Universidad abierta para adultos

UAPA
Tema:
Tarea IV
Asignatura:
Investigación de Operaciones I
Participante:
Eddy Manuel Sosa Campos
Matricula:
13-2399
Facilitador:
Ing. José L. Taveras
Fecha:
12 de abril 2020
Después de buscar y gestionar la información y haber leído y
estudiado los contenidos de la unidad, realiza las siguientes
actividades:
 1. Realiza:
a. Un resumen sobre la teoría de dualidad donde se destaquen los
aspectos económicos fundamentales. Que llamamos Dual y
pasos para su aplicación.
Teoría de la dualidad. El dualismo es una teoría que surge como consecuencia
de una profundización en el estudio de la Programación lineal.

La importancia de la teoría de la dualidad se puede resumir, entre otros

aspectos, en lo siguiente:

 Permite resolver problemas de programación lineal de forma más rápida

y sencilla.
 Es otra vía para resolver un problema de programación lineal.
 Facilita profundizar en el contenido económico del problema original
(primal).
 Puede ser utilizada para resolver el caso en que se debe considerar la
introducción de una nueva variable en el primal una vez que ha de sido
obtenida la solución óptima, sin tener que resolver completamente el
problema.

B. Establezca los pasos de aplicación del Dual Simplex

El método simplex dual resulta ser una estrategia algorítmica eficiente cuando
luego de llevar un modelo de programación lineal a su forma estándar, la
aplicación del método simplex no es inmediata o más bien compleja, por
ejemplo, puede requerir la utilización del método simplex de 2 fases.

Una aplicación típica del método simplex dual es en la resolución de problemas

con una función objetivo de minimización, con restricciones del tipo mayor o
igual y donde las variables de decisión son mayores o iguales a cero.

Ejemplo Simplex Dual

Considere el siguiente modelo de Programación Lineal:

Paso 1: Se lleva el modelo a su forma estándar. En nuestro ejemplo esto se
logra agregando variables de exceso en cada una de las restricciones (3
primeras: S1, S2, S3, respectivamente). Luego, se multiplica cada fila de las
restricciones por -1 de modo de disponer una solución básica inicial (infactible)
en las variables de exceso S1, S2 y S3. De esta forma se obtiene la siguiente
tabla inicial.

A B C S1 S2 S3

-15 -2 -1 1 0 0 -200

-7,5 -3 -1 0 1 0 -150

-5 -2 -1 0 0 1 -120

315 110 50 0 0 0 0

Paso 2: Se selecciona el lado derecho "más negativo" lo cual indicará cuál de

las actuales variables básicas deberá abandonar la base. En el ejemplo el lado
derecho más negativo se encuentra en la primera fila, por tanto, S1 deja la
base. Para determinar cuál de las actuales variables no básicas (A, B, C)
entrará a la base se busca el mínimo de {-Yj/aij} donde aij es el coeficiente de
la respectiva variable no básica en la fija i (del lado derecho más negativo,
marcado en verde) y donde Yj es el costo reducido de la respectiva variable no
básica. De esta forma se obtiene: Min {-315/-15, -110/-2, -50/-1} = 21, donde el
pivote (marcado en rojo) se encuentra al hacer el primer cociente, por tanto, A
entra a la base.

Paso 3: Se actualiza la tabla anterior siguiendo un procedimiento similar al

utilizado en el Método Simplex. En el ejemplo se debe dejar a la variable A
como básica y S1 como no básica. La tabla que resulta es la siguiente:

A B C S1 S2 S3

-
1 2/15 1/15 0 0 40/3
1/15

0 -2 -1/2 -1/2 1 0 -50

-
0 -4/3 -2/3 -1/3 0 1
160/3

-
0 68 29 21 0 0
4.200

Paso 4: Continuar las iteraciones y siguiendo el mismo procedimiento hasta

disponer de una solución básica factible. Luego de unas iteraciones se obtiene
la siguiente tabla final:
 A B C S1 S2 S3

- 1/1
1 0 0 0 8
1/10 0

0 1 0 1/4 -1 3/4 10

0 0 1 0 2 -3 60

-
0 0 0 4 10 36
6.620

La solución óptima es A=8, B=10, C=60 (marcado en verde) con valor

óptimo V(P)=6.620 (marcado en rojo - se obtiene con signo cambiado).
También es interesante notar que los costos reducidos de las variables
artificiales S1, S2 y S3 (marcado en amarillo), corresponde a la solución óptima
del modelo.

 
2. Realiza un resumen del Análisis de sensibilidad, porque se
aplica, que llamamos precio sombra o Valor Económico.

Los precio sombra representa el costo de oportunidad de producir o consumir

un bien o servicio en un problema de programación lineal

Un bien o servicio puede no tener un precio de mercado; sin embargo, siempre

es posible asignarle un precio sombra, que permite hacer un análisis de costo-
beneficio.

Es el significado del multiplicador de Lagrange, el cual representa la variación

de un objetivo dado cuando se cuenta con una unidad adicional de un cierto
recurso limitado.

El precio sombra, es el valor por una unidad extra del recurso, ya que el costo
del recurso no es incluido en el cálculo de los coeficientes de la función
objetivo.

Cuando se tienen las dos soluciones, la solución dual se denomina de precios

sombra.

Los valores de las variables duales en la optimización corresponden al valor de

las tasas marginales de variación del valor de la función objetivo ante las
variaciones unitarias del lado derecho de una restricción. Por este motivo se le
llama precio sombra al vector de variables duales en el valor óptimo.

Se podría incrementar la función objetivo en la magnitud del precio sombra si

se tuviera una unidad adicional de ese recurso, o sea, el fabricante puede
aumentar su ganancia total en el precio sombra de un recurso, si dispone de
una unidad adicional de ese recurso. El precio sombra de un recurso es la
cantidad máxima que debe pagar un fabricante por una unidad adicional de ese
recurso.