Interpretacin econmica del problema y de las variables duales

Mientras que la interpretacin fsica del problema primal es inmediata, la

interpretacin correspondiente al dual no es muy evidente, sin embargo, el
significado de lafuncin objetivo y de las restricciones del dual pueden ser
explicadas ms fcilmente interpretando los problemas primal y dual en
trminos de unidades fsicas:

Si el problema primal consiste en:

Maximizar Utilidad/producto j (producto j) = Ganancia total

Sujeta a:

(Insumo i /producto j) (producto j) = Insumo i

i = 1,2, ..m

(producto j ) 0 j = 1,2, n

El problema dual consistir en:

Minimizar (Insumo i) (Valor/insumo i) = Valor total

Sujeta a:

(Insumo i /producto j) (Valor/insumo i)= (Valor/productoj)

j = 1,2, ..n

(Valor/insumoi) i= 1,2, m
0

La interpretacin ms descriptiva de los problemas primal y dual puede ser

establecida en la forma siguiente:

Problema primal. Dada una unidad de valor para cada producto (Cj) y dado
un limite para la disponibilidad de cada insumo Cuntas unidades de cada
producto (Xj) deben ser producidas con objeto de maximizar el valor del
producto total?.

Problema dual. Con una disponibilidad dada de cada insumo (bi) y un limite
al valor unitario para cada producto (Cj) Qu valores unitarios deberan ser
asignados a cada insumo (Yi) con objeto de minimizar el valor del insumo
total?. A las variables duales Yi se les conoce como costos marginales o
precios sombra.

Una interpretacin importante de las variables duales puede reconocerse a

partir de la definicin de la funcin objetivo, dada por:

biYi
Dnde bi representa la disponibilidad del i-simo recurso. Puesto que
la solucin ptima maximizar Z = Minimizar Y0 ; las variables duales Yi pueden
interpretarse como la contribucin unitaria del i-simo recurso al valor de
la funcin objetivo.

Para entender mejor, considere el ejemplo anterior dnde la funcin

objetivo del problema dual esta dada por:

Y0 = 5Y1 + 2Y2

Y los valores ptimos de las variables duales por Y1 = 29/5 y Y2= -2/5. Ntese
que cada unidad del primer recurso (b1=5) contribuye con 29/5 al valor de
la funcin objetivo, mientras que cada unidad del segundo recurso (b2=2)
contribuye con 2/5. Esto significa que b2 no solo no incrementar Y0 sino
que cada unidad adicional de (b2) disminuye Y0 (y por lo tanto Z) en 2/5. En
cambio una unidad de b1 incrementar Y0 en 29/5.

Solucin Dual ptima a partir de la solucin ptima del problema Primal.

Con el siguiente ejemplo aprenderemos como a partir de la solucin ptima

del modelo primal obtenemos automticamente la solucin ptima del
modelo dual.
Max. Z = 5x1 + 12x2+ 4x3
S.A.
x1 +2x2 +2x3 # 5
2x2 -x2 +3x3 = 2

x10 , x20 x30

El mtodo que aplica para la solucin de este problema es el mtodo penal

Obteniendo la forma estndar del modelo e igualando a cero la funcin

objetivo y aplicando los pasos del mtodo penal para la solucin:

Max. Z -5x1 - 12x2-4x3 0X4 + MW1 = 0

S.A.
x1 +2x2 +x3 +x4 = 5
2x1 -x2 +3x3 +W1 = 2

x10 , x20 x30 x40

Utilizando la tabla simplex para la solucin:

La solucin ptima del modelo primal es:
X1 = 9/5
X2 = 8/5
El valor ptimo de la funcin objetivo Z = 141/5

Ahora obtendremos el modelo dual asociado del modelo primal y

procederemos a determinar la solucin ptima del modelo dual por
el mtodo penal:

Modelo Dual asociado

Minimizar Y0 = 5Y1 + 2Y2
S.A.
Y1 +2Y2 5
2Y1 -Y2 12
Y1 +3Y2 14
Y10 Y2 no-restringida en signo

