ISBN 978-987-3840-92-0

CAPÍTULO 4
DUALIDAD Y SENSIBILIDAD EN PL

1. INTRODUCCIÓN
En el capítulo anterior se describieron las características de los modelos
de programación lineal, así como los diferentes caminos a partir de los
cuales encontrar la solución: resolución gráfica y algoritmo Simplex.
En este capítulo, se describen dos técnicas relacionadas con la
programación lineal: la dualidad y el análisis de sensibilidad.
En la primera parte se desarrolla la teoría asociada a la dualidad: cómo
se obtiene el dual de un programa lineal, la interpretación del concepto
de precio sombra y una serie de teoremas y resultados útiles para la
interpretación de un modelo lineal.
En la segunda parte se muestran las posibilidades del análisis de
sensibilidad en la programación lineal. Se tratará de analizar cómo varía
la solución del modelo (tanto el valor de la función objetivo como el
valor de las variables de decisión) en función de dos conjuntos de
parámetros del modelo: los coeficientes de la función objetivo y los
términos independientes de las restricciones.

2. LA DUALIDAD EN LA PROGRAMACIÓN LINEAL

Comenzaremos el tratamiento de este tema mediante el análisis de
nuestro ejemplo de la fábrica de cerámicos. El modelo lineal de este
problema era:
x1: m2 de cerámicos esmaltados a fabricar mensualmente.
x2: m2 de cerámicos rústicos a fabricar mensualmente.

Max z = 8x1 + 6x2

sa
5x1 + 5x2  300 Hs de Mano de Obra
4x1 + 8x2  400 Hs de Secado
6x1 + 4x2  320 Hs de Cocción
x1, x2  0
110 CAPÍTULO 4

Vamos a suponer que la empresa tiene la posibilidad de "vender" los

insumos que utiliza para su producción; es lógico que en ese caso
pretenda recibir como "mínimo" lo que obtiene si los usa en la
fabricación de sus productos. Es decir que ella desea determinar el
"precio" de los recursos, por debajo del cual ya no le conviene
venderlos; en definitiva, quiere averiguar el "valor" de esos recursos.
Definimos a las variables y1, y2 y y3 como los precios unitarios de los
recursos Hs. de Mano de Obra, Hs. de Secado y Hs. de Cocción,
respectivamente.
Como su objetivo es encontrar el precio mínimo al que debería vender
estos recursos, entonces:
min 300 y1 + 400 y2 + 320 y3

Como dijimos, la empresa debería recibir como mínimo lo que obtiene si

los usa en su producción, así la contribución a las utilidades de cada
producto nos da un límite inferior para estos precios.
Es decir que si en lugar de fabricar un m 2 de cerámicos esmaltados,
vendemos 5 horas de mano de obra, 4 horas de secado y 6 horas de
Cocción, como mínimo debemos recibir la contribución a las utilidades
que proporciona dicho producto. Podemos expresar esto de la siguiente
manera:

5 y1 + 4 y2 + 6 y3  8

Usando el mismo razonamiento para el otro tipo de cerámico,

obtenemos:
5 y1 + 8 y2 + 4 y3  6

Además, como estamos considerando precios:

y1 , y2, y3  0

Observemos que, con los mismos datos del problema original, hemos
formulado otro PL que brindará información sobre el “valor” que los
recursos tienen para la empresa, lo que en economía se conoce como
precio sombra o valor marginal del recurso.
Si ahora resolvemos ambos problemas, observamos que los valores
óptimos son iguales; esto era de esperarse ya que la empresa no
aceptaría, por la venta de sus insumos, menos dinero del que podría
obtener si los utiliza en la fabricación de sus productos.

EL PROBLEMA DUAL
Decimos entonces que, para cada problema de programación lineal
existe siempre asociado al mismo, otro problema lineal. A este nuevo
programa, se lo puede emplear para obtener la solución del problema
original y además sus variables proporcionan información útil acerca de
la solución óptima del problema lineal original.
DUALIDAD Y SENSIBILIDAD 111

A los fines del desarrollo de este tema, convendremos en llamar

“primal” al programa original y “dual” al problema lineal asociado.
Existen varias formas de dualidad: canónica o simétrica, dualidad
estándar y dualidad mixta, el nombre de cada una de ellas se origina de
acuerdo con la forma en que se presente el problema original.

Forma Canónica de la Dualidad

Si el problema primal esta dado en la forma:
Maximizar CX
AX  B
X
Entonces el problema dual asociado será de la forma:
Minimizar B´Y
A´Y  C´
Y
Por ejemplo, dado el problema primal:
Max Z = 8 x1 + 6 x2
Sa.
5 x1 + 5 x2  300
4 x1 + 8 x2  400
6 x1 + 4 x2  320
x1 , x2  0
El programa dual asociado es:
Min. G = 300 y1+400 y2+320 y3
Sa.
5 y1 + 4 y2 + 6 y3  8
5 y1 + 8 y2 + 4 y3  6
y1, y2, y3  0

Observemos que, cada restricción del primal se relaciona con una

variable principal del dual, y viceversa. Es decir, la primera restricción
primal se corresponde con la primera variable dual, la segunda
restricción primal, con la segunda variable dual y así sucesivamente.
Razón por la cual decimos que, si el programa primal tiene n variables
principales y m restricciones, el dual tendrá m variables principales y n
restricciones.

Forma Estándar de la Dualidad

Si el problema primal esta dado en la forma:
Maximizar CX
AX = B
X
112 CAPÍTULO 4

Entonces el problema dual asociado será de la forma:

Minimizar B´Y
A´Y  C´
Y sin restricción de signo

Por ejemplo, dado el problema primal:

Programa Primal Programa Dual

Max Z = 20 x1 + 60 x2 Min. G = 100 y1 + 20 y2 + 40 y3

Sa. Sa.
5 x1 + 10 x2 = 100 5 y1 + y2 + 2 y3  20
x1 + 8 x2 = 20 10 y1 + 8 y2 + 12 y3  60
2 x1 + 12 x2 = 40
y1, y2, y3 sin restricción
x1 , x2  0

Cabe aclarar que Bazaraa et. al. (1981) demuestran que el dual del dual
es el primal, por lo cual las definiciones dadas se pueden aplicar al revés
y los términos “primal” y “dual” son relativos al marco de referencia que
se seleccione.

Forma Mixta de la Dualidad

A los fines de plantear el modelo dual de un programa lineal presentado
en forma mixta, debemos tener en cuenta la relación que existe entre
las restricciones de uno de los programas y las variables del otro. En el
siguiente cuadro se resumen las diferentes situaciones que se pueden
presentar:

Problema de Máximo Problema de Mínimo

No
Canónica ≤ → ≥0
Negativa
Restricción No Variable
≥ → ≤0 No Positiva
Canónica
No
Igualdad = → n/r
Restringida
No
≥0 → ≥ Canónica
Negativa
No
Variable No Positiva ≤0 → ≤ Restricción
Canónica
No
n/r → = Igualdad
Restringida
DUALIDAD Y SENSIBILIDAD 113

Veamos un ejemplo:

Programa Primal Programa Dual

Maximizar 10 x1 + 18 x2 Minimizar 80 y1 + 120 y2 + 10 y3

Sa: Sa:
x1 + 8 x2  80 y1 + 9 y2 + 2 y3  10
9 x1 + 15 x2  120 8 y1 + 15 y2 + y3  18
2 x1 + x2 = 10
y1  0; y2  0, y3 s/r
x1  0; x2  0

RELACIONES PRIMAL – DUAL

Existen entre ambos problemas dos tipos de relaciones:
Relación entre variables y restricciones: como podemos observar en lo
desarrollado hasta aquí, las relaciones entre las variables de un
programa y las restricciones en el otro programa son:
✓ Las restricciones de la forma “menor o igual que” en el
problema de máximo dan origen a variables “ 0” en el
problema de mínimo.
✓ Las restricciones “igual que” dan origen a variables “no
restringidas” en el otro problema.
✓ Las restricciones “mayor o igual que” en el problema de máximo
originan variables “ 0” en el programa de mínimo.
Relación entre los valores objetivos: se puede demostrar que: “el valor
de la función objetivo, para cualquier solución factible del problema de
máximo, es siempre menor o igual que el valor de la función objetivo,
para cualquier solución factible del problema de mínimo, es decir:
ZG
En particular, la igualdad se verifica cuando ambos problemas
están en el óptimo.

