Optimizacin

Optimizacin:
Programacin lineal

Msc. Ing A. Muiz P. 1 23/05/2017

 Optimizacin

Mayora de problemas en mundo real tienen varias

soluciones y algunos tienen infinitas soluciones.
Propsito de optimizacin es encontrar o identificar mejor
solucin posible, entre todas las soluciones potenciales
para un problema dado.
Para ello, se selecciona valores de variables
interrelacionadas (variables de diseo o de decisin),
poniendo atencin a un slo objetivo diseado para
cuantificar desempeo y medir calidad de decisin
(Funcin objetivo).

Msc. Ing A. Muiz P. 2 23/05/2017

 Optimizacin

Objetivo es maximizado o minimizado (dependiendo de

formulacin) sujeto a restricciones que pueden limitar
seleccin de valores de variables de diseo.
Asumiendo que un problema de optimizacin est definido
de alguna manera, mtodos de optimizacin se clasifican
en:
Mtodos analticos: uso del clculo diferencial (insuficiente
para problemas no lineales);
Mtodos numricos: algoritmos (procedimientos iterativos);
Otros: mtodos grficos, mtodos experimentales, estudio de
casos.

Msc. Ing A. Muiz P. 3 23/05/2017

 Optimizacin

Casi siempre, inters en optimizacin se centra en solucin de

problemas reales, los que deben ser representados
matemticamente.
Optimizacin de representacin matemtica de procesos reales
presenta 2 tipos de dificultades:
1. Formulacin del modelo matemtico (representatividad)
(funcin a ser optimizada funcin objetivo);
2. Tcnica de solucin:
Existencia de varios extremos locales y globales;
Se supone que coeficientes y variables del modelo (funcin objetivo) no
son variables aleatorias;
Errores de redondeo de aritmtica punto flotante.

Msc. Ing A. Muiz P. 4 23/05/2017

 Problemas matemticos de optimizacin

Consisten en maximizacin o
minimizacin de funciones
algebraicas de una o ms variables.
Seleccin de variables pueden estar
restringidas por ecuaciones o
inecuaciones algebraicas llamadas
restricciones, de forma tal que
objetivo no es encontrar mejor valor
posible sino mejor valor permitido
por restricciones.

Msc. Ing A. Muiz P. 5

 Formulacin general de un problema de
optimizacin
Encontrar x tal que se
maximice o minimice una
funcin objetivo f(x), sujeto a
restricciones: gi(x) = bi
(i = 1,, m)
gj(x) bj (j = m,, k)
Donde:
x es un vector de n variables
independientes.

Msc. Ing A. Muiz P. 6 23/05/2017

 Ejemplos de optimizacin en ingeniera
1. Diseo de un avin para un mnimo peso y mxima
resistencia;
2. Trayectorias ptimas de vehculos espaciales;
3. Diseo de estructuras con mnimo costo;
4. Diseo de proyectos de abastecimiento de agua, como en
presas, para mitigar dao por inundacin mientras se
obtiene mxima generacin de potencia;
5. Diseo de bombas y equipos de transferencia de calor para
mxima eficiencia;
6. Anlisis estadstico y modelado con un mnimo error (e.g.,
redes neuronales);
7. Redes de tuberas ptimas;

Msc. Ing A. Muiz P. 7 23/05/2017

 Programacin lineal

Msc. Ing A. Muiz P. 8 23/05/2017

 Para que sirve la programacin lineal?

Msc. Ing A. Muiz P. 9 23/05/2017

 Lenguaje de Programacin
Funcin Es la funcin por
Objetivo maximizar o minimizar

Son las limitaciones

Restricciones existentes sobre las
variables. Constituyen un
sistema de desigualdades.
Soluciones Son las infinitas soluciones
Factibles para el sistema de
restricciones.
Solucin Es una de las soluciones
ptima factibles que le da valor
mximo o mnimo a la
Msc. Ing A. Muiz P. 10 funcin objetivo. 23/05/2017
 Introduccin
Optimizacin trata de asignar recursos limitados
entre actividades competitivas de mejor forma
posible (ptima).
PL: es una buena herramienta que ayuda a solucionar
este problema.
PL: tcnica de optimizacin matemtica; tcnica de
modelado matemtico diseada para optimizar empleo
de recursos limitados.
Consiste en minimizacin o maximizacin de una
funcin lineal en presencia de restricciones lineales
de igualdad o desigualdad.

