DUALIDAD.

Un concepto muy importante en la programacin lineal es el de la dualidad.

La dualidad en la programacin lineal presenta grandes ventajas como se
comprobar. Cada problema de programacin lineal tiene asociado un problema
lineal denominado dual, entre los cuales existen importantes propiedades.
Antes de formularlo, vamos a distinguir dos formas bsicas en que se puede
presentar tanto un problema de minimizacin como de maximizacin, que son las
formas cannicas y estndar, es decir:
Formas cannicas
MINIMIZAR z cx
Sujeto a :

MAXIMIZAR

Ax b
x0

Sujeto a :

Formas estndar

MINIMIZAR z cx
Sujeto a :

z cx
Ax b
x0

MAXIMIZAR z

Ax b
x0

Sujeto a :

cx

Ax b
x0

Se puede observar que la forma cannica de minimizacin todas las

restricciones son del tipo , y en la maximizacin son , mientras que para la
formas estndar todas son =.
Definicin de la forma dual para un problema de minimizacin en forma
cannica :
Vamos a denominar al problema del que se parte como el problema PRIMAL,
mientras que al problema al que se llega se denomina como el problema DUAL.
Primal
MINIMIZAR z cx
Sujeto a :
Ax b
x0

Dual
MAXIMIZAR
y wb
Sujeto a :
wA c
w0

Donde x y w son las variables de los problemas primal y dual,

respectivamente. Mientras el primal tiene n variables y m restricciones , el dual
tiene m variables y n restricciones.
Vamos a observar, que existe una relacin entre una variable de uno de los
problemas con la restriccin del otro problema, y viceversa, entre la restriccin de
uno de los problemas con la variable del otro problema. Por ejemplo, a la 1
variable primal se le relaciona con la 1 restriccin del dual (y viceversa) y la 1
restriccin del primal se le relaciona con la 1 variable del dual (y viceversa), y as
para las restantes variables y/o restricciones.
As por ejemplo:
Primal

Dual

MINIMIZAR z = 3x1 + 2x2 - x3

MAXIMIZAR y = 5w1 + 3w2

Sujeto a :

x1 + x3 + 2x3 5

Sujeto a :

x1 + 4x2 - 2x3 3

- w1 + w2 3
w1 + 4w2 2

x1 , x2 , x3 0

2w1 - 2w2 -1
w1 , w2 0

Obsrvese que la 1 restriccin del primal tiene una desigualdad , luego a

la 1 variable toma valores w 1 0(y viceversa), mientras que para la 1 variable del
primal x 1 0, la 1 restriccin del dual tiene una desigualdad de la forma (y
viceversa).
Vamos ahora a dar una nueva definicin pero bajo la forma estndar de
minimizacin, es decir, las restricciones son ecuaciones (formas de igualdad).
Definicin de la forma dual para un problema de minimizacin en forma
estndar :
Primal
MINIMIZAR z cx
Sujeto a :

Dual
MAXIMIZAR y

Ax b

Sujeto a :

x0

wb

wA c
w no restringida

En este caso cada restriccin del primal

en forma de igualdad, la
correspondiente variable del dual es no restringida (la variable puede tomar
cualquier valor, positivo, negativo o nulo), mientras que para variables no
negativas, las restricciones son de la forma (lo mismo que la forma cannica).
Un problema que no est en la forma cannica de minimizacin se puede
manipular para que presente esa forma y luego aplicar la 1 definicin, o bien
ponerla en forma estndar y aplicar la 2 definicin. Sin embargo, sin realizar esa
transformacin, bien a la forma cannica o a la forma estndar, vamos a construir
un cuadro que permite realizar directamente.
Supongamos que tenemos un problema, con los tres tipos de restricciones
, y =, que ponemos en la forma estndar, y aplicando la 2 definicin de
dualidad:
PRIMAL
Minimizar
sujeto a

