Este mtodo se aplica a problemas ptimos pero infactibles.

En este
caso, las restriccionesseexpresanenformacannica(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 terminay esta ltima tabla es la solucin ptima
factible).

CONDICION DE
La variable que entra seOPTIMIDAD
elige entre las variablesno 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.
Como sabemos, el mtodo simplex es un algoritmo iterativo que iniciando
en una solucin bsica factible pero no ptima, genera soluciones bsicas
factibles cada vez mejores hasta encontrar la solucin ptima (s esta
existe). La base de su lgica es mantener la factibilidad, mientras busca la
optimalidad.

Pero surge la posibilidad de usar otro esquema igualmente iterativo, que

como contraparte del simplex, comienza en una solucin bsica ptima,
pero no factible y mantiene la inmejorabilidad mientras busca la
factibilidad. Con este procedimiento se llega igualmente a la solucin
ptima.

El nuevo algoritmo fue desarrollo en 1954 por C. E. Lemke y se conoce con

el nombre deMtodo Dual-Simplex.
Cada problema de programacin lineal tiene un segundo problema
asociado con el. Uno se denomina primal y el otro dual. Los 2
poseen propiedades muy relacionadas, de tal manera que la
solucin ptima a un problema proporciona informacin completa
sobre la solucin ptima para el otro.

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. Esto se conoce como anlisis de sensibilidad o post-
optimidad
Otra de las ventajas que presenta es que dado a que el nmero de
restricciones y variables entre problema dual y primal es inverso, se
pueden resolver grficamente problemas que presenten dos
restricciones sin importar el nmero de variables.

Obtendremos que los trminos del

Si el modelo primal o dual tiene
lado derecho de las ecuaciones
solucin ptima finita entonces
multiplicadas por (-1) quedan con
su respectivo dual o primal
signo negativo, lo cual hace que la
tendrn solucin ptima finita.
solucin inicial sea infactible.

Es importante destacar que este proceso es muy til ya que en muchos

modelos evita la inclusin de variables artificiales en el momento de
transformar un modelo a formato estndar.
Si el modelo primal o dual tiene
solucin ptima no acotada, entonces
su respectivo dual o primal no
tendrn solucin, ser un modelo
infactible.
Si el modelo primal o dual no tiene
solucin entonces su respectivo dual
o primal no tendrn solucin.

Al hacer lo anterior se logra que

debajo de las variables bsicas
aparezca una matriz identidad, que
es la que el simplex siempre toma
como base inicial.
Una de las ventajas de la existencia del programa dual es la posibilidad de reducir el
esfuerzo computacional al resolver ciertos modelos de programacin lineal.

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.

Otra de las ventajas que presenta es que dado a que el nmero de restricciones y
variables entre problema dual y primal es inverso, se pueden resolver grficamente
problemas que presenten dos restricciones sin importar el nmero de variables.
b) Nuevas filas Fila anterior - coeficiente de la columna
pivote * nueva fila pivote
 El mtodo Dual Simplex sirve y se aplica para resolver problemas que empiezan
confactibilidad dual, es decir,ptimos pero infactibles (No se puede realizar).
Comnmente aquellos problemas de difcil solucin son los de minimizacin.
El mtodo simplex y el dual simplex se encuentran muy ligados, permitiendo que
la restriccin de uno sean las variables del otro.
Las caractersticas bsicas de una minimizacin para desarrollar el mtodo dual
simplex es que tengan restricciones del mayor o igual que y donde las variables
sean mayores o iguales a cero