Msc. Ing A. Muiz P. 11 23/05/2017

 Introduccin
PL: mtodo matemtico de solucin
de problemas donde objetivo es
maximizar o minimizar un resultado a
partir de seleccionar valores de un
conjunto de variables de decisin,
respetando restricciones dadas por
disponibilidad de recursos,
especificaciones tcnicas, u otras
condicionantes que limiten libertad
de eleccin.

Msc. Ing A. Muiz P. 12 23/05/2017

 Introduccin
Fue creado por George
Dantzig durante II Guerra
Mundial (1947); desarroll
una solucin prctica en
1949, que se denomin
mtodo Simplex.
T.C. Koopmans acu
nombre de Programacin
Lineal, en 1948.

Msc. Ing A. Muiz P. 13 23/05/2017

 Introduccin
Modelo de programacin lineal que
busca maximizar o minimizar una
funcin lineal, sujeta a un conjunto
de restricciones lineales.
Est compuesto de:
Un conjunto de variables de
decisin;
Una funcin objetivo;
Un conjunto de
restricciones.

Msc. Ing A. Muiz P. 14

 Aplicaciones
Aplicaciones militares;
Matemticas puras y aplicadas;
Economa (como en sectores de industria qumica
y petrleo, industrias alimenticias, metalurgia,
produccin y distribucin de energa elctrica,
transportes, etc);
Agricultura y ganadera;
Aplicaciones mdicas.

Msc. Ing A. Muiz P. 15 23/05/2017

 Programacin lineal
Funcin objetivo: funcin a optimizar (mximizar o
mnimizar): Z
Sistemas de restricciones lineales: referido a
limitaciones que presentan variables que forman parte
del problema.
Solucin factible: X = (x1,........., xn) es aqulla
para la que todas las restricciones se satisfacen (es
posible que problema no tenga soluciones factibles).
Solucin no factible: cuando por lo menos una
restriccin no se cumple.
Solucin optima: la mejor entre soluciones factibles.
Regin de factibilidad (F): conjunto de todas
las soluciones posibles o factibles.
Msc. Ing A. Muiz P. 16 23/05/2017
 Modelo de programacin lineal

Maximizar
sujeto a: z f ( x, y ) ax by c
a1 x b1 y c1
Funcin objetivo
a2 x b2 y c2
.
.
an x bn y cn

Optimizar (maximizar o minimizar) una funcin

objetivo z = f(x,y), funcin lineal de varias
variables sujeta a una serie de restricciones,
expresadas por inecuaciones lineales.
Msc. Ing A. Muiz P. 17 23/05/2017
 Modelo de programacin lineal
Funcin objetivo:
Max (min) Z = c1X1 + c2X2 + ... + cnXn
Relaciones entre requerimientos y disponibilidad de
recursos (restricciones):
a11X1 + a12X2 + ..... + a1nXn <= b1
............................... <= ..
am1X1 + am2X2 + ..... + amnXn <= bm
Xj = variables de decisin;
cj = costos o ingresos por unidad;
aij = coeficientes insumo producto;
bi = disponibilidad de recursos.

