TEORIA DE DUALIDAD MG. ING.

MAURO PEREZ ESTRELLA

TEORÍA DE DUALIDAD

Uno de los descubrimientos más importantes durante el desarrollo inicial de la programación

lineal fue el concepto de dualidad y sus muchas e importantes ramificaciones. Este
descubrimiento revelo que asociado a todo problema de P.L., existe otro problema lineal llamado
DUAL. Las relaciones entre el problema dual y el original (llamado primal) son extremadamente
útiles en una gran variedad de situaciones.

Uno de los aspectos más importantes de la teoría de dualidad es la interpretación y realización del
“análisis de sensibilidad”.

Esencia de la Teoría de Dualidad.

Dada la forma estándar para el problema primal (después de hacer la conversión de una a otra
forma), su problema dual tiene la forma que se muestra a la derecha.

Problema Primal Problema dual

n m
MaxZ   c j x j MinG   bi wi
j 1 c 1

s.a: s.a:
m
n
 aij wi  c j

j 1
aij x j   bi i 1

Para i = 1,2,…. m Para j = 1,2,…. n

wi  0 Para i = 1,2,…. m
x j  0 Para j = 1,2,…. n

TABLA DE RELACIONES PRIMAL – DUAL

Min Max
 0 

 0  Restricciones
Variables
Libre =

Restricciones   0
  0 Variables
= Libre

1
 TEORIA DE DUALIDAD MG. ING. MAURO PEREZ ESTRELLA

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

Características en las Relaciones P.D.

1. A todo problema lineal de maximización le corresponde uno de minimización.

2. Si el problema original tiene n variables y m restricciones su modelo dual tendrá m variables
y n restricciones.
3. Si el problema original utiliza la matriz A de restricciones su modelo dual utilizará la matriz
At.
4. Las constantes del lado derecho del modelo primal constituyen los coeficientes de la
función objetivo de su problema dual.
5. Los coeficientes de la función objetivo primal constituyen. Las constantes del lado derecho
del problema dual.
6. La primera columna de coeficientes de la matriz de restricciones del problema primal
originan la primera fila o restricción de su problema dual.
7. El tipo de restricción del modelo dual esta dada por el rango de la variable primal asociada
(a esa fila).
8. El rango de la variable dual es determinada por el tipo de restricción del modelo primal
(asociado de la variable dual).

Teorema Débil de Holgura Complementaria

Si una variable es positiva en uno de los problemas, la restricción asociada en el otro problema es
sin holgura y si una restricción en uno de los problemas es con holgura, la variable
correspondiente en el otro problema es cero.

Ejemplo: min Z = 2x1 + 3x2 + 5x3 + 2x4 + 3x5

s.a:
x1 + x2 + 2x3 + x4 + 3x5  4  w1
2x1 + 2x2 + 3x3 + x4 + x5  3  w3
 xi  0

2
 TEORIA DE DUALIDAD MG. ING. MAURO PEREZ ESTRELLA

Dual: max G = 4w1 + 3w2

s.a: w1 + 2w2  2 ……………… (1)  x1

w1 + 2w2  3 ……………… (2)  x2
2w1 + 3w2  5 ……………… (3)  x3
w1 + w2  2 ……………… (4)  x4
3w1 + w2  3 ……………… (5)  x5

Problema

Utilizando holgura complementaria, y a su vez utilizando el método grafico resolver el siguiente

problema.

Max Z = 200X1 + 130X2 + 2200X3 + 7480X4 + 13890X5

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

Solución:

Modelo dual:

MAX G= 30W1 + 60W2

s. a:
W1 ≤ 200 W1=200 …………………L1
W2 ≤ 130 W2=130 …………………L2
13W1 - 7W2 ≤ 2200 W1= 0 , W2 = -314.3 ó W2= 0 , W1 =169.2 …..L3
14W1 + 45W2 ≤ 7480 W1= 0 , W2 = 166,2 ó W2= 0 , W1 = 534.3 …..L4
40W1 + 65W2 ≤ 13890 W1= 0 , W2 = 213.7 ó W2= 0 , W1 = 347.2 ….L5
Wi≥0

