

Profesor: Eco. HUGO SOTO PEREZ


Integrantes: - León Reyes Zally
- Medina Matos Daisy
SOFTWARE PARA -Figueroa Herrera Omar
LA GESTIÓN DE - Serrano Malpartida Kevin
SERVICIOS DE OBU
- UNAS
 PRINCIPIO DE DUABILIDAD
El principio de dualidad se basa en la propiedad bidimensional de las transacciones
económicas que permite establecer conexiones específicas entre los distintos elementos
patrimoniales y en la relación causa-efecto que produce como explicación de las variaciones
entre inversión y financiación (Ijiri, 1967, p. 101). Esto implica que:
 En una unidad económica, se distingue por un lado, ente bienes y derechos y, por otro, las
obligaciones.
 En todo suceso económico siempre podrá identificarse un recurso u origen de fondos, y un
empleo o aplicación de dichos fondos.
 PRINCIPIO DE DUABILIDAD

La aplicación del principio de dualidad al método de la Partida Doble, de acuerdo con Fernández-Pirla
(1974, p. 120) y Montesinos (1976, p. 254), se concreta en los siguientes puntos:
 Toda cuenta consta de Debe y Haber para representar empleos y recursos, respectivamente.
 En todo sistema de cuentas existe al menos dos series de tipo opuesto.
 Todo suceso que sea susceptible de contabilización tiene al menos dos cuentas de signo contrario.
 Las expresiones monetarias de dichas cuentas antitéticas son iguales y de signo contrario si en la
valoración se utiliza la misma moneda.
 PROBLEMAS TIPICOS

Buscar la maximización de beneficios, utilidades.

Minimización de costos, materiales y otros de inversión.
Conocer la utilidad y costos de inversión.
 REGLAS PARA HALLAR EL
PROBLEMA DUAL
La tabla siguiente muestra las reglas para
obtener el problema Dual de cualquier
problema de Programación Lineal:
PROBLEMA PRIMAL Y PROBLEMA DUAL
Cada problema de programación lineal lleva asociado un problema “dual” con el que
prácticamente está muy relacionado. Para calcular el problema dual, partimos del
problema de programación lineal expresado de la forma siguiente (habitual en todos
nuestros problemas):

- Maximizar la función objetivo: Z = c1x1 + c2x2 + …+ cnxn

- Poner las restricciones en la forma siguiente:

a11x1 + a12x2 + … + a1nxn <= b1

a21x1 + a22x2 + … + a2nxn <= b2
…
am1x1 + am2x2 + … + amnxn <= bm

El problema dual va a definirse de la siguiente forma:

- Minimizar una función Z’ con unas variables distintas a Z y con los coeficientes
derechos de las restricciones como coeficientes. Quedaría como sigue:
Z = b1y1 + b2y2 + …+ bnyn
 • El problema dual tiene tantas variables como inecuaciones el sistema de restricciones del problema primal.

• os coeficientes de la función objetivo del dual son los términos independientes de las restricciones del primal.
- Las restricciones quedarían de la forma siguiente:

a11y1 + a21y2 + … + am1yn >= c1

a22y1 + a22y2 + … + am2yn >= c2
…
a1my1 + a2my2 + … + amnyn >= cn

• El sistema de restricciones del dual tiene tantas inecuaciones ligadas por el signo
“>=” como variables tiene el primal.

• Los coeficientes de las inecuaciones del sistema de restricciones del problema dual
son los mismos que los del sistema de restricciones del problema primal cambiando
filas por columnas.

• Los términos independientes de las inecuaciones del sistema de restricciones del

dual son los términos de la función objetivo del primal.
PROPIEDADES BÁSICAS

Dada la relación existente entre el problema dual y el primal se pueden

enumerar las siguientes propiedades que nos permitirán el uso de esta
dualidad para resolver diferentes aspectos de los problemas de
optimización.
– Propiedad de la dualidad débil: Cualquier solución factible en el primal tiene un valor menor o
igual que una solución factible en el dual. Matemáticamente: cX <= Yb. Siempre se cumple porque
el valor máximo factible de Z es igual al valor mínimo factible de Z’.