Msc. Ing A. Muiz P. 18 23/05/2017

 Modelo de PL en forma estndar

Msc. Ing A. Muiz P. 19 23/05/2017

 Ejemplos
X1

Min Z = 5X1 + 6X2

Sujeto a: 0,5X1 + 3X2 6
2X1 + 4X2 16 (1,6)

6X1 + 2X2 18 (3,2)

X1, X2 0 Restricciones de no negatividad

X2

Max Z = 15X + 39y

Sujeto a: 30X + 20y 1800 Existe un unico punto que
genera el mximo
(20,60)

X + y 80
X, y 0

Msc. Ing A. Muiz P. 20

 Problema de dieta
Una granja produce un pienso compuesto
Materias primas: maz y soya
Datos:
Pienso Protena Fibra Coste
(kg/kg) (kg/kg) (E/kg)
Maz 0,09 0,02 0,30
Soja 0,60 0,06 0,90
>= 30% <= 5%
Objetivo: mezcla de mnimo costo que satisfaga
requisitos nutricionales
Msc. Ing A. Muiz P. 21
 Problema de dieta

A) Variables de decisin:
x1 kgs de maiz / kg de mezcla
x 2 kgs de soja / kg de mezcla
B) Objetivo a optimizar (min
costo/kg):

m in 0 , 3 0 x 1 0 , 9 0 x 2
El costo por kilo de pienso

Msc. Ing A. Muiz P. 22

 Problema de dieta
C) Restricciones:
Protena/kg de mezcla 30%:

0 ,0 9 x 1 0 ,6 x 2 0 ,3 ( x 1 x 2 )
Fibra/kg de mezcla 5%:

0 ,0 2 x 1 0 ,0 6 x 2 0 ,0 5 ( x 1 x 2 )
Mezcla/kg = 1 kg: x1 x 2 1
No-negatividad: x1 , x 2 0
Msc. Ing A. Muiz P. 23
 Problema de dieta: PL
Funcin objetivo:
m in 0 , 3 0 x 1 0 , 9 0 x 2
sujeto a

0,09 x1 0,60 x2 0,3

0,02 x1 0,06 x2 0,05
x1 x2 1
x1 , x2 0
Msc. Ing A. Muiz P. 24
 Soluciones de PL
Solucin: cualquier conjunto de
valores para variables de decisin
(X1, X2, ... Xn), sin importar si es una
posibilidad deseable o ni siquiera
permitida.
Solucin factible: solucin que
cumple con todas las restricciones
funcionales y de signo.
Solucin no factible: solucin para
la que al menos una restriccin no
se cumple.

Msc. Ing A. Muiz P. 25

 Ejemplo: Wyndor Glass Corporation

Wyndor Glass: empresa dedicada a elaboracin de

artculos de vidrio de alta calidad (puertas y
ventanas) que se hacen en 3 plantas diferentes.

Msc. Ing A. Muiz P. 26

 Ejemplo: Wyndor Glass Corporation

Se tiene un programa de cambio de produccin y se

propone incursionar con 2 nuevos productos.

Segn departamento de comercializacin toda la

produccin puede colocarse en mercado.
Msc. Ing A. Muiz P. 27
 Definicin del problema
Problema de asignacin de recursos

Msc. Ing A. Muiz P. 28 23/05/2017

 Informacin

Msc. Ing A. Muiz P. 29 23/05/2017

 Informacin

Msc. Ing A. Muiz P. 30 23/05/2017

 Formulacin del modelo de PL
Definicin de variables y parmetros:
Xj = Nivel de actividad j (para j = 1, 2,......, n).
cj = Incremento en Z que resulta al aumentar una unidad en
nivel de actividad j (costo o utilidad)
Z= Valor de medida global de efectividad.
bi = Cantidad del recurso i disponible para asignar a
actividades (i =1,2,..., m) (recurso o requerimiento)
aij = Cantidad del recurso i consumido por cada unidad de
actividad j (coeficientes tecnolgicos)

Msc. Ing A. Muiz P. 31 23/05/2017

 Formulacin del modelo de PL

Z = 3x + 5x
[US$/ art] * [art/sem] = [US$/semana]
Sujeto a:
Restricciones de capacidad de produccin
Trminos del lado derecho
Coeficientes tecnolgicos
Restricciones funcionales
[horas/art] * [art/sem] = [horas/sem]

