Professional Documents
Culture Documents
−88300/ − 2 44150
−77262/0 ∞
−66225/ − 1 66225
−114790/ − 1 = 114790
−5000/0 ∞
−7500/0 ∞
−16000/ − 1 16000
Variables básicas: x4 , x5 , x6 , x7 , x8 , x9 , x2
� � � �
cTN = 0 1 0 0 cTB = 0 0 0 0 0 0 0
1 0 1 0 1 0 0 0 0 0 2
2 0 1 0 0 1 0 0 0 0 0
1, 5 0 0, 5 0 0 0 1 0 0 0 1
N=
2 0 1 0
B=
0 0 0 1 0 0 1
1 0 0 0 0 0 0 0 1 0 0
0 0 1 0 0 0 0 0 0 1 0
0 1 0 −1 0 0 0 0 0 0 1
1 0 0 0 0 0 −2
0 1 0 0 0 0 0
0 0 1 0 0 0 −1
B−1 =
0 0 0 1 0 0 −1
0 0 0 0 1 0 0
0 0 0 0 0 1 0
0 0 0 0 0 0 1
1 0 0 0 0 0 −2 88300 50000
0 1 0 0 0 0 0 77262 35000
0 0 1 0 0 0 −1 66225 30000
x=B b=
−1
0 0 0 1 0 0 −1 114790 =
52000
0 0 0 0 1 0 0 5000 5000
0 0 0 0 0 1 0 7500 7500
0 0 0 0 0 0 1 16000 16000
91
Capítulo 5. Método Símplex
50000
35000
30000
� �
z = cTB x = 0 0 0 0 0 0 0
52000 =0
5000
7500
16000
1 0 0 0 0 0 −2
0 1 0 0 0 0 0
0 0 1 0 0 0 −1
� �
wT = cTB B−1 = 0 0 0 0 0 0 0
0 0 0 1 0 0 −1
0 0 0 0 1 0 0
0 0 0 0 0 1 0
0 0 0 0 0 0 1
� �
= 0 0 0 0 0 0 0
1 0 1 0
2 0 1 0
1, 5 0 0, 5 0
� � � �
rT = cTN − wT N = 0 1 0 0 − 0 0 0 0 0 0 0
2 0 1 0
1 0 0 0
0 0 1 0
0 1 0 −1
� �
= 0 1 0 0
Dado que todos los valores en rT son mayores o iguales a cero, se ha llegado al óptimo,
y en consecuencia al fin de la primera fase.
Segunda Fase
� � � �
cTN = −5000 −6000 0 cTB = 0 0 0 0 0 0 −4500
92
5.7 Método Símplex Revisado
1 1 0 1 0 0 0 0 0 2 88300
2 1 0 0 1 0 0 0 0 0 77262
1, 5 0, 5 0 0 0 1 0 0 0 1 66225
N=
2 1 0
B=
0 0 0 1 0 0 1
b=
114790
1 0 0 0 0 0 0 1 0 0 5000
0 1 0 0 0 0 0 0 1 0 7500
0 0 −1 0 0 0 0 0 0 1 16000
1 0 0 0 0 0 −2
0 1 0 0 0 0 0
0 0 1 0 0 0 −1
B−1 =
0 0 0 1 0 0 −1
0 0 0 0 1 0 0
0 0 0 0 0 1 0
0 0 0 0 0 0 1
56300
77262
50225
� �
z = cTB x = 0 0 0 0 0 0 −4500
98790 = −72000000
5000
7500
16000
93
Capítulo 5. Método Símplex
1 0 0 0 0 0 −2
0 1 0 0 0 0 0
0 0 1 0 0 0 −1
� �
wT = cTB B−1 = 0 0 0 0 0 0 −4500
0 0 0 1 0 0 −1
0 0 0 0 1 0 0
0 0 0 0 0 1 0
0 0 0 0 0 0 1
� �
= 0 0 0 0 0 0 −4500
rT = cTN − wT N
1 1 0
2 1 0
1, 5 0, 5 0
� � � �
= −5000 −6000 0 − 0 0 0 0 0 0 −4500
2 1 0
1 0 0
0 1 0
0 0 −1
� �
= −5000 −6000 −4500
Entra a la base la variable x1
1
2
1, 5
aq =
2
1
0
0
1 0 0 0 0 0 −2 1 −1
0 1 0 0 0 0 0 2 −2
