Precio Dual: El Precio dual de una restricción es la mejora del valor óptimo si se agrega una unidad adicional al lado

derecho de dicha restricción. Dado que el precio dual de una restricción es la mejora del valor óptimo, esta mejora va a depender si el modelo es de maximizar o minimizar la función objetivo. Si el objetivo es maximizar, entonces la mejora significará un aumento del valor óptimo. Si el objetivo es minimizar, entonces la mejora significará una disminución del valor óptimo. Para ilustrar el cálculo y la interpretación del precio dual, retomemos el ejemplo de la producción de las carteras estándar y de lujo y calculemos el precio dual de la restricción 3. Aumentamos una unidad el lado derecho de dicha restricción y calculemos la nueva solución óptima:
X1 + 0,5 X2 = 600 0,5 X1 + 0,5 X2 = 351 (restricción 2) (restricción 3)

Resolviendo el sistema de ecuaciones obtenemos la nueva solución óptima: X1 = 498 y X2 = 204. Reemplazando estos valores en la función utilidad, nuevo valor óptimo es 13 020. Si compara estos resultados con la solución óptima original (X1 = 500, X2 = 200) y valor óptimo original (13 000) notará un cambio de valores. El aumento en 1 del lado derecho de la restricción 3 ha producido una mejora de 20 en el valor óptimo, es decir, el precio dual de la restricción 3 es 20. La interpretación del precio dual de la restricción 3 es que si aumentamos una hora la capacidad del departamento de Acabado, este aumento generará un incremento de S/. 20 en la utilidad. Costo Reducido: El costo reducido de una variable en el modelo de programación lineal es la cantidad en que debe cambiar el coeficiente de esa variable en la función objetivo para que en la solución óptima dicha variable tenga un valor positivo También se interpreta como el valor que disminuye la función objetivo cuando esta variable cuyo valor óptimo es cero, es forzada a entrar en una unidad. Como en el ejemplo de las carteras, la solución óptima tiene valores de las variables positivas, entonces no es necesario realizar ningún cambio en los coeficientes de las variables en la función objetivo y por lo tanto el costo reducido de ambas variables es cero.

h. Es muy importante considerar que una restricción puede ser redundante para un conjunto dado. . El efecto dependerá de qué restricción se haya cambiado y en qué medida. o bien crece el conjunto factible o posiblemente queda inalterado. La eliminación de restricciones o bien mejora el valor óptimo o lo deja inalterado. La adición de restricciones hace que la región factible quede inalterada o se reduzca. Para una restricción ≤ significa disminuirlo. e. b. La solución óptima depende por completo de las restricciones activas. El cambio en el valor del lado derecho de una restricción equivale gráficamente a un desplazamiento paralelo de la restricción. Estrechar una restricción de desigualdad. Al eliminar las restricciones la región factible queda inalterada o aumenta. La adición de restricciones a un modelo o bien empeora el valor óptimo o lo deja inalterado. k. c. i. j. Al cambiar los coeficientes de la función objetivo. Estrechar una restricción de desigualdad significa hacerla más difícil de satisfacer. g. d. Esto puede afectar tanto a la solución óptima como al valor óptimo. El cambio de la pendiente puede afectar a la solución óptima y al valor óptimo. Para una restricción ≥ esto significa aumentar el lado derecho. las restricciones inactivas pueden ser retiradas sin afectar la solución óptima.. no lo sea cuando se cambian algunos datos. f. En cualquier modelo de programación lineal. o bien se contrae el conjunto factible posiblemente quede inalterado.Sobre el análisis de sensibilidad se podría concluir que: a. Relajar una restricción de desigualdad. Una restricción es redundante si al ser retirada no cambia la región factible. ésta puede cambiar su pendiente. para un conjunto fijo de datos.

c. Dado que la restricción 3 X1 + 2 X2 ≥ 600 no es activa. La región factible se determina gráficamente. aumentamos el lado derecho de dicha restricción en una unidad. d. Solución: l. es decir: 2 X1 + 4 X2 ≥ 801 y calculamos el cambio que se produce en el valor óptimo dada la nueva solución. n. La solución óptima es el vértice A (X1 = 0. Entonces.Dado el siguiente problema de programación lineal: Max 100 X1 + 500 X2 sujeto a: 3 X1 + 2 X2 ≥ 600 2 X1 + 4 X2 ≥ 800 X1 . Dado que la restricción 2 X1 + 4 X2 ≥ 800 sí es activa.4. su precio dual es cero. b. X2 400 X1 3X 1 300 2 2X 2 +2 0 00 =6 =6 200 A B 100 Región factible 100 2X 1 +4 X 2 =8 00 C 0 200 300 400 X1 m. La solución óptima y el valor óptimo. el valor óptimo es 100 000. La región factible.Problema 1. Los costos reducidos de las variables. X2 = 200). . X2 ≥ 0 Determine: a. su precio dual es diferente de cero. Los precios duales de las restricciones.

