UNIDAD No.

Teoría de la Dualidad y otros algoritmos

Wilson K. Casado

Santo Domingo, D.N.

Febrero de 2017
Unidad 4: Teoría de la Dualidad y otros algoritmos

Contenido

4. Introducción .........................................................................................................................................3
4.1. Método de las dos fases ....................................................................................................................4
4.1.1. Procedimiento del Método de las dos fases ...................................................................................4
4.2. Teoría de Dualidad .............................................................................................................................4
4.2.1. Problema Primal vs Dual ...................................................................................................................5
4.2.2. Resumen de las relaciones primal-dual ..........................................................................................6
4.2.3. Teorema de la dualidad .....................................................................................................................6
4.2.4. Conversión del modelo dual ..............................................................................................................7
4.2.5. Relación entre ambos problemas .....................................................................................................8
4.3. Simplex Matricial .................................................................................................................................9
4.4. Bibliografía ...........................................................................................................................................9

2
Autor: Ing. Wilson K. Casado
Unidad 4: Teoría de la Dualidad y otros algoritmos

4. Introducción

En esta semana se inicia la cuarta unidad del curso, en la cual pretendemos abordar los
conceptos sobre la teoría de dualidad, así como otras variantes de algoritmos utilizados en
la solución de problemas con características particulares. Continuaremos con los problemas
que incluyen restricciones del tipo (=) y/o (≥) y las variables artificiales, pero en esta
oportunidad veremos el método de las dos fases.

El método de las dos fases pretende segmentar el proceso de solución de un problema en

dos momentos. En una primera fase buscamos encontrar una solución básica factible inicial,
eliminando las variables artificiales que se hayan agregado al modelo. Luego en la segunda
fase, pretendemos encontrar una solución óptima al problema real, para esto se retoma la
función objetivo original y se realizan los ajustes necesarios en la condición de optimalidad
de acuerdo al objetivo del problema.

Luego introduciremos el concepto de teoría de dualidad, el cual nos presenta la existencia

de un problema alterno al problema originalmente formulado. Básicamente, esta teoría nos
permite construir otro problema mediante una trasposición de los parámetros que
conforman el modelo. La solución de ambos problemas consigue al final la misma solución
óptima y aporta las mismas informaciones para cada parámetro. Sin embargo, como existe
una trasposición las posiciones en los parámetros, pues los resultados aparecerán en
lugares diferentes. Veremos que existe una relación entre ambos problemas, por lo cual se
puede interpretar los resultados entre las variables definidas en ambos problemas (primal y
dual).

Por último, en esta unidad exploraremos la metodología matricial relacionada con el

algoritmo simplex. Mediante la comprensión de este enfoque podremos reconstruir
cualquier vértice esquina del espacio solución del problema objeto de estudio. El
procedimiento a utilizar es bastante sencillo, únicamente se deben conocer las variables
básicas deseadas en ese vértice esquina para realizar una segmentación de los grupos de
variables y luego utilizar el concepto de matriz inversa para obtener la reconstrucción del
vértice considerado, así como los valores asociados a cada variable dentro del modelo.

3
Autor: Ing. Wilson K. Casado
Unidad 4: Teoría de la Dualidad y otros algoritmos

4.1. Método de las dos fases

El primer paso para realizar la estandarización del modelo y poder aplicar la metodología
simplex, es la conversión de las restricciones funcionales (desigualdades) del modelo en
ecuaciones equivalentes con lados derechos no negativos, como se indicó en los requisitos
previos.

En un modelo económico (de vida real), el lado derecho en la programación lineal

representa la disponibilidad del recurso, y el izquierdo el uso de ese recurso en función del
nivel de actividad que se tenga para cada una de las variables del modelo. Dependiendo
de este nivel de actividad, la diferencia que existe entre la cantidad del lado derecho
respecto del izquierdo da como resultado una cantidad no utilizada del recurso en
específico, la cual se denominará como holgura. Esta situación siempre se presentará
cuando las restricciones del modelo sean del tipo (≤).

