U4a Teoría de Dualidad

09-10-2018
2do Semestre 2018
© Rafael Favereau Urquiza, 2015 - 2018
Teoría de Dualidad
• Asociado a todo modelo de programación lineal

(que llamaremos primal o P) existe un modelo
lineal complementario (que llamaremos dual o D).
• El modelo dual corresponde a uno definido en
forma directa y sistemática a partir del primal.
• Ambos están estrechamente relacionados, y la
resolución óptima de uno produce en forma
automática la resolución óptima del otro.
– Por ello, siempre se puede elegir cuál resolver, considerando el costo
de los recursos comprometidos para hacerlo.
2 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209
1
09-10-2018
Teoría de Dualidad
• Consideremos el siguiente problema de PL:

– Una granja utiliza dos tipos de alimentos preparados
(P1 y P2) para la cría del ganado.
– El costo por kg de cada alimento preparado es de
$2.000.- y $3.000.- respectivamente.
– Los aportes vitamínicos por kilo de preparado son:
Kg P1 Kg P2
Unidades de Vitamina A 5 3
Unidades de Vitamina B 1,5 3
Unidades de Vitamina C 1 1,3
Teoría de Dualidad
– Los expertos en nutrición animal recomiendan que

cada animal reciba, al menos, las siguientes unidades
diarias de cada una de las vitaminas:
Unidades diarias de Vitamina A 20
Unidades diarias de Vitamina B 15
Unidades diarias de Vitamina C 8
– El objetivo del administrador de la granja es decidir

cuánto de cada preparado debe suministrarse a cada
animal, considerando:
 Cumplir con las recomendaciones de los dietistas y,
 Minimizar los costos de alimentación del ganado.
2
09-10-2018
Teoría de Dualidad
– Dicho objetivo supone resolver el siguiente modelo de
programación lineal:
Variables
𝑥1 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑘𝑖𝑙𝑜𝑠 𝑑𝑒 𝑃1 .
𝑥2 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑘𝑖𝑙𝑜𝑠 𝑑𝑒 𝑃2 .
Función objetivo
𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝑧 = $2.000𝑥1 + $3.000𝑥2
Restricciones
𝑉𝑖𝑡𝑎𝑚𝑖𝑛𝑎 𝐴: 5𝑥1 + 3𝑥2 ≥ 20
𝑉𝑖𝑡𝑎𝑚𝑖𝑛𝑎 𝐵: 1,5𝑥1 + 3𝑥2 ≥ 15
𝑉𝑖𝑡𝑎𝑚𝑖𝑛𝑎 𝐶: 𝑥1 + 1,3𝑥2 ≥ 8
𝑁𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑: 𝑥1 , 𝑥2 ≥ 0
Teoría de Dualidad
– El valor óptimo del problema se alcanza sobre el punto

𝑥1 ~ 4,286 Kg de P1 y 𝑥2 ~ 2,857 Kg de P2, siendo el
costo mínimo total de z ~ $17.143. − por animal al
día.
3
09-10-2018
Teoría de Dualidad
• Considere este nuevo problema de PL:

– Suponga que usted emprende en suplementos
alimenticios para ganado, con los ahorros de la abuelita
y del hermano chico, y desea suministrar a la granja del
caso anterior las mismas vitaminas, pero en pastillas.
– Ud. debe convencer al administrador de que el aporte
vitamínico es más simple de gestionar mediante sus
pastillas, evitando producir los preparados.
– Para ello, sabe que el precio de venta de sus pastillas
debe resultarle competitivo al administrador, respecto
de los costos de los preparados P1 y P2.
Kg P1 Kg P2
Teoría de Dualidad Unidades de Vitamina A

Unidades de Vitamina B
Unidades de Vitamina C
5
1,5
1
3
3
1,3
– Sean 𝑦1 , 𝑦2 e 𝑦3 los precios por unidad de las

vitaminas A, B y C, respectivamente.
– Su objetivo es fijar precios que maximicen sus
beneficios, pero que resulten atractivos para el
administrador.
– Para reemplazar el kilo de P1, la cantidad de vitaminas
requeridas en formato de pastillas está dado por:
𝑃1 → 5𝑦1 + 1,5𝑦2 + 𝑦3
– Por lo tanto, a la granja le resultaría rentable adquirir
sus pastillas si y solo si:
5𝑦1 + 1,5𝑦2 + 𝑦3 ≤ $2.000
4
09-10-2018
Kg P1 Kg P2
Teoría de Dualidad Unidades de Vitamina A

