Dualidad
-
Upload
maycol-henostroza-moreno -
Category
Documents
-
view
225 -
download
0
description
Transcript of Dualidad
INTRODUCCIÓN
Dado un problema de programación lineal, denominado problema primal, existe
otro problema de programación lineal, denominado problema dual, íntimamente
relacionado con él. Se dice que ambos problemas son mutuamente duales.
Bajo ciertas hipótesis, los problemas primal y dual dan lugar al mismo valor
óptimo de la función objetivo, y por tanto se puede resolver indirectamente el
problema primal resolviendo el problema dual.
Además nos permite utilizando el algoritmo dual del simplex el resolver
problemas que por la forma estándar nos serían irresolubles. Además permite
facilitar otros cálculos como los de las variables artificiales.
Los autores
OBJETIVOS
Mostrar la resolución de los problemas duales respecto a los primales se
justifica dada la facilidad que se presenta dados problemas donde el
número de restricciones supere al número de variables.
Dar a conocer las ventajas que presenta es que dado a que el número
de restricciones y variables entre problema dual y primal es inverso.
Ver cómo se pueden resolver gráficamente problemas que presenten
dos restricciones sin importar el número de variables.
1. DUALIDAD
El dual es un problema de Programación lineal (PL) que se obtiene
matemáticamente de un modelo primal de PL dado. Los problemas dual y
primal están relacionados a tal grado, que la solución símplex óptima de
cualquiera de los dos problemas conduce en forma automática a la solución
óptima del otro.
El método símplex además de resolver un problema de PL llegando a una
solución óptima nos ofrece más y mejores elementos para la toma de
decisiones. La dualidad y el análisis de sensibilidad son potencialidades de
éste método.
El concepto de dualidad indica que para cada problema de PL hay una
asociación y una relación muy importante con otro problema de
programación lineal, llamado precisamente dual.
La relación entre el problema dual y su asociado, es decir el
problema original llamado primal, presenta varias utilidades:
Aporta elementos que aumentan sustancialmente la compresión de la
PL.
El análisis de dualidad es una herramienta útil en la solución de
problemas de PL, por ejemplo: más restricciones que variables.
El problema dual tiene interpretaciones e informaciones importantes
que muestran que los análisis marginales están siempre involucrados
implícitamente al buscar la solución óptima a un problema de PL.
2. ALGORITMO DUAL DEL SIMPLEX
El algoritmo dual del simplex será utilizado cuando se llegue mediante el
método clásico del simplex a la siguiente situación:
- Alguna componente de la solución es menor que cero.
- Para todas las variables no básicas el último renglón son mayores o
iguales que cero.
También es útil cuando la introducción de variables artificiales complica
demasiado el problema.
Con este algoritmo podemos encontrarnos varias circunstancias:
- En el último renglón todos los valores son positivos (no varía conforme a
la situación inicial) y los valores negativos de la solución han desaparecido.
Es entonces cuando encontramos la solución óptima.
- Si en el último renglón tiene valores negativos la solución no es óptima.
Si la solución tiene valores negativos el problema no tiene
solución.
Si la solución no tiene valores negativos para obtener la solución
óptima se utilizará el método clásico del simplex.
- Si además de tener una componente negativa tenemos que los elementos
de su fila asociada no son también negativos tenemos que no hay solución
al problema.
El método de resolución es muy similar al del simplex con las siguientes
diferencias:
La variable básica que sale es la que posee un valor negativo
más alto.
En este caso la prueba para encontrar la variable que entra es la
siguiente:
3. CONVERSIÓN DE UN PROBLEMA PRIMAL A DUAL
Un problema dual se formula de un problema primal de la siguiente forma:
Si el primal es un problema de maximización su dual será un problema
de minimización y viceversa.
Los coeficientes de la función objetivo del problema primal se convierten
en los coeficientes del vector de la disponibilidad en el problema dual.
Los coeficientes del vector de disponibilidad del problema original se
convierten en los coeficientes de la función objetivo (vector de costo o
precio) en el problema dual.
Los coeficientes de las restricciones en el problema primal, será la
matriz de los coeficientes tecnológicos en el dual.
Los signos de desigualdad del problema dual son contrarios a los del
primal.
Cada restricción en un problema corresponde a una variable en el otro
problema. Si el primal tiene m restricciones y n variables, el dual tendrá
n restricciones y m variables. Así, las variables Xn del primal se
convierte en nuevas variables Ym en el dual.
4. TEORÍA DE LA DUALIDAD4.1. PROBLEMA PRIMAL Y PROBLEMA DUAL
Cada problema de programación lineal lleva asociado un problema
“dual” con el que prácticamente está muy relacionado.
Para calcular el problema dual, partimos del problema de programación
lineal expresado de la forma siguiente (habitual en todos nuestros
problemas):
- Maximizar la función objetivo: Z = c1x1 + c2x2 +…+ cnxn
- Poner las restricciones en la forma siguiente:
a11x1 + a12x2 +… + a1nxn <= b1
a21x1 + a22x2 +… + a2nxn <= b2
…
am1x1 + am2x2 +… + amnxn <= bm
El problema dual va a definirse de la siguiente forma:
- Minimizar una función Z’ con unas variables distintas a Z y con los
coeficientes derechos de las restricciones como coeficientes. Quedaría
como sigue:
Z = b1y1 + b2y2 +…+ bnyn
El problema dual tiene tantas variables como inecuaciones el
sistema de restricciones del problema primal.