TEOREMA FUNDAMENTAL DE LA DUALIDAD

Este teorema expresa que “con respecto a los programas lineales primal
y dual, exactamente una de las siguientes proposiciones es cierta:

✓ Ambos problemas tienen solución óptima X* y Y*, siendo Z*= G*

✓ Uno de los problemas en no acotado, en cuyo caso el otro
problema es no factible
✓ Ambos problemas son no factibles”
114 CAPÍTULO 4

TEOREMA DÉBIL DE HOLGURA COMPLEMENTARIA

Este teorema (demostrado para el caso de la dualidad canónica)
sostiene que en el óptimo “si una variable en uno de los problemas es
positiva, entonces la restricción correspondiente en el otro problema es
sin holgura, y si una restricción en uno de los problemas es con holgura,
entonces la variable correspondiente en el otro problema debe ser nula”.

INTERPRETACIÓN ECONÓMICA DE LAS VARIABLES DUALES

En el óptimo, la variable dual representa la cantidad que incrementa la
función Z ante un incremento unitario en el i-ésimo valor del lado
derecho (bi). Esto se demuestra calculando en el óptimo:

 Z *  (B´Y*)
= = yi *
 bi  bi
Por ejemplo, si la i-ésima restricción representa la disponibilidad de b i
unidades de insumo para elaborar un producto y Z representa la
contribución total a las utilidades, entonces yi (variable dual) representa
el incremento en las utilidades por adicionar una unidad del i-ésimo
insumo.
Si en cambio, la i-ésima restricción representa la demanda de al menos
bi unidades producidas y Z representa el costo total de producción,
entonces yi es el costo incremental de producir una unidad más del i-
ésimo producto.
Económicamente puede interpretarse al vector de variables duales Y*
como un vector de precios sombra para el vector del lado derecho, es
decir que es el precio justo o valoración interna de los recursos.

3. ANÁLISIS DE SENSIBILIDAD
Uno de los supuestos sobre los que está basada la PL es el de
certidumbre. Es decir que el modelo supone que todos los parámetros
que en él intervienen se conocen con exactitud.
Nosotros sabemos que en los problemas que se nos presentan
diariamente existe un grado de incertidumbre o aleatoriedad en los
datos que poseemos. Por ejemplo, podemos estimar que la
disponibilidad de horas de mano de obra mensuales es en promedio de
500, pero cada mes en particular la cantidad real de horas disponibles
pueden no ser exactamente 500, aunque sí un valor muy aproximado.
En general, al modelizar, se utilizan estimaciones estadísticas de los
parámetros del modelo y luego se los trabaja como valores ciertos.
Debido a esto se hace necesario realizar un análisis de la sensibilidad de
la solución del problema. Esto es, estudiar los efectos que tienen en la
solución óptima del problema, variaciones que puedan producirse en los
valores de los parámetros.
DUALIDAD Y SENSIBILIDAD 115

Esto es lo que se conoce como análisis de sensibilidad o análisis de pos-

optimidad.
El objetivo de este análisis es responder a preguntas tales como:
1. ¿Cómo afecta a la solución óptima un cambio en el coeficiente de
costo de alguna variable no básica?
2. ¿Cuál es el efecto que tiene en la solución óptima un cambio en el
coeficiente de costo de una variable básica?
3. ¿Qué efecto producirá en la solución óptima una variación en el
lado derecho de alguna restricción?

En resumen, el análisis de pos-optimidad se realiza sobre:

Coeficientes de Valores del lado

la función derecho (bi)
objetivo (cj)

De una variable De una variable Restricción No Restricción

No básica Básica limitante Limitante
xj =0 xj >0 Si > 0 Si = 0

Estudiaremos este tema desde tres aspectos:

➢ un análisis gráfico
➢ estudio de los intervalos de sensibilidad
➢ cálculo de los intervalos.

3.1. UNA VISIÓN GRÁFICA

Se analizará gráficamente qué ocurre con la solución óptima y con el
valor de la función objetivo ante cambios en los parámetros cj y bi.

Variaciones en los coeficientes de la función objetivo

Si se incrementa o disminuye algún coeficiente de la función objetivo,
cambiará la pendiente de la recta que la representa. Dependiendo de la
magnitud del cambio, el vértice actual seguirá o no siendo óptimo.

La ecuación explícita
Supongamos que tenemos el siguiente problema: de la recta de
isoutilidad es:
Max Z = 12 x1 +20 x2 x2=(Z/c2) – (c1/c2) x1
Sa : 10 x1  300 de donde, cualquier
cambio en los
12 x2  360
coeficientes cj,
15 x1 + 10 x2  600 modificarán la
pendiente de la recta.
x1 y x2 ≥ 0
 96

90

84

116 78
CAPÍTULO 4
72

66

Su solución gráfica es: 60

54

48

42

36

A
30

24

18
x2 Payoff: 12.0 x1 + 20.0 x2 = 840.0
120
12

114
6

108
0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170
102
:: 15.0
: 10.00.0
x1 x1
+x1+0.0
+ 12.0
10.0x2
x2 =x2==360.0
300.0
600.0
Optimal Decisions(x1,x2): (20.0, 30.0)
: 10.0x1 + 0.0x2 <= 300.0
96
Figura 1
: 0.0x1 + 12.0x2 <= 360.0
: 15.0x1 + 10.0x2 <= 600.0
90

De acuerdo a la solución gráfica, vemos que el vértice óptimo es A.

84

Supongamos que el coeficiente de x1 se incrementa a 20. Esto hace que

78

la pendiente de Z cambie, como se observa en la figura 2, pero el

72

vértice actual sigue siendo el óptimo.

66

60

54

48

42

36
A
30

24 x2
120

18
B Payoff: 20.0 x1 + 20.0 x2 = 1000.0
114

12
108

6
102

0
0 96 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 1

Optimal Decisions(x1,x2): (20.0, 30.0)

90
: 10.0x1 + 0.0x2 <= 300.0
: 0.0x1 + 12.0x2 <= 360.0

Figura 2
84 + 10.0x2 <= 600.0
: 15.0x1

78

Observe ahora la figura 3, en este caso el coeficiente de x1 se

72

incrementó a 35 y como consecuencia, la pendiente de Z se modificó

66

tanto que cambió el vértice óptimo, pasando de A a B.

60

54

48

42

36
A
30
Payoff: 35.0 x1 + 20.0 x2 = 1350.0
24

18
B

12

0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 17

Optimal Decisions(x1,x2): (30.0, 15.0)

: 10.0x1 + 0.0x2 <= 300.0
: 0.0x1 + 12.0x2 <= 360.0
: 15.0x1 + 10.0x2 <= 600.0

Figura 3

En consecuencia, puede afirmarse que en tanto la pendiente de la recta

z se mantenga entre las pendientes de las rectas que representan a las
restricciones 1 y 3, el vértice óptimo no se modifica.
DUALIDAD Y SENSIBILIDAD 117

A través de este sencillo ejemplo, se puede observar que las variaciones

en los coeficientes de la función Z, producen una modificación en su
pendiente. Por esta razón, lo que pretendemos al realizar el análisis de
sensibilidad es determinar un rango o un intervalo de valores dentro del
cual pueden variar los coeficientes de la función objetivo, sin que la
solución (vértice actual) deje de ser óptima.

Cambios en los valores del lado derecho

x2

Veamos, con el mismo ejemplo, que sucede cuando varían los valores
120

del lado derecho.

114

Puede observarse en la figura 4, que si b3 (valor del lado derecho de la

108

restricción 3) se incrementa a 700, se amplía la región factible y el

102

vértice actual deja de ser óptimo en este caso pasa del vértice A al C.
96

Pero si hacemos un análisis más detallado podemos observar que en el

90

vértice A (solución factible básica anterior) y de acuerdo con la figura 1

84

las variables básicas eran x1, x2 y S2, siendo las no básicas S1y S3.
78

Si observamos ahora la figura 4, en el vértice C (óptimo actual)

72

seguimos teniendo las mismas variables básicas y no básicas, sin

66

embargo, es evidente que han cambiado sus valores.

