UIVERSIDAD CETRAL DE CHILE

Optimización

El Problema Dual de la Programación Lineal

Pr imal → Dual
Max → Min
Min → Max

La dualidad de un problema se puede caracterizar a través de la siguiente afirmación:

Para todo problema de maximización de PL, existe un problema equivalente de
minimización, y a la inversa, para todo problema de minimización, existe un problema
equivalente de maximización.

Importancia del problema dual

a) El planteamiento de un problema de PL puede dar como resultado una reducción

considerable de cálculos para resolver el problema.

b) La relación dual tiene un nexo importante por sus análisis de sensibilidad

c) Es posible obtener importante información económica acerca del valor de los

recursos escasos que se utilizan examinando el problema dual.

El concepto fundamental de la dualidad radica en la relación matemática que existe

entre lo que se conoce como el problema primario y el dual. El planteamiento original
del problema se denomina problema primario y el planteamiento aleatorio se denomina
dual.

El planteamiento dual del problema primario se obtiene de la siguiente manera:

1. Reemplazar la variable X j del problema primario por variables Yi en el dual.

2. Colocar los coeficientes de la función objetivo del primario como los valores del
segundo término en el dual.

3. Colocar los valores del segundo término del primario como los coeficientes de la
función objetivo en el dual.

4. Transponer los reglones de los coeficientes de restricción del primario para

convertirlos en columnas de coeficientes en el dual.

5. Aplicar la tabla para transformar las desigualdades de las restricciones y de las

variables.

Una vez que se ha planteado el problema dual, es posible resolverlo utilizando el

algoritmo simplex.

MBA, Ing. María Cristina Cordero Rebolledo

 UIVERSIDAD CETRAL DE CHILE
Optimización

Un concepto importante de la relación entre el primario y el dual, es que si el problema

primario tiene una solución óptima, entonces el problema dual relacionado también
debe tener una solución óptima.

Asimismo es cierto que el valor óptimo de la función objetivo del primario es igual al
valor óptimo de la función objetivo del dual.

Formas primal-dual correspondientes

Problema primal (dual) Problema dual (primal)

Maximizar Z (ó Y0 ) Minimizar Y0 (ó Z)
Restricción i de forma: Variable Yi (ó X i )
≤ Yi ≥ 0
= no.restringida
≥ Yi ≤ 0
Variable X j (ó Y j ) Restricción j de forma:
Xj ≥0 ≥
no.restringida =
Xj ≤0 ≤

Ejemplos:

Nota: El modelamiento original siempre se llamará PRIMAL, y el nuevo que se obtiene

aplicando los 5 pasos explicados anteriormente, se llamará DUAL. Si el modelamiento
que se entregue es el DUAL, este se puede modificar a su PRIMAL aplicando los
mismos pasos.

1) Primal

MinZ = 2 X 1 + 3 X 2
s.a
5 X1 + 9 X 2 = 8
2 X1 − 2 X 2 = 4
X i ≥ 0, ∀i = 1,2

MBA, Ing. María Cristina Cordero Rebolledo

 UIVERSIDAD CETRAL DE CHILE
Optimización

El problema dual asociado será:

MaxW = 8Y1 + 4Y2

s.a
5Y1 + 2Y2 ≤ 2
9Y1 − 2Y2 ≤ 3
Y1 var_ no _ restringida
Y2 var_ no _ restringida

2) Primal

MaxZ = 2 X 1 + 3 X 2 + 5 X 3
s.a
3X1 − 2 X 2 + 2 X 3 ≤ 9
2 X1 + 7 X 2 + 8 X 3 ≤ 8
X i ≥ 0, ∀i = 1,2,3

El problema dual asociado será:

MinW = 9Y1 + 8Y2

s.a
3Y1 + 2Y2 ≥ 2
− 2Y1 + 7Y2 ≥ 3
2Y1 + 8Y2 ≥ 5
Y1 ≥ 0
Y2 ≥ 0

3) Primal

MaxZ = 3 X 1 − 2 X 2 + 5 X 3
s.a
3X1 + 2 X 2 + 7 X 3 ≥ 8
2 X1 − 3X 2 + 4 X 3 = 9
6 X1 + 7 X 2 + 9 X 3 ≤ 7
5 X1 + 5 X 2 + 6 X 3 = 6
X1 ≥ 0
X2 ≥ 0
X 3no _ restringida

