5a DUALIDAD

El problema Dual de un problema de Programacin Lineal, corresponde a

una formulacin alternativa que nos permite conseguir similares
resultados de los que obtendramos al resolver directamente el problema
original o primal.

Esta formulacin dual nos permite rescatar la solucin del problema

primal, luego es una alternativa eficiente de usar a nuestro juicio cuando
el esfuerzo en identificar el problema dual y resolverlo es menor a
resolver directamente el problema primal.

En trminos matriciales la relacin entre el problema primal y dual de un

modelo de Programacin Lineal se resume por:

Uno de los resultados tericos ms importantes al respecto es el que nos

entrega el Teorema de Dualidad Fuerte.

Si x* = (x1*, x2*, ..., xn*)T, es una solucin ptima problema primal

P), entonces el problema dual D) tiene solucin ptima p* = (p1*,
p2*, ..., pm*)T que satisface:
 Adems, si P) es no acotado, entonces D) es infactible.

Si D) es no acotado, entonces P) es infactible. Para una revisin

detallada de la teora de dualidad se recomienda visitar Dualidad en
Programacin Lineal.

EJEMPLO:

Considere el siguiente problema de Programacin Lineal. Luego formule

su problema dual y mediante su resolucin obtenga la solucin y valor
ptimo de P).

P) MAX 10X + 16Y

S.A. 2X + 2Y <= 8

...... .1X + 2Y <= 6

..... ..X>= 0, Y>= 0

Siguiendo la notacin y resultados anteriores podemos identificar:

1. Dado que P) es de Max, D) ser de Min.
2. El vector de "lados derechos" de P) ser el vector de los coeficientes
de la funcin objetivo de D).
3. Los coeficientes de la funcin objetivo de P) sern los lados derechos
de D).
4. Restricciones del tipo "<=" en el primal de Maximizacin definen
variables ">=0" en el dual de Minimizacin.
5. Variables ">=0" en el primal de Maximizacin definen restricciones
">=" en el dual de Minimizacin.

En consecuencia, el modelo dual de P) sera:

 D) MIN 8X + 6Y

S.A. 2X + Y >= 10

...... .2X + 2Y >= 16

..... ..X>= 0, Y>= 0

Con Solucin ptima X=2, Y=6 y Valor ptimo V(P)=52. Luego, por el
Teorema de Dualidad Fuerte V(P)=V(D)=52. La Solucin ptima de P)
corresponder a los Precios Sombra de las restricciones 1 y 2
respectivamente en el Dual (en ambos casos es igual a 2). Finalmente, la
Solucin ptima del primal es X=2 e Y=2.

Sugerencia: Verifique utilizando el Mtodo Simplex que los costos

reducidos asociados a las variables de holgura de las restricciones 1 y 2
de P) corresponde a las variables duales ptimas en D)

PREGUNTAS FRECUENTES DUALIDAD (FAQ)

1. Qu se obtiene al definir el dual de un problema dual?

R: El dual de un problema dual resulta ser el problema primal o uno
equivalente a este.

2. Si se resuelve directamente el problema primal y se verifica

que una de las restricciones no esta activa en el ptimo, Qu
implicancias tiene esto en el modelo primal?
R: El Teorema de Holguras Complementarias nos seala que de
verificarse esta situacin, la variable primal asociada a la restriccin dual
no activa vale cero en el ptimo.

3. Si resuelvo el problema primal directamente, Dnde puedo

obtener las variables duales ptimas?
R: Hay varias opciones que difieren en su complejidad y conveniencia de
aplicacin segn sea el caso. Por ejemplo, al obtener grficamente el
precio sombra asociado a una restriccin (primal), dicho valor
corresponde al valor de la variable dual asociada a dicha restriccin.
Ahora si utilizamos el Mtodo Simplex, podemos rescatar las variables
duales ptimas observando los costos reducidos o precios sombra
asociados a las variables de holgura en el caso de un problema primal
de maximizacin.
 Ejemplo: Tabla Final del Simplex para el ejemplo de 3 restricciones:

X1 X2 S1 S2 S3
1 0 1/4 0 -1/10 15
0 0 3/4 1 -11/10 25
0 1 -1/4 0 3/10 15
0 0 1/4 0 1/2 105

MTODO SIMPLEX DUAL es una estrategia algortmica que nos puede

resultar ser til en diversos escenarios. El ms evidente es cuando para
llevar el modelo a su forma estndar debemos agregar varias variables
de exceso (para restricciones del tipo >=) y otras tanto artificiales, de
modo de tener una solucin bsica factible inicial en estas ltimas. Esto
nos define un modelo para ser resuelto por Simplex de 2 Fases que
para un importante nmero de variables puede resultar engorroso.

Tambin podemos aplicar el Mtodo Simplex Dual como apoyo al anlisis

de sensibilidad o post optimal. Especialmente para cambios en el vector
del "lado derecho" o la inclusin de una nueva restriccin al problema.
Mayores referencias en Mtodo Simplex Dual.

