1.

6 DUALIDAD 59

PROBLEMA PRIMAL Y PROBLEMA DUAL

Uno de los descubrimientos más importantes durante el desarrollo inicial de la PL fue el

concepto de dualidad y sus importantes ramificaciones. Este descubrimiento reveló que, asociado
a todo problema primal (original) de PL, existe otro problema lineal llamado problema dual.
Una de las aplicaciones más importantes de la teoría de dualidad es la interpretación y la
realización del análisis de sensibilidad. El análisis de sensibilidad es una parte esencial de casi
todos los estudios de PL. Debido a que la mayoría de los valores de los parámetros que se emplean
en el modelo original son solo estimaciones de las condiciones futuras, es necesario investigar el
efecto que tendrían sobre la solución óptima en el caso de que prevalecieran otras condiciones.
Aún más, ciertos valores de estos parámetros (como la cantidad de recursos) pueden representar
decisiones administrativas, en cuyo caso su elección debe ser el aspecto principal de la
investigación, el cual se puede estudiar a través del análisis de sensibilidad.

Si un problema consiste en: Tendrá asociado el problema:

𝑀𝑎𝑥 𝑍 = 𝑐𝑥 𝑚𝑖𝑛 𝑊 = 𝑏𝑇 𝑦
𝐴𝑥 ≤ 𝑏 𝐴𝑇 𝑦 ≥ 𝑐 𝑇
s.a: {𝑥 ≥ 0 s.a: { 𝑦 ≥ 0

Cada uno de estos problemas es el dual del otro. Al primero lo llamamos problema primal
(original) y al segundo problema dual, pero esta designación es arbitraria. Observemos que:
- El vector 𝑥 es el vector de las variables de decisión primales mientras que el vector 𝑦 es el
vector de las variables de decisión duales.
- El objetivo de un problema es maximizar mientras que el del otro es minimizar.
- En el problema de maximización todas las restricciones son desigualdades del tipo ≤
mientras que en el de minimización todas las restricciones son desigualdades del tipo ≥.
- Todas las variables de decisión, tanto primales como duales, son no negativas.
- Los elementos a la derecha de las restricciones en un problema corresponden a los
coeficientes de la función objetivo en el otro.
- Cada variable en un problema da lugar a una restricción en el otro y viceversa.
- La matriz de los coeficientes tecnológicos en un problema es la traspuesta de la matriz de
los coeficientes tecnológicos en el otro.

Propiedad de dualidad fuerte:

Si 𝑥 ∗ es una solución óptima para el problema primal e 𝑦 ∗ es una solución óptima para el
problema dual, entonces 𝑍(𝑥 ∗ ) = 𝑊 (𝑦 ∗ ), es decir que el valor óptimo de la función objetivo es
el mismo para ambos problemas.

El número de iteraciones para alcanzar la solución de un problema de PL depende del número

de restricciones del problema, de modo que cuanto mayor sea el conjunto de restricciones será

MATERIAL DE CÁTEDRA DE ÁLGEBRA III ELABORADO POR LA PROF. ELIANA BOVIER

 1.6 DUALIDAD 60

necesario efectuar un mayor número de iteraciones del Simplex para hallar la solución óptima.
Así, desde un punto de vista práctico, si el problema primal tiene dimensión 𝑚 × 𝑛 entonces el
dual tendrá dimensión 𝑛 × 𝑚. En consecuencia, siempre que 𝑚 sea bastante mayor que 𝑛, resolver
el problema dual de 𝑛 × 𝑚 implicará un menor número de iteraciones para alcanzar el óptimo.

Propiedad de soluciones básicas complementarias:

En cada iteración, el método Simplex identifica de manera simultánea una solución básica
factible 𝑥 para el problema primal (disponible en la última columna del lado derecho) y una
solución complementaria 𝑦 para el problema dual (disponible en el renglón cero como
coeficientes de las variables de holgura) en la que la función objetivo de ambos coincide.
Si 𝑥 no es óptima para el primal, entonces 𝑦 no es factible para el dual.
En la última iteración, el método Simplex identifica de manera simultánea una solución
óptima 𝑥 ∗ e 𝑦 ∗ para ambos problemas, en la que el valor óptimo de la función objetivo de
ambos coincide. Los 𝑦 ∗ representan los precios sombra para el problema primal.