Obteniendo la forma estndar del modelo e igualando a cero la funcin

objetivo y aplicando los pasos del mtodo penal para la solucin:
Minimizar Y0 - 5Y1 - 2Y3+ 2Y4 MW1 MW2 - MW3 = 0
S.A.
Y1 +2(Y3-2Y4) Y5 +W1 =5
2Y1 -(Y3-Y4) -Y6 +W2 =12
Y1 +3(Y3+ Y4) -Y7 +W3 =14

Y10
Y2 = (Y3+ Y4) para toda Y30 y Y40

Utilizando la tabla simplex para la solucin:

La solucin ptima del modelo dual es:
Y1 = 29/5
Y2 = (Y3+ Y4)
Y2 = (0- 2/5)
Y2 = -2/5
El valor ptimo de la funcin objetivo Y0= 141/5

Una observacin de las tablas ptimas del modelo primal y del modelo
dual revela los siguientes resultados:

Ignorando la constante "M", ntese que los coeficientes de las variables de

holgura X4 y de la variable artificial W1 en la tabla ptima generan
automticamente lasolucin ptima de la variable Y1 = 29/5 y de Y2 = -2/5, la
cual es la misma solucin obtenida al resolver el problema dual
independientemente.

Una observacin similar de las tablas dual y primal revela:

Ignorando la constante "M", nuevamente comprobamos que los coeficientes

de las variables artificiales W1 , W2 y W3 en la tabla ptima generan
automticamente lasolucin ptima de la variable X1 = 9/5 y de X2 = 8/5 y X3 =
0, la cual es la misma solucin obtenida al resolver el problema
primal independientemente.

Conclusin:
La solucin ptima del modelo primal (modelo dual) proporciona
informacin sobre la solucin ptima del modelo dual (modelo primal). Las
siguientes reglas son tiles para facilitar la obtencin de la solucin dual
ptima a partir de la tabla ptima del primal.

Regla 1
Si la variable dual corresponde a una variable inicial de holgura en
el problema primal, el valor ptimo de la variable dual esta dado
directamente por los coeficientes de esta variable de holgura en la ecuacin
cero es decir Z ptima (rengln de la funcin objetivo).

Regla 2
Si la variable dual corresponde a una variable artificial inicial del problema
primal, el valor ptimo de la variable dual estar dado por los coeficientes de
la variable artificial en la ecuacin cero de la tabla ptima, eliminando la
constante M.

Obtencin del modelo Dual a partir del problema Primal

El Modelo Primal en forma cannica tiene la siguiente estructura Dual:

Modelo Primal en Forma cannica

Maximizar

Sujeta a:

i = 1,2, ..m

Xj 0 j = 1,2, n

Modelo Dual Asociado

MinimizarY0 = bt Yi

Sujeta a:

atYi C
t

Yi = 0

Ejemplo Modelo primal en forma cannica:

Obtener el modelo dual asociado del siguiente modelo primal en forma
cannica:
Max. z = 3x1 + 5x2
S.A.
x1 #4
2x2 # 12
3x1+ 2x2 # 18
x10 , x20

Primer paso:
Verificar que el modelo cumple con las caractersticas de la forma cannica,
es decir:

i) La funcin objetivo es de Mximizar

ii) Todas las restricciones son del tipo #

iii) Todas las variables de decisin son no negativas

S no es as, aplicar las reglas de equivalencia correspondientes hasta

obtener la forma cannica.

Para el ejemplo que nos ocupa, si se cumplen todas y cada una de dichas
caractersticas.
Segundo paso
El nmero de variables del modelo dual corresponder al nmero
de restricciones del modelo primal. Para nuestro ejemplo sern
tres variables duales porque elmodelo primal en forma cannica tiene
tres restricciones.
Y1, Y2, y Y3 son las variables duales.

x1 # 4 ................ Y1
2x2 # 12 ................ Y2
3x1+ 2x2 # 18 ................ Y3

Tercer paso:
La funcin objetivo dual se formula obteniendo (la transpuesta del vector
de disponibilidad de recursos), es decir

Por lo que la funcin objetivo del modelo dual es:

Minimizar Y0 = 4Y1 + 12Y2 + 18Y3

Cuarto paso:

Las restricciones duales se formulan obteniendo (la transpuesta del

vector de costos o utilidades) y (la transpuesta de la matrz de
coeficientes tecnolgicos).