DUAL
z cx

Min z cx 0xh1 0xh2

A1 x b1

A1 x I xh1

A2 x b2

A2 x

A3 x b3

A3 x

x 0

b1

Ixh2 b2
b3

x, xh1, xh2 0

Maximizar y w1b1 w2b2 w3b3

Sujeto a

w1A1 w2A2 w3A3 c

- w1I
w2I

w1, w2 , w3 no restringida

En el problema dual en principio las variables duales son no restringidas debido a

que las correspondientes restricciones son en igualdad, pero si observamos la
restriccin w 1 I 0, al multiplicar por -1 ambos lados, implica que w 1 0, es decir
no negativa y en vez de no restringida como en principio pareca, mientras que
para w 2 I 0, son negativas, en vez de no restringidas .
Por lo tanto, para restricciones del tipo le corresponde variables del tipo
w 1 0, mientras que para restricciones del tipo le corresponde variables del tipo
w 2 0 , y por ltimo restricciones del tipo = las variables son del tipo w 3 no
restringidas. Y viceversa, desde el dual sobre el primal, para variables positivas
del dual se corresponde con restricciones del tipo , para las negativas
restricciones del tipo , y para variables no restringidas las restricciones son del
tipo =,
Luego podemos construir el cuadro siguiente que permite el paso directo del
problema tal como se encuentra la forma de optimizacin (maximizar o minimizar) o
el tipo de restricciones y el signo de las variables, sin reducir a la forma cannica o
estndar.

MINIMIZAR

MAXIMIZAR

No restringida

No restringida

En el cuadro anterior, tal como se puede observar, hay una correspondencia

como indican las flechas, entre el problema primal y dual, que se utilizan de
izquierda a derecha o viceversa (de derecha a izquierda), segn el primal sea de
minimizar o el de maximizar, respectivamente, as por ejemplo si el problema primal
es de MAXIMIZACION entonces tal como indica la flecha hacia la izquierda, el
dual es de MINIMIZACION. El resto del cuadro indica una correspondencia entre
las variables para indicar las desigualdades y/o igualdades de las restricciones y
viceversa. Observando a las variables, entonces si la variable es no negativa ( 0) la
correspondiente restriccin dual es de la forma tal como indica la flecha hacia
la izquierda, del mismo modo si la variable es no positiva ( 0) la restriccin dual es
, mientras que si la variables es no restringida (es decir, que pueda tomar
cualquier valor, positivo, negativo o nulo) la correspondiente restriccin es =.
Por ltimo, si la restriccin es de la forma entonces la correspondiente variable
dual es no negativa ( 0), si la restriccin es , la variable dual es no positiva
(0), mientras que si la restriccin es =, entonces la variable dual es no
restringida. Si ahora el problema fuese de MINIMIZACIN, haramos como en el
caso anterior, es decir, el dual es de MAXIMIZAR. El resto sera igual que el caso
anterior, pero ahora teniendo en cuenta las flechas hacia el lado derecho.
Ejemplo 1:
Primal

Dual

MAXIMIZAR z = x1 - 2x2 + 8x3

Sujeto a :

2 x1 + 4x2 + x3 4

MAXIMIZAR y = 4w1 + 7w2 + 5w3

Sujeto a :

2w1 - w2 + w3 1

- x1 + x2 + 3x3 7

4w1 + w2 + 2w3 -2

x1 + 2x2 + x3 = 5

w1 + 3w2 + w3 8

x1 0 ; x2 " No restringida" ; x3 0

w1 0 ; w2 0; w3 " No restringida"

Ejemplo 2

Primal
MINIMIZAR z = -2x1 + x2 - 3x3
Sujeto a :

Dual
MAXIMIZAR y = 6w1 + 4w2 + 5w3

5x1 - x2 + 2x3 6
- x1 + 3x2 + 2x3 4

Sujeto a :

x1 - 9x2 + x3 5
x1 0 ; x2 0; x3 " No restringida"

5w1 - w2 + w3 -2
- w1 + 3w2 - 9w3 1

2w1 + 2w2 + w3 -3
w1 0 ; w2 " No restringida; w3 0

Propiedades y relaciones entre el problema primal y el dual.

