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.
 
 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
No negativas, el proceso termina y esta última tabla es la solución óptima
factible).

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.
 
Ignore los cocientes asociados a denominadores positivos o cero.
 
La variable que entra es aquella con el cociente más pequeño si el problema es de
minimizar o el valor absoluto más pequeño si el problema es de maximización(rompa
los empates arbitrariamente). Si los denominadores son ceros o positivos el problema
no tiene ninguna solución factible.
Como sabemos, el método simplex es un algoritmo iterativo que iniciando en una solución
básica factible pero no óptima, genera soluciones básicas factibles cada vez mejores hasta
encontrar la solución óptima (sí esta existe). La base de su lógica es mantener la factibilidad,
mientras busca la optimalidad.

Pero surge la posibilidad de usar otro esquema igualmente iterativo, que como contraparte del
simplex, comienza en una solución básica óptima, pero no factible y mantiene la
inmejorabilidad mientras busca la factibilidad. Con este procedimiento se llega igualmente a
la solución óptima.

El nuevo algoritmo fue desarrollo en 1954 por C. E. Lemke y se conoce con el nombre
de Método Dual-Simplex.
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
Otra de las ventajas que presenta es que dado a que el número de restricciones y
variables entre problema dual y primal es inverso, se pueden resolver gráficamente
problemas que presenten dos restricciones sin importar el número de variables.

Obtendremos que los términos del lado derecho

Si el modelo primal o dual tiene solución
de las ecuaciones multiplicadas por (-1) quedan
óptima finita entonces su respectivo dual
con signo negativo, lo cual hace que la solución
o primal tendrán solución óptima finita.
inicial sea infactible.

Es importante destacar que este proceso es muy útil ya que en muchos modelos evita la
inclusión de variables artificiales en el momento de transformar un modelo a formato
estándar.
Si el modelo primal o dual tiene solución Si el modelo primal o dual no tiene solución
óptima no acotada, entonces su respectivo dual entonces su respectivo dual o primal no        
o primal no tendrán solución, será un modelo  tendrán solución.
infactible.

Al hacer lo anterior se logra que debajo de las

variables básicas aparezca una matriz
identidad, que es la que el simplex siempre
toma como base inicial.
•Una de las ventajas de la existencia del programa dual es la posibilidad de reducir el esfuerzo computacional 
al resolver ciertos modelos de programación lineal.

•Permite resolver problemas de programación lineal de forma más rápida y sencilla.

•Es otra vía para resolver un problema de programación lineal.

•Facilita profundizar en el contenido económico del problema original (primal).

•Puede ser utilizada para resolver el caso en que se debe considerar la introducción de una nueva variable en el
primal una vez que ha de sido obtenida la solución óptima, sin tener que resolver completamente el problema.

•Otra de las ventajas que presenta es que dado a que el número de restricciones y variables entre problema dual
y primal es inverso, se pueden resolver gráficamente problemas que presenten dos restricciones sin importar el
número de variables.
b) Nuevas filas Fila anterior - coeficiente de la columna pivote * nueva fila
pivote
 El método Dual Simplex sirve y se aplica para resolver problemas que empiezan con factibilidad dual,
es decir, óptimos pero infactibles (No se puede realizar). 
 Comúnmente aquellos problemas de difícil solución son los de minimización.
 El método simplex y el dual simplex se encuentran muy ligados, permitiendo que la restricción de uno
sean las variables del otro.
 Las características básicas de una minimización para desarrollar el método dual simplex es que tengan
restricciones del mayor o igual que y donde las variables sean mayores o iguales a cero