Las restricciones duales son:

Quinto paso:

Para identificar la naturaleza de las variables duales, debemos observar el

tipo de restricciones que tenemos en el modelo primal en forma cannica,
para el ejemplo que nos ocupa, todas las restricciones en el modelo
primal son del tipo # por lo que las variables duales sern todas del tipo 0,
es decir:

Y10
Y20
Y30

En resumen el modelo dual asociado al modelo primal en forma cannica es

el siguiente:

Minimizar Y0 = 4Y1 + 12Y2 + 18Y3

Sujeta a:
Y1 + 3Y3 3
Y2 + 2Y3 5

Y10 ;Y20; Y30

De la formulacin Dual asociada a un modelo primal en forma cannica, se

deducen las siguientes reglas:

1. A cada restriccin del modelo primal le corresponde una variable en el

modelo dual.

2. Los elementos (coeficientes) del lado derecho de

las restricciones (vector b) del modelo primal, son igual a los
 respectivos coeficientes de la funcin objetivodel modelo dual.

3. S la funcin objetivo del modelo primal es de Mximizar, la funcin

objetivo del modelo dual asociado ser de Minimizar.

4. S las restricciones en el modelo primal son del tipo #, las variables

en el modelo dual sern del tipo 0.

5. Si las variables, en el modelo primal son del tipo 0, las restricciones

en el modelo dual sern del tipo .

El modelo Primal en forma Estndar tiene la siguiente estructura Dual:

Modelo Primal en Forma estndar

Maximizar o Minimizar
Sujeta a:

i = 1,2, ..m

Xj 0 j = 1,2, n

Modelo Dual Asociado

Minimizar o = bT Yi
MaximizarY0

Sujeta a:

aTYi = C
T
 Yi no restringidas en signo

Ejemplo: Modelo primal en forma estndar:

Obtener el modelo dual asociado del siguiente modelo primal en forma

estndar:

Max. Z = 5x1 + 12x2 + 4x3

S.A.
x1 + 2x2 +X3 = 4
2x1 -2x2 +3X3 = 12

x10 , x20 X30

Primer paso:
Verificar que el modelo cumple con las caractersticas de la forma Estndar,
es decir:

i) La funcin objetivo puede ser de mximizar o de minimizar.

ii) Todas las restricciones son ecuaciones, es decir, del tipo =.

iii) El lado derecho de las ecuaciones de restriccin es positivo, es

decir, vector b positivo.

iv) Todas las variables de decisin son no negativas.

S no es as, aplicar las reglas de equivalencia correspondientes hasta

obtener la forma estndar
Para el ejemplo que nos ocupa, si se cumplen todas y cada una de dichas
caractersticas.

Segundo paso:
El nmero de variables del modelo dual corresponder al nmero
de restricciones del modelo primal. Para nuestro ejemplo sern
dos variables duales porque elmodelo primal en forma estndar tiene
dos restricciones.
Y1, Y2, y Y3 son las variables duales.

x1 + 2x2 +X3 = 4..................Y1

2x1 -2x2 +3X3 = 12................Y2

Tercer paso:
La funcin objetivo dual se formula obteniendo (la transpuesta del vector
de disponibilidad de recursos), es decir

Por lo que la funcin objetivo del modelo dual es:

Minimizar Y0 = 5Y1 + 2Y2

Cuarto paso:

Las restricciones duales se formulan obteniendo (la transpuesta del

vector de costos o utilidades) y (la transpuesta de la matrz de
coeficientes tecnolgicos).

Las restricciones duales son:

Quinto paso:
Para identificar la naturaleza de las variables duales, debemos observar el
tipo de restricciones que tenemos en el modelo primal en forma cannica,
para el ejemploque nos ocupa, todas las restricciones en el modelo
primal son del tipo = por lo que las variables duales sern todas del tipo "no
restringidas en signo, es decir:

Y1 no restringida en signo
Y2 no restringida en signo

En resumen el modelo dual asociado al modelo primal en forma estndar es

el siguiente:
Minimizar Y0 = 5Y1 + 2Y2
Sujeta a:

Y1 no restringida en signo;Y2 no restringida en signo

De la formulacin Dual asociada a un modelo primal en forma estndar, se

deducen las siguientes reglas:

1. A cada restriccin del modelo primal le corresponde una variable en

el modelo dual.