Notación de los elementos del renglón cero en la tabla Simplex en cualquier iteración:
Columna Coeficiente de: Lado
básica 𝑍 𝑥1 … 𝑥𝑛 𝑥𝑛+1 𝑥𝑛+2 … 𝑥𝑛+𝑚 derecho
𝑍 1 … 𝑦1 𝑦2 … 𝑦𝑚 𝑊

Problema resuelto N°𝟗: ¿dónde ver la solución del problema dual en la tabla Simplex?

Para el siguiente problema de PL se pide formular su dual, resolverlo con el método Simplex y
obtener –a partir de la tabla dual– el óptimo del primal:

𝑚𝑖𝑛 𝑊 = 3𝑦1 + 𝑦2
3𝑦1 + 2𝑦2 ≥ 6
s.a: 𝑦1 + 2𝑦2 ≥ 4
𝑦1 , 𝑦2 ≥ 0
{
Resolución:

Comenzamos formulando el problema dual:

𝑀𝑎𝑥 𝑍 = 6𝑥1 + 4𝑥2

3𝑥1 + 𝑥2 ≤ 3
s.a: 2𝑥 1 + 2𝑥2 ≤ 1
𝑥1 , 𝑥2 ≥ 0
{

En segundo lugar, vamos a aplicar el método Simplex en formato tabular para resolver el
problema dual y en cada iteración vamos a encontrar la solución del primal.

MATERIAL DE CÁTEDRA DE ÁLGEBRA III ELABORADO POR LA PROF. ELIANA BOVIER

 1.6 DUALIDAD 61

Por conveniencia elegimos resolver con el método Simplex el problema de maximización ya que
sus restricciones son desigualdades del tipo ≤. Si quisiéramos resolver el problema de
minimización con el Simplex, tendríamos que agregar variables artificiales y trabajar con la
técnica 𝑀 como consecuencia de las desigualdades del tipo ≥.

Tabla Simplex inicial: 𝑥 = (0; 0; 3; 1) 𝑍 = 0

Columna
𝑍 𝑥1 entra 𝑥2 𝑥3 𝑥4 Solución
básica

𝑍 1 −6 −4 0 0 0 Razón

𝑥3 0 3 1 1 0 3 1

𝑥4 sale 0 2 2 0 1 1 1/2

En esta primera tabla podemos encontrar la solución del problema de maximización para esta
iteración –que no es la óptima– y que está dada por 𝑥 = (0; 0; 3; 1) y arroja un valor de 𝑍 = 0
para la función objetivo.
Mientras tanto, según la propiedad de soluciones básicas complementarias, en el renglón cero
podemos encontrar la solución para el problema de minimización. Esta propiedad establece que
el valor de las variables originales se encuentra en el renglón cero debajo de las variables de
holgura del otro problema, lo que quiere decir que los coeficientes de las variables de holgura 𝑥3
y 𝑥4 en el renglón cero indican los valores de las variables originales 𝑦1 y 𝑦2 , mientras que los
coeficientes de las variables originales 𝑥1 y 𝑥2 en el renglón cero indican los valores de las variables
de holgura 𝑦3 y 𝑦4 . Así, la solución para el problema de minimización en esta iteración está dada
por 𝑦 = (0; 0; −6; −4).
Como podemos ver, esta solución para el problema de minimización es no factible ya que no
todas sus variables respetan la restricción de no negatividad. Esto sucederá en todas las iteraciones
en las que no alcancemos la tabla óptima del problema que estamos resolviendo con el Simplex,
que en este caso es del problema de maximización, según el criterio de optimalidad.

