ANALISIS DUAL

Cesar Augusto Morales Díaz

Universidad Católica de Santa María

Facultad de Ciencias Físicas y Formales

Programa Investigación Operativa

Arequipa, Perú

2018

*Ing. José Delgado

1
Tabla de contenido

1. INTRODUCCION .................................................................................................................................... 3

2. MARCO TEORICO ................................................................................................................................. 6

3. EJERCICIOS ............................................................................................................................................. 7

Ejercicio 3.1 .................................................................................................................................. 7

Ejercicio 3.2 ................................................................................................................................ 13

Ejercicio 3.3 ................................................................................................................................ 17

Ejercicio 3.4………………………………………………………………………………… 20

4. CONCLUSION…………………………………………………………………………………24

5. BIBLIOGRAFIA……………………………………………………………………………24

2
1. INTRODUCCION:

Uno de los descubrimientos más importantes durante el desarrollo inicial de la programación

lineal fue el concepto de dualidad y sus muchas e importantes ramificaciones. Este

descubrimiento revelo que asociado a todo problema de programación lineal existe otro

problema lineal llamado dual. Las relaciones entre el dual y su original (llamado primal) son

extremadamente útiles en una gran variedad de situaciones. Por ejemplo, se verá que de hecho

la solución óptima del problema dual es la que proporciona los precios sombra descritos en

las practicas al introducir el análisis de sensibilidad. Uno de los papeles clave que juega la

teoría de la dualidad es la interpretación y realización del análisis de sensibilidad. De hecho

la dualidad nos permitirá tratar dicho análisis desde el punto de vista algebraico pudiendo así

generalizarlo y aplicarlo a cualquier problema de programación lineal, independientemente

de cual sea su tamaño i.e., numero de variables y/o restricciones.

El objetivo de este apartado es introducir la construcción del problema dual asociado a un

problema de programación lineal general, y establecer, a través de los principales resultados

de dualidad, las relaciones entre ambos problemas. Veremos también como, en ausencia de

degeneración, las denominadas condiciones de holgura complementaria nos permiten obtener,

unívocamente, la solución ´optima de cualquiera de los problemas de un par primal-dual a

partir de la solución ´optima del otro. Terminaremos introduciendo la naturaleza económica

de la teoría de la dualidad. De hecho, puede decirse que la clave de esta teoría esta en

interpretar los problemas primal y dual como modelizaciones, desde dos puntos de vista

opuestos, de una misma situación a la que se enfrentan dos personas que compiten entre sí.

En este modelo de competitividad, el beneficio máximo que puede obtener una de ellas se

3
alcanza en el punto en el que se equilibra la perdida máxima que está dispuesta a admitir su

oponente.

Dado el problema de programación lineal:

Min 6x1 + 8x2

s.a.: 3x1 + 1x2 = 4

5x1 + 2x2 = 7

x1, x2 ≥ 0

Su dual es:

Max 4ω1 + 7ω2

s.a.: 3ω1 + 5ω2 ≤ 6

1ω1 + 2ω2 ≤ 8

ω1, ω2

No restringidas La definición de dualidad que hemos dado nos permite demostrar fácilmente

la siguiente propiedad,

Teniendo en cuenta que cualquier PPL puede transformarse mediante sencillas operaciones

en un problema equivalente en forma estándar, la definicion de dualidad dada es suficiente

para obtener el problema dual de cualquier

PPL. Sin embargo, esta tarea resulta en ocasiones larga y tediosa, por lo que resulta más

apropiado llevar a cabo una construcción directa del problema dual. Para ello hay que tener

en cuenta lo siguiente:

1. Por cada restricción del problema primal (excepto las de no negatividad) se define una

variable en el problema dual.

4
2. Por cada variable en el problema primal se define una restricción en el problema dual. Los

coeficientes de las variables en estas restricciones se obtienen de la columna en el problema

primal asociada a dicha variable. El término de la derecha de la restricción es igual al

coeficiente en la función objetivo del primal de la misma variable.

Los coeficientes de la función objetivo del problema dual son iguales al RHS del problema

primal.

Las reglas para determinar el sentido de la optimización, el tipo de restricción y el signo de

las variables en el problema dual se dan en la siguiente tabla:

5
2. MARCO TEORICO:

A) DUALIDAD: la dualidad está presente también en la programación lineal, un tema

de la investigación operativa, en el área de la matemática. En programación lineal,

dualidad significa que existe otro problema de PL asociado con cada problema de PL.

B) SOLUCION ÓPTIMA: Es una solución factible que da el valor más favorable de la

función objetivo.

C) ANALISIS DE SENSIBILIDAD: Término financiero, muy utilizado en las

empresas para tomar decisiones de inversión, que consiste en calcular los nuevos flujos

de caja y el VAN.