Unidades de Vitamina B
Unidades de Vitamina C
5
1,5
1
3
3
1,3
– Análogamente, para reemplazar el kilo de P2, la

cantidad de vitaminas requeridas en formato de
pastillas está dado por:
𝑃2 → 3𝑦1 + 3𝑦2 + 1,3𝑦3
– Por lo tanto, a la granja le resultaría rentable adquirir
sus pastillas si y solo si:
3𝑦1 + 3𝑦2 + 1,3𝑦3 ≤ $3.000
– Por supuesto, los precios de las pastillas vitamínicas no
pueden ser negativos y, por lo tanto, se tiene además
que restringir que 𝑦1 , 𝑦2 , 𝑦3 ≥ 0.
Teoría de Dualidad
– Suponiendo que el administrador se decida a cambiar

el método de alimentación, adquirirá justamente las
cantidades mínimas necesarias de vitaminas, según la
recomendación de los dietistas.
– Es decir, por cada animal se deberán adquirir
diariamente 20 unidades de vitamina A, 15 de
vitamina B y 8 de vitamina C.
– Por tanto, los ingresos de su emprendimiento por la
venta de las pastillas estarán dados por:
𝐵𝑒𝑛𝑒𝑓𝑖𝑐𝑖𝑜 𝑦1 , 𝑦2 , 𝑦3 = 20𝑦1 + 15𝑦2 + 8𝑦3
5
09-10-2018
Teoría de Dualidad
– Entonces, para establecer los precios de venta de sus
pastillas, Ud. deberá resolver el siguiente problema:
Variables
𝑦1 : 𝑝𝑟𝑒𝑐𝑖𝑜 𝑝𝑜𝑟 𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑣𝑖𝑡𝑎𝑚𝑖𝑛𝑎 𝐴.
𝑦2 : 𝑝𝑟𝑒𝑐𝑖𝑜 𝑝𝑜𝑟 𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑣𝑖𝑡𝑎𝑚𝑖𝑛𝑎 𝐵.
𝑦3 : 𝑝𝑟𝑒𝑐𝑖𝑜 𝑝𝑜𝑟 𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑣𝑖𝑡𝑎𝑚𝑖𝑛𝑎 𝐶.
Función objetivo
𝑀𝑎𝑥𝑖𝑚𝑖𝑧𝑎𝑟 𝑤 = 20𝑦1 + 15𝑦2 + 8𝑦3
Restricciones
𝑅𝑒𝑒𝑚𝑝𝑙𝑎𝑧𝑜 𝑃1 : 5𝑦1 + 1,5𝑦2 + 𝑦3 ≤ $2.000
𝑅𝑒𝑒𝑚𝑝𝑙𝑎𝑧𝑜 𝑃2 : 3𝑦1 + 3𝑦2 + 1,3𝑦3 ≤ $3.000
𝑁𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑: 𝑦1 , 𝑦2 , 𝑦3 ≥ 0
Teoría de Dualidad
• El valor óptimo de este problema (dual) se alcanza sobre el
punto 𝑦1 = $0. − como precio por unidad de Vitamina A;
𝑦2 ~ $381. − como precio por unidad de Vitamina B; e
𝑦3 ~ $1.429. − como precio por unidad de Vitamina C,
siendo el beneficio máximo de la operación de
w ~ $17.143. − por animal al día.
primal dual
6
09-10-2018
Teoría de Dualidad
• Observar que el valor de 𝒚𝟏 ha resultado ser nulo.

• Esto significa que el administrador (con los
preparados) solo se preocupa de aportar al
ganado las unidades mínimas de vitaminas B y C:
– Con los preparados, consigue también el aporte
necesario de vitamina A.
– Las vitaminas B y C son las restricciones activas que
determinan la mezcla.
• Es la razón por la cual no estaría dispuesto a
comprar unidades de vitamina A.
Teoría de Dualidad
primal
dual
7
09-10-2018
Teoría de Dualidad
• En este ejemplo se observa la relación directa y
sistemática entre los problemas primal y dual.
• Como puede observarse en este caso en particular:
– El primal es un problema de minimización (costos), y el
dual es de maximización (beneficios).
– Los coeficientes de la función objetivo y los recursos del
primal se transponen en el dual, intercambiando roles.
– La matriz de coeficientes tecnológicos del dual es la
traspuesta de la del primal.
– Cada restricción del primal se encuentra asociada con una
variable del dual (m primal = n dual).
Teoría de Dualidad
– En este caso particular, las restricciones del primal son del

