1.

TEORA PRIMAL DUAL

TEORIA DE LA DUALIDADCada problema de programacin lineal tiene un segundo problema asociado con el.
Uno sedenomina primal y el otro dual. Los 2 poseen propiedades muy relacionadas, de tal manera que
lasolucin ptima a un problema proporciona informacin completa sobre la solucin ptima parael otro.Las
relaciones entre el primal y el dual se utilizan para reducir el esfuerzo de cmputo en ciertosproblemas y
para obtener informacin adicional sobre las variaciones en la solucin ptimadebidas a ciertos cambios en
los coeficientes y en la formulacin del problema. Esto se conocecomo anlisis de sensibilidad o postoptimidad.Para poder elaborar el problema dual a partir del primal, este se debe presentar en su
formacanonca de la siguiente forma:MaximizarSujeto a:
Generalidades de la teora Dual
El teorema de la Dualidad establece que existe un equilibrio entre el conjunto de actividades y elconjunto de
precios, en donde el costo de produccin Mnimo es igual a la Ganancia Mxima.(Ley de Oferta y Demanda)
Algunas Propiedades
1. Propiedad de dualidad dbil.Cualquier solucin factible en el primal tiene un valor menor o igual que
cualquier solucin factibleen el dual.2. Propiedad de dualidad fuerte.En el ptimo ambas soluciones son
iguales.3. Propiedad de simetraPara cualquier problema, el dual del dual es el primal.
Utilidad de la teora Dual
1.
Si el problema de PL tienen n variables y m restricciones, su problema dual tiene m variables yn
restricciones. A veces es ms fcil resolver un problema que otro.

FORMULACIN DEL PROBLEMA DUAL

(Teora de Dualidad)

Hemos visto como la programacin lineal puede ser usada para resolver una extensa
variedad de problemas propios de los negocios, ya sea para maximizar utilidades o
minimizar costos. Las variables de decisin en tales problemas fueron, por ejemplo, el
nmero de productos a producir, la cantidad de pesos a emplear, etc. En cada caso la
solucin ptima no explic cmo podran ser asignados los recursos (ejemplo: materia
prima, capacidad de las mquinas, el dinero, etc.) para obtener un objetivo
establecido.
En este captulo veremos que a cada problema de programacin lineal se le asocia otro
problema de programacin lineal, llamado el problema de programacin dual. La
solucin ptima del problema de programacin dual, proporciona la siguiente
informacin respecto del problema de programacin original:

1. La solucin ptima del problema dual proporciona los precios en el mercado o

los beneficios de los recursos escasos asignados en el problema original.
2. La solucin ptima del problema dual aporta la solucin ptima del problema
original y viceversa.

RELACIONES PRIMAL-DUAL
Asociado a cada problema lineal existe otro problema de programacin lineal
denominado problema dual que posee importantes propiedades y relaciones notables
con respecto al problema lineal original, problema que para diferencia del dual se
denomina entonces como problema primal (PP).

Las relaciones las podemos enumerar como siguen:

a) El problema dual tiene tantas variables como restricciones tiene el programa primal.

b) El problema dual tiene tantas restricciones como variables tiene el programa primal

c) Los coeficientes de la funcin objetivo del problema dual son los trminos
independientes de las restricciones o RHS del programa primal.

 d) Los trminos independientes de las restricciones o RHS del dual son los coeficientes
de la funcin objetivo del problema primal.

e) La matriz de coeficientes tcnicos del problema dual es la traspuesta de la matriz

tcnica del problema primal.

