Universidad Estatal de Bolívar

Facultad de Ciencias Agropecuarias y del Medio

Ambiente

Carrera: Agroindustrias

Asignatura: Investigación Operativa

Estudiante: Roxana Noemí Vélez Cavero

Tema: Método Dual

Fecha: 03/08/2023
 MÉTODO DUAL

Introducción
El Método Simplex Dual nos ofrece una alternativa algorítmica para abordar la
resolución de modelos de Programación Lineal. 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 inicial con la
cual se pueda dar inicio a las iteraciones del algoritmo. En este contexto a
continuación se presenta un ejemplo con los detalles de la aplicación de este
procedimiento.

Un problema se puede resolver por el método dual-simplex, cuando, después de

igualar a cero la función objetivo y convertir las restricciones en ecuaciones,
agregando las variables de holgura necesarias, al menos uno, cualquiera de los
elementos del vector b (vector de disponibilidades) es negativo y la condición de
optimalidad se satisface. Un comparativo entre el método simplex y el método
dual-simplex. 

El método dual-simplex requiere de la aplicación de dos criterios para su solución:

El criterio de optimalidad que asegura que la solución permanecerá óptima todo el
tiempo y el criterio de factibilidad que forza las soluciones básicas hacia el espacio
factible.

Características:

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 = o ≥ 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.
D) La desventaja es que para empezar a iterar en este método se requiere de
la condición de factibilidad dual.

Criterio de factibilidad. La variable saliente será aquella variable básica que

tenga el valor más negativo en el vector bi. Si todas las variables
básicas son positivas o sea 0 se tiene la solución final, óptima y factible.

Criterio de optimalidad. La variable entrante se selecciona de entre las variables

no-básicas como sigue: 
Dividir los coeficientes de la ecuación cero entre los coeficientes de la ecuación
asociada con la variable saliente, ignorando denominadores positivos y/o ceros. La
variable entrante será aquella cuyo cociente sea el menor, si el problema es
de minimizar, o el de menor valor absoluto si es de maximizar. Si todos los
denominadores son  0, el problema no tendrá solución factible.  
(Los empates se rompen arbitrariamente). Si arj $ con todas las xj no básicas, el
problema no tiene una solución factible.
Para iniciar la programación lineal óptima y no factible, se debe cumplir con dos
requisitos:
1. La función objetivo debe satisfacer la condición de optimalidad del método
simplex regular.
2. Todas las restricciones deben ser del tipo ≤.
Las desigualdades del tipo ≥ se convierten en ≤ al multiplicar ambos lados de la
desigualdad por -1. Si la PL incluye restricciones =, la ecuación se puede
reemplazar por dos desigualdades. Por ejemplo, x 1 + x2 =1, equivale a x1 + x2 ≤ 1,
x1 + x2 ≥ 1, o x1 + x2 ≤.1, –x1+ x2 ≤ -1. La solución inicial es no factible si al menos
uno de los lados derechos de las desigualdades es negativo.

Dualidad:

Todo problema de programación lineal tiene asociado con él otro problema de

programación lineal llamado DUAL. El problema inicial es llamado PRIMAL y el
problema asociado (sombra) es llamado el problema PRIMAL. Los dos juntos
son llamados problemas duales ya que ambos están formados por el mismo
conjunto de datos. La solución básica factible óptima de estos problemas es tal
que una puede fácilmente ser usada para la solución de la otra. La dimensión del
problema de programación lineal influencia la elección del cálculo del primo o del
dual.
Los problemas primales y duales se encuentran ligados por una serie de
relaciones, saber la existencia de estas puede ser considerado de gran utilidad
para la resolución de problemas que parecen no factibles, o que no pueden ser
resueltos mediante un método en particular.
 