tipo ≥, en cambio en el dual son del tipo ≤.
 En general, el tipo de restricciones en el dual depende de las variables primales
asociadas (y viceversa), no del tipo de restricción.
– La estrategia óptima del dual alcanza el valor de los
precios sombra (variables duales) del primal, y viceversa.
– Aunque la estrategia óptima es diferente, los valores
óptimos son el mismo.
• Por ello, la resolución de la estrategia óptima del
modelo dual puede interpretarse como la asignación
a cada recurso de un valor, que coincide en el primal
con el incremento que provoca en el valor óptimo un
aumento de una unidad en el recurso asociado.
8
09-10-2018
Teoría de Dualidad
• Se define el modelo primal (P) como sigue:

𝑛
𝑀𝑎𝑥 𝑧 = 𝑐𝑗 ∗ 𝑥𝑗
𝑗=1
𝑛
𝑠. 𝑎. 𝑎𝑖𝑗 ∗ 𝑥𝑗 ≤ 𝑏𝑖 ∀𝑖 = {1, 2, … , 𝑚}
𝑗=1
𝑥𝑗 ≥ 0; 𝑐𝑜𝑛 𝑗 = {1, 2, … , 𝑛}
Teoría de Dualidad
• Donde su modelo dual (D) se define como:

𝑚
𝑀𝑖𝑛 𝑤 = 𝑏𝑖 ∗ 𝑦𝑖
𝑖=1
𝑚
𝑠. 𝑎. 𝑎𝑖𝑗 ∗ 𝑦𝑖 ≥ 𝑐𝑗 ∀ 𝑗 = {1, 2, … , 𝑛}
𝑖=1
𝑦𝑗 ≥ 0; 𝑐𝑜𝑛 𝑖 = {1, 2, … , 𝑚}
9
09-10-2018
Teoría de Dualidad
• Relaciones de Dualidad (tabla de Tucker):

Problema de Minimización Problema de Maximización
Si la restricción es: La variable asociada es:
≥ ≥0
≤ ≤0
= irrestricta
Si la variable es: La restricción asociada es:
≥0 ≤
≤0 ≥
irrestricta =
Teoría de Dualidad
• Definición matricial general:

Dado un problema primal de PL de la forma:
𝑷) 𝑀𝑎𝑥 𝑧 − 𝑐 𝑇 𝑥 = 0
𝑠. 𝑎. 𝐴𝑥 ≤ 𝑏
…y viceversa…
𝑥≥0
Su problema dual queda definido como sigue:
𝑫) 𝑀𝑖𝑛 𝑤 − 𝑏 𝑇 𝑦 = 0
𝑠. 𝑎. 𝐴𝑇 𝑦 ≥ 𝑐
𝑦≥0
10
09-10-2018
Teoría de Dualidad
𝑻
𝒄𝑻 =𝒄
PRIMAL DUAL
𝒃𝑻
Min 2000 3000 x Max 20 15 8 y
s.a. s.a.
5 3 20
1,5 3 ≥ 15
5
3
1,5
3
1
1,3
≤ 2000
3000
1 1,3 8
𝑨𝑻
X≥0 Y≥0
21 Sistemas de Información para la Gestión, ICN – 292
Teoría de Dualidad
• Nótese además que si 𝑴𝒊𝒏 𝒘 → 𝑴𝒂𝒙 − 𝒘, tenemos que:
(*– 1)
• Por lo tanto, su problema dual corresponde a:
(*– 1)
Luego, se comprueba que el problema dual del dual corresponde

al problema primal (o a uno equivalente)
11
09-10-2018
Teoría de Dualidad
• Considere el siguiente problema de PL:
Min. 2x1 + 3x2 + 5x3 + 2x4 + 3x5

s.a. x1 + x2 + 2x3 + x4 + 3x5 ≥ 4
2x1 – x2 + 3x3 + x4 + x5 ≥ 3
x1, x2, x3, x4, x5 ≥ 0
Teoría de Dualidad
• Su problema Dual sería:

Max. 4y1 + 3y2
s.a. y1 + 2y2 ≤2
y1 – y2 ≤3
2y1 + 3y2 ≤5
y1 + y2 ≤2
3y1 + y2 ≤3
y1, y2 ≥ 0
12
09-10-2018
Teoría de Dualidad
r5
r3 r4
r1 𝟒 𝟑
𝑺𝒐𝒍𝒖𝒄𝒊ó𝒏 𝒑𝒂𝒓𝒂 𝒚∗𝟏 , 𝒚∗𝟐 = ( , )
𝟓 𝟓
𝑽 𝒚∗ = 𝟓
r2
Teorema de Dualidad Débil

• Si 𝒙 ∈ ℝ𝒏 es una solución factible para el modelo de
maximización primal P; e 𝐲 ∈ ℝ𝒎 es una solución factible
para el problema de minimización dual D asociado,
entonces se cumple que:
𝑛 𝑚
𝑐𝑇𝑥 = 𝑐𝑗 𝑥𝑗 ≤ 𝑏𝑖 𝑦𝑖 = 𝑏𝑇 𝑦
𝑗=1 𝑖=1
• En particular, si ambas soluciones factibles (por separado)

son las óptimas de sus respectivos modelos, sus valores
óptimos en la función objetivo cumplen que:
𝑉(𝑃) ≤ 𝑉(𝐷)
13
09-10-2018
• En general, el valor de cualquier solución factible del

modelo de minimización provee una cota superior
del valor óptimo del modelo de maximización.
• Análogamente, el valor de la función objetivo de
cualquier solución factible del modelo de
maximización es una cota inferior del valor óptimo
del modelo de minimización.
• Esto es, en ambos casos, independientemente de cual
sea el problema primal P o el problema dual D.
• Por ejemplo, en el problema de minimización de

costos de alimentación del ganado, una solución
factible para 𝒙 ∈ ℝ𝒏 del primal puede ser:
𝒙𝟏 = 𝟓; 𝒙𝟐 = 𝟑
𝑉𝑖𝑡𝑎𝑚𝑖𝑛𝑎 𝐴: 5𝑥1 + 3𝑥2 = 34 ≥ 20
𝑉𝑖𝑡𝑎𝑚𝑖𝑛𝑎 𝐵: 1,5𝑥1 + 3𝑥2 = 16,5 ≥ 15
𝑉𝑖𝑡𝑎𝑚𝑖𝑛𝑎 𝐶: 𝑥1 + 1,3𝑥2 = 8,9 ≥ 8
𝑁𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑: 5, 3 ≥ 0
Luego, 𝒛 = 𝒄𝑻 𝒙 = $𝟏𝟗. 𝟎𝟎𝟎 ≥ $𝟏𝟕. 𝟏𝟒𝟐, 𝟗

14
09-10-2018
• Análogamente, una solución factible del dual para

𝐲 ∈ ℝ𝒎 puede ser:
𝒚𝟏 = 𝟐𝟎𝟎; 𝒚𝟐 = 𝟑𝟎𝟎; 𝒚𝟑 = 𝟒𝟎𝟎
𝑅𝑒𝑒𝑚𝑝𝑙𝑎𝑧𝑜 𝑃1 : 5𝑦1 + 1,5𝑦2 + 𝑦3 = $1.850 ≤ $2.000
𝑅𝑒𝑒𝑚𝑝𝑙𝑎𝑧𝑜 𝑃2 : 3𝑦1 + 3𝑦2 + 1,3𝑦3 = $2.020 ≤ $3.000
𝑁𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑: 200,300, 400 ≥ 0
Luego, 𝒘 = 𝒃𝑻 𝒚 = $𝟏𝟏. 𝟕𝟎𝟎 ≤ $𝟏𝟕. 𝟏𝟒𝟐, 𝟗

