Instituto Tecnológico De Mérida

Ingeniería Industrial

Grupo: 4I2

Unidad 2

Síntesis "Interpretación económica de la dualidad"

Docente:

Mayra Pacheco Cardín

Alumno:

Cocom Ordoñez Esmeralda Sarai

 Concepto de la Dualidad

La dualidad en programación lineal es un concepto fundamental que se refiere a la relación

entre dos problemas interconectados: el problema primal y el problema dual. En el contexto de la

programación lineal, el problema primal busca maximizar o minimizar una función objetivo sujeta a

restricciones lineales. El problema dual se deriva a partir del problema primal y busca encontrar los

valores que minimizan o maximizan los costos asociados con las restricciones. Cada restricción en el

problema primal tiene una variable dual asociada en el problema dual, y estas variables duales

representan los precios sombra o el valor de los recursos adicionales.

El conocimiento de la dualidad es esencial en la toma de decisiones en el ámbito industrial y

empresarial, ya que proporciona una base matemática y económica para la optimización de recursos, la

evaluación de impacto, toma de decisiones estratégicas, la interpretación de precios sombra y la toma

de decisiones estratégicas basadas en datos permitiendo decisiones informadas sobre la asignación de

recursos limitados ,en si para nosotros como ingenieros industriales, la dualidad es una herramienta

valiosa para mejorar la eficiencia y la productividad en procesos industriales y en la gestión de recursos.

(Yapura, 2018)

Por ejemplo, para la Optimización de Producción, supongamos que una fábrica busca maximizar

su producción de cierto producto sujeto a restricciones de recursos como horas de mano de obra y

materias primas limitadas. La dualidad permite calcular los precios sombra, que representan cuánto vale

cada recurso adicional. Saber estos valores ayuda a tomar decisiones sobre cuánta mano de obra y

materias primas asignar a la producción para maximizar los ingresos.

En el siguiente ejemplo podemos ver la gestión de inventarios, en una empresa que debe decidir

cuánto inventario mantener, la dualidad proporciona precios sombra que indican cuánto vale tener una
unidad adicional de un artículo en inventario. Esto influye en las decisiones sobre cuánto inventario

mantener para satisfacer la demanda del mercado y minimizar los costos de almacenamiento.

Otro ejemplo de la relevancia de la dualidad para tomar decisiones económicas seria, Diseño de

Rutas de Transporte, una empresa de logística debe decidir la asignación de camiones a rutas de

transporte. La dualidad ayuda a entender cómo se traducen económicamente los cambios en la

asignación de recursos, lo que es relevante para tomar decisiones sobre la expansión de rutas y la

distribución eficiente de productos. (Perossa)

Para establecer la relación dual entre el problema primal y su problema dual de la siguiente

función, primero formulamos el problema primal y luego derivamos el problema dual. El problema

primal se da como:

Minimizar Z=2 x ₁+3 x ₂

Sujeto a:

2 x ₁+2 x ₂ ≤30

x ₁+2 x ₂ ≥ 10

x1 , x2 ≥ 0

El problema dual se deriva a partir del problema primal y se establece de la siguiente manera:

Maximizar W =30 y ₁+10 y ₂

Sujeto a:

2 y ₁+ y ₂ ≤2

2 y ₁+2 y ₂≤ 3
 y1 , y2 ≥ 0

Ahora, para entender la relación dual, veamos cómo se derivó el problema dual a partir del

primal:

1. Función Objetivo Dual: La función objetivo dual busca maximizar W, y los coeficientes de esta

función (30 y 10) provienen de los lados derechos de las restricciones del problema primal. Estos

coeficientes representan el costo (o valor) asociado a cada restricción en el problema primal.

2. Restricciones Duales: Las restricciones del problema dual provienen de las restricciones del

problema primal. La primera restricción dual (2 y ₁+ y ₂ ≤2 ) corresponde a la restricción del

problema primal (2 x ₁+2 x ₂ ≤30 ) en la que se utilizaron los coeficientes de los términos de la

izquierda de la desigualdad de la restricción primal. La segunda restricción dual (2 y ₁+2 y ₂≤ 3)

proviene de la restricción ( x ₁+2 x ₂ ≥ 10) del primal.

