Você está na página 1de 6

DEFINICIÓN DEL PROBLEMA DUAL

DEFINICIÓN DEL PROBLEMA DUAL


El problema dual es una programación lineal definida en forma directa y sistemática a partir
del modelo original (o primal) de programación lineal. Los dos problemas están relacionados
en forma tan estrecha que resolución óptima de un problema produce en forma
automática la resolución óptima del otro.

En la mayor parte de las presentaciones de programación lineal, el dual se define para


varias formas del primal, dependiendo del sentido de la optimización (maximización o
minimización), tipos de restricciones (≤, ≥ o =), y la orientación de las variables (no
negativa o no restringida). Este tipo de tratamiento puede confundir Por esta razón
presentaremos una sola definición que comprenda en forma automática a todas las formas
del primal.

Nuestra definición del problema dual requiere expresar el problema primal en forma de
ecuaciones, como se presentó anteriormente: todas las restricciones son ecuaciones, con
lado derecho no negativo y todas las variables son no negativos. Este requisito es
consistente con el formato de la tabla de inicio sımplex. En consecuencia, todo resultado
obtenido a partir de la solución primal óptima se aplican en forma directa al problema dual
asociados.

Para mostrar cómo se forma el problema dual, se define el primal en forma de

ecuación como sigue:

maximizar o minimizar=j=1n (1)

j=1 naijxj=bii=1,2,...m (2)

xj0,j=1,2,...n (3)

Las variables xj , j = 1, 2, . . . , n, incluyen las variables excedentes, holguras y artificıales,


si las hay.
La tabla 1 muestra cómo se construye el problema dual a partir del primal. De hecho se tiene
que:

1. Se define una variable dual por cada ecuación primal (restricción).


2. Se define una restricción dual por cada variable primal.
3. Los coeficientes de restricción (columna) de una variable primal definen los
coeficientes en el lado izquierdo de la restricción dual, y su coeficiente objetivo define el lado
derecho.
4. Los coeficientes objetivo del dual son iguales al lado derecho de las ecuaciones de
restricción primal.

Las reglas para determinar el sentido de la optimización (maximización o minimización), el


tipo de restriccio´n (≤, ≥ o =), y el signo de las variables duales (siempre no restringido)
se resumen en la tabla 2. Nótese que el sentido de la optimización en el dual siempre es el
opuesto al del primal. Una forma fácil de recordar el tipo de restricción (es decir, ≤ o ≥) en
el dual es que si el objetivo del dual es minimización (es decir, “apunta hacia abajo”), las
restricciones son todas del tipo ≥ (es decir, “apuntan hacia arriba”). Cuando el objetivo del
dual es maximizacion lo contrario es válido.
DUALIDAD EN
PROGRAMACIÓN LINEAL

Cada uno de los problemas abordados hasta entonces en los módulos anteriores
se consideran problemas primales dado que tienen una relación directa con la
necesidad del planteamiento, y sus resultados responden a la formulación del
problema original; sin embargo cada vez que se plantea y resuelve un problema
lineal, existe otro problema ínsitamente planteado y que puede ser resuelto, es
el considerado problema dual, el cual tiene unas importantes relaciones y
propiedades respecto al problema primal que pueden ser de gran beneficio para
la toma de decisiones.
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 problemasprimales 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.

El sentido de las igualdades y desigualdades se comporta según la tabla de


TUCKER, presentada a continuación.

Tabla de TUCKER

IMPORTANCIA DE LA DUALIDAD EN
PROGRAMACIÓN LINEAL
La resolución de los problemas duales respecto a los primales se justifica dada
la facilidad que se presenta dados problemas donde el número de restricciones
supere al número de variables. Además de tener gran aplicación en el análisis
económico del 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.

Problema dual

Cada problema de programación lineal (Primal) está estrechamente relacionado con otro
problema simétrico a él, denominado problema dual.

El dualismo es una teoría que surge como consecuencia de una profundización en el


estudio de la programación lineal porque la distribución de los recursos y la formación de
los precios son dos aspectos del mismo problema. Entonces la doble formulación de la
programación lineal no se debe considerar como un simple ejercicio matemático, sino que
una y otra versión del problema viene a explicar dos aspectos económicos distintos para
una misma situación polémica. Una propiedad fundamental de la relación entre el primal y
el dual es que la solución óptima de cualquiera de estos problemas proporciona la solución
óptima para el otro.
La importancia de la teoría de la dualidad se puede resumir, entre otros aspectos, en lo
siguiente:

 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.