Teorema de Dualidad Fuerte
• Si 𝒙∗ = 𝒙∗𝟏 , 𝒙∗𝟐 , … , 𝒙𝒏∗ 𝑻 es una solución óptima

para el problema primal P;
• E 𝒚∗ = 𝒚𝟏∗ , 𝒚𝟐∗ , … , 𝒚𝒏∗ 𝑻 es una solución óptima
para el respectivo problema dual D;
• Entonces se cumple que:
𝑛 𝑚
𝑉 𝑃 = 𝑐𝑇 𝑥∗ = 𝑐𝑗 𝑥𝑗 ∗ = 𝑏𝑖 𝑦𝑖 ∗ = 𝑏 𝑇 𝑦 ∗ = 𝑉(𝐷)
𝑗=1 𝑖=1
15
09-10-2018
Soluciones Complementarias
• Ambos teoremas implican que 𝒄𝑻 𝒙 < 𝒃𝑻 𝒚 para toda
solución factible si una (o ambas) no son óptimas para sus
modelos respectivos, mientras que la igualdad se cumple
solo cuando ambas son óptimas.
• Sin embargo, si el primal tiene una solución factible,
siempre existe una solución complementaria infactible en
el dual en donde se cumple que:
𝑐 𝑇 𝑥 = 𝑏𝑇 𝑦
• En cada iteración, el algoritmo encuentra un par específico
de soluciones para ambos modelos, donde la solución del
problema primal es factible, pero la del dual es infactible
(excepto en la última iteración).
primal dual
16
09-10-2018
• La aplicación del Teorema de Dualidad Fuerte solo es válida
cuando las soluciones del primal y del dual son factibles.
• Luego, si 𝒙 nunca llega a ser óptima (problema no acotado)
en el primal, entonces 𝒚 será infactible en el dual.
• En la iteración final, el algoritmo simultáneamente
identifica una solución factible óptima 𝒙∗ para el primal, y
una solución factible óptima complementaria 𝒚∗ para el
dual, donde:
– Los valores de 𝒚∗ corresponden a los precios sombra del primal.
– Los valores de 𝒙∗ corresponden a los precios sombra del dual.
Primal
Min 3x1 + 4x2 + 5x3
s.a. x1 + 2x2 + 3x3 ≥ 5
2x1 + 2x2 + x3 ≥ 6
x1, x2, x3 ≥ 0
Dual
Max 5y1 + 6y2
s.a. y1 + 2y2 ≤ 3
2y1 + 2y2 ≤ 4
3y1 + y2 ≤ 5
y1, y2 ≥ 0
17
09-10-2018
• Ya que el Primal es un problema de dos fases,
resolveremos el Dual por Simplex de una fase:
y1 y2 h1 h2 h3
1 2 1 0 0 3
2 2 0 1 0 4
3 1 0 0 1 5
-5 -6 0 0 0 0
– Por condición de optimalidad entra a la base 𝒚𝟐 , y por

condición de factibilidad sale 𝒉𝟏 .
– Nótese que 𝒄𝑻 𝒙 = 𝟎 = 𝒃𝑻 𝒚, 𝑐𝑜𝑛 𝒙 𝑖𝑛𝑓𝑎𝑐𝑡𝑖𝑏𝑙𝑒.
y1 y2 h1 h2 h3
1/2 1 1/2 0 0 3/2
1 0 -1 1 0 1
5/2 0 -1/2 0 1 7/2
-2 0 3 0 0 9
– Por condición de optimalidad entra a la base 𝒚𝟏 , y por

condición de factibilidad sale 𝒉𝟐 .
– Nótese que 𝒄𝑻 𝒙 = 𝟗 = 𝒃𝑻 𝒚, 𝑐𝑜𝑛 𝒙 𝑖𝑛𝑓𝑎𝑐𝑡𝑖𝑏𝑙𝑒.
18
09-10-2018
y1 y2 h1 h2 h3
0 1 1 -1/2 0 1
1 0 -1 1 0 1
0 0 2 -5/2 1 1
0 0 1 2 0 11
– Solución óptima de D:
 𝒚∗𝟏 = 𝟏; 𝒚∗𝟐 = 𝟏; 𝑽 𝑫 = 𝟏𝟏
– Solución óptima de P:
 𝒙∗𝟏 = 𝝅𝟏 = 𝟏; 𝒙∗𝟐 = 𝝅𝟐 = 𝟐; 𝒙∗𝟑 = 𝝅𝟑 = 𝟎; 𝑽 𝑷 = 𝟏𝟏
Holguras Complementarias
• Permite encontrar la estrategia óptima de un modelo
cuando conocemos la respectiva solución del problema
asociado, y viceversa.
• Se ejecuta a través de la resolución de un sistema de m + n
ecuaciones, conformado por la relación de las variables de
decisión de un problema con las restricciones del asociado.
– Cuando una restricción está activa, su 𝝅 ≠ 𝟎.
– Cuando una restricción está inactiva, su 𝝅 = 𝟎.
• Facilita la resolución de los modelos de optimización lineal,
permitiendo a quién los resuelve buscar el más simple de
resolver.
19
09-10-2018
• Sean las restricciones del problema primal y dual