Segunda tabla Simplex (óptima): 𝑥 ∗ = (1/2; 0; 3/2; 0) 𝑍 ∗ = 3

Columna
𝑍 𝑥1 𝑥2 𝑥3 𝑥4 Solución
básica

𝑍 1 0 2 0 3 3

𝑥3 0 0 −2 1 −3/2 3/2

𝑥1 0 1 1 0 ½ ½

MATERIAL DE CÁTEDRA DE ÁLGEBRA III ELABORADO POR LA PROF. ELIANA BOVIER

 1.6 DUALIDAD 62

En esta iteración del Simplex, correspondiente a la tabla óptima, encontramos la solución para
el problema de maximización: 𝑥 ∗ = (1/2; 0; 3/2; 0), la cual arroja un valor óptimo de 𝑍 ∗ = 3.
Mientras tanto, según la propiedad de soluciones básicas complementarias, la solución óptima
para el problema de minimización es 𝑦 ∗ = (0; 3; 0; 2), que arroja el un valor óptimo de 𝑊 ∗ = 3.
Cabe observar que el valor óptimo para la función objetivo de ambos problemas es el mismo,
lo que se puede comprobar reemplazando en las funciones objetivo los valores óptimos que toman
las variables de decisión correspondientes:

1
𝑍 = 6𝑥1 + 4𝑥2 = 6 ⋅ +4⋅0 =3 𝑊 = 3𝑦1 + 𝑦2 = 3 ⋅ 0 + 3 = 3
2

También es importante notar que recién en la iteración en la que alcanzamos el óptimo para el
problema que intentamos resolver con el Simplex la solución del otro problema pasa a ser factible
y óptima a la vez.


TEOREMA DE HOLGURA COMPLEMENTARIA

Este teorema nos permite encontrar la solución óptima del problema dual cuando conocemos
la solución óptima del problema primal (y viceversa) a través de la resolución de un sistema de
ecuaciones conformado por las variables de decisión y las restricciones de ambos modelos.
La importancia de este teorema radica en que facilita la resolución de los modelos de
optimización lineal, permitiendo que quien los resuelve pueda buscar el modelo más sencillo para
abordar (desde un punto de vista algorítmico) dado que de cualquier forma podrá obtener los
resultados del modelo equivalente asociado.

1. Si una variable en un problema es positiva, entonces la restricción asociada en el otro

problema debe ser activa.
2. Si una restricción en un problema es pasiva, entonces la variable asociada en el otro
problema debe ser cero.

Video de visualización obligatoria: https://youtu.be/ZVF8EY_uHn4

INTERPRETACIÓN ECONÓMICA DE LA DUALIDAD

El problema de PL puede considerarse como un modelo de asignación de recursos que busca

maximizar los ingresos con recursos limitados. Considerando el problema desde este punto de
vista, el problema dual asociado ofrece interesantes interpretaciones económicas del modelo de
asignación de recursos.

Problema resuelto N°𝟏𝟎: interpretación económica de la dualidad

MATERIAL DE CÁTEDRA DE ÁLGEBRA III ELABORADO POR LA PROF. ELIANA BOVIER

 1.6 DUALIDAD 63

Un fabricante desea hallar las cantidades de los artículos 𝑥1 y 𝑥2 que, cumpliendo con las
restricciones impuestas por las capacidades productivas de tres departament0s (cortado,
troquelado y esmaltado), maximicen su utilidad:

Índice de producción (horas por unidad) Capacidad productiva

Departamento (horas de operación por
Artículo 𝑥1 Artículo 𝑥2
período)
Cortado 10 20 4000
Troquelado 5 5 1500
Esmaltado 4 2 800
Utilidad (en $) 10 15

Es decir:
𝑀𝑎𝑥 𝑍 = 10𝑥1 + 15𝑥2
10𝑥1 + 20𝑥2 ≤ 4000
5𝑥1 + 5𝑥2 ≤ 1500
s.a: 4𝑥 + 2𝑥 ≤ 800
1 2
𝑥1 , 𝑥2 ≥ 0
{

Ahora el fabricante estudia la alternativa de arrendar o vender las horas productivas de su

