TECNOLÓGICO NACIONAL DE MÉXICO

Instituto Tecnológico Superior de Acayucan

Instituto Tecnológico Superior de Acayucan

Metodo Dual-simplex.
Nombre del tema y subtema

Leonardo Rosas Roman

Datos del alumno y/o datos del asesor.

13/Marzo/2019
Fecha de elaboración.

Fecha: Acayucan, 13 de Marzo 2019

 TECNOLÓGICO NACIONAL DE MÉXICO
Instituto Tecnológico Superior de Acayucan

Contenido
MÉTODO DUAL. .............................................................................................................................. 3
MÉTODO DUAL-SIMPLEX ............................................................................................................. 4
Ejemplo del Método Simplex Dual ............................................................................................. 6
Ejemplo del Método Simplex Dual ............................................................................................. 6
 TECNOLÓGICO NACIONAL DE MÉXICO
Instituto Tecnológico Superior de Acayucan

MÉTODO DUAL.

Todo problema de programación lineal tiene asociado con él otro problema de

programación lineal llamado dual. El problema inicial es llamado primo y el problema
asociado (sombra) es llamado el problema primo. Los dos juntos son llamados
problemas duales ya que ambos están formados por el mismo conjunto de datos.
La solución básica factible óptima de estos problemas es tal que una puede
fácilmente ser usada para la solución de la otra. La dimensión del problema de
programación lineal influencia la elección del cálculo del primo o del dual. Si el primo
tiene más ecuaciones que variables, es frecuentemente más fácil obtener la
solución del dual ya que menor número de iteraciones son requeridas. Además si el
primo tiene solución, el dual tendrá solución. Una vez que el problema dual es
formulado, el procedimiento de solución es exactamente el mismo que para
cualquier problema de programación lineal.
Mecánicamente el dual es formulado partiendo del problema primo en la siguiente
forma:
Si el primo es un problema de maximización, el dual es un problema de minimización
y viceversa. 1. Los coeficientes de la función objetivo del primo se convierten en las
restricciones constantes de las ecuaciones del dual. 2. Las restricciones de las
ecuaciones del primo se convierten en los coeficientes de la función objetivo del
dual. 3. 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 ). 4. Los signos de la desigualdad son
invertidos. 5. 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.
La notación matricial del primo es: Max z = cx sujeto a : ax ≤ b x≥0
La notación matricial del dual es: min z = b t w sujeto a : a tw ≥ ct wz0
 TECNOLÓGICO NACIONAL DE MÉXICO
Instituto Tecnológico Superior de Acayucan

MÉTODO DUAL-SIMPLEX

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). Nótese que la base
de su lógica es mantener la factibilidad, mientras busca la optimalizad. 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. A continuación se presenta su estructura y un
ejemplo para ilustrar su aplicación.
Algoritmo dual-simplex para un modelo de maximización
Primero se debe expresar el modelo en formato estándar, agregando las variables.
Enseguida, en las ecuaciones que tengan variables de exceso (resultantes de
restricciones de tipo >), se debe multiplicar por (-1) en ambos lados, para hacer
positivo el coeficiente de la variable de exceso, y formar así un vector unitario que
nos permita tomar esta variable de exceso como una variable básica inicial. Sin
necesidad de agregar una variable artificial en esa restricción.
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.
Obtendremos que los términos del lado derecho de las ecuaciones multiplicadas por
(-1) queden con signo negativo, lo cual hace que la solución inicial sea in factible
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.
El algoritmo para resolver un modelo de maximización es el siguiente:
Paso 1: hallar una solución básica inicial in factible e inmejorable
 TECNOLÓGICO NACIONAL DE MÉXICO
Instituto Tecnológico Superior de Acayucan

Escribir el tablero inicial tomando a las variables de holgura y de exceso como

variables básicas iniciales
Paso 2: prueba de factibilidad
Si todas las variables básicas son no negativas, la actual solución es la óptima.
Si hay al menos una variable básica negativa, seleccionar como variable de salida,
(llamémosla (xb)s ), a aquella con el valor más negativo. Los empates se pueden
romper arbitrariamente.
Paso 3: prueba de inmejorabilidad
Sí en el renglón de la variable básica de salida (xb)s todos los coeficientes de
reemplazo con las variables no básicas son no negativos, la solución del modelo es
óptima ¡limitada. Se termina el proceso.
Si en el renglón de la variable básica de salida (xb)s, hay al menos un coeficiente
de intercambio negativo , se efectúan los cocientes entre el efecto neto de cada
variable no básicas y su correspondiente coeficiente de intercambio negativo. Es
decir, siendo (xb)s la variable de salida se calculan todos los cocientes.
Se toma como variable de entrada (llamémosla xe) a aquella que corresponda al
mínimo de los cocientes del anterior conjunto
Si la variable de entrada es xe el elemento pivote será el elemento (se)s
El empate se puede romper arbitrariamente.
Aplicar la operación de pivoteo para generar la nueva tabla, en la cual aparezca xe
como variable básica en lugar de la variable de salida (xb)s
Repetir el algoritmo a partir del paso 2.
 TECNOLÓGICO NACIONAL DE MÉXICO
Instituto Tecnológico Superior de Acayucan

