UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE MAYOLO

FACULTAD DE INGENIERIA DE MINAS, GEOLOGIA Y METALURGIA

ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA DE MINAS

ANALISIS DE SISTEMAS MINEROS

DUALIDAD

ING ARNALDO RUIZ CASTRO

ABRIL 2014

DUALIDAD
El dual es un problema de Programacin lineal (PL) que
se obtiene matemticamente de un modelo primal de PL
dado. Los problemas dual y primal estn relacionados a
tal grado, que la solucin simplex ptima de cualquiera
de los dos problemas conduce en forma automtica a la
solucin ptima del otro.
El mtodo simplex adems de resolver un problema de
PL llegando a una solucin ptima nos ofrece ms y
mejores elementos para la toma de decisiones. La
dualidad y el anlisis de sensibilidad son
potencialidades de ste mtodo.

El concepto de dualidad indica que para cada problema de

PL hay una asociacin y una relacin muy importante con
otro problema de programacin lineal, llamado
precisamente dual.
La relacin entre el problema dual y su asociado, es
decir el problema original llamado primal, presenta varias
utilidades:
Aporta elementos que aumentan sustancialmente la
compresin de la PL.
El anlisis de dualidad es una herramienta til en la
solucin de problemas de PL, por ejemplo: ms
restricciones que variables.
El problema dual tiene interpretaciones e informaciones
importantes que muestran que los anlisis marginales
estn siempre involucrados implcitamente al buscar la
solucin ptima a un problema de PL.

Conversin de un Problema Primal a Dual

Un problema dual se formula de un problema primal de la siguiente
forma:
1.Si el primal es un problema de maximizacin su dual ser un
problema de minimizacin y viceversa.
2.Los coeficientes de la funcin objetivo del problema primal se
convierten en los coeficientes del vector de la disponibilidad en el
problema dual.
3.Los coeficientes del vector de disponibilidad del problema
original se convierten en los coeficientes de la funcin objetivo
(vector de costo o precio) en el problema dual.
4.Los coeficientes de las restricciones en el problema primal, ser
la matriz de los coeficientes tecnolgicos en el dual.
5.Los signos de desigualdad del problema dual son contrarios a los
del primal.
6.Cada restriccin en un problema corresponde a una variable en el
otro problema. Si el primal tiene m restricciones y n variables, el
dual tendr n restricciones y m variables. As, las variables X n del
primal se convierte en nuevas variables Ym en el dual.

FORMA CANONICA
DEL PRIMAL
MAX Z= CX
Sujeto a:
AX b
X 0

FORMA CANONICA
DEL DUAL
MIN Z= BY
Sujeto a:
AY C
Y 0

Si el problema primal es:

MAX Z= 45X1 + 17X2 + 55X3
Sujeto a:
X1 + X2 + X3 200
9X1 + 8X2 + 10X3 5000
10X1+ 7X2 + 21 X3 4000
Xj 0
El problema dual ser:
MIN Z= 200Y1 + 5000Y2 + 4000Y3
Sujeto a:
Y1 + 9Y2 + 10Y3 45
Y1 + 8Y2 + 7Y3 17
Y1 + 10Y2 + 21Y3 55
Yj 0

APLICACIONES DE LA DUALIDAD
a) Permite resolver problemas lineales donde el nmero
de restricciones es mayor que el numero de variables.
b) La
dualidad
permite
realizar
importantes
interpretaciones econmicas de los problemas de
programacin lineal.
c) La dualidad permite generar mtodos como el mtodo
dual del simplex de gran importancia en el anlisis de
post optimizacin y en la programacin lineal
paramtrica.
d) Permite resolver grficamente algunos problemas.
Consideremos el siguiente problema lineal matematizado

Funcin Objetivo:
Min Z(x) = 2 x1 + 3 x2 + 5 x3 + 2 x4 + 3 x5
Sujeto a:
x1+ x2 + 2 x3 + x4 + 3 x5 4
2 x1 - x 2 + 3 x 3 + x4 + x5 3
x1
0
x2
0
x3
0
x4
0
x5 0

Dado que se trata de un programa lineal en forma cannica,

ello nos proporciona un dual en forma simtrica como el
siguiente:
Funcin Objetivo:
Max G(y) = 4 y1 + 3y2
Sujeto a:
y1 + 2 y 2 2
y1 - y2 3
2 y1 + 3 y2 5
y1 + y2
2
3 y1 + y 2 3
y1 0
y2 0

y2
5
4
R5

N
FU
CI

ON
JE
OB

R4

VO
TI

R3
R1

-1
-1

2
R2

y1

El vrtice solucin es el punto (4/5,3/5) con un

valor de la funcin objetivo de 5.
x1 + 3x5 = 4
2 x1 + x5 = 3
La solucin de este sistema es : x1 = 1
y x5 = 1, lo cual nos proporciona un
valor de la funcin objetivo de Z(x) =
5, idntico a la solucin del dual.

