DUALIDAD EN PROGRAMACIN LINEAL

Cada uno de los problemas abordados hasta entonces en los mdulos

anteriores se consideran problemas primales dado que tienen una relacin
directa con la necesidad del planteamiento, y sus resultados responden a la
formulacin del problema original; sin embargo cada vez que se plantea y
resuelve un problema lineal, existe otro problema nsitamente planteado y
que puede ser resuelto,
Es el considerado problema dual, el cual tiene unas importantes relaciones y
propiedades respecto al problema primal que pueden ser de gran beneficio
para la toma de decisiones. Los problemas primales y duales se
encuentran ligados por una serie de relaciones, saber la existencia de estas
puede ser considerado de gran utilidad para la resolucin de problemas que
parecen no factibles, o que no pueden ser resueltos mediante un mtodo en
particular.

Relaciones entre problemas primales y duales

El nmero de variables que presenta el problema dual se ve

determinado por el nmero de restricciones que presenta el problema
primal.

El nmero de restricciones que presenta el problema dual se ve

determinado por el nmero de variables que presenta el problema
primal.

Los coeficientes de la funcin objetivo en el problema dual

corresponden a los trminos independientes de las restricciones
(RHS), que se ubican del otro lado de las variables.

Los trminos independientes de las restricciones (RHS) en el

problema dual corresponden a los coeficientes de la funcin objetivo
en el problema primal.

La matriz que determina los coeficientes tcnicos de cada variable en

cada restriccin corresponde a la transpuesta de la matriz de
coeficientes tcnicos del problema primal.

El sentido de las igualdades y desigualdades se comporta segn la tabla de

TUCKER, presentada a continuacin.

Tabla de TUCKER

IMPORTANCIA DE LA DUALIDAD EN PROGRAMACIN LINEAL

La resolucin de los problemas duales respecto a los primales se justifica
dada la facilidad que se presenta dados problemas donde el nmero de
restricciones supere al nmero de variables. Adems de tener gran
aplicacin en el anlisis econmico del 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.

RESOLUCIN DEL PROBLEMA DUAL, PASO A PASO

El siguiente problema a resolver es hasta el momento el modelo ms
completo de los resueltos en los mdulos anteriores, dado que trataremos
de resolver un problema primal y su dual mediante Mtodo
Simplex utilizando variables de holgura, exceso y artificiales; adems
resolveremos el primal utilizando Simplex maximizando y el dual
minimizando.
Los problemas duales simtricos son los que se obtienen de un problema
primal en forma cannica y normalizada, es decir, cuando llevan asociadas
desigualdades de la forma mayor o igual en los problemas de minimizacin,
y desigualdades menor o igual para los problemas de maximizacin. Es
decir, si el problema original es de la siguiente forma:
Mx Z(x) = ct x
s.a:
Axb
x0

El problema dual ( dual simtrico ) es :

Mn G() = b
s.a:
Ac
0
Los restantes tipos de combinaciones de problemas, se conocen con el
nombre de duales asimtricos. Como por ejemplo:
Mx Z(x) = ct x
s.a:
Ax=b
x0
El problema dual ( dual asimtrico ) es :
Mn G() = b
s.a:
Ac
>< 0, es decir, variables libres.
Dado el siguiente modelo primal,

ZMAX = 40X1 + 18X2

16X1 + 2X2 700

6X1 + 3X2 612
X1 80
X2 120

Cuya respuesta es
X1 = 28,75
X2 = 120
S1 = 79.5
S3 = 51.25
Funcin objetivo = 3310
Procedemos a resolver el problema dual
PASO 1: Definimos el problema dual

Este paso se lleva a cabo teniendo en cuenta las relaciones que se expusieron
en la definicin de la dualidad. Ahora las variables en el dual las
representaremos por "" y corresponden a cada restriccin.
El modelo queda de la siguiente forma:
ZMIN = 7001 + 6122 + 803 + 1204
161 + 62 + 3 40
21 + 32 + 4 18
1;4 0
Ahora preparamos el modelo para ser resuelto mediante Mtodo Simplex,
utilizaremos el procedimiento en el cual la funcin objetivo es multiplicada
por (-1) y resolveremos el modelo mediante maximizacin.
ZMIN = 7001 + 6122 + 803 + 1204
Lo que es igual
(-Z)MAX = -7001 - 6122 - 803 - 1204
Ahora dado que los signos de las inecuaciones son mayor o igual procedemos
a volverlas ecuaciones agregando variables de exceso, recordemos que en este
caso las variables de exceso se restan del lado izquierdo de la igualdad, por
ende.