0 0 1 0 0 0 −1 1, 5 −1, 5
dq = −B aq = −
−1
0 0 0 1 0 0 −1
2 =
−2
0 0 0 0 1 0 0 1 −1
0 0 0 0 0 1 0 0 0
0 0 0 0 0 0 1 0 0
Prueba de la razón mínima
94
5.7 Método Símplex Revisado
−56300/ − 1 56300
−77262/ − 2 38631
−50225/ − 1, 5 33483, 33
−98790/ − 2 = 49395
−5000/ − 1 5000
−7500/0 ∞
−16000/0 ∞
� � � �
cTN = 0 −6000 0 cTB = 0 0 0 0 −5000 0 −4500
0 1 0 1 0 0 0 1 0 2 88300
0 1 0 0 1 0 0 2 0 0 77262
0 0, 5 0 0 0 1 0 1, 5 0 1 66225
N=
0 1 0
B=
0 0 0 1 2 0 1
b=
114790
1 0 0 0 0 0 0 1 0 0 5000
0 1 0 0 0 0 0 0 1 0 7500
0 0 −1 0 0 0 0 0 0 1 16000
1 0 0 0 −1 0 −2
0 1 0 0 −2 0 0
0 0 1 0 −1, 5 0 −1
B−1 =
0 0 0 1 −2 0 −1
0 0 0 0 1 0 0
0 0 0 0 0 1 0
0 0 0 0 0 0 1
1 0 0 0 −1 0 −2 88300 51300
0 1 0 0 −2 0 0 77262 67262
0 0 1 0 −1, 5 0 −1 66225 42725
x=B b=
−1
0 0 0 1 −2 0 −1
114790 =
88790
0 0 0 0 1 0 0 5000 5000
0 0 0 0 0 1 0 7500 7500
0 0 0 0 0 0 1 16000 16000
95
Capítulo 5. Método Símplex
51300
67262
42725
� �
z = cTB x = 0 0 0 0 −5000 0 −4500
88790 = −97000000
5000
7500
16000
1 0 0 0 −1 0 −2
0 1 0 0 −2 0 0
0 0 1 0 −1, 5 0 −1
� �
wT = cTB B−1 = 0 0 0 0 −5000 0 −4500
0 0 0 1 −2 0 −1
0 0 0 0 1 0 0
0 0 0 0 0 1 0
0 0 0 0 0 0 1
� �
= 0 0 0 0 −5000 0 −4500
0 1 0
0 1 0
0 0, 5 0
� � � �
rT = cTN − wT N = 0 −6000 0 − 0 0 0 0 −5000 0 −4500
0 1 0
1 0 0
0 1 0
0 0 −1
� �
= 5000 −6000 −4500
1
1
0, 5
aq =
1
0
1
0
96
5.7 Método Símplex Revisado
1 0 0 0 −1 0 −2 1 −1
0 1 0 0 −2 0 0 1 −1
0 0 1 0 −1, 5 0 −1 0, 5 −0, 5
dq = −B−1 aq = −
0 0 0 1 −2 0 −1
1 =
−1
0 0 0 0 1 0 0 0 0
0 0 0 0 0 1 0 1 −1
0 0 0 0 0 0 1 0 0
Prueba de la razón mínima
−51300/ − 1 51300
−67262/ − 1 67262
−42725/ − 0, 5 85450
−88790/ − 1 = 88790
−5000/0 ∞
−7500/ − 1 7500
−16000/0 ∞
� � � �
cTN = 0 0 0 cTB = 0 0 0 0 −5000 −6000 −4500
0 0 0 1 0 0 0 1 1 2 88300
0 0 0 0 1 0 0 2 1 0 77262
0 0 0 0 0 1 0 1, 5 0, 5 1 66225
N=
0 0 0
B=
0 0 0 1 2 1 1
b=
114790
1 0 0 0 0 0 0 1 0 0 5000
0 1 0 0 0 0 0 0 1 0 7500
0 0 −1 0 0 0 0 0 0 1 16000
1 0 0 0 −1 −1 −2
0 1 0 0 −2 −1 0
0 0 1 0 −1, 5 −0, 5 −1
B−1 =
0 0 0 1 −2 −1 −1
0 0 0 0 1 0 0
0 0 0 0 0 1 0
0 0 0 0 0 0 1
97
Capítulo 5. Método Símplex
1 0 0 0 −1 −1 −2 88300 43800
0 1 0 0 −2 −1 0 77262 59762
0 0 1 0 −1, 5 −0, 5 −1 66225 38975
x=B b=
−1
