Está en la página 1de 16

Introducion

Cada uno de los problemas abordados hasta entonces en los módulos anteriores
se consideran problemas primales dado que tienen una relación directa con la
necesidad del planteamiento, y sus resultados responden a la formulación del
problema original; sin embargo cada vez que se plantea y resuelve un problema
lineal, existe otro problema ínsitamente planteado y que puede ser resuelto,
es el considerado problema dual, el cual tiene unas importantes relaciones y
propiedades respecto al problema primal que pueden ser de gran beneficio para la
toma de decisiones.

Los problemas primales y duales se encuentran ligados por una serie de relaciones,
saber la existencia de estas puede ser considerado de gran utilidad para la
resolución de problemas que parecen no factibles, o que no pueden ser resueltos
mediante un método en particular.

mejorando la solución en cada paso. La razón matemática de esta mejora radica en


que el método consiste en caminar del vértice de un poliedro a un vértice vecino de
manera que aumente o disminuya (según el contexto de la función objetivo, sea
maximizar o minimizar), dado que el número de vértices que presenta un poliedro
solución es finito siempre se hallará solución.

Relaciones entre problemas primales y duales

 El número de variables que presenta el problema dual se ve determinado por


el número de restricciones que presenta el problema primal.
 El número de restricciones que presenta el problema dual se ve determinado
por el número de variables que presenta el problema primal.
 Los coeficientes de la función objetivo en el problema dual corresponden a
los términos independientes de las restricciones (RHS), que se ubican del
otro lado de las variables.
 Los términos independientes de las restricciones (RHS) en el problema dual
corresponden a los coeficientes de la función objetivo en el problema primal.
 La matriz que determina los coeficientes técnicos de cada variable en cada
restricción corresponde a la transpuesta de la matriz de coeficientes técnicos
del problema primal.
IMPORTANCIA DE LA DUALIDAD EN PROGRAMACIÓN LINEAL

La resolución de los problemas duales respecto a los primales se justifica dada la


facilidad que se presenta dados problemas donde el número de restricciones supere
al número de variables. Además de tener gran aplicación en el análisis económico
del problema.

Otra de las ventajas que presenta es que dado a que el número de restricciones y
variables entre problema dual y primal es inverso, se pueden resolver gráficamente
problemas que presenten dos restricciones sin importar el número de variables.
RESOLUCIÓN DEL PROBLEMA DUAL, PASO A PASO

El siguiente problema a resolver es hasta el momento el modelo más completo de


los resueltos en los módulos anteriores, dado que trataremos de resolver un
problema primal y su dual mediante Método Simplex utilizando variables de holgura,
exceso y artificiales; además resolveremos el primal utilizando Simplex
maximizando y el dual minimizando.

Dado el siguiente modelo primal,

ZMAX = 40X1 + 18X2

16X1 + 2X2 ≤ 700


6X1 + 3X2 ≤ 612
X1 ≤ 80
X2 ≤ 120
www.ingenieriaindustrialonline.com

Cuya respuesta es

X1 = 28,75
X2 = 120
S1 = 79.5
S3 = 51.25

Función objetivo = 3310

Procedemos a resolver el problema dual


PASO 1: Definimos el problema dual

www.ingenieriaindustrialonline.com

Este paso se lleva a cabo teniendo en cuenta las relaciones que se expusieron en
la definición de la dualidad. Ahora las variables en el dual las representaremos por
"ʎ" y corresponden a cada restricción.

El modelo queda de la siguiente forma:

ZMIN = 700ʎ1 + 612ʎ2 + 80ʎ3 + 120ʎ4

16ʎ1 + 6ʎ2 + ʎ3 ≥ 40
2ʎ1 + 3ʎ2 + ʎ4 ≥ 18
ʎ1;ʎ4 ≥ 0

Ahora preparamos el modelo para ser resuelto mediante Método Simplex,


utilizaremos el procedimiento en el cual la función objetivo es multiplicada por (-1) y
resolveremos el modelo mediante maximización.