Los coeficientes de la función objetivo del dual son los términos
independientes de las restricciones del primal.
- Las restricciones quedarían de la forma siguiente:
a11y1 + a21y2 +… + am1yn >= c1
a22y1 + a22y2 +… + am2yn >= c2
…
a1my1 + a2my2 +… + amnyn >= cn
El sistema de restricciones del dual tiene tantas inecuaciones
ligadas por el signo “>=” como variables tiene el primal.
Los coeficientes de las inecuaciones del sistema de restricciones
del problema dual son los mismos que los del sistema de
restricciones del problema primal cambiando filas por columnas.
Los términos independientes de las inecuaciones del sistema de
restricciones del dual son los términos de la función objetivo del
primal.
Un ejemplo de transformación primal/dual sería el que sigue:
Para hallar la correspondencia entre ambos problemas se suele utilizar la tabla
primal-dual o de Tucker. En ella se puede observar el problema primal por filas,
es decir verticalmente. Por columnas, es decir horizontalmente, se observa el
problema dual.
Para el ejemplo anterior tendríamos lo siguiente:
5. PROPIEDADES BÁSICAS
Dada la relación existente entre el problema dual y el primal se pueden
enumerar las siguientes propiedades que nos permitirán el uso de esta
dualidad para resolver diferentes aspectos de los problemas de
optimización.
5.1. Propiedad de la dualidad débil: Cualquier solución factible en el
primal tiene un valor menor o igual que una solución factible en el dual.
Matemáticamente: cX <= Yb. Siempre se cumple porque el valor máximo
factible de Z es igual al valor mínimo factible de Z’.
5.2. Propiedad de la dualidad fuerte: Si X e Y son respectivamente
soluciones factibles del problema primal y del dual y se cumple que
cX=Yb entonces X e Y son soluciones a ambos problemas. En
conclusión, en las óptimas ambas soluciones son iguales.
5.3. Propiedad de las soluciones complementarias: En cada
iteración, el simplex determina una solución FEV X del primal, y una
solución complementaria Y del dual. En cada paso se obtienen variables
básicas para el primal, y los valores de las variables de holgura son las soluciones del dual complementarias óptimas. Éstas se forman
con los elementos correspondientes situados en la última fila y en las
columnas que están asociadas a las variables de holgura.
Cuando se está resolviendo el problema primal, el problema dual es no
factible. Sólo se vuelve factible cuando se halla la solución óptima.
5.4. Propiedad de las soluciones complementarias óptimas: En la
tabla simplex final, se obtiene la solución óptima x* del primal, y se
obtiene la solución óptima complementaria y* del dual, y en este punto
ambas son factibles.
c x* = y*b
Los valores de yi* se denominan precios sombra para el problema
primal.
5.5. Propiedad de la simetría: Para cualquier problema, el dual del dual
es el primal.
La solución del problema dual corresponderá a los valores del último
renglón de las variables de holgura
6. TEOREMA DE EXISTENCIA
Las relaciones entre el primal y el dual se pueden establecer en tres puntos:
1. Si un problema tiene soluciones factibles y función objetivo acotada,
entonces el otro también y los valores de la función objetivo en el óptimo
son iguales.
2. Si uno de los problemas tiene soluciones factibles y función objetivo
no acotada, entonces el otro es no factible.
3. Si un problema no tiene soluciones factibles, entonces el otro no tiene
soluciones factibles o tiene la función objetivo no acotada.
El Teorema de Existencia se enunciaría como sigue: Dados un par de
problemas duales, una y sólo una de las siguientes afirmaciones es verdadera:
- Ninguno de los dos problemas posee soluciones factibles.
- Uno de los problemas no tiene solución factible y el otro sí, pero no
posee solución óptima.
- Los dos problemas poseen solución óptima.
Esto puede resumirse diciendo que entre dos problemas duales únicamente se
pueden dar las siguientes alternativas:
1. Ambos poseen soluciones factibles, entonces los valores de las
funciones objetivo Z y Z’ son 2 conjuntos de números. El punto P la
solución simultánea de los problemas dual y primal.
2. La función Z no alcanza un máximo, por lo tanto no existe una
solución óptima para el problema dual (no hay punto P).
3. La función objetivo dual Y no está acotada inferiormente y por esto no
hay punto P. El problema primal no tendrá solución óptima.
4. No hay conjunto de soluciones factibles para Z ni para Y, entonces
ninguno de esos dos problemas tiene soluciones factibles.
A partir de las cuatro alternativas podemos establecer dos reglas prácticas:
1. Todo problema de programación lineal puede resolverse aplicando el
algoritmo del simplex a su problema dual asociado.
2. Los lemas de la dualidad son claves en la resolución de algunos
problemas (Ej. Si X e Y son soluciones de un problema dual y primal
correspondiente y cX =Yb, X e Y serán óptimos).