0 0 0 1 −2 −1 −1
114790 =
81290
0 0 0 0 1 0 0 5000 5000
0 0 0 0 0 1 0 7500 7500
0 0 0 0 0 0 1 16000 16000
43800
59762
38975
� �
z = cTB x = 0 0 0 0 −5000 −6000 −4500
81290 = −142000000
5000
7500
16000
1 0 0 0 −1 −1 −2
0 1 0 0 −2 −1 0
0 0 1 0 −1, 5 −0, 5 −1
� �
wT = cTB B−1 = 0 0 0 0 −5000 −6000 −4500
0 0 0 1 −2 −1 −1
0 0 0 0 1 0 0
0 0 0 0 0 1 0
0 0 0 0 0 0 1
� �
= 0 0 0 0 −5000 −6000 −4500
0 0 0
0 0 0
0 0 0
� � � �
rT = cTN − wT N 0 0 0 − 0 0 0 0 −5000 −6000 −4500
0 0 0
1 0 0
0 1 0
0 0 −1
� �
= 5000 6000 −4500
98
5.7 Método Símplex Revisado
0
0
0
aq =
0
0
0
−1
1 0 0 0 −1 −1 −2 0 −2
0 1 0 0 −2 −1 0 0 0
0 0 1 0 −1, 5 −0, 5 −1 0 −1
dq = −B aq = −
−1
0 0 0 1 −2 −1 −1
0 =
−1
0 0 0 0 1 0 0 0 0
0 0 0 0 0 1 0 0 0
0 0 0 0 0 0 1 −1 1
Prueba de la razón mínima
−43800/ − 2 21900
−59762/0 ∞
−38975/ − 1 38975
−81290/ − 1 = 81290
−5000/0 ∞
−7500/0 ∞
−16000/1 −16000
0 0 1
0 0 0
0 0 0
� � � �
cTN = 0 0 0 cTB = 0 0 0 0 −5000 −6000 −4500 N=
0 0 0
1 0 0
0 1 0
0 0 0
99
Capítulo 5. Método Símplex
0 0 0 0 1 1 2
0 1 0 0 2 1 0
0 0 1 0 1, 5 0, 5 1
B=
0 0 0 1 2 1 1
0 0 0 0 1 0 0
0 0 0 0 0 1 0
−1 0 0 0 0 0 1
88300
77262
66225
b=
114790
5000
7500
16000
0, 5 0 0 0 −0, 5 −0, 5 −1
0 1 0 0 −2 −1 0
−0, 5 0 1 0 −1 0 0
B−1 =
−0, 5 0 0 1 −1, 5 −0, 5 0
0 0 0 0 1 0 0
0 0 0 0 0 1 0
0, 5 0 0 0 −0, 5 −0, 5 0
0, 5 0 0 0 −0, 5 −0, 5 −1 88300 21900
0 1 0 0 −2 −1 0 77262 59762
−0, 5 0 1 0 −1 0 0 66225 17075
x = B−1 b =
−0, 5 0 0 1 −1, 5 −0, 5 0
114790 =
59390
0 0 0 0 1 0 0 5000 5000
0 0 0 0 0 1 0 7500 7500
0, 5 0 0 0 −0, 5 −0, 5 0 16000 37900
21900
59762
17075
� �
z = cTB x = 0 0 0 0 −5000 −6000 −4500
59390 = −240550000
5000
7500
37900
wT = cTB B−1
0, 5 0 0 0 −0, 5 −0, 5 −1
0 1 0 0 −2 −1 0
� � −0, 5 0 1 0 −1 0 0
= 0 0 0 0 −5000 −6000 −4500 −0, 5 0 0 1 −1, 5 −0, 5 0
0 0 0 0 1 0 0
0 0 0 0 0 1 0
0, 5 0 0 0 −0, 5 −0, 5 0
� �
= −2250 0 0 0 −2750 −3750 0
0 0 1
0 0 0
0 0 0
� � � �
rT = cTN − wT N = 0 0 0 − −2250 0 0 0 −2750 −3750 0
0 0 0
1 0 0
0 1 0
0 0 0
� �
= 2750 3750 2250
Una vez se ha alcanzado la solución óptima, los resultados para las variables básicas son:
x10 = 21900 barriles de cerveza rubia que se producen por encima del mínimo estableci-
do.