Ejemplo del Método Simplex Dual

Consideremos el siguiente problema para ilustrar sobre la aplicación del Método
Simplex Dual:

Para llevar el problema anterior a la forma estándar se requiere agregar 2 variables

de exceso no negativas para la restricción 1 y 2, que llamaremos
respectivamente X4 y X5. De esta forma el problema en su formato estándar queda
definido por:

Ejemplo del Método Simplex Dual

Consideremos el siguiente problema para ilustrar sobre la aplicación del Método
Simplex Dual:

ADVERTISING
 TECNOLÓGICO NACIONAL DE MÉXICO
Instituto Tecnológico Superior de Acayucan

Para llevar el problema anterior a la forma estándar se requiere agregar 2 variables

de exceso no negativas para la restricción 1 y 2, que llamaremos
respectivamente X4 y X5. De esta forma el problema en su formato estándar queda
definido por:

Luego construimos la tabla inicial del Método Simplex:

¿Cómo continuar con las iteraciones del Método Simplex?. Antes de ello es
necesario disponer de una solución básica factible inicial. En este contexto si
quisiéramos usar X4 y X5 como variables básicas (y en
consecuencia X1, X2 y X3 como variables no básicas) se requiere
que X4 y X5 sean mayores o iguales a cero, sin embargo, sus coeficientes en las
respectivas filas son negativos y por tanto no se dispone de la identidad (matriz
con “1” como diagonal y el resto de coeficientes igual a cero).
En consecuencia para formar la identidad podemos multiplicar por “-1” la fila 1 y 2,
obteniendo lo siguiente:

En la tabla anterior se tiene una solución básica (infactible en las variables primales),
pero al tener costos reducidos no negativos esto define una solución básica factible
en el dual.
 TECNOLÓGICO NACIONAL DE MÉXICO
Instituto Tecnológico Superior de Acayucan

Ahora X4 y X5 son variables básicas y adoptan los valores de -1 y -3/2,

respectivamente, lo que claramente no satisface las condiciones de no negatividad
para las variables de decisión, es decir, no corresponde a una solución básica
factible.
Sin embargo, en esta instancia podemos aplicar el Método Simplex Dual como
alternativa de resolución. Para ello seleccionaremos una variable que deje la base
y adoptaremos como criterio de selección aquella variable básica asociada al lado
derecho “más negativo” (con esto se busca favorecer la rapidez de convergencia).
En el ejemplo dicha variable es X5. Luego para determinar que variable entra a la
base realizamos un mínimo cuociente entre el negativo del costo reducido de las
variables no básicas y las entradas estrictamente menores a cero para las variables
no básicas en la fila 2 (fila asociada al lado derecho más negativo).
Es decir: Min{-160/-2; -120/-2; -280/-2}=60 ==> el cuociente mínimo se alcanza en
la segunda columna asociada a la variable no básica X2, por tanto dicha variable
entra a la base.
En cada iteración del Método Simplex Dual se escoge un lado derecho con valor
negativo, identificando la respectiva variable básica primal, quien deja la base.
Finalmente se realiza una iteración realizando las operaciones filas que sean
necesarias, de modo de ingresar X2 a la base al mismo tiempo que X5 deja la base.
Los resultados serían:

Notar que ahora las variables básicas son X4 y X2 donde sólo X4=-1/4 lo que no
satisface la condición de ser una solución básica factible. Por lo tanto realizamos
una nueva iteración, en este caso sacando de la base a la variable X4 y calculamos
el mínimo cuociente: Min{-40/-1; -160/-3; -60/-1/2}=40 ==> el cuociente mínimo está
en la primera columna por tanto la variable X1 entra a la base.
En consecuencia se actualiza la tabla quedando lo siguiente:
 TECNOLÓGICO NACIONAL DE MÉXICO
Instituto Tecnológico Superior de Acayucan

Las variables básicas ahora son X1=1/4 y X2=1/2 (que cumplen las condiciones de
no negatividad). Adicionalmente el costo reducido de las variables no básicas
también es mayor o igual a cero, por tanto estamos frente a la solución óptima del
problema.
Se puede reconocer adicionalmente que el valor óptimo es V(P)=100 que se
obtendría al evaluar la solución óptima del problema en la función objetivo, sin
embargo, en el procedimiento dicho valor se obtiene con signo cambiado.
El ejemplo anterior nos permitió apreciar cómo a través del Método Simplex Dual se
puede abordar la resolución de un modelo de Programación Lineal que luego de ser
llevado a la forma estándar no provee una solución básica factible inicial.
Cabe destacar que el Método Simplex Dual que no es la única
alternativa algorítmica a la cual podemos recurrir para resolver el problema
propuesto. Por ejemplo, podríamos haber alcanzado idénticos resultados aplicando
el Método Simplex de 2 Fases con algo más de trabajo.
Alternativamente podríamos definir el modelo dual al problema propuesto y
resolverlo por el Método Simplex para posteriormente utilizar las condiciones
del Teorema de Holguras Complementarias.
En resumen ante un modelo de optimización contamos con varias alternativas de
resolución y es deber de quien resuelve evaluar los distintos caminos en términos
de su complejidad y representación.