empresa y pretende determinar la renta mínima que debe percibir por la totalidad de sus recursos.
Sean 𝑦1 , 𝑦2 y 𝑦3 las rentas por hora en los departamentos de cortado, troquelado y esmaltado,
respectivamente, a las cuales se las llamará precios de los recursos disponibles. En la fijación de
esos precios se debe procurar que éstos sean acordes con la alternativa de fabricación actual, es
decir que si son necesarias 10 horas de cortado, 5 de troquelado y 4 de esmaltado, el precio total
de estos recursos para fabricar una unidad del artículo 𝑥1 se define como 10𝑦1 + 5𝑦2 + 4𝑦3 . Dado
que la utilidad recaudada al vender una unidad del artículo 𝑥1 es de $ 10, éste debe ser por lo
menos igual a dicha cantidad, es decir que 10𝑦1 + 5𝑦2 + 4𝑦3 ≥ 10.
De manera análoga, para el segundo artículo se tiene que 20𝑦1 + 5𝑦2 + 2𝑦3 ≥ 15.
Además, los precios no pueden ser negativos, por lo que 𝑦1 , 𝑦2 , 𝑦3 ≥ 0.
Considerando la capacidad productiva actual, la renta total por mes está dada por la función
𝑊 = 4000𝑦1 + 1500𝑦2 + 800𝑦3 .
Por lo tanto, para determinar la renta mínima que debe percibir por la totalidad de sus recursos,
el fabricante puede utilizar el siguiente modelo:

𝑚𝑖𝑛 𝑊 = 4000𝑦1 + 1500𝑦2 + 800𝑦3

10𝑦1 + 5𝑦2 + 4𝑦3 ≥ 10
s.a: 20𝑦1 + 5𝑦2 + 2𝑦3 ≥ 15
𝑦1 , 𝑦2 , 𝑦3 ≥ 0
{

Este modelo es el dual del modelo de maximización. Resolviendo ambos problemas, se obtiene:
MATERIAL DE CÁTEDRA DE ÁLGEBRA III ELABORADO POR LA PROF. ELIANA BOVIER
 1.6 DUALIDAD 64

400 400 500

𝑥∗ = ( ; ; ) 𝑍 ∗ = 3333,33
3 3 3

2 5
𝑦 ∗ = ( ; 0; ) 𝑊 ∗ = 3333,33
3 6

Analizando estas soluciones, podemos concluir que:

- La renta mínima 𝑊 ∗ que debe cobrar por la totalidad de sus recursos debe ser igual a la
utilidad máxima 𝑍 ∗ que con ellos ganaría.
- Las variables duales representan la contribución marginal (renta o precio por hora) de cada
recurso al valor óptimo actual de la función objetivo del modelo primal: 𝑦1 = 2/3 indica que
cada hora productiva del departamento de cortado contribuye con $ 2/3 a la utilidad óptima
𝑍 ∗ = $ 3333,33. Similarmente, 𝑦3 = 5/6 informa que la contribución unitaria de las horas
de esmaltado a la utilidad óptima es de $ 5/6. De la misma manera, 𝑦2 = 0 señala que el
departamento de troquelado no contribuye pues hay ocio en el mismo (𝑥4 = 500/3). Esto
puede comprobarse fácilmente recordando que 𝑍 ∗ = 𝑊 ∗ y en consecuencia:
10𝑥1 + 15𝑥2 = 𝑍 ∗ = 𝑊 ∗ = 4000𝑦1 + 1500𝑦2 + 800𝑦3
Es decir que la utilidad total óptima se puede concebir tanto vía actividades (enfoque primal)
como vía recursos (enfoque dual).
- La variable dual implica una contribución marginal. Esto quiere decir que la utilidad óptima
actual debe incrementarse en 𝑦1 por unidad adicional del recurso 𝑏. Por ejemplo, en el
modelo primal, 𝑦1 = 2/3 señala que una hora adicional en cortado causaría un incremento
en 𝑍 ∗ de $ 2/3, asimismo una hora adicional de esmaltado implicaría un incremento de
$ 5/6 en 𝑍 ∗ , mientras que una hora adicional de troquelado no mejoraría el valor de 𝑍 ∗
(𝑦2 = 0) lo cual es obvio ya que en dicho departamento se tiene holgura en la solución
óptima actual.
La interpretación económica de las variables duales como la contribución marginal de los
recursos es, en la práctica, de mayor interés y relevancia que la misma solución óptima. La razón
es muy simple: muchas compañías desean mejorar su estado actual y la solución óptima solo les
indica cómo asignar sus recursos entre las actividades alternativas bajo su estado actual, mientras
que las variables duales les proporcionan la información necesaria para expandirse e incrementar
su utilidad óptima actual. Por ejemplo, en el problema analizado las variables duales indican que,
para mejorar la utilidad óptima de 𝑍 ∗ , los recursos clave son las horas de cortado y esmaltado y
que deben conseguirse horas adicionales de los mismos pagando como máximo un precio unitario
de $ 2/3 y $ 5/6, respectivamente.