ZMIN = 700ʎ1 + 612ʎ2 + 80ʎ3 + 120ʎ4

Lo que es igual

(-Z)MAX = -700ʎ1 - 612ʎ2 - 80ʎ3 - 120ʎ4

Ahora dado que los signos de las inecuaciones son mayor o igual procedemos a
volverlas ecuaciones agregando variables de exceso, recordemos que en este caso
las variables de exceso se restan del lado izquierdo de la igualdad, por ende.

16ʎ1 + 6ʎ2 + ʎ3 + 0ʎ4 - 1S1 + 0S2 = 40


21ʎ1 + 3ʎ2 + 0ʎ3 + ʎ4 + 0S1 - 1S2 = 18
ʎ1;ʎ4 ≥ 0

Recordemos que el Método Simplex solo es posible por la formación de la matriz


identidad, sin embargo en una matriz identidad no pueden ir coeficientes negativos,
el cual es el caso, por ende recurriremos al artificio denominado "Método de la M
grande" utilizando variables artificiales, las cuales siempre se suman.

16ʎ1 + 6ʎ2 + ʎ3 + 0ʎ4 - 1S1 + 0S2 + 1A1 + 0A2 ≥ 40


21ʎ1 + 3ʎ2 + 0ʎ3 + ʎ4 + 0S1 - 1S2 + 0A1 + 1A2 ≥ 18
ʎ1;ʎ4 ≥ 0

Ahora si observamos la matriz identidad formada por las variables artificiales,


nuestra función objetivo es la siguiente (varía dada la incorporación de las nuevas
variables).

(-Z)MAX = -700ʎ1 - 612ʎ2 - 80ʎ3 - 120ʎ4 + 0S1 + 0S2 - MA1 - MA2

Recordemos que el coeficiente de las variables de holgura y exceso es 0, además


que los coeficientes de las variables artificiales es M, donde M corresponde a un
número grande poco atractivo cuyo signo en la función objetivo depende del criterio
de la misma, dado que la función es maximizar el signo es negativo. Dado que
utilizaremos el Método Simplex y no un software para la resolución del modelo es
necesario que M adquiera valor, en este caso será "-10000" un número bastante
grande en el problema.

Las iteraciones que utiliza el Método Simplex son las siguientes:


Podemos observar que todos los Cj - Zj son menores o iguales a 0, por ende hemos
llegado a la solución óptima del problema, sin embargo recordemos que la función
objetivo fue alterada en su signo al principio, por ende se hace necesario regresarle
su signo original a Zj y a la fila Cj - Zj.

(-Z)max = -3310 * (-1)


Zmax = 3310

Podemos cotejar con la función objetivo del modelo primal y encontraremos que
hallamos el mismo resultado.
Ahora se hace necesario interpretar los resultados de la tabla dual respecto al
modelo primal, y esta interpretación se realiza siguiendo los siguientes principios.

La interpretación del tabulado final del modelo dual es la siguiente:

historia de la INVESTIGACION DE OPERACIONES

La Investigación Operativa en la segunda guerra mundial: -La máquina Enigma,


El sónar, El proyecto Manhattan

1: MODELOS DE PROGRAMACION LINEAL y APLICACIONES.

. Formulación de modelos de programación lineal. Ejemplos. . Solución gráfica de


problemas de programación lineal con dos variables. Interpretación. Definiciones
básicas. . Problemas de programación lineal en forma estándar. . Sistemas de
ecuaciones lineales simultáneas. Definiciones básicas: solución factible, variables
básicas y no básicas, sistema canónico, solución básica, solución factible básica.
2: EL METODO DEL SIMPLEX.

Esquema básico de funcionamiento del método del Simplex. Beneficios relativos,


criterio de entrada, criterio de salida (regla de la mínima proporción), elemento
pivote, pivotaje. . El método del Simplex por tablas. . Problemas de cálculo:
empates en el criterio de entrada, empates en el criterio de salida, degeneración,
ciclaje. . Obtención de una solución factible básica inicial: Método de las Dos
Fases y Método de las Penalizaciones. - Otros: Consideraciones computacionales,
Método del punto interior.