60

54

48

42

x2
36 120
A C
30 114
Payoff: 12.0 x1 + 20.0 x2 = 920.0
24 108

18 102

12 96

6 90

0 84
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 17
78
Optimal Decisions(x1,x2): (26.7, 30.0)
: 10.0x1 + 0.0x2 <= 300.0 Figura 4
72: 0.0x1 + 12.0x2 <= 360.0
: 15.0x1 + 10.0x2 <= 700.0

Algo similar puede observase en la figura 5. En este caso b 3 disminuyó

66

hasta 500 y el vértice óptimo pasó de A a D, manteniéndose el mismo

60

conjunto de variables básicas, pero evidentemente sus valores son

54

diferentes. 48

42

36

D A
30
Payoff: 12.0 x1 + 20.0 x2 = 760.0
24

18

12

0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160

Figura 5
Optimal Decisions(x1,x2): (13.3, 30.0)
: 10.0x1 + 0.0x2 <= 300.0
: 0.0x1 + 12.0x2 <= 360.0

En la figura 6 puede observase que b3 se incrementó hasta 800, lo que

: 15.0x1 + 10.0x2 <= 500.0
: 15.0x1 + 10.0x2 <= 600.0

dio como resultado que el vértice óptimo, E en este caso, se dé en la

 96

90

84
118 CAPÍTULO 4
78

72

intersección de las restricciones 1 y 2. Se produce así una modificación

66

en el conjunto de variables básicas, es decir la base actual deja de ser

60

óptima cambiando su composición, en este caso, la base estará formada

54

por x1, x2 y S3. 48

Payoff: 12.0 x1 + 20.0 x2 = 960.0

42

36

A E
30

24

18

12

6
x2
120

0
114
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140

: 10.0x1 +
Figura 6
108Optimal Decisions(x1,x2): (30.0, 30.0)
0.0x2 <= 300.0
102: 0.0x1 + 12.0x2 <= 360.0

Analicemos que sucede cuando se trata de una restricción no limitante,

: 15.0x1 + 10.0x2 <= 800.0
96

como es en nuestro ejemplo la primera restricción. Si aumentamos el b i

90

a 400, es decir relajamos la restricción, el mismo vértice A seguirá

84

siendo el óptimo. Sin embargo, en la solución habrá cambiado el valor

78

de la holgura, en este caso aumentará, pero no así el valor de z. Lo

72

mismo ocurre si disminuimos el valor del bi en una cantidad inferior al

66

60

valor de la holgura. Esto puede verse en el gráfico 7.

54

48 : 10.0 x1 + 0.0 x2 = 400.0

Payoff: 12.0 x1 + 20.0 x2 = 840.0

42

36
: 0.0 x1 + 12.0 x2 = 360.0

A
30
x2
120
24
114
18

108
12

102
6
: 15.0 x1 + 10.0 x2 = 600.0
96
0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 17
90
Figura 7
Optimal Decisions(x1,x2): (20.0, 30.0)
: 10.0x1 + 0.0x2 <= 400.0
: 84
0.0x1 + 12.0x2 <= 360.0
: 15.0x1 + 10.0x2 <= 600.0

Si se disminuye el bi en un valor igual a la holgura observe que, en el

78

punto óptimo se intersecan las tres restricciones y esto producirá que la

72

solución en ese vértice sea degenerada. Es decir que en la solución

66

óptima los valores de las variables serán los mismos, a excepción de la

60

holgura de la restricción analizada que ahora será cero. El valor de la

54

función objetivo será el mismo. Esto se muestra en la figura 8.

48

42 Payoff: 12.0 x1 + 20.0 x2 = 840.0

36

30
A
24 : 10.0 x1 + 0.0 x2 = 200.0

18
: 0.0 x1 + 12.0 x2 = 360.0

12

: 15.0 x1 + 10.0 x2 = 600.0

6

0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 15

Optimal Decisions(x1,x2): (20.0, 30.0)

Figura 8
: 10.0x1 + 0.0x2 <= 200.0
: 0.0x1 + 12.0x2 <= 360.0
: 15.0x1 + 10.0x2 <= 600.0
 102

96

90

DUALIDAD Y SENSIBILIDAD 119

84

78

72

Si ahora disminuimos el valor del bi más allá de la holgura de esa

66

restricción, el vértice A dejará de ser óptimo, esto es que el conjunto de

60

variables básicas habrá cambiado y por lo tanto deberá resolverse

54

nuevamente el problema. Observe esta situación en la figura 9.

48

42 Payoff: 12.0 x1 + 20.0 x2 = 780.0

36
A
30

24 : 10.0 x1 + 0.0 x2 = 150.0

18
: 0.0 x1 + 12.0 x2 = 360.0

12

: 15.0 x1 + 10.0 x2 = 600.0

6

0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160

Optimal Decisions(x1,x2): (15.0, 30.0)

: 10.0x1 + 0.0x2 <= 150.0

Figura 9
: 0.0x1 + 12.0x2 <= 360.0
: 15.0x1 + 10.0x2 <= 600.0

En resumen, el cambio en bi un tiene como efecto expandir o contraer la

región de soluciones factibles. Al cambiar bi a bi cambiarán al menos los
valores de algunas de las variables básicas. Sin embargo, si bi se
incrementa o disminuye más allá de ciertos límites, la base actual dejará
de ser factible y deberá por lo tanto recalcularse la solución completa.
Por esta razón los valores admisibles para bi son aquellos para los que
la nueva solución básica permanece factible. Es decir, para los que las
variables básicas permanecen no negativas.

3.2. ANÁLISIS DE LOS INTERVALOS DE SENSIBILIDAD

Cambios en los coeficientes de la función objetivo (cj)

1. Cambio en cj de una variable no básica:
➢ En caso de maximización, si el coeficiente de xj disminuye,
entonces no se produce ningún cambio en la solución óptima, lo
mismo si aumenta en una cantidad menor o igual al límite superior
del intervalo.
➢ En caso de minimización, si el coeficiente de xj aumenta, entonces
no se produce ningún cambio en la solución óptima, lo mismo si
disminuye en una menor o igual al límite inferior del intervalo.
2. Cambio en cj de una variable básica:
Si xk es una variable básica, la solución óptima no va sufrir ningún
cambio siempre que la modificación en el coeficiente ck esté dentro
del intervalo de sensibilidad. En este caso, el valor de la función
objetivo aumentará o disminuirá en:
Z´= Z0 +  ck xk

Variaciones en los valores del lado derecho (b i)

1. Restricciones no limitantes (con holgura positiva)
120 CAPÍTULO 4

El lado derecho de la restricción puede disminuir en una cantidad

igual al valor de la variable de holgura y relajarse arbitrariamente,
sin que la base actual sufra modificaciones. En estos casos no
cambiará el valor de la función objetivo, pero sí el valor de la
holgura correspondiente.
2. Restricciones limitantes (sin holgura)
El cambio que se produzca en algún valor del lado derecho siempre
tendrá un efecto sobre la base óptima. Si el aumento o disminución
está contenido dentro del intervalo, no cambiará la estructura de la
base óptima -las variables básicas serán las mismas-, pero sí se
modificarán los valores de las variables básicas y el valor de la
función objetivo.
El nuevo valor de la función objetivo será:
Z´= Z0 +  bi yi,
donde yi es el valor de la variable dual.
Los nuevos valores de las variables básicas se recalculan usando las
tasas de sustitución:
xi= i +  bi ij si la restricción es de ≤ o =
xi= i -  bi ij si la restricción es de ≥

donde ij representan a las tasas de sustitución de la variable de

holgura/excedente asociada a bi en el caso de restricciones de ≤ ó
≥, o a las tasas de sustitución de la variable artificial en el caso de
restricciones de igualdad.

REGLA DE 100%
La validez de los cambios informados por el análisis de sensibilidad son
ceteris paribus, es decir, se deben analizar uno por vez. No obstante,
existe una regla práctica, conocida como regla del 100%, la cual
sostiene que "para considerar cambios simultáneos se deben sumar los
porcentajes de cambio tanto de los incrementos como de las
disminuciones permisibles; si la suma de los cambios porcentuales
no excede el 100%, la solución óptima no se modificará". Esto es
válido tanto para cambios en el vector de términos independientes de
las restricciones como en los coeficientes que preceden a las variables
en la FO.

3.3. CÁLCULO DE LOS INTERVALOS DE SENSIBILIDAD

Cambios en los coeficientes de la función objetivo
1. Coeficiente de una variable no básica
Para una variable no básica el intervalo de sensibilidad define los
posibles valores del coeficiente de la función objetivo para los cuales esa
variable sigue siendo no básica.
DUALIDAD Y SENSIBILIDAD 121

Analizando para el caso de máximo, podemos decir que una variable,

que en la solución óptima actual es no básica, tiene una diferencia c j - z j
negativa, es decir que su contribución neta unitaria al objetivo es
negativa y por lo tanto para que sea conveniente introducirla a la base
su contribución debe ser positiva. Por esta razón vamos a analizar la
condición de optimidad para esta variable.
Como la variable no es básica analizamos sólo incrementos en dicho
coeficiente, ya que, si la utilidad de esta variable disminuye, no habrá
cambios en la solución óptima.
El intervalo de optimidad para un coeficiente de la función objetivo se
determina mediante los valores de los coeficientes que mantienen:
cj - zj 0 para todos los valores de j
Haciendo el análisis para una variable no básica xj cualquiera y si
llamamos c j al incremento en el coeficiente de dicha variable
tendremos que el nuevo coeficiente será:
cj = c j + c j
Usando la condición de optimidad podemos decir que x j seguirá siendo
no básica siempre que:
cj − zj  0
Reemplazando por el nuevo valor de cj y realizando algunas
operaciones:
cj − zj  0
c j + c j - z j  0
c j  -c j + z j
c j  − ( c j − z j )
En general para cualquier problema:
cj  zj - cj
Si, c j = z j - c j se obtiene una solución óptima alternativa.