D) PRECIOS SOMBRA: Representa el costo de oportunidad de producir o consumir

un bien o servicio en un problema de programación lineal.

E) HOLGURA: Permiten determinar los excedentes de las restricciones que podrían ser

empleados en otros fines sin que la solución óptima se altere.

F) RESTRICCIONES: Limitación que se produce en alguna cosa.

G) VARIABLES: es una palabra que representa a aquello que varía.

6
 3. ACTIVIDADES DE LA PRÁCTICA

01. Ingrese el problema ejemplo 1 y 2 de la presente práctica en sus dos formas (Primal y dual) al

LINDO, WinQsb o POMQM, compare los resultados de las tablas generadas y emita sus

conclusiones.

Solución:

Ejemplo 1

PRIMAL:

Max Z = 5X1 + 4X2

6X1 + 4X2  24
X1 + 2X2  6
-X1 + X2  1
DUAL:
Min B = 24Y1 + 6Y2 + Y3 + 2Y4
6Y1 + Y2 – Y3  5
4Y1 + 2Y2 + Y3 + Y4  4
Y1  0
Y2  0
Y3  0
Y4  0
Las soluciones son:
Primal Dual
Z 21 B 21
X1 3 Y1 ¾
X2 3/2 Y2 ½
Y3 0
Y4 0

7
SOLUCION POM-QM:
PRIMAL:

DUAL:

8
SOLUCION LINDO:
PRIMAL:

9
DUAL:

Conclusiones:
 En el Problema Primal por cada restricción, existe una variable en el Problema Dual.
 En el problema Dual de las variables X1, X2 y X3 son los precios sombra de las restricciones
en el problema Primal

10
Ejemplo 2:

Supóngase que un fabricante tiene dos recursos disponibles, R1 y R2. Estos recursos pueden usarse
para producir dos productos diferentes A y B, de acuerdo con las siguientes reglas:

Cantidad

Actividad de recurso

Tipo de recurso A B disponible

R1 1 h-h 1 h-h 3 h-h

R2 4 h-m 2 h-m 8 h-m

Contribución
unitaria $3.5 $2.5

Cuántas unidades de A y B se debe producir para maximizar las ganancias?

Este es un problema de mezcla de productos. Si se expresa el problema en el formato del modelo de
programación lineal se tiene:
Max Z= 3.5A+2.5B

St

A+B≤3

4A+2B≤8

A,B≥0

11
Primal:

Dual:

12
Conclusion:

En el problema Dual de las variables X1 y X2 son los precios sombra de las restricciones en el
problema Primal, como lo podemos comprobar en la siguiente tabla:

02. Convierta los siguientes problemas en sus respectivos duales, y halle los resultados de ambos

modelos (Primal y Dual) por el LINDO, WinQsb o POMQM. Verifique cada una de las

respuestas y analice.

Max Z = 5X1 + 12X2 + 4X3 Min 15X1 + 12X2 Max Z = 3X1 + 5X2

X1 + 2X2 + X3  10 X1 + 2X2  3 X1  4

2X1 – X2 + 3X3 = 8 2X1 – 4X2  5 2X2  12

3X1 + 2X2  18

13
 A)

Modelo Dual:

Min G=10Y1+8Y2

s.a.

Y1+2Y2>=5

2Y1-Y2>=12
Primal:
Y1+3Y2>=4

Y1,Y2>=0

Dual:

14
B)

Modelo Dual:

MaxG= 3Y1-5Y2

s.a.

Y1-2Y2<=15

2Y1+4Y2<=12
Primal:
Y1,Y2>=0

Dual:

15
 C)

Modelo Dual:

Min G = 4Y1+12Y2+18Y3

s.a.

Y1+3Y3>=3

2Y2+2Y3>=5
Primal:
Y1,Y2>=0

Dual:

16
03. Una fábrica ha seguido constantemente una política de fabricación de aquellos productos que

contribuyan con la mayor cantidad a los costos fijos y a las ganancias. Sin embargo, siempre se

ha procurado producir los requerimientos mínimos semanales de ventas, que son los siguientes

para los productos K, L, M y N:

Producto K 25 unidades

Producto L 30 unidades

Producto M 30 unidades

Producto N 25 unidades

Los requerimientos de producción y el tiempo disponible para la semana siguiente son:

Tiempo requerido por producto Tiempo disponible

(horas) la próxima semana

K L M N (horas)

Departamento 1 0.25 0.2 0.15 0.25 400

Departamento 2 0.3 0.4 0.5 0.3 1000

Departamento 3 0.25 0.3 0.25 0.3 500

Departamento 4 0.25 0.25 0.25 0.25 500

Contribución

unitaria $10.50 $9.00 $8.00 $10.00

17
 a) Obtenga el modelo matemático Primal y muestre su solución.

b) Formule el modelo Dual y defínase las variables respectivas.

c) Utilizando el software Lindo o WinQsb, obtenga la solución del problema dual y compare con

la solución del Problema Primal.