Msc. Ing A. Muiz P. 32 23/05/2017

 Formulacin del modelo de PL
R1: horas disponibles en la planta 1
X1 4
R2: horas disponibles en la planta 2
2X2 12
R3: horas disponibles en la planta 3
3X1+ 2X2 18
Restriccin de signo de las variables:
Tasas de produccin no negativas:
X1, X2 0

Msc. Ing A. Muiz P. 33 23/05/2017

 Modelo de PL
En sntesis, el problema formulado como un modelo de
PL sera:
Maximizar Z = 3X1 + 5X2
Sujeto a:

Msc. Ing A. Muiz P. 34

 Solucin grfica
Problema tiene slo 2 variables de decisin y por tanto
est en slo 2 dimensiones y puede utilizarse un mtodo
grfico para resolverlo
Graficando restricciones:

Msc. Ing A. Muiz P. 35

 Solucin grfica

Regin factible: conjunto de puntos en los cuales todas las

restricciones se cumplen
Solucin ptima:
Seleccionar dentro de regin factible el punto que maximiza
valor de FO: Z = 3X1 + 5X2
Puede utilizarse procedimiento por prueba y error. Por ej. puede
elegirse valor:
Z = 15 = 3X1 + 5X2
Recta isoutilidad

Msc. Ing A. Muiz P. 36 23/05/2017

 Solucin grfica

Msc. Ing A. Muiz P. 37 23/05/2017

 Solucin grfica

Solucin ptima:
se desplaza
recta de FO
paralelamente
hasta que toque
ltimo punto
antes de
abandonar
regin factible.

Msc. Ing A. Muiz P. 38

 Ecuacin de forma pendiente-ordenada:
Al despejar X2 de ecuacin:
Z = 3 X1+ 5 X2
Se tiene:
X2= -3/5 X1+ 1/5 Z
As, X2 adquiere forma de
y = mX + b
Solucin ptima es:
X1 = 2; X2 = 6
Valor de FO: ecuacin de recta es:
Z = 3X1+ 5X2 Se deben fabricar 2 y 6
Evaluada en punto (2,6) da: lotes semanales de
productos 1 y 2.
3(2) + 6(5) = 36
Ganancia total mxima:
US$ 36000 por semana.
Msc. Ing A. Muiz P. 39
 Solucin factible en un vrtice (FEV)

Solucin se
encuentra en
un vrtice de
regin
factible
Vertice: punto
extremo, PE

Msc. Ing A. Muiz P. 40

 Relacin entre soluciones ptimas y soluciones
FEV

Cualquier problema de PL con una regin factible

acotada y que tenga soluciones factibles debe poseer
soluciones FEV, de las cuales al menos una es solucin
ptima.
Solucin ptima: es mejor solucin de acuerdo con funcin
objetivo.
Si problema tiene una solucin ptima debe ser un FEV.
Si problema tiene mltiples soluciones, debe tener al
menos 2 FEV.

Msc. Ing A. Muiz P. 41 23/05/2017

 Mtodos de solucin
1. Mtodo grfico

2. Mtodo Simplex

3. Mtodo
computacional
Msc. Ing A. Muiz P. 42 23/05/2017
 Programacin lineal

Problema dual

Msc. Ing A. Muiz P. 43 23/05/2017

 Dual de un modelo de PL
Dado un modelo de PL
puede usarse los mismos
datos para formar un
modelo diferente.
Este modelo diferente se
llamar el DUAL del
original.
Dual tiene importancia
terica, econmica y
computacional.

Msc. Ing A. Muiz P. 44

 Reglas de transformacin
Regla 1. Nmero de variables del problema dual es igual al
nmero de restricciones del problema
original.
Nmero de restricciones del problema dual es
igual al nmero de variables del problema
original.
Regla 2. Coeficientes de funcin objetivo en problema
dual sern el vector de recursos del problema
original.

