Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Teoría de Dualidad
1
09-10-2018
Teoría de Dualidad
Teoría de Dualidad
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
5 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209
Teoría de Dualidad
3
09-10-2018
Teoría de Dualidad
Kg P1 Kg P2
4
09-10-2018
Kg P1 Kg P2
Teoría de Dualidad
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
11 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209
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
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).
15 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209
Teoría de Dualidad
8
09-10-2018
Teoría de Dualidad
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
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
Teoría de Dualidad
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)
(*– 1)
11
09-10-2018
Teoría de Dualidad
• Considere el siguiente problema de PL:
Teoría de Dualidad
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
𝑐𝑇𝑥 = 𝑐𝑗 𝑥𝑗 ≤ 𝑏𝑖 𝑦𝑖 = 𝑏𝑇 𝑦
𝑗=1 𝑖=1
13
09-10-2018
14
09-10-2018
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).
31 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209
Soluciones Complementarias
primal dual
16
09-10-2018
Soluciones Complementarias
• 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.
33 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209
Soluciones Complementarias
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
Soluciones Complementarias
• 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
Soluciones Complementarias
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
18
09-10-2018
Soluciones Complementarias
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.
38 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209
19
09-10-2018
Holguras Complementarias
𝑎𝑖𝑗 𝑥𝑗 − 𝑏𝑖 ∗ 𝑦𝑖 = 0 ∀ 𝑖 = {1, 2, … , 𝑚}
𝑗=1
𝑚
𝑎𝑖𝑗 𝑦𝑖 − 𝑐𝑗 ∗ 𝑥𝑗 = 0 ∀ 𝑗 = {1, 2, … , 𝑛}
𝑖=1
Holguras Complementarias
• 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
40 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209
20
09-10-2018
Holguras Complementarias
Ejercicio
21
09-10-2018
Ejercicio
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).
44 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209
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
46 © Rafael Favereau Urquiza, 2015 - 2018 Investigación de Operaciones, IND2209
23
09-10-2018
24
09-10-2018
25
09-10-2018
26
09-10-2018
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
29
09-10-2018
Ejercicio
Ejercicio
z óptimo
E D 𝟑
𝒙∗ , 𝒚∗ = 𝟑, ; 𝒄𝒐𝒏 𝒛∗ = 𝟐𝟏
𝟐
C
F región
factible
A B
30