Consideremos el siguiente ejemplo:

MIN 8X + 6Y

S.A. 2X + Y >= 10

...... .2X + 2Y >= 16

..... ..X>= 0, Y>= 0

Llevamos el modelo a su forma estndar,

agregando S1y S2 como variables de exceso a la restriccin 1 y 2,
respectivamente. (Lo que claramente NO define una solucin bsica
factible inicial).
 X Y S1 S2
2 1 -1 0 10
2 2 0 -1 16
8 6 0 0 0

La tabla anterior no es ptima, debido a que S1=-10,S2=-16 que no

cumplen con las restricciones de no negatividad y criterio bsico para la
aplicacin del Mtodo Simplex. Primero, multiplicaremos por -1 la fila 1 y
2 para que la negatividad quede asociado al lado derecho:

X Y S1 S2
-2 -1 1 0 -10
-2 -2 0 1 -16
8 6 0 0 0

Consideramos como variable bsica que deja la base aquella asociada a

la fila del lado derecho ms negativo. En nuestro caso S2 asociado a fila
2. La variable que entra a la base ser la del mnimo cuociente entre el
negativo de los costos reducidos de las variables no bsicas y los
coeficientes de stas asociados a la fila 2. En consecuencia: Min {-8/-2;
-6/-2}=3. Por tanto, Y entra a la base. (Se ha marcado con azul el
pivote).

Posteriormente se actualiza la tabla siguiendo la forma normal del

Mtodo Simplex:

X Y S1 S2
-1 0 1 -1/2 -2
1 1 0 -1/2 8
2 0 0 3 -48

Aun queda un lado derecho negativo asociado a la fila 1. Luego la actual

variable bsica asociada a la fila 1 (S1) deja la base. En seguida se
calcula Min {-2/-1; -3/-1/2}=2. En consecuencia, X entra a la base.

X Y S1 S2
1 0 -1 1/2 2
0 1 1 -1 6
0 0 2 2 -52
Finalmente se obtiene la solucin ptima donde X=2,Y=6 con V(P)=-
52 (Ntese que el valor ptimo se obtiene con signo cambiado). Un
resultado interesante a considerar es que el costo reducido asociado a
las variables de exceso de la restriccin 1 y 2 representan el valor de las
variables duales ptimas al modelo que hemos resuelto. (Ver ejemplo
Sillas y Mesas AQUI)

INTERVALO DE VARIACIN LADO DERECHO

Frecuentemente es til conocer un intervalo de variacin para cada

parmetro del lado derecho por separado de modo que se conserve la
actual base ptima. Por ejemplo si consideramos la tabla final del
ejemplo de "1. Cambio en el "lado derecho" de las restricciones"

X1 X2 X3 X4 X5
0 -1 5 1 -1 20
1 4 -1 0 1 10
0 1 1 0 2 20

Cul es el intervalo de variacin para b2 (actualmente b2=10)

que mantiene la actual base ptima?

Consideramos la columna asociada a X5 que corresponde a la variable

de holgura asociada a la restriccin 2. Luego, para encontrar el intervalo
de variacin calculamos:

Max {-10/1} <= D <= Min {-20/-1}

-10 <= D <= 20
Por tanto b2 puede variar entre: {10-10; 10+20} ={0,30} y se
mantiene la actual base ptima.

INTERVALO DE VARIACIN COEFICIENTE FUNCIN OBJETIVO

Un caso de inters resulta identificar el intervalo de variacin de los

coeficientes de la funcin objetivo para las variables bsicas, que
garantiza que la actual solucin ptima se mantenga.

EJEMPLO: Encontrar un intervalo de variacin para C1 y C2 que

conserven la actual solucin ptima (X3 y X4 corresponden a las
variables de holgura de la restriccin 1 y 2 respectivamente).

Max 20x1 + 15x2

sa: 2x1 + 2x2 <= 8
 2x1 + x2 <= 6
x1,x2 >= 0

X1 X2 X3 X4
0 1 1 -1 2
1 0 -1/2 1 2
0 0 5 5 70

Para C1:

Max {5/-1/2} <= D <= Min {5/1}

-10 <= D <= 5
C1 puede variar entre: {-20-10, -20+5}={-30,-15} parael problema de
minimizacin. (Entre {15,30} para Max)

Para C2:

Max {5/-1} <= D <= Min {5/1}

-5 <= D <= 5
C2 puede variar entre: {-15-5, -15+5}={-20,-10} para el problema de
minimizacin. (Entre {10,20} para Max)

Mtodo Dual-Simplex.
El mtodo dual-simplex se aplica para resolver problemas que empiezan
con factibilidad dual, es decir, ptimos pero infactibles.

Un problema se puede resolver por el mtodo dual-simplex, cuando,

despus de igualar acero la funcin objetivo y convertir las restricciones en
ecuaciones, agregando las variables de holgura necesarias, al menos uno,
cualquiera de los elementos del vector b (vector de disponibilidades) es
negativo y la condicin de optimalidad se satisface.

