Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Clase11 PDF
Clase11 PDF
Relaciones primal-dual
Asociado a cada problema lineal existe otro problema de
programacin lineal denominado problema dual (PD) , que posee
importantes propiedades y relaciones notables con respecto al
problema lineal original, problema que para diferencia del dual se
denomina entonces como problema primal (PP).
Las relaciones las podemos enumerar como siguen:
a) El problema dual tiene tantas variables como
restricciones tiene el programa primal.
b) El problema dual tiene tantas restricciones como
variables tiene el programa primal
c) Los coeficientes de la funcin objetivo del problema dual
son los trminos independientes de las restricciones o RHS del
programa primal.
Tabla de TUCKER
MAXIMIZACION
RESTRICCIONES
VARIABLES
MINIMIZACION.
><
><
VARIABLES
RESTRICCIONES
Mx Z(x) = ct x
s.a:
Axb
x0
El problema dual ( dual simtrico ) es :
Mn G() = b
s.a:
A c
0
Los restantes tipos de combinaciones de problemas, se
conocen con el nombre de duales asimtricos.
ejemplo:
Mx Z(x) = ct x
s.a:
Ax=b
x0
El problema dual ( dual asimtrico ) es :
Mn G() = b
s.a:
A c
>< 0, es decir, variables libres.
Como por
PREGUNTAS:
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.
2 1 + 3 2 5
1 + 2 2
3 1 + 2 3
1 0 , 2 0
-1
-1
Grfico 2
vrtice solucin es el punto (4/5,3/5) con un valor de la funcin
objetivo de 5.
x1 + 3 x5 = 4
2 x1 + x5 = 3
el
siguiente
programa
lineal,
que
denominaremos PRIMAL:
Mx Z(x) = ct x
s.a:
Axb
x0
La funcin lagrangiana de esta programa ser:
L(x,) = c x + ( b - Ax )
donde = ( 1, 2,....,m ) representa el vector de los
multiplicadores de Lagrange asociados a las restricciones.
Las condiciones de optimalidad de este problema (
Condiciones de Kuhn-Tucker) respecto de las variables, son:
L
= c - A 0
x
L
x = ( c - A ) x = 0
x
x0
Respecto a los multiplicadores, son:
L
= b - Ax 0
L
= ( b - Ax ) = 0
0
Asociado a este programa primal tenemos otro problema
lineal denominado DUAL (posteriormente explicaremos las
relaciones entre ambos):
Mn G() = b
s.a:
Ac
0
La funcin lagrangiana de este programa ser:
L(,x) = b + ( c - A ) x
L
= ( b - Ax ) = 0
0
Respecto a los multiplicadores, son:
L
= c - A 0
x
L
x = ( c - A ) x = 0
x
x0
Como puede observarse, ambas condiciones de optimalidad
son las mismas para los dos problemas. A la misma consideracin
se puede llegar sin ms que comparar la funcin de Lagrange de
los dos problemas y ver que son iguales:
L(x,) = c x + ( b - Ax )
L(,x) = b +( c - A )x = b + cx-Ax = cx + ( b - Ax )
Por lo tanto, asociado a todo problema de programacin
lineal existe otro problema de programacin lineal denominado
programa dual que tiene importantes relaciones con el problema
original denominado programa primal . Como acabamos de ver,
es evidente, que el programa dual de un programa dual
proporciona el programa primal original.
MULTIPLICADORES
VARIABLES
PRIMAL
x0
L
= c A 0
x
L
= ( b Ax) 0
L
= b Ax 0
L
x = ( c A ) x = 0
x
MULTIPLICADORES
VARIABLES
L
= ( b Ax) 0
L
= b Ax 0
x0
L
x = ( c A ) x = 0
x
L
= c A 0
x
L(x,) = c x + ( b - Ax )
Ac
G() = b
L(,x) = b + ( c - A ) x
s.a:
Axb
s.a:
x0
Mn
F(x) = ct x
Max
DUAL
optima finita.
b) S = S
programa dual es no
c) S S =
programa primal es no
d) S = S =
Teorema de la Dualidad.
La condicin necesaria y suficiente para que exista solucin
ptima del primal ( x* ), es que exista una solucin ptima para el
dual ( * ) y que valor de la funcin objetivo de ambos programas
sea igual, es decir Z(x*) = G(*).
x* * / Z(x*) = G(*)
cx* = cB B-1 b
se tiene que :
* = cB B-1
ptima.(Vase
el
ejemplo
anterior,
resuelto
grficamente)
2.- En base al Teorema de holgura complementaria, existe
una relacin entre el comportamiento de las variables de un
problema y su dual:
Variables principales primal Variables holgura dual
Variables holgura primal Variables principales dual
j.
sern
h* se
-3
-2
x5
x1
zj
wj
-2 -3
x1 x2
0
.6
1 -.8
0 -.2
0 -2.8
-5 -2 -3
x3 x4 x5
.2 .2 1
1.4 .4 0
-3.4 -1.4 -3
-1.6 -.6 0
0
0
M M
h
h
x1 x2 x1a x2a
-.4 .2 .4 -.2 1
.2 -.6 -.2 .6 1
.8 .6 .8 .6
-.8 -.6 M- M- -5
.8 .6
2 1 + 3 2 5
1 + 2 2
3 1 + 2 3
1 0 , 2 0
La tabla ptima de este problema es:
3
0
0
0
4
2
2h
3h
4h
1
zj
wj
4
1
0
0
0
0
1
4
0
3
2
1
0
0
0
0
3
0
0
1h
.6
.8
-1.4
-.4
-.2
1
-1
0
2h
0
1
0
0
0
0
0
0
3h
0
0
1
0
0
0
0
0
4h
0
0
0
1
0
0
0
0
5h
-.2
-.6
-.2
-.2
.4
1
-1
.6
2.8
1.6
.6
.8
5
x1h
x2h
1h
x1
2h
x2
3h
x3
4h
x4
5h
x5
3 1
B = 1
A = B-1 A
xB = B-1 b
1
A =2
1 2 1 3 1 0
1 3 1 1 0 1
0.2
0.6
B-1 = 0.2
A =
0.4
xB = B-1 b = 0.2
0.2 4
0.6 3
= 1
Max [- Z(x)] = -2 x1 - 3 x2 - 5 x3 - 2 x4 - 3 x5
-3
-2
x5
x1
zj
wj
-2 -3
x1 x2
0
.6
1 -.8
0 -.2
0 -2.8
-5 -2 -3
x3 x4 x5
.2 .2 1
1.4 .4 0
-3.4 -1.4 -3
-1.6 -.6 0
0
0
h
x1 x2h
-.4 .2 1
.2 -.6 1
.8 .6
-.8 -.6 -5
b0
A x* = b
y que para una variacin del vector de trminos independientes b,
cuando este vector pasa a ser (b+b), siendo (b+b) 0, y que
esta variacin deje inalterada las variables bsicas de la solucin,
es decir que se cumpla que:
x* = B-1 (b + b) 0; (b + b) 0
A x* = (b + b)
En estas condiciones la derivada de la funcin de Lagrange:
L(x,) = cx + ( b - Ax )
L
- =
b
este valor de nos indica en cuanto varia la funcin objetivo ante
una variacin (infinitesimal) de b, y que mantenga la factibilidad
de la solucin.