Por su parte las variables no básicas x4 , x8 , x9 tienen un valor igual a cero. Eso significa
que no hubo sobrantes de arroz, y que se produjo el máximo de cerveza negra y cerveza
ligera permitidos.
Por otra parte, los costos reducidos de las variables no básicas x 4 , x8 y x9 son de 2250,
2750 y 3750, respectivamente. Estos costes reducidos representan los valores en que des-
mejoraría la función objetivo por cada unidad que incremente el valor de las variables
correspondientes.
Los valores marginales para las diferentes restricciones pueden observarse en el vector
wT .
102
5.8 Ejercicios Propuestos
12. Resuelva el problema de programación lineal 5.35, indicando el valor óptimo, los
valores de las variables de decisión para la solución óptima (si existe), el tipo de
espacio solución y el tipo de solución.
Minimizar z =6x1 + 4x2 + 4x3 + 5x4
Sujeto a:
6x1 + x2 + 4x3 + 5x4 ≥ 120
x1 − 4x2 − 2x3 + x4 ≥ 40 (5.35)
x1 + x2 + 5x3 − 3x4 ≥ 54
6x1 + 7x2 + 6x3 + x4 ≤ 420
x 1 , x2 , x3 , x4 ≥ 0
13. Resuelva el problema de programación lineal 5.36, indicando el valor óptimo, los
valores de las variables de decisión para la solución óptima (si existe), el tipo de
espacio solución y el tipo de solución.
Minimizar z =7x1 + 8x2 + 5x3 + 6x4 + 7x5
Sujeto a:
5x1 + 9x2 + 5x3 + 6x4 + 3x5 ≤ 180
3x1 + 4x2 + 2x3 + 5x4 + 4x5 ≤ 360 (5.36)
x1 + x2 + 4x3 − x4 − x5 ≥ 45
2x1 + 3x2 + x3 + 3x4 + 7x5 ≥ 65
x 1 , x2 , x3 , x4 , x 5 ≥ 0
104
5.8 Ejercicios Propuestos
14. Resuelva el problema de programación lineal 5.37, indicando el valor óptimo, los
valores de las variables de decisión para la solución óptima (si existe), el tipo de
espacio solución y el tipo de solución.
15. Resuelva el problema de programación lineal 5.38, indicando el valor óptimo, los
valores de las variables de decisión para la solución óptima (si existe), el tipo de
espacio solución y el tipo de solución.
16. Resuelva el problema de programación lineal 5.39, indicando el valor óptimo, los
valores de las variables de decisión para la solución óptima (si existe), el tipo de
espacio solución y el tipo de solución.
107
Capítulo 6. Dualidad y Análisis de Sensibilidad
� yN
B � correspondientes a las variables básicas y no básicas (los índices de ellas).
Minimizar z =cT x
sujeto a: Ax = b (6.1)
x≥0
w T Aq ≤ cq , �
∀q ∈ N
(6.2)
w T Ap = cp , �
∀p ∈ B
bT w = w T b
= cTB B−1 b
(6.3)
= cTB xB
= cT x
En general, para Ax = b y x ≥ 0:
bT w = wT b = wT Ax ≤ cT x (6.4)
Maximizar z =bT w
sujeto a: AT w = c (6.5)
w no restringido
108
6.2 Teoría de dualidad
6.1.1 Ejemplo
Es posible convertir un problema de programación lineal y luego derivar su problema
dual.
Tanto el problema dual como el primal son definidos por los mismos datos (Matriz A, y
vectores b y c). Ahora se analizan las relaciones fundamentales en el par primal-dual.
Lema: Dado un problema de programación lineal primal, el problema dual del dual del
problema es el primal. De modo más sencillo: el dual del dual es el primal.
Teorema fuerte de dualidad: Si tanto el problema primal como el dual tienen una
solución óptima finita, entonces primal y dual alcanzan el mismo valor de la función
objetivo. Asimismo, si cualquiera de los problemas (primal o dual) tiene un valor
objetivo no acotado, entonces el otro no tiene solución factible.
109
Capítulo 6. Dualidad y Análisis de Sensibilidad
como w es una solución dual factible, además x es una solución básica factible:
cT x = cTB xB
= cTB B−1 b
(6.7)
= wT b
= bT w
1. No hay brecha dual entre los problemas primal y dual, lo cual no es general-
mente cierto en problemas no lineales.