MATERIAL DE CÁTEDRA DE ÁLGEBRA III ELABORADO POR LA PROF. ELIANA BOVIER

 1.6 DUALIDAD 65

GUÍA DE ACTIVIDADES 𝟏. 𝟔

1) Escriban el dual para el siguiente problema primal:

𝑀𝑎𝑥 𝑍 = −5𝑥1 + 2𝑥2

−𝑥1 + 𝑥2 ≤ −2
s.a: 2𝑥1 + 3𝑥2 ≤ 5
𝑥1 , 𝑥2 ≥ 0
{

2) Para el siguiente problema, formulen su dual y resuélvanlo con el método Simplex para obtener
el óptimo del primal a partir de la tabla del dual:

𝑚𝑖𝑛 𝑊 = 10𝑦1 + 10𝑦2 + 6𝑦3

10𝑦1 + 𝑦2 + 2𝑦3 ≥ 12
s.a: 𝑦1 + 10𝑦2 + 3𝑦3 ≥ 1
𝑦1 , 𝑦2 , 𝑦3 ≥ 0
{

3) A partir del siguiente problema de PL y sabiendo que la base óptima está formada por 𝑥1 y 𝑥3 ,

𝑀𝑎𝑥 𝑍 = 5𝑥1 − 6𝑥2 + 2𝑥3 − 4𝑥4

3𝑥1 + 4𝑥2 − 𝑥3 + 2𝑥4 ≤ 1
s.a: −2𝑥1 + 8𝑥2 + 𝑥3 + 4𝑥4 ≤ 2
𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ≥ 0
{

a. Escriban la solución óptima y el valor óptimo de la función objetivo.

b. Luego formulen el dual del problema dado y hallen su solución óptima a partir de lo
calculado en el ítem (a) sin utilizar el método Simplex.

4) Para el siguiente problema:

𝑀𝑎𝑥 𝑍 = 6𝑥1 + 12𝑥2

3𝑥1 + 3𝑥2 ≤ 6
s.a: 2𝑥 1 + 3𝑥2 ≤ 12
𝑥1 , 𝑥2 ≥ 0
{

a. Obtengan su solución óptima.

b. Formulen su dual y encuentren su solución de dos maneras diferentes:
- con el método gráfico,
- y con el teorema de holgura complementaria.

MATERIAL DE CÁTEDRA DE ÁLGEBRA III ELABORADO POR LA PROF. ELIANA BOVIER

 1.6 DUALIDAD 66

5) Utilicen el teorema de holgura complementaria para encontrar la solución óptima del siguiente
problema:

𝑀𝑎𝑥 𝑍 = 3𝑥1 + 4𝑥2 + 𝑥3 + 5𝑥4

𝑥1 + 2𝑥2 + 𝑥3 + 2𝑥4 ≤ 5
s.a: 2𝑥1 + 3𝑥2 + 𝑥3 + 3𝑥4 ≤ 8
𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ≥ 0
{

6) Una florista sabe hacer solo dos tipos distintos de arreglos florales (𝑥1 y 𝑥2 ), para los cuales
dispone de tres tipos de flores: rosas, tulipanes y claveles. Los requerimientos de flores para
cada arreglo, la disponibilidad de flores y los precios de cada arreglo se detallan en la siguiente
tabla:
Flores Arreglo 𝑥1 Arreglo 𝑥2 Disponibilidad
Rosas 3 1 300
Tulipanes 1 1 140
Claveles 1 3 300
Precio 2000 1000

a. Formulen un modelo de PL que represente el problema de maximización de ingresos por

ventas sujeto a la disponibilidad de los recursos.
b. Formulen el problema dual asociado. ¿Qué situación podría optimizar?
c. Encuentren el óptimo del problema dual usando el teorema de holgura complementaria y
sabiendo que el óptimo del primal está dado por 𝑥 ∗ = (80; 60).

MATERIAL DE CÁTEDRA DE ÁLGEBRA III ELABORADO POR LA PROF. ELIANA BOVIER