REPBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA DEFENSA UNIVERSIDAD NACIONAL EXPERIMENTAL POLITCNICA DE LA FUERZA ARMADA

UNEFA NCLEO LA FRA

RECURSO DIDACTICO 4 APLICACIN DEL METODO DUAL EN INVESTIGACIN DE OPERACIONES

ELABORADO POR: ING./LIC. RIGOBERTO DUQUE CURSO: INVESTIGACIN DE OPERACIONES TURNO: DIURNO SEMESTRE: IV

LA FRA, MAYO, 2012.

INTRODUCCION Todo problema de Programacin Lineal tiene asociado un segundo problema, conocido como su problema Dual. Ambos estn relacionados estrechamente, hasta el punto de que el modelo de uno puede obtenerse a partir del modelo del otro y la solucin ptima del modelo del primero proporciona informacin completa acerca de la solucin ptima del segundo. Una de las ventajas de la existencia del problema dual es la posibilidad de reducir el esfuerzo computacional al resolver ciertos modelos de Programacin Lineal. Pero ms importante an es la relacin que existe entre la dualidad y el anlisis de sensibilidad, tema del prximo capitulo, el cual estudia el efecto que las variaciones en los parmetros de un modelo tienen en la solucin ptima de este. Adems, los valores ptimos de las variables del modelo dual suministran informacin econmica muy importante acerca del valor implcito de los recursos que se utilizan en el problema que se esta resolviendo. El matemtico norteamericano John Von Neumann fue el primero en destacar la existencia de la dualidad en la programacin lineal y a partir de all el concepto se ha usado en una gran variedad de reas tericas y prcticas de la misma. Para comprender el concepto de dualidad analicemos los dos casos siguientes.

MTODO DEL DUAL (TEORIA DE DUALIDAD) Todo problema de programacin lineal tiene asociado con l otro problema de programacin lineal llamado DUAL. El problema inicial es llamado PRIMO y el problema asociado (sombra) es llamado el problema PRIMO. Los dos juntos son llamados problemas duales ya que ambos estn formados por el mismo conjunto de datos. La solucin bsica factible ptima de estos problemas es tal que una puede fcilmente ser usada para la solucin de la otra. La dimensin del problema de programacin lineal influencia la eleccin del clculo del primo o del dual. Si el primo tiene mas ecuaciones que variables, es frecuentemente mas fcil obtener la solucin del dual ya que menor numero de iteraciones son requeridas. Adems si el primo tiene solucin, el dual tendr solucin. Una vez que el problema dual es formulado, el procedimiento de solucin es exactamente el mismo que para cualquier problema de programacin lineal. Mecnicamente el dual es formulado partiendo del problema primo en la siguiente forma: Si el primo es un problema de Maximizacin, el dual es un problema de Minimizacin y viceversa. 1. Los coeficientes de la funcin objetivo del primo se convierten en las restricciones constantes de las ecuaciones del dual. 2. Las restricciones de las ecuaciones del primo se convierten en los coeficientes de la funcin objetivo del dual. 3. Los coeficientes de las variables del dual en las ecuaciones restrictivas son obtenidas sacando la transpuesta de la matriz de coeficientes del primo ( los arreglos de los coeficientes en las columnas del primo se convierten en los coeficientes de las filas en el dual y viceversa ). 4. Los signos de la desigualdad son invertidos. 5. Las Xn variables del primo son remplazadas por Wm variables en el dual.

Importancia La importancia de la teora de la dualidad se puede resumir, entre otros aspectos, en lo siguiente: Permite resolver problemas de programacin lineal de forma ms rpida y sencilla. Es otra va para resolver un problema de programacin lineal. Facilita profundizar en el contenido econmico del problema original (primal). Puede ser utilizada para resolver el caso en que se debe considerar la introduccin de una nueva variable en el primal una vez que ha de sido obtenida la solucin ptima, sin tener que resolver completamente el problema. Interpretacin econmica del problema dual

El problema primal y dual explica dos aspectos econmicos distintos de un mismo problema. Las variables duales nos vienen a medir el valor de los recursos imputados a la produccin, pero esta valoracin tiene unas caractersticas peculiares, esta realizada en trminos de costos de oportunidad. Esto quiere decir que aquellos factores ( o restricciones ) cuyas existencias no quedan agotadas en el programa ptimo establecido, tienen un costo nulo desde el anterior punto de vista, pues bajo el prisma exclusivo del sistema empresarial es un bien libre al estar en exceso. En consecuencia, la funcin objetivo, medir el costo total de los factores imputados a la produccin, valor que ha de igualarse al rendimiento total hallado en la funcin econmica del primal para que se produzca el equilibrio. Explicaremos con ms detalle la interpretacin econmica del problema dual. Para la realizacin de este anlisis vamos a partir del supuesto que se tiene un problema de programacin lineal donde se maximiza el valor de la funcin objetivo, por ejemplo la ganancia. Relaciones entre el mtodo primal y el dual. De lo anteriormente expuesto se puede deducir que existe una estrecha relacin entre el problema primal y dual que puede expresarse en lo siguiente:

El dual tiene la matriz D transpuesta, es decir, si suponemos que D es de orden sx r, entonces Dt es de orden r x s. Adems las variables del primal y el dual son diferentes, ya que X ser un vector de r-componentes mientras que el vector Y tendr s-componentes. Los trminos independientes del conjunto de las restricciones del problema primal forman los coeficientes de la funcin objetivo del dual. Los coeficientes de la funcin objetivo del primal forman los trminos independientes de las restricciones del dual. Las restricciones del dual cambian su sentido al igual que el criterio de optimizacin en trminos de mnimo o mximo. A cada restriccin del problema primal le corresponde una variable dual y anlogamente a cada restriccin del dual le corresponde una variable del primal. Si se halla el dual del problema dual, obtendremos el problema primal. Consideremos el ejemplo

Supongamos que deseamos conocer una cota superior del valor ptimo de este problema sin la necesidad de resolver dicho problema. Por ejemplo, si multiplicamos la restriccin 3 por 200 obtenemos: 200X + 200Y + 200Z <= 10.000. Claramente el lado izquierdo de esta restriccin amplificada es mayor o igual a la expresin que define la funcin objetivo, por tanto podemos afimar que el valor ptimo de este problema es menor o igual a 10.000 ( V(P)<=10.000 ). Por supuesto se puede buscar otras combinaciones de modo de definir una mejor cota superior a la que se utiliza como ejemplo. En este sentido si consideramos A, B y C como multiplicadores asociados a cada una de las restricciones, la forma de encontrar la mejor cota

superior para el problema original (que llamaremos en adelante Primal) se obtiene resolviendo el siguiente problema (denominado Dual):

Este problema puede ser resuelto a travs del mtodo simplex dual como se explica en detalle en dicha seccin. Se obtiene de esta forma la siguiente solucin ptima: A=8, B=10, C=60, con valor ptimo de 6.620. Si multiplicamos las restricciones del problema dual por estos multiplicadores logramos la mejor cota superior:

8(15X + 7,5Y + 5Z) + 10(2X + 3Y + 2Z) + 60(X + Y + Z) <= 8*315 + 10*110 + 60*50 200X + 150Y + 120Z <= 6.620

Se puede verificar adicionalmente que el precio sombra de las respectivas restricciones del problema primal (ver informe de sensibilidad en la seccin de solver de excel) corresponde a las variables duales ptimas o solucin ptima del problema dual, con valor ptimo equivalente. En general las relaciones de dualidad se pueden resumir en la siguiente tabla:

Relaciones entre las modelos PRIMO y DUAL Observando la estructura de ambos modelos podemos citar las siguientes relaciones entre ellos. 1. Los coeficientes objetivo de uno son los coeficientes recurso del otro. 2. Los coeficientes recurso de uno son los coeficientes objetivo del otro. 3. La matriz de coeficientes tecnolgicos de uno es la transpuesta de la matriz de coeficientes tecnolgicos del otro. 4. Ambos problemas estn en formato cannico, como lo comprueban ms en detalle las siguientes caractersticas 4.1 El objetivo del primo es maximizar en cambio el objetivo del dual es minimizar. 4.2 Las restricciones del Primo son del tipo = , mientras que las del dual son del tipo =. 4.3 Las variables de ambos problemas estn restringidas a ser mayores o iguales que cero.

Tipos de dualidad La dualidad en programacin lineal provee de resultados tericos interesantes que justifican su uso como herramienta alternativa y

complementaria de resolucin. TEOREMA DE DUALIDAD DBIL: En general, el valor de cualquier solucin factible del problema de minimizacin, provee una cota superior del valor ptimo del problema de maximizacin. Anlogamente, el valor de la funcin objetivo de cualquier solucin factible del problema de maximizacin es una cota inferior del valor ptimo del problema de minimizacin. TEOREMA DE DUALIDAD FUERTE: En el ptimo el valor de la funcin objetivo del problema primal ser igual al valor de la funcin objetivo del problema dual evaluada en la solucin dual ptima. Si el problema primal es no acotado, entonces el dual es infactible. Alternativamente si el problema primal es infactible, entonces el dual es no acotado. TEOREMA DE HOLGURAS COMPLEMENTARIAS: Una variable en el primal esta asociada a una restriccin en el dual (y viceversa). En este sentido

si en el primal existe una variable no bsica (valor igual a cero), en el dual la restriccin asociado no est activa, es decir, no se cumple en igualdad. Anlogamente, si la variable es bsica en el primal, la restriccin asociada en el dual se cumple en igualdad. Este resultado terico es til toda vez que simplifica la forma de obtener la solucin ptima dado que como en un problema lineal la solucin ptima (en caso de existir) esta en un vrtice, esto implica resolver un sistema de ecuaciones (con restricciones de igualdad).

Referencias bibliogrficas

Libro:Colectivo de autores:Introduccin a la investigacin de operaciones, tomo III, 1999.

Monografa. Investigacin de operaciones. Autor(a)s: Dr. Grisel Barrios Castillo. Msc. Meylin Miranda Rodrguez. 2008.