DUALIDAD

ING. MBA GUILLERMO MORALES LAMO

TEORA DE LA DUALIDAD
Todo modelo que representa al problema de
programacin lineal tiene asociado un
segundo problema; al que se le denomina
DUAL; de ahora en adelanto al primer
problema (el que planteamos al inicio y con el
qu hemos trabajado) le denominaremos
PRIMAL. Los dos poseen propiedades muy
relacionadas, de tal manera que la solucin
ptima de uno de ellos proporciona
informacin completa sobre la solucin
ptima del otro.

TEORA DE LA DUALIDAD
Las relaciones entre el primal y el dual
se utilizan para reducir el esfuerzo de
computo en ciertos problemas y para
obtener informacin adicional sobre
las variaciones en la solucin ptima
debidas a ciertos cambios en los
coeficientes y en la formulacin del
problema, A esto se le conoce como el
ANLISIS DE SENSIBILIDAD.

TEORA DE LA DUALIDAD
Es conveniente analizar y utilizar alguno de estos
modelos para facilitarnos el trabajo a desarrollar,
dependiendo del problema. Si el primal tiene ms
ecuaciones que variables, es frecuentemente ms
fcil obtener la solucin del dual ya que menor
nmero de iteraciones sern necesarias o
requeridas. Adems si el primal tiene solucin, el
dual tambin 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.

OBTENCIN DEL PROBLEMA DUAL

Para poder elaborar el problema dual a partir del primal
y viceversa debe considerar lo siguiente:
1. Cada restriccin de un problema corresponde a una
variable del otro
2. Los elementos del lado derecho (bk) de las
restricciones en un problema son iguales a los
coeficientes respectivos de la funcin objetivo (cj) en
el otro.
3. Un problema busca maximizar y el otro minimizar.
4. El problema de maximizacin en un problema tiene
restricciones
; el otro ser un problema de
minimizacin y tendr restricciones .
5. Las variables en ambos casos son no negativas.

EJEMPLO

 Se debe advertir que el DUAL de este ltimo

modelo sera el PRIMAL; es decir uno siempre es el
DUAL del otro.
Tanto el PRIMAL como el DUAL pueden resolverse
utilizando el mtodo o algoritmo Simplex, lo
beneficioso es que de la solucin de uno de ellos
se puede sacar informacin muy valiosa y la
solucin del otro.
Para este caso usaremos el DUAL de la forma ms
conveniente, que ser cuando tienes la opcin de
transformar restricciones con signo a
restricciones con signo y esto porque cuando
las restricciones llevan este ltimo signo requieren
menos variables agregadas y el modelo ser ms
fcil de procesar hasta llegar a la solucin final.

EJEMPLO

TABLA INICIAL

CUARTA TABLA: PTIMA

X1 = 0 X2 = 60

X3s = 400

X5s = 0

 Este
modelo
ha
sido
resuelto
determinando el valor de las variables
de decisin; sin embargo se puede
optar por resolver el modelo DUAL
(siempre y cuando sea conveniente)
aplicando el mtodo simplex.

DUAL

TABLA INICIAL

SEGUNDA TABLA: PTIMA

X1 = Y3 = 0
X3 = Y1 = 400

X2 = Y4 = 60
X4 = Y2 = 0

 Se puede apreciar que la solucin del

DUAL se obtiene en menos tabla y esto
ocurre porque el modelo preparado
contiene menos variables.
Pero si regresamos al inicio las
variables de decisin son X1 y X2 y no
son Y1 y Y2; por lo tanto se debe
sealar cmo a partir de la tabla
ptima del DUAL se pueden obtener
los valores de las variables de decisin
del PRIMAL.

 En este caso el valor de las variables de

decisin del PRIMAL son iguales al valor
que adquieren las variables agregadas
del DUAL, en forma pertinente. Estos
valores se miran en la fila donde se
registran los valores de Zj Cj; esto
quiere decir que:
X1 es igual al valor de Y3 .
X1 = Y3 = 0 X2 = Y4 = 60

Que deben ser los mismos valores que

se obtuvieron resolviendo el primal.