Una vez que se pueden obtener la forma dual de cualquier problema dado
(primal), pasamos a enumerar diferentes relaciones entre el primal y el dual.
Lema 1 . El dual del dual es el primal . Es decir si se obtiene el dual de un
problema primal de partida, el dual del obtenido es el primal de partida.
Lema 2. Sea la forma cannica de dualidad y sean x 0 y w 0 soluciones factibles de
los problemas primal y dual, respectivamente. Entonces Ax 0 b, x 0 0, w 0 A c y
w 0 0.
Multiplicando Ax 0 b por w 0 0 por la izquierda, y w 0 A c por x 0 0 por la
derecha se obtiene:
cx 0 w 0 Ax 0 w 0 b
El valor de la funcin objetivo, para cualquier solucin factible x 0 del
problema de minimizacin, es siempre mayor o igual que el valor de la funcin
objetivo para cualquier solucin factible w 0 del problema de maximizacin.
Los siguientes corolarios son consecuencia inmediata del Lema 2.
Corolario 1
Si x 0 y w 0 son soluciones factibles de los problemas primal y dual y son tales que
cx 0 = w 0 b, entonces x 0 y w 0 son soluciones ptimas de sus respectivos problemas.
Corolario 2
Si uno de los problemas tiene un valor objetivo NO ACOTADO (valor infinito),
entonces el otro no tiene ninguna solucin factible (INFACTIBLE).
Lema 3.
Si uno de los problemas tiene una solucin ptima con valor objetivo finito,
entonces el otro problema tiene el mismo valor objetivo y la variable tambin es
ptima (ver el lema 2).

Combinando ahora los lemas y corolarios anteriores, obtenemos los dos

teoremas fundamentales de la dualidad:
TEOREMA 1
Con relacin a los problemas de programacin lineal primal y dual, exactamente una
de las siguientes proposiciones es cierta:
1. Ambos problemas tienen soluciones ptimas x * y w * , con cx * = w * b.
2. Uno de los problemas tiene valor objetivo no acotado, en cuyo caso el
otro problema debe ser no factible (no tiene ninguna solucin al ser la
regin factible vaca).
3. Si uno es infactible el otro es no acotado o infactible.
TEOREMA 2 (o Teorema dbil de holgura complementaria ).
Sean x * y w * las soluciones ptimas del primal y dual, respectivamente, en forma
cannica.
Entonces por el lema 2, se cumple que:
cx * w * Ax * w * b
Y por el lema 3,
cx * = w * b, al ser x * y w * soluciones ptimas.
Entonces:
cx * =w * Ax * = w * b
Restando ahora del primer miembro de la igualdad el segundo, o sea,
cx * - w * Ax * = (c - w * A)x * = 0
Restando ahora del segundo miembro de la igualdad el tercero, o sea,
(w * Ax * w * b) = w * (Ax * - b) = 0
Es decir, las expresiones:

(c - w * A)x * = 0 y w * (Ax * - b) = 0

Analizando ahora la 1 igualdad,

Como

(c - w * A) 0 y x * 0,

Entonces como es un producto de dos factores donde ninguno es negativo, la nica

posibilidad de que sea igual a 0 cuando uno de ellos sea positivo, es que el otro sea
nulo. Si ahora ponemos la expresin anterior en funcin de las componentes en vez
de los vectores, queda
(c j - w * a j )x j * = 0 ; para j = 1, 2, .n.

Luego, tal como vimos antes si uno de los factores es positivo el otro es nulo para
ser 0 el producto. Es decir:
si

(c j - w * a j ) 0 x j * = 0

si

x j * 0 (c j - w * a j ) =0

La interpretacin del 2 teorema dice, respecto a las expresiones anteriores:

Que si la restriccin del problema dual es en desigualdad, entonces la
correspondiente variable primal es nula, mientras que si la variables primal es
positiva entonces la restriccin correspondiente del dual es en igualdad .
Si ahora analizamos de la misma forma la 2 igualdad ,
como w * 0 y (Ax * - b) 0,
Por el mismo razonamiento anterior, si uno de ellos es positivo el otro tiene
que ser nulo, y expresando el producto en forma de las componentes de los
vectores, se tiene la expresin:
w * i (a i x * - b i ) = 0 ; i = 1, 2,.m
Luego si uno de los factores es positivo el otro tiene que ser nulo al no poder ser
ninguno de ellos negativo, es decir:
si

w * i 0 (a i x * - b i ) = 0

si

(a i x * - b i ) 0 w * i = 0

Ahora el teorema 2 dice:

Que si la variable del dual es positiva la correspondiente restriccin del primal es
en igualdad, mientras que si la restriccin del primal es en desigualdad la variable
dual es nula .
Tal como se ha visto en la exposicin anterior, teniendo en cuenta que el
problema primal o dual son trminos relativos, es decir, nos referimos al primal
como el problema que se parte mientras que el dual al que se llega, pero como
ambos son lineales, nos vamos a olvidar ahora cual es el primal y cual es el dual y
referirnos simplemente a uno y el otro, entonces el teorema 2 lo podemos enunciar
de la siguiente forma sencilla, en forma verbal:
Si uno de los problemas tiene una variable positiva la correspondiente
restriccin del otro es en igualdad, mientras que si una restriccin es en
desigualdad la variable correspondiente en el otro problema es nula .
Este teorema de la holgura complementaria es de una gran utilidad que permite
entre otras cosas resolver uno cuando se tiene resuelto el otro como veremos.
Para conocer cuando una restriccin se cumple en igualdad o en desigualdad
no hay ms sustituir en las restricciones los valores de las variables de la solucin
ptima, y a las restricciones que se cumplen en igualdad se denominan restricciones
conectantes (activas o fuertes), es decir la variable de holgura es nula, mientras que
6

las restricciones en desigualdad se llaman no conectantes (no activas o dbiles), es

decir, la variable de holgura es mayor que 0. En realidad no hace falta sustituir el
valor ptimo en cada una de las restricciones ya que si la resolucin fuese de forma
grfica, las restricciones que tienen el punto ptimo se cumplen en igualdad
(activas), mientras que el punto no pertenece al punto ptimo es en desigualdad (no
activa); en el caso de que el problema se resuelva mediante el mtodo simplex , si
la variable de holgura correspondiente a la restriccin en el tableau ptimo es nula,
indica que la restriccin es en desigualdad, mientras que si la citada variable de
holgura es positiva, indica que la restriccin es en desigualdad.
Vamos a utilizar el teorema 1 y 2 para resolver un problema. Se quiere
resolver el siguiente problema de programacin lineal siguiente:
Minimizar z = 2x1 + 3x2 + 5x3 + 2x4 + 3x5
Sujeto a:

x1 + x2 + 2x3 + x4 + 3x5 4
2x1 - 2x2 + 3x3 + x4 + x5 3
x1 , x2 , x3 , x4 , x5 0

Si ahora planteamos el dual del anterior vamos a ver que como tiene dos
restricciones duales luego se podr resolver grficamente, luego el dual es:
Maximizar y = 4w1 + 3w2
Sujeto a:
w1 + 2w2 2
w1 - 2w2 3
2w1 + 3w2 5
w1 + w2 2
3w1 + w2 3
w1 , w2 0

Si se representa grficamente, numerando las restricciones del dual de 1 a 7, se

puede observar que el punto ptimo dual se da para w 1 * = 4/5 y w 2 * = 3/5 con
valor objetivo y * = 5. Como el valor objetivo es finito, sabemos que el primal tiene
tambin una solucin ptima con valor objetivo z * = 5 por el teorema 1 de la
dualidad. Utilizando ahora el 2 teorema o teorema dbil de la holgura
complementaria, sabemos que si sustituimos los valores duales ptimos en las
restricciones la 1 y 5 restricciones duales se cumplen en igualdad ( son fuertes)( o
simplemente, observando que las restricciones 1 y 5 contienen al citado punto
ptimo), mientras que las restantes son en desigualdad (dbiles)(ya que no
contienen al punto ptimo), entonces por el citado teorema 2 las variables primales
x 2 * = x 3 * = x 4 * =0 ( al ser las respectivas restricciones dbiles), mientras que al ser
w 1 * ,w 2 * 0 , las correspondientes restricciones primales son en igualdad , luego
queda el siguiente sistema determinado ya que son dos ecuaciones con dos
incgnitas
x 1 * +3 x 5 * =4
2x 1 * + x 5 * =3
al resolverlo da x 1 * = x 5 * =1, y z * =2x 1 * +3 x 5 * =2.1+3.1= 5, tal como
adelantamos anteriormente por el teorema 1.
Normalmente cuando se aplica el mtodo simplex a un problema
programacin lineal, el esfuerzo computacional es mayor cuanto mayor es
nmero de restricciones, luego cuando un problema tiene mayor nmero
7

ya
de
el
de

restricciones que el de variables, al plantear el dual para resolverlo, este presenta

un menor nmero de restricciones que el primal y luego aplicar los teoremas de
dualidad para resolver el primal.
Interpretacin econmica del problema dual.
La interpretacin econmica que se va a realizar tanto del problema primal
como del dual es muy til, tanto para entender la formulacin realizada como para
poder manipularlo en plan de mejorar la eficiencia del problema, es decir, los
valores objetivos.
Sea el problema primal en forma cannica, y el dual correspondiente:
Primal
MINIMIZAR