Interpretación económica del problema dual

El problema primal y dual explica dos aspectos económicos distintos de un mismo


problema. Las variables duales nos vienen a medir el valor de los recursos imputados a la
producción, pero esta valoración tiene unas características peculiares, está realizada en
términos de costos de oportunidad. Esto quiere decir que aquellos factores (o
restricciones) cuyas existencias no quedan agotadas en el programa óptimo establecido,
tienen un costo nulo desde el anterior punto de vista, pues bajo el prisma exclusivo del
sistema empresarial es un bien libre al estar en exceso.

En consecuencia, la función objetivo, medirá el costo total de los factores imputados a la


producción, valor que ha de igualarse al rendimiento total hallado en la función económica
del primal para que se produzca el equilibrio. Explicaremos con más detalle la
interpretación económica del problema dual.

Para la realización de este análisis vamos a partir del supuesto que se tiene un problema
de programación lineal donde se maximiza el valor de la función objetivo, por ejemplo la
ganancia.

Relaciones entre el método primal y el dual

De lo anteriormente expuesto se puede deducir que existe una estrecha relación entre el
problema primal y dual que puede expresarse en lo siguiente:

 El dual tiene la matriz D transpuesta, es decir, si suponemos que D es de orden s x


r, entonces Dt es de orden r x s. Además las variables del primal y el dual son
diferentes, ya que X será un vector de r-componentes mientras que el vector Y
tendrá s-componentes.
 Los términos independientes del conjunto de las restricciones del problema primal
forman los coeficientes de la función objetivo del dual.
 Los coeficientes de la función objetivo del primal forman los términos
independientes de las restricciones del dual.
 Las restricciones del dual cambian su sentido al igual que el criterio de
optimización en términos de mínimo o máximo.
 A cada restricción del problema primal le corresponde una variable dual y
análogamente a cada restricción del dual le corresponde una variable del primal.
 Si se halla el dual del problema dual, obtendremos el problema primal.

Mecánicamente el dual es formulado partiendo del problema primo en la siguiente


forma:

1. Si el primo es un problema de Maximización, el dual es un problema de


Minimización y viceversa.
2. Los coeficientes de la función objetivo del primo se convierten en las restricciones
constantes de las ecuaciones del dual.
3. Las restricciones de las ecuaciones del primo se convierten en los coeficientes de
la función objetivo del dual.
4. Los coeficientes de las variables del dual en las ecuaciones restrictivas son
obtenidas sacando la transpuesta de la matriz de coeficientes del primo (los
arreglos de los coeficientes en las columnas del primo se convierten en los
coeficientes de las filas en el dual y viceversa).
5. Los signos de la desigualdad son invertidos.
6. Las Xn variables del primo son remplazadas por Wm variables en el dual. Notación
matemática: Primo Contiene m ecuaciones y n variables. Dual Contiene n
ecuaciones y m variables.

Ahora cuando nos referimos a la relación Primal-Dual, lo podemos ver como un concepto
derivado de la teoría del Caos y su nombre hace referencia a proverbios chinos que
señalan cómo el simple aleteo de una mariposa puede provocar grandes cambios, frases
como, “el aleteo de las alas de una mariposa se puede sentir al otro lado del mundo”
(proverbio chino) o “el aleteo de las alas de una mariposa puede provocar un Tsunami al
otro lado del mundo” así como también “El simple aleteo de una mariposa puede cambiar
el mundo”.

De una forma menos sutil pero igual de importante sucede cuando se hacen cambios en
los modelos de programación lineal. Los cambios que se hacen en el modelo original de
programación lineal afectan a los elementos de la tabla óptima actual, es decir, la que se
tiene en el momento, que a su vez puede afectar la optimalidad y/o factibilidad de la
solución actual.

Es importante recordar que el cálculo de matrices es esencial para el cálculo de tablas


simplex, donde se usan principalmente las operaciones vector renglón por matriz, matriz
por vector columna y escalar por matriz. Recordando que una matriz A de tamaño m por n
es un arreglo rectangular de m renglones y n columnas.