4.1.1. Procedimiento del Método de las dos fases

Fase I. Se convierte el problema en forma de ecuación y se agregan las variables artificiales

necesarias a las restricciones (al igual como se hizo en el método M), para tener la certeza
de una solución básica. A continuación, se determina una solución básica de la ecuación
resultante que siempre minimice la suma de las variables artificiales que se adicionaron al
modelo, independientemente de si el objetivo original del problema es de maximización o
minimización. Si el valor mínimo de la suma es positivo, el problema no tiene una solución
factible. De lo contrario, si el valor mínimo es cero, se puede proseguir con la fase II.

Fase II. Se usa la solución factible de la fase I como una solución factible básica inicial para
el problema original, se retoma la función objetivo y se aplica el criterio de optimización
simplex de forma normal, ajustándose a si el problema es de maximización o minimización.
Luego se realizan las operaciones algebraicas que sean necesarias.

4.2. Teoría de Dualidad

La teoría de la dualidad se basa en que para cada problema primal (forma original) se tiene
un problema alterno (dual), tal que cuando el problema primal está en la forma de
maximización, el problema dual está en la forma de minimización. La relación que existe

4
Autor: Ing. Wilson K. Casado
Unidad 4: Teoría de la Dualidad y otros algoritmos

entre el problema primal y dual es bastante estrecha, en realidad el problema dual utiliza
exactamente los mismos parámetros que el problema primal, pero en diferentes lugares, tal
como se resume a continuación:

a) Los coeficientes de la función objetivo del problema primal son los lados derechos
de las restricciones funcionales del problema dual.
b) Los lados derechos de las restricciones funcionales del problema primal son los
coeficientes de la función objetivo del problema dual.
c) Los coeficientes de una variable de las restricciones funcionales del problema primal
son los coeficientes de una restricción funcional del problema dual.

4.2.1. Problema Primal vs Dual

A continuación mostramos una estructura comparativa de los dos problemas:

Problema primal Problema dual

Max 𝑍 = ∑𝑛𝑗=1 𝑐𝑗 𝑥𝑗 Min 𝑍 = ∑𝑚
𝑖=1 𝑏𝑖 𝑦𝑖
Sujeta a Sujeta a
𝑚
𝑛
∑ 𝑎𝑖𝑗 𝑦𝑖 ≥ 𝑐𝑗 𝑝𝑎𝑟𝑎 𝑗 = 1, 2, … , 𝑛
∑ 𝑎𝑖𝑗 𝑥𝑗 ≤ 𝑏𝑖 𝑝𝑎𝑟𝑎 𝑖 = 1, 2, … , 𝑚 𝑖=1
𝑗=1 y
y 𝑦𝑖 ≥ 0, 𝑝𝑎𝑟𝑎 𝑖 = 1, 2, … , m
𝑥𝑗 ≥ 0, 𝑝𝑎𝑟𝑎 𝑗 = 1, 2, … , 𝑛

Existe una correspondencia entre los modelos, tal que:

Un problema Otro problema

Restricciones i <−−−> Variables i

Función Objetivo <−−−> Lados derechos

5
Autor: Ing. Wilson K. Casado
Unidad 4: Teoría de la Dualidad y otros algoritmos

4.2.2. Resumen de las relaciones primal-dual

Propiedad de dualidad débil: Sea “X” una solución factible para el problema primal y sea “Y”
una solución factible para el problema dual, entonces en la función objetivo Z ≤ W, o en su
defecto CX ≤ Yb.

Propiedad de dualidad fuerte: Sea X* en el problema primal la solución óptima, mientras

que Y* sea la solución óptima para el problema dual, entonces el valor de la función objetivo
es el mismo, CX* = Y*b.

Propiedad de soluciones complementarias: En cada iteración del método símplex, se

identifica una solución factible en un vértice, “X”, para el problema primal y una solución
complementaria, “Y”, para el problema dual (estos últimos se encuentran en el renglón 0,
como los coeficientes de las variables de holgura en esa fila), donde CX = Yb. Esta
propiedad indica que si “X” no es óptima para el problema primal, entonces “Y” no es factible
para el problema dual.

Propiedad de soluciones complementarias óptimas: Al igual que la propiedad anterior, al

final de la última tabla del método simplex, se identifica de manera simultánea una solución
óptima X* para el problema primal y una solución óptima complementaria Y* para el
problema dual, donde se cumple que CX* = Y*b. Es importante señalar que los valores de
Yi* son los precios sombra para el problema primal.