2. Los elementos (coeficientes) del lado derecho de

las restricciones (vector b) del modelo primal, son igual a los
respectivos coeficientes de la funcin objetivodel modelo dual.

3. S la funcin objetivo del modelo primal es de Mximizar, la funcin

objetivo del modelo dual asociado ser de Minimizar, en el otro caso,
si la funcin objetivoes de Minimizar , la funcin objetivo del modelo
 dual asociado ser de Maximizar,

4. S las restricciones en el modelo primal son ecuaciones, es decir,

del tipo =, las variables en el modelo dual sern no-restringidas en
signo.

5. Si las variables, en el modelo primal son del tipo =0,

las restricciones en el modelo dual sern del tipo =.

En resumen las reglas generales para obtener el modelo dual asociado a un

modelo primal y viceversa son:

Ejemplo 1:
Aplicando las reglas de dualidad (forma directa de obtener el dual), obtenga
el modelo dual asociado del siguiente modelo primal en forma mixta

Max. Z = 5x1 + 2x2

S.A.
-x1 +x2 # -3
2x1 +3x2 #5
3x1+ 2x2 # 18
x10 , x20

Modelo dual asociado

1. Sobre la funcin objetivo:

Como la funcin objetivo del modelo primal es de maximizar nos ubicamos

del lado izquierdo de la tabla y obtenemos su correspondiente modelo
dual asociado del lado derecho, es decir:
Minimizar Y0 = -3Y1 + 5Y2

2. Sobre las variables duales

Cada restriccin en el modelo primal define una variable en modelo dual, de

tal manera que las variables duales sern dos porque se tienen
dos restricciones en elmodelo primal y su naturaleza esta determinada por el
tipo de restriccin, para nuestro ejemplo las dos restricciones en el modelo
primal son del tipo # por lo que las variables duales sern Y1 0 y Y2 0

3. Sobre las restricciones duales

Para definir el tipo de restricciones duales debemos observar la naturaleza

de las variables del modelo primal, para nuestro ejemplo, X10 y X20, por lo
tanto las restricciones duales sern del tipo , es decir:

-Y1 +2Y2 -5
Y1 +3Y2 2

En resumen el modelo dual asociado es:

Minimizar Y0 = -3Y1 + 5Y2

-Y1 +2Y2 -5
Y1 +3Y2 2

Y1 0 y Y2 0
Ejemplo 2:
Aplicando las reglas de dualidad (forma directa de obtener el dual), obtenga
el modelo dual asociado del siguiente modelo primal en forma mixta

Max. Z = 5x1 + 6x2

S.A.
x1 +2x2 =5
-x1 +5x2 3
x1 Libre , x20

Modelo dual asociado

1. Sobre la funcin objetivo:

Como la funcin objetivo del modelo primal es de maximizar nos ubicamos

del lado izquierdo de la tabla y obtenemos su correspondiente modelo
dual asociado del lado derecho, es decir:
Minimizar Y0 = 5Y1 - 3Y2

2. Sobre las variables duales

Cada restriccin en el modelo primal define una variable en modelo dual, de

tal manera que las variables duales sern dos porque se
tienen dos restricciones en elmodelo primal y su naturaleza esta
determinada por el tipo de restriccin, para nuestro ejemplo la primera
restriccin es de tipo = por lo que la variable dual Y1 serlibre no-
restringida en signo y la variable dual Y2 sera del tipo 0

3. Sobre las restricciones duales

Para definir el tipo de restricciones duales debemos observar la naturaleza

de las variables del modelo primal, para nuestro ejemplo, X1 Libre y X20, por
lo tanto laprimera restriccin dual ser del tipo = y la segunda restriccin
dual ser del tipo , es decir:

Y1 +Y2 =5
2Y1 -5Y2 = 6
En resumen el modelo dual asociado es:

Minimizar Y0 = 5Y1 - 3Y2

Y1 +Y2 = 5
2Y1 -5Y2 6

Y1 Libre y Y2 0

Definicin del Problema Dual

Asociado con cada modelo de programacin lneal existe

otro modelo llamado Dual, al modelo original se le conoce con el nombre
de Primal. Ambos modelos tienen propiedades muy relacionadas de modo
que la solucin ptima de cualquiera de los dos, revela cierta informacin
concerniente a la solucin ptima del otro.

