EL MODELO DUAL DE PROGRAMACIÓN LINEAL.

El concepto de dualidad desempeña importantes papeles dentro de

la PL, tanto desde un punto de vista teórico como práctico.
Todo problema lineal lleva asociado otro problema lineal conocido
como problema dual; el problema original se conoce como problema
primal.
El dual es un modelo de PL que se obtiene matemáticamente de un
modelo primal dado. Los problemas dual y primal están relacionados de
tal manera, que es suficiente resolver uno para obtener la solución
óptima de los dos. El problema dual es importante en el análisis
económico.
El dual del dual es el primal. Es mas fácil resolver el que tiene menor
número de restricciones.
DEFINICIÓN DEL PROBLEMA DUAL
1.- CUANDO EL PROBLEMA PRIMAL ESTA EN FORMA CANÓNICA.

El problema DUAL se obtiene a partir del problema PRIMAL (y viceversa) de la

siguiente manera:

a.- Cada restricción en un problema corresponde a una variable en el otro problema.

b.- El vector de disponibilidad en un problema son iguales a los coeficientes
respectivos de la función objetivo en el otro problema.
c.- Un problema es de maximización y el otro de minimización.
d.- El problema de maximización tiene restricciones menor o igual que y el problema
de minimización tiene restricciones mayor o igual que.
e.- Las variables en ambos problemas son no negativas
 MODELO MATEMÁTICO

PROBLEMA PRIMAL PROBLEMA DUAL

n m
Max. Z = Σcjxj Min. W = Σbiyi
j=1 i=1
s.a. s.a.
n m
Σaijxj ≤ bi, i = 1, 2,...,m Σaijyi ≥ cj, j = 1, 2,...,n
j=1 i=1
xj ≥ 0 yi ≥ 0

yi : Variable dual (precio sombra, valor unitario del recurso i)

EJEMPLO
PROBLEMA PRIMAL
 Max. Z = 5x1 + 3x2 + 4x3
s.a
7x1 + 3x2 - x3 ≤ 7
6x1 - 2x2 + 4x3 ≤ 10
5x1 + 3x2 - 2x3 ≤ 15
xj ≥ 0
 PROBLEMA DUAL
 Min. W = 7y1 + 10y2 + 15y3
s.a
7y1 + 6y2 + 5y3 ≥ 5
3y1 - 2y2 + 3y3 ≥ 3
-y1 + 4y2 - 2y3 ≥ 4
yi ≥ 0
2.- EL PROBLEMA DUAL CUANDO EL PRIMAL ESTÁ EN
FORMA ESTÁNDAR

REGLAS PARA FORMAR EL DUAL DEL PRIMAL EN FORMA ESTÁNDAR

PROBLEMA DE MAXIMIZACIÓN   PROBLEMA DE MINIMIZACIÓN
Restricción <= → Variable >= 0
Restricción >= → Variable <= 0
Restricción = → Variable irrestricta en signo
Variable >= 0 → Restricción >=
Variable <= 0 → Restricción <=
Variable irrestricta en signo → Restricción =
 EJEMPLO
Max. Z = 10x1 + 15x2 + 9x3
Sujeto a:
11x1 + 13x2 + 2x3 ≤ 50
15x1 + 14x2 + 3x3 = 70
18x1 + 12x2 + 5x3 ≥ 80
x1 irrestricta en signo
x2 , x 3 ≥ 0
 FORMA ESTÁNDAR
Max. Z = 10x1 + 15x2 + 9x3 + 0s1 + 0s3
Sujeto a:
11x1 + 13x2 + 2x3 + s1 + 0s3 = 50
15x1 + 14x2 + 3x3 + 0s1 + 0s3 = 70
18x1 + 12x2 + 5x3 + 0s1 - s3 = 80
x1 irrestricta en signo
x2, x3, s1, s3 ≥ 0
PROBLEMA DUAL
Min. W = 50y1 + 70y2 + 80y3
Sujeto a:
11y1 + 15y2 + 18y3 = 10
13y1 + 14y2 + 12y3 ≥ 15
2y1 + 3y2 + 5y3 ≥ 9
y1 + 0y2 + 0y3 ≥ 0
0y1 + 0y2 - y3 ≥ 0
Min. W = 50y1 + 70y2 + 80y3
Sujeto a:
11y1 + 15y2 + 18y3 = 10
13y1 + 14y2 + 12y3 ≥ 15
2y1 + 3y2 + 5y3 ≥ 9
y1 ≥ 0
y2 irrestricta en signo
y3 ≤ 0
SOLUCIÓN DUAL ÓPTIMA EN LA TABLA SIMPLEX ÓPTIMA DEL PRIMAL

