UNIVERSIDAD

DEL PACIFICO
DE CHIAPAS

METODO DE DUAL - SIMPLEX

Es una estrategia algorítmica

eficiente.

En particular este método se puede

utilizar cuando luego de llevar a la
forma estándar un modelo de
Programación Lineal no se dispone
de una solución básica factible

KEVIN ALEXANDRO SANCHEZ ENRIQUEZ

INTRODUCCION
El método dual simplex es otro caso especial de aplicación del método simplex y en el
concepto del autor se debe utilizar para aquellos problemas en los que se involucran
restricciones del tipo≥. El método dual-simplex se aplica para resolver problemas que
empiezan con factibilidad dual, es decir, óptimos, pero infactibles.
Este método se aplica a problemas óptimos, pero infactibles. En este caso, las restricciones
se expresan en forma canónica (restricciones). La función objetivo puede estar en la forma
de maximización o de minimización. Después de agregar las variables de holgura y de
poner el problema en la tabla, si algún elemento de la parte derecha es negativo y si la
condición de optimidad está satisfecha, el problema puede resolverse por el método dual
simplex. Note que un elemento negativo en el lado derecho significa que el problema
comienza óptimo, pero infactible como se requiere en el método dual simplex. En la iteración
donde la solución básica llega a ser factible esta será la solución óptima del problema.
TEORIA DE LA DUALIDAD.
Cada problema de programación lineal tiene un segundo problema asociado con el. Uno se
denomina primal y el otro dual. Los 2 poseen propiedades muy relacionadas, de tal manera
que la solución óptima a un problema proporciona información completa sobre la solución
óptima para el otro.
Las relaciones entre el primal y el dual se utilizan para reducir el esfuerzo de computo en
ciertos problemas y para obtener información adicional sobre las variaciones en la solución
óptima debidas a ciertos cambios en los coeficientes y en la formulación del problema. Esto
se conoce como análisis de sensibilidad o post-optimidad.

CONDICION DE FACTIBILIDAD.
La variable que sale es la variable básica que tiene el valor más negativo (los empates se
rompen arbitrariamente si todas las variables básicas son negativas, el proceso termina y
esta última tabla es la solución óptima factible).
Esta variable es un punto extremo que se encuentra en un criterio conocido como
“Condición de factibilidad”, en un modelo, ya sea de optimización o minimización, y se
refiere a la variable básica asociada con la mínima razón no negativa con el coeficiente más
negativo

 Variable degenerada
 Base
 Variable no restringida:
-Variable artificial
-Función objetivo

CONDICION DE OPTIMIDAD.
La variable que entra se elige entre las variables no básicas como sigue. Tome los cocientes
de los coeficientes de la función objetivo entre los coeficientes correspondientes a la
ecuación asociada a la variable que sale.
CARACTERISTICAS.
1. Es un proceso iterativo que puede generar varias aproximaciones a la solución a
través de distintas tablas de solución.
2. Se puede identificar cuando se ha llegado a la solución óptima.
3. Está basada en el método de Gauss-Jordan.
4. Es muy sensible al redondeo por lo que se recomienda manejar fracciones
comunes.

VENTAJAS Y DESVENTAJAS
a) Permite eliminar una base inicial infactible en el caso de restricciones del tipo = ó ≥,
sin necesidad de introducir variables artificiales.
b) Presenta ventajas en algunos casos de análisis de sensibilidad, como la adición de
nuevas restricciones o nuevas variables
c) utiliza menos iteraciones.
La desventaja es que para empezar a iterar en este método se requiere de la condición de
factibilidad dual.

ALGORITMO DUAL – SIMPLEX PARA UN MODELO DE MAXIMIZACION.

Primero se debe expresar el modelo en formato estándar, agregando las variables de
holgura y de exceso que se requieran.
Enseguida, en las ecuaciones que tengan variables de exceso (resultantes de restricciones
de tipo >), se debe multiplicar por (-1) en ambos lados, para hacer positivo el coeficiente de
la variable de exceso, y formar así un vector unitario que nos permita tomar esta variable
de exceso como una variable básica inicial.

EL ALGORITMO PARA RESOLVER UN MODELO DE MAXIMIZACION ES EL

SIGUIENTE.
Paso 1: Hallar una solución básica inicial infactible e inmejorable
Paso 2: Prueba de factibilidad
Paso 3: Prueba de inmejorabilidad
PARA LA APLICACIÓN DE ESTE METODO SE DEBEN SEGUIR ESTE
PROCEDIMIENTO.
Paso 1:
Lleve la función objetivo a maximización.
Paso 2:
Mediante la utilización de las reglas de equivalencia, transforme las restricciones en
igualdades.
Paso 3:
Multiplique por menos uno todas las restricciones que no tienen vector unitario. (Siempre
son las restricciones en donde se ha restado variable de exceso).
CONCLUSION.
Todo problema de programación lineal tiene, asociado a él, un problema de programación
lineal dual. Existen ciertas relaciones útiles entre el problema original (primal) y su problema
dual que refuerzan la habilidad para analizar el problema primal. Por ejemplo, la
interpretación económica del problema dual proporciona los precios sombra que miden el
valor marginal de los recursos en el problema primal, al igual que permiten dar una
interpretación del método símplex. Puesto que el método símplex se puede aplicar
directamente a cualquiera de los dos problemas para obtener la solución de ambos al
mismo tiempo, es posible ahorrar una gran cantidad de esfuerzo computacional si se
maneja directamente el problema dual. La teoría de dualidad, que incluye el método símplex
dual para trabajar con soluciones básicas superóptimas, juega un papel de gran importancia
en el análisis de sensibilidad.