 Se puede apreciar el beneficio de

utilizar la Dualidad; que se puede
resumir de la siguiente manera:
Se trabaja con modelos con
menos variables lo que hace
generalmente que se utilicen
menos iteraciones o tablas para
llegar a la solucin ptima y esto
cuando en el dual se logran
restricciones con signo .

MTODO DUAL SIMPLEX

Hasta ahora se ha utilizado el mtodo
simplex, que es un mtodo iterativo que
se inicia a partir de una solucin factible
pero no ptima y este mtodo genera
soluciones factibles cada vez mejores
hasta encontrar o lograr la solucin
ptima (s esta existe). Es decir que el
mtodo se basa en mantener la
factibilidad
mientras
se
busca
la
optimalidad.

MTODO DUAL SIMPLEX

Ahora surge la posibilidad de utilizar otro
esquema o algoritmo igualmente iterativo, que
como contraparte del simplex, comienza en una
solucin bsica ptima, pero no factible y
entonces el algoritmo mantiene la optimalidad
mientras se busca la factibilidad. Con este
mtodo igual se llega a una solucin ptima
factible.
Una solucin es ptima, cuando los valores Zj - Cj:
son ceros o positivos en el caso de maximizacin o
son ceros o negativos en el caso de minimizacin.
Una solucin es factible si los valores bk son todos
ceros o positivos.

ALGORITMO DUAL SIMPLEX

Este algoritmo a diferencia del
simplex permitir pues trabajar con
valores del lado derecho de las
restricciones (bk) negativos; es decir
cualquier restriccin con signo se
podr cambiar a multiplicando la
restriccin por (-1) aunque el valor
bk se vuelva negativo.

Por ejemplo si tenemos un modelo

matemtico de esta manera:

Este puede transformarse a este

modelo:

PROCEDIMIENTO DEL MTODO

DUAL SIMPLEX
1. Determinar una solucin bsica factible e
inmejorable: establecer el tablero inicial con
las variables agregadas pertinentes (las
variables se agregan de la misma manera que
se agregaron en el algoritmo simplex).
2. Realizar la prueba de factibilidad:
a) Si todas las variables bsicas son no negativas,
la actual solucin es la factible
b) Si hay al menos una variable bsica negativa,
seleccionar como variable de salida a aquella
con el valor ms negativo. En caso de empate
se puede romper arbitrariamente.

PROCEDIMIENTO DEL MTODO

DUAL SIMPLEX
3. Realizar la prueba de optimalidad.
a)

b)

c)

d)
e)

Si en el vector fila de la variable bsica o vector de salida

todos los valores o coeficientes son no negativos, entonces
la solucin es ptima ilimitada. El proceso termina.
Si en la fila del vector de salida existe por lo menos un
coeficiente negativo; se efectan los cocientes entre los
valores (Zj Cj) y los valores negativos correspondientes
de la fila del vector salida.
De los valores obtenidos se elige el menor y ste permitir
ubicar el vector de entrada. En caso de empate ste se
rompe arbitrariamente.
Se determina el elemento pivote en la interseccin del
vector de entrada con el vector de salida.
A partir de aqu se procede de igual manera que en el
algoritmo simplex para determinar las siguientes tablas
(iteraciones) hasta lograr la tabla ptima y factible.

EJEMPLO DE APLICACIN

Si
agregamos
las
variables
pertinentes tendremos un modelo de
la siguiente manera:

TABLA INICIAL

SEGUNDA TABLA: PTIMA Y

FACTIBLE

Tambin se puede optar trabajar con la

misma funcin objetivo (sin modificarla
en el modelo matemtico)

El modelo modificado con las variables

agregadas quedar de la siguiente
manera:

TABLA INICIAL

SEGUNDA TABLA: PTIMA Y

FACTIBLE