Las estructuras duales permiten entre otras cosas:

Resolver modelos lineales que tienen ms restricciones que variables.

Hacer interpretaciones econmicas de las soluciones ptimas de los

problemas de programacin lineal.

Generar mtodos como el dual-simplex para

el anlisis de sensibilidad de
los problemas de programacin lineal.
Mtodo Dual-Simplex.

El mtodo dual-simplex se aplica para resolver problemas que empiezan

con factibilidad dual, es decir, ptimos pero infactibles.

Un problema se puede resolver por el mtodo dual-simplex, cuando,

despus de igualar acero la funcin objetivo y convertir las restricciones en
ecuaciones, agregando las variables de holgura necesarias, al menos uno,
cualquiera de los elementos del vector b (vector de disponibilidades) es
negativo y la condicin de optimalidad se satisface.

Un comparativo entre el mtodo simplex y el mtodo dual-simplex.

El mtodo dual-simplex requiere de la aplicacin de dos criterios para su

solucin: El criterio de optimalidad que asegura que la solucin
permanecer ptima todo el tiempo y el criterio de factibilidad que forza
las soluciones bsicas hacia el espacio factible.

Criterio de Factibilidad. La variable saliente ser aquella variable bsica que

tenga el valor ms negativo en el vector bi. Si todas las variables
bsicas son positivas o sea 0 se tiene la solucin final, ptima y factible.

Criterio de optimalidad. La variable entrante se selecciona de entre

las variables no-bsicas como sigue:

Dividir los coeficientes de la ecuacin cero entre los coeficientes de la

ecuacin asociada con la variable saliente, ignorando
denominadores positivos y/oceros. La variable entrante ser aquella
cuyo cociente sea el menor, si el problema es de minimizar, el de
menor valor absoluto si es de maximizar. Si todos los denominadores
son 0, el problema no tendr solucin factible.
La aplicacin del mtodo dual-simplex es especialmente til para el tema
de anlisis de sensibilidad. El procedimiento del mtodo dual-simplex se
explicara ms objetivamente con los siguientes ejemplos:

Ejemplo 1
Considere el siguiente modelo de PL y determine su solucin por el mtodo
dual-simplex.

Minimizar. Z= 2X1 + X2
S.A.
3X1 +X2 3
4X! +3X2 6
X! +2X2 #3

X10 , X20 X30

Igualando a cero la funcin objetivo y agregando las variables de

holgura para obtener ecuaciones de restriccin.

Minimizar. Z-2X1 - X2 = 0
S.A.
-3X1 -X2 +X3 =-3
-4X! -3X2 +X4 =-6
X! +2X2 X5 = 3

X10 , X20 X30

Obteniendo la forma tabular para aplicar el procedimiento del dual-simplex.

Conclusin.
La solucin ptima es:
X1 = 3/5
X2= 6/5
Con Zoptima = 12/5

Ejemplo 2.
Considere el siguiente modelo de PL y determine su solucin por el mtodo
dual-simplex.

Maximizar. Z= -4X1 -12 X2 -18 X3

S.A.
X1 +3X3 3
+2X2 +2X3 5

X10 , X20 X30

Igualando a cero la funcin objetivo y agregando las variables de

holgura para obtener ecuaciones de restriccin.

Minimizar. Z+4X1 +12 X2 +18 X3= 0

S.A.
-X1 -3X3 +X4 =-3
-.2X2 -2 X3 X5 =-5

X10 , X20 X30

Obteniendo la forma tabular para aplicar el procedimiento del dual-simplex.

Conclusin.
La solucin ptima es:
X2 = 3/2
X3= 1
Con Zoptima = -36

Anlisis de Sensibilidad

Despus de que se ha obtenido la solucin ptima de un problema

de programacin lineal (PL), puede darse el caso de que uno o varios
parmetros de la formulacin original cambien dando origen a un nuevo
problema, sin embargo mediante la aplicacin de la tcnica llamada anlisis
de sensibilidad no ser necesario volver a resolver el problema desde el
principio.

