DUAL PRIMAL SON EQUIVALENTE S

En esta comparación se puede observar que el problema primal busca maximizar la función
objetivo sujeto a restricciones del tipo menor o igual, mientras que el problema dual busca
minimizar la función objetivo sujeta a restricciones de sentido contrario. Además, los coeficientes
de la función objetivo del problema dual (i.e. 120 y 80) son los parámetros del problema primal y
los parámetros del problema dual son los coeficientes de la función objetivo del problema primal
(i.e. 6 y 8). También se observa que el problema dual tiene una variable asociada (i.e. y1, y2) para
cada una de las restricciones del problema primal (tiempo de traslado, tiempo de captura) y una
restricción asociada (contribución de las actividades) para cada variable del problema primal (i.e.
x1, x2). Las relaciones son absolutamente simétricas, es decir que están definidas de tal manera
que si se aplican las reglas de la dualidad a un problema dual lo que se obtiene es su problema
primal (lo que permite afirmar que el problema dual de un problema dual es su problema primal) y
es la razón por la cual no es muy importante cual de los dos problemas se identifica como primal.
Si se adopta como formulación estándar para el problema primal

DEMOSTRAR QUE CUALQUIER PROBELMA LINEAL PUEDE SER REPRESENTADO EN FORMA

MATRICIAL
MULTIPLICADORES DE LAGRANGE Y KUHN TUCKER
LAGRANGE es un procedimiento para encontrar los máximos y mínimos de funciones de
múltiples variables sujetas a restricciones. Este método reduce el problema restringido
con n variables a uno sin restricciones de n + k variables, donde k es igual al número de
restricciones, y cuyas ecuaciones pueden ser resueltas más fácilmente.
La demostración usa derivadas parciales y la regla de la cadena para funciones de varias
variables. Se trata de extraer una función implícita de las restricciones, y encontrar las
condiciones para que las derivadas parciales con respecto a las variables independientes de
la función sean iguales a cero.
TUCKER

Teorema de Karush Kuhn Tucker (KKT) permiten abordar la resolución de

modelos de Programación No Lineal que consideran tanto restricciones de
igualdad (ecuaciones) como desigualdad (inecuaciones).
En términos comparativos las condiciones de KKT son más generales que
el Método de Lagrange el cual se puede aplicar a problemas no lineales que
consideran exclusivamente restricciones de igualdad.