Este documento presenta una introducción a la dualidad y el análisis de sensibilidad en problemas de optimización. En primer lugar, explica cómo construir el problema dual asociado a un problema primal y algunos teoremas clave de dualidad. Luego, introduce el concepto de análisis de sensibilidad para determinar cómo varía la solución óptima ante cambios en los parámetros del problema. Finalmente, propone un problema de ejemplo sobre la maximización de ingresos por venta de arreglos florales sujeto a recursos disponibles.

1. Universidad de Chile
Facultad de Ciencias F´
ısicas y Matem´ticas
a
Departamento de Ingenier´ Industrial
ıa
IN34A: Clase Auxiliar
Dualidad y An´lisis de Sensibilidad
a
Marcel Goic F.1
1
Esta es una versi´n bastante preliminar por lo que puede contar con numerosas faltas de ortograf´ y
o ıa
errores no forzados. Si encuentran alguno favor de denunciarlo a mgoic@ing.uchile.cl

2. IN34A: Optimizaci´n
o Pag. 1
1. Una brev´
ısima introducci´n.
o
Encontrar el ´ptimo de un problema de optimizaci´n, es solo una parte del proceso de
o o
soluci´n. Muchas veces nos interesar´ saber como var´ la soluci´n si var´ alguno de los
o a ıa o ıa
par´metros del problema que frecuentemente se asumen como determin´
a ısticos, pero que
tienen un caracter intr´
ınsicamente aleatorio. M´s especificamente nos interesar´ saber para
a a
que rango de los par´metros que determinan el problema sigue siendo valida la soluci´n
a o
encontrada.
Otro aspecto interesante es el tema de dualidad. Dualidad resulta de buscar relaciones que
permitan obtener informaci´n adicional de un problema de optimizaci´n general. Esto, tra-
o o
ducido a PL nos conduce a relaciones primal-dual. Adem´s veremos algunos teoremas utiles
a ´
de dualidad y el concepto de precio sombra.
2. Acerca de Dualidad
Todo problema de optimizaci´n (primal), tiene un problema asociado (dual) con numerosas
o
propiedades que los relacionan y nos permiten hacer un mejor an´lisis de los problemas. A
a
continuaci´n se describen los resultados que se ocupar´n en la resoluci´n de los problemas.
o a o
2.1. Construcci´n del problema dual
o
Bastante en general, para encontrar el dual de un problema lineal:
1. Si es problema de minimizaci´n el dual ser´ de maximizaci´n y viceversa.
o a o
2
2. En el dual habr´ tantas variables como restricciones
a en el primal.
3. En el dual habra tantas restricciones como variables en el primal.
4. Los coeficientes de la funci´n objetivo del dual vendr´n dados por los coeficientes del
o a
lado derecho de las restricciones del primal.
5. Los coeficientes del lado derecho del dual vendr´n dados por los coeficientes de la
a
funci´n objetivo del primal.
o
6. Los coeficientes que acompa˜ar´n a las variable en una restriccion del dual correspon-
n a
der´n a aquellos coeficientes que acompa˜an a la variable primal correspondiente a la
a n
restriccion dual 3 .
7. Para saber si las restricciones duales son de ≤, = ´ ≥, se recurre a la tabla de relaciones
o
primal-dual.
2
Suponemos restricciones l.i
3
O si se prefiere, los coeficeintes ser´n el resultado de transponer la matriz A de coeficientes
a