La utilidad del anlisis de sensibilidad en los modelos de PL consiste, en

que permite una interpretacin razonable de los resultados ya obtenidos. En
muchos casos la informacin generada por la aplicacin del anlisis de
sensibilidad es ms importante y mucho ms informativa que el simple
resultado obtenido en la solucin ptima. En cierto sentido, el anlisis de
sensibilidad convierte la solucin esttica de los modelos de PL. en un
instrumento dinmico que evala las condiciones cambiantes.

El nuevo problema puede diferir del original en uno varios de los

siguientes cambios que pueden ocurrir simultneamente:

1. Cambios en la disponibilidad de recursos (vector bi).

2. Cambios en los costos o utilidades unitarias (vector Cj).
3. Cambios en los coeficientes tecnolgicos (matriz aij).

La estructura inicial de una tabla simplex es la siguiente:

Y la estructura ptima de una tabla simplex es:

El anlisis de sensibilidad se basa en el conocimiento de la tabla inicial

simplex y en la aplicacin de las propiedades de la estructura ptima de una
tabla simplex.
Ejercicios 5.1. al 5.5.
Dualidad y Anlisis de Sensibilidad

TAREA 1

5.1. Anote dentro del parntesis los siguientes nmeros que correspondan
a los enunciados.

(1) Los parmetros

(2) El anlisis de sensibilidad
(3) La dualidad
(4) Las variables duales
(5) El valor ptimo
(6) La solucin factible
(7) El mtodo dual-simplex
(8) El mtodo heurstico
(9) Variable dual Yi
(10) Precios sombra
(11) Modelo primal

5.1.2. (__) _______________de la funcin objetivo primal es igual al

valor ptimo de la funcin objetivo dual.

5.1.3. (__) En el mtodo dual-simplex, si todas las variables bsicas no

son negativas el proceso termina y se alcanza _______________

5.1.4. (__) _______________Permanecen constantes para cada

problema, pero varan con problemas distintos.

5.1.5. (__) _______________Es til en el anlisis de sensibilidad.

5.1.6. (__) _______________Para desarrollar soluciones aproximadas

aceptables.
 5.1.7. (__) _______________Es un mtodo para investigar el efecto que
tienen cambios en los diferentes parmetros sobre la solucin ptima
de un problema de PL.

5.1.8. (__) _______________Tienen importantes interpretaciones

econmicas.

5.1.9. (__) _______________Permite entre otras cosas resolver modelos

lineales que tienen ms restricciones que variables.

5.1.10. (__) _______________Contribucin unitaria del i-simo recurso al

valor de la funcin objetivo.

5.1.11. (__) La expresin CBXB de la tabla ptima,

representa_______________.

5.1.12. (__) El dual del dual es el modelo_______________.

TAREA 2

5.2. Determine el modelo dual, a partir de su forma cannica y a partir de las

reglas de dualidad (forma directa) del siguiente modelo de PL.

Minimizar Z = 5X1 + 2X2

S.A.

-8X1 +2X3 0
X2 - 3X3 = 6
X1 - 6X2 4

X1 libre; X2 0; X3 0

Las siguientes cinco preguntas, estn relacionadas al modelo dual

obtenido, mediante la forma cannica.

(_) 5.2.1. El nmero de variables de decisin del modelo dual es:

a). Seis
b). Cinco
c). Cuatro
d). Tres
e). Ninguna

(_) 5.2.2. Los coeficientes de la segunda restriccin del modelo dual

son:
a). (0, 1, 3)
b). (0, 1,-1 ,6)
c). (0, 3, 1)
d). (-8, 0, 0, -1)
e). Ninguna

(_) 5.2.3. Los costos del modelo dual son, respectivamente:

a). (0, -6 ,6 ,4)
b). (5, -2, 0)t
c). (-5, 5, 2, 0)t
d). (0, 6)
e). Ninguna

(_) 5.2.4. El tipo de optimizacin del modelo dual es:

a). Min.G
b). Max. Z
c). Min.(-G)
d). Max.-(G)
e). Ninguna

(_) 5.2.5. Los recursos del modelo dual son respectivamente:

a). (0, 6)
b). (-5, 5, 2, 0, 0)
c). (0, 6, -6)t
d). (5,-5, 2, 0,0)t
e). Ninguna
Las siguientes cinco preguntas, estn relacionadas con el modelo dual
en forma directa.