Aprovechando las propiedades de los problemas asociados primal y dual, se


desarrolló el método dual-simplex que se aplica: en algunos casos de análisis de
sensibilidad, como ocurre en cambios de los recursos del problema; también para
resolver problemas de objetivo mínimo y al menos una restricción de tipo >=, o
para ahorro en cálculos evitando los métodos simplex penal y dos fases. Se aplica
cuando el problema cambia a no factible, pero el renglón Z se presenta óptimo.
Ahora observe y compare la aplicación ( ) de criterios del simplex en coeficientes
del modelo de PL resumido, a los problemas primal y dual.

EL METODO REVISADO DEL SIMPLEX.

. El método revisado: Conceptos básicos. Vector de Multiplicadores. . Desarrollo


del método. . Ventajas del método revisado del Simplex sobre el método del
Simplex regular. TEMA 4: TEORIA DE LA DUALIDAD. . Fomulación del problema
dual. . Problemas primal-dual simétrico. Propiedades y relaciones de los
problemas primal y duaL . Teoremas de la dualidad. . Condiciones de holguras
complementarias. . Problemas asimétricos primal-duaL . Lectura de la solución
dual óptima en la tabla óptima primaL

5: EL METODO DUAL DEL SIMPLEX.

. Conceptos fundamentales. Bases factibles dual y primaL . Desarrollo del método


dual del Simplex. . Identificación de problemas no factibles.

6: ANALISIS DE SENSIBILIDAD Y PROGRAMACION PARAMETRICA. .

Modificaciones en los coeficientes de la función del objetivo. . Modificaciones en


las constantes de la derecha de las restricciones. . Modificaciones en la matriz de
coeficientes de las restricciones. . Adición de nuevas variables. . Adición de
nuevas restricciones. . Variación paramétrica de los coeficientes de la función del
objetivo. . Variación paramétrica de las constantes de la derecha de las
restriccionesA
7: PROGRAMACION LINEAL ENTERA. . Formulación de modelos. . Algoritmo de
ramificación y acotación. . Aspectos computacionales.

PROBLEMAS ESPECIALES DE PROGRAMACION LINEAL.

1 Problemas de Transporte. . Formulación del Problema Standard del Transporte. .


Obtención de una solución factible básica inicial: método de la esquina noroeste y
método del coste mínimo. . Algoritmo de Stepping-Stone. 2 Problemas de
Asignación. . Formulación del Problema Standard de Asignación. . Método
Húngaro

En

Método simplex dual

Figura 3-1. Criterios del simplex en coeficientes del modelo de PL resumido,


a los problemas primal y dual.

Enseguida se presenta una comparación funcional del simplex y el dual simplex.

Comparación funcional del simplex y el dual simplex.

Criterios del método dual-simplex para el cambio de base.

En el algoritmo dual-simplex aplican los siguientes criterios para cambio de base:

Criterio de factibilidad.- Se aplica en el dual-simplex para determinar, entre las


variables básicas, una VS que salga de la base, eligiendo para salir la que
corresponda al valor más negativo en la columna de solución. Esto es válido tanto
para el objetivo mínimo como para el máximo.

Criterio de optimalidad.- Se aplica en el dual-simplex para determinar, entre las


variables no básicas, una VE que entre a la base con el siguiente procedimiento:
Criterio de Optimalidad en el método dual-simplex.

Elemento Pivote.- Se ubica como pivote al coeficiente que corresponde al cruce


del renglón y columna elegidos con los criterios del cambio de base.

Ejemplo . Aplica dual simplex a un PL con 4 restricciones >= (DUX1).