en su forma estándar, siempre se cumple que:
𝑛
𝑎𝑖𝑗 𝑥𝑗 − 𝑏𝑖 ∗ 𝑦𝑖 = 0 ∀ 𝑖 = {1, 2, … , 𝑚}
𝑗=1
𝑚
𝑎𝑖𝑗 𝑦𝑖 − 𝑐𝑗 ∗ 𝑥𝑗 = 0 ∀ 𝑗 = {1, 2, … , 𝑛}
𝑖=1
• Ejemplo
Max 4x + 6y
s.a. 2x + 4y ≤ 12
4x + 3y ≤ 16
x, y ≥0
• Este problema de PL se hace óptimo para x = 14/5 e y = 8/5, con
valor óptimo V(P) = 104/5.
• Su problema dual asociado corresponde a:
Min 12a + 16b
s.a. 2a + 4b ≥4
4a + 3b ≥6
a, b ≥0
20
09-10-2018
• Por holguras complementarias, se tiene que:

1. (2x + 4y – 12)*a = 0
2. (4x + 3y – 16)*b = 0
3. (2a + 4b – 4)*x =0
4. (4a + 3b – 6)*y =0
• Finalmente, utilizamos las ecuaciones convenientes
para resolver el problema (3ra y 4ta ecuación en este
caso, ya que sabemos que x e y ≠ 0), donde solo a y b
quedan como variables, cuyos valores corresponden
a: a = 6/5; b = 2/5; y V(D) = 104/5.
Ejercicio
• Aplicando sus conocimientos de la Teoría de

Dualidad, determine la solución óptima y el valor
óptimo del siguiente problema de PL:
Min 10x1 + 4x2 + 5x3

s.a. 5x1 – 7x2 + 3x3 ≥ 50
x1, x2, x3 ≥ 0
21
09-10-2018
Ejercicio
• Aplicando sus conocimientos de la Teoría de

Dualidad, determine la solución óptima y el valor
óptimo del siguiente problema de PL:
Max 5x1 + 12x2 + 4x3

s.a. x1 + 2x2 + x3 ≤ 10
2x1 – x2 + 3x3 =8
x1, x2, x3 ≥ 0
Ejercicio
4 2 5
• Decidir si 𝑥1 = 0; 𝑥2 = 3 ; 𝑥3 = 3 ; 𝑥4 = 3 ; 𝑥5 = 0, es la
solución óptima del siguiente problema:
Max 7x1+ 6x2 + 5x3 – 2x4 + 3x5
s.a. x1 + 3x2 + 5x3 – 2x4 + 2x5 ≤4
4x1 + 2x2 – 2x3 + x4 + x5 ≤3
2x1 + 4x2 + 4x3 – 2x4 + 5x5 ≤5
3x1 + x2 + 2x3 – x4 – 2x5 ≤1
x1, x2, x3, x4, x5 ≥ 0
• Mediante la teoría de dualidad en Programación Lineal, hallar la
solución óptima y valor óptimo de su respectivo problema dual
(formule este último).
22
09-10-2018
Ejercicio
𝟒 𝟐 𝟓
𝒙𝟏 = 𝟎; 𝒙𝟐 = ; 𝒙 = ; 𝒙 = ; 𝒙 =𝟎
𝟑 𝟑 𝟑 𝟒 𝟑 𝟓
Ejercicio
• Aplicando sus conocimientos de la Teoría de Dualidad,
resolver el siguiente problema, indicando cuál es el valor
óptimo, solución óptima y variables duales óptimas (precios
sombra):
Max – x1 – 2x2
s.a. – 3x1 + 2x2 ≤ – 1
x1 – x2 ≤ 1
– 2x1 + 7x2 ≤ 6
9x1 – 4x2 ≤ 6
– 5x1 + 2x2 ≤ – 3
7x1 – 3x2 ≤ 6
x1, x2 ≥ 0
23
09-10-2018
Método Simplex Dual
• Considere el siguiente problema:

Min 160x1 + 120x2 + 280x3
s.a. 2x1 + x2 + 4x3 ≥1
2x1 + 2x2 + 2x3 ≥ 3/2
x1, x2, x3 ≥0
• Claramente el modelo planteado se resuelve como un
problema de 2 fases, sin embargo podemos aplicar el
método simplex dual como alternativa de solución,
siempre y cuando solo tengamos inecuaciones que
deban ser satisfechas.
REF: http://www.gestiondeoperaciones.net/programacion_lineal/como-resolver-un-modelo-de-programacion-lineal-con-el-metodo-simplex-dual/
• Si el modelo contiene restricciones de igualdad no

podremos utilizar el método simplex dual, lo que nos
obliga a utilizar el algoritmo de dos fases.
• Sin embargo, siempre se puede reescribir una
restricción de igualdad por dos restricciones de
desigualdad, por ejemplo:
3𝑥 + 𝑦 = 3
Es equivalente a:
3𝑥 + 𝑦 ≥ 3 𝑦
3𝑥 + 𝑦 ≤ 3
24
09-10-2018
• Llevamos el problema a su forma estándar:

Min z – 160x1 – 120x2 – 280x3 =0
s.a. 2x1 + x2 + 4x3 – x4 =1
2x1 + 2x2 + 2x3 – x5 = 3/2
x1, x2, x3, x4, x5 ≥0
• Esta forma estándar no cumple con la condición de

total holgura para la resolución en una fase y, por
ello, no podemos iterar por dicho método ya que no
disponemos de una solución básica factible inicial.
• Al aplicar el método simplex dual, multiplicamos

las restricciones de mal comportamiento por –1,
de manera que el problema quede como un
modelo de total holgura, y lo llevamos a la tabla
inicial simplex:
25
09-10-2018

• x4 y x5 son nuestras variables básicas, pero no cumplen con la no
negatividad y, a su vez, en la tabla inicial no se puede minimizar
dado que todos los costos reducidos son positivos (ya nos
encontraríamos en el óptimo).
• El algoritmo simplex dual provee, como alternativa, la selección
de una variable que deje la base, y adoptaremos como criterio
de selección (condición de factibilidad dual) aquella variable
básica asociada al lado derecho “más negativo”.
• Para determinar que variable entra a la base, calculamos el
mínimo valor absoluto del cuociente entre los coeficientes en z
de las variables no básicas y las entradas estrictamente menores
a cero para dichas variables en la fila que sale (condición de
optimalidad dual).

• Por lo tanto, por condición de factibilidad dual, sale x5.
• Para la variable que entra, calculamos la condición de
optimalidad dual: Min {|-160/-2|; |-120/-2|; |-280/-2|} = 60.
• Luego, el mínimo valor absoluto del cuociente se alcanza en la
columna asociada a la variable no básica x2 y, por lo tanto, dicha
variable entra a la base.
• Luego, se ejecuta la iteración realizando las operaciones filas
necesarias, de modo de ingresar x2 a la base al mismo tiempo
que x5 deja la base.
26
09-10-2018
• Notar que ahora las variables básicas son x4 y x2 donde

sólo x4 = – ¼ es la variable que no satisface la condición de
ser una solución básica factible.
• Ejecutamos una nueva iteración, sacando de la base a x4 y
evaluando la condición de optimalidad dual, donde:
Min {|-40/-1|; |-160/-3|; |-60/(-1/2)|} = 40, lo que nos
indica que ahora es x1 la variable que entra a la base.
• En este punto, las variables básicas son x1 = ¼ y x2 = ½ (que

cumplen las condiciones de no negatividad), donde además los
costos reducidos son positivos, determinando el punto óptimo del
problema de PL de minimización original.
– Se dice que “hemos recuperado factibilidad”.
• En dicho punto, el valor óptimo es de 100, que se obtiene también
de evaluar el vector (x1, x2, x3) = ( ¼, ½, 0) en la función objetivo.
• Entonces, a través del método simplex dual se puede abordar la
resolución de un modelo de PL que no provee una solución básica
factible inicial; así como podríamos haberlo alcanzado aplicando
el método simplex de 2 fases; o podríamos definir el modelo dual
al problema propuesto y resolverlo por el método simplex primal.
27
09-10-2018
• Ejercicio:
Max 2x + y
s.a. 10x + 10y ≤ 9
10x + 5y ≥ 1
x, y ≥ 0
28
09-10-2018
• Ejercicio:
Min 3x1 + 4x2 + 5x3
s.a. x1 + 2x2 + 3x3 ≥5
2x1 + 2x2 + x3 ≥6
x1, x2, x3 ≥0