Resumiendo, si se modifica el coeficiente de la función objetivo de una

variable no básica:
➢ En caso de maximización  si el coeficiente de xj disminuye,
entonces no se produce ningún cambio en la solución óptima, lo mismo
si aumenta en una cantidad inferior cj - zj .

Es decir, el intervalo de variación es: − , cj - zj 

 
122 CAPÍTULO 4

➢ En caso de minimización  si el coeficiente de xj aumenta, entonces

no se produce ningún cambio en la solución óptima, lo mismo si
disminuye en una cantidad inferior cj - zj

Es decir, el intervalo de variación es:  c j - z j , 

 

2. Coeficiente de una variable básica

Si se modifica el coeficiente cj de una variable básica, entonces puede
producirse uno de dos resultados, es posible que la variable deje de ser
básica o que aumente su valor. Es por esta razón, que se deben
considerar tanto aumentos como disminuciones en los coeficientes de la
función objetivo. Y también a diferencia de los casos de las variables no
básicas, los cambios en los coeficientes de las variables básicas tendrán
de alguna manera un impacto sobre el valor de la función objetivo.
Realizamos el análisis de la misma manera que para una variable no
básica. Sin embargo, en este caso para determinar los límites de cj y
por lo tanto el intervalo de sensibilidad, debemos considerar todos los
valores c j - z j que se ven afectados por Δc j . Para hacer esto usamos las
tasas de sustitución que relacionan a la variable que sufrió un cambio en
su coeficiente, supongamos que sea xk, con cada una de las variables no
básicas.
Si llamamos z0 al valor de la función objetivo, el nuevo valor se puede
determinar como:
z0 = z0 + λk Δck

La fila de z j puede determinarse como:

zj = z j + λkjΔck para j = 1, 2, ...,n

Para que la solución actual siga siendo óptima, ningún valor cj - zj debe
hacerse positivo.

Puede calcularse la fila cj - zj como:

(c j ) (
- zj = c j - z j + λkjΔck )
(c j ) ( )
- zj = c j - z j - λkjΔck para j = 1, 2, ...,n

Para determinar la magnitud de la variación, despejamos Δck del

sistema de restricciones dado por:

(c j ) ( )
- zj = c j - zj - λkjΔck  0 para j = 1, 2, ...,n

Resumiendo, si se modifica el coeficiente de la función objetivo de una

variable básica, puede ocurrir que, si el cambio en el coeficiente que
tiene la variable xk en la función objetivo está dentro del intervalo de
DUALIDAD Y SENSIBILIDAD 123

sensibilidad, la solución óptima no va sufrir ningún cambio y el valor de

la función objetivo aumentará o disminuirá. Sin embargo, si el cambio
es tal que el nuevo coeficiente sale del intervalo determinado, la
solución dejará de ser óptima.

Variaciones en los valores del lado derecho

El cambio en un bi tiene como efecto aumentar o disminuir la región de
soluciones factibles. Al cambiar bi a bi cambiarán al menos los valores
de algunas de las variables básicas. Por esta razón los valores
admisibles para bi son aquellos para los que la nueva base permanece
factible. Es decir, para los que las variables básicas son no negativas.

1. Restricciones no limitantes
Si la restricción es del tipo  el intervalo de variación de bi será [Si ,  ],
donde Si es el valor de la variable de holgura correspondiente a la
i-ésima restricción.
Si la restricción es del tipo  el intervalo de variación de bi será [- , Si],
donde Si es el valor de la variable de excedente correspondiente a la
i-ésima restricción.
En estos casos no cambiará el valor de la función objetivo, pero sí el
valor de la holgura correspondiente.

2. Restricciones limitantes
Cuando hicimos el análisis de los elementos de la tabla simplex
definimos a las tasas de sustitución (ij) como el sacrificio que se debía
hacer de la variable básica xi para poder incrementar en una unidad la
variable no básica xj.
Cuando la variable no básica analizada es una variable de holgura
debemos interpretar ese incremento como dejar libre o dejar de usar
una unidad del recurso (bi ) de la restricción a la cual corresponde dicha
holgura. Es decir que, estas tasas nos mostrarán el sacrificio de cada
variable básica si disminuimos en una unidad un valor del lado derecho.
Por el contrario, si aumentamos en una unidad un bi , la interpretación
de las ij será exactamente lo opuesto. De esta manera podemos usar a
las tasas de sustitución de las variables de holgura correspondiente al
lado derecho analizado, para determinar en cuánto puede aumentar o
disminuir su valor sin que la solución actual deje de ser factible
Para determinar el intervalo de sensibilidad usamos la condición de
factibilidad de la solución y las tasas de sustitución de las variables de
holgura. El procedimiento para determinar este intervalo en caso de
restricciones del tipo  es el siguiente:
124 CAPÍTULO 4

 1   1j   0 
     0 
 2  2j   
 3  + bi  3j    0  (1)
     
     
 m   mj   0 

Solución actual

Columna de la tabla simplex que

corresponde a la variable de holgura
asociada a la restricción i

Resolviendo nos queda un sistema de inecuaciones, y podemos

determinar de esta manera un incremento y una disminución para bi .
Para restricciones del tipo  se pueden usar las tasas de sustitución de
la variable artificial y hacerlo de la misma manera que en el caso
anterior (1) o usar las tasas de sustitución de la variable de excedente,
pero restando el incremento, es decir:

 1   1j  0
   
  2j  0
  2  
 3  − bi  3j   0
     
    (2)
 
     
 m m j  0

Determinándose al igual que en el caso anterior un incremento y una

disminución para el valor del lado derecho analizado.
Para restricciones de =, se plantea un sistema de restricciones como
(1), pero con las tasas de sustitución de la columna de la variable
artificial correspondiente a la restricción analizada y se procede de
manera análoga a los casos anteriores.
Conclusión: En el caso de restricciones limitantes el cambio que se
produzca en algún valor del lado derecho siempre tendrá un efecto
sobre la solución óptima, de la siguiente manera:

➢ Si el aumento o disminución está contenido dentro del intervalo de

sensibilidad, no cambiará la base óptima, pero sí los valores de las
variables positivas y el valor de la función objetivo.
➢ Si el aumento o disminución producida hace que el nuevo valor no
esté contenido en el intervalo de sensibilidad, cambiará la solución
completa.

PRECIO SOMBRA VS. PRECIO DUAL

Al analizar los cambios en los lados derechos de las restricciones y la
interpretación de los resultados que nos brinda la computadora,
DUALIDAD Y SENSIBILIDAD 125

dependiendo del software utilizado, aparecen alguno de estos dos

importantes conceptos: precio dual y precio sombra.
Es muy importante al momento de analizar la solución óptima, tener en
claro la diferencia entre ambos.
Precio sombra indica la variación que se produce en el valor de la
función objetivo ante un incremento en el lado derecho de una
restricción. El precio sombra es el valor de la variable dual
correspondiente.
Esto significa que, para un problema de maximización, si el precio
sombra es positivo un incremento en el VLD implicará un crecimiento en
el valor de la función objetivo y por lo tanto el valor de la función
objetivo mejora. Si en cambio el problema es de minimización, como un
precio sombra positivo indica un incremento de la función objetivo,
entonces nuestro objetivo desmejora.
Precio dual representa la mejora o desmejora que se produce en el
valor de la función objetivo, ante un incremento en el lado derecho de
una restricción, según que el precio dual sea positivo o negativo.
Esto quiere decir que un precio dual positivo nos indica en cuánto
mejora el valor de la función objetivo ante un incremento del lado
derecho; y aquí mejora expresa que el valor objetivo crece en caso de
máximo y decrece en caso de mínimo.
De la misma manera un precio dual negativo representará la desmejora
que se produce en el valor de la función objetivo ante un incremento del
VLD.

Como resumen de lo anterior podemos decir que en caso de

maximización precio sombra y precio dual son iguales, sin embargo, en
caso de minimización uno es el opuesto del otro.