f) El sentido de las desigualdades de las restricciones del problema dual y el signo de

las variables del mismo problema, dependen de la forma de que tenga el signo de las
variables del problema primal y del sentido de las restricciones del mismo problema.
METODO DUAL SIMPLEX.
Este mtodo se aplica a problemas ptimos pero infactibles. En este caso, las restricciones se
expresan en forma cannica (restricciones ).
La funcin objetivo puede estar en la forma de maximizacin o de minimizacin. Despus de
agregar las variables de holgura y de poner el problema en la tabla, si algn elemento de la parte
derecha es negativo y si la condicin de optimidad est satisfecha, el problema puede resolverse
por el mtodo dual simplex. Note que un elemento negativo en el lado derecho significa que el
problema comienza ptimo pero infactible como se requiere en el mtodo dual simplex. En la
iteracin donde la solucin bsica llega a ser factible esta ser la solucin ptima del problema.
CONDICION DE FACTIBILIDAD.
La variable que sale es la variable bsica que tiene el valor ms negativo (los empates se rompen
arbitrariamente si todas las variables bsicas son no negativas, el proceso termina y esta ltima
tabla es la solucin ptima factible).
CONDICION DE OPTIMIDAD.
La variable que entra se elige entre las variables no bsicas como sigue. Tome los cocientes de los
coeficientes de la funcin objetivo entre los coeficientes correspondientes a la ecuacin asociada a
la variable que sale.
Ignore los cocientes asociados a denominadores positivos o cero.
La variable que entra es aquella con el cociente ms pequeo si el problema es de minimizar o el
valor absoluto ms pequeo si el problema es de maximizacin (rompa los empates
arbitrariamente). Si los denominadores son ceros o positivos el problema no tiene ninguna solucin

factible

es importante llevar a cabo un anlisis de sensibilidad, para investigar el efecto que tendra
sobre la solucin ptima proporcionada por el mtodo smplex el hecho de que los parmetros
tomaran otros valores posibles. En general, habr algunos parmetros a los que se les pueda
asignar cualquier valor razonable sin que afecten la optimalidad de la solucin. Sin embargo,
tambin existirn parmetros con valores probables que nos lleven a una nueva solucin
ptima. Esta situacin es particularmente preocupante, si la solucin original adquiere valores
sustancialmente inferiores en la funcin objetivo, o tal vez no factibles!
Por lo tanto, el objetivo fundamental del anlisis de sensibilidad es identificar los parmetros
sensibles, (por ejemplo, los parmetros cuyos valores no pueden cambiar sin que cambie la
solucin ptima ). Para ciertos parmetros que no estn clasificados como sensibles, tambin
puede resultar de gran utilidad determinar el intervalo de valores del parmetro para el que
la solucin ptima no cambia. (Este intervalo de valores se conoce como intervalo permisible
para permanecer ptimo). En algunos casos, cambiar el valor de un parmetro puede afectar
la factibilidad de la solucin BF ptima. Para tales parmetros, es til determinar el intervalo
de valores para el que la solucin BF ptima (con los valores ajustados de las variables
bsicas) seguir siendo factible. (Este intervalo recibe el nombre de intervalo permisible para
permanecer factible).
La informacin de este tipo es invaluable en dos sentidos. Primero, identifica los parmetros
ms importantes, con lo que se puede poner un cuidado especial al hacer sus estimaciones y
al seleccionar una solucin que tenga un buen desempeo para la mayora de los valores
posibles. Segundo, identifica los parmetros que ser necesario controlar de cerca cuando el
estudio se lleve a la prctica. Si se descubre que el valor real de un parmetro se encuentra
fuera de su intervalo de valores permisibles, sta es una seal de que es necesario cambiar la
solucin.
En esencia, la idea fundamental revela de inmediato la forma en que los cambios al modelo
original alteraran los nmeros de la tabla smplex final (si se supone que se duplica la misma
secuencia de operaciones algebraicas que realiz el mtodo smplex la primera vez). Por lo
tanto, despus de hacer unos cuantos clculos para actualizar esta tabla smplex, se puede
verificar con facilidad si la solucin BF ptima original ahora es no ptima (o no factible). Si es
as, esta solucin se usar como solucin bsica inicial para comenzar de nuevo el mtodo
smplex (o el smplex dual ) para encontrar una nueva solucin ptima, si se desea. Si los
cambios realizados en el modelo no son cambios mayores, slo se requerirn unas cuantas
iteraciones para obtener la nueva solucin ptima a partir de esta solucin bsica inicial
"avanzada".