Professional Documents
Culture Documents
3.1. Introducción.
3.2. Ejemplo.
1
3.1. Introducción.
2
3.2. Ejemplo.
PRODUCTOS UNIDADES
RECURSOS 1 2 3 4 DE RECURSOS
A 2 3 1.5 4 300
B 2 4 3 1 500
C 5 1 2 2 250
BENEFICIO 4 3 6 2
Problema primal.
xj : unidades de producto j, j = 1, . . . , 4.
max z = 4x1 + 3x2 + 6x3 + 2x4
sujeto a
2x1 + 3x2 + 1.5x3 + 4x4 ≤ 300
2x1 + 4x2 + 3x3 + x4 ≤ 500
5x1 + x2 + 2x3 + 2x4 ≤ 250
xj ≥ 0 j = 1, . . . , 4
Problema dual.
yj : cantidad a pagar por unidad de rec. j, j = A, B, C.
min G = 300y1 + 500y2 + 250y3
sujeto a
2y1 + 2y2 + 5y3 ≥ 4
3y1 + 4y2 + y3 ≥ 3
1.5y1 + 3y2 + 2y3 ≥ 6
4y1 + y2 + 2y3 ≥ 2
y1 , y 2 , y 3 ≥ 0
3
3.3. Problema dual.
• El objetivo es maximizar.
• El objetivo es minimizar.
4
3.3.1. Relación primal dual en forma simétrica.
PRIMAL DUAL
max z = cT x min G = bT y
sujeto a sujeto a
Ax ≤ b ←→ AT y ≥ c
x≥0 y≥0
5
3.3.2. Dualidad: el caso general.
RELACIÓN PRIMAL-DUAL
max ⇐⇒ min
restricción i ≤ ⇐⇒ variable i ≥ 0
restricción i = ⇐⇒ variable i no restringida
restricción i ≥ ⇐⇒ variable i ≤ 0
variable i ≥ 0 ⇐⇒ restricción i ≥
variable i no restringida ⇐⇒ restricción i =
variable i ≤ 0 ⇐⇒ restricción i ≤
6
Corolario 1 Si las soluciones factibles x∗ e y∗ verifican
cT x∗ = bT y∗ , entonces x∗ e y∗ son soluciones óptimas
para el primal y el dual respectivamente.
7
3.5. Solución dual óptima en la tabla.
cB B B−1A B−1 xB
8
Ejemplo 1.
Dados los siguientes modelos primal-dual simétricos:
Tabla inicial.
x1 x2 x3 x4 x5
−3 −1 2 0 0 0
a4 1 2 1 1 0 5
a5 2 −1 3 0 1 4
Tabla óptima.
x1 x2 x3 x4 x5
0 0 6 1 1 9
a2 0 1 − 15 2
5
− 15 6
5
7 1 2 13
a1 1 0 5 5 5 5
x1 , . . . , w 2 ≥ 0
10
Solución.
x1 x2 x3 x4 x5 w1 w2
-3M+1 -4M+2 0 M M 0 0 -10M
a3 4 3 1 0 0 0 0 12
aw1 1 3 0 -1 0 1 0 6
aw2 2 1 0 0 -1 0 1 4
− 53 M + 1
3
0 0 − 31 M + 2
3
M 4
3
M − 2
3
0 -2M-4
a3 3 0 1 1 0 -1 0 6
1
a2 3
1 0 − 31 0 1
3
0 2
5 1
aw2 3
0 0 3
-1 − 31 1 2
3 1 3 1
0 0 0 5 5
M− 5
M− 5
− 22
5
2 9
a3 0 0 1 5 5
− 25 − 95 12
5
a2 0 1 0 − 25 1
5
2
5
− 15 8
5
1
a1 1 0 0 5
− 35 − 15 3
5
6
5
11
3.6. Método simplex dual. Método de la restricción
artificial.
Dado el modelo lineal en forma canónica,
max z = cT x
sujeto a
Ax ≤ b
x≥0
12
3.7. Algoritmo simplex dual. (Objetivo maximizar)
2. – Si ∀aj ∈ A zj − cj ≥ 0, ir al paso 3.
– Si ∃aj ∈ A zj − cj < 0, añadir la restricción
artificial al modelo y construir la tabla del nuevo
modelo. Entra en la base el vector ak
zk − ck = min{zj − cj /zj − cj < 0}
j
13
4. Criterio de salida. Sale el vector ar
xBr = min{xBi/xBi < 0}
i
14
Ejemplo 1.
min z = 3x1 + 2x2 max (−z) = −3x1 − 2x2
sujeto a sujeto a
x1 + 2x2 ≥ 3 −x1 − 2x2 ≤ −3
−2x1 + x2 ≥ 2 → 2x1 − x2 ≤ −2
x1 + 4x2 ≥ 7 −x1 − 4x2 ≤ −7
x1 , x 2 ≥ 0 x 1 , x2 ≥ 0
x1 x2 x3 x4 x5
4 −5 0 0 0 0
0 a3 −2 −2 1 0 0 −4 −2
0 a4 −1 1 0 1 0 −3 1
0 a5 0 1 0 0 1 M
4 0 0 0 5 5M
0 a3 −2 0 1 0 2 −4 + 2M 2
0 a4 -1 0 0 1 −1 −3 − M
5 a2 0 1 0 0 1 M 0
0 0 0 4 1 M − 12
0 a3 0 0 1 −2 4 4M + 2
−4 a1 1 0 0 −1 1 3+M
5 a2 0 1 0 0 1 M