3. IN34A: Optimizaci´n
o Pag. 2
8. Para saber si las variables duales son ≤ 0, = 0 ´ ≥ 0, se recurre a tabla de relaciones
o
primal dual.
Relaciones Primal-Dual
Estas relaciones nos permiten pasar de un problema de primal a su dual en forma bastante
algor´
ıtmica, tanto para problemas de minimizaci´n como de maximizaci´n.
o o
´ ´
PROBLEMA DE MINIMIZACION PROBLEMA DE MAXIMIZACION
Restricciones Variables
≥ ≥0
= Irrestricta
≤ ≤0
Variables Restricciones
≥0 ≤
Irrestricta =
≤0 ≥
2.2. Algunos teoremas de dualidad
Consideremos el siguiente par primal-dual:
(P ) m´ın z = c·x (D) m´x
a w = y·b
t
s.a A · x ≥ b s.a A · y ≤ c
xi ≥ 0 yi ≥ 0
Teorema D´bil de Dualidad
e
Si x e y son factibles para (P ) y (D) respectivamente, entonces z(¯) ≥ w(¯).
¯ ¯ x y
Teorema Fundamental de Dualidad4
Dados un par de problemas primal-dual, si uno de ellos admite soluci´n ´ptima, en-
o o
tonces el otro tambien la admite y los respectivos valores ´ptimos son iguales.
o
Teorema de Holgura Complementaria
 
α1·
 α2· 
Sea β·1 β·2 · · · β·n =  .  una matriz de m filas y n columnas.
 
 . 
.
αm·
Sea el par primal-dual siguiente:
4
Tambi´n conocido como teorema fuerte de dualidad
e

4. IN34A: Optimizaci´n
o Pag. 3
(P ) m´ın z = c·x (D) m´x
a w = y·b
s.a αi · x ≥ bi s.a βj · y ≤ cj
xi ≥ 0 yi ≥ 0
Sean x e y soluciones factibles para los problema (P) y (D) respectivamente. x e y son
¯ ¯ ¯ ¯
o
´ptimos si y solo si:
i) (αi · x − bi ) · yi = 0
¯ ¯ i=1,...,m.
ii) (cj − y · βj ) · xj = 0
¯ ¯ j=1,...,n.
Obs:Notar que (αi · x − bi ) y (cj − y · βj ) son las variable de holgura de los problemas
¯ ¯
(P) y (D) respectivamente.
2.3. Acerca de los precios sombra
Los valores de las variables duales en el ´ptimo tienen una interpretaci´n econ´mica intere-
o o o
sante en problemas de programaci´n lineal: Corresponde a las tasas marginales de variaci´n
o o
del valor de la funci´n objetivo ante variaciones unitarias del lado derecho de una restricci´n.
o o
Por este motivo se le llama precio sombra al vector de variables duales en el ´ptimo.
o
3. Acerca de sensibilidad
Como ya se dijo, nos interesa ver como se ve afectada la soluci´n de un problema de opti-
o
mizaci´n si cambia alguno de los par´metros del problema. En este ´mbito, podemos distin-
o a a
guir 2 tipos de an´lisis:
a
Analisis de sensibilidad: Consiste en determinar cual es el rango de variaci´n de los
o
par´metros del problema de modo que la base ´ptima encontrada siga siendo ´ptima.
a o o
Analisis post optimal: Consiste en determinar como var´ la base ´ptima si cambia
ıa o
alguno de los par´metros del problema.
a
En la presente sesi´n nos concentraremos en an´lisis de sensibilidad dejando el an´lisi post
o a a
optimal para un poco mas adelante.
Consideremos la forma estandar siguiente:
(P ) m´ın z = c·x
s.a A · x = b
x ≥ 0