INTRODUCCIÓN DE UNA NUEVA VARIABLE

En numerosas ocasiones, los decisores se plantean la necesidad de
incluir en el modelo una variable no considerada en el problema original.
Por ejemplo, un nuevo producto o una actividad adicional que no fue
contemplada con anterioridad. En estos casos resulta interesante
estudiar si es conveniente su introducción analizando de qué manera
afectarían a la solución óptima actual. Para efectuar este análisis
podemos utilizar a los precios sombra.
Al realizar la interpretación de los elementos de la tabla simplex vimos
que las diferencias cj-zj correspondientes a las variables de holgura nos
indicaban la disminución que se produce en el valor de z si dejamos sin
usar una unidad del recurso, y esto se debe a que tendremos que dejar
de producir de alguno/s productos.
Asimismo, recordemos que este valor, considerando el signo que nos fija
el dual, es el precio sombra y nos indica el valor marginal del recurso al
cual se refiere.
Con este razonamiento podremos calcular el “costo de oportunidad” de
introducir el nuevo producto y compararlo con la contribución que
126 CAPÍTULO 4

aporta a la función objetivo, para determinar si se produce un

incremento o una disminución marginal en el valor de z.
Es decir, para los recursos de los cuales tenemos holgura, su costo de
oportunidad es cero, pero de aquellos limitantes tendremos que
considerar que dejar de utilizar una unidad en la producción actual para
derivarlo a la producción de un nuevo producto tiene para nosotros un
costo que está dado por el precio sombra. De esta manera podremos
calcular cuál es el “costo de introducir” esta nueva variable y luego
compararlo con su contribución el objetivo.
Así si k representa a la nueva variable, el cálculo a realizar será:
m
zk = a
i =1
ik (yi )

ck − zk
Si ck − zk es positivo, convendrá introducir este nuevo producto o
actividad y si es negativo nos indicará la magnitud del cambio que
debería realizarse para poder introducirlo.

ANÁLISIS DE SENSIBILIDAD MEDIANTE UN EJEMPLO

Una empresa fabrica cuatro tipos de alfombras que tienen gran
demanda en el mercado.
En el proceso de fabricación, primero se tiñe el hilado, que es la materia
prima principal, y luego se la envía a la sección tejido. En la tabla se
muestran los kg. de materia prima y las horas en cada sección necesaria
para fabricar cada alfombra, la disponibilidad total de estos insumos y la
contribución unitaria de cada tipo de alfombra.

PRODUCTO
Alfombra Alfombra Alfombra Alfombra
Disponibilidad
I II III IV
Materia Prima 3 4 8 6 22000
(Kg/unid)
Hrs. Sección 8 2 4 2 28000
Teñido
Hrs. Sección 4 6 2 4 8000
Tejidos
Contribución 40 60 30 10
($/unid) Tabla 1

Definición de Variables:
x1, x2, x3 y x4 indican las unidades de las alfombras I, II, III y IV a
fabricar, respectivamente.

Max 40x1 + 60x2 + 30x3 +10 x4

sa
3x1 + 4x2 + 8x3 + 6x4  22000 Materia Prima
8x1 + 2x2 + 4x3 + 2x4  28000 Hrs Sección Teñido
4x1 + 6x2 + 2x3 + 4x4  8000 Hrs Sección Tejidos

x1, x2, x3 y x4  0
DUALIDAD Y SENSIBILIDAD 127

En la página siguiente se muestra el informe de solución del software

LINDO y SOLVER correspondiente a este problema. Analice la salida y
responda las siguientes preguntas:
a) ¿Cuál es la solución óptima y cuál el valor de la función objetivo?
b) ¿Existe excedente en alguno de los recursos?, ¿en qué cantidad?
c) Si la contribución de la alfombra III aumenta en $20, ¿cambia la
solución óptima?, ¿cómo?, ¿qué sucede con la contribución total?
d) Si la contribución de la alfombra 4 aumenta en $25, ¿cambia la
solución óptima?, ¿cómo?, ¿qué sucede con la contribución total?
e) Suponga que se pueden conseguir 1000 Kg. adicionales de materia
prima, pagando un precio adicional de $5 por Kg. ¿Conviene
adquirirlos? ¿Por qué?
f) ¿Cuál es el valor de una hora adicional en la Sección Teñido?
Justifique.
g) Suponga que, en la Sección Tejidos, como consecuencia de la rotura
de una máquina, disminuyen las horas disponibles en 1000, ¿cómo
afecta esto a la solución óptima y al valor de Z?
h) Suponga que un cliente importante le solicita 10 alfombras tipo IV.
¿Cuál será el nuevo valor de la función objetivo? ¿Por qué? ¿De qué
tipo será la nueva solución?
i) Calcule el intervalo de sensibilidad para el coeficiente de las
variables x1 y x2.
j) Calcule el intervalo de sensibilidad de la primera y segunda
restricción.
k) Al fabricante le interesa producir un nuevo modelo de alfombra de
colores más brillantes y que se puede vender a $100. Para su
fabricación necesitará 4 kg de Materia Prima, 5 hs. En la Sección
Teñido y 5 hs. En la Sección Tejidos. Quiere saber si le conviene
producirlo. Si lo cree conveniente, sugiera un precio de venta.
128 CAPÍTULO 4

INFORME DE SOLUCIÓN CON LINDO

OBJECTIVE FUNCTION VALUE

1) 105000.0
Disminución que se produce en z
VARIABLE VALUE REDUCED COST por cada unidad en que se
incrementa la variable
X1 0.000000 0.500000
X2 500.000000 0.000000
X3 2500.000000 0.000000
X4 0.000000 35.000000

Mejora que se produce en z por

cada unidad en que se incrementa
ROW SLACK OR SURPLUS DUAL PRICES el lado derecho de la restricción.
Tiene validez dentro del intervalo
2) 0.000000 1.500000 de sensibilidad.

3) 17000.000000 0.000000
4) 0.000000 9.000000

RANGES IN WHICH THE BASIS IS UNCHANGED: Variable no básica

Si la variación del
OBJ COEFFICIENT RANGES coeficiente de x1 se
VARIABLE CURRENT ALLOWABLE ALLOWABLE produce dentro de este
rango, no se producen
COEF INCREASE DECREASE cambios en los valores de
las variables, ni en el
X1 40.000000 0.500000 INFINITY valor de z
X2 60.000000 30.000000 0.769231
X3 30.000000 90.000000 9.999998 Variable básica
X4 10.000000 35.000000 INFINITY Si la variación del
coeficiente de x3 se
produce dentro de este
rango, no se producen
cambios en los valores
de las variables, sólo
varía el valor de z

RIGHTHAND SIDE RANGES

Restricción no limitante
ROW CURRENT ALLOWABLE ALLOWABLE Si la variación del RHS se
RHS INCREASE DECREASE produce dentro de este rango,
sólo se modifica el valor de la
2 22000.0000 10000.0000 16666.666016 holgura

3 28000.0000 INFINITY 17000.000000

Restricción limitante
4 8000.0000 25000.0000 2500.000000 Si la variación del RHS se
produce dentro de este rango,
no cambia la base, pero varían
los valores de las variables
básicas y el valor de z
DUALIDAD Y SENSIBILIDAD 129

INFORME DE SOLUCIÓN CON SOLVER

Celda objetivo (Máx.)

Nombre Valor original Valor final

Objetivo 0 105000

Celdas de variables
Nombre Valor original Valor final

Variables Alf. I 0 0

Variables Alf: II 0 500

Variables Alf. III 0 2500

Variables Alf. IV 0 0

Restricciones
Nombre Valor de la celda Estado Holgura

Materia Prima (Kg/unid) 22000 Vinculante 0

Hrs. Sección Teñido 11000 No vinculante 17000

Hrs. Sección Tejidos 8000 Vinculante 0

Análisis de Sensibilidad

Final Costo Coeficiente Aumento Reducción

Nombre Valor Reducido Objetivo Permisible Permisible

Variables Alf. I 0 -0,5 40 0,5 1E+30

Variables Alf: II 500 0 60 30 0,76923

Variables Alf. III 2500 0 30 90 10

Variables Alf. IV 0 -35 10 35 1E+30

Final Precio Restricción Aumento Reducción

Nombre Valor Sombra Lado derecho Permisible Permisible

Materia Prima (Kg/unid) 22000 1,5 22000 10000 16666,667

Hrs. Sección Teñido 11000 0 28000 1E+30 17000

Hrs. Sección Tejidos 8000 9 8000 25000 2500

130 CAPÍTULO 4

Respuestas a las preguntas del problema de la fábrica de Alfombras:

a) La solución óptima será:
Producir 500 alfombras tipo II y 2500 alfombras tipo III. Con este plan
de producción se usará toda la materia prima y todas las horas de la
Sección Tejidos, quedando 17000 horas disponibles en la Sección
Teñido. La contribución total máxima será de $ 105000.-
b) Quedan 17000 horas sin utilizar en la Sección Teñido.
c) En primer lugar nos fijamos si el incremento en el coeficiente está
dentro del intervalo de sensibilidad y luego si corresponde a una
variable básica o no básica, y de acuerdo a ello podremos decir cuáles
serán sus efectos. El incremento máximo admitido para el coeficiente de
x3 es de 90 y como x3 es una variable básica, podemos decir que la
solución óptima no sufrirá cambios, sólo se modificará el valor de z
incrementándose en 20(2500) = $50000
d) Como el incremento en el coeficiente de la variable x 4 está dentro del
intervalo de sensibilidad y además se trata de una variable no básica,
podemos decir que no se modificará la solución actual ni el valor de la
función objetivo.
e) También en este caso primero nos fijamos si el incremento o
disminución está dentro del intervalo de sensibilidad y luego si se trata
de una restricción limitante o no. Si es una restricción no limitante, no
nos interesará adquirir ninguna cantidad adicional del recurso y si es
una restricción limitante debemos comparar el valor marginal del
recurso (precio sombra) con el precio adicional que nos piden. Hay que
tener en cuenta que el precio sombra es válido en el intervalo de
sensibilidad. En nuestro caso si bien se trata de un recurso limitante, el
precio adicional solicitado es superior al valor marginal del recurso, por
lo tanto concluimos que no nos conviene adquirir más materia prima.
f) El valor de una hora adicional es cero, ya que podemos observar que
se trata de un recurso no limitante (hay sobrante). También puede
justificarse este valor a través del teorema débil de holgura
complementaria que dice: si una restricción es con holgura la variable
dual correspondiente será igual a cero (precio sombra). Recordemos que
en caso de maximización el precio sombra y el precio dual son iguales.
g) Nuevamente nos fijamos si esta disminución está dentro del intervalo
de sensibilidad y luego si la restricción es limitante o no. Como las horas
en la Sección Tejidos son limitantes y la disminución está dentro del
intervalo de sensibilidad (máximo admitido es 2500), concluimos que no
cambiará la base. Es decir que seguiremos produciendo de los mismos
tipos de alfombras, pero en diferentes cantidades y el valor de la
contribución total disminuirá en:
1000(9) = 9000.
DUALIDAD Y SENSIBILIDAD 131

Calculamos los nuevos valores de las variables usando las tasas de

sustitución de la variable de holgura correspondiente a la restricción de
horas de Sección Tejidos (S3) de la tabla óptima:
xi = i + bi ij (i = 1...m)

donde bi representa el incremento del valor del lado derecho que en
este caso es negativo.

cj 40 60 30 10 0 0 0
cj Base VLD x1 x2 x3 x4 S1 S2 S3
30 x3 2500 0,05 0 1 0,5 0,15 0 -0,10
0 S2 17000 6,5 0 0 -1 -0,5 1 0
60 x2 500 0,65 1 0 0,5 -0,05 0 0,20
zj 105000 40,5 60 30 45 1,5 0 9
cj - zj -0,5 0 0 -35 -1,5 0 -9

Tabla 2

La nueva solución será:

x3= 2500 – 1000 (-0,10) = 2600
S2= 17000 – 1000 (0) = 17000
x2= 500 – 1000(0,20) = 300
Z = 105000 + (-1000)9 = $96000

h) Como se trata de un cliente importante y queremos cumplir, vamos a

tener que resignar beneficios, es decir que la contribución total
disminuirá en:
35(10) = 350, esto es, coste reducido por la cantidad de alfombras que
vamos a producir. Obviamente la contribución va a disminuir porque
para poder producir de la alfombra IV deberemos dejar de producir de
las otras para, así liberar los recursos necesarios (ver tasa de
sustitución).
Para el cálculo de la nueva solución utilizamos las fórmulas vistas en la
interpretación económica:
xi = i - ij (i = 1...m)
xj = 
xk = 0 (k  1, 2, ...m, j )

La nueva solución será:

x3= 2500 – 0,5(10) = 2495
S2= 17000 + 1 (10) = 17010
x2= 500 – 0,5(10) = 495
x1= 0
132 CAPÍTULO 4

x4= 10
S1= 0
S3= 0
Z = 105000 - (35)10 = $104650
Se trata de una solución factible no básica.
Para calcular los intervalos de sensibilidad, tanto de los coeficientes de
la función objetivo como de los valores del lado derecho, necesitamos la
tabla óptima de simplex:

cj 40 60 30 10 0 0 0
cj Base VLD x1 x2 x3 x4 S1 S2 S3
30 x3 2500 0,05 0 1 0,5 0,15 0 -0,10
0 S2 17000 6,5 0 0 -1 -0,5 1 0
60 x2 500 0,65 1 0 0,5 -0,05 0 0,20
zj 105000 40,5 60 30 45 1,5 0 9
cj - zj -0,5 0 0 -35 -1,5 0 -9

Tabla 3
i) Intervalo de sensibilidad para los coeficientes de las variables:
Como la variable x1 es no básica, el intervalo de sensibilidad de su
coeficiente se determina como:

− , c - z  − , 0, 5 
 j j  o sea

Como la variable x2 es básica, el intervalo de sensibilidad para su

coeficiente se calcula a partir de:

(c j ) ( )
- z j = c j - z j - λkjΔck

Debiendo mantenerse todos los cj - zj  0 o sea: ( )

(c j )
- zj - λ2jΔc2  0

Entonces,
-0,5 - 0, 65Δc2  0
−35 − 0,5Δc2  0
−1,5 − (−0, 05)Δc2  0
−9 − 0,20Δc2  0

Despejando en cada una de las restricciones anteriores obtenemos que:

Δc2  −0,7692
Δc2  −70
Δc2  30
Δc2  −45
DUALIDAD Y SENSIBILIDAD 133

De dónde, el coeficiente c2 puede disminuir hasta en 0,769 e

incrementarse hasta en 30.
j) Intervalo de sensibilidad para el valor del lado derecho de la primera
restricción:

 1   1j  0
     
 2   2j  0
 3  + bi  3j   0
     
     
    0
 m  mj   

Reemplazando por la información de la tabla tendremos el siguiente

sistema de inecuaciones:

 2500   0,15 
   
 17000  + Δb -0,5   0
1
 500  -0, 05

2500 + b1 0,15  0

17000 − b1 0,5  0
500 − b1 0, 05  0

Despejando e las restricciones se obtiene que b 1 puede disminuir hasta

en 16666,67 e incrementarse hasta en 10000, sin que cambie la base
actual.
El intervalo de sensibilidad para el lado derecho de la segunda
restricción se determina considerando la holgura de la segunda
restricción. Así el b2 puede disminuir hasta en 17000 e incrementarse
infinitamente, sin que la base actual cambie.
Como el empresario quiere producir un nuevo modelo de alfombra, pero
cuenta con los mismos recursos, debemos analizar los precios sombra.
Ellos nos indican el valor marginal del recurso, es decir el valor que para
la empresa tiene cada unidad de recurso dado que para poder liberar
una unidad deberá dejar de fabricar de las otras alfombras.
Alfombra Costo de
V oportunidad
Materia Prima
4 4 x 1,5 = 60
(Kg/unid)
Hrs. Sección
5 0
Teñido
Hrs. Sección
5 5 x 9 = 45 Diferencia
Tejidos
Contribución
100 $105 ($5)
($/unid)
Tabla 4
134 CAPÍTULO 4

Podemos observar que el costo de oportunidad de producir una alfombra

V es mayor que su contribución a las utilidades, por lo que podríamos
aconsejarle al empresario que, si le interesa producirla, debería realizar
las modificaciones necesarias que le permitan incrementar su
contribución en $5.