(_) 5.2.6. Los costos duales:

a). (0, 0, 6)
b). (0, -6, 6)
c). (-5, 2, 0)
d). (0, 6, 4)
e). Ninguna

(_) 5.2.7. Los recursos duales son:

a). (5, -2, 0)t
b). (-5, 2, 0)t
c). (5,-5, 2, 0, 0)
d). (0, 6)
e). Ninguna

(_) 5.2.8. La naturaleza de las variables duales, es respectivamente:

a). 0, libre
b). 0, 0, 0
c). 0, libre
d). 0, , libre, 0
e). Ninguna

(_) 5.2.9. Las restricciones duales son del tipo, respectivamente:

a). =, , =
b). =, , =
c). =, ,
d). =, =,
e). Ninguna

(_) 5.2.10. La segunda restriccin dual es::

a). Y2-6Y3 2
b). -8Y1+Y3 = -5
c). 2Y1-3Y2 0
d). -Y20,
 e). Ninguna

TAREA 3

5.3. Determine el modelo dual, a partir de su forma cannica y a partir de las

reglas de dualidad (forma directa) del siguiente modelo de PL.

Minimizar Z = X1 + 2X3
S.A.
X2 + 6X3 24
X1 + X2 - 2X3 = 0

X1 0; X2 libre; X3 0

Las siguientes cinco preguntas, estn relacionadas al modelo dual

obtenido, mediante la forma cannica.

(_) 5.3.1. El nmero de variables de decisin del modelo dual es:

a). Dos
b). tres
c). Cuatro
d). Cinco
e). Ninguna

(_) 5.3.2. Los recursos del modelo dual son:

a). (1, 0, 2)t
b). (1, 0,2 ,0)t
c). (24, 0, 0)t
d). (-1, 0, 0, 2,)t
e). Ninguna

(_) 5.3.3. Los costos del modelo dual son, respectivamente:

a). (0, -24, 24)
b). (1, -2, 0)t
c). 24, 0, 0)t
d). (24, 0)
e). Ninguna

(_) 5.3.4. El tipo de optimizacin del modelo dual es:

a). Min.(-G)
b). Max. Z
c). Min.G
d). Max.-(G)
e). Ninguna

(_) 5.3.5. Los coeficientes de la tercera restriccin del modelo dual son:

a). (6, -2, 2)

b). (-1, 1, -1)
c). (0, -1, 1)
d). (6, 2)
e). Ninguna

Las siguientes cinco preguntas, estan relacionadas con el modelo dual

en forma directa.

(_) 5.3.6. Los costos duales son:

a). (1, 0, 2)
b). (24, 0, 0
c). (-24, 24, 0)
d). (24, 0,)
e). Ninguna

(_) 5.3.7. Los recursos duales son:

a). (24, 0, 0)t
b). (1, 2, 0)t
c). (1, 0, 2)t
d). (24, 0)t
e). Ninguna

(_) 5.3.8. La naturaleza de las variables duales, es respectivamente:

 a). 0, libre
b). 0, 0, 0
c). libre, 0,
d). libre, libre,
e). Ninguna

(_) 5.3.9. Las restricciones duales son del tipo, respectivamente:

a). =, , =
b). =, , =
c). =, ,
d). , =,
e). Ninguna

(_) 5.3.10. La segunda restriccin dual es:

a). Y1+Y2 2
b). Y1+Y2 = 0
c). 6Y1-2Y2 0
d). -Y21
e). Ninguna

TAREA 4

5.4. Determine el modelo dual, a partir de su forma cannica y a partir de las

reglas de dualidad (forma directa) del siguiente modelo de PL.