Propiedad de simetría: En el caso de cualquier problema primal y su problema dual, existe

una relación simétrica entre ambos problemas ya que si se aplica el dual del problema dual,
entonces se regresa al problema primal (original).

4.2.3. Teorema de la dualidad

Las siguientes son las únicas relaciones posibles entre los problemas primal y dual.

a) Si un problema tiene soluciones factibles y una función objetivo acotada (dígase tiene
solución óptima), entonces ocurre lo mismo en el otro problema, de manera que
aplica tanto la propiedad de dualidad débil como la de dualidad fuerte.
b) Si uno de los problemas tiene soluciones factibles y una función objetivo no acotada
(es decir, no tiene solución óptima), entonces el otro problema no tiene soluciones
factibles.

6
Autor: Ing. Wilson K. Casado
Unidad 4: Teoría de la Dualidad y otros algoritmos

c) Si un problema no tiene soluciones factibles, entonces el otro problema no tiene

soluciones factibles o bien la función objetivo está no acotada.

4.2.4. Conversión del modelo dual

A partir de la teoría que acabamos de revisar podemos proceder a transformar un problema

en otro problema. Esto lo vamos a realizar mediante la utilización de un ejemplo formulado
en su forma original y haciendo las adecuaciones de lugar vamos a conseguir su
equivalente en el formato dual.

Formulación del problema: Estandarización del problema:

Min Z = 12X1 + 25X2 + 18X3 Min Z = 12X1 + 25X2 + 18X3 + 0S4 + 0S5 + 0S6 + 0S7

S.A.: S.A.:

X1 + X2 + 3X3 ≥ 150 X1 + X2 + 3X3 - S4 = 150

3X1 + 2X2 + 2X3 ≥ 350 3X1 + 2X2 + 2X3 - S5 = 350

X1 + 3X2 + X3 ≥ 200 X1 + 3X2 + X3 - S6 = 200

X1 + X2 + X3 ≥ 100 X1 + X2 + X3 - S7 =100

X1, X2, X3 ≥ 0 X1, X2, X3, S4, S5, S6, S7 ≥ 0

De acuerdo a los algoritmos que hemos trabajados en el curso hasta este momento,
podríamos recurrir al uso de variables artificiales para encontrar una solución a través del
método M o el Método de las Dos Fases. Sin embargo, vamos a utilizar los conceptos de
teoría de dualidad para transformar el modelo formulado.

Reformulación problema Dual: Estandarización del problema Dual:

Max W = 150Y1 + 350Y2 + 200Y3 + 100Y4 Max W = 150Y1 + 350Y2 + 200Y3 + 100Y4 + 0H5 +
0H6 + 0H7
S.A.:
S.A.:
Y1 + 3Y2 + Y3 + Y4 ≤ 12
Y1 + 3Y2 + Y3 + Y4 + H5 = 12
Y1 + 2Y2 + 3Y3 + Y4 ≤ 25
Y1 + 2Y2 + 3Y3 + Y4 + H6 = 25
3Y1 + 2Y2 + Y3 + Y4 ≤ 18
3Y1 + 2Y2 + Y3 + Y4 + H7 = 18
Y1, Y2, Y3, Y4 ≥ 0
Y1, Y2, Y3, Y4, H5, H6, H7 ≥ 0

7
Autor: Ing. Wilson K. Casado
Unidad 4: Teoría de la Dualidad y otros algoritmos

Aspectos importantes de la conversión

Un problema de programación lineal que se componga únicamente de restricciones del tipo

(≥), lo cual requiere la introducción de variables artificiales, se convierte en un problema
donde todas sus restricciones son del tipo (≤), por lo que se puede resolver de forma directa
con el método simplex regular, evitando así la utilización de variables artificiales.

Un problema de m restricciones funcionales, donde m es mayor que el número de variables

de decisión (n*), se convierte en un problema dual con n* restricciones. Lo cual reduce la
cantidad de cálculos algebraicos que se realizarían durante la realización de cada iteración
del modelo.