5. IN34A: Optimizaci´n
o Pag. 4
Sea B la base ´ptima. Nos interesa estudiar el rango de variaci´n de los parametros c y b de
o o
5
modo que B siga siendo ´ptima .
o
Variaci´n en el parametro b.
o
Buscamos el rango en el que puede tomar valores b de modo que la base B siga siendo
o
´ptima. Para ello debemos verificar:
1. Factibilidad: xB = B −1 b ≥ 0
2. Optimalidad: cR = cR − cB B −1 R ≥ 0
¯
Como en la ecuaci´n 2. no hay dependencia explicita de b, no impone condiciones y
o
por tanto solo debemos verificar 1.
Variaciones en el parametro c
Buscamos el rango en el que puede tomar valores c de modo que la base B siga siendo
o
´ptima. Para ello debemos verificar:
1. Factibilidad: xB = B −1 b ≥ 0
2. Optimalidad: cR = cR − cB B −1 R ≥ 0
¯
Como en la ecuaci´n 1. no hay dependencia explicita de b, no impone condiciones y
o
por tanto solo debemos verificar 2. Notemos que al variar un coeficiente de cj a cj e
ˆ
imponer la condici´n 2. surgen dos casos:
o
• Caso 1: variable xj es no b´sica.
a
−1
cj = cj − cB B βj
¯ ˆ cambia.
−1
ck = ck − cB B βk
¯ no cambia (i = j).
Por lo tanto s´lo tenemos que imponer 1 ecuaci´n: la de costo reducido asociado
o o
a variable que cambi´.
o
• Caso 2: variable xj es b´sica.
a
−1
ck = ck − cB B βk
¯ ¯ ˆ puede cambiar ∀ k.
Por lo tanto, no basta con examinar una unica ecuaci´n y se debe inspeccionar
´ o
todas las ecuaciones de costo reducido. As´
ı:
◦ Si cambia cj de variable no b´sica se impone cj ≥ 0.
a ¯
◦ Si cambia cj de variable b´sica se impone ck ≥ 0 ∀ xk no b´sica.
a ¯ a
5
En rigor, tambien podr´ interesarnos estudiar otras situaciones como por ejemplo variaciones en los
ıa
coeficientes de la matriz A, o que pasar´ si agregamos una nueva variable, etc. Sin embargo, por el momento
ıa
s´lo estudiaremos estos 2 casos cl´sicos
o a

6. IN34A: Optimizaci´n
o Pag. 5
4. Problemas
4.1. Problema 1
Una florista sabe hacer solo 2 tipos distintos de arreglos florales (x1 y x2 ) para los
cuales dispone de 3 tipos distintos de flores: rozas, tulipanes e ibizcos. Los requerimientos
de flores para cada arreglo, la disponibilidad de flores y los precios de cada arreglo vienen
dados por:
FLORES x1 x2 DISPONIBILIDAD
Rozas 3 1 300
Tulipanes 1 1 140
Ibizcos 1 3 300
PRECIO 2000 1000 -
1. Formule un PPL que resuelva el problema de maximizaci´n de ingresos por ventas
o
sujeto a la disponibilidad de recursos.
2. ¿Cual es el problema dual asociado? ¿Que situaci´n podr´ estar optimizando?
o ıa
3. Usando el teorema de holgura complementaria, encuentre el ´ptimo del problema dual
o
sabiendo que el ´ptimo primal viene dado por (x1 = 80, x2 = 60).
o
4. Suponga que retorna frustrado despu´s que una bella dama le cerrara la puerta cuando
e
usted le llevaba amablemente una rosa, un tulip´n y un ibizco 6 . Si se encuentra con
a
la florista, ¿Cuanto cree que estar´ dispuesta a pagar ella por sus flores?
ıa
Soluci´n
o
1. A estas alturas del curso, todos debieran de poder modelar un problema tan sencillo
como este por lo que ahorrar´ comentarios:
e
m´x z = 2000x1 + 1000x2
a
s.a 3x1 + x2 ≤ 300
x1 + x2 ≤ 140
x1 + 3x2 ≤ 300
x 1 , x2 ≥ 0
6
Dependiendo el caso, puede alternativamente imaginar que es usted una bella dama quien cerr´ la puerta
o
a un apuesto varon sin antes haberse quedado con las flores :)

