“Por cada

problema
primo hay un
problema
dual, mi
pequeño
saltamontes.”
Todo problema de programación lineal tiene asociado
con él un dual.

PRIMO  DUAL
Ambos problemas están estrechamente relacionados:

La solución óptima de uno proporciona

automáticamente la solución óptima del otro.
El análisis de la dualidad es una herramienta útil en la
solución de problemas de PL.
La relación entre el primo y el dual aumenta
sustancialmente la comprensión de la PL.
Para definir el dual se requiere expresar el primal en
su forma estándar.

FE: Todas las restricciones son ecuaciones con el lado

derecho positivo, y todas las variables son positivas).
Transformación de PRIMO a DUAL

• Asigne una variable dual por cada restricción

primal.

• Construya una restricción dual por cada variable

primal.
Transformación de PRIMO a DUAL

• Los coeficientes de restricción (columna) y el

coeficiente objetivo de la variable primal definen
respectivamente los lados izquierdo y derecho de la
restricción dual.

Básicamente se obtiene sacando la transpuesta de

la matriz de coeficientes del primo.
Transformación de PRIMO a DUAL

• Los coeficientes objetivo duales son iguales a los

lados derechos de las ecuaciones de restricción
primales.
Transformación de PRIMO a DUAL

Objetivo primo Problema dual

Objetivo Restricción
Maximización Minimización ≥
Minimización Maximización ≤
Transformación de PRIMO a DUAL

Problemas MAX Problemas MÍN

Restricciones Variables
≥ ≤0
≤ ≥0
= irrestrictas
Variables Restricciones
≥0 ≥
≤0 ≤
irrestricta =
Pasos

1. Expresar el modelo de PL como sigue:

• Todas las restricciones son desigualdades “≤”.
• La función objetivo debe ser expresada de tal
forma que al construir la primera tabla de
símplex dual, ésta indique una solución óptima.
 Minimizar Z  3 x1  2 x2  x3

sujeto a:
3 x1  x2  x3  3
 3 x1  3 x2  x3  6
Minimizar Z  3 x1  2 x2  x3 x1  x2  x3  3
x1 , x2 , x3  0
sujeto a:
 3 x1  x2  x3  3
3 x1  3 x2  x3  6
x1  x2  x3  3
x1 , x2 , x3  0
Pasos

2. Expresar el nuevo modelo en su forma estándar.

3. Se construye la primera tabla del símplex dual. El

método se inicia con una solución óptima y una
solución básica no factible.
Z  3x1  2 x2  x3 0

 3 x1  x2  x3  H1  3
3 x1  3 x2  x3  H2  6
x1  x2  x3  H3 3
x1 , x2 , x3  0
 x1 x2 x3 H1 H2 H3 Solución

Z -3 -2 -1 0 0 0 0
H1 -3 -1 -1 1 0 0 -3
H2 3 -3 -1 0 1 0 -6
H3 1 1 1 0 0 1 3
Pasos

4. Se aplica la condición de factibilidad:

La variable de salida es la variable básica que tiene

el valor más negativo (los empates se rompen
arbitrariamente). Si todas las variables básicas son
no negativas, el algoritmo termina.
 x1 x2 x3 H1 H2 H3 Solución

Z -3 -2 -1 0 0 0 0
H1 -3 -1 -1 1 0 0 -3
H2 3 -3 -1 0 1 0 -6
H3 1 1 1 0 0 1 3
Pasos

5. Se aplica la condición de optimalidad:

La variable de entrada es la variable no básica con

el valor absoluto de la razón mínima (coeficientes
en el renglón Z entre coeficientes negativos del
renglón seleccionado por la condición de
factibilidad).
 x1 x2 x3 H1 H2 H3 Solución

Z -3 -2 -1 0 0 0 0
H1 -3 -1 -1 1 0 0 -3
H2 3 -3 -1 0 1 0 -6
H3 1 1 1 0 0 1 3
Pasos

6. Se construye una nueva tabla

sustituyendo la variable de salida
por la variable de entrada.

. Una vez identificada la

“columna pivote” y el “renglón
pivote”, se selecciona el
elemento del mismo nombre. Se
aplican cálculos Gauss- Jordan.
 x1 x2 x3 H1 H2 H3 Solución

Z -5 0 -1/3 0 -2/3 0 4
H1 -4 0 -2/3 1 -1/3 0 -1
x2 -1 1 1/3 0 -1/3 0 2
H3 2 0 2/3 0 1/3 1 1
x1 x2 x3 H1 H2 H3 Solución

Z -3 0 0 -1/2 -1/2 0 9/2

x3 6 0 1 -3/2 1/2 0 3/2
x2 -3 1 0 1/2 -1/2 0 3/2
H3 -2 0 0 1 0 1 0