Las variables básicas de un modelo son las variables no básicas en el modelo dual.
Producto de esta situación, si se multiplican los valores de cada par de variables de los dos
problemas, en cualquier iteración, su resultado será cero, ya que para cada pareja de
variables siempre habrá una no básica cuyo valor es cero en la solución asociada.

4.2.5. Relación entre ambos problemas

En función de las transformaciones que se producen para convertir el problema primal al

problema dual, se pueden determinar las relaciones existentes entre las variables de ambos
problemas. Para el ejemplo que acabamos de revisar, pues las relaciones existentes se
definen en la tabla siguiente.

Variables problema primal Variables problema dual

X1 H5

X2 H6

X3 H7

S4 Y1

S5 Y2

S6 Y3

S7 Y4

8
Autor: Ing. Wilson K. Casado
Unidad 4: Teoría de la Dualidad y otros algoritmos

Para resumir los pares de relaciones nos vamos a referir a las informaciones del marco
conceptual que definimos al principio sobre la teoría de dualidad. En ese marco, vimos que
los resultados de las variables de decisión del problema primal se encuentran
representados en el modelo dual a través de las variables de holguras. Mientras que las
variables de superávit del problema inicial se evidencia en el otro problema a través de las
variables duales de decisión.

4.3. Simplex Matricial

El enfoque matricial del método simplex ofrece la oportunidad de profundizar en el

entendimiento del funcionamiento del algoritmo. Mediante el procedimiento que se define
en el análisis matricial, podemos explorar cualquier vértice esquina que se quiera revisar
del espacio solución, dígase podemos pasar de la tabla inicial a cualquier vértice que se
desee evaluar. Para esto hacemos una reorganización de las variables y nos auxiliamos del
concepto de matriz inversa y multiplicación de matrices para encontrarlos resultados de esa
iteración.

En este punto, te invito a revisar el material complementario vinculado con este apartado
en donde desarrollaremos los conceptos básicos relacionados al algoritmo, asimismo
trabajaremos un ejemplo implementando el procedimiento que se describe en el referido
material. Como verán, este enfoque del método simplex es bastante útil, la desventaja que
tiene es que se deben conocer previamente, cuáles son variables básicas de la solución
que se desea explorar.

4.4. Bibliografía

Algoritmo Dos Fases

 Taha, Hamdy A. (2012). Investigación de Operaciones: Una introducción. (9na. Ed.).

México D.F., México: Pearson Educación – Prentice Hall. Capítulo 3, páginas 94-97.

 Hillier, Frederick S. & Lieberman, Gerald J. (2010). Introducción a la Investigación de

Operaciones. (9na Ed.). México D.F., México: McGraw-Hill. Capítulo 4, páginas 111-
116.

9
Autor: Ing. Wilson K. Casado
Unidad 4: Teoría de la Dualidad y otros algoritmos

 Winston, Wayne L. (2004). Investigación de Operaciones: Aplicaciones y Algoritmos.

(4ta. Ed.). México D.F., México: Thompson. Capítulo 4, páginas 178-184.

Teoría de dualidad

 Taha, Hamdy A. (2012). Investigación de Operaciones: Una introducción. (9na. Ed.).

México D.F., México: Pearson Educación – Prentice Hall. Capítulo 4, páginas 137-
146.

 Hillier, Frederick S. & Lieberman, Gerald J. (2010). Introducción a la Investigación de

Operaciones. (9na Ed.). México D.F., México: McGraw-Hill. Capítulo 6, páginas 179-
196.

 Winston, Wayne L. (2004). Investigación de Operaciones: Aplicaciones y Algoritmos.

(4ta. Ed.). México D.F., México: Thompson. Capítulo 6, páginas 295-324.

Simplex Matricial

 Taha, Hamdy A. (2012). Investigación de Operaciones: Una introducción. (9na. Ed.).

México D.F., México: Pearson Educación – Prentice Hall. Capítulo 4, página 150.

 Hillier, Frederick S. & Lieberman, Gerald J. (2010). Introducción a la Investigación de

Operaciones. (9na Ed.). México D.F., México: McGraw-Hill. Capítulo 5, páginas 158-
167.

10
Autor: Ing. Wilson K. Casado