EJEMPLO DE CÁLCULO DE INTERVALOS DE SENSIBILIDAD DE LOS VLD PARA

RESTRICCIONES DE IGUALDAD Y DE MAYOR O IGUAL
Supongamos el siguiente problema de PL:

Max (z) = 50 x1 + 10 x2
Sa
20 x1 + 10 x2 = 40
10 x1 + 10 x2 ≤ 60
20 x1 + 10 x2 ≥ 50
x1 , x2 ≥0

La tabla óptima de simplex es:

Cj 50 10 0 -M -M 0
CB Base VLD x1 x2 S2 A1 A3 S3
50 x1 1 1 0 0 2/30 -1/30 1/30
0 S2 30 0 0 1 -1/3 -1/3 1/3
10 x2 2 0 1 0 -1/30 2/30 -2/30
zj 70 50 10 0 3 -1 1
cj - zj 0 0 0 -M -M -1
Tabla 5

a. Intervalo de sensibilidad para b 1

En este caso por tratarse de una restricción de = se deben usar las

tasas de sustitución de la variable artificial A 1 , planteamos el sistema de
restricciones:

1  2 / 30  0 
30  + Δb  -1 / 3   0 
  1    
 2  -1 / 30  0 

Planteamos cada ecuación y despejamos b1

DUALIDAD Y SENSIBILIDAD 135

2
1 + Δb1 0
30
 -1 
30 + Δb1    0
3
 -1 
2 + Δb1    0
 30 
Despejando nos queda que b1 ≥ -15 y b1 ≤ 60, es decir que b1 puede
disminuir hasta en 15 e incrementarse hasta en 60 o lo que es lo mismo
el valor de b1 puede estar entre [25, 100].

b. Intervalo de sensibilidad para b 3

En este caso por tratarse de una restricción de ≥ tenemos dos

opciones:
1. Usar las tasas de sustitución de la variable artificial A 3 y hacerlo
de la misma manera que en el caso anterior

1 -1 / 30  0 
30  + Δb  -1 / 3   0 
  3    
 2   2 / 30  0 

Planteamos cada ecuación y despejamos b3

 -1 
1 + Δb3    0
 30 
 -1 
30 + Δb3    0
3
2
2 + Δb3 0
30
2. Usar las tasas de sustitución de S3 y plantear las restricciones con
(-b3). Utilizando las tasas de sustitución de S3 nos queda:

1  1 / 30  0 
30  - Δb  1 / 3   0 
  3    
 2  -2 / 30  0 

Planteamos cada ecuación y despejamos b3

136 CAPÍTULO 4

1
1 - Δb3 0
30
1
30 - Δb3  0
3
2
2 + Δb3 0
30

En ambos casos, despejando nos queda que b3 ≥ -30 y b3 ≤ 30,
es decir que b3 puede disminuir hasta en 30 e incrementarse hasta
en 30 o lo que es lo mismo el valor de b 3 puede estar entre [20, 80].

c. Ejemplo de utilización de los intervalos calculados

• Primera restricción (=)

En este caso se utilizan las tasas de sustitución de la variable artificial A 1

y el cálculo se realiza de la misma manera que para restricciones de ≤,
es decir sumando b1 cuando se trata de un incremento y restando  b1
cuando se trata de una disminución.

1. Incremento de 10 en el VLD (b1=10)

1  2 / 30   5 / 3 
30  + 10  -1 / 3  = 80 / 3
     
 2  -1 / 30   5 / 3 

2. Disminución de 10 en el VLD (b1=-10)

1  2 / 30   1 / 3 
30  -10  -1 / 3  = 100 / 3
     
 2  -1 / 30   7 / 3 

• Tercera restricción (≥)

1. Incremento de 10, es decir b3 = 10. En este caso tenemos dos

alternativas
a. Usar las tasas de sustitución de la variable artificial A3

1 -1 / 30  1 + 10(-1 / 30)   2 / 3 

30  + 10  -1 / 3  = 30 + 10(-1 / 3) = 80 / 3
       
 2   2 / 30   2 + 10(2 / 30)   8 / 3 
DUALIDAD Y SENSIBILIDAD 137

b. Usar las tasas de sustitución de la variable de excedente S 3,

en este caso cuando se trata de un incremento se lo debe
restar, por lo que quedaría

1  1 / 30   1 -10(1 / 30)   2 / 3 

30  -10  1 / 3  =  30 -10(1 / 3)  = 80 / 3
       
 2  -2 / 30  2 -10(-2 / 30)  8 / 3 

2. Disminución de 10, es decir b3 = -10, también tenemos dos

formas de hacerlo
a. Usar las tasas de sustitución de la variable artificial A3
considerando una disminución como -b3

1 -1 / 30  1 -10(-1 / 30)   4 / 3 

30  − 10  -1 / 3  = 30 -10(-1 / 3) = 100 / 3
       
 2   2 / 30   2 -10(2 / 30)   4 / 3 

b. Usar las tasas de sustitución de la variable de excedente S 3,

en este caso como se trata de una disminución se lo debe
sumar ya que –(-b3)= b3

1  1 / 30   1 + 10(1 / 30)   4 / 3 

30  +10  1 / 3  =  30 + 10(1 / 3)  = 100 / 3
       
 2  -2 / 30  2 + 10(-2 / 30)  4 / 3 
138 CAPÍTULO 4

ACTIVIDADES DE AUTOEXAMEN

ACTIVIDAD 1
RESPONDA LAS SIGUIENTES PREGUNTAS

1.-Sea c1 x1 + c2 x2 + ..... + ck xk la función objetivo de un modelo de PL

(maximización o minimización), y b1 y1 + b2 y2 + ..... + bL yL la función
objetivo del problema dual:
a) ¿Cuántas restricciones hay en el problema primal?
b) ¿Cuántas restricciones hay en el problema dual?
c) Si (u1 , u2 , ....., uk ) es una solución factible del primal y
(v1 , v2 ,...., vL ) es una solución factible del dual,
¿Qué puede decir en relación a los dos valores objetivos?

2.- Si el coeficiente ci precede a una variable básica, ¿en cuánto se

modifica el valor del funcional, si se modifica el valor de ci de dentro de
los límites del intervalo de optimidad?

3.- En caso de un problema de mínimo, ¿cómo deberá modificarse el

coeficiente cj de una variable no básica, para que la solución deje de ser
óptima?

4.- ¿Cómo se calcula el intervalo de variación de b i correspondiente a

una restricción no limitante del tipo≥? ¿Qué sucede en este caso con el
valor de la función objetivo y con los valores de las variables?

5.- ¿Qué ocurre con la solución óptima y con el valor de Z, cuando

cambia el bi de una restricción limitante, dentro de los límites dados por
el intervalo de sensibilidad?

ACTIVIDAD 2
EXPLIQUE SI LAS SIGUIENTES AFIRMACIONES SON VERDADERAS O FALSAS:

A. "Al realizar el análisis de sensibilidad, una restricción del tipo 

con holgura positiva, tendrá siempre un aumento admisible
infinito en el lado derecho"

B. “Cuando en el óptimo de un programa lineal, un insumo es

escaso, la variable dual que se relaciona con la restricción
correspondiente a dicho insumo es positiva”
DUALIDAD Y SENSIBILIDAD 139

ACTIVIDAD 3
Explique:
a) ¿Qué representa el costo reducido (reduced cost) que aparece en los
informes de computadora sobre la solución de un PL?
b) ¿Cuál es la utilidad de esta información?
c) ¿En qué parte de la tabla simplex se encuentra?

ACTIVIDAD 4
En base al problema de la SuperMovil SA y su tabla óptima de simplex:

A) Encuentre los intervalos de sensibilidad para cada uno de los

coeficientes de la función objetivo y para cada uno de los valores del
lado derecho.

B) Resuelva el problema con algún software específico y responda:

a) ¿Para qué valores de contribución de un teléfono FX120 la base
actual es óptima?
b) Si el trabajador 2 estuviera dispuesto a trabajar solamente 30 horas
a la semana, ¿qué efectos tendrá sobre la solución óptima y sobre el
valor de z? Encuentre la nueva solución óptima.
c) Si el trabajador 1 estuviera dispuesto a trabajar horas extras por un
precio adicional de $2, ¿conviene contratarlo? De ser conveniente,
¿hasta cuántas horas se podrían contratar a ese precio?
d) A RM le ofrecen una partida de 20 chips adicionales con un
descuento del 50%, le conviene comprarla, ¿por qué?
e) Plantear el problema dual
f) Dar la solución del problema dual.

