UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA

TAREA TEÓRICA N°3

GONZALO DÍAZ INOSTROZA, 201351024-8

Profesor: Pablo Escalona

Jorge Weston
Ayudantes: Diego Araya
Bárbara Saavedra
Francisca Recabarren
 PREGUNTA 1

Considere el problema de programación lineal

𝒎í𝒏 𝒙𝟏 − 𝒙𝟐
S.t. 𝟐𝒙𝟏 + 𝟑𝒙𝟐 − 𝒙𝟑 + 𝒙𝟒 ≤ 𝟎
𝟑𝒙𝟏 + 𝒙𝟐 + 𝟒𝒙𝟑 − 𝟐𝒙𝟒 ≥ 𝟎
−𝒙𝟏 − 𝒙𝟐 + 𝟐𝒙𝟑 + 𝒙𝟒 = 𝟔
𝒙𝟏 ≤ 𝟎
𝒙 𝟐 , 𝒙𝟑 ≥ 𝟎

Escriba el problema dual correspondiente.

Primeramente debemos considerar el primal el cual asociamos multiplicadores lagrangeanos a

cada restricción de tal manera que la ausencia o presencia de las restricciones no afecte al costo
óptimo

𝒎í𝒏 𝒙𝟏 − 𝒙𝟐
S.t. 𝟐𝒙𝟏 + 𝟑𝒙𝟐 − 𝒙𝟑 + 𝒙𝟒 ≤ 𝟎 /∗ 𝝀𝟏
𝟑𝒙𝟏 + 𝒙𝟐 + 𝟒𝒙𝟑 − 𝟐𝒙𝟒 ≥ 𝟎/∗ 𝝀𝟐
−𝒙𝟏 − 𝒙𝟐 + 𝟐𝒙𝟑 + 𝒙𝟒 = 𝟔 /∗ 𝝀𝟑
Así obtenemos la relajación del problema primal:

𝑮(𝝀𝟏 , 𝝀𝟐 , 𝝀𝟑 ) = 𝒎í𝒏𝒙 (𝒙𝟏 − 𝒙𝟐 ) + 𝝀𝟏 (−𝟐𝒙𝟏 − 𝟑𝒙𝟐 + 𝒙𝟑 − 𝒙𝟒 ) + 𝝀𝟐 (−𝟑𝒙𝟏 − 𝒙𝟐 − 𝟒𝒙𝟑 + 𝟐𝒙𝟒 ) + 𝝀𝟑 (𝟔 + 𝒙𝟏 + 𝒙𝟐 − 𝟐𝒙𝟑 − 𝒙𝟒 )

𝑮(𝝀𝟏 , 𝝀𝟐 , 𝝀𝟑 ) = 𝒎í𝒏𝒙 {𝒙𝟏 (𝟏 − 𝟐𝝀𝟏 − 𝟑𝝀𝟐 + 𝝀𝟑 ) + 𝒙𝟐 (−𝟏 − 𝟑𝝀𝟏 − 𝝀𝟐 + 𝝀𝟑 ) + 𝒙𝟑 (𝝀𝟏 − 𝟒𝝀𝟐 − 𝟐𝝀𝟑 )
+ 𝒙𝟒 (−𝝀𝟏 + 𝟐𝝀𝟐 − 𝝀𝟑 )} + 𝟔𝝀𝟑

Formándose así el problema dual el cual sigue la forma 𝐺(𝝀) = 𝝀′ 𝒃 + (𝒄′ − 𝝀′ 𝑨)𝒙

Entonces concluimos , respecto a la tabla 1, que el problema dual resultante es:

𝑚𝑎𝑥𝜆 {6𝜆3 }

𝑠. 𝑡. 𝟐𝝀𝟏 + 𝟑𝝀𝟐 − 𝝀𝟑 ≥ 1

𝟑𝝀𝟏 + 𝝀𝟐 − 𝝀𝟑 ≤ −𝟏

−𝝀𝟏 + 𝟒𝝀𝟐 + 𝟐𝝀𝟑 = 𝟎

𝝀𝟏 − 𝟐𝝀𝟐 + 𝝀𝟑 = 𝟎
Tabla 1. Relación entre un problema primal y uno dual

PREGUNTA 2

Considere el problema primal

𝒎í𝒏 𝒄′ 𝒙
𝒔. 𝒕. 𝑨𝒙 ≥ 𝒃
𝒙≥𝟎
Formule el problema dual y conviértalo en un problema de minimización equivalente. Entregue las
condiciones que deben cumplir la matriz A y los vectores b, c, para que el problema dual sea
idéntico al primal. Construya además un ejemplo que cumpla dichas condiciones.