Relaciones entre problemas primales y duales:
 El número de variables que presenta el problema dual se ve determinado
por el número de restricciones que presenta el problema primal.
 El número de restricciones que presenta el problema dual se ve
determinado por el número de variables que presenta el problema primal.
 Los coeficientes de la función objetivo en el problema dual corresponden a
los términos independientes de las restricciones (RHS), que se ubican del
otro lado de las variables.
 Los términos independientes de las restricciones (RHS) en el problema dual
corresponden a los coeficientes de la función objetivo en el problema
primal.
 La matriz que determina los coeficientes técnicos de cada variable en cada
restricción corresponde a la transpuesta de la matriz de coeficientes
técnicos del problema primal.
Tabla primal-dual
Partiendo de un modelo con el objetivo de minimizar, se utiliza la llamada tabla
primal-dual para trasladar el problema a maximización y volver al uso del mismo
algoritmo. Si tenemos el modelo primal de minimización:

Para formar la tabla primal-dual se procede como sigue:

El tamaño de la tabla es de m+2 renglones y n+2 columnas. (n número de

variables y m número de restricciones del problema primal).

1. La celda de la esquina superior izquierda se divide en dos con una

diagonal, en la parte superior escribimos la palabra primal (min) y en la
parte inferior dual (max).
2. En la celda de la esquina superior derecha se escribe el símbolo ≥,
mientras que en la primera columna en el último renglón se escribe el
símbolo ≤.
3. En la primera columna a partir del segundo renglón se escriben los
nombres de las variables del problema dual (m variables artificiales).
4. En el primer renglón se escriben los nombres de las variables del problema
primal (n variables).

5. Se escriben los coeficientes de la  función objetivo del modelo primal 
en el  último renglón.
 6. Se escribe cada uno de los coeficientes de las restricciones del problema
primal en forma horizontal, ocupando los renglones de la tabla.
7. En la última columna se escriben las cantidades limitantes de las
restricciones del modelo primal.
8. De esta tabla podemos obtener el modelo dual, lo único que debemos
hacer es leer el modelo de manera vertical y los coeficientes de la 
función objetivo  se obtienen de la última columna

Solución dual óptima

Las soluciones primalas y duales están estrechamente relacionadas en el sentido

de que la solución óptima de uno u otro problema da la solución óptima al otro. Así
pues, en un modelo de PL en el que la cantidad de variables es
considerablemente menor que la de restricciones, pueden ahorrarse cálculos
resolviendo el dual porque la cantidad de cálculos simplex depende en gran
medida (aunque no totalmente) de la cantidad de restricciones.

Los elementos del vector fila deben aparecer en el mismo orden en que las
variables básicas aparecen en la columna Básica de la tabla simplex.

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.
Para formalizar el planteamiento, considere la siguiente representación de los
problemas primal y dual:

Considerado como un modelo de asignación de recursos, el problema primal

consta de n actividades económicas y m recursos. El coeficiente cj en el primal
representa el ingreso por unidad de la actividad j. El recurso i con disponibilidad bi
se consume a razón de aij unidades por unidad de actividad j.

Interpretación económica de las variables duales:

Para cualquiera de las dos soluciones factibles primal y dual, los valores de las
funciones objetivo, cuando son finitos, deben satisfacer la siguiente desigualdad:

En el óptimo, los dos valores objetivo son iguales, es decir, z 5 w. En función del
modelo de asignación de recursos, z representa $ ingresos, y bi representa
unidades disponibles del recurso i. Por lo tanto, dimensionalmente, z 5 w implica

Esto quiere decir que la variable dual, yi, representa el valor por unidad del recurso
i. Como se expone en la sección 3.6, el nombre estándar precio dual (o precio
sombra) del recurso i reemplaza el nombre (sugestivo) valor por unidad en toda la
literatura de programación lineal y en los paquetes de software, de ahí que
también se adoptó el nombre estándar en este libro. Utilizando el mismo análisis
dimensional, podemos interpretar la desigualdad z, w (para cualquiera de las dos
soluciones primal y dual) como

Esta relación expresa que en tanto el ingreso total de todas las actividades sea
menor que el valor de los recursos, las soluciones primalas y duales
correspondientes no serán óptimas. La optimalidad se alcanza sólo cuando los
recursos se han explotado por completo. Esto puede suceder sólo cuando la
entrada (valor de los recursos) se iguala a la salida (ingreso en dólares).