3. Variables Duales: En el problema dual, tenemos las variables duales y ₁y y ₂. Estas variables se

asocian con las restricciones del problema primal. Cada variable dual está asociada con una

restricción del problema primal. La variable dual y ₁ se asocia con la primera restricción del

problema primal, mientras que y ₂ se asocia con la segunda restricción del problema primal.

Las variables duales, también conocidas como precios sombra o valores duales, son un concepto

importante en la teoría de la programación lineal y la optimización matemática. Estas variables están

asociadas a las restricciones de un problema de optimización lineal y proporcionan información acerca

de cómo cambiaría el valor óptimo de la función objetivo si se relajaran o modificaran esas restricciones

en el problema. Las variables duales son útiles para analizar el impacto de los cambios en los recursos

disponibles o las restricciones en la solución óptima de un problema.

 En el campo de la ingeniería industrial, las variables duales se emplean para resolver cuestiones

vinculadas con la distribución eficiente de recursos, la programación de la producción, el transporte, y

diversos desafíos asociados a la mejora de procesos y operaciones.

Imaginemos que una empresa de fabricación se propone determinar la cantidad ideal de dos

tipos de productos, A y B, a producir con el fin de maximizar sus ganancias, teniendo en cuenta

limitaciones en la disponibilidad de materias primas y horas de trabajo. La formulación del problema de

optimización se podría expresar de la siguiente manera:

Maximizar Z = 5A + 3B (donde Z representa las ganancias) Sujeto a: 2A + B ≤ 40 (restricción de

materia prima) A + 3B ≤ 30 (restricción de horas de trabajo) A, B ≥ 0 (no se pueden fabricar cantidades

negativas)

En este contexto, resultan cruciales las restricciones 1 y 2. Cada una de estas restricciones se

asocia con una variable dual, que denominaremos como y1 e y2, respectivamente. Estas variables

duales reflejan el valor adicional que la empresa estaría dispuesta a desembolsar por cada unidad extra

de materia prima y hora de trabajo.

Si solucionamos este problema de programación lineal y hallamos que la respuesta óptima es A

= 10 y B = 5, entonces podemos calcular las variables duales. Si y1 = 2 y y2 = 3, eso significa que la

empresa estaría dispuesta a desembolsar hasta $2 por unidad adicional de materia prima y hasta $3 por

unidad adicional de hora de trabajo sin que sus ganancias óptimas se vean afectadas.

Las variables duales también pueden brindar información acerca de la capacidad de la empresa

para absorber aumentos en los recursos disponibles. Por ejemplo, si y1 = 2, eso sugiere que la empresa

tiene cierta capacidad para emplear más materia prima antes de que los costos se eleven

significativamente. (López, 2019)

 Las condiciones de optimalidad para problemas duales y primales son fundamentales en la

teoría de la programación lineal y son esenciales para encontrar soluciones óptimas en problemas de

optimización en ingeniería industrial.

Problema Primal:

El problema primal en la programación lineal hace referencia al problema de optimización

original que se busca resolver, como la maximización de ganancias o la minimización de costos. Para

este problema, las condiciones de óptimo se expresan de la siguiente manera:

 Condición de Factibilidad Primal: Cada restricción del problema primal debe cumplirse. Esto

significa que las variables de decisión (las cantidades que se intentan optimizar) deben cumplir

todas las restricciones del problema original.

 Condición de No Negatividad Primal: Las variables de decisión deben ser no negativas. Esto

implica que las cantidades que se buscan determinar no pueden ser negativas en el contexto del

problema. Por ejemplo, no se pueden producir cantidades negativas de un producto en la

producción.

 Condición de Óptimo Primal: La combinación de valores de las variables de decisión que

maximiza (o minimiza) la función objetivo debe ser tal que ninguna otra combinación de valores

pueda mejorar la solución. En otras palabras, no debe existir una solución factible que ofrezca

un valor superior para la función objetivo.

Problema Dual:

El problema dual se deriva del problema primal y tiene como objetivo encontrar los valores

duales asociados a las restricciones del problema primal. Las condiciones de óptimo para el problema

dual se expresan de la siguiente manera:

  Condición de Factibilidad Dual: Las variables duales (también conocidas como precios sombra)

deben ser no negativas. Esto significa que los valores duales no pueden ser negativos, ya que

representan cuánto estaría dispuesta a pagar la empresa por relajar las restricciones en el

problema primal.