De partida debemos asociar un multiplicador lagrangeano a cada restricción de nuestro primal

para así tener un problema relajado entonces elegimos un vector λ cuya dimensión debe ser igual
a la dimensión del vector b

Sea g(λ) el costo del problema relajado, como una función de λ. Este problema relajado nos
permitirá mas soluciones que el primal

𝒈(𝝀) = 𝒎𝒊𝒏𝒙≥𝟎 𝒄′ 𝒙 + 𝝀′ (𝒃 − 𝑨𝒙) ≤ c ′ x ∗

𝝀′ ≥ 𝟎

Luego, desarrollado nuestro g(λ ) tenemos que

𝒈(𝝀) = 𝒎𝒊𝒏𝒙≥𝟎 𝒄′ 𝒙 + 𝝀′ (𝒃 − 𝑨𝒙) = 𝝀′ 𝒃 + 𝒎𝒊𝒏𝒙≥𝟎 (𝒄′ − 𝝀′𝑨)𝒙

Si (𝒄′ − 𝝀′𝑨) ≥ 𝟎 → x=0 y si (𝒄′ − 𝝀′𝑨) < 𝟎 → x=-∞

Luego para maximizar g(λ) solo debemos considerar el primer caso y así concluimos que el
problema dual viene dado por:

𝑚𝑎𝑥𝜆 {𝝀′𝒃}
𝑆. 𝑡 𝝀′ 𝑨 ≤ 𝒄′
𝝀′ ≥ 𝟎

Finalmente nuestro problema de minimización viene dado por:

𝑚𝑖𝑛𝜆 {−𝝀′𝒃}
𝑆. 𝑡 𝝀′ 𝑨 ≤ 𝒄′
𝝀′ ≥ 𝟎

Es necesario que , para que se cumpla la identidad del dual y el primal, la matriz A sea simétrica de
dimensiones nxn y que b=-c.

EJEMPLO:

Se tiene el siguiente problema primal

𝐦𝐢𝐧𝐱 {−𝒙𝟏 − 𝒙𝟐 }
𝒔. 𝒕. 𝟑𝒙𝟏 + 𝟐𝒙𝟐 ≥ 𝟏
𝟒𝒙𝟏 + 𝟏𝒙𝟐 ≥ 𝟏
𝒙𝟏 , 𝒙𝟐 ≥ 𝟎

Del cual definimos

3 2 1 −1
𝐴=( );𝑏 = ( ) ;𝑐 = ( )
4 1 1 −1

De donde vemos que el problema dual vendría dado por:

𝐦𝐚𝐱 𝛌 {𝝀𝟏 + 𝝀𝟐 }
s.t. −𝟑𝝀𝟏 − 𝟒𝝀𝟐 ≤ 𝟏
−𝟐𝝀𝟏 − 𝝀𝟐 ≤ 𝟏
𝝀′ ≥ 𝟎

Y el problema de minimización correspondiente será:

𝐦𝐢𝐧𝛌 {−𝝀𝟏 − 𝝀𝟐 }
s.t. −𝟑𝝀𝟏 − 𝟒𝝀𝟐 ≤ 𝟏
−𝟐𝝀𝟏 − 𝝀𝟐 ≤ 𝟏
𝝀′ ≥ 𝟎
 PREGUNTA 3

Sea A una matriz cuadrada simétrica y considere el siguiente problema de programación lineal:

𝒎í𝒏𝒙 𝒄′ 𝒙
𝒔. 𝒕. 𝑨𝒙 ≥ 𝒄
𝒙≥𝟎
Pruebe que si 𝒙∗ satisface 𝑨𝒙∗ = 𝒄 y 𝒙∗ ≥ 𝟎, entonces 𝒙∗ es una solución óptima.

Supongamos que 𝑨𝒙∗ = 𝒄 𝒚 𝒙∗ ≥ 𝟎, entonces formulamos el dual

maxλ 𝝀′ 𝒄
𝑆. 𝑡 𝝀′ 𝑨 ≤ 𝒄′
𝝀≥𝟎

𝜆′ 𝐴 ≤ 𝑐 ′ ⇒ 𝜆′ 𝐴𝑥 ∗ ≤ 𝑐 ′ 𝑥 ⇒ 𝜆′ 𝑐 ≤ 𝑐′𝑥 ∗ y dado que 𝐴𝑚𝑥𝑚 es simétrica tenemos que 𝑐′𝜆 ≤ 𝑐′𝑥 ∗.

Como el objetivo del problema dual es maximizar 𝜆′𝑐, diremos que 𝑝 = 𝑥 ∗. Dado la naturaleza de
estos, es decir, 𝑥 ∗ ≥ 0 𝑦 𝜆 ≥ 0, 𝑥 ∗ 𝑦 𝑝 son soluciones factibles del problema primal y dual y 𝜆′ 𝑐 =
𝑐′𝑥