Msc. Ing A. Muiz P. 45 23/05/2017

 Reglas de transformacin
Regla 3. Si problema original es un modelo de
maximizacin, el dual ser uno de
minimizacin.
Si problema original es de minimizacin, el
dual ser uno de maximizacin
Regla 4. Coeficientes de primera funcin de restriccin
del problema dual son los coeficientes de
primera variable en las restricciones del
problema original, y en forma anloga para
las otras restricciones.

Msc. Ing A. Muiz P. 46 23/05/2017

 Reglas de transformacin
Regla 5. Lados derechos de restricciones duales son los
coeficientes en funcin objetivo del problema
original.
Regla 6. Sentido de i-sima restriccin dual es = si y solo si la i-
sima variable del problema original no tiene
restriccin de signo.
Regla 7. Si problema original es un modelo de maximizacin
(minimizacin), entonces, despus de aplicar regla 6,
asigne las restantes restricciones duales el mismo
(opuesto) sentido a variable correspondiente del
problema original.

Msc. Ing A. Muiz P. 47 23/05/2017

 Reglas de transformacin
Regla 8. i-sima variable del problema dual no tendr
restriccin de signo si y slo si la i-sima
restriccin del problema original es una igualdad.
Regla 9. Si problema original es un modelo de maximizacin
(minimizacin), entonces, despus de aplicar
regla 8, se asigna a dems variables duales signo
contrario (el mismo signo) que restriccin
correspondiente en problema original.

Msc. Ing A. Muiz P. 48 23/05/2017

 Valor ptimo
Valor ptimo del problema original (primal) tendr el mismo valor
ptimo que el dual.
Solucin ptima ser diferente en el primal y el dual. Se trata de
vectores solucin de diferentes dimensiones.

Teorema dual de PL
1. En un par de programas lineales duales, ambos
pueden tener soluciones ptimas, en cuyo caso
tienen el mismo valor ptimo.
2. En un par de programas lineales duales, ambos
pueden ser inconsistentes.
3. En un par de programas lineales duales, uno es
no acotado y el otro es no factibles.

Msc. Ing A. Muiz P. 49 23/05/2017

 Ejemplo
Una compaa produce radios y
televisores; cada radio se vende en
US$ 300 y cada TV en US$ 500.
Ambos productos pasan por los
departamentos A y B.
Se dispone mensualmente de 200 y
140 horas en A y B,
respectivamente.
Cada radio requiere 1 hora de A y 1
hora en B, y cada TV requiere 2
horas de A y 1 hora en B.
Msc. Ing A. Muiz P. 50 23/05/2017
 Modelo PL y supuestos
Sea Xi = # de artculos i a producir, donde i = 1, 2
Max Z = 300X1 + 500X2
Sa.
X1 + 2X2 200
X1 + X2 140
X1, X2 0
Qu pasa si dueo tiene un amigo que quiere alquilarle la planta
para fabricar los mismos productos.
A cuanto estara dueo dispuesto a cobrar de alquiler a su
amigo?
Lo ideal: todo el dinero del mundo.
Pero: Cunto estara el amigo dispuesto a pagarle?

Msc. Ing A. Muiz P. 51 23/05/2017

 Solucin
Se plantea un modelo.
Sea Ui = precio de alquiler x hora del
departamento i de la planta.
Relacin con nuestro proceso:
X1 + 2X2 200 U1
X1 + 1X2 140 U2
Si en proceso por cada radio me genera US$ 300 y
si dejo de producir radios por alquilar planta, acaso
no debera recibir a cambio de cada radio:
# de horas dpto. A
U1 + U2 300 # de horas dpto. B
uso x radio uso x radio

Msc. Ing A. Muiz P. 52 23/05/2017

 Solucin

Si en proceso por cada TV se genera US$ 500 y si se

deja de producir televisores por alquilar planta, acaso
no debera recibirse a cambio de cada TV:
2 U1 + 1 U2 500

# de horas dpto. A # de horas dpto. B

uso x TV uso x TV

Msc. Ing A. Muiz P. 53 23/05/2017

 Solucin
Cunto es lo que se debera generar en alquiler?