Resolviendo por el método grafico:

Góptimo = 11742
W1 = 156
W2 = 117.7

Aplicando holgura complementario

W1 + e1 = 200
e1= 44 ........... X1= 0
W2 + e2 = 130
e2= 12.3 ....... X2 = 0
13W1 - 7W2 + e3 = 2200
e3=1204.1 .... X3 = 0
14W1 + 45W2 + e4 = 7480
e4= 0 ............. X4 ≠ 0
40W1 + 65W2 + e5 = 13890
e5= 0 ………. X5 ≠= 0
Por lo tanto:

3
 TEORIA DE DUALIDAD MG. ING. MAURO PEREZ ESTRELLA

14X4 + 40X5 = 30
45X4 + 65X5 = 60

Solución óptimo primal:

X3 = 0.506
X2 = 0.573
Z óptimo = 11743.8

Análisis de la Solución Óptima primal

Tablero óptimo para el primal

cj 40 60 0 0
ck xk bi x1 x2 S1 S2
e1 40 x1 500 1 0 0.5 -0.5
e2 60 x2 250 0 1 -0.25 0.75
Zj 35000 40 60 5 25
cj Zj 0 0 -5 -25
e1 e2 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

Valor de intersección entre x1 y e1 = 0.5 y se coloca con el signo cambiado en la intersección w1

y e1.

Los valores de q1 y q2 serán los mismos valores de e1 y e2 respectivamente pero con el signo
cambiado.

ANALISIS DE SENSIBILIDAD

4
 TEORIA DE DUALIDAD MG. ING. MAURO PEREZ ESTRELLA

En aplicaciones prácticas a menudo, no solamente interesa la solución del problema, sino también
se desea saber como varía esta solución si las condiciones iniciales se modifican (por ejemplo los
coeficientes de la función objetivo cj , la disponibilidad de recursos bi y las cantidades de recursos
aij utilizadas. Las investigaciones que tratan los cambios de la solución óptima, son llamadas
“Análisis de Sensibilidad”.

En el presente capítulo trataremos del análisis de sensibilidad que determinan los rangos de
variación de los (cj, bi, aij), para el cual la solución, tal como se anunció originalmente, permanece
óptimo.

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 x 3  c3

    c3  c3  c3

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

5
 TEORIA DE DUALIDAD MG. ING. MAURO PEREZ ESTRELLA

- Considerando para S1  c4

    c4  c4  c4

 c4  Z 4  c4  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:

6
 TEORIA DE DUALIDAD MG. ING. MAURO PEREZ ESTRELLA

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

a ij  0 ( Límite Superior)

a ij  0 ( Límite Inferior )

- Considerando para x 1  c1

 c1  c1'  c1  c1  c1'

Límite Superior:

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

 c1  

0 3
Límite Inferior: c1'  0 c1'  2
aij  0 1 3/ 2

1
c1'  2  el menor es c1  0
'

1/ 2
 c1  c1'  c1  c1  c1'  3  0  c1  

Luego 3  c1  
2. Sensibilidad en las constantes del lado derecho (bi)

Procedimiento:

7
 TEORIA DE DUALIDAD MG. ING. MAURO PEREZ ESTRELLA

1) Formular el dual del primal correspondiente

2) Determinar el tablero óptimo dual
3) Encontrar el rango de variación de las V:B. y V.N.B. del modelo dual, ya que los
coeficientes de la función objetivo del dual constituyen las constantes del lado derecho del
modelo primal.

bi  bi  bi  bi  bi

g i  bi
bi  g i  bi ; bi' 
aij
min

La Regla del 100%

El análisis de sensibilidad para variaciones simultáneas de las variables se pueden realizar
mediante la regla del 100 %.
Aquí se verifican los siguientes casos:
1. Variación de coeficientes en la función objetivo.
2. Variación de coeficientes del lado derecho.

Variación simultánea de coeficientes de la función objetivo

Caso 1 coeficientes de variables no básicas.