el valor de X2 es diferente de cero. La función objetivo ha mejorado de 100 000 a 100 125. Como en la solución óptima. su costo reducido es cero. La pendiente de la función objetivo debe cambiar hasta por lo menos igualar la pendiente de la segunda restricción y obtener soluciones óptimas alternativas.25) y el nuevo valor óptimo es 100 125. el precio dual de la restricción es 125. Como en la solución óptima X1 = 0. su costo reducido es diferente de cero. si C1 es el nuevo coeficiente de X1 − C1 1 = − . por lo tanto C1 = 250 500 2 .X2 4 00 0 600 =6 X X 2 2 +2 3 3X1 3 00 A ’ 2 00 B ’ 1 00 2X 1 + 4X 2 =8 01 R gió e n factible 1 00 C 0 2 00 3 00 4 00 X1 La nueva solución óptima es el vértice A’ (X1 = 0. es decir. Debido a que es una función objetivo a maximizar. Como en la solución óptima. o. Esta mejora del valor óptimo. el valor de X1 es cero. el coeficiente de X1 en la función objetivo debe cambiar (aumentar) y eso supone un cambio de la pendiente de la función objetivo. los coeficientes representan las utilidades unitarias. es decir. Si X1 = 0 en la solución óptima es porque su utilidad no es suficiente y debe aumentar. X2 = 200.

Valor óptimo: valor de la función objetivo en la solución óptima. Región no factible: Cuando la región factible es vacía. Conceptos clave: Variable de decisión: son los valores sobre los cuales se va a tomar decisiones. Análisis de sensibilidad: Estudia la forma en que los coeficientes del problema de programación lineal afectan a la solución óptima del problema. Entonces el aumento mínimo del coeficiente de X1 es 250 – 100 = 150. que es el precio dual de X2.El nuevo coeficiente debería ser por lo menos 250 para que la solución de X 1 sea diferente de cero. cuando ningún punto puede cumplir con todas las condiciones o restricciones simultáneamente. Excedente: aplicada la solución óptima en una restricción ≥ es la cantidad adicional que excede el lado derecho a lo mínimo indispensable requerido por dicha restricción. Solución óptima: una solución que cumpliendo con todas las restricciones. Su presencia en el modelo no es necesaria. Función objetivo: expresión matemática que resume el objetivo a optimizar por el modelo Restricción: Son los requisitos que debe cumplir los valores de las variables. maximiza (o minimiza) la función objetivo. Solución: cualquier conjunto de valores de las variables Solución factible: una solución que satisface todas las restricciones o limitantes. Región factible: Conjunto de soluciones que satisfacen todas las restricciones de manera simultánea. Restricción no activa: restricción que indica que para el caso de la solución óptima un recurso sobra(en el caso ≤ ) o se está cumpliendo una condición con más de lo mínimo indispensable (en el caso ≥ ). . Solución óptima alternativa: La situación en la cual un programa lineal tiene más de una solución que proporcione el valor óptimo de la función objetivo. es decir están bajo el control del decidor. es decir. Puntos extremos: Los puntos factibles de la solución que ocurren en los vértices de la región factible. Restricción redundante: restricción que no influye en la región factible y consecuentemente en la solución óptima. Holgura: aplicada la solución óptima en una restricción ≤ es la cantidad de recurso no utilizado en dicha restricción. Restricción activa: restricción que indica que para el caso de la solución óptima un recurso se está utilizando totalmente (en el caso ≤ ) o se está cumpliendo una condición con lo mínimo indispensable (en el caso ≥ ).

Precio Dual: La mejoría en el valor de la solución óptima por incremento unitario en el valor del lado derecho de una restricción.Rango de optimalidad: El rango de los valores en el cual puede variar un coeficiente de la función objetivo sin causar ninguna modificación en los valores de las variables de decisión en la solución óptima. Rango de factibilidad: El rango de valores en el cual puede variar el lado derecho de una restricción y es aplicable el precio dual. es forzada a entrar en una unidad. . Costo reducido: Cantidad que debe cambiar el coeficiente de la variable en la función objetivo para que su solución óptima sea positiva. También es el valor que disminuye la función objetivo cuando esta variable cuya solución óptima es cero.

Sign up to vote on this title
UsefulNot useful