La solución dual óptima puede obtenerse directamente de la tabla

simplex óptima del primal.
Observando la tabla simplex óptima del problema primal la solución
dual óptima se encuentra en el renglón de Zj - Cj en las columnas
correspondientes a las variables básicas iniciales (si y/o Ai), si las variables
básicas iniciales son variables artificiales, entonces se omite la constante M
Basta resolver un problema (primal o dual) para obtener la solución del
otro problema.
El software de investigación de operaciones WINQBS, POMforwin y
otros existentes muestran en un cuadro resumen la solución óptima del
problema primal y del dual.
Si el problema primal es de maximización se cumple que en cualquier
iteración del método simplex Z ≤ W y en la solución óptima Z = W.
EJEMPLO

Una empresa ensambla 3 tipos de juguetes: trenes, camiones y

automóviles, utiliza tres operaciones. Los límites diarios sobre los
tiempos disponibles para las tres operaciones son: 430, 460 y 420
minutos, respectivamente y las utilidades para cada tren camión y
automóvil son 3, 2 y 5 dólares, respectivamente. Los tiempos de
ensamble por tren en las tres operaciones son: 1, 3 y 1 minutos,
respectivamente los tiempos correspondientes por camión son: 2, 0 y 4
minutos, respectivamente. Los tiempos correspondientes por
automóvil son 1, 2 y 0 minutos, respectivamente. El objetivo de la
empresa es maximizar sus utilidades.
MODELO MATEMÁTICO PRIMAL Y DUAL

X1: Cant. de trenes. X2: Cant. de camiones. X3: Cant. de automóviles

PROBLEMA PRIMAL PROBLEMA DUAL
Max. Z = 3X1 + 2X2 + 5X3 Min.W = 430Y1 + 460Y2 + 420Y3
Sujeto a: Sujeto a:
X1 + 2X2 + X3 <= 430 min. Op. 1 Y1 + 3Y2 + Y3 >= 3
3X1 + 2X3 <= 460 min. Op. 2 2Y1 + 4Y3 >= 2
X1 + 4X2 <= 420 min. Op. 3 Y1 + 2Y2 >= 5
Xj >= 0, para todo j. Yi >= 0, para todo i
TABLA ÓPTIMA DEL PROBLEMA PRIMAL

  Cj 3 2 5 0 0 0  
CBi XBi X1 X2 X3 S1 S2 S3 bi

2 X2 -1/4 1 0 1/2 -1/4 0 100

5 X3 3/2 0 1 0 1/2 0 230
0 S3 2 0 0 -2 1 1 20
  Zj 7 2 5 1 2 0 1350

  Zj-Cj 4 0 0 1 2 0  
SOLUCIÓN ÓPTIMA PRIMAL DUAL
X1 = 0 trenes Y1 = 1
X2 = 100 camiones Y2 = 2
X3 = 230 automóviles Y3 = 0
S3 = 20 minutos en exceso op. 3 W = $ 1350
S2= S1 = 0
Z = $ 1350
Los tiempos disponibles en las operaciones 1 y 2 son recursos
escasos, en la operación 3 es abundante.
No conviene producir trenes por tener costo alto, respecto al uso de
los recursos.
INTERPRETACIÓN ECONÓMICA DE LAS VARIABLES DUALES.
n m
Z = Σcjxj = W = Σbiyi , En la solución óptima
j=1 i=1
  Suponer que se está maximizando la ganancia y que x j son unidades de
producto que se van a producir, entonces Z = W = unidades monetarias.
bi son unidades del recurso i y como biyi = unidades monetarias, entonces yi
viene a ser las unidades monetarias por unidad del recurso i, dicho de otra
manera yi es el valor unitario del recurso i.
Las variables duales llamadas también precio sombra permiten priorizar los
recursos disponibles o sea el recurso de mayor prioridad será aquel que tenga
mayor valor (variable dual correspondiente es la que tiene mayor valor), porque
un incremento de una unidad de este recurso aportará más al valor de la función
objetivo en comparación con los demás recursos que se están utilizando. En el
ejemplo anterior los minutos disponibles de la operación 2 tiene mayor valor (Y2
= 2)
INTERPRETACIÓN ECONÓMICA DE LAS RESTRICCIONES DUALES