– Propiedad de la dualidad fuerte: Si X e Y son respectivamente soluciones factibles del problema

primal y del dual y se cumple que cX=Yb entonces X e Y son soluciones a ambos problemas. En
conclusión, en el óptimo ambas soluciones son iguales.

– Propiedad de las soluciones complementarias: En cada iteración, el simplex determina una

solución FEV X del primal, y una solución complementaria Y del dual. En cada paso se obtienen
variables básicas para el primal, y los valores de las variables de holgura son las soluciones del
dual complementarias óptimas. Éstas se forman con los elementos correspondientes situados en
la última fila y en las columnas que están asociadas a las variables de holgura.
Cuando se está resolviendo el problema primal, el problema dual es no factible. Sólo se vuelve
factible cuando se halla la solución óptima.
– Propiedad de las soluciones complementarias óptimas: En la tabla simplex final, se obtiene la solución
óptima x* del primal, y se obtiene la solución óptima complementaria y* del dual, y en este punto ambas son
factibles.

• c x* = y*b Los valores de yi* se denominan precios sombra para el problema primal. - Propiedad de la
simetría: Para cualquier problema, el dual del dual es el primal.
La solución del problema dual corresponderá a los valores del último renglón de las variables de holgura
 EJERCICIO DE APLICACION
Un carpintero modesto fabrica dos tipos de mesas de madera. Cada mesa del tipo 1
necesita 4 horas de mecanizado primario (preparación de piezas) y 4 horas de
mecanizado secundario (ensamblado y barnizado). Análogamente, cada mesa del tipo
2 necesita 3 horas de mecanizado primario y 7 horas de mecanizado secundario.
Las disponibilidades diarias de mecanizados primario y secundario son
respectivamente de 40 y 56 horas-máquina. La venta de una mesa del tipo 1 reporta un
beneficio de 70 euros, mientras que la venta de una mesa del tipo 2 de 90 euros.
Siendo x1 y x2 son las cantidades diarias de mesas a fabricar de los tipos 1 y 2
respectivamente el problema de programación lineal quedaría como sigue:
Introducimos las variables de Holgura

Construimos la tabla simplex inicial. Las variables básicas son x4, x5

Como es mejorable. La variable x2 es la variable que entrará a la

base, la variable que saldrá será la correspondiente a la prueba del cociente mínimo.

La variable x4 saldrá de la base por lo que el elemento pivote es el 7.

Como es mejorable. La variable x1 es la variable que entrará a
la base, la variable que saldrá será la correspondiente a la prueba del cociente mínimo.

La variable x3 saldrá de la base por lo que el elemento pivote es el 16/7.

Como es mejorable. La variable x1 es la variable que entrará a la base, la

variable que saldrá será la correspondiente a la prueba del cociente mínimo.
La solución óptima (obtenida por el método gráfico o el algoritmo del simplex) establece que han de producirse
diariamente 7 y 4 sillas de los tipos 1 y 2 respectivamente, lo que da lugar a un beneficio de 850 euros.
Este resultado indica que ambos recursos de mecanizado (primario y secundario) están plenamente utilizados
porque las restricciones relacionadas con ellos están ambas activas, es decir, las dos son restricciones
obligatorias.
Por otra parte, considérese que quiere aumentarse el beneficio diario. Para ello es necesario aumentar la
capacidad productiva. Considérese que la capacidad de mecanizado secundario puede aumentarse cada día de
56 a 72 horas de máquina. ¿Cómo afecta esta ampliación de capacidad a los beneficios diarios?
La solución puede obtenerse mediante Análisis de Sensibilidad utilizando los mecanismos vistos en el tema anterior y el algoritmo dual
del simplex si procede.