Problema de Minimización Problema de Maximización
Si la restricción es: La variable asociada es:
≥ ≥0
≤ ≤0
= irrestricta
Si la variable es: La restricción asociada es:
≥0 ≤
≤0 ≥
irrestricta =
29
09-10-2018
Ejercicio
• Considere el siguiente modelo de PLC:

𝑀𝑎𝑥 5𝑥 + 4𝑦
𝑠. 𝑎. 6𝑥 + 4𝑦 ≤ 24
𝑥 + 2𝑦 ≤ 6
−𝑥 + 𝑦 ≤ 1
𝑦≤2
𝑥, 𝑦 ≥ 0
• Obtenga tanto la solución óptima como el valor
óptimo del modelo planteado, sin iterar en el vértice
en donde 𝒙, 𝒚 = 𝟒, 𝟎 .
Ejercicio
z óptimo
E D 𝟑
𝒙∗ , 𝒚∗ = 𝟑, ; 𝒄𝒐𝒏 𝒛∗ = 𝟐𝟏
𝟐
C
F región
factible
A B
30

U4a Teoría de Dualidad

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

U4a Teoría de Dualidad

Cargado por

Copyright:

Formatos disponibles

09-10-2018

2do Semestre 2018

© Rafael Favereau Urquiza, 2015 - 2018

• Asociado a todo modelo de programación lineal

• Consideremos el siguiente problema de PL:

3 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209

– Los expertos en nutrición animal recomiendan que

– El objetivo del administrador de la granja es decidir

– El valor óptimo del problema se alcanza sobre el punto

6 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209

• Considere este nuevo problema de PL:

Teoría de Dualidad Unidades de Vitamina A

– Sean 𝑦1 , 𝑦2 e 𝑦3 los precios por unidad de las

Teoría de Dualidad Unidades de Vitamina A

– Análogamente, para reemplazar el kilo de P2, la

9 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209

– Suponiendo que el administrador se decida a cambiar

10 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209

12 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209

• Observar que el valor de 𝒚𝟏 ha resultado ser nulo.

14 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209

– En este caso particular, las restricciones del primal son del

• Se define el modelo primal (P) como sigue:

17 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209

• Donde su modelo dual (D) se define como:

18 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209

• Relaciones de Dualidad (tabla de Tucker):

19 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209

• Definición matricial general:

20 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209

• Por lo tanto, su problema dual corresponde a:

Luego, se comprueba que el problema dual del dual corresponde

Min. 2x1 + 3x2 + 5x3 + 2x4 + 3x5

23 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209

• Su problema Dual sería:

24 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209

25 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209

Teorema de Dualidad Débil

• En particular, si ambas soluciones factibles (por separado)

Teorema de Dualidad Débil

• En general, el valor de cualquier solución factible del

Teorema de Dualidad Débil

• Por ejemplo, en el problema de minimización de

Luego, 𝒛 = 𝒄𝑻 𝒙 = $𝟏𝟗. 𝟎𝟎𝟎 ≥ $𝟏𝟕. 𝟏𝟒𝟐, 𝟗

Teorema de Dualidad Débil

• Análogamente, una solución factible del dual para

𝑅𝑒𝑒𝑚𝑝𝑙𝑎𝑧𝑜 𝑃2 : 3𝑦1 + 3𝑦2 + 1,3𝑦3 = $2.020 ≤ $3.000

𝑁𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑: 200,300, 400 ≥ 0

Luego, 𝒘 = 𝒃𝑻 𝒚 = $𝟏𝟏. 𝟕𝟎𝟎 ≤ $𝟏𝟕. 𝟏𝟒𝟐, 𝟗

Teorema de Dualidad Fuerte

• Si 𝒙∗ = 𝒙∗𝟏 , 𝒙∗𝟐 , … , 𝒙𝒏∗ 𝑻 es una solución óptima

30 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209

32 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209

34 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209

– Por condición de optimalidad entra a la base 𝒚𝟐 , y por

– Por condición de optimalidad entra a la base 𝒚𝟏 , y por

37 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209

• Sean las restricciones del problema primal y dual

39 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209

• Por holguras complementarias, se tiene que:

• Aplicando sus conocimientos de la Teoría de

Min 10x1 + 4x2 + 5x3

42 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209