Caso 2 coeficientes de variables básicas (al menos una de las variables es básica)

Caso 1.
Todas las variables están dentro de su rango de optimalidad, por lo que la base actual
permanece óptima y el valor de las variables básicas no cambia por lo que tampoco se ve
afectado el valor de la función objetivo.
Si la variacióon de al menos una de las variables está fuera del rango de optimalidad, la
solución deja de ser óptima.

Caso 2.
Si:
cj = coefiiente original de xj en la función objetivo
Δcj = variación de cj
Z j cj
c 'j  =Ij incremento máximo de cj para que se mantenga la base óptima
aij
min

8
 TEORIA DE DUALIDAD MG. ING. MAURO PEREZ ESTRELLA

Z j cj
c 'j  = Dj = decremento máximo de cj para que se mantenga la base óptima
aij
min

Para cada variable xj se puede definir la razón rj como:

∆𝑐𝑗
Si Δcj ≥ 0 entonces 𝑟𝑗 = 𝐼𝑗

−∆𝑐𝑗
Si Δcj ≤ 0 𝑟𝑗 = 𝐷𝑗

Si cj no cambia, rj = 0. La razón rj mide la proporción entre el cambio real de cj y el

máximo cambio admisible para cj para mantener la base óptima. Si solo se cambia un
coeficiente de la función objetivo, la base permanecerá óptima mientras rj ≤ 1 (un cambio
inferior al 100 %). La regla del 100% es una generalización de la idea anterior, es decir
si:

∑𝑗 𝑟𝑗 ≤ 1 …….. (1)

Se puede asegurar que la base actual sigue siendo la óptima y los valores de las variables
tampoco cambian, pero la función objetivo podría variar. Si la expresión (1) es mayor a
1 no se puede asegurar que se mantenga como óptima, pero tampoco hay seguridad de
que vaya a cambiar.

Ejemplo
Considerando el siguiente modelo:
Max z = 60x1 + 30x2 + 20x3
s.a:
8x1 + 6x2 + x3 + s1 = 48 (1)
4x1 + 2x2 + 1;5x3 + s2 = 20 (2)
2x1 + 1;5x2 + 0;5x3 + s3 = 8 (3)

Aplicando el método Smplex obtenemos el tablero óptimo siguiente.

Con Z = 280, s1 = 24, x3 = 8, x1 = 2 y x2 = s2 = s3 = 0.
cj 60 30 20 0 0 0
ck xk bi x1 x2 x3 S1 S2 S3
0 S1 24 0 -2 0 1 2 -8
20 X3 8 0 -2 1 0 2 -4
60 X1 2 1 1.25 0 0 -0.5 1.5

9
 TEORIA DE DUALIDAD MG. ING. MAURO PEREZ ESTRELLA

Zj 280 60 35 20 0 10 10
Cj - Zj 0 -5 0 0 -10 -10

C1 = 60 cambia a C1 = 70
C3 = 20 cambia a C3 = 18
Δc1 = 70 – 60 = 20 ≥ 0
Z j cj ∆𝑐𝑗 10
c 'j  = I1 = 20 entonces 𝑟𝑗 = 𝐼𝑗
= 20 = 0.5
aij
min

Δc2 =0
ΔC3 = 18 – 20 = - 2 ≤ 0
Z j cj −∆𝑐𝑗 −(−2)
c 'j  = D3 = 5 entonces 𝑟𝑗 = 𝐷𝑗
= 5
= 0.4
aij
min

Luego r1 + r2 + r3 = 0,9 < 1, por lo que la solución sigue siendo óptima.

ANALISIS POST-OPTIMAL

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

10
 TEORIA DE DUALIDAD MG. ING. MAURO PEREZ ESTRELLA

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:
Zj - c 'j = ( Zj - cj ) - (c ' j - c j )
 

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, excepto los
términos de la matríz identidad.

cj 6 2 1 0 0 0
ck xk bi x1 x2 x3 x4 x5 x6
2 x2 20 0 1 -1/4 1/2 0 -1/4
0 x5 10 0 0 3/4 -1/2 1 -1/4

11
 TEORIA DE DUALIDAD MG. ING. MAURO PEREZ ESTRELLA

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

Para x3 :

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

 3   4 
   

 1/ 2 0  1/ 4   3   1/ 2 
     
 x3'  B 1a3'    1 / 2 1  1 / 4   1     3/ 2 
 0 0 1/ 2   4   
     2 

 1/ 2 
 
ckT .B 1.a3'  c3  c B .B 1
.a3'  c3   2,0,3    3/ 2  1

 
Z3  2 
Zj – Cj = 7-1 = 6  sigue siendo óptima.