7. IN34A: Optimizaci´n
o Pag. 6
2. Para encontrar el dual, procedemos como se describi´ en la introducci´n teorica de esta
o o
clase aplicando las relaciones de dualidad:
m´ w = 300y1 + 140y2 + 300y3
ın
s.a 3y1 + y2 + y3 ≥ 2000
y1 + y2 + 3y3 ≥ 1000
y 1 , y2 , y3 ≥ 0
Esta formulaci´n resuelve el problema de un agente externo que quiere saber que precio
o
unitario ofrecer por cada una de las flores si quiere comprarle todas las flores a la
florista. As´ y1 , y2 e y3 son los precios asociados a las rozas, tulipanes e ibizcos.
ı,
3. La florista ha encontrado su combinaci´n ´ptima (¯1 = 80, x2 = 60). Sabemos que en el
o o x ¯
o
´ptimo se cumple el teorema de holgura complementaria. Entonces, podemos aplicarlo:
a) (3¯1 + x2 − 300) · y1 = 0
x ¯ ¯
b) (¯1 + x2 − 140) · y2 = 0
x ¯ ¯
c) (¯1 + 3¯2 − 300) · y3 = 0
x x ¯
d ) (2000 − 3¯1 − y2 − y3 ) · x1 = 0
y ¯ ¯ ¯
e) (1000 − y1 − y2 − 3¯3 ) · x2 = 0
¯ ¯ y ¯
Como x1 = 80 y x2 = 60, se tiene que:
¯ ¯
a) ⇒ y1 ∈ R
¯
b) ⇒ y2 ∈ R
¯
c) ⇒ y3 = 0
¯
d ) ⇒ 3¯1 + y2 = 2000
y ¯
e) ⇒ y1 + y2 = 1000
¯ ¯
Resolviendo el sistema:
y1 = 500
¯ y2 = 500
¯ y3 = 0
¯
Notar que z(¯) = w(¯) = 220000
x y
¿Como se interpreta esto?. La florista vender´ rosas y tulipanes a un precio de $500
a
cada una y entregar´ como oferta los ibizcos gratis, pero esto solo si se vende todo
a
como un paquete. Esto toma sentido pues si vende todas las rosas y tulipanes (dado
que solo sabe hacer los arreglos florales descritos) no podr´ sacarle provecho alguno a
a
los ibizcos.

8. IN34A: Optimizaci´n
o Pag. 7
4. Asumiendo los paradigmas de competencia perfecta7 , la florista ofrecer´ por las flores
a
una cantidad identica a lo que ella ganar´ por ellas. Este valor viene dado nuevamente
ıa
por los ´ptimos duales o precios sombras:
o
y1 = 500
¯ y2 = 500
¯ y3 = 0
¯
En efecto y para reforzar lo dicho, en el ´ptimo se tendr´ que:
o a
z ∗ = cB B ∗ −1 b − cR xR
¯
no b´sica
a
∗
= π b− cR · xR
¯
no b´sica
a
Entonces
∂z ∗
= cB B ∗ −1 = πi
·i
∗
∂bi
4.2. Problema 2
Considere el cl´sico problema de combinaci´n de productos sujeto a restricciones de disponi-
a o
bilidad de recursos:
m´x z = x1 + 3x2
a
s.a x1 + 4x2 ≤ 100
x1 + 2x2 ≤ 60
x1 + x2 ≤ 50
x 1 , x2 ≥ 0
1. Realice un an´lisis de sensibilidad para el vector del lado derecho de las restricciones.
a
2. Realice un an´lisis de sensibilidad para el vector de coeficientes de la funci´n objetivo.
a o
3. Suponga que se evalua la posibilidad de fabricar un nuevo producto xnuevo de modo
que el problema queda descrito como
m´x z = x1 + 3x2 + xnuevo
a
s.a x1 + 4x2 + 5xnuevo ≤ 100
x1 + 2x2 + 3xnuevo ≤ 60
x1 + x2 + 2xnuevo ≤ 50
x1 , x2 , xnuevo ≥ 0
7
Es decir, que el precio de transacci´n de un bien es tal todos los agentes quedan indiferentes
o