En cualquier iteración del método simplex:

m
Zj - Cj = Σaijyi - Cj, j = 1, 2,...,n
i=1
  m
Zj = Σaijyi
i=1
Zj: Es la parte izquierda de la restricción dual correspondiente a la variable x j del
problema primal, como Zj son unidades monetarias, aijyi también son unidades
monetarias. Los coeficientes tecnológicos aij son el consumo unitario del recurso i
por la actividad xj, entonces yi es el costo aplicable unitario del recurso i utilizado.
Zj: Es el costo aplicable de todos los recursos utilizados para producir una unidad
de la actividad xj
ANÁLISIS

Si Zj - Cj = 0, quiere decir que el costo aplicable a los recursos utilizados

para producir una unidad de la actividad xj es igual a la ganancia unitaria
de esta actividad (Cj), xj es una variable básica y el producto representado
por esta variable es provechoso producirlo, el modelo alcanza un estado
estable.
Si Zj - Cj < 0, quiere decir que xj es una variable no básica, pero como el
costo aplicable a los recursos utilizados para producir una unidad de la
actividad xj es menor a la ganancia unitaria, entonces esta variable es
candidato potencial para convertirse en variable básica.
Si Zj - Cj > 0, quiere decir que el costo aplicable a los recursos utilizados
para producir una unidad de la actividad xj es mayor a la ganancia unitaria
de xj, por lo tanto esta variable permanecerá como variable no básica, o
sea que el producto representado por esta variable no es provechoso
producirlo (ejemplo anterior X1: trenes)
ANÁLISIS DE SENSIBILIDAD
El análisis de sensibilidad (postóptimo) se refiere al estudio de los
efectos que se presenta en la solución óptima de un modelo de PL,
cuando sus elementos cambian:
1.- Cambio en los bi (vector de recursos)
2.- Cambio en los Coeficientes de la función objetivo ( Cj)
3.- Cambio en los coeficientes tecnológicos ( aij)
4.- Adición de una nueva variable de decisión Xj o más variables
5.- Adición de una nueva restricción o más restricciones .
Con estos cambios puede ocurrir:
1.- La solución óptima sigue siendo la misma.
2.- Las variables básicas permanecen, pero con valores diferentes, Z
cambia
3.- La solución óptima cambia totalmente.
EJEMPLO
La empresa TOSHIRO fabrica dos tipos de radio, A y B, el producto en proceso pasa por
dos líneas de ensamble. Para fabricar un radio tipo A se necesita 4 horas en la línea 1 y 2
horas en la línea 2. Para fabricar un radio tipo B se necesita 2 horas en la línea 1 y 4 horas
en la línea 2. Se dispone de 60 horas en la línea 1 y de 48 horas en la línea 2 por día. La
ganancia es de $ 8 por radio tipo A y de $ 6 por radio tipo B. El objetivo de la empresa es
optimizar la ganancia total por día.
  El modelo matemático es el siguiente: 
x1: Número de radios tipo A que se van a fabricar por día.
x2: Número de radios tipo B que se van a fabricar por día.
Max. Z = 8x1 + 6x2
s.a.
4x1 + 2x2 ≤ 60
2x1 + 4x2 ≤ 48
xj ≥ 0
SOLUCIÓN CON SOFTWARE WINQSB

 
 