110
6.3 Holgura complementaria y condición de óptimo
Minimizar z =cT x
sujeto a: Ax ≥ b (6.8)
x≥0
Dado que las restricciones son de mayor o igual, se deben incluir variables de superavit
s para cada restricción, las cuales conforman la matriz identidad I.
Minimizar z =cT x + 0T s
sujeto a: Ax − Is = b (6.9)
x≥0
Una vez en la forma estándar y tras construir el dual como se presentó en la sección 6.1,
se obtiene:
Maximizar z =bT w
� T � � �
A c (6.10)
sujeto a: w≤
−I 0
Finalmente se observa que dado que el hecho de que todas las restricciones sean de mayor
o igual implica que w ≥ 0.
Maximizar z =bT w
sujeto a: AT w ≤ c (6.11)
w≥0
En cuyo caso x se constituye en una solución primal óptima y w en una solución dual
óptima. En vista de que los vectores x, w, r y s son no negativos, se requiere que en
la ecuación anterior rj = 0 o xj = 0 para j = 1, . . . , n y que si = 0 o wi = 0 para
i = 1, . . . , m, en lo que se conoce como condiciones de holgura complementaria.
rj = (c − AT w)j = 0 o xj = 0 ∀j = 1, 2, . . . , n
si = (Ax − b)i = 0 o wi = 0 ∀i = 1, 2, . . . , m
Maximizar z =bT w
(6.15)
sujeto a: AT w ≤ c
1. factibilidad primal: Ax = b, x ≥ 0
2. factibilidad dual: AT w + r = c, r ≥ 0
3. holgura complementaria: rT x = 0
112
6.4 Interpretación económica del problema dual
Teniendo en cuenta que en la solución óptima del problema primal en la forma estándar:
�∗
x = B−1 (b + Δb) (6.16)
z� = �∗
cTB x
= cB B−1 b
T
+ cTB B−1 Δb (6.17)
En consecuencia:
z� − z = cTB B−1 b + cTB B−1 Δb − cTB B−1 b = cTB B−1 Δb
(6.18)
= wT Δb
Maximizar z =cT x
sujeto a: Ax ≤ b (6.19)
x≥0
Por su parte, en el escenario dual representado por el problema mostrado en ecuación 6.20
puede verse como el productor obtiene provecho de los recursos. de un proveedor. El
productor busca negociar el precio unitario de compra, para un recurso i con el respectivo
113
Capítulo 6. Dualidad y Análisis de Sensibilidad
proveedor. Visto de este modo el objetivo del productor es minimizar el precio total de
compra bT w para obtener los recursos i en la cantidad requerida bi . Como el precio del
producto en el mercado cj y el consumo ai,j son información que se conoce en el mercado
por lo que el productor sabe que un proveedor listo buscará obtener de él, todo lo posible.
De esta forma, el programa lineal dual permite al productor adquirir los recursos bajo un
plan de mínimo costo en el cual los precios de compra son aceptables para el proveedor.
Minimizar z =bT w
(6.20)
sujeto a: AT w ≤ c
1. El i-ésimo componente del vector óptimo dual wi∗ representa el precio marginal
máximo que el productor está dispuesto a pagar para obtener una unidad adicional
de recurso i del proveedor;
114
6.5 Análisis de Sensibilidad
Como se observó con el método gráfico, el cambiar el parámetro ubicado al lado derecho
de una restricción implica un desplazamiento de la frontera de dicha restricción hacia
arriba o hacia abajo, y tal cambio podrá en un momento determinado ampliar, mantener,
reducir, o eliminar el espacio solución.
Para analizar el impacto de este tipo de cambios se procede a evaluar las relaciones en las
cuales estos cambios tienen lugar, y las que resultan afectadas indirectamente por estos.
x = B−1 b (6.21)
z = cTB x (6.22)
Analizando la primera relación, y teniendo en cuenta que una solución primal es factible
cuando no presenta variables artificiales en la base (con valor mayor que cero) y no pre-
senta valores menores a cero en el vector x. Además, se sabe que las variables artificiales
se eliminaron al resolver el problema en la primera fase del método símplex revisado.