9. IN34A: Optimizaci´n
o Pag. 8
¿Sigue siendo ´ptima la soluci´n anteriormente planteada?
o o
Hint: En el ´ptimo, la base esta formada por las variables x1 , x2 y x5 , en donde se
o
han asignado las variables x3 , x4 y x5 como holgura de las restricciones seg´n el orden
u
enunciado.
Soluci´n
o
Antes de cualquier cosa, pasamos a forma estandar:
m´ z = −x1 − 3x2
ın ˜
s.a x1 + 4x2 + x3 = 100
x1 + 2x2 + x4 = 60
x1 + x2 + x5 = 50
x 1 , x 2 , x3 , x 4 , x5 ≥ 0
De la indicaci´n.
o
x1 x2 x5  
1 4 0 −1 2 0
B ∗ = 1 2 0 ⇒ B ∗ −1 =  1/2 −1/2 0 
1 1 1 1/2 −3/2 1
1. Ante variaciones de b, ya dijimos que solo tenemos que verificar factibilidad:
  
−1 2 0 b1
B ∗ −1 · b =  1/2 −1/2 0   b2  ≥ 0
1/2 −3/2 1 b3
Un an´lisis general nos conducir´ a un espacio de soluciones en R3 . Sin embargo,
a ıa
lo usual es analizar la variaci´n de la disponibilidad de un recurso dejando los otros
o
constantes (ceteris paribus).
b1 :
    
−1 2 0 b1 −b1 + 120
 1/2 −1/2 0   60  =  b1 − 30  ≥ 0
2
b1
1/2 −3/2 1 50 2
− 40
Entonces, la inecuaci´n vectorial nos entrega 3 inecuaciones escalares que final-
o
mente imponen que:
80 ≤ b1 ≤ 120

10. IN34A: Optimizaci´n
o Pag. 9
b2 :
    
−1 2 0 100 −100 + 2b2
 1/2 −1/2 0   b2  =  50 − b22 ≥0
1/2 −3/2 1 50 50 − 3b2 + 500
2
Entonces, la inecuaci´n vectorial nos entrega 3 inecuaciones escalares que final-
o
mente imponen que:
200
50 ≤ b2 ≤
3
b3 :
    
−1 2 0 100 −100 + 120
 1/2 −1/2 0   60  =  50 − 30  ≥ 0
1/2 −3/2 1 b3 50 − 90 + b3
Entonces, la inecuaci´n vectorial nos entrega s´lo una inecuaci´n con dependencia
o o o
de b3 , la que nos dice que:
b3 ≤ 40
2. Como ya se argument´, ahora solo nos preocuparemos de la condici´n de optimalidad:
o o
−1
cR = cR − cB B R ≥ 0. Al igual que el caso anterior, se estudiar´ la sensibilidad de
¯ a
los parametros independientemente.
c1 : x1 es b´sica, entonces tenemos que considerar todos los costos reducidos.
a
(¯3 , c4 ) = (c3 , c4 ) − (c1 , c2 , c5 )B −1 R
c ¯
  
−1 2 0 1 0
= (0, 0) − (−c1 , −3, 0)  1/2 −1/2 0  0 1 
1/2 −3/2 1 0 0
 
−1 2
= (0, 0) − (−c1 , −3, 0)  1/2 −1/2 
1/2 −3/2
= −(c1 − 3/2, −2c1 + 3/2) ≥ (0, 0)
Entonces
3/4 ≤ c1 ≤ 3/2

11. IN34A: Optimizaci´n
o Pag. 10
c2 : x2 tambien es b´sica y por lo tanto tenemos que considerar todos los costos
a
reducidos.
(¯3 , c4 ) = (c3 , c4 ) − (c1 , c2 , c5 )B −1 R
c ¯
  