Precio x hr A Precio x hr B

Min W = 200U1 + 140U2

Cantidad de horas Cantidad de horas

que se dispone en A que se dispone en B

Msc. Ing A. Muiz P. 54 23/05/2017

 Solucin
Min W = 200 U1 + 140 U2

U1 + U2 300
2U1 + 1U2 500
U1, U2 0

Modelo dual

Msc. Ing A. Muiz P. 55

 Reglas de transformacin y ejemplo
Para examinar teora de dualidad en una forma satisfactoria
se tiene que desechar restriccin de variables de un modelo
de programacin lineal sean no negativas.

Max Z = 3X1 + 4X2 - 3X3 Variables duales

s.a.
4X1 - 12X2 + 3X3 12 Y1
-2X1 + 3X2 + X3 6 Y2
-5X1 + X2 - 6X3 -40 Y3
3X1 + 4X2 - 2X3 = 10 Y4
X1 0; X2 0; X3 no restringida en signo

Msc. Ing A. Muiz P. 56 23/05/2017

 Reglas 1 y 2
Nmero de variables del problema dual es igual al
nmero de restricciones del problema primal.
Nmero de restricciones del problema dual es
igual al nmero de variables del problema primal.
Para el ejemplo: Y1, Y2, Y3, Y4
Coeficientes de funcin objetivo en problema
dual sern vector de recursos del problema
primal.
Para ejemplo:
12Y1 + 6Y2 - 40Y3 + 10Y4
Msc. Ing A. Muiz P. 57 23/05/2017
 Reglas 3 y 4
Si primal es un modelo de maximizacin, dual ser uno de
minimizacin o viceversa.
Para ejemplo:
Min W = 12Y1 + 6Y2 40Y3 + 10Y4

Coeficientes de primera funcin de restriccin del

problema dual son coeficientes de primera
variable en restricciones del problema primal,
y en forma anloga para las otras restricciones.
Para ejemplo:
4Y1 - 2Y2 5Y3 + 3Y4
-12Y1 + 3Y2 + Y3 + 4Y4
3Y1 + Y2 - 6Y3 - 2Y4
Msc. Ing A. Muiz P. 58
 Reglas 5 y 6
Lados derechos de restricciones duales son coeficientes
en funcin objetivo del primal.
Funcin de restriccin LD
4Y1 - 2Y2 5Y3 + 3Y4 3
-12Y1 + 3Y2 + Y3 + 4Y4 4
3Y1 + Y2 - 6Y3 - 2Y4 -3

Sentido de i-sima restriccin del

dual es = si y solo si i-sima variable del primal no
tiene restriccin de signo.
Para ejemplo X3 no restringida en signo.
3Y1 + Y2 6Y3 2Y4 = -3
Msc. Ing A. Muiz P. 59 23/05/2017
 Regla 7
Si primal es un modelo de maximizacin (minimizacin),
entonces, despus de aplicar regla 6, asigne a restantes
restricciones duales el mismo (opuesto) sentido a
variable correspondiente del problema primal.

Para aplicar regla 7, observe que primera variable

del modelo primal (maximizacin) es 0 y que
segunda es 0. esto significa que primera
restriccin dual ser y segunda :
4Y1 2Y2 5Y3 + 3Y4 3
-12Y1 + 3Y2 + Y3 + 4Y4 4
Msc. Ing A. Muiz P. 60 23/05/2017
 Reglas 7 y 8
Si primal hubiera sido minimizacin, entonces desigualdades
anteriores habran sido:
4Y1 2Y2 5Y3 + 3Y4 3
-12Y1 + 3Y2 + Y3 + 4Y4 4

i-sima variable del dual no tendr restriccin de

signo si y slo si i-sima restriccin del primal es
una igualdad.
Para ejemplo, cuarta restriccin del primal es una
igualdad, entonces:
Y4 no tendr restriccin de signo.
Msc. Ing A. Muiz P. 61 23/05/2017
 Regla 9
Si primal es un modelo de maximizacin (minimizacin),
entonces, despus de aplicar regla 8, asigne a dems
variables duales signo contrario (mismo signo) que
restriccin correspondiente en primal.

