TEMA III. TEORÍA DE LA DUALIDAD.

Definición.-  problema de maximización de PL  un problema equivalente de minimización; y a la

inversa,  problema de minimización de PL  un problema equivalente de maximización.

La dualidad es importante por diversas razones. En primer lugar, el planteamiento dual de un PPL puede
dar como resultado una reducción considerable en los cálculos para resolver el problema. En segundo
lugar, la relación dual tiene un nexo importante con el análisis de sensibilidad. Por último, es posible
obtener importante información económica a cerca del valor de los recursos escasos que se utilizan
examinando el problema dual.

El concepto fundamental de la dualidad radica en la relación matemática que existe entre lo que se
conoce como el problema primario y el problema dual.

Una vez que se ha planteado el problema dual, es posible resolverlo utilizando el algoritmo simplex.

Un concepto importante de la relación entre el primario y el dual es que si el problema primario tiene una
solución óptima, entonces el problema dual relacionado también debe tener una solución óptima.
Asimismo es cierto que el valor óptimo de la función objetivo del primario es igual al valor óptimo de la
función objetivo del dual.

El problema dual.

Consideremos el siguiente Problema de Programación Lineal:

Máx. z  CX
s.a (P)
AX  b
X 0
Definición.- El problema dual (D) de (P) viene dado por:

Min. w  Ybt
s.a (D)
YA  C
t t

Y 0

Proposición.- El dual del dual es el primal.

Demostración.-

Tenemos que demostrar que el dual de (D) es (P), entonces tomando transpuestas de (D) tenemos:

w  b T Y T   Yb
T
Min.
s .a (D' )
AT Y T  C T
Y 0

Pero sabemos que Mín. w = - Máx. (-w) entonces (D’) lo podemos escribir como:

Máx. w  ( b T )Y T
s .a (D' ' )
T T T
(  A )Y  ( C )
Y 0

Obteniendo el dual de (D’’) tenemos:

Min. z  Q( C T )
s .a (P)
T T
Q(  A )  ( b )
Q0

Tomando transpuesta nuevamente:

Min. z  ( C )Q T
s .a
(  A )Q T  ( b )
Q0

Aplicando nuevamente: Mín. z = -Máx. (-z) tenemos:

Máx. z  CQ T
s .a
AQ T  b
Q0
Si x = QT entonces:
Máx. z  Cx
s .a (P)
Ax  b
x0
Lo cual demuestra la proposición.

Proposición.- Sea (P M) un Problema de Programación Lineal dado en forma mixta.

Máx. z cjxj
jJ

s .a
 a ij x j  bi
jJ

 a ij x j  bi
jJ

xj 0
x j cualquiera

Entonces:

a) A una restricción con desigualdad en el primal (P) le corresponde una variable restringida en el
dual (D) (  0,  0).
b) A una restricción con igualdad en (P) le corresponde una variable irrestricta en (D).
c) A una variable restringida en el primal le corresponde una restricción con desigualdad en (D).
d) A una variable irrestricta en el primal le corresponde una restricción con igualdad en el dual.

Esto lo podemos resumir en la tabla siguiente:

Maximización en el Primal Minimización del Dual

i-ésima restricción  i-ésima variable ≤ 0
i-ésima restricción  i-ésima variable  0
i-ésima restricción = i-ésima variable cualquiera
j-ésima variable  0 j-ésima restricción 
j-ésima variable  0 j-ésima restricción 
j-ésima variable cualquiera j-ésima restricción =

Ejemplo. Obtener el dual de los problemas siguientes:

 Máx. z  2 x1  3x2  4 x3 Mín. w  8 y1  6 y2
s.a 5 y1  2 y2 2
s.a 5 x1  x2  2 x3  8
y1  4 y2  3
(P) 2 x1  4 x2  4 x3  6 (D)
 2 y1  4 y2  4
x1 , x2 , x3 0
y1 , y2 0

Máx. z  2 x1  3 x2 Mín. w  4 y1  4 y2  3 y3
s.a x1  x2 4 s.a y1  2 y2  y3  2
2 x1  x2 4 2 y1  y2  y3  3
(P) (D)
x1  x2 3 y1 , y2  0
x1 , x2 0 y3 cualq. .

Mín. z  18 x1  30 x2  36 x3 Máx. w  2 y1  3 y2  y3
s.a x1  2 x2  2 x3  2 s.a y1  2 y2  y3  18
2 x1  3 x2  2 x3  3 2 y1  3 y2  2 y3  30
(P) (D)
x1  2 x2  x3  1 2 y1  2 y2  y3  36
x1 , x2 , x3 0 y1 , y2 , y3 0

Máx. z  2 x1  3 x2 Mín. w  y1  11 y2  18 y3
s.a  x1  x2  1
s.a  y1  y2  3 y3  2
x1  2 x2  11
(P) (D) y1  2 y2  y3  3
3x1  x2  18
y1 , y2 , y3 0
x1 , x2 0