Interpretación económica de las restricciones

Una vez más utilizamos el análisis dimensional para interpretar esta ecuación. El
ingreso por unidad, cj, de la actividad j está en dólares por unidad. De ahí que, por
consistencia, la cantidad también debe estar en dólares por unidad. A
continuación, como cj representa ingreso, la cantidad con signo opuesto, debe
representar costo. Por lo tanto tenemos
La conclusión es que la variable dual y1 representa lo que se conoce en la
literatura de PL como costo imputado por unidad de recurso i, y podemos
considerar que la cantidad como el costo imputado de todos los recursos
necesarios para producir una unidad de la actividad j. Como se indica en la
sección 3.6, la cantidad (5 costo imputado de la actividad j – cj a ) se conoce como
costo reducido de la actividad j. La condición de optimalidad de maximización del
método simplex plantea que un incremento en el nivel de una actividad j no
utilizada (no básica) puede mejorar el ingreso sólo si su costo reducido es
negativo. En función de la interpretación precedente, esta condición establece que

De este modo, la condición de optimalidad de maximización dice que es

económicamente ventajoso incrementar el nivel de una actividad si su ingreso
unitario excede su costo unitario imputado.

Aplicación:

a) Sistemas y telecomunicaciones: con el método dual simplex podemos

resolver problemas relacionados con el control de las organizaciones o
sistemas (hombre – máquina). A fin de que se produzcan soluciones que
mejor sirvan a los objetivos de la organización.
b) Negocios: Cuando ya se conoce el método dual-símplex como un algoritmo
útil para resolver modelos de programación lineal, los cuales de manera
original tienen como objetivo minimizar, es momento de comenzar a pensar
en el entorno donde es posible encontrar problemas con modelos como el
descrito previamente. Uno de ellos es el entorno de los negocios, ya que de
manera natural, cuando se trate de costos de producción, de ventas o de
administración, precisamente nos encontramos en la necesidad de llevar a
cabo todos los procesos y actividades de la empresa al menor costo
posible, cumpliendo con ciertos niveles mínimos, por ejemplo, de
productividad.  

Ejemplo:

1) Para el eficiente desempeño de las actividades de una empresa
comercializadora  de bienes raíces de bienes raíces, se han 
cuantificado para los departamentos los costos de ventas  y
administración en $10,500.00 y $12,000.00 respectivamente. Mientras que
para una casa los mismos costos ascienden a $18,000.00 y $10,000.00,
respectivamente. La utilidad que reporta cada departamento es de
$150,000.00 y de $300,000.00 para cada casa. La empresa desea reducir
 al nivel mínimo posible el importe de sus costos totales manteniendo una
utilidad de al menos $18, 000,000.00, así como la necesidad de que la
cantidad de departamentos vendidos a lo menos sea el doble de casas
vendidas. ¿Cuál es la combinación óptima de departamentos y casas que
se deben comercializar? y, ¿cuál es el importe de los costos totales con el
nivel de ventas calculado?

 Para  resolver  este  problema,  primero  identificamos  que  el 

objetivo  del  planteamiento es minimizar el importe de los costos totales
de la empresa.
 Y que las restricciones están relacionadas con el nivel mínimo de utilidades
y la cantidad de departamentos y casas vendidas.

Con lo anterior podemos definir las variables de decisión:
X1 = La cantidad de departamentos vendidos.
X2 = La cantidad de casas vendidas.
A partir de esta definición el modelo de programación lineal primal es:
Zmin= (10,500 + 12,000) x1 (18,000 +10,000) x2
Sujeto a:
150,000x1 + 300,000x2 ≥ 18, 000,000 1. Restricción de la utilidad mínima.
X 1− 2x2 ≥ 0 2. Restricción de la cantidad de
ventas.
X 1 , x2 ≥ 0 3. Condición de no negatividad.
Nota que los costos totales son la suma de los costos de ventas y de
administración para cada inmueble, además, como se trata de minimizar costos,
los datos de la utilidad se emplean como una restricción. La tabla dual está dada
por:

Entonces, el modelo dual de maximización es:

Zmax = 18, 000,000 y1
Sujeto a: 150,000 y1 + y2 ≤22,500
300,000 y1 - 2 y2 ≤28,000
Y 1 , y2 ≥ 0
Ahora se utiliza el método simplex para resolver el modelo dual. La tabla inicial de
este modelo es:
El primer elemento pivote de la tabla inicial es:

Con operaciones entre renglones se obtiene la siguiente tabla:

Como en el renglón asociado a la función objetivo todavía se encuentran

coeficientes negativos, no se ha completado el proceso, por lo que se 
identifica un  nuevo pivote en la tabla obtenida. El nuevo pivote se encuentra en:

De manera similar con el primer pivote, con operaciones básicas entre renglones,
se resuelve la tabla símplex:
En esta iteración todos los coeficientes del renglón de la función objetivo 
son no  negativos, es decir, mayores o iguales a cero, por lo que el proceso del
método simplex ha concluido. Cabe recordar que estamos resolviendo un
problema dual, por lo que la solución del modelo primal se obtiene del valor de 
los coeficientes  asociados a las variables de holgura que dan el renglón de la
función objetivo. Es decir:

Por lo que al transferir la solución de la tabla simplex a las variables originales del
problema primal se tiene:

Lo cual signica que la solución del problema primal está dada por:

X1 = 60 departamentos vendidos.
X2 = 30 de casas vendidas.
Con un costo total mínimo de Zmin = $2, 190,000.00

2) Consideremos el siguiente problema para ilustrar

e su valor de cero actual) reduce a z en $4, es decir, z= 1350 - 4 * (1) - 1 * (0) – 2 *
(0) = $1346. Podemos considerar el coeficiente de x1 en la ecuación z(= 4) como
un costo unitario porque reduce el ingreso z. Pero ¿de dónde proviene este
“costo”? Sabemos que el ingreso por unidad de x1 es de $3 (según el modelo
original). También sabemos que la producción de trenes de juguete incurre en un
costo porque consume recursos (tiempo de operaciones). Por consiguiente, desde
el punto de vista de la optimización, el “atractivo” de x1 depende del costo de los
recursos consumidos con respecto al ingreso. Esta relación define el llamado
costo reducido y se formaliza en la literatura de PL como

Para apreciar la importancia de esta definición, en el modelo original de TOYCO el

ingreso por unidad de camiones de juguete (5 $2) es menor que el de trenes de
juguete (5 $3). No obstante la solución óptima recomienda producir camiones de
juguete (x2 5 100 unidades) y nada de trenes (x1 5 0). La razón es que el costo de
los recursos consumidos por un camión de juguete (es decir, tiempo de
operaciones) es menor que su precio unitario; al contrario de lo que sucede en el
caso de los trenes de juguete.

Con la definición dada de costo reducido, podemos ver que una variable no
rentable (como x1) puede hacerse rentable de dos maneras: 1. Incrementando el
ingreso unitario. 2. Reduciendo el costo unitario de los recursos consumidos. En la
mayoría de las situaciones, las condiciones del mercado dictan el precio por
unidad y puede ser difícil incrementarlo a voluntad. Por otra parte, una opción más
viable es reducir el consumo de recursos porque el fabricante puede reducir el
costo si hace que el proceso de producción sea más eficiente.

Conclusiones

Gracias a esta investigación podemos concluir los siguientes puntos sobre el

método dual y el análisis de sensibilidad:
 La dualidad permite realizar importantes interpretaciones económicas de
los problemas de programación lineal y así como también generar métodos
como el método dual del simplex de gran importancia en el análisis de
post-optimización y en la programación lineal paramétrica.

 La diferencia principal del método simplex y el método dual, es que el

simplex se inicia con una solución factible y la mantiene mientras busca
conseguir la optimización. El método dual inicia con una solución óptima
pero no factible y busca la factibilidad manteniendo la optimización.

 El análisis de sensibilidad busca determinar los efectos que se producen

en la solución óptima al realizar cambios en cualquiera de
los parámetros del modelo de programación lineal planteado inicialmente.

 El objetivo principal del análisis de sensibilidad es identificar el intervalo

permisible de variación en los cuales las variables o parámetros pueden
 fluctuar sin que cambie la solución óptima.  Sin embargo, así mismo se
identifica aquellos parámetros sensibles, es decir, los parámetros cuyos
valores no pueden cambiar sin que cambie la solución óptima. 

 Bibliografía

http://www.gestiondeoperaciones.net/programacion_lineal/como-
resolver-un-modelo-de-programacion-lineal-con-el-metodo-simplex-
dual/

https://prezi.com/olzjqprsytrk/metodo-dual-simplex/

http://gc.initelabs.com/recursos/files/r157r/w13109w/
MateNegocios_unidad%204.pdf

http://www.investigaciondeoperaciones.net/
metodo_simplex_dual.html