161

+ 62 + 3

+ 04 - 1S1

211

+ 32 + 03 + 4

+ 0S2 = 40

+ 0S1 - 1S2 = 18

1;4 0
Recordemos que el Mtodo Simplex solo es posible por la formacin de la
matriz identidad, sin embargo en una matriz identidad no pueden ir
coeficientes negativos, el cual es el caso, por ende recurriremos al artificio
denominado "Mtodo de la M grande" utilizando variables artificiales, las
cuales siempre se suman.
161

+ 62 + 3

+ 04 - 1S1

211

+ 32 + 03 + 4

+ 0S2 + 1A1 + 0A2 40

+ 0S1 - 1S2

+ 0A1 + 1A2 18

1;4 0
Ahora si observamos la matriz identidad formada por las variables artificiales,
nuestra funcin objetivo es la siguiente (vara dada la incorporacin de las
nuevas variables).
(-Z)MAX = -7001 - 6122 - 803 - 1204 + 0S1 + 0S2 - MA1 - MA2
Recordemos que el coeficiente de las variables de holgura y exceso es 0,
adems que los coeficientes de las variables artificiales es M, donde M
corresponde a un nmero grande poco atractivo cuyo signo en la funcin
objetivo depende del criterio de la misma, dado que la funcin es maximizar
el signo es negativo. Dado que utilizaremos el Mtodo Simplex y no un
software para la resolucin del modelo es necesario que M adquiera valor, en
este caso ser "-10000" un nmero bastante grande en el problema.

Las iteraciones que utiliza el Mtodo Simplex son las siguientes:

Podemos observar que todos los Cj - Zj son menores o iguales a 0, por ende
hemos llegado a la solucin ptima del problema, sin embargo recordemos
que la funcin objetivo fue alterada en su signo al principio, por ende se hace
necesario regresarle su signo original a Zj y a la fila Cj - Zj.
(-Z)max = -3310 *

(-1)

Zmax = 3310

Podemos cotejar con la funcin objetivo del modelo primal y encontraremos

que hayamos el mismo resultado.

Ahora se hace necesario interpretar los resultados de la tabla dual respecto al

modelo primal, y esta interpretacin se realiza siguiendo los siguientes
principios.

www.ingenieriaindustrialonline.com
La interpretacin del tabulado final del modelo dual es la siguiente:

TEOREMAS DE LA DUALIDAD EN PROGRAMACIN LINEAL

1. Si el modelo primal o dual tiene solucin ptima finita entonces su

respectivo dual o primal tendrn solucin ptima finita.
2. Si el modelo primal o dual tiene solucin ptima no acotada, entonces
su respectivo dual o primal no tendrn solucin, ser un modelo
infactible.
3. 3. Si el modelo primal o dual no tiene solucin entonces su respectivo
dual o primal no
tendrn solucin.
4.

4. Sea "A" un modelo primal cuyo modelo dual es "B", el modelo

dual de "B" es igual a "A", es decir "El modelo dual de un dual es un
modelo primal".

Porqu se plantea el programa dual?.

Que significado tiene su solucin?.
La solucin del dual se puede obtener desde el primal?
RESPUESTAS:
a) Por una parte permite resolver problemas lineales donde el numero de
restricciones es mayor que el numero de variables. Gracias a los teoremas
que expondremos a continuacin la solucin de unos de los problemas
( primal o dual) nos proporciona de forma automtica la solucin del otro
programa.
b) La dualidad permite realizar importantes interpretaciones econmicas de
los problemas de programacin lineal.
c) La dualidad permite generar mtodos como el mtodo dual del simplex
de gran importancia en el anlisis de postoptimizacin y en la programacin
lineal parametrica.