MBA, Ing. María Cristina Cordero Rebolledo

 UIVERSIDAD CETRAL DE CHILE
Optimización

El problema dual asociado será:

MinW = 8Y1 + 9Y2 + 7Y3 + 6Y4

s.a
3Y1 + 2Y2 + 6Y3 + 5Y4 ≥ 3
2Y1 − 3Y2 + 7Y3 + 5Y4 ≤ −2
7Y1 + 4Y2 + 9Y3 + 6Y4 = 5
Y1 ≤ 0
Y2 no _ restringida
Y3 ≤ 0
Y4 no _ restringida

MBA, Ing. María Cristina Cordero Rebolledo

 UIVERSIDAD CETRAL DE CHILE
Optimización

Relación Primal- Dual

Considere el problema de la mezcla productiva cuya información relevante se

presenta en la siguiente tabla:

Departamento Índice de producción (hora/unidad) Capacidad productiva

(operación) Art 1 Art 2 Art 3 Art 4 (Horas de operación/periodo)
Cortado 10 20 2 3 4.000
Troquelado 5 5 5 4 1.500
Esmaltado 4 2 6 6 800
Utilidad 10 15 4 2
Unitaria ($)

El modelo de P.L para este problema es:

Max! = 10 X 1 + 15 X 2 + 4 X 3 + 2 X 4
s.a
10 X 1 + 20 X 2 + 2 X 3 + 3 X 4 ≤ 4000
5 X 1 + 5 X 2 + 5 X 3 + 4 X 4 ≤ 1500
4 X 1 + 2 X 2 + 6 X 3 + 6 X 4 ≤ 800
X i ≥ 0, ∀i = 1,2,3,4

Cuya solución óptima se expone en la siguiente tabla:

SBF N X1 X2 X3 X4 X5 X6 X7 Solución
! − Ci 1 0 0 7/3 5 2/3 0 5/6 3.333,3
X2 0 0 1 − 13 / 15 − 12 / 15 1 / 15 0 − 1/ 6 400 / 3
X6 0 0 0 −1/ 3 − 3/ 2 −1/ 6 1 − 5/ 6 500 / 3
X1 0 1 0 29 / 15 19 / 10 − 1 / 30 0 1/ 3 400 / 3

El dual del modelo es:

MinW = 4000Y1 + 1500Y2 + 800Y3

s.a
10Y1 + 5Y2 + 4Y3 ≥ 10
20Y1 + 5Y2 + 2Y3 ≥ 15
2Y1 + 5Y2 + 6Y3 ≥ 4
3Y1 + 4Y2 + 6Y3 ≥ 2
Yi ≥ 0, ∀i = 1,2,3

MBA, Ing. María Cristina Cordero Rebolledo

 UIVERSIDAD CETRAL DE CHILE
Optimización

Cuya tabla óptima es:

SBF W Y1 Y2 Y3 Y4 Y5 Y6 Y7 Solución
W − Ci 1 0 − 500 / 3 0 − 400 / 3 − 400 / 3 0 0 3.333,3
Y3 0 0 5/6 1 −1/ 3 1/ 6 0 0 5/6
Y1 0 1 1/ 6 0 1/ 3 − 1 / 15 0 0 2/3
Y6 0 0 1/ 3 0 − 29 / 15 13 / 15 1 0 7/3
Y7 0 0 3/ 2 0 − 19 / 10 12 / 15 0 1 5

Note que los números diferentes de cero y de uno de la tabla óptima del primal y dual
son exactamente los mismos, salvo en signo.

La solución óptima para el problema de la mezcla productiva es la siguiente:

X 1* = 400 / 3

X 2* = 400 / 3 ! * = $3.333,33

X 6* = 500 / 3
Donde se observa que en los departamentos de cortado y esmaltado se consume el
100% de los recursos disponibles ( X 5* = X 7* = 0) , mientras que en el de troquelado
quedan ociosas 500/3 horas productivas ( X 6* = 500 / 3) .