Un comparativo entre el mtodo simplex y el mtodo dual-simplex.

El mtodo dual-simplex requiere de la aplicacin de dos criterios para su
solucin: El criterio de optimalidad que asegura que la solucin
permanecer ptima todo el tiempo y el criterio de factibilidad que forza
las soluciones bsicas hacia el espacio factible.

Criterio de Factibilidad. La variable saliente ser aquella variable bsica que

tenga el valor ms negativo en el vector bi. Si todas las variables
bsicas son positivas o sea 0 se tiene la solucin final, ptima y factible.

Criterio de optimalidad. La variable entrante se selecciona de entre

las variables no-bsicas como sigue:

Dividir los coeficientes de la ecuacin cero entre los coeficientes de la

ecuacin asociada con la variable saliente, ignorando
denominadores positivos y/oceros. La variable entrante ser aquella
cuyo cociente sea el menor, si el problema es de minimizar, el de
menor valor absoluto si es de maximizar. Si todos los denominadores
son 0, el problema no tendr solucin factible.

La aplicacin del mtodo dual-simplex es especialmente til para el tema

de anlisis de sensibilidad. El procedimiento del mtodo dual-simplex se
explicara ms objetivamente con los siguientes ejemplos:
Ejemplo 1
Considere el siguiente modelo de PL y determine su solucin por el mtodo
dual-simplex.

Minimizar. Z= 2X1 + X2
S.A.
3X1 +X2 3
4X! +3X2 6
X! +2X2 # 3

X10 , X20 X30

Igualando a cero la funcin objetivo y agregando las variables de

holgura para obtener ecuaciones de restriccin.

Minimizar. Z-2X1 - X2 = 0
S.A.
-3X1 -X2 +X3 =-3
-4X! -3X2 +X4 =-6
X! +2X2 X5 = 3

X10 , X20 X30

Obteniendo la forma tabular para aplicar el procedimiento del dual-simplex.

Conclusin.
La solucin ptima es:
X1 = 3/5
X2= 6/5
Con Zoptima = 12/5

Ejemplo 2.
Considere el siguiente modelo de PL y determine su solucin por el mtodo
dual-simplex.

Maximizar. Z= -4X1 -12 X2 -18 X3

S.A.
X1 +3X3 3
+2X2 +2X3 5

X10 , X20 X30

Igualando a cero la funcin objetivo y agregando las variables de

holgura para obtener ecuaciones de restriccin.
Minimizar. Z+4X1 +12 X2 +18 X3= 0
S.A.
-X1 -3X3 +X4 =-3
-.2X2 -2 X3 X5 =-5

X10 , X20 X30

Obteniendo la forma tabular para aplicar el procedimiento del dual-simplex.

Conclusin.
La solucin ptima es:
X2 = 3/2
X3= 1
Con Zoptima = -36

PREGUNTAS DE RECAPITULACIN

1. Cmo puedo constatar que un problema de Programacin

Lineal tiene infinitas soluciones?
R: Un problema de PL tiene infinitas soluciones si en la tabla final del
Mtodo Simplex un costo reducido asociado a una variable no bsica
igual a cero.

2. Utilizando el Mtodo Simplex de 2 Fases, Cmo compruebo que

el problema asociado es infactible?
R: Esto se comprueba si el valor de la funcin objetivo terminada la Fase
I es distinto de cero.

3. Puede existir una restriccin activa con precio sombra asociado

igual a cero?
R: Si. Sin embargo, este caso es ms la excepcin que la regla.

4. Es incorrecto considerar como variable que entra a la base

alguna variable no bsica con costo reducido negativo, pero no
el "ms negativo" de todos? (Mtodo Simplex)
R: No es incorrecto. En general, se utiliza como criterio seleccionar como
variable entrante a la base aquella variable no bsica con costo reducido
ms negativo, de modo de que en menos iteraciones podamos alcanzar
el ptimo en caso que ste exista (rapidez de convergencia).

5. Utilizando el Mtodo Simplex, Cmo se puede detectar que

un problema de Programacin Lineal es no acotado?
R: Esta situacin se detecta cuando al realizar el clculo de la variable
que deja la base, todos los elementos Ykj de la columna jen la tabla son
negativos, para j el ndice de una variable no bsica con costo reducido
negativo.

6. Si el problema Dual asociado a un modelo de Programacin

Lineal es no acotado, Qu situacin se verifica con el modelo
Primal?
R: Si el modelo Dual es no acotado, entonces el Primal es infactible.

7. Cmo se verifica que un problema lineal es infactible?

R: Si todas las entradas en la columna correspondiente a una variable no
bsica con costo reducido negativo son negativas o igual a cero.

8. Qu significa que un modelo de programacin lineal sea

infactible?
R: Bsicamente consiste en que no existen valores que puedan adoptar
las variables de decisin de modo que se verifique el cumplimiento de
todas las restricciones del modelo.