PASOS:

1) Consiga infactibilidad en restricciones tipo >=, (multiplique por -1):

2) Arregle la función Z; consiga la matriz I de base, sume holguras Hi, como sigue:

3) Tabule coeficientes y aplique el dual-simplex; elija variables VS, VE y pivote así:


Ejemplo Simplex Dual

Considere el siguiente modelo de Programación Lineal:


Paso 1

Se lleva el modelo a su forma estándar. En nuestro ejemplo esto se logra


agregando variables de exceso en cada una de las restricciones (3 primeras: S1,
S2, S3, respectivamente). Luego, se multiplica cada fila de las restricciones por -1
de modo de disponer una solución básica inicial (infactible) en las variables de
exceso S1, S2 y S3. De esta forma se obtiene la siguiente tabla inicial.

A B C S1 S2 S3

-
-15 -2 -1 1 0 0
200

-
-7,5 -3 -1 0 1 0
150

-
-5 -2 -1 0 0 1
120

315 110 50 0 0 0 0

Paso 2

Se selecciona el lado derecho "más negativo" lo cual indicará cuál de las actuales
variables básicas deberá abandonar la base. En el ejemplo el lado derecho más
negativo se encuentra en la primera fila, por tanto S1 deja la base. Para
determinar cual de las actuales variables no básicas (A, B, C) entrará a la base se
busca el mínimo de {-Yj/aij} donde aij es el coeficiente de la respectiva variable no
básica en la fija i (del lado derecho más negativo, marcado en verde) y donde Yj
es el costo reducido de la respectiva variable no básica. De esta forma se obtiene:
Min {-315/-15, -110/-2, -50/-1} = 21, donde el pivote (marcado en rojo) se
encuentra al hacer el primer cuociente, por tanto A entra a la base.

Paso 3

Se actualiza la tabla anterior siguiendo un procedimiento similar al utilizado en


el Método Simplex. En el ejemplo se debe dejar a la variable A como básica y S1
como no básica. La tabla que resulta es la siguiente:

A B C S1 S2 S3
-
1 2/15 1/15 0 0 40/3
1/15

0 -2 -1/2 -1/2 1 0 -50

-
0 -4/3 -2/3 -1/3 0 1
160/3

-
0 68 29 21 0 0
4.200

Paso 4

Continuar las iteraciones y siguiendo el mismo procedimiento hasta disponer de


una solución básica factible. Luego de unas iteraciones se obtiene la siguiente
tabla final:

A B C S1 S2 S3

-
1 0 0 0 1/10 8
1/10

0 1 0 1/4 -1 3/4 10

0 0 1 0 2 -3 60

-
0 0 0 4 10 36
6.620

La solución óptima es A=8, B=10, C=60 (marcado en verde) con valor


óptimo V(P)=6.620 (marcado en rojo - se obtiene con signo cambiado). También
es interesante notar que los costos reducidos de las variables artificiales S1, S2 y
S3 (marcado en amarillo), corresponde a la solución óptima del modelo
presentado en el tutorial de solver, esto dado que dicho modelo resulta ser
el problema dual de nuestro ejemplo.

PROBLEMAS CON SIMPLEX DUAL


Ingrese a la aplicación del Método Simplex la cual también le permitirá resolver
modelos de Programación Lineal utilizando esta metodología.

BIBLIOGRAFÍA .

ANDERSON, D.R. - SWEENEY, D.J. - WILLIAMS, T.A. Introducción a los modelos


cuantitativos para administración. Grupo Editorial Iberoamericana. . ARREOLA, J.
– ARREOLA, A. Programación lineal. Una introducción a la toma de decisiones
cuantitativa. Thomson . BRONSON. R. Teoría y problemas de investigación de
operaciones. Schaum, McGrawHill . DANTZIG, G.B. Linear programming and
extensions Princeton University Press . GARCIA, J. - FERNANDEZ, L. - TEJERA,
P.
Figura 3-4. Tablas del Dual-simplex aplicado al ejemplo DUX1.

Ejemplo 3-2. Aplica dual-simplex a un PL con 2 restricciones >= y 1


restricción <= (DUX2).
PASOS:

1) Consiga infactibilidad, multiplique por (-1) en restricción tipo >= como sigue:

2) Arregle el objetivo Z; consiga la solución básica (sume holguras Hi), como


sigue:

3) Construya la tabla y aplique el algoritmo dual simplex:

También podría gustarte