2) Columna básica: x1, x2, S2

Cálculo:


 si x j  0 :
' La base sigue siendo óptima, analizar la siguiente iteración
x 'j  B 1a 'j  
 si x j  0 :

' Añadir una variable artificial, se modifica la base

a) Si consideramos para la columna de x1

12
 TEORIA DE DUALIDAD MG. ING. MAURO PEREZ ESTRELLA

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

 2   4 
   

 1/ 2 0  1/ 4  3   1/ 2   x2

1 '
    
 x  B a    1/ 2 1  1/ 4
'
j 1  2    1/ 2   S2
 0 0 1 / 2   4    x
    2  1

vemos que:
x1'  0
 1/ 2 
 
 c B .B .a  c1   2,0,3
1 '
   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 a   2 
'
1
 2   0 
   

 1/ 2 0  1/ 4  1   1/ 2   x2
     
 x 'j  B 1 a1'    1 / 2 1  1 / 4   2    3/ 2   S2
 0 0 1 / 2   0   0  x
     1

x1'  0
 1/ 2 
 
 c B .B .a  c1   2,0,3
1 '
  3/ 2   3  1 3
  1
 0 
 
Z1– C1 = -2 , se modifica la solución

Solución previa es columna x1' : x1'

x2 = 1/2
S2 = 3/2
x1 == 0

En el tablero simplex (reemplazar el reglón x1 por q1)

13
 TEORIA DE DUALIDAD MG. ING. MAURO PEREZ ESTRELLA

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 S2 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+
Zj 1 2 3/2M-1/2 1 0 M/2-1/2 M
400
Cj - Zj -2 0 3/2M-3/2 1 0 M/2-1/2 0

↑ingresa

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  x4  0; c4  5
 3 
 
a4   1 
 1 
 
Calculamos:

x4  B 1.a4  ?
 1/ 2 0  1/ 4  3   5/ 4 
     
x 4  B 1 a 4'    1 / 2 1  1 / 4   1     3/ 2 
 0 0 1/ 2   1   1/ 2 
     

 5/ 4 
1
 
cb .B .a  c 4  (2,0,3)   3 / 4
'
  5  1
  4
 1/ 2 
Z4
 

 Zj – Cj < 0 ingresa x4 a la base.

14
 TEORIA DE DUALIDAD MG. ING. MAURO PEREZ ESTRELLA

cj 3 2 1 5 0 0 0
ck xk bi x1 x2 x3 x4 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
↑
ingresa

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 + S4 = 70
Luego:
cj
ck xk bi x1 x2 x3 S1 S2 S3 S4
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 S4 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 S4.

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

15
 TEORIA DE DUALIDAD MG. ING. MAURO PEREZ ESTRELLA

cj 3 2 1 0 0 0 0
ck xk bi x1 x2 x3 S1 S2 S3 S4
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 S4 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.

Problema 1

Fred Marvin administra la granja de su familia. Para complementar varios alimentos que se
cultivan en la granja, Fred también cría cerdos para venta y desea determinar las cantidades de
los distintos tipos de alimentos disponibles (maíz, grasas y alfalfa) que debe dar a cada cerdo.
Como los cerdos se comerán cualquier mezcla de estos tipos de alimento, el objetivo es determinar
qué mezcla cumple ciertos requisitos nutritivos a un costo mínimo. En la siguiente tabla se dan
las unidades de cada tipo de ingrediente nutritivo básico contenido en 1 kilogramo de cada tipo
de alimento, junto con los requisitos de nutrición diarios y los costos de los alimentos.

