3 x1 60 1 0 3/2 1/2 0 0 1/2
Zj 3 2 4 4 1 0 1
Cj - Zj 0 0 -3 1 -1 0 -1
↑
ingres
 a

No se puede admitir una nueva actividad en la solución a menos que esta mejore el
valor de la función objetivo.

F) Adición de una nueva restricción.

La adición de una nueva restricción puede dar origen a una de dos condiciones:

1. La restricción satisface la solución actual y en este caso, la restricción es de no

enlace o redundante, y por lo tanto, su adición no altera la solución.

2. La solución actual no satisface la restricción por lo tanto se volverá de enlace y la

nueva solución tiene un valor menos óptimo de Z original.

Ejemplo: Sea la nueva restricción:

x1  70

 x1 + x7 = 70

Luego:

cj
ck xk bi x1 x2 x3 S1 S2 S3 x7
2 x2 20 0 1 -1/4 1/2 0 -1/4 0
0 x5 10 0 0 3/4 -1/2 1 -1/4 0
3 x1 60 1 0 3/2 0 0 1/2 0
0 x7 70 1 0 0 0 0 0 1

debe ser “cero” para formar la matriz identidad, entonces se
multiplica el reglón x1  por -1 y luego se suma a los términos iniciales del reglón x7.

Así:
60(-1) + ; 4(-1)+ ; 0+ ; -3/2+ ; 0+ ; 0+ ; -1/2+ ; 0+
70 1 0 0 0 0 0 1
10 0 0 -3/2 0 0 -1/2 1

cj 3 2 1 0 0 0 0
ck xk bi x1 x2 x3 S1 S2 S3 x7
2 x2 20 0 1 -1/4 1/2 0 -1/4 0
0 S2 10 0 0 3/4 -1/2 1 -1/4 0
3 x1 60 1 0 3/2 0 0 1/2 0
0 x7 10 0 0 -3/2 0 0 0 1
 Zj 220 3 2 4 1 0 1 0
cj - Zj 0 0 -3 -1 0 -1 0

La solución sigue siendo óptima.

TEOREMA DE HOLGURA COMPLEMENTARIA

Prob.
Utilizando holgura complementaria, y a su vez método gráfico resolver el siguiente
problema:

Min Z = 110X1 + 130X2 + 910X3 + 6480X4 + 11050X5

S.a:
X1 + 13X3 + 14X4 + 40X5 ≥ 30
X2 - 7X3 + 45X4 + 65X5 ≥ 60
 Xi ≥ 0

Solución

Primal:

Min Z = 110X1 + 130X2 + 910X3 + 6480X4 + 11050X5

S.a:
X1 + 13X3 + 14X4 + 40X5 ≥ 30………….W1
X2 - 7X3 + 45X4 + 65X5 ≥ 60……………W2
 Xi ≥ 0
Dual:

Max G = 30W1 + 60W2

S.a:
W1 ≤ 110
W2 ≤ 130
13W1 – 7W2 ≤ 910
14W1 + 45W2 ≤ 6 480
40W1 + 65W2 ≤ 11 050
 Wi ≥ 0

La solución del dual por el método gráfico da los siguientes resultados:

Góptimo = 9608.7
W1 = 85.45
W2 = 117.42

Aplicando holgura complementaria:

o De la 1ra restricción del dual se obtiene:

W1 + S1 = 110 → S1 ≠ 0 → X1 = 0
o De la 2da restricción del dual se obtiene:

W2 + S2 = 130 → S2 ≠ 0 → X2 = 0

o De la 3ra restricción del dual se obtiene:

13W1 – 7W2 + S3 = 910→ S3 ≠ 0 → X3 = 0

o De la 4ta restricción del dual se obtiene:

14W1 + 45W2 + S4 = 6 480→ S4 = 0 → X3 ≠ 0

o De la 5ta restricción del dual se obtiene:

40W1 + 65W2 + S5 = 11 050→ S5 = 0 → X5 ≠ 0

Reemplazando en las restricciones del primal:

X4 = 0.505662
X5 = 0.573033
Zóptimo = 9608.7