Por otra parte, la solución óptima del dual es:

Y1* = 2 / 3

Y2* = 0 W * = $3.333,33

Y3* = 5 / 6

Y por lo tanto, se concluye que los recursos vitales son los de cortado y esmaltado,
puesto que sus contribuciones marginales son positivas. Si se consiguen horas
adicionales a u valor unitario menor que $2/3 y $5/6, respectivamente, la utilidad
óptima actual se incrementará. La capacidad productiva de troquelado no debe
aumentar, ya que su contribución marginal unitaria es de $0. Tal inferencia es lógica
porque dicho departamento posee en la solución óptima actual horas ociosas.

MBA, Ing. María Cristina Cordero Rebolledo

 UIVERSIDAD CETRAL DE CHILE
Optimización

Teorema de la Holgura Complementaria

Cada vez que se posea un modelamiento (primal o dual) y una solución óptima (del
primal o dual), pero que no se entregue la tabla simples óptima y que se desee
conocer el resultado óptimo del otro modelamiento, se procede a aplicar el teorema
de la Holgura Complementaria. El beneficio de este Teorema, es que se obtienen los
resultados deseados en forma rápida y sin la necesidad de aplicar el método simplex
del modelamiento deseado.

La aplicación de este método se ve en forma clara en el siguiente ejemplo:

Corito produce dos modelos de artefactos electrónicos que utilizan: resistores,

capacitares y chips. La siguiente tabla resume los datos de la situación:

Requerimientos de recursos por unidad

Modelo 1 Modelo 2 Disponibilidad máxima

(unidades)
Resistores 2 3 1200
Capacitor 2 1 1000
Chips 0 4 800
Utilidad por Unidad ($) 3 4

Sean X 1 y X 2 las cantidades producidas del modelo 1 y 2 respectivamente.

El modelo de P.L para este problema es:

MaxZ = 3 X 1 + 4 X 2
s.a
2 X 1 + 3 X 2 ≤ 1200
2 X 1 + X 2 ≤ 1000
4 X 2 ≤ 800
X1 ≥ 0
X2 ≥ 0

Cuya solución óptima es:

X 1* = 450 *
Z = $1.750
X 2* = 100 

Con los datos anteriores, se solicita obtener la solución óptima del dual.

MBA, Ing. María Cristina Cordero Rebolledo

 UIVERSIDAD CETRAL DE CHILE
Optimización

Lo primero, dado que se da e modelamiento primal, es buscar su respectivo

modelamiento dual.

El dual del modelo es:

MinW = 1200Y1 + 1000Y2 + 800Y3

s.a
2Y1 + 2Y2 ≥ 3
3Y1 + Y2 + 4Y3 ≥ 4
Y1 ≥ 0
Y2 ≥ 0
Y3 ≥ 0

En el Teorema de la Holgura Complementaria se trabaja con las restricciones del

modelamiento primal y con las restricciones del modelamiento dual multiplicadas cada
una de ellas por su variable dual y primal asociada respectivamente, esto se hace de la
siguiente forma:

(2 X 1 + 3 X 2 − 1200)Y1 = 0

(2 X 1 + X 2 − 1000)Y2 = 0  Re stricciones. Pr imal
(4 X 2 − 800)Y3 = 0 

(3 − (2Y1 + 2Y2 )) X 1 = 0 
 Re stricciones.Dual
(4 − (3Y1 + Y2 + 4Y3 )) X 2 = 0

Ahora hay que encontrar los valores de las variables duales en base de los valores
óptimos del primal (que son los valores que se dan). Entonces, como tenemos 5
ecuaciones y 2 incógnitas, se procede a reemplazar los valores del primal en las
ecuaciones.

Ecuación 1:

(2 x 450 + 3 x100 − 1200)Y1 = 0}(900 + 300 − 1200)Y1 = 0}0Y1 = 0

De aquí, como cualquier valor dividido por cero queda indefinido, dejamos
Y1 pendiente hasta poder encontrar un valor para esta variable.

Ecuación 2:

(2 x 450 + 100 − 1000)Y2 = 0}(900 + 100 − 1000)Y2 = 0}0Y2 = 0

De aquí, como cualquier valor dividido por cero queda indefinido, dejamos
Y2 pendiente hasta poder encontrar un valor para esta variable.

MBA, Ing. María Cristina Cordero Rebolledo

 UIVERSIDAD CETRAL DE CHILE
Optimización

Ecuación 3:

(4 x 450 − 800)Y3 = 0}(1800 − 800)Y3 = 0}Y3 = 0

De aquí, como se obtiene un valor para Y3 = 0 .