Ingrediente Kilogramo de Kilogramo de Kilogramo de Requisito

nutritivo maíz grasas alfalfa mínimo diario
Carbohidratos 90 20 40 940
Proteínas 30 80 60 450
Vitaminas 10 20 60 170
Costo (pesos) 68 76 78
a) Formular y resolver el problema. Utilice el método simplex.
b) Formular el Dual y elaborar el tablero óptimo dual a partir del tablero óptimo primal.
c) Determine el rango de variación para los coeficientes de la función objetivo y de los
términos del lado derecho
d) Si se desea incrementar la cantidad de carbohidratos en 22 unidades cuál sería la
contribución a la utilidad de la mezcla óptima. Usar análisis de sensibilidad.
e) El incremento de la producción de maíz en el mercado hace que el precio de la misma se
reduce un 40%, se modifica la mezcla óptima hallada en a)? justifique su respuesta
utilizando análisis de sensibilidad.
f) Se desea utilizar un cuarto tipo de alimento (afrecho) cuyo costo es de 56 pesos; se sabe
que cada kilogramo de la misma contiene 80 unidades de carbohidrato, 40 unidades de
proteínas y 20 unidades de vitaminas. Modifica la solución actual?. Si es así muestre la
nueva solución.
g) Si el requisito mínimo diario de proteínas es de 590 unidades, se modifica la solución
actual; si es así muestre la nueva solución óptima.
h) Si el contenido de ingredientes nutritivos por kilogramo de maíz se modifica a 80, 20 y
25 unidades de carbohidratos, proteínas y vitaminas respectivamente, muestre la nueva
solución si se modifica.

16
 TEORIA DE DUALIDAD MG. ING. MAURO PEREZ ESTRELLA

Solución

a)

Variables de decisión:

X 1 : Cantidad de kilogramos de maíz

X 2 : Cantidad de kilogramos de grasas
X 3 : Cantidad de kilogramos de alfalfa

Función objetivo:

Min Z= 68 X 1 +76 X 2 +78 X 3

Restricciones:

90 X 1 +20 X 2 +40 X 3 ≥940

30 X 1 +80 X 2 +60 X 3 ≥450
60 X 1 +20 X 2 +60 X 3 ≥170

Usando el método simplex obtenemos la siguiente tabla óptima:

Cj 68 76 78 0 0 0 0 0 0

Ck Xk bi X X2 X3 E1 E2 E3 Q3 Q2 Q1
1
68 X1 9.8 1 0 0 -1.23 1.37 6.85 -6.85 -1.37 1.23
x10-2 x10-3 x10-3 x10-3 x10-3 x10-2
76 X2 1.4 0 1 0 4.1 -1.71 1.44 -1.44 1.71 4.1
x10-3 x10-2 x10-2 x10-2 x10-2 x10-3
78 X3 0.73 0 0 1 6.85 5.48 -0.023 0.023 5.48 6.85
x10-4 x10-3 x10-3 x10-4
Zj 830.31 68 76 78 -0.47 -0.78 -0.2 0.2 0.78 0.2

Zj-Cj 0 0 0 -0.47 -0.78 -0.2 - - -

999.8 999.2 999.5
3

17
 TEORIA DE DUALIDAD MG. ING. MAURO PEREZ ESTRELLA

Y los siguientes resultados:

X 1 =9.8 Kg.
X 2 =1.4 Kg.
X 3 =0.73 Kg.
Min Z = 830.31 pes

b) formando el dual y obteniendo el tablero optimo dual partir del primal:

Max G= 940 W1 +450 W2 +170 W3

Restricciones:

90 W1 +30 W2 +10 W3 ≤68

20 W1 +80 W2 +20 W3 ≤76
40 W1 +60 W2 +60 W3 ≤78

Cj 940 450 170 0 0 0

bk Wk bi W1 W2 W3 S1 S2 S3

68 W1 0.47 1 0 0 1.23 -4.1 -6.85

2 3
 10  10  10 3
76 W2 0.78 0 1 0 -1.37 1.7 -5.48
3 2
 10  10  10 3

78 W3 0.2 0 0 1 -6.85 -1.44 0.023

 10 4  10 2
Gi 830.31 940 450 170 9.8 1.4 0.73

Gi-bi 0 0 0 9.8 1.4 0.73

Y los siguientes resultados:

W1 = 0.47
W2 = 0.78 Max G = 830.31
W3 =0.2

c)

Para determinar el rango de variación de los coeficientes de la función objetivo procedemos de

la siguiente forma:

18
 TEORIA DE DUALIDAD MG. ING. MAURO PEREZ ESTRELLA

Tomando en cuenta que X 1 , X 2 , X 3 son variables básicas , la forma de hallar los límites tanto
superior e inferior es la siguiente:

Zj  Cj
Cj 
aij
Para X 1 sus límites son:

Superior Inferior
 0.47  0.78
Cj  = 38.2 Cj  =569.3
 1.23  10  2 1.37  10 3

 999 .8 0.2
Cj  = 1459.35 Cj  =29.2
 6.85  10 3 6.85  10 3

 999 .2  999.2
Cj  = 729343.1 Cj  =81235.8
 1.37  10 3 1.23  10  2

68 – 29.2 ≤ C1 ≤ 69 +38.2

38.8 ≤ C1 ≤106.2

Para X 2 sus límites son:

Superior

- 0.78
Cj  = 45.6
- 1.71  10  2

- 999.8
Cj  = 69430.5
 1.44  10  2

Inferior

 0.47  0.2
Cj  = 114.63 Cj  =13.88
4.1  10 3 1.44  10  2

- 999.53 - 999.2
Cj  = 243787.8 Cj  =58432.74
4.1  10 3 1.71  10  2

76 – 13.88 ≤ C2 ≤ 76 + 45.6

62.12 ≤ C2 ≤121.6

Para X 3 sus límites son:

19
 TEORIA DE DUALIDAD MG. ING. MAURO PEREZ ESTRELLA

Superior
0.2
Cj  = 8.69
 0.023

Inferior
 0.47
Cj  =686.13
6.85  10  4

 0.78
Cj  =142.33
5.48  10  3

78 – 8.69≤ C3 ≤ 78 + 142.33

-64.33≤ C3 ≤ 220.33

Para saber el rango de variación del lado derecho lo trabajaremos como los coeficientes de la
función objetivo del dual , para lo cual utilizamos el tablero óptimo dual.

Para W1 sus límites son:

Superior Inferior
1.4 9.8
Cj  =341.46 Cj  = 796.75
 4.1  10 3 1.23  10  2

0.73
Cj  = 106.57
 6.85  10 3

143.25≤ W1 ≤1046.57

Para W2 sus límites son:

Superior Inferior
9.8 1.4
Cj  = 7153.28 Cj  =82.35
1.37  10 3 1.7  10  2

0.73
Cj  = 133.21
 5.48  10 3

367.65≤ W2 ≤583.21

Para W3 sus límites son:

Superior Inferior
9.8 0.73
Cj  = 14306.6 Cj  =31.74
 6.85  10  4 0.023

20
 TEORIA DE DUALIDAD MG. ING. MAURO PEREZ ESTRELLA

1.4
Cj  = 97.22
 1.44  10  2

138.26≤ W3 ≤267.22

d)

940  962 
Usando el análisis post-optimal: b  450  b´ 450 
170  170 

Se conoce, según la tabla optima la matriz B 1

 1.23  10 2 1.37  10 3 6.85  10 3 

 
B 1   4.1  10 3  1.71  10 2 1.44  10 2 
 6.85  10 4 5.48  10 3  0.023 

Entonces operando:

 1.23  10 2 1.37  10 3 6.85  10 3  962  10.05

 
B 1 × b´=  4.1  10 3  1.71  10 2 1.44  10 2  × 450  = 1.3 
 6.85  10 4 5.48  10 3  0.023  170  0.79 


X 1 = 10.05Kg.
X 2 =1.3 Kg.
X 3 =0.79 Kg.