A) Obtenga el modelo matemático Primal y muestre su solución.

Max Z = 10.5X1+9X2+8X3+10X4

s.a.

0.25X1+0.2X2+0.15X3+0.25X4<=400

0.3X1+0.4X2+0.5X3+0.3X4<=1000

0.25X1+0.3X2+0.25X3+0.25X4<=500

0.25X1+0.25X2+0.25X3+0.25X4<=500

a) Formule el modelo Dual y defínase las variables respectivas.

Min Z = 400Y1+1000Y2+500Y3+500Y4

s.a.

0.25Y1+0.3Y2+0.25Y3+0.25Y4>=10.5

0.2Y1+0.4Y2+0.3Y3+0.25Y4>=9

0.15Y1+0.5Y2+0.25Y3+0.25Y4>=8

18
0.25Y1+0.3Y2+0.3Y3+0.25Y4>=3

b) Utilizando el software Lindo o WinQsb, obtenga la solución del problema dual y compare con
la solución del Problema Primal.

19
0.4 Una empresa manufacturera está considerando la fabricación de una nueva línea de productos,

compuesta por cuatro productos. Cada producto puede fabricarse con dos métodos diferentes y

completamente distintos, uno de los cuales consta de dos procesos y el otro de tres. Se fabricarán

basándose en un segundo turno. El precio de venta de esos productos y sus costos variables, así

como las cantidades que probablemente puedan venderse, de acuerdo con el grupo de

investigaciones de mercadotecnia, son los siguientes:

PRODUCTO

1 2 3 4

Precio de venta al mayoreo

(40% de descuento) $100 $150 $125 $140

Costos variables – método A 80 135 120 135

Costos variables – método B 110 150 100 110

Cantidad que puede venderse 1000 3000 4000 6000

La sección de manufactura de la empresa ha determinado que los tiempos de manufactura para

cada proceso son los siguientes:

PRODUCTO

1 2 3 4

20
Método A

Dpto. 20 3.0 3.6 2.0 3.5

Dpto. 21 9.0 10.0 8.0 9.0

Dpto. 22 1.0 1.0 0.5 0.5

Método B

Dpto. 31 4.0 4.0 2.0 4.0

Dpto. 32 5.0 8.0 4.0 3.0

Horas disponibles al mes:

Departamento 20 15000

Departamento 21 50000

Departamento 22 8000

Departamento 31 10000

Departamento 32 10000

21
 A) Obtenga el modelo matemático Primal y muestre su solución.

Max Z= 140X1+210X2+200X3+196X4

s.a.

3X1+3.6X2+2X3+3.5X4<=15000

3X1+10X2+8X3+9X4<=50000

X1+X2+0.5X3+0.5X4<=8000

4X1+4X2+2X3+4X4<=10000

5X1+8X2+4X3+3X4<=10000

X1<=1000

X2<=3000

X3<=4000

X4<=6000

Primal:

22
 B) Formule el modelo Dual y defínase las variables respectivas.

Min G=15000Y1+50000Y2+8000Y3+10000Y4+10000Y5+1000Y6+3000Y7+4000Y8+6000Y9

s.a.

3Y1+3Y2+Y3+4Y4+5Y5+Y6>=140

3.6Y1+10Y2+Y3+4Y4+8Y5+Y7>=210

2Y1+8Y2+0.5Y3+2Y4+4Y5+Y8>=200

3.5Y1+9Y2+0.5Y3+4Y4+3Y5+Y9>=196

C) Utilizando el software Lindo, WinQsb o POMQM, obtenga la solución del problema dual y

compare con la solución del Problema Primal

23
4. CONCLUSION:

Debemos observar con cuidado que, como el dual del problema dual es en sí mismo el problema

primal, los métodos presentados se pueden aplicar en forma simétrica para determinar la solución

óptima del primal a partir del dual. Esto podría implicar ventajas si la cantidad de variables en el

primal fuera bastante menor que la cantidad de restricciones. Ya que la cantidad de cálculos simplex

depende mucho de la cantidad de restricciones, en este caso es más eficiente resolver el dual, a

partir del cual se pueda determinar entonces la solución del primal.

5. BIBLIOGRAFIA

 Anónimo. (2012). Teoría de Dualidad. 2018, de uv.es Sitio web:

https://www.uv.es/martinek/material/Tema4.pdf

 TAHA. (2012). Investigación de Operaciones. University of Arkansas: PEARSON.

24
25