ACTIVIDAD 5
En la empresa Amarras SA Juan es gerente de producción y está
tratando de decidir cuantos ganchos para trailer debe hacer para usar
un metal de desperdicio. Tiene tres tipos de metal y puede hacer
cualquiera de tres tipos de ganchos. En la tabla siguiente se
proporcionan los datos necesarios:

Metal Gancho 1 Gancho 2 Gancho 3 Disponible

Hierro acanalado 4 5 6 950
Hierro plano 6 3 5 800
Hierro redondo 4 8 6 1150

La contribución a las utilidades es de $13 por cada gancho tipo 1, $16

por gancho 2 y $14 por gancho tipo 3.
Ya hay un pedido comprometido de 40 ganchos tipo 3.
140 CAPÍTULO 4

El modelo lineal para este problema es:

max 13 G1 + 16 G2 + 14 G3
sa
4 G1 + 5 G2 + 6 G3 <= 950 Hierro acanalado
6 G1 + 3 G2 + 5 G3 <= 800 Hierro plano
4 G1 + 8 G2 + 6 G3 <= 1150 Hierro redondo
G3 >= 40 Producción mínima

Usando la salida del software LINDO o SOLVER, responda:

a) Especifique cuál es la solución óptima y cuál el beneficio máximo.
b) Juan recibió una oferta de hierro redondo a $1.- adicional por
unidad. ¿Deberá comprarlo?
c) ¿Hasta qué cantidad puede comprar a ese precio?
d) ¿En cuánto podría incrementarse la utilidad total por unidad adicional
de hierro plano?
e) Si la utilidad del gancho 2 se incrementa en $5.- por unidad ¿cuál
será la nueva solución y cuál el valor de la utilidad total (si es que
existe alguna variación)?
f) ¿Qué significa (con respecto al problema) el valor de la variable dual
correspondiente a la última restricción?

OBJECTIVE FUNCTION VALUE RANGES IN WHICH THE BASIS IS UNCHANGED:

1) 2667.500 OBJ COEFFICIENT RANGES

VARIABLE CURRENT ALLOWABLE ALLOWABLE
VARIABLE VALUE REDUCED COST
COEF INCREASE DECREASE
G1 57.500000 0.000000
G1 13.000000 19.000000 1.727273
G2 85.000000 0.000000
G2 16.000000 10.000000 2.375000
G3 40.000000 0.000000
G3 14.000000 1.055556 INFINITY

RIGHTHAND SIDE RANGES

ROW SLACK OR SURPLUS DUAL PRICES
H ACANAL 55.000000 0.000000 ROW CURRENT ALLOWABLE ALLOWABLE
H PLANO 0.000000 1.111111 RHS INCREASE DECREASE
H REDON 0.000000 1.583333 H ACANAL 950.000000 INFINITY 55.000000
PRO MIN 0.000000 -1.055556 H PLANO 800.000000 165.000000 258.750000
H REDON 1150.000000 110.000000 510.000000
PRO MIN 40.000000 41.250000 40.000000

Celda objetivo (Máx)

Nombre Valor original Valor final
Objetivo 0 2667,5

Celdas de variables
Nombre Valor original Valor final
Variables G1 0 57,5
Variables G2 0 85
Variables G3 0 40

Restricciones
Nombre Valor de la celda Estado Holgura
H.Acanaldo 895 No vinculante 55
H. Plano 800 Vinculante 0
H. Redondo 1150 Vinculante 0
Prod. Mínima 40 Vinculante 0
DUALIDAD Y SENSIBILIDAD 141

Celdas de variables
Final Reducido Objetivo Permisible Permisible
Nombre Valor Coste Coeficiente Aumentar Reducir
Variables G1 57,5 0 13 19 1,7273
Variables G2 85 0 16 10 2,375
Variables G3 40 0 14 1,0556 1E+30

Restricciones
Final Sombra Restricción Permisible Permisible
Nombre Valor Precio Lado derecho Aumentar Reducir
H.Acanaldo 895 0 950 1E+30 55
H. Plano 800 1,1111 800 165 258,75
H. Redondo 1150 1,5833 1150 110 510
Prod. Mínima 40 -1,0556 40 41,25 40

ACTIVIDAD 6
La siguiente tabla corresponde a un PL de maximización canónico:

Cj 40 60 50 0 0 0
CB Base VLD x1 x2 x3 S1 S2 S3
600 1/2 0 1 0 0 1/2
200 9/4 1 0 1/2 0 -1/4
200 -5/4 0 0 -1/2 1 1/4
Zj
Cj - Z j

a) Complete la tabla, ¿es esta la solución óptima? ¿Por qué?

b) Si es la solución óptima, entonces dé la solución del problema
dual.
c) Si se incrementa la disponibilidad del recurso 3 en 100 unidades,
¿cómo cambia la solución óptima?, ¿cuál es el nuevo valor de z?
¿Cuáles son los nuevos valores de las variables?
d) ¿Qué tipo de solución es la encontrada en c)? (clasifíquela).
e) ¿Cuál es el intervalo de sensibilidad del coeficiente de x3?
f) Calcule los intervalos de sensibilidad para los lados derechos.

ACTIVIDAD 7
Caso: Fábrica de bolsos y carteras “Sureñas”
Rodrigo es un pequeño empresario que se dedica a la fabricación de
carteras y bolsos femeninos.
En este momento está analizando el lanzamiento de dos nuevos
modelos de bolsos. En su confección utiliza cuero ecológico, herrajes,
cierres, hilo de seda reforzado y una tela especial con diseños originales.

El Modelo 1 requiere 3 herrajes, 50 cm de

tela, 2 cierres, 15 mts. de hilo de seda
reforzado, 20 cm de cuero ecológico y 5 horas
de trabajo y se vende a $1500.
142 CAPÍTULO 4

El Modelo 2 requiere 5 herrajes, 60 cm de

tela, 1 cierre, 10 mts. de hilo de seda
reforzado, 25 cm de cuero ecológico y 8
horas de trabajo y se vende a $2500.

A los cierres y al hilo de seda los puede conseguir en la cantidad que

necesite sin ningún tipo de limitaciones, asimismo, el proveedor de
cueros le ha informado que no tiene inconvenientes en proveerle la
cantidad que requiera.
Pero no ocurre lo mismo con respecto a la tela estampada, los herrajes
y las horas de mano de obra. Para iniciar la producción cuenta con 1300
herrajes, 1400 horas de mano de obra y 85 mts. de tela y puede
comprar más tela a un precio de $120 el mts.
Ha analizado el mercado y estima que puede vender sin ningún
problema todos los bolsos de ambos modelos que fabrique. Actualmente
tiene comprometidos 24 bolsos del modelo 1.

1. Formule un modelo para este problema.

a. Plantee el objetivo del problema
b. Describa las variables de decisión
c. Plantee un programa lineal que optimice el objetivo
d. Agregue variables de holgura y descríbalas

2. Complete la tabla simplex

a. Indique si es la solución óptima
b. Identifique cuáles son las variables básicas
c. Identifique cuáles son las variables no básicas
d. Identifique cuáles son las restricciones limitantes
e. Identifique cuáles son las restricciones no limitantes

Cj 0 0 0 0
Cj Básicas VLD X1 X2 X3 S1 S2 S3 S4
24 1 0 0 0 0 0 -1
428 0 0 0 0 1 -0.625 -0.125
23 0 0 1 -1 0 0.075 -0.125
160 0 1 0 0 0 0.125 0.625
Zj
Cj - Zj

3. Resuelva el problema usando un software, con el informe de solución

y la tabla simplex responda a Rodrigo:
a) ¿Cuál es el plan de producción óptimo?
b) ¿Cuántos metros de tela se utilizan en la producción? ¿A cuánto
asciende el gasto adicional en telas?
DUALIDAD Y SENSIBILIDAD 143

c) El proveedor de las telas le informa que desde el próximo mes no

podrá entregarle la misma tela, pero que puede reemplazarse por
una importada, aunque de mayor calidad, por lo que el precio se
verá incrementado en un 90%. A Rodrigo le gustaría saber si
sigue con el mismo plan de producción y en su caso en cuánto se
vería afectada su contribución total.
d) Rodrigo quiere saber si le convendría incrementar las horas de
mano de obra, para lo que podría analizar las siguientes
alternativas:

A. Contratar personal eventual pagándole a cada trabajador

$32.000 por 160 horas de trabajo mensuales.
B. Pagar horas extras al personal efectivo a razón de $250 la
hora extra.
C. Combinar las alternativas 1 y 2 de la forma que más
convenga.
En caso de convenirle incrementar las horas de mano de obra,
¿qué alternativa le aconsejaría al empresario?
4. Formule el problema Dual.

5. Explique el significado del precio dual de la cuarta restricción.

6. El empresario quiere saber si le convendría fabricar un nuevo modelo

que tiene:

2 herrajes, 1 cierre, 10 mts. de hilo de

seda reforzado, 55 cm de tela, 15 cm de
cuero ecológico 6 horas de trabajo y se
vendería a $1700. Si lo cree conveniente,
sugiera un precio de venta.

7. El proveedor de herrajes le ofreció a Rodrigo una partida de 500

herrajes con un descuento del 50%, ¿le conviene comprarla?

8. Finalmente, Rodrigo decidió contratar 3 trabajadores eventuales (por

160 hs de trabajo mensuales cada uno) y nos consulta sobre el nuevo
plan de producción y a cuánto ascenderá el incremento de la
contribución a las utilidades.
144 CAPÍTULO 4