Remplazando en la función objetivo obtenemos: Min Z= 824.98 pesos

e)

Si los precios se reducen quiere decir que los coeficientes de la función objetivo han
disminuido, veremos si esta variación se encuentra dentro del rango anteriormente hallado:

Cj´ ( X 1 )= 40.8
Cj´ ( X 2 )=45.6
Cj´ ( X 3 )=46.8

Vemos que para el caso de X 1 y X 3 se encuentran dentro del rango de variación, pero X 2 esta
fuera del rango (62.12 ≤ C2 ≤121.6) así que la solución óptima cambia.

f)

Si aumentamos un cuarto tipo de alimento tendremos:

Cj ( X 4 )= 56

21
 TEORIA DE DUALIDAD MG. ING. MAURO PEREZ ESTRELLA

80 
a 4  40 
20 

Usando el método simplex obtenemos la siguiente tabla óptima:

Cj 68 76 78 56 0 0 0 M M M

Ck Xk bi X1 X2 X3 X4 E1 E2 E3 Q3 Q2 Q1

M E2 20 15 -70 -40 0 -0.5 1 0 0 -1 0.5

M E3 65 12.5 15 -50 0 -0.25 0 1 -1 0 0.25

56 X4 11.75 1.12 0.75 0.5 1 -1.25 0 0 0 1 0.25

5  10 2
Zj 657.9 63 14 28 56 -0.7 0 0 0 0 0.7

Zj-Cj -5 -62 -50 0 -0.7 0 0 - - -999.3

1000 1000

Min Z= 657.9 pesos

Tablero óptimo utilizando WINQSB

Final Simplex Tableau

X1 X2 X3 X4 SurpC1 SurpC2 SurpC3 Art_C1 Art_C2

Art_C3
Basis C(j) 68,0 76,0 78,0 56,0 0 0 0 0 0 0 R. H. S.
Surp_C2 0 15,0 -70,0 -40,0 0 -0,5 1,0 0 0,5 -1,0 0 20,0
Surp_C3 0 -37,5 -15,0 -50,0 0 -0,25 0 1,0 0,25 0 -1,0 65,0
X4 56,0 1,125 0,25 0,5 1,0 -0,0125 0 0 0,0125 0 0 11,75
C(j)-Z(j) 5,0 62,0 50,0 0 0,7 0 0 -0,7 0 0 658,0
* Big M 0 0 0 0 0 0 0 1,0 1,0 1,0
0

g)

940  940 
b  450  b´ 590 
170  170 

1
Se conoce, según la tabla optima la matriz B

22
 TEORIA DE DUALIDAD MG. ING. MAURO PEREZ ESTRELLA

 1.23  10 2 1.37  10 3 6.85  10 3 

 
B 1   4.1  10 3  1.71  10 2 1.44  10 2 
 6.85  10 4 5.48  10 3  0.023 

Entonces operando:

 1.23  10 2 1.37  10 3 6.85  10 3  940  9.59 

 
B 1 × b´=  4.1  10 3  1.71  10 2 1.44  10 2  × 590  = 3.79 
 6.85  10 4 5.48  10 3  0.023  170  0.03

X 1 = 9.59Kg.
X 2 =3.79Kg.
X 3 =0.03Kg.

Remplazando en la función objetivo obtenemos: Min Z= 942.5 pesos

h) Función objetivo:

Min Z= 68 X 1 +76 X 2 +78 X 3

Restricciones:
80 X 1 +20 X 2 +40 X 3 ≥940
20 X 1 +80 X 2 +60 X 3 ≥450
25 X 1 +20 X 2 +60 X 3 ≥170

Usando el método simplex obtenemos la siguiente tabla óptima:

Cj 68 76 78 0 0 0 0 0 0

Ck Xk Bi X1 X2 X3 E1 E2 E3 Q3 Q2 Q1

0 E2 16.3 0 0 -38.3 -0.26 - 1 1 0.183 0.27

2 0.183
76 X2 2.86 0 1 0.66 003. - 0 0 01.37 -003.33
33 01.33
78 X1 11.0 1 0 0.33 - 003.3 0 0 -003.33 01.33
3 01.3 3
3
Zj 968. 68 76 73.3 - -0.79 0 0 0.79 0.65
1 0.65
3
Zj-Cj 0 0 -4.66 - -0.79 0 - - -999.35
0.65 1000 999.21
3 3

Min Z= 968.1 pesos

23