TEOREMAS DE DUALIDAD
Consideremos el siguiente par primal-dual:
(P) mn z = c x
(D) max w = y b
s.a. A x b
s.a. At y c
xi 0
yi 0
1. Teorema Dbil de Dualidad
Si x0 e y0 son factibles para (P) y (D) respectivamente, entonces
z(x0) w(y0).
2. Teorema Fundamental de Dualidad o Teorema Fuerte de
dualidad
Dados un par de problemas primal-dual, si uno de ellos admite
solucin ptima, entonces el otro tambin la admite y los
respectivos valores ptimos son iguales.

3. Teorema de Holgura Complementaria

Uno de los teoremas principales en la teoria de

dualidad en programacin lineal es el teorema
de holguras complementarias. Dicho teorema
nos permite encontrar la solucin ptima del
problema dual cuando conocemos la solucin
ptima del problema primal (y viceversa) a
travs de la resolucin de un sistema de
ecuaciones conformado por las variables de
decisin (primales y duales) y las restricciones
(del modelo primal y dual).

Si consideramos:
1
2
[1 2 3 .. n] = 3 una matriz de m filas y n
.
columnas
.
m

Sea el par primal-dual siguiente:

(P) mn z = c x
s.a i x bi
xi 0

(D) mx w = y b
s.a j y cj
yi 0

Sean x0 e y0 soluciones factibles para los problema (P) y

(D) respectivamente. x0 e y0 son ptimos si y solo si:
I) (i x0 bi) y0i = 0 i=1,...,m.
II) (cj y0 j) x0j = 0

j=1,...,n.

Se establece que (i x0 bi) y (cj y0 j) ,son las

variable de holgura de los problemas (P) y (D)
respectivamente.

La importancia de este teorema radica en que facilita

la resolucin de los modelos de optimizacin lineal,
permitiendo a quin los resuelve buscar el modelo
ms sencillo para abordar (desde el punto de vista
algortmico) dado que de cualquier forma podr
obtener los resultados del modelo equivalente
asociado (sea ste el modelo primal o dual).
Consideremos el siguiente modelo de programacin
lineal (en adelante primal) con 2 variables cuya
solucin ptima es X=14/5 e Y=8/5 con valor
ptimo V(P)=20,8.

Max 4x + 6 y
s.a. 2x + 4 y 12
4x + 3y 16
x0
y0
El modelo dual asociado al modelo primal, es:
Min 12A + 16B
s.a. 2A + 4B 4
4A + 3B 6
A 0
B0

Luego, el teorema de holguras complementarias plantea

las siguientes relaciones:
(2X + 4Y 12)A = 0
(4X + 3Y 16)B = 0
(2A + 4B 4)X = 0
(4A + 3B 6)Y = 0
Como sabemos X=14/5 e Y=8/5 (solucin ptima del
modelo primal). Si reemplazamos estos valores de X e Y
en la tercera y cuarta ecuacin generamos un sistema de
ecuaciones de 22 en trminos de A y B cuya solucin
corresponde a A=6/5 y B=2/5 (solucin ptima del
modelo dual).

Si posteriormente evaluamos en la funcin objetivo del

problema
dual
dicha
solucin
obtenemos:
V(D)=12(6/5)+16(2/5)=20.8 que es similar al valor
ptimo del problema primal (teorema de dualidad
fuerte). Siendo A=6/5 y B=2/5 una solucin factible
para el problema dual, lo cual es la solucin optima de
dicho problema.
3. Anlisis de Sensibilidad.
Es necesario ver como afectada la solucin de un
problema de optimizacin si cambia alguno de los
parmetros del problema. En este mbito, podemos
distinguir 2 tipos de anlisis:

 Anlisis de sensibilidad: Consiste en determinar cual es

el rango de variacin de los parmetros del problema de
modo que la base ptima encontrada siga siendo ptima.
Anlisis post optimal: Consiste en determinar como vara
la base ptima si cambian alguno de los parmetros del
problema.
Considerando la siguiente matematizacin de un problema
de asignaciones, se tiene:
mx z = x1 + 3x2
s.a x1 + 4x2 100
x1 + 2x2 60
x1 + x2 50
x1, x 2 0

Se considera la posibilidad de introducir una variable nueva

de decisin a las restricciones del proceso, tendremos la
siguiente matematizacin de la PL.
mx z = x1 + 3x2 + xnuevo
s.a x1 + 4x2 + 5xnuevo 100
x1 + 2x2 + 3xnuevo 60
x1 + x2 + 2xnuevo 50
x1, x2, xnuevo 0
Si solucionamos ambos problemas, tendremos los siguientes
resultados:
En el problema N 1, la funcin objetivo y las variables de
decisin consignan los siguientes valores: Z = 80.00,
x1 = 20, x2 = 20.

En el problema N 2, la funcin objetivo y las variables de

decisin consignan los siguientes valores: Z = 80.00,
x1 = 20, x2 = 20 y xnuevo = 0.
Como se puede apreciar de los resultados si bien es cierto
que se predispone una nueva asignacin al proceso esto no
propicia una variacin de la funcin objetivo ni de las dos
primeras variables de decisin, pero complementa que se
puede mejorar las condiciones de operatividad con las
nuevas asignaciones aun cuando no estaran participando
activamente en el proceso.