 Condición de No Negatividad Dual: Las variables duales deben satisfacer la restricción de no

negatividad, lo que implica que no pueden ser negativas.

 Condición de Óptimo Dual: La combinación de valores duales que maximiza (o minimiza) el valor

de la función objetivo dual debe ser tal que ninguna otra combinación de valores duales pueda

mejorar la solución. En otras palabras, no debe existir una solución dual factible que ofrezca un

valor superior para la función objetivo dual.

Estas condiciones de óptimo son esenciales para resolver problemas de programación lineal en

ingeniería industrial. La solución óptima se logra cuando tanto el problema primal como el problema

dual cumplen con sus respectivas condiciones de óptimo, lo que garantiza que las variables de decisión y

los valores duales proporcionen una solución óptima y que ningún cambio en las restricciones pueda

mejorar esta solución.

La dualidad en la programación lineal y su aplicación en la ingeniería industrial constituyen una

herramienta poderosa para el análisis y la optimización de problemas complejos.

Ejemplo 1: Problema de Distribución

Imagina que eres el responsable de logística en una empresa de distribución de productos y

debes tomar decisiones sobre cómo transportar productos desde tres fábricas a cuatro tiendas

minoristas, con el objetivo de minimizar los costos de transporte. Este problema de transporte se puede

expresar como un problema de programación lineal, y la dualidad se aplica de la siguiente manera:

 Problema Primal: Minimizar Z (costo total de transporte)

Restricciones:

 Capacidad de producción en fábricas: 3A + 4B + 2C ≥ 100

 Demanda en tiendas: D + 2E + 3F + G ≤ 90

 Restricciones de no negatividad para las variables de asignación.

Problema Dual: Maximizar W (beneficio por unidad de capacidad o demanda)

Restricciones:

 Capacidad de fábricas: 3y1 ≤ 2

 Capacidad de fábricas: 4y2 ≤ 4

 Capacidad de fábricas: 2y3 ≤ 2

 Demanda en tiendas: y4 ≥ 0

Las variables duales (y1, y2, y3, y4) reflejan los beneficios adicionales que se obtendrían al

incrementar la capacidad de producción en las fábricas o al elevar la demanda en las tiendas. Si se

resuelve el problema dual y se encuentra que y1 = 0.5, y2 = 0.75, y3 = 1.2, esto indicaría que podrías

mejorar tus ganancias en 0.5 unidades por cada unidad adicional de capacidad en la fábrica A, 0.75

unidades por cada unidad adicional de capacidad en la fábrica B y 1.2 unidades por cada unidad

adicional de capacidad en la fábrica C.

Ejemplo 2: Problema de Planificación de la Producción

Supongamos que eres un ingeniero de producción en una fábrica que produce distintos tipos de

productos y tu objetivo es maximizar la ganancia total asignando recursos limitados a la producción. El

problema se formula como un problema de programación lineal, y la dualidad se emplea para su

análisis:

Problema Primal: Maximizar Z (ganancia total)

Restricciones:

 Horas de mano de obra disponibles: 2A + B ≤ 100

 Materiales disponibles: A + 3B ≤ 120

 Restricciones de no negatividad para las cantidades de productos.

Problema Dual: Minimizar W (costo por unidad de recurso)

Restricciones:

 Costo de mano de obra: y1 ≥ 0

 Costo de materiales: y2 ≥ 0

Las variables duales (y1, y2) representan el costo adicional por unidad de mano de obra o

materiales disponibles. La resolución del problema dual ofrece una estimación de cuánto estarías

dispuesto a pagar por recursos adicionales.

La dualidad en la programación lineal y la ingeniería industrial es una herramienta poderosa,

pero también tiene sus limitaciones y supuestos que deben ser considerados críticamente.

