Escolar Documentos
Profissional Documentos
Cultura Documentos
Investigacin de operaciones
ASIGNACION N 2
Prof.: Alumno:
Cada vez que se plantea y resuelve un problema lineal, existe otro problema nsitamente
planteado y que puede ser resuelto, es el considerado problema dual, el cual tiene unas
importantes relaciones y propiedades respecto al problema primal que pueden ser de gran
beneficio para la toma de decisiones.
Los problemas primales y duales se encuentran ligados por una serie de relaciones, saber la
existencia de estas puede ser considerado de gran utilidad para la resolucin de problemas
que parecen no factibles, o que no pueden ser resueltos mediante un mtodo en particular.
La resolucin de los problemas duales respecto a los primales se justifica dada la facilidad
que se presenta dados problemas donde el nmero de restricciones supere al nmero de
variables. Adems de tener gran aplicacin en el anlisis econmico del problema.
Otra de las ventajas que presenta es que dado a que el nmero de restricciones y variables
entre problema dual y primal es inverso, se pueden resolver grficamente problemas que
presenten dos restricciones sin importar el nmero de variables.
1. Si el modelo primal o dual tiene solucin ptima finita entonces su respectivo dual
o primal tendrn solucin ptima finita.
2. Si el modelo primal o dual tiene solucin ptima no acotada, entonces su respectivo
dual o primal no tendrn solucin, ser un modelo infactible.
3. Si el modelo primal o dual no tiene solucin entonces su respectivo dual o primal no
tendrn solucin.
4. Sea "A" un modelo primal cuyo modelo dual es "B", el modelo dual de "B" es igual
a "A", es decir "El modelo dual de un dual es un modelo primal".
X1 80
X2 120
Cuya respuesta es
X1 = 28,75
X2 = 120
S1 = 79.5
S3 = 51.25
Este paso se lleva a cabo teniendo en cuenta las relaciones que se expusieron en la
definicin de la dualidad. Ahora las variables en el dual las representaremos por "" y
corresponden a cada restriccin.
161 + 62 + 3 40
21 + 32 + 4 18
1;4 0
Ahora preparamos el modelo para ser resuelto mediante Mtodo Simplex, utilizaremos el
procedimiento en el cual la funcin objetivo es multiplicada por (-1) y resolveremos el
modelo mediante maximizacin.
Lo que es igual
Ahora dado que los signos de las inecuaciones son mayor o igual procedemos a volverlas
ecuaciones agregando variables de exceso, recordemos que en este caso las variables de
exceso se restan del lado izquierdo de la igualdad, por ende.
161 + 62 + 3 + 04 - 1S1 + 0S2 = 40
1;4 0
1;4 0
Ahora si observamos la matriz identidad formada por las variables artificiales, nuestra
funcin objetivo es la siguiente (vara dada la incorporacin de las nuevas variables).
Recordemos que el coeficiente de las variables de holgura y exceso es 0, adems que los
coeficientes de las variables artificiales es M, donde M corresponde a un nmero grande
poco atractivo cuyo signo en la funcin objetivo depende del criterio de la misma, dado que
la funcin es maximizar el signo es negativo. Dado que utilizaremos el Mtodo Simplex y
no un software para la resolucin del modelo es necesario que M adquiera valor, en este
caso ser "-10000" un nmero bastante grande en el problema.
Zmax = 3310
Podemos cotejar con la funcin objetivo del modelo primal y encontraremos que hallamos el
mismo resultado.
Ahora se hace necesario interpretar los resultados de la tabla dual respecto al modelo primal,
y esta interpretacin se realiza siguiendo los siguientes principios.
El vector del lado derecho asociado a las restricciones de un modelo de Programacin Lineal
puede tener distintas interpretaciones prcticas como, por ejemplo, la disponibilidad de
insumos para la fabricacin de determinados productos, limitantes de capacidad, requisitos
de demanda, entre otros.
En consecuencia resulta de inters analizar el impacto del cambio de uno o varios coeficientes
del vector de lado derecho sobre los resultados originales del modelo sin la necesidad de
reoptimizar, es decir, sin que tener que resolver nuevamente un modelo que incorpore los
cambios propuestos.
Se puede afirmar que se conserva la actual base ptima. Lo anterior implica que las variables
bsicas del modelo lo seguirn siendo bajo este nuevo escenario y por tanto la nueva solucin
ptima del problema se podr encontrar a travs de la resolucin del mismo sistema de
ecuaciones original (se conservan las restricciones activas originales).
Ahora bien, si alguno de los coeficientes en el clculo del vector de variables bsicas adopta
un valor negativo, estamos frente a una solucin bsica infactible, lo que nos obliga a realizar
una actualizacin de los resultados del modelo para encontrar la nueva solucin, base ptima
y valor ptimo, pero que no pase por la reoptimizacin del mismo
Para conservar la solucin ptima identificada inicialmente, se debe cumplir que el costo
reducido de todas las variables debe ser mayor o igual a cero (recordar que el costo reducido
de las variables bsicas es cero por tanto dicha condicin en la prctica se establece sobre las
variables no bsicas). Lo anterior se garantiza si el incremento es cualquiera en el siguiente
intervalo:
Donde rj es el costo reducido de la respectiva variable no bsica en la actual solucin ptima
y los coeficientes yij denotan las entradas en la tabla final del mtodo simplex asociadas a la
variable bsica xi (cuyo costo cambia) y la respectiva variable no bsica xj.