Dual
MAXIMIZAR y = wb

z = cx
Ax b
x 0

Sujeto a:

Sujeto a:

wA c
w0

Si B es la base ptima del primal, entonces el valor objetivo del primal es

z* = c x* = c B B - 1 b = w * b = y *
luego si el valor objetivo del primal es finito, coincide con el valor objetivo del
dual, entonces ambas soluciones, tanto la del primal (x * ) como la del dual (w * )
son ptimas (corolario del lema2). Si ahora consideramos la variacin del valor
ptimo y * para un incremento unitario del vector b, obtenemos el vector w * , es
decir,
y * / b * = w * , bien si consideramos la componente i, ser y * i / b * i = w * i ,
Es decir, al ser w * i 0 (ver el problema dual), entonces w * i representa el
incremento del valor objetivo y * por cada unidad que se incremente del lado
derecho b i , o sea, como y * representa ganancia (unidades monetarias, ya que como
el dual es un problema de maximizar, el valor objetivo y representa un beneficio) ,
entonces w * i representa la ganancia por cada unidad se incremente el lado derecho
bi. Tambin al vector w (o variable del problema dual) se le denomina vector de
precios sombra asociado al lado derecho b, ya que teniendo en cuenta el anlisis
dimensional, como y= wb, al ser y una ganancia (en unidades monetarias) y b (las
componentes representan cantidades), entonces en w, las componentes representan
las ganancias (precios de cada unidad de las componentes). Tambin podemos
definirlo como el valor incremental asociado por el aumento de cada unidad
extra respectiva del lado derecho b una vez obtenido el valor ptimo y * .
Una vez visto lo que representa w i , pasemos a plantear el siguiente problema
de produccin. Supongamos que un cliente encarga a una empresa la produccin de
m bienes en cantidades respectivas de (b 1 , b 2 ,b i ,b m ). La empresa para poder
realizar la citada produccin debe de realizar n tareas o actividades con niveles x j
(j=1,2n), cuyos costos unitarios de cada actividad son c j (j=1,n). El cliente
deseara elegir tanto que actividades se deben realizar as como los niveles de las
mismas para conseguir que el coste total de la produccin de los m bienes sea lo
ms econmico posible. Si tenemos en cuenta que a i j representa la cantidad que se
consigue del bien i por cada unidad de la actividad j, y x j es la cantidad total de la
actividad j empleada en toda la produccin, entonces a i j x j es la cantidad del bien i
producida por la actividad j, y si consideramos que en el bien i intervienen todas las
n

actividades, entonces

ij

j 1

xj representa la cantidad total del bien i producido por

todas las actividades. Luego el problema que hay que resolver es que la produccin
de los bienes sea al menos la demandada por el cliente y que la produccin sea
realizada con el menor coste total, es decir, surge el problema primal:
n

Minimizar z = cjxj

o bien

Minimizar z = cx

j=1

Sueto a :

a x
ij

bi; i

Ax b

Sujeto a :

= 1..m

j=1

xj ; j

x0

= 1...n

Si ahora la empresa desea realizar la citada produccin para conseguir el

mayor beneficio posible , donde el cliente est conforme en pagar por cada unidad
del bien i el precio sombra w i ( que se analiz anteriormente), teniendo en cuenta
que a i j representa la cantidad que se consigue del bien i por cada unidad de la
actividad j, entonces el coste de tal cantidad es a i j w i , pero como una unidad de la
m

actividad j se utiliza en la produccin de todos los bienes,

a w
ij

representa la

i=1

ganancia por cada unidad de la actividad j, el cual no debe de superar el coste

unitario de la actividad j , es decir, c j . Luego el problema que hay que resolver es
el dual:
m

Maximizar y =

w b
i

o bien

Maximizar y = wb

i=1

Sueto a:

a w
ij

cj;

Sujeto a:

j = 1. . n

wA c

i=1

wi ;

w0

i = 1. . . m

Conclusin: Cuando se obtiene la produccin con coste total mnimo se

consigue la produccin con mxima ganancia, y viceversa