Professional Documents
Culture Documents
Las condiciones del mundo actual no son estáticas, de ahí que las decisiones
en los sistemas se deben basar en situaciones de bastante movimiento y
aleatoriedad. Por esto, es importante conocer que le sucede a la solución
óptima alcanzada con el método simplex cuando se le practican cambios a los
parámetros del modelo original. El análisis con método grafico para los
coeficientes de la función objetivo y los cambios en el lado derecho permite
acercarse a una respuesta. Este planteamiento se hizo utilizando la solución
con método gráfico, a continuación se realiza el análisis a partir de la solución
con método simplex utilizando para ello la teoría de la dualidad y la
sensibilidad.
Las formulaciones que se han realizado y que de hecho son las que se
obtienen al formular un problema de programación lineal se denomina
problema primal, a partir de este problema primal se obtiene el problema dual,
el cual es una definición también matemática, que se relaciona directamente
con la del problema primal.
1. Cada variable para el problema dual se obtiene a partir de cada una de las
restricciones del problema primal. Ejemplo, si el problema primal tiene 3
restricciones, entonces el problema dual tendrá 3 variables.
4. Los coeficientes del lado izquierdo del problema dual, se obtienen a partir
de los coeficientes del lado izquierdo del primal, pero tomando los valores
correspondientes por columna del primal. Los parámetros del lado derecho
del problema dual corresponden a los coeficientes de la función objetivo
del problema primal. En el problema dual se cambia el sentido de las
restricciones de ≥ a ≤ y contrariamente cuando sea necesario.
2W1 + W2 ≥ 300
W1 + 2W2 + W3 ≥ 500
(W1, W2, W3) ≥ 0
La solución del modelo dual genera la solución del modelo primal y la solución
del modelo dual corresponde a los valores del precio sombra que tenga el
modelo. Igualmente la solución del modelo primal genera la solución del
modelo dual. En conclusión al solucionar uno se esta hallando la solución del
otro, su importancia radica en el tiempo que sea necesario para hallar la
solución.
Cj - Zj 0 0 30 70 90
CONCLUSIÓN
La solución óptima del problema dual aparece en el tablero final simplex del
problema primal en la fila Cj - Zj, exactamente debajo de la matriz inversa. La
solución óptima del problema primal aparece en el tablero final simplex del
problema dual en la fila Cj - Zj, y corresponden a los valores de las variables no
básicas en la fila Cj – Zj
↓ Cj → 300 500 0 0 0
VARIABLES Cociente
CB XB X1 X2 S1 S2 S3
BÁSICAS θ
S3 0 30 0 0 1/3 -2/3 1
Cj - Zj 0 0 -100/3 -700/3 0
Para el ejemplo
1/ 3 −2 / 3 1
B −1 = 2 / 3 −1/ 3 0
−1/ 3 2/3 0
Para el ejemplo
100 700
W = , ,0
3 3
EJEMPLO:
2 3 4
H * F = [ 2 3 4]1x 3 5 6 7 = [ 2*2 + 3*5 + 4*8 2*3 + 3*6 + 4*9 2*4 + 3*7 + 4*3]
8 9 3 3 x 3
1 2 3 2 1 2 3 2
L = 4 5 6 y M = 5 ⇒ L x M = 4
5 6 3
7 8 9 3 x 3 3 7 8 9 5
= [23 53 83]
W = Cb B-1
W = CbT B-1
1/ 3 −2 / 3 1
B = 2 / 3 −1/ 3 0
T −1
C B = [0 300 500] y
−1/ 3 2 / 3 0
1 / 3 − 2 / 3 1
= [0 300 500] 2 / 3 − 1 / 3 0
T −1
W = C B *B
− 1 / 3 2 / 3 0
100 700
W = 0
3 3
Con este pequeño repaso se puede iniciar el análisis de sensibilidad.
CAMBIO EN EL COEFICIENTE X1
↓ Cj → 300 + k 500 0 0 0
VARIABLES
CB XB X1 X2 S1 S2 S3
BÁSICAS
S3 0 30 0 0 1/3 -2/3 1
100 2 700 k
Zj 66.000 300 + k 500 + k − 0
3 3 3 3
100 2 700 k
Cj - Zj 0 0 − − k − + 0
3 3 3 3
Por definición del criterio de optimalidad para que el modelo cumpla con el
criterio si posee como objetivo el de maximización, se debe cumplir que toda la
fila Cj - Zj ≤ 0.
-50 ≤ k ≤ 700
↓ Cj → 1.100 500 0 0 0
VARIABLES Cociente
CB XB X1 X2 S1 S2 S3
BÁSICAS θ
S3 0 30 0 0 1/3 -2/3 1
↓ Cj → 1.100 500 0 0 0
VARIABLES Cociente
CB XB X1 X2 S1 S2 S3
BÁSICAS θ
S3 0 30 0 0 1/3 -2/3 1 no
1700 100
Zj 122.000 1.100 500 − 0
3 3
1700 100
Cj - Zj 0 0 - 0
3 3
↓ Cj → 1.100 500 0 0 0
VARIABLES
CB XB X1 X2 S1 S2 S3
BÁSICAS
S3 0 120 0 1 0 0 1
Cj - Zj 0 0 -550 0 0
Al realizar el cambio por fuera del intervalo, se afecta la solución óptima. Para
hallar la nueva solución se realiza una nueva iteración