En este caso la solución óptima es x1 = 4 y x2 = 8 con un beneficio máximo diario de 1000 euro. Este solución indica que el beneficio
diario crece en 150 euros y la capacidad de mecanizado secundario crece en 72 - 56 = 16 horas máquina. El ratio 1000-
850/16=150/16=75/8 euros, al que la función objetivo crece al crecer la capacidad de mecanizado secundario 1 hora, se denomina
sensibilidad o precio sombra (también precio dual) de la capacidad de mecanizado secundario. En general el precio sombra de una
restricción proporciona el cambio en el valor de la función objetivo como resultado de un cambio unitario en el término independiente de la
restricción, suponiendo que el resto de parámetros del problema permanecen inalterados. En muchos problemas de programación lineal
los precios sombra son tan importantes como la solución del problema, ya que proporcionan información sobre el efecto en la función
objetivo de cambios en los recursos disponibles. Los precios sombra pueden obtenerse resolviendo el problema dual. El problema dual
del problema del carpintero se formula a continuación.

Introducimos variables de holgura cambiando de signo las restricciones:

La tabla simplex inicial quedaría

Hemos comprobado que la variable 1 y pasará a formar parte de la base en lugar de y4. Por lo tanto el
pivote será el número que está en la casilla subrayada de la tabla anterior. Ahora, a partir del pivote
calcularemos la nueva tabla

La variable y3 saldrá de la base por lo que el elemento pivote es el 16/3.

Análisis de Sensibilidad
 INTRODUCCION
En éste trabajo de investigación se a bordara sobre lo que es el
análisis de sensibilidad sus características y la resolución de un
problema presentando los argumentos pertinentes y una
metodología práctica y rápida en su aplicación; así como encontrar la
solución optima Bajo estas circunstancias, como en cualquier
aspecto de decisión gerencial, es útil realizar un análisis de
sensibilidad para determinar cómo afecta a la decisión la asignación
de probabilidades. El análisis de sensibilidad concierne al estudio de
posibles cambios en la solución óptima disponible como resultado de
hacer cambios en el modelo original.
 ANALISIS DE SENSIBILIDAD

• Busca determinar los efectos que se producen en la solución óptima al realizar

cambios en cualquiera de los parámetros del modelo de programación lineal
planteado inicialmente. Entre los cambios que se investigan están: los
cambios en los coeficientes de las variables en la función objetivo tanto para
variables básicas como para las variables no básicas, cambios en los recursos
disponibles de las restricciones, variación de los coeficientes de utilización en
las restricciones e introducción de una nueva restricción.

• El objetivo principal del análisis de sensibilidad es identificar el intervalo

permisible de variación en los cuales las variables o parámetros pueden
fluctuar sin que cambie la solución optima. Sin embargo, así mismo se
identifica aquellos parámetros sensibles, es decir, los parámetros cuyos
valores no pueden cambiar sin que cambie la solución óptima.
PROCEDIMIENTO PARA ANÁLISIS DE SENSIBILIDAD
cuando se realiza un análisis de sensibilidad a una solución óptima se debe verificar
cada parámetro de forma individual, dígase los coeficientes de la función objetivo y los limites de
cada una de las restricciones. En ese sentido se plantea el siguiente procedimiento:

Revisión del modelo: se realizan los cambios que se desean investigar en el modelo.
• Revisión de la tabla final Símplex: se aplica el criterio adecuado para determinar los cambios que
resultan en la tabla final Símplex.
• Conversión a la forma apropiada de eliminación Gauss: se convierta la tabla en la forma apropiada
para identificar y evaluar la solución básica actual, para lo cual se aplica
la metodología de eliminación Gauss si es necesario.
• Prueba de factibilidad: se prueba la factibilidad de esta solución mediante la verificación de que todas
las variables básicas de la columna del lado derecho aun tengan valores no negativos.
• Prueba de optimalidad: se verifica si esta solución es optima y factible, mediante la comprobación de
que todos lo coeficientes de las variables no básicas del reglón Z permanecen no negativos.
• Reoptimización: si esta solución no pasa una de las pruebas indicadas en los puntos 4 y 5 anteriores, se
procede a buscar la nueva solución optima a partir de la tabla actual como tabla Símplex inicial, luego de
aplicadas las conversiones de lugar, ya sea con el método Símplex o el Símplex Dual.
Ejercicios de aplicación.
Dado un problema de programación lineal tal que:

Cuya tabla simplex final es:

1) Aplicando análisis de sensibilidad para los coeficientes de la función
objetivo:

Las variables estructurales son aquellas con las que se planteo originalmente el problema de
programación lineal, como seria : pero, dentro de las variables estructurales podemos
distinguir variables básicas (aparecen en la solución optima ) yy variables no básicas; entonces se
concluye que elanalisis de sensibilidad para los coeficientes de la función objetivo depende de si las
variables son básicas o no.
 EJEMPLO :
• Supongamos que mi vecino me ha propuesto crear un nuevo negocio que implica una
inversión inicial de 100,000 dólares. Después de hacer el análisis profundo del proyecto
hemos estimado que tendremos ventas por 85,000 dólares en el primer año.
Parece ser un negocio redituable, pero debemos considerar también los gastos fijos que
serán de 35,000 dólares y los gastos variables que serán de 25,000 dólares. Con estos
gastos tendremos una ganancia de 20,000 dólares.
• Como sabemos, todo proyecto tiene variables que no podemos controlar y que inevitablemente irán
cambiando con el tiempo. En nuestro ejemplo, serán las ventas y los gastos variables los que pueden
variar y por lo tanto modificar nuestra ganancia.
• En la imagen superior puedes observar que la fórmula para calcular las ganancias depende de los
valores de las ventas y de los gastos fijos y variables. Si podemos construir varios escenarios donde
modifiquemos los montos que son variables (ventas y gastos variables) entonces podremos saber
fácilmente la manera en que serán afectadas las ganancias en cada uno de los casos.

Crear el análisis de sensibilidad en Excel

Antes de crear el análisis de sensibilidad en Excel debo
agregar los datos para los cuales se crearán los diferentes
escenarios en Excel. Como puedes observar, en la fila 7 he
colocado diferentes montos de venta y en la columna B (por
debajo de los cálculos previos) he colocado diferentes montos de
gastos variables.
• Para poder crear el análisis de sensibilidad en Excel debemos
seleccionar el rango de datos B7:F11 y pulsar el botón Análisis Y si que se
encuentran en la ficha Datos y posteriormente seleccionar el comando
Tabla de datos.
• En la opción Celda de entrada (fila) colocaré la referencia a la celda que contiene el monto
original de ventas (B4) y como Celda de entrada (columna) especificaré la celda que contiene
los gastos variables (B6). Al pulsar el botón Aceptar se realizarán los cálculos para obtener
las ganancias para cada una de las combinaciones de valores indicados.
 • Nota: Por motivos ilustrativos he dado formato
de moneda a las celdas y he colocado en rojo
los números negativos pero Excel no hará eso
automáticamente por nosotros.

Con esta tabla de datos podemos analizar y llegar a conclusiones muy interesantes sobre
nuestra información. Podemos observar que si las ventas fueran en realidad por 65,000 dólares
y los gastos variables subieran a 35,000 dólares entonces comenzaríamos a tener pérdidas en
el negocio.
Por otro lado puedes observar que el punto de equilibrio financiero se da cuando las ventas son
de 75,000 dólares y los gastos variables son de 40,000 dólares dejándonos sin pérdidas ni
ganancias. En fin, podemos pasar tiempo considerable analizando la información para poder
decidir si vale la pena invertir nuestro dinero en este negocio.