Para ejemplo, restricciones primera y segunda

del primal de maximizacin son , entonces:
Y1, Y2 0
Tercera restriccin del problema primal es ,
entonces Y3 0.
Msc. Ing A. Muiz P. 62 23/05/2017
 Modelo primal y dual
Max Z = 3X1 + 4X2 - 3X3 Min W = 12Y1 + 6Y2 - 40Y3 + 10Y4
s.a. S.A
4X1 - 12X2 + 3X3 12 4Y1 - 2Y2 - 5Y3 + 3Y4 3
-2X1 + 3X2 + X3 6 -12Y1 + 3Y2 + Y3 + 4Y4 4
-5X1 + X2 - 6X3 -40 3Y1 + Y2 - 6Y3 - 2Y4 = -3
3X1 + 4X2 - 2X3 = 10 Y1, Y2 0, Y3 0, Y4 no
X1 0, X2 0, X3 no restringida en signo
restringida en signo

Msc. Ing A. Muiz P. 63 23/05/2017

 Resumen
Modelo max Modelo min
Xi 0 i-sima restriccin es
i-sima restriccin es
Xi 0 Yi 0

i-sima restriccin es
Yi 0
i-sima restriccin es

Msc. Ing A. Muiz P. 64 23/05/2017

 Relaciones entre primal y dual

Dual del problema dual es otra vez primal. (son

simtricas y reflexivas).
Si (x1xn) es un conjunto cualquiera de los valores
primales factibles y (y1ym) es un conjunto cualquiera
de valores duales factibles, funcin objetivo primal
(es decir, funcin que se va a examinar) evaluada para
x, no puede exceder a funcin objetivo dual (la que se
va a minimizar) evaluada para y.
Cualquiera de los dos problemas tiene solucin si y
solo si la tiene el otro.

Msc. Ing A. Muiz P. 65 23/05/2017

 Relaciones entre primal y dual
Cuando hay solucin, valor
ptimo de funcin primal es el
mismo que valor ptimo de
funcin dual.
Optimo Z = Optimo W
No dice que solucin ptima de
ambos problemas sea la misma
(variables de decisin). Tal
resultado no sera razonable
pues estn en espacios
diferentes.
Msc. Ing A. Muiz P. 66
 Teorema dual de PL
1. En un par de programas lineales
duales, ambos pueden tener
solucin ptima, en cuyo caso tienen
el mismo valor objetivo ptimo.
2. En un par de programas lineales
duales, ambos pueden ser no
factibles (inconsistentes).
3. En un par de programas lineales
duales, uno es no acotado y el otro
no factible.

Msc. Ing A. Muiz P. 67 23/05/2017

 Principio de holguras complementarias
Considere una restriccin
de desigualdad de cualquier
problema de programacin
lineal.
Si restriccin es inactiva
para una solucin ptima
cualquiera del problema,
variable dual
correspondiente ser cero
para solucin ptima del
problema dual.
Msc. Ing A. Muiz P. 68 23/05/2017
 Interpretacin econmica del dual

En un problema de maximizacin
precio dual en resultados = variable dual
En un problema de minimizacin,
precio dual en resultados = - variable dual

Valor ptimo de i-sima variable dual es tasa a la que

ptimo primal aumenta cuando bi disminuye, suponiendo
que dems datos permanecen invariables; esto es,
Si un incremento en lado derecho aumenta (disminuye)
valor ptimo, variable del dual ser positiva (negativa)
sin importar si primal es un problema de max. o min.

Msc. Ing A. Muiz P. 69 23/05/2017

 Gracias

Msc. Ing A. Muiz P. 70 23/05/2017