−1 2 0 1 0
= (0, 0) − (−1, −c2 , 0)  1/2 −1/2 0   0 1 
1/2 −3/2 1 0 0
 
−1 2
= (0, 0) − (−1, −c2 , 0)  1/2 −1/2 
1/2 −3/2
c2 c2
= −(1 − , −2 + ) ≥ (0, 0)
2 2
Entonces
2 ≤ c2 ≤ 4
Obs:An´lisis para c3 , c4 y c5 no tienen sentido para este problema pues las vari-
a
ables asociadas son las de holgura. De todas formas, el procedimiento es an´logo
a
(con la diferencia que cuando es variable no b´sica podr´ hacerse menos calcu-
a ıan
los).
3. Adelantando un poco, este problema cabe dentro de an´lisis post optimal pues vere-
a
mos cual es nuevo ´ptimo para una variaci´n dada del los parametros del problema.
o o
Claramente la incorporaci´n de este nuevo producto, como no se esta produciendo
o
(xnuevo = 0), no viola la factibilidad del problema. Luego, s´lo tenemos que verificar la
o
o
´ptimalidad:
  
−1 2 0 5 1 0
(¯nuevo , c3 , c4 ) = (−1, 0, 0)(−1, −3, 0)  1/2 −1/2 0   3 0 1 
c ¯ ¯
1/2 −3/2 1 2 0 0
= −(3, 1/2, 1/2) ≥ (0, 0)
.·. La base sigue siendo ´ptima.
o
Obs: En mas de alguna parte habr´n le´ que dualidad es una poderosa herramienta de
a ıdo
an´lisis de sensibilidad y post optimal, pero sin embargo nunca la hemos usado con esos
a
propositos. En efecto, la parte 3. de este problema es equivalente a la verificaci´n de una
o
unica condici´n dada por la restricci´n dual asociada a la nueva variable xnuevo :
´ o o
5¯1 + 3¯2 + 3¯3 ≥ 1
y y y
y1 , y2 e y3 son los valores ´ptimos del problema original y se determinan a partir de la
¯ ¯ ¯ o
soluci´n primal.
o

12. IN34A: Optimizaci´n
o Pag. 11
4.3. Problema 3
Comente acerca de la veracidad o falsedad de las siguientes aseveraciones:
1. Si un problema de programaci´n lineal es infactible su dual es necesariamente no aco-
o
tado.
2. Si conozco la soluci´n ´ptima de un PPL, tengo inmediatamente el valor de la funci´n
o o o
objetivo ´ptima del problema dual asociado sin necesidad de utilizar el teorema de
o
holgura complementaria.
3. Si conozco los precios sombra de un problema de programaci´n lineal puedo reconstruir
o
directamente la soluci´n (primal) de este problema.
o
4. El precio sombra de toda restricci´n inactiva es cero.
o
5. Hacer an´lisis de sensibilidad corresponde a utilizar la informaci´n dada por la resolu-
a o
ci´n de un PPL para ver como seri´ la nueva soluci´n si var´ alguno de los par´metros
o a o ıa a
del problema.
Soluci´n
o
1. Falso ya que el problema dual puede ser infactible.
2. Verdadero porque se tendra que el valor de la funci´n objetivo dual ´ptima coin-
o o
cidir´ con el valor de la funci´n objetivo primal ´ptima.
a o o
3. Verdadero pues el vector de precios sombras es el vector de variables duales ´ptimas.
o
Luego, puedo aplicar el teorema de holgura complementaria para recuperar la soluci´n
o
primal.
4. Verdadero. Basta aplicar el teorema de holgura complementaria. Otra forma de verlo
es a trav´s de un problema de producci´n (combinaci´n de productos): Al aumentar
e o o
marginalmente la disponibilidad de un recurso sobre el cual tenemos holguras, no nos
aporta ning´n aumento de los beneficios.
u
5. Falso. Eso corresponder´ a an´lisis post optimal. An´lisis de sensibilidad estudia las
ıa a a
condiciones que deben darse sobre los par´metros para que la soluci´n siga siendo
a o
o
´ptima.