Cuando al realizar un cambio en el vector del lado derecho de las restricciones se obtiene
x ≥ 0, todas las variables en el vector x poseen un valor mayor o igual que cero, puede
decirse que la nueva solución sigue siendo óptima, a pesar del cambio; en tal caso la
solución al problema estará dada por los valores de x̂ y ẑ resultado de reemplazar b por
b̂ en x, como se observa en las ecuaciones 6.23 y 6.24.
x̂ = B−1 b̂ (6.23)
ẑ = cTB x̂ (6.24)
Por otra parte, si se presenta por lo menos un valor menor que cero en algún componente
de x̂ se tiene una solución no factible en el primal, lo que significa que con la base
actual la nueva solución x̂ viola una o más restricciones. En este caso debe emplearse el
método dual símplex para buscar factibilidad en el primal, pues la condición de óptimo
se mantiene dado que b̂ no tiene ningún impacto en rT .
115
Capítulo 6. Dualidad y Análisis de Sensibilidad
Atendiendo a las observaciones que se han presentado sobre factibilidad, es posible de-
terminar el valor de los límites entre los cuales se puede variar el recurso asociado a cada
restricción, para que la solución (correspondiente a la misma base) se mantenga como
óptima.
Para determinar el valor de los límites entre los cuales puede oscilar el lado derecho
de cada una de las restricciones, es preciso someter el vector del lado derecho de las
restricciones a un cambio consistente en la adición de una variable que indica el cambio
en cada uno de sus términos. Así el nuevo valor del vector x, denotado como x̂, será el
resultado de:
x̂ = B−1 (b + Δb) (6.25)
Que puede reescribirse como:
x̂ = B−1 b + B−1 Δb
(6.26)
= x + B−1 Δb
x̂ = x + B−1 Δb ≥ 0 (6.27)
El paso siguiente es determinar los valores del vector Δb que mantienen tal condición. En
este caso los cambios se suponen independientes y se hacen asumiendo que sólo cambia
un valor del vector b a la vez.
Finalmente, se calculan los límites para cada uno de los recursos determinando los valores
mínimo y máximo de recurso (valor en el lado derecho) que garantizan que la solución
con las variables básicas actuales siga siendo factible y óptima, dado que el vector r T se
mantiene igual.
Para incluir una nueva restricción, debe seguirse el procedimiento que se ilustra a conti-
nuación:
Por lo tanto, si se tienen en cuenta las relaciones propias del símplex revisado se
tiene:
� �
x
x̂ =B̂−1 b̂ =
β
� �
� � x
ẑ =ĉTB x̂ = cTB 0 =z
β (6.30)
� �
ŵT =ĉTB B̂−1 = wT 0
� �
� � N
r̂T =cTN − wT 0 = cTN − wT N = rT
Θ
Puede suceder que de acuerdo con el comportamiento del sistema para el cual se toman
las decisiones, una o más restricciones resulten innecesarios después de haberse obtenido
la solución óptima. En este caso la solución es mucho más complicada.
Si se desea remover la restricción aTk x ≤ bk y esta no está activa por ejemplo aTk x < bk ,
entonces puede removerse sin afectar la condición de óptimo de la respuesta actual. Para
verfificar si la restricción está activa simplemente se debe mirar en la variable dual w k .
Si wk = 0, entonces las condiciones de holgura complementaria permiten constatar que
la restricción no está activa.
Si, por el contrario, la restricción está activa es muy difícil hacer el cambio, resulta más
conveniente resolver el nuevo problema de programación lineal desde el comienzo.
117
Capítulo 6. Dualidad y Análisis de Sensibilidad
Si realizados los cambios r̂T ≥ 0, ∀r ∈ r̂T , la solución actual sigue siendo óptima, y basta
con actualizar el valor de la función objetivo ẑ. En caso de no cumplirse la condición de
óptimo, es preciso realizar iteraciones adicionales teniendo en cuenta la lógica del método
símplex revisado.
Un tratamiento similar al que se dio al vector del lado derecho de las restricciones puede
darse a los coeficientes de la función objetivo para determinar cuáles son los valores
extremos a los que pueden llevarse estos conservando la solución con la base actual en
calidad de óptima. Para hacerlo se hace un análisis que parte de la relación que se acaba
de presentar.
El reemplazo los vectores cTB y cTN , por cˆTB = cTB + ΔcTB y cˆTN = cTN + ΔcTN , respecti-
vamente, como se muestra en la ecuación 6.34 proporciona un nuevo vector de costos de
118