Minimizar Z = 4X2 + X3
S.A.
- X1 +2X2 - 6X3 15
X1 + - 2X3 = 70

X1 libre; X2 0; X3 0

Las siguientes cinco preguntas, estn relacionadas al modelo dual

obtenido, mediante la forma cannica.
(_) 5.4.1. El nmero de variables de decisin del modelo dual es:
a). Dos
b). Tres
c). Cuatro
d). Cinco
e). Ninguna

(_) 5.4.2. Los recursos del modelo dual son:

a). ( 0, 0, 4, -1)t
b). ( 0, 4, 1)t
c). (4, -1)t
d). (15, 70, -70)t
e). Ninguna

(_) 5.4.3. Los costos del modelo dual son, respectivamente:

a). ( 0, 0, 4, -1)t
b). ( 0, 4, 1)t
c). (15, -70, 70)t
d). (15, 70, -70)t
e). Ninguna

(_) 5.4.4. El tipo de optimizacin del modelo dual es:

a). Min.(-G)
b). Max. Z
c). Min.G
d). Max.-(G)
e). Ninguna

(_) 5.4.5. Los coeficientes de la tercera restriccin del modelo dual son:

a). (-6, 2, -2)

b). ( 3, -3, 0, 2)
c). (-2, 0, 0)
d). (2, 0)
e). Ninguna

Las siguientes cinco preguntas, estn relacionadas con el modelo dual

en forma directa.

(_) 5.4.6. Los costos duales son:

a). (0, 4, 1)
b). (15, -70, 70)
c). (-2, 0, 0)
d). (15, 70)
e). Ninguna

(_) 5.4.7. Los recursos duales son:

a). (15, 70, -70)t
b). (0, 4, 1)t
c). (0, 0, 4, -1)t
d). ( 15, 70)t
e). Ninguna

(_) 5.4.8. La naturaleza de las variables duales, es respectivamente:

a). 0, libre
b). 0, 0, 0
c). libre, 0
d). libre, libre,
e). Ninguna

(_) 5.4.9. Las restricciones duales son del tipo, respectivamente:

a). =, , =
b). =, ,
c). , ,
d). , =,
e). Ninguna

(_) 5.4.10. La segunda restriccin dual es:

a). -Y1+3Y2 =0
b). Y1+3Y2 3Y3 0
c). -2Y1 4
d). -6Y1-2Y21
e). Ninguna
 TAREA 5

5.5. Considere la siguiente tabla ptima incompleta, de un modelo de P.L., en

forma cannica:

(_) 5.5.1. El nmero de variables de decisin originales son:

a). 6
b). 5
c). 4
d). 3
e). Ninguna

(_) 5.5.2. El tipo de las variables que se agregaron para resolver el

problema son:
a). Solo holguras
b). Solo artificiales
c). Una suplerflua, una artificial y una holgura
d). Una holgura y una artificial
e). Ninguna

(_) 5.5.3. El valor del segundo recurso del modelo es:

a). 8
b). 10
c). 14
d). 16
e). Ninguna
(_) 5.5.4. El valor del primer recurso del modelo es:
a). 12
b). 16
c). 14
d). 8
e). Ninguna

(_) 5.5.5. Los coeficientes de las variables de decisin en la funcin

objetivo son:
a). (0, 2, -3)
b). (2, 1, 0)
c). (1, 2, 2)
d). (-2, 2, 1)
e). Ninguna

(_) 5.5.6. Los coeficientes de las variables de decisin en la primera

restriccin son:
a). (2, 1, 0)
b). (0, 0, 1)
c). ( 2, 0)
d). (1, 1, -2)
e). Ninguna

(_) 5.5.7. Los coeficientes de las variables de decisin en la segunda

restriccin son:
a). (2, 1, 0)
b). (0, 0, 1)
c). (2, 0)
d). (1, 1, -2)
e). Ninguna

(_) 5.5.8. Los precios sombra que muestra la tabla son:

a). (0, 2, 2)
b). (3, 0, 0)
c). (0, 0, 2)
d). (2, 2 )
e). Ninguna
(_) 5.5.9. El valor ptimo de la funcin objetivo es:
a). 150
b). 60
c). 36
d). 240
e). Ninguna

(_) 5.5.10. Los coeficientes de las variables de decisin en la funcin

objetivo son:
a). (X5, X2)t
b). (X3, X4)t
c). (X4, X3)t
d). (X1, X2)t
e). Ninguna