Como ya se utilizaron las tres primeras ecuaciones, ahora se procede a usar las dos
últimas, en donde se debe reemplazar el valor de Y3 = 0 en la última. Al hacer esto, se
obtiene un sistema de ecuaciones de 2 x 2.

(3 − (2Y1 + 2Y2 ))450 = 0  5 1

al.resolverlo.se.obtiene : Y1 = ; Y2 =
(4 − (3Y1 + Y2 + 4Y3 ))100 = 0 4 4

La comprobación seria que al reemplazar los valores obtenidos en la función objetivo

del modelamiento dual (dado que los valores obtenidos son las variables duales),
debería dar el mismo resultado óptimo del primal. Recuerden que si el problema dual
posee una solución óptima única, el dual también tendría una solución óptima única, en
donde el óptimo de la función objetivo de uno será igual al del modelamiento asociado.

En este caso, el valor de W deberá ser igual al valor de Z.

W = 1200Y1 + 1000Y2 + 800Y3

5 1
W = 1200 x + 1000 x + 800 x0
4 4
W = 1500 + 250 + 0
W = 1750 = Z

MBA, Ing. María Cristina Cordero Rebolledo

 UIVERSIDAD CETRAL DE CHILE
Optimización

Interpretación económica de los precios sombra y costos reducidos

Definiciones:

Precio sombra: El precio sombra o precios duales de una restricción cualquiera se

puede interpretar como la razón de cambio del Valor Objetivo (VO) a medida que
aumenta (disminuye) el Lado Derecho (LD) de dicha restricción (es decir, el cambio por
aumento unitario del LD), mientras los demás datos permanecen sin cambio. La
interpretación del precio sombra solamente es válida dentro de cierto rango del LD
dado. Se trata de un rango en el cual el precio sombra permanece constante. Sin
embargo, fuera de este rango permisible el precio sombra puede cambiar a otro valor.

De acuerdo con la interpretación anterior, el precio sombra de una restricción inactiva

siempre será cero. Si una restricción es inactiva, significa que dicha restricción tiene
holgura o excedente (es decir, que no está satisfecha en su valor límite o frontera).

Costo reducido:

En las soluciones no degeneradas, el costo reducido de cualquier variable de

decisión se define como cuánto tendría que cambiar el coeficiente de dicha variable, en
la función objetivo, para tener un valor óptimo positivo. Por tanto, si una variable ya es
positiva en la optimalidad, su costo reducido es cero. Por el contrario, si el valor óptimo
de una variable es cero, entonces, según la definición de costo reducido, dicho costo es
el incremento o el decremento permisible que corresponde a dicha variable.

Puede darse otra interpretación equivalente al costo reducido de una solución no

degenerada. En las soluciones no degeneradas, el costo reducido de una variable de
decisión (cuyo valor óptimo actual es cero) es la razón (por cantidad unitaria) a la cual
se afecta el valor objetivo a medida que se fuerza la variable (no básica) hacia una
solución óptima.

Considere ahora una solución degenerada con una variable de decisión cuyo
valor óptimo es cero. El coeficiente de la variable en la función objetivo debe cambiar
por lo menos, y posiblemente más que, el costo reducido para que haya una solución
óptima, apareciendo tal variable con un nivel positivo.

MBA, Ing. María Cristina Cordero Rebolledo

 UIVERSIDAD CETRAL DE CHILE
Optimización

Aplicaciones del precio sombra y costo reducido

Considere el problema de la mezcla productiva cuya información relevante se

presenta en la siguiente tabla:

Departamento Índice de producción (hora/unidad) Capacidad productiva

(operación) Art 1 Art 2 Art 3 Art 4 (Horas de operación/periodo)
Cortado 10 20 2 3 4.000
Troquelado 5 5 5 4 1.500
Esmaltado 4 2 6 6 800
Utilidad 10 15 4 2
Unitaria ($)

El modelo de P.L para este problema es:

MaxZ = 10 X 1 + 15 X 2 + 4 X 3 + 2 X 4
s.a
10 X 1 + 20 X 2 + 2 X 3 + 3 X 4 ≤ 4000
5 X 1 + 5 X 2 + 5 X 3 + 4 X 4 ≤ 1500
4 X 1 + 2 X 2 + 6 X 3 + 6 X 4 ≤ 800
X i ≥ 0, ∀i = 1,2,3,4

Cuya solución óptima se expone en la siguiente tabla:

y4 y5 y6 y7 y1 y2 y3
SBF N X1 X2 X3 X4 X5 X6 X7 Solución
Z i − Ci 1 0 0 7/3 5 2/3 0 5/6 3.333,3
X2 0 0 1 − 13 / 15 − 12 / 15 1 / 15 0 − 1/ 6 400 / 3
X6 0 0 0 −1/ 3 − 3/ 2 −1/ 6 1 − 5/ 6 500 / 3
X1 0 1 0 29 / 15 19 / 10 − 1 / 30 0 1/ 3 400 / 3

Recuerde que los valores en el renglón (Zi – Ci) asociados a las variables de holgura de
cada una de las restricciones corresponden a los precios sombra, por lo tanto, se tiene:

y1 = 2/3 (asociado al recurso1)

y2 = 0 (asociado al recurso2)
y3 = 5/6 (asociado al recurso3)

Y los valores en el renglón (Zi – Ci) asociados a las variables de decisión corresponden
a los costos reducidos:

y4 = 0
y5 = 0
y6 = 7/3
y7 = 5

MBA, Ing. María Cristina Cordero Rebolledo

 UIVERSIDAD CETRAL DE CHILE
Optimización

Valor óptimo, Z* = 3.333,3 (u.m.)

Preguntas:

1. ¿En cuánto afecta el valor óptimo, un incremento unitario en la disponibilidad del

recurso 1?

El recurso 1 corresponde a Cortado y la disponibilidad actual es de 4000 (horas de

operación/período). Si se aumenta la disponibilidad en 1 unidad, es decir, de 4000
a 4001 (horas de operación / período) el valor objetivo se verá incrementado
proporcionalmente al valor de su precio sombra (y1= 2/3)

2
Z * = 3.333,3 + *1
3

Z* = 3.333,96 (u.m.)

2. ¿Qué pasaría si dispusiéramos de 798 (horas de operación/período) en el recurso

3?

El recurso 3 corresponde a Esmaltado y el efecto sobre Z* será una disminución

en el valor objetivo óptimo. Dado que y3 = 5/6

5
Z * = 3.333,3 − * 2
6

Z*= 3.331,63 (u.m.)

3. ¿En cuánto disminuye la utilidad si se hace crecer una variable no básica?

Las variables no básicas son x3, x4, x5, x7, pero la pregunta sólo se puede aplicar a
las variables x3 y x4, ya que ambas representan cantidades de productos a fabricar
(artículo 3 y 4 respectivamente).

Dado que y6 = 7/3, el costo económico de producir una unidad del producto 3
será:
7
Z * = 3.333,3 − * 1
3
Z*= 3330,967 (u.m.)

Se produce una disminución del VO porque no es rentable producir el producto 3,

es por esta razón que es variable no básica. Por lo tanto, el forzar a producirlo
provoca una disminución de Z*.

Si se fuerza a producir 2 unidades del producto 4(siendo y7=5), se tendrá:

Z * = 3.333,3 − 5 * 2
Z* = 3323,3 (u.m.)

MBA, Ing. María Cristina Cordero Rebolledo

 UIVERSIDAD CETRAL DE CHILE
Optimización

4. ¿En cuánto tendría que aumenta la contribución unitaria de los productos 3 y 4

para que fuese rentable producirlos?

El costo reducido también permite dar respuesta a esta interrogante. La contribución

unitaria del producto 3 es $4 y del producto 4 es $2.

Por lo tanto, ambas contribuciones tendrían que aumentar como mínimo en los valores
de los costos reducidos asociados, (es decir, y6 e y7 respectivamente), para que fuese
rentables fabricarlos.

Se tendría una nueva función objetivo, dada por:

MaxZ = 10 X 1 + 15 X 2 + (4 + y 6 ) X 3 + ( 2 + y 7 ) X 4

MaxZ = 10 X 1 + 15 X 2 + 6,3 X 3 + 7 X 4

MBA, Ing. María Cristina Cordero Rebolledo