CAMBIOS EN EL VECTOR DE DISPONIBILIDAD DE RECURSOS

EJEMPLO:
  El administrador de la empresa decide aumentar la disponibilidad
del tiempo en las líneas de producción y asigna un incremento de 11
horas en cada línea. Determinar la nueva solución óptima.
El nuevo modelo es el siguiente:
Max. Z = 8x1 + 6x2
s.a.
4x1 + 2x2 ≤ 71
2x1 + 4x2 ≤ 59
xj ≥ 0
  La solución óptima del nuevo problema es la siguiente:
SOLUCIÓN CON SOFTWARE WINQSB

 
CAMBIOS EN EL VECTOR DE DISPONIBILIDAD DE RECURSOS

EJEMPLO:
  La empresa tiene problemas económicos y desea reducir personal
disminuyendo la capacidad de las líneas de producción a 56 y 25 horas
respectivamente. Cual sería el efecto en el nivel de producción y en la
ganancia total..
El nuevo modelo es el siguiente:
Max. Z = 8x1 + 6x2
s.a.
4x1 + 2x2 ≤ 56
2x1 + 4x2 ≤ 25
xj ≥ 0
  La solución óptima del nuevo problema es la siguiente:
SOLUCIÓN CON SOFTWARE WINQSB
CAMBIOS EN LOS COEFICIENTES ECONÓMICOS.

EJEMPLO:
  La empresa decide bajar los precios de los radios para captar más
clientes y como consecuencia se reduce las ganancias unitarias de A y B
a $ 6 y $ 5, cual será el efecto en el nivel de producción y ganancia total.
El nuevo modelo es el siguiente:
 Max. Z = 6x1 + 5x2
s.a.
4x1 + 2x2 ≤ 60
2x1 + 4x2 ≤ 48
xj ≥ 0
  La solución óptima del nuevo problema es la siguiente:
SOLUCIÓN CON SOFTWARE WINQSB
CAMBIOS EN LOS COEFICIENTES TECNOLÓGICOS.

EJEMPLO:
La empresa ha investigado sobre los tiempos empleados en la
producción y cree que puede mejorar la calidad del producto utilizando para
la producción del radio A 3 horas en la línea 1 y 3 horas en la línea 2 por
unidad y para el radio B 2 horas en la línea 1 y 4 horas en la línea 2 por
unidad. ¿Cual será el efecto en el nivel de producción y la ganancia total?.
  El nuevo modelo es el siguiente:
 Max. Z = 8x1 + 6x2
s.a.
3x1 + 2x2 ≤ 60
3x1 + 4x2 ≤ 48
xj ≥ 0
  La solución óptima del nuevo problema es la siguiente:
SOLUCIÓN CON SOFTWARE WINQSB

 
ADICIÓN DE UNA NUEVA VARIABLE.

EJEMPLO:
  La empresa está considerando producir un radio tipo C (x3) que dejará
un beneficio neto de $ 9, para este nuevo producto se necesitará 3 horas
en la línea 1 y 3 horas en la línea 2 por unidad. ¿Cuál será el efecto en el
nivel de producción y la ganancia total.?.
El nuevo modelo es el siguiente:
Max. Z = 8x1 + 6x2 + 9x3
s.a.
4x1 + 2x2 + 3x3≤ 60
2x1 + 4x2 + 3x3≤ 48
xj ≥ 0
  La nueva solución óptima es la siguiente
SOLUCIÓN CON SOFTWARE WINQSB

 
ADICIÓN DE UNA NUEVA RESTRICCIÓN
EJEMPLO:
La empresa crea un departamento de control de calidad del producto para
verificar el estado de los radios. El tipo A requiere 45 minutos, el B 30 minutos y el
C 60 minutos la disponibilidad de tiempo de este departamento es de 8 horas por
día. ¿Cómo afecta esta nueva restricción al nivel de producción y al beneficio neto.
  El nuevo modelo es el siguiente:
 Max. Z = 8x1 + 6x2 + 9x3
s.a.
4x1 + 2x2 + 3x3 ≤ 60
2x1 + 4x2 + 3x3 ≤ 48
0.75x1 + 0.5x2 + x3 ≤ 8
xj ≥ 0
  La solución óptima del nuevo problema es la siguiente:
 SOLUCIÓN CON SOFTWARE WINQSB