Limitaciones Supuestos

 Validez de los supuestos de linealidad  Suposición de convexidad: La validez

y proporción constante: La de la dualidad se cimienta en la

aplicabilidad de la dualidad se premisa de que tanto el problema

 fundamenta en la premisa de que los primal como el dual son de naturaleza

problemas son lineales y que las convexa. Cuando uno de ellos o ambos

relaciones entre las variables carecen de esta propiedad convexa,

mantienen una proporción constante. las soluciones óptimas pueden no

No obstante, en la realidad, estos existir o pueden ser difíciles de hallar.

supuestos pueden no ser válidos en  Suposición de independencia de

todas las circunstancias. En situaciones restricciones: La dualidad parte del

no lineales o caracterizadas por supuesto de que las restricciones

relaciones no proporcionales, la presentes en el problema primal y el

dualidad podría carecer de dual son independientes entre sí. En

aplicabilidad. situaciones donde existen

 Dependencia de la existencia de una interdependencias entre las

solución factible: La dualidad es restricciones, la aplicabilidad de la

relevante cuando existe una solución dualidad puede verse comprometida.

factible para el problema primal. Sin  Suposición de certeza en los

embargo, en ciertos casos, hallar una coeficientes: La dualidad se

solución factible puede ser un desafío fundamenta en la certeza de los

complejo o requerir una inversión coeficientes, los cuales se consideran

sustancial de recursos. como valores conocidos y constantes

 Sensibilidad a las variaciones en los en las funciones objetivo y

coeficientes de costos y recursos: Los restricciones. No obstante, en la

resultados derivados de la dualidad realidad, estos coeficientes pueden

pueden ser susceptibles a las ser inciertos o estar sujetos a

alteraciones en los coeficientes de variaciones temporales, lo que

 costos y en la disponibilidad de complica la utilización efectiva de la

recursos. Pequeñas modificaciones en dualidad.

estos coeficientes pueden ocasionar

cambios sustanciales en los valores

duales y, por consiguiente, en las

recomendaciones basadas en la

dualidad.

La dualidad constituye una herramienta valiosa en los campos de la ingeniería industrial y la

optimización, si bien su empleo demanda una comprensión rigurosa de sus restricciones y suposiciones.

Es fundamental tener en mente que la dualidad es una herramienta matemática que puede suministrar

conocimientos valiosos, pero no necesariamente representa la solución absoluta a un problema. Los

resultados provenientes de la dualidad deben ser analizados con cautela y en el contexto particular de la

situación en cuestión. (Taha, 2012)

 Conclusión

La dualidad Se relaciona con la existencia de dos problemas: el problema primal, que busca

maximizar o minimizar una función objetivo sujeta a restricciones, y el problema dual, que busca

encontrar los precios sombra asociados a esas restricciones.

La dualidad proporciona una perspectiva adicional en la resolución de problemas de ingeniería

industrial. A través de la dualidad, se pueden determinar los precios sombra, que representan cuánto se

estaría dispuesto a pagar o cuánto se ganaría si se relajan o ajustan las restricciones del problema

primal. Esto es valioso en situaciones donde los recursos son limitados y es esencial comprender cómo

afectan a la solución

En resumen, la interpretación económica de la dualidad es una herramienta valiosa en la caja de

herramientas de un ingeniero industrial. Proporciona información esencial para la toma de decisiones

estratégicas, la asignación eficiente de recursos y la adaptación a un entorno empresarial en constante

cambio. Ayuda a garantizar que los procesos y sistemas sean lo más eficientes y rentables posible, lo que

es fundamental en un mundo empresarial altamente competitivo y en evolución óptima.

Referencias
López, B. S. (Junio de 2019). Ingenieria Industrial Online. Obtenido de

https://www.ingenieriaindustrialonline.com/investigacion-de-operaciones/dualidad-en-

programacion-lineal/

Neira, E. M. (2018). Repository. Obtenido de

https://repository.javeriana.edu.co/bitstream/handle/10554/44641/181028-Yaya-Leon.pdf?

sequence=1

Perossa, M. L. (s.f.). ChekPoint. Obtenido de

https://www.economicas.unsa.edu.ar/afinan/afe_2/material_de_estudio/material/Como

%20pensamos%20cuando%20decidimos%20Del%20modelo%20dual%20de%20razonamiento

%20a%20las%20decisiones%20en%20finanzas.pdf

Taha, H. A. (2012). Investigación De Operaciones. Pearson.

Yapura, P. (Junio de 2018). Aula Virtual. Obtenido de

https://aulavirtual.agro.unlp.edu.ar/pluginfile.php/21829/mod_resource/content/6/

dualidad.pdf#:~:text=La%20dualidad%20constituye%20un%20t%C3%B3pico,sensibilidad%20o

%20an%C3%A1lisis%20post%2D%C3%B3ptimo.